Kecerdasan Buatan (Artificial Intelligence) #Tugas softskill

Pengertian Artificial Intelligence (AI) / Kecerdasan Buatan

AI (Artificial Intelligence) atau Kecerdasan Buatan merupakan salah satu cabang ilmu computer yang mempelajari bagaimana cara membuat sebuah mesin cerdas, yaitu mesin yang mempunyai kemampuan untuk belajar dan beradaptasi terhadap sesuatu.

Jika diartikan tiap kata, artificial artinya buatan, sedangkan intelligence adalah kata sifat yang berarti cerdas. Jadi artificial intelligence maksudnya adalah sesuatu buatan atau suatu tiruan yang cerdas. Cerdas di sini kemungkinan maksudnya adalah kepandaian atau ketajaman dalam berpikir, seperti halnya otak manusia dalam menyelesaikan suatu masalah.

Tujuan dari riset-riset Artificial Intelligence (AI) / Kecerdasan Buatan adalah bagaimana membuat sebuah mesin bisa berfikir sama halnya dengan manusia yang bisa berfikir. AI digunakan untuk menjawab problem yang tidak dapat diprediksi dan tidak bersifat algoritmik atau prosedural. Sampai saat ini, para peneliti di bidang AI masih banyak menyimpan pekerjaan rumah mereka disebabkan kompleksitas penelitian di bidang Artificial Intelligence (AI) / Kecerdasan Buatan serta faktor dukungan teknologi untuk merealisasikannya. Karena area cakupan yang luas, Artificial Intelligence (AI) / Kecerdasan Buatan dibagi lagi menjadi subsub bagian di mana sub-sub bagian tersebut dapat berdiri sendiri dan juga dapat saling melengkapi satu dengan lainnya.

Perbedaan antara Kecerdasan Buatan (Komputer) dengan Kecerdasan Alami (Manusia)

Kecerdasan Buatan:

• Bersifat permanen
• Mudah diduplikasi dan disebarluaskan
• Dapat lebih murah daripada manusia cerdas
• Konsisten dan menyeluruh
• Dapat didokumentasikan

Kecerdasan Alami:

• Bersifat kreatif
• Menggunakan pengalaman panca indra secara langsung
• Menalar berdasarkan pemahaman yang luas dari pengalaman
• Memiliki tingkat ketrampilan yang luas mulai dari pemula, pemula lanjut, kompeten,
• profisien, dan ahli (expert)

4 Dasar Kategori di Konsep dasar Ai(Kecerdasan Buatan)

1. Acting Humanly

Acting humanly ialah system yang melakukan pendekatan dengan menirukan tingkah laku seperti manusia yang dikenalkan pada tahun 1950 degan cara kerja pengujian melalui teletype yaitu jika penguji (integrator) tidak dapat membedakan yang mengintrogasai antara manusia dan computer maka computer tersebut dikatakan lolos(menjadi kecerdasan buatan).

2. Thinking Humanly

Yaitu system yang dilakukan dengan cara intropeksi yaitu penangkapan pemikiran psikologis
Manusia pada computer,hal ini sering diujikan dengan neuron ke neuron lainnya atau sel otak dengan sel otak lainnya cara pembelajarannya yaitu melalui experiment-experimen.

3. Thinking Rationaly

Ini merupakn system yang sangat sulit ,karena sering terjadi kesalah dala, prinsip dan prakteknya,system ini dikenal dengan penalaran komputasi.

4. Actng Rationaly

Yaitu system yang melakukan aksi dengan cara menciptakan suatu robotika cerdas yang menggantikan tugas manusia.

Disiplin Ilmu AI

Seperti yang telah disebutkan di atas bahwa AI merupakan salah satu cabang Ilmu Komputer. Tapi karena kompleksitas area AI maka dibuat sub-sub bagian yang dapat berdiri sendiri dan dapat saling bekerja sama dengan sub bagian lain atau dengan disiplin ilmu lain. Berikut ini beberapa cabang ilmu sub bagian dari AI :

1. Natural Languange Processing (NLP)

Natural Languange Processing (NLP) atau Pemrosesan Bahasa Alami, merupakan salah satu cabang AI yang mempelajari pembuatan sistem untuk menerima masukan bahasa alami manusia. Dalam perkembangannya, NLP berusaha untuk mengubah bahasa alami komputer (bit dan byte) menjadi bahasa alami manusia yang dapat kita mengerti. NLP merupakan ilmu dasar yang dapat dijadikan jembatan untuk membuat komunikasi antara mesin dengan manusia.

2. Expert System (ES)

Expert System (ES) atau Sistem Pakar, merupakan salah satu cabang AI yang mempelajari pembuatan sebuah sistem yang dapat bekerja layaknya seorang pakar. ES dapat menyimpan pengetahuan seorang pakar dan memberikan solusi berdasarkan pengetahuan yang dimilikinya tadi. ES juga merupakan salah satu cabang AI yang sering melakukan kerja sama dengan disiplin ilmu lain karena sifatnya yang dapat menyimpan pengetahuan.

3. Pattern Recognition (PR)

Pattern Recognition (PR) atau Pengenalan Pola, merupakan salah satu cabang AI yang mempelajari pembuatan sebuah sistem untuk dapat mengenali suatu pola tertentu. Misalnya sistem PR untuk mengenali huruf dari tulisan tangan, walaupun terdapat perbedaan penulisan huruf A dari masing-masing orang tetapi PR dapat mengenali bahwa huruf tersebut adalah huruf A. Beberapa aplikasi dari PR antara lain : voice recognition, Fingerprint Identification, Face Identification, Handwriting Identification, Optical Character Recognition, Biological Slide Analysis, Robot Vision dan lainnya.

4. Robotic

Robotic atau Robotika, merupakan salah satu cabang AI yang menggabungkan cabangcabang AI yang lain termasuk ketiga cabang di atas untuk membentuk sebuah sistem robotik. Keempat cabang AI di atas merupakan cabang umum yang banyak dipelajari, masih banyak cabang-cabang AI yang lainnya. Seiring perkembangan riset dalam AI, dapat dimungkinkan akan muncul cabang-cabang baru yang melengkapi unsur AI sehingga AI menjadi sebuah sistem lengkap dan akan mencapai goal-nya yang sampai sekarang masih belum sempurna.

Contoh-contoh Aplikasi AI

Berikut ini beberapa contoh-contoh aplikasi AI yang sudah diterapkan dan memberikan sumbangsih yang cukup diperhitungkan dalam kemajuan teknologi. Kebanyakan aplikasi AI yang banyak dipakai diambil dari bidang Expert System, diantaranya adalah :

a. Bidang Pertanian

Pada bidang Pertanian, dibuat ES untuk memprediksi kerusakan pada jagung yang disebabkan oleh ulat hitam dan memberikan konsultasi untuk mendiagnosa kerusakan pada kacang kedelai dengan menggunakan pengetahuan tentang gejala kerusakan dan lingkungan tanaman.

b. Bidang Kimia

Pada bidang Kimia, dibuat ES untuk menganalisa struktur DNA dari pembatasan segmentasi data enzim dengan menggunakan paradigmagenerate & test.

c. Bidang Sistem Komputer

Pada bidang Sistem Komputer, dibuat ES untuk membantu operator komputer untuk monitoring dan mengontrol MVS (multiple virtual storage) sistem operasi pada komputer mainframe IBM.

d. Bidang Elektronik

Pada bidang Elektronik, dibuat ES untuk mengidentifikasi masalah pada jaringan telepon, ES untuk simulasi perancangan DLC (digital logic circuits) dan mengajari pelajar bagaimana cara mengatasi masalah pada sirkuit elektronik.

e. Bidang Hukum

Pada bidang Hukum, dibuat ES untuk membantu para auditor profesional dalam mengevaluasi potensi kegagalan pinjaman klien berdasarkan sejarah pinjaman, status ekonomi, kondisi piutang.

f. Bidang Militer

Pada bidang Militer, dibuat ES untuk membantu menganalisa perkiraan situasi pertempuran, memberikan interpretasi taktik laporan sensor intelijen dan memberikan rekomendasi alokasi senjata kepada komandan militer pada saat situasi perang.

Di atas merupakan beberapa contoh dari AI yang sudah diaplikasikan dalam beberapa bidang. Masih banyak aplikas-aplikasi AI yang tidak mungkin disebutkan semua di sini. Beberapa contoh di atas sudah dapat memberikan gambaran bahwa cakupan Artificial Intelligence (AI) / Kecerdasan Buatan tidak hanya dibidang ilmu komputer tetapi bisa bekerja sama dengan bidang lain untuk menciptakan sebuah sistem yang saling mendukung.

Referensi
Morris W. Firebaugh, “Artifial Intelligence – A Knowledge Based Approach”, 1989, PWS
Publishing Company, Boston.

Sumber : Abdiansah - artikelilmiah.com

METODE PENELITIAN

SECONDARY DATA

Data sekunder merupakan sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara (diperoleh dan dicatat pihak lain). Data sekunder umumnya berupa bukti, catatan atau laporan historis yang telah tersusun dalam arsip yang dipublikasikan dan tidak dipublikasikan.

            Bentuk data sekunder ada dua kategori yaitu berasal dari sumber internal dam sumber eksternal. Data internal tersedia pada tempat penelitian dilakukan misalnya faktur penjualan, laporan penjualan, laporan hasil riset yang lalu, dan lain-lain. Data eksternal dapat diperoleh dari sumber-sumber luar misalnya, data sensus penduduk dan registrasi. Data yang diperoleh dari badan atau perusahaan yang aktivitasnya mengumpulkan keterangan-keterangan yang relevan akan berbagai masalah.

            Keuntungan menggunakan data sekunder adalah lebih murah, lebih cepat, dan dalam kenyataan sering peneliti tidak terlalu mampu untuk mengumpulkan data primer sendiri, misalnya sensus penduduk.

·         Karakter data sekunder

Kriteria Dalam Mengevaluasi Data SekunderKetepatan memilih data sekunder dapat dievaluasi dengan kriteria sebagai berikut:

1. Waktu Keberlakuan: Apakah data mempunyai keberlakuan waktu? Apakah data dapat kita peroleh pada saat diutuhkan. Jika saat dibutuhkan data tidak tersedia atau sudah kedaluwarsa,maka sebaiknya jangan digunakan lagi untuk penelitian kita.

2. Kesesuaian: Apakah data sesuai dengan kebutuhan kita? Kesesuaian berhubungan dengankemampuan data untuk digunakan menjawab masalah yang sedang diteliti.

3. Ketepatan: Apakah kita dapat mengetahui sumber-sumber kesalahan yang dapatmempengaruhi ketepatan data, misalnya apakah sumber data dapat dipercaya? Bagaimanadata tersebut dikumpulkan atau metode apa yang digunakan untuk mengumpulkan datatersebut?

4. Biaya: Berapa besar biaya untuk mendapatkan data sekunder tersebut? Jika biaya jauh lebihdari manfaatnya, sebaiknya kita tidak perlu menggunaknnya

·         Kegunaan Data Sekunder

 Data sekunder dapat dipergunakan untuk hal-hal sebagai berikut:

a.  Langkah awal merencanakan penelitian

b.  Membantu merumuskan masalah

c.  Menghindari plagia

d. Pemahaman Masalah:Data sekunder dapat digunakan sebagai sarana pendukung untuk memahami masalah yang akan kita teliti. Sebagai contoh apabila kita akan melakukan penelitian dalam suatu perusahaan, perusahaan menyediakan company profile atau data administratif lainnya yang dapat kita gunakan sebagai pemicu untuk memahami persoalan yang muncul dalam perusahaan tersebut dan yang akan kita gunakan sebagai masalah penelitian.

e.  Penjelasan Masalah: Data sekunder bermanfaat sekali untuk memperjelas masalah dan menjadi lebih operasional dalam penelitian karena didasarkan pada data sekunder yang tersedia, kita dapat mengetahui komponen-komponen situasi lingkungan yang mengelilinginya. Hal ini akan menjadi lebih mudah bagi peneliti untuk memahami persoalan yang akan diteliti, khususnya mendapatkan pengertian yang lebih baik mengenai pengalaman-pengalaman yang mirip dengan persoalan yang akan diteliti

f.  Formulasi Alternative-Alternative Penyelesaian Masalah yang Layak

Sebelum kita mengambil suatu keputusan, kadang kita memerlukan beberapa alternative lain. Data sekunder akan bermanfaat dalam memunculkan beberapa alternative lain yang mendukung dalam penyelesaian masalah yang akan diteliti. Dengan semakin banyaknya informasi yang kita dapatkan, maka peneyelesaian masalah akan menjadi jauh lebih mudah.

g. Solusi Masalah: Data sekunder disamping memberi manfaat dalam membantu mendefinisikan dan mengembangkan masalah, data sekunder juga kadang dapat memunculkan solusi permasalahan yang ada. Tidak jarang persoalan yang akan kita teliti akan mendapatkan jawabannya hanya didasarkan pada data sekunder saja.

·         Keunggulan Data Sekunder

Pada dasarnya terdapat empat keunggulan data sekunder, yaitu:

1) lebih hemat waktu dan hemat biaya bagi periset. Jika informasi yang diperlukan

tersedia sebagai data sekunder, maka periset hanya perlu pergi keperpustakaan atau menjelajah internet, menentukan sumber yang sesuai, serta mengambil dan mencatat informasi yang diinginkan. Hal ini memakan waktu tidak lebih dari beberapa hari dan lebih murah. Dengan data sekunder, beban yang dikeluarkan selama proses pengumpulan data telah dibayar oleh penyusun awal informasi.          Meskipun masih diperlukan biaya untuk menggunakan data itu (tidak seperti data statistic yang dikompilasi oleh pemerintah atau asosiasi perdagangan, data komersial tidaklah gratis), namun biayanya tetap jauh lebih rendah dibandingkan jika perusahaan mengumpulkan sendiri informasinya.

2) Meskipun data sekunder jarang dapat melengkapi persyaratan data sebuah proyek riset, paling tidak dapat: (a). Membantu dalam merumuskan permasalahan, dan (b). Menjadi sumber data perbandingan sehingga data primer dapat dievaluasi dan diinterpretasikan lebih mendalam.

3) Daya cakupnya yang dapat berskala nasional dan internasional.

4) Data dapat diperoleh diluar kemampuan periset (misalnya data BPS).

·         Kelemahan Data Sekunder

Pada umumnya terdapat tiga kelemahan data sekunder, yaitu:

1) Jarang sekali data sekunder dapat memenuhi tujuan proyek penelitian. Hal ini

disebabkan oleh factor unit pengukuran, definisi kelas yang dipergunakan dan peredaran publikasi yang tidak sesuai dengan kebutuhan.

2) Data dikumpulkan untuk tujuan yang berbeda dengan tujuan penelitian yang sedang dilakukan.

3) Pengambilan keputusan pemasaran biasanya memerlukan informasi yang mutakhir, padahal sumber data sekunder memerlukan waktu yang cukup lama dalam proses antara pengumpulan data dan penerbitannya.

 KLASIFIKASI DATA SEKUNDER

Data sekunder dapat diklasifikasikan menjadi internal dan eksternal , yaitu sebagai berikut :

è Data internal adalah data yang dihasilkan di dalam sebuah perencanaan/laporan

è Data eksternal adalah data yang dihasilkan diluar  . contoh pada media

 DATA SEKUNDER EKSTERNAL YANG DIPUBLIKASIKAN

Sumber publikasi internal dapat  menjadi data bisnis umum dan data pemerintah . 

DATA SEKUNDER INTERNAL

Data sekunder internal yaitu  Informasi sekunder ini berperan sebagai dasar bagi program pemasaran atau sebagai sumber informasi internal yang berhubungan dengan perilaku pelanggan.

Sumber  Pemerintah

Publikasi pemerintah  di bagi menjadi data sensus dan data publikasi lain:

Data Sensus  adalah data yang berkualitas tinggi dan seringkali sangat rinci .

Publikasi Pemerintah . Selain sensus pemerintah federal mengumpulkan dan memperlihatkan data statistik dalam jumlah yang besar .