ARTIFICIAL INTELLIGENCE

Anggota’’ Kelompok 1
1. Josua G. Randa
2. Binyedi B. Yensenem
3. Yustivi Pago
4. Rianti Betteng
5. Calvin S. Sikoway
6. Klif Patrik Msiren
7. M Bambang Irawan
8. Mehza Refliyand
9. Marsel
 KONSEP AI /KECERDASAN BUATAN

Artificial Intelligence atau biasa di singkat AI adalah

kecerdasan buatan yang di tambahkan ke dalam suatu sistem ,
software maupun mesin yang bisa diatur konteks ilmiah nya
agar bisa melakukan pekerjaan dan cara berpikir seperti yang
dilakukan oleh manusia yang dengan tujuan agar sebuah
pekerjaan atau pemecahan suatu masalah bisa dilakukan dengan
lebih mudah dan efisien. AI sebenarnya sangat bermanfaat di
berbagai bidang , dalam industri game, perfilman , bisnis,
pendidikan, bahkan dalam bidang pertahanan dan keamanaan
negara.
 PENGERTIAN AI MENURUT PARA AHLI

• Menurut Turban (1995), Artificial Intelligence adalah Ilmu yang

mempelajari cara membuat komputer dapat bertindak dan memiliki
kecerdasan seperti manusia
• Menurut Ensiklopedi Britannica,Artificial Intelligence adalah Cabang
dari ilmu komputer yang dalam merepresentasikan pengetahuan lebih
banyak menggunakan bentuk simbol-simbol daripada bilangan dan
menggunakan metode heuristic atau dengan berdasarkan sejumlah
aturan.
Tujuan Adanya Artificial Intelligence

• Membentuk teknologi atau mesin yang lebih pintar

Tujuan utama dikembangkannya kecerdasan buatan yaitu untuk
membuat suatu teknologi atau mesin menjadi lebih pintar
sehingga akan memudahkan pekerjaan manusia. Contoh
gampangnya bisa anda lihat di komputer. Selain untuk
mengetik, komputer sekarang dikembangkan menjadi lebih
pintar sehingga bisa untuk bermain game, mengedit video dan
foto, serta bisa digunakan untuk banyak kegiatan bermanfaat
lainnya.
• Memahami kecerdasan
Tujuan ilmiah dibentuknya teknologi kecerdasan ini ialah untuk
membuat suatu mesin yang mampu memahami kecerdasan
seperti bisa memecahkan masalah dengan lebih cepat, lebih
teliti, lebih efektif, dan efisien. 
• Membuat suatu teknologi yang lebih bermanfaat
Dari segi entrepreneurial kecerdasan buatan mampu membuat suatu usaha
mendapatkan hasil lebih maksimal karena teknologi dengan AI akan mempermudah
pekerjaan. Suatu pekerjaan akan terasa ringan dan bisa selesai dalam waktu cepat. 

Secara garis besar sebuah kecerdasan buatan dapat melakukan salah satu dari keempat
faktor berikut.
1.Acting humanly, sistem yang dapat bertindak layaknya manusia.
2.Thinking humanly, sistem yang bisa berpikir seperti halnya manusia.
3.Think rationally, sistem yang mampu berpikir secara rasional.
4.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 contoh dari penerapan AI yang
biasa kita jumpai dalam kehidupan sehari-hari.
1. DeepFace Facebook
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
2. Rekomendasi E-Commerce
Konsep penerapan AI yang sering kita jumpai salah satunya adalah rekomendasi
produk pada e-commerce. Mungkin kita pernah berbelanja di salah satu e-
commerce dan ketika kita berbelanja ada produk-produk yang direkomendasikan
untukmu. Produk yang direkomendasikan tersebut bukan dari seseorang yang
memprediksi kira-kira kita 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 kita sendiri, misalnya ketika kita melakukan
pencarian produk, pembelian produk dan kita 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 kita.
3. Asisten Virtual
• 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 kita ajak berinteraksi. Selain itu asisten virtual dapat
mencatat kapan kita ada janji atau acara dan memberikan
informasi ketika waktu acara yang ditentukan segera tiba.
• Asisten virtual ini juga bisa kita perintah untuk melakukan
pengiriman pesan, memutar musik, membuka aplikasi dan lain
sebagainya. Asisten virtual ini juga akan terus belajar seiring kita
menggunakannya, sehingga asisten virtual dapat mengetahui apa
yang kita sukai dan hal apa yang biasa kita 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
Jenis – jenis Kecerdasan buatan
Jenis – jenis AI Dalam perkembangannya kecerdasan buatan dapat dikelompokkan :
• Sistem Pakar ( Expert System ) komputer sebagai sarana untuk menyimpan
pengetahuan para pakar sehingga komputer memiliki keahlian menyelesaikan
permasalahan dengan meniru keahlian yang dimiliki pakar .
• Pengolahan Bahasa Alami ( Natural Language Processing ) user dapat berkomunikasi
dengan komputer menggunakan bahasa sehari - hari , misal bahasa inggris , bahasa
indonesia , dan sebagainya .
• Pengenalan Ucapan ( Speech Recognition ),manusia dapat berkomunikasi dengan
komputer menggunakan suara .
• Robotika & Sistem Sensor ,sensor yang digunakan untuk mengestimasi kondisi
dan lingkungan robot. Sinyal ini dilewatkan ke controller untuk
memungkinkan perilaku yang sesuai.
• Computer Vision,menginterpretasikan gambar atau objek - objek
tampak melalui komputer .
• Intelligent Computer - Aided Instruction komputer dapat digunakan
sebagai tutor yang dapat melatih & mengajar .
• Game Playing,desain program kecerdasan buatan untuk dapat
memainkan lebih dari satu game dengan sukses. Untuk banyak
permainan seperti catur, komputer diprogram untuk memainkan
permainan ini menggunakan algoritma yang dirancang khusus, yang
tidak dapat ditransfer ke konteks lain. Game playing secara umum
dianggap sebagai tonggak penting dalam perjalanan menuju Artificial
General Intelligence
• Soft Computing,sebuah inovasi dalam membangun sistem cerdas .
Apa itu Data mining ?

• Disiplin ilmu yang mempelajari metode untuk mengekstrak

pengetahuan atau menemukan pola dari suatu data yang
besar.
• Data Mining Menurut John Naisbitt (Larose, 2005) bahwa
kita terbenam di dalam data, namun kita kekurangan
informasi dan pengetahuan. Hal tersebut menjadi gambaran
apa yang telah terjadi pada hari ini, bahwa skala volume
data yang jumlahnya sangat besar tersebut hanya menjadi
sampah dimemori penyimpanan saja, apabila tidak diolah
menjadi informasi.
• ekstraksi dari data ke pengetahuan :
1. Data : fakta yang terekam dan tidak membawa arti
2. Informasi : Rekap, rangkuman, penjelasan dan statistik
dari data
3. Pengetahuan : pola, rumus, aturan atau model yang
muncul dari data
Konsep Proses Data Mining

Metode Data
Himpunan Data
Mining Pengetahuan

1. Dataset/Himpunan Data adalah sebuah

himpunan data yang berasal dari informasi
masa-masa lampau dan dikelola menjadi
sebuah informasi untuk melakukan teknik
dari ilmu data mining.
 Tipe Data pada Data Mining

Tipe Data dapat dibagi menjadi 2 yaitu : Numerik dan Kategorial

1. Numerik terdapat 2 jenis atribut yaitu :
• Ratio adalah data yang diperoleh dengan cara pengukuran, dimana jarak dua titik
pada skala sudah diketahui, serta Mempunyai titik nol yang absolut.
• Interval adalah data yang diperoleh dengan cara pengukuran, dimana jarak dua
titik pada skala sudah diketahui dan tidak mempunyai titik nol yang absolut
2. Kategorial terdapat 2 jenis atribut yaitu
• Ordinal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi tetapi
diantara data tersebut terdapat hubungan atau berurutan
• Nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi dan
menunjukkan beberapa object yang berbeda.
2. Metode Data Mining
Pengolahan data menjadi informasi/pola/pengetahuan yang berguna dibutuhkan
peranan data mining di dalamnya. Secara umum terdapat 5 (lima) peranan dalam
data mining, yaitu estimasi, prediksi, klasifikasi, klustering, dan asosiasi.
 Sebagai suatu rangkaian proses, data mining dapat dibagi menjadi beberapa tahap. Tahap-
tahap tersebut bersifat interaktif di mana pemakai terlibat langsung atau dengan perantaraan
knowledge base. Tahapan-tahapan tersebut, diantaranya :
• Pembersihan data
Pada umumnya data yang diperoleh, baik dari database suatu perusahaan
maupun hasil eksperimen, memiliki isian-isian yang tidak sempurna seperti data
yang hilang, data yang tidak valid atau juga hanya sekedar salah ketik. Selain itu, ada
juga atribut-atribut data yang tidak relevan dengan hipotesa data mining yang kita
miliki.
• Integrasi data
Integrasi data dilakukan pada atribut-aribut yang mengidentifikasikan entitas-
entitas yang unik seperti atribut nama, jenis produk, nomor pelanggan dsb. Integrasi
data perlu dilakukan secara cermat karena kesalahan pada integrasi data bisa
menghasilkan hasil yang menyimpang dan bahkan menyesatkan pengambilan aksi
nantinya. Sebagai contoh bila integrasi data berdasarkan jenis produk ternyata
menggabungkan produk dari kategori yang berbeda maka akan didapatkan korelasi
antar produk yang sebenarnya tidak ada.
• Transformasi data
Beberapa teknik data mining membutuhkan format data yang khusus sebelum
bisa diaplikasikan. Sebagai contoh beberapa teknik standar seperti analisis
asosiasi dan klastering hanya bisa menerima input data kategorikal. Karenanya
data berupa angka numerik yang berlanjut perlu dibagi-bagi menjadi beberapa
interval. Proses ini sering disebut binning.
• Aplikasi teknik data mining
Aplikasi teknik data mining sendiri hanya merupakan salah satu bagian dari
proses data mining. Ada beberapa teknik data mining yang sudah umum dipakai.
Kita akan membahas lebih jauh mengenai teknik-teknik yang ada di seksi
berikutnya. Perlu diperhatikan bahwa ada kalanya teknik-teknik data mining
umum yang tersedia di pasar tidak mencukupi untuk melaksanakan data mining
di bidang tertentu atau untuk data tertentu.
• Evaluasi pola yang ditemukan
Dalam tahap ini hasil dari teknik data mining berupa pola-pola yang khas
maupun model prediksi dievaluasi untuk menilai apakah hipotesa yang ada
memang tercapai. Bila ternyata hasil yang diperoleh tidak sesuai hipotesa ada
beberapa alternatif yang dapat diambil seperti : menjadikannya umpan balik
untuk memperbaiki proses data mining, mencoba teknik data mining lain yang
lebih sesuai, atau menerima hasil ini sebagai suatu hasil yang di luar dugaan
yang mungkin bermanfaat.
• Presentasi pola yang ditemukan untuk menghasilkan aksi
Tahap terakhir dari proses data mining adalah bagaimana memformulasikan
keputusan atau aksi dari hasil analisa yang didapat. Ada kalanya hal ini harus
melibatkan orang-orang yang tidak memahami data mining. Karenanya presentasi
hasil data mining dalam bentuk pengetahuan yang bisa dipahami semua orang
adalah satu tahapan yang diperlukan dalam proses data mining.
Trima kasih
