Langsung ke konten utama

Peng.Teknologi Sistem Cerdas Tugas 2 Machine Learning dan Deep Learning




Artificial intelligence
“Studi tentang pemodelan fungsi mental manusia oleh program komputer.” — Collins Dictionary

AI terdiri dari 2 kata yaitu Artificial dan Intelligence. Apa pun yang sifatnya tidak alami dan diciptakan oleh manusia adalah buatan (Artificial). Kecerdasan (Intelligence) berarti kemampuan untuk memahami, merencanakan, mengambil keputusan dll. Jadi bisa dibilang bahwa setiap kode, teknologi atau algoritma yang memungkinkan mesin untuk meniru, mengembangkan atau menunjukkan kognisi atau perilaku manusia adalah AI.
Pemanfaatan teknologi kecerdasan buatan atau artificial intelligence (AI) saat ini sudah terjadi di mana-mana. Berbagai perusahaan telah memanfaatkan teknologi masa depan ini untuk mengembangkan bisnisnya.
Dalam pengembangan AI sendiri, ada dua konsep atau model yang mungkin sudah sering kamu dengar, yaitu machine learning dan deep learning. Saat ini, kita bisa melihat banyak hal yang dihasilkan dari kedua konsep kecerdasan buatan tersebut.
Namun, apabila kamu belum bisa memahami perbedaan dari machine learning dan deep learning, maka kamu perlu membaca pemaparannya dalam artikel ini. kumparan akan memberikan perkenalan buat kamu yang ingin mengetahui apa itu machine learning dan deep learning.

Machine Learning
Machine learning atau mesin pembelajaran memiliki definisi dasar yaitu algoritma yang mengolah data, mempelajari data tersebut, dan menerapkan apa yang telah dipelajari untuk membuat keputusan. Apa yang telah dipelajari oleh machine learning akan memberikan prediksi untuk suatu tujuan.
Konsep ini menggunakan teknologi kecerdasan buatan, yang telah 'dilatih' untuk menggunakan data dalam jumlah besar dan algoritma yang membuatnya dapat mempelajari bagaimana melaksanakan sebuah tugas.
Contoh sederhana dari algoritma machine learning bisa dilihat pada layanan streaming musik on demand. Untuk memberikan daftar lagu baru atau musisi yang akan direkomendasikan, maka algoritmanya akan berkaitan dengan preferensi si pendengar dengan jenis musik yang mirip.
Machine learning telah memperkuat semua proses otomatisasi dan tersebar di berbagai industri, mulai dari perusahaan keamanan yang memburu malware hingga perusahaan e-commerce yang menggunakannya untuk mempelajari produk yang paling disukai konsumen.
Algoritma dari machine learning memang kompleks, tapi masih sangat 'mesin', artinya ia hanya mampu melakukan apa yang telah dirancang oleh penciptanya. Tidak lebih, tidak kurang.

Deep Learning
Dalam istilah praktis, deep learning merupakan bagian dari machine learning. Sebuah model machine learning perlu 'diberitahu' untuk bagaimana ia menciptakan prediksi akurat, dengan terus diberikan data. Sementara model deep learning dapat mempelajari metode komputasinya sendiri, dengan 'otaknya' sendiri, apabila diibaratkan.
Sebuah model deep learning dirancang untuk terus menganalisis data dengan struktur logika yang mirip dengan bagaimana manusia mengambil keputusan. Untuk dapat mencapai kemampuan itu, deep learning menggunakan struktur algoritma berlapis yang disebut artificial neural network (ANN).
Dikutip dari Zendesk, desain ANN terinspirasi dari jaringan neural biologis dari otak manusia. Hal ini membuat mesin kecerdasannya menjadi jauh lebih tangguh dibandingkan model machine learning standar.
Rumit memang untuk memastikan model deep learning yang diciptakan tidak memberikan kesimpulan yang tidak tepat. Tapi ketika ia telah bekerja dengan benar, maka fungsi deep learning akan menjadi terobosan yang berpotensi menjadi tulang belakang sebuah kecerdasan buatan sebenarnya.





REFERENSI



Komentar

Postingan populer dari blog ini

Konsep Data Mining

Data Mining    Data mining mengacu pada proses untuk menambang (mining) pengetahuan dari sekumpulan data yang sangat besar [Jiawei, 2001]. Sebenarnya   data mining merupakan suatu langkah dalam knowlegde discovery in databases (KDD). Knowledge discovery sebagai suatu proses terdiri atas pembersihan data (data cleaning), integrasi data (data integration), pemilihan data (data selection), transformasi data (data transformation),   data mining, evaluasi pola (pattern evaluation) dan penyajian pengetahuan (knowledge presentation). Kerangka proses data mining yang akan dibahas tersusun atas tiga tahapan, yaitu pengumpulan data (data collection), transformasi data (data transformation), dan analisis data (data analysis) [Nilakant, 2004]. Proses tersebut diawali dengan preprocessing yang terdiri atas pengumpulan data untuk menghasilkan data mentah (raw data) yang dibutuhkan oleh data mining, yang kemudian dilanjutkan dengan transformasi data untuk mengubah data mentah menjadi format yang

Tugas 4 soal no 2.penjelasan dan gambar dari siklus pendapatan

1. Siklus Pendapatan       -     Pengertian Siklus Pendapatan Siklus pendapatan adalah rangkaian aktivitas bisnis dan kegiatan pemrosesan informasi terkait yang terus berlangsung dengan menyediakan barang dan jasa ke para pelanggan dan menagih kas sebagai pembayaran dari penjualan – penjualan tersebut. Siklus Pendapatan merupakan prosedur pendapatan dkimulai dari bagian penjualanotorisasi kredit, pengambilan barang, penerimaan barang, penagihan sampai denganpenerimaan kas.      -      Aktivitas Bisnis Siklus Pendapatan         Empat aktivitas dasar bisnis yang dilakukan dalam siklus pendapatan :         1. Penerimaan pesanan dari para pelanggan - Mengambil pesanan pelanggan - Persetujuan kredit - Memeriksa ketersediaan persediaan - Menjawab permintaan pelanggan         2. Pengiriman barang - Ambil dan pak pesanan - Kirim pesanan         3. Penagihan dan piutang usaha - Penagihan - Pemeliharaan data piutang usaha - Pengecualian : Penyesuaian rekening dan