Minggu, 28 Mei 2017

Kecerdasan Buatan - Pengolahan Bahasa Alami

Pengolahan Bahasa Alami



Pengolahan bahasa alami atau lebih dikenal dengan Natural Language Processing (NLP) mengacu pada metode AI berkomunikasi dengan sistem cerdas menggunakan bahasa keseharian kita seperti bahasa Indonesia.


1.   Fonetik dan Fonologi – Deteksi suara menjadi kata.
o    Contoh : Siri
2.   Morfologi – Pembentukan kata dari kata dasar.
o    Contoh : lari – lari, menyanyi
3.   Sintaksis – Pembagian atau pembuatan aturan baku sebuah kalimat
o    Contoh : Ibu pergi kepasar
4.   Semantik – Definisi atau makna dalam sebuah kata.
o    Contoh : Kutu Buku
5.   Pragmatik - Berkaitan dengan memahami kalimat dalam situasi yang berbeda.

 Orientasi dan tujuan

  • ·         Discourse Knowledge

Kalimat sebelumnya akan berpengaruh dengan kalimat selanjutnya
  • ·         Word Knowledge

Arti kata sebernarnya dalam sebuah kalimat
o   Contoh :
o   Saya orang tinggi, oleh karena itu mempunyai sedikit teman (tinggi = sombong)
o   Saya orang tinggi, oleh karena itu saya bisa bermain basket (tinggi = fisik)

Contoh implementasi aplikasi translate



Source code dapat dilihat pada link github

URL Git : agungsryn


Agung Suryana
1144108
D4 - Teknik Informatika - 3B
Politeknik Pos Indonesia

Kecerdasan Buatan

Referensi :
http://www.w3ii.com/id/artificial_intelligence/artificial_intelligence_natural_language_processing.html

Sabtu, 08 April 2017

Kecerdasan Buatan - Ruang Keadaan

Ruang Keadaan
Ruang Keadaan adalah sebuah ruang yang berisi keadaan yang mungkin terjadi dan bagaimana 
cara mendifinisikan masalah tersebut kedalam bentuk representasi algoritma.

Dalam meyelesaikan masalah dalam ruang keadaan adalah dengan :
  1. Identifikasi Masalah dalam ruang keadaan
  2. Menetapkan keadaan awal
  3. Menteapkan Tujuan
  4. Menganalisis beberapa teknik penyelesaian
  5. Menetapkan Kumpulan aturan penyelesaian
Representasi Ruang Keadaan dengan Graph Keadaan

Graph keadaan adalah salah satu cara untuk merepresentasikan ruang keadaan, graph keadaan 
itu sendiri terdiri dari :
  1. node-node yang menunjukan keadaan yaitu keadaan awal dan keadaan baru yang akan di capai
  2. node-node saling dihubungkan menggunakan panah untuk menunjukan arah
Contoh Kasus penyelesaian game plastelina :

Kondisi awal :
  1. Pulau Kiri : (p,a,g,h) (1,1,1,1)
  2. Pulau Kanan : (p,a,g,h) (0,0,0,0)
Kondisi akhir :
  1. Pulau Kiri : (p,a,g,h) (0,0,0,0)
  2. Pulau Kanan : (p,a,g,h) (1,1,1,1)
Aturan :
  1. Petani Menyebrang
  2. Petani Kembali
  3. Ayam Menyebrang
  4. Ayam Kembali
  5. Gabah Menyebrang
  6. Ayam Kembali
  7. Gabah Menyebrang
  8. Harimau Kembali

Solusi :


Contoh implementasi program dengan python :



Source code dapat dilihat pada link github

URL Git : agungsryn


Agung Suryana
1144108
D4 - Teknik Informatika - 3B
Politeknik Pos Indonesia

Kecerdasan Buatan

Referensi :
https://www.slideshare.net/DanarDavity/2-ruang-keadaan-47008571


Senin, 27 Maret 2017

Kecerdasan Buatan - Representasi Pengetahuan (Part II)

Representasi Pengetahuan II

Jenis :

     1.Representasi Logika
     2.Jaringan Semantik
     3.Frame

Representasi Logika

Representasi Logika terbagi menjadi
     1.Propositional Logic (Logika Proposisi)
        Memberikan aturan-aturan penalaran sehingga orang dapat menentukan apakah suatu kalimat bernilai benar atau salah. 

     2.Predicate Logic (Logika Predikat)
        Pada logika predikat proposisi dibedakan menjadi argumen (obyek) dan predikat (keterangan)

         Predikat (argumen-1, argumen-2,..., argumen-3)
         Kalimat :
         Eki adalah seorang Manusia
         Representasi logika :
         Manusia (eki)

Semantic Network
Pengetahuan disusun dalam sebuah jaringan yang memiliki komponen utamai:

      1.Node : Sebuah Objek
      2.Link   : Hubungan antar node

Frame
Merupakan semantic net dilengkapi dengan properties

Contoh :
      1.Method
      2.Atribut
      3.Nama class
      4.Inheritance



URL Git : agungsryn


Agung Suryana
1144108
D4 - Teknik Informatika - 3B
Politeknik Pos Indonesia

Kecerdasan Buatan

Referensi :


Via smallseotools :

Sabtu, 18 Maret 2017

Kecerdasan Buatan - Representasi Pengetahuan

Representasi Pengetahuan

 Representasi Berasal dari dua kata yaitu re dan presentasi, 

  • Re berarti mengulang
  • Presentasi berarti menyajikan
Pengetahuan adalah hasil penginderaan manusia, atau hasil dari pengamatan yang telah dilakukan di lapangan. 

Contoh:
  • Saya tahu pelajaran
  • Saya paham pelajaran
Dapat dilihat diatas ada tahu dan ada paham penjelasannya adalah bahwa tahu itu hanya sekedar mengetahui tapi terkadang faktanya tidak tahu, namun jika paham dia tahu dan sesuai dengan faktanya.

 Representasi Pengetahuan merupakan metode yang digunakan untuk mengodekan pengetahuan dalam sebuah sistem pakar berbasis pengetahuan

 Representasi Pengetahuan Menggunakan Logika

 Contoh argumen (obyek) dan predikat (keterangan). Secara umum penulisan proposisi dalam logika predikat dapat dinyatakan sebagai berikut:
Predikat (argumen-1, argumen-2,..., argumen-3)
Contoh:
Proposisi: “Agus adalah orangtua Rendi”
Dalam logika predikat disajikan dalam bentuk:
Orangtua (Agus          ,         Rendi)
      P         Argumen-1    Argumen-2

 Contoh rute dari kota awal ke kota tujuan dengan transportasi darat,udara maupung laut dengan jaraknya.
Jika Rute di atas dibentuk dalam Representasi Logika, sebagai berikut:
  • Darat(Bandung, Jakarta, 130)
  • Laut(Bandung, Lampung, 600)
  • Udara (Bandung, Papua, 2000)
Contoh Implementasi program rute terdekat antar kecamatan bandung dengan menggunakan python :

 Rute :
Output :

Source Code dapat dilihat pada link github dibawah.

Kesimpulan

    Jadi yang terpenting adalah bagaimana cara merubah fakta menjadi fungsi pemograman
dan yang terpenting bagaimana kita mempresentasikan logika terhadap apa yang akan diimplementasikan bukan mempresentasikan pengetahuan karena computer tidak berpikir.

URL Git : agungsryn


Agung Suryana
1144108
D4 - Teknik Informatika - 3B
Politeknik Pos Indonesia

Kecerdasan Buatan

Referensi :
http://informatika.web.id/representasi-pengetahuan.htm
https://www.python.org/doc/essays/graphs/

Hasil Scan Plagiarisme :

Via duplichecker :
https://drive.google.com/open?id=0B-qjqpWQ0lWOUGd2b0FfS3RQSDg

Via smallseotools :
https://drive.google.com/open?id=0B-qjqpWQ0lWOaWxvNUF1d3oycDA


Jumat, 10 Maret 2017

Kecerdasan Buatan - Pengenalan






      Kecerdasan Buatan atau Artificial Intelligence merupakan ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia. Pada awal diciptakannya, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan jaman, maka peran komputer semakin mendominasi kehidupan umat manusia. Komputer tidak lagi hanya digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan untuk dapat diberdayakan untuk mengerjakan sesuatu yang bisa dikerjakan oleh manusia.

Cerdas pengertian pada cerdas dapat diartikan Cepat dan Tepat.

  • Cerdas : Defendant & t berjalannya waktu (selama proses berlangsung)
  • Tepat : Sesuai pada waktunya
Jika dilihat lagi Cerdas itu memiliki bagian Efisien dan Efektif

  • Efisien, Jika dillihat dari contohnya yaitu BBM saya efisien dalam arti efisien dalam bb mini yaitu irit dari irit itu bisa mengacu pada hal biaya(cost). Dari biaya(cost) tersebut dapat dilihat lagi dari waktu dan materi. Jadi bisa diartikan efisien dapat diartikan dengan cepat.
  • Efektif, Jika dilihat dari contohnya yaitu Efektif membunuh nyamuk. Efektif disini yaitu dapat diartikan ampuh dari ampuh tersebut yaitu dapat diartikan dengan tepat sasaran.Jadi dapat diartikan bahwa efektif yaitu tepat sasaran.
Adapun contoh lain yaitu:

  1. 7+5 = 12 -> Tepat Efektif
  2. 7+5 = 12 -> Tepat efektif (dalam waktu 3 detik) Efisien

Cepat + Tepat -> CERDAS

Contoh aplikasi perhitungan sederhana menggunakan python dengan inputan huruf :


Source Code dapat dilihat pada link github dibawah.

Kesimpulan

     Jadi dapat dilihan dari penjelasan diatas yaitu antara efektif dan efisien yaitu Cerdas dan cerdas itu dapat dilatih, buatan adalah Artificial kita akan membuat dan merekayasa mesin yang punya kemampuan cepat dan tepat. Representasi Pengetahuan.

URL Git : agungsryn

Agung Suryana
1144108
D4 - Teknik Informatika - 3B
Politeknik Pos Indonesia

Kecerdasan Buatan

Referensi :
http://informatika.web.id/category/kecerdasan-buatan/

Hasil Scan Plagiarisme :

Via duplichecker :
https://drive.google.com/open?id=0B-qjqpWQ0lWOOW9adEZQV2ZEVzg

Via smallseotools :
https://drive.google.com/open?id=0B-qjqpWQ0lWOYmszZ2s4TTl5Zjg

Sabtu, 12 November 2016

Membuat Data Geospasial



        Kita telah mengetahui sebuah file shapefile adalah sebuah file yang berisi data tentang tata letak di muka bumi , shapefile itu sendiri telah banyak disediakan contohnya seperti yang disediakan oleh ESRI namun kita tidak tahu bagaimana cara membuat shapefile itu sendiri, oleh karna itu disini kita akan mengulas tentang bagaimana cara membuat shapefile tersebut.

       Berikut ini adalah sebuah perintah dalam python yang digunakan untuk membuat sebuah shapefile,

           1. >> Import Shapefile
           2. >> a = shapefile.Writer(param)
           Param dalam writer ini menunjukan shapetype apa yang akan kitabuat contohnya polygon, polyline, dan point.

            3. >> a.point(x,y)

      Atau,

     >> a.poly([x,y],[v,w])
            Perintah ini digunakan jika akan membuat file shp.

            4. >> a.field(‘nama’,’typedata’,’90’)
                   Perintah ini digunakan jika akan membuat file dbf.

           >> a.record(‘isi’)
               Perintah ini digunakan untuk mengisi file dbf.

             5. >> a.shp(‘namafile.shp’)
      >> save(‘namafile’)
                Perintah untuk menyimpan file.

Contoh Pembuatan field dalam dbf

     >> field(‘kota’,’c’,’40’)
                   Perintah ini berarti kita membuat sebuah atribut table bernama kota dengan tipedata varchar dengan panjang 40 karakter, kemudian jika ingin menambahkan data maka dapat dilakukan dengan perintah :

     >> Record(‘Bandung’)

Kesimpulan
       
       Dengan menggunakan python kita tidak hanya dapat membaca shapefile yang telah tersedia namun kita juga dapa membuat sebuah shapefile sendiri.
URL Git : agungsryn

Agung Suryana
1144108
D4 - Teknik Informatika - 3B
Politeknik Pos Indonesia

Sistem Informasi Geografis

Referensi :
https://en.wikipedia.org/wiki/Shapefile

Hasil Scan Plagiarisme :

Via duplichecker :
https://drive.google.com/open?id=0B-qjqpWQ0lWOWFI2QVI0cFgzbjA

Via smallseotools :
https://drive.google.com/open?id=0B-qjqpWQ0lWObml5RFF5N2tvZlU

Rabu, 09 November 2016

Retrieve Data Geospasial Part 2

             Sudah banyak situs maupun lembaga yang menyediakan data shapefile contohnya seperti ESRI namun file tersebut masih belum dapat kita lihat hasilnya tanpa menggunakan software pembantu contoh nya seperti QGIS maupun python, shapefile sendiri memiliki file shp dan dbf dalam file shp terdapat data geometri.

        Di dalam file geometri itu sendiri menjadi beberapa bagian diantaranya :
                   
                    1. Point
                         Data berupa titik

                    2. Polyline
                         Data berupa garis

                    3.Polygon
                        Data berupa garis namun antara titik awal dan akhirnya saling bertemu
        

      Membuat Class untuk melihat data point suatu negara dalam geometri :
                   
                  
Gede.py
Import shapefile
Class Gede(object):
     Def__init__(self,namafile):
        Self.sf = shapefile.reader(namafile)
     Def itungbaris(self):
         Rec = self.sf.shapes()
         Return len(rec)
     Def selectNegara(self,NEGARA):
         i = 0
         for a in self.sf.records():
         if a[8] ==NEGARA:
         return i
         i=i+1

      Cara Memanggil nya dalam phyton :

             >> import gede
             >> inst gede.Gede('ind_maritim.shp')
             >> print i
             >> i = i + 1

Kesimpulan 

          Hanya dengan mendapatkan data shp yang telah disediakan belum berarti kita dapat membaca atau melihat data tersebut secara langsung dibutuhan sofware atau alat bantu tertentu untuk mempermudah kita melihat data tersebut.

URL Git : agungsryn

Agung Suryana
1144108
D4 - Teknik Informatika - 3B
Politeknik Pos Indonesia

Sistem Informasi Geografis

Referensi :
https://en.wikipedia.org/wiki/Shapefile

Hasil Scan Plagiarisme :

Via duplichecker :
https://drive.google.com/open?id=0B-qjqpWQ0lWOdUJuV0hGYy1MZkk

Via smallseotools :
https://drive.google.com/open?id=0B-qjqpWQ0lWObml5RFF5N2tvZlU