SISTEM CERDAS DI LINGKUNGAN SEKITAR

Sistem Cerdas di Sekitar



1. Vending Machine

Vending Machine adalah mesin yang digunakan untuk mengeluarkan/menjual produk secara otomatis tanpa ada operator. Operator tidak perlu menunggu mesin, tetapi hanya bertugas untuk mengisi, memeriksa ketersediaan barang yang dijual dan memeriksa mesin. Saat ini vending machine mudah kita jumpai di negara-negara maju yang digunakan sebagai alat untuk menjual berbagai macam produk.
Cara kerja vending machine adalah dengan melakukan pembayaran (baik menggunakan uang ataupun sistem lainnya) kepada mesin kemudian memilih produk, setelah itu produk yang dipilih akan segera keluar.

Sejarah dan Perkembangan Vending Machine

Vending Machine ditemukan pada abad pertama oleh seorang insiyur matematika dari Alexandria. Mesin ini menggunakan prinsip timbangan. Ketika koin dimasukkan, koin berfungsi sebagai pemberat untuk mengalirkan air suci dari bejana, sampai berat air suci yang keluar sama dengan berat koin yang dimasukkan.

Vending Machine modern pertama kali diperkenalkan di London pada tahun 1880 untuk menjual kartu pos. Di Amerika, pada tahun 1888 Thomas Adams Gum Company membuat vending machine pertama untuk menjual permen karet. Perkembangan vending machine berkembang pesat di Jepang. Dimana hampir segala kebutuhan sehari-hari dijual vending machine. Menurut asosiasi produsen vending machine, di Jepang terdapat lebih dari 5,5 juta Vending Machine.

Vending Machine di Sekitar Kita

Di Indonesia, vending machine belum terlalu banyak jumlahnya, tetapi belakang ini perkembangannya cukup pesat.

Dalam Perkembangannya, vending machine sekarang mulai banyak ditemui terutama di kota-kota besar seperti Jakarta. Kebanyakan ditempatkan di fasilitas-fasilitas umum seperti bandara, stasiun, kompleks perbelanjaan besar.


Source





2. Sistem Parkir Otomatis

Adalah sistem pengelolaan lahan perparkiran secara profesional dengan dukungan teknologi modern. Terdiri dari :


•  Barrier Gate
Secara mudahnya adalah palang yang digunakan untuk penghalang pintu masuk dan keluar, tujuannya untuk membantu pengaturan kendaraan yang diperbolehkan masuk atau keluar area perparkiran. Palang ini bergerak membuka atau menutup diatur secara otomatis dengan sistem  mekanis dan elektris. Bagian utamanya terdiri dari arm, motor, control board dan main logic control.
•  Vehicle Detector
Berupa loop coil atau berbentuk kabel empat segi panjang yang ditanam di tanah terletak sesudah barrier gate bekerja sebagai metal detector bila mobil sudah tidak berada di atas / melewati loop coil maka secara otomatis palang / arm barrier gate bergerak menutup.
•  Ticket Dispencer
Adalah ticket box yang digunakan untuk mengambil karcis masuk oleh pengemudi kendaraan, ticket dispencer ini ada dua sistem :
Sistem barcode dengan cara user menekan tombol  di box dispencer dan keluar ticket masuk.
Sistem biasa dengan cara ticket diinput oleh petugas di gerbang masuk lalu secara otomatis ticket keluar di ticket dispencer dan diambil oleh pengemudi.
Alat Pembuka Barrier Gate :
Untuk membuka Barrier Gate bisa menggunakan beberapa sistem :


• Dengan tombol secara manual, jika tidak ada vehicle detector maka tombol bisa juga menjadi alat penutup.
• terintegrasikan dengan access control sehingga  bisa dibuka dengan kartu proximity atau Smart Card / Mifare atau RFID
• Dibuka dengan kartu barcode, yang diperlukan adalah adanya software barcode reader dan scanner barcode reader untuk verifikasi.
• Dibuka dengan sistem komputer yang sudah dilengkapi software parkir
Keuntungan Penggunaan Teknologi Sistem Parkir


• Keamanan Area Perparkiran dan Gedung
Dengan adanya sistem perparkiran yang ditangani secara profesional maka akan meningkatkan kondisi keamanan di area perparkiran karena tidak akan dengan mudah orang mengendarai mobil keluar area perparkiran gedung kita jika tidak bisa menunjukan tanda verifikasi ( kartu ) yang sesuai dengan kondisi mobil yang dikendarainya, misalnya plat nomor, jenis, warna dan sebagainya sesuai dengan kriteria yang telah dimasukkan dalam software parkir.
Demikian juga saat masuk, pengendara mobil belum bisa membawa mobilnya memasuki area perpakiran jika belum melalui pemeriksaan atau jika tidak memiliki tanda verifikasi ( kartu ) dengan begitu keamanan area perparkiran dan gedung pun terjaga. Misalnya orang membawa bom di mobil bisa ketahuan terlebih dahulu saat diperiksa di pintu masuk sebelum barrier gate terbuka.

•Keteraturan Area Perparkiran
Dengan sistem ini setiap mobil yang masuk dan keluar area perparkiran bisa diatur dengan baik, tertib dan lancar karena  harus antri satu per satu untuk verfikasi / ambil ticket.

• Menambah Pemasukan Dari Perparkiran Dengan Benar, Jelas dan Tertib
Dengan adanya teknologi sistem parkir yang ditangani secara profesional didukung oleh teknologi modern, maka jika akan dipungut biaya parkir semua perhitungan waktu dan biayanya akan tercatat di komputer sehingga susah untuk dimanipulasi maupun dikorupsi dan pemasukan buat perusahaan menjadi      jelas dan tertib.

•Image Profesional dan Alat Marketing
Dengan adanya teknologi sistem parkir di kantor kita, klien yang berkunjung ke  kantor akan merasa adanya suasana profesional, keamanan dan kenyamanan yang tinggi di  kantor kita. Hal tersebut akan membantu meningkatkan kepercayaan klien kepada  kondisi profesional yang kita ciptakan dalam meningkatkan kondisi keamanan dan kenyamanan di lingkungan perparkiran kantor kita.


Referensi:  http://softskillrifki.blogspot.co.id/2016/11/sistem-cerdas-di-sekitar.html?m=1

ALGORITMA GENETIKA

ALGORITMA GENETIKA

Algoritma genetika adalah algoritma komputasi yang diinspirasi teori evolusi yang kemudian diadopsi menjadi algoritma komputasi untuk mencari solusi suatu permasalahan dengan cara yang lebih “alamiah”. Salah satu aplikasi algoritma genetika adalah pada permasalahan optimasi kombinasi, yaitu mendapatkan suatu nilai solusi optimal terhadap suatu permasalahan yang mempunyai banyak kemungkinan solusi. Dalam tulisan ini akan dibahas teori dasar algoritma genetika beserta contoh aplikasinya dalam menyelesaikan suatu permasalahan optimasi kombinasi sederhana.

Teori Dasar Algoritma Genetika

Algoritma genetika yang dikembangkan oleh Goldberg adalah algoritma komputasi yang diinspirasi teori evolusi Darwin yang menyatakan bahwa kelangsungan hidup suatu makhluk dipengaruhi aturan “yang kuat adalah yang menang”. Darwin juga menyatakan bahwa kelangsungan hidup suatu makhluk dapat dipertahankan melalui proses reproduksi, crossover, dan mutasi. Konsep dalam teori evolusi Darwin tersebut kemudian diadopsi menjadi algoritma komputasi untuk mencari solusi suatu permasalahan dengan cara yang lebih “alamiah”.

Sebuah solusi yang dibangkitkan dalam algoritma genetika disebut sebagai chromosome, sedangkan kumpulan chromosome-chromosome tersebut disebut sebagai populasi. Sebuah chromosome dibentuk dari komponen-komponen penyusun yang disebut sebagai gen dan nilainya dapat berupa bilangan numerik, biner, simbol ataupun karakter tergantung dari permasalahan yang ingin diselesaikan.

Chromosome-chromosome tersebut akan berevolusi secara berkelanjutan yang disebut dengan generasi. Dalam tiap generasi chromosome-chromosome tersebut dievaluasi tingkat keberhasilan nilai solusinya terhadap masalah yang ingin diselesaikan (fungsi_objektif) menggunakan ukuran yang disebut dengan fitness. Untuk memilih chromosome yang tetap dipertahankan untuk generasi selanjutnya dilakukan proses yang disebut dengan seleksi. Proses seleksi chromosome menggunakan konsep aturan evolusi Darwin yang telah disebutkan sebelumnya yaitu chromosome yang mempunyai nilai fitness tinggi akan memiliki peluang lebih besar untuk terpilih lagi pada generasi selanjutnya.

Chromosome-chromosome baru yang disebut  dengan offspring, dibentuk dengan cara melakukan perkawinan antar chromosome-chromosome dalam satu generasi yang disebut sebagai proses crossover. Jumlah chromosome dalam populasi yang mengalami crossover ditetukan oleh paramater yang disebut dengan crossover_rate. Mekanisme perubahan susunan unsur penyusun mahkluk hidup akibat adanya faktor alam yang disebut dengan mutasi direpresentasikan sebagai proses berubahnya satu atau lebih nilai gen dalam chromosome dengan suatu nilai acak. Jumlah gen dalam populasi yang mengalami mutasi ditentukan oleh parameter yang dinamakan mutation_rate. Setelah beberapa generasi akan dihasilkan chromosome-chromosome yang nilai gen-gennya konvergen ke suatu nilai tertentu yang merupakan solusi terbaik yang dihasilkan oleh algoritma genetika terhadap permasalahan yang ingin diselesaikan.

Aplikasi Algoritma Genetika

Berikut adalah contoh aplikasi algoritma genetika yang digunakan untuk menyelesaikan masalah kombinasi. Misalkan ada persamaan a+2b+3c+4d = 30, kita mencari nilai a, b, c, dan d yang memenuhi persamaan diatas. Kita mencoba menggunakan algoritma genetika untuk menyelesaikan permasalahan diatas.

Penjelasan mengenai langkah-langkah penyelesaian permasalahan diatas menggunakan algoritma genetika adalah sebagai berikut:

1. Pembentukan chromosome

Karena yang dicari adalah nilai a, b, c, d maka variabel  a, b, c, d dijadikan sebagai gen-gen pembentuk chromosome. Batasan nilai variabel a adalah bilangan integer 0 sampai 30. Sedangkan batasan nilai variabel b, c, dan d adalah bilangan integer 0 sampai 10.

2. Inisialisasi

Proses inisialisasi dilakukan dengan cara memberikan nilai awal gen-gen dengan nilai acak sesuai batasan yang telah ditentukan.

Misalkan kita tentukan jumlah populasi adalah 6, maka:

Chromosome[1] = [a;b;c;d] = [12;05;03;08]

Chromosome[2] = [a;b;c;d] = [02;01;08;03]

Chromosome[3] = [a;b;c;d] = [10;04;03;04]

Chromosome[4] = [a;b;c;d] = [20;01;10;06]

Chromosome[5] = [a;b;c;d] = [01;04;03;09]

Chromosome[6] = [a;b;c;d] = [20;05;07;01]

3. Evaluasi Chromosome

Permasalahan yang ingin diselesaikan adalah  nilai variabel a, b, c, dan d yang memenuhi persamaan a+2b+3c+4d = 30, maka fungsi_objektif yang dapat digunakan untuk mendapatkan solusi adalah  fungsi_objektif(chromosome) = | (a+2b+3c+4d) – 30 |

Kita hitung fungsi_objektif dari chromosome yang telah dibangkitkan:

fungsi_objektif(chromosome[1]) = Abs(( 12 + 2*5 + 3*3 + 4*8 ) – 30)

= Abs((12 + 10 + 9 + 32 ) – 30)

= Abs(63 – 30)

= 33

fungsi_objektif(chromosome[2]) = Abs(( 2 + 2*1 + 3*8 + 4*3 ) – 30)

= Abs(( 2 + 2 + 24 + 12 ) – 30)

= Abs(40 – 30)

= 10

fungsi_objektif(chromosome[3]) = Abs(( 10 + 2*4 + 3*3 + 4*4 ) – 30)

= Abs(( 10 + 8 + 9 + 16 ) – 30)

= Abs(43 – 30)

= 13

fungsi_objektif(chromosome[4]) = Abs(( 20 + 2*1 + 3*10 + 4*6 ) – 30)

= Abs(( 20 + 2 + 30 + 24 ) – 30)

= Abs(76 – 30)

= 46

fungsi_objektif(chromosome[5]) = Abs(( 1 + 2*4 + 3*3 + 4*9 ) – 30)

= Abs(( 1 + 8 + 9 + 36 ) – 30)

= Abs(54 – 30)

= 24

fungsi_objektif(chromosome[6]) = Abs(( 20 + 2*5 + 3*7 + 4*1 ) – 30)

= Abs(( 20 + 10 + 21 + 4) – 30)

= Abs(55 – 30)

= 25

Rata-rata dari fungsi objektif adalah:

rata-rata = (33+10+13+46+24+25)/6

= 151 / 6

= 25.167

4. Seleksi Chromosome

Proses seleksi dilakukan dengan cara membuat chromosome yang mempunyai fungsi_objektif kecil mempunyai kemungkinan terpilih yang besar atau mempunyai nilai probabilitas yang tinggi. Untuk itu dapat digunakan fungsi fitness = (1/(1+fungsi_objektif)), fungsi_objektif perlu ditambah 1 untuk menghindari kesalahan program yang diakibatkan pembagian oleh 0.

fitness[1]     = 1 / (fungsi_objektif[1]+1)

= 1 / 34

= 0.0294

fitness[2]     = 1 / (fungsi_objektif[2]+1)

= 1 / 11

= 0.0909

fitness[3]    = 1 / (fungsi_objektif[3]+1)

= 1 /  14

= 0.0714

fitness[4]    = 1 / (fungsi_objektif[4]+1)

= 1 / 47

= 0.0212

fitness[5]    = 1 / (fungsi_objektif[5]+1)

= 1 / 25

= 0.0400

fitness[6]    = 1 / (fungsi_objektif[6]+1)

= 1 / 26

= 0.0385

total_fitness     = 0.0294 + 0.0909 + 0.0714 + 0.0212 +  0.04 + 0.0385

= 0.2914

Rumus untuk mencari probabilitas: P[i] = fitness[i] / total_fitness

P[1]     = 0.0294 / 0.2914

= 0.1009

P[2]     = 0. 0909 / 0.2914

= 0.3119

P[3]     = 0. 0714 / 0.2914

= 0.2450

P[4]     = 0. 0212  / 0.2914

= 0.0728

P[5]     = 0.04  / 0.2914

= 0.1373

P[6]     = 0.0385 / 0.2914

= 0.1321

Dari probabilitas diatas dapat kita lihat kalau chromosome ke 2 yang mempunyai fitness paling besar maka chromosome tersebut mempunyai probabilitas untuk terpilih pada generasi selanjutnya lebih besar dari chromosome lainnya. Untuk proses seleksi kita gunakan roulete wheel, untuk itu kita harus mencari dahulu nilai kumulatif probabilitasnya:

C[1]     = 0.1009

C[2]    = 0.1009+ 0.3119

= 0.4128

C[3]     = 0.1009+ 0.3119 + 0.2450

= 0.6578

C[4]     = 0.1009+ 0.3119 + 0.2450 + 0.0728

= 0.7306

C[5]     = 0.1009+ 0.3119 + 0.2450 + 0.0728 + 0.1373

= 0.8679

C[6]     = 0.1009+ 0.3119 + 0.2450 + 0.0728 + 0.1373 + 0.1321

= 1

Setelah dihitung cumulative probabilitasnya maka proses seleksi menggunakan roulete-wheel dapat dilakukan. Prosesnya adalah dengan membangkitkan bilangan acak R dalam range 0-1.

Jika R[k] < C[1] maka pilih chromosome 1 sebagai induk, selain itu pilih chromosome ke-k sebagai induk dengan syarat C[k-1] < R < C[k]. Kita putar roulete wheel sebanyak jumlah populasi yaitu 6 kali (bangkitkan bilangan acak R) dan pada tiap putaran, kita pilih satu chromosome untuk populasi baru. Misal:

R[1] = 0.201

R[2] = 0.284

R[3] = 0.009

R[4] = 0.822

R[5] = 0.398

R[6] = 0.501

Angka acak pertama R[1] adalah lebih besar dari C[1] dan lebih kecil daripada C[2] maka pilih chromosome[2] sebagai chromosome pada populasi baru, dari bilangan acak yang telah dibangkitkan diatas maka populasi chromosome baru hasil proses seleksi adalah:

chromosome[1] = chromosome[2]

chromosome[2] = chromosome[2]

chromosome[3] = chromosome[1]

chromosome[4] = chromosome[5]

chromosome[5] = chromosome[2]

chromosome[6] = chromosome[3]

Chromosome baru hasil proses seleksi:

chromosome[1] = [02;01;08;03]

chromosome[2] = [02;01;08;03]

chromosome[3] = [12;05;03;08]

chromosome[4] = [01;04;03;09]

chromosome[5] = [02;01;08;03]

chromosome[6] = [10;04;03;04]

5. Crossover

Setelah proses seleksi maka proses selanjutnya adalah proses crossover. Metode yang digunakan salah satunya adalah one-cut point, yaitu memilih secara acak satu posisi dalam chromosome induk kemudian saling menukar gen. Chromosome yang dijadikan induk dipilih secara acak dan jumlah chromosome yang mengalami crossover dipengaruhi oleh parameter crossover_rate  ( ρc ).

Pseudo-code untuk proses crossover adalah sebagai berikut:

begin

k← 0;

while(k<populasi) do

R[k] ← random(0-1);

if (R[k] < ρc ) then

select Chromosome[k] as parent;

end;

k = k + 1;

end;

end;

Misal kita tentukan crossover probability adalah sebesar 25%, maka diharapkan dalam satu generasi ada 50% Chromosome (3 chromosome) dari satu generasi mengalami proses crossover. Prosesnya adalah sebagai berikut:

Pertama kita bangkitkan bilangan acak R sebanyak jumlah populasi

R[1] = 0.191

R[2] = 0.259

R[3] = 0.760

R[4] = 0.006

R[5] = 0.159

R[6] = 0.340

Maka Chromosome ke k akan dipilih sebagai induk jika R[k] < ρc, dari bilangan acak R diatas maka yang dijadikan induk adalah chromosome[1], chromosome[4] dan chromosome[5].

Setelah melakukan pemilihan induk proses selanjutnya adalah menentukan posisi crossover. Ini dilakukan dengan cara membangkitkan bilangan acak dengan batasan 1 sampai (panjang chromosome-1), dalam kasus ini bilangan acak yang dibangkitkan adalah 1 – 3. Misalkan didapatkan posisi crossover adalah 1 maka chromosome induk akan dipotong mulai gen ke 1 kemudian potongan gen tersebut saling ditukarkan antar induk.

chromosome[1] >< chromosome[4]

chromosome[4] >< chromosome[5]

chromosome[5] >< chromosome[1]

Posisi cut-point crossover dipilih menggunakan bilangan acak 1-3 sebanyak jumlah crossover yang terjadi, misal

C[1] = 1

C[2] = 1

C[3] = 2

offspring[1] = chromosome[1] >< chromosome[4]

= [02;01;08;03] ><  [01;04;03;09]

= [02;04;03;09]

offspring[4] = Chromosome[4] >< Chromosome[5]

= [01;04;03;09] >< [02;01;08;03]

= [01;01;08;03]

offspring[5] = Chromosome[5] >< Chromosome[1]

= [02;01;08;03] >< [02;01;08;03]

= [02;01;08;03]

Dengan demikian populasi Chromosome setelah mengalami proses crossover menjadi:

chromosome[1] = [02;04;03;09]

chromosome[2] = [02;01;08;03]

chromosome[3] = [12;05;03;08]

chromosome[4] = [01;01;08;03]

chromosome[5] = [02;01;08;03]

chromosome[6] = [10;04;03;04]

6. Mutasi

Jumlah chromosome yang mengalami mutasi dalam satu populasi ditentukan oleh parameter mutation_rate. Proses mutasi dilakukan dengan cara mengganti satu gen yang terpilih secara acak dengan suatu nilai baru yang didapat secara acak. Prosesnya adalah sebagai berikut. Pertama kita hitung dahulu panjang total gen yang ada dalam satu populasi. Dalam kasus ini panjang total gen adalah total_gen     = (jumlah gen dalam chromosome) * jumlah populasi

= 4 * 6

= 24

Untuk memilih posisi gen yang mengalami mutasi dilakukan dengan cara membangkitkan bilangan integer acak antara 1 sampai total_gen, yaitu 1 sampai 24. Jika bilangan acak yang kita bangkitkan lebih kecil daripada variabel mutation_rate (ρm) maka pilih posisi tersebut sebagai sub-chromosome yang mengalami mutasi. Misal ρm kita tentukan 10% maka diharapkan ada 10% dari total_gen yang mengalami populasi:

jumlah mutasi      = 0.1 * 24

= 2.4

= 2

Misalkan setelah kita bangkitkan bilangan acak terpilih posisi gen 12 dan 18 yang mengalami mutasi. Dengan demikian yang akan mengalami mutasi adalah chromosome ke-3 gen nomor 4 dan Chromosome ke-5 gen nomor 2. Maka nilai gen pada posisi tersebut kita ganti dengan bilangan acak 0-30.

Misalkan bilangan acak yang terbangkitkan adalah 2 dan 5. Maka populasi chromosome setelah mengalami proses mutasi adalah:

chromosome[1] = [02;04;03;09]

chromosome[2] = [02;01;08;03]

chromosome[3] = [12;05;03;02]

chromosome[4] = [01;01;08;03]

chromosome[5] = [02;05;08;03]

chromosome[6] = [10;04;03;04]

Setelah proses mutasi maka kita telah menyelesaikan satu iterasi dalam algoritma genetika atau disebut dengan satu generasi. Maka fungsi_objective setelah satu generasi adalah:

chromosome[1]     = [02;04;03;09]

fungsi_objektif[1]     = Abs(( 2 + 2*4 + 3*3 + 4*9 ) – 30)

= Abs(( 2 + 8 + 9 + 36 ) – 30)

= Abs( 55 – 30)

= 25

chromosome[2]     = [02;01;08;03]

fungsi_objektif[2]    = Abs(( 2 + 2*1 + 3*8 + 4*3 ) – 30)

= Abs(( 2 + 2 + 24 + 12 ) – 30)

= Abs(40 – 30)

= 10

chromosome[3]     = [12;05;03;02]

fungsi_objektif[3]    = Abs(( 12 + 2*5 + 3*3 + 4*2 ) – 30)

= Abs(( 12 + 10 + 9 + 8 ) – 30)

= Abs(39 – 30)

= 9

chromosome[4]     = [01;01;08;03]

fungsi_objektif[4]    = Abs(( 1 + 2*1 + 3*8 + 4*3 ) – 30)

= Abs(( 1 + 2 + 24 + 12 ) – 30)

= Abs(39 – 30)

= 9

chromosome[5]     = [02;05;08;03]

fungsi_objektif[5]    = Abs(( 2 + 2*5 + 3*8 + 4*3 ) – 30)

= Abs(( 2 + 10 + 24 + 12 ) – 30)

= Abs(48 – 30)

= 18

chromosome[6]     = [10;04;03;04]

fungsi_objektif[6]    = Abs(( 10 + 2*4 + 3*3 + 4*4 ) – 30)

= Abs(( 10 + 8 + 9 + 16 ) – 30)

= Abs(43 – 30)

= 13

Rata-rata fungsi objektif setelah satu generasi adalah:

rata-rata = ( 25 + 10 + 9 + 9 + 18 + 13) / 6

= 84 / 6

= 14.0

Dapat dilihat dari hasil perhitungan fungsi objektif diatas bahwa setelah satu generasi, nilai hasil rata-rata fungsi_objektif lebih menurun dibandingkan hasil fungsi_objektif pada saat sebelum mengalami seleksi, crossover dan mutasi. Hal ini menunjukkan bahwa chromosome atau solusi yang dihasilkan setelah satu generasi lebih baik dibandingkan generasi sebelumnya. Maka pada generasi selanjutnya chromosome-chromosome yang baru adalah:

chromosome[1] = [02;04;03;09]

chromosome[2] = [02;01;08;03]

chromosome[3] = [12;05;03;02]

chromosome[4] = [01;01;08;03]

chromosome[5] = [02;05;08;03]

chromosome[6] = [10;04;03;04]

Chromosome-chromosome ini akan mengalami proses yang sama seperti generasi sebelumnya yaitu proses evaluasi, seleksi, crossover dan mutasi yang kemudian akan menghasilkan chromosome-chromosome baru untuk generasi yang selanjutnya. Proses ini akan berulang sampai sejumlah generasi yang telah ditetapkan sebelumnya.

Setelah 50 generasi didapatkan chromosome yang terbaik adalah:

Chromosome = [07;05;03;01]

Jika didekode maka:

a=7 ; b=5 ; c=3 ; d=1

Jika dihitung terhadap persamaan f = a+2b+3c+4d:

7 + (2*5) + (3*3) + (4*1) = 30

Referensi: http://softskillrifki.blogspot.co.id/2016/12/algoritma-genetika.html?m=1

REVIEW FILM " TRANSFORMER 4 : AGE OF EXTINCTION"

Transformer merupakan Film sequel robot yang bergenre Science-Fiction yang karakter robotnya diadaptasi dari mainan anak-anak yang diproduksi oleh Hasbro di Amerika. pertama kali dirilis pada tahun 2007 dan menduduki rangking kelima dengan pendapatan 709 juta dollar. Transformer kedua yang berjudul Revenge of the Fallen dirilis pada tahun 2009 dan menapak rangking keempat dengan penerimaan 836 juta dollar. Transformer ketiga yang berjudul Dark of the Moondirilis pada tahun 2011 dan menempati rangking ketujuh dengan penghasilan 1,2 juta dollar.

Film yang akan saya review ini merupakan film keempat dari serial Transformer dengan sutradara yang sama yaitu Michael Bay dan produser eksekutif yaitu Steven Spielberg. Kali ini film Transformer bercerita tentang seorang penemu robot Cade Yeager (Mark Wahlberg) dan putrinya Tessa Yeager (Nicola Peltz) yang berusaha untuk mendapatkan dana pembuatan robot dari pemerintah. Sejak terjadinya perang antara autobots melawan Decepticon keadaan bumi menjadi rusak terutama kawasan Amerika. Menghindari hal tersebut ternyata manusia enggan lagi bersekutu dengan para autobots termasuk sang ketua Optimus Prime. Tapi ternyata pada masa pemusnahan tersebut, ada sesuatu yang lebih besar terjadi.

Seperti yang kita ketahui kalau teman-teman menonton sequel ke 3 Transformer : Dark of the Moon, di sequel itu Megatron telah tewas dalam pertarungan melawan Optimus Prime di kota Chicago dan dalam film keempat ini maka dilakukan penelitian dan penyelidikan terhadap bangkai Megatron oleh pemerintah Amerika yang dipimpin oleh ilmuwan Joshua.

Masih ingat di transformers 2 dan 3, para autobot dan pasukan amerika memburu para decepticon. Kini, pemerintah memburu para autobot. Sementara itu, decepticon sudah dianggap musnah. Satu persatu Autobot di bantai dan dihabisi CIA, sisa dari kerangka para autobot di jadikan objek penelitian Pihak Pemerintah untuk membuat versi Transformer mereka sendiri dengan unsur baru yang bernama Transformium. Transformium adalah unsur besi yang bisa di program dan bisa beubah bentuk apa saja itulah kenapa Autobot dan decepticon bisa berubah wujud ke Kendaraan atau pesawat.

Sementara itu Optimus Prime dan para Autobots pergi dan bersembunyi masing-masing karena diburu CIA yang berkerja sama dengan Joshua untuk mengoperasikan transformer baru. Dengan permintaan untuk mendapatkan ‘benih’ yang merupakan bahan untuk membuat transformer baru. Rupa-rupanya Pemimpin CIA Harold berkonspirasi dengan transformer aliens yang bernama Lockdown. Lockdown akan memberi benih yang diinginkan oleh Harold asalkan membunuh semua Autobots dan menangkap Optimus Prime.

Suatu hari Cade membeli sebuah rongsokan truk tua dan memperbaikinya dan tiba-tiba mengeluarkan suara. Cade yakin bahwa truk itu adalah transformer. Temannya yang bernama Lucas mengingatkan bahwa harus lapor ke polisi dan bisa mendapatkan uang penghargaan. Tessapun mendorong ayahnya untuk mendapatkan uang itu agar bisa dipakai untuk kuliah. Tapi Cade menolak dan akan mempelajari teknologi transformer.

Keesokannya Lucas memberitahukan keberadaan transformer dengan harapan mendapat imbalan. Datanglah CIA mengintimidasi Cade dan Tessa juga Lucas agar menyerahkan truk yang tak lain adalah Optimus Prime. Disaat kritis akhirnya Optimus Prime kembali menampakan diri dan melakukan perlawanan terhadap CIA. Disinilah perkenalan antara Optimus dengan Cade dan anaknya Tessa terjadi. Cade, Tessa dan Lucas melarikan diri dan untunglah datang Shane dengan mobilnya sehingga bisa kabur. Tetapi Lockdown tidak tinggal diam sehingga berakibat Lucas tewas.

Ditengah Cerita Optimus akan tertangkap dan mengetahui Konspirasi antara pihak CIA dan Lockdown, lalu akan hadir robot baru buatan Manusia dengan unsur transformium yang diberi nama Galvatron yang sebenarnya merupakan reinkarnasi Megatron (mengingat otak dan pikirannya bersumber dari bangkai Megatron). Walaupun Ilmuan Joshua sempat disadarkan akan bahaya negatif Galvatron dan Benih yang akan diberikan oleh Lockdown, tetapi ternyata semua sudah terlambat karena Galvatron mengaktifkan dirinya sendiri.

Sadar akan kemampuannya yang jauh dibawah musuhnya Optimus Prime akhirnya melarikan diri dengan melepaskan tawanan milik Lockdown dengan kesepakatan untuk saling membantu menghadapi Lockdown dan Galvatron. Tawanan ini juga merupakan jenis Robot baru yang ditampilkan pada sekuel ini dengan wujud yang berubah menjadi hewan dinosaurus dan mereka disebut dengan Dinobots.

Diakhir cerita Cade, Optimus Prime, para Autobots, dan Dinobots berhasil mengalahkan Harold & Lockdown, sementara Galvatron melarikan diri. Optimus menyembunyikan benih di luar angkasa agar aman, walaupun begitu ini bukan akhir sekuel transformer karena Galvatron masih bebas. Walau pada akhirnya Kebaikan tetap menang melawan Kejahatan.

Film keempat ini sedikit membosankan karena durasinya yang panjang kurang lebih 2 jam 45 menit. Terlebih lagi tidak ada hal yang baru dan inovatif dalam memperkaya nuansa cerita. Penulis merasa bosan diawal-awal film dan bahkan mengantuk karena merasa kurang digarap secara maksimal adegan dan dramanya. Perkelahian dan pertarungan juga monoton bahkan masih lebih bagus seri sebelumnya yang dibuat secara slow motion. Spesial efek juga biasa-biasa saja dan sudah sering ditampilkan dalam film lainnya. Bahkan robot baru yang bernama Galvatron tak ubahnya mirip seperti Iron Man dengan lubang di dada dan bersinar.

Jika anda belum menonton filmnya, mungkin anda heran, karena tokoh Cade yang di bintangi mark Walhberg terlalu muda untuk menjadi seorang ayah dengan anak gadis berumur 17 tahun? Nah ternyata *SPOILER ALERT*, Tessa, anak dari Cade itu lahir saat Cade dan istrinya baru berumur 18 tahun. Artinya tessa lahir saat Cade masih SMA atau baru lulus SMA.

Dampak baik robot di film transformer adalah :

·        Pesan moral tentang arti persahabatan bagaimana menjaga satu sama lain dalam keadaan apapun.

·         Pesan moral tentang pentingnya keluarga

·         Kedamaian yang kembali tercipta karna bantuan para robot protagonist

Dampak buruk robot di film transformer adalah :

·        Pesan moral untuk tidak mudah percaya kepada seseorang yang baru dikenal.

·        Pesan moral tentang pengkhianatan bahkan di peperangan antara ras manusia dan robot masih ada saja manusia yang berkhianat .

·        Kerusakan yang di timbulkan para robot di muka bumi.

Referensi : 

·        http://review-filmku.blogspot.co.id/2014/07/transformer-4-age-of-extinction.html

·        http://jejakcandra.blogspot.co.id/2014/06/review-transformer-4-age-of-extinction.html

·        http://orig12.deviantart.net/a039/f/2014/187/a/5/transformers_4_age_of_extinction_dinobots_by_tfprime1114-d7e6fnb.png

·        https://i.ytimg.com/vi/UZz9c801Y7U/maxresdefault.jpg

https://s-media-cache-ak0.pinimg.com/originals/5a/46/a7/5a46a7f9dbabfcd5925337f4e65084a9.jpg

SISTEM PAKAR SEKITAR KITA

Sistem Pakar

Sistem Pakar adalah Suatu bidang dari ilmu kecerdasan buatan dalam kaitannya dengan sistem pendukung keputusan yang dirancang dengan memasukkan unsur-unsur keahlian dari satu atau beberapa orang pakar kedalam suatu konsep terprogram (code base concept) dalam rangka pengambilan keputusan.

Ternyata sistem banyak diterapkan dibidang-bidang, contohnya :

1. 1.      Penerapan Sistem pakar dalam Industri / Manufaktur

Manufaktur di definisikan sebagai urutan-urutan kegiatan yang saling berhubungan meliputi perancangan, perencanaan, pemilihan material, produksi, pengontrolan kualitas, menajemen serta pemasaran produk. Proses manufaktur yang penyelesaiannya dapat dibantu oleh system pakar antara lain :

–          Sistem Pakar Dalam Perancangan PRIDE(Pinch Roll Interactive Design Expert / Environment). Sistem pakar ini digunakan untuk merancang system pengaturan kertas untuk mesin fotocopy. Sistem ini membuat rancangan dengan representasi pengetahuan tentang rancangan berdasarkan kumpulan goal, metoda perancangan, generator dan aturan-aturan yang terstruktur.

–          System Pakar Dalam Perencanaan Wood Trus fabrication Application merupakan contoh system pakar dalam proses perencanaan. System ini dibuat dengan menggunakan shell sitem pakar SPS (Semi Intelligent Process Selector).

–          Sistem Pakar Dalam Penjadwalan Sistem pakar juga digunakan dalam penjadwalan, dibawah ini adalah beberapan contoh kegunaan system pakar dalam penjadwalan :

– Contionuous Caster Steel Mill Scheduling Application

System pakar ini berbasis fuzzy logic yang dibuat untuk monitoring on line dan penjadwalan continuous caster steel mill.

Continuous caster stell mill mengolah material seperti scrap, pig iron dan refined ore melalui proses tertentu untuk menghasilkan lempeng baja yang memiliki kulitas dan komposisi sesuai kebutuhan.

-Master Production Scheduling Aplication (MPS)

Sistem pakar ini dikembangkan untuk melakukan penjadwalan produksi master untuk manufaktur Integrated Circuit (IC). Master Production Scheduling (MPS) merupakan aktivitas perencanaan yang sangat luas, yang mengatur dan mengkoordinasi fase-fase berurutan proses penjadwalan manufaktur tertentu.

–          Sistem Pakar Dalam Proses Kontrol Beberapa contoh penggunaan system pakar dalam proses control adalah sebagai berikut :

–  Aluminium Foil Rolling Flatness control Appilcation

System pakar ini merupakan system pakar yang dibuat mengontrol kekaratan aluminium foil secara otomatis. System ini menyesuaikan bentuk pola target menurut karakteristik material dan kondisi pengoperasiannya.

– Blast Furnace Heat Control Application

System pakar ini dibuat untuk mengontrol tingkat panas blast furnace (tanur).

–          Sistem Pakar Dalam Production Planning Dan Production Control Perencanaan produksi dilakukan dalam hal kuantitas, waktu, kapasitas dan biaya pengendalian produksi meliputi penyelesaian pesanan, pengawasan pesanan dan pengamanan kualitas.

Manfaat system pakar dalam proses manufaktur / industry adalaah sebagai berikut :

1)      Meningkatkan produktivitas

2)      Mengambil alih keahlian yang langka

3)      Memudahkan pengoperasian peralatan

4)     Kemampuan bekerja dengan informasi yang tidak pasti dan tidak lengkap

2.      Sistem Pakar di bidang Manajerial :

1. Analisis

a) Interpretasi

• Analisa pasar untuk komoditi tertentu

• Identifikasi media iklan yang sesuai

• Identifikasi kebutuhan pelatihan

b) Diagnostik

• Diagnosa kelesuan perusahaan dan usaha penyembuhan

2. Sintesa

o Penarikan tenaga kerja

o Strategi penentuan harga

o Strategi pengembangan produk

3. Integrasi

o Prediksi perkembangan nilai pada bursa saham efek

3. Sistem Pakar Dalam Bidang Kedokteran

Di dunia kedokteran, sudah banyak bermunculan aplikasi sistem pakar. Sistem pakar ini mampu mendiagnosis berbagai jenis penyakit pada manusia, baik penyakit mata, THT (telinga, hidung, tenggorokan), mulut, organ dalam (jantung, hati, ginjal), maupun AIDS (Hamdani, 2010). Dengan adanya sistem pakar ini, orang awam mampu mendeteksi adanya penyakit pada dirinya berdasarkan gejala-gejala yang dirasakan oleh orang tersebut dengan menjawab pertanyaan pada aplikasi seperti halnya konsultasi ke dokter.

Aplikasi sistem pakar dalam bidang kedokteran yang dibuat dengan proses penelusuran maju (forward chaining) mampu mengenali jenis penyakit pada manusia, terutama jenis penyakit mata. Aplikasi sistem pakar ini dapat menjadi sarana untuk menyimpan pengetahuan tentang penyakit terutama yang berkenaan dengan jenis penyakit mata dari para pakar atau ahlinya. Sistem pakar mampu membantu pasien maupun dokter dalam menyediakan sistem pendukung keputusan dan saran dari pakar.

Pada aplikasi sistem pakar umumnya user akan diminta untuk menjawab pertanyaan sesuai dengan gejala yang dirasakan. Dalam aplikasi ini, user menjawab dengan ya atau tidak. Setelah menjawab beberapa pertanyaan, maka aplikasi akan menghasilkan kesimpulan mengenai jenis penyakit mata yang diderita user. Pada aplikasi sistem pakar lainnya, tidak jarang juga sudah memberikan solusi atau cara penanganan terhadap jenis penyakit yang diderita tersebut.

4. Sistem Pakar Dalam Bidang Psikologi

Salah satu implementasi yang diterapkan sistem pakar dalam bidang psikologi, yaitu untuk sistem pakar menentukan jenis gangguan perkembangan pada anak. Anak-anak merupakan fase yang paling rentan dan sangat perlu diperhatikan satu demi satu tahapan perkembangannya. Contoh satu bentuk gangguan perkembangan adalah conduct disorder. Conduct disorder adalah satu kelainan perilaku dimana anak sulit membedakan benar salah atau baik dan buruk, sehingga anak merasa tidak bersalah walaupun sudah berbuat kesalahan. Dampaknya akan sangat buruk bagi perkembangan sosial anak tersebut. Oleh karena itu dibangun suatu sistem pakar yang dapat membantu para pakar/psikolog anak untuk menentukan jenis gangguan perkembangan pada anak dengan menggunakan metode Certainty Factor (CF).

5. Implementasi Sistem Pakar di Bidang Ekonomi

System pakar sangat berguna di bidang ekonomi, terutama dalam hal pengambilan keputusan untuk memulai suatu investasi usaha. Apalagi pada saat sekarang orang awam banyak kurang memahami pasar modal sehingga mereka cenderung menggunakan intuisi daripada analisa dalam berinvestasi. Kondisi ini mengakibatkan mereka harus menghadapi resiko yang tinggi dalam berinvestasi. Untuk meminimumkan resiko tersebut diperlukan suatu alat seperti sistem pakar yang mampu menganalisa sesuai dengan keadaan yang terjadi di pasar modal, sehingga investor menjadi lebih yakin dalam berinvestasi.

–          Mampu mengambil keputusan

–          Langkah-langkah pengambilan keputusan jelas

–          Mudah dikembangkan lebih lanjut

–          Memberikan solusi tepat waktu

–          Menyimpan pengetahuan

1. 6.      Implementasi Sistem Pakar di Bidang Sosial Budaya

System pakar sangat erat kaitannya dengan social budaya. Bidang social yang sangat berkaitan dengan system pakar adalah psikologi. Karena ilmu psikologi bisa memanfaatkan system pakar untuk memberikan solusi dari beberapa sifat yang dimiliki oleh seseorang tanpa menggunakan psikolog. Hal tersebut sangat membantu karena estimasi waktu untuk pemikiran solusi bagi seseorang bisa dilakukan sesingkat mungkin.

– System pakar bisa memberikan keputusan yang cepat dari masalah-masalah kejiwaan yang dihadapi seseorang tanpa harus didampingi oleh psikolog.

– System pakar bisa membuat pemikiran psikolog lebih ringan karena segala keputusan bisa diperoleh tanpa harus berpikir lebih mendalam.

7. Implementasi Sistem Pakar di Bidang Hankam

Bentuk implementasi system pakar di bidang ini antara lain pada radar. Fungsi radar secara umum ialah mendeteksi keberadaan benda di lingkungan dimana radar berada. Jarak jangkauan radar bermacam-macam. Semakin berkembangnya teknologi kemampuan radar semakin canggih. Radar saat ini dapat mendeteksi keberadaan awak yang tidak dikenal, dan menampilkan informasi yang mendukung tentang benda yang ditangkap pada radar.

– Mmbantu pertahanan sebuah instansi atau bahkan Negara.

– Membantu dalam sistem keamanan yang terbatas dapat dilakukan oleh manusia.

– Mengurangi penyalahgunaan alat yang penting .

1. 8.      Implementasi sistem pakar di bidang eksplorasi alam

Dalam bidang ini sistem pakar sangat penting manfaatnya. Keputusan yang dihasilkan akan sangat bermanfaat. Contoh penerapannya yaitu sistem pakar yang diterapkan pada alat pendeteksi kandungan minyak bumi. Alat ini menghasilkan keputusan dari data-data yang ada, dan mengambil keputusan ada atau tidaknya hingga berapa jumlah kandungan yang terkandung. Rule base yang deprogram dibuat oleh para ahli dibidangnya.

Aplikasi pengmabilan keputusan berupa resiko-resiko yang dapat terjadi bila melakukan penambangan. Sistem pakar memperhitungkan berapa peluang keberhasilan yang dapat dicapai. Keputusan ini harus sangat akurat dan meliputi seluruh aspek hingga keselamatan warga sekitar. Jangan sampai timbul kesalahan yang disebabkan oleh salah dalam pengambilan keputusan. Lebih baiknya keputusan tingkat pusat tetap dikaji ulang oleh para ahli di bidangnya. Karena terdapat beberapa aspek yang tidak dapat diterapkan pada rule base.

– Akurasi perhitungan menjadikan kegiatan di bidang ini mendapat keuntungan.

– Perhitungan yang rumit dapat terselesaikan dengan cepat.

– Keakuratan perhitungan meminimalisir kesalahan factor manusia.

– Menghasilkan informasi yang mendukung, sehingga tugas para ahli lebih mudah untuk mengkaji ulang.

1. 9.      Implemetasi Sistem Pakar di Bidang Ilmu Pengetahuan

– Impementasi sistem pakar di bidang robotika Pada bidang robotika penerapan sistem pakar sangat jelas. Sebagaimana yang kita ketahui selama ini, robot merupaka suatu benda yang dapat bekerja secara otomatis. Baik bekerja berdasarkan program yang sudah diinputkan atau menerima input dalam bentuk sensor (gerak, cahaya, suhu, dll).

– Tugas manusia semakin ringan.

– Tugas yang mengancam nyawa dapat diminimalisir dengan memanfaatkan robot.

– Efisiensi waktu.

– Membantu rumah tangga.

– Kemajuan teknologi akan membuat generasi muda untuk berusaha menciptakan robot yang lebih pintar lagi.

1. 10.  Impementasi sistem pakar di bidang pemodelan

Sistem pakar juga dapat diterapkan pada bidang pemodelan. Contoh lingkup bidang pemodelan yang dimaksud antara lain seperti simulasi pesawat terbang untuk pelatihan calon pilot, teater keong mas, visual tubuh bagian dalam manusia untuk membantu proses operasi.

Pada simulasi pesawat terbang kita dapat merasakan seperti menerbangkan sebuah pesawat secara nyata. Simulator menerima input dari user lalu diproses dan ditampilkan pada layar yang tersedia. Informasi yang dihasilkan berupa posisi pesawat setelah menerima input dari user. Layaknya menerbangkan pesawat biasa bila kita melakukan kesalahan dalam penerbangan simulasi ini maka dapat menghasilkan informasi berupa kecelakaan dalam konteks visual. Maka dari itu simulator pesawat terbang ini biasanya digunakan untuk pelatihan terbang para calon pilot.

daftar pustaka: https://naynaimah.wordpress.com/2013/12/29/contoh-sistem-pakar-dan-penerapannya/