Teknik Pembangunan Game AI

Nama        : Safira Regia Tama Basmalah
Kelas        : 3KA10
Npm         : 16115327
Dosen       : Essy Malays Sari Sakti

Movement

Komputer sebagai alat untuk pemindahan data yaitu untuk  pemindahan data yang telah dibuat dan akan bisa membuka kembali file yang telah kita buat dengan cara mengcopy paste file yang telah kita buat. Contohnya dari keyboard ke layar monitor. Dalam game, movement adalah metode yang menekankan konsep gerak tubuh, meliputi konsep kesadaran tubuh, konsep usaha, konsep ruang, dan konsep keterhubungan.

Pathfinding

Pathfinding merupakan metode yang sangat dibutuhkan pada berbagai game, terutama game 3D. Path finding digunakan untuk menentukan arah pergerakan suatu objek berdasarkan keadaan lokasi dan object disekitarnya dari suatu titik ke titik lain. Pathfinding merupakan cara untuk mendapatkan rute antara dua buah point, beberapa agoritma yang dapat diterapkan antara lain brute force, BFS, DFS.

Pengambilan Keputusan

Pengambilan keputusan adalah suatu proses pemilihan dari berbagai alternatif baik kualitatif maupun kuantitatif untuk mendapat suatu alternatif terbaik guna menjawab masalah atau menyelesaikan konflik (pertentangan).

Proses penurunan suatu keputusan mengandung empat unsur, yaitu :

Model : Model menunjukkan gambaran suatu rnasalah secara kuantitatif atau kualitatif.

Kriteria: Kriteria yang dirumuskan menunjukkan tujuan dari keputusan yang diambil. Jika terdapat beberapa kriteria yang saling bertentangan, maka pengambilan keputusan harus melalui kompromi (misalnya menambah jasa langganan dan mengurangi persediaan, maka keputusan mana yang diambil perlu kompromi).

Pembatas: Faktor-faktor tambahan yang perlu diperhatikan dalam memecahkan masalah pengambilan keputusan. Misalnya dana yang kurang tersedia.

Optimalisasi: Apabila masalah keputusan telah diuraikan dengan sejelas jelasnya, maka manajer menentukan apa yang diperlukan (kriteria) dan apa yang diperbolehkan (pembatas). Pada keadaan ini pengambil keputusan siap untuk memilih pemecahan yang terbaik atau yang optimal.

Proses Pengambilan Keputusan

Penyelidikan: Mempelajari lingkungan atas kondisi yang memerlukan keputusan. Data mentah diperoleh, diolah, dan diuji untuk dijadikan petunjuk yang dapat mengidentifikasi persoalan.

Perancangan: Mendaftar, mengembangkan, dan menganalisis arah tindakan yang mungkin. Hal ini meliputi proses-proses untuk memahami persoalan, menghasilkan pemecahan, dan menguji kelayakan pemecahan tersebut.

Pemilihan: Memilih arah tindakan tertentu dari semua yang ada. Pilihan ditentukan dan dilaksanakan.

Jadi, proses keputusan dapat dianggap sebagai sebuah arus dari penyelidikan sampai perancangan dan kemudian pada pemilihan. Tetapi pada setiap tahap hasilnya mungkin dikembalikan ke tahap sebelumnya untuk dimulai lagi. Jadi tahapan tersebut merupakan unsur-unsur sebuah proses yang berkesinambungan.

Teori Pengambilan Keputusan

Teori pengambilan keputusan menekankan bahwa terdapat tujuh langkah yang harus ditempuh, yaitu:

1. Identifikasi permasalahan yang dihadapi

Ada ungkapan yang mengatakan bahwa suatu “permasalahan yang sudah dikenali hakikatnya dengan tepat sesungguhnya sudah separo terpecahkan.” Ungkapan ini mempunyai tiga implikasi, yaitu:

·  Bahwa mutlak perlu mengenali secara mendasar situasi problematik yang menimbulkan ketidakseimbangan dalam kehidupan organisasi atau perusahaan.

·  Pengenalan secara mendasar berarti “akar” penyebab timbulnya ketidakseimbangan harus digali sedalam-dalamnya.

·  Mengambil keputusan tidak boleh puas hanya dengan diagnosis gejala-gejala yang segera tampak. Jika hanya gejala yang diidentifikasikan, sangat mungkin “terapinya” pun hanya mampu menghilangkan gejala tersebut. Padahal yang harus dihilangkan adalah “sumber penyakitnya”.

2. Pengumpulan data

Berangkat dari pandangan bahwa pengambilan keputusan memerlukan dukungan informasi yang lengkap, mutakhir, dapat dipercaya, dan diolah dengan baik. Berarti bahwa dalam pengumpulan data ada tiga hal yang mutlak mendapat perhatian, yaitu:

·  Pentingnya menggali data dari semua sumber yang layak digali, baik secara internal maupun secara eksternal. Dari segi inilah harus dilihat pentingnya akses bagi para pengolah data terhadap semua sumber data.

·  Pentingnya untuk menjamin bahwa data yang dikumpulkan relevan dengan permasalahan yang hendak diatasi.

·  Bahwa mutu data yang dikumpulkan haruslah setinggi mungkin sehingga informasi yang dihasilkan akan bermutu tinggi pula.

3. Analisis data

Analisis data harus mampu menunjukkan berbagai alternatif yang mungkin ditempuh untuk memecahkan masalah. Oleh karena itu, analisis data diarahkan pada pembentukan persepsi yang sama diantara berbagai pihak tentang arti data yang dimiliki, dengan demikian memberikan interpretasi yang sama tentang data tersebut.

4. Analisis berbagai alternatif

Salah satu tantangan yang dihadapi dalam mengambil keputusan ialah menemukan jawaban yang paling tepat terhadap pertanyaan: Apakah dalam mengambil keputusan harus selalu terdapat berbagai alternatif? Pertanyaan ini penting karena jika seorang pengambil keputusan dihadapkan kepada hanya satu alternatif dan ia memutuskan untuk menggunakan alternatif tersebut, yang bersangkutan sudah mengambil keputusan. Bahkan teori pengambilan keputusan mengatakan bahwa jika seseorang memutuskan untuk tidak mengambil keputusan, tindakannya itu adalah pengambilan keputusan juga.

5. Pemilihan alternatif

Jika dilakukan dengan cermat, analisis berbagai alternatif akan “memberi petunjuk” tentang alternatif yang sebaiknya digunakan karena akan membuahkan solusi yang paling efektif. Alternatif di pilih dengan demikian, merupakan alternatif yang tampaknya paling baik. Pengalaman mengambil keputusan di masa lalu dan keyakinan bahwa keputusan yang diambil adalah keputusan yang terbaik.

6. Implementasi (pelaksanaan)

Apakah alternatif yang dipilih merupakan pilihan yang terbaik atau tidak diuji pada waktu digunakan dalam arti mampu tidaknya menghilangkan situasi permasalahan dan apakah permasalahan yang dihadapi tersebut dapat dipecahkan secara efektif atau tidak.

7. Evaluasi (penilaian)

Hasil pelaksanaan memerlukan penilaian yang objektif, rasional dan berdasarkan tolok ukur yang baku. Seperti dimaklumi, hasil penilaian dapat menunjukkan bahwa hasil yang di capai melampaui harapan, sekedar sesuia dengan sasaran atau kurang dari sasaran. Kesemuanya itu menjadi bahan penting dalam mengelola organisasi atau perusahaan di masa depan.

Taktik dan strategi AI

AI dalam game biasanya memiliki kecepatan dalam taktik bermain sehingga mengharuskan pemain untuk berfikir lebih cepat untuk menyusun strategi terbaik agar dapat memperoleh skor yang maksimal. Kecerdasan buatan merupakan kecerdasan yang ditujukan oleh suatu entitas buatan, yang diciptakan dan diterapkan kedalam sebuah mesin (komputer) sehingga dapat melakukan perbuatan seperti manusia. Strategi dalma gamepun bervariasi. Salah satunya adalah dalam game Othello yaitu strategi bermain reversy, sperti jumlah pin, penguasaan sudut/x-square/c-square, jumlah pin stabil, mobility, jumlah pin tepi, parity, dan pola sisi/sudut.

Pembelajaran

Machine learning adalah teknik AI yang berkaitan dengan pembelajaran data dan menggunakannya untuk memprediksi informasi yang ada di dunia.

Machine learning dibangun dengan menggunakan algoritma. Rangkaian instruksi ini akan menyelesaikan suatu permasalahan. Contoh algoritma yang dimaksud adalah decision tree learning dan association rule learning.

Namun, algoritma machine learning yang berperan dalam kehidupan di dunia adalah jaringan saraf buatan, suatu teknik yang terinspirasi oleh cara kerja neuron otak manusia.

Sederhananya begini: suatu jaringan saraf terdiri dari beberapa lapisan neuron. Input masuk melalui lapisan pertama. Tiap neuronnya menerima input, sehingga setiap neuron memiliki muatan, dan menghasilkan output berdasarkan muatan mereka. Output dari lapisan pertama kemudian didistribusikan ke lapisan kedua untuk diproses, dan begitu seterusnya hingga output akhir dapat dihasilkan.

Kemudian hal menarik pun terjadi. Siapapun yang menjalankan jaringan dapat mendefinisikan seperti apa output akhir yang “benar” seharusnya. Setiap kali data didistribusikan melalui jaringan tersebut, hasil akhirnya dibandingkan dengan hasil yang “benar”, dan sejumlah penyempurnaan akan dilakukan hingga tercipta outputakhir yang benar. Dengan kata lain, jaringan tersebut mampu melatih dirinya sendiri.

Otak buatan ini dapat mempelajari bagaimana cara mengidentifikasi banyak hal. Misalnya kursi dalam sebuah foto,. Seiring berjalannya waktu, ia dapat mempelajari karakteristik kursi tersebut, dan meningkatkan kemampuannya dalam mengidentifikasi benda tersebut.

Referensi:
http://web.cecs.pdx.edu/~mperkows/CLASS_479/2017_ZZ_00/02__GOOD_Russel=Norvig=Artificial%20Intelligence%20A%20Modern%20Approach%20(3rd%20Edition).pdf

Kecerdasan Buatan dan Permainan (AI and Games)

Nama : Safira Regia Tama Basmalah
NPM : 16115327
Kelas : 3KA10
Dosen: Essy Malays Sari Sakti

Pengertian Kecerdasan Buatan

Kecerdasan buatan (bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.

Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.

Pengertian Game

Game adalah permainan komputer yang dibuat dengan teknik dan metode animasi. Permainan game merupakan bidang AI yang sangat populer berupa permainan antara manusia melawan mesin yang mempunyai intelektual untuk berpikir. Komputer dapat bereaksi dan menjawab tindakan-tindakan yang diberikan oleh lawan mainnya.

Salah satu komputer yang ditanamkan AI untuk game bernama Deep Blue. Deep Blue adalah sebuah komputer catur buatan IBM pertama yang memenangkan sebuah permainan catur melawan seorang juara dunia (Garry Kasparov) dalam waktu standar sebuah turnamen catur. Kemenangan pertamanya (dalam pertandingan atau babak pertama) terjadi pada 10 Februari 1996, dan merupakan permainan yang sangat terkenal.

Kini telah banyak berkembang game AI yang semakin menarik, interaktif, dan dengan grafis yang sangat bagus. Ditambah dengan kemajuan teknologi jaringan komputer yang semakin cepat, sudah banyak terdapat game-game AI yang berbasiskan online. Tidak sedikit orang yang tertarik dengan game saat ini. Mereka memainkan game untuk mengisi kekosongan waktu mereka atau pun melatih skill mereka dalam berpikir.

Artificial Intelligence dalam Game

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.

Game AI adalah aplikasi untuk memodelkan karakter yang terlibat dalam permainan baik sebagai lawan, ataupun karakter pendukung yang merupakan bagian dari permainan tetapi tidak ikut bermain (NPC = Non Playable Character). Peranan kecerdasan buatan dalam hal interaksi pemain dengan permainan adalah pada penggunaan interaksi yang bersifat alami yaitu yang biasa digunakan menusia untuk berinteraksi dengan sesama manusia. Contoh media interaksi ialah:

·         Penglihatan (vision)

·         Suara (voice), ucapan (speech)

·         Gerakan anggota badan ( gesture)

Untuk pembentukan Artificial Intelligence pada game ternyata digunakan pula algoritma, yaitu jenis pohon n-ary untuk suatu struktur. Implementasi pohon (tree) ini biasa disebut game tree. Berdasarkan game tree inilah sebuah game disusun algoritma kecerdasan buatannya. Artificial intellegence yang disematkan dalam sebuah game yang membentuk analisis game tree biasanya merepresentasikan kondisi atau posisi permainan dari game sebagai suatu node, dan merepresentasikan langkah yang mungkin dilakukan sebagai sisi berarah yang menghubungkan node kondisi tersebut ke anak (child) sebagaimana representasi suatu pohon (tree).

Namun, biasanya representasi langsung tersebut mempunyai kelemahan, yaitu representasi data pohon akan menjadi sangat lebar dan banyak. Mungkin bagi sebuah mesin komputer mampu melakukan kalkulasi sebanyak apapun masalah, namun game tree yang lebar dan besar memberikan beberapa masalah, antara lain konsumsi proses memori, kapasitas penyimpanan yang cukup besar dan kinerja yang kurang pada konsol game berspesifikasi rendah. Karena itu dibentuklah beberapa algoritma dan penyederhanaan bagi sebuah game tree.

Pada salah satu contoh game klasik, yaitu tic tac toe, penyederhanaan dapat dilakukan dengan berbagai metode. Salah satu diantaranya adalah minimax. Metode ini berhasil diterapkan dan memberikan nilai reduksi yang cukup signifikan. Dan tidak hanya bisa digunakan secara monoton, minimax juga bisa digunakan untuk game-game yang lebih rumit seperti catur, tentunya dengan algoritma dan representasi berbeda.

Referensi :
https://setiyanugroho.wordpress.com/2011/04/12/kecerdasan-buatan-dalam-game/

Pembelajaran / Learning

NAMA  : Safira Regia Tama Basmalah
NPM     : 16115327
KELAS : 3KA10
DOSEN : Essy Malays Sari Sakti

A. Pembelajaran dari Pengamatan

Pendidikan adalah suatu kegiatan yang komplek dan menuntut penanganan untuk meningkatkan kualitasnya, baik yang berupa menyeluruh maupun pada beberapa komponen tertentu karena dalam kegiatan pembelajaran terdiri dari berbagai variable pokok yang saling berkaitan yaitu kurikulum, guru, pembelajaran, dan peserta. Dimana semua komponen ini bertujuan untuk kepentingan peserta didik. Berdasarkan hal tersebut pendidik harus mampu menggunakan model pembelajaran agar peserta didik dapat melakukan kegiatan belajar. Hal ini dilatar belakangi bahwa beberapa peserta didik bukan hanya sebagai objek tetapi juga merupakan subjek dalam pembelajaran. Peserta didik harus disiapkan sejak dini agar ia mampu untuk bersosialisasi dengan lingkungannya dan gerakan baru sehingga berbagai jenis pembelajaran dapat digunakan oleh pendidik untuk meningkatkan kualitas belajar dan mengajar, seperti cara guru mengajar dan cara peserta didik belajar.

Dosen merupakan suatu profesi yang sangat unik. Selain harus memiliki jiwa pengabdian yang tinggi ia juga memiliki tanggung jawab yang besar pada masa depan peserta didik. Oleh karena itu, dosen harus selalu belajar, baik untuk ilmu pengetahuan dan keterampilan pembelajaran, maupun belajar memahami aspek psikologis kemanusiaan. Seorang guru juga harus mampu memahami bagaimana cara peserta didiknya belajar. Jika seorang guru telah mampu menguasai teknik yang dapat meningkatan semangat keaktifan anak didiknya dalam belajar, maka dunia pendidikan akan semakin efektif dan professional.

Maksud penelitian ini adalah untuk memperoleh data dan informasi yang diperlukan untuk menyelesaikan tugas softskill.

Adapun tujuan dilakukannya penelitian ini adalah untuk :

1.  Mengetahui kesadaran mahasiswa akan lingkungannya.

2.  Mengetahui minat belajar mahasiwa terhadap beberapa kondisi kampus.

3.  Mengetahui seberapa besar peran kampus dalam memfasilitasi mahasiswanya.

B. Bentuk Pembelajaran

1. Metode Ceramah

Metode pembelajaran ceramah adalah penerangan secara lisan atas bahan pembelajaran kepada sekelompok pendengar untuk mencapai tujuan pembelajaran tertentu dalam jumlah yang relatif besar. Seperti ditunjukkan oleh Mc Leish (1976), melalui ceramah, dapat dicapai beberapa tujuan. Dengan metode ceramah, guru dapat mendorong timbulnya inspirasi bagi pendengarnya.

Gage dan Berliner (1981:457), menyatakan metode ceramah cocok untuk digunakan dalam pembelajaran dengan ciri-ciri tertentu. Ceramah cocok untuk penyampaian bahan belajar yang berupa informasi dan jika bahan belajar tersebut sukar didapatkan.

2. Metode Diskusi

Metode pembelajaran diskusi adalah proses pelibatan dua orang peserta atau lebih untuk berinteraksi saling bertukar pendapat, dan atau saling mempertahankan pendapat dalam pemecahan masalah sehingga didapatkan kesepakatan diantara mereka. Pembelajaran yang menggunakan metode diskusi merupakan pembelajaran yang bersifat interaktif (Gagne & Briggs. 1979: 251).

Menurut Mc. Keachie-Kulik dari hasil penelitiannya, dibanding metode ceramah, metode diskusi dapat meningkatkan anak dalam pemahaman konsep dan keterampilan memecahkan masalah. Tetapi dalam transformasi pengetahuan, penggunaan metode diskusi hasilnya lambat dibanding penggunaan ceramah. Sehingga metode ceramah lebih efektif untuk meningkatkan kuantitas pengetahuan anak dari pada metode diskusi.

3. Metode DemonstrasiMetode pembelajaran demontrasi merupakan metode pembelajaran yang sangat efektif untuk menolong siswa mencari jawaban atas pertanyaan-pertanyaan seperti: Bagaimana cara mengaturnya? Bagaimana proses bekerjanya? Bagaimana proses mengerjakannya. Demonstrasi sebagai metode pembelajaran adalah bilamana seorang guru atau seorang demonstrator (orang luar yang sengaja diminta) atau seorang siswa memperlihatkan kepada  seluruh kelas sesuatau proses. Misalnya bekerjanya suatu alat pencuci otomatis, cara membuat kue, dan sebagainya.

Kelebihan Metode Demonstrasi :

a. Perhatian siswa dapat lebih dipusatkan.

b. Proses belajar siswa lebih terarah pada materi yang sedang dipelajari.

c. Pengalaman dan kesan sebagai hasil pembelajaran lebih melekat dalam diri siswa.

Kelemahan metode Demonstrasi :

a. Siswa kadang kala sukar melihat dengan jelas benda yang diperagakan.

b. Tidak semua benda dapat didemonstrasikan.

c. Sukar dimengerti jika didemonstrasikan oleh pengajar yang kurang menguasai apa yang didemonstrasikan.

4. Metode Ceramah Plus

Metode Pembelajaran Ceramah Plus adalah metode pengajaran yang menggunakan lebih dari satu metode, yakni metode ceramah yang dikombinasikan dengan metode lainnya. Ada tiga macam metode ceramah plus, diantaranya yaitu:

a. Metode ceramah plus tanya jawab dan tugas

b. Metode ceramah plus diskusi dan tugas

c. Metode ceramah plus demonstrasi dan latihan (CPDL)

5. Metode Resitasi

Metode Pembelajaran Resitasi adalah suatu metode pengajaran dengan mengharuskan siswa membuat resume dengan kalimat sendiri.

Kelebihan Metode Resitasi adalah :

a. Pengetahuan yang diperoleh peserta didik dari hasil belajar sendiri akan dapat diingat lebih lama.

b. Peserta didik memiliki peluang untuk meningkatkan keberanian, inisiatif, bertanggung jawab dan mandiri.

Kelemahan Metode Resitasi adalah :

a. Kadang kala peserta didik melakukan penipuan yakni peserta didik hanya meniru hasil pekerjaan orang lain tanpa mau bersusah payah mengerjakan sendiri.

b. Kadang kala tugas dikerjakan oleh orang lain tanpa pengawasan.

c. Sukar memberikan tugas yang memenuhi perbedaan individual.

6. Metode Eksperimental

Metode pembelajaran eksperimental adalah suatu cara pengelolaan pembelajaran di mana siswa melakukan aktivitas percobaan dengan mengalami dan membuktikan sendiri suatu yang dipelajarinya. Dalam metode ini siswa diberi kesempatan untuk mengalami sendiri atau melakukan sendiri dengan mengikuti suatu proses, mengamati suatu obyek, menganalisis, membuktikan dan menarik kesimpulan sendiri tentang obyek yang dipelajarinya.

7. Metode Study Tour (Karya wisata)

Metode study tour Study tour (karya wisata) adalah metode mengajar dengan mengajak peserta didik mengunjungi suatu objek guna memperluas pengetahuan dan selanjutnya peserta didik membuat laporan dan mendiskusikan serta membukukan hasil kunjungan tersebut dengan didampingi oleh pendidik.

8. Metode Latihan Keterampilan

Metode latihan keterampilan (drill method) adalah suatu metode mengajar dengan memberikan pelatihan keterampilan secara berulang kepada peserta didik, dan mengajaknya langsung ketempat latihan keterampilan untuk melihat proses tujuan, fungsi, kegunaan dan manfaat sesuatu (misal: membuat tas dari mute). Metode latihan keterampilan ini bertujuan membentuk kebiasaan atau pola yang otomatis pada peserta didik.

9. Metode Pengajaran Beregu

Metode pembelajaran beregu adalah suatu metode mengajar dimana pendidiknya lebih dari satu orang yang masing-masing mempunyai tugas.Biasanya salah seorang pendidik ditunjuk sebagai kordinator. Cara pengujiannya,setiap pendidik membuat soal, kemudian digabung. Jika ujian lisan maka setiapsiswa yang diuji harus langsung berhadapan dengan team pendidik tersebut

10. Peer Theaching Method

Metode Peer Theaching sama juga dengan mengajar sesama teman, yaitu suatu metode mengajar yang dibantu oleh temannya sendiri.

C. Pembelajaran Induktif

Pembelajaran induktif adalah sebuah pembelajaran yang bersifat langsung tapi sangat efektif untuk membantu siswa mengembangkan keterampilan berpikir tingkat tinggi dan keterampilan berpikir kritis. Model pembelajaran induktif adalah sebuah pembelajaran yang bersifat langsung tapi sangat efektif untuk membantu siswa mengembangkan keterampilan berpikir tingkat tinggi dan keterampilan berpikir kritis. Pada model pembelajaran induktif guru langsung memberikan presentasi informasi-informasi yang akan memberikan ilustrasi-ilustrasi tentang topik yang akan dipelajari siswa, selanjutnya guru membimbing siswa untuk menemukan pola-pola tertentu dari ilustrasi-ilustrasi yang diberikan. Model pembelajaran induktif dirancang berlandaskan teori konstruktivisme dalam belajar. Model ini membutuhkan guru yang terampil dalam bertanya (questioning) dalam penerapannya. Melalui pertanyaan-pertanyaan inilah guru akan membimbing siswa membangun pemahaman terhadap materi pelajaran dengan cara berpikir dan membangun ide. Tingkat keefektifan model pembelajaran induktif ini, jadinya-sangat tergantung pada keterampilan guru dalam bertanya dan mengarahkan pembelajaran, dimana guru harus menjadi pembimbing yang akan untuk membuat siswa berpikir.

Struktur sosial dalam pembelajaran menjadi ciri lingkungan kelas yang sangat dibutuhkan untuk belajar melalui model pembelajaran induktif. Model pembelajaran induktif mensyaratkan sebuah lingkungan belajar yang mana di dalamnya siswa merasa bebas dan terlepas dari resiko takut dan malu saat memberikan pendapat, bertanya, membuat konklusi dan jawaban. Mereka harus bebas dari kritik tajam yang dapat menjatuhkan semangat belajar.

D. Pohon Keputusan Pembelajaran

Pembelajaran pohon keputusan adalah suatu metode untuk memperkirakan fungsi target bernilai diskrit, yang mana fungsi pembelajaran direpresentasikan oleh sebuah pohon keputusan.

Secara umum, pohon keputusan merepresentasikan sebuah disjungsi dari beberapa konjungsi dari beberapa batasan pada nilai atribut dan instansi.

E. Pembelajaran Ensemble

Sebuah pengklasifikasi ensemble adalah himpunan beberapa pengklasifikasi, di mana keputusan dari tiap pengklasifikasi dikombinasikan dengan suatu cara (pada umumnya menggunakan voting dengan atau tanpa menggunakan bobot) untuk mengklasifikasikan data baru (Dietterich, 2001). Kerangka kerja dasar sebuah ensemble.  Pengklasifikasi ensemble tersebut dibuat dengan menggunakan data pelatihan untuk membangun beberapa pengklasifikasi dasar yang kemudian digabungkan untuk memperoleh hasil klasifikasi akhir. Sebuah pengklasifikasi ensemble akan menjadi pengklasifikasi yang efektif apabila memiliki tingkat akurasi klasifikasi yang tinggi di mana masing-masing hasil prediksinya tidak saling berkaitan (Bauer dan Kohavi, 1999). Beberapa metode untuk membuat ensemble, antara lain pelatihan pengklasifikasi dasar pada subset data pelatihan yang berbeda (misalnya bagging dan boosting), penggunaan algoritma pembelajaran yang berbeda, melakukan randomisasi, dan pelatihan pada feature subset yang berbeda (Dietterich, 2001).

Sumber :

https://sites.google.com/a/std.stei.itb.ac.id/sulhan/pembelajaran-mesin-lanjut/pembelajaran-pohon-keputusan-decision-tree

http://belajarpsikologi.com/macam-macam-metode-pembelajaran/

http://research-

Ketidakpastian dan Penalaran

NAMA  : Safira Regia Tama Basmalah
NPM     : 16115327
KELAS : 3KA10
DOSEN: Essy Malays Sari Sakti

Ketidakpastian dan Penalaran
Ketidakpastian merupakan suatu permasalahan karena mungkin menghalangi kita membuat suatu keputusan yang terbaik. Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusan. Teori-teori yang berhubungan dengan ketidakpastian yaitu :
• Probabilitas Klasik
• Probabilitas Bayes
• Teori Hartley yang berdasarkan pada himpunan klasik
• Teori Shanon yang didasarkan pada peluang
• Teori Dempster-Shafer
• Teori Fuzzy Zadeh

Teorema Bayes
Dinamakan Teorema Bayes karena ditemukan oleh Thomas Bayes Teorema Bayes kebalikan dari probabilitas kondisional P(A|B) atau disebut posteriori probability, dimana dalam teorema Bayes : state probabilitas dari kejadian awal diberikan untuk melihat kejadian yang mungkin akan terjadi kemudian.

Bentuk umum Teorema Bayes :

P(Hi|E) = P(EÇHi)

P(EÇHj)

= P(E|Hi) P(Hi)

P(E|Hj) P(Hj)

= P(E|Hi) P(Hi)

P(E)

Faktor Kepastian

Faktor kepastian merupakan cara dari penggabungan kepercayaan (belief) dan ketidapercayaan (unbelief) dalam bilangan yang tunggal. Dalam certainty theory, data-data kualitatif direpresentasikan sebagai derajat keyakinan (degree of belief).

Tahapan Representasi Data Kualitatif

Tahapan dalam merepresentasikan data-data kualitatif :
1. Kemampuan untuk mengekspresikan derajat keyakinan sesuai dengan metode yang sudah dibahas sebelumnya.
2. Kemampuan untuk menempatkan dan mengkombinasikan derajat keyakinan tersebut dalam sistem pakar.

Dalam mengekspresikan derajat keyakinan digunakan suatu nilai yang disebut certainy factor (CF) untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data.
Formulasi Certainy Factor



Dimana :
• CF = Certainy Factor (faktor kepastian) dalam hipotesis H yang dipengaruhi oleh fakta E.
• MB=Measure of Belief (tingkat keyakinan), adalah ukuran kenaikan dari kepercayaan hipotesis H dipengaruhi oleh fakta E.
• MD=Measure of Disbelief (tingkat ketidakyakinan), adalah kenaikan dari ketidakpercayaan hipotesis H dipengaruhi fakta E.
• E = Evidence (peristiwa atau fakta).
• H = Hipotesis (Dugaan).
Teori Dempster-Shafer

Teori Dempster-Shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief functions and plausible reasoning (fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa. Teori ini dikembangkan oleh Arthur P. Dempster dan Glenn Shafer.

Secara umum Teori Dempster-Shafer ditulis dalam suatu interval:

[Belief,Plausibility]

Belief
Belief (Bel) adalah ukuran kekuatan evidence (gejala) dalam mendukung suatu himpunan bagian. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukan adanya kepastian.

Plausibility
Plausibility (Pl) dinotasikan sebagai:

Pl(s)= 1 – Bel(¬¬¬¬¬¬¬¬¬¬s)¬¬¬¬¬¬¬

Plausibility juga bernilai 0 sampai 1. Jika kita yakin akan –s, maka dapat dikatakan bahwa Bel(¬s)=1, dan Pl(¬s)=0. Plausability akan mengurangi tingkat kepercayaan dari evidence. Pada teori Dempster-Shafer kita mengenal adanya frame of discernment yang dinotasikan dengan θ dan mass function yang dinotasikan dengan m. Frame ini merupakan semesta pembicaraan dari sekumpulan hipotesis sehingga disebut dengan environtment.

Misalkan: θ = {A, B, C, D, E, F, G, H, I, J}
Dengan :
A = Gagal Ginjal Kronik
B = Kanker Ginjal
C = Pielonefritis
D = Sindroma Nefrotik
E = Hidronefrosis
F = Kanker Kandung Kemih
G = Ginjal Polikista
H = Nefritis Tubulointerstisialis
I = Sistitis
J = Infeksi Saluran Kemih
Mass Function

Sedangkan mass function (m) dalam teori Dempster-Shafer adalah tingkat kepercayaan dari suatu evidence measure sehingga dinotasikan dengan (m). Untuk mengatasi sejumlah evidence pada teori Dempster-Shafer menggunakan aturan yang lebih dikenal dengan Dempster’s Rule of Combination.

Dengan :
• m1 (X) adalah mass function dari evidence X
• m2 (Y) adalah mass function dari evidence Y
• m3(Z) adalah mass function dari evidence Z
• κ adalah jumlah conflict evidence

Sumber :
Pres6_Sistem Berbasis Pengetahuan (Irfan Humaini)
http://informatika.web.id/faktor-kepastian-certainty-factor.htm
http://informatika.web.id/teori-dempster-shafer.htm