Praktikum Modul 1 Pengantar Machine Learning dan Artificial Intelligence

Daftar Isi

Pada praktikum pertama mata kuliah Machine Learning dan Artificial Intelligence (AI), saya mempelajari dasar-dasar konsep yang menjadi fondasi dari kecerdasan buatan. Sebagai mahasiswa Bisnis Digital, topik ini terasa sangat relevan karena teknologi AI kini menjadi bagian penting dalam strategi bisnis modern, mulai dari analisis data pelanggan hingga pengambilan keputusan berbasis otomatisasi. Melalui modul ini, saya diajak untuk memahami pengertian AI, Machine Learning, dan Deep Learning, mengenal sejarah perkembangannya, serta melihat bagaimana data menjadi bahan bakar utama dalam sistem AI.

A. Capaian Pembelajaran

Setelah menyelesaikan praktikum ini, saya diharapkan mampu memahami hierarki antara Artificial Intelligence (AI), Machine Learning (ML), dan Deep Learning (DL). Selain itu, saya juga diharapkan mampu mengenali klasifikasi AI berdasarkan tingkat kemampuan, mengetahui sejarah perkembangannya, memahami pentingnya peran data dalam sistem AI, serta mampu mengidentifikasi berbagai contoh penerapannya dalam kehidupan sehari-hari.

B. Dasar Teori

1. Definisi dan Hierarki Konsep

Artificial Intelligence (AI) adalah cabang ilmu komputer yang berfokus pada pembuatan sistem yang dapat meniru cara berpikir, belajar, dan mengambil keputusan seperti manusia. AI tidak hanya menjalankan instruksi, tetapi juga mampu menganalisis pola, memahami konteks, dan beradaptasi terhadap perubahan situasi. Contohnya dapat ditemukan pada aplikasi musik yang memberikan rekomendasi lagu, sistem navigasi digital, hingga kendaraan otonom yang dapat berjalan tanpa pengemudi.

Salah satu cabang utama dari AI adalah Machine Learning (ML). ML memungkinkan sistem komputer untuk belajar dari data tanpa harus diberi instruksi secara langsung. Berbeda dengan pemrograman konvensional yang berbasis aturan (rule-based), ML menggunakan data historis untuk mengenali pola dan membuat prediksi. Misalnya, dengan data transaksi pelanggan, sistem ML dapat memperkirakan kemungkinan pelanggan berhenti berbelanja atau menebak produk yang paling mungkin dibeli berikutnya.

Lebih dalam lagi, terdapat Deep Learning (DL) yang merupakan subbidang dari ML. DL menggunakan jaringan saraf tiruan (neural network) untuk mengolah data berukuran besar dan kompleks. Teknologi ini sangat efektif dalam pengenalan wajah, pemrosesan bahasa alami, dan sistem chatbot. Kelebihan DL terletak pada kemampuannya mengenali fitur mendalam secara otomatis, tanpa perlu campur tangan manusia secara langsung.

Secara hierarki, hubungan antara ketiganya dapat digambarkan seperti tiga lingkaran konsentris: lingkaran terbesar adalah AI, di dalamnya terdapat ML, dan di pusat terdalam adalah DL. Hal ini menunjukkan bahwa DL merupakan bagian dari ML, dan ML merupakan bagian dari AI secara keseluruhan.

2. Klasifikasi AI Berdasarkan Kemampuan

AI dapat diklasifikasikan berdasarkan tingkat kecerdasannya menjadi tiga jenis utama, yaitu Narrow AI, General AI, dan Super AI.

• Narrow AI (Weak AI): Jenis AI ini dirancang hanya untuk melakukan satu tugas tertentu. Contohnya adalah sistem rekomendasi produk di e-commerce atau aplikasi peta digital. AI jenis ini bekerja sangat baik dalam ruang lingkup terbatas, namun tidak dapat melakukan hal lain di luar fungsinya.
• General AI (Strong AI): AI jenis ini merupakan sistem yang mampu belajar dan memahami berbagai konteks seperti manusia. Ia bisa menyelesaikan berbagai macam tugas yang berbeda. Namun, General AI saat ini masih berupa konsep dan belum terealisasi sepenuhnya.
• Super AI: Merupakan konsep kecerdasan buatan di masa depan yang melebihi kemampuan manusia dalam berpikir dan mengambil keputusan. Meskipun belum ada, diskusi mengenai etika dan dampak sosial dari Super AI sudah menjadi topik penting di dunia teknologi.

3. Perjalanan Sejarah AI

Perjalanan perkembangan AI terbagi ke dalam tiga era besar:

• Era Pionir (1950–1960): Era ini dimulai dari gagasan Alan Turing yang memperkenalkan konsep mesin cerdas melalui Turing Test. Tahun 1956 menjadi tonggak penting dengan diadakannya Konferensi Dartmouth yang secara resmi memulai penelitian tentang AI.
• AI Winter (1970–1980): Pada masa ini, banyak proyek AI gagal karena keterbatasan teknologi dan perangkat keras. Akibatnya, minat dan pendanaan terhadap riset AI menurun drastis.
• Kebangkitan Modern (1990–sekarang): AI kembali berkembang pesat berkat hadirnya Big Data, kemajuan GPU, dan internet. Saat ini, AI telah diterapkan di berbagai bidang seperti bisnis digital, kesehatan, transportasi, dan layanan pelanggan.

4. Data sebagai “Bahan Bakar” AI

Dalam pengembangan AI, data memiliki peran sangat penting karena menjadi sumber belajar bagi sistem. Tanpa data, algoritma AI tidak dapat berjalan atau menghasilkan keputusan yang akurat. Ada dua jenis utama data yang digunakan, yaitu data terstruktur dan tidak terstruktur. Data terstruktur mencakup angka, tabel, dan database yang teratur, sedangkan data tidak terstruktur meliputi teks, gambar, video, atau suara.

Siklus hidup data dalam sistem AI mencakup empat tahap utama: pengumpulan data, pembersihan data, penyimpanan, dan analisis. Data yang bersih dan terorganisir akan menghasilkan model AI yang lebih akurat. Sebaliknya, kesalahan dalam pengolahan data dapat menyebabkan hasil analisis yang menyesatkan.

5. Penerapan AI dalam Kehidupan Sehari-hari

AI kini sudah menjadi bagian dari kehidupan modern. Beberapa contoh penerapannya antara lain sistem rekomendasi di Netflix dan Spotify, asisten virtual seperti Siri dan Google Assistant, serta chatbot layanan pelanggan. Di sektor perbankan, AI digunakan untuk mendeteksi penipuan melalui analisis transaksi tidak wajar. Dalam bidang transportasi, kendaraan otonom memanfaatkan sensor dan algoritma AI untuk mengambil keputusan secara real-time. Bagi saya sebagai mahasiswa Bisnis Digital, penerapan AI di e-commerce sangat menarik karena dapat membantu perusahaan memahami perilaku konsumen dan meningkatkan strategi pemasaran.

C. Latihan

Dalam praktikum ini, saya mengerjakan beberapa latihan untuk memperdalam pemahaman mengenai konsep dasar AI dan ML:

1. Mindmap Hierarki AI, ML, dan DL
   Saya membuat mindmap yang menunjukkan hubungan hierarki antara AI, ML, dan DL. Pada bagian AI, saya tuliskan definisinya sebagai sistem yang meniru kecerdasan manusia. Di bagian ML, saya jelaskan bahwa sistem belajar dari data untuk menemukan pola. Sedangkan pada bagian DL, saya tambahkan bahwa ia menggunakan jaringan saraf tiruan untuk menganalisis data yang lebih kompleks. Contoh penerapannya saya ambil dari dunia bisnis, seperti sistem rekomendasi produk di marketplace dan analisis perilaku konsumen di media sosial.
2. Diskusi “Apakah Super AI Layak Dikhawatirkan?”
   Pada diskusi kelompok, saya berpendapat bahwa Super AI memang layak untuk diwaspadai, namun tidak perlu ditakuti berlebihan. Dari sisi etika, pengembangan AI harus memiliki batasan agar tidak menimbulkan kerugian bagi manusia. Dari sisi sosial, manusia harus tetap menjadi pengendali utama, bukan tergantikan oleh mesin. Namun, dari sisi teknologi, Super AI juga berpotensi membantu menyelesaikan masalah global seperti perubahan iklim, kesehatan, dan ekonomi. Kesimpulan diskusi kami adalah bahwa Super AI sebaiknya dikembangkan dengan prinsip tanggung jawab dan regulasi yang jelas.
3. Contoh Aplikasi AI dalam Kehidupan Sehari-hari
   Saya memilih ChatGPT dan Google Assistant sebagai contoh aplikasi AI. ChatGPT menggunakan model bahasa alami (NLP) untuk memahami dan merespons teks manusia dengan cara yang kontekstual, sedangkan Google Assistant membantu pengguna melalui perintah suara. Keduanya memanfaatkan Machine Learning untuk terus meningkatkan kualitas interaksi. Dalam konteks bisnis digital, teknologi seperti ini bisa digunakan untuk meningkatkan pelayanan pelanggan dan efisiensi operasional.

D. Tugas

1. Pengertian Artificial Intelligence
   Menurut pemahaman saya, Artificial Intelligence adalah sistem komputer yang mampu berpikir dan belajar seperti manusia. Tujuan utamanya adalah membantu manusia menyelesaikan masalah kompleks secara efisien dengan memanfaatkan data dan algoritma yang cerdas.
2. Hubungan antara AI, ML, dan DL
   AI adalah konsep besar yang mencakup seluruh teknologi yang meniru kecerdasan manusia. ML merupakan bagian dari AI yang berfokus pada kemampuan sistem untuk belajar dari data. Sementara itu, DL adalah bagian dari ML yang menggunakan jaringan saraf tiruan untuk memproses data besar dan rumit. Ketiganya saling berkaitan dan membentuk fondasi perkembangan teknologi modern.
3. Popularitas Deep Learning di Era Big Data
   Deep Learning semakin populer karena dua alasan utama. Pertama, ketersediaan data dalam jumlah besar memungkinkan model DL belajar dengan lebih akurat. Kedua, perkembangan GPU dan teknologi komputasi modern membuat pemrosesan data kompleks menjadi lebih cepat dan efisien.
4. Kelebihan dan Keterbatasan Pendekatan “Belajar dari Data”
   Kelebihan utama dari pendekatan ini adalah kemampuannya untuk beradaptasi dengan pola baru tanpa harus diprogram ulang. Namun, keterbatasannya terletak pada ketergantungan terhadap kualitas data. Jika data yang digunakan bias atau tidak akurat, maka hasilnya juga bisa menyesatkan.
5. Perbedaan Narrow AI, General AI, dan Super AI
   Narrow AI hanya fokus pada satu tugas, General AI mampu memahami berbagai konteks seperti manusia, dan Super AI berpotensi melampaui kecerdasan manusia. Saat ini, yang banyak digunakan adalah Narrow AI, sementara General dan Super AI masih dalam tahap penelitian.
6. Tabel Perbandingan Jenis AI
   

   Jenis AI	Kemampuan Utama	Contoh Aplikasi	Status Pengembangan
   Narrow AI	Menjalankan tugas spesifik	Chatbot, rekomendasi produk	Sudah diterapkan luas
   General AI	Memahami berbagai konteks	Belum ada contoh nyata	Masih tahap penelitian
   Super AI	Melampaui kecerdasan manusia	Masih konseptual	Belum ada

7. Tiga Era Penting dalam Sejarah AI
   Era Pionir ditandai dengan penelitian awal oleh Alan Turing. Era AI Winter terjadi karena keterbatasan teknologi. Era kebangkitan modern ditandai dengan kemajuan data, algoritma, dan komputasi.
8. Data sebagai Bahan Bakar AI
   Data disebut sebagai bahan bakar karena menjadi sumber utama pembelajaran AI. Data terstruktur seperti tabel dan angka, sedangkan data tidak terstruktur seperti gambar dan teks. Siklus hidup data meliputi pengumpulan, pembersihan, penyimpanan, dan analisis. Jika salah satu tahap diabaikan, hasil sistem bisa tidak akurat atau bahkan gagal.

E. Kesimpulan

Melalui praktikum ini, saya mendapatkan pemahaman yang lebih mendalam mengenai konsep dasar Artificial Intelligence, Machine Learning, dan Deep Learning. Saya menyadari bahwa AI tidak hanya berperan dalam bidang teknologi, tetapi juga memberikan dampak besar dalam dunia bisnis digital. Sebagai mahasiswa Bisnis Digital, saya melihat peluang besar dalam pemanfaatan AI untuk menganalisis data pelanggan, membuat keputusan berbasis prediksi, serta menciptakan inovasi yang dapat meningkatkan efisiensi dan nilai tambah bagi perusahaan.

Praktikum ini memberikan gambaran bahwa AI bukan sekadar teori, tetapi juga alat nyata yang akan menjadi bagian penting dari masa depan dunia kerja dan bisnis. Dengan pemahaman yang baik tentang AI, saya berharap dapat mengembangkan solusi digital yang lebih cerdas, etis, dan bermanfaat bagi masyarakat.

Referensi

Sumber utama:

Modul Praktikum Machine Learning & AI, disusun oleh Adi Muhamad Muhsidi (2025).
Program Studi Bisnis Digital, Fakultas Ekonomi dan Bisnis, Universitas Kuningan.

Link flipbook: https://heyzine.com/flip-book/cbbbf75431.html

Atau dapat diakses langsung dari blog pribadi penulis di:
https://adi-muhamad.my.id