Senin, 26 Desember 2016

Tugas 4 : Pengantar Teknologi Sistem Cerdas

Review Film Chappie 2016


sumber ( https://en.wikipedia.org/wiki/Chappie_(film))

Pada kali ini saya akan sedikit meriview sedikit tentang film Chappie, Film ini menggambarkan bagaimana masa depan yang suda serba robot, dengan perkembangannya robot di anggap mampu memberikan keadilan mutlak pada manusia, pemerintahan di Negara tersebut membuat robot polisi percobaan, namun robot - robot tersebut beberapa tidak patuh, namun karena robot merupakan settingan mutlak pembuatnya dan mampu mengikuti sesuai keinginan yang memegang control penuh, robot ini digunakan untuk mengekang rakyatnya, salah satu robot berhasil di curi oleh penjahat dan di jadikan bahan percobaan, hingga akhirnya salah satu teknisi dari pengembang robot polisi itu di bawa untuk memperbaiki robot yang telah di curi oleh para penjahat tersebut,

pada pengembangannya teknisi ini memberikan rancangan AI pada robot ini untuk mengembangkan dirinya, baik emosi, cara bicara, dan tingkah laku,

beberapa kelebihan pada robot cappie yang di tampilkan pada film tersebut :
1. Mampu mempelajari cara bicara seseorang,
2. Mampu memberikan pendapat atas tiap pertanyaan
3. Mampu bertanya hal-hal yang ia belum ketahui
4. Mampu belajar cara bergerak
5. mampu memiliki emosi

Dampak Neegatif pada robot ini :
1. Robot ini mampu mempelajari hal hal jahat,
2. Diberikan hak kendali penuh untuk melakukan keputusan
3. Dapat dikendalikan oleh orang jahat
4. Bersenjata

Tugas 3 : Pengantar Teknologi Sistem Cerdas

Artikel Natural Language Processing

A. Pengertian Natural Language Processing

        Pemrosesan bahasa alami, disingkat PBA atau NLP (natural language processing), adalah cabang
ilmu komputer dan linguistik yang mengkaji interaksi antara komputer dengan bahasa (alami)
manusia . NLP sering dianggap sebagai cabang dari kecerdasan buatan dan bidang kajiannya
bersinggungan dengan linguistik komputasional.
      Tujuan dalam bidang Natural language ini adalah melakukan proses pembuatan model
komputasi dari bahasa, sehingga dapat terjadi suatu interaksi antara manusia dengan komputer
dengan perantara bahasa alami (bahasa sehari-hari).
       Sebuah Natural Language System harus memperhatikan pengetahuan terhadap bahasa itu sendiri,
baik dari segi kata yang digunakan, bagaimana kata-kata tersebut digabung untuk menghasilkan
suatu kalimat, apa arti sebuah kata, apa fungsi sebuah kata dalam sebuah kalimat dan sebagainya.
Kita juga harus mempertimbangkan kemampuan manusia untuk mengerti dan kemampuan untuk
itu didapat dari pengetahuan yang didapat secara terus menerus sewaktu hidup

B. Peranan Pengetahuan dalam Bahasa
  1. Komunikasi dengan bahasa alami (teks/ucapan) bergantung pada pengetahuan dari domain pembicaraan
  2. Pemahaman bahasa tidak hanya ditransmisi dari kata-kata; tapi membutuhkan inferensi tentangtujuan dan asumsi-asumsi dari pembicara dan tentang konteks interaksi
  3. Implementasi dari program pemahaman bahasa alami membutuhkan representasi sejumlah besar pengetahuan dan alasan-alasan
      Untuk mengatasi kompleksitas dari bahasa ini didefinisikan tingkat analisis bahasa alami : Bidang Pengetahuan dalam Natural Language
  1. Prosody, mengerjakan ritme & intonasi Bahasa
  2. Phonology menguji suara yang dikombinasikan untuk membentuk Bahasa
  3. Morphology mengenai komponen-komponen (morfem-morfem) yang membentuk kata-kata.
  4. Termasuk aturan-aturan pengembangan formasi kata-kata seperti efek dari prefix (un-, non-,anti-, dll), & sufiks (-ing, -ly, dll) yang memodifikasi arti dari akar kata.
  5. Syntax, pemahaman tentang urutan kata dalam pembentukan kalimat dan hubungan antar kata tersebut dalam proses perubahan bentuk dari kalimat menjadi bentuk yang sistematis.
  6. Meliputi proses pengaturan tata letak suatu kata dalam kalimat akan membentuk kalimat yang dapat dikenali. Selain itu dapat pula dikenali bagian-bagian kalimat dalam suatu kalimat yang lebih besar. Sebagai contoh kalimat S dibentuk dari noun phrase (NP) dan verb phrase(VP)
  7. Semantics, pemetaan bentuk struktur sintaksis dengan memanfaatkan tiap kata ke dalam bentuk yang lebih mendasar dan tidak tergantung struktur kalimat. Semantik mempelajari arti suatu kata dan bagaimana dari arti kata – arti kata tersebut membentuk suatu arti dari kalimat yang utuh.
  8. Pragmatics, merupakan studi pada cara dimana bahasa digunakan & efeknya pada si pendengar
  9. World Knowledge mencakup arti sebuah kata secara umum dan apakah ada arti khusus bagi suatu kata dalam suatu percakapan dengan konteks tertentu.
C. Pemrosesan Bahasa Alami
      Menurut Rich [2], pemrosesan bahasa alami dapat dibagi atas beberapa proses:
  1. Morphological analysis, dimana kata secara individu dianalisis ke dalam komponen-komponennya dan yang bukan kata (seperti tanda baca) dipisahkan dari kata
  2. Syntactic analysis, urutan linier dari kata ditransformasikan ke dalam struktur yangmenunjukkan bagaimana kata saling berhubungan. Urutan kata yang melanggar aturan bahasa dalam pengkombinasian kata, akan ditolak
  3. Semantic analysis, dibuat mapping antara struktur sintaksis & objek dalam domain kerja.Struktur dimana tidak ada mapping yang memungkinkan, akan ditolak.
  4. Discourse integration, dimana arti dari kalimat secara individu bergantung pada kalimat-kalimat yang mendahului & mungkin dapat mempengaruhi arti dari kalimat-kalimat yangmengikutinya
  5. Pragmatic analysis, dimana struktur yang merepresentasikan apa yang diucapkan,diintepretasikan kembali untuk menentukan apa arti sebenarnya.

Sumber (http://dokumen.tips/documents/pengolahan-bahasa-alami-55a75714616a9.html)


Sabtu, 12 November 2016

Teknologi Sistem Cerdas Pada Kehidupan Sehari-hari


Teknologi Sistem Cerdas Pada Kehidupan Sehari-hari

Tugas 2 : Pengantar Teknologi Sistem Cerdas

Disusun Oleh
Rafdhi Herlisandhi M
3ka04

Fakultas Ilmu Komputer dan Teknologi
Jurusan Sistem Informasi
2016/2017

Teknologi Sistem Cerdas serangkaian metode rasional yang berkaitan dengan pembuatan sebuah objek, atau kecakapan tertentu, atau pengetahuan tentang metode dan seni dalam suatu kesatuan yang terdiri komponen atau elemen yang terkait dengan pemrograman computer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas.

         1. Vanding Machine

       

Penerapan teknologi sistem cerdas dalam kehidupan sehari – hari adalah PT KAI Commuter Jabodetabek (KCJ) yang mulai mengoperasikan mesin tiket atau vending machine di sejumlah stasiun. Vending machine merupakan suatu alat atau mesin yang menjual tiket secara otomatis. Vending Machine tidak membutuhkan tenaga operator untuk menjual barang, kita dapat memilih sendiri tiket kereta yang kita inginkan. Keberadaan mesin tiket pada layanan KRL commuter line bertujuan untuk mengurangi antrean transaksi di loket.

2. OSHbot 

 

Contoh lain dari teknologi sistem cerdas adalah OSHbot atau robot pelayan toko. Robot ini adalah robot pintar yang akan memandu pengunjung toko ke barang yang anda akan beli dengan cara mengucapkan nama barang kepada OSHbot. OSHbot memiliki tinggi 29.5 inchi dan siap memberikan pelayanan belanja yang menyenangkan.

3. Visual Recognition

 

Bidang ini merupakan kemampuan suatu komputer yang dapat menangkap signal elektronik dari suatu kamera dan dapat memahami apa yang dilihat tersebut. Penerapan AI ini misalnya pada komputer yang dipasang di peluru kendali, sehingga peluru kendali dapat diprogram untuk selalu mengejar sasarannya yang tampak di kamera.
Pada era globalisasi saat ini, bidang Visual Recognition dapat kita jumpai pada komputer-komputer laptop terbaru. Mula-mula komputer dipasang alat untuk mendeteksi sidik jari (fingerprints password). Sekarang ini sudah banyak digunakan face detector, sehingga untuk mengakses sebuah laptop yang sudah dipasangi password dari gambar wajah orang pemiliknya, maka orang lain dengan wajah yang berbeda tidak akan dapat membuka laptop tersebut.

4. Kulkas Pintar

 

Kulkas Pintar merupakan salah satu penerapan teknologi system cerdas yang mampu membantu kita dalam menyeleksi ataupun mengetahui makanan atau minuman yang ada di kulkas dengan smartphone kita, kulkas ini juga memiliki system stok barang jadi pemilik tidak perlu takut untuk kehabisan telur atau sayuran karena kulkas ini mampu mengecek isi nya sendiri dan mampu memesan ke took terdekat secara online ataupun memberitahukan keadaan isi kulkas kepada pemilik melalu smartphone.

Pengantar Teknologi Sistem Cerdas



Teknologi Sistem Cerdas Pada Kehidupan Sehari-hari

Tugas 2 : Pengantar Teknologi Sistem Cerdas

Disusun Oleh
Rafdhi Herlisandhi M
3ka04

Fakultas Ilmu Komputer dan Teknologi
Jurusan Sistem Informasi
2016/2017

Teknologi Sistem Cerdas serangkaian metode rasional yang berkaitan dengan pembuatan sebuah objek, atau kecakapan tertentu, atau pengetahuan tentang metode dan seni dalam suatu kesatuan yang terdiri komponen atau elemen yang terkait dengan pemrograman computer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas.

1. Vanding Machine
Hasil gambar untuk vending machine pt kai
Penerapan teknologi sistem cerdas dalam kehidupan sehari – hari adalah PT KAI Commuter Jabodetabek (KCJ) yang mulai mengoperasikan mesin tiket atau vending machine di sejumlah stasiun. Vending machine merupakan suatu alat atau mesin yang menjual tiket secara otomatis. Vending Machine tidak membutuhkan tenaga operator untuk menjual barang, kita dapat memilih sendiri tiket kereta yang kita inginkan. Keberadaan mesin tiket pada layanan KRL commuter line bertujuan untuk mengurangi antrean transaksi di loket.


2. OSHbot
Hasil gambar untuk OSHbot
Contoh lain dari teknologi sistem cerdas adalah OSHbot atau robot pelayan toko. Robot ini adalah robot pintar yang akan memandu pengunjung toko ke barang yang anda akan beli dengan cara mengucapkan nama barang kepada OSHbot. OSHbot memiliki tinggi 29.5 inchi dan siap memberikan pelayanan belanja yang menyenangkan.
3. Visual Recognition
Hasil gambar untuk visual recognition
Bidang ini merupakan kemampuan suatu komputer yang dapat menangkap signal elektronik dari suatu kamera dan dapat memahami apa yang dilihat tersebut. Penerapan AI ini misalnya pada komputer yang dipasang di peluru kendali, sehingga peluru kendali dapat diprogram untuk selalu mengejar sasarannya yang tampak di kamera.
Pada era globalisasi saat ini, bidang Visual Recognition dapat kita jumpai pada komputer-komputer laptop terbaru. Mula-mula komputer dipasang alat untuk mendeteksi sidik jari (fingerprints password). Sekarang ini sudah banyak digunakan face detector, sehingga untuk mengakses sebuah laptop yang sudah dipasangi password dari gambar wajah orang pemiliknya, maka orang lain dengan wajah yang berbeda tidak akan dapat membuka laptop tersebut.

4. Kulkas Pintar
Hasil gambar untuk ulasan kulkas pintar
Kulkas Pintar merupakan salah satu penerapan teknologi system cerdas yang mampu membantu kita dalam menyeleksi ataupun mengetahui makanan atau minuman yang ada di kulkas dengan smartphone kita, kulkas ini juga memiliki system stok barang jadi pemilik tidak perlu takut untuk kehabisan telur atau sayuran karena kulkas ini mampu mengecek isi nya sendiri dan mampu memesan ke took terdekat secara online ataupun memberitahukan keadaan isi kulkas kepada pemilik melalu smartphone.

PEMBUATAN PERANGKAT LUNAK PENGENALAN WAJAH MENGGUNAKAN PRINCIPAL COMPONENTS ANALYSIS

Pengantar Teknologi Sistem Cerdas
Di susun oleh :
Rafdhi Herlisandhi Muharram (18114733)
Kelas 3KA04
Fakultas Ilmu Komputer dan Teknologi Sistem Informasi
Jurusan Sistem Informasi
2016/2017

JUDUL ARTIKEL
“PEMBUATAN PERANGKAT LUNAK PENGENALAN WAJAH MENGGUNAKAN PRINCIPAL COMPONENTS ANALYSIS”

PENDAHULUAN
Sistem identifikasi merupakan hal yang penting. Salah satu sistem identifikasi yang banyak dikembangkan saat ini yaitu sistem identifikasi menggunakan informasi biologis yaitu sidik jari, wajah, retina, suara dan lain-lain. Salah satu informasi biologis yang sekarang banyak dikembangkan dan memiliki tingkat keakuratan tinggi yaitu wajah. Maka dari itu dibuatlah suatu perangkat lunak untuk pengenalan wajah.
Pengenalan wajah manusia adalah salah satu bidang penelitian penting dengan banyak aplikasi yang dapat menerapkannya. Penelitian terhadap pengenalan wajah manusia sudah banyak dilakukan dengan kelebihan dan kekurangan tertentu. Hal ini disebabkan karena wajah manusia mempresentasikan sesuatu yang kompleks, sehingga untuk mengembangkan model komputasi yang ideal untuk pengenalan wajah manusia adalah sesuatu hal yang sulit. Pengenalan wajah manusia mendapatkan banyak perhatian beberapa tahun terakhir ini, hal ini karena banyak aplikasi yang menerapkannya, antara lain dalam pengamanan gedung, alat identifikasi, ATM, Tele-Conference, alat bantu dalam pelacakan pelaku kriminal dan lain-lain. Ada banyak teknik pengenalan wajah yang dapat dipakai dan salah satunya adalah Principal Component Analysis (PCA) yang juga disebut Karhunen-Loeve transform.

PERMASALAHAN
Wajah manusia terdiri atas beberapa bagian yang memiliki karakteristik tersendiri, yang terbentang dari dahi hingga ke dagu seperti rambut, dahi, mata, hidung, telinga, pipi, bibir. Wajah seseorang memiliki ciri unik masing-masing yang dapat diidentifikasi. Identifikasi tersebut dapat digunakan untuk sistem pencarian seseorang di dalam sebuah gambar digital atau video yang berisi wajah.
Teknik pengenalan wajah menjadi tidak mudah, karena kemampuan komputer tidak sama dengan kemampuan manusia yang dapat mengenali setiap wajah yang telah dikenal bertahun-tahun maupun yang dilihat sekilas, oleh karena itu diperlukan tahap pembelajaran (learning) untuk melatih sehingga pada akhirnya sistem dapat mengenali wajah yang diuji.

TEKNOLOGI YANG DIKEMBANGKAN
Teknologi yang dikembangkan pada perangkat lunak pengenalan wajah ini cenderung lebih banyak pada bidang keamanan. Bidang keamanan sangat diperlukan karena makin banyaknya tindak kejahatan yang dapat dilakukan, misalnya pencurian data identitas, manipulasi identitas, pencurian akun, dan lain sebagainya. Selain itu juga teknologi yang dapat dikembangkan yaitu dalam bidang interaksi manusia-komputer dan pengenalan biometrik. Perkembangan teknologi pada bidang interaksi manusia-komputer ini diperlukan karena untuk membuat suatu perangkat lunak dibutuhkannya hubungan antara manusia dan komputer yang meliputi perancangan, evaluasi, dan implementasi antarmuka pengguna komputer agar mudah digunakan oleh manusia. Sedangkan untuk bidang pengenalan biometrik terus berkembang yang awalnya dari sidik jari, tangan, iris mata, retina lalu berkembang jadi pengenalan biometrik pada wajah yang semakin kompleks.

SOLUSI
Solusi yang ada dalam permasalahan yaitu untuk mengidentifikasi wajah seseorang dengan pembuatan perangkat lunak pengenalan wajah. Terdapat dua metode yang digunakan dalam pembuatan perangkat lunak ini yaitu sebagai berikut:
·         Metode Principal Component Analysis (PCA)
Dengan Metode PCA, dari sebuah gambar wajah akan disusun menjadi beberapa vektor wajah. Vektor wajah tersebut berada dalam suatu ruang, yaitu ruang wajah yang merupakan ruang dari semua gambar yang memiliki dimensi panjang * lebar pixel. Lalu ruang wajah dibentuk menjadi sebuah gambar wajah yang lebih baik. Vektor basis dari ruang wajah disebut sebagai principal components.
Principal Components Analysis (PCA) digunakan untuk mereduksi dimensi dari sekumpulan atau ruang gambar sehingga basis atau sistem koordinat yang baru dapat menggambarkan model yang khas dari kumpulan tersebut dengan lebih baik. Sebelum PCA dapat dilakukan, maka dilakukan lexicographical ordering untuk setiap wajah yang akan dilatihkan dimana baris yang satu diletakkan disamping baris yang lain untuk membentuk vektor wajah yang merupakan vektor kolom.
Vektor-vektor wajah tersebut disusun sedemikian rupa sehingga membentuk suatu matriks X dengan orde n x m, dimana n adalah jumlah pixel (panjang * lebar) dan m adalah banyaknya gambar wajah.
·         Metode Backpropagation
Lalu setelah transformasi gambar ke ruang wajah dengan Metode PCA. Maka hasil dari transformasi ini akan dijadikan input dalam jaringan saraf tiruan dengan menggunakan Metode Backpropogation. Pelatihan jaringan saraf ini digunakan untuk mencapai keseimbangan antara kemampuan untuk merespon dan kemampuan untuk memberikan respon pada input agar dapat menghasilkan output yang cepat walaupun pelatihan yang dilakukan ini lambat. Dengan Metode Backpropogation terdapat 3 tahap dalam pelatihan jaringan yaitu feedfoward dari input pola latihan, kalkulasi dan backpropagation dari error yang berhubungan, dan pengaturan bobot berdasarkan bobot sebelumnya.

Dalam proses pengenalan wajah ini dapat dibagi menjadi tiga bagian, yaitu:
1.      Proses Awal (Preprocessing)
Proses awal terdiri dari pengambilan data wajah sampai pembentukan principal components (eigenfaces) melalui PCA.
2.      Proses Latihan
Proses latihan terdiri dari pembuatan data (reduksi wajah) untuk latihan dan melatih jaringan backpropagation
3.      Proses Identifikasi Wajah
Proses identifikasi wajah terdiri dari pengambilan gambar input yang akan diidentifikasi, reduksi data, memasukkan data yang tereduksi ke dalam jaringan backpropagation, membandingkan hasil output dari jaringan backpropagation dengan database yang ada dan terakhir adalah menampilkan hasil identifikasi.

EVALUASI
Dalam pengujian sistem menggunakan gambar wajah dari kumpulan gambar foto dari Olivetti Research Laboratory (ORL) di Cambridge, Inggris, yang diambil antara April 1992 dan April 1994, yang mempunyai beberapa variasi dalam ekspresi wajah, pencahayaan, jenis kelamin, ras dan detil wajah (berkacamata atau tidak berkacamata, berjanggut atau tidak berjanggut). Setelah dilakukan proses pengenalan wajah membuktikan bahwa dengan penggunaan metode PCA ini menunjukkan pengenalan wajah dapat memberikan tingkat akurasi yang cukup tinggi. Untuk gambar wajah yang diikutsertakankan dalam latihan, dapat diperoleh 100% identifikasi yang benar.
Berdasarkan informasi dari pengujian sistem, kita dapat mengetahui bahwa pembuatan perangkat lunak ini telah terbilang cukup sukses karena dapat memberikan tingkat akurasi yang tinggi. Dan yang pasti pencapaian pembuatan perangkat lunak ini sudah bagus namun saya kurang tahu standarisasi pada saat dilakukannya pengujian sistem tersebut tapi jika dibandingkan dengan negara Indonesia yang baru-baru ini menerapkan sistem pengenalan wajah ini, pengujian sistem tersebut sudahlah maju. Apalagi di tahun 2016 ini pengenalan wajah pasti sudah lebih berkembang. Harapannya bahwa pembuatan perangkat lunak ini dapat terus berkembang dan dapat menolong pekerjaan manusia sesuai dengan bidang yang dikembangkan.

KONTRIBUSI
Kontribusi dari penulisan ini untuk dapat memecahkan masalah yang ada yaitu dengan pembuatan perangkat lunak pengenalan wajah menggunakan metode PCA. Masalah tersebut adalah sulitnya mengidentifikasi wajah seseorang dengan menggunakan bantuan komputer karena bahasa manusia yang kita gunakan dan bahasa komputer sangatlah berbeda. Bahasa komputer haruslah dimengerti oleh pengguna, lalu pengguna akan memprogram komputer tersebut agar dapat mengerti apa yang pengguna inginkan. Sangatlah sulit untuk membuat komputer mengerti apa yang kita inginkan karena disatu sisi pengguna harus melakukan pembelajaran terlebih dahulu.
Menurut saya kontribusi yang telah diberikan sangatlah besar untuk masa yang akan datang. Apalagi dengan berkembangnya teknologi dari hari ke hari hingga dari jaman ke jaman. Telah kita lihat juga, pengenalan wajah yang sudah ada di negara Indonesia. Tidak dapat dibayangkan perkembangan dari perangkat lunak ini, bisa saja bukan pengenalan pada wajah saja, tetapi sudah mencakup ke seluruh tubuh. Dengan ini juga kita dapat mengetahui bahwa karakteristik manusia tidak ada yang sama walaupun mereka terlahir kembar identik sekalipun.

CRITICAL THINKING
·         GOOD
o   Penggunaan PCA untuk pengenalan wajah ternyata sangat baik dimana dapat diperoleh hasil identifikasi 100% benar untuk wajah-wajah yang diikutkan dalam latihan. Hasil identifikasi untuk wajah yang lain tergantung dari kombinasi jaringan yang dipakai dan toleransi outputnya.
o   Kombinasi yang optimal dari seluruh kombinasi yang diujikan adalah kombinasi 25 unit input dan 40 hidden unit. Dengan menggunakan toleransi output 0,20 dapat diperoleh hasil identifikasi terbaik sebesar 91,11% untuk wajahwajah yang tidak pernah dilatihkan. Kombinasi ini juga cukup tahan terhadap noise.
o   PCA dapat digunakan sebagai filter untuk mengetahui tingkat kewajahan (faceness) suatu gambar.

·         BAD
Masalah utama dari yang timbul adalah waktu pembangunan principal component yang cukup lama dan setiap kali data untuk latihan berubah maka principal component harus dibangun lagi.

SUMBER
1.      JURNAL INFORMATIKA.
Gunaidi, Kartika,dkk. (2001). “PEMBUATAN PERANGKAT LUNAK PENGENALAN WAJAH MENGGUNAKAN PRINCIPAL COMPONENTS ANALYSIS”. Diperoleh tanggal 29 Oktober 2016 dari http://jurnalinformatika.petra.ac.id/index.php/inf/article/view/15805
2.      STUDI PERBANDINGAN PENGENALAN CITRA SENYUMAN
BERDASARKAN AESTHETIC DENTISTRY MENGGUNAKAN
METODE 2D-PCA DAN METODE 2D-LDA.Diperoleh tanggal 29 Oktober 2016 dari RT Wahyuningrum, F Damayanti - Jurnal Ilmiah Kursor, 2010 - kursor.trunojoyo.ac.id

3.      Komparasi Pengenalan Citra Tanda Tangan dengan Metode 2D-PCA dan 2D-LDA. Citec Journal, Vol. 2, No. 4, Agustus 2015 – Oktober 2015 ISSN: 2460-4259, Diperoleh tanggal 29 Oktober 2016 dari DP Pamungkas, E Utami… - Creative Information …, 2015 - ojs.amikom.ac.id