• Tidak ada hasil yang ditemukan

Penerapan dan Tantangan Artificial Intelligence (AI) Driven Software development

N/A
N/A
Protected

Academic year: 2021

Membagikan "Penerapan dan Tantangan Artificial Intelligence (AI) Driven Software development"

Copied!
13
0
0

Teks penuh

(1)

Penerapan dan Tantangan Artificial Intelligence (AI) Driven Software development

Nurasiah

Sistem Informasi, Fakultas Ilmu Komputer, Universitas Gunadarma Jl. Margonda Raya 100 Pondok Cina Depok

nurasiah@staff.gunadarma.ac.id

Abstrak

Beberapa ahli filsafat telah mengambil pendekatan komputasi dari para ilmuwan komputer dan menerima gagasan bahwa mesin dapat melakukan apapun yang manusia lakukan. Kecerdasan buatan atau artificial intelligence (AI) merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Kecerdasan buatan (AI) berkembang semakin cepat dan mengalami kemajuan yang sangat pesat dalam berbagai bidang kehidupan manusia mulai dari kesehatan, pendidikan, hingga kontrol iklim dan hasil panen. Dalam pengembangan Artificial Intelligence (AI) memunculkan sejumlah masalah. Salah satu masalah yang muncul adalah masalah etika. Tantangan dalam etika pengembangan AI adalah merancang sebuah mesin / aplikasi yang tidak membahayakan dan menghancurkan kehidupan manusia, yang lebih sarat moral.

Kata Kunci : Artificial Intelligence, Penerapan AI, Tantangan AI

Pendahuluan

Para ahli filsafat telah mencoba lebih dari 2000 tahun untuk memahami dan menyelesaikan dua pertanyaan besar dari alam semesta : bagaimana pikiran manusia bekerja dan apakah yang selain manusia dapat memiliki pikiran? Namun, pertanyaan ini masih tidak terjawab. Beberapa ahli filsafat telah mengambil pendekatan komputasi dari para ilmuwan komputer dan menerima gagasan bahwa mesin dapat melakukan apapun yang manusia lakukan. Akan tetapi sebagian ahli filsafat yang lainnya telah menentang secara terbuka gagasan tersebut, mereka mengklaim bahwa beberapa perilaku manusia yang canggih seperti cinta, penemuan kreatif dan perilaku moral akan berada di luar jangkauan mesin apapun. Kenyataan bahwa memungkinkan terjadinya sebuah filosofi

(2)

yang diperselisihkan tidak dapat terpecahkan. Faktanya, ahli teknik dan ilmuwan telah membangun mesin yang dapat disebut “cerdas”. Jadi apakah arti kata “cerdas” itu? Berdasarkan kamus Bahasa inggris (Collin, London, 1990), kecerdasan seseorang adalah kemampuan mereka untuk memahami dan belajar sesuatu. Kecerdasan adalah kemampuan berfikir dan memahami bahkan melakukan sesuatu berdasarkan naluri atau secara otomatis.[1]

Artificial Intelligence (AI)

Istilah AI pertama kali dikemukakan pada tahun 1956 di konferensi Darthmouth. Secara lengkap, berikut ini tahapan-tahapan sejarah perkembangan AI:[2]

1. Tahun 1941 : Era Komputer Elektronik

Telah ditemukan alat penyimpanan dan pemrosesan informasi yang dinamakan komputer elektronik yang dikembangkan di USA dan jerman. Komputer pertama ini memerlukan ruangan yang luas dan ruang AC yang terpisah. Saat itu komputer melibatkan konfigurasi ribuan kabel untuk menjalankan suatu program yang sangat merepotkan bagi para programmer. Tahun 1949, berhasil dibuat komputer yang mampu menyimpan program sehingga membuat pekerjaan untuk memasukkan program menjadi lebih mudah. Penemuan ini menjadi dasar pengembangan program yang mengarah ke AI.

2. Tahun 1943 – 1956 : Masa persiapan AI

Tahun 1943, Warren McCulloch dan Walter Pitts berhasil membuat suatu model saraf tiruan (artificial neuron) di mana setiap neuron digambarkan sebagai on dan off. Mereka menunjukkan bahwa setiap fungsi dapat dihitung dengan suatu jaringan sel syaraf dan bahwa semua hubungan logis dapat diimplementasikan dengan struktur jaringan yang sederhana. Tahun 1950, Norbert Wiener mebuat penelitian mengenai prinsip-prinsip teori feedback yaitu thermostat yang merupakan awal perkembangan AI. Tahun 1956, John McCarthy dibantu oleh Minsky, Claude Shannon dan Nathaniel Rochester melakukan penelitian dalam bidang mesin cerdas, jaringan saraf tiruan dan teori automata.

3. Tahun 1952 – 1969 : Awal perkembangan AI

Pada awal pengembangan AI kesuksesan diawali oleh Newell dan Simon dengan sebuah program yang disebut General Problem Solver(GPS). Tahun 1958, McCarthy

(3)

mendefinisikan bahasa pemrograman tingkat tinggi yaitu LISP dan membuat program yang dinamakan Programs With Common Sense. Tahun 1959, Nathaniel Rochester dan mahasiswa-mahasiswanya mengeluarkan program AI Geometry Theorm Prover. Tahun 1963, James Slagle membuat yang mampu menyelesaikan masalah integral tertutup untuk mata kuliah kalkulus. Tahun 1968, Tom Evan membuat program analogi untuk menyelesaikan masalah analogi geometris yang ada pada tes IQ. 4. Tahun 1969 – 1979 : Sistem Berbasis Pengetahuan

Ed Feigenbaum, Bruce Buchanan dan Joshua Lederberg yang membuat program yang dinamakan Dendral programs untuk memecahkan masalah struktur molekul dari informasi yang didapatkan dari spectometer massa. Saul Amarel dalam proyek computer in biomedicine untuk mendapatkan diagnosa penyakit berdasarkan pengetahuan yang ada pada mekanisme penyebab proses penyakit.

5. Tahun 1980 – 1988 : AI menjadi sebuah industri

Diawali dengan ditemukannya expert system (sistem pakar) yang mampu mengkonfigurasi sistem-sistem komputer baru. Tahun 1982, McDermott, Digital Equipment Corporation (DEC) mulai mengoperasikan program tersebut. Perkembangan industri AI melibatkan perusahaan-perusahaan besar seperti Carnegie Group, Inference, Intellicorp, dan Technoledge yang menawarkan software tools untuk membangun sistem pakar.

6. Tahun 1986 – Sekarang : Kembalinya Jaringan Saraf Tiruan

Bidang ilmu komputer menolak jaringan saraf tiruan setelah diterbitkannya buku “perceptrons” karangan Minsky dan Papert, akan tetapi para ilmuan masih mempelajari bidang ilmu tersebut dari sudut pandang ilmu fisika. Para ahli seperti Hopfield menggunakan teknik-teknik mekanika statistika untuk menganalisa sifat-sifat penyimpanan dan optimasi pada jaringan saraf. Ahli psikollogi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model saraf pada memori. Pada tahun 1985-an empat kelompok riset menemukan kembali algoritma belajar propagasi balik (Back- Propagation Learning). Algoritma ini berhasil diimplementasikan dalam bidang ilmu komputer dan psikologi.

Kecerdasan buatan atau artificial intelligence (AI) merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia.[2]

(4)

Terdapat delapan definisi dari AI yang dibagi ke dalam empat kategori yang dibagi menjadi dua dimensi. Definisi – definisi tersebut dapat dilihat pada tabel berikut :[3]

Tabel 1 : Definisi Artificial Intelligence (AI)[3] Sistem yang berpikir seperti manusia

(Thinking Humanly) :

“Usaha baru untuk membuat komputer agar dapat berpikir...mesin dengan pikiran, dalam penuh rasa dan tepat.” (Haugeland, 1985)

“[Otomatisasi dalam] melakukan kegiatan dalam pemikiran manusia, seperti membuat keputusan,

memecahkan masalah,

belajar...”(Bellman, 1978)

Sistem yang berpikir secara rasional (Thinking Rationally) :

“Studi tentang kemampuan mental melalui penggunaan model komputasi.” (Charniak and McDermott, 1985)

“Studi tentang memperhitungkan kemungkinan untuk memahami, bernalar dan bertindak.”(Winston, 1992)

Sistem yang bertindak seperti manusia (Acting Humanly)

“Seni tentang menciptakan mesin yang dapat melakukan hal – hal yang memerlukan kecerdasan seperti yang dilakukan oleh manusia.”(Kurzweil, 1990)

“Studi tentang bagaimana membuat komputer melakukan hal – hal yang saat ini dapat dilakukan lebih baik oleh manusia.”(Rich dan Knight, 1991)

Sistem yang bertindak secara rasional (Acting Rationally) :

“Kecerdasan komputasi adalah studi tentang merancang agen – agen cerdas.”(Poole et all.,1998)

“AI...adalah studi khusus tentang perilaku cerdas sebuah benda”.(Nilsson, 1998)

Untuk melakukan aplikasi kecerdasan buatan ada dua bagian utama yang sangat dibutuhkan, yaitu :[2]

(5)

1. Basis pengetahuan (knowledge base), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.

2. Motor interferensi (inference engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.

gambar 1. Penerapan Konsep AI[2]

Dibandingkan dengan kecerdasan alami (kecerdasan yang dimiliki oleh manusia), AI memiliki beberapa keuntungan diantaranya yaitu :[2]

1. Kecerdasan buatan lebih bersifat permanen. 


2. Kecerdasan buatan lebih mudah diduplikasi dan disebarkan. 


3. Kecerdasan buatan lebih murah dibanding dengan kecerdasan alami. 
 4. Kecerdasan buatan bersifat konsisten. 


5. Kecerdasan buatan dapat didokumentasi. 


6. Kecerdasan buatan dapat mengerjakan pekerjaan lebih cepat dibanding dengan kecerdasan alami. 


7. Kecerdasan buatan dapat mengerjakan pekerjaan lebih baik dibanding dengan kecerdasan alami.

Penerapan Artificial Intelligence (AI)

Kecerdasan buatan (AI) berkembang semakin cepat dan mengalami kemajuan yang sangat pesat dalam berbagai bidang kehidupan manusia mulai dari kesehatan, pendidikan, hingga kontrol iklim dan hasil panen. Salah satu teknologi utama yang akan mendukung implementasi Industri 4.0 adalah Artificial Intelligence.[4]

Berikut adalah beberapa penelitian tentang pengembangan perangkat lunak Artificial Intelligence (AI) yang disajikan dalam tabel 2.1.

(6)

Tabel 2.1 Penelitian Pengembangan Perangkat Lunak AI

Peneliti / Judul Tujuan / Metode Hasil

Dicky Nofriansyah, Rudi Gunawan, Elfitriani.

Sistem Pakar Untuk Mendiagnosa Penyakit Pertussis (Batuk Rejan) Dengan Menggunakan Metode Teorema Bayes. (2020)

Membuat sistem pakar untuk mendiagnosa penyakit pertussis (batuk rejan) dengan

mengklasifikasikan gejala penyakit.

- Teorema Bayes

Menghasilkan sistem pakar yang mudah dioperasikan dan dapat diubah sesuai dengan jenis permasalahan yang lainnya.

Asep Abdul Sofyan, Jarudin Wastira, Yahya Ayash.

Sistem Pakar Diagnosa Penyakit Demam Berdarah Dengue Dengan Metode Certainty Factor. (2020)

Membuat aplikasi sistem pakar berbasis android untuk memberikan informasi masalah kesehatan kepada masyarakat khususnya DBD. - Certainty Factor Menghasilkan aplikasi sistem pakar berbasis android yang dapat mendiagnosa gejala penyakit DBD sejak dini.

Akhmad Zulkifli, Rizki Ananda Putri.

Aplikasi Diagnosa Penyakit Gigi dan Mulut Menggunakan Metode Forward Chaining. (2020)

Membuat aplikasi sistem pakar berbasis web untuk mendiagnosa penyakit gigi dan mulut.

- Forward Chaining

Menghasilkan aplikasi sistem pakar yang dapat mendiagnosa serta memberikan informasi mengenai penangan dan pengobatan penyakit gigi dan mulut. Rizki Aditya, Abdul Muid,

Uray Ristian.

Membuat tempat sampah otomatis menggunakan suara sebagai pembuka

Speech Recognition dapat diterapkan pada

(7)

Tempat Sampah Otomatis Speech Recognition Menggunakan Pocketsphinx.(2020)

tutup sempah dan secara otomatis akan memberi informasi jika tempat sampah penuh.

- Hidden Markov Model

tempat sampah otomatis.

Tempat sampah dapat membuka dan

menutup secara optimal dan akurat. Waktu respon rata – rata saat tidak gaduh (noise rendah) adalah 5,13 detk, sedikit gaduh (niose sedang) 9,17 detik dan toleransi untuk memastikan alat tidak merespon perintah adalah 11 detik.

Penggunaan Speech Recognition dengan Pocketsphinx tidak dapat digunakan pada tempat yang ramai. Machrus Ali, Ruslan

Hidayat, Iwan Cahyono.

Penggunaan ANFIS pada pengaturan Debit Air Berdasarkan Volume Air Dalam Tangki. (2020)

Membandingkan empat metode untuk meghasilkan control aliran air pada tangka agar debit air yang keluar sesuai dengan yang dibutuhkan pada proses produksi.

- Tanpa Controller

Dari simulasi percobaan yang dilakukan didapatkan bahwa Desain Water Level yang paling baik adalah menggunakan metode ANFIS dengan nilai overshot dan undershot terkecil.

(8)

- PID Controller

- Adaptive Neuro Fuzzy Inference System (ANFIS) Controller

- Fuzzy Login Controller Pupung Adi Prasetyo,

Randi Cahya Wihandika, Candra Dewi.

Penentuan Model Lajur Pada Self-Driving Car Menggunakan Hough Transform dan Kuantitasi Warna K-Means. (2019)

Merancang model lajur navigasi pada self-driving car. - Algoritma Hough Transform - Pengolahan Citra Algoritme dapat menghasilkan model lajur dengan tingkat presisi rata-rata yang cukup baik pada setiap kondisi jalan yakni 88.45%. Ketika berjalan pada jalanan lurus tanpa objek hambatan

menghasilkan tingkat presisi di atas 95%.

Menambah metode penunjang kuantisasi warna pada jalan dengan tingkat kecerahan yang tidak menentu hanya menghasilkan tingkat presisi dari model lajur sekitar 70 %.

(9)

Tantangan Terhadap Pengembangan Artificial Intelligence (AI)

Dalam pengembangan Artificial Intelligence (AI) memunculkan sejumlah masalah. Salah satu masalah yang muncul adalah masalah etika. Tantangan dalam etika pengembangan AI adalah merancang sebuah mesin / aplikasi yang tidak membahayakan dan menghancurkan kehidupan manusia, yang lebih sarat moral. Ini adalah tantangan baru bagi bidang pemrograman, ketika algoritma AI tidak mengindahkan pekerjaan kognitif dalam dimensi sosial, yang sebelumnya dilakukan oleh manusia.[5]

Peneliti telah berbagi pendahuluan etika AI dan skema kebijakan dari hasil mengkaji lebih dari 80 dokumen etika AI yang dibuat oleh pemerintah, organisasi swasta dan LSM.[6]

Menurut Microsoft, tantangan lainya untuk memaksimalkan potensi teknologi AI adalah kepercayaan. Bagaimana membangun kepercayaan pengguna bahwa solusi – solusi pada teknologi AI telah memenuhi standar tertinggi untuk keamanan, privasi dan keselamatan. Untuk itu Microsoft menyusun enam prinsip yang dipercaya sebagai jantung pengembangan dan penyebaran solusi yang di dukung AI. Enam prinsip tersebut adalah :[7]

1. Privasi dan keamanan, sistem AI harus mematuhi undang-undang privasi yang mengatur tentang pengumpulan, penggunaan dan penyimpanan data, dan memastikan bahwa informasi pribadi yang digunakan sesuai dengan standar privasi dan dilindungi dari penyalahgunaan atau pencurian.

2. Transparansi, harus memberikan informasi kontekstual tentang bagaimana sistem AI beroperasi sehingga masyarakat dapat memahami bagaimana keputusan dibuat dan lebih mudah dalam mengidentifikasi potensi bias, kesalahan, dan hasil yang tidak diinginkan.

3. Keadilan, sistem AI harus memastikan keadilan dalam membuat rekomendasi yang sama untuk semua orang dengan gejala atau kualifikasi serupa.

4. Keandalan, sistem AI harus dirancang untuk dapat beroperasi dalam parameter yang jelas dan menjalani pengujian yang ketat untuk memastikan bahwa mereka merespon dengan aman.

5. Inklusivitas, solusi AI harus dapat mengatasi berbagai kebutuhan dan pengalaman manusia melalui praktik desain yang inklusif dalam mengantisipasi hambatan potensial dalam produk atau lingkungan yang dapat secara tidak sengaja mengucilkan

(10)

seseorang.

6. Akuntabilitas, pakar yang mendesain dan memasang sistem AI harus bertanggung jawab bagaimana sistem tersebut beroperasi. Norma akuntabilitas untuk AI harus memanfaatkan pengalaman dan praktik dari sektor lain. Akuntabilitas harus dipatuhi selama proses mendesain sistem dan secara terus-menerus saat sistem beroperasi. Kesimpulan

Meski ada beberapa tantangan dalam pengembangan AI, semua ini tidak menyurutkan dalam proses pengembangan perangkat lunak AI. Pengembangan selalu berinovasi setaip waktu. Peluang saat ini dalam proses pengembangan perangkat lunak AI adalah dengan mengaitkan dunia AI dengan dunia bisnis online (startup). Seiring berkembangnya perusahaan startup yang cukup meningkat juga mengakibatkan meningkatnya persaingan. Untuk dapat bertahan dan menjadikan usaha starup tetap menjadi yang terdepan perlu dilakukan inovasi aplikasi startup dengan sistem artificial intelligence. Hal ini dapat dijadikan kesempatan oleh para peneliti untuk mengkaji dan menganalisis pengembangan sistem AI pada dunia bisnis online (startup).

(11)

Daftar Pustaka

[1] M. Negnevitsky, Artificial Intelligence A Guide to Intelligent System, 2nd edition. Addition Wesley, 2005.[Ebook] Available : www.academia.dk

[2] H. Jaya, Sabran, M. Ma’ruf, Y. Djawad, A. Ilham, dan A. Saleh, Kecerdasan Buatan. Fakultas MIPA Universitas Makasar, 2018. [Ebook] Available :

www.eprints.unm.ac.id

[3] S. Russell., P. Norvig, Artifial Intelligence A Modern Approach, 3nd edition.

Prentice Hall, 2010. [Ebook] Available : www.faculty.psau.edu.sa

[4] Vishnum,”Etika jadi Bagian Terpenting dalam teknologi Kecerdasan Buatan (AI)” Apr. 23, 2018. [Online]. Available:

https://news.microsoft.com/id-id/2018/04/23/etika-jadi-bagian-terpenting-dalam-teknologi-kecerdasan-buatan-ai/. [Accessed April. 05, 2020].

[5] R. Maylestari,”Etika Pengembangan” Mar. 1, 2019. [Online]. Available:

https://medium.com/dycode/etika-pengembangan-ai-9b6ac950ce53. [Accessed April. 05, 2020].

[6] G. Shaw, The Future Computed AI and Manufacturing. Microsoft Corporation, 2019. [Ebook] Available : www.news.microsoft.com.

[7] D. Schiff, J. Biddle, J. Borenstein, And K. Laas. What’s Next for AI Ethics, Policy, and Governance? A Global Overview. AIES’20, Februari 7 – 8, 2020.

[8] D. Nifriansyah, R. Gunawan, Elfitriani. Sistem Pakar Untuk Mendiagnosa Penyakit Pertussis (Batuk Rejan) Dengan Menggunakan Metode Teorema Bayes. Jurnal Teknologi Sistem informasi dan Sistem Komputer, 3(1):pp.41-54, 2020.

[9] A. A. Sofyan, J. Wastira, And Y. Ayash. Sistem Pakar Diagnosa Penyakit Demam Berdarah Dengue Dengan Metode Certainty Factor. Jurnal Sisfotek Global, 10(1):p-ISSN 2088 – 1762, 2020.

[10] A. Zulkifli, R. A. Putri. Aplikasi Diagnosa Penyakit Gigi Dan Mulut Menggunakan Metode Forward Chaining. Riau Journal of Computer Science, 06(01):71-80, 2020. [11] R. Aditya, A. Muid, And U. Ristian. Tempat Sampah Otomatis Speech

Recognition Menggunakan Pocketsphinx. Informatika Mulawarman : Jurnal Ilmiah Ilmu Komputer, 15(1):39-46, 2020.

(12)

Air Berdasarkan Volume Air Dalam Tangki. Journal of Articial Intteligence & Applications,1(1):25-32, 2020.

[13] P. A. Prasetyo, R. C. Wihandika, And C. Dewi. Penentuan Model Lajur Self Driving Car Menggunakan Hough Transform dan Kuantitasi Warna K-Means. Jurnal Pengembangan Teknologi Informasi dan Ilmu komputer, 3(11):10418-10426, 2019.

(13)

Perpustakaan Universitas Gunadarma BARCODE

BUKTI UNGGAH DOKUMEN PENELITIAN PERPUSTAKAAN UNIVERSITAS GUNADARMA

Nomor Pengunggahan

SURAT KETERANGAN

Nomor: 465/PERPUS/UG/2020

Surat ini menerangkan bahwa:

Nama Penulis : NURASIAH, S.Kom, MMSI Nomor Penulis : 090905

Email Penulis : nurasiah@staff.gunadarma.ac.id

Alamat Penulis : Gunadarma University Build 4, 1st Floor Margonda Raya 100 Pondok Cina Depok

Telah menyerahkan hasil penelitian/ penulisan untuk disimpan dan dimanfaatkan di Perpustakaan Universitas Gunadarma, dengan rincian sebagai berikut :

Nomor Induk : FILKOM/KA/PENELITIAN/465/2020

Judul Penelitian : Penerapan dan Tantangan Artificial Intelligence (AI) Driven Software development Tanggal Penyerahan : 15 / 08 / 2020

Gambar

Tabel 1 : Definisi Artificial Intelligence (AI)[3]
gambar 1. Penerapan Konsep AI[2]
Tabel 2.1 Penelitian Pengembangan Perangkat Lunak AI

Referensi

Dokumen terkait

Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik

• Kecerdasan buatan merupakan sub-bidang ilmu komputer (computer science) yang khusus ditujukan untuk membuat perangkat lunak dan ditujukan untuk membuat perangkat lunak dan

Jika kamu ditentang, diganggu dan dianiaya, oleh umat Kristiani yang lain, agar kamu menerima hukum-hukum yang baru itu, yang kau ketahui didalam hatimu

Anak perusahaan ini ditujukan untuk menjalankan usaha komersial pada bidang pembangkitan tenaga listrik dan usaha- menjalankan usaha komersial pada bidang pembangkitan tenaga

Sebagaimana yang telah disebutkan sebelumnya, bahwa diantara tujuan-tujuan tersebut diatas memiliki satu atau lebih target yang ingin dicapai, adapun target-target sesuai

Mejoi menjalankan hak dan kewajiban sebagai Wajib Pajak Pertambahan Nilai dengan membuat Faktur Pajak dalam segala kegiatan transaksi yang berkaitan dengan

Dari hasil penelitian yang telah dilaksanakan dapat disimpulkan bahwa sebagai berikut; 1). Distribusi frekuensi responden berdasarkan PHBS kebiasaan cuci tangan dalam kategori

Kemampuan Akhir yang Diharapkan Mahasiswa mampu membuat aplikasi menggunakan konsep pemrograman berorientasi obyek. Minggu/Pertemuan ke