Tugas Besar 1 - Sistem Cerdas [PDF]

Citation preview

Fakultas



ProgramStudi



FAKULTASTEKNIK



TEKNIKELEKTRO



TatapMuka



KodeMK



1,2,3,4,5



DisusunOleh YudhiGunardi,MT



TUGASPERKULIAHAN



SISTEM CERDAS JudulTugas



TugasBesar1 Deskripsi



Ketentuan



Tugasmengerjakansoal



Tugas bersifat open bookDiperbolehkan bertanya tetapi tidakdiperbolehkan minta dibuatkan danbersifatindividual



Luaran/Output



Jadwal



MahasiswamampumengerjakansoalSiste m Cerdas



Tugas dikumpulkan paling lambat hariKAMIS, 14Oktober 2021 JAM 23.59 WIB



Bobot



Penilaian



BobotnilaiyangdigunakanadalahA–Fdengan nilai tertinggi adalah A danterendahadalahF



Kriteria 



Kesesuaian dan ketepatan jawaban







Terlambat pengumpulan dikurangi nilai 25 point.







KecepatanPenyerahanTugas



maka



akan



DaftarPustaka



1. Kusumadewi; Sri. 2003. Artificial Intelligence (Teknik & Aplikasinya). Yogyakarta: Graha Ilmu 2. Murata, Tadao, 1989, petri net properties, analysis and application, proceding of IEEEVol4 april 1989.



Q



KERTAS KERJA TUGAS BESAR 1 Semesrter : Ganjil / Genap *) Tahun Akademik :2021/2022 Nomor Induk Mahasiswa



Nama



41420010014



Paraf Mahasiswa



Rahman Hanggara



Teknik Elektro



Program Studi



Nilai Tugas Besar 1



Sistem Cerdas



Mata Kuliah



Paraf Dosen Yudhi Gunardi, ST, MT. Syamsir Alam, S.Kom, MT.



Dosen



TUGAS BESAR 1 SISTEM CERDAS SOAL NO 1 Dari gambar jaringan petri dibawah pergerakan mobile robot yang bergerak dari posisi start menuju ruang 1 dan ruang 2, pergerakan di navigaasi menggunakaan RFID yaitu sensor yang menjadi marking petri net untuk pergerakan mobile robot, dari kasus diatas ini tentukan : Ruang 1 TEMBOK



TEMBOK



TEMBOK



* Ruang 2



posisi start



A. Konversi gambar diatas ke jaringan petri Jawab : Dari model maket diperoleh gambar sebagai berikut :



(NILAI 30)



B. Tentukan model matematis saat robot bergerak ke ruang 1 (untuk nim GENAP) (NILAI 70) Tentukan model matematis saat robot bergerak ke ruang 2 (untuk nim GANJIL) Jawab : Pemodelan matematis dari maket rencana perjalanan robot ke ruang 1 sebagai berikut : Tabel 1 Keterangan pergerakan petri net Place



Information



Transitio n



Information



P1



Robot tersedia di start



T1



Robot siap bergerak



P2



Robot bergerak lurus



T2



Robot bergerak ke kiri



P3



Robot robot bergerak Lurus



T3



Robot memilih ke lurus



P4



Robot memilih bergerak belok kiri



T4



Robot memilih ke kiri



P5



Robot sampai di ruang 2



T5



Robot bergerak ke ruang 2



P6



Robot memilih bergerak Lurus



T6



Looping to Start



P7



Robot robot bergerak lurus



T7



Robot bergerak ke kanan



P8



Robot sampai di ruang 1



T8



Robot bergerak ke ruang 1



-



-



T9



Looping to Start



Tabel 2 Informasi tentang Marking



Marking



Value P1 P2 P3 P4 P5 P6 P7 P8



Information



M0



10000000



Lurus



M1



01000000



Belok Kiri



M2



00100000



Lurus



M3



00000100



Belok Kanan



M4



00000010



Lurus



M5



00000001



Finish



Dari perancangan dan daftar table terlihat simulasi pergerakan robot, untuk pergerakan dari Start ke ruang 1. Dimulai dari marking M0, M1, M2, M3, M4,M5 dimana informasi pergerakan seperti telihat pada tabel 2. Jika dilihat dari pergerakan di place diperoleh P1, P2, P3, P6, P7, P8. dimana informasi pergerakan seperti telihat pada tabel 1 KESIMPULAN : Penggunaan petri net untuk navigasi robot yang bergerak dari satu tempat ketempat yang lain dapat berjalan sesuai dengan yang kita kehendaki ini dapat dibuktikan dari penggambaran dan nilai marking yang terbentuk



Soal 2 : Diketahui 2 buah pola seperti dibawah ini, gunakan jaringan hebb untuk mengenali pola tersebut dengan ketentuan nilai bias = 1 dan target untuk pengenalan pada pola 1 = 1 dan pola 2 = -1 karakter # = 1 dan karakter * = -1 ##### ****# # ## # # #* * * * #####



Pola 1 = 2



##### #***# ##### #***# #####



Pola 2 = 8



Jawab : •



• •



karena setiap pola terdiri dari 5 baris dan 5 kolom , berarti jaringan Hebb terdiri dari 25 unit masukkan x1….x25(x1…x5 adalah karakter baris 1), (x6 …x10 adalah baris 2), (x11 …x15 adalah baris 3), (x16 …x20 adalah baris 4), (x21….x25 adalah karakter baris ke-5) dan sebuah bias bernilai=1. Sebagai target diambil sebuah unit yang akan bernilai = 1 jika masukan berupa pola = 1 dan bernilai = -1 jika berupa pola masukan 2. karakter # = 1 dan karakter * = -1 Unit masukan dan target yang harus di presentasikan ke jaringan adalah sebagai berikut. Masukan



Target



x1 x2 x3 x4 x5; x6 x7 x8 x9 x10; x11 x12 x13 x14 x15; x16 x17 x18 x18 x19 x20; x21 x22 x23 x24 x25



t



1 1 1 1 1; -1 -1 -1 -1 1; 1 1 1 1 1; 1 -1 -1 -1 -1; 1 1 1 1 1



1



1 1 1 1 1; 1 -1 -1 -1 1; 1 1 1 1 1; 1 -1 -1 -1 1; 1 1 1 1 1



-1



Jika pola pertama dimasukkan, perubahan pola yang terjadi merupakan hasil kali antara target dengan masukan pertama. Karena target=1, maka hasil kali ini akan sama dengan pola pertama. Jadi bobot jaringan setelah pola pertama dimasukan sama dengan nilai pola pertama 1 1 1 1 1; -1 -1 -1 -1 1; 1 1 1 1 1; 1 -1 -1 -1 -1; 1 1 1 1 1 Bobot bias adalah = 1 Perkalian masukan kedua dengan targetnya menghasilkan ∆wi (i=1…25): -1 -1 -1 -1 -1; -1 1 1 1 -1; -1 -1 -1 -1 -1; -1 1 1 1 -1; -1 -1 -1 -1 -1 Dan perubahan bobot bias = ∆b = (-1).1 = -1



Jika ∆wi ditambahkan kebobot jaringan hasil pola pertama maka diperoleh bobot final = w = 0 0 0 0 0; -2 0 0 0 0; 0 0 0 0 0; 0 0 0 0 -2; 0 0 0 0 0 Bobot bias = 1+(-1)=0 Sebagai uji apakah bobot ini sudah dapat memisahkan kedua pola, maka dilakukan perkalian antara nilai unit masukkan tiap pola dengan bobot final. Untuk pola 1 Net = [(1.0)+ (1.0)+ (1.0)+ (1.0)+ (1.0)] + [(-1.-2)+(-1.0)+ (-1.0)+ (-1.0)+(1.0)] + [(1.0)+ (1.0)+ (1.0)+ (1.0)+ (1.0)] + [(1.0)+ (-1.0)+ (-1.0)+ (-1.0)+ (-1.-2)] + [(1.0)+ (1.0)+ (1.0)+ (1.0)+ (1.0)] = 4 Maka f(net) = 1 Untuk pola 2 Net = [(-1.0)+ (-1.0)+ (-1.0)+ (-1.0)+ (-1.0)] + [(-1.-2)+(1.0)+ (1.0)+ (1.0)+ (-1.0)] + [(-1.0)+ (-1.0)+ (-1.0)+ (-1.0)+ (-1.0)] + [(-1.0)+ (1.0)+ (1.0)+ (1.0)+ (-1.-2)] + [(-1.0)+ (-1.0)+ (-1.0)+ (-1.0)+ (-1.0)] = 4 Maka f(net) = -1 Tampak bahwa untuk kedua pola, keluaran jaringan sama dengan target yang diinginkan. Berarti jaringan telah mengenali pola dengan baik