Tugas Sistem Informasi Manajemen
Dosen Pengampu :
Lydia
Setyawardani, SE., M.Si., Ak
Nama Kelompok :
1.
Ningrum Dian Santika (1510109753)
2.
Nadiaz Piscestalia (1510109342)
3.
Sukma Ayu Mahardika (1510109534)
4.
Dia Putri Setiawati (1510109538)
5.
Nadia Athiqotul Amalia R. (1510109739)
Sekolah Tinggi Ilmu Ekonomi
Indonesia (STIESIA)
Surabaya
2016/2017
Pengembangan Sistem
1.1 Siklus Hidup Pengembangan Sistem
Pendekatan
sistem merupakan sebuah metodologi. Metodologi adalah suatu cara yang
direkomendasikan dalam melakukan sesuatu, pendekatan sistem adalah metodologi
dasar dalam memecahkan segala jenis masalah. Siklus hidup pengembangan
sistem (systems development cycle -SDLC) adalah aplikasi dari pendekatan sistem
bagi pengembangan suatu sistem informasi.
1.2 Prototyping, Rapid Aplication
Development
A. Prototyping
Prototype adalah satu versi dari
sebuah sistem potensial yang memberikan ide bagi para pengembang dan calon
pengguna, bagaimana sistem akan berfungsi dalam bentuk yang telah selesai.
Proses prototype ini disebut prototyping. Dasar pemikiran adalah membuat prototipe
secepat mungkin, bahkan dalam waktu semalam, lalu memperoleh umpan balik dari
pengguna yang akan memungkinkan prototipe tersebut diperbaiki kembali dengan
sangat cepat.
1. JENIS-JEINIS
PROTOTIPE
Terdapat
dua jenis prototipe yaitu:
-
Prototipe evolusioner (evolutionary
prototype)
Terus-menerus disempurnakan sampai memiliki
seluruh fungsionalitas yang dibutuhkan pengguna dari sistem yang baru. Jadi,
satu prototipe akan menjadi sistem aktual.
-
Prototipe persyaratan (requirements
prototype)
Dikembangkan sebagai satu cara untuk mendefinisikan
persyaratan-persyaratan fungsional dari sistem baru ketika pengguna tidak mampu
menggungkapkan dengan jelas apa yang mereka inginkan.
Pengembangan
Prototipe Evolusioner menunjukkan ada 14 langkah dalam pembuatan suatu
Prototipe Evolusioner:
- Mengindefinisikasi Kebutuhan Pengguna (Pengembangan mewawancarai pengguna untuk mendapatkan ide mengenai apa yang diminta dari sistem.)
- Membuat Satu Prototipe (Pengembangan mempergunakan satu alat prototyping atau lebih untuk membuat prototipe.)
- Menentukan Apakah Prototype Dapat Diterima (Pengembangan mendemonstrasikan prototype kapada para pengguna untuk mengetahui apakah telah memberikan hasil yang memuaskan.)
- Menggunakan prototype (prototipe menjadi sistem produksi.)
Langkah-langkah
pengembangan prototype persyaratan yang terlibat dalam pembuatan sebuah tipe prototipe
persyaratan:
ü Membuat kode sistem yang baru
(Pengembangan menggunakan prototype sebagai dasar untuk pengkodean system baru.)
ü Menguji sistem baru
(Pengembang menguji system.)
ü Menentukan apakah sistem yang baru
dapat diterima (Penggunaan memberitahukan kepada
pengembang apakah sistem dapat diterima.)
ü Membuat sistem baru menjadi sistem
produksi (pendekatan ini diikuti prototipe ditujukan hanya
untuk memiliki penampilan dari suatu sistem produksi.)
2. Daya
Tarik Prototyping
Pengguna
maupun pengembang menyukai prototyping karena alasan-alasan di bawah ini:
- Membaiknya komunikasi antara pengembang dari pengguna.
- Pengembang dapat melakukan pekerjaan yang lebih baik dalam menentukan kebutuhan pengguna.
- Pengguna memainkan peranan yang lebih aktif dalam pengembangan sistem.
- Pengembangan dan pegguna menghabiskan waktu dan usaha yang lebih sedikit dalam pengembangan sistem.
- Implementasikan menjadi jauh lebih mudah terasa pengguna tahu apa yang diharapkan.
3. Potensi
Kesulitan Dari Prototyping
Prototyping bukannya tidak memiliki
potensi kesulitan. kesulitan tersebut antara lain:
- Terburu-buru dalam menyerahkan prototype dapat menyebabkan diambilnya jalan pintas dalam definisi masalah, evaluasi alternative dan dokumentasi. Dalam jalan pintas ini akan menciptakan usaha-usaha yang “cepat dan kotor”.
- Pengguna dapat terlalu gembira dengan prototype yang diberikan yang mengarah pada ekspektasi yang tidak realitis sehubungan dengan sistem produksi nantinya.
- Prototype evalusioner bisa jadi tidak terlalu efisien.
- Antarmuka komputer manusia yang diberikan oleh beberapa alat prototyping tertentu kemungkinan tidak mencerminkan teknik-teknik desain yang baik.
B.
Rapid
Application Development
Satu
metedologi yang memiliki tujuan yang sama dengan prototyping, yaitu memberikan
respons yang cepat atas kebutuhan pengguna, namun dengan lingkup yang lebih
luas adalah R.A.D. Istilah RAD dari rapid application
development atau pengembangan aplikasi cepatdiperkenalkan oleh
konsultan komputer dan penulis James Martin. dan istilah ini pada suatu
pengembangan siklus hidup yang dimaksudkan untuk memproduksi sistem dengan
cepat tanpa mengorbankan mutunya.
RAD
adalah kumpulan strategi, metodologi dan alat terintegrasi yang terdapat di
dalam suatu kerangka kerja yang disebut rekayasa informasi. Rekayasa informasi
(information engineering-IE) adalah nama yang diberikan Martin kepada
keseluruhan pendekata pengembangan sistemnya, yang ia perlakukan sebagai suatu
aktivitas perusahaan secara menyeluruh. istilah perusahaan (enterprise)
digunakan untuk menjabarkan keseluruhan perusahaan.
1. Unsur-unsur
Penting RAD
RAD
membutuhkan empat unsur penting yaitu:
- Mananjemen: Khususnya manajemen puncak, Hendaknya menjadi penguji coba(experimenter) yang suka melakukan hal-hal dengan cara baru atau pengadaptasi awal (early adapter)yang dengan cepat mempelajari bagaimana cara menggunakan metodologi-metodologi baru.
- Orang: Dari pada hanya memanfaatkan satu tim untuk malakukan seluruh aktivitas SDLC, RAD menyadari adanya efisiensi yang dicapai melalui penggunaan tim-tim khusus.
- Metodologi: Metodologi dasar RAD adalah siklus hidup RAD.
- Alat-alat: Alat-alat RAD terutama terdiri atas bahasa-bahasa generasi keempat dan alat-alat rekayasa peranti lunak dengan bantuan komputer (computer-aided software engineering-CASE) yang memfasilitas prototyping dan penciptaan kode.
1.3 Menempatkan Siklus Hidup Sistem
Place The Traditional SDLC, Prototyping dan RAD dalam Prespektif
SDLC tradisional, prototyping, RAD, dan
BPR semuanya adalah metodoligi. SDLC tradisional adalah suatu penerapan
pendekatan sistem terhadap masalah pengembangan system, dan memiliki seluruh
unsur-unsur pendekatan sistem dasar, diawali dari identifikasi masal dan di
akhiri dengan penggunaan sistem. Prototyping merupakan bentuk singkatan dari
pendekatan sistem yang berfokus pada defenisi dan pemenuhn kebutuhan pengguna.
RAD merupakan suatu pendekatan alternatif terhadap fase-fase desain dan
implementasi SDLC.
1.
Alat-alat
Pengembangan Sistem
Pendekatan
sistem dan berbagai siklus hidup pengembangan system adalah metodologi
cara-cara yang direkomendasikan dalam memecahkan masalah-masalah sistem.
Metodelogi sama seperti sebuah cetak biru yang digambar oleh arsitek untuk
memandu para kontraktor, tukang kayu, tukang pipa, ahli listrik, dan sejenisnya
ketika mereka membangun sebuah rumah. Sama halnya seperti metodelogi yang
memandu para pengembang system ketika mereka membuat sistem.
2. Pendekatan yang Dipi Oleh Datadan Dipicu Oleh Proses
Selama
tahun-tahun awal penegmbangan sistem komputer, praktis hampir seluruh perhatian
diberikan ke proses-proses yang akan dikerjakan oleh komputer, sebagai
kebalikan dari data yang akan dipergunakan. Munculnya sistem manajemen basis
data ditahun 1970-an menarik perhatian akan pentingnya desain data.
3.
Pemodelan
Proses
Pemodelan
proses, pertama kali dilakukan dengan mengguanakan diagram alur (flowchart). Diagram
ini mengilustrasikan aliran data melalui sistem dan program. International Organization for Standardization
(ISO) menciptakan standard untuk bentuk-bentuk simbol flowcart, memastikan
penggunaannya diseluruh dunia. Standard flowchart ISO menentukan spesifikasi penggunaan
lebih dari 20 simbol, dan penggunaan symbol ini secara tepat bahkan dirasakan
sulit bagi spesialis informasi yang paling ahli sekali pun.
Diagram
arus data sangat baik untuk membuat model proses pada tingkat ringkasan. Akan
tetapi, diagram arus data kurang baik dalam menangkap detail-detail
pemrosesan.
4. Diagram
Arus Data
Suatu
diagram arus data (Data Flow Diagram-DFD) adalah
penyajian grafis dari sebuah system yang mempergunakan empat bentuk symbol
untuk mengilustrasikan bagaimana data mengalir melalui proses-proses yang
saling tersambung. Symbol-simbol tersebut mencerminkan
1. Unsur-unsur
lingkungan dengan system berinteraksi
2. Proses
3. Arus
data dan
4. Penyimpanan
data
Unsur-unsur
lingkungan, unsur-unsur lingkungan berada diluar batas system. Unsur-unsur ini
memberikan input data kepada sistem dan menerima output data dari sistem.
Proses, proses adalah sesuatu yang mengubah input menjadi output proses dapat
digambarkan dengan sebuah lingkaran, sebuah persegi panjang horizontal, atau
sebuah persegi panjang tegak bersudut melingkar.
Arus
data terdiri atas sekumpulan unsur-unsur data yang berhubungan secara logis
(mulai dari satu unsur data tunggal hingga satu file atau lebih) yang
bergerak dari satu titik atau proses ke titik atau proses yang lain.
Penyimpanan data, ketika kita perlu menyimpan data karena suatu alasan
tertentu, maka kita akan menggunakan penyimpanan data. Dalam terminology DFD,
penyimpanan data adalah suatu gudang.
Diagram arus data bertingkat (LEVELED DATA FLOW DIAGRAM)
Sebuah
diagram yang mendokumentasikan dengan tingkat yang lebih ringkas disebut
diagram konteks (konteks diagram). Sebuah diagram yang memberikan lebih banyak
detail disebut diagram nomor n ( figure dan diagram).
Diagram
konteks, diagram konteks (konteks diagram) menempatkan sistem dalam suatu
konteks lingkungan. Diagram ini terdiri atas satu simbol proses tunggal yang
melambangkan keseluruhan sistem. Ketika meenggambarkan sebuah diagram konteks,
anda:
1. Hanya
menggunakan satu symbol proses saja.
2. Memberikan
label pada simbol proses untuk mencerminkan keseluruhan system.
3. Jangan
memberikan nomor pada sistem proses tunggal.
4. Memasukan
seluruh terminator untuk sistem.
5. Menunjukan
seluruh arus data yang terjadi antara terminator dan system.
Kasus Penggunaan
Kasus
penggunaan (use case) adalah suatu
uraian naratif dalam bentuk kerangka dari dialog yang terjadi antara sistem
primer dan sekunder. Sistem primer adalah program computer dan system sekunder
adalah orang yang berinteraksi dengan program komputer.
Kapan Menggunakan Diagram Arus Data
dan Kasus Penggunaan
Diagram
arus data dan kasus pengunaan sering kali dibuat selama tahap-tahap investigasi
awal dan analisis dari metodelogi pengembangan berfase. DFD mengilustrasi kan
suatu tinjauan atas pemprosesan, dan kasus penggunaan memberikan detailnya.
1.4 Pengambian Keputisan dan Decision
Support System Model
Sistem
pendukung pengambilan keputusan kelompok (DSS) adalah sistem berbasis komputer
yang interaktif, yang membantu pengambil keputusan dalam menggunakan data dan
model untuk menyelesaikan masalah yang tidak terstruktur.
Sistem
pendukung ini membantu pengambilan keputusan manajemen dengan menggabungkan
data, model-model dan alat-alat analisis yang komplek, serta perangkat lunak
yang akrab dengan tampilan pengguna ke dalam satu sistem yang memiliki kekuatan
besar (powerful) yang dapat mendukung
pengambilan keputusan yang semi atau tidak terstruktur. DSS menggabungkan
sumber daya intelektual seorang individu dengan kemampuan komputer dalam rangka
meningkatkan kualitas pengambilan keputusan. DSS diartikan sebagai tambahan
bagi para pengambil keputusan, untuk memperluas kapabilitas, namun tidak untuk
menggantikan pertimbangan manajemen dalam pengambilan keputusannya.
Dalam
suatu penelitiannya Steven S. Alter mengembangkan satu taksonomi dari enam
jenis DSS yang didasarkan pada tingkat dukungan pemecahan masalah.
Keenam
jenis tersebut tampak pada Gambar :
Jenis
DSS yang memberikan dukungan paling sedikit adalah jenis yang memungkinkan
manajer mengambil hanya sebagian kecil informasi (unsur-unsur informasi)
seperti terlihat pada kolom 1 gambar di atas. Manajer dalam hal ini dapat
bertanya pada database untuk mendapatkan angka/jumlah tingkat penyerapan
anggaran pada satu satker dibawah lingkup kerjanya. Jenis DSS yang memberikan
dukungan yang sedikit lebih tinggi memungkinkan baginya menganalisis seluruh
isi file mengenai tingkat penyerapan anggaran pada unit-unit lain yang terkait.
Contohnya adalah laporan gaji bulanan pegawai yang disiapkan dari file gaji.
DSS
juga memungkinkan para manajer untuk melihat dampak-dampak yang mungkin timbul
dari berbagai keputusan yang diambil yang disebut model yang dapat
memperkirakan dampak sebuah keputusan. DSS dimaksudkan untuk melengkapi
sistem informasi manajemen dalam meningkatkan pengambilan keputusan. Sistem
informasi manajemen terutama menyajikan informasi mengenai kinerjaaktivitas
untuk membantu manajemen memonitor dan mengendalikan kegiatan. Format atau
bentuk dari pelaporan-pelaporan ini umumnya sudah ditentukan sebelumnya
(baku). Kadangkala laporan sistem informasi manajemen ini merupakan
laporan eksepsi (exception reports),
yaitu hanya menyoroti kondisi-kondisi yang khusus. Sistem informasi manajemen
yang tradisional umumnya menyajikan pelaporan yang tercetak (hard copy reports).
Ada dua tipe DSS yang dikenal,
yaitu: Model-driven DSS dan Data-driven DSS.
Model-driven
DSS merupakan suatu sistem yang berdiri sendiri terpisah dari sistem
informasi organisasi secara keseluruhan. DSS ini sering dikembangkan langsung
oleh masing-masing pengguna dan tidak langsung dikendalikan dari divisi sistem
informasi. Kemampuan analisis dari DSS ini umumnya dikembangkan berdasarkan
model atau teori yang ada dan kemudian dikombinasikan dengan tampilan pengguna
yang membuat model ini mudah untuk digunakan. Contoh dari model-driven DSS ini
yang dipergunakan diperusahaan pelayaran yaitu voyage estimating decision support systems.
Jenis
DSS yang kedua, data-driven DSS, menganalisis sejumlah besar data yang ada
atau tergabung di dalam sistem informasi organisasi. DSS ini membantu untuk
proses pengambilan keputusan dengan memungkinkan para pengguna untuk
mendapatkan informasi yang bermanfaat dari data yang tersimpan di dalam
database yang besar.
Decision
Support Systems meliputi berbagai komponen yang termuat di dalam sistem
pendukung ini, yaitu:
* DSS database:
Kumpulan data berjalan atau historis dari sejumlah aplikasi yang digunakan
untuk menanyakan dan menganalisis data.
Database ini dapat berupa PC database atau massive database.
* DSS software system:
Kumpulan
dari perangkat lunak yang digunakan untuk menganalisis data, seperti: On-Line Analytical Processing (OLAP)
tools, datamining tools. Model ini dapat berupa model fisik (model rancangan ruang
kerja, taman, dan model pesawat terbang), model perhitungan matematika
(seperti: persamaan, alogaritma, anuitas, cicilan bunga kredit), atau model
verbal (seperti: deskripsi suatu prosedur untuk penulisan suatu perintah
kerja/order).
Dari
uraian di atas mengenai DSS, maka beberapa karakteristik dan kapabilitas DSS
yang dapat di artikan adalah sebagai berikut:
- Sistem ini memberikan dukungan bagi pengambil keputusan, terutama dalam situasi semi-terstruktur atau tidak-terstruktur.
- Sistem ini memberikan dukungan untuk berbagai tingkatan manajemen, mulai dari tingkat manajemen puncak hingga ke tingkat manajemen yang paling bawa.
- DSS memberikan dukungan untuk beragam tipe dan proses pengambilan keputusan yang harus dilakukan.
- DSS dapat beradaptasi terhadap waktu dan fleksibel.
- Tampilan DSS akrab dengan pengguna, memiliki kapabilitas yang besar, dan mudah untuk digunakan.
- DSS mampu untuk meningkatkan efektivitas pengambilan keputusan.
- Pengambil keputusan memiliki kendali yang lengkap atas seluruh langkah proses pengambilan keputusan dalam pemecahan masalah.
- Pengguna-akhir mampu mengkonstruksi dan memodifikasi sistem yang sederhana oleh mereka sendiri. Sedangkan untuk sistem yang lebih besar, biasanya dapat dibangun dengan dukungan dari spesialis sistem informasi.
- DSS biasanya menggunakan model-model dalam analisis situasi pengambilan keputusan yang mudah untuk dioperasikan oleh pengguna.
1.5 SISTEM PAKAR DAN KECERDASAN BUATAN
Sistem
pakar ialah sistem yang mewakilkan pengetahuan manusia dalam bentuk
program komputer dan menggunakan pengetahuan tersebut dalam penyelesaian
masalah; mensimulasikan bagaimana pakar menyelesaikan masalah.
Ciri-Ciri Sistem Pakar
-
Memiliki informasi yang handal
-
Mudah dimodifikasi.
-
Dapat digunakan dalam berbagai jenis
komputer.
-
Memiliki kemampuan untuk belajar
beradaptasi.
Keuntungan Sistem Pakar
1. Memungkinkan
orang awam bisa mengerjakan pekerjaan para ahli.
2. Bisa
melakukan proses secara berulang secara otomatis.
3. Menyimpan
pengetahuan dan keahlian para pakar.
4. Meningkatkan
output dan produktivitas.
5. Meningkatkan
kualitas.
6. Mampu
mengambil dan melestarikan keahlian para pakar
7. Mampu
beroperasi dalam lingkungan yang berbahaya.
8. Memiliki
kemampuan untuk mengakses pengetahuan.
9. Memiliki
reliabilitas.
10. Meningkatkan
kepabilitas sistem komputer.
11. Memiliki
kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung
ketidakpastian.
12. Sebagai
media pelengkap dalam penelitian.
13. Meningkatkan
kapabilitas dalam penyelesaian masalah.
14. Menghemat
waktu dalam pengambilan keputusan.
Kelemahan Sistem Pakar
- Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
- Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.
- Sistem Pakar tidak 100% bernilai benar.
Kemampuan Sistem Pakar
Menjawab
berbagai pertanyaan yang menyangkut bidang keahliannya.Bila diperlukan dapat
menyajikan asumsi dan alur penalaran yang digunakan untuk sampai ke jawaban
yang dikehendaki.Menambah fakta kaidah dan alur penalaran sahih yang baru ke
dalam otaknya
Komponen
Sistem Pakar
1. Subsistem
Penambah Pengetahuan
2. Basis
Pengetahuan
Basis pengetahuan adalah suatu jenis basis data yang
dipergunakan untuk manajemen pengetahuan. Basis data ini menyediakan
fasilitas untuk kleksi,organisasi dan pengambilan pengetahuan terkomputerisasi.
3. Mesin
Inferensi merupakan elemen inti dari sistem intelejensia buatan
4. BlackBoard
adalah memori/lokasi untuk bekerja dan menyimpan hasil sementara. Biasanya
berupa sebuah basis data.
5. Interface
6. Subsistem
Penjelasan
Subsistem
Penjelasan adalah kemampuan untuk menjejak (tracing) bagaimana suatu kesimpulan
dapat diambil merupakan hal yang sangat penting untuk transfer pengetahuan dan
pemecahan masalah. Komponen subsistem penjelasan harus dapat menyediakannya
yang secara interaktif menjawab pertanyaan pengguna , misalnya:
“Mengapa
pertanyaan tersebut anda tanyakan?” “Seberapa
yakin kesimpulan tersebut diambil?” “Mengapa
alternatif tersebut ditolak?” “Apa yang
akan dilakukan untuk mengambil suatu kesimpulan?” “Fakta apalagi yang diperlukan untuk mengambil
kesimpulan akhir?”
7. Subsistem
Penyaring Pengetahuan
Seorang
pakar mempunyai sistem penghalusan pengetahuan, artinya, mereka bisa
menganalisa sendiri performa mereka, belajar dari pengalaman, serta
meningkatkan pengetahuannya untuk konsultasi berikutnya. Pada Sistem Pakar,
swa-evaluasi ini penting sehingga dapat menganalisa alasan keberhasilan atau
kegagalan pengambilan kesimpulan serta memperbaiki basis pengetahuannya.
Jenis-Jenis
Sistem Pakar
· Interpretasi : Menghasilkan deskripsi situasi
berdasarkan data sensor.
· Prediksi : Memperkirakan akibat yang
mungkin dari situasi yang diberikan.
· Diagnosis : Menyimpulkan kesalahan sistem
berdasarkan gejala (symptoms).
· Disain : Menyusun objek-objek
berdasarkan kendala.
· Planning : Merencanakan tindakan
· Monitoring : Membandingkan hasil pengamatan dengan
proses perencanaan.
· Debugging : Menentukan penyelesaian dari
kesalahan sistem.
· Reparasi : Melaksanakan rencana perbaikan.
· Instruction : Diagnosis, debugging, dan reparasi
kelakuan pelajar.
· Control : Diagnosis, debugging, dan
reparasi kelakuan sistem.
Penerapan sistem Pakar
Sistem
pakar dapat diterapkan dalam berbagai bidang seperti: sains, pendidikan,
kesehatan, dan sebagainya. Contoh dari tulisan mr. Rizal “Sistem integrasi Pola Alir Material & Uang dapat disebut Material
Management System (MMS) adalah kelanjutan perkembangan dari sistem
integrasi Inventory Control System (ICS)”. Sistem (MMS) ini dikembangkan atas
sistem manual yang sudah teruji berjalan lancar di PT Krakatau Steel, yang
karena tuntutan kemajuan teknologi, sistem manual ini perlu ditingkatkan
menjadi sistem komputerisasi. Namun didalam penerapannya masih banyak kendala
yang dihadapi oleh subsistem-subsistem pendukung MMS yang ada pada
masing-masing divisi.
Beberapa
contoh Sistem Pakar
1. MYCIN :
Diagnosa penyakit
2. DENDRAL : Mengidentifikasi struktur
molekular campuran yang tak dikenal
3. XCON
&XSEL : Membantu konfigurasi
sistem komputer besar
4. SOPHIE : Analisis sirkit
elektronik
5. Prospector :
Digunakan di dalam geologi untuk membantu mencari dan
menemukan deposit
6. FOLIO
: Menbantu
memberikan keutusan bagi seorang manajer dalam hal
stok broker dan investasi
7. DELTA : Pemeliharaan lokomotif
listrik disel
KECERDASAN BUATAN (Artificial
Intelligence)
Artificial Intelligence atau
Kecerdasan Buatan adalah suatu sistem informasi yang berhubungan dengan
penangkapan, pemodelan dan penyimpanan kecerdasan manusia dalam sebuah sistem
teknologi informasi sehingga sistem tersebut memiliki kecerdasan seperti yang
dimiliki manusia. Sistem ini dikembangkan untuk mengembangkan metode dan sistem
untuk menyelesaikan masalah, biasanya diselesaikan melalui aktifivitas
intelektual manusia, misal pengolahan citra, perencanaan, peramalan dan
lain-lain, meningkatkan kinerja sistem informasi yang berbasis komputer. Kecerdasan
buatan didefinisikan sebagai kecerdasan yang ditunjukkan oleh
suatuentitas buatan. Kecerdasan buatan (Artificial Intelligence) adalah
bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin
(komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh
manusia bahkan bisa lebih baik daripada yang dilakukan manusia. Menurut John
McCarthy, 1956, AI: untuk mengetahui dan memodelkan proses-proses berpikir
manusia dan mendesain mesin agar dapat menirukan perilaku manusia.
Tujuan Kecerdasan buatan:
Untuk
mengembangkan metode dan sistem untuk menyelesaikan masalah, masalah yang biasa
diselesaikan melalui aktifivitas intelektual manusia, misalnya pengolahan
citra, perencanaan, peramalan dan lain-lain, meningkatkan kinerja sistem
informasi yang berbasis komputer. Untuk meningkatkan pengertian/pemahaman kita
pada bagaimana otak manusia bekerja.
Keuntungan Kecerdasan Buatan :
Kecerdasan buatan lebih bersifat
permanen. Kecerdasan alami akan cepat mengalami perubahan. Hal ini dimungkinkan
karena sifat manusia yang pelupa.
Kecerdasan buatan tidak akan berubah
sepanjang sistem komputer dan program tidak mengubahnya. Kecerdasan buatan
lebih mudah diduplikasi dan disebarkan. Mentransfer pengetahuan manusia dari
satu orang ke orang lain butuh proses dan waktu lama. Disamping itu suatu
keahlian tidak akan pernah bisa diduplikasi secara lengkap. Sedangkan jika
pengetahuan terletak pada suatu sistem komputer, pengetahuan tersebuat dapat
ditransfer atau disalin dengan mudah dan cepat dari satu komputer ke komputer
lain
Kecerdasan buatan lebih murah dibanding
dengan kecerdasan alami. Menyediakan layanan komputer akan lebih mudah dan
lebih murah dibanding dengan harus mendatangkan seseorang untuk mengerjakan
sejumlah pekerjaan dalam jangka waktu yang sangat lama. Kecerdasan buatan
bersifat konsisten. Hal ini disebabkan karena kecerdasan busatan adalah bagian
dari teknologi komputer. Sedangkan kecerdasan alami senantiasa berubah-ubah.
Kecerdasan buatan dapat
didokumentasikan. Keputusan yang dibuat komputer dapat didokumentasikan dengan
mudah dengan melacak setiap aktivitas dari sistem tersebut. Kecerdasan alami
sangat sulit untuk direproduksi. Kecerdasan buatan dapat mengerjakan pekerjaan
lebih cepat dibanding dengan kecerdasan alami.
Kecerdasan buatan dapat mengerjakan
pekerjaan lebih baik dibanding dengan kecerdasan alami.
Komponen Kecerdasan Buatan
1. Basis
Pengetahuan
Basis Pengetahuan berisi pengetahuan yang dibutuhkan
untuk memahami, memformulasi, dan memecahkan masalah. Basis pengetahuan
tersusun atas 2 elemen dasar yaitu :
Fakta, misalnya: situasi, kondisi, dan kenyataan
dari permasalahan yang ada, serta teori dalam bidang itu. Aturan, yang
mengarahkan penggunaan pengetahuan untuk memecahkan masalah yang spesifik dalam
bidang yang khusus.
2. Mesin
Inferensi
Mesin Inferensi (Inference Engine), merupakan otak
dari Kecerdasan buatan. Juga dikenal sebagai penerjemah aturan (rule
interpreter). Komponen ini berupa program komputer yang menyediakan suatu
metodologi untuk memikirkan (reasoning) dan memformulasi kesimpulan.
Kerja mesin inferensi meliputi : Menentukan aturan
mana yang akan dipakaiMenyajikan pertanyaan kepada pemakai ketika
diperlukan.Menambahkan jawaban ke dalam memori kecerdasan buatan dan sistem
pakar.Menyimpulkan fakta baru dari sebuah aturanMenambahkan fakta tadi (yang
telah diperoleh) ke dalam memori.
3. Interface
Kecerdasan buatan dan Sistem Pakar
Mengatur komunikasi antara pengguna dan komputer.
Komunikasi ini paling baik berupa bahasa alami, biasanya disajikan dalam bentuk
tanya-jawab dan kadang ditampilkandalam bentuk gambar/grafik. Antarmuka yang
lebih canggih dilengkapi dengan percakapan (voice communication).
Persamaan dan Perbedaan antar
Sistem Pakar dengan Kecerdasan Buatan
Sistem
Pakar juga merupakan bagian dari Artificial
Intelligence (AI) atau kecerdasan buatan, dimana letak
persamaannya adalah sama-sama untuk mencapai hasil yang maksimal dalam memecahkan
masalah, dan perbedaannya adalah sistem pakar mengacu pada si
pembuatnya atau seseorang yang ahli dalam suatu bidangnya atau mengacu pada si
perancang itu sendiri sebagai objek dalam menyiapkan suatu sistem guna
mendapatkan hasil yang maksimal, sedangkan AI mengacu pada jalur atau langkah
yang berorientasi pada hardware guna mencapai yang maksimal.
Dapat
disimpulkan Sistem Pakar merupakan bagian dari AI, dimana selain sistem pakar
yang menggunakan AI, ada beberapa yang lain diantarnya games, logika Fuzzy,
jaringan saraf tiruan, dan robotika.
Kecerdasan
buatan merupakan salah satu topik yang disukai penggemar science-fiction, pada
film Terminator digambarkan perang manusia melawan mesin, bahkan dalam novel
berjudul With Folded Hands karangan Jack Williamson, digambarkan bangsa
Humanoids (robot mesin ciptaan manusia) menjajah bangsa manusia dan
menggantikan semua peranan manusia.
Tidak ada komentar:
Posting Komentar