Kecerdasan Buatan Dalam Menghayal

DEFINISI
Kecerdasan buatan (Artificial Intelligence) :
Bagian dari ilmu komputer  yang mempelajari bagaimana  membuat mesin (komputer) dapat
melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik
daripada yang dilakukan manusia.
Menurut John McCarthy, 1956, AI :
Untuk mengetahui dan memodelkan proses – proses berpikir manusia dan mendesain mesin
agar dapat menirukan perilaku manusia.
Cerdas =  memiliki pengetahuan + pengalaman, penalaran (bagaimana membuat keputusan &
mengambil tindakan), moral yang baik
Manusia cerdas (pandai) dalam menyelesaikan permasalahan karena manusia mempunyai pengetahuan
& pengalaman. Pengetahuan diperoleh dari belajar. Semakin banyak bekal pengetahuan yang dimiliki
tentu akan lebih mampu menyelesaikan permasalahan. Tapi bekal pengetahuan saja tidak cukup,
manusia juga diberi akal untuk melakukan penalaran,mengambil kesimpulan berdasarkan pengetahuan
& pengalaman yang dimiliki. Tanpa memiliki kemampuan untuk menalar dengan baik, manusia dengan
segudang pengalaman dan pengetahuan tidak akan  dapat menyelesaikan masalah dengan baik.
Demikian juga dengan kemampuan menalar yang  sangat baik,namun tanpa  bekal pengetahuan dan
pengalaman yang memadai,manusia juga tidak akan bisa menyelesaikan masalah dengan baik.
Agar mesin  bisa cerdas (bertindak seperti & sebaik manusia) maka harus diberi bekal pengetahuan &
mempunyai kemampuan untuk menalar.
2  bagian utama yg dibutuhkan untuk aplikasi kecerdasan buatan :
a. basis pengetahuan (knowledge base): berisi fakta-fakta, teori, pemikiran & hubungan antara satu
dengan lainnya.
b. motor inferensi (inference engine) : kemampuan menarik kesimpulan berdasarkan pengalaman

BEDA KECERDASAN BUATAN & KECERDASAN ALAMI
Kelebihan kecerdasan buatan :
1.  Lebih bersifat permanen. Kecerdasan alami bisa berubah karena sifat manusia pelupa.
Kecerdasan buatan tidak berubah selama sistem komputer & program tidak mengubahnya.
2.  Lebih mudah diduplikasi & disebarkan. Mentransfer pengetahuan manusia dari 1 orang ke
orang lain membutuhkan proses yang sangat lama & keahlian tidak akan pernah dapat
diduplikasi dengan lengkap.Jadi jika pengetahuan terletak pada suatu sistem komputer,
pengetahuan tersebut dapat disalin dari komputer tersebut & dapat dipindahkan dengan mudah
ke komputer yang lain.
3.  Lebih murah. Menyediakan layanan komputer akan lebih mudah & murah dibandingkan
mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang
sangat lama.
4.  Bersifat konsisten karena kecerdasan buatan adalah bagian dari teknologi komputer sedangkan
kecerdasan alami senantiasa berubah-ubah
5.  Dapat didokumentasi.Keputusan yang dibuat komputer dapat didokumentasi dengan mudah
dengan cara melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk
direproduksi.
6.  Lebih cepat
7.  Lebih baik
Kelebihan kecerdasan alami :
1.  Kreatif : manusia memiliki kemampuan untuk menambah pengetahuan,   sedangkan pada kecerdasan buatan untuk menambah pengetahuan harus dilakukan melalui sistem yang dibangun.
2.  Memungkinkan orang untuk menggunakan pengalaman secara langsung. Sedangkan pada
kecerdasan buatan harus bekerja dengan input-input simbolik.
3.  Pemikiran manusia dapat digunakan secara luas, sedangkan kecerdasan buatan sangat terbatas.
BEDA KECERDASAN BUATAN & PROGRAM KONVENSIONAL

Program kecerdasan buatan dapat ditulis dalam semua bahasa komputer, baik dalam bahasa C, Pascal,
Basic, dan bahasa pemrograman lainnya. Tetapi dalam perkembangan selanjutnya, dikembangkan
bahasa pemrograman yang khusus untuk aplikasi kecerdasan buatan yaitu LISP dan PROLOG.
SEJARAH KECERDASAN BUATAN
Tahun 1950 – an Alan Turing, seorang pionir AI dan ahli matematika Inggris melakukan percobaan
Turing (Turing Test) yaitu sebuah komputer melalui terminalnya ditempatkan pada jarak jauh. Di ujung
yang satu ada terminal dengan software AI dan diujung lain ada sebuah terminal dengan seorang
operator. Operator itu tidak mengetahui kalau di ujung terminal lain dipasang software AI. Mereka
berkomunikasi  dimana terminal di ujung memberikan respon terhadap serangkaian pertanyaan yang
diajukan oleh operator. Dan sang operator itu mengira  bahwa ia sedang berkomunikasi dengan
operator lainnya yang berada pada terminal lain.
Turing beranggapan bahwa jika mesin dapat membuat seseorang percaya bahwa dirinya mampu
berkomunikasi dengan orang lain, maka dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya
manusia).
KECERDASAN BUATAN PADA APLIKASI KOMERSIAL
Lingkup utama kecerdasan buatan :
1.  Sistem pakar (expert system) : komputer sebagai sarana untuk menyimpan pengetahuan para
pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan meniru
keahlian yang dimiliki pakar.
2.  Pengolahan bahasa alami (natural language processing) : user dapat berkomunikasi dengan
komputer menggunakan bahasa sehari-hari, misal bahasa inggris, bahasa indonesia, bahasa
jawa, dll
3.  Pengenalan ucapan (speech recognition) : manusia dapat berkomunikasi dengan komputer
menggunakan suara.
4.  Robotika & sistem sensor
5.  Computer vision : menginterpretasikan gambar atau objek-objek tampak melalui komputer
6.  Intelligent computer-aided instruction : komputer dapat digunakan sebagai tutor yang dapat
melatih & mengajar
7.  Game playing
SOFT Computing
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. Soft computing mengeksploitasi adanya toleransi terhadap
ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dan dikendalikan
dengan mudah agar sesuai dengan realita (Prof. Lotfi A Zadeh, 1992).
Metodologi-metodologi yang digunakan dalam Soft computing adalah :
1.  Sistem Fuzzy (mengakomodasi ketidaktepatan) Æ Logika Fuzzy (fuzzy logic)
2.  Jaringan Syaraf (menggunakan pembelajaran) Æ Jaringan Syaraf Tiruan (neurall network)
3.  Probabilistic Reasoning (mengakomodasi ketidakpastian)
4.  Evolutionary Computing (optimasi) Æ Algoritma Genetika
II. MASALAH DAN METODE PEMECAHAN MASALAH
Sistem yang menggunakan kecerdasan buatan akan memberikan output berupa solusi dari suatu masalah berdasarkan kumpulan pengetahuan yang ada.

Pada gambar, input yg diberikan pada sistem yg menggunakan kecerdasan buatan adalah berupa
masalah. Sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan.
Sistem harus memiliki motor inferensi agar mampu mengambil kesimpulan berdasarkan fakta atau
pengetahuan. Output yang diberikan berupa solusi masalah sebagai hasil dari inferensi.
Secara umum, untuk membangun suatu sistem yang mampu menyelesaikan masalah, perlu
dipertimbangkan 4 hal :
1.  Mendefinisikan masalah dengan tepat.
Pendefinisian ini mencakup spesifikasi yang tepat mengenai keadaan awal dan solusi yang
diharapkan.
2.  Menganalisis masalah tersebut serta mencari beberapa teknik penyelesaian masalah yang
sesuai.
3.  Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah tersebut.
4.  Memilih teknik penyelesaian masalah yang terbaik
MENDEFINISIKAN MASALAH SEBAGAI SUATU RUANG KEADAAN
Misalkan permasalahan yang dihadapi adalah permainan catur, maka harus ditentukan :
1.  posisi awal pada papan catur
posisi awal setiap permainan catur selalu sama, yaitu semua bidak diletakkan di atas papan catur dalam 2 sisi, yaitu kubu putih dan kubu hitam.
2.  aturan – aturan untuk melakukan gerakan
aturan – aturan ini sangat berguna untuk menentukan gerakan suatu bidak, yaitu melangkah dari satu keadaan ke keadaan lain. Misalkan untuk mempermudah menunjukkan posisi bidak, setiap kotak ditunjukkan dalam huruf (a,b,c,d,e,f,g,h) pada arah horisontal dan angka (1,2,3,4,5,6,7,8)
pada arah vertikal. Suatu aturan untuk menggerakkan bidak dari posisi (e,2) ke (e,4) dapat ditunjukkan dengan aturan :
if  bidak putih pada kotak(e,2),
and kotak(e,3) kosong,
and kotak(e,4) kosong
then gerakkan bidak dari (e,2) ke (e,4)
3.  tujuan (goal)
tujuan yang ingin dicapai adalah posisi pada papan catur yang menunjukkan kemenangan seseorang terhadap lawannya. Kemenangan ini ditandai dengan posisi raja yang sudah tidak dapat bergerak lagi.
Contoh tersebut menunjukkan representasi masalah dalam Ruang Keadaan (State Space), yaitu suatu ruang yang berisi semua keadaan yang mungkin. Kita dapat memulai bermain catur dengan menempatkan diri pada keadaan awal, kemudian bergerak dari satu keadaan ke keadaan yang lain sesuai dengan aturan yang ada, dan mengakhiri permainan jika salah satu telah mencapai tujuan.
Jadi untuk mendeskripsikan masalah dengan baik harus :
1.  Mendefinisikan suatu ruang keadaan (state space)
2.  Menetapkan satu atau lebih keadaan awal (initial state)
3.  Menetapkan satu atau lebih tujuan (goal state)
4.  Menetapkan kumpulan aturan
Ada beberapa cara untuk merepresentasikan Ruang Keadaan, antara lain :
GRAPH KEADAAN
Graph terdiri dari node-node yang menunjukkan keadaan yaitu keadaan awal dan keadaan baru yang
akan dicapai dengan menggunakan operator. Node-node dalam graph keadaan saling dihubungkan
dengan menggunakan arc (busur) yang diberi panah untuk menunjukkan arah dari suatu keadaan ke
keadaan berikutnya.

Graph keadaan dengan node M menunjukkan keadaan awal, node T adalah tujuan. Ada 4 linta
M ke T :
M-A-B-C-E-T
M-A-B-C-E-H-T
M-D-C-E-T
M-D-C-E-H-T
Lintasan buntu atau lintasan yang tidak sampai ke tujuan :
M-A-B-C-E-F-G
M-A-B-C-E-I-J
M-D-C-E-F-G
M-D-C-E-I-J
M-D-I-J
POHON PELACAKAN / PENCARIAN
Struktur pohon digunakan untuk menggambarkan keadaan secara hirarkis. Node yg terletak pa
o disebut ’akar’.
Node akar  : menunjukkan keadaan awal & memiliki beberapa percabangan yang terdiri atas b
node yg disebut ’anak’ .
Node-node yg tidak memiliki anak disebut ’daun’ menunjukkan akhir dari suatu pencarian, dap
berupa tujuan yang diharapkan (goal) atau jalan buntu (dead end).
Gambar berikut menunjukkan pohon pencarian untuk graph keadaan dengan 6 level.

Aljabar Relasional SQL (Sructured Query Language)

Bahasa query formal basis data relasional adalah bahasa untuk meminta informasi dari basis data. Sebelum basis data relasional, query terhadap basis data merupakan tugas yang sangat sukar. Pemogram harus berususan dengan skema fisik internal dari basis data.
Bahasa query relasional misalkan SQL (sructured query language) berbeda dengan bahasa
pemrograman konvensional. Di SQL, kita menspesifikasikan  properti – properti informasi yang hendak
diambil tapi tidak mencantumkan rincian algoritma pengambilan. SQL adalah deklaratif,  yaitu pada
query dideklarasikan informasi yang merupakan jawaban yang dikehendaki bukan cara komputasi.
Query kompleks  yag diperlukan pada kebanyakan aplikasi nyata memerlukan  pengetahuan
mendalam mengenai bahasa da semantiknya. Bahasa query  relasional formal merupakan  bahasa
antara yang digunakan basis data, yaitu SQL dikonversi menjadi bahasa  rlasional formal sehingga
dapa diterapkan sekumpulan informasi untuk memperoleh query paling efisien. Terdapat dua jenis
bahasa query relasional formal yang utama, yaitu:
1.  Aljabar relasional.
2.  Kalkulus relasional.
9.1. Aljabar relasional
Relational Algebra  (aljabar relasional) merupakan kumpulan operasi terhadap relasi
dimana setiap operasi menggunakan satu atau lebih relasi untuk menghasilkan satu relasi yang
baru dan termasuk kategori prosedural dan juga menyediakan seperangkat operator untuk
memanipulasi data.
Terdapat  lima operasi dasar dalam aljabar relasional, yaitu:
1.  Selection ( σ )
2.  Projection ( π )
3.  Cartesian – product ( X, juga disebut sebagai cross product )
4.  Union ( ∪ )
5.  Set – difference ( – )
Selengkapnya bisa di download

PERAMALAN PERMINTAAN DENGAN MENGGUNAKAN FUZZY LOGIC

Inventory (persediaan) pastilah dibutuhkan oleh setiap perusahaan baik itu perusahaan barang ataupun jasa. Melakukan stok barang yang terlalu besar harus dihindari oleh perusahaan, karena hal tersebut merupakan suatu pemborosan bagi perusahaan.  Oleh karena itu, optimalisasi persediaan adalah sangat dibutuhkan oleh setiap perusahaan. Sistem Logika Fuzzy memiliki keunggulan dalam memodelkan aspek kualitatif dari pengetahuan manusia serta pengambilan keputusan sebagaimana dilakukan oleh manusia dengan menerapkan basis aturan atau basis kaidah.
Salah satu cara untuk mengoptimalkan persediaan dalam suatu perusahaan adalah dengan melakukan suatu peramalan terhadap jumlah persediaan barang. Adapun metode Fuzzy Logic yang dipakai disini adalah Fuzzy Time Series (FTS) dengan beberapa basis model perataan (w). Dan pengujiaan data akan dilakukan terhadap data penjualan produk Asbes periode 1997-2001, di sebuah perusahaan bahan bangunan yaitu UD. Moro Seneng. Sedangkan untuk analisa hasil peramalan nantinya, hasil peramalan Fuzzy Time Series (FTS) akan dibandingkan dengan hasil peramalan dengan menggunakan metode EWMA (Exponentially Weighted Moving Average), dimana peramalan dengan Fuzzy Time Series hasilnya akan lebih optimal.
Dan untuk mengukur ketepatan model perhitungan dan peramalan, akan digunakan ukuran statistik standar Nilai Tengah Galat Kuadrat (Mean Squared Error / MSE) dan ukuran relatif Nilai Tengah Galat Presentase Absolut (Mean Absolute Precentage Error / MAPE). Hasil peramalan yang diperoleh dengan metode Fuzzy Time Series.
Tags: fuzzy produksi, jurnal fuzzy, jurnal fuzzy logic, jurnal fuzzy metode analisis, jurnal tentang peramalan dengan menggunakan fuzzy, Penggunaan metode Fuzzy Logic, peramalan dengan fuzzy, peramalan persediaan, peramalan produksi, peramalan produksi mape, proposal tentang logika fuzzy, tesis fuzzy, tesis sistem fuzzy

Fuzzy Logic

Logika fuzzy yang pertama kali diperkenalkan oleh Lotfi A. Zadeh, memiliki derajat keanggotaan dalam rentang 0(nol) hingga 1(satu), berbeda dengan logika digital yang hanya memiliki dua nilai yaitu 1(satu) atau 0(nol). Logika fuzzy digunakan untuk menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan besaran kecepatan laju kendaraan yang diekspresikan dengan pelan, agak cepat, cepat dan sangat cepat.


Pada pertengahan 1960, Prof. Lotfi Zadeh dari universitas California di Barkeley menemukan bahwa hukum benar atau salah dari logika boolean tidak memperhitungkan beragam kondisi yang nyata. Untuk menghitung gradasi yang tak terbatas jumlahnya antara benar dan salah, Zadeh mengembangkan ide penggolongan set yang ia namakan set fuzzy. Tidak seperti logika boolean, logika fuzzy memiliki banyak nilai. Tidak seperti elemen yang dikategorikan 100% ini atau itu, atau sebuah dalil yang menyatakan semuanya benar atau seluruhnya salah, fuzzy membaginya dalam derajat keanggotaan dan derajat kebenaran, yaitu : sesuatu yang dapat menjadi sebagian benar dan sebagian salah pada waktu yang sama. Hal ini telah dibuktikan oleh Bart Kosko bahwa logika boolean adalah kasus kusus dari logika fuzzy.



Lotfi Zadeh mengatakan Integrasi Logika Fuzzy kedalam sistem informasi dan rekayasa proses adalah menghasilkan aplikasi seperti sistem kontrol, alat alat rumah tangga, dan sistem pengambil keputusan yang lebih fleksibel, mantap, dan canggih dibandingkan dengan sistem konvensional. Dalam hal ini kami dapat mengatakan bahwa logika fuzzy memimpin dalam pengembangan kecerdasan mesin yang lebih tinggi ( machine Intelligency Quotient / MIQ ) Produk produk berikut telah menggunakan logika fuzzy dalam alat alat rumah tangga seperti mesin cuci, video dan kamera refleksi lensa tunggal, pendingin ruangan, oven microwave, dan banyak sistem diagnosa mandiri.


Keuntungan lain dari MIQ adalah Pemakaian yang lebih mudah digunakan, Kemandirian yang lebih tinggi, Kinerja yang lebih baik Dengan logika Fuzzy para ahli teknik penjual software dan desainer dapat membuat mesin yang dapat merespon secara lebih pintar pada keadaan yang tidak tepat dan sring memiliki kondisi yang berlawanan dengan dunia luar. Secara eksplisit bekerja dengan informasi yang amat banyak, sinyal kontrol sebagai kondisi, dan masukan yang tidak tepat bagi sistem perangkat lunak yang akan membuat mesin ini menirunya. Dengan kata lain jalan bagi kita, manusia, merespon dunia luar. Kesamaan antara perilaku mesin dan perilaku manusia akan mereduksi kebutuhan akan kontrol luar yang kompleks, membuat mesin lebih “beralasan”. Dan membantu pabrik dalam komputerisasiyang berguna dalam kehidupan kita sehari -hari.
Secara umum dalam sistem logika fuzzy terdapat empat buah elemen dasar, yaitu:

• Basis kaidah (rule base), yang berisi aturan-aturan secara linguistik yang bersumber dari para pakar;

• Suatu mekanisme pengambilan keputusan (inference engine), yang memperagakan bagaimana para pakar mengambil suatu keputusan dengan menerapkan pengetahuan (knowledge);

• Proses fuzzifikasi (fuzzification), yang mengubah besaran tegas (crisp) ke besaran fuzzy;

• Proses defuzzifikasi (defuzzification), yang mengubah besaran fuzzy hasil dari inference engine, menjadi besaran tegas (crisp).



Logika fuzzy telah berhasil menerobos kendala-kendala yang dulu pernah ditemui dan segera menjadi basis teknologi tinggi. Penerapan teori logika ini dianggap mampu menciptakan sebuah revolusi dalam teknologi. Sebagai contoh, mulai tahun 90-an para manufaktur industri yang bergerak di bidang Distributed Control System (DCSs), Programmable Controllers (PLCs), dan Microcontrollers (MCUs) telah menyatukan sistem logika fuzzy pada barang produksi mereka dan memiliki prospek ekonomi yang baik. Sebuah perusahaan mikroprosesor terkemuka, Motorolla, dalam sebuah jurnal teknologi, pernah menyatakan "… bahwa logika fuzzy pada masa-masa mendatang akan memainkan peranan penting pada sistem kendali dijital "(1). Pada saat yang bersamaan, pertumbuhan yang luar biasa terjadi pada industri perangkat lunak yangmenawarkan kemudahan penggunaan logika fuzzy dan penerapannya pada setiap aspek kehidupan sehari-hari.


Ada dua alasan utama yang mendasari pengembangan teknologi berbasis sistem fuzzy:

• Menjadi state-of-the-art dalam sistem kendali berteknologi tinggi. Jika diamati pengalaman pada negara-negara berteknologi tinggi, khususnya di negara Jepang, pengendali fuzzy sudah sejak lama dan luas digunakan di industri-industri dan alat-alat elektronika. Daya gunanya dianggap melebihi dari pada teknik kendali yang pernah ada. Pengendali fuzzy terkenal karena kehandalannya, mudah diperbaiki, dan yang lebih penting lagi pengendali fuzzy memberikan pengendalian yang sangat baik dibandingkan teknik lain, yang biasanya membutuhkan usaha dan dana yang lebih besar.

• Dalam perspektif yang lebih luas, pengendali fuzzy ternyata sangat bermanfaat pada aplikasi-aplikasi sistem identifikasi dan pengendalian ill-structured, di mana linieritas dan invariansi waktu tidak bisa ditentukan dengan pasti, karakteristik proses mempunyai faktor lag, dan dipengaruhi oleh derau acak. Bentuk sistem seperti ini jika dipandang sistem konvensional sangat sulit untuk dimodelkan.


Beberapa proyek teknologi yang dinilai digunakan dan memiliki prospek ekonomi yang cerah seperti :

• Dalam teknologi otomotif : sistem transmisi otomatis fuzzy dan pengendali kecepatan idle fuzzy.

• Dalam teknologi transportasi : Pengendali fuzzy anti-slip untuk kereta listrik, sistem pengaturan dan perencanaan perparkiran, sistem pengaturan lampu lalu lintas, dan pengendalian kecepatan kendraan di jalan bebas hambatan.

• Dalam peralatan sehari-hari : mesin cuci fuzzy dan vacum cleaner fuzzy dan lain-lain.

• Dalam aplikasi industri di antaranya : industri kimia, sistem pengolahan kertas, dan lain-lain.

• Dalam power satations : sistem diagnosis kebocoran-H2


Masih banyak aplikasi lainnya yang sudah beredar sebagai alat kendali dan barang-barang elektronik berteknologi tinggi.

• Kendali Perkembangan Teknologi Sistem Fuzzy

Keberhasilan penerapan teknologi fuzzy seperti yang telah dibeberkan pada bagian pembahasan sebelumnya, dapat direalisasikan jika terdapat penelitian dan strategi pengembangan riset dan desain oleh sebuah industri untuk menemukan teknik terbaik untuk produknya. Hal tersebut tentunya tidak terlepas dari kesulitan-kesulitan yang ditemui dalam menggunakan dan pengembangan teknologi ini. Secara garis besar beberapa kesulitan yang ditemui oleh industri-industri elektronika adalah sebagai berikut:


1. Para enjiner dan ilmuwan generasi sebelumnya dan sekarang banyak yang tidak mengenal teori kendali fuzzy, meskipun secara teknik praktis mereka memiliki pengalaman untuk menggunakan teknologi dan perkakas kontrol yang sudah ada.

2. Belum banyak terdapat kursus/balai pendidikan dan buku-buku teks yang menjangkau setiap tingkat pendidikan (undergraduate, postgraduate, dan on site training)

3. Hingga kini belum ada pengetahuan sistematik yang baku dan seragam tentang metodologi pemecahan problema kendali menggunakan pengendali fuzzy.

4. Belum adanya metode umu/general untuk mengembangkan dan implementasi pengendali fuzzy.


Kendala pertama dan kedua dapat diatasi dengan cara sering diadakannya kursus dan balai pendidikan, memperbanyak penuliasan karya-karya ilmiah dan juga pengadaan buku-buku tentang fuzzy di setiap perguruan tinggi atau institusi pendidikan lainnya. Kendala ke tiga dan ke empat dapat diatasi dengan cara membentuk suatu metodolgi untuk merancang dan mengembangkan sistem fuzzy.


Metodologi ini mencakup fasilitas-fasilitas yang terdapat dalam teori sistem kendali fuzzy seperti : pemilihan fungsi keanggotaan, operator, penggunaan faktor skala, pengembangan basisi pengetahuan, penurunan basis aturan, uji coba, dan simulasi sistem.

• Kendali Fuzzy, Klasifikasi Fuzzy, dan Diagnosis Fuzzy
Aplikasi yang menggunakan logika fuzzy, selalu identik dengan pengendalian fuzzy. Walaupun sebenarnya aplikasi itu tergolong dalam klasifikasi fuzzy atau diagnosis fuzzy. Kejadian ini bukanlah masalah yang dominan dan pelik dalam sistem fuzzy, karena istilah "fuzzy" sebenarnya sudah kabur dan sering disamakan dengan istilah-istilah yang ada pada teori himpunan fuzzy, topologi fuzzy, atau dalam pengertian yang lebih sempit lagi sering disebut sebagai approximate reasoning dalam logika keputusan. Dengan cara pandang yang sama sistem kendali fuzzy sering sekali dinyatakan sebagai bagian teori himpunan fuzzy yang digunakan pada aplikasi-aplikasi dalam bentuk sistem lingkar tertutup. Namun tujuan utama tulisan ini adalah membedakan antara sistem kendali fuzzy dengan sistem klasifikasi fuzzy dan sistem diagnosis fuzzy. Pada ruang lingkup yang lebih luas lagi, masih ada sistem lainnya yang cukup sukses digunakan seperti sistem pakar fuzzy, sistem analisa data fuzzy, sistem pengolahan citra fuzzy, dan berbagai ragam aplikasi sistem fuzzy yang sudah ada.


Sebuah kendali fuzzy merupakan suatu sistem lingkar tertutup, di mana tidak terdapat operator yang menjadi bagian dari sistem lingkar kendali (control loop). Contoh dari sistem kendali ini adalah vacuum cleaner. Sistem pada alat ini mengatur daya motor penghisap tergantung pada banyaknya debu di lantai atau karpet. Contoh lain dari sistem kendali fuzzy adalah optimisasi torsi dalam sistem anti slip yang digunakan kereta listrik dan sistem kereta bawah tanah. Masukan sistem kendali berupa kecepatan kereta dan koefisien resistansi rel.


Pada sistem klasifikasi fuzzy tidak terdapat loop tertutup. Sistem ini hanya menerima masukan dan keluaran dari proses untuk selanjutnya memberikan informasi berupa kondisi (state) dari proses tadi. Informasi kondisi ini dapat digunakan untuk mmengendalikan sistem atau memberikan tanggung jawab kendali kepada operator. Secara matematis, sistem klasifikasi lebih dekat pada teori himpunan daripada teori fungsi. Pada sistem ini, sifat kesamaan (Vagueness) sering ditemui pada opini pakar dan jarang menggunakan model relasi fuzzy.


Contoh dari sistem klasifikasi fuzzy adalah mesin cuci fuzzy. Beberapa variabel/parameter mesin cuci ditentukan berdasarkan jumlah dan jenis pakaian. Keluaran atau informasi dari sistem klasifikasi ini digunakan untuk menentukan jenis spin-dry serta lembut atau kasar gesekan pakaian yang optimal. Contoh ke dua dari sistem fuzzy ini adalah sistem transmisi otomatik fuzzy. Sistem ini menggunakan beberapa sensor yang ditaruh pada sistem ABS, sistem power steering, sistem kendali motor, dan bagian penting lainnya. Selama kendaraan berjalan, sistem ini akan terus memantau dan menilai kondisi mobil tersebut, seperti beban kendaraan, kondisi mobil pada saat melewati jalan yang menanjak atau menurun dan kondisi-kondisi lainnya. Pengiriman data dilaksanakan oleh operator ke dalam sistem, ketika sistem memerlukan data tambahan. Selain itu operator dapat meminta atau menanyakan informasi dari sistem diagnosis berupa hasil konklusi diagnosis atau prosedur detail hasil diagnosis oleh sistem. Dari sifat sistem ini, sistem diagnosis fuzzy dapat digolongkan pada sistem pakar fuzzy. Sistem pakar fuzzy adalah sistem pakar yang menggunakan notasi fuzzy pada aturan-aturan dan proses inferensi (logika keputusan). Salah satu kelebihan sistem pakar fuzzy dibandingkan sistem pakar konvensional adalah jumlah aturan lebih sedikit, sehingga sistem lebih transparan untuk dianalisa. Kekurangannya adalah kehandalan sistem sangat tergantung pada baik-buruknya proses pengumpulan aturan seperti prosedur pertanyaan dan komponen-komponen kuisioner, serta sering terjadi kesulitan untuk menyimpulkan suatu pernyataan tertentu oleh operator.


Bidang aplikasi sistem diagnosis ini biasanya suatu proses yang besar dan kompleks, sehingga sangat sulit dianalisa menggunakan algoritma eksak dan dimodelkan dengan model matematika biasa. Pada permulaan persiapan sistem, jumlah aturan yang digunakan ini biasanya sangat banyak. Namun pada tahap akhir, jumlah aturan akan lebih sedikit dan mudah dibaca. Ini merupakan sifat sistem pakar fuzzy, seperti yang dikatakan oleh Prof. Zadeh, bahwa sistem pakar fuzzy akan menggunakan aturan-aturan yang lebih sedikit dibandingkan sistem pakar konvensional sehingga mudah dibaca dan membantu menghindarkan inkonsistensi dan inkomplit sistem pengendali. Contoh dari sistem pakar fuzzy ini adalah proyek diagnosa kebocoran-H2 pada sistem pendingin high-performance generator. Salah satu contoh aturan sistem diagnostik ini adalah : "Jika konsumsi H2 tinggi dan daya yang tersedia rendah dan suhu gas rendah dan tekanan H2 generator tidak rendah/menurun, maka tingkatkan konsumsi H2 (untuk menurunkan temperatur)". Yang perlu diperhatikan pada sistem diagnostik ini adalah, tidak berlakunya proses defuzzifikasi, karena sistem ini hanya menghasilkan sifat keluaran berupa aproksimasi linguistik yang merupakan suatu pernyataan atau jawaban yang mudah dipahami oleh operator.

Artikel Konstitusi GMKI

Roh kudus menghidupkan persekutuan orang beriman selaku gereja yang esa, am dan rasuli, yang diutus untuk menyampaikan kabar keselamatan dan pembebasan bagi pembaharuan Indonesia dan alam semesta …… “ (Pembukaan AD/ART GMKI alinea ke-3). Gerakan mahasiswa Kristen Indonesia (GMKI) merupakan “media” dan “laboratorium” berekspresi dan berkreasi para mahasiswa Kristen, yang termotivasi melakukan proses berkembang secara bersama-sama. Kehidupan para kader adalah berdasarkan pada pengajaran Sang Kepala Gerakan, Yesus Kristus, yakni hidup dalam jalan kebenaran-Nya. Organisasi ini didirikan diatas landasan motivasi yang kuat atas penggilan Allah Bapa untuk melayani di tengah-tengah perguruan tinggi, gereja, dan masyarakat. Dalam rangkaian ketiga medan pelayanan tersebut tercakup tatanan dan mekanisme melakukan aktivitas-aktivitas gerakan. Hal ini dirumuskan secara jelas melalui penetapan Anggaran Dasar dan Anggaran Rumah Tangga (AD/ART inilah yang selanjutnya sebagai terjemahan lugas mengenai “roh” dan “nafas” pergerakannya. GMKI Cabang Bogor sebagai bagian dari GMKI secara nasional, tentunya akan selalu melaksanakan pendidikan, pembinaan aksi dan pelayanannya agar tercipta seorang kader yang tinggi iman, tinggi ilmu, dan tinggi pengabdian. Dalam pembinaannya GMKI mempunyai pola yang baku sehingga dapat menjamin kesinambungan kader dalam melanjutkan pelayanan organisasi.

GMKI

GMKI adalah Gerakan Mahasiswa Kristen Indonesia, merupakan salah satu organisasi mahasiswa Kristen Nasional yang sudah lama berdiri (sejak zaman penjajahan kolonialis Belanda). Pada waktu itu, dan dari waktu ke waktu (kecuali sekarang) tetap eksis dalam melayani kampus, gereja, dan Negara (tri panji GMKI).

Sangat disayangkan, GMKI sudah terlanjur dan terlena dalam politik prakris. Mohon maaf kepada para aktivis GMKI, saya berkata demikian karena saya tidak melihat GMKI bergerak. Baik di pusat maupun di cabang.

Saya tidak benci GMKI, tetapi justru ingin memberi saran kepada para aktivis karean saya masih cinta GMKI), dan kepada para senior member GMKI, dengan penuh pengharapan kiranya organisasi diberi evaluasi dan perhatian.

Di mana pelayananmu wahai GMKI-ku? Minimal melayani di gereja kalau kurang bisa melayani negara. Karena melayani gereja itu sudah termasuk melayani negara, sebab jemaat adalah warga negara yang ada di Indonesia.

Di manakah engkau GMKI? Apakah hanya kegiatan konsulatasi wilayah/nasional, kongres nasional, konferensi cabang, masa perkenalan saja yang perlu dilakukan? Menurut saya, itu perlu dilakukan tetapi yang lebih penting lagi adalah aplikasi/refleksi dari kegiatan tersebut, yakni melakukan pelayanan di bumi Indonesia ini.

Saya kurang tahu, apakah mahasiswa/i GMKI sibuk dengan perkuliahan di kampus? Memang tepat kalau kita lebih mengutamakan belajar sampai tuntas di kampus karena memang itu tujuan kita. Tapi jangan salah, jikalau kita sudah masuk dalam GMKI maka kita juga tetap eksis di dalamnya. Nah jiak begitu, maka kita harus menyeimbangkan kegiatan di kampus dan di organisasi. Bagaimana dengan senior members? Di mana perhatian mereka? Apakah sibuk dengan perusahaannya, pekerjaannya, atau ikut dalam politik? Tidak salah karena itu memang bagian yang di cita-citakan, tetapi selaku senior harus ada perhatian kepada generasi aktivis yang menjalankan organisasi. Seperti halnya dengan orang tua terhadap anak. Jika anak sudah dewasa dan berkeluarga orang tua tidak bisa begitu saja melepaskan tanggung jawabnya, artinya jika anak yang sudah dewasa/ berkeluarga meminta bantuan maka apa salahnya orang tua membantu sesuai dengan jalurnya. Jika anak tersebut melebih kapasitas permintaan (misal: minta bantuan melebihi kemampuan orang tua) itu sudah keterlaluan. Demikian halnya dengan GMKI, para aktivis jangan malu-malu minta bantuan kepada senior, dan di saat meminta bantuan jangan hanya materi saja yang diminta. Saran yang membangun juga perlu diminta dari senior. Tapi, permintaan bantuan jangan sampai merusak citra GMKI. Meminta bantuan ada batas, karena GMKI sudah berumur. Wajar memang meminta bantuan, karena para aktivis masih mahasiswa. Tetapi tidak wajar kalau ada pemaksaan.

Wahai GMKI, di manakah engkau? Tunjukkanlah tempat kehidupanmu, tunjukkanlah dirimu kepada kampus, gereja dan negara. Tapi jangan tunjukkan dirimu bahwa kamu itu hebat, melainkan tunjukkanlah bahwa kamu adalah pelayan Tuhan, untuk melayani kampus, masyarakat, dan negara.

Wahai GMKI yang ada di seluruh nusantara, dan yang ada di luar Indonesia, bersatulah kembali dan tunjukkan intergritas rasa kebangsaan, dan lakukanlah tri panji itu.

 
UT OMNES UNUM SINT....!
SYALOM....!