Mohon tunggu...
Zhiddan Aditya Mahardika
Zhiddan Aditya Mahardika Mohon Tunggu... Mahasiswa - Mahasiswa Universitas Airlangga

Seorang mahasiswa yang sedang menempuh pendidikan di Universitas Airlangga

Selanjutnya

Tutup

Artificial intelligence

Pengembangan dan Penerapan Artificial Intelligence untuk Mencapai Tujuan Sustainable Development Goals di Indonesia

9 Mei 2023   00:56 Diperbarui: 9 Mei 2023   00:58 429
+
Laporkan Konten
Laporkan Akun
Kompasiana adalah platform blog. Konten ini menjadi tanggung jawab bloger dan tidak mewakili pandangan redaksi Kompas.
Lihat foto
Photo by Pavel Danilyuk from Pexels: https://www.pexels.com/

Artificial Intelligence (AI) merupakan sebuah teknologi yang memungkinkan mesin untuk belajar dan melakukan tugas-tugas yang biasanya memerlukan kecerdasan manusia, seperti pengenalan suara, penglihatan komputer, dan bahasa alami. AI telah banyak digunakan dalam berbagai bidang, termasuk otomotif, kesehatan, dan keuangan.

Baru-baru ini pengembangan Artificial Intelligence (AI) atau Kecerdasan Buatan telah mengejutkan banyak pihak. Salah satunya percobaan penggunaan presenter AI untuk siaran pada salah satu stasiun televisi swasta di Indonesia, dalam penggunaannya presenter tersebut melakukan tugas selayaknya presenter pada umumnya yakni, melaporkan sebuah berita dengan mimik wajah yang meyakinkan. Hal ini menunjukkan bahwa teknologi AI semakin berkembang dan dapat digunakan dalam berbagai bidang, termasuk di industri media dan hiburan.

Lalu bagaimana sebenarnya cara kerja dari Artificial Intelligence serta algoritma Machines Learning yang ada di dalamnya?. Ada beberapa tahap yang digunakan Artificial Intelligence untuk mengolah sebuah data untuk mengeluarkan hasil dari apa yang diinginkan oleh pengguna yakni:

  • Data Collection
  • Data Preprocessing 
  • Machine Learning Algorithms
  • Training The AI Model
  • Testing and Evaluation
  • Deployment and Inference
  • Continuous Learning and Improvement

Berikut merupakan penjelasan lebih lanjut dari beberapa tahap yang dilakukan oleh Artificial Intelligence untuk mengeluarkan hasil.

  • Data Collection 

Sistem AI membutuhkan banyak data untuk mempelajari dan membuat sebuah keputusan sesuai keinginan yang diharapkan pengguna. Data yang digunakan dapat berupa teks, gambar, video, pengenalan sensor, dan beberapa informasi yang berkaitan dengan sesuatu yang diinginkan oleh pengguna. Data tersebut didapat dari berbagai sumber yakni, database, internet maupun proses dari kumpulan data.

  • Data Preprocessing

Setelah data terkumpul, data-data ini perlu untuk diproses lebih lanjut dan digunakan untuk analisis setelahnya., seperti pembersihan data, menghapus ketidapaduan dalam data, inkonsistensi , menangani nilai yang tidak cocok, dan setelah itu merubah data menjadi format data yang akan diproses lebih lanjut.

  •  Machine Learning Algorithms

Sistem pada Artificial Intelligence (AI) memanfaatkan algoritma pembelajaran mesin untuk menganalisis data yang ada, mempersiapkan data, dan mengambil pola yang sesuai dengan kebutuhan. Ada berbagai macam algoritma pembelajaran mesin yakni, Supervised learning ( yakni ketika data yang telah ditandai digunakan untuk latihan), Unsupervised Learning (yakni pembelajaran yang menemukan data tanpa penanda), dan Reinforcement Learning (yakni seorang pengawas belajar dari interaksi antara lingkungan dengan hasil yang akan dikeluarkan.

  •   Pelatihan Model AI

Pada tahap ini model dari pembelajaran mesin yakni melatih mesin yang ada menggunakan data yang telah disediakan. Model berlajar dari data yang dimasukan dengan menyesuaikan parameter atau bobot berdasarkan data yang diamati. Proses pelatihan meliputi memasukan data ke dalam model yang ada, membandingkan prediksi atau hasilnya dengan label yang sebenarnya, memperbarui model parameter menggunakan teknik optimalisasi untuk memperkecil adanya prakiraan error pada model.         

  • Testing And Evaluation

Setelah model dilatih, model harus dievaluasi berdasarkan performa dan kemampuannya secara keseluruhan. Tes ini meliputi penggunaan set data yang tidak digunakan selama tahap pelatihan. Metrik pelatihan seperti akurasi, ketepatan, recall, atau F1 score untuk mengukur seberapa baik performa model terhadap data yang belum pernah diuji.

  • Deployment and Inference

Setelah model AI dilatih dan diuji, model baru bisa digunakan untuk penerapan secara nyata. Pada tahap ini model mengambil data yang belum pernah digunakan sebelumnya untuk digunakan sebagai input (masukan) dan membuat prediksi, klasifikasi, dan rekomendasi berdasarkan pengetahuan yang telah diperlajari dari berbagai tahap. Model melalui proses inferernsi yakni penerapan pola yang telah dipelajari untuk membuat keputusan cerdas dan menghasikan output.

  • Continuous Learning and Impowerment  

HALAMAN :
  1. 1
  2. 2
Mohon tunggu...

Lihat Konten Artificial intelligence Selengkapnya
Lihat Artificial intelligence Selengkapnya
Beri Komentar
Berkomentarlah secara bijaksana dan bertanggung jawab. Komentar sepenuhnya menjadi tanggung jawab komentator seperti diatur dalam UU ITE

Belum ada komentar. Jadilah yang pertama untuk memberikan komentar!
LAPORKAN KONTEN
Alasan
Laporkan Konten
Laporkan Akun