MATERI 8

Materi ini membahas tentang jaringan syaraf tiruan untuk matakuliah kecerdasan buatan

JARINGAN SYARAF TIRUAN

JARINGAN SYARAF BIOLOGIS

• Otak manusia berisi 10 ¹¹ sel syaraf /neuron yang bertugas memproses informasi yang masuk
• Tiap sel syaraf dihubungkan dengan syaraf lain hingga sekitar 10⁴ sinapsis
• Tiap sel bekerja seperi suatu prosessor sederhana
• Tiap sel saling berinteraksi sehingga mendukung kemampuan otak manusia
  

• Komponen utama neuron dapat dikelompokkan menjadi 3 bagian:

>Dendrite : menerima informasi – jalan input soma

>Badan sel/soma : tempat mengolah informasi

>Akson : mengirimkan impuls sinyal ke syaraf lain – jalan output soma

• Sebuah neuron menerima impuls sinyal dari neuron lain melalui dendrite dan mengirim siyal dibangkitkan melalui akson

• Akson dari sel syaraf ini bercabang dan berhubungan dengan dendrite dari sel syaraf lain dengan cara mengirimkan impuls melalui sinapsis.

• Sinapsis adalah unit fungsional antara 2 buah syaraf dimana satu adalah serabus akson dari neuron a sedang satunya adalah dendrite dari neuron b

• Kekuatan sinapsis bias turun/naik tergantung seberapa besar tingkat propagarasi sinyal yang diterima

• Impuls sinyal akan diterima oleh neuron lain jika memenuhi batasan tertentu(nilai ambang)threshold

JARINGAN SYARAF TIRUAN

• Sistem pemprosesan informasi yang mempunyai karakteristik meyerupai jaringan syaraf manusia

• JST tercipta sebagai suatu generalisasi model matematis dari pemahaman manusia berdasarkan asumsi

• Pemrosesan informasi terjadi pada elemen neuron

• Sinyal mengalir diantara sel syaraf melalui sambungan penghubung

• Setiap sambungan memiliki bobot yang bersesuaian yang digunakan untuk menggandakan sinyal

• Tiap sel syaraf akan menerapkan fungsi aktifitas terhadap sinyal hasil penjumlahan berbobot yang masuk kepadanya untuk menentukan sinyal keluaran.

• JST dapat belajar dari pengalaman, melakukan generalisasi atas contoh yang didapat.

• Algoritma untuk JST akan langsung beroperasi secara langsung dengan angka

• JST tidak deprogram untuk menghasilkan keluaran tertentu. Semua keluaran yang ditarik didasarkan atas pengalamannya selama mengikuti proses pembelajaran

• Pada proses pembelajaran, ke dalam JST dimasukkan pola input dan output lalu jaringan akan diajari untuk memberikan jawaban yang akan diterima.

• Karakter JST ditentukan oleh Pola hubungan antar neuron (arsitektur jaringan), metode penentuan bobot sambungan(proses belajar jaringan) dan fungsi aktivasi

ARSITEKTUR JST

• Di JST neuron akan dikumpulkan dalam layer yang disebut neuron layers

• Neuron pada satu lapisan akan dihubungkan dengan lapisan sebelum dan sesudahnya.

• Informasi yang diberikan pada jaringan syaraf akan dirambatkan lapisan ke lapisan(lapisan input->output melalui hidden layer

• Factor terpenting dalam menetukan kelakuakn suatu neuron adalah fungsi aktifasi dan pola bobot

• Umumnya neuron yang terletak pada lapisan yang sama akan memliki keadaan yang sama sehingga pada setiap lapisan yang sama menuron memiliki funsi aktifasi yang sama

• Bila nuron pada suatu layer akan dihubungkan dengan neuron pada layer lain maka setiap neuron pada layer tersebut juga harus dihubungkan dengan setiap neuron pada lapisan lainnya.

• Jenis arsitektur JST

• Jaringan dengan lapisan tunggal(single layer net)

ü Hanya memiliki 1 lapisan dengan bobot terhubung

ü Jaringan ini hanya menerima input kemudian secara langsung mengolahnya menjadi output tanpa melewati hidden layer

• Jaringan dengan banyak lapisan(multilayer net)

ü memiliki 1 atau lebih lapisan yang terletak di antara input layer dan output layer.

SUMMATION FUNCTION

• fungsi yang digunakan untuk mencarin rata rata bobot dari semua elemen input.

• Sederhananya adalah dengan mengalikan setiap nilai input X dengan bobotnya Wij dan menjumlahkannya=Si

APLIKASI JST

• Aerospace = autopilot

• Automotive

• Sistem kendali otomatis

• Keuangan perbankan = Pendeteksi uang palsu

• Electronic

• Militer= Pengendali senjata, detector bom

• Pembuatan hardware yang mengimplementasikan JST = Machine vision

• Broadcast = Pencarian klip berita melalui pengenal wajah

• Security = Untuk mengenali mobil dan penjahat

• Medic = Analsis kanker

• Voice recognizer

• Pengenal tulisan

• Mathematic

• Pengenal benda bergerak

• Detector virus

Selengkapnya......

MATERI 7

ALGORITMA GENETIKA

Materi ini membhas tentang sistem pencarian yang mempunyai prinsip evolusi

ALGORITMA GENETIKA

Sejarah
Landasan teoritis untuk Algoritma genetik ini diajukan oleh John Holland dalam bukunya yang berjudul "Adaption in Natural and Artificial Systems" pada tahun 1975, yang kemudian dikembangkan lebih lanjut oleh muridnya David Goldberg. Proses genetika dari organisme-organisme biologi yang berdasar pada teori evolusi Charles Drawin

Pengertian Algoritma Genetik
Algoritma genetic adalah suatu metoda pencarian (search) acak yang didasarkan atas prinsip evolusi yang terjadi di alam. Dalam proses evolusi, individu secara terus menerus mengalami perubahan gen untuk menyesuaikan dengan lingkungan hidupnya. Hanya individu yang kuat yang mampu bertahan, sehingga dalam proses evolusi dapat diharapkan diperoleh individu yang terbaik. Proses seleksi alamiah ini melibatkan perubahan gen yang terjadi pada individu melalui
proses perkembangbiakan untuk mendapatkan keturunan yang lebih baik.

Genetik
Cabang biologi yang mempelajari tentang keturunan dan variasi mahluk hidup. Informasi genetik manusia tesimpan dalam sel tepatnya di kromosom. Dalam sel manusia kromosom bentuknya berpasangan dan terdapat 23 pasang Kromosom ini terbentuk dari bagian-bagian yang disebut gen. Gen inilah yang mengatur properti dan karateristik suatu individu eg: Warna mata, jenis rambut. Gen akan menentukan sifat individu dan keturunan berikutnya. Kumpulan dari gen yang terdapat dalam sebuah populasi akan menentukan jumlah variasi keturunan yang dimungkinkan

Dasar Algoritma Genetik

• Populasi, Populasi adalah kumpulan kromosom (chromosome). Kromosom ini dibentuk dari komponen-komponen penyusun yang disebut sebagai gen dan nilainya dapat berupa bilangan numerik, biner, simbol ataupun karakter tergantung dari permasalahan yang ingin diselesaikan.
• Individu, Individu merupakan kumpulan gen dalam sistem algoritma genetik bisa dikatakan sama dengan kromosom. Gen ini bisa biner, float, dan kombinatorial.Individu dalam algoritma genetik dapat juga menyatakan salah satu kemungkinan solusi yang dicari. Misalkan dalam travel salesman problem individu dapat menyatakan suatu jalur terpendek yang akan ditempuh.
• Nilai Fitness, Sebelum algoritma ini dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan dalam fungsi tujuan, yang dikenal dengan fungsi fitness. Jika nilai fitness semakin besar, maka sistem yang dihasilkan semakin baik Kromosom dengan nilai fitness yang tinggi ini akan memberikan probabilitas yang tinggi untuk bereproduksi pada generasi selanjutnya. Sehingga untuk setiap generasi pada proses evolusi, fungsi fitness yang mensimulasikan seleksi alam, akan menekan populasi kearah fitness yang meningkat.

Prinsip Kerja
Membangkitkan populasi awal, Populasi awal ini dibangkitkan secara random sehingga didapatkan solusi awal. Populasi itu sendiri terdiri dari sejumlah kromosom yang merepresentasikan solusi yang diinginkan.

Membentuk generasi baru, Dalam membentuk digunakan tiga operator yang telah disebut di atas yaitu operator reproduksi seleksi, perkawinan silang dan mutasi. Proses ini dilakukan berulangulang sehingga didapatkan jumlah kromosom yang cukup untuk membentuk generasi baru dimana generasi baru ini merupakan representasi dari solusi baru.

Prinsip Kerja

Evaluasi solusi, Proses ini akan mengevaluasi setiap populasi dengan menghitung nilai fitness setiap kromosom dan mengevaluasinya sampai terpenuhi kriteria berhenti. Bila kriteria berhenti belum terpenuhi maka akan dibentuk lagi generasi baru dengan mengulangi langkah 2.

Beberapa kriteria berhenti yang sering digunakan antara lain:

Berhenti setelah dalam beberapa generasi berturut-turut didapatkan nilai fitness tertinggi tidak berubah.

Berhenti bila dalam n generasi berikut tidak didapatkan nilai fitness yang lebih tinggi.

Beberapa Definisi penting

• Genotype (Gen), sebuah nilai yang menyatakan satuan dasar yang membentuk suatu arti tertentu dalam satu kesatuan gen yang dinamakan kromosom. Dalam algoritma genetika, gen Allele, nilai dari gen.

• Kromosom, gabungan gen-gen yang membentuk nilai tertentu. Individu, menyatakan satu nilai atau keadaan yang menyatakan salah satu solusi yang mungkin dari permasalahan yang diangkat

• Populasi, merupakan sekumpulan individu yang akan diproses bersama dalam satu siklus proses evolusi.

• Generasi, menyatakan satu-satuan siklus proses evolusi.

• Nilai Fitness, menyatakan seberapa baik nilai dari suatu individu atau solusi yang didapatkan.

Selengkapnya......

MATERI 6

LOGIKA FUZZY

Materi ini membahas tentang matakuliah Kecerdasan Buatan tentang Logika Fuzzy

LOGIKA FUZZY

PENGERTIAN

• Logika fuzzy pertama kali diformulasikan dalam sebuah seminar oleh Lotfi A Zadeh dari University of Califonia, Berkeley tahun 1965
• Metode ini diformulasikan dalam rangka mencari nilai tengah antara bilangan Aristoteles 0 dan 1
• Logika fuzzy merupakan peningkatan dari logika boolean
• Menggantikan kebenaran boolean dengan tingkat kebenaran
• Dasar logika fuzzy adalah memformulasikan bilangan antara 0 dan 1 atau lebih tepat 0.0 dan 1.0

ALASAN MENGGUNAKAN LOGIKA FUZZY

• Konsep logika fuzzy mudah dimengerti.konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
• Logika fuzzy sangat flexibel.
• Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
• Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
• Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional

APLIKASI LOGIKA FUZZY

• ABS pada sistem pengereman mobil
• patern recognition untuk mengenal tulisan tangan pada mobile device
• image processing
• aplikasi robotik
• Traffic light yang modern bisa juga dibuat dengan metode fuzzy logic sehingga dapat bekerja sepintar pak polisi lantas. Jika beban kendaraan di satu ruas persimpangan lebih padat, maka lampu hijaunya akan menyala lebih lama
• Input fuzzy berupa bilangan crisp (tegas) yang dinyatakan dalam himpunan input.
• Fuzzifikasi merupakan proses untuk mengubah bilangan crisp menjadi nilai keanggotaan dalam himpunan fuzzy.
• Fuzzy inference system merupakan bagian pengambilan kesimpulan (reasoning) dan keputusan.
• Knowledge base berisi aturan-aturan yang biasanya dinyatakan dengan perintah IF …. THEN….
• Defuzzification merupakan proses untuk merubah nilai output fuzzy menjadi nilai crisp.

HIMPINAN CRISP

• Nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan uA[x], memiliki 2 kemungkinan yaitu :
• satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
• nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan

Selengkapnya......