UAS Kecerdasan Buatan 2026

Catatan konsep (3)

UTS 2026 UAS 2025 UTS 2025

Soal text

Transkripsi dicocokkan dengan 3 halaman naskah asli.

Redaksi dirapikan untuk dibaca. Data, pilihan jawaban, dan subsoal mengikuti naskah; diagram dijelaskan dalam teks atau tabel.

Lompat ke soal

UAS Kecerdasan Buatan / Sistem Cerdas 2025/2026

Senin, 15 Juni 2026 · 10.00–11.40 WIB (100 menit) · Terbuka (1 lembar A5). Tuliskan NIM, nama, kelas pada setiap lembar. Dilarang bekerja sama dan membuka HP.

1. Sistem pakar jaringan komputer (30%)

Rule	Kondisi → hipotesis	CF rule	Jenis
R1	Koneksi lambat → Kepadatan Jaringan	0.7	Single
R2	Paket sering hilang → Kepadatan Jaringan	0.6	Single
R3	Koneksi lambat DAN Paket hilang → Kepadatan Jaringan	0.8	Kombinasi AND
R4	LED router mati → Kerusakan Hardware	0.9	Single

Laporan: CF(Koneksi lambat)=0.8; CF(Paket sering hilang)=0.6. LED router tidak dilaporkan mati. a. Tentukan rule aktif dan tidak aktif, berikan alasan untuk setiap rule. b. Untuk setiap rule aktif, hitung CF(H,E). c. Tentukan kesimpulan sistem beserta penjelasan perhitungannya.

2. Perceptron (35%)

$\alpha=1$ . Step function: output=1 jika net ≥ 0, output=0 jika net < 0. Bobot awal w1=0, w2=0, bias=0.

Data ke	x1	x2	Target d
1	1	1	1
2	1	0	1
3	0	1	0
4	0	0	0

a. Bedakan kemampuan belajar dan mekanisme pembaruan bobot McCulloch–Pitts, aturan Hebb, dan Perceptron. Mengapa Perceptron lebih maju? b. Latih satu epoch penuh (4 data). Tunjukkan perhitungan bobot dan pembaruannya untuk setiap data secara lengkap. c. Uji kembali empat data menggunakan bobot akhir satu epoch: apakah sudah konvergen? Fungsi logika apa yang direpresentasikan data?

3. Fuzzy Mamdani (35%)

Kipas ruang server dikendalikan berdasarkan suhu (°C) dan beban CPU (%), menghasilkan kecepatan kipas (%).

Suhu	Tipe	Definisi
Dingin	Turun linear	1→0 pada 20–28°C
Normal	Segitiga	Puncak 28°C, nol pada 20°C dan 36°C
Panas	Naik linear	0→1 pada 28–36°C

Beban CPU	Tipe	Definisi
Rendah	Turun linear	1→0 pada 30–70%
Tinggi	Naik linear	0→1 pada 30–70%

Kecepatan	Tipe	Definisi
Lambat	Segitiga	Puncak 25%, nol pada 0% dan 50%
Sedang	Segitiga	Puncak 50%, nol pada 25% dan 75%
Cepat	Segitiga	Puncak 75%, nol pada 50% dan 100%

Rule	IF	THEN
R1	Panas AND Tinggi	Cepat
R2	Panas AND Rendah	Sedang
R3	Normal AND Tinggi	Sedang
R4	Normal AND Rendah	Lambat
R5	Dingin	Lambat

Input: suhu=32°C, beban CPU=60%. a. Sebutkan empat tahap inferensi Mamdani secara berurutan. Lakukan fuzzifikasi kedua input, hitung derajat keanggotaan seluruh himpunan linguistik. b. Hitung α setiap rule aktif dengan operator MIN. c. Hitung kecepatan kipas menggunakan rule dan input yang terbaca.

Lihat naskah asli ↗

Sistem pakar CF, pelatihan perceptron, dan inferensi fuzzy Mamdani.

certainty factorperceptronMamdani

Pembahasan lengkap 3 nomor Visual interaktif · coba tombol langkah

Rujukan halaman naskah

Soal 1 (a, b, c): halaman PDF 1, 2 — Diagnosis jaringan dengan CF
Soal 2 (a, b, c): halaman PDF 2 — Pelatihan perceptron
Soal 3 (a, b, c): halaman PDF 2, 3 — Kipas fuzzy Mamdani

1. Certainty factor

R1, R2, dan R3 aktif karena kedua gejala dilaporkan; R4 tidak aktif karena LED mati tidak dilaporkan. Gunakan minimum untuk AND dan kalikan dengan CF rule: R1 $0,8(0,7)=0,56$ , R2 $0,6(0,6)=0,36$ , R3 $\min(0,8;0,6)(0,8)=0,48$ . Gabungkan dukungan positif $a+b(1-a)$ : R1+R2 = 0,7184, lalu +R3 = 0,853568 untuk kepadatan jaringan. Ini mengikuti konvensi CF yang memperlakukan kontribusi rule sebagai dukungan terpisah meski gejalanya tumpang tindih. Tidak ada nilai untuk kerusakan hardware dari laporan ini; tidak dilaporkan bukan berarti terbukti tidak rusak.

2. Perceptron

McCulloch-Pitts memakai bobot dan ambang tetap tanpa aturan belajar. Hebb memperkuat asosiasi berdasarkan koaktivasi, tanpa koreksi kesalahan target pada bentuk dasarnya. Perceptron memakai target dan koreksi kesalahan, sehingga dapat mempelajari pemisah linear; ia tidak dapat memisahkan fungsi yang tidak linear seperti XOR.

Dengan $y=1$ bila net ≥ 0, $e=d-y$ , dan $(w_1,w_2,b)\leftarrow(w_1,w_2,b)+e(x_1,x_2,1)$ :

Data	(x1,x2), d	net	y	e	(w1,w2,b) setelah
1	(1,1), 1	0	1	0	(0,0,0)
2	(1,0), 1	0	1	0	(0,0,0)
3	(0,1), 0	0	1	−1	(0,−1,−1)
4	(0,0), 0	−1	0	0	(0,−1,−1)

Uji ulang bobot akhir menghasilkan 0 untuk keempat masukan (net −2, −1, −2, −1), jadi kedua contoh target 1 salah dan belum konvergen. Target adalah fungsi proyeksi $d=x_1$ , bukan AND atau OR.

3. Fuzzy Mamdani

Tahapan: fuzzifikasi, evaluasi/implikasi aturan, agregasi keluaran, defuzzifikasi. Pada suhu 32°C: dingin 0, normal $(36-32)/8=0,5$ , panas $(32-28)/8=0,5$ . Pada CPU 60%: rendah $(70-60)/40=0,25$ , tinggi $(60-30)/40=0,75$ .

Dengan MIN: R1 cepat = min(0,5;0,75)=0,5; R2 sedang = min(0,5;0,25)=0,25; R3 sedang = min(0,5;0,75)=0,5; R4 lambat = min(0,5;0,25)=0,25; R5 lambat = 0. Agregasi MAX menghasilkan pemotongan lambat 0,25, sedang 0,5, cepat 0,5.

Ambil defuzzifikasi centroid $z=\int_0^{100}z\mu(z)\,dz/\int_0^{100}\mu(z)\,dz$ . Integral area agregat adalah 37,5 dan momen pertama 2050,78125, sehingga kecepatan 54,6875%. Hasil bergantung pada pilihan defuzzifikasi; metode lain dapat memberi nilai berbeda.

Pembahasan ditulis independen oleh belajar.myudak, bukan kunci jawaban resmi. Soal asli tetap milik pengampu mata kuliah dan ditampilkan langsung dari arsip Google Drive.

Aktifkan JavaScript untuk panel belajar dan visual interaktif. Buka naskah PDF.body { height: auto; overflow: auto; } #exam-viewer { display: none; } #exam-text-MIK1624405-uas-2026, #exam-content-MIK1624405-uas-2026 { display: block !important; padding: 1rem; }