Kecerdasan Buatan - Pertemuan 6

Sistem Pakar (Teorema bayes dan Contoh Soalnya) - Pertemuan ke-6 Kecerdasan Buatan

Latar Belakang Masalah :

Pada pertemuan kali ini kita akan membahas tentang SISTEM PAKAR dengan dibantu oleh teori bayes.

Isi

Maksud dari sistem pakar ini adalah bagaimana membuat komputer seola-olah seperti pakar/ahli di bidang tertentu. Caranya dengan menerapkan aturan-aturan serta representaasi pengetahuan.
Mekanismenya yaitu: pakar -> ambil pengetahuan -> resprestansi pengetahuan -> mekanisme sistem pakar -> query -> user.
Teorema Bayes dikemukakan oleh seorang pendeta presbyterian Inggris pada tahun 1763 yang bernama Thomas Bayes . Teorema Bayes ini kemudian disepurnakan oleh Laplace. Teorema Bayes digunakan untuk menghitung probabilitas terjadinya suatu peistiwa berdasarkan pengaruh yang didapat dari hasil observasi.
Teorema Bayes akhirnya dikembangkan dengan berbagai ilmu termasuk untuk penyelesaian masalah sistem pakar dengan menetukan nilai probabilitas dari hipotesa pakar dan nilai evidence yang didapatkan fakta yang didapat dari objek yang diagnosa. 
Teorema ini menerangkan hubungan antara probabilitas terjadinya peristiwa A dengan syarat peristiwa B telah terjadi dan probabilitas terjadinya peristiwa B dengan syarat peristiwa A telah terjadi. Teorema ini didasarkan pada prinsip bahwa tambahan informasi dapat memperbaiki probabilitas.

Keuntungan Naive Bayesian :
1. Menangani kuantitatif dan data diskrit
2. Kokoh untuk titik noise yang diisolasi, misalkan titik yang dirata – ratakan ketika mengestimasi peluang bersyarat data.
3. Hanya memerlukan sejumlah kecil data pelatihan untuk mengestimasi parameter (rata – rata dan variansi dari variabel) yang dibutuhkan untuk klasifikasi.
4. Menangani nilai yang hilang dengan mengabaikan instansi selama perhitungan estimasi peluang
5. Cepat dan efisiensi ruang
6. Kokoh terhadap atribut yang tidak relevan

Kekurangan Naive Bayesian :
1. Tidak berlaku jika probabilitas kondisionalnya adalah nol, apabila nol maka probabilitas prediksi akan bernilai nol juga
2. Mengasumsikan variabel bebas

CONTOH KASUS
Dari 900 karyawan di suatu perusahaan diketahui 600 berkinerja baik dan 300 berkinerja tidak baik. Jika 36 berkinerja baik adalah telah mengikuti pelatihan dan 12 dari yang berkinerja tidak baik adalah telah mengikuti pelatihan. Seorang karyawan akan dipilih secara random. Tentukanlah probabilitas karyawan yang terpilih yang telah mengikuti pelatihan.


Ikut Pelatihan
Tidak Ikut Pelatihan
Jumlah
Berkinerja baik
36
564
600
Berkinerja tidak baik
12
288
300
Jumlah
48
852
900

B1 = kejadian terpilih karyawan berkinerja baik
B2 = kejadian terpilih karyawan kinerja tidak baik
A = kejadian terpilih karyawan yang mengikuti pelatihan

Rumus:
P(A) = P(B1)P(A|B1)+(P(B2)P(A|B2)

P(B1)     = n(B1)/n(S) = 600/900= 2/3 = 0,67
P(B2)     = n(B2)/n(S) = 300/900 = 1/3 =0,33
P(A|B1) = 36/600 = 6/100 = 0,06
P(A|B2) = 12/300 =2/50 = 0,04

P(A) = P(B1)P(A|B1)+(P(B2)P(A|B2)
         = 0,67 x 0,06 + 0,33 x 0,04
         = 0,0402 + 0,0132
         = 0,0534



PENUTUP

Kesimpulan
Jadi untuk menentukan permasalahan yang berhubungan dengan sistem pakar, bisa memkai teorema bayes untuk menemukan peluang terjadinya Bkejadian A dngan syarat kejadian B.

Saran
Untuk lebih memahaminya, silahkan implementasikan ke dalam program.

Nama : Ali Abdul Wahid
NPM : 1144091

Kelas : 3A

Prodi : D4 Teknik Informatika

Mata Kuliah : Kecerdasan Buatan

Link Github : https://github.com/D4TI3A/AliAbdulWahid-1144091

Referensi :

https://www.python.org/

https://www.idomaths.com/id/peluang5.php

http://ikhwan-perbaungan.blogspot.co.id/2014/09/teorema-bayes-dan-contoh-teorema-bayes.html

Scan Plagiarisme

1. smallseotools- Link

https://drive.google.com/open?id=0BxoQ3Zecy5bzUVFXWU5zNUhSRTg

2. Searchenginereports- Link

https://drive.google.com/open?id=0BxoQ3Zecy5bzU0ZDNGFyNHpTdlE

Kecerdasan Buatan - Pertemuan 5

Pengolahan Bahasa Alami (Natural Language Process) - Pertemuan Ke-5 Kecerdasan Buatan

Latar Belakang Masalah :

Pada pertemuan kali ini kita akan membahas tentang pengolahan bahasa alami. Apa maksud dari pengolahan bahasa alami, bagaimana penjelasan bidang penelitian tentang pengolahan bahasa alami serta contohnya. Dan di akhir akan membahas tentang implementasi program dari pengolahan bahasa alami yang disajikan dengan bahasa pemrograman python.

Isi

Fungsinya untuk mencoba bagaimana berkomunikasi dengan komputer dengan memakai bahasa keseharian manusia.
Bidang penelitian:
1.F onetik dan fonologi
Deteksi suara menjadi kata-kata, atau sebaliknya,
Contoh : Siri.
2. Morfologi
Pembentukan kata dan kata dasar
Contoh :
Menyanyi --- me-nyanyi
Lari-lari --- maksudnya banyak yang lari
Membaca --- mem-baca
3. Sintaksis
Pembagian/pembuatan aturan baku sebuah kalimat.
Ibu pergi ke pasar
 S       P          K
Ibu sedang membaca buku
 S                  P                  O
4. Semantik
Arti kata sesunggihnya, paling dasar. Definisi seluruh kata. Makna dari kata.
Contoh :
Kutu buku = orang yang sering membaca buku
Berbeda arti dengan kutu buku jika diartikan per kata. Kutu = hewan yang ada di kepala. Dan buku adalah sebuah benda.
5. Pragmatik
Orientasi dan tujuan
6.  Discourse Knowledge
Kalimat sebelum atau berperan dengan kalimat selanjutnya.
Contoh:
Saya orangnya tinggi sehingga saya temannya sedikit.
Berbeda arti atau makna jika kalimat Saya orangnya tinggi dilanjutkan dengan kalimat yang lain.
Saya orangnya tinggi sehingga saya bisa bermain basket.
Kedua kalimat tersebut diolah dengan parsing dan semantik. Parsing yaitu cara mengolah atau rungutan membaca dan semantik yaitu kesesuaian tujuan.
7. Word Knowledge
Arti khusus sebuah kalimat


Praktek
Membuat percobaan aplikasi speech to text menggunakan bahasa pemrograman python.

Jawaban:

Output:

Penutup

Kesimpulan
Dari pernyataan diatas dapat diambil kesimpulan bahwa Mendefinisikan suatu ruang keadaan, Menetapkan satu atau lebih keadaan awal (initial state) , Menetapkan satu atau lebih tujuan (goal state),Menetapkan kumpulan aturan

Saran
Alangkah baiknya mencoba praktek dengan contoh kasus yang lain agar bisa lebih paham tentang materi representasi pengetahuan melalui bahasa pemrograman python.

Nama : Ali Abdul Wahid
NPM : 1144091

Kelas : 3A

Prodi : D4 Teknik Informatika

Mata Kuliah : Kecerdasan Buatan

Link Github : https://github.com/D4TI3A/AliAbdulWahid-1144091

Referensi :

https://www.python.org/
Materi Kecerdasan Buatan oleh Rolly Maulana Awangga pada tanggal 23  Mei 2017.

Scan Plagiarisme

1. smallseotools- Link

https://drive.google.com/open?id=0BxoQ3Zecy5bzUVFXWU5zNUhSRTg

2. Searchenginereports- Link

https://drive.google.com/open?id=0BxoQ3Zecy5bzU0ZDNGFyNHpTdlE

Kecerdasan Buatan - Pertemuan 4

Kecerdasan Buatan

Latar Belakang Masalah :

Ruang keadaan adalah cara untuk mendefenisikam permasalahan kedalam bentuk representasi algoritma. Masalah yang dapat didefinisikan yaitu masalah yang masuk akal atau yang merupakan keadaan yang mungkin.

Dalam  ruang keaadaan kita dapat memahami sebuah masalah dengan baik, maka kita harus :
    1.    Mendefenisikan suatu ruang keadaan tersebut

2. Menetapkan satu atau lebih keadaan awal
3. Menetapkan tujuan
4. Menetapkan kumpulan aturang

Ada beberapa cara untuk mendefenisikan sebuah ruang keadaan, yaitu :

Isi

Ada beberapa cara untuk mendefenisikan sebuah ruang keadaan, yaitu :
1.    Graf keadaan
Cara untuk menunjukan keadaan yang terdiri dari node-node  yang dihubungkan dengan menggunakan busur yang diberi anak apanah untuk menunjukan arah dan node-node ini menunjukan keadaan yang dimaksud yaitu keadaan awal dan keaadaan baru yang akan dicapai dengan menggunakan operator.

2.    Pohon pelacakan
Pohon Pelacaka  merupakan cara untuk menunjukan keadaan dimana prosesnya tidak ada terjadi siklus untun mencapai tujuan yang diinginkan. Kelamahannya hanya membuthkan waktu yang lama.

3.    Pohon AND/OR
Untuk mengantisipasi  kelemahan yang ada pada pohon pelacakan kita dapat menggunakan pohon AND/OR.

Contoh :

      Game Petani MenyebrangKondisi awalPulau kiri : ( p,a,g,h)                      ( I,I,I,I,)Pulau  kanan : ( p,a,g,h )                           ( o,o,o,o )
Kondisi AkhirPulau kiri : ( o,o,o,o )Pulau kanan ( I,I,I,I,)
Aturan :1.    Petani menyebrang
2.    Petani baik
3.    Ayam menyebrang
4.    Ayam balik
5.    Gabah menyebrang
6.    Gabah balik
7.    Harimau Menyebrang
8.    Harimau balik

Solusi :



Dibawah ini terdapat contoh hasil program solusi pemasalahan petani menyebrang sungai dengan menggunakan bahasa python.



Source Code
https://github.com/D4TI3A/AliAbdulWahid-1144091/blob/master/docs/pertemuan1/tugas4.py

Praktek
Membuat percobaan aplikasi speech to text menggunakan bahasa pemrograman python.

Jawaban:

Output:

Penutup

Kesimpulan
Dari pernyataan diatas dapat diambil kesimpulan bahwa Mendefinisikan suatu ruang keadaan, Menetapkan satu atau lebih keadaan awal (initial state) , Menetapkan satu atau lebih tujuan (goal state),Menetapkan kumpulan aturan

Saran
Alangkah baiknya mencoba praktek dengan contoh kasus yang lain agar bisa lebih paham tentang materi representasi pengetahuan melalui bahasa pemrograman python.

Nama : Ali Abdul Wahid
NPM : 1144091

Kelas : 3A

Prodi : D4 Teknik Informatika

Mata Kuliah : Kecerdasan Buatan

Link Github : https://github.com/D4TI3A/AliAbdulWahid-1144091

Referensi :

https://www.python.org/
http://www.diveintopython.net/regular_expressions/street_addresses.html

Scan Plagiarisme

1. smallseotools- Link

https://drive.google.com/open?id=0BxoQ3Zecy5bzUVFXWU5zNUhSRTg

2. Searchenginereports- Link

https://drive.google.com/open?id=0BxoQ3Zecy5bzU0ZDNGFyNHpTdlE

Kecerdasan Buatan - Pertemuan 3

Kecerdasan Buatan

Latar Belakang Masalah :

Perkembangan jaman ini , masih minim nya mengenai kecerdasan buatan dan juga pengiplementasian dalam bahasa pemrograman python. pada kali ini kita akan membahas jenis-jenis representasi pengetahuan beserta contoh program kasus penyebrangan sungai dari tempat A ke tempat B yang merupakan hasil dari representasi pengetahuan menggunakan bahasa pemrograman python.

Solusi Masalah :

Representasi pengetahuan adalah cara menyajikan pengetahuan agar pengetahuan yang manusia ketahui bisa dimengerti juga oleh bahasa mesin (kodingan).Representasi pengetahuan dibagi kepada 3 jenis representasi.

1. ReasoningReasoning adalah fakta yang disajikan secara formal.Contoh:-         Kucing adalah binatang
-         Semua binatang adalah makhluk hidup
Jika ada pertanyaan Apakah kucing adalah makhluk hidup? Maka untuk merepresentasikan ke dalam bahasa mesin yaitu jawabannya adalah:Makhlukhidup(kucing)  

2.    Semantic Network
Semantic network adalah makna dalam sebuah fakta atau sisa yang menjadi batasan permasalahan.Cirinya yaitu:-         Leksikal, terdiri dari node dan edges (titik dan garis)
-         Struktural, terdiri dari Head dan Tail
-         Semantik, sebagai batasan masalah.
Contoh:Kasus : Pada suatu hari, terdapat seekor ayam, harimau, gabah, dan seorang petani. Semuanya akan menyebrangi sebuah sungai untuk mencapai tempat B menggunakan perahu dengan syarat jangan biarkan gabah dimakan ayam dan jangan biarkan ayam dimakan harimau dengan kata lain jangan tinggalkan mereka berduaan di suatu tempat baik itu di tempat A ataupun B.Solving:Ada beberapa cara untuk mencapai tempat B sesuai dengan syarat yang berlaku. Jika dihitung secara permutasi, cara solving kasus tersebut ada 16 kemungkinan atau node.

3.    Frame
Frame adalah penyajian berorientasi objek.Adapun ciri-cirinya yaitu:-         Memiliki atribut
-         Memiliki method
-         Inherits
-         Extend
Membuat representasi pengetahuan dari kasus atau logika dari seekor ayam, harimau, gabah, dan seorang petani. Semuanya akan menyebrangi sebuah sungai untuk mencapai tempat B menggunakan perahu dengan syarat jangan biarkan gabah dimakan ayam dan jangan biarkan ayam dimakan harimau dengan kata lain jangan tinggalkan mereka berduaan di suatu tempat baik itu di tempat A ataupun B.

Praktek

import sys
	print("Langkah Benar 1-7-2-4-3-7-1\n")
	print (" 1.Ayam Menyeberang dengan Petani\n 2.Harimau Menyeberang dengan Petani\n 3.Harimau kembali dan Gabah Menyeberang dengan Petani\n 4.Harimau menyebrang dan Ayam Kembali dengan Petani\n 5.Harimau Kembali\n 6.Gabah Kembali\n 7.Petani menaiki Perahu Kembali")
	def petani():
	a = raw_input("Langkah 1 : ")
	if a == '1' : b = raw_input("Langkah 2 : ")
	else : print('Game Over')
	if b == '7' : c = raw_input("Langkah 3 : ")
	else : print('Game Over')
	if c == '2' : d = raw_input("Langkah 4 : ")
	else : print('Game Over')
	if d == '4' : e = raw_input("Langkah 5 : ")
	else : print('Game Over')
	if e == '3' : f = raw_input("Langkah 6 : ")
	else : print('Game Over')
	if f == '7' : g = raw_input("Langkah 7 : ")
	else : print('Game Over')
	if g == '1' : h = raw_input("Berhasil")
	petani()

https://github.com/D4TI3A/AliAbdulWahid-1144091/blob/master/docs/pertemuan1/tugas3.py

Penutup

Kesimpulan

Jadi representasi pengetahuan terbagi kepada 3 jenis, antara lain reasoning, semantic network dan frame.

SaranAlangkah baiknya mencoba praktek dengan contoh kasus yang lain agar bisa lebih paham tentang materi representasi pengetahuan melalui bahasa pemrograman python.

Nama : Ali Abdul Wahid
NPM : 1144091

Kelas : 3A

Prodi : D4 Teknik Informatika

Mata Kuliah : Kecerdasan Buatan

Link Github : https://github.com/D4TI3A/AliAbdulWahid-1144091

Referensi :

https://www.python.org/

http://www.diveintopython.net/regular_expressions/street_addresses.html

Scan Plagiarisme

1. smallseotools- Link

https://drive.google.com/open?id=0BxoQ3Zecy5bzZENFaWNZa2IyNUk

2. Grammarly - Link

https://drive.google.com/open?id=0BxoQ3Zecy5bzTnlMUDlIb01EOFE