5 0 312 KB
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