Proposisi

Di dalam matematika, tidak semua kalimat berhubungan dengan logika. Hanya kalimat yang bernilai benar atau salah saja yang digunakan.
Proposisi adalah kalimat deklaratif yang bernilai benar (true) atau salah (false), tetapi tidak dapat sekaligus keduanya. Kebenaran atau kesalahan dari sebuah kalimat disebut nilai kebenarannya (truth value).
Contoh 1 :
a. 6 adalah bilangan genap
b. Soekarno adalah Presiden Indonesia yang pertama
c. 2 + 2 = 4
d. Ibukota provinsi Jawa Barat adalah Surabaya
e. 12 > 19
f. Kemarin hari hujan
g. Suhu di permukaan laut adalah 21 derajat celciud
h. Pemuda itu tinggi
i. Kehidupan hanya ada di planet bumi.

Semuanya merupakan proposisi. Proposisi a,b dan c bernilai benar, tetapi proposisi d salah karena ibukota Jawa Barat seharusnya adalah Bandung dan proposisi e bernilai salah karena seharusnya 12 < 19. Proposisi f sampai i memang tidak dapat langsung ditetapkan kebenarannyan, namun proposisi-proposisi tersebut tidak mungkin benar dan salah sekaligus. Misalnya Proposisi f bisa kita andaikan benar (hari kemarin hujan) atau salah (hari kemarin tidak hujan). Demikian pula halnya untuk proposisi g dan h. Proposisi i bisa benar atau salah, karena sampai saat ini belum ada ilmuwan yang dapat memastikan kebenarannya.

Kecerdasan Buatan

DESKRIPSI MATA KULIAH
MATA KULIAH / KODE: KECERDASAN BUATAN
JURUSAN / PROGRAM : TEKNIK INFORMATIKA
SEMESTER / SKS : V / 3 SKS
Mata kuliah ini merupakan mata kuliah wajib dari perkuliahan pada program S-1 Teknik Informatika. Selesai mengikuti mata kuliah ini mahasiswa diharapkan mampu mengerti dan dapat menerapkan teknik-teknik kecerdasan buatan dalam aplikasi berbantuan komputer. Metode yang digunakan pada mata kuliah ini : ceramah, Tanya jawab, diskusi dan pemecahan masalah. Evaluasi dilakukan dengan memberikan 2 kali ujian dan proyek akhir mata kuliah berupa pembuatan proyek akhir yang menerapkan prinsip-prinsip kecerdasan buatan, kemudian dibuat dalam bentuk makala. Buku sumber utama :
1. Russell, S and Norvig, P Artificial Intelligence: A Modern Approach Prentice Hall, 2003, Second Edition.
2. Rich, Elaine and Knight, Kevin, Artificial Intelligence, 2nd Edition, McGraw-Hill, Singapore, 1991
3. Giarratano, J and G. Riley, Expert System : Principle and Programming, 4th ed, PWS Kent, USA,2004
4. Luger, George F. and Stubblefield, William A, AI : Structures and Strategies For Complex Problem Solving, 2nd edition, The Benjamin Cumming Pub, California, 1993
5. M. Farid Azis, Belajar Sendiri Pemrograman Sistem Pakar, Elek Media Komputindo, Jakarta, 1994
6. Sri Kusumadewi, Artificial Intelligence:Teknik dan Aplikasinya, Graha Ilmu, Yogjakarta, 2003
7. Suryadi HS, Pengantar Sistem Pakar, Gunadarma, Jakarta, 1994
8. Bowen, Kenneth A, Prolog and Expert Systems, McGraw-Hill, Singapore, 1991
9. http://ocw.mit.edu/OcwWeb/Electrical-Engineering-and-Computer-Science/6-034Artificial-IntelligenceFall2002/Tools/
SILABUS
1. Identitas Mata Kuliah
Nama Mata Kuliah : Kecerdasan Buatan (Artificial Intelligence)
Nomor Kode : TI 1304
Jumlah SKS : 3 SKS
Semester : V (LIMA)
Kelompok Mata Kuliah : MKB
Program Studi / Program : Teknik Informatika
Status Mata Kuliah : Wajib
Prasyarat : PTI, Logika Informatika.
Dosen : Pebi Pebriadi, S.Kom, MM.
2. Tujuan
Mahasiswa diharapkan mampu mengerti dan dapat menerapkan teknik-teknik kecerdasan buatan dalam aplikasi berbantuan komputer.
3. Deskripsi Isi :
Dalam perkuliahan ini dibahas mulai pengenalan :
1. Representasi Permasalahan
2. Prosedur berorientasi tujuan
3. Logika Proporsional
4. Teorema Proving
5. Pelacakan
6. Paradigma Pemecahan Masalah
7. Penalaran maju dan penalaran mundur
8. Aplikasi kecerdasan buatan dengan prolog
9. Representasi pengetahuan
10.Pemahaman bahasa natural
11.Parsing kalimat
12.Pemahaman secara semantik
13.Proses pembelajaran menggunakan neural network
14.Bahasa Pemrograman untuk Aplikasi Intelligent Buatan menggunakan PHP.
4. Pendekatan Pembelajaran
Metode : Yang digunakan pada mata kuliah ini : ceramah, Tanya jawab, diskusi dan pemecahan masalah.
Tugas : Pekerjaan rumah (PR) dan proyek akhir mata kuliah berupa pembuatan proyek akhir ,aplikasi kecerdasan buatan.
5. Evaluasi
- Kehadiran (10%)
- Tugas+Quiz (20%)
- UTS (30%)
- UAS (40%)
6. Rincian Materi Perkuliahan Tiap Pertemuan
Pertemuan 1 : Representasi Permasalahan
Pertemuan 2 : Prosedur berorientasi tujuan
Pertemuan 3 : Logika Proporsional
Pertemuan 4 : Teorema Proving
Pertemuan 5 : Pelacakan
Pertemuan 6 : Paradigma Pemecahan Masalah
Pertemuan 7 : Penalaran maju dan penalaran mundur
Pertemuan 8 : Aplikasi kecerdasan buatan dengan prolog
Pertemuan 9 : Ujian Tengah Semester (UTS)
Pertemuan 10 : Representasi pengetahuan
Pertemuan 11 : Pemahaman bahasa natural
Pertemuan 12 : Parsing kalimat
Pertemuan 13 : Pemahaman secara semantik
Pertemuan 14 : Proses pembelajaran menggunakan neural network
Pertemuan 15 : Bahasa Pemrograman untuk Aplikasi Intelligent Buatan menggunakan PHP.
Pertemuan 16 : Ujian Akhir Semester (UAS)
7. Daftar Buku
• Bowen, Kenneth A, Prolog and Expert Systems, McGraw-Hill, Singapore, 1991
• Giarratano, J and G. Riley, Expert System : Principle and Programming, 4th ed, PWS Kent, USA,2004
• Luger, George F. and Stubblefield, William A, AI : Structures and Strategies For Complex Problem Solving, 2nd edition, The Benjamin Cumming Pub, California, 1993
• M. Farid Azis, Belajar Sendiri Pemrograman Sistem Pakar, Elek Media Komputindo, Jakarta, 1994
• Sri Kusumadewi, Artificial Intelligence:Teknik dan Aplikasinya, Graha Ilmu, Yogjakarta, 2003
• Suryadi HS, Pengantar Sistem Pakar, Gunadarma, Jakarta, 1994
• Rich, Elaine and Knight, Kevin, Artificial Intelligence, 2nd Edition, McGraw-Hill, Singapore, 1991
• Russell, S and Norvig, P Artificial Intelligence: A Modern Approach Prentice Hall, 2003, Second Edition
• http://ocw.mit.edu/OcwWeb/Electrical-Engineering-and-Computer-Science/6-034Artificial-IntelligenceFall2002/Tools/


Singaparna, 21 November 2010
Dosen Mata Kuliah Kecerdasan Buatan




Pebi Pebriadi, S.Kom, MM.

Konsep Teknologi

MATA KULIAH : KONSEP TEKNOLOGIHari : Senin dan Jum’at
Tanggal : 5 dan 9 Oktober 2009
Bobot SKS : 2 SKS
Tujuan Mata Kuliah : Memberikan pengertian dan analisis secara matematik
dari Percepatan Teknologi, Pengambilan Keputusan, Optimasi, Model, dan Sistem

Oleh : Pebi Pebriadi, S.Kom, M.M.
Fakultas Teknik
Jurusan Teknik Informatika
Universitas Siliwangi Tasikmalaya.

GARIS-GARIS BESAR PROSES PEMBELAJARAN (GBPP)

TUJUAN PENGALAMAN BELAJAR :
Menjelaskan pengertian dan analisis dari bagian-bagian pengambilan keputusan
POKOK BAHASAN :
Mempelajari pengertian dn analisis pengambilan keputusan, yang terdiri dari :
a. Elemen-elemen pengambilan Keputusan
b. Algoritma
c. Kriteria
d. Optimasi dengan sedikit Alternatif
e. Program Dinamis
f. Masalah-masalah yang tidak mempunyai pemecahan
I. Pengambilan Keputusan
2.1 Elemen-elemen Pengambilan Keputusan
2.2 Algoritma
2.3 Kriteria
2.4 Optimasi dengan sedikit alternatif
2.5 Program Dinamis
2.6 Masalah-masalah yang tidak mempunyai pemecahan 4 - - 4 Sekurang kurangnya 2 sks

=====================================================================================

2. Pengambilan Keputusan
2. Mempelajari pengertian dan analisis pengambilan keputusan, yang terdiri dari :
2.1 Elemen-elemen pengambilan Keputusan
2.1.1 4 Elemen Pengambilan Keputusan :
1. Model
Model adalah : Penggambaran dari suatu masalah secara kuantitatip.
2. Kriteria
Kriteria adalah tujuan yang hendak dicapai dari pengambilan keputusan.
3. Pembatas
Pembatas adalah faktor tambahan yang harus diperhatikan dalam memecahkan suatu masalah
4. Optimasi
Optimasi, setelah kita menggambarkan masalahnya (model), menetapkan hal yang diinginkan (kriteria), maka mulailah kita mencari jalan pemecahan terbaik atau pemecahan optimum.
Secara singkat kita dapat mengatakan bahwa model menggambarkan keadaan masalahnya, kriteria merupakan tujuan yang diinginkan dari pengambilan keputusan, sedangkan pembatas menetapkan hal-hal yang boleh dan tidak boleh dikerjakan. Setelah ini semua, kemudian mencari optimasi yaitu dengan mencari pemecahan terbaik.
2.1.2 Algoritma
Definisi : Algoritma adalah suatu catatan atau daftar langkah-langkah yang dapat diambil untuk memecahkan persoalan.
2.1.3 Kriteria
2.1.4 Optimasi dengan sedikit Alternatif
2.1.5 Program Dinamis
2.1.6 Masalah-masalah yang tidak mempunyai pemecahan