Computational Intelligence
Kehadiran
• Absensi Kehadiran minimal 75%
• Absensi dibawah 75% tidak boleh mengikuti UAS
• Apabila tidak hadir wajib memberikan keterangan / informasi
mengapa tidak bisa hadir, baru absen dianggap IZIN. Email / WA
Penilaian
• Softskill 10%
• Kuis 10%
• Tugas 20%
• UTS 30%
• UAS 30%
• Ada poin tambahan bagi mahasiswa yang aktif
• Tugas, Kuis, UTS, UAS dilarang copy – paste, bagi yang melakukan
nilai langsung 0
Penjelasan RPS
Introduction
SOFT HARD
COMPUTING COMPUTING
Introduction
Soft Computing vs Hard Computing
• Ketidakpastian Pasti
• Tidak Terbatas Terbatas
• Data yang ambigu Data yang tepat
• Data tidak lengkap Data lengkap
Introduction
• Soft computing dikenal juga sebagai Computational Intelligence
• Soft computing merupakan inovasi baru dalam membangun
sistem cerdas yaitu sistem yang memiliki keahlian seperti
manusia pada domain tertentu, mampu beradaptasi dan
belajar agar dapat bekerja lebih baik jika terjadi perubahan
lingkungan.
• Tujuan utama dari computational intelligence adalah untuk
menciptakan sistem komputasi cerdas.
Introduction
• Dimulai pada tahun 1981 oleh Lotfi A. Zadeh
• Lotfi A. Zadeh mendefinisikan, soft computing adalah multidisiplin
dari Fuzzy Logic, Neural Network dan Genetic Algorithm
• Soft Computing adalah gabungan metode yang digunakan untuk
merancang model dan menemukan solusi untuk permasalahan
sehari-sehari yang tidak bisa atau terlalu sulit dimodelkan dengan
menggunakan model matematika
• Tujuan dari Soft Computing adalah untuk mengatasi
permasalahan yang mengandung ketidaktepatan, ketidakpastian
dan aproksimasi
Perkembangan Soft Computing
Fuzzy Logic – Neural Network – Genetic Algorithm
Core Soft Computing
• Fuzzy Logic digunakan untuk permasalahan yang didefinisikan
rule if then
• Neural Network digunakan untuk proses learning dan adaptasi
• Genetic Algorithm digunakan untuk komputasi evolusioner
• Hybridization mengkombinasikan ketiganya untuk
mendapatkan hasil yang lebih baik
Core Soft Computing
Fuzzy Logic
• Pengambilan Keputusan
• Sistem Kontrol
• Prediksi
Core Soft Computing
Fuzzy Logic
• Fuzzy Logic menangani informasi yang tidak tepat dengan
memberikan derajat kebenaran menggunakan logika samar
• Aplikasi dari fuzzy systems:
– Kendali dari proses fabrikasi (manufacturing)
– Alat-alat rumah-tangga, seperti AC, mesin cuci, dan rice cooker
– Digunakan dalam kombinasi dengan metodologi sistem cerdas lain
untuk mengembangkan sistem hybrid fuzzyexpert, neuro-fuzzy,
atau fuzzy-GA.
Core Soft Computing
Neural Network
• Klasifikasi
• Prediksi
• Clustering
Core Soft Computing
Neural Network
• Mampu mempelajari data melalui proses latihan.
• Kemampuan belajar ini membuat neural network dapat
digunakan untuk membuat sistem klasifikasi, segmentasi, dan
prediksi otomatis.
Core Soft Computing
Neural Network
• Model-model dari Neural Network tergantung pada:
– Arsitektur
– Metode Pembelajaran
– Karakter operasional lain, misal: jenis fungsi aktivasi
• Beberapa contoh aplikasi:
– Deteksi eksplosif di bandara
– Pengenalan wajah
– Penilaian resiko keuangan
– Optimisasi dan penjadwalan
Core Soft Computing
Evolutionary Algorithm
• Pencarian
• Optimasi
• Prediksi
Core Soft Computing
Genetic Algorithm
• Termasuk dalam bidang ilmu bernama evolutionary computation
• Solusi diperoleh dengan mengembangkan solusi melalui suatu proses
yang terdiri dari:
– Kelangsungan hidup dari fittest (paling tahan)
– Keturunan campuran (crossbreeding) dan
– Mutasi
• Suatu populasi dari solusi kandidat diinisiasi (kromosom)
• Generasi baru dari solusi diproduksi dimulai dengan populasi awal,
menggunakan operasi genetika tertentu: pemilihan, crossover dan mutasi
Core Soft Computing
Genetic Algorithm
• GA telah digunakan dalam:
– Optimisasi portfolio
– Prediksi kebangkrutan
– Peramalan keuangan
– Perancangan mesin jet
– Penjadwalan