UNIVERSITAS NUSA PUTRA

TEKNIK ELEKTRO
KECERDASAN BUATAN DAN DATA SAINS TUGAS
1

Nama Mahasiswa : DANANG HUTAMA

Hari / Tanggal : 22 - 09 - 2021
Nama Pengampu : Muchtar Ali Setyo Yudono, S.T., M.T.
Jumlah Soal : 2 Butir

Buatlah Tugas tersebut dalam kertas kerja lalu simpan file dalam format pdf dan unggah laporan
tugas Anda pada system LMS yang tersedia.

1. Jelaskan tentang pengertian, fungsi, keuntungan, dan kerugian dari Kecerdasan Buatan menurut
pemahaman Anda masing masing?
2. Sebutkan dan jelaskan contoh implementasi Kecerdasan Buatan dalam dunia nyata beserta jurnal
terkait, kemudian review jurnal tersebut! (Jurnal maksimal 2 tahun terakhir)

JAWABAN :

1. Pengertian kecerdasan buatan adalah simulasi dari kecerdasan yang dimiliki oleh manusia yang
dimodelkan di dalam mesin dan diprogram agar bisa berpikir seperti halnya manusia.
Fungsi kecerdasan buatan adalah sistem komputer yang terprogram kedalam mesin atau robot yang
meyerupai manusia sehingga dapat melakukan pekerjaan – pekerjaan yang umumnya seperti manusia
Misal : kualitas control produk, manufacturing, kasir , chef , sistem jual beli di supermarket dll.
Keuntungan dari kecerdasan buatan antara lain :
• perkerjaan lebih efektif karena minimnya kesalahan seperti human error karena kelelahan, emosi
dan kecerobohan yang dapat menyebabkan kualitas produk menurun
• Mudahnya dalam pencarian suatu informasi berupa musik , search engine , berita, video ,
perbelanjaan online
• Dapat menggantikan pekerjaan manusia yang berulang-ulang atau membosankan contoh :
quality qontrol, pemilahan barang, pembukuan atau entry data, resepsionis, pusat informasi dll
• Dapat menampilkan data Analisa dalam kurun waktu tertentu seperti : ramalan cuaca , index
saham , hasil pertandingan bola
 Kerugian dari kecerdasan buatan antara lain :
• Mengurangi jumlah perkerja manusia
• Mahalnya biaya pembuatan karena memrlukan data base yang besar, sistem yang rumit serta
hardware yang mumpuni
• Tidak memiliki emosi
• Tidak mengerti etika dalam pengucapan dan bertingkah laku

2. Beberapa implementasi terkait kecerdasan buatan :

• Rancang bangun GPS Tracker pada kendaraan berbasis mikrokontroller (http://repository.untag-
sby.ac.id/4199/8/1461600256-Diah%20Dwi%20Ristanti-JURNAL.pdf)
Rancang bangun ini dibuat untuk memberikan informasi keberadaan kendaraan secara realtime
memanfaatkan teknologi pengiriman dan penerimaan informasi berbasis 2G (GSM) ataupun 3G
(WCDMA), dan posisi akan ditampilkan pada Google Maps untuk ditrack secara real-time dan
alamat posisi dapat langsung ditampilkan ke smartphone user. Peralatan yang dirancang
menggunakan Arduino Uno, module arduino uno dan module gsm800l, module gsm 800l
digunakan untuk mengirimkan notifikasi lokasi ke smartphone.

• Analisis usability pada aplikasi peduli lindungi sebagai aplikasi informasi dan tracking covid -19
dengan heuristic evaluation ( journal of Information Technology and Computer Science
(INTECOMS) Volume 3 Nomor 2, Desember 2020 )
(https://journal.ipm2kpe.or.id/index.php/INTECOM/article/view/1901/1127)
Aplikasi ini diharapkan mampu untuk memberikan peringatan kepada masyarakat apabila
memasuki area terdampak covid -19, lokasi fasilitas kesehatan dan melakukan pelacakan
apabila ada orang - orang yang berpotensi terinfeksi virus covid -19. Pengujian aplikasi adalah
evaluasi dalam rangka meningkatkan usability dari aplikasi Peduli Lindungi dalam
memberikan informasi dan tracking di masa pandemi Covid -19. Berdasarkan Nielsen Model
yang dipergunakan, faktor dalam penelitian ini yang mempengaruhi kualitas usability
aplikasi adalah: learnability, memorability, efficiency, errors, dan user’s satisfaction. Setelah
melakukan pengujian didapatkan rekomendasi berupa:
✓ Pada pengujian evaluasi usability Heuristic Evaluation terdapat 9 permasalahan yang harus
diperhatikan. Yang perlu mendapatkan perhatian utama yaitu pada HE 9 dan HE 10.
✓ Pada pengujian preferensi user menggunakan PSSUQ menggunakan 6 kelompok penilaian
dengan penangann error memperoleh nilai yang terendah.
✓ Rekomendasi perbaikan yang diberikan meliputi: komentar oleh pengguna aplikasi
pada layanan penyedia aplikasi yang perlu mendapatkan perhatian pengembang,
tampilan desain antar muka sudah bagus tapi dapat di tingkatkan dengan
membuat tambahan sedikit variasi warna dan konsistensi penggunaan tombol dan
link, penanganan error banyak mendapatkan sorotan dari penguji terutama pada penggunaan
 notifikasi yang kurang sederhan dan kurang memberikan informasi penanganan error
yang harus dilakukan.
✓ Secara keseluruhan usability dari aplikasi bisa dikatakan sudah baik dan bisa
memberikan informasi yang diharapkan oleh user

• Implementasi Face Recognition pada Absensi Kehadiran Mahasiswa Menggunakan Metode Haar
Cascade Classifier (infotekjar :jurnal nasional informatika dan teknologi jaringan- vol. 4 no.2
(2020) edisi maret)
Face recognition merupakan salah satu teknik pengenalan wajah yang sama seperi sidik jari dan
retina mata, dimana hasil tangkapan kamera akan dicocokkan dengan foto dan lekuk wajah yang
sudah ada di dalam database. Salah satu teknik identifikasi yang diterapkan pada teknologi
biometrik yaitu menggunakan wajah sebagai parameter utama pada sistem pencatatan kehadiran
dalam dunia pendidikan. Dengan adanya pencatatan kehadiran mahasiswa yang telah
menggunakan teknologi komputer, akan lebih memudahkan proses pencatatan kehadiran dengan
memanfaatkan sistem biometrik face recognition menggunakan metode Haar Cascade Classifier,
dimana metode ini digunakan untuk mengenali wajah secara cepat dalam mendeteksi atau
menunjukkan bagian citra yang terdapat atau mengandung wajah didalamnya dengan
memanfaatkan sebuah image processing library. Algoritma yang diterapkan dalam metode Haar
Cascade Classifier menggunakan sebuah tipe face detector yang disebut Cascade Classifier. Jika
ada sebuah citra (dapat diperoleh dari video), face detector akan menguji tiap lokasi citra dan
mengklasifikasinya sebagai wajah atau bukan wajah. Klasifikasi wajah ini menggunakan sebuah
pemisalan skala yang tetap, misalnya 20×20 piksel. Jika wajah pada citra lebih kecil atau lebih
besar dari piksel, classifier akan terus berjalan beberapa kali untuk mencari wajah pada gambar
tersebut. Berdasarkan hasil penelitian dan pengujian sistem yang telah dilakukan, maka dapat
diambil kesimpulan sebagai berikut :
✓ Sistem pengenalan dengan satu wajah dapat diterapkan pada absensi kehadiran mahasiswa.
✓ Sistem pengenalan dengan banyak wajah (multiple face recognition) kurang cocok untuk
diterapkan pada absensi kehadiran mahasiswa, karena terdapat banyak kesalahan dalam
mengenali wajah sehingga proses absensi tidak sesuai dengan data yang sebenarnya.
✓ Faktor-faktor yang mempengaruhi hasil pengenalan adalah pencahayaan dan jarak. Faktor ini
didapat dari hasil perbandingan data dan percobaan yang dilakukan pada 25 orang dengan
intensitas cahaya dan jarak pengambilan gambar yang berbeda serta terdapat perbedaan
keakuratan.
✓ Tingkat akurasi implementasi face recognition pada absensi kehadiran mahasiswa
menggunakan metode Haar Cascade Classifier dengan pengujian satu wajah adalah 76% dan
pengujian banyak wajah adalah 33.33%. Hasil ini menandakan bahwa sistem pengenalan
dengan satu wajah dapat diterapkan pada absensi kehadiran mahasiswa.
1 KECERDASAN BUATAN DAN DATA SAINS