Gambar : Pemetaan input-output

Diantara input dan output terdapat black box. Di dalam black box terdapat proses yang tidak diketahui, bisa didekati dengan pendekatan sistem linear, ekonometri, interpolasi, sistem pakar atau logika fuzzy, dan lain-lain. Namun, seperti yang diungkapkan Lotfi Zadeh: ”Dalam hampir setiap kasus, cara fuzzy lebih cepat dan lebih murah”.

Logika fuzzy sebagai komponen utama pembangun softcomputing, terbukti telah memiliki kinerja yang sangat baik untuk menyelesaikan masalah-masalah yang mengandung ketidakpastian. Implementasinya luas, baik di bidang engineering, psikologi, social, dan juga bidang ekonomi.

ALASAN MENGGUNAKAN LOGIKA FUZZY
Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:

1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi non linier yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.

HIMPUNAN FUZZY
Tahun 1965, Profesor L.A. Zadeh memperkenalkan teori himpunan fuzzy, yang secara tidak langsung mengisyaratkan bahwa tidak hanya teori probabilitas saja yang dapat merepresentasikan ketidakpastian. Teori himpunan fuzzy adalah merupakan perluasan dari teori logika Boolean yang menyatakan tingkat angka 1 atau 0 atau pernyataan benar atau salah, sedang pada teori logika fuzzy terdapat tingkat nilai, yaitu :

1. satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
2. nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

Contoh 1:
Jika diketahui:
S = {1,2,3,4,5,6} adalah semesta pembicaraan
A = {1,2,3}
B = {3,4,5}

Maka, bisa dikatakan bahwa :

• Nilai keanggotaan 2 pada himpunan A, , karena .
• Nilai keanggotaan 3 pada himpunan A, , karena .
• Nilai keanggotaan 2 pada himpunan B, , karena .

Contoh 2:
Misalkan variabel suhu dibagi menjadi 3 kategori, yaitu:
DINGIN suhu < 15 derajat celcius SEDANG 15 ? suhu ? 28 derajat celcius PANAS suhu > 28 derajat celcius
Nilai keanggotaan secara grafis, himpunan DINGIN, SEDANG, dan PANAS dapat dilihat pada gambar berikut:

Dari gambar diatas yang merupakan himpunan dari DINGIN, SEDANG, dan PANAS dapat dijelaskan bahwa:

• Apabila terdapat suhu 14 derajat celcius, maka dikatakan suhu adalah DINGIN
• Apabila terdapat suhu 15 derajat celcius, maka dikatakan suhu adalah TIDAK DINGIN
• Apabila terdapat suhu 15 derajat celcius kurang 0.5 derajat celcius, maka dikatakan suhu adalah TIDAK DINGIN , dan seterusnya.

Dari keterangan diatas dapat diambil kesimpulan bahwa pemakaian himpunan crisp (tegas) untuk menyatakan suhu sangat riskan, karena dengan adanya perubahan yang kecil saja terhadap nilai mengakibatkan perbedaan kategori yang cukup signifikan.

Maka dari itu, himpunan fuzzy digunakan untuk mengantisipasi keadaan tersebut. Pengalokasian suhu dapat berada di dalam 2 himpunan yang berbeda. Misalnya suhu dapat berada di dalam himpunan DINGIN dan SEDANG, SEDANG dan PANAS, dan sebagainya. Dan seberapa besar nilai eksistensinya dalam himpunan tersebut dapat dilihat dari nilai keanggotaannya. Sehingga……. Kelanjutan dari sehingga dibahas pada FUZZY LOGIC Bagian II ya…

Basis data

DEFINISI BASIS DATA
Ditinjau secara umum dapat diperoleh beberapa pengertian basis data, yaitu:

• Himpunan Kelompok Data (Arsip) yang saling berhubungan dan diorganisasikan sedemikian rupa agar kelak dapat dimanfaatkan kembali dengan cepat dan mudah.
• Kumpulan data yang saling berhubungan yang disimpan secara bersama sedemikian rupa dan tanpa pengulangan (Redundensi) yang tidak perlu.
• Kumpulan File/Table/Arsip yang saling berhubungan yang disimpan dalam media penyimpan Elektronik.

Sistem Manajemen Basis Data (Data Base Management System) adalah sekelompok data yang direlasikan dan sekumpulan program-program untuk mengakses data-data tersebut.(Silberschatz, Korth and Sudarshan. Database System Concepts).

Sistem Manajemen Basis Data (Data Base Management System) adalah sebuah perangkat lunak yang dirancang untuk menyimpan dan mengatur basis data. (Ramakrishnan and Gehrke. Database Management Systems)

TUJUAN BASIS DATA
Tujuan dibuatnya basis data adalah sebagai berikut:

1. Kecepatan dan Kemudahan.
2. Efisiensi ruang penyimpanan.
3. Keakuratan.
4. Ketersediaan.
5. Kelengkapan.
6. Keamanan.
7. Kebersamaan pemakai.

OPERASI-OPERASI BASIS DATA

• Pembuatan Basis Data (Create Database)
• Penghapusan Basis Data (Drop Database)
• Pembuatan File/Table baru ke suatu basis data (Create Table)
• Penghapusan File/Table dari suatu basis data (Drop Table)
• Penambahan data baru ke suatu file/table di sebuah basis data (insert)
• Pengambilan data dari sebuah file/table (Retrieve/Search)
• Pengubahan data dari sebuah file/table (Update)
• Penghapusan data dari sebuah file/table (Delete)

BAHASA BASIS DATA
Sistem basis data memiliki 2 jenis bahasa yang digunakan:

1. Data Definition Language (DDL)
   DDL digunakan untuk menspesifikasi skema basis data.
   Contoh:
   create table account (
   account-numberchar(10),
   balance integer);
2. Data Manipulation Language (DML)
   DML digunakan untuk mengekspresikan query basis data.
   Contoh:
   select customer.customer-name from customer
   where customer.customer-id = ‘192-83-7465’;

KASUS
Topik yang dipilih untuk pembahasan nya adalah Sistem Informasi Nilai Siswa (SINIS) pada Sekolah Menengah Pertama.

PENENTUAN ENTITAS
SINIS membutuhkan 4 entitas utama, yaitu :

1. Entitas Siswa

Yang berisi : NIS (Nomor Induk Siswa sebagai Primary Key) dan nm_siswa (nama siswa).

2. Entitas MatPel (Mata Pelajaran)

Yang berisi : id_MatPel (id mata pelajaran sebagai Primary Key) dan nm_MatPel (nama mata pelajaran).

3. Entitas Kelas

Yang berisi : id_Kelas (id kelas sebagai Primary Key) dan nm_Kelas (nama kelas).

4. Entitas Guru

Yang berisi : id_Guru (id guru sebagai Primary Key) dan nm_Guru (nama guru).

PENENTUAN RELASI
Setelah dilakukan penentuan entitas untuk diagram E-R, maka akan terjadi relasi antara entitas satu dengan entitas lainnya, sebagai berikut :

1. Entitas Siswa dan entitas MatPel memiliki relasi Banyak ke Banyak (N:N).
2. Entitas Siswa dan entitas Kelas memiliki relasi Banyak ke Satu (N:1).
3. Entitas Kelas dan entitas MatPel memiliki relasi Banyak ke Banyak (N:N).

Dari uraian diatas dapat digambarkan diagram E-R nya sebagai berikut.

NORMALISASI
Untuk menghindari terjadinya redudancy data, maka relasi antar entitas yang N:N harus dinormalisasi.

• Normalisasi Tahap I
  1. Normalisasi dari relasi ‘mempelajari’ menghasilkan entitas Nilai, yang berisi : NIS, id_MatPel, dan Nilai
  2. Normalisasi dari relasi ‘belajar’ menghasilkan entital MatPelKelas yang berisi : id_Kelas dan id_MatPel.

  Hasil normalisasi tahap I digambarkan dengan diagram E-R berikut ini.

• Normalisasi Tahap II

Terjadi relasi antara entitas Guru dan entitas MatPelKelas. Dikarenakan terjadinya relasi antara kedua entitas tersebut maka pada entitas MatPelKelas membutuhkan sebuah atribut yang berfungsi sebagai Primary Key yaitu id_MatPelKelas.

Maka, hasil akhir dari diagram E-R untuk SINIS dapat dilihat pada gambar berikut.

Nah, selesai deh pembahasan untuk contoh kasus kali ini. Dan bagi pembaca yang mau kirim komentar atau mau tanya-tanya, dipersilahkan…… masukin komentar nya di halaman ini. Ini pembahasan untuk contoh kasus yang sederhana sih, tapi semoga bermanfaat buat pembaca ya…….

KOMPONEN-KOMPONEN DIAGRAM E-R
Adapun komponen-komponen yang digunakan dalam membuat digram E-R sebagai berikut :

Ada beberapa hal yang utama yang harus diperhatikan dalam pembuatan diagram E-R yaitu bahwa:

1. Setiap entitas HARUS memiliki atribut, terdiri dari 1 atau lebih atribut.
2. Untuk aribut yang berperan sebagai primary key diberikan garis bawah.
3. Dalam diagram E-R tidak ada yang disebut atribut foreign key.

JENIS-JENIS ATRIBUT (Attribute)
Atribut merupakan penentuan properti atau karakteristik yang terdapat pada setiap entitas. Jenis-jenis atribut:

1. Atribut Komposit yaitu atribut yang dapat dipecah menjadi bagian-bagian yang lebih kecil dan tetap bermakna.
   Contoh: atribut nama seringkali dipecah menjadi nama_depan, nama_tengah, dan nama_belakang atau cukup berupa nama_depan dan nama_belakang saja.

   

   Atau contoh lainnya:

   • Alamat : jalan, kota, kode_pos.
   • Jalan : no_jalan, nama_jalan, nomor apartemen.
2. Atribut Sederhana yaitu atribut yang tidak dapat dipecah menjadi bagian-bagian yang lebih kecil yang masih memiliki makna.
   Contoh: atribut jenis_kelamin (yang berisi pria dan wanita)

   

3. Atribut Turunan merupakan nilai atribut dalam suatu entitas yang bisa dihitung atau diturunkan dari nilai suatu atribut atau sejumlah atribut yang tersimpan dalam database atau dari nilai lain (misalnya jam sistem atau tanggal sistem). Dan biasanya atribut turunan ini tidak muncul dalam tabel database.
   Contoh lain:
   a. Usia, yang menyatakan usia seseorang. Nilai untuk usia ini dapat diperoleh dari atribut Tanggal_Lahir.
   b. Lama_Bekerja, yang menyatakan lama seseorang sudah bekerja pada suatu organisasi. Nilainya bisa dihitung berdasarkan Tanggal_Mulai_Bekerja. Untuk menandakan aribut turunan dapat dinyatakan dengan bentuk lonjong dengan garis terputus-putus sebagai berikut:

   

   Berikut merupakan penggambaran entitas MAHASISWA dengan melibatkan atribut komposit, atribut sederhana, dan atribut turunan dari contoh diatas.
   

4. Atribut Tersimpan merupakan atribut yang nilainya tidak bisa didapatkan dari atribut-atribut lain dan benar-benar tersimpan pada database.
5. Atribut Bernilai-tunggal (singled-valued attribute) adalah atribut yang nilai atributnya hanya satu untuk setiap entitas.
   Simbol: dinyatakan dengan bentuk lonjong biasa dan tidak ada garis bingkai diluarnya.



6. Atribut Bernilai-banyak (multi-valued attribute) adalah atribut yang nilai atributnya bisa lebih dari satu untuk setiap entitas.
   Simbol: dinyatakan dengan terdapatnya dua garis yang membingkai bentuk lonjong.

JENIS-JENIS RELASI (Relationship)
Hubungan (relationship) menyatakan keterkaitan antara beberapa entitas. Ada 3 jenis relasi di dalam diagram E-R, yaitu :

1. Relasi One to One (1 -1) Suatu peristiwa dari objek ‘A’ dapat berhubungan satu dan hanya satu kejadian dari objek ‘B’, dan sebaliknya. Jika digambarkan dengan pemetaan, maka:

Contoh: satu negara hanya dapat memiliki satu orang presiden, dan seorang presiden hanya dapat memimpin satu negara.

2. Relasi One to Many (1 – N) Suatu peristiwa dari objek ‘A’ dapat berhubungan dengan satu atau lebih kejadian dari objek ‘B’, tetapi sebuah peristiwa dari objek ‘B’ dapat berhubungan dengan hanya satu peristiwa dari objek ‘A’. Jika digambarkan dengan pemetaan, maka:

Contoh: seorang ibu kandung dapat memiliki banyak anak kandung, tetapi seorang anak kandung hanya dapat memiliki seorang ibu kandung.

3. Relasi Many to Many (N –N) Suatu peristiwa dari objek ‘A’ dapat berhubungan dengan sau atau lebih kejadian dari objek ‘B’, dan sebaliknya. Jika digambarkan dengan pemetaan, maka:

Contoh: seorang paman dapat memiliki banyak keponakan, dan seorang keponakan dapat memiliki banyak paman.

NB: simbol relasi ‘banyak’ bisa ditulis dengan huruf N atau huruf M, pengertian nya sama saja. Artinya… jika kamu mendapat referensi dari buku atau artikel lain, yang menuliskan relasi ‘banyak’ dengan huruf M, itu juga benar.okeh…

Nah…penjelasan tentang uraian diagram E-R bagian pertama sampai disini dulu, penjelasan untuk pembahasan lanjutan dari diagram E-R akan di upload minggu depan, rencananya mau ngebahas contoh kasus. Don’t miss it yah… cya…

Berikut ini merupakan simbol-simbol yang digunakan untuk menggambarkan diagram alir (flowchart):

Pedoman-Pedoman dalam Membuat Diagram Alir (Flowchart)

Bila seorang analis dan programmer akan membuat flowchart, ada beberapa petunjuk yang harus diperhatikan, seperti :

1. Flowchart digambarkan dari halaman atas ke bawah dan dari kiri ke kanan.
2. Aktivitas yang digambarkan harus didefinisikan secara hati-hati dan definisi ini harus dapat dimengerti oleh pembacanya.
3. Kapan aktivitas dimulai dan berakhir harus ditentukan secara jelas.
4. Setiap langkah dari aktivitas harus diuraikan dengan menggunakan deskripsi kata kerja misalkan MENGHITUNG PAJAK PENJUALAN.
5. Setiap langkah dari aktivitas harus berada pada urutan yang benar.
6. Lingkup dan range dari aktifitas yang sedang digambarkan harus ditelusuri dengan hati-hati. Percabangan-percabangan yang memotong aktivitas yang sedang digambarkan tidak perlu digambarkan pada flowchart yang sama. Simbol konektor harus digunakan dan percabangannya diletakan pada halaman yang terpisah atau hilangkan seluruhnya bila percabangannya tidak berkaitan dengan sistem.
7. Gunakan simbol-simbol flowchart yang standar.

Jenis-Jenis Diagram Alir (Flowchart)

Flowchart terbagi atas lima jenis, yaitu :

1. Flowchart Sistem (System Flowchart)
2. Flowchart Paperwork / Flowchart Dokumen (Document Flowchart)
3. Flowchart Skematik (Schematic Flowchart)
4. Flowchart Program (Program Flowchart)
5. Flowchart Proses (Process Flowchart)

Contoh Penggunaan Diagram Alir (Flowchart)

• CONTOH DIAGRAM ALIR I
Buatlah flowchart untuk menentukan penjumlahan 2 (dua) buah bilangan bulat.

• CONTOH DIAGRAM ALIR II
Buatlah flowchart untuk menentukan bilangan genap dan bilangan negatif.

Defenisi Array

Apa sih yang dimaksud dengan array?. Array merupakan salah satu tipe data terstruktur (structured data type) yang terdiri dari sejumlah komponen-komponen yang mempunyai tipe data yang sama.

Suatu array akan memiliki jumlah komponen yang banyaknya tetap. Banyaknya komponen di dalam suatu array ditunjukkan oleh suatu indeks yang disebut dengan tipe indeks (index type).

Dimensi Array

Tipe data terstruktur, array, pada umumnya dibedakan menjadi dua, yaitu :

1. Array Satu Dimensi (One-Dimensional Array)
2. Array Dua Dimensi (Two-Dimensional Array)

Penjelasannya pada bagian berikut ini, monggooo…. di pahami…..

Array Satu Dimensi

• Bentuk Umum:

• Contoh Program Array Satu Dimensi Dalam Bahasa Pemrograman Pascal

1.       Program untuk mengisi array.

Program Array_Satu;

uses crt;

var

nama_siswa : array [1..10] of string;

i, n : integer;

begin

write (‘ Jumlah Nama Siswa Yang Akan Dimasukkan = ‘);

readln (n);

{mengisi array}

for i:=1 to n do

begin

write (‘Nama Siswa [‘,i,’] = ‘);

readln (nama_siswa[i]);

end;

readln;

end.

2.       Program untuk mengisi array dan menampilkan isi array.

Program Array_Dua;

uses crt;

var

nama_siswa : array [1..10] of string;

i, n : integer;

begin

write (‘ Jumlah Nama Siswa Yang Akan Dimasukkan = ‘);

readln (n);

{mengisi array}

for i:=1 to n do

begin

write (‘Nama Siswa [‘,i,’] = ‘);

readln (nama_siswa[i]);

end;

{menampilkan isi array}

for i:=1 to n do

writeln (nama_siswa[i]);

readln;

end.

Array Dua Dimensi

• Bentuk Umum

• Contoh Program Array Dua Dimensi Dalam Bahasa Pemrograman Pascal

1.       Program untuk mengisi sebuah matriks dengan ordo sebanyak n.

Program Matriks_1;

uses crt;

var

Matriks_A : array [1..100, 1..100] of integer;

i, j, baris, kolom : integer;

begin

{input dan baca jumlah baris dan kolom}

write (‘Banyak Baris = ‘); readln (baris);

write (‘Banyak Kolom = ‘); readln (kolom);

writeln; {memberikan jarak baris pada tampilan output}

{mengisi matriks A}

for i:=1 to baris do

begin

for j:=1 to kolom do

begin

write (‘Matriks A [‘ , i , ’ , ’ , j , ‘] = ‘);

readln (Matriks_A [i,j]);

end;

end;

readln;

end.

2.      Program untuk mengisi sebuah matriks dan menampilkan isi matriks dengan ordo sebanyak n.

Program Matriks_2;

uses crt;

var

Matriks_A : array [1..100, 1..100] of integer;

i, j, baris, kolom : integer;

begin

{input dan baca jumlah baris dan kolom}

write (‘Banyak Baris = ‘); readln (baris);

write (‘Banyak Kolom = ‘); readln (kolom);

writeln; {memberikan jarak baris pada tampilan output}

{mengisi matriks A}

for i:=1 to baris do

begin

for j:=1 to kolom do

begin

write (‘Matriks A [‘ , i , ’ , ’ , j , ‘] = ‘);

readln (Matriks_A [i,j]);

end;

end;

writeln; {memberikan jarak baris pada tampilan output}

{menampilkan kembali isi matriks}

writeln (‘ Isi Dari Matriks A Adalah : ‘);

for i:=1 to baris do

begin

for j:=1 to kolom do

write (Matriks_A [i,j] : 3);

writeln; {memberikan jarak baris pada tampilan output}

end;

readln;

end.

Dari uraian diatas, semoga sedikit atau banyak nya dapat membantu dalam penyelesaian masalah di dalam bahasa pemrograman dengan menggunakan array. By the way in the way busway ?, contoh program diatas menggunakan pascal Dos, jadi kalo’ mau mencoba contoh program diatas dengan menggunakan pascal yang windows, maka tinggal mengganti ‘uses crt’ menjadi ‘win crt’. Oke… Cya…

Sistem pakar umumnya didefinisikan sebagai sebuah sistem yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar (human expert). Menurut Staugaard (1987) sebuah sistem pakar disusun oleh tiga modul utama yaitu:

• Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode). Modul yang digunakan untuk mengumpulkan pengetahuan yang akan digunakan sistem untuk mengambil kesimpulan dari sebuah masalah. Modul ini diperuntukkan bagi para pakar untuk menginputkan pengetahuannya kedalam sistem.
• Modul Konsultasi (Consultation Mode). Modul yang berfungsi untuk mengumpulkan informasi mengenai gejala-gejala dari masalah yang sedang dihadapi oleh user untuk kemudian diproses oleh sistem. Modul ini diperuntukkan bagi para user untuk menginputkan permasalahan yang dihadapinya kedalam sistem.
• Modul Penjelasan (Explanation Mode). Modul ini berfungsi untuk menjelaskan keputusan yang diambil oleh sistem.

Representasi Pengetahuan
Representasi pengetahuan adalah suatu cara untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain. Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya. Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan dalam pengembangan suatu sistem pakar, yaitu:

• Case-based reasoning (CBR) yang merupakan representasi pengetahuan berdasarkan pengalaman termasuk kasus dan solusinya
• Rule-base reasoning (RBR) mengandalkan serangkaian aturan-aturan yang merupakan representasi dari pengetahuan dan pengalaman karyawan (manusia) dalam memecahkan kasus yang rumit.
• Model-based reasoning (MBR) melalui representasi pengetahuan dalam bentuk atribut, perilaku antar hubungan maupun simulasi proses terbentuknya pengetahuan.
• Constraint-Satisfaction Reasoning yang merupakan perpaduan antara RBR & MBR.

Struktur Sistem Pakar
Menurut Hu et al (1987), struktur sistem pakar meliputi:

1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui.

2. Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti (Exact Reasoning) dan strategi penalaran tak pasti (Inexact Reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.Strategi pengendalian berfungsi sebagai panduan dalam melakukan proses penalaran. Terdapat tiga tehnik pengendalian yang sering digunakan, yaitu:

• Forward Chaining, tehnik ini memulai penalaran dari fakta terlebih dahulu untuk menguji kebenaran hipotesis
• Backward Chaining, pada tehnik ini penalaran dimulai dari hipotesis terlebih dahulu dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan.
• Gabungan antara forward dan backward chaining.

3. Basis Data (Data Base)
Basis data dibutuhkan untuk menyimpan fakta-fakta yang diperlukan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.

4. Antarmuka Pemakai (User Interface)
Fasilitas yang digunakan sebagai perantara komunikasi antara pemakai.dengan komputer.

Dalam kenyataan sehari-hari banyak masalah didunia ini tidak dapat dimodelkan secara lengkap dan konsisten. Suatu penalaran dengan adanya penambahan fakta baru mengakibatkan ketidakkonsistenan, dengan ciri-ciri penalaran sebagai berikut :

• Adanya ketidakpastian
• Adanya perubahan pada pengetahuan
• Adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk

Untuk mengatasi ketidakpastian tersebut umumnya digunakan rumus-rumus penalaran statistik, diantaranya:

- Probabilitas
Probabilitas menunjukkan kemungkinan sesuatu akan terjadi atau tidak.

- Teorema Bayes

- Faktor Kepastian (Certainty Factor)

Definisi Kecerdasan Buatan
Berbagai definisi diungkapkan oleh para ahli untuk dapat memberi gambaran mengenai kecerdasan buatan beberapa diantaranya:

• Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas (H. A. Simon [1987]).
• Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia. (Rich and Knight [1991]).
• Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan. (Encyclopedia Britannica).

Sejarah Kecerdasan Buatan
Berbagai litelatur mengenai kecerdasan buatan menyebutkan bahwa ide mengenai kecerdasan buatan diawali pada awal abad 17 ketika Rene Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Kemudian Blaise Pascal yang menciptakan mesin penghitung digital mekanis pertama pada 1642. Selanjutnya pada abad 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.

Perkembangan terus berlanjut, Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas” pada 1943 yang meletakkan pondasi awal untuk jaringan syaraf.

Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah “Kecerdasan Buatan” pada konferensi pertama pada tahun 1956, selain itu dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan “Turing test” sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.

Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang diyakini sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan yang mempunyai rintangan secara mandiri.

Jenis-Jenis Kecerdasan Buatan
Dalam perkembangannya kecerdasan buatan dapat dikelompokkan sebagai berikut:

• Sistem Pakar (Expert System), komputer sebagai sarana untuk menyimpan pengetahuan para pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan meniru keahlian yang dimiliki pakar.
• Pengolahan Bahasa Alami (Natural Language Processing), user dapat berkomunikasi dengan komputer menggunakan bahasa sehari-hari, misal bahasa inggris, bahasa indonesia, dan sebagainya.
• Pengenalan Ucapan (Speech Recognition), manusia dapat berkomunikasi dengan komputer menggunakan suara.
• Robotika & Sistem Sensor.
• Computer Vision, menginterpretasikan gambar atau objek-objek tampak melalui komputer.
• Intelligent Computer-Aided Instruction, komputer dapat digunakan sebagai tutor yang dapat melatih & mengajar.
• Game Playing.

Soft Computing
Soft computing merupakan sebuah inovasi 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. Logika Fuzzy/Fuzzy Logic (mengakomodasi ketidaktepatan).
2. Jaringan Syaraf Tiruan/Neurall Network (menggunakan pembelajaran).
3. Probabilistic Reasoning (mengakomodasi ketidakpastian).
4. Algoritma Genetika/Evolutionary Computing (optimasi).

Pada awalnya kata algorisma adalah istilah yang merujuk kepada aturan-aturan aritmetis untuk menyelesaikan persoalan dengan menggunakan bilangan numerik arab, namun pada abad ke-18 istilah ini telah berkembang menjadi algoritma suatu urutan langkah atau prosedur yang jelas dan diperlukan untuk menyelesaikan suatu permasalahan.

Sebagai contoh: akan dikonversikan bilangan desimal 10 menjadi bilangan biner, maka cara menyelesaikannya adalah sebagai berikut 10:2=5(0), 5:2=2(1), 2:2=1(0), 1:2=0(1) sisa hasil bagi dibaca dari belakang menjadi 1010

Dengan menggunakan teori tersebut, kita akan mencoba membuat sebuah aplikasi yang dapat mengkonversikan bilangan desimal ke bilangan biner, mari kita mulai… , hal pertama yang harus dilakukan adalah membuat sebuah fungsi konversi yang dapat mengolah bilangan desimal yang diinputkan menjadi bilangan biner. Sebagai contoh kita dapat membuatnya seperti berikut

Fungsi pada contoh di atas merupakan sebuah perulangan rekursif yang akan berhenti bila variabel bil mempunyai nilai 0 atau 1. Jika anda belum memahami tentang perulangan rekursif, anda dapat membacanya pada http://ndoware.com/perulangan-loop.html

Selanjutnya fungsi tersebut tinggal dipanggil dari program utama, contoh program lengkapnya dapat anda download di sini, program tersebut dibuat menggunakan borland delphi 7, jika ingin programnya dalam bahasa pemrograman yang lain, silahkan dikonversikan sendiri .