Contoh Teknologi SIstem Cerdas (Fuzzy Logic)

Salah satu contoh teknologi sistem cerdas berupa pembahasannya...

INTISARI: Telah dibuat sistem pemantau dan pengatur suhu ruang menggunakan sensor LM35 berbasis Arduino Uno yang dirancang untuk memudahkan dalam mengatur dan memantau suhu ruang. Sistem ini terdiri dari sensor suhu LM35, rangkaian relay, rangkaian sensor suhu dan lcd, dan sistem arduino. Pemantauan suhu ruang akan ditampilkan melalui LCD dan Short Message Service (SMS). Perancangan pengaturan suhu ruang menggunakan SMS sebagai setpoint. Dan pemantauan suhu ruang menggunakan lcd, dan Short Message Service (SMS). Program software yang digunakan berupa Arduino Uno dan Icomsat v1.1. Sistem pemantau dan pengatur dapat diimplementasikan menggunakan Arduino Uno R3, danIcomsat v1.1. Sensor LM35 diletakkan pada salah satu sudut ruangan digunakan untuk mengetahui suhu yang terdeteksi pada ruangan tersebut. Data dari sensor akan ditampilkan pada LCD dan SMS. Blower dan heater yang terdapat dalam suatu ruangan digunakan untuk mempertahankan agar suhu tetap pada kisaran setpoint yang ditentukan melalui SMS.


Dapat dari sumber yang lain, pengatur suhu ruangan juga bisa di uraikan sebagai berikut...

Sensor suhu adalah  komponen yang dipakai tuk merubah besaran panas jadi listrik dan sangat gampang untuk di analisa besarannya. Pembuatan sensor ini bisa memakai sejumlah metode, dimana salah satu caranya adalah dgn cara memakai material yg terhadap suatu arus elektrik akan mengubah hambataanya tergantung dari suhunya.

Material logam apabila panasnya meningkat akan menyebabkan meningkat pula besar hambatannya trhdp arus listrik. Logam bisa juga dibilang sbg muatan positif yg ada di dlm elektron, dimana elektron ini dapat bergerak bebas. Bila suhu meningkat elektron-elektronnya menjadi bergetar, terus getarannya semakin bertambah besar sejalan dgn bertambahnya suhu yang ada. Dalam kondisi besarnya getaran itu, membuat logam memiliki nilai hambatan yang bertambah karena gerakan elektron yang terhambat.

Bahan semikonduktor memiliki sifat yang sebaliknya atas logam, yaitu nilai hambatannya akan terus turun bila suhu bertambah besar. Kondisi ini disebabkan oleh karena keadaan yang lebih tinggi suhunya menyebabkan elektron dari material ini jadi pindah ketingkatan yang teratas dan membuatnya bisa dgn bebas bergerak. Dengan terus terjadinya pertambahan suhu, maka semakin bertambah pula elektron  dr semikonduktor ini yg bebas bergerak dan hasilnya adalah nilai hambatannya akan terus berkurang.

 Rangkaian Sensor Suhu LM35

Terdapat 4 ( empat ) jenis sensor suhu yang rangkaian umumnya ada dipasaran, yaitu Thermokopel; Thermistor (Thermal Sensitive Resistor atau Thermal Resistor); Resistance Temperature Detectors (RTD); dan yang terakhir adalah IC LM 35. Namun kali ini saya ingin membahas rangkaian sensor suhu lm35.

Sensor suhu lm35 adalah satu dari empat jenis lainnya yang paling terkenal akan mudahnya diaplikasikan dalam kehidupan sehari-hari dan kesederhanaannya. Sumber tegangannya bisa tunggal atau dua sumberpun juga bisa. Berikut beberapa karakteristik komponen sensor suhu lm35:

Kalibrasi secara langsung pd °C

Skala faktor linear-nya ±10mV/°C

Range-nya diantara +150 °C s/d -55°C

Arusnya kurang dr 2µA

Pemanasannya yg rendah di 0,08°C

Contoh dari pengaplikasian dari rangkaian sensor suhu lm35 adalah sistem monitor suhu rumah kaca dan sistem monitor dari suhu ruang pd laboratorium kimia. Komponen utama yang digunakan adalah LED (bebas warna: hijau, merah ataupu biru; boleh), Resistor Trimport/ Variabel 10K ohm, IC LM393; Resistor 470Ohm; dan tentunya IC LM35. Berikut adalah skema rangkaian sensor suhu lm35:

Dibagian IC LM35 berfungsi untuk menerima input suhu yg terus menuju IC LM393. IC LM393 fungsinya untuk komparator yg membagi tegangan, dimana hasil keluaran dari LM35 akan masuk kekaki inverting. Berbeda dgn kaki noninverting, fungsinya untuk potensi yaitu pengatur keluaran inputannya. Kaki delapan sbg VS+ batas tgangan kerja IC LM393 adalah VDC , serta kaki empat untuk VS-. Di keluarkan dari kaki tujuh, output yg di hasilkan oleh komparator dan diberi LED sbg indikator.

Op-Amp 393 memiliki fungsi untuk komparator pem banding tegangan, yaitu mem banding kan setiap tegangan yang masuk dikaki inverting dimana pengaturannya memakai potensiometer yg terletak pada kaki noninverting. Vref dihubung kan dgn +Vsupply, dan R1 serta R2 dipakai untuk membagi tegangan, dengan demikian nilai tegangannya yg direferensi kan pd masuk kan + op-amp ialah se besar : V=[R1/(R1+R2)]*Vsupply

Contoh dari IC LM393:

IC LM393 memiliki 2 input yg ter diri dr  inverting serta non inverting dan dua output, dimana kaki empat untuk ground sedangkan kaki delapan untuk Vcc. Gimana, mudah bukan. Silahkan disimulasikan memakai projectboard ya. Semoga sukses rangkaian Sensor Suhu lm35 nya.

Sumber :

http://etd.repository.ugm.ac.id/index.php?mod=penelitian_detail&sub=PenelitianDetail&act=view&typ=html&buku_id=70012

http://elektronikadasar.info/sensor-suhu.htm

Macam-macam Teknologi Sistem Cerdas (Fuzzy Logic)

Aplikasi Logika Fuzzy dalam kehidupan sehari-hari adalah sebagai berikut :

1.      Logika Fuzzy untuk Sistem Pengaturan Suhu Ruangan

Untuk menentukan suhu dalam suatu ruangan, kita dapat menentukannya menggunakan Logika Fuzzy. Aturan dalam kontrol, mudah didefinisikan menggunakan kata-kata misalkan :

-          Jika suhu dalam suatu ruangan dingin maka naikkan suhu penghangat.

-          Jika suhu dalam suatu ruangan panas maka naikkan suhu pendingin.

2.      Logika Fuzzy untuk Sistem Pengaturan Lampu Lalulintas

Logika fuzzy dalam pengaturan lampu lalulintas amat diperlukan untuk memperlancar aruslalulintas. Dengan adanya system yang bekerja secara otomatis diharapkan angka kecelakaanyang disebabkan oleh masalah lampu lalulintas dapat berkurang. Selain itu dengan adanyalampu lalulintas yang otomatis tentu saja akan mengurangi tugas polisi lalulintas, sehinggamereka bisa mengerjakan hal-hal lain yang belum teratasi.Sedangkan sebagai dasar pengendalian dari sistem yang dijalankan, digunakan algoritmalogika fuzzy. Untuk memudahkan pengendalian lampu lalulintas, ada beberapa istilah yangdigunakan dalam pengendaliannya antara lain :

Untuk kepadatan jumlah kendaraan adalah

-          Tidak Padat (TP),

-          Kurang Padat (KP),

-          Cukup Padat (CP),

-          Padat (P),

-          Sangat Padat (SP).

Sedangkan untuk lama nyala lampu adalah :

-          Cepat (C),

-          Agak Cepat (AC),

-          Sedang (S),

-          Agak Lama (AL),

-          Lama (L).

Jelas istilah-istilah tersebut dapat menimbulkan makna ganda (ambiguity) dalam pengertiannya. Logika Fuzzy dapat mengubah makna ganda tersebut ke dalam modelmatematis sehingga dapat diproses lebih lanjut untuk dapat diterapkan dalam sistem kendali.

Untuk menyelesaikan masalah tersebut digunakan teori himpunan Fuzzy, logika bahasa dapatdiwakili oleh sebuah daerah yang mempunyai jangkauan tertentu yang menunjukkan derajatkeanggotaannya (fungsi keanggotaan). Untuk kasus disini, sebut saja derajat keanggotaan ituadalah u(x) untuk x adalah jumlah kendaraan.1.

3.      Logika Fuzzy untuk Sistem Penggajian Karyawan

Dengan adanya system penggajian karyawan menggunakan logika Fuzzy maka karyawanakan menerima gaji yang benar-benar sesuai dengan apa yang karyawan tersebut kerjakankarena mesin tidak mungkin melakukan korupsi.

Misalkan untuk mengevaluasi suatu pekerjaan, ada m faktor yang berpengaruh, tiap-tiapfaktor terdiri-dari n level. Sehingga faktor ke-i level ke-j dapat ditulis sebagai xij.Diasumsikan bahwa, level yang lebih tinggi pada suatu faktor (nilai j naik) menunjukkan bahwa kompleksitas pekerjaannya lebih tinggi. Hubungan ini dapat dituliskan sebagai :

xij R xij-1, i=1,2,…,m dan j=1,2,…,n.

Misalkan ditetapkan ada k pekerjaan yang akan digunakan sebagai basis untuk melakukanevaluasi (bechmark), maka benchmark ke-r adalah Zr(X). Maka akan dicari berapakah nilaioptimum untuk tiap-tiap level, agar dapat dihitung nilai untuk setiap benchmark. Jika nilaisetiap bechmark ini sudah diketahui, maka dengan mudah kita dapat menentukan berapa gajiyang harus diterima oleh seorang karyawan dengan spesifikasi pekerjaannya.

Sumber :

http://www.academia.edu/7510106/77505257-Aplikasi-Sistem-Cerdas

Artificial Intelligence atau AI

Artificial Intelligence atau AI

Kecerdasan Buatan atau kecerdasan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah atau Intelegensi Artifisial (bahasa Inggris: Artificial Intelligence atau hanya disingkat AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.

Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola.

Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.

'Kecerdasan buatan' ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tetapi juga mengkonstruksinya.

Tidak ada definisi yang memuaskan untuk 'kecerdasan':

1.     kecerdasan: kemampuan untuk memperoleh pengetahuan dan menggunakannya

2.     atau kecerdasan yaitu apa yang diukur oleh sebuah 'Test Kecerdasan'

Secara garis besar, AI terbagi ke dalam dua paham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metode-metode yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metode-metodenya meliputi:

1.     Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.

2.     Petimbangan berdasar kasus

3.     Jaringan Bayesian

4.     AI berdasar tingkah laku: metode modular pada pembentukan sistem AI secara manual

Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak. Metode-metode pokoknya meliputi:

1.     Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat

2.     Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.

3.     Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.

Metode-metode ini terutama dibagi menjadi algoritma evolusioner (misalnya algoritma genetik) dan kecerdasan berkelompok (misalnya algoritma semut)

Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan syaraf atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R. Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.

H.A Simon [1987]

Kecerdasan buatan (artificial intelligence) merupakan kawasanpenelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah- cerdas.

Rich and Knight [1991]

Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.

Encyclopedia Britannica

Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan

Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984]:

1.       Membuat mesin menjadi lebih pintar (tujuan utama)

2.       Memahami apa itu kecerdasan (tujuan ilmiah)

3.       Membuat mesin lebih bermanfaat (tujuan entrepreneurial)

Kelebihan Artificial Intelligence

·         Artificial Intelligence bersifat konsisten dan teliti .

·         Artificial Intelligence lebih bersifat permanent.

·         Artificial Intelligence dapat lebih murah daripada kecerdasan alami.

·         Artificial Intelligence menawarkan kemudahan untuk digandakan atau disebarkan. 

·         Artificial Intelligence dapat didokumentasi.

Contoh Penerapan Artificial Intelligence:

·         SYSTRAN.
perangkat lunak untuk penerjemahan bahasa.

·         Delco Electronics.
Mobil yang dapat mengemudikan sendiri yang menggunakan pendeteksi tepi untuk tetap bertahan di jalan.

·         Deep Blue.
program catur 1997 yang mengalahkan Garry Kasparov pecatur dunia .

·         Volkswagen AG.
Sistem pengemudi kendaraan otomatis yang diciptakan oleh Jerman.

SISTEM PAKAR

Sistem pakar adalah sistem yang meniru kepakaran seseorang dalam bidang tertentu dalam menyelesaikan suatu permasalahan. Seringkali sistem pakar disebut dengan sistem berbasis pengetahuan. Di dalam sistem pakar terdapat fasilitas untuk melakukan hal yang dinamakan dengan inference engine.Inference engine akan melakukan penarikan kesimpulan menggunakan basis pengetahuan yang sebelumnya telah dimasukkan oleh seorang knowledge engineer ke dalam sistem pakar. Sistem pakar diciptakan tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyarakatkan pengetahuan & pengalaman pakar tersebut.

Sistem Pakar merupakan suatu metode Artificial Intelligence yang berguna untuk meniru cara berpikir dan penalaran seorang ahli dalam mengambil keputusan berdasarkan situasi yang ada. Sistem Pakar pertama kali dikembangkan oleh komunitas AI pada pertengahan tahun 1960. Sistem pakar yang muncul pertama kali ini adalah General-purpose Problem Solver (GPS) yang dikembangkan oleh Newel dan Simon. GPS (dan program-program yang serupa) ini mengalami kegagalan dikarenakan cakupannya terlalu luas, hingga kadang justru meninggalkan pengetahuan penting yang seharusnya disediakan.

Pemakai Sistem Pakar

Sistem pakar dapat digunakan oleh :

1.       Orang awam yang bukan pakar untuk meningkatkan kemampuan mereka dalam memecahkan masalah.

2.       Pakar sebagai asisten yang berpengetahuan.

3.       Memperbanyak atau menyebarkan sumber pengetahuan yang semakin langka.

Ciri-ciri sistem pakar :

1.       Terbatas pada bidang yang spesifik

2.       Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti.

3.       Dapat mengemukakan rangkaian alasan yang diberikan dengan cara yang dapat pahami.

4.       Berdasarkan pada rule atau kaidah tertentu.

5.       Dirancang untuk dapat dikembangkan secara bertahap.

6.       Outputnya bersifat nasihat atau anjuran.

7.       Outputnya tergantung dari dialog dengan user.

8.       Knowledge base dan interfence engine terpisah.

Kecerdasan buatan pada Sistem Pakar ini memungkinkan sebuah sistem komputer memiliki cara berpikir dan penalaran seorang ahli dalam mengambil keputusan, untuk memecahkan masalah yang ada pada saat itu. Contohnya program komputer yang dapat mendiagnosa penyakit dengan memasukan gejala-gejala yang dialami pasien.

·         Dari perspektif Kecerdasan (Intelligence)
AI adalah bagaimana membuat mesin yang “cerdas” dan dapat melakukan hal-hal yang sebelumnya dapat dilakukan oleh manusia.

·         Dari perspektif bisnis
AI adalah sekelompok alat bantu (tools) yang berdaya guna, dan metodologi yang menggunakan tool-tool tersebut guna menyelesaikan masalah-masalah bisnis.

·         Dari perspektif pemrograman (Programming)
AI termasuk didalamnya adalah studi tentang pemrograman simbolik, pemecahan masalah, proses

1.       Umumnya program AI lebih fokus pada simbol-simbol daripada pemrosesan numerik (huruf, kata, angka untuk merepresentasikan obyek, proses dan hubungannya).

2.       Pemecahan masalah -> pencapaian tujuan

3.       Search -> jarang mengarah langsung ke solusi. Proses search menggunakan beberapa teknik.

4.       Bahasa pemrograman AI :

A.     LISP, dikembangkan awal tahun 1950-an, bahasa

B.      pemrograman pertama yang diasosiasikan dengan AI.

C.      PROLOG, dikembangkan pada tahun 1970-an.

D.     Bahasa pemrograman berorientasi obyek (Object Oriented Programming (Objective C, C++, Smalltalk, Java)

§  Dari perspektif penelitian (research)

Riset tentang AI dimulai pada awal tahun 1960-an, percobaan pertama adalah membuat program permainan (game) catur, membuktikan teori, dan general problem solving (untuk tugastugas sederhana). “Artificial intelligence” adalah nama pada akar dari studi area.

Aplikasi Logika Fuzzy dalam kehidupan sehari-hari adalah sebagai berikut :

1.      Logika Fuzzy untuk Sistem Pengaturan Suhu Ruangan

Untuk menentukan suhu dalam suatu ruangan, kita dapat menentukannya menggunakan Logika Fuzzy. Aturan dalam kontrol, mudah didefinisikan menggunakan kata-kata misalkan :

-          Jika suhu dalam suatu ruangan dingin maka naikkan suhu penghangat.

-          Jika suhu dalam suatu ruangan panas maka naikkan suhu pendingin.

2.      Logika Fuzzy untuk Sistem Pengaturan Lampu Lalulintas

Logika fuzzy dalam pengaturan lampu lalulintas amat diperlukan untuk memperlancar aruslalulintas. Dengan adanya system yang bekerja secara otomatis diharapkan angka kecelakaanyang disebabkan oleh masalah lampu lalulintas dapat berkurang. Selain itu dengan adanyalampu lalulintas yang otomatis tentu saja akan mengurangi tugas polisi lalulintas, sehinggamereka bisa mengerjakan hal-hal lain yang belum teratasi.Sedangkan sebagai dasar pengendalian dari sistem yang dijalankan, digunakan algoritmalogika fuzzy. Untuk memudahkan pengendalian lampu lalulintas, ada beberapa istilah yangdigunakan dalam pengendaliannya antara lain :

Untuk kepadatan jumlah kendaraan adalah

-          Tidak Padat (TP),

-          Kurang Padat (KP),

-          Cukup Padat (CP),

-          Padat (P),

-          Sangat Padat (SP).

Sedangkan untuk lama nyala lampu adalah :

-          Cepat (C),

-          Agak Cepat (AC),

-          Sedang (S),

-          Agak Lama (AL),

-          Lama (L).

Jelas istilah-istilah tersebut dapat menimbulkan makna ganda (ambiguity) dalam pengertiannya. Logika Fuzzy dapat mengubah makna ganda tersebut ke dalam modelmatematis sehingga dapat diproses lebih lanjut untuk dapat diterapkan dalam sistem kendali.

Untuk menyelesaikan masalah tersebut digunakan teori himpunan Fuzzy, logika bahasa dapatdiwakili oleh sebuah daerah yang mempunyai jangkauan tertentu yang menunjukkan derajatkeanggotaannya (fungsi keanggotaan). Untuk kasus disini, sebut saja derajat keanggotaan ituadalah u(x) untuk x adalah jumlah kendaraan.1.

3.      Logika Fuzzy untuk Sistem Penggajian Karyawan

Dengan adanya system penggajian karyawan menggunakan logika Fuzzy maka karyawanakan menerima gaji yang benar-benar sesuai dengan apa yang karyawan tersebut kerjakankarena mesin tidak mungkin melakukan korupsi.

Misalkan untuk mengevaluasi suatu pekerjaan, ada m faktor yang berpengaruh, tiap-tiapfaktor terdiri-dari n level. Sehingga faktor ke-i level ke-j dapat ditulis sebagai xij.Diasumsikan bahwa, level yang lebih tinggi pada suatu faktor (nilai j naik) menunjukkan bahwa kompleksitas pekerjaannya lebih tinggi. Hubungan ini dapat dituliskan sebagai :

xij R xij-1, i=1,2,…,m dan j=1,2,…,n.

Misalkan ditetapkan ada k pekerjaan yang akan digunakan sebagai basis untuk melakukanevaluasi (bechmark), maka benchmark ke-r adalah Zr(X). Maka akan dicari berapakah nilaioptimum untuk tiap-tiap level, agar dapat dihitung nilai untuk setiap benchmark. Jika nilaisetiap bechmark ini sudah diketahui, maka dengan mudah kita dapat menentukan berapa gajiyang harus diterima oleh seorang karyawan dengan spesifikasi pekerjaannya.

Sumber :

http://www.academia.edu/7510106/77505257-Aplikasi-Sistem-Cerdas
https://id.wikipedia.org/wiki/Kecerdasan_buatan

http://www.temukanpengertian.com/2013/08/pengertian-artificial-intelligence.html

http://informatika.web.id/category/kecerdasan-buatan/

https://mumuttskii.wordpress.com/2015/01/12/ai-artificial-intelligence-dan-sistem-pakar/

KLASIFIKASI DATA SEKUNDER

KLASIFIKASI DATA SEKUNDER

Data Sekunder adalah adata yang sudah tersedia dan hanya tinggal mengumpulkan dan mencari data tersebut untuk diteliti.

Kelebihan Data Sekunder :\

• Lebih menghemat waktu
• Meskipun data jarang melengkapi persyaratan riset dari sebuah proyek, setidaknya data dapat membantu merumuskan masalah, sebagai sumber data sehingga data primer dapat di evaluasi secara mendalam.
• Dapat diperoleh diluar kemampuan
• Daya cakupnya berskala nasionla dan internasional

Kekurangan Data Sekunder :

• Jarang melengkapi persyaratan riset
• Data yang dikumpulkan berbeda dengan data yang diteliti
• Pengambilan keputusan dibutuhkan informasi yang mutakhir

Data Sekunder terbagi atas 2 bagian, yaitu : Data Sekunder Internal dan Data Sekunder Eksternal.

·         Data Sekunder Internal berasal dari dalam orgasasi yang sedang periset lakukan. Data sekunder internal ada yang Ready to Use dan Requires Further Processing.

ü  Ready to Use, dimana data sekunder yang sudah kita dapatkan tinggal kita gunakan tanpa menggunakan proses apapun untuk digunakan.

ü  Requires Further Processing, data sekunder yang membutuhkan proses untuk kita gunakan.

·         Data Sekunder Eksternal berasal dari luar organisasi yang sedang periset lalukan. Data sekunder eksternal ada yang Published Materials, Computerized Database, Syndicated Service.

ü  Published Materials, data yang dapat diperoleh dari data-data static yang pernah dihimpun, contohnya seperti sensus penduduk.

ü  Computerized Database, data yang diperoleh bisa didapat secara online dari berbagai situs sesuai data yang diinginkan.

ü  Syndicated Service, data yang diperoleh didapat dari organisasi yang telah menyediakan data yang kita perlukan.

Syndicated Service terbagi mencadi 3 bagian, ada yang online, internet dan offline. Yang terdri atas :

• ·         Bibliographics Databases, yang ditemukan dalam susunan artikel-artikel.
• ·         Numeric Databases, data yang hanya berisi tentang numerik dan statistik.
• ·         Full-text Databases, dokuken yang terdiri dari text.
• ·         Directory Databases, data yang berisi mengenai hal individu, kelompok dan suatu layanan.
• ·         Special-Purpose Databases, data yang hanya berisi informasi khusus yang memiliki tujuan tertentu.

Syndicated Service ini diklarifikasikan berdasarkan Household/consumers dan institutions.

·         Household/consumers, dilakukan dengan cara survey, panel dan berdasarkan hasil scan dari media elektonik.

·         Institutions, dimana suatu perusahaan yang mampu menyediakan data-data yang dicari oleh consumers.

Syndicated Servise : Consumers. Terbagi atas :

·        Ada yang menurut Surveys, survey juga terbagi atas beberapa macam :

-          Psychographics & Lifestyle, kita bisa mensurvey dari consumers menurut gaya hidupnya masing-masing atau dengan kegiatan sosial yang telah dialakukan

-          General, berarti secara umum

-          Advertising Evaluation,

·         Ada juga yang menurut Mail Diary Panels,

-          Purchase, berarti kita membeli data yang ingin kita teliti dari sumber yang telah menyediakannya

-     Media, dari media kita bisa membeli datanya dan  bisa juga memilikinya secara gratis tergantung media yang kita pilih

·         Electronic Scanner Service

-          Volume Tracking data,

-          Scanner Diary Panels,

-          Scanner Diary Panels with Cable TV,

Syndicated Servise : Institutions. Terbagi atas :

Retailers dan Wholesalers yang keduanya masing-masing berdasarkan audits.

Industrial Firms, yang terdiri atas : Direct Inquiries, Clipping Services, Corporate Report.