Part 6 - Sekilas tentang Sistem Fuzzy

Sistem Fuzzy adalah suatu sistem yang menggunakan himpunan fuzzy untuk memetakan suatu inputan menjadi ouput tertentu (blackbox). Misalnya, jika anda mengetahui seberapa layanan pada restaurant tersebut, anda dapat menentukan berapa jumlah tip yang layak diberikan kepada pelayan.

Istilah-istilah yang merepresentasikan fakta yang samar seperti pada contoh diatas disebut sebagai variabel linguistik.
Tabel berikut menunjukkan contoh-contoh lain dari variabel linguistik beserta nilai tipikal yang mungkin..

Dalam sistem pakar fuzzy (fuzzy expert system), variabel linguistik digunakan pada aturan-aturan fuzzy (fuzzy rules). Perhatikan contoh dibawah ini:

R1 IF Kelajuan rendah
     THEN Buat akselerasi menjadi tinggi
R2 IF Suhu udara rendah
     AND Tekanan cukup
     THEN Buat kelajuan menjadi rendah

Part 5 - Penulisan IF-THEN Rules

Penulisan IF-THEN Rule

Dengan menggunakan teknik searching yang telah didefinisikan dalam Bab 1 dan penyesuaian pola (pattern matching), sistem berbasis aturan melakukan proses reasoning mulai dari fakta awal sampai menuju pada kesimpulan. Dalam proses ini mungkin akan dihasilkan fakta-fakta baru menuju pada penyelesaian masalah. 

Jadi dapat disimpulkan bahwa proses penyelesaian masalah pada sistem berbasis aturan adalah

menciptakan sederet fakta-fakta baru yang merupakan hasil dari sederetan proses inferensi sehingga membentuk semacam jalur antara definisi masalah menuju pada solusi masalah. Deretan proses inferensi tersebut adalah inference chain.

Sebagai contoh, sebuah sistem peramal cuaca dibangun dengan sistem berbasis pengetahuan untuk mengetahui keadaan cuaca pada 12 sampai 24 jam ke depan.

RULE 1: IF suhu udara sekitar di atas 32 Derajat C
               THEN cuaca adalah panas
RULE 2: IF kelembaban udara relatif di atas 65%
               THEN udara sangat lembab
RULE 3: IF cuaca panas dan udara sangat lembab
               THEN sangat mungkin terjadi badai

• Jika hanya rule 1 (tanpa rule 2 dan rule 3), sistem berbasis pengetahuan tidak berarti apa2.

• Karena itu sebuah sistem berbasis pengetahuan harus terdiri atas sekelompok aturan yang membentuk rangakaian aturan rule chain.

• Fakta didefisinikan sebagai statemen yang dianggap benar.
Contoh:
Suhu udara di sekitar adalah 35 Derajat Celcius dan kelembaban udara relatif 70% adalah fakta.

• Maka proses inferensi melihat fakta-fakta dari premis pada Rule 1 dan Rule 2 sebagai dasar untuk menghasilkan fakta baru:
Cuaca panas dan Udara lembab.

• Selanjutnya proses inferensi melihat bahwa kedua fakta ini sesuai
dengan premis pada Rule 3, maka akan dihasilkan fakta baru lagi:
Sangat mungkin terjadi badai.

Part 4 - Dependency Diagram

Penyusunan dependency diagram adalah langkah awal dalam merancang sebuah knowledge base system. Dengan menyusun dependency diagram dapat divisualisasikan hubungan antar rule yang menyusun rule final. Pada dependency diagram tersebut juga dapat ditentukan input yang akan diminta dari pengguna dan kesimpulan yang dihasilkan oleh suatu rule ataupun suatu rule final.

Membuat Tabel Keputusan

Tabel keputusan diturunkan dari dependency diagram pada gambar diatas. Karena dalam gambar tersebut terdapat tiga segitiga, maka akan terdapat 3 tabel keputusan. Tabel keputusan untuk Set 1 (Rule 1-5) adalah sebagai berikut :

Part 3 - Block Diagram

Diagram blok adalah suatu pernyataan gambar yang ringkas, dari gabungan sebab dan akibat antara masukkan dan keluaran dari suatu system.

 

Blok/Kotak adalah : Biasanya berisikan uraian dan nama elemennya, atau simbul untuk operasi matematis yang harus dilakukan pada masukkan unt7uk menghasilkan Keluaran

Tanda anak panah : Menyatakan arah informasi aliran isyarat atau unilateral. Sebagai contoh sederhana diperlihatkan sbb:

 

Ciri-ciri operasi penjumlahan dan pengurangan, agar dapat digambarkan secara khusus, maka bentuk blok seperti distas diubah menjadi sebuah lingkaran kecil yang disebut dengan titik penjumlahan, dengan tanda plus ( + ) dan atau minus ( - ), yang tetap sesuai dengan anak-anak panah yang memasuki lingkaran. Sedangakan keluarannya ( Output ) adalah jumlah aljabar dari inputnya. Contoh :

Keterangan:

Hasil 12 didapat dari nilai(value) yan di dapat dari jumlah konsidi "ok, non-ok = 2" pada contoh di atas teradapat 2 x 3 x 2 kondisi maka hasilnya 12 row.

Part 2 - Sistem Berbasis Aturan

Sistem Berbasis Aturan (Rule-Based System) menggunakan Modus Ponens, sebagai dasar untuk memanipulasi aturan, yaitu:

Sebagai contoh, sebuah sistem peramal cuaca dibangun dengan sistem berbasis pengetahuan untuk mengetahui keadaan cuaca pada 12 sampai 24 jam ke depan.

1. RULE 1: IF suhu udara sekitar di atas 32o C

THEN cuaca adalah panas.

2. RULE 2: IF kelembaban udara relatif di atas 65%

THEN udara sangat lembab.

3. RULE 3: IF cuaca panas dan udara sangat lembab

THEN sangat mungkin terjadi badai.

Proses Reasoning

Proses reasoning dari sebuah sistem berbasis aturan adalah tahapan proses mulai dari sekumpulan fakta menuju solusi, jawaban dan kesimpulan.

Terdapat dua macam cara yang dapat digunakan untuk menghasilkan suatu kesimpulan, yaitu:

– Forward Chaining (data driven)

   Kesimpulan dihasilkan dari seperangkat data yang diketahui.

– Backward Chaining (goal driven)

   Memilih beberapa kesimpulan yang mungkin dan mencoba membuktikan kesimpulan tersebut dari bukti-bukti yang ada.

   Sebagai contoh: seperangkat rule di bawah ini akan digunakan untuk menjelaskan proses forward chaining dan backward chaining.

Contoh Kasus: Identifikasi Binatang

Rule 1: If Menyusui = tidak and

Kaki > 4 and

Warna bulu = polos

Then Binatang = belalang

Rule 2: If Menyusui = ya and

kaki = 4 and

berdarah = panas

Then Kelas = mamalia

Rule 3: If Makanan = binatang

Then Kategori = carnivora

Rule 4: If Makanan = tumbuhan

Then Kategori = herbivora

Rule 5: If Kelas = mamalia and

Warna bulu = berbintik and

Tinggi > 80 centimeter

Then Binatang = Harimau

Rule 6: If Kelas = mamalia and

Warna bulu = polos and

Tinggi > 80 centimeter

Then Binatang = Kuda

Rule 7: If Kelas = mamalia and

Kategori = herbivora and

Warna bulu = bergaris and

Tinggi > 80 centimeter

Then Binatang = Zebra

Rule 8: If Kelas = mamalia and

Kategori = carnivora and

Warna bulu = polos or berbintik or bergaris and

Tinggi < 80 centimeter

Then Binatang = Kucing

Rule 9: If Kaki = 2 and

Berdarah = panas and

Warna Bulu = berbintik or

Menyusui = tidak

Then Binatang = elang

Rule 10:If Berdarah = dingin and

Tinggi < 80 centimeter

Then Binatang = salmon

Forward Reasoning

         Dalam forward reasoning, proses inferensi dimulai dari seperangkat data yang ada menuju ke kesimpulan. Pada proses ini akan dilakukan pengecekan terhadap setiap rule untuk melihat apakah data yang sedang diobservasi tersebut memenuhi premis dari rule tersebut. Apabila memenuhi, maka rule akan dieksekusi untuk menghasilkan fakta baru yang mungkin akan digunakan oleh rule yang lain. 

             

            Proses pengecekan rule ini disebut sebagai rule interpretation. Pada sistem berbasis pengetahuan, rule interpretation (interpretasi rule) dilakukan oleh inference engine.

Part 1 - Pendahuluan

Sistem Pakar adalah "Sebuah program komputer yang bisa membaca, meniru, atau mensimulasikan pengetahuan(knowlege) dan keterampilan (skill) dari seorang pakar tertentu"

Menurut pendapat lain:

Sistem Pakar adalah sebuah program komputer yang mencoba meniru atau mensimulasikan pengetahuan (knowledge) dan ketrampilan (skill) dari seorang pakar pada area tertentu. Selanjutnya sistem ini akan mencoba memecahkan suatu permasalahan sesuai dengan kepakarannya.

• Sistem pakar merupakan salah satu aplikasi dari kecerdasan buatan (artificial intelligence).

• AI sendiri berakar dari keinginan manusia untuk membuat sebuah mesin cerdas. 

• Dewasa ini sistem pakar telah diaplikasikan dalam banyak bidang. (misal: industri manufaktur, pertanian, medis, milite, dsb)

Perbedaan antara Sistem Pakar dengan Sistem Informasi itu sendiri adalah SI itu sistem, dimana di dalamnya terdapat subsistem yang berisikan induk(master) dan transaksi yang mengahsilkan laporan.

     Contoh:

1. Sistem Pakar Pemilihan Diet Sehat Berdasarkan Golongan Darah
2. Sistem Pakar Diagnosa Penyakit Tipus

Dalam Sistem Informasi sendiri terdir dari 2 jenis atau model:

•  Sistem Informasi Terstruktur, yaitu berupa DFD (Data Flow Diagram)
• Sistem Informasi Berorientasi Object, yaitu berupa UML (Unified Modeling Language)