Contoh Program Prolog

Program




1.obat apa yang bisa menyembuhkan cough dan nasal congestion

2. obat apa yang bisa menyembuhkan batuk jika pasie mempunyai gejala penyakit diabetes dan gloucoma ?

  

3.  obat apa yang bsia menyembuhkan  ? pasien tersebut menderita penyakit apa ?

4. apa yang bisa menyembuhkan pilek ?

5. apa yang dapat menyembuhkan pilek dapat menyembuhkan hidung yang sakit ?

6. obat apa yang bsia diminum jika pasien menderita penyakit ashtma ? obat tersebut juga dapat diminum dalam kondisi apa ?

7. obat yang dapat digunakan juga sebagai pain killer ?

8. obat apa yang harus diminum oleh john ?

Pengertian dan Dasar Komputasi Evolusioner

Pengertian dan Dasar Komputasi Evolusioner
Pada struktur bioligis unit dasar informasi di dalam sistem hidup adalah Gene, yang pada umumnya didefinisikan sebagai bagian dari chromosom yang menentukan atau mempengaruhi sifat tunggal atau phenotype (sifat tampak). Gene terdiri dari deoxyribonucleic acid (DNA), yang umumnya dikemas menjadi struktur disebut chromosom. Pengembangan dari struktur biologis ini dapat membuat suatu model algoritma baru untuk mencari solusi masalah yang kompleks dengan menggunakan teori evolusi.
Evolusi adalah proses optimasi yang bertujuan untuk meningkatkan kemampuan organism (sistem) untuk bertahan hidup didalam lingkungan yang rentan mengalami perubahan secara dinamis dan kompetitif. Pandangan evolusi yang popular dan dapat diterima adalah menurut Lamarck dan Darwin :

1. Jean Baptise Lamarck (1744-1829)
Teori evolusi menurut Jean Baptiste Lamarck adalah hereditas. Yaitu warisan sifat yang diturunkan individu yang beradaptasi selama hidupnya dan menurunkan sifatnya pada individu baru yang melanjutkannya untuk beradaptasi. Metode adaptasi yang digunakan menggunakan konsep pakai dan buang (use and disuse), yang berarti setiap individu membuang sifat yang tidak diperlukan dan mengembangkan sifat yang berguna.

2. Charles Darwin (1809-1882)
Teori Charles Darwin menjadi dasar evolusi biologis, yaitu teori seleksi alam. Individu dengan sifat terbaik akan bertahan hidup dan bereproduksi, sifat terbaik akan diturunkan pada generasi selanjutnya yang akan mendominasi di antara populasi. Teori Darwin selanjutnya menyatakan bahwa selama memproduksi generasi, terjadi kejadian acak silang (crossover) yang menyebabkan perubahan acak sifat pada organisme keturunannya, jika sifat baru ini memberikan keuntungan pada organisme tersebut maka bertambahnya peluang hidup di antara populasi.[1]

Dengan pandangan evolusi tersebut beberapa pakar komputasi mengembangkan teori evolusi untuk mengaplikasikan kedalam beberapa bidang kecerdasan buatan pada komputer, seperti pada istilah Komputer Evolusioner. Komputer Evolusioner merupakan bidang dari Intelegensia Komputer yang memodelkan proses evolusi alami, yaitu prinsip seleksi alam Darwinisme sebagai inspirasi dalam perancangan metode komputasi. Dalam proses seleksi alam, individu yang kuat (yang bisa beradaptasi) yang bisa bertahan, ide ini telah berkembang sejak tahun 1940an, periode dimana komputer berkembang pesat.
Pada tahun 1948, Turing memperkenalkan istilah “Genetical or Evolutionary Search”, dan tahun 1962 Bremermann melakukan eksperimen tentang “Optimisasi melalui Evolusi dan Kombinasi ulang (optimization through evolution and recombination)” . Pada era tahun 1960an, tiga implementasi ide dasar ini dikembangkan masing-masing di tempat berlainan. Di Amerika, Fogel, Owens, dan Walsh memperkenalkan Evolutionary Programming, sedangkan Holland (Amerika) menyebut metodenya sebagai Genetic Algorithm. Sementara itu di Jerman, Rechenberg dan Schwefel menemukan metode Evolution Strategies. Selama lima belas tahun berikutnya, metode tersebut dikembangkan secara terpisah, namun sejak awal tahun 1990an ketiganya dipandang sebagai tiga jenis representasi dari satu teknologi yang diberi nama Evolutionary Computing. Di awal tahun 1990 terdapat metode yang dipelopori oleh Koza, yaitu Genetic Programming.[2].

Dengan perkembanganya yang luas pada tahun 2001, Ferreira mengenalkan konsep Gene Expression Programming (GEP), yang merupakan konsep terbaru dengan menggabungan Genetic Algorithm dan Genetic Programming, hingga pada saat ini teknologi ini terus dikembangkan diberbagai aplikasi, seperti pada aplikasi autonomous Robot dengan menggunakan algoritma MultiGenic GEP with Regular Gene (mgGEP-RG).

sumber
[1] Thomas Sri widodo, “Komputasi Evolusioner”, Graha Ilmu, 2012
[2]http://statistikakomputasi.wordpress.com/2010/04/16/mengenal-evolutionary-computation-komputasi-yang-meniru-evolusi-alam/

Arti Logika Fuzzy (Fuzzy Logic)

Logika Fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam ruang output. Untuk sistem yang sangat rumit, penggunaan logika fuzzy (fuzzy logic) adalah salah satu pemecahannya. Sistem tradisional dirancang untuk mengontrol keluaran tunggal yang berasal dari beberapa masukan yang tidak saling berhubungan.  Karena ketidaktergantungan ini, penambahan masukan yang baru akan memperumit proses kontrol dan membutuhkan proses perhitungan kembali dari semua fungsi . Kebalikannya, penambahan masukan baru pada sistem fuzzy, yaitu sistem yang bekerja berdasarkan prinsip-prinsip logika fuzzy, hanya membutuhkan penambahan fungsi keanggotaan yang baru dan aturan-aturan yang berhubungan dengannya.

Secara umum, sistem fuzzy sangat cocok untuk penalaran pendekatan terutama untuk sistem yang menangani masalah-masalah yang sulit didefinisikan dengan menggunakan model matematis Misalkan, nilai masukan dan parameter sebuah sistem bersifat kurang akurat atau kurang jelas, sehingga sulit mendefinisikan model matematikanya.

Sistem fuzzy mempunyai beberapa keuntungan bila dibandingkan dengan sistem tradisional, misalkan pada jumlah aturan yang dipergunakan. Pemrosesan awal sejumlah besar nilai menjadi sebuah nilai derajat keanggotaan pada sistem fuzzy mengurangi jumlah nilai menjadi sebuah nilai derajat keanggotaan pada sistem fuzzy mengurangi jumlah nilai yang harus dipergunakan pengontrol untuk membuat suatu keputusan. Keuntungan lainnya adalah sistem fuzzy mempunyai kemampuan penalaran yang mirip dengan kemampuan penalaran manusia. Hal ini disebabkan karena sistem fuzzy mempunyai kemampuan untuk memberikan respon berdasarkan informasi yang bersifat kualitatif, tidak akurat, dan ambigu.

Ada beberapa alasan penggunaan Logika Fuzzy :

Logika Fuzzy sangat fleksibel.
Logika Fuzzy memiliki toleransi.
Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
Logika fuzzy dapat bekerjasama dengan teknik - teknik kendali secara konvensional.
Logika fuzzy didasarkan pada bahasa alami.

Fuzzy logic jika di atau dalam bahasa Indonesia logika Fuzzy adalah teknik/ metode yang dipakai untuk mengatasi hal yang tidak pasti pada masalah – masalah yang mempunyai banyak jawaban. Pada dasarnya Fuzzy logic merupakan logika bernilai banyak/ multivalued logic yang mampu mendefinisikan nilai diantara keadaan yang konvensional seperti benar atau salah, ya atau tidak, putih atau hitam dan lain-lain. Penalaran Logika Fuzzy memnyediakan cara untuk memahami kinerja system dengan cara menilai input dan output system dari hasil pengamatan. Logika Fuzzy menyediakan cara untuk menggambarkan kesimpulan pasti dari informasi yang samar-samar, ambigu dan tidak tepat.

Sumber :
http://socs.binus.ac.id/2012/03/02/pemodelan-dasar-sistem-fuzzy/
http://www.temukanpengertian.com/2013/08/pengertian-fuzzy-logic.html

Probabilistic Reasoning Arti dan Pengertian

Reasoning berarti mengambil suatu keputusan atas suatu alasan atau sebab tertentu. Reasoning sendiri ada 2 jenis yaitu logical reasoning  dan probabilistic reasoning. Salah satu kelebihan probabilistic reasoning dibandingkan logical reasoning adalah kemampuannya untuk mengambil keputusan yang rasional, walaupun informasi yang diolah kurang lengkap atau mengandung unsur ketidakpastian.

Probabilistic Reasoning adalah metode Soft Computing untuk membuat komputer atau suatu device mengambil keputusan layaknya makhluk hidup. Jadi, dari semua data-data yang sudah dimiliki, metode ini memberikan pola-pola tertentu untuk mengambil keputusan.

Tiga kategori kategori dari Probabilistic Reasoning :

1.      Teori Chaos

Teori chaos memiliki implikasi yang luas dalam analisis pengambilan keputusan. Teori chaos memberi pengertian bahwa suatu aksi sekecil pun dapat berimplikasi pada suatu akibat yang besar. Teori chaos juga memberikan pengertian bahwa dalam pengambilan keputusan senantiasa dihadapkan pada suatu potensi ketidakteraturan dan ketidakpastian sehingga batasan-batasan metode pengambilan keputusan tradisonal tidak mencukupi lagi. Teori chaos menuntut perubahan model mental yang sama sekali baru dan kreatif dari sang pengambilan keputusan. Sistem pintar dan kecerdasan berupaya mengantisipasi aspek ketidakpastian dan ketidakteraturan tersebut dengan mengadopsi logika berpikir manusia ke dalam mesin komputer. Dengan sistem pintar, suatu perangkat komputer dapat menganalisis suatu sistem permasalahan dan melakukan pengambilan keputusan.

2.     Belief Networks

Belief Networks (BN) adalah penalaran kausal, dimana BN telah banyak digunakan dalam berbagai aplikasi. BN sekarang ini menjadi andalan dalam bidang penelitian Flu Burung yang dikenal sebagai penalaran pasti. BN sendiri didasarkan pada hukum-hukum probabilitas.

3.      Genetic Algorithm <GA>

GA diperkenalkan oleh John Holland pada pertengahan tahun 70-an. GA adalah metode komputasi yang meniru proses evolusi dan seleksi alam. Metode ini sering dimanfaatkan untuk mencari nilai optimal suatu fungsi/permasalahan.

Sumber :
https://prinzessino.wordpress.com/2010/03/09/soft-computing/
http://syahrulzzadie.blogspot.co.id/2014/10/pengertian-soft-computing.html

Jaringan Syaraf Tiruan

Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi.

Jaringan syaraf tiruan (Artifical Neural Network) adalah sistem komputasi yang arsitektur dan operasinya diilhami dari pengetahuan tentang sel syaraf biologis di dalam otak. Jaringan syaraf tiruan merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba menstimulasi proses pembelajaran pada otak manusia tersebut. Jaringan syaraf tiruan dapat digambarkan sebagai model matematis dan komputasi untuk fungsi aproksimasi non-linear, klasifikasi data cluster dan regresi non-parametrik atau sebuah simulasi dari koleksi model jaringan syaraf biologi.

Model jaringan syaraf ditunjukkan dengan kemampuannya dalam emulasi, analisis, prediksi dan asosiasi. Kemampuan yang dimiliki jaringan syaraf tiruan dapat digunakan untuk belajar dan menghasilkan aturan atau operasi dari beberapa contoh atau input yang dimasukkan dan membuat prediksi tentang kemungkinan output yang akan muncul atau menyimpan karakteristik input yang diberikan kepada jaringan syaraf tiruan.

Salah satu organisasi yang sering digunakan dalam paradigma jaringan syaraf tiruan adalah perambatan galat mundur  atau backpropagation

Konsep Dasar Jaringan Syaraf Tiruan

Jaringan syaraf tiruan terdiri dari beberapa neuron dan ada hubungan antar neuron- neuron seperti pada otak manusia. Neuron/selsaraf adalah sebuah unit pemroses informasi yang merupakan dasar operasi jaringan syaraf tiruan.

Jaringan syaraf tiruan terdiri atas beberapa elemen penghitung tak linier yang masing-masing dihubungkan melalui suatu pembobot dan tersusun secara paralel. Pembobot inilah yang nantinya akan berubah (beradaptasi) selama proses pelatihan.

Pelatihan perlu dilakukan pada suatu jaringan syaraf tiruan sebelum digunakan untuk menyelesaikan masalah. Hasil pelatihan jaringan syaraf tiruan dapat diperoleh tanggapa yang benar (yang diinginkan) terhadap masukan yang diberikan. Jaringan syaraf tiruan dapat memberikan tanggapan yang benar walaupun masukan yang diberikan terkena derau atau berubah oleh suatu keadaan

Karakteristik Jaringan Syaraf Tiruan

Penyelesaian masalah dengan jaringan syaraf tiruan tidak memerlukan pemrograman. Jaringan syaraf tiruan menyelesaikan masalah melalui proses belajar dari contoh-contoh pelatihan yang diberikan. Biasanya pada jaringan syaraf tiruan diberikan sebuah himpunan pola pelatihan yang terdiri dari sekumpulan contoh pola. Proses belajar jaringan syaraf tiruan berasal dari serangkaian contoh-contoh pola yang diberikan.metode pelatihan yang sering dipakai adalah metode belajar terbimbing. Selama proses belajar itu pola masukan disajikan bersama-sama dengan pola keluaran yang diinginkan. Jaringan akan menyesuaikan nilai bobotnya sebagai tanggapan atas pola masukan dan sasaran yang disajikan tersebut.

Sumber :
https://jalanwaktu.wordpress.com/jaringan-syaraf-tiruan/

Sistem pakar ( expert system )

Sistem pakar

Sistem Pakar(dalam bahasa Inggris : expert system) adalah sistem informasi yang berisi dengan pengetahuan dari pakar sehingga dapat digunakan untuk konsultasi. Pengetahuan dari pakar di dalam sistem ini digunakan sebagi dasar oleh Sistem Pakar untuk menjawab pertanyaan (konsultasi).
Kepakaran (expertise) adalah pengetahuan yang ekstensif dan spesifik yang diperoleh melalui rangkaian pelatihan, membaca, dan pengalaman. Pengetahuan membuat pakar dapat mengambil keputusan secara lebih baik dan lebih cepat daripada non-pakar dalam memecahkan problem yang kompleks. Kepakaran mempunyai sifat berjenjang, pakar top memiliki pengetahuan lebih banyak daripada pakar yunior. Tujuan Sistem Pakar adalah untuk mentransfer kepakaran dari seorang pakar ke komputer, kemudian ke orang lain (yang bukan pakar).

Sistem pakar adalah suatu program komputer yang mengandung pengetahuan dari satu atau lebih pakar manusia mengenai suatu bidang spesifik. Jenis program ini pertama kali dikembangkan oleh periset kecerdasan buatan pada dasawarsa 1960-an dan 1970-an dan diterapkan secara komersial selama 1980-an. Bentuk umum sistem pakar adalah suatu program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi (biasanya diberikan oleh pengguna suatu sistem) mengenai suatu kelas masalah spesifik serta analisis matematis dari masalah tersebut. Tergantung dari desainnya, sistem pakar juga mampu merekomendasikan suatu rangkaian tindakan pengguna untuk dapat menerapkan koreksi. Sistem ini memanfaatkan kapabilitas penalaran untuk mencapai suatu simpulan.

Kelebihan Sistem Pakar

Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain :

1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa melakukan proses secara berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar.
4. Meningkatkan output dan produktivitas.
5. Meningkatkan kualitas.
6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).
7. Mampu beroperasi dalam lingkungan yang berbahaya.
8. Memiliki kemampuan untuk mengakses pengetahuan.
9. Memiliki reliabilitas.
10. Meningkatkan kapabilitas sistem komputer.
11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.
12. Sebagai media pelengkap dalam pelatihan.
13. Meningkatkan kapabilitas dalam penyelesaian masalah.
14. Menghemat waktu dalam pengambilan keputusan

  

Kelemahan Sistem Pakar

Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :

1. Biaya yang diperlukan untuk membuat dan memeliharanya relatif mahal karena diperlukan banyak data.
2. Perlu admin khusus yang selalu update informasi dalam bidang yang sesuai dengan sistem pakar.
3. Pengembangan perangkat lunak sistem pakar lebih sulit dibandingkan perangkat lunak konvensional.
4. Susah di kembangkan.
5. Membutuhkan waktu yang lama.

Contoh Sistem Pakar

1. MYCIN  : diagnosa penyakit
2. Dendral  : mengidintifikasikan struktur molekul campuran kimia yang tidak dikenal
3. XCON & XSEL : konfigurasi sistem komputer besar,
4. Prospector : bidang biologi

Pendapat saya Sebagai Mahasiswa tentang Sistem Pakar:
Menurut Pandangaqn saya,Sistem Pakar sangat dibutuhkan dalam kehidupan manusia di era sekarang yang dimana masalah semakin kompleks dan dibutuhkan sebuah sistem buatan untuk menangani masalah tersebut. Contoh dibidang kesehatan sekarang ditemukan sistem pakar yang dibuat khusus untuk mendeteksi sebuah kanker pada tubuh manusia dan mencara juga zat yang dapat membunuh zat kanker tersebut. Tetapi sistem pakar juga membutuhkan SDM yang mumpuni di bidang pakar yang didalami dan pakar dalam sistem informasi juga. Untuk bisa menjalankan sistem tersebut
dibutuhkan pengetahuan yang tinggi unutk mengembangkan sistem ini. Maka Saya sebagai Mahasiswa perlu menyiapkan diri dan potensi untuk bisa mengembangkan sistem pakar ini karena sistem pakar ini sangat dibutuhkan oleh manusia di masa sekarang dan yang akan datang.


Sumber: Wikipedia
               Pikiran Blogger ini sendiri

Nama : Saddam Sanani
Kelas : 3ka14
NPM : 19114913