Bahasa Inggris Bisnis 2 : Job Interview

JOB INTERVIEW 

Wawancara pekerjaan adalah salah satu hal yang akan menentukan kamu masuk atau tidaknya ke suatu perusahaan. Interview bahasa inggris dalam bidang pekerjaan memang memberikan tekanan tersendiri bagi yang melaksanakan. Sebagai seorang pelamar, anda dituntut untuk harus percaya diri dan menjawab beragam pertanyaan secara jelas. 

Untuk lebih jelas nya tonton video kami Yuk!!!

Essay About The Following Topic

Today more people are travelling than ever before. Why is this the case? What are the benefits of travelling for the traveller. Give reasons for your answer and include any relevant example for your own knowledge and experience.

             The globalization and technological advancement have made our life easier than ever before. In current life, more people wish to spend their free time to travelling. However, I agree with the idea that today more people are travelling than ever before, because in my opinion, easy access of information nowadays like travelling promotion information and improvement transportation fasilities.

             The reasons of travelling are mainly, because availability and convenience of facilities. Improvement transportation information like booking online for the flight, and train tickets makes our life easier, because can order tickets at home. For example, when I go to solo city with family using train transportation, before I booking train tickets with traveloka application that made it easy for us, because we not buy the tickets come directly in the station but at home, I used the application to booked the tickets. So, there is no need tired come to the station just to buy a ticket. Traveloka application there are also many promotion travelling, but I never try the promotion travelling. Other reasons, many companies has increased export and import activities due to the globalisation. As a result, their employees have to do business travelling to other cities or overseas. Travelling can also in thrust by passion to find out what was there and have the chance to learn a new culture.           

            There are great benefits with travelling. Culture is an important aspect of travelling to a different place with different culture. For example, when I travelled from Jakarta to Solo, I get fun experience like try various typical culinary solo most delicius like nasi liwet, gudeg solo, serabi, and then I can learn the java language, well adaptation to the environment there. So, I can understand typical culinary, traditions, and language have its own unique every city. Other benefits of travelling is refreshing and eliminates boredom. Travelling also help people in releasing stress, because the people who live in big city, stressed with hectic schedule and travelling will help them in loosen the tension. A wonderful place can be visited by tourists and they can learn the advanced knowledge about different culture, because travelling give the chance to get acquainted with different cultures and traditions, this is also benefits to learn about history and new experiences.

         In conclusion, I agree that today more people are travelling than ever before, because globalization and technological advancements make everyone are travelling for various of purpose. Some people are taking the travelling for business activities, or holiday. Travelling is also a positive activity because people will get a lot of benefits from doing the activity.

Penulisan Soft Computing dalam Metode Neurall Network

MAKALAH NEURALL NETWORK

Disusun Oleh :

Kelompok 4

-          Riyan Saputro (16115098)

-          Rizki Darmawan  (16115141)

-          Rizki Widianto (16115163)

-          Riva Raissa Azizah (16115086)

-          Samsul Rizal (16115355)

-          Syema Alma Tasya (16115774)

-          Sandra Dwi Widiyaningsih (16115371)

-          Shavira Putri Virissya (16115525)

-          Muhammad Diva Buana (17114165)

3KA05

Dosen :

Eel Susilowati

UNIVERSITAS GUNADARMA

PTA 2017/2018

ABSTRAK

Soft Computing  merupakan inovasi baru dalam membangun sistem cerdas yaitu sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan. Neural Network sebenarnya mengadopsi dari kemampuan otak manusia yang mampu memberikan stimulasi/rangsangan, melakukan proses, dan memberikan output. Output diperoleh dari variasi stimulasi dan proses yang terjadi di dalam otak manusia. Kemampuan manusia dalam memproses informasi merupakan hasil kompleksitas proses di dalam otak. Kekuatan komputasi yang luar biasa dari otak manusia ini merupakan sebuah keunggulan di dalam kajian ilmu pengetahuan.

Kata Kunci: soft computing, neural network

BAB I

PENDAHULUAN

1.1       Latar Belakang

Cabang ilmu kecerdasan buatan cukup luas, dan erat kaitannya dengan disiplin ilmu yang lainnya. Hal ini bisa dilihat dari berbagai aplikasi yang merupakan hasil kombinasi dari berbagai ilmu. Seperti halnya yang ada pada peralatan medis yang berbentuk aplikasi. Sudah berkembang bahwa aplikasi yang dibuat merupakan hasil perpaduan dari ilmu kecerdasan buatan dan juga ilmu kedokteran atau lebih khusus lagi yaitu ilmu biologi.

Neural Network merupakan kategori ilmu Soft Computing. Neural Network sebenarnya mengadopsi dari kemampuan otak manusia yang mampu memberikan stimulasi/rangsangan, melakukan proses, dan memberikan output. Output diperoleh dari variasi stimulasi dan proses yang terjadi di dalam otak manusia. Kemampuan manusia dalam memproses informasi merupakan hasil kompleksitas proses di dalam otak. Misalnya, yang terjadi pada anak-anak, mereka mampu belajar untuk melakukan pengenalan meskipun mereka tidak mengetahui algoritma apa yang digunakan. Kekuatan komputasi yang luar biasa dari otak manusia ini merupakan sebuah keunggulan di dalam kajian ilmu pengetahuan.

1.2       Rumusan Masalah

1.      Apakah yang dimaksud dengan Soft Computing?

2.      Apakah yang dimaksud dengan Neurall Network?

1.3       Tujuan

Memberikan informasi mengenai Soft Computing dan Neurall Network

BAB II

ISI

2.1       Pengertian Soft Computing

Soft Computing  merupakan inovasi baru dalam membangun sistem cerdas yaitu sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan. Soft Computing mengeksploitasi adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial untuk dapat diselesaikan dan dikendalikan dengan mudah agar sesuai dengan realita (Prof. Lotfi A Zadeh, 1992).

2.2       Metodologi-Metodologi yang Digunakan Soft Computing

1.      Sistem Fuzzy (mengakomodasi ketidaktepatan) : Logika Fuzzy (fuzzy logic)

2.      Jaringan Syaraf (menggunakan pembelajaran) : Jaringan Syaraf Tiruan(neurall network)

3.      Evolutionary Computing (optimasi) : Algoritma Genetika (Genetic Algorithms (GA))

2.3       Jaringan Syaraf Tiruan (Neurall Network)

2.3.1    Sejarah

Perkembangan ilmu Neural Network sudah ada sejak tahun 1943 ketika Warren McCulloch dan Walter Pitts memperkenalkan perhitungan model neural network yang pertama kalinya. Mereka melakukan kombinasi beberapa processing unit sederhana bersama-sama yang mampu memberikan peningkatan secara keseluruhan pada kekuatan komputasi.

Gambar 2.1 McCulloch & Pitts, penemu pertama Neural Network

Hal ini dilanjutkan pada penelitian yang dikerjakan oleh Rosenblatt pada tahun 1950, dimana dia berhasil menemukan sebuah two-layer network, yang disebut sebagai perceptron. Perceptron memungkinkan untuk pekerjaan klasifikasi pembelajaran tertentu dengan penambahan bobot pada setiap koneksi antar-network.

Gambar 2.2 Perceptron

Keberhasilan perceptron dalam pengklasifikasian pola tertentu ini tidak sepenuhnya sempurna, masih ditemukan juga beberapa keterbatasan didalamnya. Perceptron tidak mampu untuk menyelesaikan permasalahan XOR (exclusive-OR). Penilaian terhadap keterbatasan neural network ini membuat penelitian di bidang ini sempat mati selama kurang lebih 15 tahun. Namun demikian, perceptron berhasil menjadi sebuah dasar untuk penelitian-penelitian selanjutnya di bidang neural network. Pengkajian terhadap neural network mulai berkembang lagi selanjutnya di awal tahun 1980-an. Para peneliti banyak menemukan bidang interest baru pada domain ilmu neural network. Penelitian terakhir diantaranya adalah mesin Boltzmann, jaringan Hopfield, model pembelajaran kompetitif, multilayer network,  dan teori model resonansi adaptif.

Untuk saat ini, Neural Network sudah dapat diterapkan pada beberapa task, diantaranya classification, recognition, approximation, prediction, clusterization, memory simulation dan banyak task-task berbeda yang lainnya, dimana jumlahnya semakin bertambah seiring berjalannya waktu.

2.3.2    Definisi Neurall Network

Neural Networks (Jaringan Saraf Tiruan) menurut Haykin didefinisikan sebagai berikut : “Sebuah neural network (JST: Jaringan Saraf Tiruan) adalah prosesor yang terdistribusi paralel, terbuat dari unit-unit yang sederhana, dan memiliki kemampuan untuk menyimpan pengetahuan yang diperoleh secara eksperimental dan siap pakai untuk berbagai tujuan. Neural network ini meniru otak manusia dari sudut :

1)  Pengetahuan diperoleh oleh network dari lingkungan, melalui suatu proses pembelajaran.

2) Kekuatan koneksi antar unit yang disebut synaptic weights,berfungsi untuk menyimpan pengetahuan yang telah diperoleh oleh jaringan tersebut.”

Secara sederhana, Jaringan Syaraf Tiruan adalah sebuah alat pemodelan data statistik non-linier. Jaringan Syaraf Tiruan dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data. Menurut suatu teorema yang disebut "teorema penaksiran universal", Jaringan Syaraf Tiruan dengan minimal sebuah lapis tersembunyi dengan fungsi aktivasi non-linear dapat memodelkan seluruh fungsi terukur Boreal apapun dari suatu dimensi ke dimensi lainnya.

2.3.3    Lapisan Neurall Network

Istilah "jaringan" pada Jaringan Syaraf Tiruan merujuk pada interkoneksi dari beberapa neuron yang diletakkan pada lapisan yang berbeda. Secara umum, lapisan pada Jaringan Syaraf Tiruan dibagi menjadi tiga bagian:

·         Lapis masukan (input layer) terdiri dari neuron yang menerima data masukan dari variabel X. Semua neuron pada lapis ini dapat terhubung ke neuron pada lapisan tersembunyi atau langsung ke lapisan luaran jika jaringan tidak menggunakan lapisan tersembunyi.

 1.     Lapisan tersembunyi (hidden layer) terdiri dari neuron yang menerima data dari lapisan masukan.

2.  Lapisan luaran (output layer) terdiri dari neuron yang menerima data dari lapisan tersembunyi   atau langsung dari lapisan masukan yang nilai luarannya melambangkan hasil kalkulasi dari X menjadi nilai Y.

Berdasarkan arsitekturnya, neural network dapat dikategorikan, antara lain, single-layer neural network, multilayer neural network, recurrent neural network dsb. Berbagai algoritma pembelajaran antara lain Hebb’s law, Delta rule, Backpropagation algorithm, Self Organizing Feature Map, dsb.

2.3.4    Fungsi Neurall Network

Fungsi dari Neural Network diantaranya adalah:

1.      Pengklasifikasian pola

2.      Memetakan pola yang didapat dari input ke dalam pola baru pada output

3.      Penyimpan pola yang akan dipanggil kembali

4.      Memetakan pola-pola yang sejenis

5.      Pengoptimasi permasalahan

6.      Prediksi

2.3.5    Struktur Artificial Neural Network

Ide mendasar dari Artificial Neural Network (ANN) adalah mengadopsi mekanisme berpikir sebuah sistem atau aplikasi yang menyerupai otak manusia, baik untuk pemrosesan berbagai sinyal elemen yang diterima, toleransi terhadap kesalahan/error, dan juga parallel processing.

Gambar 2.3 Struktur ANN

Karakteristik dari ANN dilihat dari pola hubungan antar neuron, metode penentuan bobot dari tiap koneksi, dan fungsi aktivasinya. Gambar di atas menjelaskan struktur ANN secara mendasar, yang dalam kenyataannya tidak hanya sederhana seperti itu.

1.      Input, berfungsi seperti dendrite

2.      Output, berfungsi seperti akson

3.      Fungsi aktivasi, berfungsi seperti sinapsis

Neural network dibangun dari banyak node/unit yang dihubungkan oleh link secara langsung. Link dari unit yang satu ke unit yang lainnya digunakan untuk melakukan propagasi aktivasi dari unit pertama ke unit selanjutnya. Setiap link memiliki bobot numerik. Bobot ini menentukan kekuatan serta penanda dari sebuah konektivitas.

Proses pada ANN dimulai dari input yang diterima oleh neuron beserta dengan nilai bobot dari tiap-tiap input yang ada. Setelah masuk ke dalam neuron, nilai input yang ada akan dijumlahkan oleh suatu fungsi perambatan (summing function), yang bisa dilihat seperti pada di gambar dengan lambang sigma (∑). Hasil penjumlahan akan diproses oleh fungsi aktivasi setiap neuron, disini akan dibandingkan hasil penjumlahan dengan threshold (nilai ambang) tertentu. Jika nilai melebihi threshold, maka aktivasi neuron akan dibatalkan, sebaliknya, jika masih dibawah nilai threshold, neuron akan diaktifkan. Setelah aktif, neuron akan mengirimkan nilai output melalui bobot-bobot outputnya ke semua neuron yang berhubungan dengannya. Proses ini akan terus berulang pada input-input selanjutnya.

ANN terdiri dari banyak neuron di dalamnya. Neuron-neuron ini akan dikelompokkan ke dalam beberapa layer. Neuron yang terdapat pada tiap layer dihubungkan dengan neuron pada layer lainnya. Hal ini tentunya tidak berlaku pada layer input dan output, tapi hanya layer yang berada di antaranya. Informasi yang diterima di layer input dilanjutkan ke layer-layer dalam ANN secara satu persatu hingga mencapai layer terakhir/layer output. Layer yang terletak di antara input dan output disebut sebagai hidden layer. Namun, tidak semua ANN memiliki hidden layer, ada juga yang hanya terdapat layer input dan output saja.

BAB III

PENUTUP

 

3.1. Kesimpulan

Soft Computing  merupakan inovasi baru dalam membangun sistem cerdas yaitu sistem yang memiliki keahlian seperti manusia pada domain tertentu, mampu beradaptasi dan belajar agar dapat bekerja lebih baik jika terjadi perubahan lingkungan.

Jaringan Syaraf Tiruan atau Neurall Network adalah sebuah alat pemodelan data statistik non-linier. Jaringan Syaraf Tiruan dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data.

3.2. Saran

Demikian penulisan ini kami buat. Kami sadar akan banyaknya kekurangan dan banyaknya kesalahan yang kami buat sehingga penulisan ini masih jauh dari kata sempurna karena kesempurnaan hanya milik Allah SWT. Kami juga membutuhkan kritik dan saran terhadap penulisan kami ini agar bisa menjadikan motivasi bagi kami agar kedepan bisa lebih baik lagi. Semoga penulisan ini dapat bermanfaat bagi pembaca. 

DAFTAR PUSTAKA

http://socs.binus.ac.id/2012/07/26/konsep-neural-network/

https://b-ygtm.blogspot.co.id/2016/12/makalah-pengantar-teknologisistem.html

Review Smartphone Android & IOS

ANDROID VS IOS?

Saat ini kalau kita bicara soal smartphone maka kita tidak akan lepas dari dua raksasa smartphone yang sangat populer yaitu Iphone yang sangat populer dimana-mana dan juga penantangnya Android. Nah, guna menyelesaikan tugas pengantar teknologi sistem cerdas, kelompok kami mereview smartphone android dengan merk Samsung A5 (2015), dan smartphone IOS dengan merk Iphone 5 (2015). Kedua smartphone tersebut dapat dibedakan dalam 3 aspek percobaan, yaitu :

1.                Aspek dari Segi Booting

Saat kedua smartphone tersebut secara bersamaan diuji coba dengan booting (proses menyalankan smartphone dari keadaan mati dengan menunggu hingga muncul icon nya). Ternyata yang lebih unggul dalam segi kecepatan dalam booting adalah Samsung A5 dibanding Iphone 5

2.                Aspek dari Segi Speaker

Saat kedua smartphone tersebut uji coba speaker dengan music. Ternyata yang lebih unggul dalam segi kerasnya suara speaker adalah Samsung A5 dibanding Iphone 5.

3.                Aspek dari Segi Video & Foto

Saat kedua smartphone tersebut uji coba video dan kamera. Ternyata yang lebih unggul dalam segi kecerahan dan kontras warna video & kamera adalah Iphone 5 dibanding Samsung A5.

Untuk lebih jelas nya tonton VLOG kami Yuk!!!

Kecerdasan Ditinjau dalam Sistem Informasi

CERDAS DALAM SISTEM INFORMASI

                                                           RIZKI DARMAWAN

                                                                   

                                                       (16115141)

                                                             

BAB I

PENDAHULUAN

  

       1.1        Latar Belakang

Segala sesuatu yang ada di alam semesta ini, baik setiap gejala alamnya, fenomena yang terjadi di dalamnya, kehidupan makhluk-makhluk yang ada di dalamnya merupakan suatu bentuk persamaan matematis atau dapat dibilang segala gejala dan fenomena tersebut dapat dibuat ke dalam bentuk persamaan matematis, termasuk di dalamnya adalah bagaimana cara kerja otak dan bagaimana manusia berpikir. Pemrograman konvensional masih dapat digunakan untuk membuat mesin atau komputer berinteraksi dengan manusia, namun bagaimana untuk wilayah-wilayah sensitif atau area soft science yang tidak dapat dijelaskan atau dirumuskan dengan pasti. Sehingga  muncullah suatu analisis mengenai bagaimana cara kerja otak manusia dan dirumuskan dalam suatu persamaan matematis atau model matematika. Dari model matematika inilah kecerdasan buatan dapat diciptakan.

Kecerdasan Buatan (bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.

Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola.

Sistem cerdas adalah sistem yang menerapkan kecerdasan buatan. Jadi, “kecerdasan” inilah yang diciptakan untuk kemudian dimasukkan ke dalam suatu mesin atau komputer. Sistem ini dibuat agar dapat berpikir layaknya manusia. Sistem ini dibuat agar dapat “berperilaku” seperti manusia, juga mampu menyerap pengalaman dan mampu bertindak berdasarkan pengalaman tersebut, sehingga sistem ini seolah-olah mempunyai kehendak sendiri dan mampu berpikir seperti halnya manusia.

       1.2    Tujuan penelitian
     1.     Untuk mengetahui konsep sistem cerdas.

           2.     Untuk mengetahui kelebihan dari sistem cerdas.

           3.     Untuk mengetahui metodologi dari sistem cerdas.

           4.     Untuk mengetahui contoh-contoh aplikasi sistem cerdas.

           5      Untuk mengetahui pengimplementasian sistem cerdas.

       1.3    Rumusan masalah

   Permasalahan yang ditulis diajukan dalam penyusunan tugas ini adalah :

          1.           Apa konsep sistem cerdas?

 2.          Apa kelebihan dari sistem cerdas?

          3.      Apa metodologi dari sistem cerdas?

          4.      Apa saja contoh-contoh sistem cerdas?

          5.      Bagaimana mengimplementasikan sistem cerdas?

        1.4    Manfaat penelitian

          1.      Memudahkan kita mengenal tentang sistem cerdas.

          2.      Memudahkan kita mengetahui manfaat serta kelebihan dari sistem cerdas.

BAB II

PEMBAHASAN

       2.1  Konsep Sistem Cerdas

       Berikut beberapa konsep dari sistem cerdas:

    1.    Sistem Pakar merupakan pengetahuan manusia dalam komputer untuk memecahkan suatu permasalahan dan dikerjakan oleh seorang pakarnya, contoh : Dokter. Mereka hanya memecahkan permasalahan sesuai dengan pekerjaannya atau sesuatu yang sudah dikuasai. Sistem pakar ini sendiri memiliki 4 bagian, yaitu User Interface, Knowledge Base, Inference Engine, dan Development Engine. Lalu ada jenis-jenis pada sistem pakar yaitu sebagai berikut Interpretasi, Prediksi, Diagnosis, Design, Planning, Monitoring, Debugging, Reparasi, Instruction, dan terakhir Control.

     2.    Decision Support System (DSS) atau disebut juga dengan sistem pendukung keputusan yang merupakan serangkaian kelas tertentu dari sistem informasi terkomputerisasi yang mendukung pengambilan keputusan bisnis dan organisasi. Informasi yang bisa dikumpulan dengan aplikasi DSS ialah Kita dapat mengakses semua aset informasi terkini, ada data legasi dan relasional, kumpulan data, gudang data, dan lain sebagainya. Angka-angka penjualan antara periode dengan periode lainnya. Angka pendapatan yang dapat diperkirakan, namun ada konsekuesinya pada pilihan pengambilan keputusan yang berbeda dengan pengalaman dalam suatu konteks yang dirinci ulang.

    3.   Pengolahan Bahasa Alami (Natural Language Processing) dengan adanya ini diharapkan sekali user dapat berkomunikasi dengan komputernya menggunakan bahasa sehari-hari dan dapat dengan nyaman menyelesaikan permasalahannya di komputer.

    4.     Pengenalan Ucapan (Speech Recognition) dengan adanya ini diharapkan user dapat berkomunikasi dengan komputernya hanya dengan media suara saja.

     5.   Robotika & Sistem sensor. Robot adalah sebuah manipulator yang terkendali, multifungsi, dan mampu diprogram untuk bergerak dalam tiga sumbu atau lebih, yang tetap berada di tempat atau bergerak untuk digunakan dalam aplikasi otomasi industri. Sedangkan sensor tiruan dari indra pada makhluk hidup. Sensor ini berfungsi sebagai komponen yang membuat robot bisa merespon lingkungan sekitarnya.

     6.    Computer Vision yang dapat menginterpretasikan gambar atau objek melalui komputer sesuai yang diinginkan oleh usernya. Konsep ketujuh adalah Intelligent Computer-aided Instruction yang dipakai untuk melatih dan mengajar dan sangat bermanfaat bagi user. Konsep yang terakhir adalah Game Playing yang tidak diragukan lagi kehebatannya pada interaksi manusia dengan teknologi, terutama para gamers yang selalu berinteraksi dengan komputer.

       2.2  Kelebihan dari menggunakan sistem cerdas

     1.  Lebih bersifat permanen. Kecerdasan alami bisa berubah karena sifat manusia pelupa. Kecerdasan buatan tidak berubah selama sistem komputer & program tidak mengubahnya.

      2.   Lebih mudah diduplikasi & disebarkan. Mentransfer pengetahuan manusia dari 1 orang ke orang lain membutuhkan proses yang sangat lama & keahlian tidak akan pernah dapat diduplikasi dengan lengkap.Jadi jika pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebut dapat disalin dari komputer tersebut & dapat dipindahkan dengan mudah ke komputer yang lain.

    3.  Lebih murah. Menyediakan layanan komputer akan lebih mudah & murah dibandingkan mendatangkan seseorang untuk mengerjakan sejumlah pekerjaan dalam jangka waktu yang sangat lama.
 4.    Bersifat konsisten karena kecerdasan buatan adalah bagian dari teknologi komputer sedangkan kecerdasan alami senantiasa berubah-ubah

     5.   Dapat didokumentasi.Keputusan yang dibuat komputer dapat didokumentasi dengan mudah dengan  cara melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami sangat sulit untuk direproduksi.

       6.     Lebih cepat

       7.     Lebih baik

      2.3   Metodelogi dari Sistem Cerdas

      Inilah maca-macam metologi yang terbagi menjadi 3 macam yaitu :

      1. Artifical Neural Networks (ANN)

ANN atau disebut biasa disebut NN (neurak networks) jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan sistem saraf manusia. Otak manusia terdiri dari 100 milyar elemen pemrosesan yang biasa disebut neuron yang saling terhubung. ANN sendiri didasarkan pada model yang disederhanakan dan ANN sendiri biasanyan belajar dari pengalaman – representasi berulang dari masalah contoh dengan solusi – solusinya yang sesuai. Setelah pembelajaran, ANN mampu memecahkan masalah, bahkan dengan masukkan (input) paling baru. Kekuatan utama ANN mampu menangani data yang sebelumnya tidak terlihat, tidak lengkap atau rusak. Beberapa contoh aplikasi yang menggunakan jaringan syaraf tiruan (ANN):

- Deteksi eksplosif di bandara

- Deteksi wajah

- Penilaian resiko keuangan

- Optimasi dan penjadwalan

        2. Fuzzy System

Sistem inferensi fuzzi sering disebut juga fuzzy inference engine yaitu sistem yang dapat melakukan penalaran dengan prinsip serupa seperti kita (manusia) yang menggunakan nalurinya. Ada beberapa jenis FIS (fuzzy inference engine) yang sering kita kenal yaitu mamdami, Sugeno, dan Tsukamoto.

       3. Genetic Algorithms / Alogaritma Genetika (GA)

GA adalah sebuah teknik pencarian yang didalam ilmu computer untuk menemukan penyelesaian perkiraan dan masalah pencarian. GA itu sendiri adalah kelas khusus dari algoritma evolusioner dengan menggunakan teknik yang terinspirasi oleh biologi evolusioner seperti warisan, mutasi, seleksi alam dan rekombinasi atau crossover. Biasanya GA digunakan dalam beberapa pemakaian, contohnya :

· Optimasi portofolio

· Prediksi kebangrutan

· Peramalan keuangan

· Perancangan mesin jet

· Penjadwalan

        2.4   Contoh- contoh Aplikasi

        Ada banyak contoh program yang menampilkan berbagai tingkat kecerdasan. Di antaranya adalah:

        1. Twenty Questions

        Sebuah game berdasar Neural Network yang menampilkan 20 pertanyaan.

        2. The Start Project

        Sebuah sistem berdasar web di mana partanyaan-jawaban dalam bahasa Inggris

        3. Brainboost

        Sistem tanya-jawab yang lain.

        4. AskEd!

        Sebuah sistem tanya-jawab multi lingual.

        5. Cyc

        Sebuah koleksi pengetahuan dasar yang luas mengenai fakta-fakta tentang dunia nyata dan                         kemampuan  untuk beralasan dengan logika.

        6. ALICE dan Alan

      Sebuah chatterbot (serta chatbot,chatterbox) adalah program bot yang dapat melakukan percakapan            dengan manusia.

        7. Jabber Wacky

        Sebuah chatterbot pembelajar.

       2.5   Pengimplementasian Sistem Cerdas

Sistem cerdas menerapkan kecerdasan buatan pada mesin atau komputer. Contoh dari sistem cerdas yang sering kita temui sehari-hari adalah pada games, contohnya seperti pada games Angry Birds atau DOTA yang memiliki banyak sekali kemungkinan gerak aksi-reaksi pada unsur-unsur dalam games tersebut sehingga tidak mungkin ditangani oleh pemrograman konvensional. Sistem cerdas juga dapat diterapkan di bidang robotika, misalnya sistem cerdas ini dapat membuat analisa keseimbangan pada gerak refleks robot BigDog atau analisa lengan robot yang mampu mengangkat telur tanpa memecahkannya. Sistem cerdas juga memungkinkan kita berinteraksi secara emosional pada robot yang dapat memiliki unsur rasa.

2.3.1

BAB III

PENUTUP

Pada bab ini merupakan akhir dari penulisan tugas ini. Dan dalam bab ini akan dibahas mengenai kesimpulan yang dapat diambil, dan saran-saran yang mungkin agar untuk diperbaiki dan dikembangkan di masa yang akan datang.

      3.1  Kesimpulan.

Sistem cerdas adalah sistem yang dapat mengadopsi sebagaian kecil dari tingkat kecerdasan manusia untuk berinteraksi dengan keadaan eksternal suatu sistem. Sebagian kecil dari tingkat kecerdasan itu antara lain: kemampuan untuk dilatih, mengingat kembali kondisi yang pernah dialami, mengolah data-data untuk memberikan aksi yang tepat sesuai yang telah diajarkan, dan kemampuan menyerap kepakaran seorang ahli melalui perintah yang dituliskan dalam sebuah bahasa pemrograman tertentu.

      3.2  Saran

Setiap hasil karya tentunya masih jauh dari sempurna dan masih ada hal-hal yang perlu dikembangkan. Untuk itu penulis berharap di masa yang akan datang, ada yang menyempurnakannya sehingga menjadi sebuah sistem informasi yang lengkap.

DAFTAR PUSTAKA

Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya. Yogyakarta: Graha Ilmu.

http://erlindamettadewi-fst09.web.unair.ac.id/artikel_detail-43183-Sistem%20Cerdas-OVERVIEW%20tentang%20SISTEM%20CERDAS.html

http://hanif-roikhatul-fst12.web.unair.ac.id/artikel_detail-137530-KOMPUTER%20CERDAS%202015%20-SISTEM%20CERDAS.html

http://giputra.blogspot.co.id/2016/10/metodologi-sistem-cerdas-artifical.html

http://ebook.dede-gunawan.web.id/2015/09/ebook-kecerdasan-buatan-pdf-ppt.html