Jenis yang memberikan dukungan paling sedikit adalah jenis yang memungkinkan
manajer mengambil elemen-elemen informasi, dimana manajer dapat bertanya pada
database untuk mendapatkan angka penjualan dari salah satu wilayah pemasaran.
Berikutnya DSS yang memungkinkan manajer menganalisis semua file dalam hal
suatu laporan khusus yang menggunakan data dari file, seperti laporan gaji bulanan.
Kemudian sistem yang menyiapkan laporan dari berbagai file seperti perhitungan
rugi-laba dan analisis penjualan produk menurut pelanggan. Adapun model yang
dapat memperkirakan akibat keputusan seperti penentuan harga untuk melihat
dampaknya pada laba bersih. Sedangkan model yang dapat mengusulkan
keputusan, misalnya seorang manajer manufaktur memasukkan data yang
menjelaskan tentang pabrik dan peralatannya. Dan jenis DSS yang memberikan
paling banyak dukungan adalah jenis yang dapat membuat keputusan untuk
manajer, misalnya menggunakan contoh suatu model komputer yang menentukan
premi asuransi, dimana operator hanya memasukkan data dan seterusnya komputer
yang menghitung preminya.
Tujuan DSS
Menurut Peter G.W.Keen dan Scot Morton mendefinisikan tiga tujuan yang harus
dicapai DSS:
Model DSS
Seperti halnya model SIA dan SIM, struktur yang serupa dapat digunakan untuk
model DSS. Data dan informasi dimasukkan kedalam database dari lingkungan
perusahaan. Isi database digunakan oleh tiga subsistem perangkat lunak:
Pembuatan Model
Manajer yang menggunakan model matematika dapat memperoleh keuntungan
sebagai berikut:
1. Proses pembuatan model dapat menjadi pengalaman belajar, dimana pada
setiap proyek model dipelajari sesuatu yang baru mengeenai sistem fisik
2. Kecepatan proses simulasi dapat mengevaluasi dampak keputusan dalam
jangka waktu singkat, dimana dalam hitungan menit, dapat dibuat simulasi
operasi perusahaan untuk bebrapa bulan, kuartal, atau tahun
1. Model menyediakan daya prediksi – suatu pandangan ke masa depan – yang
tidak dapat disediakan oleh metode penghasil informasi lain
2. Model lebih murah daripada metode trial and error; dimana proses
pembuatan model memang mahal dalam hal waktu maupun perangkat lunak
dan keras yang diperlukan untuk simulasi, tetapi biaya tersebut tidak setinggi
biaya yang disebabkan keputusan yang buruk.
Berikut adalah beberapa contoh aplikasi yang menggunakan DSS, antara lain :
1. DSS untuk proses kenaikan jabatan dan perencanaan karir pada PT. X
Salah satu contoh yang akan disorot dalam hal ini adalah cara pemilihan karyawan
yang sesuai dengan kriteria yang ada pada suatu jabatan tertentu. Oleh karena itu
diperlukan suatu sistem pendukung keputusan untuk proses profile matching dan
analisis gap yang dibuat berdasarkan data dan norma-norma SDM yang terdapat di
PT. X.
Proses Profile Matching dilakukan untuk menentukan rekomendasi karyawan dalam
Sistem Kenaikan Jabatan dan Perencanaan Karir berdasar pada 3 aspek yaitu
Kapasitas Intelektual, Sikap Kerja dan Perilaku. Hasil dari proses ini berupa ranking
karyawan sebagai rekomendasi bagi pengambil keputusan untuk memilih karyawan
yang cocok pada jabatan yang kosong tersebut. Software ini dibuat dengan
menggunakan Microsoft Access 2000 untuk database dan Borland Delphi 5 sebagai
compiller-nya.
Dari hasil implementasi sistem, disimpulkan bahwa dengan penggunaan software ini
dapat membantu proses pengambilan keputusan terhadap profile matching proses
kenaikan jabatan dan perencanaan karir di PT. X.
Jaringan jalan utama di Pulau Lintas Timur Sumatera dibentuk oleh tiga jalan utama
yaitu Lintas Timur, Lintas Tengah dan Lintas Barat. Pada Jalan Lintas Timur
Sumatera, banyak terdapat ruas jalan dalam kondisi rusak ringan dan rusak berat
yang sewaktu-waktu berpotensi terputus. Kerusakan jalan yang progresif terjadi
karena terlambatnya penanganan perbaikan dan terbatasnya dana. Selama ini
penanganan Jalan Lintas Timur dilakukan secara manual sehingga diperlukan
sistem informasi yang membantu penanganan dalam hal ini pembuatan Analisis
Keputusan.
Aplikasi LTDSS (Lintas Timur Decision Support System) merupakan aplikasi
Decision Support System (DSS) untuk penanganan jalan Lintas Timur Sumatera.
Aplikasi ini dibuat dengan menggunakan Visual Basic 6.0, Ms. Access 2000 dan
Crystal Reports 8.5. Aplikasi LTDSS membutuhkan input berupa data ruas, data
seksi, data kondisi, data lalulintas, data perencanaan serta data biaya. Proses yang
dilakukan mengacu pada MAK (Metode Analisis Komponen). Output yang dihasilkan
berupa alokasi dana tiap propinsi dan jenis penanganan jalan untuk tiap ruas serta
dapat diketahui umur layan dari jalan yang ditinjau.
Berdasarkan hasil uji coba sistem, dapat disimpulkan bahwa aplikasi SDSS ini
sangat membantu dan memudahkan pihak pengambil keputusan dalam tugasnya
menilai kelayakan proposal kredit.
Produktivitas atau perbandingan antara input dan output merupakan salah satu alat
yang berpengaruh dalam menentukan profitabilitas dan daya saing dalam
perusahaan. Hotel perlu melakukan pengukuran produktivitas kerja supaya dapat
bertahan dan bersaing dalam efisiensi dan efektivitas dengan hotel-hotel yang lain.
Berdasarkan permasalahan yang dihadapi tersebut, maka perlu adanya suatu
sistem yang dapat membantu dalam mengukur produktivitas kerja dari departemen-
departemen yang ada. Aplikasi dari sistem tersebut adalah sebuah aplikasi DSS
dengan menggunakan metode Analytical Hierarchy Proccess (AHP) untuk
pembobotan dan Objectives Matrix (OMAX) untuk pengukuran produktivitas. Hasil
dari aplikasi yang dibuat adalah berupa informasi mengenai kriteria-kriteria apa saja
yang mempengaruhi kinerja hotel.
Robot pertama kali dikenalkan pada acara sandiwara berjudul RUR (Rossum’s
Universal Robot) oleh Karel Capek pada 21 Januari 1921. Yang selanjutnya
dikembangkan oleh penulis fiksi Isaac Asimov pada 1944.
Karakteristik Robot
Sebuah mesin dapat dikatakan sebuah robot bila memiliki unsur-unsur:
Kokoh
Stabil
Tidak Lelah
Presisi
Controller adalah bagian robot yang digunakan untuk mengatur yang harus robot
lakukan
Akuator/Alat Gerak adalah bagian robot yang digunakan untuk memberi tanggapan
jenis-Jenis Robot
Berdasarkan Jenis Akuatornya
1. Manipulator/Statis
yaitu robot yang tidak melakukan pergerakan secara keseluruhan, biasanya
memiliki suatu tumpu yang diam (tidak bergerak)
contoh: Robot pengelas, Robot pengemas makanan (sebagian besar robot-
robot di pabrik)
2. Mobile/Dinamis
yaitu robot yang melakukan pergerakan secara keseluruhan, biasanya
memiliki alat pergerakan seperti sayap, roda, atau kaki.
contoh: UAV (Unmanned Aerial Vehicle), Robot Lander Luar Angkasa, Space
Probe
Berdasarkan Fungsinya
1. Industrial Robot
yaitu robot yang digunakan pada pabrik untuk pembuatan sesuatu
contoh: Robot pengelas, Robot pengemas makanan
2. Service Robot
yaitu robot yang digunakan untuk aktivitas sosial atau kesenangan belaka
contoh: Honda ASIMO, Toyota i-Foot
Berdasarkan Operatornya
1. Autonomous
yaitu robot yang dalam pengoperasiannya hanya diprogram dan diberikan
logika berupa algoritma sekali saja, selanjutnya robot akan melakukan
tugasnya secara mandiri.
contoh: Robot-robot Industri
2. Teleported
yaitu robot yang dalam pengoperasiannya dikendalikan oleh seorang operator
manusia karena tugas yang dikerjakannya terlalu kompeks untuk disusun
menjadi sebuah algoritma logika.
contoh: Robot-robot perang (UAV, Rudal), Robot pemadam kebakaran, Robot
bedah
Pengertian Sensor
Sensor adalah tiruan dari indra pada makhluk hidup. sensor ini berfungsi sebagai
komponen yang membuat robot bisa merespon lingkungan sekitarnya. Jika manusia
hanya memiliki 5 indra biologis, robot memiliki berbagai jenis pilihan sensor yang
bisa digunakan. Karna robot bisa dipasangkan berbagai jenis sensor inilah yang
membuat robot pada hari ini dapat membantu kerja manusia, khususnya untuk hal-
hal berbahaya semisal kebocoran nuklir, SAR, dll. Tapi, tidak menutup kemungkinan
juga untuk aktifitas-aktifitas harian seperti memtong rumput, transportasi, keamanan,
dll. Berikut adalah sedikit dari beribu-ribu contoh sensor yang bisa digunakan untuk
aplikasi robot kita.
Sensor dalam teknik pengukuran dan pengaturan ini harus memenuhi persyaratan-
persyaratan kualitas:
1. Linieritas
yaitu antara konversi kondisi dan arus listrik harus benar-benar proporsional.
2. Tidak Tergantung Suhu
sensor tidak boleh berubah output dikarenakan perbedaan suhu, kecuali
sensor suhu itu sendiri.
3. Kepekaan
Kepekaan sensor harus dipilih sedemikian, sehingga pada nilai-nilai masukan
yang ada dapat diperoleh tegangan listrik keluaran yang cukup besar.
4. Waktu Tanggapan
Bila nilai masukan berubah secara mendadak atau signifikan, maka sensor
harus dapat melakukan perubahan keluaran secara cepat dan tepat.
5. Batas Frekuensi Rendah dan Tinggi
Batas-batas tersebut adalah nilai frekuensi masukan periodik terendah dan
tertinggi yang masih dapat dikonversi oleh sensor secara benar. Pada
kebanyakan aplikasi disyaratkan bahwa frekuensi terendah adalah 0Hz.
6. Stabilitas Waktu
Untuk nilai masukan (input) tertentu sensor harus dapat memberikan keluaran
(output) yang tetap nilainya dalam waktu yang lama.
7. HisterisitasGejala histerisis yang ada pada magnetisasi besi dapat pula
dijumpai pada sensor. Misalnya, pada suatu temperatur tertentu sebuah
sensor dapat memberikan keluaran yang berlainan.
Macam-Macam Sensor
Sensor Kontak Sensor kontak adalah sensor yang bekerja jika sensor ini
bersentuhan (menerima tekanan) dengan benda lainnya. sensor ini dapat dijadikan
sensor untuk robot kita jika robot kita menyentuh suatu objek maka robot dapat kita
program untuk melakukan sesuatu.
Sensor Proximity Sensor proximity/jarak adalah sensor yang dapat mendeteksi
FUNGSI ROBOT:
Dalam hal industri, robot dapat meningkatkan produksi, akuras, serta daya
tahan
Untuk membantu manusia melaksanakan tugas-tugas yang berbahaya, kotor,
dan juga beresiko
Dalam hal pendidikan, robot banyak digunakan untuk menarik pelajar belajar
teknologi
Membantu meringankan pekerjaan manusia di rumah seperti membersihkan
rumah, menjaga rumah, dan lain sebagainya
Membantu meringankan di berbagai sektor pekerjaan seperti pembangunan,
rumah sakit, dan lain-lain
Sebagai media pertunjukan dan hiburan
Contoh
Vending Machine
sejarah singkat vending machine ditemukan oleh Heron dari Alexandria pada abad
pertama,namun vending machine pertama kali di perkenalkan pada tahun 1880-an
di London,Inggris .
keberadaan vending machine itu sendiri menggantikan para manusia yang bisa saja
berjualan produk tertentu,namun dengan adanya vending machine yang sudah di
program produk yang dijual bisa buka 24jam(selama tersedia listrik),tidak perlu
manusia yang menjaganya,dan hasil penjualan tidak bisa di curangi karena robot
sudah di program sedemikian rupa agar hasil penjualan tidak di curangi(lain
ceritanya kalau di retas oleh seseorang hehehe),itu adalah salah satu contoh robot
yang sudah di program dengan kecerdasan buatan yang dapat menggantikan
keberadaan manusia untuk melakukan suatu pekerjaan ,sebenarnya masih banyak
keberadaan robot yang sudah menggantikan manusia dalam melakukan pekerjaan,
tetapi tetap ada kelebihan ada juga kekurangan, karena robot adalah teknologi yang
terus berkembang biaya di dalam nya juga masih mahal,mulai dari suku cadang
robot itu sendiri,biaya perawatan robot itu sendiri dan ,biaya programmer yang
membuat dan memlihara program robot itu sendiri.
masih berkaitan dengan robot,sistem sensor adalah salah satu bidang yang bisa
juga di gabungkan dengan robot dan tentu saja dapat berjalan karena adanya
kecerdasan buatan yang dibuat oleh programmer, setelah saya jelaskan di atas
sistem sensor itu sendiri digunakan untuk pendeteksian perubahan, penggunaan
nya adalah untuk suatu antisipasi keadaan yang dapat membahayakan manusia
pada saat manusia itu sendiri tidak bisa menyadari nya, sebagai contoh adalah
sistem sensor parkir pada mobil dimana manusia tidak bsa melihat keadaan dimana
bumper belakang mobil dengan benda yang ada di dekat bumper pada saat
memundurkan mobil,disini sistem sensor parkir yang sudah di program digunakan
untuk membantu manusia pada keadaan blind spot agar mobil tidak bersentuhan
dengan benda yang ada di sekitar bumper mobil tersebut,lalu jika sistem sensor di
gabungkan dengan robot contoh sudah banyak yang sudah di buat oleh teman
teman kita yang berada di indonesia mulai dari menggunakan sensor
cahaya,sentuhan,jarak,suara dan masih banyak lagi sensor sensor lainnya yang
dapat di gunakan pada robot dan tentu saja butuh kecerdasan buatan agar robot
dan sistem sensor itu sendiri dapat terintegrasi dan dapat berjalan sebagaimana
yang programmer inginkan.
Computer Vision didefinisikan sebagai salah satu cabang ilmu pengetahuan yang
mempelajari bagaimana komputer dapat mengenali obyek yang diamati/ diobservasi.
Cabang ilmu ini bersama Artificial Intelligence akan mampu menghasilkan sistem
intelijen visual (Visual Intelligence System). Perbedaannya adalah Computer Vision
lebih mempelajari bagaimana komputer dapat mengenali obyek yang diamati/
diobservasi. Berbeda dengan Komputer Grafika yang lebih mengarah pada
pemanipulasian gambar (visual) secara digital. Bentuk sederhana dari Komputer
Grafika adalah Komputer Grafika 2D yang kemudian berkembang menjadi Komputer
Grafika 3D, pemrosesan citra (image processing), dan pengenalan pola (pattern
recognition). Grafika komputer sering dikenal juga dengan istilah visualisasi data.
Computer Vision adalah kombinasi antara Pengolahan Citra dan Pengenalan Pola.
Pengolahan Citra (Image Processing) merupakan bidang yang berhubungan dengan
proses transformasi citra/gambar (image). Proses ini bertujuan untuk mendapatkan
kualitas citra yang lebih baik.
Sedangkan Pengenalan Pola (Pattern Recognition), bidang ini berhubungan dengan
proses identifikasi obyek pada citra atau interpretasi citra. Proses ini bertujuan untuk
mengekstrak informasi/pesan yang disampaikan oleh gambar/citra.
1. Ini adalah langkah terakhir dalam proses computer vision, yang mana sprsifik
objek dan hubungannya diidentifikasi.
2. Pada bagian ini akan melibatkan kajian tentang teknik-teknik artificial
intelligent.
3. Understanding berkaitan dengan template matching yang ada dalam sebuah
scene.
4. Metoda ini menggunakan program pencarian (search program) dan teknik
penyesuaian pola (pattern matching techniques).
Referensi :
https://bundet.com/pub/detail/komputer-vision-implementasinya-1538535812
https://achmatim.net/category/riset-penelitian/computer-vision/
Natural Language Processing adalah komponen penting dalam text mining dan
subbidang dalam kecerdasan buatan (artificial intelligence/AI) dan komputasi
linguistic. Dia mempelajari tentang bagaimana ‘memahami’ bahasa manusia alami,
dengan cara mengubah gambaran bahasa manusia (seperti dokumen teks) menjadi
penyajian yang lebih formal (dalam bentuk data numeric dan sombolik) yang lebih
mudah untuk dimanupulasi oleh program computer. Tujuan NLP adalah untuk
melangkah melebihi manipulasi teks berbasis sintaks (yang sering kali disebut
dengan ‘word counting’) ke pemahaman yang benar dan memproses bahasa alami
yang mempertimbangkan berbagai batasan semantik dan gramatikal dan juga
konteks.
1. Natural Language Translator, yaitu translator dari satu bahasa alami ke bahasa
alami lainnya, misalnya translator bahasa Inggris ke bahasa Indonesia, dsb.
Machine Translation
Program yang mampu mentranslasi kalimat baik berupa teks maupun suara dari
satu bahasa alami ke bahasa lainnya. Contoh : Google Translate.
Chatbot
Chatbot adalah program komputer yang didesain untuk mensimulasikan sebuah
percakapan cerdas dengan satu atau lebih pengguna manusia melalui inputan suara
atau teks, utamanya digunakan untuk percakapan kecil. Contoh : Cleverbot,
SimSimi, dan begobet.
Definisi dan scope dari kata ‘memahami’ adalah salah satu topic utama dalam
diskusi tentang NLP. Dengan mempertimbangkan bahwa bahasa alami manusia
adalah kabur dan bahwa pemahaman yang benar terhadap suatu arti memerlukan
pengetahuan yang luas terhadap suatu topic (jauh berada diluar kata, kalimat, dan
paragraph), akankah komputer mampu memahami bahasa alami dengan cara yang
sama dan akurasi yang sama dengan manusia? Barangkali tidak! NLP telah ada
lama sejak era ‘word counting’ yang sederhana, namun dia masih perlu lebih lama
lahi untuk menuju ke benar-benar mampu memahami bahasa alami manusia.
Berikut adalah beberapa tantangan yang biasanya dikaitkan dengan implementasi
NLP:
Part-of-speech tagging. Sangatlah sulit untuk menandai istilah-istilah dalam
suatu teks yang terkait dengan bagian tertentu dari suatu naskah (misalnya
kata benda, kata kerja, kata sifat, kata keterangan, dst), karena bagian dari
naskah tidak hanya bergantung pada definisi istilah tetapi juga pada konteks
dimana teks digunakan.
Text segmentation. Beberapa bahasa tulisan, seperti bahasa mandarin,
jepang, dan thai, tidak memiliki batasan kata. Dalam contoh ini, tugas text-
parsing memerlukan idetifikasi terhadap batasan kata, yang seringkali
merupakan tugas yang sangat sulit. Tantangan serupa dalam segmentasi
naskah muncul ketika menganalisa bahasa verbal, karena suara menyajikan
rangkaian huruf dan kata yang bercampur satu sama lain.
Word sense disambiguation. Banyak kata yang memiliki lebih dari satu arti.
Memilih arti yang paling masuk akan hanya bisa dicapai dengan
mempertimbangkan konteks di mana kata digunakan.
Referensi:
https://www.temukanpengertian.com/2013/08/pengertian-natural-language-processing.html
https://socs.binus.ac.id/2013/06/22/natural-language-processing/