Artificial Intelligence
Artificial
Intelligence adalah sebuah sistem pada sebuah komputer agar komputer dapat
berpikir dan bekerja seperti layaknya manusia (Kusumadewi, 2003).
Konsep Dasar AI
a. Pembelajaran
Mesin (Machine Learning)
Saat ini mungkin tanpa sadar kita sudah berinteraksi
dengan beberapa bentuk kecerdasan buatan dalam aktivitas sehari-hari. Misalnya
saja jika Anda menggunakan Gmail, Anda dapat menikmati fitur penyaringan email
otomatis atau jika Anda memiliki ponsel cerdas, Anda mungkin bisa mengisi
kalender dengan bantuan Siri. Meskipun perangkat lunak ini sangat membantu,
perangkat tersebut tidak memiliki kemampuan untuk belajar secara mandiri. Hal
itu dikarenakan perangkat tadi tidak bisa berpikir di luar kode yang sudah
diberikan kepada mereka. Pembelajara mesin adalah cabang dari AI yang bertujuan
untuk memberikan mesin kemampuan dalam mempelajari tugas tanpa kode yang sudah
ada. Dalam istilah yang paling sederhana, mesin tersebut akan diberikan contoh
uji coba dalam jumlah yang besar untuk tugas tertentu. Ketika mesin tadi
menjalani uji coba, mesin itu akan belajar dan mengadaptasi strategi yang
sesuai untuk mencapai tujuan yang diinginkan. Misalnya, mesin pengenal gambar
dapat diberikan jutaan gambar untuk dianalisis. Setelah melalui permutasian
yang panjang, mesin akan memperoleh kemampuan untuk mengenali pola, bentuk,
wajah, dan masih banyak lagi.
b. Pembelajaran
Mendalam (Deep Learning)
Pembelajaran mendalam adalah teknik pembelajaran
mesin yang mengajarkan komputer untuk melakukan apa yang secara alami terjadi
pada manusia: belajar dengan cara mencontoh. Pembelajaran mendalam adalah
teknologi utama di balik mobil tanpa kemudi (driveless car). Itu memungkinkan
mereka untuk mengenali tanda berhenti, atau untuk membedakan pejalan kaki
dengan tiang lampu. Ini adalah kunci dari kontrol suara di perangkat konsumen
seperti ponsel, tablet, TV, dan speaker hands-free. Pembelajaran mendalam
mendapatkan banyak perhatian belakangan ini karena dapat mencapai hasil yang
sebelumnya tidak mungkin. Dalam deep learning, model komputer belajar untuk
melakukan tugas klasifikasi langsung dari gambar, teks, atau suara. Model
pembelajaran yang mendalam dapat mencapai akurasi yang canggih, terkadang
melebihi kinerja tingkat manusia. Model dilatih dengan menggunakan set besar
data berlabel dan arsitektur jaringan saraf yang berisi banyak lapisan.
c. Jaringan
Saraf Tiruan (Neural Network)
Neural Network atau juga disebut sebagai jaringan
saraf tiruan adalah berbagai teknologi pembelajaran yang mendalam, yang juga
berada di bawah naungan kecerdasan buatan atau AI. Neural Network adalah
paradigma pemrosesan informasi yang terinspirasi dari cara sistem saraf
biologis, seperti otak yang memproses informasi. Kunci elemen dari paradigma
ini adalah struktur novel dari sistem pemrosesan informasi.
Neural Network dikonfigurasikan untuk aplikasi
tertentu, seperti pengenalan pola atau klasifikasi data melalui proses
pembelajaran. Jaringan ini terdiri dari sejumlah besar elemen pemrosesan yang
sangat saling berhubungan (neuron) yang bekerja bersama untuk memecahkan
masalah tertentu. Aplikasi komersial dari teknologi ini umumnya berfokus pada
penyelesaian pemrosesan sinyal yang kompleks atau masalah pengenalan pola.
Contoh aplikasi komersial yang signifikan sejak tahun 2000 meliputi pengenalan
tulisan tangan untuk pemrosesan cek, transkripsi ucapan menjadi sebuah teks,
analisis data, dan prediksi cuaca dan pengenalan wajah.
Jaringan saraf tiruan ini terinspirasi oleh hal-hal
yang kita temukan dalam biologi kita sebagai manusia. Cara Neural Network
memahami sesuatu sama seperti manusia yaitu belajar dengan cara mencontoh.
Model jaringan saraf menggunakan prinsip matematika dan ilmu komputer untuk
meniru proses otak manusia. Jaringan saraf tiruan mencoba mensimulasikan proses
sel-sel otak yang saling berhubungan erat, tetapi bukannya dibangun dari
biologi, neuron-neuron ini dibangun dari kode atau biasa disebut node.
Cara Kerja AI
Contohnya ialah produk perusahaan Apple.
Inc, Apple memiliki system asisten berupa SIRI, asisten komputer yang Apple
sediakan pada hampir semua produk elektroniknya mulai dari smartphone, laptop,
hingga komputer desktop. Tampilan antar pengguna SIRI berupa suara manusia yang
terlihat natural untuk diajak berkomunikasi layaknya manusia pada umumnya.
Fungsi SIRI pada perangkat Apple sendiri adalah untuk membantu pengguna
mendapatkan informasi, memberikan arahan pada peta, mengatur jadwal dan event,
hingga melakukan panggilan ke nomor yang disebutkan. Dilengkapi dengan
algoritma Machine Learning membuat SIRI mampu bertambah pintar setiap saat
karena mempelajari setiap kebiasaan pengguna sebagai modal di masa mendatang.
Jurnal “Sistem Pakar Analisis
Kepribadian Diri dengan Metode Certainty
Factor”
Metode
forward chaining ialah pencarian
yang dimotori data (data driven search).
Jadi pencarian dimulai dari premis-premis atau informasi masukan (if) dahulu kemudian menuju konklusi atau
derived information (then).
Data Flow Diagram
adalah suatu diagram yang
menggunakan notasi-notasi untuk menggambarkan arus dari data pada suatu sistem atau
menjelaskan proses kerja suatu sistem, yang penggunaannya sangat membantu untuk
memahami sistem secara logika, tersruktur dan jelas.
Sistem pakar (expert system)
adalah sistem yang berusaha mengadopsi
pengetahuan manusia ke komputer,
agar komputer dapat
menyelesaikan masalah seperti
yang biasa dilakukan oleh para
ahli.
Metode Certainty Factor
adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti ataukah
tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar.
Fuzzy Logic
adalah merupakan suatu cara yang tepat untuk memetakan suatu ruang input ke
dalam suatu ruang output didasari oleh konsep himpunan fuzzy.
Forward Chaining
adalah metode pencarian
atau teknik pelacakan
ke depan yang dimulai
dengan informasi yang
ada dan penggabungan ruleuntuk menghasilkan suatu kesimpulan atau
tujuan.
Openness to Experiences
Dimensi Kepribadian ini mengelompokan individu berdasarkan ketertarikannya
terhadap hal-hal baru dan keinginan untuk mengetahui serta mempelajari sesuatu
yang baru. Karakteristik positif pada Individu yang memiliki dimensi ini
cenderung lebih kreatif, Imajinatif, Intelektual, penasaran dan berpikiran
luas.
Conscientiousness
Individu yang memiliki Dimensi Kepribadian Conscientiousness
ini cenderung lebih berhati-hati dalam melakukan suatu tindakan ataupun penuh
pertimbangan dalam mengambil sebuah keputusan, mereka juga memiliki disiplin
diri yang tinggi dan dapat dipercaya. Karakteristik Positif pada dimensi adalah dapat diandalkan, bertanggung jawab,
tekun dan berorientasi pada pencapain.
Extraversion
Dimensi Kepribadian Extraversion ini berkaitan dengan tingkat kenyamanan
seseorang dalam berinteraksi dengan orang lain. Karakteristik Positif Individu
Extraversion adalah senang bergaul,
mudah bersosialisasi, hidup berkelompok dan tegas.
Agreeableness
Individu yang berdimensi Agreableness ini cenderung lebih patuh dengan individu
lainnya dan memiliki kepribadian yang ingin menghindari konfilk. Karakteristik
Positif-nya adalah kooperatif (dapat bekerjasama), penuh kepercayaan, bersifat
baik, hangat dan berhati lembut serta suka membantu.
Neuroticism
adalah dimensi kepribadian yang menilai kemampuan seseorang dalam menahan
tekanan atau stress. Karakteristik Positif dari Neuroticism disebut dengan
Emotional Stability (Stabilitas Emosional), Individu dengan Emosional yang
stabil cenderang Tenang saat menghadapi masalah, percaya diri, memiliki
pendirian yang teguh.
DAFTAR PUSTAKA
Andreyana, P. V., Piarsa, I. N., &
Buana, P. W. (2015). Sistem Pakar Analisis Kepribadian Diri dengan Metode
Certainty Factor. Merpati, 3(2), 78–86.
Kusumadewi, S.(2003). Artificial
intelligence (teknik dan aplikasinya). Yogyakarta: Graha Ilmu
https://saraholiviameily.wordpress.com/2016/10/01/definisi-dfd-data-flow-diagram/
http://yuk-belajar-online.blogspot.com/2014/10/metode-certainty-factor-cf.html
https://ndoware.com/fuzzy-logic-logika-fuzzy-bagian-i.html
https://ipqi.org/teori-kepribadian-model-lima-besar-big-five-personality/
