ARTIFICIAL INTELLIGENCE (AI)  

MASA KINI DAN MASA YANG AKAN DATANG

Artificial Inteligence atau Kecerdasan Buatan adalah sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.

Supaya komputer dapat bertindak seperti atau serupa dengan manusia, maka komputer harus diberi bekal pengetahuan, dan mempunyai kemampuan untuk menalar.  Penerapan bidang AI beraneka ragam. Tujuan dari sistem kecerdasan buatan dapat dibagi dalam 4 kategori [5]

  • Sistem yang dapat berfikir seperti manusia (Bellman, 1978)
  • Sistem yang dapat berfikir secara rasional ( Winston, 1992)
  • Sistem yang dapat beraksi seperti manusia (Rich and Knight, 1991)
  • Sistem yang dapat beraksi secara rasional (Nilsson, 1998)[4]

            Perkembangan kecerdasan buatan dapat dikelompokkan sebagai berikut :

  1. Sistem Pakar (Expert System)

Komputer sebagai sarana untuk menyimpan pengetahuan para pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan meniru keahlian yang dimiliki pakar. Beberapa contoh Sistem Pakar yaitu :

  • MYCIN : Diagnosa penyakit
  • DENDRAL : Mengidentifikasi struktur molekular campuran yang tak dikenal
  • XCON & XSEL : Membantu konfigurasi sistem komputer besar
  • SOPHIE : Analisis sirkit elektronik
  • Prospector : Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit
  • FOLIO : Membantu memberikan keutusan bagi seorang manajer dalam hal stok broker dan investasi
  • DELTA : Pemeliharaan lokomotif listrik disel
  1. Pengolahan Bahasa Alami (Natural Language Processing)

Mempelajari bagaimana bahasa alami itu diolah sedemikian hingga user dapat berkomunikasi dengan komputer. Konsentrasi ilmu ini adalah interaksi antara komputer dengan bahasa natural yang digunakan manusia, yakni bagaimana komputer melakukan ekstraksi informasi dari input yang berupa natural language dan atau menghasilkan output yang juga berupa natural language, misalnya pada system Automated online assistant deteksi email spam yang cerdas.

Contoh aplikasi pengolahan bahasa alami lainnya adalah :

  • Text-based application adalah segala macam aplikasi yang melakukan proses terhadap teks tertulis seperti misalnya dokumen, e-mail, buku dan sebagainya. Contoh jenis aplikasi NLP yang berbasis teks :Machine Translation
                  Program yang mampu mentranslasi kalimat baik berupa teks maupun suara dari satu bahasa alami ke bahasa lainnya. Contoh : Google Translate.
  • Dialogue-based application idealnya melibatkan bahasa lisan atau pengenalan suara, akan tetapi bisa juga memasukan interaksi dialog dengan mengetikkan teks pertanyaan melalui keyboard. Contoh : Chatbot
                   Chatbot adalah program komputer yang didesain untuk mensimulasikan sebuah percakapan cerdas dengan satu atau lebih pengguna manusia melalui inputan suara atau teks, utamanya digunakan untuk percakapan kecil. Contoh : Cleverbot, SimSimi, dan begobet.
  1. Computer Vision

Menginterpretasikan gambar atau objek-objek tampak melalui komputer. Contoh aplikasi dari computer vision yang dapat ditemui pada berbagai bidang, seperti:

  • Industri : biasanya CV digunakan membantu proses otomasi industri, misalnya untuk quality control dimana computer vision berfungsi untuk melakukan pemeriksaan akhir terhadap produk untuk menemukan apakah ada cacat produksi. Dalam bidang industri terkadang disebut sebagai machine vision karena biasanya dihubungankan dengan perangkat lain.
  • Robotika : digunakan untuk mengenali lingkungan sekitar, misalnya mobile robot, lengan robot yang dapat mengenali objek, drone robot (pesawat robot tanpa awak), robot humanoid, robot penjelajah, dll.
  • Otomotif : misalnya pada autonomus vehicle, fitur keselamatan rem otomatis untuk menghindari tabrakan dengan penyeberang jalan ataupun objek lain.
  • Pendeteksi : misalnya alat presensi yang dapat mengenali wajah, alat pendeteksi tanda tangan, alat penghitung jumlah kendaraan yang melintasi jalan, dll.
  • Medis : biasanya digunakan untuk menangkap, mengolah, dan menganalisis gambar yang ditangkap dari pasien untuk mendiagnosis penyakit. Umumnya data gambar diambil dari mikroskop, x-ray, angiopraphy, ultrasonik, dan tomography. Aplikasi di bidang medis juga termasuk peningkatan kualitas gambar yang diinterpretasikan oleh manusia, misalnya gambar ultrasonik atau gambar X-ray, untuk mengurangi pengaruh noise.
  1. Game Playing

Penerapan kecerdasan buatan pada game lebih banyak pada pencarian stategi, seperti pada permainan catur, tic tac toe, game perang.

  1. Robitik

Contohnya robot yang dapat menari, robot yang dapat menuangkan teh, robot yang dapat memadamkan api, dan masih banyak lagi

 

KECERDASAN BUATAN DI MASA YANG AKAN DATANG

  1. Robot ahli gizi, dimana robot ini dapat mengetahui kandungan pada suatu makanan tertentu, dapat menyarankan menu makanan yang cocok untuk user, dapat menghitung asupan gizi yang masuk pada kita.
  2. Mobil yang melaju menggunakan suara, jadi yang kita lakukan cukup dengan berbicara saja.
  3. Laptop, dimana laptop tersebut dapat mengetahui kondisi mata user. Pencahayaan pada laptop dapat disesuaikan dengan pencahayaan dalam ruangan dan menyesuaikan dengan yang baik untuk kondisi mata user.

 

http://noteinformatic.blogspot.co.id/2015/11/sistem-pakar-dan-kecerdasan-buatan.html

http://taratri.blogspot.co.id/2016/12/pengolahan-bahasa-alami-natural_10.html

http://socs.binus.ac.id/2012/06/06/mengenal-kecerdasan-buatan-kini-dan-akan-datang/

http://ardiwinahyu.blogspot.co.id/2015/04/pengertian-computer-vision-dan.html

PEMBANGUNAN KNOWLEDGE MANAGEMENT SYSTEM PADA SERVER CS.UPI.EDU

Perkenalkan nama saya Yuniarti Musa’adah. Disini saya akan menjelaskan mengenai proyek yang akan kami buat.

Proyek kelompok kami adalah membuat Aplikasi Knowledge Management System (KMS) berbasis web. Tujuan dari pembuatan Aplikasi KMS adalah untuk mendukung pembelajaran suatu mata kuliah agar menjadi lebih efektif dengan menfasilitasi penangkapan, penyimpanan, pencarian, pemindahan dan penggunaan kembali pengetahuan. Aplikasi KMS ini akan dibuat pada server cs.upi.edu dan digunakan di lingkungan internal.

Proyek ini akan dikerjakan oleh kelompok 2 dari mata kuliah Rekayasa Perangkat Lunak yang berkalaborasi serta dibantu oleh kelompok 2 mata kuliah Managemen Proyek Perangkat Lunak. Diperkirakan pengerjaan proyek akan dimulai pada tanggal 1 Maret 2017 sampai dengan 30 April 2017 dengan estimasi dana awal yang dibutuhkan sebesar Rp 5.000.000,-. Metode pengembangan yang digunakan pada proyek ini adalah metode scrum yaitu metode yang cocok untuk ukuran tim kecil agar dapat memperlancar komunikasi, mengurangi biaya dan memberdayakan satu sama lain serta dapat beradaptasi terhadap perubahan teknis maupun bisnis.

Pendekatan yang akan kami lakukan dalam pembuatan proyek aplikasi KMS yaitu :

  1. Analisis kebutuhan alokasi server pada cs.upi.edu untuk aplikasi
  2. Buat desain aplikasi berupa Data Flow Diagram (DFD).
  3. Rancang basis data aplikasi dengan desain berupa Contextual Data Model (CDM).
  4. Buat maket dari aplikasi berupa maket UI.
  5. Implementasikan desain aplikasi dan rancangan basis data aplikasi menjadi aplikasi berbasis web.
  6. Publikasikan aplikasi pada server.
  7. Lampirkan laporan status secara berkala.

Berikut ini adalah nama-nama serta peran dalam proyek Aplikasi KMS.

No.

Nama

Peran

1.

Haikal Adha H.

Manager Proyek

2.

Agung Cahya Gumilar

Ketua divisi yang menangani Front End

3.

Lingga Setyagusti

Ketua divisi yang menangani Back End

4.

Velina Rehulina Nanjar Hayati

Ketua divisi yang menangani arsitektur aplikasi

5.

Arin Fitrianda

Anggota divisi Front End dan arsitektur aplikasi

6.

Galih Abdul Muhyi

Anggota divisi arsitektur aplikasi

7.

Khamal Fauzan Somantri

Anggota divisi Back End

8.

Vicry Faturohman

Anggota divisi Front End

9.

Yuniarti Musa’adah

Anggota divisi Back End