Membuat Garis Menggunakan JAVA dan OpenGL

Tugas ini dibuat untuk memenuhi kriteria penilaian dari mata kuliah Grafik Komputer dan Pengolahan Citra. Tugas yang diberikan yaitu membuat program untuk membantu user dalam proses pembuatan garis. Pilihan garis yang tersedia yaitu garis Vertikal, Horizontal, dan Diagonal. Bahasa pemrograman yang digunakan yaitu JAVA dan OpenGL.

Link untuk mengunduh executable program sudah terdapat di dalam file pembahasan dibawah ini.

- Untuk melihat pembahasan lebih lanjut tentang tugas ini, silahkan klik DISINI

- Untuk mengunduh file pembahasan lebih lanjut tentang tugas ini (PDF), silahkan klik DISINI

METODE PENCARIAN DAN PELACAKAN (Heuristic Search)

Heuristic Search

1. Pencarian buta tidak selalu dapat diterapkan dengan baik
   1. Waktu aksesnya yang cukup lama
   2. Besarnya memori yang diperlukan
2. Metode heuristic search diharapkan bisa menyelesaikan permasalahan yang lebih besar.
3. Metode heuristic search menggunakan suatu fungsi yang menghitung biaya perkiraan (estimasi) dari suatu simpul tertentu menuju ke simpul tujuan disebut fungsi heuristic
4. Aplikasi yang menggunakan fungsi heuristic : Google, Deep Blue Chess Machine

• Keadaan Awal Tujuan Pencarian Heuristik

1. Operator
   1. Ubin kosong geser ke kanan
   2. Ubin kosong geser ke kiri
   3. Ubin kosong geser ke atas
   4. Ubin kosong geser ke bawah
   5. Langkah Awal

Gambar

1. Langkah Awal hanya 3 operator yang bisa digunakan
   • Ubin kosong digeser ke kiri, ke kanan dan ke atas.
2. Jika menggunakan pencarian buta, tidak perlu mengetahui operasi apa yang akan dikerjakan (sembarang)
3. Pada pencarian heuristik perlu diberikan informasi khusus dalam domain tersebut
4. Untuk jumlah ubin yang menempati posisi yang benar jumlah yang lebih tinggi adalah yang lebih diharapkan (lebih baik)
5. Untuk jumlah ubin yang menempati posisi yang salah jumlah yang lebih kecil adalah yang diharapkan (lebih baik).
6. Menghitung total gerakan yang diperlukan untuk mencapai tujuan jumlah yang lebih kecil adalah yang diharapkan (lebih baik).

Ada 4 metode pencarian heuristik

1. Pembangkit & Pengujian (Generate and Test)
2. Pendakian Bukit (Hill Climbing)
3. Simple Hill Climbing
4. Steepest Ascent Hill Climbing

1. Pembangkit & Pengujian (Generate and Test)

• Pada prinsipnya metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal.

Algoritma:

1. Bangkitkan suatu kemungkinan solusi (membangkitkan suatu titik tertentu atau lintasan tertentu dari keadaan awal).
2. Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node tersebut atau node akhir dari suatu lintasan yang dipilih dengan kumpulan tujuan yang diharapkan.
3. Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali langkah yang pertama.

Contoh : Traveling Salesman Problem (TSP)

Seorang salesman ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Ingin diketahui rute terpendek dimana setiap kota hanya boleh dikunjungi tepat 1 kali.

Contoh : Traveling Salesman Problem (TSP)

• Generate & test akan membangkitkan semua solusi yang mungkin:

– A – B – C – D

– A – B – D – C

– A – C – B – D

– A – C – D – B, dll

• Kelemahan dari Pembangkit & Pengujian (Generate and Test) yaitu ;

1. Perlu membangkitkan semua kemungkinan sebelum dilakukan pengujian
2. Membutuhkan waktu yang cukup lama dalam pencariannya

B. Pendakian Bukit (Hill Climbing)

1. Metode ini hampir sama dengan metode pembangkitan & pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristik.
2. Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari prosedur pengetesan.

Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang mungkin

C. Simple Hill Climbing

Algoritma

1. Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan, maka berhenti; dan jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal.
2. Kerjakan langkah-langkah berikut sampai solusinya ditemukan, atau sampai tidak ada operator baru yang akan diaplikasikan pada keadaan sekarang:

• Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.
• Evaluasi keadaan baru tersebut.
• Jika keadaan baru merupakan tujuan, keluar.
• Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadikan keadaan baru tersebut menjadi keadaan sekarang.
• Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi.
• Contoh TSP
  • Operator : Tukar kota ke-i dengan kota ke-j (Tk i,j)
  • Untuk 4 kota:

– Tk 1,2 : tukar kota ke-1 dengan kota ke-2.

– Tk 1,3 : tukar kota ke-1 dengan kota ke-3.

– Tk 1,4 : tukar kota ke-1 dengan kota ke-4.

– Tk 2,3 : tukar kota ke-2 dengan kota ke-3.

– Tk 2,4 : tukar kota ke-2 dengan kota ke-4.

– Tk 3,4 : tukar kota ke-3 dengan kota ke-4.

• Untuk N kota, akan ada operator sebanyak:

4. Steepest Ascent Hill Climbing

• Steepest-ascent hill climbing sebenarnya hampir sama dengan simple hill climbing, hanya saja gerakan pencarian tidak dimulai dari posisi paling kiri.
• Gerakan selanjutnya dicari berdasarkan nilai heuristik terbaik.
• Dalam hal ini urutan penggunaan operator tidak menentukan penemuan solusi.
• Steepest-ascent hill climbing sebenarnya hampir sama dengan simple hill climbing, hanya saja gerakan pencarian tidak dimulai dari posisi paling kiri.
• Gerakan selanjutnya dicari berdasarkan nilai heuristik terbaik.
• Dalam hal ini urutan penggunaan operator tidak menentukan penemuan solusi.

Algoritma

• Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan, maka berhenti; dan jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal.
• Kerjakan hingga tujuan tercapai atau hingga iterasi tidak memberikan perubahan pada keadaan sekarang.
• Tentukan SUCC sebagai nilai heuristic terbaik dari successorsuccessor.
• Kerjakan untuk tiap operator yang digunakan oleh keadaan sekarang:
• Gunakan operator tersebut dan bentuk keadaan baru.
• Evaluasi keadaan baru tersebut. Jika merupakan tujuan, keluar. Jika bukan, bandingkan nilai heuristiknya dengan SUCC. Jika lebih baik, jadikan nilai heuristic keadaan baru tersebut sebagai SUCC. Namun jika tidak lebih baik, nilai SUCC tidak berubah.
• Jika SUCC lebih baik daripada nilai heuristic keadaan sekarang, ubah node SUCC menjadi keadaan sekarang.

Source :

https://aiukswkelasgkelompok7.wordpress.com/metode-pencarian-dan-pelacakan/

http://wisatapikiran.blogspot.co.id/2013/03/perbedaan-blind-search-dengan.html

METODE PENCARIAN DAN PELACAKAN (Blind Search)

• Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian.
• Pencarian = suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan ruang keadaan (state space).
• Ruang keadaan = merupakan suatu ruang yang berisi semua keadaan yang mungkin.s
• Untuk mengukur perfomansi metode pencarian, terdapat 4 kriteria yang dapat digunakan :

1. Optimality : apakah metode tersebut menjamin menemukan solusi yang terbaik jika terdapat beberapa solusi berbeda?
2. Space complexity : berapa banyak memori yang diperlukan
3. Time complexity : berapa lama waktu yang diperlukan? [semakin cepat, semakin baik]
4. Completeness : apakah metode tersebut menjamin penemuan solusi jika solusinya memang ada?

Dua teknik pencarian dan pelacakan

A. PENCARIAN BUTA (Blind Search)

1. Pencarian melebar pertama (Breadth – First Search)
2. Pencarian mendalam pertama (Depth – First Search)

B. PENCARIAN TERBIMBING (Heuristic search)

1. Pembangkit & Pengujian (Generate and Test)
2. Pendakian Bukit (Hill Climbing)

Blind Search

Pencarian Melebar Pertama (Breadth-First Search)

1. Semua node pada level n akan dikunjungi terlebih dahulu sebelum level n+1
2. Mulai dari akar terus ke level 1 dari kiri ke kanan
3. Kemudian ke level selanjutnya hingga solusi ditemukan

• Keuntungan

1. Tidak akan menemui jalan buntu
2. Menjamin ditemukannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti yang paling baik
3. Jika ada satu solusi maka bread-first search akan menemukannya

• Kelemahannya

1. Membutuhkan memori yang cukup banyak
2. Membutuhkan waktu yang cukup lama

Pencarian mendalam pertama (Depth-First Search)

Proses pencarian dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel.

• Keuntungan

1. Memori yang relatif kecil
2. Secara kebetulan, akan menemukan solusi tanpa harus menguji lebih banyak lagi

Source : https://aiukswkelasgkelompok7.wordpress.com/metode-pencarian-dan-pelacakan/

FUZZY LOGIC

Konsep Logika Fuzzy dicetuskan Oleh Lotfi Zadeh, seorang profesor University of California di Berkeley, dan diprcsentasikan bukan sebagai metodologi kontrol, namun sebagai suatu cara pemrosesan data yang memperbolehkan anggota himpunan parsial daripada anggota himpunan kosong atau non-anggota. Pendekatan ini pada teori himpunan tidak diaplikasikan untuk mengontrol sistem sampai tahun 70-an karena kurangnya kemampuan komputer-mini pada saat itu. Profesor Zadch beralasan bahwa masyarakat tidak butuh ketepatan. Input informasi numeris. dan mereka belum sanggup dengan kontrol adaplif yang linggİ. Jika kembalian dari kontroler daıyat diprogram untuk menerima noisy. Input yang tidak teliti, mereka akan lebih efektif dan lebih mudah diimplementasikan.

Fuzzy Logic adalah suatu cabang ilmu Artificial Intellegence, yaitu suatu pengetahuan yang membuat komputer dapat meniru kecerdasan manusia sehingga diharapkan komputer dapat melakukan hal-hal yang apabila dikerjakan manusia memerlukan kecerdasan.

Dengan kata lain fuzzy logic mempunyai fungsi untuk “meniru” kecerdasan yang dimiliki manusia untuk melakukan sesuatu dan mengimplementasikannya ke suatu perangkat, misalnya robot, kendaraan, peralatan rumah tangga, dan lain-lain.

Ada tiga proses utama jika ingin mengimplementasikan fuzzy logic pada suatu perangkat, yaitu fuzzifikasi, evaluasi rule, dan defuzzifikasi.

1. Fuzzification, merupakan suatu proses untuk mengubah suatu masukan dari bentuk tegas (crisp) menjadi fuzzy yang biasanya disajikan dalam bentuk himpunan-himpunan fuzzy dengan suatu fungsi kenggotaannya masing-masing.
2. Interference System (Evaluasi Rule), merupakan sebagai acuan untuk menjelaskan hubungan antara variable-variabel masukan dan keluaran yang mana variabel yang diproses dan yang dihasilkan berbentuk fuzzy. Untuk menjelaskan hubungan antara masukan dan keluaran biasanya menggunakan “IF-THEN”.
3. Defuzzification, merupakan proses pengubahan variabel berbentuk fuzzy tersebut menjadi data-data pasti (crisp) yang dapat dikirimkan ke peralatan pengendalian.

Berikut ini adalah beberapa bentuk implementasi fuzzy logic dalam berbagai bidang di kehidupan sehari-hari manusia :

Air Conditioner (Mitsubishi)

AC Mitsubishi menggunakan fuzzy logic dalam system control-nya seperti berikut :

“Jika suhu udara semakin hangat, daya pendinginan naik sedikit, jika udara semakin dingin, matikan daya ke bawah.”

Beberapa keuntungan yang diperoleh adalah sebagai berikut :

Mesin menjadi halus sehingga tidak cepat rusak, suhu kamar yang nyaman menjadi lebih konsisten dan peningkatan efisiensi (penghematan energi).

Vacuum Cleaner (Panasonic)

Prinsip kerja Vacuum Cleaner yang diproduksi oleh Panasonic adalah sebagai berikut :

“Karakteristik lantai dan jumlah debu yang dibaca oleh sensor inframerah dan mikroprosesor akan memilih daya yang sesuai dengan kontrol fuzzy berdasarkan karakteristik lantai.”

Karakteristik lantai meliputi jenis (kayu, semen, ubin, kelembutan karpet, karpet tebal, dll).

Pola perubahan jumlah debu yang melewati sensor inframerah dapat dideteksi.

Mikroprosesor menetapkan pengaturan yang sesuai dengan vakum dan daya motor menggunakan skema kontrol fuzzy.

Lampu merah dan hijau dari penyedot debu menunjukkan jumlah debu tersisa di lantai.

Automatic Transmission System (Nissan, Subaru, Mitsubishi)

Dalam sistem transmisi otomatis konvensional, sensor elektronik mengukur kecepatan kendaraan dan membuka throttle, and gear bergeser berdasarkan nilai-nilai variabel-variabel yang telah ditentukan.

Pada Nissan, tipe sistem ini tidak mampu memberikan performa kontrol seragam yang memuaskan untuk driver karena hanya menyediakan sekitar tiga pola pergeseran yang berbeda.

Dengan digunakannya fuzzy locgic membuat transmisi kontrol fuzzy mampu membaca beberapa variabel termasuk kecepatan kendaraan dan akselerasi, membuka throttle, laju perubahan pembukaan throttle, beban mesin, dan gaya mengemudi. Ketika variabel ini terdeteksi maka akan diberi bobot nilai dan agregat fuzzy dihitung untuk memutuskan kapan akan oper.

Kontroler ini dikatakan lebih fleksibel, halus, dan efisien, memberikan kinerja yang lebih baik. Sebuah sistem yang terintegrasi yang dikembangkan oleh Mitsubishi juga menggunakan logika fuzzy untuk kontrol aktif dari sistem suspensi, four-wheel-drive (traksi), kemudi, dan pendingin udara.

Washing Machine (Matsushita, Hitachi)

Sistem kontrol fuzzy yang digunakan pada mesin cuci ini dapat mengendalikan kualitas dan kuantitas kotoran, ukuran beban, dan jenis kain, dan mengatur siklus cuci dan jumlah deterjen sesuai. Sedangkan jumlah air di mesin cuci diukur dengan sensor cahaya.

Camcorder (Panasonic, Sanyo, Fisher, Canon)

Kamera Video menentukan fokus dan pencahayaan terbaik, terutama ketika beberapa objek dalam gambar. Juga memiliki image stabilizer untuk mengatasi tangan yang bergetar. Fuzzy Logic digunakan untuk image stabilizer pada kamera video.

Cara kerjanya adalah sebagai berikut :

Bingkai gambar saat ini dibandingkan dengan frame sebelumnya dari memori. Sebuah objek biasanya stasioner (misalnya, rumah) diidentifikasi dan pergeseran koordinat dihitung.

Pergeseran ini dikurangi dari gambar untuk mengimbangi pergerakan tangan. Sebuah algoritma fuzzy memberikan kontrol mulus / tindakan kompensasi.

Game untuk Merespon Emosi dari Teks Berbahasa Indonesia Menggunakan Klasifikasi Teks dan Logika Fuzzy.

Game sebagai media hiburan telah berkembang dengan pesat seiring dengan perkembangan teknologi. Salah satu unsur yang berperan penting dalam sebuah game adalah kecerdasan buatan. Dengan kecerdasan buatan, elemen-elemen dalam game dapat berperilaku sealami mungkin layaknya manusia.

Dalam game ini dikembangkan implementasi kecerdasan buatan dalam game dimana salah

satu elemen game yaitu NPC (Non Playable Character), mampu mengenali emosi dari teks berbahasa indonesia sekaligus merespon dengan perilaku sesuai dengan jenis emosinya. Metode yang digunakan dalam penelitian ini adalah klasifikasi teks sebagai penentu jenis emosi dalam teks dan logika fuzzy sebagai penentu perilaku dari NPC yang sesuai dengan jenis emosinya.

Penerapan Fuzzy Logic untuk keamanan dalam berkendara dengan mobil.

Dengan menggunakan fuzzy logic pada system control prosedur keamanan berkendara dengan mobil maka dapat diperoleh sebuah kenyamanan saat berkendara. Karena fuzzy logic mengontrol berbagai aspek tata cara berkendara yang benar dan tidak melanggar peraturan, seperti:

Mengukur jarak antara mobil kita dengan mobil di depan dan mobil di belakang, mengukur dan membatasi kecepatan mobil kita saat berkendara di jalan dalam kota dan jalan tol, mengatur kecepatan mobil dan presisi kendali mobil saat melewati sebuah tikungan (diperhitungkan tingkat kecuraman tikungan), pengaturan kecepatan mobil saat ingin menyalip mobil di depan dan berbagai hal lainnya yang dapat memberikan kenyamanan serta rasa aman pada manusia dalam berkendara.

Sumber:

1. Kusrini. 2008. Aplikasi Sistem Pakar. Yogyakarta: Penerbit ANDI
2. Link 1
3. Link 2

ARTIFICIAL INTELEGENCE

Artificial Intelligence atau AI dalam bahasa Indonesia artinya Kecerdasan Buatan yaitu kecerdasan yang ditunjukkan oleh suatu entitas ilmiah. Kecerdasan dibuat dan dimasukkan ke dalam suatu mesin/ komputer supaya bisa melakukan pekerjaan seperti yang bisa dikerjakan oleh manusia. Contohnya adalah kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, perencanaan dan penjadwalan, pengendalian, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah di kehidupan yang nyata. Terdapat macam-macam bidang yang menggunakan kecerdasan buatan diantaranya yaitu: game komputer, sistem pakar, jaringan syaraf tiruan, logika fuzzy dan robotika.

Contoh Penerapan Artificial Intelligence:

• SYSTRAN.

perangkat lunak untuk penerjemahan bahasa.

• Delco Electronics.

Mobil yang dapat mengemudikan sendiri yang menggunakan pendeteksi tepi untuk tetap bertahan di jalan.

• Deep Blue.

program catur 1997 yang mengalahkan Garry Kasparov pecatur dunia.

• Volkswagen AG.

Sistem pengemudi kendaraan otomatis yang diciptakan oleh Jerman.

SISTEM PAKAR

Sistem pakar adalah aplikasi berbasis komputer yang digunakan unluk menyelesaikan masalah secbagaimana yang dipikirkan oleh pakar. Pakar yang dimaksud di sini adalah orang yang mempunyai keahlian khusus yang dapal menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam. Sebagai contoh, dokter adalah seorang pakar yang mampu mendiagnosis penyakıt yang diderita pasien serta dapat memberikan penatalaksanaan terhadap penyakit tersebut. Tidak semua orang dapat mengambil keputusan mengenai diagnosis dan memberikan penatalaksanaan suatu penyakit. Contoh yang lain, montir adalah seorang yang punya keahlian dan pengalaman dalam menyelesaikan kerusakan mesin motor/mobil; psikolog adalah orang yang ahli dalanı memahami kepribadian seseorang, dan lain-lain.

Sistem Pakar, yang mencoba memecahkan masalah yang biasanya hanya bisa dipecahkan oleh seorang pakar. dipandang berhasil ketika mampu mengambil keputusan seperti yang dilakukan oleh pakar aslinya baik dari sisi proses pengambilan keputusannya maupun hasil keputusan yang diperoleh.

Sistem Pakar berasal dari dua kata yaitu sistem dan pakar. Sistem adalah beberapa elemen yang di tekankan adalah efektifitas(untuk mencapai suatu tujuan). Pakar adalah seseorang yang ahli pada suatu bidang. 

Sistem pakar (expert system) secara umum adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Atau dengan kata lain sistem pakar adalah sistem yang didesain dan diimplementasikan dengan bantuan bahasa pemrograman tertentu untuk dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli. Diharapkan dengan sistem ini, orang awam dapat menyelesaikan masalah tertentu baik ‘sedikit’ rumit ataupun rumit sekalipun ‘tanpa’ bantuan para ahli dalam bidang tersebut. Sedangkan bagi para ahli, sistem ini dapat digunakan sebagai asisten yang berpengalaman.

Contoh Implementasi dari Sistem Pakar:

 Aplikasi Sistem Pakar di Bidang Kesehatan.

Pengembangan sebuah sistem pakar dapat dilakukan dengan 2 cara. Cara pertama adalah dengan membangun sendiri semua komponen di atas, sedangkan cara kedua adalah dengan memakai semua komponen yang sudah ada, kecuali isi basis pengetahuan. Penggunaan cara kedua disebut sebagai membangun sistem pakar dengan shell.

E2gLite adalah sebuah shell sistem pakar yang dikembangkan oleh Expertise2Go yang berbasis internet dan dilengkapi applet Java. E2gLite memberikan kemudahan dalam hal pembangunan sistem pakar serta pelaksanaan konsultasi oleh pengguna. Basis pengetahuan

berupa file teks yang berisi fakta dan aturan yang dapat dibuat dengan editor teks dan disimpan sebagai file *.kb, sedangkan pengguna cukup menggunakan browser umum yang memiliki fitur Java seperti Netscape Navigator dan Internet Explorer. Jika Internet Explorer yang terinstall tidak mempunyai fitur Java, dapat ditambah dengan menginstall Microsoft Virtual Machine Proxy Server. E2gLite dapat didownload dari http://www.Expertise2go.com secara gratis.

Kelebihan e2gLite terletak pada kemudahan akses dan penggunaannya. Kemudahan akses, karena e2gLite yang berisi applet Java dan basis pengetahuan dapat didownload ke browser pengguna. Kemudahan penggunaan, karena suatu applet Java sangat mudah untuk diikutsertakan didalam sebuah halaman web sebagai objek grafis, dan dapat disisipkan ke

dalam sebuah sel dalam tabel HTML untuk memfasilitasi pengaturan halaman secara fleksibel serta integrasi sistem pakar dengan halaman web yang lain. Namun demikian e2gLite juga memiliki kekurangan, antara lain waktu startup yang lama, sehingga lebih cocok untuk sistem pakar berskala kecil dengan basis pengetahuan yang mengandung kurang dari 100 aturan.

Kekurangan kedua, adalah basis pengetahuan yang berupa file teks dapat dibaca oleh siapapun karena bersifat publik atau dapat diakses oleh siapapun. Dengan demikian desain dari basis pengetahuan sistem pakar yang dibuat tidak dapat dijaga kerahasiaannya. Kekurangan lainnya berhubungan dengan kompatibilitas browser. Microsoft telah mengumumkan pemisahan antara JVM (Java Virtual Machine) dari versi Internet Explorer yang diinstall mulai sistem operasi Windows XP. Hal ini akan menyebabkan semua halaman web yang mengandung applet menjadi gagal untuk diakses, kecuali pengguna secara khusus menginstall JVM.

 Aplikasi Sistem Pakar di bidang Manajerial.

1. Analisis

o Interpretasi

• Analisa pasar untuk komoditi tertentu

• Identifikasi media iklan yang sesuai

• Identifikasi kebutuhan pelatihan

o Diagnostik 

• Diagnosa kelesuan perusahaan dan usaha penyembuhan

2. Sintesa 

o Penarikan tenaga kerja

o Strategi penentuan harga

o Strategi pengembangan produk

3. Integrasi 

o Prediksi perkembangan nilai pada bursa saham efek

Salah satu bagian dari Sistem Pakar adalah kemampuan untuk menjelaskan sebuah pemikiran. Pada saat sistem ini mengingat rantai pemikiran logisnya, seorang pemakai boleh meminta suatu penjelasan dari suatu masalah dan sistem akan meberikan beberapa faktor yang berhubungan dengan masalah yang ditanyakan oleh pengguna itu. Bagian ini meningkatkan kepercayaan para pemakai didalam memecahkan masalah menggunakan Sistem Pakar.

 Aplikasi Sistem Pakar Dalam Bidang Farmakologi Dan Terapi.

Implementasi sistem pakar dalam bidang farmakologidan terapi sebagai pendukung pengambilan keputusan berbasis web dibuat dengan dasar pemikiran sebagai berikut : farmakologi dan terapi merupakan suatu sistem yang besar dan komplek. Tugas farmakologi dan terapi adalah mencari dasar penggunaan obat secara rasional untuk tindakan medis yang tepat, cepat dan akurat pada saat diperlukan. Dasar penggunaan obat tersebut disesuaikan dengan diagnosis penyakit yang dilakukan secara cermat berdasarkan keluhan-keluhan yang

dirasakan oleh pasien. Implementasi farmakologi dan terapi di lapangan secara konvensional dituangkan dalam buku panduan yang dikeluarkan oleh dokter yang bersangkutan dan dilaksanakan oleh pihak-pihak yang bertanggungjawab terhadap masalah farmakologi dan

terapi. Kenyataannya dengan menggunakan buku panduan terdapat beberapa kelemahan diantaranya :

• Prosedur yang tertulis sangat baku sehingga memasung inovasi dan improvisasi operator.

• Perlu dilakukan revisi secara berkala menyesuaikan kondisi yang ada.

• Kurang komunikatif bagi para operator yang belum berpengalaman.

Kelemahan seperti ini menyebabkan tidak jarang para operator melaksanakan tugasnya hanya didasarkan pada pengetahuannya masing-masing, padahal tidak ada

jaminan mereka memiliki kemampuan yang sama (Prakasa, 1996), khususnya dalam hal farmakologi dan terapi. Oleh karena itu perlu dibuat suatu sistem pengolah informasi yang berkecerdasan untuk membantu tugastugas dokter dalam mendiagnosis suatu penyakit pada saat diperlukan untuk kemudian diambil keputusan penggunaan obat yang sesuai.

Implementasi sistem pakar dalam bidang farmakologi dan terapi sebagai pendukung pengambilan keputusan berbasis web diharapkan dapat digunakan untuk mendukung terciptanya sistem informasi berkecerdasan berbasis komputer dalam bidang kesehatan yang

mendudukkan paramedis non dokter dan mahasiswa kedokteran sebagai dokter pada saat diperlukan dan membantu tugas-tugas dokter dalam memberikan pelayanan kesehatan pada masyarakat.

Secara garis besar sistem pakar dalam bidang farmakologi dan terapi dibuat dengan tuntutan untuk melakukan tugas sebagai berikut : (1). Mengambil datadata hasil pemeriksaan kondisi pasien, (2). Memasukan dan membandingkan data-data tersebut ke dalam kaidahkaidah yang telah dituliskan dalam basis pengetahuan, (3). Mendeskripsikan kondisi pasien berdasarkan kesimpulan yang didapat dari hasil membandingkan seperti yang telah

dilakukan pada tugas (2). Deskripsi kondisi pasien sebagai output sistem pakar dalam bidang farmakologi dan terapi memuat kondisi umum pasien, diagnosis penyakit dan terapi-terapi yang dapat dilakukan, baik dengan obat, herbal maupun suplemen.

Implementasi sistem pakar dalam bidang farmakologi dan terapi sebagai pendukung pengambilan keputusan berbasis web merupakan suatu program yang terdiri dari dua jenis program. Kedua jenis program tersebut adalah program konvensional dan program sistem pakar. Program konvensional digunakan untuk proses iterasi dan untuk mengolah basis data, sedangkan program sistem pakar digunakan dalam proses inferensial dan untuk mengolah basis pengetahuan. 

 Aplikasi Sistem Pakar Dalam Bidang Psikologis.

Salah satu implementasi yang diterapkan sistem pakar dalam bidang psikologi, yaitu untuk sistem pakar menentukan jenis gangguan perkembangan pada anak. Anak-anak merupakan fase yang paling rentan dan sangat perlu diperhatikan satu demi satu tahapan perkembangannya. Contoh satu bentuk gangguan perkembangan adalah conduct disorder. Conduct disorder adalah satu kelainan perilaku dimana anak sulit membedakan benar salah atau baik dan buruk, sehingga anak merasa tidak bersalah walaupun sudah berbuat kesalahan. Dampaknya akan sangat buruk bagi perkembangan sosial anak tersebut. Oleh karena itu dibangun suatu sistem pakar yang dapat membantu para pakar/psikolog anak untuk menentukan jenis gangguan perkembangan pada anak dengan menggunakan metode Certainty Factor (CF).

Contoh lain implementasinya adalah tes kepribadian. aplikasi tes kepribadian berbasiskan sistem pakar ini, lebih mudah dan lebih cepat dalam proses pengukuran kepribadian dibandingkan metode terdahulu, sehingga memberikan banyak keuntungan dari segi penghematan waktu, tenaga, dan memudahkan kinerja user (pemakai) dalam mengukur kepribadiannya masing-masing. Selain itu aplikasi tes kepribadian ini dikemas dengan tampilan yang cukup menarik.

Bagi masyarakat yang ingin mengetahui ukuran kepribadiannya, mereka dapat menggunakan aplikasi ini sebagai referensi, dan bagi para mahasiswa khususnya mahasiswa psikologi, aplikasi ini dapat dijadikan tambahan untuk mendukung studi mereka terutama untuk sub bidang pengukuran kepribadian.

Namun demikian, aplikasi tes kepribadian berbasiskan sistem pakar ini tidak bisa menggantikan seorang ahli karena dia pakar di bidangnya. Aplikasi sistem pakar ini hanyalah alat bantu yang sangat bergantung pada data-data yang di-input oleh seorang programmer sehingga aplikasi sistem pakar ini haruslah selalu dikembangkan.

Tools yang disediakan oleh Visual Basic.NET 2008 sudah sangat mengakomodir dalam proses pembuatan aplikasi ini. Selain itu, Visual Basic.NET 2008 dapat dengan baik melakukan koneksi database ke sql server. 

Sumber:

1. Kusrini. 2008. Aplikasi Sistem Pakar. Yogyakarta: Penerbit ANDI
2. Link 1
3. Link 2

ARTIFICIAL NEURAL NETWORK

Sebuah Artificial Neural Network (ANN) adalah paradigma pengolahan informasi yang terinspirasi oleh sistem syaraf secara biologis, seperti otak. Elemen kunci dari paradigma Artificial Neural Network adalah struktur novel dari sistem  pengolahan informasi. Terdiri dari sejumlah elemen pemrosesan yang saling  berhubungan (neuron) yang sangat besar, bekerja serentak untuk menyelesaikan masalah tertentu (Pricipe,2000).

Seperti manusia yang belajar dari contoh, demikian juga dengan Artificial  Neural Network. Sebuah Artificial Neural Network dikonfigurasi untuk aplikasi tertentu, seperti klasifikasi pengenalan pola atau data, melalui proses pembelajaran. Belajar dalam sistem biologis melibatkan penyesuaian terhadap koneksi sinaptik yang ada antara neuron. Hal ini berlaku juga pada Artificial Neural Network dimana memperoleh pengetahuan melalui pembelajaran, dan pengetahuan yang disimpan dalam koneksi antar-neuron yang kuat dan dikenal sebagai bobot sinaptik (Alyda,2006).

Salah satu penerapan Artificial Neural Network  adalah digunakan untuk  pengenalan karakter optik yang dikenal dengan Optical Character Recognation. Optical Character Recognition merupakan suatu teknologi yang memungkinkan mesin (komputer) secara otomatis dapat mengenali karakter lewat suatu mekanisme optik. Proses yang dilakukan adalah mengubah citra yang mengandung karakter-karakter di dalamnya ke dalam informasi yang dapat dimanipulasi oleh mesin.

Bidang-bidang penelitian yang memanfaatkan jaringan saraf tiruan diantaranya:

- Aeorospace
Autopilot pesawat terbang, simulasi jalur penerbangan, system kendali pesawat, perbaikan autopilot dan simulasi komponen pesawat.

- Otomotif
Sistem kendali otomatis mobil.

- Keuangan dan Perbankan
Pendeteksian uang palsu, evaluator aplikasi kredit, pengidentifikasian pola-pola data pasar saham.

- Pertahanan (Militer)
Pengendali senjata, pendeteksi bom, penelusuran target, pembedaan objek, pengendali sensor, sonar, radar, dan pengolahan sinyal citra yang meliputi kompresi data, ektrasksi bagian istimewa dan penghilangan derau, pengenalan sinyal atau citra.

- Elektronik
Pembuatan perangkat keras yang bias mengimplementasikan jaringan saraf tiruan secara efisien (pendesainan VLSI), machine vision, pengontrol gerakan dan penglihatan robot, sintesis suara.

- Broadcast
Pencarian klip berita melalui pengenalan wajah.


Sumber:

1. David A. Forsyth, Jean Ponce, 2003. Computer Vision : A Modern Approach. Pearson Education International.
2. Link 1
3. Link 2

Manajemen Layanan Teknologi Informasi, Tugas 3

Berikut ini merupakan tugas ketiga dari Mata Kuliah Manajemen Layanan Sistem Informasi # (Mata Kuliah Softskill), merangkum beberapa bab dari buku "METRICS for IT Service Management".
- Untuk melihat file, silahkan Klik Disini
- Untuk mengunduh file (PDF), silahkan Klik Disini

Manajemen Layanan Teknologi Informasi, Tugas 2

Tugas Kedua Mata Kuliah Manajemen Layanan Sistem Informasi # (Mata Kuliah Softskill), merangkum beberapa bab dari buku "IT Service Management" A Guide for ITIL . Foundation Exam Candidates, Second Edition. 
- Untuk melihat file, silahkan Klik Disini
- Untuk mengunduh file (PDF), silahkan Klik Disini

Manajemen Layanan Teknologi Informasi, Tugas 1

Information Technology Infrastructure Library ( I.T.I.L)

Berikut adalah Materi yang di tugaskan untuk Mata Kuliah Softskill (Manajemen Layanan Teknologi Informasi) oleh Dosen Ibu Lily Wulandari :

1. Service Strategy (Strategi Pelayanan) klik disini.

2. Service Design (Desain Pelayanan) klik disini.