Kelebihan Dan Kekurangan ANN (Artificial Neural Network)

Masih mata kuliah rekayasa optimasi proses gan. Metode yang selanjutnya adalah  ANN. Biar gak lupa ditulis aja di blog gan, wkwk. Apa itu ANN?? langsung liat dibawah aja gan

Pengertian

ANN (Artificial Neural Network) adalah Suatu sistem pemrosesan informasi yang mencoba meniru kinerja otak manusia. ANN merupakan  generalisasi model matematis dengan asumsi:

·  Pemrosesan informasi terjadi pada elemen sederhana (=neuron)

· Sinyal dikirimkan diantara neuron-neuron melalui penghubung (=dendrit dan akson)
· Penghubung antar elemen memiliki bobot yang akan menambah atau mengurangi sinyal

· Untuk menentukan output, setiap neuron memiliki fungsi aktivasi (biasanya non linier) yang dikenakan pada semua input

· Besar output akan dibandingkan dengan threshold

Baik tidaknya suatu model ANN ditentukan oleh:

·     Pola antar neuron (arsitekur jaringan)

·     Metode untuk menentukan dan mengubah bobot (disebut metode learning)

·     Fungsi aktivasi ANN disebut juga: brain metaphor, computational neuroscience, parallel distributed processing

 Kelebihan

a) Mampu mengakuisisi pengetahuan walau tidak ada kepastian

b) Mampu melakukan generalisasi dan ekstraksi dari suatu pola data tertentu ANN dapat menciptakan suatu pola pengetahuan melalui pengaturan diri atau kemampuan belajar (self organizing)

c) Memiliki fault tolerance, gangguan dapat dianggap sebagai noise saja

d) Kemampuan perhitungan secara paralel sehingga proses lebih singkat

ANN mampu

a) Klasifikasi: memilih suatu input data ke dalam kategori tertentu yang sudah  ditetapkan

b) Asosiasi: menggambarkan suatu obyek secara keseluruhan hanya dengan bagian dari obyek lain

c) Self organizing: kemampuan mengolah data-data input tanpa harus mempunyai target

d) Optimasi: menemukan suatu jawaban terbaik sehingga mampu meminimalisasi fungsi biaya 

Kelemahan

a) Kurang mampu untuk melakukan operasi operasi numerik dengan presisi tinggi

b) Kurang mampu melakukan operasi algoritma aritmatik, operasi logika dan simbolis

c) Lamanya proses training yang mungkin terjadi dalam waktu yang sangat lama untuk jumlah data yang besar

Oke gan saya kira itu penjelasan ANN untuk kali ini, semoga bermanfaat..

Semoga sukses uas broo.. amiin

Kelebihan Dan Kekurangan SVM (Support Vector Machine)

Besok UAS ROP materinya banyak sekali. Biar gak lupa ditulis aja di blog gan, wkwk. Metode yang selanjutnya adalah Support Vector Machine (SVM).. Apa itu?? langsung liat dibawah aja gan

Pengertian

Support Vector Machine (SVM) pertama kali diperkenalkan oleh Vapnik pada tahun 1992 sebagai rangkaian harmonis konsep-konsep unggulan dalam bidang pattern recogn ition. Sebagai salah satu metode pattern recognition, usia SVM terbilang masih relatif muda. Walaupun demikian , evaluasi kemampuannya dalam berbagai aplikasinya menempatkannya sebagai state of the art  dalam pattern recognition, dan dewasa ini merupakan salah satu tema yang berkembang dengan pesat. SVM adalah metode learning machine yang bekerja atas prinsip Structural Risk Minimization (SRM) dengan tujuan menemukan hyperplane terbaik yang memisahkan dua buah class pada input space. Tulisan ini membahas teori dasar SVM dan aplikasinya dalam bioinf ormatika, khususnya pada analisa ekspresi gen yang diperoleh dari analisa microarray Pengertian yang lainya adalah sistem pembelajaran yang menggunakan ruang hipotesis berupa fungsi-fungsi linier dalam sebuah ruang fitur (feature space) berdimensi tinggi, dilatih dengan algoritma pembelajaran yang didasarkan pada teori optimasi dengan mengimplementasikan learning bias yang berasal dari teori pembelajaran statistik. 

Kelebihan 

Dalam memilih solusi untuk menyelesaikan suatu masalah, kelebihan dan kelemahan masing-masing metode harus diperhatikan. Selanjutnya metode yang tepat dipilih dengan memperhatikan karakteristik data yang diolah. Dalam hal SVM, walaupun berbagai studi telah menunjukkan kelebihan metode SVM dibandingkan metode kon vensional lain, SVM juga memiliki berbagai kelemahan. Kelebihan SVM antara lain sbb.   

1.   Generalisasi  Generalisasi didefinisikan sebagai kemampuan suatu metode (SVM, neural network, dsb.) untuk mengklasifikasikan suatu pattern, yang tidak termasuk data yang dipakai dalam fase pembelajaran metode itu. Vapnik menjelaskan bahwa generalization error dipengaruhi oleh dua faktor:  error terhadap training set, dan satu faktor lagi yang dipengaruhi oleh dimensi VC (Vapnik-Chervokinensis). Strategi pembelajaran pada neural network dan umumnya metode learning machine difokuskan pada usaha untuk meminimimalkan error pada training-set. Strategi ini disebut  Empirical Risk Minimization (ERM). Adapun SVM selain meminimalkan error pada training-set, juga meminimalkan faktor kedua. Strategi ini disebut Structural Risk Minimization  (SRM), dan dalam SVM diwujudkan dengan memilih hyperplane dengan margin terbesar. Berbagai studi empiris menunjukkan bahwa pendekatan SRM pada SVM memberikan error generalisasi yang lebih kecil daripada yang diperoleh dari strategi ERM pada neural network maupun metode yang lain.     

2.   Curse of dimensionality  Curse of dimensionality didefinisikan sebagai masalah yang dihadapi suatu metode pattern recognition dalam mengestimasikan parameter (misalnya jumlah hidden neuron pada neural network, stopping criteria dalam proses pembelajaran dsb.) dikarenakan jumlah sampel data yang relatif sedikit dibandingkan dimensional  ruang vektor data te rsebut. Semakin tinggi dimensi dari ruang vektor informasi yang diolah, membawa konsekuensi dibutuhkannya jumlah data dalam proses pembelajaran. Pada kenyataannya seringkali terjadi, data yang diolah berjumlah terbatas, dan untuk mengumpulkan data yang lebih banyak tidak mungkin dilakukan karena kendala biaya dan kesulitan teknis. Dalam kondisi tersebut, jika metode itu “terpaksa” harus bekerja pada data yang berjumlah relatif sedikit dibandingkan dimensinya, akan membuat proses estimasi parameter metode menjadi sangat sulit. 

3.   Landasan teori  Sebagai metode yang berbasis statistik,  SVM memiliki landasan teori yang dapat dianalisa dengan jelas, dan tidak bersifat black box.   

4.   Feasibility  SVM dapat diimplementasikan relatif mudah, karena proses penentuan support vector dapat dirumuskan dalam QP problem. Dengan demikian jika kita memiliki library untuk menyelesaikan QP problem, dengan sendirinya SVM dapat diimplementasikan dengan mudah. Selain itu dapat diselesaikan dengan metode sekuensial sebagaimana penjelasan sebelumnya Kekurangan 

Dari banyaknya kelebihan diatas SVM juga mempunyai banyak kekurangan anrata lain 

1. Sulit dipakai dalam problem berskala besar. Skala besar dalam hal ini dimaksudkan dengan jumlah sample yang diolah.

2. SVM secara teoritik dikembangkan untuk problem klasifikasi dengan dua class. Dewasa ini SVM telah dimodifikasi agar dapat menyelesaikan masalah dengan class lebih dari dua, antara lain strategi One versus rest dan strategi Tree Structure.

Ok gan sudah paham kan mengenai svm??

Semoga bermanfaat..

Kelebihan Dan Kekurangan Fuzzy Logic

ceritanya besok mau UAS matkul rekayasa optimasi proses alias ROP, salah satu metode yang dipakai untuk optimasi yaitu Fuzzy Logic, biar lebih paham ayo dibaca dulu materinya.. ckckck

--------------------------------------------------------------------------------------------------------------

Fuzzy Logic (FL) pertama diperkenalkan oleh Lotfi. A. Zadeh. Tidak seperti logika boolean atau logika digital yang hanya bernilai 0 atau 1, logika fuzzy ini bernilai antara 0 dan 1. Fuzzy logic digunakan untuk menangani  fuzziness (kesamaran) dengan cara merepresentasikan nilai yang bersifat linguistik. Misalnya besar, kecil, sedang, pelan, agak cepat, cepat dan sebagainya. Permasalahan yang tidak dapat dilihat sebagai ‘hitam’ atau ‘putih’ seperti ini lebih sering terjadi di dunia nyata. Terdapat hal ‘abu-abu’ yang jika diperhitungkan dapat membua kita menentukan keputusan yang lebih adil.

Secara umum dalam sistem logika fuzzy terdapat empat buah elemen dasar, yaitu:

1.  Berbasis rule, yang berisi aturan-aturan secara linguistik yang bersumber dari pakar (atau data training).

2.  Suatu mekanisme pengambilan keputusan (inference engine), yang memodelkan bagaimana pakar mengambil suatu keputusan dengan menerapkan pengetahuan (knowledge).

3.  Proses fuzzification, yang mengubah nilai crisp ke nilai fuzzy.

4.  Proses defuzzification, yang mengubah nilai fuzzy hasil inference ke nilai crisp.

Kelebihan Fuzzy Logic

Diibandingkan dengan sistem logika lain, fuzzy logic bisa menghasilkan keputusan yang lebih adil dan lebih manusiawi. Fuzzy logic memodelkan perasaan atau intuisi dengan cara merubah nilai crisp menjadi nilai linguistik dengan fuzzification dan kemudian memasukkannya ke dalam rule yang dibuat berdasarkan knowledge. 

Kelebihan yang kedua adalah Fuzzy logic cocok digunakan pada sebagian besar permasalahan yang terjadi di dunia nyata. Permasalahan di dunia nyata kebanyakan bukan biner dan bersifat non linier sehingga fuzzy logic cocok digunakan karena menggunakan nilai linguistik yang tidak linier. Fuzzy dapat mengekspresikan konsep yang sulit untuk dirumuskan, seperti misalnya “suhu ruangan yang nyaman”.

Pemakaian fungsi keanggotaan memungkinkan fuzzy logic untuk melakukan observasi obyektif  terhadap nilai-nilai yang bersifat subyektif. Selanjutnya fungsi keanggotaan ini dapat dikombinasikan untuk membuat pengungkapan konsep yang lebih jelas.

Kekurangan Fuzzy Logic

Selain kelebihan yang telah dijelaskan di atas, ternyata Fuzzy Logic juga memiliki kekurangan. Dalam mendesain fuzzy logic, sering ditemukan kesulitan dalam menentukan preferensi atau parameter agar output yang dihasilkan akurat, yaitu :

1.    Model Mamdani atau Sugeno atau model lain?

Penentuan model inference harus tepat, Mamdani biasanya cocok untuk masalah intuitive sedangkan sugeno untuk permasalahan yang menangani control

2.    Jumlah Nilai Linguistik untuk setiap variabel?

Kita harus merubah nilai crisp menjadi nilai linguisik. Jumlah dari nilai linguistik yang digunakan harus sesuai dengan permasalahan yang akan kita selesaikan.

3.    Batas-batas Nilai Linguistik?

Batas-batas nilai linguistik akan sangat berpengaruh pada akurasi fuzzy logic.

4.    Fungsi Keanggotaan: Segitiga, trapesium, phi, …?

5.    Fuzzy rule yang tepat?

Parameter-parameter di atas lah yang membentuk  knowledge. Knowledge tersebut bisa berasal dari pengetahuan pakar maupun data training. Pemilihan data training pun bisa menjadi kesulitan tersendiri, sebab data yang digunakan harus merepresentasikan data yang sebenarnya. Pemilihan data training akan sangat menentukan knowledge dan akurasi fuzzy logic yang dihasilkan. Pada intinya akurasi fuzzy logic tergantung dari pakar atau data training.

Referensi

1.    Suyanto. 2007. Artificial Intelligence: Searching, Reasoning, Planning and Learning. Informatika, Bandung Indonesia

2.    Nugroho, Anto Satriyo. 2003. Pengantar Softcomputing. Modul Kuliah Umum IlmuKomputer.Com. http://asnugroho.net/papers/ikcsc.pdf 

3.    http://wangready.wordpress.com/2011/05/03/fuzzy-logic/

4.    http://digilib.ittelkom.ac.id/index.php?

Mana Ongkos Pengiriman Kurir Yang Paling Murah

Setelah 2 tahun bergelut di e-comerce alias online shop yang melayani pelanggan akhirnya jadi hafal tentang min plus tiap2 shipping service dari beberapa agen yang bisa jadi pertimbangan permisa.
langsung saja cekidot gan!!
dan berikut merupakan empat besar shipping service yang populer di indonesia yang memiliki kelebihan dan kekurangan masing-masing

1. WAHANA (Senin-Jumat jam 08.00 am-20.00 pm, Sabtu)
*PLUS*
a. Murah
b. Bisa cek online (tracking) di www.wahanaonline.com karena website www.wahana.com lagi maintenance (per maret 2015), tapi khusus cek ongkir tetep ke www.wahana.com
c. Bisa request mau bukti pembayaran yang bisa kelihatan ongkos kirim nya di client (non digital) atau sebaliknya (digital)
d. On time (semua seragam 3 hari, pengalaman saya 2 hari aja udah nyampe)
e. Menyediakan paket kiriman yang hitungannya per 5 kg (beda divisi tapi satu kantor) 

*MINUS*
a. Cabangnya sedikit
b. Penulisan alamat yang strict (kalau belum lengkap barang dikembalikan)
c. Wrapping yang strict (harus dibungkus plastik atau lakban)
d. Gak ada sistem kiriman express (semua seragam 3 hari, pengalaman saya 2 hari aja udah nyampe)
e. Hanya efektif di Pulau Jawa

2. JNE (Senin-Jumat jam 08.00 am-20.00 pm, Sabtu)
www.jne.co.id 
*PLUS*
a. Cabangnya banyak (menjamur)
b. Penulisan alamat gak ribet (kalau tujuannya instansi pemerintahan biasanya gak detail2 banget)
c. Wrappingnya simple (kalau kiriman kita pakai kertas secara otomatis dikasih plastik transparan)
d. On time (saya pernah habis jutaan untuk kirim barang karena kejar deadline jadi pakai yg YES yakin esok sampai, jadi worth it lah mahal untuk beli waktu)
e. Efektif seluruh Indonesia 

*MINUS*
a. Mahal (bisa dibilang agen yg plg mahal, kalau volume banyak harga jadi selangit. pengalaman saya kirim pakai ini 2 kg jadi 9 kg karena volume)


3. POS INDONESIA (Senin-Jumat jam 08.00 am-20.00 pm, Sabtu) (Jam ini berlaku di Kantor pos pusat dan franchise, bukan cabang)
http://www.posindonesia.co.id
*PLUS*
a. Cabangnya banyak (belakangan ini buka sistem franchise)

b. Lebih murah dari JNE 
c. Wrapping suka2 (boleh kertas tapi kalau mau di doble plastik bayar 2000)
d. On time
e. Efektif seluruh Indonesia (pengalaman barang client di Makassar belum sampai2 juga, akhirnya saya telepon pos disana, dan katanya barang masih di kantor pos karena pas dijabanin rumahnya kosong)
f. Ada jasa wrapping/bungkus (mmg gak resmi sih, tapi biasanya ditawarin kok jasa ini di kios terdekat) 
g. Penulisan alamat gak ribet (kalau tujuannya instansi pemerintahan biasanya gak detail2 banget)

*MINUS*
a. Websitenya sering error (kalau mau cek ongkir jadi lama)
b. Scroll nya "dari dan alamat tujuan" di website terlalu panjang (jadi kalau lewat HP kudu telaten milihnya (saya sih mendingan pakai laptop))
c. Tracking online sering gak reliable (misalnya saya tracking masih aja kosong eh tau2 saya udah dipanggil front office buat ambil barang)
d. Ongkos kirim yang tertera di website belum ditambah pajak (jadi misal ongkir 15000 biasanya di kantor posnya jadi 18000-20000 (kadang bikin deg2an juga ya secara buat kita2 yang berdagang krn bikin nombok ongkir))
e. Pelayanan di kantor cabang biasanya lebih judes (kalau saya mending di kantor pusat sekalian atau di franchise) 

4. TIKI
http://www.tiki-online.com/ 

Saya terbilang jarang kirim pakai TIKI, so far berdasarkan pengalaman saya yang terakhir :
*PLUS*
a. Satu2nya agen yang jam 7 pagi udah buka
b. Lebih murah dari pada JNE dan Pos (Versi website dan Aplikasi Ongkos Kirim Android) 
c. On time 

*MINUS*
a. Cabangnya jarang2

Nah pemirsa demikian review tiap shipping service dari saya.Jadi masing-masing shipping service memiliki kelebihan dan kekurangan, semoga pelayanan shipping service di indonesia semakin meningkat dan semoga artikel ini membantu dalam memilih agen yang sesuai gan