Tugas 13 Kecerdasan Buatan

Nama              : Pascal Aditia Muclis

Nim                  : 20180040063

Kelas               : TI18C

Tugas sesi 13

Sistem Inferencei Fuzzy

1. Sistem inferensi fuzzy merupakan kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN, dengan penalaran fuzzy. Sistem inferensi fuzzy menerima input crisp. Input ini kemudian dikirim ke basis pengetahuan yang berisi n aturan fuzzy dalam bentuk IF-THEN. Fire strength akan dicari pada setiap aturan. Apabila jumlah aturan lebih dari satu, maka akan dilakukan agregasi dari semua aturan. Selanjutnya, pada hasil agregasi akan dilakukan defuzzy untuk mendapatkan nilai crisp sebagai output sistem. Pendekatan fuzzy logic secara garis besar diimplementasikan dalam tiga tahapan yang dapat dijelaskan sebagai berikut :

1. Tahap pengaburan (fuzzification) yakni pemetaan dari masukan tegas ke himpunan kabur.

2. Tahap inferensi, yakni pembangkitan aturan kabur.

3. Tahap penegasan (defuzzification), yakni tranformasi keluaran dari nilai

4. Kabur ke nilai tegas.

2. 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, seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran.

3. Adaptive Neuro Fuzzy Inference System

ANFIS (Adaptive Neuro Fuzzy Inference Systems) merupakan salah satu sistem dalam kelompok neuro-fuzzy yaitu sistem hybrid dalam soft computing. Sistem hybrid merupakan padupadan atau gabungan dari setidaknya dua metode soft computing dengan tujuan untuk memperoleh algoritma yang lebih sempurna.

4. Software yang digunakan

    4.1. Matlab

Matlab mengintegrasi komputasi, visualisaian pemrograman pada perangkat yang mudah digunakan dimana permasalahan dan penyelesaia dapat diekspresikan dengan notasi matematika yang familiar. Matlab dikembangkan oleh MathWork. Inc / /www .mathwork.com. Penggunaan kata matlab sendiri memiliki kepanjangan “Matrix Laboratory”, hal ini berkatian dengan penggunaan matlab untuk memanipulasi matrik, melakukan plotting fungsi dan data, implementasi algoritma serta penggunaan aljabar pada perangkat komputer. Matlab sendiri diciptakan pada akhir tahun 1970-an oleh Cleve Moler dari Universitas New Mexico. Dalam perkembangannya matlab versi setalah tahun 1980-an ditulis dengan bahasa pemrograman C. Matlab dalam penggunaannya hingga saat ini lebih terkenal untuk bidang aljabar linear, analisis numerik dan pengolahan citra.

5. Metodologi Penelitian

Dalam melakukan penelitian ini yang dilakukan pada SMK Negeri 1 Kota Sukabumi, langkah pertama yang dilakukan adalah mengumpulkan informasi yang dibutuhkan antara lain komptensi pedagogik yang meliputi pelaksanaan pembelajaran di kelas, kompetensi professional yang meliputi penilaian rencana pembelajaran dan kehadiran jumlah jam wajib, kompetensi kepribadian yang meliputi kehadiran, penampilan dan sikap dan kompetensi kedisiplinan yang meliputi kedisiplinan datang dan pulang saat KBM sesuai dengan jadwal yang telah ditemtukan kurikulum. Data yang diperoleh kemudian dimasukkan sebagai input dari Adaptive Neuro Fuzzy Inference Sistem (ANFIS), Sedangkan outputnya adalah kelayakan sertifikasi seorang guru dengan layak dan tidak layak.

5.1 Langkah Penelitian

Penelitian ini meliputi beberapa langkah penelitian, yaitu sebagai berikut ini:

1. Menentukan parameter yang digunakan yang nantinya digunakan untuk mendiagnosa permasalahan

2. Melakukan fuzzyfikasi parameter

3. Membentuk jaringan syaraf tiruan

5.2 Metode pemilihan Sampel

Penelitian ini menggunakan jenis penelitian kuantitatif, dimana proses pengambilan data didapatkan dari supervise yang diadakan sekolah melalui pihak terkait, seperti Pengawas Pembina Sekolah, Kepala Sekolah, Kepala Jurusan dan Ketua Program Keahlian. Sampel yang diteliti adalah Guru PNS Pengajaran Umum dan Jurusan Elektronika Industri yang berjumlah 53 Orang pada tahun ajaran 2012.

5.3 Metode pengumpulan data Dalam penelitian ini, penulis menggunakan metode wawancara dan quisioner yang didapat dari dari pihak terkait, seperti kasubag kepegawaian, Kepala Jurusan Pengajaran Umum, Kasie Operasional dan pengembangan mutu dan lain sebagainya. Dimana semua data tersebut merupakan kegiatan supervisi yang diadakan setiap tahun dan menjadiagenda rutin sekolah dalam memonitor kinerja para karyawannya.

5.4 Instrument Penelitian

1.  Quisioner penilai kinerja guru

2. Spesifikasi kelengkapan perangkat lunak dan perangkat keras yang digunakan

3.  Uji kehandalan GUI dengan Metode SQA (Software Quality Assurance)

6.  Metode analisis Dalam penelitian ini digunakan Matlab sebagai perangkat lunak yang digunakan implementasi model simulasi dengan metode ANFIS, yang nantinya menghasilkan model FIS. Dengan software ini akan didapatkan kemudahan dalam mengimplementasikan model FIS ke dalam perangkat lunak.

6.1  Analisis Deskriptif Adapun tujuan dari analisis ini adalah guna memperoleh data supervisi yang memang telah ada di SMK Negeri 1 Kota Sukabumi pada tahun pelajaran 2012, dimana meliputi kompetensi pedagogik, professional, kepribadian dan kompetensi kedisiplinan yang masing-masing kompetensi tersebut terdiri dari beberapa indikator penilaian.

6.2  Analisis Inferential Dalam analisis ini terdapat proses penganalisaan data dan pengujian hipotesis dengan menggunkana algortima hybrid dan algoritma backpropagasi. Dimana tujuan dari analisis ini yakni untuk menghasilkan parameter yang paling optimal dari masalah yang dikaji dalam penelitian ini.

 7. Hasil Penelitian

7.1 Hasil Data pada penelitian ini dibagi menjadi dua bagian, yaitu :

1. 40 data pertama digunakan sebagai data training (data pembelajaran)

2. 17 data kedua digunakan sebagai data testing (data validitas)

7.2 Simulasi ANFIS Adapun tahapan proses simulasi meliputi beberapa tahapan, diantaranya sebagai berikut ini :

1. Tahapan load data (pemasukan data)

2. Tahapan generate FIS (membangkitkan FIS)

3. Tahapan Training FIS (pembelaran FIS)

4. Tahapan Testing FIS (validasi FIS)

7.2.1 Tahap Load Data Dalam tahapan ini, terjadi proses pemasukan data setelah terlebih dahulu melalui pengolahan. Dalam hal ini data yang dimasukan ber-ekstensi DAT yang diedit dari editor notepad. Data yang 7 dimasukan merupakan data training yang terdiri dari 40 sampel guru dan 13 sampel untuk data testing.

7.2.2 Tahap Generate FIS Pada tahapan ini dibangkitkan terlebij dahulu struktur dari model FIS yang nantinya akan dibuat, sebelum melakukan proses pembelajaran

Kesimpulan

1. Dari hasil simulasi ANFIS yang dilakukan dengan Matlab dengan dengan menggunakan algoritma hybrid dan backpropasi serta proses pembelajaran dan validasi yang dilakukan, diperoleh nilai yang paling optimal dari proses pembelajaran menghasilkan RMSE 7,8166 x 10-5 menggunakan fungsi keanggotaan Trimf dengan algoritma hybrid, sementara proses validasi nilai yang paling optimal menghasilkan RMSE 23,995 menggunakan fungsi keanggotaan Gbellmf dengan algoritma hybrid.

2. Setelan dilakukan quisioner terhadap GUI yang dibuat, maka diperoleh nilai rata-rata sekitar 81,7. Hal ini menunjukkan bahwa GUI yang dibuat memenuhi standar SQA yakni 80, meskipun demikian nilai tersebut belum bisa dikatakan sepenuhnya benar, karena audience yang menguji GUI ini hanya 5 orang dari jabatan/posisi yang berbeda, sehingga nilai rata-rata yang sebaiknya minimal terdiri ¾ dari sampling guru yang diuji dalam penelitian ini