“MAKALAH”

KECERDESAN BUATAN
Dosen Pengampu : Rimbun Siringoringo, S.Pd., M.Kom

Disusun Oleh :
Joseph Paseah Masyhur Siregar
(221530006)

PENDIDIKAN TEKNOLOGI INFORMASI

FAKULTAS ILMU KOMPUTER
UNIVERSITAS METHODIST INDONESIA
2022/2023

i
 KATA PENGANTAR

Puji syukur Penulis ucapkan kepada Tuhan Yesus Kristus atas Kasih dan Rahmatnya
membuat penulis dapat menyelesaikan tugas makalah yang berjudul “KECERDASAN
BUATAN”
Terimakasih kepada dosen pengampu saya yakni, Rimbun Siringoringo, S.Pd.,
M.Kom yang telah memberikan tugas ini sehingga menambah pengetahuan baru bagi saya.
Namun, masih banyaknya kesalahan dalam penggunaan kata maupun yang lainnya maka dari
itu saya membutuhkan kritik dan saran yang membangun agar dapat memperbaikinya dan
menyempurnakan makalah ini.
Semoga makalah ini dapat menambah wawasan dan bermanfaat bagi pembaca. Saya
uccapkan terima kasih.

Medan, 26 Maret 2023

Joseph Paseah Masyhur Siregar

ii
 DAFTAR ISI

KATA PENGANTAR.......................................................................................................ii
DAFTAR ISI......................................................................................................................iii
BAB I PENDAHULUAN.................................................................................................. 1
1.1 Latar Belakang ..............................................................................................................1
1.2 Rumusan Masalah..........................................................................................................1
1.3 Tujuan ...........................................................................................................................1
BAB II PEMBAHASAN ..................................................................................................2
2.1 Pengelolahan Bahasa Alami..........................................................................................2
2.2 Knowledge representation ............................................................................................3
2.3 Automated Reasoning....................................................................................................4
2.4 Machine Learning..........................................................................................................5-6
2.5 Computer Vision............................................................................................................7
2.6 Robotika ........................................................................................................................8
BAB III PENUTUP...........................................................................................................9
3.1 Simpulan .......................................................................................................................9
DAFTAR PUSTAKA........................................................................................................10

iii
 BAB 1
PENDAHULUAN
A. Latar Belakang
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).
Masalah kesehatan bagi sebagian besar masyarakat kita yakni masih sering
kali kesulitan untuk mendapatkan pelayanan dan informasi tentang bagaimana
merawat kesehatan dan bagaimana memilih tindakan yang tepat untuk penderita yang
sedang menderita sakit, terutama pada pada penyakit dalam (internist).
Sistem pakar yang dibangun ini dalam rencananya dapat menambahkan
pengetahuan kepada tenaga medis sebagai bahan referensi untuk menentukan
kemungkinan diagnosa penyakit, khususnya penyakit dalam yang diderita oleh
seorang pasien. Sedangkan bagi masyarakat umum digunakan sebagai pedoman untuk
melakukan tindakan yang harus diambil jika mengetahui seberapa besar kemungkinan
menderita sakit.

B. Rumusan Masalah
1.Penjelasan dan Contoh Gambar Pengelolahan Bahasa Alami
2.Penjelasan dan Contoh Gambar Knowledge representation
3.Penjelasan dan Contoh Gambar Automated Reasoning
4.Penjelasan dan Contoh Gambar Machine Learning
5.Penjelasan dan Contoh Gambar Computer Vision
6.Penjelasan dan Contoh Gambar Robotika

C. Tujuan
Diciptakannya kecerdasan buatan (Artificial Intellegence) bertujuan antara lain:
1. Diperkirakan AI akan digunakan untuk membuat perangkat lunak atau robot yang dapat
membantu manusia dalam rutinitas sehari-hari. 2. Diperkirakan kehadiran AI akan membuat
mesin lebih pintar dari sebelumnya

1
 BAB II
PEMBAHASAN
A. Pengelolahan Bahasa alami
Pengolahan bahasa alami (disingkat PBA; bahasa Inggris: natural language
processing, disingkat NLP) adalah cabang ilmu komputer, linguistik, dan kecerdasan
buatan yang mengkaji interaksi antara komputer dan bahasa (alami) manusia, khususnya
cara memprogram komputer untuk mengolah data bahasa alami dalam jumlah besar.
Hasilnya adalah komputer mampu "memahami" isi dokumen, termasuk nuansa bahasa di
dalamnya. Dengan ini, komputer dapat dengan akurat mengambil informasi dan wawasan
dari dokumen sekaligus mengelompokkan dan menata dokumen-dokumen itu sendiri.
Kajian NLP antara lain mencakup segmentasi wicara, segmentasi teks, penandaan kelas
kata, dan pengawataksaan makna. Meski kajiannya dapat
mencakup teks dan wicara, pengolahan wicara telah berkembang menjadi suatu bidang
kajian terpisah.

SEJARAH
Pengolahan bahasa alami berawal pada tahun 1950-an. Pada 1950, Alan
Turing memublikasikan artikel yang berjudul "Computing Machinery and Intelligence"
yang mengusulkan ujian yang sekarang dikenal sebagai uji Turing menjadi salah satu
syarat kecerdasan.

METODE
Pada awal perkembangannya, banyak sistem pengolah bahasa didesain dengan
metode simbolik, yaitu penyusunan aturan secara manual dengan kamus, misal
penyusunan tata bahasa atau aturan heuristik untuk pemotongan kata.
Sejak "revolusi statistik" pada akhir 1980-an dan pertengahan 1990-an, banyak
penelitian pengolahan bahasa alami bergantung pada pemelajaran mesin. Paradigma
pemelajaran mesin ini memakai statistika inferensi untuk mempelajari tata bahasa secara
otomatis dari sebuah korpus.

2
B. Knowledge representation
Knowledge Representation (representasi pengetahuan), Representasi
pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang
diperoleh dalam suatu skema / diagram tertentu sehingga dapat diketahui
relasi/keterhubungan antara suatu data dengan data yang lain.

Karakteristik Penyajian Pengetahuan

1. Dapat diprogram dengan bahasa komputer dan disimpan dalam memori.
2. Fakta dan pengetahuan lain yang terkandung didalamnya dapat digunakan untuk
melakukan penalaran.
• Berarti basis pengetahuan berisi struktur data yang dapat dimanipulasi oleh system
inferensi yang menggunakan pola search dan teknik matching pada basis pengetahuan
untuk menjawab pertanyaan, menarik kesimpulan, atau fungsi cerdas yang lain.

3
C. Automate Reasoning
 Automated Reasoning adalah seni dan ilmu yang menjadikan komputer untuk
menerapkan penalaran logis dalam memecahkan masalah, misalnya untuk
membuktikan teorema, memecahkan teka-teki, sirkuit desain, verifikasi atau
mensintesis program computer

4
D. Machine Learning
Di tengah pesatnya perkembangan teknologi kecerdasan buatan atau artificial
intelligence (AI) saat ini. Belum banyak orang yang mengetahui bahwa kecerdasan
buatan itu terdiri dari beberapa cabang, salah satunya adalah machine learning atau
pembelajaran mesin. Teknologi machine learning (ML) ini merupakan salah satu
cabang dari AI yang sangat menarik perhatian, kenapa? Karena machine
learning merupakan mesin yang bisa belajar layaknya manusia.

Teknologi machine learning (ML) adalah mesin yang dikembangkan untuk

bisa belajar dengan sendirinya tanpa arahan dari penggunanya. Pembelajaran
mesin dikembangkan berdasarkan disiplin ilmu lainnya seperti statistika, matematika
dan data mining sehingga mesin dapat belajar dengan menganalisa data tanpa perlu di
program ulang atau diperintah.
Dalam hal ini machine learning memiliki kemampuan untuk memperoleh data
yang ada dengan perintah ia sendiri. ML juga dapat mempelajari data yang ada dan
data yang ia peroleh sehingga bisa melakukan tugas tertentu. Tugas yang dapat
dilakukan oleh ML pun sangat beragam, tergantung dari apa yang ia pelajari.
Istilah machine learning pertama kali dikemukakan oleh beberapa ilmuwan
matematika seperti Adrien Marie Legendre, Thomas Bayes dan Andrey Markov pada
tahun 1920-an dengan mengemukakan dasar-dasar machine learning dan konsepnya.
Sejak saat itu ML banyak yang mengembangkan. Salah satu contoh dari
penerapan ML yang cukup terkenal adalah Deep Blue yang dibuat oleh IBM pada
tahun 1996.
Deep Blue merupakan machine learning yang dikembangkan agar bisa belajar
dan bermain catur. Deep Blue juga telah diuji coba dengan bermain catur melawan
juara catur profesional dan Deep Blue berhasil memenangkan pertandingan catur
tersebut.
Peran machine learning banyak membantu manusia dalam berbagai bidang. Bahkan
saat ini penerapan ML dapat dengan mudah kamu temukan dalam kehidupan sehari-
hari. Misalnya saat kamu menggunakan fitur face unlock untuk membuka
perangkat smartphone kamu, atau saat kamu menjelajah di internet atau media sosial
kamu akan sering disuguhkan dengan beberapa iklan. Iklan-iklan yang dimunculkan
juga merupakan hasil pengolahan ML yang akan memberikan iklan sesuai dengan
pribadi kamu.

Ada beberapa teknik yang dimiliki oleh machine learning, namun secara

luas ML memiliki dua teknik dasar belajar, yaitu supervised dan unsupervised.

Supervised Learning
Teknik supervised learning merupakan teknik yang bisa kamu terapkan pada
pembelajaran mesin yang bisa menerima informasi yang sudah ada pada data dengan
memberikan label tertentu. Diharapkan teknik ini bisa memberikan target
terhadap output yang dilakukan dengan membandingkan pengalaman belajar di masa
lalu. Misalkan kamu mempunyai sejumlah film yang sudah kamu beri label dengan
kategori tertentu. Kamu juga memiliki film dengan kategori komedi meliputi film 21
Jump Street dan Jumanji. Selain itu kamu juga punya kategori lain misalkan kategori
film horror seperti The Conjuring dan It. Ketika kamu membeli film baru, maka kamu
akan mengidentifikasi genre dan isi dari film tersebut. Setelah film teridentifikasi
barulah kamu akan menyimpan film tersebut pada kategori yang sesuai.

5
Unsupervised Learning
Teknik unsupervised learning merupakan teknik yang bisa kamu terapkan
pada machine learning yang digunakan pada data yang tidak memiliki informasi yang
bisa diterapkan secara langsung. Diharapkan teknik ini dapat membantu menemukan
struktur atau pola tersembunyi pada data yang tidak memiliki label. Sedikit berbeda
dengan supervised learning, kamu tidak memiliki data apapun yang akan dijadikan
acuan sebelumnya. Misalkan kamu belum pernah sekalipun membeli film sama
sekali, akan tetapi pada suatu waktu, kamu membeli sejumlah film dan ingin
membaginya ke dalam beberapa kategori agar mudah untuk ditemukan. Tentunya
kamu akan mengidentifikasi film-film mana saja yang mirip. Dalam hal ini misalkan
kamu mengidentifikasi berdasarkan dari genre film. Misalnya, kamu mempunyai film
the Conjuring, maka kamu akan menyimpan film The Conjuring tersebut pada
kategori film horror.

Cara kerja machine learning sebenarnya berbeda-beda sesuai dengan teknik

atau metode pembelajaran seperti apa yang kamu gunakan pada ML. Namun pada
dasarnya prinsip cara kerja pembelajaran mesin masih sama, meliputi pengumpulan
data, eksplorasi data, pemilihan model atau teknik, memberikan pelatihan terhadap
model yang dipilih dan mengevaluasi hasil dari ML. 

6
E. Computer Vision
Pencitraan komputer menggabungkan kamera, komputasi edge, komputasi berbasis
cloud, perangkat lunak, dan artificial intelligence (AI) untuk membantu sistem “melihat”
dan mengidentifikasi objek. Intel memiliki portofolio teknologi penerapan AI yang
lengkap, termasuk CPU untuk pemrosesan tujuan umum, computer vision, dan unit
pemrosesan vision (VPU) untuk akselerasi. Sistem computer vision yang bermanfaat di
berbagai lingkungan dapat mengenali objek dan orang dengan cepat, menganalisis
demografi khalayak, memeriksa hasil produksi, juga banyak hal lainnya.
Computer vision menggunakan pembelajaran mendalam untuk membentuk jaringan
neural yang memandu sistem dalam pemrosesan dan analisis. Teknik jaringan saraf
konvolusional (CNN), seperti yang disertakan dengan toolkit Intel® Distribution of
OpenVINO™, memungkinkan inferensi deep learning untuk klasifikasi gambar dan
deteksi objek. Model computer vision yang telah sepenuhnya terlatih dapat mengenali
objek, mendeteksi dan mengenali orang, bahkan melacak pergerakan.

7
F. Robotika
Robotika adalah satu cabang teknologi yang berhubungan dengan desain, konstruksi,
operasi, disposisi struktural, pembuatan, dan aplikasi dari robot. Robotika terkait
dengan ilmu pengetahuan bidang elektronika, mesin, mekanika, dan perangkat lunak
komputer. Pemikiran tentang pembuatan mesin yang dapat bekerja sendiri telah ada
sejak Era Klasik, tetapi riset mengenai penggunaannya tidak berkembang secara berarti
sampai abad ke-20. Kini, banyak robot melakukan pekerjaan yang berbahaya bagi
manusia seperti menjinakkan bom, menjelajahi kapal karam, dan pertambangan.

Kata robotika berasal dari kata robot, yang diperkenalkan kepada publik oleh penulisa

asal Ceko bernama Karel Čapek dalam dramanya R.U.R. (Rossum's Universal Robots),
yang diterbitkan pada tahun 1920. Permainan dimulai di sebuah pabrik yang membuat
manusia buatan yang disebut robot, makhluk yang bisa disalahartikan sebagai manusia–
sangat mirip dengan ide-ide modern android. Karel Čapek sendiri tidak menciptakan kata
itu. Dia menulis sebuah surat pendek yang mengacu pada sebuah etimologi dalam Oxford
English Dictionary di mana dia menyebut saudaranya Josef Čapek sebagai pencetus
sebenarnya.
Menurut Oxford English Dictionary, kata robotika pertama kali digunakan di media
cetak oleh Isaac Asimov, dalam cerita pendek fiksi ilmiahnya "Pembohong!" , yang
diterbitkan pada bulan Mei 1941 dalam Karya Fiksi-ilmiah yang Mencengangkan.
Asimov tidak menyadari bahwa dialah yang menciptakan istilah itu; karena ilmu dan
teknologi perangkat listrik adalah elektronik, ia menganggap robotika sudah mengacu
pada ilmu dan teknologi robot. Dalam beberapa karya Asimov lainnya, ia menyatakan
bahwa penggunaan pertama kata robotika adalah dalam cerita pendeknya Runaround,[5]
[6]
 di mana ia memperkenalkan konsepnya tentang Tiga Hukum Robotika. Namun,
publikasi asli "Pembohong!" mendahului "Runaround" selama 10 bulan, jadi yang
pertama umumnya disebut sebagai asal kata.

8
 BAB III
PENUTUP

Kesimpulan

Kecerdasan buatan adalah kecerdasan yang ditambahkan oleh manusia ke dalam suatu

sistem teknologi, diatur dan dikembangkan dalam konteks ilmiah, bentukan dari kecerdasan
entitas ilmiah yang ada.

9
 DAFTAR PUSTAKA

https://p2k.stekom.ac.id/ensiklopedia/Pengolahan_bahasa_alami

https://onlinelearning.binus.ac.id/computer-science/post/pengetahuan-

knowledge#:~:text=Knowledge%20Representation%20(representasi%20pengetahuan)%2C,d
ata%20dengan%20data%20yang%20lain.

https://gist.github.com/coex12/0b4724a328490da26c85

https://www.dicoding.com/blog/machine-learning-adalah/

https://www.intel.co.id/content/www/id/id/internet-of-things/computer-vision/overview.html

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

10