1. Jenis Data dalam Penelitian
Filosofi berpikir komputasional identik dengan proses berpikir dalam menyelesaikan masalah dengan cara menerapkan model ilmu komputer ( informatika ). Nilai yang diinputkan, diolah, dan dihasilkan merupakan sebuah data yang dapat dibaca, dihitung, dan dianalisis. Secara umum, dikenal dua jenis data, yaitu sebagai berikut.
a. Data Kuantitatif
Data kuantitatif adalah jenis data yang direpresentasikan dalam bentuk nominal angka, misalnya data kuantitatif yang memuat model skor antara 1-4.
b. Data Kualitatif
Data kualitatif merupakan tipe data yang tidak dapat diukur nilainya dalam bentuk angka, biasanya berupa kalimat, kata, gambar, dan model.
2. Teknologi Computational Thinking
a. Definisi dan karakter
Tujuan dari CT adalah efektif dan kecepatan pengambilan keputusan. Jika dilihat dari sisi penerapannya, CT memiliki dua aspek penting, yaitu sebagai berikut.
1. CT sebagai tahapan dan mekanisme pemikiran dan penalaran manusia tanpa bantuan teknologi.
2. CT sebagai metode pemecahan masalah (problem solving) yang didesain agar dapat dijalankan manusia atau dengan bantuan mesin komputer atau melibatkan kedua resource tersebut.
Ada beberapa karakter yang harus dimiliki oleh CT ketika diimplementasikan sebagai alternatif pemecahan masalah, yaitu sebagai berikut.
1. Merumuskan dan menentukan permasalahan yang akan diselesaikan dengan bantuan teknologi informasi dan komputer.
2. Menerapkan metode algoritme dalam melakukan klasterisasi dan proses analisis.
3. Memvisualisasikan data dan informasi melalui model dan simulasi.
b. Elemen Computational Thinking
Computational thinking memiliki enam bagian penting, yaitu sebagai berikut.
1. Abstraction
2. Algorithmic thinking
3. Automation
4. Decompositian
5. Debugging
6. Generalization
c. Artifical Intelligence (AI)
Artifical Intelligence atau kecerdasan buatan adalah salah satu implementasi dari berpikir komputasi atau CT yang bertujuan memprogram komputer agar mampu berfikir ,mempertimbangkan dan memutuskan, serta mengeksekusi pekerja layaknya manusia.definisi AI dapat dibedakan dari beberapa persepsi,antara lain sebagai berikut :
1.persepsi kecerdasan
pendekatan dalam sisi kecerdasan akan mengacu pada potensi pengembangan teknologi komputer pintar sehingga mampu bekerja seperti manusia
2. persepsi riset
Sisi pendekattan AI sebagai disiplin ilmu baru yang mampu menciptakan software ,hardware ,atau perpaduan keduanya menjadi cerdas layaknya manusia atau bahkan melebihi kepandaian manusia
3.persepsi potensi bisnis
dari sisi bisnis ,AI mampu memberikan dukungan layanan dan analisis yang cepat ,tepat,dan andal sehingga berpotensi meningkatkan keuntungan bisnis yang di jalankan
4. persepsi logika pemrograman
susut pandang AI dalam teknik pemrograman merupakan salah satu bentuk implementasi dalam menciptakan rule -rule logika yang dapat dimasukkan database kecerdasan mesin ketika menjalankan pekerjaannya.keberadaan AI sebagai salah satu alat bantu manusia memiliki beberapa kelebihan dibandingkan kecerdasan alami ( manusia), antara lain bersifat permanen ,mudah di publikasikan dan di sebarkan ,lebih murah dalam pendokumentasian ,serta lebih cepat dan lebih baik dalam pengerjaannya.
d. Sistem Pakar
1. Definisi sistem pakar
Expert system atau sistem pakar merupakan salah satu cabang dari disiplin ilmu artifical intelligence dalam menyediakan data informasi serta menyelesaikan permasalahan berdasarkan pengetahuan dan pengalaman manusia yang dianggap memiliki tingkat pakar yang tinggi, seperti kedokteran , teknik, dan lainnya. Fitur-fitur yang dimiliki , antara lain sebagai berikut.
a). Memepunyai pengetahuan dan keahlian setingkat pakar manusia.
b). Memiliki modul atau fungsi yang dapat mempertimbangkan keputusan menggunakan model simbolis.
c). Keberagaman dan tingkat kedalaman pengetahuan berasal dari kumpulan para pakar.
d). Mempunyai kemampuan self knowlrdge,yaitu dapat menganalisis secara otomatis setiap mengetahui parameter input masalah .
2. Kelebihan sistem pakar
Kelebihan penggunaan sistem pakar dalam menunjang pekerjaan sehari-hari meliputi hal seperti berikut.
a). Memiliki basis data pengetahuan relatif besar.
b). Mampu menyimpan data pakar dalam jangka waktu yang lama.
c). Mampu melakukan perhitungan secara cepat dan tepat.
Pada dasarnya, sistem pakar adalah sistem yang menampung, menyimpan, dan mengolah setiap data yang berisi kepakaran atau keahlian seorang atau tim pakar dalam sistem komputer.
3. Komponen Sistem Pakar
Untuk mendukung proses kerja sistem pakar, ada beberapa elemen penting yang harus tersedia, yaitu sebagai berikut.
a). Sistem akuisi pengetahuan
sistem akuisi pengetahuan bertugas melakukan akuisi pengetahuan,keahlian,dan datab kepakaran dari sebelumnya
b. knowledge base
knowledge base merupakan data atau sistem penyimpanan data kepakaran yang telah diakuisi sebelumnya
c. inference machie
mesin inference menjadi core atau inti sistem yang berperan sebagai pengontrol dan penerjemah aturan,metodologi,fungsi pertimbangan, analisis,dan perumusan konklusi.
d.user interface
user interface merupakan antarmuka yang di gunakan untuk menjabati interaksi antara user dan sistem pakar.
e. blackboard atau tempat kerja
blackboard adalah ketersediaan ruang memori yang bertugas menyimpan database knowledge
atau aturan baru bahkan berperan sebagai penyimpan hipotesis dan simpulan sementara
f. justifier atau subsistem penjelas
justifier merupakan fitur yang dapat menelusuri validitas simpulan atau keputusan yang diambil berdasarkan rujukan yang jelas
g. subsistem perbaikan pengetahuan
subsistem merupakan sistem yang di sediakan untuk mengevaluasi dan perbaikan dan memperbaiki proses pengolahan kepakaran dalam sistem itu sendiri.
4. Modul utama dalam sistem pakar
Terdapat tiga modul utama yang menyusun sistem pakar, yaitu sebagai berikut.
a). Modul penerimaan pengtahuan ( knowledge acquistion mode)
Modul penerimaan pengetahuan merupakan titik awal sistem bekerja.
b). Modul konsultasi ( consultation mode)
Modul konsultasi digunakan untuk menjembatani proses interaksi dan komunikasi antara user dan sistem pakar.
c). M odul penjelasan (explanation mode)
Modul penjelasan berperan dalam memberikan penjelasan dan pengetahuan tentang keputusan atau diagnosis yang diambil oleh sistem.
5. Bentuk sistem pakar
Sistem pakar terbagi menjadi empat bentuk, yaitu sebagai berikut.
a). Berdiri sendiri ( independent)
Sistem ini dapat bekerja dan berdiri sendiri tanpa bantuan software atau handware lain.
b). Terintegrasi ( integrated )
Sistem pakar yang terintegrasi dalam modul subprogram konvesional atau aplikasi tertentu.
c). Terhubung ke sistem lain ( connected to other system )
Bentuk ini merupakan model konvensi penyimpanan pengetahuan kepakaran dalam sistem manajemen database.
d). Sistem mengabdi ( service system)
sistem pakar dalam komputer yang di gunakan sebagai layanan khusus terhadap pekerjaan tertentu.
e.Decition support system
1.Pengertian DSS
Decision support system (DSS) pada dasarnya adalah sisitem informasi sebagai hasil proses berfikir secara komputasi yang di ciptakan enginer atau programmer, dengan tujuan memberikan bantuan pertimbangan pengambilan keputusan terhadap suatu permasalahan .
2. Karakteristik DSS
suatu sistem dapat di kategorikan sebagai DSS apabila memiliki beberapa karakter ,antara lain sebagai berikut:
a. mempermudah manajemen dalam mengambil keputusan dengan mempertimbangkan data-data dahulu.
b.memiliki graphical interface yang menarik dan mudah di hunakan untuk berinteraksi antara user dan sistem DSS ,dengan porsi kontrol user user terhadap sistem lebih besar .
c. mampu mendeteksi ,mengidentifikasi ,menganalisis serta mengambil keputusan terhadap permasalahan ,dengan baik dengan hierarki ,semiterstruktur ,mauoun tidak struktur.
d. mampu diintegrasi dengan sistem lain
Dengan karakteristik tersebut,seharusnya DSS mampu memberikan keuntungan bagi penggunanya ,antara lain sebagai berikut:
a .memberikan pertimbangan dan dukungan informasi pada penggunanya terkait keputusan yang akan di ambil
b. memperbaiki performa ,kualitas,dan efektivitas setiap keputusan yang diambil
c.menjadi terobosan baru dalam sistem pemrosesan secara kognitif.
3.Tahapan pengambilan keputusan
Keputusan yang ditampilkan sebagai solusi terbaik dari beberapa aspek oleh DSS harus melewati beberapa tahapan sebagai berikut.
a. Tahapan intelegensi merupakan fase mengidentifikasi masalah beserta peluang pemecahannya berdasarkan data yang dimiliki.
b. Tahapan desain merupakan fase mencocokkan, menemukan, mengembangkan, serta menganalisis pola masalah terhadap data yang ada.
c. Tahapan pilihan adalah proses mempersempit batasan pilihan solusi yang ditawarkan dan diambil oleh sistem berdasarkan persentase kebenaran terbesar.
d. Tahapan implementasi adalah proses akhir yang berisi saran dan pilihan solusi yang ditampilkan sistem pada user.
4. Komponen sistem
Untuk menjalankan keempat tahapan tersebut, sistem DSS harus menyediakan beberapa modul penting dalam proses pengambilan keputusannya, yaitu sebagai berikut.
a). Data management
b). Model menegement
c). Communication
d). Knowledge management
3. Penerapan Tegnologi CT
Teknologi CT dapat diterapkan dalam banyak bidang. Berikut ini adalah beberapa contoh penerapan teknologi CT.
a.Biometric system
Merupakan teknologi pengenalan ,pemindai,dan pengidentifikasi karakteristik fisik dan biologis manusia ,yang disimpan dalam bank data digital.ada dua jenis biometric yang saat dui kembangkan ,yaitu sebagai berikut:
1). Physiological characteristics
2). Behavioral Characteristics
Berikut adalah beberapa jenis implementasi teknologi biometric system dalam dunia nyata .
1.gait
2.voice recognitian\
3.eye recognition
4.vein recognition
5.face recognition
6.fingerprint recognition
7.typing recognition
b.Face recognition
Merupakan revolusi teknologi di era industri 4.0 yang mampu mengidentifikasi dan memvalidasi data seseorang berdasarkan gambar dan pola wajah manusia.Face recognition adalah salah satu teknologi terapan dari beometric security yang menangkap gambar melalui file foto ,pengambilan gambar langsung,atau vidio.
c.voice atau speech recognition
Speech recognition merupakan teknologi pendektesi data yang berasal dari ucapan atau suara yang di ubah menjadi data digital.
d.Fingerprint recognition
Fingerprint recognition merupakan teknologi yang akan merekam dan mencatat pola sidik jari manusia ke dalam bank data digital.
e.Computer-Aided Diagnosis (CAD)
CAD merupakan sistem diagnosis yang di gunakan untuk mendeteksi gejala penyakit dalam bidang kedokteran
f.Optical Character Recognition (OCR)
OCR adalah salah satu jenis AI yang mampu membaca dokumen cetak atau tulisan tangan di kertas melalui proses scaning ,yang kemudian di estrak dalam bentuk file teks yang dapat diedit tanpa perlu mengetik secara manual .Berikut fungsi aplikasi OCR dalam kehidupan sehari -hari
1).menjadi tool yang berguna untuk memudahkan entri data melalui proses scanning .
2).mengubah dokumen cetak menjadi file digital yang dapat diedit .
3).mengubah format dokumen hasil tulisan tangan menjadi dokumen digital
4). mendaftarkan dokumen kertas dengan tulisan tanagan dalam sistem indeks agar mudah dikenali
g.Machine Vision
Tekngologi machine vision memiliki konsep berupa kecerdasan mesin yang mampu menggantikan manusia dalam melihat ,mengenali,mengidentifikasi ,menangkap ,dan menganalisis objek gambar sehingga dapat menyajikan opsi keputusan bagi penggunanya.
Berikut adalah beberapa contoh penerapan machine vision dalam kehiduoan sehari -hari:
1. pengontrollan kualitas kayu mebel
2.pembacaan dan identifikasi nomor kendaraan .
3.pemantauan dan inspeksi tahapan produksi manufaktur .
4. teknologi sensor,scanning ,dan AI dalam robot
5. perangkat spy atau mata-mata
h.Data mining
1. konsep data mining
Karena selalu bertambahnya besar ukuran dan jumlah record datanya .Data tersebut dapat tersimpan ,dimodifikasi,dan di hapus dalam analisis apapun.
oleh karena itu ,di sinilah peran data mining.Definisi data mining dari beberapa versi,antara lain sebagai berikut.
- Sebagai tool untuk mendeteksi, melakukan identifikasi dan penelusuran, serta mengakumulasi data dalam jumlah besar guna menemukan pola tertentu.
- Metode pengekstrak informasi yang awalnya belum memiliki arti dan kurang menarik dalam rangkaian penyimpanan data besar.
- Mekanisme analisis data besar guna mencari pola atau pattren menggunakan algoritme tertentu.
Tidak ada komentar:
Posting Komentar