RESUME 10

“KONSEP TEKNOLOGI INFORMASI (KTI)”

DOSEN PENGAMPU:
TITI SRIWAHYUNI, S.PD.,MT

DISUSUN OLEH:
MHD. ALI HANAFIAH {21342028}

PROGRAM KEAHLIAN:
D4 ANIMASI
JURUSAN TEKNIK ELEKTRONIKA
FAKULTAS TEKNIK
UNIVERSITAS NEGERI PADANG2021

1
 Mengetahui dasar-dasar kecerdasan buatan

A. Dasar-dasar kecerdasan buatan

Mengenal 3 Konsep Dasar Kecerdasan Buatan (Artificial Intelligence)

Mengenal 3 Konsep Dasar Kecerdasan Buatan (Artificial Intelligence) - Kemajuan yang di hasilkan
dari Artificial Intelligence atau lebih di kenal dengan kecerdasan buatan sangat mengejutkan.
Upaya untuk memajukan konsep AI selama 20 tahun terakhir telah menghasilkan beberapa
inovasi yang benar-benar luar biasa. Hasil inovasi yang mungkin sudah di kenal oleh banyak orang
misalnya Big Data, penelitian medis, dan kendaraan otonom. Teknologi tadi hanyalah beberapa
dari banyaknya aplikasi luar biasa yang muncul dari pengembangan AI.

Untuk memahami beberapa konsep yang lebih dalam, seperti pengelolaan data, pemrosesan
bahasa alami (NLP), dan pengelolaan perangkat lunak, Anda perlu mengetahui tiga konsep dasar
dari AI yaitu pembelajaran mesin (Machine Learning), pembelajaran mendalam (Deep Learning),
dan jaringan saraf tiruan (Neural Network). AI biasanya dianggap sebagai istilah yang lebih luas,
sedangkan pembelajaran mesin dan dua konsep AI lainnya merupakan bagian dari itu.

1. Pembelajaran Mesin (Machine Learning)

Saat ini mungkin tanpa sadar kita sudah berinteraksi dengan beberapa bentuk kecerdasan buatan
dalam aktivitas sehari-hari. Misalnya saja jika Anda menggunakan Gmail, Anda dapat menikmati
fitur penyaringan email otomatis atau jika Anda memiliki ponsel cerdas, Anda mungkin bisa
mengisi kalender dengan bantuan Siri. Meskipun perangkat lunak ini sangat membantu,
perangkat tersebut tidak memiliki kemampuan untuk belajar secara mandiri. Hal itu dikarenakan
perangkat tadi tidak bisa berpikir di luar kode yang sudah diberikan kepada mereka.

Pembelajara mesin adalah cabang dari AI yang bertujuan untuk memberikan mesin kemampuan
dalam mempelajari tugas tanpa kode yang sudah ada. Dalam istilah yang paling sederhana, mesin
tersebut akan diberikan contoh uji coba dalam jumlah yang besar untuk tugas tertentu. Ketika
mesin tadi menjalani uji coba, mesin itu akan belajar dan mengadaptasi strategi yang sesuai
untuk mencapai tujuan yang diinginkan. Misalnya, mesin pengenal gambar dapat diberikan jutaan
gambar untuk dianalisis. Setelah melalui permutasian yang panjang, mesin akan memperoleh
kemampuan untuk mengenali pola, bentuk, wajah, dan masih banyak lagi.

2. Pembelajaran Mendalam (Deep Learning)

Pembelajaran mendalam adalah teknik pembelajaran mesin yang mengajarkan komputer untuk
melakukan apa yang secara alami terjadi pada manusia: belajar dengan cara mencontoh.
Pembelajaran mendalam adalah teknologi utama di balik mobil tanpa kemudi (driveless car). Itu
memungkinkan mereka untuk mengenali tanda berhenti, atau untuk membedakan pejalan kaki
dengan tiang lampu. Ini adalah kunci dari kontrol suara di perangkat konsumen seperti ponsel,
tablet, TV, dan speaker hands-free. Pembelajaran mendalam mendapatkan banyak perhatian

2
 belakangan ini karena dapat mencapai hasil yang sebelumnya tidak mungkin. Dalam deep
learning, model komputer belajar untuk melakukan tugas klasifikasi langsung dari gambar, teks,
atau suara. Model pembelajaran yang mendalam dapat mencapai akurasi yang canggih,
terkadang melebihi kinerja tingkat manusia. Model dilatih dengan menggunakan set besar data
berlabel dan arsitektur jaringan saraf yang berisi banyak lapisan.

3. Jaringan Saraf Tiruan (Neural Network)

Neural Network atau juga disebut sebagai jaringan saraf tiruan adalah berbagai teknologi
pembelajaran yang mendalam, yang juga berada di bawah naungan kecerdasan buatan atau AI.
Neural Network adalah paradigma pemrosesan informasi yang terinspirasi dari cara sistem saraf
biologis, seperti otak yang memproses informasi. Kunci elemen dari paradigma ini adalah struktur
novel dari sistem pemrosesan informasi.

Neural Network dikonfigurasikan untuk aplikasi tertentu, seperti pengenalan pola atau klasifikasi
data melalui proses pembelajaran. Jaringan ini terdiri dari sejumlah besar elemen pemrosesan
yang sangat saling berhubungan (neuron) yang bekerja bersama untuk memecahkan masalah
tertentu. Aplikasi komersial dari teknologi ini umumnya berfokus pada penyelesaian pemrosesan
sinyal yang kompleks atau masalah pengenalan pola. Contoh aplikasi komersial yang signifikan
sejak tahun 2000 meliputi pengenalan tulisan tangan untuk pemrosesan cek, transkripsi ucapan
menjadi sebuah teks, analisis data, dan prediksi cuaca dan pengenalan wajah.

Jaringan saraf tiruan ini terinspirasi oleh hal-hal yang kita temukan dalam biologi kita sebagai
manusia. Cara Neural Network memahami sesuatu sama seperti manusia yaitu belajar dengan
cara mencontoh. Model jaringan saraf menggunakan prinsip matematika dan ilmu komputer
untuk meniru proses otak manusia. Jaringan saraf tiruan mencoba mensimulasikan proses sel-sel
otak yang saling berhubungan erat, tetapi bukannya dibangun dari biologi, neuron-neuron ini
dibangun dari kode atau biasa disebut node.

Ketiga konsep AI ini dapat memungkinkan robot hardware dan software untuk berpikir dan
bertindak secara dinamis di luar dari kode yang sudah diberikan. Dengan memahami konsep
dasar diatas maka akan membawa AI menuju masa depan yang lebih cerdas dari yang
terbayangkan.

B. Teknik-teknik dasar pemrograman dalam kecerdasan buatan

Kecerdasan buatan atau Artificial Intelligence (AI) adalah simulasi dari kecerdasan yang dimiliki
oleh manusia yang dimodelkan di dalam mesin dan diprogram agar bisa berpikir seperti halnya
manusia. Sedangkan menurut Mc Leod dan Schell, kecerdasan buatan adalah aktivitas
penyediaan mesin seperti komputer dengan kemampuan untuk menampilkan perilaku yang
dianggap sama cerdasnya dengan jika kemampuan tersebut ditampilkan oleh manusia.

Dengan kata lain AI merupakan sistem komputer yang bisa melakukan pekerjaan-pekerjaan yang
umumnya memerlukan tenaga manusia atau kecerdasan manusia untuk menyelesaikan
pekerjaan tersebut.

AI sendiri merupakan teknologi yang memerlukan data untuk dijadikan pengetahuan, sama
seperti manusia. AI membutuhkan pengalaman dan data supaya kecerdasannya bisa lebih baik
lagi. Poin penting dalam proses AI adalah learning, reasoning dan self correction. AI perlu belajar

3
untuk memperkaya pengetahuannya. Proses belajar AI pun tidak selalu disuruh oleh manusia,
melainkan AI akan belajar dengan sendirinya berdasarkan pengalaman AI saat digunakan oleh
manusia.

Hal yang cukup menarik dari AI adalah ia mampu melakukan self correction atau mengoreksi diri
sendiri. Jika kamu pernah mendengar ungkapan AI “Jika aku tidak pernah menang, maka
setidaknya aku tidak boleh kalah” sedikit ngeri juga ya. AI memang diprogram untuk itu terus
belajar dan membenahi diri sendiri dari kesalahan yang pernah dibuatnya.

Jika kamu masih bingung dari cara kerja AI, mari kita ambil salah satu contoh yaitu AlphaGo. Saat
awal dikembangkan ia diberi 100 ribu data pertandingan Go untuk dipelajari. Kemudian, AlphaGo
akan bermain Go bersama dengan dirinya sendiri dan setiap dia kalah dia akan memperbaiki cara
ia bermain dan proses bermain ini akan diulang sampai jutaan kali.

Salah satu kelebihan AI dibanding manusia adalah AI yang dimiliki oleh AlphaGo tadi adalah
manusia hanya dapat bermain satu kali dalam satu waktu. Sedangkan AI bisa mensimulasikan
beberapa pertandingan pada satu waktu secara bersamaan. Sehingga proses belajar dan
pengalamannya juga bisa lebih banyak dibanding manusia. Hal ini terbukti ketika AlphaGo
bermain dengan juara dunia Go pada tahun 2016 ia bisa menjadi pemenangnya.

AI Robot

Secara garis besar sebuah kecerdasan buatan dapat melakukan salah satu dari keempat faktor
berikut.

Acting humanly, sistem yang dapat bertindak layaknya manusia.

Thinking humanly, sistem yang bisa berpikir seperti halnya manusia.
Think rationally, sistem yang mampu berpikir secara rasional.
Act rationally, sistem yang mampu bertindak secara rasional.
Contoh Kecerdasan Buatan
Kecerdasan buatan atau AI ini telah banyak diterapkan di berbagai bidang seperti industri, medis,
pendidikan, bisnis bahkan dalam kehidupan sehari-hari. Berikut ini beberapa contoh dari
penerapan AI yang biasa kamu jumpai dalam kehidupan sehari-hari.

1. DeepFace Facebook
Face Recognition

Salah satu contoh dari AI adalah teknologi DeepFace yang dimiliki oleh Facebook. AI ini berfungsi
untuk mengenali wajah orang yang ada pada postingan foto. Dengan teknologi ini, kamu tidak
perlu lagi menandai seseorang yang ada pada foto secara manual, karena AI ini yang akan
melakukannya.

Mungkin kamu bertanya-tanya, dari mana AI itu mengetahui bahwa orang yang ada pada foto
tersebut adalah kamu? Perlu kamu ketahui bahwa sebelum AI dapat mengidentifikasi bahwa
orang di foto itu adalah kamu, AI akan dilatih berdasarkan data. Datanya didapatkan saat kamu
menandai orang di foto sebelumnya dan dari hasil saran AI terhadap orang yang ada di foto yang
kamu setujui. Setelah AI berlatih dan memiliki banyak data maka AI nantinya akan dapat
mengidentifikasi seseorang yang ada di foto.

4
 2. Rekomendasi E-Commerce
AI E-Commerce

Konsep penerapan AI yang sering kamu jumpai salah satunya adalah rekomendasi produk pada e-
commerce. Mungkin kamu pernah berbelanja di salah satu e-commerce dan ketika kamu
berbelanja ada produk-produk yang direkomendasikan untukmu. Produk yang direkomendasikan
tersebut bukan dari seseorang yang memprediksi kira-kira kamu beli apa ya? Produk rekomendasi
tersebut merupakan hasil dari proses AI.

Lalu darimana AI mendapatkan produk-produk yang akan direkomendasikan tersebut? AI

memperoleh data dari kamu sendiri, misalnya ketika kamu melakukan pencarian produk,
pembelian produk dan kamu sudah melihat produk apa saja. Data tersebutlah yang akan diproses
dari konsep AI yaitu data mining sehingga AI akan merekomendasikan produk-produk yang pas
buat kamu.

3. Asisten Virtual
Google Asistant

Contoh dari kecerdasan buatan berikutnya adalah asisten virtual, ada banyak penyedia asisten
virtual seperti Google assistant, Siri atau Alexa. Seperti asisten pada umumnya, asisten virtual ini
juga bisa kamu ajak berinteraksi. Selain itu asisten virtual dapat mencatat kapan kamu ada janji
atau acara dan memberikan informasi ketika waktu acara yang ditentukan segera tiba.

Asisten virtual ini juga bisa kamu perintah untuk melakukan pengiriman pesan, memutar musik,
membuka aplikasi dan lain sebagainya. Asisten virtual ini juga akan terus belajar seiring kamu
menggunakannya, sehingga asisten virtual dapat mengetahui apa yang kamu sukai dan hal apa
yang biasa kamu lakukan.

Sebenarnya masih banyak lagi contoh penerapan dari AI, seperti fitur AI yang dimiliki oleh kamera
pada smartphone yang bisa melakukan pengaturan kamera sesuai dengan kondisi saat itu. Atau
AI dari mobil Tesla yang mampu berjalan tanpa adanya pengemudi.

C. Bidang-bidang kajian dan aplikasi kecerdasan buatan

Bidang Aplikasi Kecerdasan Buatan

Sistem cerdas yang banyak dikembangkan saat ini adalah:
 Sistem Pakar (Expert Systemi)
Sistem Pakar (Expert Systemi), yaitu program konsultasi (advisory) yang mencoba menirukan
proses penalaran seorang pakar/ahli dalam memecahkan masalah yang rumit. Sistem Pakar
merupakan aplikasi AI yang paling banyak. Lebih detil tentang Sistem Pakar akan diberikan
dalam bab berikutnya.

 Pemrosesan Bahasa Alami (Natural Language Processing)

Pemrosesan Bahasa Alami (Natural Language Processing)yang memberi kemampuan
pengguna komputer untuk berkomunikasi dengan komputer dalam bahasa mereka sendiri
(bahasa manusia). Sehingga komunikasi dapat dilakukan dengan cara percakapan alih-alih
menggunakan perintah yang biasa digunakan dalam bahasa komputer biasa. Bidang ini dibagi
2 lagi: a. Pemahaman bahasa alami, yang mempelajari metode yang memungkinkan

5
 komputer mengerti perintah yang diberikan dalam bahasa manusia biasa. Dengan kata lain,
komputer dapat memahami manusia. b. Pembangkitan bahasa alami, sering disebut juga
sintesa suara, yang membuat komputer dapat membangkitkan bahasa manusia biasa
sehingga manusia dapat memahami komputer secara mudah.

 Pemahaman Ucapan/Suara (Speech/Voice Understanding)

Pemahaman Ucapan/Suara (Speech/Voice Understanding)adalah teknik agar komputer
dapat mengenali dan memahami bahasa ucapan. Proses ini mengijinkan seseorang
berkomunikasi dengan komputer dengan cara berbicara kepadanya. Istilah “pengenalan
suara” mengandung arti bahwa tujuan utamanya adalah mengenai kata yang diucapkan
tanpa harus tahu artinya, di mana bagian itu merupakan tugas “pemahaman suara”. Secara
umum prosesnya adalah usaha untuk menerjemahkan apa yang diucapkan seorang manusia
menjadi kata-kata atau kalimat yang dapat dimengerti oleh komputer.

 Sistem Sensor dan Robotika. Sistem sensor

Sistem Sensor dan Robotika. Sistem sensorseperti sistem visi dan pencitraan, serta sistem
pengolahan sinyal, merupakan bagian dari robotika. Sebuah robot, yaitu perangkat
elektromekanik yang diprogram untuk melakukan tugas manual, tidak semuanya merupakan
bagian dari AI.

 Komputer Visi (Computer Vision)

Komputer Visi (Computer Vision)merupakan kombinasi dari pencitraan, pengolahan citra,
pengenalan pola serta proses pengambilan keputusan. Tujuan utama dari komputer visi
adalah untuk menerjemahkan suatu pemandangan. Komputer visi banyak dipakai dalam
kendali kualitas produk industri.