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

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

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

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

Senin, 31 Oktober 2016

Retrieve Data Geospatial

     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 , didalam shapefile itu sendiri mempunyai banyak file contohnya seperti file shp dan dbf , untuk membaca shapefile dengan menggunakan python kita bisa memanggil langsung file shp tersebut atau bisa membuat class terlebih dahulu , seperti video ini :


                                                   

Pembahasan


SHP adalah salah satu file yang berada didalam shapefile yang menyimpan data geometri.
Didalam file shp terdapat beberapa data seperti :

1. Bbox adalah sebuah boundary box(koordinat 4 titik) atau koordinat batas view pada peta
2. Point adalah titik koordinat
3. Shapetype adalah jenis data geometri yang mempunyai standar nomor yang ditetapkan oleh ESRI seperti nomor 1 untuk poin, 2 untuk polygon, 3 untukpolyline ,dll.

Membaca jumlah data geometri dengan python :
1.   >> import shapefile
>> sf = shapefile.Reader(“namafile.shp”)
>> sf.shapes()
>>a = sf.shapes()
>>len(a)

DBF adalah sebuah file yang menyimpan file tabular yang menyimpan data atribut.

         Membaca data dbf :
1. >> import shapefile
  >> sf.records()
          >> sf.records(n)


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.

Selasa, 25 Oktober 2016

Tutorial Membaca Shapefiles Menggunakan QGIS dan Phyton


         
           Data tentang lokasi mengenai muka bumi sangatlah dibutuhkan dan di era ini untuk mendapatkan data tersebut tidaklah sulit kita bisa mencarinya di berbagai situs contohnya di situs natural earth , namun data tersebut masih berbentuk data vektor yang masih harus dibaca menggunakan apllikasi tertentu contoh nya QGIS ataupun kita dapat membacanya dengan Python., untuk melihat bagaimana cara membaca data shapefiles tersebut bisa melihat tutorialya pada video dibawah ini :


 `                                                              

Penjelasan :

Geospasial adalah sebuah data yang berhubungan denga tata letak atau lokasi di atas permukaan bumi , di dalam data geospasial tedapat 2 macam model data yaitu data raster dan vector.

Data Raster adalah data yang berbenntuk piksel atau membentuk sebuah grid/kotak, contohnya sebuah peta yang di hasilkan oleh citra satelit.

Data Vektor  adalah data yang berbentuk titik koordinat  untuk sebuah obyek seperti titik,garis dan polygon, vektor sangat baik untuk mengambarkan jaringan jalan, gedung, rel kereta, contohnya Peta atlas, di dalam vector itu sendiri terdapat data cultural dan physical,  cultural adalah data geospatial hasil peradapan manusia atau merupakan batas wilayah sedangkan physical adalah data geospatial yang terlihat kasat mata biasanya dalam bentuk map.
       Jadi untuk mengetahui tentang tataletak suatu daerah di permukaan bumi sudah banyak pihak yang menyediakannya dan banyak aplikasi yang membantu dalam membaca data tersebut seperti halnya Qgis dan python.


URL Git : agungsryn

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

Sistem Informasi Geografis

Referensi :
http://tanahair.indonesia.go.id/home/
http://www.naturalearthdata.com/

Hasil Scan Plagiarisme :

Via duplichecker : 
https://drive.google.com/open?id=0B-qjqpWQ0lWOU1FvdXFjMHV6VmM

Via smallseotools :
https://drive.google.com/open?id=0B-qjqpWQ0lWOa1d5dEdEdk9ETk0