TUGAS BAHASA INDONESIA

PROPOSAL TENTANG

KECERDASAN BUATAN

Dosen Pembimbing:

Sheren Apregina S.pd, M. pd

Di susun oleh:

Mukchlis Nur Rahman (8020190208)

UNIVERSITAS STIKOM DINAMIKA BANGSA JAMBI

2019
 KATA PENGANTAR

Segala puji dan syukur kami panjatkan kehadiran allah SWT yang telah
memberikan rahmat serta karunianya penulis masih diberi kesempatan untuk
bekerja sama untuk menyelesaikan proposal Kecerdasan Buatan. Dalam makalah
ini kami akan membahas tentang kecerdasan buatan. Penulis telah berusaha
menyelesaikan proposal ini semaksimal mungkin meskipun masih ada
kekurangan. Dengan makalah ini semoga bermanfaat untuk pembaca memahami
tentang kecerdasan buatan. Semoga makalah ini bermanfaat.
DAFTAR ISI

Kata Pengantar

Daftar isi ........................................................................................................ i

Bab 1 Pendahuluan ....................................................................................... 1

1.1 Latar belakang masalah .................................................................... 1

1.2 Rumusan masalah............................................................................. 1
1.3 Tujuan penulisan .............................................................................. 2
1.4 Manfaat penulisan ............................................................................ 2
1.4.1 Manfaat Teoritis ...................................................................... 2
1.4.2 Manfaat Praktis ....................................................................... 2

Bab 2 Pembahasan ....................................................................................... 3

2.1 Definisi Kecerdasan Buatan ................................................................... 3

2.2 Perkembangan Kecerdasan Buatan ........................................................ 4

2.2.1 Dunia Akan Di Kuasai Kecerdasan Buatan ............................ 5

2.2.2 Jurnal Kecerdasan Buatan ....................................................... 5

2.2.3 Kecerdasan Buatan Di Dunia Industri .................................... 6

2.3 Pentingnya Kecerdasan Buatan .............................................................. 8

2.3.1 Al Mengautomasi Pembelajaran Dan Penemuan Data ........... 8

2.3.2 Al Menambahkan Kecerdasan Buatan .................................... 8

2.3.3 Al Beradaptasi Melalui Algoritme Pembelajaran ................... 8

i
 2.3.4 Al menganalisis Data Lebih Banyak ....................................... 9

2.3.5 Al mencapai Keakuratan Mengagumkan ............................... 9

2.3.6 Al Memanfaatkan Sebagian Besar data .................................. 9

Bab 3 Metode Penelitian ............................................................................. 10

3.1 Desain Penelitian .............................................................................. 10

3.2 Operasional Variabel ....................................................................... .11
3.2.1 Populasi dan sampel ............................................................... .11
3.2.2 Teknik pengumpulan data ...................................................... .13
3.2.3 Uji validitas data .................................................................... .14

Daftar Pustaka

ii
 BAB I PENDAHULUAN
1.1 Latar Belakang Masalah
Kecerdasan buatan atau artificial intelligence merupakan bagian dari ilmu
komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan
seperti dan sebaik yang dilakukan oleh manusia. Sistem cerdas (intelligent
system) adalah sistem yang dibangun dengan menggunakan teknik-teknik
artificial intelligence. Salah satu yang dipelajari pada kecerdasan buatan
adalah teori Sistem Pakar (Kusumadewi, 2003). Sistem Pakar (Expert
System) adalah program berbasis pengetahuan yang menyediakan solusi-
solusi dengan kualitas pakar untuk problemaproblem dalam suatu domain
yang spesifik. Sistem pakar merupakan program komputer yang meniru
proses pemikiran dan pengetahuan pakar dalam menyelesaikan suatu masalah
tertentu. Implementasi sistem pakar banyak digunakan dalam bidang
psikologi karena sistem pakar dipandang sebagai cara penyimpanan
pengetahuan pakar pada bidang tertentu dalam program komputer sehingga
keputusan dapat diberikan dalam melakukan penalaran secara cerdas. Irisan
antara psikologi dan sistem pakar melahirkan sebuah area yang dikenal
dengan nama cognition & psycolinguistics.Umumnya pengetahuannya
diambil dari seorang manusia yang pakar dalam domain tersebut dan sistem
pakar itu berusaha meniru metodologi dan kinerjanya (performance)
(Kusumadewi, 2003).

1.2 Rumusan Masalah

Dari uraian di atas timbul beberapa pokok permasalahan berkaitan dengan
materi-materi kecerdasan buatan yaitu :
1. Jelaskan Definisi Kecerdasan Buatan
2. Bagaimana Perkembangan Kecerdasan Buatan
3. Pentingnya Kecerdasan Buatan

1
1.3 Tujuan Penulisan
Tujuan penulisan makalah ini merupakan tugas tentang Kecerdasan Buatan
dan melatih kemampuan mahasiswa untuk mengetahui Kecerdasan buatan
Dan juga mengetahui bagaimana perkembangan dan sejarah Tentang
Kecerdasan buatan

1.4 Manfaat Penulis

1.4.1 Manfaat teoritis
Adapun manfaat teoritis makalah ini adalah :
1. Bermanfaat sebagai suatu proses belajar dalam membuat makalah.
2. Dapat lebih mengetahui tentang sejarah Kecerdasan Buatan.

1.4.2 Manfaat Praktis

Adapun manfaat praktis makalah ini sebagai berikut :

1. Bermanfaat sebagai suatu proses belajar untuk mengetahui atau mengenal
lebih dalam tentang Kecerdasan Buatan
2. Untuk mengetahui perkembangan Kecerdasan Buatan
3. Untuk menambah pengetahuan tentang Kecerdasan Buatan

2
 BAB 2 PEMBAHASAN

2.1 Definisi Kecerdasan Buatan

Kecerdasan buatan adalah kecerdasan yang ditambahkan kepada suatu sistem
yang bisa diatur dalam konteks ilmiah atau bisa disebut juga intelegensi
artifisial (bahasa Inggris: Artificial Intelligence) atau hanya disingkat AI,
didefinisikan sebagai kecerdasan entitas ilmiah. Andreas Kaplan dan Michael
Haenlein mendefinisikan kecerdasan buatan sebagai “kemampuan sistem untuk
menafsirkan data eksternal dengan benar, untuk belajar dari data tersebut, dan
menggunakan pembelajaran tersebut guna mencapai tujuan dan tugas tertentu
melalui adaptasi yang fleksibel”.[1] Sistem seperti ini umumnya dianggap
komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin
(komputer) agar dapat melakukan pekerjaan seperti yang dapat
dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan
buatan antara lain sistem pakar, permainan komputer (games), logika
fuzzy, jaringan saraf tiruan dan robotika.

Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi

untuk Informatika relatif tidak bermasalah. Seperti contoh:
mentransformasikan persamaan, menyelesaikan persamaan integral, membuat
permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia
kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk
direalisasikan dalam Informatika. Seperti contoh: Pengenalan Objek/Muka,
bermain sepak bola.

Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang

yang sangat penting pada ilmu komputer, berhubungan dengan perilaku,
pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam
AI menyangkut pembuatan mesin dan program komputer untuk
mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas.
Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan,

3
 kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta
pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi
disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi
masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam
bidang ekonomi, sains, obat-obatan, teknik dan militer, seperti yang telah
dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video
game.

Kecerdasan buatan ini bukan hanya ingin mengerti apa itu sistem kecerdasan,
tetapi juga mengkonstruksinya.

Tidak ada definisi yang memuaskan untuk 'kecerdasan':

kecerdasan:

1. kemampuan untuk memperoleh pengetahuan dan menggunakannya

2. atau kecerdasan yaitu apa yang diukur oleh sebuah 'Test Kecerdasan

2.2 Perkembangan Kecerdasan Buatan

Pembahasan sejarah AI tak bisa dilepaskan dari sosok John McCarthy. Ia

disebut-sebut sebagai “Bapak AI”, walaupun eksperimen terkait telah ada sejak
komputer diciptakan.
McCarthy mendapatkan gelar sarjana matematika dari California Institute of
Technology (Caltech) pada September 1948. Dari masa kuliahnya itulah ia
mulai mengembangkan ketertarikannya pada mesin yang dapat menirukan cara
berpikir manusia. McCarthy kemudian melanjutkan pendidikan ke program
doktoral di Princeton University.

Sedari sekolah, ia memang dikenal memiliki kepintaran diatas rata-rata.

Berdasarkan ulasan dari The Guardian , diketahui bahwa saat remaja McCarthy
bahkan bisa menguasai pelajaran kalkulus tanpa bimbingan dari guru.

4
McCarthy kemudian mendirikan dua lembaga penelitian kecerdasan buatan.
Kedua lembaga AI itu adalah Stanford Artificial Intelligence Laboratory dan
MIT Artificial Inteligence Laboratory. McCarthy juga merupakan dosen di
kedua universitas ternama tingkat internasional tersebut. Di lembaga-lembaga
inilah bermunculan inovasi pengembangan AI yang meliputi bidang human
skill, vision, listening, reasoning dan movement of limbs. Bahkan Salah satu
lembaga yang didirikan itu, Stanford Artificial Intelligence pernah mendapat
bantuan dana dari Pentagon untuk membuat teknologi-teknologi luar angkasa.

2.2.1 Dunia Akan Di penuhi Kecerdasan Buatan

Di bulan Juli tahun 2017 lalu, berita teknologi cukup dihebohkan dengan kabar
bahwa Facebook memberhentikan eksperimennya setelah salah satu staf
menemukan dua buah program AI mereka saling berkomunikasi satu sama lain
dengan bahasa ciptaan mereka sendiri yang tak dimengerti manusia. Hanya
kedua program itulah yang saling mengerti pesan yang disampaikan ke satu
sama lain.

Kengerian bahwa pengembangan AI mungkin akan setara dengan kecerdasan

manusia, bahkan melebihi kecerdasan manusia itu sendiri, juga bahwa ada
implikasi negatif AI terhadap kemanusiaan di masa depan ⎼ sebenarnya tak
hanya disuarakan orang awam. Ilmuwan yang diakui di dunia seperti Stephen
Hawking juga sempat berpendapat sama . Jadi, problematik dari AI ini tak
sekadar ide bikinan dalam film-film fiksi sains semacam The Matrix.

2.2.2 Jurnal Kecerdasan Buatan

Penulis menyarankan Anda untuk membaca kedua dokumen PDF berikut ini,
untuk lebih memahami soal etika pengembangan AI:

 The Etchics of Artificial Intelligence ⎼ Cambridge University Press

5
Ini adalah Draft untuk Cambridge Handbook of Artificial Intelligence yang
ditulis oleh Nick Bostrom Eliezer Yudkowsky. Walaupun jurnal ini dibuat
pada tahun 2011, Anda bisa mendapatkan sudut pandang kritis (dalam bahasa
Inggris: insight) dari kalangan akademisi yang ingin mewujudkan adanya
konsensus soal etika pengembangan AI yang lebih jelas dan terukur.

 Artificial Intelligence, Robotics and ‘Autonomous’ Systems ⎼ European

Technology Commision

Tulisan ini dibuat sebagai hasil dari kesepakatan European Group on Ethics in
Science and New Technologies (EGE) pada bulan Maret tahun ini, 2018. Akan
ada pertanyaan-pertanyaan kunci yang akan dibahas, disertai dengan
pembahasan soal kerangka pemikiran (framing) terkait etika pengembangan
AI.

2.2.3 Kecerdasan Buatan Di Dunia Industri

Seperti yang telah penulis sampaikan di pengantar artikel, sektor industri akhir-
akhir ini diwarnai dengan euforia menyambut AI. Berita-berita bisnis lumayan
banyak diwarnai kebanggan berbagai industri dalam memanfaatkan teknologi
canggih AI. Kalangan pekerja ikut bereaksi terhadapnya, ada yang optimis AI
tidak akan mengambil alih lahan pekerjaan mereka, ada juga yang pesimis dan
cenderung panik.

Mengapa para pekerja sampai panik? Contoh sederhananya pabrik roti yang
dahulu memakai tenaga manusia dalam mengemas roti, kini sudah tentu bila
produksi dalam jumlah besar memakai tenaga mesin. Tujuan teknologi otomasi
semacam itu memanglah akurasi dan efisiensi. Tapi tak sampai di situ, dengan
adanya pengembangan AI, robot-robot pintar mungkin menggantikan pekerja
di berbagai bidang pekerjaan.

6
Lalu kenapa? Ya dengan demikian, mata pencaharian manusia berkurang,
sumber penghasilan manusia juga berkurang. Tetapi, memang bisa saja
manusia-manusia pekerja mengerjakan hal-hal lain untuk mendapat
penghasilan. Sayangnya, kemungkinan besar, pekerjaan penggantinya bakal
membosankan dan upahnya rendah. Begitulah skema yang tergambar sekilas.

Apa benar ini mungkin terjadi? Silakan cek Primer.ai . Pekerjaan sebagai
peneliti saja sudah bisa digantikan AI. Lalu apa yang bisa kita lakukan?
Mengandalkan pemerintah untuk pegang kendali memang sering menjadi sikap
para pekerja, menunggu kejelasan dan tanggapan dari otoritas. Tapi kita harus
menyadari sebagai pekerja dan sebagai manusia yang utuh, kita punya kuasa
dalam mengendalikan situasi jika berserikat untuk menyepakati pandangan
yang benar, bahwa sungguh, secanggih-canggihnya teknologi, manusia tidak
tergantikan.

Pelaku utama atau bintang dari revolusi teknologi yang ada ⎼ bukanlah hasil
temuannya, melainkan kita sebagai manusia-manusia pekerja yang benar-benar
hidup dengan kecerdasan dan kreativitas murni. Kita tentu tidak boleh tunduk
pada benda mati. Jangan sampai kita termakan agenda para pemodal dan
pebisnis yang ingin membuat kita merasa begitu tergantung nasibnya pada
kekuasaan/hasil-hasil temuan mereka. Teknologi canggih ini memang
memudahkan pekerjaan kita, tetapi tak bisa menggantikan semangat (passion)
kerja kita yang mengandung pula kreativitas tanpa batas serta nilai estetika
tersendiri. Ini semua yang membuat kita disebut hidup, bukan benda mati

7
2.3 Pentingnya Kecerdasan Buatan

2.3.1 AI mengautomasi pembelajaran dan penemuan berulang

melalui data.

Tetapi AI berbeda dengan automasi robotik yang digerakkan oleh perangkat

keras. Alih-alih mengautomasi tugas manual, AI melakukan tugas-tugas yang
sering, bervolume tinggi, terkomputerisasi dengan andal dan tanpa mengalami
kelelahan. Untuk jenis automasi ini, penyelidikan manusia masih penting untuk
mengatur sistem dan mengajukan pertanyaan yang tepat.

2.3.2 AI menambahkan kecerdasan

Pada produk-produk yang ada. Di sebagian besar kasus, AI tidak dijual sebagai
aplikasi individu. Akan tetapi, produk yang sudah Anda gunakan akan
ditingkatkan dengan kemampuan AI, mirip seperti Siri yang ditambahkan
sebagai fitur pada generasi baru produk Apple. Automasi, platform percakapan,
bot, dan mesin pintar dapat dikombinasikan dengan sejumlah besar data untuk
meningkatkan banyak teknologi di rumah dan di tempat kerja, mulai dari
intelijen keamanan hingga analisis investasi.

2.3.3 AI beradaptasi melalui algoritme pembelajaran progresif

Guna memungkinkan data melakukan pemrograman. AI menemukan struktur

dan keteraturan dalam data sehingga algoritme memperoleh keterampilan:
Algoritme menjadi pengklasifikasi atau prediktor. Jadi, sama seperti algoritme
yang dapat mengajarkan dirinya sendiri cara bermain catur, AI dapat
mengajarkan sendiri produk apa yang akan direkomendasikan berikutnya
secara online. Dan model-model beradaptasi saat memberikan data baru.
Propagasi belakang merupakan teknik AI yang memungkinkan model untuk

8
 beradaptasi, melalui pelatihan dan data yang ditambahkan, saat jawaban
pertama tidak terlalu tepat.

2.3.4 AI menganalisis data lebih banyak

Dalam menggunakan jaringan neural yang memiliki banyak lapisan

tersembunyi. Membangun sistem deteksi penipuan dengan lima lapisan
tersembunyi hampir tidak mungkin beberapa tahun yang lalu. Semuanya
berubah dengan kekuatan komputer yang luar biasa dan big data. Anda
memerlukan banyak data untuk melatih model pembelajaran mendalam karena
model tersebut belajar langsung dari data. Semakin banyak data yang Anda
umpankan kepada model, semakin akurat model tersebut.

2.3.5 AI mencapai keakuratan mengagumkan

Melalui jaringan neural mendalam – yang sebelumnya tidak dimungkinkan.

Misalnya, interaksi Anda dengan Alexa, Google Search, dan Google Photos
semuanya didasarkan pada pembelajaran yang mendalam – dan ketiganya terus
menjadi semakin akurat karena kita semakin sering menggunakannya. Di
bidang medis, teknik AI dari pembelajaran mendalam, klasifikasi citra, dan
pengenalan objek sekarang dapat digunakan untuk menemukan kanker pada
MRI dengan akurasi yang sama seperti ahli radiologi yang terlatih.

2.3.6 AI memanfaatkan sebagain besar data.

Jika algoritme merupakan pembelajaran mandiri, data itu sendiri dapat menjadi
kekayaan intelektual. Jawabannya ada dalam data; Anda hanya perlu
menerapkan AI untuk mendapatkannya. Karena peran data kini semakin
penting dari sebelumnya, data dapat menciptakan keunggulan kompetitif. Jika
Anda memiliki data terbaik dalam industri kompetitif, bahkan jika seseorang
menerapkan teknik serupa, data terbaiklah yang akan menang.

9
 BAB III METODE PENELITIAN

3.1 Desain Penelitian

Desain penelitian adalah semua proses yang diperlukan dalam perencanaan dan
pelaksanaan penelitian (Nazir, 2014: 70). Menurut Hasibuan (2007: 93) dalam
melakukan suatu penelitian salah satu hal yang penting ialah membuat desain
penelitian. Desain penelitian merupakan pedoman dalam melakukan proses
penelitian diantaranya dalam menentukan instrumen pengambilan data,
penentuan sampel, pengumpulan data, serta analisa data. Dengan pemilihan
desain penelitian yang tepat diharapkan akan dapat membantu peneliti dalam
menjalankan penelitian secara benar. Tanpa desain yang benar seorang peneliti
tidak akan dapat melakukan penelitian dengan baik krena tidak memiliki
pedoman penelitian yang jelas. Metode yang digunakan dalam penelitian ini
adalah metode penelitian deskriptif dengan menggunakan pendekatan
kuantitatif yaitu penelitian yang kemudian diolah dan dianalisis untuk
mengambil kesimpulan. Artinya penelitian yang dilakukan adalah penelitian
yang menekankan analisisnya pada data-data numeric (angka) yang diolah
dengan menggunakan metode penelitian ini, akan diperoleh hubungan yang
signifikan antar variabel yang diteliti. Metode deskriptif merupakan metode
yang digunakan untuk menggambarkan atau menganalisis suatu hasil penelitian
tetapi tidak digunakan untuk membuat kesimpulan yang lebih luas (Sugiyono,
2005: 21).

10
3.2 Operasional Variabel

Operasional variabel merupakan proses penguraian variabel penelitian ke

dalam sub variabel, dimensi, indikator sub variabel, dan pengukuran. Adapun
syarat penguraian operasionalisasi bila dasar konsep dan indikator masing-
msaing variabel sudah jelas, apabila belum jelas secara konseptual maka perlu
dilakukan analisis faktor. Variabel penelitian adalah sesuatu yang akan menjadi
objek atau sering juga sebagai faktor yang berperan dalam peristiwa atau gejala
yang akan diteliti (Hasibuan, 2007:130). Berdasarkan judul penelitian yang
diangkat yaitu “Pengaruh Cloud Comptuing Sebagai Media Penyimpanan
Terhadap Keamanan Data Bagi Siswa SMK N 1 Batam”, maka variabel-
variabel yang diteliti dapat dibedakan menjadi dua, yaitu:

a) Variabel Bebas / Independent (variabel X) Variabel bebas adalah variabel

yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya
variabel dependen (Sugiyono, 2012:59). Variabel bebas atau variabel
independen dalam penelitian ini adalah cloud computing.

b) Variabel Terikat / Dependent (variabel Y) Variabel terikat adalah variabel

yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas
(Sugiyono, 2012: 59). Variabel terikat atau variabel dependen dalam penelitian
ini adalah keamanan data.

3.2.1 Populasi dan Sampel

1. Populasi

Pengertian populasi menurut Sugiyono (2012: 80) adalah wilayah generalisasi

yang terdiri atas objek/subjek yang mempunyai kuantitas dan karakteristik
tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya. Populasi dalam penelitian ini adalah seluruh siswa kelas
sebelas yang ada di SMK N 1 Batam.

2. Sampel

11
 Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi
tersebut, bila populasi besar, dan peneliti tidak mungkin memepelajari semua
yang ada pada populasi, misalnya karena keterbatasan dana, tenaga dan waktu,
maka peneliti dapat menggunakan sampel yang diambil dari populasi tersebut.
Apa yang dipelajari dari sampel itu, kesimpulannya akan dapat diberlakukan
untuk populasi. Untuk itu sampel yang diambil dari populasi harus betul-betul
representatif (Sugiyono, 2012: 81). Sedangkan menurut Riduwan (2008: 56)
sampel adalah bagian dari populasi yang mempunyai ciri-ciri atau keadaan
tertentu yang akan diteliti. Tidak semua data dan informasi akan diproses dan
tidak semua orang atau benda yang akan diteliti melainkan cukup dengan
menggunakan sampel yang mewakilinya. Dalam hal ini pengambilan sampel
harus representif disamping itu peniliti wajib mengerti tentang besar ukuran
sampel dan karakteristik populasi dalam sampel. Untuk pengambilan jumlah
sampel, dalam penelitian ini peneliti menggunakan rumus Slovin, yaitu sebagai
berikut:

Rumus 3.1 Slovin

Keterangan:
n = Jumlah sampel
N = Jumlah populasi
e = Batas kesalahan maksimal yang ditolerir dalam sampel (5%)
Berdasarkan rumus Slovin, maka total ukuran sampel yang digunakan dalam
penelitian ini adalah sebagai berikut:
Dari hasil perhitungan diatas, maka jumlah sampel yang akan digunakan
sebanyak 171,42 responden dan dibulatkan menjadi 171 responden dengan
tingkat kesalahan pengambilan sampel sebesar 5%.

12
3.2.2 Teknik Pengumpulan Data

1. Kuesioner (Angket)
Kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara
memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden
untuk dijawabnya. Menurut Sugiyono (2012: 142) kuesioner dapat berupa
pertanyaan atau pernyataan terbuka atau tertutup, dapat diberikan secara
langsung atau dikirim melalui pos atau internet. Kuesioner merupakan teknik
pengumpulan data yang efisien bila peneliti tahu dengan pasti variabel yang
akan diukur dan tahu apa yang bisa diharapkan dari responden. Dalam
penelitian ini, skala pengukuran data yang peniliti gunakan kuesioner adalah
skala Likert. Skala Likert digunakan untuk mengukur sikap, pendapat, dan
persepsi seseorang tentang suatu objek atau fenomena tertentu. Kuesioner
dibuat dengan nilai satu 1-5 untuk mewakili pendapat responden seperti sangat
setuju, setuju, cukup setuju, tidak setuju, dan sangat tidak setuju (Riduwan,
2008: 87).

2. Metode Analisis
Data Analisis data merupakan kegiatan setelah data dari seluruh responden atau
sumber data yang lain terkumpul. Kegiatan dalam analisis data adalah
mengelompokkan data berdasarkan variabel dan jenis responden, mentabulasi
data berdasarkan variabel dari seluruh responden, menyajikan data tiap variabel
yang diteliti, melakukan perhitungan untuk menjawab rumusan msalah dan
melakukan perhitungan untuk menguji hipotesis yang telah diajukan
(Sugiyono, 2012: 147).

3. Analisis Deskriptif
Analisis deskriptif adalah statistik yang digunakan untuk menganilisis data
dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku
untuk umum atau generalisasi (Sugiyono, 2012: 147). Statistik deskriptif hanya

13
berhubungan dengan hal menguraikan atau memberikan keterangan mengenai
suatu data atau fenomena dengan kata lain statistik deskriptif berfungsi
menerangkan keadaan, gejala, atau persoalan. Jika terdapat penarikan
kesimpulan pada statistik deskriptif hanya ditujukan pada data yang ada.
Analisis deskriptif digunakan dengan menyusun tabel frekuensi distribusi
untuk mengetahui apakah tingkat perolehan skor variabel penelitian masuk
dalah kategori: sangat setuju, setuju, sukup setuju, kurang setuju, dan sangat
tidak setuju. Selanjutnya menetapkan peringkat dalam setiap variabel
penelitian dan dilihat dari perbandingan antara skor aktual dengan skor ideal,
nilai aktual diperoleh melalui hasil perhitungan seluruh pendapat responden
sesuai dengan klasifikasi bobot yang diberikan (1, 2, 3, 4,dan 5) sedangkan
skor ideal diperoleh melalui perolehan prediksi nilai tertinggi dikali dengan
jumlah kuesioner dan dikalikan dengan jumlah responden.
s
3.2.3 Uji Kualitas Data

1. Uji Validitas Data

Validitas data merupakan derajat ketetapan antara data yang sesungguhnya

yang terjadi pada objek penelitian dengan data yang dapat dilaporkan oleh
peneliti. Uji validitas data berguna untuk mengetahui apakah ada pertanyaan
atau pernyataan pada kuesioner yang harus dibuang atau diganti karena
dianggap tidak relevan (Umar, 2011:166). Menurut Arikuinto (2002: 19)
validitas adalah suatu ukuran yang menunjukkan tingkat kesahihhan suatu
instrumen penelitian. Suatu instrumen penelitian yang valid mempunyai
validitas yang tinggi, sebaliknya instrumen yang kurang valid berarti memiliki
validitas yang rendah. Menghitung korelasi antar data pada masing-masing
pertanyaan dengan skor total dapat dilakukan dengan memakai rumus korelasi
pearson

14
 DAFTAR PUSTAKA

https://www.suara.com/tag/kecerdasan-buatan

https://www.sas.com/id_id/insights/analytics/what-is-artificial-intelligence.html

https://id.wikipedia.org/wiki/Kecerdasan_buatan