TREN TEKNOLOGI AI DALAM DUNIA INDUSTRI

Dibuat untuk memenuhi tugas mata kuliah

Pengantar Aplikasi Komputer

Dosen Pengajar :
Indry Ayu Lestary, S.Kom, M.T.I.

Disusun Oleh :
ROHMAT INDRA PRATAMA
2023130026

Kelas MNJ23A

FAKULTAS BISNIS
PROGRAM STUDI MANAJEMEN (S1)
UNIVERSITAS BINA INSANI
2023

Penulis : Dr. Rohmat Indra Pratama, S.M., M.M., M.Ak., M.B.A., CRMP., CRA.,CPA.
 KATA PENGANTAR

Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa, karena atas limpahan

rahmatnya bagi penyusun dapat menyelesaikan makalah ini tepat waktu tanpa ada halangan

yang berarti dan sesuai dengan harapan.

Ucapan terima kasih kami sampaikan kepada Ibu Indry Ayu Lestari, S.Kom,. M.T.I.

sebagai dosen pengajar mata kuliah Pengantar Aplikasi Komputer yang telah membantu

memberikan arahan dan pemahaman dalam penyusunan makalah ini.

Kami menyadari bahwa dalam penyusunan makalah ini masih banyak kekurangan

karena keterbatasan kami. Maka dari itu penyusun sangat mengharapkan kritik dan saran

untuk menyempurnakan makalah ini. Semoga apa yang ditulis dapat bermanfaat bagi semua

pihak yang membutuhkan.

Bekasi, 31 Oktober 2023

Rohmat Indra Pratama

Penulis : Dr. Rohmat Indra Pratama, S.M., M.M., M.Ak., M.B.A., CRMP., CRA.,CPA.
 3

Daftar Isi
BAB I.......................................................................................................................................................4
PENDAHULUAN...................................................................................................................................4
Latar Belakang.....................................................................................................................................4
Rumusan Masalah................................................................................................................................5
Tujuan Penulisan..................................................................................................................................5
BAB II......................................................................................................................................................6
PEMBAHASAN......................................................................................................................................6
2.1 Penggunaan kecerdasan buatan (Artificial Intelligence, AI) dalam industri.................................6
2.2 Cara Mengelola Dampak Penggunaan AI dalam Industri.............................................................8
2.3 Mengukur Keandalan dan Kepercayaan Model AI.......................................................................9
2.4 Apa itu Deep Learning?...............................................................................................................11
2.5 Mengapa Deep Learning itu penting?..........................................................................................11
2.5 Apa saja kegunaan Deep Learning?.............................................................................................12
2.5.1 Penglihatan komputer...........................................................................................................12
2.5.2 Pemrosesan Bahasa Alami....................................................................................................13
2.5.3 Mesin rekomendasi...............................................................................................................13
2.6 Bagaimana cara kerja Deep Learning?........................................................................................13
2.7 Apa itu Deep Learning dalam konteks Machine Learning?........................................................14
2.8 Apa saja manfaat Deep Learning dibandingkan Machine Learning?..........................................15
2.8.1 Pemrosesan Data Tidak Tersruktur yang Efisien.................................................................15
2.8.2 Hubungan Tersembunti yan Penemuan Pola........................................................................15
2.8.3 Pembelajaran Tanpa Pengawasan.........................................................................................15
2.8.4 Pemrosesan Data Fluktuatif..................................................................................................15
2.9 Pengertian Machine Learning......................................................................................................16
2.9 Mengapa Machine Learning itu penting?....................................................................................16
BAB III..................................................................................................................................................18
PENUTUP.............................................................................................................................................18
3.1 Kesimpulan..................................................................................................................................18
3.2 Saran............................................................................................................................................18
DAFTAR PUSTAKA............................................................................................................................19

DAFTAR ISI
 4

Daftar Gambar

Picture 1 - Revolusi Industri 4.0...........................................................................................................8

Picture 2- Types of Validation.................................................................................................10
Picture 3 - A/B Testing............................................................................................................10
Picture 4 - Data Quality Measurement.....................................................................................11
Picture 5 - Neuron buatan Algoritme Deep Learning..............................................................15
Picture 6 - Artificial Inteligence (AI).......................................................................................17

DAFTAR GAMBAR
 5

BAB I

PENDAHULUAN

Latar Belakang
Sejarah AI dimulai pada tahun 1956 ketika John McCarthy, Marvin Minsky,
Nathaniel Rochester, dan Claude Shannon mengadakan Konferensi Dartmouth. Konferensi
ini dianggap sebagai awal dari pengembangan AI sebagai bidang ilmu yang terpisah. Pada
awalnya, para peneliti berharap dapat membuat mesin yang dapat meniru kemampuan
manusia dalam berpikir, belajar, dan memecahkan masalah. Namun, pada tahun 1970-an,
perkembangan AI mengalami kemunduran karena terbatasnya teknologi dan sumber daya
yang tersedia.

Pada akhir 1990-an dan awal 2000-an, AI kembali mengalami kemajuan dengan
sistem AI yang mampu mengatasi masalah yang lebih rumit seperti pengenalan wajah, suara,
dan memproses serta menganalisis data dalam jumlah besar. Di tahun 2010-an, AI semakin
canggih dan mulai digunakan secara luas dalam berbagai bidang seperti pengenalan suara dan
wajah, analisis data, dan pengembangan mobil otonom.

Hingga kini, AI semakin berkembang dengan pesat dan hampir semua aspek
kehidupan kita tak terlepas dengan adanya AI. AI telah membantu mempermudah hidup kita
dengan cara yang sebelumnya tidak pernah dibayangkan, seperti asisten virtual dan mobil
otonom. Selain itu, AI juga terus digunakan untuk membantu penelitian dan pengembangan
di bidang kesehatan, energi, hingga lingkungan. Dengan canggihnya AI ini, diharapkan dapat
membantu manusia dalam menyelesaikan berbagai masalah dan meningkatkan kualitas hidup
manusia di masa depan.

BAB I PENDAHULUAN
 6

Rumusan Masalah
a. Apa pengaruh penggunaan AI dalam industri terhadap tenaga kerja manusia dan
bagaimana kita dapat mengelola dampaknya?
b. Bagaimana mengukur keandalan dan kepercayaan model AI dalam situasi dunia
nyata?
c. Apa itu Deep learning dan Machine Learning?

Tujuan Penulisan
a. Untuk mengetahui pengaruh penggunaan AI dalam Industri terhadap tenaga kerja
manusia dan mengelolanya.
b. Untuk dapat mengekur keandalan dan kepercayaan AI dalam dunia nyata.
c. Untuk mengetahui lebih lanjut apa itu AI dan jenis-jenisnya.

BAB I PENDAHULUAN
 7

BAB II

PEMBAHASAN

Kecerdasan Buatan (Artificial Intelligence, AI) adalah bidang ilmu komputer yang
berkaitan dengan pengembangan sistem komputer yang mampu melakukan tugas yang
biasanya memerlukan kecerdasan manusia. Tujuan utama dari AI adalah untuk menciptakan
program komputer atau mesin yang dapat belajar, berpikir, dan mengambil keputusan seperti
yang biasa dilakukan oleh manusia, berdasarkan data dan pemahaman yang diberikan kepada
mereka. AI mencakup berbagai teknik dan pendekatan, termasuk machine learning, deep
learning, pengolahan bahasa alami, visi komputer, dan banyak lagi.

Dalam praktiknya, AI dapat digunakan untuk berbagai aplikasi, termasuk pengenalan

wajah, penerjemahan bahasa, mobil otonom, analisis data, perencanaan logistik, dan banyak
lagi. AI berusaha untuk mengembangkan komputer yang dapat berpikir kontekstual,
memahami dunia nyata, dan merespons dengan cara yang berguna, seperti pengambilan
keputusan, pemecahan masalah, dan tugas-tugas lainnya.

Artificial Intelligence (AI) atau kecerdasan buatan adalah teknologi yang

memungkinkan mesin untuk meniru atau meniru kecerdasan manusia. AI telah
mentransformasi hampir seluruh aspek kehidupan masyarakat modern saat ini dan menjadi
teknologi terdepan yang telah memasuki beberapa ranah diantaranya dalam bidang kesehatan,
industri, dan lain sebagainya.

2.1 Penggunaan kecerdasan buatan (Artificial Intelligence, AI) dalam industri

memiliki dampak yang signifikan terhadap tenaga kerja manusia. Dampak ini dapat
bervariasi tergantung pada industri dan peran individu, tetapi secara umum dapat
digambarkan sebagai berikut:

1. Automatisasi Pekerjaan Rutin

AI memiliki kemampuan untuk mengotomatisasi tugas-tugas yang bersifat rutin, repetitif,

dan berulang. Ini termasuk tugas-tugas produksi dalam manufaktur, pemrosesan data,
pengelolaan inventaris, dan lainnya. Automatisasi ini dapat mengurangi kebutuhan tenaga
kerja manusia dalam tugas-tugas tersebut.

BAB II PEMBAHASAN
 7

2. Peningkatan Produktivitas

Penggunaan AI dalam industri sering kali meningkatkan produktivitas dan efisiensi. Ini
dapat menghasilkan lebih banyak output dengan menggunakan lebih sedikit sumber daya
manusia.

3. Pengembangan Pekerjaan Baru

Meskipun beberapa pekerjaan dapat digantikan oleh AI, penggunaan AI juga

menciptakan pekerjaan baru dalam pengembangan, pemeliharaan, dan dukungan
teknologi AI. Ini mencakup peran seperti insinyur AI, analis data, ilmuwan data, dan
pengembang AI.

4. Peningkatan Keselamatan

AI digunakan dalam industri untuk memantau dan mengontrol operasi yang berbahaya
atau monoton. Ini dapat mengurangi risiko cedera pekerja manusia.

5. Peningkatan Kualitas Produk dan Layanan

AI dapat digunakan untuk mengoptimalkan proses produksi dan meningkatkan kualitas

produk dan layanan. Hal ini dapat membantu perusahaan bersaing secara global.

6. Peluang Keterampilan Baru

Karyawan yang ada mungkin perlu mengembangkan keterampilan baru dalam

berinteraksi dengan sistem AI atau menggunakan alat-alat AI dalam pekerjaan mereka.

Picture 1 1

Picture 1 - Revolusi Industri 4.0

BAB II PEMBAHASAN
 9

2.2 Cara Mengelola Dampak Penggunaan AI dalam Industri

1. Pendidikan dan Pelatihan

Mendorong pendidikan dan pelatihan yang relevan dalam AI untuk pekerja manusia,
sehingga mereka dapat mengembangkan keterampilan yang diperlukan untuk berinteraksi
dengan teknologi AI.

2. Adopsi Bertahap

Implementasi AI dapat dilakukan secara bertahap, sehingga perusahaan memiliki waktu

untuk mengelola transisi dan memberikan dukungan kepada pekerja yang terpengaruh.

3. Kerjasama Manusia-AI

Membangun sistem yang mempromosikan kolaborasi antara manusia dan AI, di mana AI
dapat membantu pekerja manusia dalam tugas-tugas yang lebih kompleks dan kreatif.

4. Fokus pada Tugas-Tugas yang Mempunyai Nilai Tambah Manusia

Menggunakan AI untuk mengambil alih tugas-tugas yang kurang bermakna sehingga

pekerja manusia dapat fokus pada tugas-tugas yang memerlukan pemikiran kreatif,
pemecahan masalah, dan interaksi manusia.

5. Komitmen terhadap Etika dan Keberlanjutan

Menggunakan AI secara etis dan berkelanjutan, dengan meminimalkan bias,

menghormati privasi, dan mempertimbangkan dampak sosial.

6. Konsultasi dan Dialog dengan Karyawan

Melibatkan karyawan dalam proses pengambilan keputusan terkait dengan AI dan

mendengarkan kekhawatiran mereka.

Dengan mengelola dampak penggunaan AI secara bijaksana, kita dapat menciptakan

keseimbangan antara peningkatan efisiensi dan pelestarian pekerjaan manusia, serta
memastikan bahwa AI digunakan untuk meningkatkan kehidupan dan lingkungan kerja.

BAB II PEMBAHASAN
 10

2.3 Mengukur Keandalan dan Kepercayaan Model AI

Mengukur keandalan dan kepercayaan model kecerdasan buatan (AI) dalam situasi
dunia nyata adalah langkah kritis dalam mengimplementasikan dan memvalidasi model AI
sebelum digunakan dalam keputusan penting atau aplikasi yang berdampak besar. Berikut
adalah beberapa cara untuk mengukur keandalan dan kepercayaan model AI:

1. Validasi Silang (Cross-Validation)

Metode validasi silang membagi data menjadi sejumlah bagian dan

melatih model di beberapa iterasi. Ini membantu mengukur kinerja
model di berbagai dataset uji dan mengevaluasi konsistensi hasil.
Picture 2- Types of Validation
2. Pengujian di Lapangan (Field Testing)

Implementasikan model AI dalam situasi dunia nyata dan periksa sejauh mana model
berkinerja sesuai dengan yang diharapkan. Dalam konteks mobil otonom misalnya,
melakukan uji coba di jalan raya secara nyata.

3. Pengujian A/B

Bandingkan performa model AI dengan solusi alternatif atau model AI lain dalam
lingkungan produksi yang nyata. Ini membantu mengukur sejauh mana model AI
memberikan manfaat yang signifikan.

4. Pemantauan Kinerja Berkelanjutan

Picture 3 - A/B Testing
Pemantauan berkelanjutan adalah praktek yang
penting. Model AI harus dipantau secara konstan saat digunakan dalam produksi. Jika
kinerja model mengalami penurunan, tindakan perbaikan harus diambil.

BAB II PEMBAHASAN
 11

5. Pengukuran Kualitas Data

Kualitas data masukan memiliki dampak besar pada keandalan model AI. Pastikan data
yang digunakan untuk melatih dan menguji model berkualitas baik dan bebas dari
kesalahan.

6.
Analisis

Picture 4 - Data Quality Measurement

Sensitivitas

Lakukan analisis sensitivitas untuk mengukur sejauh mana model AI rentan terhadap
perubahan dalam data masukan atau parameter model. Ini membantu mengidentifikasi
titik lemah dan batasan model.

7. Keandalan Dalam Kasus-Kasus Khusus

Uji keandalan model AI dalam kasus-kasus khusus atau "corner cases" yang mungkin
tidak tertangani dengan baik oleh model. Ini penting untuk mengidentifikasi batasan
model.

8. Keandalan Terhadap Serangan

Uji model AI terhadap serangan, seperti serangan peretasan atau serangan adversarial,
dan ukur sejauh mana model tahan terhadap serangan tersebut.

9. Konsultasi dengan Pakar Domain

Konsultasikan hasil dan performa model dengan pakar domain yang memiliki
pemahaman mendalam tentang domain aplikasi model. Mereka dapat memberikan
wawasan berharga tentang keandalan model.

BAB II PEMBAHASAN
 12

Mengukur keandalan dan kepercayaan model AI merupakan tugas yang rumit, dan
metode yang digunakan harus disesuaikan dengan konteks dan jenis model yang
digunakan. Seiring dengan meningkatnya kompleksitas model AI, pengujian dan validasi
yang cermat menjadi semakin penting untuk memastikan bahwa model berkinerja secara
konsisten dalam situasi dunia nyata.

2.4 Apa itu Deep Learning?

Deep Learning adalah salah satu cabang dari ilmu pembelajaran mesin yang terdiri
dari algoritme pemodelan abstraksi tingkat tinggi pada data menggunakan sekumpulan fungsi
transformasi non-linear yang ditata berlapis-lapis dan mendalam. Deep learning
menggunakan jaringan saraf tiruan (artificial neural network) dan memiliki banyak lapisan
pembelajaran mendalam algoritmanya. Deep learning menjadi metode yang sangat terkenal
saat ini karena kemampuannya yang baik dalam menangani data yang banyak dan beragam
terutama di data unstructured seperti data gambar Deep learning juga dapat mengenali suara
manusia dan dapat memberikan respon berupa teks.

2.5 Mengapa Deep Learning itu penting?

Kecerdasan buatan (AI) mencoba melatih komputer untuk berpikir dan belajar seperti
yang dilakukan manusia. Teknologi deep learning mendorong banyak aplikasi AI yang
digunakan dalam produk sehari-hari, seperti berikut ini:

1. Asisten digital
2. Pengendali jarak jauh televisi yang diaktifkan suara
3. Deteksi penipuan
4. Pengenalan wajah otomatis

Deep learning juga merupakan komponen penting dari teknologi yang muncul seperti mobil
otonom, realitas virtual, dan masih banyak lagi.

Model deep learning merupakan file komputer yang telah dilatih oleh para ilmuwan data
untuk melakukan tugas menggunakan algoritme atau serangkaian langkah yang telah
ditentukan. Bisnis menggunakan model deep learning untuk menganalisis data dan membuat
prediksi dalam berbagai aplikasi.

BAB II PEMBAHASAN
 12

2.5 Apa saja kegunaan Deep Learning?

Deep learning memiliki beberapa kasus penggunaan di bidang otomotif, dirgantara,
manufaktur, elektronik, penelitian medis, dan bidang lainnya. Ini adalah beberapa contoh
deep learning:

1. Mobil otonom menggunakan model deep learning untuk secara otomatis rambu lalu
lintas dan pejalan kaki.
2. Sistem pertahanan menggunakan deep learning untuk secara otomatis menandai
lingkup area pada citra satelit.
3. Analisis citra medis menggunakan deep learning untuk secara otomatis mendeteksi sel
kanker untuk diagnosis medis.
4. Pabrik menggunakan aplikasi deep learning untuk secara otomatis mendeteksi saat
orang atau benda berada dalam jarak mesin yang tidak aman.

Anda dapat mengelompokkan berbagai kasus penggunaan deep learning ini ke dalam empat
kategori luas—penglihatan komputer, pengenalan ucapan, pemrosesan bahasa alami (NLP),
dan mesin rekomendasi.

2.5.1 Penglihatan komputer

Penglihatan komputer adalah kemampuan komputer untuk mengekstrak informasi dan
wawasan dari citra dan video. Komputer dapat menggunakan teknik deep learning untuk
memahami citra dengan cara yang sama seperti yang dilakukan manusia. Penglihatan
komputer memiliki beberapa aplikasi, seperti berikut ini:

1. Moderasi konten untuk menghapus konten yang tidak aman atau tidak pantas secara
otomatis dari arsip citra dan video
2. Pengenalan wajah untuk mengidentifikasi wajah dan mengenali atribut seperti mata
terbuka, kacamata, dan rambut di wajah
3. Klasifikasi citra untuk mengidentifikasi logo merek, pakaian, perlengkapan
keselamatan, dan detail citra lainnya.

BAB II PEMBAHASAN
 14

2.5.2 Pemrosesan Bahasa Alami

Komputer menggunakan algoritme deep learning untuk mengumpulkan wawasan dan
makna dari data teks serta dokumen. Kemampuan untuk memproses teks alami yang dibuat
manusia ini memiliki beberapa kasus penggunaan, termasuk dalam fungsi-fungsi berikut ini:

1. Agen virtual dan chatbot otomatis

2. Ringkasan otomatis dokumen atau artikel berita
3. Analisis kecerdasan bisnis dari dokumen dalam format panjang seperti email dan
formulir
4. Pengindeksan frasa kunci yang menunjukkan sentimen, seperti komentar positif dan
negatif di media sosial

2.5.3 Mesin rekomendasi

Aplikasi dapat menggunakan metode deep learning untuk melacak aktivitas pengguna
dan mengembangkan rekomendasi yang dipersonalisasi. Aplikasi dapat menganalisis perilaku
berbagai pengguna dan membantu mereka menemukan produk atau layanan baru. Misalnya,
banyak perusahaan media dan hiburan, seperti Netflix, Fox, dan Peacock, menggunakan deep
learning untuk memberikan rekomendasi video yang dipersonalisasi.

2.6 Bagaimana cara kerja Deep Learning?

Algoritme deep learning merupakan jaringan neural yang meniru otak manusia.
Misalnya, otak manusia memiliki jutaan neuron yang saling terhubung yang bekerja sama
untuk mempelajari dan memproses informasi. Demikian pula, jaringan neural deep learning,
atau jaringan neural buatan, terbuat dari banyak lapisan neuron buatan yang bekerja sama di
dalam komputer.

Neuron buatan adalah modul perangkat lunak yang disebut simpul, yang
menggunakan perhitungan matematika untuk memproses data. Jaringan neural buatan adalah
algoritme deep learning yang menggunakan simpul ini untuk memecahkan masalah
kompleks.

BAB II PEMBAHASAN
 15

Picture 5 - Neuron buatan Algoritme Deep Learning

2.7 Apa itu Deep Learning dalam konteks Machine Learning?

Deep learning adalah sub-kumpulan machine learning. Algoritme deep learning
muncul dalam upaya untuk membuat teknik machine learning tradisional lebih efisien.
Metode machine learning tradisional membutuhkan upaya manusia yang signifikan untuk
melatih perangkat lunak. Misalnya, dalam pengenalan gambar hewan, Anda perlu melakukan
hal berikut:

1. Memberikan label pada ratusan ribu gambar hewan secara manual.

2. Membut algoritme machine learning memproses gambar-gambar tersebut.
3. Menguji algoritme tersebut pada satu set gambar yang tidak diketahui.
4. Mengidentifikasi alasan beberapa hasil tidak akurat.
5. Meningkatkan set data dengan memberi label pada gambar baru untuk meningkatkan
akurasi hasil.

Proses ini disebut pembelajaran yang diawasi. Dalam pembelajaran yang diawasi, akurasi
hasil hanya akan meningkat jika Anda memiliki set data yang luas dan cukup bervariasi.

BAB II PEMBAHASAN
 16

2.8 Apa saja manfaat Deep Learning dibandingkan Machine Learning?

Jaringan Deep Learning memiliki manfaat berikut dibandingkan Machine Learning
tradisional.

2.8.1 Pemrosesan Data Tidak Tersruktur yang Efisien

Metode machine learning menemukan data yang tidak terstruktur, seperti dokumen teks yang
sulit untuk diproses karena set data pelatihan dapat memiliki variasi yang tak terbatas.

2.8.2 Hubungan Tersembunti yan Penemuan Pola

Aplikasi deep learning dapat menganalisis data dalam jumlah besar secara lebih
mendalam dan mengungkapkan wawasan baru yang mungkin belum dilatih. Misalnya,
pertimbangkan model deep learning yang dilatih untuk menganalisis pembelian konsumen.
Model ini memiliki data hanya untuk item yang telah Anda beli. Namun, jaringan neural
buatan dapat menyarankan item baru yang belum Anda beli dengan membandingkan pola
pembelian Anda dengan pola pelanggan serupa lainnya.

2.8.3 Pembelajaran Tanpa Pengawasan

Model deep learning dapat mempelajari dan meningkat dari waktu ke waktu
berdasarkan perilaku pengguna. Model tersebut tidak memerlukan set data berlabel dalam
variasi yang besar. Sebagai contoh, bisa dilihat di jaringan neural yang secara otomatis
mengoreksi atau menyarankan kata dengan menganalisis perilaku mengetik Anda. Mari kita
asumsikan bahwa model telah dilatih dalam bahasa Inggris dan dapat memeriksa ejaan kata-
kata bahasa Inggris. Namun, jika Anda sering mengetik kata-kata non-Inggris, seperti danke,
jaringan neural juga dapat mempelajari dan mengoreksi kata-kata ini secara otomatis.

2.8.4 Pemrosesan Data Fluktuatif

Set data yang fluktuatif memiliki variasi yang besar. Salah satu contohnya adalah
jumlah pembayaran pinjaman di bank. Jaringan neural deep learning juga dapat
mengkategorikan dan mengurutkan data tersebut, seperti dengan menganalisis transaksi
keuangan dan menandai deteksi penipuan dari beberapa transaksi tersebut.

BAB II PEMBAHASAN
 17

2.9 Pengertian Machine Learning

Picture 6 - Artificial Inteligence (AI)

Machine learning adalah sebuah cabang dari kecerdasan buatan (artificial intelligence)
yang memungkinkan komputer untuk belajar dari data dan pengalaman untuk melakukan
tugas-tugas tertentu tanpa perlu diprogram secara eksplisit. Dalam machine learning,
algoritma dan model komputer dikembangkan untuk mengidentifikasi pola dan membuat
prediksi atau pengambilan keputusan berdasarkan data yang ada. Singkatnya, machine
learning adalah tentang membuat komputer mampu belajar dan beradaptasi dari data untuk
meningkatkan kinerjanya dalam tugas-tugas tertentu.

2.9 Mengapa Machine Learning itu penting?

Machine learning sangat penting karena membawa dampak positif yang signifikan
dalam berbagai bidang kehidupan dan bisnis. Berikut adalah beberapa alasan mengapa
machine learning sangat penting:

1. Pengolahan Data yang Luar Biasa

Machine learning mampu mengatasi jumlah data yang sangat besar dan kompleks yang
sulit atau tidak mungkin untuk dikelola secara manual. Hal ini memungkinkan analisis
yang lebih mendalam dan pengambilan keputusan yang lebih baik.

BAB II PEMBAHASAN
 17

2. Prediksi dan Analisis yang Akurat

Machine learning memungkinkan prediksi yang lebih akurat dalam berbagai bidang,
seperti peramalan cuaca, analisis saham, peramalan penjualan, dan sebagainya. Ini
membantu organisasi membuat keputusan yang lebih baik.

3. Keamanan dan Deteksi Anomali

Machine learning dapat digunakan untuk mendeteksi anomali dan serangan keamanan
komputer dengan lebih efektif daripada metode tradisional, membantu melindungi sistem
dan data dari potensi pelanggaran.

4. Pengembangan Kecerdasan Buatan

Machine learning adalah komponen penting dalam pengembangan kecerdasan buatan

yang lebih canggih, termasuk robotika dan kendaraan otonom.

BAB II PEMBAHASAN
 19

BAB III

PENUTUP
3.1 Kesimpulan
Dalam keseluruhan, AI telah membawa perubahan besar pada industri di Indonesia.
Dari eksplorasi hingga produksi dan pemeliharaan, kecerdasan buatan telah membantu dalam
meningkatkan efisiensi, efektivitas, dan keselamatan kerja di industri ini. Dengan lebih
banyak perusahaan dan pemerintah di Indonesia yang mengadopsikan teknologi AI,
diharapkan bahwa industri minyak dan gas dapat lebih maju dan berkembang di masa depan.

Namun, ada juga beberapa tantangan dalam penggunaan AI dalam industri di

indonesia. Salah satunya adalah ketergantungan pada teknologi. Dalam situasi di mana sistem
AI gagal atau terganggu, industri minyak dan gas dapat mengalami downtime yang mahal
dan berdampak pada produktivitas dan keuntungan perusahaan.

3.2 Saran

Penggunaan AI dalam industri dapat memberikan banyak manfaat, tetapi juga

memerlukan perencanaan dan manajemen yang cermat untuk memastikan kesuksesan dan
kepatuhan dengan regulasi yang berlaku, serta selalu mengutakan keselamatan dan
penggunaan yang tidak melibihi batas yang sudah berlaku di setiap perusahaan maupun di
pemerintahan.

BAB III PENUTUP

 20

DAFTAR PUSTAKA

FPJ Web Desk. Heres all about machine learning models. Free Press Journal. Published
March 6, 2023. Accessed November 1, 2023. https://www.freepressjournal.in/business/heres-
all-about-machine-learning-models

Apa itu Deep Learning? - Penjelasan tentang Deep Learning - AWS. Amazon Web Services,
Inc. Published 2017. Accessed November 1, 2023. https://aws.amazon.com/id/what-is/deep-
learning/
‌
Dicoding Intern. Apa itu Machine Learning? Beserta Pengertian dan Cara Kerjanya -
Dicoding Blog. Dicoding Blog. Published August 18, 2020. Accessed November 1, 2023.
https://www.dicoding.com/blog/machine-learning-adalah/
‌
FTIK. KECERDASAN BUATAN MEMBAWA PERUBAHAN BESAR PADA INDUSTRI
DI INDONESIA – FTIK Teknokrat. Teknokrat.ac.id. Published 2023. Accessed November 1,
2023. https://ftik.teknokrat.ac.id/kecerdasan-buatan-membawa-perubahan-besar-pada-
industri-di-indonesia/#:~:text=Dalam%20industri%20manufaktur%2C%20AI
%20dapat,pasok%20dan%20memprediksi%20permintaan%20pasar.&text=Industri
%20produksi%20di%20Indonesia%20telah,produksi%2C%20dan%20memperkirakan
%20waktu%20perbaikan.
‌
Teknologi Inti Revolusi Industri 4.0 | Indonesia Baik. Indonesiabaik.id. Published 2017.
Accessed November 1, 2023. https://indonesiabaik.id/infografis/teknologi-inti-revolusi-
industri-40

DAFTAR PUSTAKA