Rangkuman Sistem Cerdas , Artifical Intelegent , Definisi dan Konsep Agen Ccerdas serta Contoh dari Agent Cerdas

TULISAN 1

SISTEM CERDAS

1. Definisi Sistem Cerdas

Sistem cerdas adalah sistem yang menerapkan kecerdasan buatan. Jadi, “kecerdasan” inilah yang diciptakan untuk kemudian dimasukkan ke dalam suatu mesin atau komputer. 

2. Karakteristik Sistem Cerdas

• Memiliki fasilitas informasi yang handal
• Mudah dimodifikasi
• Dapat digunakan dalam berbagai jenis komputer
• Memilki kemampuan untuk belajar beradaptasi.

3. Contoh Sistem Cerdas Dalam Bisnis

• Falcon: Software Deteksi penipuan kartu kredit
• MetLife insurance menggunakan tool ekstraksi informasi otomatis dari aplikasi MITA contoh language technology).
• Rekomendasi personal (Personalized) daftar saluran TV berbasis Internet, (contoh intelligent agent).

AI (ARTIFICCAL INTELEGENT)

1. Definisi AI (Artificcal Intelegent)

Kecerdasan Buatan (Artificial Intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas (H. A. Simon [1987])

2. Sejarah AI (Artifical Intelegent)

• Era Komputer Elektronik (1941)
• Masa Persiapan AI (1943-1956)
• Awal Perkembangan AI (1952-1969)
• Perkembangan AI melambat (1966-1974)
• Sistem Berbasis Pengetahuan (1969-1979)
• AI Menjadi Sebuah Industri (1980-1988)
• AI Saat Ini

3. Contoh AI (Artifical Intelegent)

1. Siri
2. Tesla
3. Cogito
4. Flying Drone
5. Netflix

TULISAN 2

DEFINISI DAN KONSEP AGENT CERDAS 

1. Pengertian Agent Cerdas 

Agen cerdas (Artificial Intelligence) adalah sebuah agen yang menerima persepsi dari lingkungan dan melakukan tindakan.Tujuan utamanya adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran manusia).

2. Perancangan Agent Cerdas 

Agen harus bersifat rasional, yaitu melakukan hal yang benar. Rasional bukan berarti omniscience(serba tahu/mengetahui semua dengan pengetahuan tak terbatas). 

3. Karakteristik Agent

1. Autonomous
2. Reaktif
3. Proaktif
4. Fleksibel
5. Robust
6. Rasional
7. Social
8. Situated

4. Tipe Agent

1. Simple Reflex Agents                                                                              Agen refleks sederhana merupakan agen yang paling sederhana karena dia hanya menerapkan teknik kondisi-aksi.
2. Model-Based Reflex Agents                                                                    Model-Based Reflex Agents merupakan perkembangan dari simple reflex agents.
3. Utility-Based Agent                                                                                Merupakan pengembangan dari goal-based agent, pada utility-based agents untuk mecapai tujuannya ia memiliki banyak cara dan banyak pertimbangan untuk mencapai tujuannya
4.  Learning agents                                                                                  Learning agents adalah agen yang belajar dari pengalamannya dalam meningkatkan kinerjanya.

KONSEP AGENT CERDAS

1. Konsep Agent Cerdas dan Lingkungan

Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.

Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat actuator:  tangan, kaki, mulut, dan bagian tubuh lain sebagai alat gerak.

2. Konsep Perancangan Agent Cerdas

Rasional : melakukan hal yang benar.

   Agen rasional melakukan hal yang benar berdasarkan percept apa yang ditangkap dan tindakan (action) apa yang diambil.

Tindakan yang tepat adalah tindakan yang akan menyebabkan agen menjadi yang paling sukses.

CONTOH AGENT CERDAS 

1. Agent : Taksi Otomatis

     Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan. Task Environment :

• Performance measure: keamanan, kecepatan, legalitas, kenyamanan perjalanan, keuntungan.
• Environment: jalanan, lampu merah, lalulintas, pejalan kaki, cuaca.
• Actuators: stir arah, gas, rem, klakson, sinyal kiri/kanan.
• Sensors: kamera, sonar, speedometer, GPS, odometer, accelerometer, mesin sensor, keyboard.

2. Agent : Medical diagnosis system

      Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis. Task Environment :

• Performance measure: pasien sembuh, biya murah tidak menyalahi hukum.
• Environment: pasien, rumah sakit, suster, dokter.
• Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk).
• Sensors: keyboard (masukan gejala penyakit, jawaban pasien).

DAFTAR PUSTAKA

https://maghfiramaulan.blogspot.com/2016/11/sistem-cerdas-intelligent-information.html

http://sherlianna.blogspot.com/2016/09/sistem-cerdas-dan-kegunaanya.html

https://willyluga.wordpress.com/2017/09/22/pengantar-teknologi-sistem-cerdas/

http://web.if.unila.ac.id/purmanailuswp/2015/09/13/pengertian-artificial-intelligence-kecerdasan-buatan/

https://thebypassme.blogspot.com/2014/10/sejarah-artificial-intelligence.html

https://medium.com/@teknoiot/contoh-penerapan-artificial-intelligence-yang-populer-saat-ini-508851fca1d4

http://www.weare.id/pengertian-agen-cerdas/

http://w3ight.blogspot.com/2013/11/mendeskripsikan-agen-cerdas.html

http://manmanmanputra.blogspot.com/2014/12/artificial-inteligent-agen-cerdas.html

https://evangelinosite.wordpress.com/2017/10/21/agent-konsep-agent-definisi serta-contoh/

Contoh Dari Agent Cerdas

1. Agent : Taksi Otomatis

     Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan. Task Environment :

• Performance measure: keamanan, kecepatan, legalitas, kenyamanan perjalanan, keuntungan.
• Environment: jalanan, lampu merah, lalulintas, pejalan kaki, cuaca.
• Actuators: stir arah, gas, rem, klakson, sinyal kiri/kanan.
• Sensors: kamera, sonar, speedometer, GPS, odometer, accelerometer, mesin sensor, keyboard.

2. Agent : Medical diagnosis system

      Sebuah agent Medical diagnosis system yang mendiagnosa pasien secara otomatis. Task Environment :

• Performance measure: pasien sembuh, biya murah tidak menyalahi hukum.
• Environment: pasien, rumah sakit, suster, dokter.
• Actuators: layar monitor (pertanyaan, tes, diagnosa, treatment, petunjuk).
• Sensors: keyboard (masukan gejala penyakit, jawaban pasien).

DAFTAR PUSTAKA

https://evangelinosite.wordpress.com/2017/10/21/agent-konsep-agent-definisi-serta-contoh/

Definisi Dan Konsep Agent Cerdas

DEFINISI AGENT CERDAS 

1. Pengertian Agent Cerdas

       Agen cerdas (Artificial Intelligence) adalah sebuah agen yang menerima persepsi dari lingkungan dan melakukan tindakan.Tujuan utamanya adalah untuk menciptakan kecerdasan buatan sehingga agen tersebut dapat berpikir dan bertindak selayaknya manusia (atau mungkin lebih baik dari pikiran manusia). Ilmu AI dalam permainan umumnya digunakan untuk membuat agen yang dapat mengambil tindakan, memiliki kecerdasan, dan bisa memahami keputusan terhadap kondisi permainan yang dinamis.

2. Perancangan Agen Cerdas

    Agen harus bersifat rasional, yaitu melakukan hal yang benar. Rasional bukan berarti omniscience(serba tahu/mengetahui semua dengan pengetahuan tak terbatas). Agen dapat melakukan tindakan dalam rangka untuk mengubah persepsi masa depan untuk memperoleh informasi yang berguna (pengumpulan informasi, eksplorasi).

   Sebuah agen dikatakan otonom jika perilaku agen ditentukan oleh pengalaman sendiri (dengan kemampuan untuk belajar dan beradaptasi), sehingga agen belajar untuk beradaptasi dengan lingkungan sekitarnya. 

   Pengukuran kinerja merupakan Sebuah kriteria obyektif untuk mengukur keberhasilan suatu perilaku agen. Goal adalah tujuan utama yang berusaha dicapai oleh agen (prioritas utama).

3. Karakteristik Agent

1. Autonomous, yaitu agen berkemampuan untuk melakukan tugasnya dan mengambil keputusan secara mandiri tanpa adanya intervensi dari luar seperti agen lain, manusia ataupun entitas lain.
2. Reaktif, yaitu kemampuan agen untuk cepat beradaptasi terhadap perubahan informasi yang ada pada lingkungannya
3. Proaktif, yaitu kemampuan yang berorientasi pada tujuan dengan cara selalu mengambil inisiatif untuk mencapai tujuan.
4. Fleksibel, yaitu agen harus mempunyai banyak cara dalam mencapai tujuannya.
5. Robust, yaitu agen harus dapat kembali ke kondisi semula jika mengalami kegagalan dalam hal tindakan ataupun dalam menjalankan plan.
6. Rasional, yaitu kemampuan untuk bertindak sesuai dengan tugas dan pengetahuannya dengan tidak melakukan hal yang dapat menimbulkan konflik tindakan.
7. Kemampuan berkoordinasi dan berkomunikasi (Social), yaitu dalam melakukan tugasnya, agen memiliki kemampuan untuk berkomunikasi dan berkoordinasi baik dengan manusia maupun dengan agen lain.
8. Situated, yaitu agen harus berada dan berjalan di lingkungan tertentu.

4. Tipe Agent

1.      Simple Reflex Agents

Agen refleks sederhana merupakan agen yang paling sederhana karena dia hanya menerapkan teknik kondisi-aksi.

2.      Model-Based Reflex Agents

Model-Based Reflex Agents merupakan perkembangan dari simple reflex agents. Agen refleks sederhana dapat melakukan tindakannya dengan baik jika lingkungan yang memberikan percept/kesan tidak berubah-ubah

3.      Goal-Based Agents

Goal-based agents merupakan perkembangan dari model-based reflex agents dimana pengetahuan agen akan keseluruhan keadaan pada lingkungan tidak selalu cukup.

Suatu agen tertentu harus diberikan informasi tentang tujuan yang merupakan keadaan yang ingin dicapai oleh agen.

4.      Utility-Based Agents

Merupakan pengembangan dari goal-based agent, pada utility-based agents untuk mecapai tujuannya ia memiliki banyak cara dan banyak pertimbangan untuk mencapai tujuannya, tidak hanya satu jalan, namun utility-based agent ini mempehitungkan dan memilih aksi/jalan yang efisien dalam mencapai tujuannya.

5.      Learning agents

Learning agents adalah agen yang belajar dari pengalamannya dalam meningkatkan kinerjanya.

KONSEP AGENT CERDAS

1. Konsep Agent Cerdas Dan Lingkungan

    Agen adalah segala sesuatu yang dapat dipandang sebagai entitas pada suatu lingkungan yang mengamati melalui alat sensor dan bertindak melalui alat aktuator.

Sebagai perbandingan, agen manusia memiliki alat sensor: mata, telinga, dan organ sensor lainnya; alat actuator:  tangan, kaki, mulut, dan bagian tubuh lain sebagai alat gerak.

  Sedangkan pada agen robot: kamera dan inframerah untuk sensor, dan lengan, serta berbagai motor sebagai aktuator.

Agen menerima (percept) sensor dari lingkungan. Keseluruhan percept yang diterima agen pada suatu selang waktu disebut percept sequence.

2. Konsep Peranccagan Agent Cerdas

Rasional : melakukan hal yang benar.

   Agen rasional melakukan hal yang benar berdasarkan percept apa yang ditangkap dan tindakan (action) apa yang diambil.

Tindakan yang tepat adalah tindakan yang akan menyebabkan agen menjadi yang paling sukses.

   Agen dapat melakukan tindakan dalam rangka untuk mengubah persepsi masa depan untuk memperoleh informasi yang berguna (pengumpulan informasi, eksplorasi).

Sebuah agen dikatakan otonom jika perilaku agen ditentukan oleh pengalaman sendiri (dengan kemampuan untuk belajar dan beradaptasi).

DATAR PUSTAKA

http://www.weare.id/pengertian-agen-cerdas/

http://w3ight.blogspot.com/2013/11/mendeskripsikan-agen-cerdas.html

http://manmanmanputra.blogspot.com/2014/12/artificial-inteligent-agen-cerdas.html

Membbuat Garis Horizontal, Vertikal, dan Diagonal Menggunakan Dev++ OpenGL

OpenGL (Open Graphics Library) adalah suatu spefikasi grafik yang low-level yang menyediakan fungsi untuk mempermudah pekerjaan atau untuk keperluan – keperluan pemrograman grafis (Graphics Programming / GP), termasuk grafik primitif (titik, garis, dan lingkaran). OpenGL(Open Graphic Library) adalah sebuah library terdiri dari berbagai macam fungsi dan biasanya digunakan untuk menggambar sebuah objek 2D ata 3D. OpenGL bersifat Open-Source, multi-platform dan multi-language.

untuk membuat sebuah garis membutuhkan bahasa pemrograman DevC++ yang telah terinstall library OpenGL.

untuk logika dan list programnya bisa klik link di bawah ini:

Click Here !

AI (Artifical Intelegent)

AI ( Artifical Intelegent )

1. Definisi AI (Artifical Intelegent)

Kecerdasan buatan atau Artificial Intelligence (AI) istilah yang mungkin akan mengingatkan kita akan kehebatan optimus prime dalam film The Transformers. Kecerdasan buatan memang kerap diidentikkan dengan kemampuan robot yang dapat berperilaku seperti manusia. Definisi Kecerdasan Buatan, Berbagai definisi diungkapkan oleh para ahli untuk dapat memberi gambaran mengenai kecerdasan buatan beberapa diantaranya :

Kecerdasan Buatan (Artificial Intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas (H. A. Simon [1987]).

Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Knight [1991]).

Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan (Encyclopedia Britannica).

2. Sejarah AI (Artifical Intelegent)

  Istilah AI pertama kali dikemukakan pada tahun 1956 di konferensi Darthmouth. Sejak saat itu, penelitian, teori, dan prinsip terkait AI terus berkembang. Walaupun istilah AI baru muncul pada tahun 1956, namun teori yang mengarah ke AI muncul sejak tahun 1941. Adapun tahapan sejarah AI adalah:

• Era komputer elektronik (1941)                                                                                              Pada tahun 1941, USA dan Jerman mengembangkan alat penyimpanan dan pemrosesan informasi yang kemudian disebut komputer elekronik. Komputer elektronik ini masih berukuran besar dan sangat susah untuk diprogram. Komputer elektronik ini melibatkan konfigurasi ribuan kabel untuk menjalankan suatu program.          Pada tahun 1949, berhasil dibuat komputer yang mampu menyimpan program sehingga programmer lebih mudah untuk memasukkan program. Penemuan inilah yang menjadi dasar pengembangan program yang mengarah ke AI.

• Masa Persiapan AI (1943-1956)                                                                                             Pada tahun 1943, Warren McCulloch dan Walter Pitts mengemukakan tiga hal : pengetahuan fisiologi dasar, dan fungsi sel syaraf dalam otak, analisis formal tentang logika proposisi (propositional logic), dan teori komputasi Turing. Mereka berhasil membuat suatu model sel syaraf tiruan (artificial neuron) di mana setiap neuron digambarkan sebagai ‘on’ dan ‘off’. Mereka menemukan bahwa setiap fungsi dapat dihitung dengan suatu jaringan sel syaraf dan semua hubungan logis dapat diimplementasikan dengan struktur dan jaringan yang sederhana.                                    Pada tahun 1950, Norbert Wiener membuat penelitian tentang prinsip teori feedback. Contoh yang terkenal adalah thermostat. Pada tahun 1956, John McCarthy meyakinkan Minsky, Claude Shannon, dan Nathaniel Rochester untuk membantunya melakukan penelitian dalam bidang Automata. Jaringan Syaraf dan pembelajaran intelijensia. Mereka mengerjakan proyek ini selama 2 bulan di Dartmouth. Hasilnya adalah program yang mampu berpikir non-numerik dan menyelesaikan masalah pemikiran, yang dinamakan Principia Mathematica. Hal ini menjadikan McCarthy disebut sebagai Father of AI (bapak AI).

• Awal Perkembangan AI (1952-1969)                                                                                    Pada tahun-tahun pertama perkembangaannya, AI mengalami banyak kesuksesan. Diawali dengan kesuksesan Newell dan Simon dengan sebuah program yang disebut General Problem Solver. Program ini dirancang untuk memulai penyelesaian secara manusiawi. Pada tahun 1958, McCarthy di MIT AI lab Memo No1 mendefinisikan bahasa pemrograman tingkat tinggi yaitu LISP, yang sekarang mendominasi pembuatan program-program AI. Kemudian, McCarthy membuat program yang dinamakan Programs with Common Sense. Di dalam program tersebut, dibuat rancangan untuk menggunakan pengetahuan dalam mencari solusi.                               Pada tahun 1959, Nathaniel Rochester dari IBM dan mahsiswa-mahasiswanya mengeluarkan program AI yaitu Geometry Theorm Prover. Program ini dapat membuktikan suatu teorema menggunakan axioma-axioma yang ada. Pada tahun 1963, program yang dibuat James Slagle mampu menyelesaikan masalah integral tertutup untuk mata kuliah Kalkulus. Pada tahun 1968, program analogi buatan Tom Evan menyelesaikan masalah analogi geometris yang ada pada tes IQ.

• Perkembangan AI melambat (1966-1974)                                                                             Prediksi Herbert Simon pada tahun 1957 yang menyatakan bahwa AI akan menjadi ilmu pengetahuan yang akan berkembang pesat ternyata meleset. Pada 10 tahun kemudian, perkembangan AI melambat. Adapun masalah yang membuat perkembangan AI melambat adalah :                                                                                      Program AI yang bermunculan hanya mengandung sedikit atau bahkan tidak mengandung sama sekali pengetahuan pada subjeknya. Program AI berhasil hanya karena manipulasi sintetis yang sederhana. Sebagai contoh adalaha Weizenbaum’s ELIZA program (1965) yang dapat melakukan percakapan serius pada berbagai topic, sebenarnya hanyalah peminjaman dan manipulasi kalimat-kalimat yang diketikkan oleh manusia.

• Sistem Berbasis Pengetahuan (1969-1979)                                                                              Pengetahuan adalah kekuatan pendukung AI. Hal ini dibuktikan dengan program yang dibuat oleh Ed Feigenbaum, Bruce Buchanan dan Joshua Lederberg yang membuat program untuk memcahkan masalah struktur molekul dari informasi yang didapat dari spectrometer massa. Program ini dinamakan Dendral Programs yang berfokus pada segi pengetahuan kimia. Dari segi diagnosis medis juga sudah ada yang menemukannya, yaitu Saul Amarel dalam proyek Computer in Biomedicine. Proyek ini diawali dari keinginan untuk mendapatkan diagnose penyakit berdasarkan pengetahuan yang ada pada mekanisme penyebab proses penyakit.

• AI menjadi sebuah industri (1980-1988)                                                                                 Industrialisasi AI diawali dengan ditemukannya expert system (system pakar) yang dinamakan R1 yang mampu mengkonfigurasi system-sistem computer baru. Program tersebut muali dioperasikan di Digital Equipment Corporation (DEC), McDermott, pada tahun 1982. Pada tahun 1986, program ini telah berhasil menghemat 40 juta dolar per tahun. Pada tahun 1988, kelompok AI di DEC menjalankan 40 sistem pakar. Adapun perusahaan yang menawarkan software tool untuk membangun system pakar seperti Carnegie Group, Inference, Intellicorp, dan Technoledge. Untuk perusahaan hardware yang turut berperan dalam pembangungan workstation yang digunakan untuk optimalisasi program LISP adalah LISP Machines Inc., Texas Instrument, Symbolics, dan Xerox.

• AI saat ini                                                                                                                               Beberapa teknik AI yang digunakan pada saat ini yaitu, searching, reasoning, planning, dan learning. Searching adalah teknik untuk pencarian optimum pada berbagai masalah seperti jarak tempuh, kamus, web browser. Reasoning adalah teknik untuk penalaran, seperti permainan catur. Planning adalah teknik untuk perencanaan, seperti software untuk menentukan minimum requirement sebuah pesawat terbang dll. Learning adalah teknik untuk pembelajaran, yaitu computer mampu belajar sendiri hanya dengan diberi pengetahuan tertentu, contohnya mesin penerjemah.

3. Contoh AI (Artifical Intelegent)

1. Siri

      Siri adalah salah satu asisten pribadi virtual paling populer yang ditawarkan oleh Apple di iPhone dan iPad. Asisten yang diaktifkan sebagai suara perempuan ramah berinteraksi dengan pengguna dalam rutinitas sehari-hari. Dia membantu Anda menemukan informasi, mendapatkan petunjuk arah, mengirim pesan, melakukan panggilan suara, membuka aplikasi, dan menambahkan acara ke kalender.

    Siri menggunakan teknologi pembelajaran mesin untuk mendapatkan pertanyaan dan permintaan bahasa alami yang lebih cerdas dan mampu memahami. Ini pasti salah satu contoh paling ikon dari kemampuan belajar pada mesin smartphone.

2. Tesla

       Tidak hanya smartphone tetapi mobil juga sudah bergeser ke arah Artificial Intelligence. Tesla adalah sesuatu yang meniadakan driver manusia. Ini adalah salah satu teknologi mobil terbaik yang tersedia sampai sekarang. Mobil ini tidak hanya mampu meraih banyak penghargaan tetapi juga fitur seperti mengemudi sendiri, kemampuan prediktif, dan inovasi teknologi mutlak.

   Jika Anda seorang pecandu teknologi dan bermimpi memiliki mobil seperti yang ditampilkan di film-film Hollywood, Tesla adalah salah satu yang contoh teknologi mobil canggih.

3. Cogito

     Cogito awalnya didirikan oleh Dr Sandy dan Joshua adalah salah satu contoh terbaik dari aplikasi kecerdasan buatan versi perilaku untuk meningkatkan layanan pelanggan perusahaan. Perusahaan ini adalah sintesis pembelajaran mesin dan ilmu perilaku untuk meningkatkan kolaborasi pelanggan dengan para call center.

   Cogito digunakan pada jutaan panggilan suara yang dilakukan setiap hari. Contoh penerapan Artificial Intelligence dengan menganalisis suara manusia dan memberikan panduan untuk memberikan pelayanan maksimum.

4. Flying Drone

     Drone sudah mengirimkan produk ke rumah pelanggan — meskipun dalam mode uji coba. Mereka menunjukkan sistem pembelajaran mesin yang kuat yang dapat menerjemahkan lingkungan ke dalam model 3D melalui sensor dan kamera video.

       Sensor dan kamera dapat melihat posisi drone di ruangan dengan menyambungkannya ke langit-langit. Algoritma generasi lintasan memandu drone tentang bagaimana dan kemana harus bergerak. Dengan menggunakan sistem Wi-Fi, kita dapat mengendalikan drone dan menggunakannya untuk tujuan tertentu — pengiriman produk, pembuatan video, atau pelaporan berita.

5. Netflix

   Netflix tidak memerlukan pengenalan — ini adalah layanan konten-on-demand yang sangat populer yang menggunakan teknologi prediktif untuk menawarkan rekomendasi berdasarkan reaksi, minat, pilihan, dan perilaku konsumen. Teknologi ini memeriksa dari sejumlah catatan untuk merekomendasikan film berdasarkan kecintaan dan reaksi Anda sebelumnya.

Daftar Pustaka 

• http://web.if.unila.ac.id/purmanailuswp/2015/09/13/pengertian-artificial-intelligence-kecerdasan-buatan/
• https://thebypassme.blogspot.com/2014/10/sejarah-artificial-intelligence.html
• https://medium.com/@teknoiot/contoh-penerapan-artificial-intelligence-yang-populer-saat-ini-508851fca1d4

SISTEM CERDAS

SISTEM CERDAS (Intelligent Information System)

1. Definisi Sistem Cerdas

     Tahukah anda bahwa segala sesuatu yang ada di alam semesta ini, baik setiap gejala alamnya, fenomena yang terjadi di dalamnya, bahkan 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 kemudian 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.

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 juga 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.

Beberapa pengertian Sistem Cerdas dari Para Ahli :

 
1. “Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah cerdas”. (H. A. Simon [1987]).

2. “Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.” (Rich and Knight [1991]).

3. “AI adalah Untuk mengetahui dan memodelkan proses – proses berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia.” (John McCarthy[1956]).

4. “Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan”. (Encyclopedia Britannica).

2. Karakteristik Sistem Cerdas 

• Memiliki fasilitas informasi yang handal
• Mudah dimodifikasi
• Dapat digunakan dalam berbagai jenis komputer
• Memilki kemampuan untuk belajar beradaptasi.
• Bekerja secara sistematis berdasarkan pengetahuan dan mekanisme tertentu.
• Dapat menalar data-data yang tidak pasti dan memberikan beberapa alasan pemilihan.
• Dikembangkan secara bertahap dan terbatas pada bidang keahlian tertentu saja.
• Outputnya yang dihasilkan sesuai dengan apa yang kita harapkan.

  3. Contoh Sistem Cerdas Dalam Bisnis

 

Sistem Kecerdasan sangat berpengaruh dan berperan penting dalam kehidupan. Berbagai Instansi , Lembaga ,maupun Perusahaan berbondong-bondong menggunakan Sistem Kecerdasan karena penggunaan-nya yang Praktis dan Efektif.

Contoh teknologi sistem cerdas dalam bisnis :

• Falcon: Software Deteksi penipuan kartu kredit, menawarkan perbaikan 30-70% daripada metode yang telah ada (contoh neural network).
• MetLife insurance menggunakan tool ekstraksi informasi otomatis dari aplikasi MITA contoh language technology).
• Rekomendasi personal (Personalized) daftar saluran TV berbasis Internet, (contoh intelligent agent).
• FASTrak-Apt: teknologi perencanaan konstruksi apartemen, Hyundai, (contoh proyek ase Based Reasoning).
• US Occupational Safety & Health Administration (OSHA) menggunakan “penasehat akar” untuk membantu mengidentifikasi kebakaran & bahaya keselamatan lain pada tempat kerja (contoh expert system).

Daftar Pustaka

• https://maghfiramaulan.blogspot.com/2016/11/sistem-cerdas-intelligent-information.html
• http://sherlianna.blogspot.com/2016/09/sistem-cerdas-dan-kegunaanya.html
• https://willyluga.wordpress.com/2017/09/22/pengantar-teknologi-sistem-cerdas/

OPERASI LAYANAN DAN PENGELOLAAN LAYANAN BISNIS

BAB I

OPERASI LAYANAN

  Ø  PENGANTAR

Operasi layanan adalah fase siklus hidup manajemen layanan TI yang bertanggung jawab untuk kegiatan 'bisnis seperti biasa'. Jika layanan tidak dimanfaatkan atau tidak disampaikan secara efisien dan efektif, maka tidak akan memberikan nilai penuh, terlepas dari seberapa baik layanan dirancang. Ini merupakan operasi layanan yang bertanggung jawab untuk memanfaatkan proses untuk memberikan layanan kepada pengguna dan pelanggan.

Operasi layanan adalah di mana nilai yang telah dimodelkan dalam strategi layanan dan dikonfirmasi melalui perancangan layanan dan transisi layanan benar-benar disampaikan. Tanpa operasi layanan yang menjalankan layanan seperti yang dirancang dan memanfaatkan proses yang dirancang, tidak akan ada kontrol dan pengelolaan layanan. Produksi metrik yang berarti oleh operasi layanan akan membentuk dasar dan titik awal untuk kegiatan peningkatan.

  Ø  MAKSUD DAN TUJUAN

Tujuan operasi layanan adalah untuk mengatur dan melakukan kegiatan dan proses yang diperlukan untuk memberikan layanan kepada pengguna bisnis pada tingkat layanan yang telah disepakati. Selain itu, operasi layanan bertanggung jawab atas manajemen teknologi yang sedang berlangsung (infrastruktur dan aplikasi) yang digunakan untuk memberikan dan mendukung layanan.

Ada 'perdebatan' dinamis yang terjadi pada empat tingkat. Ini dikenal sebagai 'empat saldo operasi layanan':

1.  Pandangan bisnis internal TI melawan Pandangan bisnis eksternal: Pandangan bisnis eksternal TI akan berhubungan dengan layanan yang disampaikan kepada pengguna dan pelanggan sementara itu, secara internal dalam TI, layanan tersebut akan dipandang sebagai sejumlah komponen. Individu atau tim yang bertanggung jawab untuk menjalankan komponen tertentu mungkin tidak memahami bagaimana komponen mereka cocok dengan pengiriman keseluruhan layanan tertentu. Jika sebuah organisasi terlalu terfokus secara eksternal, ada risiko bahwa perjanjian akan dibuat dengan bisnis yang tidak dapat benar-benar disampaikan karena kurangnya pemahaman tentang bagaimana bagian-bagian konstituen internal perlu beroperasi. Sebaliknya, organisasi yang terlalu terfokus secara internal kemungkinan akan kesulitan untuk memahami dan memberikan persyaratan bisnis.

2.  Stabilitas versus Daya Tanggap: Perubahan sering menjadi penyebab insiden dan hilangnya ketersediaan, sehingga mungkin tergoda untuk membatasi jumlah perubahan untuk meningkatkan stabilitas layanan. Namun, perubahan akan selalu dibutuhkan untuk menjaga agar layanan tetap up to date dan untuk mengadopsi kebutuhan bisnis yang berkembang. Keseimbangannya adalah antara dapat dengan cepat merespon perubahan dan berfokus pada stabilitas infrastruktur.

3.  Kualitas layanan melawan Biaya layanan: Akan selalu ada tekanan untuk meningkatkan kualitas layanan TI sambil mengendalikan biaya. Tekanan anggaran yang intensif dapat menyebabkan berkurangnya tingkat layanan dengan lebih banyak kegagalan dan lebih sedikit dukungan. Di sisi lain, organisasi yang tidak seimbang pada 'pihak lain' mungkin membayar terlalu banyak untuk layanan mereka dengan ketahanan yang dibangun yang tidak dapat dibenarkan. Kuncinya adalah memiliki dialog yang berarti mengenai memastikan biaya bahwa bisnis sepenuhnya memahami apa yang didapatnya dan tidak mendapatkan sejumlah uang tertentu dan apa yang akan diperolehnya jika menghabiskan lebih sedikit atau lebih banyak.

4.  Reaktif melawan Proaktif: Sebuah organisasi yang sangat proaktif akan selalu memprediksi di mana hal-hal bisa salah dan mengambil tindakan untuk mengurangi atau mencegah situasi. Diambil ke ekstrem, organisasi tersebut dapat lebih dari pemantauan dan menerapkan perubahan yang tidak perlu. Sebaliknya, organisasi yang benar-benar reaktif menghabiskan sebagian besar waktu mereka 'memadamkan api' dan menghadapi situasi ketika mereka muncul, dan mereka perlu bergerak lebih banyak ke pendekatan 'pencegahan kebakaran' untuk memprediksi dan menghindari insiden dan masalah.

  Ø  NILAI OPERASI LAYANAN

Setiap tahapan siklus hidup layanan ITIL menambah dan memberikan nilai bagi bisnis. Operasi layanan melakukan ini dengan melakukan proses dan menjalankan layanan sebagaimana dimaksud oleh strategi layanan, desain layanan dan tahap transisi layanan dari siklus hidup. Operasi layanan adalah wajah yang terlihat dari organisasi TI dan merupakan ‘yang terdekat’ bagi pengguna dan pelanggan. Penyampaian layanan yang efektif dan efisien adalah apa yang diharapkan dari operasi layanan. 

  Ø  FUNGSI DAN AKTIVITAS UTAMA DARI OPERASI LAYANAN

              Proses yang dilakukan oleh operasi layanan:

1.    Manajemen Acara: Ini adalah proses yang bertanggung jawab untuk memantau semua peristiwa di seluruh infrastruktur dan aplikasi TI untuk memastikan operasi normal. Manajemen acara ada untuk mendeteksi, mengeskalasi dan bereaksi terhadap pengecualian.

2.    Manajemen Insiden: Ini adalah proses untuk menangani semua insiden. Yang mungkin insiden di mana layanan terganggu atau sebelum layanan terganggu.

3.    Pemenuhan Permintaan: Ini adalah proses yang melakukan permintaan layanan dari pengguna. Permintaan pemenuhan mencakup permintaan perubahan standar, permintaan untuk informasi dan keluhan. Dari perspektif proses meja layanan. Pemenuhan permintaan cenderung untuk menutup semua panggilan yang bukan insiden atau berhubungan dengan masalah.

4.    Manajemen Masalah: Proses ini bertanggung jawab atas pengelolaan semua masalah dalam infrastruktur TI. Proses ini mencakup analisis penyebab akar dan sampai  pada penyelesaian masalah. Manajemen masalah tetap bertanggung jawab hingga resolusi diimplementasikan melalui proses manajemen perubahan dan manajemen pembebasan.

5.    Manajemen akses: Proses ini memungkinkan pengguna dengan tingkat otorisasi yang tepat untuk mengakses aplikasi atau layanan. Juga memastikan bahwa mereka yang tidak memiliki tingkat otorisasi yang diperlukan tidak dapat mengakses aplikasi dan layanan. Manajemen akses memungkinkan organisasi untuk mengontrol akses ke aplikasi dan layanan.

        Fungsi operasi layanan:

1.    Meja Layanan: Ini melakukan sejumlah proses, khususnya manajemen insiden dan pemenuhan permintaan. Meja layanan terdiri dari sekelompok staf yang dilatih untuk menangani acara layanan. Staf meja layanan akan memiliki akses ke alat yang diperlukan untuk mengelola acara-acara ini. Meja layanan harus menjadi titik kontak tunggal untuk pengguna TI dalam suatu organisasi.

2.    Manajemen Teknis: Ini adalah fungsi yang menyediakan sumber daya dan memastikan bahwa pengetahuan tentang teknologi yang relevan selalu diperbarui. Manajemen teknis mencakup semua tim atau area yang mendukung penyampaian pengetahuan dan keahlian teknis. Ini termasuk tim seperti jaringan, mainframe, middleware, desktop, server, dan basis data.

3.    Manajemen Aplikasi: Ini akan mengelola aplikasi melalui totalitas siklus hidup. Dimulai dengan 'ide' bisnis pertama dan selesai saat aplikasi tidak lagi digunakan. Manajemen aplikasi terlibat dalam desain, pengujian dan peningkatan berkelanjutan aplikasi dan layanan yang didukung oleh aplikasi.

4.    Manajemen operasi TI: Ini bertanggung jawab untuk mengoperasikan organisasi infrastruktur dan aplikasi TI  pada basis sehari-hari.

  

BAB II

PENGELOLAAN LAYANAN BISNIS

  Ø  RUANG LINGKUP

Keberhasilan jangka panjang dari penyedia layanan Teknologi Informasi (TI) tergantung pada hubungan dengan pelanggan. Seperti di banyak aspek kehidupan lainnya, hubungan jangka panjang yang efektif membutuhkan komitmen dan usaha dari kedua belah pihak dalam rangka mengembangkan dan menjaga kepercayaan dan pemahaman yang akan mendukung hubungan melalui masa-masa baik dan buruk.

         Dalam arti luas hubungan antara pelanggan dan penyedia layanan TI meliputi spektrum penuh dari interaksi bisnis antara mereka, dari hal-hal operasional berkaitan dengan pemberian layanan dan kinerja operasional, melalui isu-isu taktis, seperti mengembangkan persyaratan atau mungkin kasus bisnis untuk baru atau diubah layanan, untuk pengembangan strategi jangka panjang. Bab 13 buku ini menjelaskan bagaimana manajemen tingkat layanan (Service Level Management) (SLM) menyediakan platform untuk mengelola hubungan relatif terhadap isu-isu taktis operasional dan tingkat yang lebih rendah. Bab ini menjelaskan cara manajemen hubungan bisnis (Business Relationship Management) (BRM) digunakan untuk menyelaraskan kegiatan penyedia layanan dengan kebutuhan pelanggan dengan pembangunan, memperkuat dan mempertahankan hubungan untuk isu-isu strategis dan tingkat yang lebih tinggi taktis, dan bagaimana BRM berhubungan dengan lainnya proses ITIL.

  Ø  MAKSUD DAN TUJUAN

Tujuan utama dari BRM adalah untuk membangun dan mempertahankan hubungan yang efektif, produktif antara pelanggan dan penyedia layanan, didirikan pada pemahaman dari pelanggan dan kebutuhan bisnis. Ini berarti lebih dari bereaksi terhadap kebutuhan pelanggan baru.

Seperti ITIL menempatkan "manajemen hubungan bisnis adalah proses yang memungkinkan manajer hubungan bisnis untuk menyediakan link antara penyedia layanan dan pelanggan pada tingkat strategis dan taktis." Pelanggan dan penyedia akan memiliki kepentingan bersama dalam memastikan bahwa pelanggan memahami nilai penawaran layanan dan memiliki harapan yang realistis dari mereka. Untuk hubungan seperti itu untuk bekerja di sana harus ada komitmen, kepercayaan, keterbukaan dan kejujuran di kedua sisi,

         BRM harus mencapai sejumlah tujuan jika hubungan itu untuk menyampaikan.Ini harus jelas didasarkan pada pemahaman yang memadai tentang pelanggan sehingga penyedia layanan dapat mengembangkan kemampuan dan sumber daya untuk merespon dalam jangka waktu yang dapat diterima untuk perubahan kebutuhan pelanggan dan prioritas pelanggan, dan, jika relevan, untuk membantu pelanggan mengembangkan persyaratan baru dalam balasan. Penyedia layanan akan dapat mengantisipasi, setidaknya, bagaimana kebutuhan pelanggan dapat berubah sesuai keadaan, mengidentifikasi bagaimana adanya layanan baru atau layanan yang diubah atau adanya teknologi baru yang mungkin bisa membantu pelanggan merespon secara efektif, untuk mengubah atau meningkatkan kinerja pelayanan penyedia layanan. Keselarasan antara pelanggan dan penyedia layanan, dan wawasan ini memberikan penyedia layanan, akan memungkinkan penyedia layanan untuk mengidentifikasi konflik nyata atau potensial antara bagian yang berbeda dari organisasi pelanggan sendiri dan membantu menyelesaikan atau menanggulanginya. BRM menempatkan tuntutan pada kedua penyedia layanan dan pelanggan. BRM harus terus menunjukkan nilai hubungan tidak hanya melalui memenuhi tujuan yang dibahas di atas, tetapi juga dengan memastikan bahwa penyedia layanan memenuhi kewajibannya untuk kinerja pelayanan dan kualita.

  Ø  PRINSIP-PRINSIP UMUM

1.    Dasar untuk BRM

Penyebaran BRM didasarkan pada argumen bahwa kedua penyedia layanan dan pelanggan akan mendapatkan manfaat dari hubungan yang berusaha untuk menyelaraskan kegiatan penyedia layanan dengan mengembangkan kebutuhan bisnis pelanggan dan meningkatkan pemahaman pelanggan persembahan penyedia layanan dan nilai mereka untuk bisnis pelanggan. Hal ini bertentangan dengan pandangan bahwa hubungan pemasok-pelanggan secara fundamental permusuhan di alam.BRM membutuhkan komitmen, sehingga kedua belah pihak harus menilai nilai BRM sebelum penggelaran sumber daya untuk itu. hubungan antara pelanggan dan penyedia layanan komoditas di pasar yang kompetitif akan memiliki lebih sedikit panggilan untuk manajemen terstruktur dari mana layanan ini kompleks dan kepentingan strategis bagi pelanggan. penyedia layanan serupa akan ingin fokus pada pelanggan besar atau pelanggan yang memiliki kepentingan strategis bagi mereka.

2.    Kepuasan Pelanggan

Kepuasan pelanggan merupakan perhatian utama bagi BRM karena begitu untuk banyak proses SM lainnya. Namun, kepuasan pelanggan untuk BRM kurang tentang memberikan layanan kepada target yang disepakati untuk garansi dan utilitas dari sekitar memastikan bahwa pelanggan menerima layanan yang mendukung tujuan bisnisnya. Fokus untuk BRM akan di desain dan penyediaan layanan yang menambah nilai nyata bagi pelanggan dengan biaya yang wajar baik dalam hubungan dengan nilai jasa menyampaikan dan biaya layanan serupa dari pesaing.

  Ø  HUBUNGAN PENGELOLAAN LAYANAN BISNIS DENGAN PROSES MANAJEMEN            LAYANAN LAINNYA

Perbedaan fokus antara BRM dan proses lainnya diilustrasikan oleh perbedaan antara manajemen BRM dan layanan tingkat (SLM). Kedua proses prihatin dengan hubungan jangka panjang dengan pelanggan dan dengan menjamin terbentuknya bahwa pelanggan senang dengan apa yang disampaikan. Fokus dari SLM Areon menempa perjanjian dengan pelanggan pada tingkat layanan yang akan dikirimkan untuk layanan tertentu dan, dengan memastikan tingkat layanan ini terpenuhi, pada pencapaian tingkat yang dapat diterima dari kepuasan pelanggan. Ini berarti memastikan bahwa semua proses SM, kontrak yang mendukung dan perjanjian tingkat operasional mendukung pencapaian SLA. BRM membangun hubungan dengan pelanggan yang berfokus pada isu-isu tingkat strategis dan lebih tinggi, berusaha untuk menyediakan layanan yang disesuaikan dengan kebutuhan bisnis pelanggan dan berada dalam kemampuan penyedia layanan untuk memberikan.Kepuasan pelanggan adalah ukuran utama keberhasilan BRM, tapi ini adalah kepuasan pelanggan dinyatakan dalam nilai jasa kepada pelanggan.