Digital Economy
07
Ekonomi dan Bisnis Manajemen S1 Team Teaching
Abstract Kompetensi
Materi pada pertemuan ini berkaitan Mahasiswa mampu mendefinisikan
dengan pengertian kecerdasan mengenai kecerdasan buatan dan
buatan dan mesin pembelajaran mesin pembelajaran
d) Sejarah AI
Istilah kecerdasan buatan pertama kali dicetuskan pada Dartmouth Conference pada tahun
1956. Sejak itu, AI terus berkembang, seperti halnya berbagai studi tentang teori dan prinsipnya.
Meskipun istilah AI baru muncul pada tahun 1956, teori yang memunculkan AI sudah ada sejak tahun
1941. Berikut adalah tahapan sejarah perkembangan kecerdasan buatan:
• Era komputer elektronik (1941)
Pada tahun 1941, sarana penyimpanan dan penyediaan informasi ditemukan. Penemuan
tersebut dinamakan komputer elektronik yang dikembangkan di Amerika Serikat dan Jerman.
Komputer pertama membutuhkan ruangan besar yang terpisah dan ruangan ber-AC. Saat itu,
komputer melibatkan konfigurasi kabel untuk menjalankan program, sangat merepotkan programmer.
Pada tahun 1949, berhasil membuat komputer yang mampu menyimpan program, sehingga
memudahkan untuk memasukkan program. Penemuan ini menjadi rencana dasar yang mengarah pada
pengembangan kecerdasan buatan.
• Masa persiapan AI (1943-1956)
Pada tahun 1943, Warren McCulloch dan Walter Pitts mengajukan tiga hal: pengetahuan
tentang fisiologis dan fungsi sel saraf di otak, analisis logika proposisional, dan teori komputasi
Turing. Mereka berhasil menghasilkan model saraf tiruan di mana setiap neuron yang digambarkan
hidup dan mati. Mereka menunjukkan bahwa setiap fungsi dapat dihitung dengan jaringan saraf sel,
dan bahwa semua hubungan logistik dapat diimplementasikan dengan struktur jaringan yang
sederhana.
Pada tahun 1950, Norbert Wiener melakukan penelitian tentang prinsip-prinsip teori umpan
Kecerdasan Buatan Dan Mesin
‘21 Pembelajaran
3 Biro Akademik dan Pembelajaran
Team Teaching http://www.widyatama.ac.id
balik. Contoh yang terkenal adalah termostat. Penemuan ini juga merupakan awal dari perkembangan
AI. Pada tahun 1956, John McCarthy (yang setelah lulus dari Princeton kemudian melanjutkan ke
Dartmouth College) meyakinkan Minsky, Claude Shannon dan Nathaniel Rochester untuk
membantunya melakukan penelitian di Automata, jaringan sel saraf dan pembelajaran kecerdasan.
Mereka mengerjakan proyek ini selama dua bulan di Dartmouth. Hasilnya adalah program yang
mampu berpikir non-numerik dan memecahkan masalah berpikir, yang disebut Principia
Mathematica. Kejadian ini membuat McCarthy dikenal sebagai bapak kecerdasan buatan.
• Awal perkembangan AI (1952-1969)
Pada tahun-tahun pertama pengembangannya, AI mengalami banyak kesuksesan. Diawali
dengan kesuksesan Newell dan Simon dengan sebuah program bernama General Problem Solver.
Program ini dirancang untuk memulai pemecahan masalah manusia. Pada tahun 1958, McCarthy di
MTT Lab Memo No. 1 mendefinisikan bahasa pemrograman tingkat tinggi LISP, yang mendominasi
pembuatan program AI. Kemudian, McCarthy membuat program yang disebut Programs With
Common Sense. Dalam program tersebut, dibuat desain untuk menggunakan pengetahuan dalam
mencari solusi. Pada tahun 1959, Nathaniel Rochester dari IBM dan murid-muridnya
memperkenalkan program pembuktian teorema geometri AI. Program ini dapat membuktikan suatu
teorema dengan menggunakan aksioma-aksioma yang ada. Pada tahun 1963, program James Slagle
memecahkan masalah integral untuk kursus kalkulus. Pada tahun 1968, program analogi Tom Evan
memecahkan masalah analogi geometris pada tes IQ.
• Perkembangan AI melambat (1966-1974)
Prediksi Herbert Simon pada tahun 1957, yang mengatakan bahwa AI akan menjadi ilmu
yang akan berkembang pesat ternyata salah. Dalam 10 tahun ke depan, perkembangan AI mencatat.
Peristiwa ini disebabkan oleh tiga kesulitan utama yang dihadapi oleh kecerdasan buatan, yaitu:
Masalah pertama: program AI yang muncul mengandung sedikit atau tidak ada pengetahuan
tentang subjek tersebut. Program kecerdasan buatan hanya berhasil dalam operasi sintetik sederhana.
Contohnya adalah program ELIZA Weizenbaum (1965) yang dapat melakukan percakapan serius
tentang berbagai topik, tetapi sebenarnya hanya meminjam dan memanipulasi kalimat yang diketik
oleh manusia. Masalah kedua: banyak masalah yang harus memecahkan AI. Karena terlalu banyak
masalah terkait, tidak jarang banyak program AI yang gagal. Masalah ketiga: ada beberapa
keterbatasan perilaku struktur dasar yang digunakan untuk menghasilkan produk cerdas. Sebagai
contoh, pada tahun 1969 buku Minsky dan Papert Perceptrons membuktikan bahwa program
perceptron dapat mempelajari apa saja, tetapi hanya mewakili sedikit. Misalnya, perceptron input
yang berbeda tidak dapat dikenali untuk mengenali dua input yang berbeda.
• Sistem berbasis pengetahuan (1969-1979)
Pengetahuan adalah kekuatan kecerdasan buatan. Peristiwa tersebut ditunjukkan oleh program
yang dibuat oleh Ed Feigenbaum, Bruce Buchanan, dan Joshua Lederberg, yang membuat program
untuk memecahkan masalah struktur molekul berdasarkan informasi yang diperoleh dari spektrometer
massa. Program yang disebut program Dendral ini berfokus pada berbagai aspek pengetahuan kimia.
Dari segi diagnosis media, ada juga yang menemukan yaitu Saul Amarel di komputer dalam proyek
biomedis. Proyek ini dimulai dari keinginan untuk mendapatkan diagnosis penyakit berdasarkan
pengetahuan yang ada tentang mekanisme penyebab penyakit.
• AI menjadi sebuah industri (1980-1988)
Industrialisasi AI dimulai dengan ditemukannya sistem pakar (expert system) yang disebut
R1, yang mengonfigurasi sistem komputer baru. Program ini mulai dioperasikan di Digital Equipment
Corporation (DEC), McDermott, pada tahun 1982. Pada tahun 1986, program ini telah menghemat
US$40 juta per tahun. Pada tahun 1988, grup AI pada bulan Desember menjalankan 40 sistem pakar.
Hampir semua perusahaan besar di AS memiliki divisi AI sendiri yang menggunakan atau
mempelajari sistem AI. Ledakan industri AI ini juga melibatkan perusahaan besar seperti Carnegie
Group, Inference, Intellicorp, dan Technology yang menawarkan perangkat lunak untuk membangun
sistem AI. Perusahaan perangkat keras seperti LISP dan Machines Inc., Texas Instruments,
Symbolics, dan Xerox juga berperan dalam membangun stasiun kerja yang dioptimalkan untuk
membangun program LISP. Dengan demikian, perusahaan yang sejak tahun 1982 hanya
e) Aplikasi-Aplikasi Dari AI
Kecerdasan buatan (AI) telah dipelajari selama kurang lebih 45 tahun. Sampai saat ini,
beberapa produk aplikasi AI telah diproduksi. Produk-produk ini dapat dijalankan pada perangkat
keras komputer mulai dari komputer pribadi (PC) seharga US$50.000. Biasanya, input untuk produk
ini membentuk data simbolik. Aplikasi AI meliputi:
• Permainan,
• Bahasa alam,
• Desain CAD/CAM dan sistem manufaktur
• Perangkat keras,
• Manajemen data
• Sistem otomatisasi kantor
• Analisis Intelijen Militer
• Kontrol dan Pengumpulan Informasi Disk Video
• Robot Kontrol
• Analisis program komputer
• Diagnosa Penyakit,
• Komputer
• Prakiraan senyawa kimia,
• sistem
• Operasi komputer,
• Manajemen kendali senjata.
Apakah AI hari ini sesuatu yang baru sekarang? Bagian AI meliputi:
• Pemrosesan Terdistribusi Paralel (Jaringan Neural)
• Penglihatan mesin
• Alat Pemrograman Otomatis
• Manajemen memori
• Pengenalan Pola
• Pemrosesan Bahasa Alami
• Dasar pengetahuan,
Kecerdasan buatan, subbagian dari ilmu komputer, adalah teknologi perangkat lunak yang
mengekspresikan data, memproses data, dan memecahkan masalah melalui pemrograman, secara
simbolis daripada numerik. Masalah dengan bentuk simbolik ini adalah salah satu yang sering kita
temui dalam kehidupan kita sehari-hari. Masalah-masalah ini lebih berkaitan dengan simbol dan
konsep daripada dengan angka. Di sini, dengan bantuan kecerdasan buatan, seseorang berusaha
membuat komputer tampak mampu berpikir cerdas. Apa yang membuat kecerdasan buatan dan proses
simbolik mudah dipahami adalah membandingkannya dengan program tradisional yang melakukan
operasi numerik.
Program konvensional dapat menjawab “X + Y” jika nilai X dan Y diberikan, tetapi program
ini tidak dapat menjawab bahwa “X + Y = 2X”, juga tidak dapat menjawab mengapa mobil tidak
dapat distarter.
f) Kelebihan AI
Kecerdasan Buatan memiliki banyak keunggulan dibandingkan sistem konvensional:
1. Objek perancangan sistem selalu membutuhkan persamaan matematis dari objek yang akan
dikunjungi, yang mana untuk sistem linier masih dapat diperoleh, tetapi untuk sistem nonlinier
sangat sulit diperoleh. Perancangan sistem kecerdasan buatan memerlukan informasi penalaran
yang cukup dari perilaku prosesnya, yang dapat berupa informasi bahasa (linguistic information).
Kecerdasan Buatan Dan Mesin
‘21 Pembelajaran
7 Biro Akademik dan Pembelajaran
Team Teaching http://www.widyatama.ac.id
2. Proses belajar pun bisa dilakukan. Memiliki kemampuan menarik berdasarkan input-output data
sebelumnya.
3. Memiliki kemampuan untuk secara mandiri mengubah parameter atau menyesuaikan parameter
sistem internal. Dapat kuat terhadap perubahan parameter objektif. Kemampuan untuk
memprediksi perubahan parameter objek dengan menyesuaikan parameter internalnya.
B. Mesin Pembelajaran
Seseorang tidak pernah berhenti belajar dalam hidupnya. Peristiwa ini terjadi tanpa kita sadari
terjadi secara alami. Namun dalam menjelajahi sebuah mesin, tentu saja tidak praktis. Seseorang yang
telah belajar melalui pengalaman sehari-hari. Dari pengalaman ini, seseorang akan memperoleh
pengetahuan. Ada berbagai cara untuk mendapatkan pengetahuan. Cara termudah adalah belajar
menghafal atau menyimpan berita yang dihitung. Cara lain sudah ada dengan mendapatkan ilmu dari
orang lain yang ahli. Seseorang juga dapat belajar melalui pemecahan masalah yang dicari. Setelah
berhasil mengatasi suatu masalah, seseorang akan mengingat struktur dan cara menyelesaikan
masalah tersebut. Jika manusia melewati suatu masalah yang hampir serupa, maka seseorang dapat
menyelesaikan masalah tersebut dengan lebih efisien.
Dalam kehidupan sehari-hari, kita bisa melihat pembelajaran mesin dalam kehidupan sehari-hari
bermanfaat. Beberapa model yang terlihat sangat nyata adalah pengenalan suara, pengenalan sidik jari
atau pengenalan tulisan tangan. Perkembangan machine learning saat ini sangat pesat. Berbagai
penelitian telah dilakukan dalam membangun mesin yang lebih pintar. Model terbaru yang bisa kita
lihat adalah ASIMO, robot cerdas buatan Honda, yang dapat mengenali dan mengenali emosinya.
Untuk menghasilkan robot secerdas Asimo, beberapa Kecerdasan Buatan (AI) yang diterapkan,
seperti pengenalan suara untuk dapat berinteraksi, mengenali wajah pemilik dan mengenali ruangan.
Pembelajaran mesin sekarang menjadi cabang sains yang populer. Sehingga dapat menghasilkan robot
secerdas Asimo, kemudian beberapa AI yang diterapkan, seperti pengenalan suara untuk dapat
berinteraksi, pengenalan gambar untuk mengenali wajah dan mengenali pemilik dan masih banyak
lagi. Machine learning kini menjadi salah satu cabang ilmu yang populer di media. Dibuat sebagai
cabang dari kecerdasan buatan, hampir semua orang pernah berinteraksi, menggunakan atau
mendengar sistem komputer pribadi yang dibangun menggunakan teknik pembelajaran mesin. Dari
foto melihat yang diberi tag secara otomatis di Facebook, menggunakan rekomendasi di Google,
mengklik rekomendasi produk yang homogen dalam belanja online, menikmati layanan email bebas
spam, hingga mendengar tentang AlphaGo yang mengalahkan pro terbaik di game Go.
Machine Learning atau Pembelajaran Mesin merupakan teknik pendekatan dari Artificial
Intelligent ( AI ) yang digunakan untuk menirukan hingga menggantikan peran manusia dalam
melakukan aktivitas hingga memecahkan masalah. Secara singkat Machine Learning adalah mesin
yang dibuat supaya dapat belajar dan melakukan pekerjaan tanpa arahan dari penggunanya.
Secara garis besar, algoritma machine learning dibagi menjadi tiga jenis, yaitu supervised
learning, unsupervised learning, dan reinforcement learning.
Adapun beberapa langkah-langkah dalam penerapan pembelajaran mesin (Machine Learning) adalah
sebagai berikut :
1. Identifikasi Masalahmu
2. Mengumpulkan dan Mempersiapkan Data
3. Seleksi Algoritma Untuk Solusi
4. Evaluasi dan Perbaikan Terhadap Model
Adapun beberapa alasan penggunaan bahasa pemrograman Python dalam pembuatan sebuah model
dalam Machine Learning adalah :
• Mudah Dipelajari
• Varietas Library yang Tinggi dan Beragam
• Komunitas yang Luas dan Banyaknya Open Source
Machine learning merupakan sistem yang mampu belajar sendiri untuk memutuskan sesuatu
tanpa harus berulangkali diprogram oleh manusia sehingga komputer menjadi semakin cerdas berlajar
dari pengalaman data yang dimiliki. Berdasarkan teknik pembelajarannya, dapat dibedakan supervised
learning menggunakan dataset (data training) yang sudah berlabel, sedangkan unsupervised learning
e) Beberapa contoh library yang terdapat pada Python adalah sebagai berikut:
• Sebuah. Keras, TensorFlow, dan Scikit-belajar untuk pembelajaran mesin
• NLTK dan Spacy untuk NLP (Natural Language Processing)
• SciPy untuk komputasi tingkat lanjut
Banyaknya pengguna Python menjadikan Python komunitas yang luas dan solid. Banyak
programmer Python senior yang bersedia membagikan apa yang mereka ketahui melalui berbagai
platform, baik itu artikel, video, atau menjawab pertanyaan teknis yang sering ditemui di berbagai
platform seperti stackoverflow dan sebagainya. Kondisi ini sangat membantu bagi siapa saja yang
baru belajar Python. Kondisi ini juga memungkinkan pemula python untuk belajar Python secara
mandiri.
Soal Latihan
1. Jelaskan apa yang dimaksud dengan kecerdasan buatan!
2. Jelaskan perbedaan kecerdasan buatan dan kecerdasan alami!
3. Sebutkan dan jelaskan beberapa dari aplikasi kecerdasan buatan yang anda ketahui! (pendapat
sendiri).
DAFTAR PUSTAKA
• Diyah Puspita Ningrum. 2006. Pengantar Jaringan Syaraf Tiruan. Yogyakarta: C.V ANDi
OFFSET.
• Dwi Ana Ratna Wati. 2011. Sistem Kendali Cerdas (Fuzzy Logic Controller, Jaringan Syaraf
Tiruan, Algoritma Genetik (AG). Yogyakarta: Graha Ilmu.
• Handy Wicaksono. 2009. Programmable Logic Controller. Yogyakarta: Graha Imu.
• Hendra Jaya. 2016. Desain dan Implementasi Sistem Robotika Berbasis Mikrokontroller.
Makassar: Edukasi Mitra Grafika.
• Majid Abdul. 2005. Perencanaan Pembelajaran (Mengembangkan Kompetensi Guru). Bandung:
Remaja Rosdakarya.
• Kusuma Dewi, Sri . 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha
Ilmu
• Siswanto. 2010. Kecerdasan Tiruan. Yogyakarta: Graha Ilmu Suparman. 1991. Mengenal Artifial
intelligence. Yogyakarta: C.V ANDI OFFSET
• Suyanto. 2014. Artificial Intelligence (Searching-Reasoning-Planning-Learning). Bandung:
Informatika Bandung.
• Sri Kusumadewi dan Sri Hartati. 2010. Neuro Fuzzy (Integrasi Sistem Fuzzy & Jaringan Syaraf).
Yogyakarta: Graha Ilmu.
• Sri Kusumadewi dan Hari Purnomo. 2004. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan.
Yogyakarta: Graha Ilmu
• Nurvinda Galuh, Jenis-jenis Machine learning.
• Gading, Serpong, Tanggerang, Banten. https://www.dqlab.id/contact.
• Peter Norvig, Artificial Intelligence, Third Edition, Pearson, 2010.
• Frindy Johana, 2020 , Belajar Data Science di Rumah, dqlab.id.
• Tom M. Mitcell, Machine Learning, The McGraw-Hill, 1997.
• Model, IEEE International Conference on Electrical Engineering and Computer Science.
• Bachtiar, Y. 2013. Resistensi Bangunan Karakter Manusia Indonesia di Era Digital. Jurnal
Pendidikan Dasar.
• Sebastian raschka. 2015. Pyhton machine learning Darujati, C., & Gumelar, A. B. (2012).
Pemanfaatan Teknik Supervised Untuk Klasifikasi Teks Bahasa Indonesia. Jurnal Bandung Text
Mining, 16(1), 5-1.