Komputasi Modern

Komputasi modern adalah sebuah konsep sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory, memory disini bisa juga dari memory komputer. Oleh karena pada saat ini kita melakukan komputasi menggunakan komputer maka bisa dibilang komputer merupakan sebuah komputasi modern. Konsep ini pertama kali digagasi oleh John Von Neumann (1903-1957). Beliau adalah ilmuan yang meletakkan dasar-dasar komputer modern. Von Neumann telah menjadi ilmuwan besar abad 21. Von Neumann memberikan berbagai sumbangsih dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer yang di salurkan melalui karya-karyanya . Beliau juga merupakan salah satu ilmuwan yang terkait dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu. Kegeniusannya dalam matematika telah terlihat semenjak kecil dengan mampu melakukan pembagian bilangan delapan digit (angka) di dalam kepalanya.

            Dalam kerjanya komputasi modern menghitung dan mencari solusi dari masalah yang ada, dan perhitungan yang dilakukan itu meliputi:

1. Akurasi (big, Floating point)

2. Kecepatan (dalam satuan Hz)

3. Problem Volume Besar (Down Sizzing atau pararel)

4. Modeling (NN & GA)

5. Kompleksitas (Menggunakan Teori big O)

Jenis-jenis Komputasi Modern

Komputasi modern terbagi tiga macam, yaitu komputasi mobile (bergerak), komputasi grid, dan komputasi cloud (awan). Penjelasan lebih lanjut dari jenis-jenis komputasi modern sebagai berikut :

1. Mobile computing

Mobile computing atau komputasi bergerak memiliki beberapa penjelasan, salah satunya komputasi bergerak merupakan kemajuan teknologi komputer sehingga dapat berkomunikasi menggunakan jaringan tanpa menggunakan kabel dan mudah dibawa atau berpindah tempat, tetapi berbeda dengan komputasi nirkabel. Contoh dari perangkat komputasi bergerak seperti GPS, juga tipe dari komputasi bergerak seperti smart phone, dan lain sebagainya.

2. Grid computing

Komputasi grid menggunakan komputer yang terpisah oleh geografis, didistibusikan dan 

terhubung oleh jaringan untuk menyelasaikan masalah komputasi skala besar.

3. Cloud computing

            Komputasi cloud merupakan gaya komputasi yang terukur dinamis dan sumber daya virtual yang sering menyediakan layanan melalui internet. Komputasi cloud menggambarkan pelengkap baru, konsumsi dan layanan IT berbasis model dalam internet, dan biasanya melibatkan ketentuan dari keterukuran dinamis dan sumber daya virtual yang sering menyediakan layanan melalui internet.

Penerapan komputasi modern pada website resmi dari perusahaan Hoka-hoka bento indonesia, tampilan awal website :

Pada tampilan awal website, user dimudahkan untuk memilih informasi yang user inginkan. Seperti menu yang tersedia beserta harganya, lokasi outlet terdekat, promo yang sedang berlangsung, dan lain-lain.

Selain itu, pada website ini juga terdapat layanan atau menu Pesan Online yang termasuk ke dalam komputasi modern. Dengan layanan ini, customer dapat memesan menu makanan secara online tanpa harus datang ke restoran.

Untuk konfirmasi pemesanan kita harus login terlebih dahulu, kita di minta untuk mengisi biodata diri

referensi : 

http://faris6593.blogspot.co.id/2015/04/softskill-pengertian-komputasi-modern-dan-jenisnya.html

http://www.hokben.co.id/

Algoritma pada Game Othello / Reversi

Othello atau disebut juga reversi adalah permainan yang menggunakan papan berisi kotak sebanyak 8x8, antara dua orang pemain dengan keping hitam dan putih seperti di bawah.

Tujuan dari permainan ini adalah kedua pemain saling berusaha memiliki jumlah keping terbanyak di akhir permainan untuk jadi pemenang.

     Algoritma Game Othello / reversi

Untuk melakukan perhitungan simulasi permainan inilah, digunakan algoritma standar di dalam bidang kecerdasan buatan (artificial intelligence, AI) yang sudah dikembangkan sejak lama, yaitu Game Theory, terutama algoritma yang disebut Minimax. Sesuai namanya, algoritma minimax adalah aturan untuk permainanzero-sum 2 pemain, yang berusaha meminimalkan kemungkinan kalah sambil memaksimalkan kemungkinan menang untuk pemain yang akan melangkah.

Di kedalaman 1 (dan kedalaman ganjil lainya), posisi papan akan menentukan nilai untuk pemain yang akan melangkah saat ini (current player), sehingga di kedalaman ganjil ini algoritma minimax memilih langkah bernilai maksimal sebagai langkah terbaik. Sebaliknya di kedalaman 2 (dan kedalaman genap lainnya), posisi papan akan menentukan nilai untuk pemain lawan yang akan melangkah berikutnya (opponent player), sehingga di kedalaman genap ini algoritma minimax memilih langkah bernilai minimal sebagai langkah terbaik.

Sebagai ilustrasi sampai kedalaman dua bisa digambarkan dengan tabel berikut:

	B memilih B1	B memilih B2	B memilih B3
A memilih A1	+3	−2	+2
A memilih A2	−1	0	+4
A memilih A3	−4	−3	+1

Ketika A memilih langkah A1 dilanjutkan dengan B memilih langkah B1, posisi papan yang terbentuk bernilai +3. Demikian pula untuk A1 → B2 nilainya -2, A1 → B3 nilainya +2 dst. Sekarang mari kita coba aplikasikan algoritma minimax untuk menghitung langkah terbaik bagi pemain A.

Terhadap langkah A1 (kedalaman 1) misalnya valid moves pemain B adalah B1, B2 dan B3 (kedalaman 2), dan langkah terbaik menurut algoritma minimax didapat dengan mencari langkah bernilai minimal (karena di kedalaman 2), yaitu B2 (bernilai -2). Demikian pula terhadap langkah A2 yang terbaik bagi B adalah B1 (bernilai -1), dan terhadap A3 adalah B1 juga (bernilai -4). Selanjutnya, nilai untuk langkah pemain A (kedalaman 1) adalah nilai yang 'dikembalikan' dari pemain B di kedalaman 2, yaitu A1 adalah -2, A2 adalah -1, dan A3 adalah -4. Kemudian untuk kedalaman 1 ini algoritma minimax mencari nilai maksimal sebagai langkah terbaik, yaitu A2 (bernilai -1).

Untuk kedalaman lebih dari dua, cara 'berpikir' algoritma minimax dapat digambarkan sebagai pohon permainan (game tree) seperti pada gambar di atas. Di lokasi paling dalam (disebut lokasi node daun atau leaf node), dalam hal ini kedalaman 4, dilakukanlah perhitungan nilai posisi papan yang selanjutnya 'dikembalikan' ke node pada kedalaman di atasnya terus hingga sampai lokasi paling atas (di sebut akar atau root). Panah merah menunjukkan nilai yang dikembalikan dari langkah terbaik pilihan algoritma minimax ke kedalaman di atasnya. Demikianlah, kita dapat melihat algoritma minimax bergantian memilih langkah dengan nilai minimal dan maksimal sebagai langkah terbaik sesuai dengan kedalamannya. Dengan algoritma ini komputer dapat 'berpikir' sampai kedalaman tertentu untuk menentukan langkah terbaik untuk memenangkan permainan.

Tetapi pada prakteknya, algoritma minimax kini tidak pernah digunakan lagi, karena algoritma ini harus memperhitungkan semua valid moves, sehingga memerlukan waktu yang sangat lama. Sebagai gantinya telah dikembangkan beberapa improvisasi dari minimax seperti algoritma AlphaBeta, NegaScout dll. yang dapat melakukan pemangkasan game tree supaya tidak perlu memperhitungkan semuavalid moves, sehingga dapat 'berpikir' dalam waktu jauh lebih cepat.

referensi : 
http://genethello.blogspot.co.id/2011/06/game-theory-algoritma-minimax.html

User Interface pada Game Komputer

Antarmuka (Interface) merupakan mekanisme komunikasi antara pengguna (user) dengan sistem. Antarmuka (Interface) dapat menerima informasi dari pengguna (user) dan memberikan informasi kepada pengguna (user) untuk membantu mengarahkan alur penelusuran masalah sampai ditemukan suatu solusi. Antarmuka (Interface)  berfungsi untuk menginput pengetahuan baru ke dalam basis pengetahuan sistem pakar (ES), menampilkan penjelasan sistem dan memberikan panduan pemakaian sistem secara berurutan  sehingga pengguna mengerti apa yang akan dilakukan terhadap suatu sistem.

Desain user interface dalam game berbeda dari desain user interface lainnya karena melibatkan unsur tambahan fiksi. Fiksi melibatkan avatardari pengguna yang sebenarnya atau player. Sebuah desain interface pada suatu game mempengaruhi kenyamanan dan sejauh mana user atau pemain meminati game tersebut.  Dalam user interface game, terdapat sebuah teori yang dikemukakkan oleh Erik Fagerholt dan Magnus Loretzon dari Chalmers University of Technology. Dalam tesisnya mereka menulis tesis tentang desain user interface berjudul Beyond the HUD – User Interfaces for Increased Player Immersion in FPS Games. Mereka memperkenalkan istilah berbagai jenis interface yang berkaitan dengan desain video game.

HUD itu sendiri kepanjangan dari Heads – up display, merupakan metode dimana informasi secara visul disampaikan kepada pemain sebagai bagian dari antarmukan pengguna permainan. Biasanya menunjukkan bar/kotak HP(Health Point) ataupun MP(Mana Point) dan biasanya muncul  di atas kepala karakter. Fungsi HUD ini untuk memudahkan pemain mengetahui kondisi karakter dalam permainan.

    

Dalam desain antarmuka game terdapat beberapa elemen yang diantaranya adalah :

      1.     Diagetic

      Desain antarmuka yang termasuk dalam permainan game  yaitu yang dapat dilihat dan didengar oleh karakter dalam permainan. Yang dimaksudkan pada antarmuka diagetic ini segala sesuatu yang terlihat terkecuali elemen-elemen non-diegetic seperti HUD, Kursor mouse, Informasi dari Komputer,dll Contoh: Interface  dalam game Dead Space :

      2.       Non-diegetic

     Desain  Antarmuka yang diberikan sebagai tambahan di luar dunia game itu sendiri, hanya terlihat dan terdengar ke pemain di dunia nyata. Sehingga seakan-akan karakter dalam dunia game tidak melihatnya. Mass Effect 3 menggunakan banyak Non-diegetik elemen UI untuk menginformasikan pemain senjata karakter dipilih dan kekuasaan - antara lain.

     3. Spatial

     Elemen User Interface yang disajikan dalam ruang permainan 3D dengan atau tanpa suatu entitas dari dunia permainan yang sebenarnya (diegetik atau non-diegetik). Outline karakter dalam Left 4 Dead adalah contoh dari non-diegetik User Interface spatial.

     4. Meta

     Gambaran yang bisa muncul dalam dunia game, namun tidak selalu divisualisasikan spasial untuk pemain.Contoh yang paling jelas adalah efek ditampilkan di layar, seperti percikan darah pada kamera untuk menunjukkan kerusakan. Contoh: Duty Calls- The Calm Before the Storm

 referensi :

http://naomidandunia.blogspot.co.id/2013/01/elemen-user-interface-dalam-video-game_1579.html

http://xaditiaekax.blogspot.co.id/2013/01/element-element-desain-interface-pada.html

http://hendrawansaputra1994.blogspot.co.id/2015/04/user-interface-pada-game.html

Teknologi dalam bisnis informasi

Tugas Pengantar Teknologi Bisnis


PENDAHULUAN

      

        Teknologi Informasi dan Komunikasi merupakan elemen penting dalam kehidupan berbangsa dan bernegara. Peranan teknologi informasi pada aktivitas manusia pada saat ini memang begitu besar.

Perkembangan teknologi informasi begitu pesat di era globalisasi ini, teknologi dan informasi seakan tidak mempunyai batasan dalam perkembanganya, dan perkembangan ini berdampak langsung terhadap kehidupan sosial serta budaya tidak hanya diindonesia tapi mencakup berbagai belahan dunia.

Di zaman sekarang ini kita menggunukan ilmu teknologi bukan hanya di gunakan untuk kepuasan semata seperti bermain game, facebook, twitter dan lain-lain, namun di balik semua itu jika kita bisa berfikir lebih maju, kita dapat menggunkan teknologi informasi ini sebagai sarana untuk berbisnis, nah maka dari itu saya disini akan membahas sedikit tentang hubungan atau korelasi antara ilmu teknologi dalam berbisnis.

Pembahasan

          Pengertian Teknologi Informasi. Teknologi informasi adalah hasil rekayasa manusia terhadap proses penyampaian informasi dari pengirrim ke penerima sehingga lebih cepat, lebih luas, sebarannya dan lebih lama penyimpanannya.
         Bidang Teknologi Informasi memberi prospek pada bangsa Indonesia yang tengah dilanda krisis ekonomi. Industri lain saat ini ditandai dengan pemogokan buruh, pemungutan liar, dan gangguan fisik lainnya. Untuk itu bisnis Teknologi Informasi atau bisnis lain yang didukung oleh Teknologi Informasi perlu mendapat perhatian yang khusus karena sifatnya yang strategis bagi bangsa Indonesia.Dua aspek penting dalam pengembangan bisnis yang berhubungan dengan Teknologi Informasi adalah infrastruktur dan sumber daya manusia (SDM). Selain kedua aspek tersebut, tentunya masih banyak aspek lain seperti finansial.

Korelasi Antara Ilmu Teknologi Informasi dengan Dunia Bisnis

  Manusia merupakan makhluk ciptaan tuhan yang tidak dapat berdiri sendiri, manusia membutuhkan bantuan dari makhluklainnya bahkan juga membutuhkan bantuan alat-alat yang mambantu egiatan mereka, sehingga tubuh tidak begitu mengalami kelelahan yang nantinya dapat membahayakan kesehatan mereka.

Namun setelah di temukannya ilmu teknologi, manusia dapat menghasilkan berbagai alat untuk membantu kehidupan mereka. Manusia menemukan dan menggunakan teknologi karena mereka menggunakan akalnya dan ingin keluar dari masalah agar hidup lebih baik.  Teknologi merupakan suatu inovasi yang sangat berpengaruh terhadap perkembangan kehidupan manusia dalam berbagai bidang salah satunya berbisnis.

Teknologi sangat menunjang kelancaran berbisnis di zaman sekarang ini, karena dengan kita menguasai ilmu teknologi dengan baik kita akan mudah melakukan bisnis melalui dunia maya seperti berbisnis online. Bisnis merupakan kegiatan mencari keuntungan dengan menghasilkan barang dan jasa untuk memenuhi kebutuhan produsen dan konsumen yang bersifat saling melengkapi dengan tetap melihat unsur survival , tanggung jawab sosial , berkembang dan tumbuh.

Dalam bisnis kita harus banyak membuat networking karena dengan networking kita bisa memperluas bisnis kita dan membuat bisnis kita menjadi maju. Oleh karena itu networking bisa dikategorikan sebagai modal. Untuk menciptakan networking yang luas pada zaman sekarang kita tentunya membutuhkan teknologi. Khususnya teknologi informasi.

 

 

Dampak positif dan negatif

 

                 Dampak Positif

 

-->  Memudahkan kegiatan bisnis berjalan dengan efisien.

--> Teknologi bisa membantu pertumbuhan ekonomi daerah tertinggal dengan           kemajuan bisnis yang di tunjang dengan teknologi canggih yang bisa menjangkau semua daerah. Sehingga terjadi globalisasi teknologi dan bisnis yang sempurna

--> Bisnis bisa dilakukan oleh semua kalangan karena hal kecil apapun dengan adanya teknologi bisa dijadikan peluang bisnis.

  --> Mengurangi kerugian dalam berbisnis. Misalnya dengan proses produksi yang dilakukan oleh mesin  atau robot kesalalahan akan bekurang karena sudah terprogram dengan baik. Serta mengurangi resiko kecelakaan kerja.

  --> Bisnis bisa membuat fisik kita tetap sehat dan tidak mengeluarkan banyak tenaga. Karena kita hanya perlu menggunakan otak kita dan sedikit tenaga untuk melakukan kegiatan bisnis.

--> Akses data lebih murah , mudah dan cepat. Dengan adanya teknologi wireless kita bisa mengakses informasi dimana saja termasuk untuk melakukan pembayaran ataupun melihat e-shop kita dimanapun kita berada.

 

Dampak Negatif

Bisnis tidak dijadikan lagi suatu kegiatan untuk memenuhi kebutuhan hidup tapi digunakan untuk mencari kepuasan.

  --> Terjadinya kesenjangan sosial dalam pebisnis. Dengan adanya perkembangan teknologi yang sangat cepat,mungkin tidak semua pebisnis mempunyai kemampuan mengembangkan usaha mereka dengan teknologi yang baru. Karena perubahan teknologi memerlukan penyesuaian dalam segala hal. Hal itu bisa menimbulkan berbagai kesenjangan di antara pebisnis. Yaitu dengan adanya pebisnis kecil dan pebisnis besar.

--> Masyarakat akan menjadi pebisnis yang individualis dan mungkin akan melupakan social responsibility karena pekerjaan sehari – hari mereka hanya berhubungan dengan teknologi dan hanya diam di suatu tempat tanpa adanya sosialisasi.

                   --> Para pebisnis akan menjadi kurang produktif dan tidak kreatif karena hanya        mengandalkan teknologi yang membuat proses bisnis mereka menjadi praktis dan para pebisnis akan menjadi pemalas.

 

Penutup

  Kesimpulan

Persaingan bisnis yang semakin ketat di era globalisasi menuntut perusahaan untuk menyusun kembali strategi dan taktik bisnisnya. Teknologi Informasi sebagai tulang punggung manajemen supply chain, konsep manajemen supply chain tidak dapat dipisahkan dari perkembangan teknologi informasi (TI). Konsep menajemen supply chain memperlihatkan adanya proses ketergantungan antara berbagai perusahaan yang terkait di dalam sebuah system bisnis. Semakin banyak perusahaan yang terlibat dalam rantai tersebut, akan semakin kompleks strategi pengelolaan yang perlu dibangun. Dalam konteks bisnis, internet membawa dampak transpormasional yang

menciptakan paradigma baru dalam berbisnis, berupa digital marketing atau nternet marketing (cyber marketing, electronic marketing). Istilah internetisasi mengacu pada proses sebuah perusahaan terlibat dalam aktivitas-aktivitas bisnis secara elektronik (e-commerce atau e-bisnis), khususnya dengan memanfaatkan internet sebagai media, pasar, maupun infrastruktur penunjang.

 

 

 

Daftar Pustaka

 

https://witman591ugm.wordpress.com/2011/06/03/hubungan-tik-dengan-dunia-bisnis/

http://maftuhinbarcelonista.blogspot.co.id/2014/04/hubungan-teknologi-informasi-dalam.html

http://ressinatasumanda.blogspot.co.id/2014/03/peran-teknologi-informasi-dalam-bisnis.html
 

Artificial Intelligent pada Game

Decision Making

Decision Making adalah serangkaian algoritma yang dirancang dengan memasukan beberapa kemungkinan langkah yang bisa diambil oleh suatu aplikasi, Pada game ini decision makingmemberikan kemampuan suatu karakter untuk menentukan langkah apa yang akan diambil.Decision making dilakukan dengan cara menentukan satu pilihan dari list yang sudah dibuat pada algoritma yang dirancang. Algoritma decision making kerap digunakan dalam aplikasigame, akan tetapi algoritma decision making dapat diimplementasikan pada banyak aplikasi lain.

Decision Making terbagi menjadi 3 :

Decision Tree, State Machine dan Rule System

Decision Tree

Pohon Keputusan (Decision Tree) merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa alami. Aturan ini juga dapat diekspresikan dalam bentuk bahasa basis data seperti SQL untuk mencari record pada kategori tertentu. Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Karena pohon keputusan memadukan antara eksplorasi data dan pemodelan, pohon keputusan ini sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain(J R Quinlan, 1993).

Dalam situasi lain kemampuan untuk menjelaskan alasan pengambilan keputusan adalah sesuatu yang sangat penting. Misalnya pada perusahaan asuransi ada larangan resmi untuk mendeskriminasi berdasarkan variabel-variabel tertentu. Perusahaan asuransi dapat mencari sendiri keadaan yang mencerminkan bahwa mereka tidak menggunakan deskriminasi yang ilegal dalam memutuskan seseorang diterima atau ditolak. Sebuah pohon keputusan adalah sebuah struktur yang dapat digunakan untuk membagi kumpulan data yang besar menjadi himpunan-himpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan. Anggota himpunan hasil menjadi mirip satu dengan yang lain dengan masing-masing rangkaian pembagian. Sebuah model pohon keputusan terdiri dari sekumpulan aturan untuk membagi sejumlah populasi yang heterogen menjadi lebih kecil, lebih homogen dengan memperhatikan pada variabel tujuannya. Sebuah pohon keputusan mungkin dibangun dengan seksama secara manual, atau dapat tumbuh secara otomatis dengan menerapkan salah satu atau beberapa algoritma pohon keputusan untuk memodelkan himpunan data yang belum terklasifikasi (Tan dkk, 2004).

Variabel tujuan biasanya dikelompokkan dengan pasti dan model pohon keputusan lebih mengarah pada perhitungan probabilitas dari masing-masing record terhadap kategori-kategori tersebut, atau untuk mengklasifikasi record dengan mengelompokkannya dalam satu kelas. Pohon keputusan juga dapat digunakan untuk mengestimasi nilai dari variabel kontinyu, meskipun ada beberapa teknik yang lebih sesuai untuk kasus ini.

Kelebihan dari metode pohon keputusan adalah:

1. Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik
2. Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sampel diuji hanya berdasarkan kriteria atau kelas tertentu
3. Fleksibel untuk memilih fitur dari node internal yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional
4. Dalam analisis multivarian, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan kriteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.

Kekurangan pada pohon keputusan adalah:

1. Terjadi overlapping terutama ketika kelas-kelas dan kriteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan
2. Pengakumulasian jumlah kesalahan dari setiap tingkat dalam sebuah pohon keputusan yang besar
3. Kesulitan dalam mendesain pohon keputusan yang optimal
4. Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.

Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki.

Setiap percabangan menyatakan kondisi yang harus dipenuhi dan tiap ujung pohon menyatakan kelas data. Contoh pada Gambar diatas adalah identifikasi pembeli komputer. Dari pohon keputusan tersebut diketahui bahwa salah satu kelompok yang potensial membeli komputer adalah orang yang berusia di bawah 30 tahun dan juga pelajar. Setelah sebuah pohon keputusan dibangun maka dapat digunakan untuk mengklasifikasikan record yang belum ada kelasnya. Dimulai dari node root, menggunakan tes terhadap atribut dari record yang belum ada kelasnya ini lalu mengikuti cabang yang sesuai dengan hasil dari tes tersebut, yang akan membawa kepada internal node (node yang memiliki satu cabang masuk dan dua atau lebih cabang yang keluar), dengan cara harus melakukan tes lagi terhadap atribut atau node leaf. Record yang kelasnya tidak diketahui kemudian diberikan kelas yang sesuai dengan kelas yang ada pada node leaf. Pada pohon keputusan setiap simpul leaf menandai label kelas. Proses dalam pohon keputusan yaitu mengubah bentuk data (tabel) menjadi model pohon (tree) kemudian mengubah model pohon tersebut menjadi aturan (rule) (J R Quinlan, 1993).

Salah satu algoritma induksi pohon keputusan yaitu ID3 (Iterative Dichotomiser 3). ID3 dikembangkan oleh J. Ross Quinlan. Dalam prosedur algoritma ID3, input berupa sampel training, label training dan atribut. Algoritma Decision Tree C4.5 merupakan pengembangan dari ID3. Sedangkan pada perangkat lunak open source WEKA mempunyai versi sendiri dari C4.5 yang dikenal sebagai J48.

State Machine

Finite State Machines (FSM) adalah sebuah metodologi perancangan sistem kontrol yang menggambarkan tingkah laku atau prinsip kerja sistem dengan menggunakan tiga hal berikut: State (Keadaan), Event (kejadian) dan action (aksi). Pada satu saat dalam periode waktu yang cukup signifikan, sistem akan berada pada salah satu state yang aktif. Sistem dapat beralih atau bertransisi menuju state lain jika mendapatkan masukan atau event tertentu, baik yang berasal dari perangkat luar atau komponen dalam sistemnya itu sendiri (misal interupsi timer). Transisi keadaan ini umumnya juga disertai oleh aksi yang dilakukan oleh sistem ketika menanggapi masukan yang terjadi. Aksi yang dilakukan tersebut dapat berupa aksi yang sederhana atau melibatkan rangkaian proses yang relative kompleks.

Berdasarkan sifatnya, metode FSM ini sangat cocok digunakan sebagai basis perancangan perangkat lunak pengendalian yang bersifat reaktif dan real time. Salah satu keutungan nyata penggunaan FSM adalah kemampuannya dalam mendekomposisi aplikasi yang relative besar dengan hanya menggunakan sejumlah kecil item state. Selain untuk bidang kontrol, Penggunaan metode ini pada kenyataannya juga umum digunakan sebagai basis untuk perancangan protokol-protokol komunikasi, perancangan perangkat lunak game, aplikasi WEB dan sebagainya.

Dalam bahasa pemrograman prosedural seperti bahasa C, FSM ini umumnya direalisasikan dengan menggunakan statemen kontrol switch case atau/dan if..then. Dengan menggunakan statemen-statemen kontrol ini, aliran program secara praktis akan mudah dipahami dan dilacak jika terjadi kesalahan logika.

Rule Systems

Rule Based System merupakan metode pengambilan keputusan berdasarkan pada aturan-aturan tertentu yang telah ditetapkan. RBS dapat diterapkan pada agen virtual dalam bentuk kecerdasan buatan sehingga dapat melakukan tindakan tertentu. Tindakan tersebut direpresentasikan oleh set aturan yaitu penyebab tindakan itu terjadi, proses tindakan dan hasil dari tindakan tersebut.

Rule Base Systems (RBS) sistem yang baik untuk mendapat jawaban dari pertanyaan mengenai What (apa), How (bagaimana) dan Why (mengapa) dari Rule Base (RB) selama proses inferensia. Jawaban dan penjelasannya dapat disediakan dengan baik. Masalah yang ada dengan SBP adalah ia tak dapat secara mudah menjalankan proses akuisisi knowledge (pengetahuan) dan ia tak dapat mengupdate rule (aturan) secara otomatis. Hanya pakar yang dapat mengupdate Knowledge Base (KB) secara manual dengan dukungan dari knowledge engineer (insinyur pengetahuan). Lebih jauh kebanyakan peneliti dalam SBA lebih memperhatikan masalah optimasi pada rule yang sudah ada daripada pembangkitan rule baru dari rule yang sudah ada. Namun demikian, optimasi rule tak dapat mengubah hasil dari inferensia secara signifikan, yaitu dalam hal cakupan pengetahuan.

Ripple Down Rule (RDR) datang untuk mengatasi permasalahan utama dari sistem pakar: pakar tak perlu lagi selalu mengkomunikasikan pengetahuan dalam konteks yang spesifik. RDR membolehkan akuisisi yang cepat dan sederhana secara ekstrim tanpa bantuan dari knowledge engineer. Pengguna tak perlu menguji RB dalam rangka mendefinisikan rule baru: pengguna hanya perlu untuk mampu mendefinisikan rule baru yang secara benar mengklasifikasikan contoh yang diberikan, dan sistem dapat menentukan dimana suatu rule harus ditempatkan dalam hirarki rulenya. Keterbatasan dari RDR adalah kekurangan dalam hal inferensia yang berdayaguna. Tak seperti SBA yang dilengkapi dengan inferensia melalui forward dan backward chaining, RDR kelihatannya menggunakan Depth First Search (DFS) yang memiliki kekurangan dalam hal fleksibelitas dalam hal penjawaban pertanyaan dan penjelasan yang tumbuh dari inferensia yang berdayaguna.

Variable-Centered Intelligent Rule System (VCIRS) merupakan perkawinan dari SBA dan RDR. Arsitektur sistem diadaptasi dari SBA dan ia mengambil keuntungan-keuntungan yang ada dari RDR. Sistem ini mengorganisasi RB dalam struktur spesial sehingga pembangunan pengetahuan, inferensia pengetahuan yang berdayaguna dan peningkatan evolusional dari kinerja sistem dapat didapatkan pada waktu yang sama. Istilah “Intelligent” dalam VCIRS menekankan pada keadaan sistem ini yang dapat “belajar” untuk meningkatkan kinerja sistem dari pengguna sistem selama pembangunan pengetahuan (melalui analisis nilai) dan penghalusan pengetahuan (dengan pembangkitan rule).

Referensi :

http://eprints.dinus.ac.id/13726/1/Semantik-051_Fahrul.pdf

http://www.cs.bham.ac.uk/~mis157/Riset/VCIRS/VCIRS.php

http://blogs.itb.ac.id/aiceware/2012/09/23/algoritma-decision-tree-c4-5/

http://www.elektro.undip.ac.id/iwan/Perancangan%20Software%20Embedded%20System%20Berbasis%20FSM.pdf