Soal UAS Pengantar Kecerdasan Buatan. Kelas 3IA01, 03, 05, 07, 11, 13, 14, 17, 18, 19, 21, 22 dan 23

Ukuran: px
Mulai penontonan dengan halaman:

Download "Soal UAS Pengantar Kecerdasan Buatan. Kelas 3IA01, 03, 05, 07, 11, 13, 14, 17, 18, 19, 21, 22 dan 23"

Transkripsi

1 Soal UAS Pengantar Kecerdasan Buatan Kelas 3IA01, 03, 05, 07, 11, 13, 14, 17, 18, 19, 21, 22 dan Pengertian kecerdasan menurut Winston dan Pendergast, Kecuali : a. Kemampuan belajar atau mengerti dari pengalaman b. Kemampuan memahami pesan yang kontradiktif dan ambigu c. Kemampuan menanggapi dengan cepat dan baik atas situasi yang baru d. Kemampuan tidak menggunakan penalaran dalam memecahkan masalah serta menyelesaikannya dengan efektif 2. Sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia, pendapat dari : a. A. Simon [1987] b. Rich and Knight [1991] c. Winston [1992] d. Simon [1993] 3. Kecerdasan buatan dilihat dari berbagai sudut pandang, kecuali : a. Sudut Pandang Biologi b. Sudut Pandang Kecerdasan c. Sudut Pandang Penelitian d. Sudut Pandang Bisnis 4. Arsitektur Kecerdasan Buatan memiliki dua bagian utama, yaitu : a. Search dan Knowledge Base b. Search dan Inference Engine c. Knowledge Base dan Inference Engine d. Best first Search dan Dept First Search 5. Berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya. Disebut : a. Search

2 b. Inference Engine c. Knowladge Base d. BFS 6. Di bawah ini, pernyataan yang salah adalah : a. Mendefinisikan masalah dengan tepat, mencakupspesifikasi yang tepat mengenai keadaan awaldan solusi yang diharapkan. b. Menganalisis masalah tersebut dan mencaribeberapa teknik penyelesaian masalah yang sesuai. c. Merepresentasikan pengetahuan yang perlu untukmenyelesaikan masalah tersebut. d. Tidak memilih teknik penyelesaian masalah yang terbaik. 7. Berikut ini adalah cara untuk merepresentasikan ruang masalah : a. Grap Keadaan, Pohon Pelacakan, Pohon AND/OR b. Grap Keadaan, Pohon Pelacakan, Pohon AND/NOT c. Grap Keadaan, Pohon Pelacakan, Pohon NOT/OR d. Grap Keadaan, Pohon Pelacakan, Pohon AND/OR/NOT 8. Untuk memilih metode yang paling baik untuk memecahkan suatu masalah tertentu, diperlukan suatu analisa masalah. Dalam menganalisa suatu masalah perlu mengetahui beberapa karakteristik masalah, diantaranya adalah: a. Apakah masalah dapat dipilah-pilah (decompose- able) menjadi sejumlah sub-masalah independent yang lebih kecil atau lebih mudah? b. Apakah ruang lingkup pembicaraan masalah dapat diperkirakan? c. Apakah solusi masalah yang baik telah dibandingkan dengan semua solusi yang dimungkinkan? d. a, b dan c benar 9. Gambar di bawah ini, merupakan teknik dari :

3 a. Pencarian Melebar Pertama b. Pencarian Kedalam Pertama c. Pencarian Melebar Kedua d. Pencarian Kedalam Kedua 10. Gambar di bawah ini, merupakan teknik dari : a. Pencarian Melebar Pertama b. Pencarian Kedalam Pertama c. Pencarian Melebar Kedua d. Pencarian Kedalam Kedua 11. Pernyataan yang dapat bernilai benar atau salah, disebut : a. Logika Predikat b. Logika Proposisi c. Tautologi d. Kontrakdisi 12. Yang termasuk kedalam operator logika proposisi adalah : a. Konjungsi b. Disjungsi c. Negasi

4 d. a, b dan c benar 13. Perhatikan Kalimat di bawah ini : Dimana : p = Hujan Turun g = Saya tidak pergi ke pasar Apabila p g = r, maka kalimat yang terbentuk adalah : a. Hujan turun atau saya tidak pergi ke pasar b. Saya tidak pergi ke pasar jika hanya jika hujan turun c. Hujan turun maka saya tidak pergi ke pasar d. Jika hujan turun maka saya tidak pergi ke pasar 14. Perhatikan kalimat di bawah ini Dimana : p = Anda berusia 21 tahun g = Lulusan Gunadarma Apabila p v g = r, maka kalimat yang terbentuk adalah : a. Anda berusia 21 tahun atau lulusan Gunadarma b. Lulusan Gunadarma dan Anda berusia 21 tahun c. Anda berusia 21 tahun dan lulusan Gunadarma d. Lulusan Gunadarma atau Anda berusia 21 tahun 15. Perhatikan kalimat di bawah ini. Premis I : Semua laki-laki adalah makhluk hidup Premis II : Socrates adalah laki-laki Maka konklusi adalah : a. Semua laki-laki adalah Socrates b. Socrates adalah laki-laki dan makhluk hidup c. Socrates adalah makhluk hidup d. Semua laki-laki adalah Socrates dan makhluk hidup Basis Pengetahuan di bawah ini, untuk menjawab soal no. 16, 17, 18 dan P

5 2. (P Q) R 3. (S T) Q 4. T Ubahlah keempat basis pengetahuan kedalam bentuk CNF 16. Basis pengetahuan P menjadi : a. P b. P v Q v R c. S v Q dan T v Q d. T 17. Basis pengetahuan (P Q) R menjadi : a. P b. P v Q v R c. S v Q dan T v Q d. T 18. Basis pengetahuan (S T) Q menjadi : a. P b. P v Q v R c. S v Q dan T v Q d. T 19. Basis Pengetahuan T menjadi : a. P b. P v Q v R c. S v Q dan T v Q d. T 20. Sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan, disebut : a. Pencarian Melebar Pertama

6 b. Pencarian Kedalam Pertama c. Pencarian Heuristik d. Inferensi 21. Yang termasuk kedalam jenis-jenis teknik pencarian heuristic, kecuali : a. Generate and Test b. Hill Climbing c. Best First Search d. Breadth First Search Contoh Kasus untuk soal nomor 18, 19 dan 20 Seorang salesman ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Kita ingin mengetahui ruter terpendek dimana setaip kota hanya boleh dikunjungi tepat 1 kali. Misalkan ada 4 kota dengan jarak antara tiap-tiap kota seperti berikut ini : 22. Berapa jumlah pencarian atau cara pada contoh kasus di atas, jika penyelesaian menggunakan Generate and test. a. 24 b. 25 c. 26 d Berapa panjang lintasan yang terpilih pada contoh kasus di atas, jika penyelesaian menggunakan Generate and test. a. 10 b. 11 c. 12 d. 9

7 24. Berapa jumlah lintasan atau kombinasi yang di peroleh pada contoh kasus di atas, jika penyelesaian menggunakan Simple Hill Climbing. a. 5 b. 6 c. 7 d Suatu hierarki struktur yang terdiri dari Node (simpul/veteks) yang menyimpan informasi atau pengetahuan dan cabang (link/edge) yang menghubungkan node, disebut : a. Tree b. Lattice c. Graft d. Binary Tree 26. Graph asiklik berarah, disebut : a. Tree b. Lattice c. Graft d. Binary Tree 27. Gambar di bawah ini, termasuk contoh graph : a. Graph tidak terhubung b. Graph terhubung c. Digraph dgn loop pada diri sendiri dan sirkuit terhubung d. Lattice

8 28. Gambar di bawah ini, termasuk contoh graph : a. Graph tidak terhubung b. Graph Terhubung c. Digraph dgn loop pada diri sendiri dan sirkuit terhubung d. Lattice 29. Gambar di bawah ini, termasuk contoh graph : a. Graph tidak terhubung b. Graph terhubung c. Digraph dgn loop pada diri sendiri dan sirkuit terhubung d. Lattice 30. Teori teori yang berhubungan dengan ketidakpastian pada penalaran, yaitu : a. Probabilitas Klasik, Probabilitas Bayes, b. Teori Hartley, Teori Shanon, Teori Dempster-Shafer, Teori Fuzzy Zadeh c. a dan b salah d. a dan b benar Soal di bawah ini untuk menjawab no. 31,32 dan 33 Arman mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Arman terkena : a. Probabilitas munculnya bintik-bintik di wajah, jika Arman terkena cacar ; p (bintik-bintik cacar) = 0,7 b. Probabilitas Arman terkena cacar tanpa memandang gejala apapun ; p (cacar) = 0,3 c. Probabilitas munculnya bintik-bintik di wajah, jika Arman terkena alergi ;

9 p (bintik-bintik alergi) = 0,2 d. Probabilitas Arman terkena alergi tanpa memandang gejala apapun ; p (alergi) = 0,6 e. Probabilitas munculnya bintik-bintik di wajah, jika Arman terkena jerawat ; p (bintik-bintik jerawat) = 0,8 f. Probabilitas Arman terkena alergi tanpa memandang gejala apapun ; p (alergi) = 0,6 Hitunglah dengan menggunakan probabilitas Bayes 31. Jika Arman mengalami gejala bintik-bintik yang disebabkan oleh cacar : a. 0,45 b. 0,26 c. 1,02 d. 1, Jika Arman mengalami gejala bintik-bintik yang disebabkan oleh alergi : a. 0,45 b. 0,26 c. 1, 02 d. 1, Jika Arman mengalami gejala bintik-bintik yang disebabkan oleh jerawat : a. 0,45 b. 0,26 c. 1,02 d. 1, Ukuran kepercayaan terhadap hipotesis h, jika diberikan evidence e, pengertian dari rumus : a. CF [h,e] b. MB [h,e] c. MD [h,e] d. P [h,e]

10 35. Ukuran Ketidakpercayan terhadap hipotesis h, jika diberikan evidence e, pengertian dari rumus : a. CF [h,e] b. MB [h,e] c. MD [h,e] d. P [h,e] 36. Sistem yang berusaha mengadopsipengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalahseperti yang biasa dilakukan para ahli, disebut : a. Sistem Pakar b. Sistem Non Pakar c. Jaringan Syaraf Tiruan d. b dan c salah 37. Menurut Efraim Turban, Sistem Pakar harus memiliki, kecuali : a. Keahlian, Ahli b. Pengalihan, Keahlian c. Inferensi, Aturan dan kemampuan menjelaskan d. Ketidakmampuan menjelaskan 38. Keuntungan Sistem Pakar adalah : a. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal. b. Sulit dikembangkan. Hal ini erat kaitannya dengan ketersediaan pakar dalam bidangnya. c. System pakar tidak 100% bernilai benar d. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli 39. Kerugian Sistem Pakar adalah : a. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli b. Tidak bisa melakukan proses secara berulang secara otomatis c. Tidak bisa menyimpan pengetahuan dan keahlian para pakar

11 d. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal 40. Ada berapa cara yang dapat dilakukan dalam melakukan inferensi pada sistem pakar, yaitu : a. 2 b. 3 c. 4 d Pengertian Jaringan syaraf tiruan adalah : a. Merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. b. Program yang berisimetodologi yang digunakan untuk melakukanpenalaran terhadap informasi-informasi dalam basis pengetahuan untuk memformulasikan konklusi. c. Merupakan bagian dari computer khusus yang dihubungkan dengan suatu fungsi tertentu. d. Untuk menganalisis pengetahuan dan menarik kesimpulan berdasarkan knowledge base. 42. Pada jaringan syaraf tiruan, hubungan antara neuron yang satu dengan neuron yang lain, disebut : a. Input b. Output c. Bobot d. Fungsi Aktifasi 43. Mengkonversi input suatu variable yang bernilai continue ke suatu outpu biner, disebut : a. Fungsi Undak biner (Hard Limit) b. Fungsi Undak Biner (Threshold) c. Fungsi Linear d. b dan c salah

12 44. Jaringan yang memiliki satu atau banyak lapisan yang terletak diantara lapisan input dan lapisan output, disebut : a. Jaringan dengan lapisan tunggal (Single Layer Net) b. Jaringan dengan banyak lapisan (Multilayer Net) c. Jaringan dengan lapisan kompetitif (Competitive Layer Net) d. b dan c benar 45. Pada jaringan syarat tiruan, memiliki proses pembelajaran terawasi dan pembelajaran tak terawasi, metode yang termasuk kedalam pembelajaran terawasi, kecuali : a. Hubb Rule b. Perception c. Delta Rule d. Kohonen 46. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari, merupakan contoh dari : a. Logika Fuzzy b. Penalaran c. Sistem Pakar d. Jaringan Syaraf Tiruan 47. Alasan digunakan Logika Fuzzy adalah : a. Konsep logika fuzzy mudah dimengerti b. Logika fuzzy sangat fleksibel c. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat d. a, b dan c benar 48. Pada representasi linear, memiliki kemungkinan himpunan fuzzy linear, yaitu : a. Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju nilai domain yang memiliki derajat keanggotaan lebih tinggi

13 b. Garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah c. a dan b benar d. a dan b salah 49. Logika Fuzzy adalah : a. Suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. b. Suatu kurva yang menunjukan pemetaan titik-titik input data ke dalam nilai keanggotaannya. c. Variabel input maupun output dibagi menjadi satu atau lebih himpunan. d. Menggunakan query untuk mencari data yang diinginkan. 50. Himpunan fuzzy memiliki 2 atribut, yaitu : a. Liguistik (Penamaan suatu group yang mewakili suatu kondisi, misalnya panas, hangat, dingin) b. Numeris (ukuran dari suatu variable seperti : 17, 19, 21, 33, dst) c. a dan b benar d. a dan b salah

Artificial Intelligence. uthie 1

Artificial Intelligence. uthie 1 Artificial Intelligence uthie 1 Cabang-cabang AI 1. Logical AI Logika (matematis) yang merepresentasikan sekumpulan fakta dan tujuan ---> RUANG KEADAAN: Graph Tree uthie 2 Cabang-cabang AI 2. Search Pencarian

Lebih terperinci

METODE INFERENSI (1)

METODE INFERENSI (1) METODE INFERENSI (1) Tree (Pohon) dan Graph - Tree (pohon) adalah suatu hierarki struktur yang terdiri dari Node (simpul/veteks) yang menyimpan informasi atau pengetahuan dan cabang (link/edge) yang menghubungkan

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGANTAR KECERDASAN BUATAN (AK ) (**) FAKULTAS / JURUSAN : TEKNIK INFORMATIKA / S-1 SKS/SEMESTER : 2/8

SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGANTAR KECERDASAN BUATAN (AK ) (**) FAKULTAS / JURUSAN : TEKNIK INFORMATIKA / S-1 SKS/SEMESTER : 2/8 SATUAN ACARA PERKULIAHAN MATA KULIAH : PENGANTAR KECERDASAN BUATAN (AK-045218) (**) FAKULTAS / JURUSAN : TEKNIK INFORMATIKA / S-1 SKS/SEMESTER : 2/8 Minggu Pokok Bahasan Ke Dan TIU 1 Pengenalan (KB) 2

Lebih terperinci

SATUAN ACARA PERKULIAHAN(SAP)

SATUAN ACARA PERKULIAHAN(SAP) SATUAN ACARA PERKULIAHAN(SAP) Nama Mata Kuliah : Kecerdasan Buatan Kode Mata Kuliah : SI 044 Bobot Kredit : 3 SKS Semester Penempatan : 3 Kedudukan Mata Kuliah : Mata Kuliah Prasyarat : - Penanggung Jawab

Lebih terperinci

METODE INFERENSI. Level 2. Level 3. Level 4

METODE INFERENSI. Level 2. Level 3. Level 4 METODE INFERENSI Tree (Pohon) dan Graph - Tree (pohon) adalah suatu hierarki struktur yang terdiri dari Node (simpul/veteks) yang menyimpan informasi atau pengetahuan dan cabang (link/edge) yang menghubungkan

Lebih terperinci

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana

KECERDASAN BUATAN (Artificial Intelligence) Materi 8. Entin Martiana Logika Fuzzy KECERDASAN BUATAN (Artificial Intelligence) Materi 8 Entin Martiana 1 Kasus fuzzy dalam kehidupan sehari-hari Tinggi badan saya: Andi menilai bahwa tinggi badan saya termasuk tinggi Nina menilai

Lebih terperinci

Artificial Intelegence EKA YUNIAR

Artificial Intelegence EKA YUNIAR Artificial Intelegence EKA YUNIAR Pokok Bahasan Ketidak Pastian Teorema Bayes Faktor Kepastian Ketidakpastian Dalam menghadapi suatu masalah, sering ditemukan jawaban yang tidak memiliki kepastian penuh.

Lebih terperinci

KETIDAKPASTIAN PROBABILITAS & TEOREMA BAYES

KETIDAKPASTIAN PROBABILITAS & TEOREMA BAYES KECERDASAN BUATAN Kuliah ke : 8 PENALARAN KETIDAKPASTIAN PROBABILITAS & TEOREMA BAYES KETIDAKPASTIAN Dalam kenyataan sehari-hari banyak masalah didunia ini tidak dapat dimodelkan secara lengkap dan konsisten.

Lebih terperinci

SATUAN ACARA PERKULIAHAN (SAP)

SATUAN ACARA PERKULIAHAN (SAP) SATUAN ACARA PERKULIAHAN (SAP) Nama Mata Kuliah : Kecerdasan Buatan Kode Mata Kuliah : TI 037 Bobot Kredit : 3 SKS Semester Penempatan : VI Kedudukan Mata Kuliah : Mata Kuliah Keahlian Berkarya Mata Kuliah

Lebih terperinci

Jaringan syaraf dengan lapisan tunggal

Jaringan syaraf dengan lapisan tunggal Jaringan syaraf adalah merupakan salah satu representasi buatan dari otak manusia yang mencoba untuk mensimulasikan proses pembelajaran pada otak manusia. Syaraf manusia Jaringan syaraf dengan lapisan

Lebih terperinci

METODE PENCARIAN DAN PELACAKAN

METODE PENCARIAN DAN PELACAKAN METODE PENCARIAN DAN PELACAKAN SISTEM INTELEGENSIA Pertemuan 4 Diema Hernyka S, M.Kom Materi Bahasan Metode Pencarian & Pelacakan 1. Pencarian buta (blind search) a. Pencarian melebar pertama (Breadth

Lebih terperinci

ALGORITMA PENCARIAN (1)

ALGORITMA PENCARIAN (1) ALGORITMA PENCARIAN (1) Permasalahan, Ruang Keadaan, Pencarian Farah Zakiyah Rahmanti Diperbarui 2016 Overview Deskripsi Permasalahan dalam Kecerdasan Buatan Definisi Permasalahan Pencarian Breadth First

Lebih terperinci

Sistem Kecerdasan Buatan. Masalah, Ruang Masalah dan Pencarian Solusi. Masalah. Masalah Sebagai Ruang Keadaan 10/7/2015

Sistem Kecerdasan Buatan. Masalah, Ruang Masalah dan Pencarian Solusi. Masalah. Masalah Sebagai Ruang Keadaan 10/7/2015 Sistem Kecerdasan Buatan Masalah, Ruang Masalah dan Pencarian Solusi Bahan Bacaan : Sri Kusumadewi, Artificial Intelligence. Russel, Artificial Intelligence Modern Approach 2 bagian utama kecerdasan buatan

Lebih terperinci

SILABUS ATIFICIAL INTELIGENCE

SILABUS ATIFICIAL INTELIGENCE Kode Formulir : FM-STMIK MDP-KUL-04.02/R3 SILABUS ATIFICIAL INTELIGENCE A. IDENTITAS MATA KULIAH Program Studi Mata Kuliah Kode Bobot Semester : 6 Mata kuliah prasyarat : - : Sistem Informasi : Artificial

Lebih terperinci

ARTIFICIAL INTELLIGENCE

ARTIFICIAL INTELLIGENCE ARTIFICIAL INTELLIGENCE Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ Andri Pranolo W : apranolo.tif.uad.ac.id M : 081392554050 E : andri.pranolo@tif.uad.ac.id Informatics Engineering,

Lebih terperinci

ARTIFICIAL INTELLIGENCE

ARTIFICIAL INTELLIGENCE ARTIFICIAL INTELLIGENCE Team teaching: Sri Winiarti, Andri Pranolo, dan Anna Hendri SJ Andri Pranolo W : apranolo.tif.uad.ac.id M : 081392554050 E : andri.pranolo@tif.uad.ac.id Informatics Engineering,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 4 BAB 2 TINJAUAN PUSTAKA 2.1. Pengertian Fuzzy Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output. Titik awal dari konsep modern

Lebih terperinci

BAB II TEORI PENUNJANG

BAB II TEORI PENUNJANG BAB II TEORI PENUNJANG 2.1 LOGIKA FUZZY Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang dibuat oleh Lofti A Zadeh, dimana Zadeh memperkenalkan teori yang memiliki obyek-obyek dari

Lebih terperinci

Jaringan Syaraf Tiruan

Jaringan Syaraf Tiruan Jaringan Syaraf Tiruan Pendahuluan Otak Manusia Sejarah Komponen Jaringan Syaraf Arisitektur Jaringan Fungsi Aktivasi Proses Pembelajaran Pembelajaran Terawasi Jaringan Kohonen Referensi Sri Kusumadewi

Lebih terperinci

Masalah, Ruang Masalah dan Pencarian

Masalah, Ruang Masalah dan Pencarian Masalah, Ruang Masalah dan Pencarian Definisi Masalah dan Ruang Masalah Metode Pencarian Buta Breadth First Search Depth First Search Referensi Luger & Stubblefield - bab 3 Sri Kusumadewi - bab 2 Rich

Lebih terperinci

Erwien Tjipta Wijaya, ST.,M.Kom

Erwien Tjipta Wijaya, ST.,M.Kom Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan

Lebih terperinci

Pilihlah satu jawaban yang paling tepat untuk pertanyaan-pertanyaan dibawah ini

Pilihlah satu jawaban yang paling tepat untuk pertanyaan-pertanyaan dibawah ini Mata Kuliah : Kecerdasan Buatan Sifat : Hari / Tanggal : Waktu : Kelompok : Dosen : Pilihlah satu jawaban yang paling tepat untuk pertanyaan-pertanyaan dibawah ini 1. Pernyataan yang benar tentang system

Lebih terperinci

MATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang

MATERI KULIAH (PERTEMUAN 12,13) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy. Politeknik Negeri Sriwijaya Palembang HIMPUNAN FUZZY MATERI KULIAH (PERTEMUAN 2,3) Lecturer : M. Miftakul Amin, M. Eng. Logika Fuzzy Jurusan Teknik Komputer Politeknik Negeri Sriwijaya Palembang Pokok Bahasan Sistem fuzzy Logika fuzzy Aplikasi

Lebih terperinci

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri

Lebih terperinci

UNIVERSITAS GUNADARMA

UNIVERSITAS GUNADARMA QUIZ PENGANTAR KECERDASAN BUATAN Kelompok : Hasbi Nur Haqi (50407406) (Ketua) M. Isramuddin (50407572) Septo Aditiyo (50407796) Yusup Bachtiar (50407929) Kelas : 4IA03 UNIVERSITAS GUNADARMA 2010 Soal dan

Lebih terperinci

RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS)

RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) RENCANA PROGRAM DAN KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) 1. Nama Matakuliah : KECERDASAN BUATAN 2. Kode/SKS : IES5353 / 3 sks 3. Semester : 5 4. Sifat Mata Kuliah : Wajib 5. Prasyarat : Tidak ada 6.

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi

Lebih terperinci

Architecture Net, Simple Neural Net

Architecture Net, Simple Neural Net Architecture Net, Simple Neural Net 1 Materi 1. Model Neuron JST 2. Arsitektur JST 3. Jenis Arsitektur JST 4. MsCulloh Pitts 5. Jaringan Hebb 2 Model Neuron JST X1 W1 z n wi xi; i1 y H ( z) Y1 X2 Y2 W2

Lebih terperinci

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan

BAB II LANDASAN TEORI. papernya yang monumental Fuzzy Set (Nasution, 2012). Dengan BAB II LANDASAN TEORI 2.. Logika Fuzzy Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh, 965 orang Iran yang menjadi guru besar di University of California at Berkeley dalam papernya yang monumental

Lebih terperinci

KECERDASAN BUATAN LOGIKA FUZZY

KECERDASAN BUATAN LOGIKA FUZZY KECERDASAN BUATAN LOGIKA FUZZY Pengertian adalah suatu cara untuk memetakan suatu ruang input ke dalam suatu ruang output. Skema logika fuzzy Antara input dan output terdapat suatu kotak hitam yang harus

Lebih terperinci

Artificial Intelegence/ P_3 EKA YUNIAR

Artificial Intelegence/ P_3 EKA YUNIAR Artificial Intelegence/ P_3 EKA YUNIAR Pokok Bahasan Teknik Pencarian Heuristik Generate And Test Hill Climbing Best First Searching Problem Reduction Constrait Satisfaction Means End Analysis Teknik Pencarian

Lebih terperinci

SISTEM PAKAR (SP) Saiful Rahman Yuniarto, S.Sos, M.AB

SISTEM PAKAR (SP) Saiful Rahman Yuniarto, S.Sos, M.AB SISTEM PAKAR (SP) Saiful Rahman Yuniarto, S.Sos, M.AB KONSEP DASAR SP Definisi: Sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa

Lebih terperinci

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN

Lebih terperinci

LOGIKA FUZZY. By: Intan Cahyanti K, ST

LOGIKA FUZZY. By: Intan Cahyanti K, ST LOGIKA FUZZY By: Intan Cahyanti K, ST Pengertian Adalah suatu cara untuk memetakan suatu ruang input kedalam suatu ruang output. Skema Logika Fuzzy Antara input dan output terdapat suatu kotak hitam yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Bab landasan teori bertujuan untuk memberikan penjelasan mengenai metode atau pun teori yang digunakan dalam laporan tugas akhir ini, sehingga dapat membangun pemahaman yang sama antara

Lebih terperinci

BAB 1 PENGENALAN SISTEM PAKAR

BAB 1 PENGENALAN SISTEM PAKAR BAB 1 PENGENALAN SISTEM PAKAR DEFINISI System yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli. ES dikembangkan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et

Lebih terperinci

BAB III METODE PELACAKAN/PENCARIAN

BAB III METODE PELACAKAN/PENCARIAN BAB III METODE PELACAKAN/PENCARIAN Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. Pencarian = suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan,

Lebih terperinci

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER

SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT SALURAN PENCERNAAN MENGGUNAKAN METODE DEMPSTER SHAFER 1 Yasidah Nur Istiqomah (07018047), 2 Abdul Fadlil (0510076701) 1 Program Studi Teknik Informatika 2 Program

Lebih terperinci

KUANTIFIKASI PERTANYAAN UNTUK MENDAPATKAN CERTAINTY FACTOR PENGGUNA PADA APLIKASI SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT.

KUANTIFIKASI PERTANYAAN UNTUK MENDAPATKAN CERTAINTY FACTOR PENGGUNA PADA APLIKASI SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT. KUANTIFIKASI PERTANYAAN UNTUK MENDAPATKAN CERTAINTY FACTOR PENGGUNA PADA APLIKASI SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT Kusrini 1 1 STMIK AMIKOM Yogyakarta, Jl. Ringroad Utara Condong Catur Sleman Yogyakarta

Lebih terperinci

memberikan output berupa solusi kumpulan pengetahuan yang ada.

memberikan output berupa solusi kumpulan pengetahuan yang ada. MASALAH DAN METODE PEMECAHAN MASALAH (Minggu 2) Pendahuluan Sistem yang menggunakan kecerdasan buatan akan memberikan output berupa solusi dari suatu masalah berdasarkan kumpulan pengetahuan yang ada.

Lebih terperinci

ARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A

ARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A ARTIFICIAL NEURAL NETWORK CAHYA YUNITA 5213100001 ALVISHA FARRASITA 5213100057 NOVIANTIANDINI 5213100075 TEKNIK PERAMALAN - A MATERI Neural Network Neural Network atau dalam bahasa Indonesia disebut Jaringan

Lebih terperinci

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang

Lebih terperinci

KETIDAKPASTIAN MACAM PENALARAN

KETIDAKPASTIAN MACAM PENALARAN MACAM PENALARAN KETIDAKPASTIAN 1. Penalaran non monotonis suatu penalaran dimana fakta baru mengakibatkan ketidak konsistenan Ciri: 1. mengandung ketidakpastian 2. adanya perubahan pada pengetahuan 3.

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5

SATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5 SATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5 Minggu Ke Pokok Bahasan Dan TIU 1 Pengenalan Intelegensi Buatan (KB) konsep

Lebih terperinci

Himpunan Tegas (Crisp)

Himpunan Tegas (Crisp) Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System

Lebih terperinci

PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE

PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE Luky Agus Hermanto, ST., MT. Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya Jl. Arif Rahman Hakim

Lebih terperinci

Pendahuluan PENGERTIAN SISTEM PAKAR

Pendahuluan PENGERTIAN SISTEM PAKAR (Sistem Pakar) Pendahuluan PENGERTIAN SISTEM PAKAR Kecerdasan Buatan adalah salah satu bidang ilmu komputer yang mendayagunakan komputer sehingga dapat berperilaku cerdas seperti manusia. Cabang-cabang

Lebih terperinci

JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM

JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM INTRODUCTION Jaringan Saraf Tiruan atau JST adalah merupakan salah satu representasi tiruan dari otak manusia yang selalu

Lebih terperinci

BAB III LANDASAN TEORI. Pada bab ini akan dipaparkan teori-teori yang melandasi di dalam pembangunan sistem pakar yang penulis akan buat.

BAB III LANDASAN TEORI. Pada bab ini akan dipaparkan teori-teori yang melandasi di dalam pembangunan sistem pakar yang penulis akan buat. BAB III LANDASAN TEORI Pada bab ini akan dipaparkan teori-teori yang melandasi di dalam pembangunan sistem pakar yang penulis akan buat. 3.1. Sistem Pakar Sistem pakar adalah sistem yang berusaha mengadopsi

Lebih terperinci

Ketidakpastian dan teorema bayes UTHIE

Ketidakpastian dan teorema bayes UTHIE Ketidakpastian dan teorema bayes UTHIE Ketidakpastian Dalam menghadapi suatu masalah, sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini bisa berupa probabilitas atau kebolehjadian

Lebih terperinci

L ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng.

L ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng. POLITEKNIK NEGERI SRIWIJAYA Jurusan Teknik Komputer Program Studi D3 Teknik Komputer Lecturer: M. Miftakul Amin, S. Kom., M. Eng. Intelegensi Buatan Sesi 1 Pengantar Intelegensi Buatan 2015 Intelegensi

Lebih terperinci

Definisi Keuntungan dan kelemahan Konsep Dasar Bentuk dan Struktur Sistem Basis Pengetahuan Metode Inferensi Ciri-ciri Aplikasi dan Pengembangannya

Definisi Keuntungan dan kelemahan Konsep Dasar Bentuk dan Struktur Sistem Basis Pengetahuan Metode Inferensi Ciri-ciri Aplikasi dan Pengembangannya Sistem Pakar Definisi Keuntungan dan kelemahan Konsep Dasar Bentuk dan Struktur Sistem Basis Pengetahuan Metode Inferensi Ciri-ciri Aplikasi dan Pengembangannya Referensi Giarrantano, J. and G.Riley bab

Lebih terperinci

PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO

PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung

Lebih terperinci

BAB I PENDAHULUAN. membahayakan nyawa seseorang, Ironisnya gejala gejala tersebut seringkali

BAB I PENDAHULUAN. membahayakan nyawa seseorang, Ironisnya gejala gejala tersebut seringkali 1 BAB I PENDAHULUAN 1.1 Latar Belakang Gejala penyakit merupakan awal timbulnya sebuah penyakit yang dapat membahayakan nyawa seseorang, Ironisnya gejala gejala tersebut seringkali diabaikan sehingga membuat

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A11. 54605 / Kecerdasan Buatan Revisi 2 Satuan Kredit Semester : 3 SKS Tgl revisi : Februari 2014 Jml Jam kuliah dalam seminggu

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem

BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem 2.1.1 Definisi Sistem Menurut Mustakini (2009:34), Sistem dapat didefinisikan dengan pendekatan prosedur dan pendekatan komponen, sistem dapat didefinisikan

Lebih terperinci

SISTEM PAKAR MENGGUNAKAN MESIN INFERENSI FUZZY. Wilis Kaswidjanti. Abstrak

SISTEM PAKAR MENGGUNAKAN MESIN INFERENSI FUZZY. Wilis Kaswidjanti. Abstrak Jurnal Teknik Elektro Vol. No. Juli - Desember 0 9 SISTEM PAKAR MENGGUNAKAN MESIN INFERENSI FUZZY Wilis Kaswidjanti Abstrak Salah satu cara untuk menangani ketidakpastian pada bidang sistem pakar dapat

Lebih terperinci

MODEL HEURISTIK. Capaian Pembelajaran. N. Tri Suswanto Saptadi

MODEL HEURISTIK. Capaian Pembelajaran. N. Tri Suswanto Saptadi 1 MODEL HEURISTIK N. Tri Suswanto Saptadi 2 Capaian Pembelajaran Mahasiswa dapat memahami dan mampu mengaplikasikan model Heuristik untuk menyelesaikan masalah dengan pencarian solusi terbaik. 1 3 Model

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : E124907 / Sistem Cerdas Revisi 4 Satuan Kredit Semester : 2 SKS Tgl revisi : 16 Juli 2015 Jml Jam kuliah dalam seminggu :

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan

Lebih terperinci

Dian Wirdasari, S.Si.,M.Kom

Dian Wirdasari, S.Si.,M.Kom IntelijensiBuatan Dian Wirdasari, S.Si.,M.Kom IntelijensiBuatan Materi-4 Representasi Pengetahuan-1 Dian Wirdasari, S.Si.,M.Kom Definisi: fakta atau kondisi sesuatu atau keadaan yg timbul karena suatu

Lebih terperinci

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Strategi Pembelajaran KONTRAK KULIAH DAN PREVIEW MATERI. PENGENALAN KECERDASAN BUATAN a.

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Strategi Pembelajaran KONTRAK KULIAH DAN PREVIEW MATERI. PENGENALAN KECERDASAN BUATAN a. SILABUS MATAKULIAH Revisi : 2 Tanggal Berlaku : Maret 2014 A. Identitas 1. Nama Matakuliah : A11. 54605 / Kecerdasan Buatan 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer 4. Bobot

Lebih terperinci

BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)

BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) Kompetensi : 1. Mahasiswa memahami konsep Jaringan Syaraf Tiruan Sub Kompetensi : 1. Dapat mengetahui sejarah JST 2. Dapat mengetahui macam-macam

Lebih terperinci

BAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri.

BAB II LANDASAN TEORI. 2.1 Penelusuran Minat dan Kemampuan (PMDK) diselenggarakan oleh suatu perguruan tinggi secara mandiri. BAB II LANDASAN TEORI 2.1 Penelusuran Minat dan Kemampuan (PMDK) PMDK adalah salah satu program penerimaan mahasiswa baru yang diselenggarakan oleh suatu perguruan tinggi secara mandiri. Sesuai dengan

Lebih terperinci

Jurnal Mahajana Informasi, Vol.1 No 2, 2016 e-issn: SIMULASI PERGERAKAN CHESS KNIGHT DALAM PAPAN CATUR

Jurnal Mahajana Informasi, Vol.1 No 2, 2016 e-issn: SIMULASI PERGERAKAN CHESS KNIGHT DALAM PAPAN CATUR SIMULASI PERGERAKAN CHESS KNIGHT DALAM PAPAN CATUR Dini MH. Hutagalung Program Studi Sistem Informasi Universitas Sari Mutiara Indonesia mhdini@gmail.com ABSTRAK Sistem produksi ( production system) merupakan

Lebih terperinci

BAB I PENDAHULUAN. Perkembangan komputer sekarang ini sangat pesat dan salah. satu pemanfaatan komputer adalah dalam bidang kecerdasan buatan.

BAB I PENDAHULUAN. Perkembangan komputer sekarang ini sangat pesat dan salah. satu pemanfaatan komputer adalah dalam bidang kecerdasan buatan. BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan komputer sekarang ini sangat pesat dan salah satu pemanfaatan komputer adalah dalam bidang kecerdasan buatan. Di dalam bidang kecerdasan buatan, termasuk

Lebih terperinci

Contoh 4/7/ HEURISTIC METHOD. Pencarian Heuristik

Contoh 4/7/ HEURISTIC METHOD. Pencarian Heuristik 07/04/2016 3. HEURISTI METHO KEERASAN BUATAN Pertemuan : 05-06 INFORMATIKA FASILKOM UNIVERSITAS IGM Pencarian Heuristik Kelemahan blind search : Waktu akses lama Memori yang dibutuhkan besar Ruang masalah

Lebih terperinci

KUANTIFIKASI PERTANYAAN UNTUK MENDAPATKAN CERTAINTY FACTOR PENGGUNA PADA APLIKASI SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT

KUANTIFIKASI PERTANYAAN UNTUK MENDAPATKAN CERTAINTY FACTOR PENGGUNA PADA APLIKASI SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT KUANTIFIKASI PERTANYAAN UNTUK MENDAPATKAN CERTAINTY FACTOR PENGGUNA PADA APLIKASI SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT Kusrini STMIK AMIKOM Yogyakarta, Jl. Ringroad Utara Condong Catur Sleman Yogyakarta

Lebih terperinci

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi

Himpunan Fuzzy. Sistem Pakar Program Studi : S1 sistem Informasi Himpunan Fuzzy Sistem Pakar Program Studi : S1 sistem Informasi Outline Himpunan CRISP Himpunan Fuzzy Himpunan CRISP Pada himpunan tegas (crisp), nilai keanggotaan suatu item dalam suatu himpunan A, yang

Lebih terperinci

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kuliah Kode / SKS Program Studi Fakultas : Sistem Kecerdasan Buatan : AK012229 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan Intelegensi Buatan (KB) konsep Intelegensi

Lebih terperinci

Masalah, Ruang Masalah dan Pencarian

Masalah, Ruang Masalah dan Pencarian Masalah, Ruang Masalah dan Pencarian Review : Sistem yang menggunakan AI Komputer Input Masalah Pertanyaan dll Basis Pengetahuan Motor Inferensi Output Jawaban Solusi Untuk membangun sistem yang mampu

Lebih terperinci

BAB VIII JARINGAN SYARAF TIRUAN

BAB VIII JARINGAN SYARAF TIRUAN BAB VIII JARINGAN SYARAF TIRUAN A. OTAK MANUSIA Otak manusia berisi berjuta-juta sel syaraf yang bertugas untuk memproses informasi. Tiaptiap sel bekerja seperti suatu prosesor sederhana. Masing-masing

Lebih terperinci

Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy.

Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. LOGIKA FUZZY UTHIE Intro Pendahuluan Logika fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada tahun 1965 tentang teori himpunan fuzzy. Lotfi Asker Zadeh adalah seorang ilmuwan

Lebih terperinci

HEURISTIC SEARCH UTHIE

HEURISTIC SEARCH UTHIE HEURISTIC SEARCH Pendahuluan Pencarian buta biasanya tidak efisien karena waktu akses memori yang dibutuhkan cukup besar. Untuk mengatasi hal ini maka perlu ditambahkan suatu informasi pada domain yang

Lebih terperinci

Artificial Intelligence. (Teknik dan Aplikasinya)

Artificial Intelligence. (Teknik dan Aplikasinya) Artificial Intelligence (Teknik dan Aplikasinya) Artificial Intelligence (Teknik dan Aplikasinya) Sri Kusumadewi Artificial Intelligence (Teknik dan Aplikasinya) Oleh: Sri Kusumadewi Edisi Pertama Cetakan

Lebih terperinci

PENERAPAN POHON PELACAKAN DALAM MENCARI LINTASAN YANG DAPAT DILALUI OLEH SEEKOR SEMUT PADA BIDANG KARTESIAN DENGAN METODE BREADTH FIRST SEARCH

PENERAPAN POHON PELACAKAN DALAM MENCARI LINTASAN YANG DAPAT DILALUI OLEH SEEKOR SEMUT PADA BIDANG KARTESIAN DENGAN METODE BREADTH FIRST SEARCH PENERAPAN POHON PELACAKAN DALAM MENCARI LINTASAN YANG DAPAT DILALUI OLEH SEEKOR SEMUT PADA BIDANG KARTESIAN DENGAN METODE BREADTH FIRST SEARCH Rosdianah Mahasiswa Program Studi Teknik Informatika STMIK

Lebih terperinci

Sistem Pakar Dasar. Ari Fadli

Sistem Pakar Dasar. Ari Fadli Sistem Pakar Dasar Ari Fadli fadli.te.unsoed@gmail http://fadli84.wordpress.com Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan

Lebih terperinci

FAKULTAS SAINS DAN TEKNOLOGI UIN SUSKA RIAU. IIS AFRIANTY, ST., M.Sc

FAKULTAS SAINS DAN TEKNOLOGI UIN SUSKA RIAU. IIS AFRIANTY, ST., M.Sc IIS AFRIANTY, ST., M.Sc Sistem Penilaian Tugas dan Keaktifan : 15% Quiz : 15% UTS : 35% UAS : 35% Toleransi keterlambatan 15 menit Handphone: Silent Costume : aturan UIN Laki-laki Perempuan Menggunakan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 6 BAB 2 LANDASAN TEORI 2.1. Algoritma dan Pemrograman Terhadap berbagai masalah yang timbul perlu dicarikan pemecahannya sehingga dapat memberikan solusi yang benar atau yang paling benar. Berbicara mengenai

Lebih terperinci

BAB II: TINJAUAN PUSTAKA

BAB II: TINJAUAN PUSTAKA BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali

Lebih terperinci

SILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 04 September 2015

SILABUS MATAKULIAH. Revisi : 4 Tanggal Berlaku : 04 September 2015 SILABUS MATAKULIAH Revisi : 4 Tanggal Berlaku : 04 September 2015 A. Identitas 1. Nama Matakuliah : Sistem Cerdas 2. Program Studi : Teknik Industri 3. Fakultas : Teknik 4. Bobot sks : 2 SKS 5. Elemen

Lebih terperinci

Sistem Pakar Metode Inferensi 1. Kelas A & B Jonh Fredrik Ulysses, ST

Sistem Pakar Metode Inferensi 1. Kelas A & B Jonh Fredrik Ulysses, ST Sistem Pakar Metode Inferensi 1 Kelas A & B Jonh Fredrik Ulysses, ST jonh.fredrik.u@gmail.com Pengantar Bab ini akan mendiskusikan berbagai macam metode penalaran atau inferensi. Topik ini merupakan topik

Lebih terperinci

4/28/2016. Selasa, 26 April 2016 ^ K10

4/28/2016. Selasa, 26 April 2016 ^ K10 ب س م ا ه لل الر ح ن الر ح ي السالم عليكم ورحمة هللا وبركاته ب س م ا ه لل الر ح ن الر ح ي السالم عليكم ورحمة هللا وبركاته 1 KETIDAKPASTIAN o Ketidakpastian data - informasi atau data diperoleh tdk lengkap

Lebih terperinci

ADLN - Perpustakaan Universitas Airlangga

ADLN - Perpustakaan Universitas Airlangga 5 2.2. Cara Kerja Jantung Pada saat berdenyut, setiap ruang jantung mengendur dan terisi darah (disebut diastol). Selanjutnya jantung berkontraksi dan memompa darah keluar dari ruang jantung (disebut sistol).

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat

Lebih terperinci

INFERENSI DENGAN KETIDAKPASTIAN. PERTEMUAN 9 Diema Hernyka Satyareni, M.Kom

INFERENSI DENGAN KETIDAKPASTIAN. PERTEMUAN 9 Diema Hernyka Satyareni, M.Kom INFERENSI DENGAN KETIDAKPASTIAN PERTEMUAN 9 Diema Hernyka Satyareni, M.Kom Kompetensi Dasar Mahasiswa dapat menerapkan inferensi dengan ketidakpastian dalam Sistem Intelegensia Materi Bahasan Gambaran

Lebih terperinci

PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY

PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY

Lebih terperinci

BAB 2 TINJAUAN TEORI. Artificial Intelligence. Jika diartikan Artificial memiliki makna buatan,

BAB 2 TINJAUAN TEORI. Artificial Intelligence. Jika diartikan Artificial memiliki makna buatan, BAB 2 TINJAUAN TEORI 2.1 Kecerdasan Buatan Kecerdasan buatan adalah sebuah istilah yang berasal dari bahasa Inggris yaitu Artificial Intelligence. Jika diartikan Artificial memiliki makna buatan, sedangkan

Lebih terperinci

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic

Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha. Menggunakan Fuzzy Logic Aplikasi Prediksi Harga Bekas Sepeda Motor Yamaha Menggunakan Fuzzy Logic 1. Pendahuluan Jual beli motor merupakan suatu kegiatan transaksi yang mungkin sering kita temukan di kehidupan sehari-hari. Untuk

Lebih terperinci

SEARCHING. Blind Search & Heuristic Search

SEARCHING. Blind Search & Heuristic Search SEARCHING Blind Search & Heuristic Search PENDAHULUAN Banyak cara yang digunakan untuk membangun sistem yang dapat menyelesaikan masalah-masalah di AI. Teknik penyelesaian masalah yang dapat dipakai untuk

Lebih terperinci

ALGORITMA PENCARIAN (HEURISTIC)

ALGORITMA PENCARIAN (HEURISTIC) ALGORITMA PENCARIAN (HEURISTIC) Farah Zakiyah Rahmanti, M.T Diperbarui 2016 Overview Pengertian Pencarian Heuristik Generate and Test Hill Climbing Best First Searching Latihan Pencarian Heuristik Merupakan

Lebih terperinci

Update 2012 DESAIN DAN ANALISIS ALGORITMA SEARCHING

Update 2012 DESAIN DAN ANALISIS ALGORITMA SEARCHING SEARCHING MENDEFINISIKAN MASALAH SEBAGAI SUATU RUANG KEADAAN Secara umum, untuk mendeskripsikan suatu permasalahan dengan baik harus: 1 Mendefinisikan suatu ruang keadaan. 2 Menerapkan satu atau lebih

Lebih terperinci

BAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu

BAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu BAB 2 LANDASAN TEORI 2.1 Pengenalan Suara. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu speech recognition dan speaker recognition. Speech recognition adalah proses yang dilakukan

Lebih terperinci

APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT GINJAL DENGAN METODE DEMPSTER-SHAFER

APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT GINJAL DENGAN METODE DEMPSTER-SHAFER APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT GINJAL DENGAN METODE DEMPSTER-SHAFER Aprilia Sulistyohati, Taufiq Hidayat Laboratorium Sistem Informasi dan Perangkat Lunak Jurusan Teknik Informatika Fakultas Teknologi

Lebih terperinci

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY

FUZZY LOGIC CONTROL 1. LOGIKA FUZZY 1. LOGIKA FUZZY Logika fuzzy adalah suatu cara tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Teknik ini menggunakan teori matematis himpunan fuzzy. Logika fuzzy berhubungan dengan

Lebih terperinci

BAB II LANDASAN TEORI. tubuh. Bagi tubuh, kulit mempunyai fungsi yang sangat penting dan fungsi ini

BAB II LANDASAN TEORI. tubuh. Bagi tubuh, kulit mempunyai fungsi yang sangat penting dan fungsi ini BAB II LANDASAN EORI 2.1. Penyakit Kulit Kulit merupakan salah satu panca indera manusia yang terletak di permukaan tubuh. Bagi tubuh, kulit mempunyai fungsi yang sangat penting dan fungsi ini sepertinya

Lebih terperinci

KECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM

KECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM KECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM KERANGKA MASALAH Generate And Test Hill Climbing Best First Search PENCARIAN HEURISTIK Kelemahan blind search : 1.

Lebih terperinci

BAB 2 2. LANDASAN TEORI

BAB 2 2. LANDASAN TEORI BAB 2 2. LANDASAN TEORI Bab ini akan menjelaskan mengenai logika fuzzy yang digunakan, himpunan fuzzy, penalaran fuzzy dengan metode Sugeno, dan stereo vision. 2.1 Logika Fuzzy Logika fuzzy adalah suatu

Lebih terperinci