TUJUAN DARI AUDIT SI YANG BERFOKUS PADA TATA KELOLANYA

Pengertian Audit Sistem Informasi

     “Audit sistem informasi adalah proses pengumpulan dan penilaian bukti – bukti untuk menentukan apakah sistem komputer dapat mengamankan aset, memelihara integritas data, dapat mendorong pencapaian tujuan organisasi secara efektif dan menggunakan sumberdaya secara efisien”. Ron Weber (1999,10) mengemukakan bahwa audit sistem informasi adalah :” Information systems auditing is the process of collecting and evaluating evidence to determine whether a computer system safeguards assets, maintains data integrity, allows organizational goals to be achieved effectively, and uses resources efficiently”.

Tujuan Audit Sistem Informasi

Tujuan Audit Sistem Informasi dapat dikelompokkan ke dalam dua aspek utama dari ketatakelolaan IT, yaitu :

a. Conformance (Kesesuaian) – Pada kelompok tujuan ini audit sistem informasi difokuskan untuk memperoleh kesimpulan atas aspek kesesuaian, yaitu :Confidentiality (Kerahasiaan), Integrity (Integritas), Availability (Ketersediaan) danCompliance (Kepatuhan).

b. Performance (Kinerja) – Pada kelompok tujuan ini audit sistem informasi difokuskan untuk memperoleh kesimpulan atas aspek kinerja, yaitu :Effectiveness(Efektifitas), Efficiency (Efisiensi), Reliability (Kehandalan).

Tujuan audit sistem informasi menurut Ron Weber tujuan audit yaitu :

1. Mengamankan asset

2. Menjaga integritas data

3. Menjaga efektivitas sistem

4. Mencapai efisiensi sumberdaya.

Keempat tujuan tersebut dapat dijelaskan sebagai berikut :

1.Mengamankan aset, aset (activa) yang berhubungan dengan instalasi sistem informasi mencakup: perangkat keras (hardware), perangkat lunak (software), manusia (people), file data, dokumentasi sistem, dan peralatan pendukung lainnya.

Sama halnya dengan aktiva – aktiva yang lain, maka aktiva ini juga perlu dilindungi dengan memasang pengendalian internal. Perangkat keras dapat rusak karena unsur kejahatan atau sebab-sebab lain. Perangkat lunak dan isi file data dapat dicuri. Peralatan pendukung dapat digunakan untuk tujuan yang tidak diotorisasi.

2.Menjaga integritas data, integritas data merupakan konsep dasar audit sistem informasi. Integritas data berarti data memiliki atribut: kelengkapan, baik dan dipercaya, kemurnian, dan ketelitian. Tanpa menjaga integritas data, organisasi tidak dapat memperlihatkan potret dirinya dengan benar atau kejadian yang ada tidak terungkap seperti apa adanya. Akibatnya, keputusan maupun langkah-langkah penting di organisasi salah sasaran karena tidak didukung dengan data yang benar. Meskipun demikian, perlu juga disadari bahwa menjaga integritas data tidak terlepas dari pengorbanan biaya. Oleh karena itu, upaya untuk menjaga integritas data, dengan konsekuensi akan ada biaya prosedur pengendalian yang dikeluarkan harus sepadan dengan manfaat yang diharapkan.

3.Menjaga efektivitas sistem, sistem informasi dikatakan efektif hanya jika sistem tersebut dapat mencapai tujuannya. Untuk menilai efektivitas sistem, perlu upaya untuk mengetahui kebutuhan pengguna sistem tersebut (user). Selanjutnya, untuk menilai apakah sistem menghasilkan laporan atau informasi yang bermanfaat bagi user (misalnya pengambil keputusan), auditor perlu mengetahui karakteristik user berikut proses pengambilan keputusannya. Biasanya audit efektivitas sistem dilakukan setelah suatu sistem berjalan beberapa waktu. Manajemen dapat meminta auditor untuk melakukan post audit guna menentukan sejauh mana sistem telah mencapai tujuan yang telah ditetapkan. Evaluasi ini akan memberikan masukan bagi pengambil keputusan apakah kinerja sistem layak dipertahankan; harus ditingkatkan atau perlu dimodifikasi; atau sistem sudah usang, sehingga harus ditinggalkan dan dicari penggantinya Audit efektivitas sistem dapat juga dilaksanakan pada tahap perencanaan sistem (system design). Hal ini dapat terjadi jika desainer sistem mengalami kesulitan untuk mengetahui kebutuhan user, karena user sulit mengungkapkan atau mendeskripsikan kebutuhannya. Jika sistem bersifat komplek dan besar biaya penerapannya, manajemen dapat mengambil sikap agar sistem dievaluasi terlebih dahulu oleh pihak yang independen untuk mengetahui apakah rancangan sistem sudah sesuai dengan kebutuhan user. Melihat kondisi seperti ini, auditor perlu mempertimbangkan untuk melakukan evaluasi sistem dengan berfokus pada kebutuhan dan kepentingan manajemen.

4. Mencapai efisiensi sumberdaya, suatu sistem sebagai fasilitas pemrosesan informasi dikatakan efisien jika ia menggunakan sumberdaya seminimal mungkin untuk menghasilkan output yang dibutuhkan. Pada kenyataannya, sistem informasi menggunakan berbagai sumberdaya, seperti mesin, dan segala perlengkapannya, perangkat lunak, sarana komunikasi dan tenaga kerja yang mengoperasikan sistem tersebut. Sumberdaya seperti ini biasanya sangat terbatas adanya. Oleh karena itu, beberapa kandidat sistem (system alternatif) harus berkompetisi untuk memberdayakan sumberdaya yang ada tersebut.

Adapun tujuan yang lain adalah :

1.Untuk memeriksa kecukupan dari pengendalian lingkungan, keamanan fisik, keamanan logikal serta keamanan operasi sistem informasi yang dirancang untuk melindungi piranti keras, piranti lunak dan data terhadap akses yang tidak sah, kecelakaan, perubahan yang tidak dikehendaki.

2.Untuk memastikan bahwa sistem informasi yang dihasilkan benar-benar sesuai dengan kebutuhan sehingga bisa membantu organisasi untuk mencapai tujuan strategis.

TUGAS SOFTSKILL REVIEW JURNAL

CASE-BASED REASONING UNTUK DIAGNOSA PENYAKIT THT (TELINGA HIDUNG DAN TENGGOROKAN)
A.	Sumber
	Judul : CASE-BASED REASONING UNTUK DIAGNOSA PENYAKIT THT (TELINGA HIDUNG DAN TENGGOROKAN) Penyusun : Tedy Rismawan dan Sri Hartati Lembaga : Ilmu Komputer dan Elektronika, FMIPA UGM, Yogyakarta Link : Link : https://jurnal.ugm.ac.id/ijccs/article/view/2154/1934
B.	Pendahuluan
	Case-Based Reasoning (CBR) merupakan sistem penalaran komputer yang menggunakan pengetahuan lama untuk mengatasi masalah baru.CBR memberikan solusi terhadap kasus baru dengan melihat kasus lama yang paling mendekati kasus baru. Hal ini akan sangat bermanfaat karena dapat menghilangkan kebutuhan untuk mengekstrak model seperti yang dibutuhkan oleh sistem berbasis aturan. Penelitian ini mencoba untuk membangun suatu sistem Penalaran Berbasis Kasus untuk melakukan diagnosa penyakit THT (Telinga, Hidung dan Tenggorokan). Proses diagnose dilakukan dengan cara memasukkan kasus baru (target case) yang berisi gejala-gejala ang akan didiagnosa ke dalam sistem, kemudian sistem akan melakukan proses indexing dengan metode backpropagation untuk memperoleh indeks dari kasus baru tersebut. Setelah memperoleh indeks, sistem selanjutnya melakukan proses perhitungan nilai similarity antara kasus baru dengan basis kasus yang memiliki indeks yang sama menggunakan metode cosine coefficient. Kasus yang diambil adalah kasus dengan nilai similarity paling tinggi. Jika suatu kasus tidak berhasil didiagnosa, maka akan dilakukan revisi kasus oleh pakar. Kasus yang berhasil direvisi akan disimpan ke dalam sistem untuk dijadikan pengetahuan baru bagi sistem. Hasil penelitian menunjukkan sistem penalaran berbasis kasus untuk mendiagnosa penyakit THT ini membantu paramedis dalam melakukan diagnosa. Hasil uji coba sistem terhadap 111 data kasus uji, terdapat 9 kasus yang memiliki nilai similarity di bawah 0.8.
C.	Metode Penelitian
	Proses pada sistem dimulai dengan melakukan pembentukan indeks untuk kasus-kasus yang ada, indeks pada kasus yang ada diperoleh dari pakar. Setelah diperoleh indeks dari setiap kasus yang ada, maka proses selanjutnya adalah melatih kasus-kasus yang ada dengan backpropagation, dimana gejala dari kasus menjadi data input dan indeks pada kasus menjadi target. Hasil dari pelatihan backpropagation berupa nilai bobot akhir yang nantinya akan digunakan untuk proses indexing pada kasus baru. Proses selanjutnya yang terjadi pada sistem adalah menginisialisasi gejala yang dialami oleh pasien yang dianggap sebagai kasus baru, setelah itu sistem akan melakukan proses indexing terhadap kasus baru tersebut berdasarkan nilai bobot akhir backpropagation yang telah dilatih sebelumnya berdasarkan kasus-kasus lama. Setelah memperoleh indeks dari kasus baru, maka selanjutnya sistem melakukan perhitungan nilai similarity kasus baru terhadap kasus yang lama yang memiliki indeks sama. Proses perhitungan similarity mengunakan Cosine Coefficient. Nilai similarity berkisar antara 0 sampai dengan 1. Apabila similarity kasus baru dengan salah satu kasus yang ada pada basis kasus bernilai 1, berarti kasus baru tersebut sama dengan kasus lamayang ada dalam basis kasus. Apabila similarity kasus baru memiliki nilai 0.8, maka kasus baru akan menggunakan solusi yang sama dengan kasus lama yang ada pada basis kasus. Namun, apabila nilai similarity tidak mencapai nilai 0.8, maka dianggap kasus baru tersebut tidak memiliki solusi dan kasus tersebut selanjutnya akan disimpan sebagai kasus baru yang nantinya akan dievaluasi oleh pakar (revise) dan disimpan kembali ke dalam sistem sebagai kasus baru dengan solusi yang telah diberikan (retain).
D.	Hasil dan Pembahasan
	1.	Proses pengisian case base
		Tahap awal dari penggunaan sistem proses adalah pengisian case base. Data-data kasus yang akan dimasukkan ke dalam case base diperoleh dari data rekam medis Poliklinik Telinga Hidung Tenggorok (THT) RSUD dr. Soedarso, Pontianak. Terdapat 106 gejala THT dan 38 nama penyakit yang dibagi menjadi 3 kelas dan 9 subkelas. Kasus yang dimasukkan ke dalam case base sebanyak 208 kasus. Setiap gejala penyakit dibagi menjadi 4 kategori yaitu Tidak, Sedikit, Cukup dan Ya. Nilai untuk masing-masing kategori adalah 0 untuk Tidak, 0.33 untuk Sedikit, 0.67 untuk Cukup dan 1 untuk Ya. Pemberian nilai dari masing-masing gejala untuk setiap kasus dilakukan oleh Pakar.
	2.	Proses pelatihan basis kasus
		Proses pelatihan data kasus dengan backpropagation dilakukan untuk memperoleh bobot jaringan yang akan digunakan pada proses indexing kasus baru. Pada proses ini jaringan backpropagation digunakan untuk melatih semua data yang ada pada basis kasus dengan data gejala sebagai input pelatihan dan data subkelas sebagai target pelatihan. Sebelum melakukan pelatihan, admin sebagai user yang memiliki hak akses proses pelatihan harus mengisi parameter pelatihan terlebih dahulu. Pemilihan parameter jaringan akan mempengaruhi pembelajaran yang dilakukan oleh jaringan, sehingga harus digunakan parameter yang baik dalam melakukan pelatihan. Namun, untuk memperoleh parameter pelatihan yang baik maka harus dilakukan percobaan satu per satu terhadap parameter jaringan. Pada penelitian ini parameter pelatihan yang digunakan adalah : §  Laju pembelajaran : 0.3 §  Target error : 0.00001 §  Maksimum epoh : 15000
	3.	Hasil Pengujian
		Pada bagian ini akan dilakukan pengujian kasus riil terhadap sistem. Kasus yang akan diuji memiliki gejala sebagai berikut : §  Demam : Ya §  Nyeri telinga : Ya §  Rasa penuh di telinga : Ya §  Pendengaran berkurang : Cukup §  Telinga berdengung : Sedikit §  Cairan telinga bening : Ya §  ISSN: 1978-1520 §  Laju pembelajaran : 0.3 Terdapat 106 gejala yang ada di dalam penelitian yang dapat dipilih. Berdasarkan tabel gejala, dapat diketahui bahwa gejala yang dipilih pada pengujian ini adalah gejala dengan indeks 1, 2, 5, 7, 8 dan 10. Selanjutnya nilai dari gejala ini dimasukkan ke dalam sebuah array yang memuat semua gejala. Array penyimpanan memiliki 106 nilai dimana semua nilai untuk gejala yang tidak dialami akan diberi nilai 0, dan gejala yang dialami akan diberi nilai sesuai dengan tingkatan gejala dimana “Sedikit” bernilai 0.33, “Cukup bernilai 0.67 dan “Ya” bernilai 1. Setelah diperoleh nilai similarity kasus uji dengan semua kasus yang memiliki indeks yang sama, maka langkah selanjutnya adalah mencari nilai similarity terbesar. Berdasarkan nilai similarity yang diperoleh pada tabel 3, dapat diketahui bahwa nilai similarity terbesar adalah 1 dan terdapat pada kasus ke-3 dimana pada tabel kasus dapat diketahui bahwa kasus 3 merupakan kasus yang memiliki id_penyakit 1. Kemudian id_penyakit yang diperoleh digunakan untuk mengambil nama penyakit pada tabel penyakit sehingga dapat diambil keputusan bahwa kasus uji tersebut memiliki kemiripan yang paling tinggi tehadap kasus 1 yang memiliki id_penyakit 1 yang merupakan penyakit Otitis Media Akut. Proses pengujian tersebut dilakukan terhadap 111 kasus baru. Kasus baru yang digunakan pada pengujian merupakan kasus yang pernah terjadi sebelumnya, namun tidak digunakan pada basis kasus.Tabel 6.3 menunjukkan nilai similarity kasus-kasus yang diuji terhadap sistem. Hasil uji coba menunjukkan, dari 111 kasus uji, terdapat 9 kasus yang memiliki nilai similarity di bawah 0.8 dan 102 kasus yang memiliki nilai similarity di atas 0.8. Gambar 11 merupakan grafik hasil pengujian terhadap 111 data kasus uji.
E.	Kesimpulan
	1.     Penggunaan metode backpropagation pada proses indexing dapat membantu sistem dalam melakukan retrieval karena dengan menggunakan backpropagation, pencarian nilai similarity cukup dilakukan terhadap kasus yang memiliki indeks yang sama dengan kasus baru. Namun dalam proses pelatihan, backpropagation memerlukan waktu yang cukup lama karena harus mencoba parameter pelatihan satu per satu untuk memperoleh jaringan yang terbaik. 2.     Sistem akan memberikan solusi apabila kasus baru memiliki nilai similarity lebih besar dari 0.8 terhadap kasus lama. 3.     Hasil uji coba dari 111 kasus uji, terdapat 9 kasus yang memiliki nilai similarity di bawah 0.8. 4.     Ada 2 kondisi revisi kasus: pertama, kasus yang didiagnosa tidak mempunyai kemiripan sama sekali dengan kasus-kasus yang ada dalam case-base. Kedua, kasus memiliki kemiripan dengan kasus yang ada dalam case-base tetapi memiliki nilai similarity dibawah 0.8.
F.	Saran
	1.     Penggunaan metode backpropagation pada proses indexing dapat membantu sistem dalam melakukan retrieval karena dengan menggunakan backpropagation, pencarian nilai similarity cukup dilakukan terhadap kasus yang memiliki indeks yang sama dengan kasus baru. Namun dalam proses pelatihan, backpropagation memerlukan waktu yang cukup lama karena harus mencoba parameter pelatihan satu per satu untuk memperoleh jaringan yang terbaik. 2.     Sistem akan memberikan solusi apabila kasus baru memiliki nilai similarity lebih besar dari 0.8 terhadap kasus lama. 3.     Hasil uji coba dari 111 kasus uji, terdapat 9 kasus yang memiliki nilai similarity di bawah 0.8. 4.     Ada 2 kondisi revisi kasus: pertama, kasus yang didiagnosa tidak mempunyai kemiripan sama sekali dengan kasus-kasus yang ada dalam case-base. Kedua, kasus memiliki kemiripan dengan kasus yang ada dalam case-base tetapi memiliki nilai similarity dibawah 0.8.

Heading Image source : http://www.onlinehealthissues.com/wp-content/uploads/2016/05/flu.jpg

ALGORITMA BUKU ALAMAT

          Sebelum membahas sebuah algoritma buku alamat, bolehlah kita awali dengan pengertian algoritma. Istilah algoritma untuk beberapa orang mungkin masih agak asing. Namun kalau mendengar tentang langkah-langkah atau step by step atau juga prosedur, mungkin lebih familiar didengar oleh telinga masyarakat Indonesia. Memang benar, algoritma bisa disebut sebagai suatu langkah-langkah logis tertentu yang digunakan untuk menyelesaikan suatu masalah. Namun bukan sembarang masalah, masalah yang dimaksud di sini adalah masalah dalam membangun sebuah sistem ataupun program yang berjalan di dalam sebuah komputer. Lebih lanjut tentang algoritma, bisa maen ke sini. Karena sudah tahu tentang pengertian algoritma, mari masuk lebih dalam pembahasan tentang judul artikel ini.

Diketahui sebuah kasus tentang sebuah buku alamat. Buku alamat ini dalam kacamata program memiliki 1 kelas dengan nama bukuAlamat, dengan 5 buah atribut dan 4 buah method yang tergambar dalam class diagram berikut:

Keterangan atribut dan method tersebut antara lain, sbb:

Dari keterangan tsb, didapati algoritma terhadap kelas bukuAlamat sebagai berikut:

Pertama kali, user akan disajikan 5 pilihan menu pada program, yakni: (1) Input data, (2) Tampilkan data, (3) Update data, (4) Hapus data, (5) Keluar program.

User memasukkan pilihan menu program.

Jika user memilih menu (1), maka user akan diminta input data nama, alamat, telp, email. Lalu data entri tersebut disimpan. Kemudian ditampilkan kembali daftar menu program pada layar (kembali ke langkah 2).

Jika user memilih menu (2), maka pada layar akan ditampilkan seluruh data yang tersimpan. Kemudian ditampilkan kembali daftar menu program pada layar (kembali ke langkah 2).

Jika user memilih menu(3), maka user akan diminta input id data yang akan dilakukan update atau perubahan. Lalu layar akan menampilkan summary data dengan id yang diinputkan user. User akan ditanya, “Apakah Anda yakin ingin melakukan update data ini? [y/n]”. Lalu user input pilihan, y (yes) atau n (no). Jika user input y, maka user diminta untuk memilih atribut yang akan diupdate, dengan pilihan (a) nama, (b) alamat, (c) telp, (d) email, (e) semua data. User input pilihan menu.

Jika user memilih (a), maka user diminta input nama baru.

Jika user memilih (b), maka user diminta input alamat baru.

Jika user memilih (c), maka user diminta input telp baru.

Jika user memilih (d), maka user diminta input email baru.

Jika user memilih (e), maka user diminta input nama, alamat, telp, dan email baru.

Kemudian ditampilkan kembali daftar menu program pada layar (kembali ke langkah 2).

Jika user memilih menu (4), maka user akan diminta untuk input id data yang akan dihapus. Lalu layar akan menampilkan summary data dengan id tersebut. Lalu user akan ditanya, “Apakah Anda yakin ingin menghapus data ini? [y/n]”. Lalu user input pilihan, y (yes) atau n (no). Jika user input y, maka data dengan id tersebut akan dihapus. Kemudian ditampilkan kembali daftar menu program pada layar (kembali ke langkah 2).

Jika user memilih menu (5), maka user akan keluar dari program.

Selesai.

PENGETAHUAN TEKNOLOGI SISTEM CERDAS

Pengertian Sistem cerdas

Kecerdasan buatan (Artificial Intelligent, AI) telah menjadi wacana umum yang sangat penting dan banyak dijumpai. Kecerdasan Buatan atau Sistem cerdas atau Intelegensi Buatan atau Artificial Inteligence merupakan cabang terpenting dalam dunia komputer. Komputer tidah hanya alat untuk menghitung, tetapi diharapkan dapat diberdayakan untuk mengerjakan segala sesuatu yang bias dikerjakan oleh manusia. Manusia mempunyai pengetahuan, pengalaman dan kemampuan penalaran dengan baik, agar komputer bisa bertindak seperti dan sebaik manusia, maka komputer juga harus dibekali pengetahuan dan mempunyai kemampuan untuk menalar.

Sejarah kecerdasan buatan

Di awal abad 20, seorang penemu Spanyol yang bernama Torres Y Quevedo, membuat sebuah mesin yang dapat mengskakmat raja laannya dengan sebuah raja dan ratu.

Perkembangan secara sistematis kemudian dimulai ditemukannya komputer digital.

* Pada tahun 1950-an Alan Turing seorang matematikawan dari Inggris. Pertama kali mengusulkan adanya tes untuk melihat bias tidaknya sebuah mesin dikatakan cerdas (dikenal dengan Turing Test) seolah-olah mesin mampu merespon terhadap serangkaian pertanyaan yang diajukan.

* Istilah kecerdasan buatan dimunculkan pertama kali pada tahun 1956 ketika John Mc Cathy dari Massachusets Institute of Technology (MIT) menciptakan bahasa pemrograman LISP
* Loghic Theorist (1956), diperkenalkan pada Dartmouth Conference, program ini dapat membuktikan teorema-teorema matematika.

* Mesin Neural Network pertama oleh Marvin Minsky (1958)

* Sad Sam, deprogram oleh Robert K. Lindsay (1960), program ini dapat mengetahui kalimat-kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban dari fakta-fakta yang didengar dalam sebuah percakapn.

* Muncul logika samar (1965) yang merupakan pelaksanaan konsep samar di atas system komputer. Logika samar mengukur ketidaktepatan dengan cara yang tepat, seperti yang diperlukan mesin.

* ELIZA (1967), diprogram oleh Joseph Weizenbaum, yang mampu melakukan terapi terhadap pasien dengan memberikan beberapa pertanyaan.

* Program Microworld dengan penciptaan proyek SHRDLU (1968) merupakan Expert System yang pertama.

* Pada tahun 1972 bahasa Prolog dimunculkan.

* John Holland (1975) mengatakan bahwa setiap problem berbentuk adaptasi (alami maupun buatan) secara umum dapat diformulasikan dalam terminologi genetika (Algoritma Genetika)

* Sistem catur AI mengalahkan manusia (Pecatur master) pada tahun 1991.

* Robotik, peranti mekanika yang diprogram untuk melakukan berbagai tugas.

Definisi Kecerdasan Buatan

Kecerdasan Buatan adalah ilmu rekayasa yang membuat suatu mesin mempunyai intelegensi tertentu khususnya program komputer yang “cerdas” (John Mc Cathy, 1956)

Kecerdasan buatan merupakan kawasan penelitian, aplikasi dan intruksi yang terkait dengan pemrograman computer untuk melakukan sesuatu hal – yang dalam pandangan manusia adalah – cerdas. (H.A Simon, 1987)

Kecerdasan merupakan bagian kemampuan komputasi untuk mencapai tujuan dalam dunia. Ada bermacam-macam jenis dan derajat kecerdasan untuk manusia, hewan dan mesin.

Kecerdasan buatan 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 mempresentasi pengetahuan lebih banyak menggunakan bentuk symbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic (Metode Heuristik adalah teknik yang dirancang untuk memecahkan masalah yang mengabaikan apakah solusi dapat dibuktikan benar, tapi yang biasanya menghasilkan solusi yang baik atau memecahkan masalah yang lebih sederhana yang mengandung atau memotong dengan pemecahan masalah yang lebih kompleks.) atau dengan berdasarkan sejumlah aturan.( Encyclopedia Britannica)

Kecerdasan adalah kemampuan untuk belajar atau mengerti dari pengalaman. Memahami pesan yang kontradiktif dan ambigu, menanggapi dengan cepat dan baik atas situasi yang baru, menggunakan penalaran dalam memecahkan masalah dan menyelesaikannya secara efektif (Winston dan Pendergast, 1994)

Al dapat dipandang dalam berbagai perspektif.

Dari perspektif kecerdasan

Ai adalah bagaimana membuat mesin yang “cerdas” dan dapat melakukan hal-hal yang sebelumnya dapat dilakukan oleh manusia.

Dari perspektif penelitian

Suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan manusia.

Domain yang sering dibahas oleh peneliti meliputi:

a) Mundane task

· Persepsi (Vision & Speech)

· Bahasa alami (Understanding, Generation, Translation)

· Pemikiran yang bersifat commonsense

· Robot control

b) Formal task

· Permainan/games

· Matematika (geometri, logika, kalkulus, integral, pembuktian)

c) Expert task

· Analisis financial

· Analisis medikal

· Analisis ilmu pengetahuan

· Rekayasa (desain, pencarian kegagalan,perencanaan manufaktur )

Konsep kecerdasan buatan

TIRING TEST – METODE PENGUJIAN KECERDASAN

* Turing Test – Metode Pengujian Kecerdasan yang dibuat oleh Alan Turing.
* Proses uji ini melibatkan penanya (manusia) dan dua objek yang ditanyai. Yang satu adalah seorang manusia dan satunya adalah sebuah mesin yang akan diuji.
* Penanya tidak bisa melihat langsung kepada objek yang ditanya.
* Penanya diminta untuk membedakan mana jawaban computer dan mana jawaban manusia berdasarkan jawaban kedua objek tersebut.
* Jika penanya tidak dapat membedakan mana jawaban mesin dan mana jawaban manusia maka Turing berpendapat bahwa mesin yang diuji tersebut dapat diasumsikan “cerdas”.

PEMROSESAN SIMBOLIK

* komputer semula didesain untuk memproses bilangan/angka-angka.(pemrosesan numerik)
* Sementara manusia dalam berpikir dan menyelesaikan masalah lebih bersifat simbolik, tidak didasarkan pada sejumlah rumus atau melakukan komputasi matematis.

* Sifat penting dai AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melakukan proses secara simbolik dan non algoritmik dalam penyelesaian masalah.

HEURISTIK

* Istilah Heuristic diambil dari bahasa yunani yang berarti menemukan.

* Heuristic merupakan suatu strategi untuk melakukan suatu pencarian (search) ruang problema secara selektif, yang memandu proses pencarian yang kita lakukan sepanjang jalur yang memiliki kemungkinan sukses paling besar.

PENARIKAN KESIMPULAN (INFERENCING)

* AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning)
* Kemampuan berpikir (reasoning) termasuk didalamnya proses penarikan kesimpulan (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristic atau metode pencarian lainnya.

PENCOCOKAN POLA (PATTERN MATCHING)

AI bekerja dengan metode pencocokan pola (pattern matching) yang berusaha untuk menjelaskan objek kejadian (events) atau proses dalam hubungan logik atau komputasional.

Tujuan Kecerdasan Buatan

* Membuat computer lebih cerdas

* Mengerti tentang kecerdasan

* Membuat mesn lebih berguna

Keuntungan kecerdasan buatan disbanding kecerdasan alami:

* Lebih bersifat permanen

* Lebih mudah dipublikasi atau disebarkan

* Lebih murah dibandingkan kecerdasan alami

* Bersifat konsisten

* Dapat didokumentasikan

* Dapat mengerjakan pekerjaan lebih cepat dan lebih baik dibandingkan dengan kecerdasan alami.

Keuntungan kecerdasan alami disbanding AI:

* Kreatif

* Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa symbol dan representasi-representasi.

* Pemikiran manusia dapat digunakan secara luas sebagai referensi untuk pengambilan keputusan. Sebaliknya, AI menggunakan focus yang sempit

SISTEM CERDAS YANG BANYAK DI KEMBANGKAN

·Sistem pakar ( Expert System)

yaitu program konsultasi (advisory) yang mencoba menirukan proses penalaran seorang pakar/ahli dalam memecahkan masalah yang rumit. sistem pakar merupakan aplikasi AI yang paling banyak.

· Pemrosesan Bahasa Alami (Natural Language Processing)

Yang member kemampuan pengguna komputer untuk berkomunikasi dengan komputer dalam bahasa mereka sendiri (bahasa manusia). Komunikasi dapat dilakukan dengan percakapan alih-alih menggunakan perintah yang biasa digunakan dalam bahasa komputer biasa.

· Bidang Pemrosesan Bahasa Alami di bagi lagi menjadi 2 bagian yaitu:

Pemahaman bahasa alami, yang mempelajari metode yang memungkinkan komputer mengerti perintah yang diberikan dalam bahasa manusia biasa. Dengan kata lain komputer dapat memahami manusia.

Pembangkitan bahasa alami, sering disebut juga sintesa suara. Yang membuat komputer dapat membangkitkan bahasa manusia biasa sehingga manusia dapat memahami komputer secara mudah.

· Pemahaman Ucapan/Suara (Speech/Voice Understanding)

Adalah teknik agar komputer dapat mengenali dan memahami bahasa ucapan.

Proses ini mengijinkan seseorang berkomunikasi dengan komputer dengan cara berbicara kepadanya.

Istilah pengenalan suara, mengandung arti bahwa tujuan utamanya adalah mengenali kata yang diucapkan tanpa harus tahu apa artinya, dimana bagian itu merupakan tugas pemahaman suara.

Secara umum prosesnya adalah usaha untuk menterjemahkan apa yang diucapkan oleh seorang manusia menjadi kata-kata atau kalimat yang dimengerti oleh komputer.

· Sistem Sensor dan Robotika

Sistem sensor seperti system visi dan pencitraan serta system pengolahan sinyal merupakan bagian dari robotika.

Sebuah robot yaitu, perangkat elektromagnetik yang diprogram untuk melakukan tugas manual, tidak semuanya merupakan bagian AI.

Robot hanya melakukan aksi yang telah diprogramkan dikatakan sebagai robot bodoh yang tidak lebih pintar dari lift.

Robot yang cerdas biasanya mempunyai perangkat sensor, seperti kamera, yang mengumpulkan informasi mengenai operasi dan lingkungannya.

Kemudian bagian AI robot tersebut menterjemahkan informasi tadi dan merespon serta beradaptasi jika terjadi perubahan lingkungan.

Tujuan dan Isi

Intelligent Systems merupakan wilayah dari bidang ilmu komputer dan rekayasa berurusan dengan cerdas adaptasi perilaku, dan pembelajaran di mesin dan robot. sistem Intelligent prihatin dengan desain sistem komputasi yang berfungsi dalam lingkungan yang berubah, tak terduga dan biasanya tidak lengkap yang dikenal dengan menunjukkan kemampuan tingkat tinggi. Tujuannya adalah untuk mengambil inspirasi dari alam, kinerja manusia dan alat-alat pemecahan masalah matematis dalam rangka membangun sistem yang kuat dapat mencapai tujuan yang kompleks dalam lingkungan yang kompleks menggunakan sumber daya komputasi yang terbatas. sistem Intelligent menggunakan konsep-konsep yang berasal dari ilmu saraf, sistem alam, biologi, ilmu kognitif, teknik, sistem fisik dan dari kecerdasan buatan dan teknik optimasi.

Mahasiswa lulus dari program ini mengembangkan kemampuan untuk bekerja pada masalah yang kompleks dan dalam karir masa depan mereka akan mampu menerapkan kompetensi mereka di bidang interdisipliner dengan kemampuan analisis dan teknis ditingkatkan. Contohnya termasuk perencanaan dan penjadwalan, kontrol, robotika, prakiraan bisnis, mencari agen cerdas, video game, musik buatan, menjawab otomatis dan diagnostik, dan tulisan tangan dan pengenalan suara.

Bahan kursus, perangkat lunak alat dan robot mencerminkan keadaan terbaru dari seni dan kesempatan lebih lanjut untuk keterlibatan akan timbul selama proses tesis dengan mungkin kesempatan untuk belajar untuk PhD.

Program ini membentang lebih dari dua tahun (120 kredit ECTS) dan terstruktur untuk memungkinkan para siswa untuk personalisasi kurikulum studi mereka sesuai dengan kepentingan masing-masing. Biasanya, pada semester pertama siswa menghadiri kelas dalam rangka memperoleh pengetahuan dasar. Semester kedua dan ketiga yang didedikasikan untuk mata kuliah inti dan pilihan. Siswa diminta untuk mengambil mata kuliah inti yang menganggap topik tertentu cerdas sistem dan metodologi. Siswa menyelesaikan kurikulum mereka dengan pilihan yang dapat dipilih di antara program yang ditawarkan oleh ini dan lainnya USI program-program terkait. Selama semester terakhir, siswa Guru menulis tesis mereka.

Pengajaran
Mengajar di Fakultas Informatika menekankan hubungan dekat antara mahasiswa dan fakultas. Profesor yang mengejar penelitian tentang berbagai topik dan peserta aktif dalam proyek penelitian Swiss dan internasional dan jaringan. Mengunjungi profesor dari universitas terkenal melengkapi pengajaran berkualitas. Semua kursus diajarkan dalam bahasa Inggris.

Sistem cerdas dalam rekayasa Power

Intelligent Systems merupakan wilayah dari bidang ilmu komputer dan rekayasa berurusan dengan cerdas adaptasi perilaku, dan pembelajaran di mesin dan robot. sistem Intelligent prihatin dengan desain sistem komputasi yang berfungsi dalam lingkungan yang berubah, tak terduga dan biasanya tidak lengkap yang dikenal dengan menunjukkan kemampuan tingkat tinggi. Tujuannya adalah untuk mengambil inspirasi dari alam, kinerja manusia dan alat-alat pemecahan masalah matematis dalam rangka membangun sistem yang kuat dapat mencapai tujuan yang kompleks dalam lingkungan yang kompleks menggunakan sumber daya komputasi yang terbatas. sistem Intelligent menggunakan konsep-konsep yang berasal dari ilmu saraf, sistem alam, biologi, ilmu kognitif, teknik, sistem fisik dan dari kecerdasan buatan dan teknik optimasi.

program ini mengembangkan kemampuan untuk bekerja pada masalah yang kompleks dan dalam karir masa depan mereka akan mampu menerapkan kompetensi mereka di bidang interdisipliner dengan kemampuan analisis dan teknis ditingkatkan. Contohnya termasuk perencanaan dan penjadwalan, kontrol, robotika, prakiraan bisnis, mencari agen cerdas, video game, musik buatan, menjawab otomatis dan diagnostik, dan tulisan tangan dan pengenalan suara.

Bahan kursus, perangkat lunak alat dan robot mencerminkan keadaan terbaru dari seni dan kesempatan lebih lanjut untuk keterlibatan akan timbul selama proses tesis dengan mungkin kesempatan untuk belajar untuk PhD.

Aplikasi dari Sistem Cerdas Membuat Robot Cerdas

Tahap-tahap pembuatan robot

Secara garis besar, tahapan pembuatan robot dapat dilihat pada gambar berikut:

Ada tiga tahapan pembuatan robot, yaitu:

1. Perencanaan, meliputi: pemilihan hardware dan design.
2. Pembuatan, meliputi pembuatan mekanik, elektonik, dan program.
3. Uji coba.

1. Tahap perencanan

Dalam tahap ini, kita merencanakan apa yang akan kita buat, sederhananya, kita mau membuat robot yang seperti apa? berguna untuk apa? Hal yang perlu ditentukan dalam tahap ini:

* Dimensi, yaitu panjang, lebar, tinggi, dan perkiraan berat dari robot.
* Struktur material, apakah dari alumunium, besi, kayu, plastik, dan sebagainya.
* Cara kerja robot, berisi bagian-bagian robot dan fungsi dari bagian-bagian itu. Misalnya lengan, konveyor, lift, power supply.
* Sensor-sensor apa yang akan dipakai robot.
* Mekanisme, bagaimana sistem mekanik agar robot dapat menyelesaikan tugas.
* Metode pengontrolan, yaitu bagaimana robot dapat dikontrol dan digerakkan, mikroprosesor yanga digunakan, dan blok diagram sistem.
* Strategi untuk memenangkan pertandingan, jika memang robot itu akan diikutkan lomba/kontes robot Indonesia/Internasional.

2. Tahap pembuatan

Ada tiga perkerjaan yang harus dilakukan dalam tahap ini, yaitu pembuatan mekanik, elektronik, dan programming. Masing-masing membutuhkan orang dengan spesialisasi yang berbeda-beda, yaitu:

* Spesialis Mekanik, bidang ilmu yang cocok adalah teknik mesin dan teknik industri.
* Spesialis Elektronika, bidang ilmu yang cocok adalah teknik elektro.
* Spesialis Programming, bidang ilmu yang cocok adalah teknik informatika.

Jadi dalam sebuah tim robot, harus ada personil-personil yang memiliki kemampuan tertentu yang saling mengisi.

Pembuatan mekanik

Setelah gambaran garis besar bentuk robot dirancang, maka rangka dapat mulai dibuat. Umumnya rangka robot terbuat dari alumunium kotak atau alumunium siku. Satu ruas rangka terhubung satu sama lain dengan keling alumunium. Keling adalah semacam paku alumunium yang berguna untuk menempelkan lembaran logam dengan erat.

Pembuatan sistem elektronika

Bagian sistem elektronika dirancang sesuai dengan fungsi yang diinginkan. Misalnya untuk menggerakkan motor DC diperlukan h-brigde, sedangkan untuk menggerakkan relay diperlukan saklar transistor. Sensor-sensor yang akan digunakan dipelajari dan dipahami cara kerjanya, misalnya:

1. Sensor jarak, bisa menggunakan SRF04, GP2D12, atau merakit sendiri modul sensor ultrasonik atau inframerah.
2. Sensor arah, bisa menggunakan sensor kompas CMPS03 atau Dinsmore.
3. Sensor suhu, bisa menggunakan LM35 atau sensor yang lain.
4. Sensor nyala api/panas, bisa menggunakan UVTron atau Thermopile.
5. Sensor line follower / line detector, bisa menggunakan led & photo transistor.

Berikut ini gambar sensor ultrasonik, inframerah, UVTron, dan kompas:

Pembuatan sistem elektronika ini meliputi tiga tahap:

* Design PCB, misalnya dengan program Altium DXP.
* Pencetakan PCB, bisa dengan Proboard.
* Perakitan dan pengujian rangkaian elektronika.

Pembuatan Software/Program

Pembuatan software dilakukan setelah alat siap untuk diuji. Software ini ditanamkan (didownload) pada mikrokontroler sehingga robot dapat berfungsi sesuai dengan yang diharapkan.

Tahap pembuatan program ini meliputi:

1. Perancangan Algoritma atau alur program Untuk fungsi yang sederhana, algoritma dapat dibuat langsung pada saat menulis program. Untuk fungsi yang kompleks, algoritma dibuat dengan menggunakan flow chart.

2. Penulisan Program Penulisan program dalam Bahasa C, Assembly, Basic, atau Bahasa yang paling dikuasai.

3. Compile dan download, yaitu mentransfer program yang kita tulis kepada robot.

Uji coba

Setelah kita mendownload program ke mikrokontroler (otak robot) berarti kita siap melakukan tahapan terakhir dalam membuat robot, yaitu uji coba. misalnya, ujicoba dilakukan pada arena seluas sekitar 4×4 meter dan berbentuk seperti puzzle. Dalam arena ini di diletakkan lilin-lilin yang harus dipadamkan oleh robot cerdas pemadam api.