Searching...

Tampilkan postingan dengan label Artifficial Inttelligence. Tampilkan semua postingan
Tampilkan postingan dengan label Artifficial Inttelligence. Tampilkan semua postingan

Senin, 13 Agustus 2012

AHP (bagian 1)

Pada hakekatnya AHP merupakan suatu model pengambil keputusan yang komprehensif dengan memperhitungkan hal- hal yang bersifat kualitatif dan kuantitatif. Dalam model pengambilan keputusan dengan AHP pada dasarnya berusaha menutupi semua kekurangan dari model-model sebelumnya. AHP juga memungkinkan ke struktur suatu sistem dan lingkungan kedalam komponen saling berinteraksi dan kemudian menyatukan mereka dengan mengukur dan mengatur dampak dari komponen kesalahan sistem (Saaty,2001).
Peralatan utama dari model ini adalah sebuah hirarki fungsional dengan input utamanya adalah persepsi manusia. Jadi perbedaan yang mencolok model AHP dengan model lainnya terletak pada jenis inputnya. Terdapat 4 aksioma-aksioma yang terkandung dalam model AHP 
1. Reciprocal Comparison artinya pengambilan keputusan harus dapat memuat perbandingan dan menyatakan preferensinya. Prefesensi tersebut harus memenuhi syarat resiprokal yaitu apabila A lebih disukai daripada B dengan skala x, maka B lebih disukai daripada A dengan skala 1/x 
2. Homogenity artinya preferensi seseorang harus dapat dinyatakan dalam skala terbatas atau dengan kata lain elemen- elemennya dapat dibandingkan satu sama lainnya. Kalau aksioma ini tidak dipenuhi maka elemen- elemen yang dibandingkan tersebut tidak homogen dan harus dibentuk cluster (kelompok elemen) yang baru 
3. Independence artinya preferensi dinyatakan dengan mengasumsikan bahwa kriteria tidak dipengaruhi oleh alternatif-alternatif yang ada melainkan oleh objektif keseluruhan. Ini menunjukkan bahwa pola ketergantungan dalam AHP adalah searah, maksudnya perbandingan antara elemen-elemen dalam satu tingkat dipengaruhi atau tergantung oleh elemen-elemen pada tingkat diatasnya 
4. Expectation artinya untuk tujuan pengambil keputusan. Struktur hirarki diasumsikan lengkap. Apabila asumsi ini tidak dipenuhi maka pengambil keputusan tidak memakai seluruh kriteria atau objectif yang tersedia atau diperlukan sehingga keputusan yang diambil dianggap tidak lengkap
Selanjutnya Saaty (2001) menyatakan bahwa proses hirarki analitik (AHP) menyediakan kerangka yang memungkinkan untuk membuat suatu keputusan efektif atas isu kompleks dengan menyederhanakan dan mempercepat proses pendukung keputusan. Pada dasarnya AHP adalah suatu metode dalam merinci suatu situasi yang kompleks, yang terstruktur kedalam suatu komponen-komponennya. Artinya dengan menggunakan pendekatan AHP kita dapat memecahkan suatu masalah dalam pengambilan keputusan. 

Prosedur AHP
            Pada dasarnya langkah-langkah dalam metode AHP meliputi :
1.      Menyusun hirarki dari permasalahan yang dihadapi.
Persoalan yang akan diselesaikan, diuraikan menjadi unsur-unsurnya, yaitu kriteria dan alternatif, kemudian disusun menjadi struktur hierarki seperti Gambar di bawah ini :
2.      Penilaian kriteria dan alternatif
Kriteria dan alternatif dinilai melalui perbandingan berpasangan. Menurut Saaty (1988), untuk berbagai persoalan, skala 1 sampai 9 adalah skala terbaik dalam mengekspresikan pendapat. Nilai dan definisi pendapat kualitatif dari skala perbandingan Saaty dapat dilihat pada Tabel berikut
.
 To be continued... :D

readmore »»  

Fuzzy Analytical Hierarchy Process (DSS/AI)

F-AHP merupakan gabungan metode AHP dengan pendekatan konsep fuzzy (Raharjo dkk, 2002). F-AHP menutupi kelemahan yang terdapat pada AHP, yaitu permasalahan terhadap kriteria yang memiliki sifat subjektif lebih banyak. Ketidak pastian bilangan direpresentasikan dengan urutan skala. Untuk menentukan derajat keanggotaan pada F-AHP, digunakan aturan fungsi dalam bentuk bilangan fuzzy segitiga atau Triangular Fuzzy Number (TFN) yang disusun berdasarkan himpunan linguistik. Jadi, bilangan pada tingkat intensitas kepentingan pada AHP ditranformasikan ke dalam himpunan skala TFN. Chang (1996) mendefinisikan nilai intensitas AHP ke dalam skala fuzzy segitiga yaitu membagi tiap himpunan fuzzy dengan 2, kecuali untuk intensitas kepentingan 1. Skala fuzzy segitiga yang digunakan Chang dapat dilihat pada tabel dan gambar berikut
Ada beberapa cara yang dapat dilakukan dalam menyelesaikan permasalahan pembobotan F-AHP. Pada teori F-AHP yang dikembangkan oleh Chang telah banyak diterapkan dalam penyelesaian beberapa studi kasus, seperti jurnal Kahraman (2004),Hwang(2009). F-AHP teori Chang (1996) Menurut Chang (1996) dalam sebuah jurnal (international journal of science direct), adapun langkah penyelesaian F-AHP adalah: 1.Membuat struktur hirarki masalah yang akan diselesaikan dan menentukan perbandingan matriks berpasangan antar kriteria dengan skala TFN. 2.Menentukan nilai sintesis fuzzy (Si) prioritas. 3.Jika hasil yang diperoleh pada setiap matrik fuzzy, M2 = (l2, m2, u2) ≥ M1 = (l1, m1, u1) dapat didefinisikan sebagai nilai vector. 4.Jika hasil nilai fuzzy lebih besar dari k fuzzy , Mi (i=1,2,...,k) yang dapat didefinisikan sebagai V (M ≥ M1,M2,...,Mk) = V[(M ≥ M1) dan (M ≥ M2) dan ... (M ≥ Mi)] 5.Normalisasi bobot vektor atau nilai prioritas kriteria yang telah diproleh, W= (d(A1), d(A2), ..., d(An))T Dimana W adalah bilangan non-fuzzy.

Sebagai contoh kasus penerapan metode FAHP kedalam suatu sistem pendukung keputusan, anda dapat mendownload Paper Sistem Pendukung Keputusan Pemilihan Dosen Teladan menggunakan metode FAHP dengan mengklik link dibawah ini.
Download Paper

Reference: Kahraman, Cengiz, Ufuk Cebeci, dan Da Ruan, ”Multi- Attribute Comparison of Catering Service Companies Using Fuzzy AHP: The Case of Turkey,” International Journal of Production Economics 87, hal.171- 184, 2004.
readmore »»  

Rabu, 03 Maret 2010

Perbedaan AI dengan Komputasi Konvensional

Aritifficial Intelligence merupakan software yang memungkinkan komputer digital bisa meniru beberapa fungsi otak manusia yang terbatas. walaupun hardware artifficial intelligence khusus dapat dibuat, tetapi ternyata hampir semua software AI bisa dilaksanakan pada semua jenis komputer, mulai dari komputer mikro sampai komputer besar.

Program AI dapat ditulis dalam semua bahasa komputer dan telah ditulis dalam bahasa Assembler, BASIC, Fortran,Pascal,C dan sebaliknya. Namun, bahasa pemrograman khusus aplikasi AI mulai dikembangkan pula.Dua bahasa pemrograman AI yang sangat populer adalah LISP dan Prolog.

KOMPUTASI KONVENSIONAL

Teknik pembuatan Program AI sangat berbeda dengan teknik pemrograman menggunakan bahasa konvensional. Dalam software konvensional,kita memerintah komputer bagaimana menyelesaikan suatu masalah. Sebaliknya, dalam AI kita tidak memerintah komputer untuk menyelesaikan masalah, tetapi memeberitahu komputer tentang adanya masalah. Dalam komputasi konvensional, kita memberikan data kepada komputer dan program yang telah kita susun terlebih dahulu dengan langkah demi langkah memspesifikasikan cara data digunakan sampai komputer bisa memberikan solusi. Dalam komputasi AI, komputer mendapatkan pengetahuan tentang suatu wilayah subyek masalah tertentu dengan ditambah kemampuan inferensi. kita tidak memerintahkan komputer untukmemecahkan masalah tetapi sebaliknya komputer dan software-nya yang menentukan metode untuk mencapai suatu solusi.
program komputer konvensional didasarkan pada suatu algoritma yang disusun dengan jelas, rinci, serta langkah sampai pada hasil yang sudah ditentukan sebelumnya. program bisa berupa rumus matematika atau prosedur berurutan yang tersusun dengan jelas yang mengarah ke suatu solusi. algoritma tersebut kemudian dipindahkan ke dalam program komputer. daftar instruksi disusun berurutan untuk mengarahkan komputer agar bisa sampai pada hasil yang didinginkan. selanjutnya, algoritma bisa digunakan untuk mengolah data bilangan, huruf, atau kata lainnya.

KOMPUTASI AI

Sebaliknya, software AI tidak didasarkan pada algoritma, tetapi didadasarkan pada representasi dan manipulasi simbol. Didalam AI, sebuah simbol bisa merupakan huruf, kata, atau bilangan yang digunakan untuk menggambarkan objek, proses, dan huungannya. sumber bisa merupakan cetakan atau elektronik. objek bisa berupa orang, benda, ide, pikiran, peristiwa, atau pernyataan suatu fakta. Dengan menggunakan simbol, komputer bisa menciptakan suatu basis pengetahuan yang menyatakan fakta, pikiran, dan hubungannya satu sama lain. berbagai proses digunakan unutk memanipulasi simbol agar mampu memecahkan masalah. Pengolahannya bersifat kuantitatif, bukan kulaitatif seperti halnya komputasi yang didasarkan pada algoritma. ~

@taken from Buku Komputer Masa Depan-Pengenalan Artificcial Intelligence (^_^)
readmore »»