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

PEMBUKAAN

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.

Untuk lebih jelasnya bisa dilihat di youtube kami di :

Nama : Eva Nur Fauziyah

NPM : 1144084

Kelas : 3A

Prodi : D4 Teknik Informatika

Mata Kuliah : Kecerdasan Buatan

Link Github : https://github.com/D4TI3A/EvaNurFauziyah-1144084

Link Scan Plagiarisme:

a. smallseotools

b, duplicachecker 

Referensi:

Materi Kecerdasan Buatan oleh Rolly Maulana Awangga pada tanggal 5  Juni 2017.

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

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

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

PEMBUKAAN

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.     1.F onetik dan fonologi

Deteksi suara menjadi kata-kata, atau sebaliknya,

Contoh : Siri.

2.      2. Morfologi

Pembentukan kata dan kata dasar

Contoh :

Menyanyi --- me-nyanyi

Lari-lari --- maksudnya banyak yang lari

Membaca --- mem-baca

3.      3. Sintaksis

Pembagian/pembuatan aturan baku sebuah kalimat.

Ibu pergi ke pasar

 S       P          K

Ibu sedang membaca buku

 S                  P                  O

4.      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.      5. Pragmatik

Orientasi dan tujuan

6.     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.      7. Word Knowledge

Arti khusus sebuah kalimat

PRAKTEK

Membuat percobaan aplikasi speech to text menggunakan bahasa pemrograman python.

Jawaban:

Output:

PENUTUP

Kesimpulan

Jadi maksud dari pengolahan bahasa alami yaitu cara untuk mencoba berkomunikasi dengan komputer memakai bahasa keseharian manusia.

Saran

Untuk lebih memahaminya, silahkan coba dalam bahasa pemrograman yang lain selain python.

Nama : Eva Nur Fauziyah

NPM : 1144084

Kelas : 3A

Prodi : D4 Teknik Informatika

Mata Kuliah : Kecerdasan Buatan

Link Github : https://github.com/D4TI3A/EvaNurFauziyah-1144084

Link Scan Plagiarisme:

a. smallseotools

b, duplicachecker 

Referensi: Materi Kecerdasan Buatan oleh Rolly Maulana Awangga pada tanggal 23  Mei 2017.

https://bayurahmadazhari.wordpress.com/2017/05/25/

Ruang Keadaan - Pertemuan ke 4 Kecerdasan Buatan

PEMBUKAAN

Pada pertemuan sebelumnya kita telah membahas tentang pengantar dari representasi pengetahuan. Untuk melanjutkan pemaparan tentang representasi pengetahuan, kali ini kita akan ruang keadaan beserta contoh program kasus penyebrangan sungai dari tempat A ke tempat B menggunakan bahasa pemrograman python.

ISI

Berbicara dengan ruang keadaan, ruang keadaan adalah cara untuk mendefinisikan permasalahan ke dalam bentuk representasi algoritma.

Contoh:

Kasus : Pada suatu hari, terdapat seekor ayam, harimau, gabah, dan seorang petani. Semuanya akan menyebrangi sebuah sungai untuk mencapai tempat B (pulau kanan) menggunakan perahu dengan syarat petani yang membawa perahu serta 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 (pulau kiri) ataupun B (pulau kanan).

		P	A	G	H
Kondisi Awal	Pulau kiri	1	1	1	1
	Pulau Kanan	0	0	0	0
Kondisi Akhir	Pulau Kiri	0	0	0	0
	Pulau Kanan	1	1	1	1

Adapun aturan-aturan yang dapat diterapkan untuk mencapai kondisi akhir ini adalah sebagai berikut:

1. Ptani menyebrang
2. Petani balik
3. Ayam menyebrang
4. Ayam balik
5. Gabah menyebrang
6. Gabah balik
7. Harimau menyebrang
8. Harimau kembali

Solving:

No	Pulau Kiri				Pulau Kanan				Aturan yang dipakai
	P	A	G	H	P	A	G	H
1	1	1	1	1	0	0	0	0
2	0	0	1	1	1	1	0	0	1, 3
3	1	0	1	1	0	1	0	0	2
4	0	0	1	0	1	1	0	1	1, 7
5	1	1	1	0	0	0	0	1	2, 4
6	0	1	0	0	1	0	1	1	1, 5
7	1	1	0	0	0	0	1	1	2
8	0	0	0	0	1	1	1	1	1, 3

PRAKTEK

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 petani yang membawa perahu serta 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.

Output:

Untuk lebih jelasnya bisa dilihat di link youtube saya di https://youtu.be/Sx3AtzOldOQ

PENUTUP

Kesimpulan

Jadi ruang keadaan adalah cara untuk mendefinisikan permasalahan ke dalam bentuk representasi.

Saran

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

Nama : Eva Nur Fauziyah

NPM : 1144084

Kelas : 3A

Prodi : D4 Teknik Informatika

Mata Kuliah : Kecerdasan Buatan

Link Github : https://github.com/D4TI3A/EvaNurFauziyah-1144084

Link Scan Plagiarisme:

a. smallseotools

b, duplicachecker 

Referensi: Materi Kecerdasan Buatan oleh Rolly Maulana Awangga pada tanggal 14 Maret 2017.