Sejarah Kecerdasan Buatan


Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas ” pada 1943 yang meletakkan pondasi untuk jaringan syaraf.
Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah “kecerdasan buatan ” pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan “Turing test” sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.

Iklan

KECERDASAN BUATAN DALAM ROBOTIK

Kecerdasan Buatan (Artificial Intelligence) dalam robotik adalah suatu algorithma (yang dipandang) cerdas yang diprogramkan ke dalam kontroler robot. Pengertian cerdas di sini sangat relatif, karena tergantung dari sisi mana sesorang memandang.
Para filsuf diketahui telah mulai ribuan tahun yang lalu mencoba untuk memahami dua pertanyaan mendasar: bagaimanakah pikiran manusia itu bekerja, dan, dapatkah yang bukan-manusia itu berpikir? (Negnevitsky, 2004). Hingga sekarang, tak satupun mampu menjawab dengan tepat dua pertanyaan ini. Pernyataan cerdas yang pada dasarnya digunakan untuk mengukur kemampuan berpikir manusia selalu menjadi perbincangan menarik karena yang melakukan penilaian cerdas atau tidak adalah juga manusia. Sementara itu, manusia tetap bercita-cita untuk menularkan �kecerdasan manusia� kepada mesin.
Dalam literatur, orang pertama yang dianggap sebagai pionir dalam mengembangkan mesin cerdas (intelligence machine) adalah Alan Turing, sorang matematikawan asal Inggris yang memulai karir saintifiknya di awal tahun 1930-an. Di tahun 1937 ia menulis paper tentang konsep mesin universal (universal machine). Kemudian, selama perang dunia ke-2 ia dikenal sebagai pemain kunci dalam penciptaan Enigma, sebuah mesin encoding milik militer Jerman. Setelah perang, Turing membuat �automatic computing engine�. Ia dikenal juga sebagai pencipta pertama program komputer untuk bermain catur, yang kemudian program ini dikembangkan dan dimainkan di komputer milik Manchester University. Karya-karyanya ini, yang kemudian dikenal sebagai Turing Machine, dewasa ini masih dapat ditemukan aplikasi-aplikasinya. Beberapa tulisannya yang berkaitan dengan prediksi perkembangan komputer di masa datang akhirnya juga ada yang terbukti. Misalnya tentang ramalannya bahwa di tahun 2000-an komputer akan mampu melakukan percakapan dengan manusia. Meski tidak ditemukan dalam paper-papernya tentang istilah �resmi�: artificial intelligence, namun para peneliti di bidang ini sepakat untuk menobatkan Turing sebagai orang pertama yang mengembangkan kecerdasan buatan.
Secara saintifik, istilah kecerdasan buatan � untuk selanjutnya disebut sebagai AI (artificial intelligence) � pertama kali diperkenalkan oleh Warren McCulloch, seorang filsuf dan ahli perobatan dari Columbia University, dan Walter Pitts, seorang matematikawan muda pada tahun 1943, (Negnevitsky, 2004). Mereka mengajukan suatu teori tentang jaringan saraf tiruan (artificial neural network, ANN) � untuk selanjutnya disebut sebagai ANN � bahwa setiap neuron dapat dipostulasikan dalam dua keadaan biner, yaitu ON dan OFF. Mereka mencoba menstimulasi model neuron ini secara teori dan eksperimen di laboratorium. Dari percobaan, telah didemonstrasikan bahwa model jaringan saraf yang mereka ajukan mempunyai kemiripan dengan mesin Turing, dan setiap fungsi perhitungan dapat dapat diselesaikan melalui jaringan neuron yang mereka modelkan.
Kendati mereka meraih sukses dalam pembuktian aplikasinya, pada akhirnya melalui eksperimen lanjut diketahui bahwa model ON-OFF pada ANN yang mereka ajukan adalah kurang tepat. Kenyataannya, neuron memiliki karakteristik yang sangat nonlinear yang tidak hanya memiliki keadaan ON-OFF saja dalam aktifitasnya. Walau demikian, McCulloch akhirnya dikenal sebagai orang kedua setelah Turing yang gigih mendalami bidang kecerdasan buatan dan rekayasa mesin cerdas. Perkembangan ANN sempat mengalami masa redup pada tahun 1970-an. Baru kemudian pada pertengahan 1980-an ide ini kembali banyak dikaji oleh para peneliti.
Sementara itu, metoda lain dalam AI yang sama terkenalnya dengan ANN adalah Fuzzy Logic (FL) � untuk selanjutnya ditulis sebagai FL. Kalau ANN didisain berdasarkan kajian cara otak biologis manusia bekerja (dari dalam), maka FL justru merupakan representasi dari cara berfikir manusia yang nampak dari sisi luar. Jika ANN dibuat berdasarkan model biologis teoritis, maka FL dibuat berdasarkan model pragmatis praktis. FL adalah representasi logika berpikir manusia yang tertuang dalam bentuk kata-kata.
Kajian saintifik pertama tentang logika berfikir manusia ini dipublikasikan oleh Lukazewicz, seorang filsuf, sekitar tahun 1930-an. Ia mengajukan beberapa representasi matematik tentang �kekaburan� (fuzziness) logika ketika manusia mengungkapkan atau menyatakan penilaian terhadap tinggi, tua dan panas (tall, old, & hot). Jika logika klasik hanya menyatakan 1 atau 0, ya atau tidak, maka ia mencoba mengembangkan pernyataan ini dengan menambahkan faktor kepercayaan (truth value) di antara 0 dan 1.
Di tahun 1965, Lotfi Zadeh, seorang profesor di University of California, Berkeley US, mempublikasikan papernya yang terkenal, �Fuzzy Sets�. Penelitian-penelitian tentang FL dan fuzzy system dalam AI yang berkembang dewasa ini hampir selalu menyebutkan paper Zadeh itulah sebagai basis pijakannya. Ia mampu menjabarkan FL dengan pernyataan matematik dan visual yang relatif mudah untuk dipahami. Karena basis kajian FL ini kental berkaitan dengan sistem kontrol (Zadeh adalah profesor di bidang teknik elektro) maka pernyataan matematiknya banyak dikembangkan dalam konteks pemrograman komputer.
Metoda AI lain yang juga berkembang adalah algorithma genetik (genetic algorithm, GA) � untuk selanjutnya disebut sebagai GA. Dalam pemrograman komputer, aplikasi GA ini dikenal sebagai pemrograman berbasis teori evolusi (evolutionary computation, EC) � untuk selanjutnya disebut sebagai EC. Konsep EC ini dipublikasikan pertama kali oleh Holland (1975). Ia mengajukan konsep pemrograman berbasis GA yang diilhami oleh teori Darwin. Intinya, alam (nature), seperti manusia, memiliki kemampuan adaptasi dan pembelajaran alami �tanpa perlu dinyatakan: apa yang harus dilakukan�. Dengan kata lain, alam memilih �kromosom yang baik� secara �buta�/alami. Seperti pada ANN, kajian GA juga pernah mengalami masa vakum sebelum akhirnya banyak peneliti memfokuskan kembali perhatiannya pada teori EC.
GA pada dasarnya terdiri dari dua macam mekanisme, yaitu encoding dan evaluation. Davis (1991) mempublikasikan papernya yang berisi tentang beberapa metoda encoding. Dari berbagai literatur diketahui bahwa tidak ada metoda encoding yang mampu menyelesaikan semua permasalahan dengan sama baiknya. Namun demikian, banyak peneliti yang menggunakan metoda bit string dalam kajian-kajian EC dewasa ini.
Aplikasi AI dalam kontrol robotik dapat diilustrasikan sebagai berikut,
Gambar 4.1: Kontrol robot loop tertutup berbasis AI
Penggunaan AI dalam kontroler dilakukan untuk mendapatkan sifat dinamik kontroler �secara cerdas�. Seperti telah dijelaskan di muka, secara klasik, kontrol P, I, D atau kombinasi, tidak dapat melakukan adaptasi terhadap perubahan dinamik sistem selama operasi karena parameter P, I dan D itu secara teoritis hanya mampu memberikan efek kontrol terbaik pada kondisi sistem yang sama ketika parameter tersebut di-tune. Di sinilah kemudian dikatakan bahwa kontrol klasik ini �belum cerdas� karena belum mampu mengakomodasi sifat-sifat nonlinieritas atau perubahan-perubahan dinamik, baik pada sistem robot itu sendiri maupun terhadap perubahan beban atau gangguan lingkungan.
Banyak kajian tentang bagaimana membuat P, I dan D menjadi dinamis, seperti misalnya kontrol adaptif, namun di sini hanya akan dibahas tentang rekayasa bagaimana membuat sistem kontrol bersifat �cerdas� melalui pendekatan-pendekatan AI yang populer, seperti ANN, FL dan EC atau GA.
Gambar 4.1 mengilustrasikan tentang skema AI yang digunakan secara langsung sebagai kontroler sistem robot. Dalam aplikasi lain, AI juga dapat digunakan untuk membantu proses identifikasi model dari sistem robot, model lingkungan atau gangguan, model dari tugas robot (task) seperti membuat rencana trajektori, dan sebagainya. Dalam hal ini konsep AI tidak digunakan secara langsung (direct) ke dalam kontroler, namun lebih bersifat tak langsung (indirect).

KONSEP KECERDASAN BAUATAN

Aplikasi Kecerdasan Buatan Untuk Identifikasi Sidik Jari Minyak Bumi

Kecerdasan Buatan ?… wakkks…. !!! 😮

[serius_mode=”on”]
Mendengar kata ‘kecerdasan buatan’ mungkin bagi sebagian orang akan terdengar ‘menyeramkan’, atau bagi beberapa orang lainnya akan langsung teringat film Matrix atau I-Robot. Itu tidak bisa disalahkan, karena memang kecerdasan buatan hampir selalu mempunyai konotasi fiksi ilmiah, meskipun pada kenyataannya kecerdasan buatan bukanlah suatu khayalan, tapi memang benar-benar ada dalam kehidupan kita sehari-hari dan kita juga sering menggunakannya.
Kecerdasan Buatan, yang dalam bahasa Walanda disebut sebagai Artificial Intelligence atau AI didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia.

Aplikasi Kecerdasan Buatan di Laboratorium Minyak Bumi
Ada banyak jenis kecerdasan buatan, setidaknya ada lima jenis kecerdasan buatan yang sering kita temui, yaitu :
Jaringan Syaraf Buatan (Artificial Neural Networks),Dalam industri minyak bumi AI ini dapat digunakan untuk membuat pola waktu, misal produksi suatu sumur minyak pada waktu tertentu.
Logika Fuzzy (Fuzzy Logics),Logika ini untuk menentukan nilai diantara dua keadaan biner (1 dan 0). Logika inilah yang saya pakai untuk identifikasi suatu minyak bumi sama (1) atau tidak (0) yang akan dibahas lebih lanjut.
Algoritma Genetik (Genetic Algorithms),Algoritma Genetik biasanya digunakan dibidang kedokteran, misal untuk menganalisis DNA.
Robotika (Robotics),AI ini banyak digunakan di pabrik. Biasanya dibuat untuk melakukan kegiatan otomatisasi, misal dalam PLC (Programmable Logic Control).
Permainan Komputer (Games),AI jenis ini yang paling disukai oleh anak-anak saya, misal untuk memainkan game Age of Mythology atau Counter Strike…
Dari contoh-contoh diatas, yang akan saya bahas kali ini adalah Logika Fuzzy, yaitu untuk menentukan apakah suatu minyak bumi sama atau tidak berdasarkan hasil analisis spektrum minyak bumi menggunakan Spektrofotometer FTIR (Fourier Transform Infra Red) yang saya lakukan di Laboratorium Molekuler LEMIGAS, Jakarta selama bulan Januari – Februari 2006 yang lalu.

Konsep Kecerdasan Buatan


Kecerdasan buatan
Dari Wikipedia Indonesia, ensiklopedia bebas berbahasa Indonesia.

Kecerdasan Buatan (bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. 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 Sepakbola.

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, tapi juga mengkonstruksinya.

Tidak ada definisi yang memuaskan untuk ‘kecerdasan’:
kecerdasan: kemampuan untuk memperoleh pengetahuan dan menggunakannya
atau kecerdasan yaitu apa yang diukur oleh sebuah ‘Test Kecerdasan’
Faham Pemikiran

Secara garis besar, AI terbagi ke dalam dua faham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metoda-metoda 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). Metoda-metodanya meliputi:
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.
Petimbangan berdasar kasus
Jaringan Bayesian
AI berdasar tingkah laku: metoda 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. Metoda-metoda pokoknya meliputi:
Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.

Metoda-metoda 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.

Sejarah
Artikel utama: Sejarah kecerdasan buatan

Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.

Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan “Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas ” pada 1943 yang meletakkan pondasi untuk jaringan syaraf.

Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah “kecerdasan buatan ” pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turing memperkenalkan “Turing test” sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.

Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan syaraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.

Pada tahun 1980-an, jaringan syaraf digunakan secara meluas dengan algoritma perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparov dalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.

Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

Komputasi Terdistribusi


Dari Wikipedia Indonesia, ensiklopedia bebas berbahasa Indonesia.
(Dialihkan dari Sistem terdistribusi)
Langsung ke: navigasi, cari
Dalam ilmu komputer, komputasi terdistribusi mempelajari penggunaan terkoordinasi dari komputer yang secara fisik terpisah atau terdistribusi. Sistem terdistribusi membutuhkan perangkat lunak yang berbeda dengan sistem terpusat.

 

Tujuan
Tujuan dari komputasi terdistribusi adalah menyatukan kemampuan dari sumber daya (sumber komputasi atau sumber informasi) yang terpisah secara fisik, ke dalam suatu sistem gabungan yang terkoordinasi dengan kapasitas yang jauh melebihi dari kapasitas individual komponen-komponennya.
Tujuan lain yang ingin dicapai dalam komputasi terdistribusi adalah transparansi. Kenyataan bahwa sumber daya yang dipakai oleh pengguna sistem terdistribusi berada pada lokasi fisik yang terpisah, tidak perlu diketahui oleh pengguna tersebut. Transparansi ini memungkinkan pengguna sistem terdistribusi untuk melihat sumber daya yang terpisah tersebut seolah-olah sebagai satu sistem komputer tunggal, seperti yang biasa digunakannya.
Salah satu masalah yang dihadapi dalam usaha menyatukan sumber daya yang terpisah ini antara lain adalah skalabilitas, dapat atau tidaknya sistem tersebut dikembangkan lebih jauh untuk mencakup sumber daya komputasi yang lebih banyak.

 

Arsitektur
Banyak arsitektur perangkat lunak dan keras yang bervariasi yang digunakan untuk komputasi terdistribusi. Pada tingkat yang lebih rendah, penghubungan beberapa CPU dengan menggunakan jaringan sangat dibutuhkan. Pada tingkat yang lebih tinggi menghubungkan proses yang berjalan dalam CPU tersebut dengan sistem komunikasi juga dibutuhkan.
Arsitektur umum yang memungkinkan sistem terdistribusi antara lain:
klien-server: klien menghubungi server untuk pengambilan data, kemudian server memformatnya dan menampilkannya ke pengguna.
arsitektur 3-tier: Kebanyakan aplikasi web adalah 3-Tier.
arsitektur N-tier: N-Tier biasanya menunjuk ke aplikasi web yang menyalurkan lagi permintaan kepada pelayanan enterprise. Aplikasi jenis ini paling berjasa bagi kesuksesan server aplikasi.
Tightly coupled: biasanya menunjuk kepada satu set mesin yang sangat bersatu yang menjalankan proses yang sama secara paralel, membagi tugas dalam bagian-bagian, dan kemudian mengumpulkan kembali dan menyatukannya sebagai hasil akhir.
Peer-to-peer: sebuah arsitektur di mana tidak terdapat mesin khusus yang melayani suatu pelayanan tertentu atau mengatur sumber daya dalam jaringan. Dan semua kewajiban dibagi rata ke seluruh mesin, yang dikenal sebagai peer.
Service oriented di mana sistem diatur sebagai satu set pelayanan yang dapat diberikan melalui antar-muka standar.
Mobile code: berdasarkan prinsip arsitektur mendekatkan pemrosesan ke sumber data
Replicated repository: Di mana repository dibuat replikanya dan disebarkan ke dalam sistem untuk membantu pemrosesan online/offline dengan syarat keterlambatan pembaharuan data dapat diterima.

 

Infrastruktur komputasi terdistribusi
Moab Grid Suite — Cluster workload management, reporting tools, and end user submission portal
Remote procedure call — This high-level communication mechanism allows processes on different machines to communicate using procedure calls even though they don’t share the same address space.
Distributed objects — Systems like CORBA, Microsoft D/COM, Java RMI, ReplicaNet [1]
SOAP
XML-RPC
GLOBE
Acute [2] — Distributed functional programming with migration based on OCaml.
PYROPython Remote Objects
BOINC — Berkeley Open Infrastructure for Network Computing
GLOBUS — Home of the Globus Toolkit

 

Jurnal dan konferensi komputasi terdistribusi
The International Conference on Dependable Systems and Networks
Symposium on Principles of Distributed Computing
Journal of Parallel and Distributed Computing
IEEE transactions on Parallel and Distributed Systems
Distributed Computing

Komputer Vision Syndrome

Computer Vision Syndrome

Pengguna komputer sangat rentan mengalami gangguan mata. Penyebabnya diduga pancaran radiasi layar komputer yang diterima mata dalam waktu yang cukup lama. Keluhan berupa mata pedih, berair, dan mata lebih cepat lelah. Bahkan kadang disertai pusing, mual, dan muntah.

Berbagai keluhan akibat penggunaan komputer ini disebut sebagai Computer Vision Syndrom, (CVS). Disinyalir, tingkat penggunaan komputer yang semakin tinggi akan mengakibatkan kasus gangguan kelelahan mata menjadi semakin banyak.

Beberapa faktor ditengarai menyebabkan timbulnya CVS. Antara lain karakteristik monitor komputer, lamanya penggunaan komputer, serta kelainan refraksi (pembiasan) pada pengguna. Monitor berresolusi rendah termasuk penyebabkan munculnya CVS. Kondisi CVS akan diperparah dengan pemakaian kaca mata. Pengguna komputer dengan kelainan refraksi baik minus, plus, atau silindris, akan makin memperburuk CVS.

CVS dapat muncul segera setelah pemakaian komputer dalam waktu lama atau lebih dari empat jam. Namun, ada pula yang baru muncul setelah beberapa hari kemudian.

Gejala jangka pendek CVS antara lain sakit kepala, sakit di sekitar ujung mata, mata lelah, berair, mual, atau pusing. Sederetan keluhan lain adalah mata bengkak, pandangan buram atau ganda, penurunan daya penglihatan, kelelahan saat membaca atau menggunakan komputer, membaca lebih lambat, memori buruk terutama untuk mengingat apa yang sudah dibaca serta kesulitan berkonsentrasi.

Selain gejala jangka pendek, juga ada gejala jangka panjang CVS yaitu sensitivits otak meningkat, insomnia, atau mengalami gengguan tidur, timbul rasa cemas, depresi serta sistem kekebalan tubuh menurun.

Stereoskopik

Bunyi dan pendengaran
Tujuan bunyi digunakan adalah untuk mendapatkan perhatian,memberikan amaran dan sebagai maklum balas kepada pengguna.Kebanyakan bunyi yang diguna pakai adalah berbentuk muzik atau bentuk suara percakapan.Bunyi adalah sebagai pelengkap antara muka visual yang piawai.Bunyi yang digunakan seharusnya sesuai dan mempunyai perbezaan yang nyata dan tidak membosan pengguna.

 

Sentuhan
Bagi pengguna yang kurang upaya ini mereka mempunyai deria sentuhan dan pendengaran yang sangat sensitif.Walau bagaimana pun sentuhan tidak meluas diamalkan dalam situasi interaksi manusia dengan komputer.

 

 

 

 

 

 

 

 

Skrin Sentuhan
Pemilihan penggunaan antara muka bergantung kepada banyak faktor yang dikaji.Di dalam merekabentuk antara muka yang baik,antara faktor yang penting adalah:
a.Menyelidik latarbelakang pengguna

Latarbelakang pengguna memainkan peranan penting memandangkan mereka adalah pengguna akhir sistem yang telah dibangunkan.Pemilihan antaramuka perlu bersesuaian dengan semua aspek berkaitan dengan isu kepenggunaan.Isu ini termasuklah umur,pengetahuan komputer,pengalaman dan kepakaran,keperluan,janti na dan sebagainya
b.Penggunaan warna

Penggunaan warna sebagai mewakili mesej tertentu sering digunakan.Contohnya,menggunakan warna merah sebagai tanda amaran atau menunjukkan kesilapan.Ciri ini mungkin boleh diaplikasikan dan diterima konsepnya.Tetapi,perlu diingat bahawa ada segenlintir manusia yang tidak dapat membezakan warna-warna tertentu.Manusia biasa hanya boleh membezakan dengan tepat 8-10 warna saja.Biru sesuai dijadikan warna latar belakang,terutama jika paparan bersaiz besar.Sementara warna-warna sejuk seperti biru dan hijau menyebabkan sesuatu objek itu kelihatan jauh .
Bagi pengguna yang menghadapi buta warna mereka ini tidak dapat membezakan warna merah dan hijau.Oleh yang demikian pereka antara muka seharusnya tidak menggunakan warna berkenaan untuk golongan ini.Manakala pula pengguna yang sudah berumur atau orang tua mereka tidak sensitif kepada warna biru pula..Oleh itu dengan paparan monokrom dua warna hitam dan putih adalah amat sesuai.

 

 

 

 

 

 

 

 

Penggunaan warna monokrom untuk orang-orang tua.

c.Kecerahan
Kesesuaian antara muka perlu diselaraskan dengan kekerapan penggunaan.Paparan yang terlalu terang menyebabkan pengguna boleh nampak imbasan kilauan.

d.Menyediakan maklum balas

Maklum balas atas segala tindakan perlu telus dengan pengguna.Maklum balas ini boleh dilaksanakan dalam berbagai bentuk seperti paparan visual,audio atau kotak dialog.Misalannya,pengguna memilih untuk menyimpan dokumen.Pengguna perlu tahu status semasa dan apakah yang sedang dilakukan sistem setelah pemilihan di buat.Maklum balas penting kerana tanpanya,pengguna akan merasa keliru dan jika maklum balas yang diberikan tidak tepat,maka pengguna akan melakukan kesilapan lagi.

e.Susun Atur Maklumat pada paparan
Jika pengguna sukar mengesan di manakah dia berada,ataupun bagaimana untuk keluar dari paparan semasa,kita mungkin tidak menyediakan laluan navigasi yang berkesan.Reka bentuk antara muka yang baik bagi pengguna mencari maklumat adalah seperti di bawah ini:

.Tidak mempamerkan terlalu banyak maklumat.

.Tidak mempamerkan terlalu sedikit maklumat.

.Maklumat berkaitan dikumpulkan dalam satu kumpulan.

.Susunan yang bermakna.

.Maklumat yang penting berada pada bahagian utama.

.Maklumat kurang penting berada pada bahagian lain.

.Bahagian yang tidak aktif disembunyikan.

Kesimpulan

Di dalam mereka bentuk antara muka,gunakan ciri-ciri antara muka yang baik berdasarkan prinsip yang telah dikaji oleh pakar di dalam bidang antara muka pengguna.Setiap sistem yang sudah dibangunkan perlu disediakan manual sebagai panduan pengguna sama ada panduan teknikal atau panduan penggunaan biasa.Jika kita berjaya menghasilkan antara muka yang baik,pengguna akan dapat menggunakan sistem dengan lebih cepat dan meninimakan proses pembelajaran.Penilaian antara muka harus dilakukan bersama-sama dengan pengguna akhir.Melalui proses ini,pengguna dapat memberi komen dan cadangan bagi memperbaiki antara muka semasa.

Definisi HCI

 

asr.jpg

Pengertian dari IMK

Sekarang ini tidak ada definisi yang disetujui menyangkut topik yang membentuk area interaksi manusia dan komputer. Walaupun begitu kita perlu suatu pengetahuan tenteng bidang pentingnya hubungan antara manusia dan komputer, hal ini berguna karena jika kita ingin memperoleh dan mengembangkan materi pendidikan atau menciptakan suatu software maupun hardware. Oleh karena itu saya akan menyajikan suatu artikel tentang definisi Interaksi Manusia dan Komputer.

Interaksi Manusia dan Komputer adalah suatu disiplin ilmu yang berkaitan dengan disain, implementasi dan evaluasi dari sistem komputasi yang interaktip untuk digunakan oleh manusia dan studi tentang ruang lingkupnya.

Dari suatu ilmu pengetahuan tentang perspektif dari komputer, Maksud dari interaksi dan secara rinci pada interaksi antara satu atau lebih manusia dan satu atau lebih komputasi mesin. Yang menggontrol sebuah mesin tersebut adalah seseorang, dengan menggunakan suatu program grafik interaktip yang ada pada suatu stasiun kerja. Disini bisa kita lihat bahwa ada bermacam-macam arti dengan apa yang dimaksud dengan interaksi, manusia, dan mesin, Makanya, kita tidak mungkin untuk meniadakan bagian dari Interaksi Manusia dan Komputer, meskipun demikian kita ingin mengidentifikasi ruang lingkupnya, serta topik lain yang lebih umum tenteng Interaksi Manusia dan Komputer

Sebab Interaksi Manusia dan Komputer mempelajari antara suatu manusia dan suatu mesin didalam sebuah komunikasi, yang mendukung pengetahuan dari kedua-duanya antara sisi mesin dan sisi manusia. Pada sisi mesin, teknik dalam komputer grafik, sistem operasi, bahasa programan, dan lingkungan pengembangannya. Sedangkan pada sisi manusia antara lain, teori komunikasi, disain industri dan grafis, linguistik, ilmu-ilmu sosial, psikologi, dan tujuan manusia relevan. Dan tentu saja perancangan sistem dan metoda lain yang sesuai.

Sistem Biometri Cegah Paspor Ganda


Pembuatan paspor dengan menggunakan sistem biometrik (sidik jari), yang kini diterapkan oleh Imigrasi telah mencegah modus pembuatan paspor ganda (duplikasi paspor). Penjelasan itu disampaikan oleh Kepala Biro Humas dan Hubungan Luar Negeri Depkum dan HAM, Taswem Tarib, di Jakarta, Senin, saat memberikan penjelasan tentang keunggulan paspor biometri. Pembuatan paspor dengan sistem biometri yang mulai diterapkan pada 6 Pebruari 2006, dan secara serentak dilakukan di seluruh Kantor Imigrasi di seluruh Indonesia pada 12 Juni 2006, telah berhasil mendeteksi upaya pembuatan paspor ganda sebanyak 1800 paspor. “Sistem ini mampu menemukan orang yang mencoba memiliki paspor ganda,” kata Taswem yang saat menyampaikan penjelasan kepada wartawan didampingi Kepala Bagian Humas Ditjen Imigrasi, Soepriyatna Anwar. “Sampai saat ini Imigrasi sudah menerbitkan 700 ribu paspor biometri. Dan lebih 1800 kasus duplikasi paspor,” katanya. Sedangkan dari tanggal 12 Juni hingga 16 Juni ditemukan kasus duplikasi paspor sebnyak 181 kasus yang tersebar di 46 Kantor Imigrasi. Ketika ditanya, siapa yang banyak melakukan praktek pembuatan paspor ganda, Taswem menjawab pada umumnya untuk keperluan para TKI (Tenaga Kerja Indonesia -red). Terhadap pihak-pihak yang terlibat dalam pembuatan paspor ganda itu, menurut Taswem, saat ini masih dalam pengusutan. Data tersebut menunjukkan bahwa sistem pembuatan paspor dengan sistem biometri mampu mencegah orang yang mencoba melakukan tindakan pembuatan paspor ganda. Selain itu, sistem biometri itu juga mengurangi praktik pemalsuan paspor. “Kita bisa mengurangi secara signifikan kasus pemalsuan paspor dan pembuatan paspor ganda. Dan sistem ini telah berjalan dengan baik, hal itu terbukti dengan telah terdeteksinya praktek pemalsuan paspor dan kasus paspor ganda,” katanya. Keunggulan lain dari sistem paspor biometri itu antara lain sistem ini menyimpan data biometri si pemegang paspor sesuai dengan sistim yang diterapkan oleh Internasional (Organisasi Penerbagangan Sipil Internasional/ICAO). Sistemnya on line pada Kantor Pusat dan 103 Kantor Imigrasi yang tersebar di seluruh Indonesia, yang menyediakan fasilitas sistem pencekalan secara tersentralisasi. “Sistem paspor biometri ini pertama kali di Indonesia menerapkan jaminan adanya `single identity`. Sistem ini juga meningkatkan kredibilitas paspor RI di mata internasional karena telah sesuai dengan standar Internasional,” demikian Taswem. antara/pur

« Older entries