PENGANTAR TEKNOLOGI SISTEM CERDAS ARTIKEL ILMIAH ARTFICIAL INTELLIGENCE

 

 

PENGANTAR TEKNOLOGI SISTEM CERDAS

ARTIKEL ILMIAH ARTFICIAL INTELLIGENCE

Dosen: Imam Ahmad Trinugroho, ST., MMSI.

 

 

Disusun oleh :

 

Salsabila Nuraddina   

12118651

3KA22

 

 

 

UNIVERSITAS GUNADARMA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

JURUSAN SISTEM INFORMASI

PTA 2020/2021

 

 

 

 

Kecerdasan Buatan (Artificial Intelligence)

Pada penulisan kali ini saya akan membahas tentang Kecerdasan Buatan (Artificial Intelligence) yang sangat membantu kehidupan serta membangun inovasi teknologi pada jaman sekarang ini. Pembahasannya dimulai dari Definisi, Sejarah, Konsep dasar, hingga implementasi Kecerdasan Buatan (Artificial Intelligence) itu sendiri.

I.                   Definisi Kecerdasan Buatan (Artificial Intelligence)

Pertama disini saya akan membahas dari Definisi Kecerdasan Buatan (Artificial Intelligence) menurut para Ahli :

a.      John McCarthy, 1956

Kecerdasan buatan adalah usaha memodelkan proses berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia.

b.      Herbert Simon, 1987

Kecerdasan buatan adalah tempat suatu penelitian, aplikasi, dan instrusksi yang terkait dengan pemrograman komputer dalam melakukan suatu hal yang menurut pandangan manusia ⎼ cerdas.

Kesimpulan yang dapat diambil dari beberapa ahli serta pendapat dari penulis adalah kecerdasan buatan merupakan suatu keilmuan cerdas yang diperoleh dari pemikiran manusia dalam bentuk pemberian/pembentukan informasi sehingga terbentuk teknologi computer yang semakin berkembang. 

II.                Sejarah Kecerdasan Buatan (Artificial Intelligence)

McMulloh dan Pitts pada tahun 1943 mengusulkan model matematis bernama perceptron dari neuron di dalam  otak.  Sumbangan terbesar di bidang AI diawali pada paper Alan Turing, pada tahun 1950 yang mencoba menjawab  “Dapatkah computer berfikir” dengan menciptakan mesin Turing.  Paper Alan Turing pada tahun 1950 berjudul “Computing Machineri and Intelligence” mendiskusikan syarat sebuah mesin dianggap cerdas.

Pada akhir 1955, Newell dan Simon mengembangkan  The Logic Theorist, program AI pertama. Program ini merepresentasikan  masalah sebagai model pohon, lalu penyelesaiannya dengan  memilih cabang yang akan menghasilkan kesimpulan terbenar.

Pada tahun 1956 John McCarthy dari  Massacuhetts Institute of Technology dianggap sebagai bapak AI, menyelenggarakan konferensi untuk menarik para ahli komputer bertemu, dengan  nama kegiatan “The Dartmouth summer research project on artificial intelligence.” mempertemukan para pendiri dalam AI, dan bertugas untuk meletakkan dasar bagi masa depan  pemgembangan dan penelitian AI.  John McCarthy  di saat itu mengusulkan definisi AI adalah “ AI merupakan cabang dari ilmu komputer yang berfokus pada pengembangan komputer untuk dapat memiliki kemampuan dan  berprilaku  seperti manusia” .

(Gambar  1.1. John McCarthy, dikenal sebagai Bapak AI)

Pada  tahun 1960 hingga 1970, muncul berbagai dikusi bagaimana komputer dapat meniru sedetail mungkin pada kemampuan otak manusia, dimana saat itu dapat dikategorikan sebagai “classical AI”.

Pada tahun 1980, dimana computer yang semakin mudah diperoleh dengan harga yang lebih murah menjadikan berbagai riset di bidang kecerdasan buatan berkembang sangat pesat pada berbagai universitas.  

 

III.             Konsep dasar Kecerdasan Buatan (Artificial Intelligence)

A.    Pembelajaran Mesin (Machine Learning)

Pembelajaran 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. 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). 

C.    Jaringan Saraf Tiruan (Neural Network)

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. 

IV.             Contoh Implementasi Kecerdasan Buatan (Artificial Intelligence)

Spotify  Menggunakan Kecerdasan Buatan yang bernama Machine Learning untuk meningkatkan keakuratan dalam memberikan playlist pilihan kepada para penggunanya. Dengan playlist bernama Discover Weekly, Spotify akan merekomendasikan beberapa lagu yang kemungkinan akan disukai oleh pendengarnya. Hal pertama yang dilakukan adalah mendapatkan  data lagu berbahasa Indonesia. namun tentunya tidak semua lagu berbahasa Indonesaia akan dipakai dalam penelitian ini. Hanya 300 lagu yang paling popular saja yang dipakai. Penulis memakai dataset lebih dari 180 lagu dengan harapan hasilnya diatas 80%. Alasan kenapa dataset tidak memakai lebih dari 300 lagu terpopuler yang dipakai karena semakin tidak popular lagu, maka data lirik lagu nantinya semakin sulit didapatkan. Dengan mempertimbangkan ketersedian layanan penyedia data, maka penulis memutuskan memakai API Spotify karena Spotify menyediakan API untuk melakukan pencarian dan juga menyediakan data  popularitas lagu. Pihak Spotify tidak memberitahukan bagaimana data popularitas dihitung. Pada halaman dokumentasinya Spotify hanya memberi informasi bahwa nilai popularitas berkisar dari 0 sampai 100 dan semakin tinggi nilainya maka semakin populer sebuah lagu akhir-akhir ini.

Tahap kedua penulis mengumpulkan data tentang karakteristik audio lagu dalam hal itu penulis menggunakan API spotify. Istilah di dalam API Spotify disebut audio feature.  Data- data tersebut sangat mewakili karakteristik sebuah lagu sehingga penulis memutuskan untuk memakai data ini.  Data  yang disediakan adalah duration, key, mode, time signature, acousticness, danceability,energy, instrumentalness, liveness, loudness, speechiness, tempo dan valence. Lalu tahap ketiga yang dilakukan adalah mengumpulkan data lirik lagu. Lirik adalah kata-kata yang diungkapkan dalam sebuah lagu. Spotify tidak menyediakan lirik lagu. Oleh karena itu, pada tahap pengumpulan data lirik lagu  akan dilakukan proses pengumpulan data dengan API Genius. API Genius hanya menyediakan data URL dari pencarian berdasar judul dan penyanyi. Sehingga setelah URL dari lirik didapat maka tahap selanjutnya menggunakan metode scrapping. Data dari halaman web diunduh dengan format HTML. Lalu dengan pustaka BeautifulSoup akan diambil bagian liriknya saja dan membuang bagian HTML yang tidak penting.

Pada tahap selanjutnya pemberian label mood. Mood yang akan dimasukkan pada dataset seperti yang diperlihatkan pada table disamping :

Lagu akan ditentukan apakah cocok untuk didengarkan saat mood  energized-pleasant, calm-pleasant, calm-unpleasant, atau energized-unpleasant. Preprocessing bertujuan membuat data agar siap diolah pada tahap selanjutnya  Karena feature ada yang berupa angka dan ada yang berupa teks maka perlu dipisah terlebih dahulu karena akan mengalami proses preprocessing yang berbeda. Feature berupa teks pada penelitian ini adalah lirik lagu. Oleh karena itu lirik lagu akan mengalami text-preprocesssing terlebih dahulu. Pada tahap implementasi machine learning pada aplikasi. model dengan accuracy terbaik akan diimplementasikan pada aplikasi berbasis web. Selain itu akan dibuat user interface sederhana untuk petunjuk proses dan menampilkan hasil. Pada tahap validasi akan dilakukan survei pada responden untuk mengetahui apakah aplikasi bisa memprediksi mood dengan benar menurut pendapat responden.  Jumlah responden sekitar 30 orang. Responden akan ditanyai apakah hasil prediksi mood sudah akurat atau tidak menurut mereka.

 

DAFTAR PUSTAKA

Yusmaniar, Unan. Kecerdasan Buatan. Tersedia : https://cerdas.sv.ugm.ac.id/2019/08/17/kecerdasan-buatan/ ( Diakses pada 30 : Desember 2020)

Budiharto, Widodo. Kecerdasan Buatan, Kini dan Akan Datang. Tersedia: https://socs.binus.ac.id/2012/06/06/mengenal-kecerdasan-buatan-kini-dan-akan-datang/ (Diakses pada : 30 Desember 2020)

Mengenal 3 Konsep Dasar Kecerdasan Buatan. https://idmetafora.com/news/read/318/mengenal-3-konsep-dasar-kecerdasan-buatan-artificial-intelligence.html (Diakses pada : 1 Januari 2021)

 

Kenny, Kensidi.  Kecerdasan Buatan (Artificial Intelligence) pada perusahaan Spotify. Tersedia : https://kensidikenny.wordpress.com/2017/10/23/kecerdasan-buatan-artificial-intelligence-pada-perusahaan-spotify/ (Diakses pada : 1 Januari 2021)

 

Implementasi Machine Learning untuk mengetahui mood pada lagu. Tersedia  : https://cloudex.wg.ugm.ac.id/2020/01/21/implementasi-machine-learning-untuk-memprediksi-mood-pada-lagu/ (Diakses pada : 1 Januari 2021)