Modul Pembelajaran

Pengantar Komputer dan Software 1

MODUL E-LEARNING 4 : Aplikasi Teknologi

Informasi berbasis Inteligensi Buatan dan Internet of
Things

Program Studi Teknik Informatika

Institut Teknologi Sumatera
©2019

Kode MK KU1106
Beban SKS 2 SKS
Revisi Terakhir 3 Juli 2019

1
INTELIGENSI BUATAN
Sebelum lebih lanjut memahami penerapan konsep kecerdasan buatan dalam sebuah
aplikasi ataupun teknologi informasi dan komunikasi, sebaiknya dipahami terlebih dahulu
definisi dari kecerdasan buatan. Beragam peneliti ataupun akademisi telah memberikan
definsi dari kecerdasan buatan (artificial intelligence). Menurut [1], kecerdasan buatan adalah
proses yang mana peralatan mekanik dapat melaksanakan beragam aktifitas menggunakan
pemikiran dan pengetahuan layaknya seorang manusia.

Sedangkan pada pendapat ahli lainnya, pengertian kecerdasan buatan yang lebih awal
dikemukakan bahkan sebelum masuk ke dalam aspek komputer dapat diamati pada dua
pendekatan [2], yaitu:
a. Pendekatan ilmiah, yang mana pendekatan ini hadir sebelum masuk ke bidang komputer.
Pendekatan ini melihat keterbasan dari komputer yang ada, sehingga kecerdasan buatan
dianggap sebuah solusi untuk meningkatkan kemampuan komputer dengan
pengembangan teknologi lanjutan.
b. Pendekatan teknik, yang mana tidak terlalu terfokus pada mendeskripsikan suatu
kecerdasan buatan, namun lebih mengutamakan usaha untuk memperoleh pemecahan
masalah untuk persoalan-persoalan di kehidupan nyata.

Selanjutnya konsep kecerdasan buatan lebih dipertegas pada [3], yang mengemukakan
bahwa suatu sistem dapat dikatakan termasuk dalam kategori kecerdasan buatan jika
memiliki minimal salah satu pendekatan berikut:
a. Acting humanly, merupakan sebuah konsep yang digunakan untuk membuat
mesin/komputer dapat melakukan sesuatu seperti halnya manusia, yang mana jika
dilakukan manusia membutuhkan kecerdasan tertentu dan manusia cenderung masih
lebih baik melakukannya.
b. Thinking humanly, merupakan konsep untuk membuat mesin dengan fikiran dalam arti
sebenarnya, yang dihubungkan dengan kemampuan berfikir manusia seperti
pengambilan keputusan, penyelesaian masalah, belajar, dan sebagainya.
c. Thinking rationally, adalah konsep untuk menggunakan model komputasi yang dapat
membuat mesin menjadi mungkin untuk melakukan penerimaan inputan dari lingkungan,
melakukan penalaran, dan memberikan aksi ke lingkungan.
d. Acting rationally, adalah sebuah pemahaman untuk memodelkan agen cerdas, yang di
dalamnya memiliki sebuah kecerdasan dan goal/tujuan yang jelas untuk menentukan
hasil terbaik.

Sistem Kerja Inteligensi Buatan

Suatu sistem yang memiliki kemampuan yang baik dalam menyelesaikan masalah, haruslah
memiliki kemampuan penalaran yang baik. Namun, tidak cukup hanya dengan kemampuan
penalaran yang baik saja, tanpa bekal pengetahuan dan pengalaman yang memadai maka
proses penyelesaian masalah tidak akan dapat berjalan dengan baik. Maka dari itu, agar
mesin bisa menjadi cerdas perlu diberikan bekal pengetahuan, sehingga memiliki
kemampuan untuk menalar [4]. Berdasarkan hal tersebut, untuk membangun sebuah sistem
yang memiliki kecerdasan buatan haruslah minimal mengandung komponen-komponen
berikut:

2
 Gambar 1. Sistem Kerja Inteligensi Buatan

a. Masukan (input) yang diberikan pada sistem yang menggunakan pendekatan kecerdasan
buatan adalah berupa masalah ataupun suatu pertanyaan.
b. Basis pengetahuan (knowledge base) berisikan sekumpulan fakta, teori, pemikiran dan
hubungan antar satu dengan yang lainnya.
c. Mesin inferensi (inference engine) adalah kemampuan menarik kesimpulan berdasarkan
pengetahuan dan pengalaman yang telah dimiliki.
d. Luaran (output) yang diberikan dari suatu sistem dengan kecerdasan buatan berupa
solusi masalah sebagai hasil dari inferensi.

Inteligensi Buatan dan Sistem Konvensional

Sistem yang menggunakan kecerdasan buatan dapat dikembangkan dalam semua bahasa
baik itu bahasa C, Python, Basic, ataupun bahasa pemrograman lainnya. Namun terdapat
bahasa pemrograman yang memang dikhususkan untuk pengembangan kecerdasan buatan
seperti LISP dan PROLOG. Maka itu, agar dapat membedakan dengan mudah antara sistem
kecerdasan buatan dengan sistem konvensional, berikut akan dipaparkan persamaan serta
perbedaan dari kedua sistem tersebut seperti yang telah dipaparkan pada [4] dan [5]:

Persamaan:
- Kemampuan dalam pengolahan simbol yang berupa huruf, kata atau bilangan yang
digunakan untuk menggambarkan obyek, proses, ataupun permasalahan.
- Implementasi melibatkan proses-proses yang berjalan pada computing device.

Perbedaan:
Tabel 1. Perbedaan Inteligensi Buatan dan Sistem Konvensional
Perihal Sistem Kecerdasan Buatan Sistem Konvesional
Pemrosesan Pengetahuan diperoleh dari Tergabung dalam satu program
mekanisme inferensi, dan terpisah heuristic
dari algoritma
Inti Pemrosesan Meniru beberapa fungsi otak Menggunakan fungsi otak
manusia manusia yang dituangkan dalam
algoritma
Eksekusi Secara heuristik dan logis Secara algoritmik
Kondisi Masukan Bisa tidak lengkap Harus lengkap dan jelas
Manipulasi Efektif pada pengetahuan yang besar Efektif pada database yang besar
Fokus Pengetahuan Data dan Informasi
Struktur Kendali sistem dipisahkan dengan Kendali sistem terintegrasi
pengetahuan dengan data dan informasi
Kemampuan Menalar Ya Tidak

3
 Perihal Sistem Kecerdasan Buatan Sistem Konvesional
Perubahan Proses Mudah, karena hanya manipulasi Sulit, karena harus merubah
pada basis pengetahuan algoritma yang ditulis
Sifat Output Kualitatif Kuantatif

Bidang Keilmuan dalam Kecerdasan Buatan

Telah diketahui bersama bahwa kecerdasan buatan masih menjadi topik hangat pada
beragam forum atau acara seminar di dunia saat ini. Sehingga area topik masih terus bisa
berkembang yang merupakan hasil dari kontribusi dunia akademisi dan profesional saat ini.
Berikut infografis dari pemetaan teknologi dalam bidang kecerdasan buatan [6]:

Gambar 2. Pemetaan Teknologi dari Inteligensi Buatan

Penjelasan dari beberapa aspek bidang tersebut antara lain:

a. Machine learning, adalah sebuah algoritma yang dapat belajar dari serta membangun
prediksi pada data. Fokus dalam bidang ini meliputi koputasional statistik, Bayesian,
analisis prediktif, dan data mining.
b. Autonomous systems, adalah konsep yang sering digunakan untuk membangun robot
autonomous, kendaraan yang dapat mengendarai sendiri, drone dengan kemampuan
autopilot, ataupun lainnya.
c. Natural Language Processing, teknologi yang mampu membuat sistem komputer
berkomunikasi yang baik dengan bahasa manusia.
d. Real Time Emotion Analytics, penerapan konsep kecerdasan buatan untuk menganalisis
sinyal otak, suara, ekspresi muka dengan tujuan mendeteksi emosional dari seseorang.
e. Virtual Companions, realitas virtual berbasis avatar yang didukung oleh mesin
kecerdasan buatan yang mampu berinteraksi dan berperilaku layaknya manusia.

4
f. Next Gen Cloud Robotic, merupakan gabungan dari konsep kecerdasan buatan, big data,
cloud, serta model layanan yang akan mampu memunculkan otak robot yang berbasis
cloud yang mana robot dapat menggunakannya untuk berkolaborasi dengan manusia
secara intuitif dan cerdas.
g. Neuromorphic Computing, perangkat keras komputasi generasi yang akan datang, yang
menirukan fungsi dari otak manusia dalam bentuk silicon chip.

Penerapan Kecerdasan Buatan dalam Kehidupan

Penerapan konsep kecerdasan buatan yang dipelajari saat ini bukanlah seperti penerapan
konsep ini pada masa komputer belum mampu melakukan komputasi tingkat tinggi. Kondisi
saat ini, dengan keberadaan komputer yang memiliki ukuran semakin kecil dan semakin
tangguh, membuat penerapan konsep kecerdasan buatan bukanlah hanya dongeng semata.
Beberapa device telah diciptakan dengan menggunakan konsep kecerdasan buatan di
dalamnya, antara lain:
a. Self Driving Car

Gambar 3. Contoh Penerapan Inteligensi Buatan pada Autonomus Car

Penerapan konsep kecerdasan buatan dalam bidang kendaraan autonomous (yang

dapat mengendarai sendiri) terus dikembangkan dan dioptimalkan dalam
implementasinya di kehidupan nyata. Berdasarkan data yang telah diperoleh,
diprediksikan bahwa tahun 2030 kendaraan autonomous akan dapat menggantikan
manusia untuk mengendarai, memberikan mobilitas yang bebas untuk para non-
pengemudi, menurunkan tingkat stress dan kebosanan dari pengemudi, serta dapat
menjadi terobosan solusi untuk permasalahan kemacetan, kecelakan dan polusi [7].
Banyak perusahaan besar yang ikut berfokus pada pengembangan kendaraan jenis ini
diantaranya yaitu nuTonomy (yang merupakan perusahaan startup dari MIT), Uber, serta
Google dengan produknya yang bernama Waymo.

5
b. Virtual Personal Assistant

Gambar 4. Contoh Penerapan Virtual Personal Assistant

Virtual Personal Assistant (VPA) merupakan suatu perangkat yang bertujuan untuk
berinteraksi dengan pengguna dengan cara yang alami, seperti menjawab pertanyaa,
mengikuti sebuah percakapan, serta mengerjakan beragam pekerjaan. Dua jenis
masukan yang umumnya digunakan pada VPA adalah berbasis suara ataupun teks.
Maka dari itu, VPA haruslah memiliki kemampuan untuk memahami perkataan atau
tulisan dengan bahasa alami manusia [8]. Contoh produk yang berkaitan dengan VPA
adalah Alexa (Amazon), Siri (Apple), M (Facebook), Google Assistant (Google), serta
Cortana (Microsoft).

c. Smart Robot

Gambar 5. Robot Cerdas di Kehidupan Nyata

Revolusi indutri 4.0 yang sudah sering terdengar merupakan gagasan dunia pada tahun
2011 yang berfokus pada penempatan kemajuan teknologi pada peralatan di lingkungan
industri. Robot-robot cerdas bermunculan untuk memenuhi kebutuhan pada fenomena
ini, khususnya di benua Eropa sudah dimulai sejak tahun 2004. Robot cerdas memegang

6
 peranan untuk menyelesaikan beragam pekerjaan secara cerdas, yang berfokus pada
keamanan, fleksibilitas, kemampuan yang beragam, dan kolaboratif [9]. Hal tersebut
dapat terlaksana tanpa harus membatasi ruang kerjanya, sehingga integrasinya dengan
ruang kerja manusia secara langsung akan menghasilkan sesuatu yang lebih ekonomis
dan produktif.

d. Credit Card Fraud Detection

Gambar 6. Kondisi Kecepatan Terjadinya Penipuan Kartu Kredit

Fraud/Penipuan kartu kredit adalah sesuatu kejadian dimana terdapat pengamblan kredit
oleh orang lain tanpa izin. Jenis penipuan ini memiliki kecepatan yang sangat tinggi, yang
mana dapat digambarkan bahwa hanya butuh 40 hingga 60 mili detik untuk berhasil
melakukan penipuan. Beberapa kategori penipuan kartu kredit yang umumnya dilakukan
adalah kartu kredit palsu menggunakan kartu yang hilang ataupun dicuri, serta perolehan
kredit yang curang melalui surat elektronik [10]. Kehadiran kecerdasan buatan dapat
digunakan dalam membantu menyelesaikan permasalahan ini, yakni melakukan
pendeteksian sejak dini terhadap penipuan dengan menerapkan konsep big data untuk
menganalisis pola kredit yang umumnya dilakukan oleh suatu pemegang kartu kredit.

e. Recommended System

Gambar 7. Implementasi Sistem Rekomendasi pada Spotify dan Netflix

7
 Sistem rekomendasi merupakan sistem dengan pendekatan kecerdasan buatan yang
mampu memberikan saran secara otomatis kepada pengguna terhadap suatu produk
yang didasarkan pada rekomendasi teman, kemiripan antar produk, ataupun hasil
penilaian dari pengguna lainnya. Layanan seperti ini sangatlah berguna untuk
memudahkan pengguna dalam memilih produk yang sesuai dengan keinginannya, serta
meningkatkan konsumsi terhadap produk dari suatu perusahaan [11]. Telah banyak
perusahaan ataupun penyedia layanan yang melibatkan banyak sekali produk di
dalamnya, menggunakan konsep sistem rekomendasi untuk membantu proses promosi.

f. Kecerdasan Buatan pada Bidang Entertainment

Gambar 8. Contoh Penerapan Inteligensi Buatan pada Dunia Permainan

Pada kondisi saat ini, telah diketahui bersama bahwa tidak bisa dipisahkan antara game
dengan kecerdasan buatan. Hal tersebut terjadi dikarenakan terdapat beberapa aspek
yang berkaitan dengan game/permainan yaitu menjadi permasalahan yang menarik
namun rumit, kaya akan interaksi antara manusia dan komputer, dan sangat banyak
peminat pengguna terhadap permainan (mengakibatkan terbentuknya banyak konten,
banyak data, serta luasnya area yang dapat dimasuki oleh konsep kecerdasan buatan)
[12]. Bahkan penerapan konsep kecerdasan buatan tidak hanya digunakan untuk
menciptakan lawan permainan yang dapat menghibur manusia saja, melainkan terdapat
ahli yang mencoba membuat komputer dapat berfikir dan mengambil tindakan layaknya
seorang manusia ketika bermain permainan. Sehingga komputer yang menjadi lawan
permainan dari manusia, akan terus meningkatkan kemampuannya, sehingga tingkat
kesulitan untuk memenangkan permainan juga lama kelamaan akan semakin sulit.
Contoh produk kecerdasan buatan tersebut antara lain OpenAI Five yang dapat
memainkan permainan Dota2, AlphaZero yang mampu memainkan permainan catur,
serta AlphaGo yang mampu memainkan permainan papan Go yang berasal dari
Tiongkok.

8
INTERNET OF THINGS (IOT)
Saat membahas mengenai Internet of Things (IoT), kita harus mengetahui tentang Embedded
System terlebih dahulu. Menurut [13], embedded system adalah kombinasi antara perangkat
keras dan perangkat lunak komputer, atau mungkin dengan tambahan perangkat mekanik
atau elektronik, yang didesain untuk fungsi tertentu. Embedded system berbeda dengan
komputer pada umumnya, dimana embedded system dikhususkan untuk suatu tujuan yang
spesifik, sedangkan komputer biasa bisa digunakan untuk banyak hal. Sehingga daya listrik
yang diperlukan untuk embedded system jauh lebih sedikit. Ukurannya menjadi lebih kecil
karena perangkat elektronik yang ditanamkan pada embedded system tidak perlu terlalu
banyak dan juga harganya menjadi relatif lebih murah

Embedded system modern yang pertama

dikenali adalah Apollo Guidance Computer,
dikembangkan oleh Charles Stark Draper di
MIT Instrumentasi Laboratorium, awal 1960-
an. Apollo Guidance Computer (AGC) adalah
on-board digital computer (papan komputer
digital), yang dipasang pada setiap acecraft
program Apollo, baik Command Module (CM)
dan Lunar Module (LM). Disediakan onboard
computation untuk mendukung spacecraft
guidance, navigasi dan kontrol. Menurut [14],
secara fisik embedded system dibagi menjadi
tiga bagian yaitu portable devices, large
Gambar 9. Apollo Guidance Computer stationary installations, dan largely complex
systems.
a. Portable devices
Merupakan jenis embedded system yang sering kita temukan pada kehidupan kita sehari-
hari. Namun, terkadang kita tidak menyadari bahwa benda ini merupakan suatu
embedded system. Contohnya adalah jam tangan digital, kamera digital, kalkulator,
modem, dan masih banyak lagi.
Pada Jam tangan digital. Jika kita membuka bagian mesin
dari jam tangan digital, kita akan menemukan chip dan
rangkaian elektronik yang kompleks. Jam tangan digital
berbeda dengan jam tangan analog yang hanya
mempunyai roda-roda yang berputar pada mesinnya. Jam
tangan digital telah diprogram secara khusus sehingga
dapat menjalankan fungsi-fungsi yang spesifik seperti
penunjuk waktu, stopwatch, timer, dan alarm. Program
tersebut ditanamkan ke dalam embedded system di dalam
jam tangan digital.
Kamera digital juga merupakan salah satu implementasi
dari embedded system. Kamera digital diprogram secara Gambar 10. Jam Tangan
khusus sehingga dapat menjalankan fungsi-fungsi yang Digital
spesifik untuk mengambil dan menyimpan gambar atau
video. Program tersebut ditanamkan secara khusus ke dalam kamera digital sehingga

9
 kamera digital dapat menjalankan fungsinya dengan baik. Baterai kamera digital juga
relatif awet dan bisa bertahan hingga berhari-hari.

Gambar 11. Kamera Digital

b. Large Stationary Installations

Merupakan jenis embedded system yang lebih
kompleks dan cakupannya lebih luas. Contoh dari
Large Stationary Installations adalah lampu lalu lintas
dan mesin kontrol pabrik. Lampu lalu lintas merupakan
salah satu implementasi dari embedded system yang
cukup kompleks. Lampu lalu lintas harus diprogram
sedemikian rupa dan dihubungkan dengan beberapa
lampu lalu lintas lain disekitarnya sehingga saat
dioperasikan bisa berjalan dengan mulus dan tidak ada
kesalahan. Program yang telah dibuat ditanamkan ke
dalam embedded system pada lampu lalu lintas
tersebut, sehingga dapat bermanfaat bagi semua
Gambar 12. lampu lalu lintas
pengguna jalan.

c. Largely Complex Systems

Merupakan implementasi embedded system yang lebih luas dan lebih kompleks.
Pengembangan jenis embedded system ini hanya bisa dilakukan oleh peneliti atau
profesional pada bidang tersebut. Contoh dari Largely Complex Systems adalah Hybrid
Vehicles, Magnetic Resonance Imaging (MRI), dan Avionics.

Hybrid Vehicles adalah kendaraan yang digerakkan oleh dua tenaga yakni bahan bakar
biasa dan juga baterai yang bisa diisi ulang. Banyak perusahaan produsen kendaraan
yang mulai mengembangkan hybrid vehicles karena lebih hemat bahan bakar. Baterai
pada hybrid vehicles dapat diisi ulang secara otomatis. Motor elektrik dijalankan pada
kecepatan rendah, dan baterai diisi ulang secara otomatis pada saat perlambatan dan
pengereman. Perangkat elektronik pada kendaraan perlu diprogram sedemikian rupa
dengan teliti dan luar biasa sehingga bisa melakukan fungsi yang sangat baik tersebut.
Teknologi ini sangat luar biasa dan merupakan inovasi yang cemerlang dari embedded
system.
MRI adalah suatu teknik penggambaran medis yang dipakai di radiologi untuk mencari
bagian tubuh mana yang terserang penyakit. MRI menggunakan medan magnet dan
gelombang radio yang kuat untuk mendapatkan gambar dari tubuh pasien.

10
 Gambar 13. Magnetic Resonance Imaging

Teknik ini sering digunakan di rumah sakit untuk mendeteksi penyakit, sehingga
penanganan yang diakukan bisa sesuai dengan yang dibutuhkan. MRI perlu diprogram
terlebih dahulu, kemudian program tersebut ditanamkan pada perangkat elektronik MRI,
sehingga menjadi sebuah embedded system, dan MRI dapat berjalan sesuai dengan
fungsinya.

Gambar 14. Ilustrasi Pemetaan Keilmuan Internet of Things

Menurut McKinsey Global Institute, internet of things adalah sebuah teknologi yang
memungkinkan kita untuk menghubungkan mesin, peralatan, dan benda fisik lainnya dengan
sensor jaringan dan aktuator untuk memperoleh data dan mengelola kinerjanya sendiri,
sehingga memungkinkan mesin untuk berkolaborasi dan bahkan bertindak berdasarkan
informasi baru yang diperoleh secara independen.

Internet of Things membutuhkan embedded system agar bisa bermanfaat bagi kehidupan
manusia. Internet of things tidak akan berarti apa-apa bila tidak ditanamkan ke dalam
embedded system karena Internet of things membutuhkan sensor dimana sensor itu
merupakan komponen embedded system. Internet of things juga telah mengubah pandangan
dunia terhadap embedded system. Internet of things memungkinkan mesin embedded system
bekerja tanpa ada yang mengawasi, dan memungkinkan mesin-mesin tersebut berinteraksi

11
dan mengambil keputusan seperti layaknya manusia. Dengan adanya sistem dengan mesin
seperti demikian, kita akan memperoleh banyak keuntungan seperti keamanan yang terjamin,
pemantauan jarak jauh, keuntungan yang maksimal karena mesin tidak pernah lelah dan
selalu aktif.

Teknologi internet of things akan sangat luar biasa saat dikombinasikan dengan embedded
system dan akan sangat memudahkan pekerjaan manusia. Kita bisa meminimalisir campur
tangan manusia sehingga bisa menghindari kesalahan yang dilakukan manusia, karena
mesin akan dapat mengatur dirinya sendiri dan berinteraksi dengan mesin lain yang dapat
berkolaborasi dengannya dengan ketelitian tinggi dan tanpa lelah.

Cara kerja dari internet of things cukup mudah. Setiap benda harus memiliki sebuah IP
Address. IP Address adalah sebuah identitas dalam jaringan yang membuat benda tersebut
bisa diperintahkan dari benda lain dalam jaringan yang sama. Selanjutnya, IP address dalam
benda-benda tersebut akan dikoneksikan ke jaringan internet. Setelah sebuah benda memiliki
IP address dan terkoneksi dengan internet, pada benda tersebut juga bisa dipasang sebuah
sensor. Sensor pada benda memungkinkan benda tersebut memperoleh informasi yang
dibutuhkan. Setelah memperoleh informasi, benda tersebut dapat mengolah informasi itu
sendiri, bahkan berkomunikasi dengan benda-benda lain yang memiliki IP address dan
terkoneksi dengan internet juga. Akan terjadi pertukaran informasi dalam komunikasi antara
benda-benda tersebut. Setelah pengolahan informasi selesai, benda tersebut dapat bekerja
dengan sendirinya, atau bahkan memerintahkan benda lain juga untuk ikut bekerja.

Internet of things merupakan hal yang relatif baru di dunia teknologi saat ini. Namun, internet
of things diprediksi akan menjadi tren yang luar biasa di masa depan. Mesin yang menerapkan
teknologi IoT pertama adalah Mesin soda di Carniege Mellon University dimana mesin
tersebut terhubung dengan internet pada tahun 1982. Pada tahun 1999, Bill Joy
mempresentasikan Six Webs pada World Economic Forum di Davos, dan membahas
mengenai komunikasi device to device (D2D). Kevin Asthon mengusulkan istilah “Internet of
things” pada tahun yang sama. Sejak saat itulah istilah Internet of things digunakan.

Pada artikel [15] terdapat kutipan: “Hari ini komputer dan

internet hampir sepenuhnya tergantung kepada manusia.
Hampir semua dari sekitar 50 petabyte (1,024 terabyte) dari
data yang tersedia di internet diciptakan oleh manusia yang
mengetik, merekam, memotret, atau membaca barcode.
Tetapi masalahnya, manusia memiliki keterbatasan waktu,
ketelitian, dan ketepatan, yang semuanya berarti mereka tidak
pandai memperoleh data tentang hal-hal di dunia nyata. Ini
adalah suatu masalah besar. Kita adalah benda fisik, begitu
pula dengan lingkungan kita. Ide dan informasi sangat penting.
Namun, teknologi informasi saat ini sangat bergantung pada
data yang berasal dari manusia. Jika kita memiliki komputer
yang tahu segala sesuatu, yang bisa mengolah datanya
sendiri tanpa bantuan manusia, kita akan bisa menacak dan Gambar 15. Kevin Asthon,
menghitung segala sesuatu, dan akan sangat mengurangi Pencetus Istilah IoT
kerugian biaya. Kita akan tahu kapan suatu hal perlu diganti,
diperbaiki, atau diingatkan, dan apakah mereka masih baru atau sudah usang. Internet of
things memiliki potensi untuk mengubah dunia, seperti yang telah dilakukan oleh internet.
Bahkan lebih dari pada itu.”.

12
Pada tahun 2014, pandangan dari internet of things telah berkembang seiring dengan
berkembangnya teknologi dan penggabungan dari beberapa teknologi, mulai dari komunikasi
wireless ke internet, dan dari embedded system ke micro-electromechanicalsystem (MEMS).
Hal ini berarti bahwa semua bidang di dunia ini akan memiliki kontribusi dalam membangun
internet of things.

Penerapan Internet of Things (IoT)

Beberapa tahun ke depan mungkin kita akan melihat bagaimana sensor-sensor berkembang
dan memengaruhi dunia, Berikut adalah beberapa contoh aplikasi IoT yang telah
dikembangkan

a. Pemantauan Jarak Jauh,

Pemantauan jarak jauh adalah salah satu jenis IoT yang paling sering ditemukan.
Caranya adalah dengan meletakkan sensor pada suatu benda yang ingin kita pantau,
dan sensor tersebut kita koneksikan dengan internet. Dengan demikian, kita dapat
memperoleh apa saja yang kita butuhkan dari sensor, dan memantaunya dari jarak jauh
dengan jaringan internet, bahkan bisa langsung kita pantau dari telepon pintar kita.

Gambar 16. FedEx’s SenseAware

Salah satu contohnya adalah FedEx’s SenseAware yang memungkinkan kita untuk
memantau barang yang kita kirim sudah sampai mana dan bagaimana kondisinya. Kita
hanya perlu meletakkan perangkat ini ke dalam paket yang akan kita kirim. Perangkat ini
meliputi sensor Global Positioning System (GPS), sensor temperatur, sensor cahaya,
sensor kelembaban, dan sensor tekanan udara, yang dapat memberikan kita data secara
spesifik bagaimana kondisi paket yang sedang kita kirim. Perangkat ini tentu sangat
bermanfaat untuk perusahaan yang memiliki supply chain yang panjang dan kompleks.

Contoh lain dari kategori pemantauan adalah pengecekan kelayakan fisik suatu sistem
dan melaksanakan perawatan secara berkala. Di Amerika Serikat, sebuah jembatan di
daerah Minneapolis sudah dipasang sensor. Sensor ini dilengkapi dengan pendeteksi
tekanan dan kerusakan. Sensor ini akan mengingatkan pihak terkait untuk melaksanakan
perawatan jembatan secara berkala. Apabila kerusakan jembatan sudah cukup besar,
sensor akan memberikan notifikasi kepada pihak terkait untuk segera memperbaikinya.
Hal ini tentu akan mengurangi kemungkinan runtuhnya jembatan, dan mengurangi angka
kematian akibat perubahan struktur jembatan tersebut.

13
b. Kesehatan
Kategori internet of things ini bertujuan untuk membantu manusia memantau keadaan
fisik mereka sendiri. Sistem ini membuat manusia bisa memantau kondisi kesehatannya
seperti tekanan darah. Sistem ini juga bisa mengingatkan manusia untuk berolah raga
atau melakukan aktivitas fisik. Selain itu, sistem ini juga bisa mengingatkan manusia
untuk berobat ke dokter apabila ada kondisi fisik yang kurang baik.

Gambar 17. Penempatan Sensor pada Alas Sepatu (Nike+)

Salah satu contoh dari aplikasi pintar ini adalah Nike +. Jika kita membeli sepatu merek
Nike yang memiliki sensor tersebut, kita bisa menghubungkannya dengan aplikasi Nike
+ pada handphone kita. Aplikasi tersebut dapat mengukur kecepatan lari dan jarak
tempuh yang telah kita lewati dengan sepatu yang dihubungkan. Aplikasi ini bisa
mengingatkan kita untuk berolah raga, sehingga kesehatan kita akan terjaga. Aplikasi ini
juga bisa mengingatkan kapan sepatu kita perlu diganti, supaya olah raga kita bisa tetap
maksimal dan mengurangi risiko kecelakaan saat berolah raga karena sepatu yang sudah
tidak layak pakai.

c. Peternakan
Bidang peternakan ini adalah bidang pekerjaan yang banyak
digeluti oleh penduduk Indonesia. Meski awalnya penduduk
menggunakan cara konvensional, sekarang bidang peternakan
Indonesia pun sudah banyak yang menggunakan teknologi IoT.
yang membantu meningkatkan hasil perternakan.

Salah satunya adalah eFishery adalah alat pemberi pakan ikan

otomatis. Alat ini tidak hanya mengotomatisasi pemberian pakan
secara terjadwal dengan dosis yang tepat, tetapi juga mencatat
setiap pemberian pakan secara real-time. Pengguna dapat
mengakses data pemberian pakan kapan pun dan di mana pun.
Tidak ada lagi masalah over-feeding, pemberian pakan ikan Gambar 18. Pemberi
yang tidak teratur atau pakan yang diselewengkan. Secara Pakan Ikan Otomatis
spesifik, eFishery berusaha membantu peternak ikan dan udang, (eFishery)
karena biasanya pemberian makan ikan menguasai antara 50
hingga 80 persen biaya operasi peternakan ikan.

14
Pustaka

[1] Siswanto, “umardanny.com,” 2010. [Online]. Available:

http://umardanny.com/download/buku_AI.pdf. [Diakses 1 July 2019].

[2] E. Charniak, D. McDermott dan D. V. McDermott, Introduction to Artificial Intelligence,

Massachusetts: Addison-Wesley, 1985.

[3] J. S. Russell dan P. Norvig, Artificial Intelligence A Modern Approach, New Jersey: Pearson
Education, Inc., 2010.

[4] M. Dahria, “Kecerdasan Buatan (Artificial Intelligence),” Jurnal SAINTIKOM, vol. 5, no. 2, pp.
185-196, 2008.

[5] V. Amrizal dan Q. Aini, Kecerdasan Buatan, Jakarta Barat: Halaman Moeka Publishing, 2013.

[6] J. Miller, “Callaghan Innovation,” 18 May 2017. [Online]. Available:

https://www.callaghaninnovation.govt.nz/sites/all/files/callaghan-innovation-infographic-
artificial-intelligence.pdf. [Diakses 2 July 2019].

[7] T. Litman, “Victoria Transport Policy Institute,” 18 March 2019. [Online]. Available:
https://www.vtpi.org/avip.pdf. [Diakses 2 July 2019].

[8] V. Bonneau, L. Probst dan V. Lefebvre, “European Commission,” January 2018. [Online].
Available: https://ec.europa.eu/growth/tools-
databases/dem/monitor/sites/default/files/Virtual%20personal%20assistants_v1.pdf. [Diakses
2 July 2019].

[9] M. A. K. Bahrin, M. F. Othman, N. H. N. Azli dan M. F. Talib, “Industry 4.0: A Review on

Industrial Automation and Robotic,” Jurnal Teknologi (Sciences & Engineering), vol. 78, no. 6-
13, p. 137–143, 2016.

[10] B. Baesens, V. V. Vlasselaer dan W. Verbeke, Fraud Analytics using Descriptive, Predictive and
Social Network Techniques, New Jersey: John Wiley ans Sons, Inc., 2015.

[11] L. E. M. Fernandez, “VRIJE UNIVERSITEIT AMSTERDAM,” 29 January 2018. [Online]. Available:

https://beta.vu.nl/nl/Images/werkstuk-fernandez_tcm235-874624.pdf. [Diakses 2 July 2019].

[12] G. N. Yannakakis dan J. Togelius, Artificial Intelligence and Games, New York: Springer, 2018.

[13] M. Barr dan A. Massa, Programming Embedded Systems: With C and GNU Development Tools,
Sebastopol: O'Reilly Media, 2006.

[14] Anonymous, “Oxford Engineering College,” [Online]. Available: http://oxfordec.edu.in. [Diakses

27 June 2019].

[15] K. Ashton, “RFID Journal,” 22 June 2009. [Online]. Available:

https://www.rfidjournal.com/articles/pdf?4986. [Diakses 27 June 2019].

15