1. Data Mining
Author: Suyanto
Published: Mei 2017
Publisher: Informatika, Bandung, Indonesia
ISBN: 978-602-6232-36-6
Synopsis: Di era big data saat ini, dengan volume data mencapai zettabyte (satu trilyun gigabyte), permasalahan dan data tumbuh secara eksponensial sedangkan jumlah data analyst dan data scientist tumbuh secara linier. Oleh karena itu, diperlukan teknik komputasi handal yang bisa menganalisis data secara cepat dan akurat. Sayangnya, sebagian besar desainer dan pengembang sistem berbasis data mining mengalami kesulitan dalam menentukan teknik dan metode yang paling sesuai untuk masalah yang mereka hadapi. Buku ini memberikan gambaran secara jelas dan mudah bagaimana memahami masalah dan data secara benar. Kedua hal ini sangat penting karena jika gagal melakukannya, Anda akan salah dalam memilih teknik dan metode yang sesuai, yang pada akhirnya Anda akan mengalami banyak kesulitan pada tahap desain dan implementasi. Buku ini akan memandu Anda dalam memahami data mining untuk klasifikasi dan klasterisasi data. Penjelasan diberikan secara menyeluruh, dari konsep dasar, visualisasi, hingga formulasi matematis. Dalam buku ini Anda akan berlatih memahami masalah, memvisualisasikannya, mememilih teknik dan metode yang sesuai, serta mendesain dan mengimplementasikan sistem klasifikasi atau sistem klasterisasi yang tepat untuk masalah tersebut.
Pada buku cetak mungkin saja terdapat gambar-gambar ilustrasi yang kurang jelas. Untuk itu, Anda dapat mengunduh semua 176 gambar ilustrasi berformat .PNG dalam file .rar.
Untuk mempermudah dalam memahmi isi buku Data Mining, Anda dapat mengunduh slide presentasi Computational Intelligence & Speech Technology (CIST) yang disampaikan pada Seminar Nasional Kecerdasan Buatan di Universitas AMIKOM Yogyakarta tanggal 06 Mei 2017, di mana sebagian besar kontennya diambil dari buku Data Mining untuk Klasifikasi dan Klasterisasi Data.
Sejumlah program untuk memvisualisasikan data, reduksi data menggunakan PCA, dan klasifikasi data berbasis artificial neural network dapat diunduh di SourceCodesMATLABData Mining.
2. Artificial Intelligence: Searching, Reasoning, Planning and Learning
Author: Suyanto,ST, MSc.
Published: September 2014
Publisher: Informatika, Bandung, Indonesia
ISBN: 978-602-1514-44-3
Synopsis: Di dalam Artificial Intelligence (AI) dikenal empat teknik pemecahan masalah, yaitu: Searching, Reasoning, Planning dan Learning. Dalam setiap teknik tersebut, terdapat banyak metode yang diusulkan dan sudah dibuktikan secara matematis maupun empiris. Penggunaan teknik dan metode tersebut sangat bergantung pada permasalahan yang akan diselesaikan. Mereka yang baru mempelajari AI seringkali merasa kesulitan dalam memilih teknik dan metode yang tepat untuk menyelesaikan suatu masalah. Buku ini membahas keempat teknik tersebut dan metode-metode yang ada didalamnya. Pembahasan dilakukan melalui ilustrasi dan studi kasus untuk mempermudah pemahaman dan memperjelas perbedaan diantara keempat teknik tersebut. Pembahasan setiap teknik dan metode akan dilakukan secara global, dari ide dan teori dasarnya, sampai detail ke implementasinya. Diharapkan buku ini tidak hanya untuk kalangan mahasiswa Teknik Informatika maupun Ilmu Komputer saja, tetapi juga untuk kalangan pelajar maupun profesional. Buku ini disusun dalam tujuh bab. Bab pertama membahas definisi AI, sejarah AI, kondisi AI saat ini dan pada masa yang akan datang. Bab dua sampai bab lima, secara berturut-turut, membahas Searching, Reasoning, Planning dan Learning. Pada lima bab pertama, diberikan kesimpulan dan latihan soal untuk masing-masing bab. Bab ke enam membahas studi kasus mengenai empat aplikasi AI yang saat ini sudah banyak digunakan di dunia nyata, yaitu Mobile Navigation System, Electronic Medical Record, Elevator Control System, dan Email Spam Filtering. Pada bab ini juga dijelaskan bagaimana memilih dan mengaplikasikan teknik-teknik dasar AI untuk membangun masing-masing sistem tersebut. Sedangkan bab ke tujuh berisi ringkasan dari keenam bab sebelumnya. Bagi pembaca yang baru mempelajari AI, disarankan untuk membaca buku ini secara berurutan dari bab satu sampai bab lima agar bisa melihat secara jelas konsep dan perbedaan keempat teknik tersebut. Setelah itu bisa dilanjutkan ke bab enam dan tujuh. Pembaca yang sudah pernah mempelajari AI bisa membaca buku ini secara acak pada bab yang dibutuhkan.
Daftar Isi (Table of Content).
Untuk mempermudah dalam memahami buku Artificial Intelligence: Searching, Reasoning, Planning and Learning, Anda bisa mengunduh semua slides pendukung buku dalam format .rar atau satu per satu bab berikut ini:
Slides Artificial Intelligence 01
Slides Artificial Intelligence 02
Slides Artificial Intelligence 03
Slides Artificial Intelligence 04
Slides Artificial Intelligence 05
Slides Artificial Intelligence 06
3. Algoritma Optimasi: Deterministik atau Probabilistik?
Author: Suyanto
Published: April 2010
Publisher: Graha Ilmu, Yogyakarta, Indonesia
ISBN: 978-979-756-665-4
Synopsis: Banyak permasalahan optimasi dunia nyata yang sering kita jumpai dalam kehidupan sehari-hari maupun industri. Sebagai contoh, bagaimana memilih barang-barang yang harus dimasukkan ke dalam suatu tas koper sehingga total nilainya paling besar tetapi tidak melebihi kapasitas atau batasan tertentu. Contoh lainnya adalah bagaimana menyusun jadwal perkuliahan sehingga tidak bentrok ruangan, dosen, kelas, maupun mahasiswa dengan distribusi yang adil dan semaksimal mungkin memenuhi kebutuhan semua pihak. Untuk menyelesaikan berbagai permasalahan optimasi, para ahli sudah mengusulkan banyak sekali metode atau algoritma yang dikelompokkan ke dalam Algoritma Optimasi (AO). Setiap algoritma memiliki kelebihan dan kekurangan masing-masing. Tidak ada satupun algoritma yang berlaku umum dan bisa digunakan untuk menyelesaikan semua jenis masalah. Oleh karena itu, peneliti dan praktisi sering kebingungan dalam memilih AO yang paling tepat untuk masalah optimasi yang sedang dihadapinya. Buku ini membahas berbagai AO, mulai dari yang sederhana hingga yang sangat kompleks. Pembahasan dilakukan secara lengkap, mulai dari motivasi, karakteristik, kelebihan, kekurangan, dan beragam studi kasus, untuk memberikan pemahaman secara mendalam dan detail mengenai berbagai AO tersebut. Dengan demikian, pembaca diharapkan dapat memilih AO yang paling sesuai untuk permasalahan yang mereka hadapi. Buku ini memfokuskan pembahasan pada tiga AO deterministik: State Space Search, Dynamic Programming, dan Branch and Bound, serta berbagai AO probabilistik: Monte Carlo, Hill Climbing, Simulated Annealing, Tabu Search, dan Evolutionary Computation yang terdiri dari: Evolutionary Algorithms, Harmony Search, Artificial Immune Systems, dan Swarm Intelligence (Ant Colony Optimization, Particle Swarm Optimization, dan Artificial Bee Colony).
4. Soft Computing: Membangun Mesin Ber-IQ Tinggi
Author: Suyanto
Published: September 2008
Publisher: Informatika, Bandung, Indonesia
ISBN: 978-979-1153-49-2
Synopsis: Soft Computing (SC) merupakan sekumpulan metodologi yang berkembang secara terus-menerus yang tujuan utamanya adalah untuk menghasilkan mesin ber-IQ tinggi. Teknik-teknik dasar yang termasuk ke dalam SC adalah Fuzzy Logic, Neuro Computing atau Artificial Neural Networks, Evolutionary Computation, Probabilistic Computing, Chaos Computing, Rough Sets, Multivalued Logic, Immune Network Theory, dan teknik-teknik lain yang serupa. Satu hal yang sangat penting dalam SC adalah antara satu bidang ilmu dengan bidang ilmu lainnya saling melengkapi dan berkontribusi untuk menyelesaikan suatu permasalahan. Misalnya, fuzzy systems, yang bisa memberikan penjelasan proses reasoning tetapi tidak dapat learning, bisa digabungkan dengan Neural Network yang bisa learning tetapi tidak bisa memberikan penjelasan proses reasoning-nya. Penggabungan kedua metode bisa mengambil kelebihan dari kedua metode dan menghilangkan kelemahannya sehingga dihasilkan suatu sistem yang bisa learning sekaligus bisa memberikan penjelasan proses reasoning-nya. Gabungan dua atau lebih metode dasar SC akan menghasilkan suatu sistem yang lebih baik dan kuat yang disebut hybrid system. Buku ini memfokuskan pembahasan pada tiga teknik dasar SC: Fuzzy Systems, Artificial Neural Networks (ANN) dan Evolutionary Algorithms (EAs). Pembahasan dilakukan secara detail mulai dari motivasi, model matematis, dan permasalahan yang ada pada setiap teknik dasar tersebut. Selanjutnya, pembahasan lebih menarik terlihat ketika membangun sistem yang menggabungkan teknik-teknik dasar tersebut menjadi hybrid system, yaitu Neuro-fuzzy, Evolving ANN, Evolving Fuzzy Systems dan Fuzzy EAs. Untuk memahami SC secara lebih mendalam dan sebagai latihan, di sini dibahas studi kasus mengenai prediksi dan klasifikasi.
Untuk mempermudah dalam memahami buku Textbook Soft Computing: Membangun Mesin Ber-IQ Tinggi, Anda bisa mengunduh semua slides pendukung buku dalam format .rar atau satu per satu bab berikut ini:
5. Evolutionary Computation: Komputasi Berbasis “Evolusi” dan “Genetika”
Author: Suyanto
Published: April 2008
Publisher: Informatika, Bandung, Indonesia
ISBN: 978-979-1153-38-6
Synopsis: Evolutionary Computation (EC) merupakan suatu abstraksi yang mengadopsi evolusi dan genetika yang disederhanakan. Dari abstraksi tersebut, lahirlah berbagai algoritma berbasis EC yang dikenal sebagai Evolutionary Algorithms (EAs). Sejak diperkenalkan pada tahun 1960-an, EAs terus diteliti dan dikembangkan hingga saat ini. Yang menarik pada EAs adalah Hanya dengan menggunakan proses-proses yang sebagian besar dilakukan secara acak, EAs bisa menghasilkan solusi yang bagus (mungkin saja solusi terbaik) dengan kecepatan yang dapat diterima. EAs sangat berguna bagi anda saat menghadapi beragam masalah, seperti optimasi, penjadwalan, prediksi, learning, dan sebagainya yang sangat kompleks dan anda merasa kesulitan untuk menemukan langkah-langkah sistematis (algoritma) untuk menyelesaikannya. Dengan EAs, anda tidak memerlukan langkah-langkah sistematis maupun analisa matematis khusus untuk menyelesaikan masalah karena semua proses yang terjadi pada EAs bersifat probabilistik. EAs sangat mudah diimplementasikan, sangat fleksible dan memiliki reusability yang tinggi. Begitu anda bisa merepresentasikan suatu solusi ke dalam kromosom dan berhasil membangun fungsi fitness-nya, maka anda bisa menggunakan operator-operator evolusi yang hampir sama untuk berbagai masalah yang berbeda-beda. Pada buku ini, anda bisa mempelajari proses pengadopsian teori evolusi dan genetika sederhana ke dalam dunia komputer yang disebut EAs. Terdapat enam algoritma EAs yang dibahas dalam buku ini, yaitu: Genetic Algorithm (GA), Evolution Strategies (ES), Evolutionary Programming (EP), dan Genetic Programming (GP), Differential Evolution (DE), dan Grammatical Evolution (GE). Pembahasan dilakukan secara detail dari ide-ide dasarnya, perbedaannya, bagaimana teknik implementasinya dan beragam studi kasus dalam pengaplikasiannya.
Untuk mempermudah dalam memahami buku Textbook Evolutionary Computation: Komputasi Berbasis “Evolusi” dan “Genetika”, Anda bisa mengunduh semua slides pendukung buku dalam format .rar atau satu per satu bab berikut ini:
Slides Evolutionary Computation 01
Slides Evolutionary Computation 02
Slides Evolutionary Computation 03
Slides Evolutionary Computation 04
Slides Evolutionary Computation 05
Slides Evolutionary Computation 06
Slides Evolutionary Computation 07
Slides Evolutionary Computation 08
Slides Evolutionary Computation 09
Slides Evolutionary Computation 10
Slides Evolutionary Computation 11
6. Algoritma Genetika dalam MATLAB
Author: Suyanto
Published: Mei 2005
Publisher: Andi Offset, Yogyakarta, Indonesia
ISBN: 979-731-727-7
Synopsis: Algoritma Genetika (AG) merupakan salah satu teknik komputasi yang sangat sesuai untuk permasalahan dengan ruang solusi yang sangat besar. Kelebihan utama AG adalah sifat adaptivitasnya. Begitu kita bisa mengkodekan masalah ke dalam kromosom dan bisa membangun fungsi fitness yang tepat maka kita dapat membangun AG untuk menyelesaikan masalah tersebut. Sedangkan kelemahan AG adalah diperlukannya usaha yang cukup melelahkan untuk dapat menemukan nilai-nilai parameter AG yang optimal. AG akan mudah dipahami jika kita sudah mengimplementasikannya ke dalam bahasa pemrograman. Mengapa MATLAB? Karena di dalam MATLAB telah tersedia banyak fungsi untuk operasi-operasi matriks.
Pelengkap buku: Matlab souce code program dalam format .m