Kembali ke E-Learning

ARTIFICIAL INTELLIGENCE

Pertemuan 11

Dosen: Fauzi, S.Kom., M.Eng

Mata Kuliah: Pengantar Teknik Informatika

Program Studi: Teknik Informatika

Tahun Akademik: 2024/2025

Pengantar Teknik Informatika Halaman 1

CAPAIAN PEMBELAJARAN

Memahami konsep dasar Artificial Intelligence dan perbedaannya dengan komputasi tradisional

Mengetahui sejarah perkembangan AI dari masa ke masa hingga era modern

Membedakan jenis-jenis AI: ANI, AGI, dan ASI beserta karakteristiknya

Memahami Machine Learning, Deep Learning, dan Neural Networks

Mengidentifikasi aplikasi AI dalam kehidupan sehari-hari dan industri

Mengenal tren masa depan dan tantangan dalam pengembangan AI

Pengantar Teknik Informatika Halaman 2

DEFINISI ARTIFICIAL INTELLIGENCE

John McCarthy (1956): "Artificial Intelligence adalah ilmu dan rekayasa untuk membuat mesin cerdas, khususnya program komputer cerdas."

Stuart Russell & Peter Norvig: "AI adalah studi tentang agen yang menerima persepsi dari lingkungan dan melakukan tindakan."

Alan Turing: "Mesin dapat dikatakan cerdas jika dapat membuat manusia percaya bahwa mereka sedang berinteraksi dengan manusia lain."

Definisi Sederhana:

Artificial Intelligence adalah cabang ilmu komputer yang bertujuan menciptakan sistem yang dapat melakukan tugas-tugas yang memerlukan kecerdasan manusia, seperti pengenalan pola, pembelajaran, penalaran, dan pengambilan keputusan.

Pengantar Teknik Informatika Halaman 3

SEJARAH PERKEMBANGAN AI

Timeline Evolusi AI
1950

Turing Test

Alan Turing mengusulkan tes untuk mengukur kecerdasan mesin

1956

Lahirnya AI

John McCarthy menciptakan istilah "Artificial Intelligence" di Dartmouth Conference

1960s

Expert Systems

Pengembangan sistem pakar pertama seperti DENDRAL dan MYCIN

1980s

Machine Learning

Kemunculan algoritma pembelajaran mesin dan neural networks

2010s

Deep Learning

Revolusi AI dengan deep learning, AlphaGo, dan ImageNet

2020s

Generative AI

Era ChatGPT, DALL-E, dan Large Language Models (LLMs)

Pengantar Teknik Informatika Halaman 4

JENIS-JENIS ARTIFICIAL INTELLIGENCE

ANI AGI ASI Comparison

ANI - Artificial Narrow Intelligence

AI Sempit / Weak AI

AI yang dirancang untuk tugas spesifik tertentu. Contoh: Siri, Google Translate, sistem rekomendasi Netflix, AlphaGo. Ini adalah tingkat AI yang sudah ada saat ini.

AGI - Artificial General Intelligence

AI Umum / Strong AI

AI yang memiliki kemampuan kognitif setara manusia dalam berbagai domain. Dapat belajar, bernalar, dan memecahkan masalah seperti manusia. Masih dalam tahap penelitian dan pengembangan.

ASI - Artificial Super Intelligence

AI Super

AI yang melampaui kemampuan kognitif manusia dalam semua aspek. Masih bersifat teoritis dan menjadi subjek spekulasi serta penelitian masa depan.

Pengantar Teknik Informatika Halaman 5

MACHINE LEARNING

Arthur Samuel (1959): "Machine Learning adalah bidang studi yang memberikan komputer kemampuan untuk belajar tanpa secara eksplisit diprogram."

Konsep Dasar:

Machine Learning adalah subset dari AI yang memungkinkan sistem untuk secara otomatis belajar dan meningkatkan kinerja dari pengalaman tanpa perlu diprogram secara eksplisit untuk setiap tugas.

Types of Machine Learning

Karakteristik Machine Learning:

Adaptif

Dapat menyesuaikan dengan data baru

Pattern Recognition

Mengenali pola dalam data

Prediktif

Membuat prediksi berdasarkan data

Self-Learning

Belajar secara otomatis dari data

Pengantar Teknik Informatika Halaman 6

JENIS-JENIS MACHINE LEARNING

Supervised vs Unsupervised vs Reinforcement Learning

Supervised Learning

Pembelajaran dengan data berlabel. Algoritma belajar dari contoh input-output yang sudah diketahui.

Contoh: Klasifikasi email spam, prediksi harga saham, pengenalan gambar

Algoritma: Linear Regression, Decision Tree, SVM, Random Forest

Unsupervised Learning

Pembelajaran tanpa data berlabel. Algoritma mencari pola tersembunyi dalam data.

Contoh: Clustering customer, deteksi anomali, reduksi dimensi

Algoritma: K-Means, Hierarchical Clustering, PCA, DBSCAN

Reinforcement Learning

Pembelajaran melalui interaksi dengan lingkungan dan feedback berupa reward/punishment.

Contoh: Game AI (AlphaGo), autonomous driving, chatbot

Algoritma: Q-Learning, Policy Gradient, Actor-Critic

Pengantar Teknik Informatika Halaman 7

DEEP LEARNING & NEURAL NETWORKS

Deep Learning adalah subset dari machine learning yang menggunakan neural networks dengan banyak layer (deep neural networks) untuk memodelkan dan memahami data dengan tingkat abstraksi yang tinggi.

Deep Neural Network Architecture

Neural Networks

  • Terinspirasi dari struktur otak manusia
  • Terdiri dari nodes (neurons) dan connections (synapses)
  • Memiliki input layer, hidden layer(s), dan output layer
  • Menggunakan activation functions untuk pemrosesan

Deep Learning Applications

  • Computer Vision (CNN)
  • Natural Language Processing (RNN, Transformer)
  • Speech Recognition
  • Generative AI (GANs, VAEs)
Pengantar Teknik Informatika Halaman 8

APLIKASI ARTIFICIAL INTELLIGENCE

AI Applications Domains

Computer Vision

Pengenalan objek, deteksi wajah, medical imaging, autonomous vehicles

Natural Language Processing

Chatbot, machine translation, sentiment analysis, text summarization

Robotics

Industrial robots, service robots, medical robots, exploration robots

Healthcare

Diagnosis medis, drug discovery, personalized treatment, medical imaging

Transportation

Self-driving cars, traffic management, route optimization, logistics

Finance

Fraud detection, algorithmic trading, credit scoring, risk assessment

Education

Personalized learning, intelligent tutoring, automated grading, learning analytics

Entertainment

Game AI, content recommendation, virtual assistants, content generation

Pengantar Teknik Informatika Halaman 9

AI DALAM KEHIDUPAN SEHARI-HARI

Smartphone & Apps

  • Voice assistants (Siri, Google Assistant, Alexa)
  • Camera features (portrait mode, scene detection)
  • Predictive text dan autocorrect
  • Real-time translation apps

Platform Digital

  • Rekomendasi konten (Netflix, YouTube, Spotify)
  • E-commerce recommendations (Amazon, Tokopedia)
  • Social media feeds (Facebook, Instagram, TikTok)
  • Search engines (Google Search)

Transportation & Smart Cities

Navigation

Google Maps, Waze dengan optimasi rute real-time

Ride-sharing

Uber, Grab dengan dynamic pricing dan driver matching

Smart Traffic

Sistem manajemen lalu lintas cerdas di kota-kota besar

Fakta Menarik:

Rata-rata orang berinteraksi dengan sistem AI lebih dari 100 kali per hari tanpa disadari, mulai dari membuka smartphone hingga menggunakan aplikasi sehari-hari!

Pengantar Teknik Informatika Halaman 10

TREN MASA DEPAN ARTIFICIAL INTELLIGENCE

🚀 Emerging Technologies

Large Language Models (LLMs)

GPT-4, Claude, Gemini untuk conversational AI yang lebih advanced

Generative AI

DALL-E, Midjourney, Stable Diffusion untuk content creation

Quantum AI

Kombinasi quantum computing dengan AI untuk pemrosesan yang lebih cepat

🏭 Industry Applications

Industry 4.0

Smart manufacturing, predictive maintenance, supply chain optimization

Sustainable AI

Green AI, energy-efficient algorithms, climate change solutions

AI Security

Cybersecurity, privacy-preserving AI, federated learning

⚠️ Challenges & Considerations

Ethical AI

Bias, fairness, transparency, dan accountability dalam sistem AI

Job Displacement

Otomatisasi pekerjaan dan kebutuhan reskilling workforce

Regulation

Kebutuhan regulasi dan standar untuk pengembangan AI yang bertanggung jawab

Pengantar Teknik Informatika Halaman 11

EVALUASI & TUGAS

📝 Pertanyaan Diskusi

1. Jelaskan perbedaan antara ANI, AGI, dan ASI dengan memberikan contoh masing-masing!

2. Mengapa Deep Learning menjadi revolusioner dalam perkembangan AI? Sebutkan 3 aplikasi utamanya!

3. Identifikasi minimal 5 aplikasi AI yang sering Anda gunakan dalam kehidupan sehari-hari!

4. Apa tantangan etis utama dalam pengembangan AI di masa depan?

🎯 Tugas Mandiri

Mini Research Project:

Pilih salah satu aplikasi AI yang menarik bagi Anda (Computer Vision, NLP, Robotics, atau Healthcare AI) dan buatlah laporan singkat (500-750 kata) yang mencakup:

  • Definisi dan cara kerja teknologi tersebut
  • Contoh implementasi nyata di industri
  • Keuntungan dan tantangan penggunaan
  • Prediksi perkembangan di masa depan

Deadline: Pertemuan berikutnya
Format: PDF, font 12pt, spasi 1.5

📚 Referensi Bacaan:

  • • Russell, S. & Norvig, P. "Artificial Intelligence: A Modern Approach"
  • • Goodfellow, I. "Deep Learning" (MIT Press)
  • • Online: Coursera AI for Everyone, edX Introduction to AI
  • • Artikel: MIT Technology Review, AI Research papers
"The future belongs to those who understand AI, not those who fear it"
Pengantar Teknik Informatika Halaman 12

TERIMA KASIH

Artificial Intelligence

Semoga materi ini bermanfaat untuk memahami

dunia Artificial Intelligence yang menarik!

💡 Keep learning, keep innovating! 🚀

Pengantar Teknik Informatika Halaman 13