Selamat Datang

Apakah AI sebenarnya ada?

Terdapat lebih dari 100 kurikulum ilmu komputer di universitas-universitas di Amerika Serikat. Hampir semuanya mencakup mata kuliah yang berjudul kecerdasan buatan. Bahkan, tampaknya lebih banyak orang mempelajari teknik pemrograman yang dikembangkan untuk penelitian kecerdasan buatan daripada mempelajari teknik untuk pengolahan data bisnis (Elliot, 1968). Program pendidikan tersebut diimbangi dengan aktivitas penelitian yang sebanding. Terdapat jurnal bernama Artificial Intelligence dan serangkaian laporan konferensi ilmiah tentang kecerdasan mesin. Apa yang memicu aktivitas ini?

Jika Anda meminta para fisikawan atau ahli kimia untuk memberikan definisi abstrak tentang bidang mereka, Anda mungkin akan menemukan kesepakatan yang substansial di antara mereka. Namun, diragukan apakah Anda akan menemukan kesepakatan seperti itu jika Anda mengumpulkan berbagai ilmuwan yang mempelajari kecerdasan buatan. Menariknya, Anda mungkin akan menemukan kesepakatan jika Anda memeriksa detail kursus yang mereka ajarkan dan penelitian yang mereka lakukan. Komputer yang direkomendasikan oleh Association for Computing Machinery...

Memang benar. Kurikulum ilmu komputer yang direkomendasikan oleh Association for Computing Machinery (ACM) memuat garis besar untuk mata kuliah A9, Kecerdasan Buatan, yang mencantumkan pembuktian teorema, permainan, pengenalan pola, pemecahan masalah, pemrograman adaptif, pengambilan keputusan, komposisi musik oleh komputer, pembelajaran jaringan, pemrosesan data bahasa alami, dan pembelajaran verbal dan konseptual sebagai topik yang sesuai (Komite Kurikulum ACM, 1968). Alur yang serupa juga terdapat dalam literatur penelitian. Tidak ada yang dapat mempertanyakan keberadaan bidang aktivitas ilmiah. Tetapi apa signifikansinya?

Salah satu tes yang telah diajukan untuk menentukan kelayakan suatu bidang ilmiah mengajukan pertanyaan, "Apakah bidang tersebut berpengaruh pada bidang-bidang yang terkait erat dengannya?" Berdasarkan kriteria ini, kecerdasan buatan mendapat peringkat yang cukup baik. Teknik pemrograman yang awalnya dikembangkan untuk penelitian kecerdasan buatan telah meluas dalam pemrograman komputer. Psikologi tidak dapat disangkal telah dipengaruhi oleh konsep kecerdasan buatan di sejumlah bidang (Hunt, 1968; Frijida

Lochlin, 1968; Miller, Galanter, & Pribram, 1960, Weisstein, 1969). Dalam bidang kimia, teknik kecerdasan buatan telah diterapkan pada analisis data dari spektroskop massa (Lederberg & Feigenbaum, 1968) dan dalam perencanaan sintesis molekul organik (Corey & Wipke, 1969).

Tampaknya ada sejumlah besar pengetahuan yang bermakna, namun prinsip-prinsip pemersatunya sulit diidentifikasi. Masalahnya tampaknya terletak pada definisi kecerdasan. Para psikolog, yang telah lama menghadapi masalah mendefinisikan kecerdasan, telah mengadopsi pendekatan pragmatis bahwa kecerdasan adalah apa yang diukur oleh tes kecerdasan. Saya akan melakukan hal yang sama. Untuk 90% bagian pertama buku ini, "kecerdasan buatan" hanyalah kumpulan hal-hal yang diajarkan dalam kursus kecerdasan buatan. Saya akan memilih sebagian dari topik-topik ini yang menurut saya paling menarik atau penting, dan membahasnya secara rinci. Dengan mengambil pendekatan ini, saya menunda isu-isu filosofis yang luas seperti, "Bisakah mesin berpikir?" dan "Apakah mungkin untuk berbicara tentang pemahaman mesin?" hingga tercipta latar belakang

Buku ini membahas isu-isu seperti "Bisakah mesin berpikir?" dan "Apakah mungkin berbicara tentang pemahaman mesin?" sampai latar belakang pengetahuan faktual yang umum telah ditetapkan. Untuk melakukan ini, buku ini dibagi menjadi empat bagian. Bagian pertama berisi, dalam bab ini, tinjauan berbagai bidang kecerdasan buatan dan, dalam bab berikutnya, upaya untuk menghubungkan masalah kecerdasan buatan dengan beberapa gagasan kita tentang komputabilitas dan perangkat komputasi abstrak. Tidak akan ada upaya untuk memberikan sejarah yang komprehensif, tetapi buku semacam ini harus berisi beberapa tinjauan dan setidaknya beberapa gagasan, yang mungkin unik, tentang bagaimana bidang ini berkembang secara historis. Demikian pula, bab tentang komputasi abstrak tidak dimaksudkan sebagai pengantar yang ketat untuk bidang ini, tetapi lebih sebagai tinjauan umum tentang gagasan komputabilitas, dengan penekanan pada interaksi antara teori komputabilitas dan kecerdasan buatan.

Sisa bab dibagi menjadi beberapa bagian yang membahas pengetahuan substantif dalam tiga bidang yang mendasar bagi semua kecerdasan buatan: pola.

pengenalan, pemecahan masalah, dan pemahaman mesin. Tidak ada upaya untuk memberikan tinjauan pustaka yang komprehensif. (Terdapat lebih dari 1500 artikel yang relevan.) Tujuannya adalah untuk menjelaskan secara detail pendekatan dan prinsip-prinsip yang tampaknya memiliki potensi terbesar di setiap bidang yang dibahas. Dengan demikian, kelengkapan cakupan telah dikorbankan, banyak proyek kecerdasan buatan yang sama sekali tidak disebutkan.

Ketika saya mulai mengerjakan buku ini, segera menjadi jelas bahwa analisis laporan yang telah diterbitkan sebelumnya tidak akan memberikan jawaban atas beberapa pertanyaan penting yang dapat diajukan. Oleh karena itu, bersamaan dengan pembahasan, penelitian yang belum pernah dipublikasikan sebelumnya akan disajikan. Sebagian besar, karya ini terkonsentrasi di bidang pembuktian teorema dan pengenalan pola, yang merupakan bidang yang paling penting bagi upaya kecerdasan buatan lainnya. Sebagian besar studi dapat dikarakteristikkan sebagai upaya untuk mengisi celah, daripada untuk memperluas pengetahuan kita tentang pendekatan tertentu terhadap suatu masalah

Perumusan Masalah (Problem Solving)

Matematika yang lebih konvensional, khususnya teori fungsi rekursif (McCarthy, 1961; Berkeley & Bobrow, 1964). Upaya Amarel (1968) dan Banerji (1969) untuk memformalkan proses pemecahan masalah juga patut diteliti, karena upaya tersebut mewakili usaha independen yang diarahkan pada tujuan yang sama. Penekanan pada formalisasi memiliki nilai potensial yang besar, karena formalisasi yang memadai akan diperlukan jika kita ingin memiliki teori yang tepat dan layak tentang proses pemecahan masalah. Di sisi lain, teori semacam itu saat ini belum ada, dan menurut kami, dalam banyak proyek kecerdasan buatan tertentu, pendekatan informal ala Newell-Simon akan sama memuaskannya dengan formalisme yang seringkali rumit yang telah disajikan.

Matematika yang lebih konvensional, khususnya teori fungsi rekursif (McCarthy, 1961; Berkeley & Bobrow, 1964). Upaya Amarel (1968) dan Banerji (1969) untuk memformalkan proses pemecahan masalah juga patut diteliti, karena upaya tersebut mewakili usaha independen yang diarahkan pada tujuan yang sama. Penekanan pada formalisasi memiliki nilai potensial yang besar, karena formalisasi yang memadai akan diperlukan jika kita ingin memiliki teori yang tepat dan layak tentang proses pemecahan masalah. Di sisi lain, teori semacam itu saat ini belum ada, dan menurut kami, dalam banyak proyek kecerdasan buatan tertentu, pendekatan informal ala Newell-Simon akan sama memuaskannya dengan formalisme yang seringkali rumit yang telah disajikan.

Pendekatan komplementer terhadap pemecahan masalah, berdasarkan gagasan matematikawan J. A. Robinson (1965), juga sangat memengaruhi studi pemikiran mekanis. Secara sempit, Robinson hanya membahas pendekatan baru untuk pembuktian teorema dalam logika formal; tetapi metodenya dapat diterapkan pada hampir semua hal.

Metode ini bisa jadi rumit. Logika dasarnya cukup sederhana. Setiap pernyataan dapat dibuktikan benar dengan menunjukkan bahwa negasinya salah. Dalam pembuktian teorema, seseorang harus menunjukkan bahwa pernyataan tersebut

adalah salah. Hal ini dapat dilakukan dengan menunjukkan bahwa pernyataan A dan B secara bersamaan mengarah pada kontradiksi. Robinson mengusulkan agar hal ini dilakukan dengan menggunakan satu aturan inferensi tunggal, yang disebut resolusi. Kami memperkenalkan gagasan ini dengan contoh yang sederhana. Pertimbangkan masalah komedi musikal

Tujuan dan Manfaat Manajemen Proyek

Tujuannya adalah untuk mencapai hasil yang diinginkan dalam kerangka waktu, anggaran, dan sumber daya yang telah ditetapkan sebelumnya. Pendekatan ini mencakup identifikasi tujuan proyek, alokasi sumber daya, penjadwalan tugas, pemantauan kemajuan, dan penanganan risiko yang mungkin muncul selama pelaksanaan proyek.(Sitanggang et. al.,2019)

Manfaat Manajemen Proyek

Meningkatkan kepuasan pengguna akhir serta memastikan bahwa produk akhir memenuhi ekspektasi dan kebutuhan user.

Membantu mengurangi risik dan mengatasi hambatan yang mungkin timbul selama siklus hidup proyek.

Memastikan proyek tetap berada pada jalur yang benar dan mencapai tujuan yang telah ditetapkan.

(Windiarti,I.S,2019)

Tanggung Jawab dan Tugas Manajer Proyek

Tanggung Jawab :

Seorang manajer proyek perangkat lunak memiliki tanggung jawab untuk menyelesaikan pengembangan perangkat lunak sesuai jadwal, dengan biaya yang direncanakan, dan sesuai dengan spesifikasi yang telah ditetapkan.

Tugas Manajer Proyek juga mencakup mengurangi ketidakpastian dan mengantisipasi hal-hal yang tidak diinginkan selama berlangsungnya pengembangan perangkat lunak.

(B.W Boehm.,1989)

Keterampilan Manajer Proyek

1. Komunikasi yang baik

2. Kemampuan Organisasi

3. Kemampuan Membentuk Tim

4. Kemampuan Kepemimpinan

5. Kemampuan Bernegosiasi

6. Orientasi Pada Tujuan

7. Kemampuan Bekerja di Bawah Tekanan

8. Kompetensi Teknis

Daftar Hadir Perkuliahan

Kontrak Belajar

Komponen Penilaian :

• Kehadiran : 10%

  (Minimal 12 Tatap Muka)

• Formatif/ Tugas : 15 %

• UTS : 45 %

• UAS : 30 %

Capaian Pembelajaran Lulusan

Capaian Pembelajaran Mata Kuliah