Artificial Intelligence

Revolusi Kecerdasan Buatan

Dwi Handoko, Nizamiyati, Andi Saryoko, Frhendy Aghata,

Wulandari, Fahrullah, Farida Yunita, Imma Puspasari, Ibnu
Atho'illah, Paranita Asnur, Sabrina Aulia Rahmah, Indra
Jaya, Amril Mutoi Siregar, Ade Oktarino, Adhi Rizal,
Salman Farizy

PT. MIFANDI MANDIRI DIGITAL

Undang-Undang No. 28 Tahun 2014 Tentang Hak Cipta:

1. Setiap Orang yang dengan tanpa hak melakukan pelanggaran hak

ekonomi sebagaimana dimaksud dalam pasal 9 ayat (1) huruf i untuk
penggunaan secara komersial dipidana dengan pidana penjara paling
lama 1 (satu) tahun dan/atau pidana denda paling banyak Rp.
100.000.000,- (seratus juta rupiah).
2. Setiap Orang yang dengan tanpa hak dan/atau tanpa izin Pencipta
atau pemegang Hak Cipta melakukan pelanggaran hak ekonomi
pencipta sebagaimana dimaksud dalam Pasal 9 ayat (1) huruf c, huruf
d, huruf f, dan/atau huruf h untuk penggunaan secara komersial
dipidana dengan pidana penjara paling lama 3 (tiga) tahun dan/atau
pidana denda paling banyak Rp. 500.000.000,- (lima ratus juta
rupiah).
3. Setiap Orang yang dengan tanpa hak dan/atau tanpa izin pencipta
atau pemegang Hak Cipta melakukan pelanggaran hak ekonomi
pencipta sebagaimana dimaksud dalam Pasal 9 ayat (1) huruf a, huruf
b, huruf e, dan/atau huruf g untuk penggunaan secara komersial
dipidana dengan pidana penjara paling lama 4 (empat) tahun dan/
atau pidana denda paling banyak Rp. [Link],- (satu miliar
rupiah).
4. Setiap Orang yang memenuhi unsur sebagaimana dimaksud pada
ayat (3) yang dilakukan dalam bentuk pembajakan, dipidana dengan
pidana penjara paling lama 10 (sepuluh) tahun dan/atau pidana denda
paling banyak Rp. [Link],- (empat miliar rupiah).
Artificial Intelligence
Revolusi Kecerdasan Buatan
Dwi Handoko, Nizamiyati, Andi Saryoko, Frhendy Aghata,
Wulandari, Fahrullah, Farida Yunita, Imma Puspasari, Ibnu
Atho'illah, Paranita Asnur, Sabrina Aulia Rahmah, Indra Jaya,
Amril Mutoi Siregar, Ade Oktarino, Adhi Rizal, Salman Farizy

ISBN: 978-623-8558-46-9

Editor : Nurul Mukhlisah Abdal, [Link]., [Link]

Layout : Miftahul Jannah, [Link]
Desain sampul : Sarwandi, [Link].T

Penerbit
PT. Mifandi Mandiri Digital

Redaksi & Distributor Tunggal

PT. Mifandi Mandiri Digital
Komplek Senda Residence Jl. Payanibung Ujung D Dalu
Sepuluh-B Tanjung Morawa Kab. Deli Serdang Sumatera Utara

Cetakan Pertama, September 2024

Hak Cipta © 2024 by PT. Mifandi Mandiri Digital

Hak cipta Dilindungi Undang-Undang

Dilarang memperbanyak karya tulis ini dalam bentuk dan
dengan cara apapun tanpa ijin tertulis dari penerbit.
 Kata Pengantar

Selamat datang di dunia kecerdasan buatan (AI), sebuah

teknologi yang tidak hanya mengubah cara kita bekerja, tetapi
juga merevolusi cara kita hidup. Buku "Artificial Intelligence:
Revolusi Kecerdasan Buatan" ini hadir di tengah percepatan
perkembangan teknologi yang tak terbendung, di mana mesin
dan algoritma mulai mengambil peran penting dalam berbagai
aspek kehidupan.
Kecerdasan buatan bukan lagi sekadar konsep dalam film
fiksi ilmiah atau imajinasi para ilmuwan. Saat ini, AI telah
menjadi kenyataan yang memengaruhi industri, kesehatan,
pendidikan, transportasi, hingga interaksi sosial kita sehari-hari.
Mulai dari asisten virtual di ponsel pintar hingga mobil otonom,
kita menyaksikan AI membentuk dunia baru di sekitar kita,
dengan kecepatan yang luar biasa.
Tujuan utama dari buku ini adalah untuk memberikan
pemahaman mendalam tentang apa itu kecerdasan buatan,
bagaimana teknologi ini bekerja, dan dampaknya terhadap masa
depan umat manusia. Lebih dari sekadar pengetahuan teknis,
buku ini juga mengajak pembaca untuk merenungkan implikasi
etika, sosial, dan ekonomi dari revolusi AI yang sedang
berlangsung.
Dalam perjalanan membaca buku ini, Anda akan diajak
untuk menjelajahi sejarah perkembangan AI, memahami
mekanisme algoritma cerdas, serta melihat peluang dan
tantangan yang dihadirkan oleh teknologi ini. Kita akan

i
menyentuh bagaimana AI digunakan untuk meningkatkan
efisiensi dan inovasi, tetapi juga mempertimbangkan potensi
dampak negatif seperti hilangnya pekerjaan, bias algoritma,
hingga ancaman terhadap privasi.
Pada akhirnya, revolusi kecerdasan buatan ini tidak hanya
tentang bagaimana mesin bisa "berpikir" seperti manusia, tetapi
juga bagaimana kita, sebagai manusia, akan beradaptasi dengan
dunia yang semakin cerdas. Buku ini ditujukan bagi mereka yang
ingin memahami lebih dalam mengenai transformasi digital
yang sedang terjadi dan masa depan yang akan segera tiba.
Semoga buku ini tidak hanya menjadi sumber
pengetahuan, tetapi juga memicu refleksi mendalam dan diskusi
kritis mengenai peran kita di era kecerdasan buatan.

Medan, Agustus 2024

Penulis

ii
 Daftar Isi

Kata Pengantar ................................................................. i

Daftar Isi .......................................................................... iii

Bab 1 Pengantar Artificial Intelligence ............................. 1

Pendahuluan ..................................................................................... 1
Definisi Artificial Intelligence (AI) .................................................... 2
Sejarah Artificial Intelligence (AI) .................................................... 4
Perkembangan Terkini Artificial Intelligence (AI) ........................... 5
Dasar-dasar Kecerdasan Buatan ....................................................... 6
Robotika dan AI ................................................................................ 9

Bab 2 Sejarah dan Evolusi Ai ............................................ 13

Pendahuluan ..................................................................................... 13
Sejarah dan Evolusi AI ...................................................................... 14

Bab 3 Klasifikasi Sistem AI ............................................... 24

Pendahuluan ..................................................................................... 24
Klasifikasi Sistem Artificial Intelligence (AI) ................................... 26

Bab 4 Intelegent Agent ..................................................... 40

Pendahuluan ..................................................................................... 40
Struktur Agent pada AI ..................................................................... 41
Jenis Agent pada AI .......................................................................... 43
Agen Hierarki .................................................................................... 49

Bab 5 Algoritma Pencarian ............................................... 52

Pendahuluan ..................................................................................... 52
Algoritma Pencarian dalam Kecerdasan Buatan (AI) ....................... 53
Pengertian Algoritma Pencarian ....................................................... 53
Istilah Penting dalam Algoritma Pencarian ...................................... 54
Jenis-Jenis Algoritma Pencarian ...................................................... 54
Perbandingan Algoritma Pencarian .................................................. 56
Penerapan Algoritma Pencarian dalam AI ....................................... 56

iii
Bab 6 Representasi Pengetahuan ..................................... 58
Pendahuluan ..................................................................................... 58
Pengertian Representasi Pengetahuan ............................................. 59
Cara Representasi Pengetahuan ....................................................... 60
Pentingnya Representasi Pengetahuan ............................................ 62
Pemanfaatan Representasi Pengetahuan ......................................... 63
Model Representasi Pengetahuan .................................................... 64

Bab 7 Reasoning ............................................................... 73

Pendahuluan ..................................................................................... 73
Jenis Reasoning ................................................................................ 74
Teknik Dasar Reasoning ................................................................... 78
Penerapan Reasoning dalam Kecerdasan Buatan ............................ 82

Bab 8 Logika Fuzzy ........................................................... 84

Pendahuluan ..................................................................................... 84
Logika Fuzzy ...................................................................................... 85
Teori Dasar Logika Fuzzy .................................................................. 88
Aturan dan Inferensi Logika Fuzzy ................................................... 93
Tantangan Logika Fuzzy ................................................................... 97

Bab 9 Sistem Pakar ........................................................... 99

Pendahuluan ..................................................................................... 99
Definisi Sistem Pakar ........................................................................ 100
Sejarah dan Perkembangan Sistem Pakar ........................................ 101
Komponen Utama Sistem Pakar ....................................................... 102
Teknik Representasi Pengetahuan .................................................... 104
Teknik Penalaran dalam Sistem Pakar ............................................. 106
Aplikasi Sistem Pakar di Berbagai Industri ...................................... 108
Tantangan dan Isu Etika dalam Sistem Pakar .................................. 111

Bab 10 Machine Learning ................................................. 114

Pendahuluan ..................................................................................... 114
Kategori Machine Learning .............................................................. 115
Komponen Utama dalam Pembelajaran Mesin ................................ 119
Proses Pembelajaran Mesin .............................................................. 121

iv
Bab 11 Artificial Neural Network ...................................... 125
Pendahuluan ..................................................................................... 125
Dasar Teori Artificial Neural Network .............................................. 126
Jenis-Jenis Jaringan Saraf Tiruan .................................................... 129
Proses Pelatihan Jaringan Saraf Tiruan ........................................... 131
Masa Depan Jaringan Saraf Tiruan .................................................. 133

Bab 12 Algoritma Genetika ............................................... 135

Pendahuluan ..................................................................................... 135
Komponen Utama Algoritma Genetika ............................................ 135
Implementasi Algoritma Genetika .................................................... 137
Studi Kasus ........................................................................................ 138
Kelebihan dan Kekurangan Algoritma Genetika .............................. 138

Bab 13 Computer Vision ................................................... 140

Pendahuluan ..................................................................................... 140
Computer Vision ............................................................................... 141
Implementasi Computer Vision ........................................................ 142

Bab 14 Natural Languange Processing .............................. 156

Pendahuluan ..................................................................................... 156
Pra-Pemrosesan Teks ........................................................................ 157
Teknik Dasar NLP ............................................................................. 158
Word Embeddings ............................................................................ 159
Model NLP Modern .......................................................................... 162

Bab 15 Integrasi AI dalam Berbagai Industri dan Sektor .. 166

Pendahuluan ..................................................................................... 166
Penerapan AI ..................................................................................... 168

Bab 16 Proyeksi Artificial Intelligence di Masa Depan ...... 177

Pendahuluan ..................................................................................... 177
Perkembangan Artificial Intelligence ............................................... 178
Pentingnya Artificial Intelligence ..................................................... 184
Manusia dengan Artificial Intelligence ............................................. 186
Tantangan Artificial Intelligence ...................................................... 187

v
Daftar Pustaka ................................................................. 193
Tentang Penulis ................................................................ 210

vi
BAB 1 PENGANTAR ARTIFICIAL INTELLIGENCE

Pendahuluan
Artificial Intelligence (AI) telah menjadi salah satu area
teknologi yang berkembang paling cepat dan berpengaruh di
abad ke-21 (Tjandrawinata, 2016). Mulai dari kendaraan
otonom hingga asisten virtual seperti Siri dan Alexa, AI telah
menyusup ke berbagai aspek kehidupan kita, mengubah cara
kita bekerja, berkomunikasi, dan membayangkan masa depan
(Nasrullah, 2019).
AI tidak hanya menciptakan peluang baru, tetapi juga
membawa tantangan besar. Memahami dasar dan potensi AI
sangat penting bagi siapa saja yang ingin berpartisipasi dalam
revolusi teknologi ini (Suhadha et al., 2023). Buku ini bertujuan
untuk memberikan pengenalan yang menyeluruh dan mudah
dipahami tentang kecerdasan buatan, dengan penekanan pada
prinsip-prinsip dasar, teknik-teknik utama, dan aplikasi praktis.
Sepanjang buku ini, kita akan mengeksplorasi berbagai
aspek kecerdasan buatan, mulai dari sejarah dan
perkembangannya hingga teknologi mutakhir yang mendukung
kemajuannya. Kita akan mempelajari pembelajaran mesin
(Machine Learning), pembelajaran mendalam (Deep
Learning), pemrosesan bahasa alami (Natural Language
Processing), dan visi komputer (Computer Vision), serta
aplikasi robotika yang semakin kompleks. Selain itu juga
membahas isu-isu etika dan tantangan dalam pengembangan
dan penerapan AI.

1
 BAB 2 SEJARAH DAN EVOLUSI AI

Pendahuluan
Sejarah kecerdasan buatan (AI) bermula pada abad ke-
20, yang bermula dari seorang matematikawan Inggris yang
bernama Alan Turing yang pada tahun 1950 mengemukakan ide
tentang "Tes Turing" yang mengukur kemampuan mesin untuk
meniru perilaku manusia.
Perkembangan signifikan dalam AI terjadi pada tahun
1956, ketika konferensi Dartmouth diselenggarakan di Amerika
Serikat. Di sinilah istilah "kecerdasan buatan" pertama kali
digunakan, dan para ilmuwan seperti John McCarthy, Marvin
Minsky, Allen Newell, dan Herbert Simon memulai penelitian
intensif dalam bidang ini. Mereka menggunakan pendekatan
simbolik, yang menganggap kecerdasan sebagai manipulasi
simbol-simbol yang direpresentasikan oleh komputer.
Selama beberapa dekade berikutnya, fokus utama AI
adalah pada pengembangan sistem yang mampu menyelesaikan
masalah dengan menggunakan aturan dan pengetahuan yang
telah diprogramkan secara eksplisit. Saat ini, AI meresap ke
berbagai aspek kehidupan, dari layanan daring hingga
otomatisasi proses industri. Perusahaan dan peneliti terus
mengembangkan AI untuk meningkatkan efisiensi dan kinerja
di berbagai bidang (Fadzlul Rahman, 2023).

13
 BAB 3 KLASIFIKASI SISTEM AI

Pendahuluan
Artificial Intelligence (AI) atau kecerdasan buatan
merupakan cabang ilmu komputer yang berfokus pada
pengembangan algoritma dan teknologi yang memungkinkan
mesin untuk melakukan tugas-tugas yang biasanya
memerlukan kecerdasan manusia. Dari diagnostik medis hingga
kendaraan otonom, AI telah mengubah berbagai industri
dengan memberikan solusi yang lebih efisien dan akurat.
Menurut Russell dan Norvig (2016), AI mencakup berbagai
bidang seperti pembelajaran mesin, pemrosesan bahasa alami,
dan robotika, yang semuanya berkontribusi pada peningkatan
kemampuan mesin dalam memahami dan merespons dunia di
sekitarnya.
Sejarah perkembangan AI dapat ditelusuri kembali ke
pertengahan abad ke-20 ketika komputer pertama kali
diperkenalkan. Pionir dalam bidang ini, seperti Alan Turing,
mengajukan pertanyaan fundamental tentang kemampuan
mesin untuk berpikir dan belajar. Turing (1950) dalam
makalahnya yang berjudul "Computing Machinery and
Intelligence" mengajukan tes yang dikenal sebagai Turing Test
untuk menentukan apakah sebuah mesin dapat menunjukkan
kecerdasan setara dengan manusia. Sejak saat itu, AI telah
mengalami perkembangan pesat, dengan munculnya berbagai
pendekatan dan teknik baru.
AI diklasifikasikan ke dalam berbagai kategori
berdasarkan kriteria tertentu, seperti kemampuan, fungsi,

24
 BAB 4 INTELEGENT AGENT

Pendahuluan
Program atau sistem komputer yang disebut agen dalam
kecerdasan buatan dapat memahami lingkungannya, membuat
keputusan, dan mengambil tindakan untuk mencapai tujuan
atau serangkaian tujuan tertentu. Agen beroperasi secara
mandiri, artinya mereka tidak dikendalikan langsung oleh
operator manusia.
Menurut sifatnya, agen dapat dikategorikan ke dalam
berbagai kategori, seperti reaktif atau proaktif, memiliki
lingkungan yang tetap atau dinamis, dan menjadi sistem agen
tunggal atau multi-agen.
Agen reaktif menanggapi rangsangan langsung
lingkungan dan mengambil tindakan sesuai dengannya.
Sebaliknya, agen proaktif mengambil inisiatif dan membuat
rencana untuk mencapai tujuan mereka. Selain itu, lingkungan
di mana agen bekerja dapat tetap atau dinamis. Lingkungan
tetap memiliki aturan statis yang tidak berubah, sedangkan
lingkungan dinamis terus berubah dan memerlukan agen untuk
beradaptasi dengan kondisi baru.
Dalam sistem multi-agen, banyak agen bekerja sama
untuk mencapai tujuan bersama. Untuk mencapai tujuan ini,
agen-agen ini mungkin perlu berkomunikasi satu sama lain dan
mengoordinasikan tindakan mereka. Agen digunakan untuk
banyak hal, seperti robotika, permainan, dan sistem cerdas.
Mereka dapat digunakan dalam berbagai bahasa dan teknik
pemrograman, seperti pemrosesan bahasa alami dan

40
 BAB 5 ALGORITMA PENCARIAN

Pendahuluan
Algoritma pencarian adalah salah satu komponen
fundamental dalam kecerdasan buatan (Artificial
Intelligence/AI) yang digunakan untuk menyelesaikan berbagai
masalah yang melibatkan pengambilan keputusan. Algoritma
ini membantu sistem AI dalam mencari solusi terbaik dari
sekumpulan kemungkinan solusi yang ada. Dalam proses
pencarian, algoritma bertujuan untuk menemukan solusi
optimal melalui eksplorasi ruang pencarian yang besar dan
seringkali kompleks. Ruang pencarian ini bisa berupa
sekumpulan kemungkinan solusi, data, atau tindakan yang
harus diambil oleh agen AI (Trivusi, 2022). Kemampuan
algoritma pencarian untuk menavigasi dan memilih solusi yang
tepat sangat penting dalam berbagai aplikasi seperti permainan
catur, navigasi robot, hingga sistem pakar.
Perkembangan algoritma pencarian dalam AI telah
memungkinkan para peneliti dan pengembang untuk
menciptakan sistem yang lebih efisien dan cerdas. Berbagai
algoritma pencarian dikembangkan dengan pendekatan yang
berbeda, baik itu pencarian buta (uninformed search) yang
mengeksplorasi semua kemungkinan solusi tanpa panduan,
maupun pencarian heuristik (informed search) yang
menggunakan informasi tambahan untuk mempercepat proses
pencarian. Algoritma seperti Breadth-First Search (BFS) dan
Depth-First Search (DFS) digunakan untuk menyelesaikan
masalah pencarian dasar, sementara algoritma seperti A* dan

52
 BAB 6 REPRESENTASI PENGETAHUAN

Pendahuluan
Representasi Pengetahuan adalah konsep dasar dalam
bidang Ilmu Komputer. Ini melibatkan representasi
pengetahuan dan fakta dalam bentuk simbolis sehingga
komputer dapat memprosesnya secara efisien.
Untuk menggunakan mesin untuk tugas-tugas
pemecahan masalah seperti pengambilan keputusan atau
pemrosesan bahasa alami, kita harus menyediakan cara untuk
merepresentasikan informasi kepada mesin tersebut. Dengan
menggunakan bahasa formal dan struktur logis seperti ontologi,
aturan, bingkai (frame), program logika, dan lain-lain, kita
dapat membuat model yang menangkap pemahaman kita
tentang dunia. Dengan alat canggih ini, algoritme pembelajaran
mesin dapat digunakan untuk menarik kesimpulan dari data
terstruktur ini - sehingga menjadi dasar aplikasi Kecerdasan
Buatan/Artificial Inteligence (AI).
Representasi Pengetahuan mempunyai implikasi yang
luas; tidak hanya memungkinkan kita mengambil keputusan
yang lebih baik dengan lebih cepat, namun juga membantu
mengurangi kesalahan manusia yang mungkin timbul karena
kurangnya keahlian atau kelelahan mental. Oleh karena itu,
teknologi ini memiliki potensi besar sebagai alat penting di
banyak bidang termasuk diagnosis medis, robotika, kendaraan
otonom, layanan keuangan, dan banyak lagi.

58
 BAB 8 LOGIKA FUZZY

Pendahuluan
Logika Fuzzy diperkenalkan oleh Lofti A. Zadeh pada
tahun 1965. Konsep dasar yang diperkenalkan dalam Logika
Fuzzy ini bertujuan untuk mengatasi masalah ketidakpastian
dalam Logika Klasik yang hanya merepresentasikan nilai
kebenaran dari suatu pernyataan dalam nilai benar (1) atau
salah (0) (Zadeh, 1965). Beberapa studi menunjukkan bahwa
Logika Fuzzy telah digunakan secara luas dalam bidang
akademik maupun bidang industri. Hal ini karena kemampuan
yang dimiliki oleh Logika Fuzzy dalam mengatasi
ketidakpastian.
Penggunaan Logika Fuzzy dalam pengenalan pola,
pemberian prediksi, dan kontrol dalam dunia industri terbukti
meningkatkan performa sistem cerdas dalam berbagai aplikasi.
Salah satu penerapan Logika Fuzzy dalam sistem manufaktur
terbukti meningkatkan efisiensi operasional dan mengurangi
biaya produksi (Tashtoush, Alazzam, & Rodan, 2020).
Penggabungan metode Logika Preposisi dan himpunan fuzzy
yang dilakukan oleh (Hegazi, Almaslukh, & Siddig, 2023)
menunjukkan peningkatan akurasi prediksi dibandingkan
dengan model regresi linear tradisional. Model yang dibangun
menggunakan atribut yang berhubungan dengan faktor yang
mempengaruhi kinerja akademik mahasiswa.
Meskipun Logika Fuzzy memiliki beberapa kelebihan
dibandingkan dengan Logika Klasik namun pengembangan
Logika Fuzzy masih menghadapi permasalahan seperti

84
 BAB 9 SISTEM PAKAR

Pendahuluan
Sistem pakar adalah cabang dari kecerdasan buatan yang
dirancang untuk meniru kemampuan pengambilan keputusan
seorang ahli dalam bidang tertentu. Sistem ini menggunakan
pengetahuan dan aturan yang telah dikumpulkan dari pakar
manusia untuk memberikan solusi atau rekomendasi dalam
situasi yang komplek. Dengan memanfaatkan basis
pengetahuan yang luas dan mesin inferensi yang canggih,
sistem pakar dapat membantu pengguna dalam mendiagnosis
masalah, memberikan saran, dan merencanakan strategi,
sehingga memungkinkan keputusan yang lebih cepat dan
akurat (Jackson, 1998).
Sistem pakar memiliki relevansi yang luas di berbagai
industri karena kemampuannya untuk menyediakan akses ke
pengetahuan dan pengalaman pakar secara lebih luas. Dalam
industri kesehatan, sistem pakar digunakan untuk
mendiagnosis penyakit, merencanakan perawatan, dan
memprediksi hasil klinis, yang membantu dokter dalam
membuat keputusan medis yang lebih baik. Di sektor keuangan,
sistem pakar membantu dalam analisis kredit, manajemen
investasi, dan deteksi penipuan, memberikan dukungan yang
berharga untuk pengambilan keputusan yang kompleks dan
kritis. Selain itu, dalam bidang pertanian, sistem pakar
digunakan untuk mendiagnosis penyakit tanaman,
merencanakan irigasi, dan mengelola hama, yang membantu
petani meningkatkan hasil panen dan efisiensi operasional

99
 BAB 10 MACHINE LEARNING

Pendahuluan
Pembelajaran mesin (Machine Learning) adalah
subbidang dari kecerdasan buatan (Artificial Intelligence) yang
berfokus pada pengembangan algoritma dan teknik yang
memungkinkan komputer untuk belajar dari dan membuat
prediksi atau keputusan berdasarkan data. Dalam pembelajaran
mesin, alih-alih diprogram secara eksplisit untuk melakukan
tugas tertentu, sistem di-training menggunakan data sehingga
mereka dapat mengenali pola dan membuat keputusan
berdasarkan data baru yang mereka terima. Pembelajaran
mesin adalah proses di mana komputer menggunakan data
untuk meningkatkan kinerjanya dalam tugas tertentu. Proses
ini melibatkan penggunaan algoritma yang dapat mengenali
pola dalam data dan kemudian membuat prediksi atau
keputusan berdasarkan pola tersebut (Alzubaidi et al., 2021).
Pembelajaran mesin telah menjadi komponen penting
dalam berbagai aplikasi teknologi modern. Beberapa bidang
utama yang diuntungkan dari pembelajaran mesin meliputi
pengenalan gambar (Asnur et al., 2023), pemrosesan bahasa
alami (Mahmoudi et al., 2022), analisis prediktif, dan
penyaringan email spam (Gangavarapu et al., 2020). Dalam
pengenalan gambar, pembelajaran mesin membantu komputer
mengenali objek dalam gambar, seperti dalam aplikasi deteksi
wajah atau kendaraan otonom. Pemrosesan bahasa alami
memungkinkan komputer untuk memahami dan menghasilkan
teks atau ucapan manusia, seperti dalam chatbot dan asisten

114
 BAB 11 ARTIFICIAL NEURAL NETWORK

Pendahuluan
Jaringan Saraf Tiruan (JST) atau Artificial Neural
Network adalah salah satu teknologi yang berkembang pesat
dalam bidang kecerdasan buatan (AI). Terinspirasi oleh cara
kerja otak manusia, JST dirancang untuk meniru kemampuan
belajar dan adaptasi melalui pemrosesan data yang kompleks.
Dalam beberapa dekade terakhir, JST telah menunjukkan
kemajuan signifikan dan menjadi dasar bagi berbagai aplikasi
canggih seperti pengenalan gambar, pemrosesan bahasa alami,
dan sistem rekomendasi. Peningkatan dalam kinerja komputasi
dan ketersediaan data besar (big data) telah mendorong
penerapan JST secara luas di berbagai sektor, termasuk
kesehatan, keuangan, transportasi, dan manufaktur.
Jaringan Saraf Tiruan adalah model komputasi yang
terdiri dari lapisan neuron buatan, yang dihubungkan satu
sama lain melalui bobot yang dapat disesuaikan selama proses
pelatihan. Setiap neuron menerima input, memprosesnya
melalui fungsi aktivasi, dan menghasilkan output yang
kemudian menjadi input bagi neuron di lapisan berikutnya. JST
dapat diklasifikasikan berdasarkan arsitektur dan algoritma
pembelajaran yang digunakan, seperti Perceptron, Jaringan
Multilayer Perceptron (MLP), Jaringan Konvolusi (CNN), dan
Jaringan Recurrent (RNN).
Sejarah JST dimulai pada pertengahan abad ke-20
dengan penemuan model Perceptron oleh Frank Rosenblatt
pada tahun 1958. Model ini mampu melakukan tugas-tugas

125
 BAB 12 ALGORITMA GENETIKA

Pendahuluan
Dalam beberapa dekade ini dunia penelitian sedang
banyak penelitian dalam bentuk pemodelan salah satunya
pemodelan dalam bentuk ARIMA (Jaya, 2013). Selain
pemodelan ARIMA pemodelan juga dapat dilakukan dengan
metode Algoritma Genetika (AG). AG pertama kali
dikembangkan oleh John Holand yaitu pada tahun 1975.
Dimana pada saat itu penelitian AG adalah untuk melihat
proses evolusi secara biologis yang dimodelkan sehingga dapat
menemukan dan memecahkan masalah secara komputasi
(Syahputra & Yahfizham, 2024).
Algoritma genetika adalah sebuah metode yang
mengikuti proses evolusi alam menerapkan mekanisme seleksi
alam, mutasi dan cross over untuk mendapatkan pemecahan
masalah yang komplek dan menghindari pemecahan masalah
yang tidak optimal.
Dengan adanya AG maka suatu kondisi dapat
dimodelkan dengan bantuan komputer dan dapat
mengoptimasi solusi yang tepat dari permasalahan yang diteliti
(Firmansyah et al., 2012).

Komponen Utama Algoritma Genetika

Pada AG terdapat beberapa komponen utama yaitu:
1. Populasi
Populasi pada AG terdiri dari beberapa kromosom.

135
 BAB 13 COMPUTER VISION

Pendahuluan
Computer Vision adalah cabang dari kecerdasan buatan
(Artificial Intelligence/AI) yang berfokus pada bagaimana
komputer dapat memperoleh, memproses, dan menganalisis
informasi visual dari dunia sekitar dengan cara yang mirip
dengan penglihatan manusia. Melalui kombinasi algoritma,
Machine Learning, dan Deep Learning, komputer dapat
mengekstrak, memahami, dan menggunakan informasi yang
diambil dari gambar atau video untuk berbagai aplikasi.
Teknologi ini memberikan komputer kemampuan untuk
mengenali objek, wajah, gerakan, serta memahami konten
visual dengan tingkat presisi yang tinggi. Dengan demikian,
Computer Vision tidak hanya memberikan komputer
"penglihatan," tetapi juga kemampuan untuk memahami dunia
visual yang lebih dalam.
Dalam prakteknya, Computer Vision telah berkembang
pesat dan diaplikasikan di berbagai industri. Salah satu contoh
yang paling umum adalah dalam bidang pengenalan wajah, di
mana sistem keamanan berbasis AI menggunakan Computer
Vision untuk mengidentifikasi individu dengan akurasi tinggi.
Selain itu, Computer Vision juga digunakan dalam mobil
otonom untuk mendeteksi rintangan, jalan, dan tanda lalu
lintas, membantu kendaraan untuk mengemudi secara mandiri.
Aplikasi lainnya termasuk analisis citra medis, di mana
algoritma Computer Vision digunakan untuk mendeteksi
penyakit dari pemindaian gambar medis seperti X-ray dan MRI.

140
 BAB 14 NATURAL LANGUANGE PROCESSING

Pendahuluan
Natural Language Processing (NLP) adalah cabang
kecerdasan buatan yang fokus pada interaksi antara komputer
dan manusia menggunakan bahasa alami. NLP memungkinkan
komputer untuk memahami, menganalisis, dan menghasilkan
teks atau ucapan seperti yang digunakan oleh manusia.
Mengapa penting dalam Data Science? NLP penting
karena sebagian besar data dunia berbentuk teks, seperti
dokumen, ulasan, dan media sosial. Dengan NLP, data scientist
dapat mengekstrak wawasan berharga dari data teks ini,
melakukan analisis sentimen, meningkatkan interaksi
pengguna melalui chatbots, dan mengotomatisasi pemrosesan
dokumen kompleks. NLP juga membantu meningkatkan
aksesibilitas melalui terjemahan otomatis dan teknologi
pengenalan suara.
Sejarah Perkembangan Natural Language Processing
(NLP) antara lain:
1. Era Rule-Based (1950-an - 1980-an): NLP dimulai
dengan sistem berbasis aturan yang didefinisikan secara
manual oleh ahli bahasa. Sistem ini menggunakan aturan
tata bahasa dan sintaksis untuk memproses bahasa,
tetapi kurang fleksibel dan sulit diskalakan.
2. Pendekatan Statistik dan Machine Learning (1990-an -
2010-an): Dengan meningkatnya ketersediaan data,
metode statistik dan pembelajaran mesin mulai
digunakan, seperti Hidden Markov Models (HMMs) dan

156
 BAB 15 INTEGRASI AI DALAM BERBAGAI
INDUSTRI DAN SEKTOR

Pendahuluan
Artificial Intelligence (AI) atau kecerdasan buatan
merupakan bidang ilmu komputer yang bertujuan untuk
merancang sistem dengan kemampuan untuk melakukan
aktivitas yang membutuhkan kecerdasan manusia, termasuk
persepsi, penalaran, pembelajaran, dan pengambilan keputusan
(Espina-Romero, et al., 2023). Bidang ini mengalami kemajuan
yang pesat dalam beberapa tahun terakhir dan menjadi
teknologi utama di banyak sektor industri yang mengubah pola
hidup manusia, termasuk dalam bekerja dan berinteraksi
dengan lingkungan sekitar. Oleh karena itu teknologi ini
memiliki potensi yang besar dalam mempengaruhi semua
sektor di masyarakat karena pertumbuhannya yang sangat
pesat, misalnya pada bidang layanan kesehatan, keuangan,
transportasi, sarana hiburan, dan berbagai sektor lainnya
(Çankaya & Pekey, 2020).
Kecerdasan buatan saat ini menarik minat dan
perhatian yang besar dari pihak industri, peneliti, pemerintah,
serta investor yang menghabiskan banyak dana untuk
pengembangan dan penerapan teknologi Machine Learning.
Kemudahan aksesibilitas terhadap teknologi AI mengakibatkan
sektor industri dan pemerintah yang tertinggal harus mengejar
dan lebih mengeksplorasi potensinya agar dapat dimanfaatkan
dalam aktivitas yang dilakukan (Giang, Nguyen, Tay, Phuong, &

166
 BAB 16 PROYEKSI ARTIFICIAL INTELLIGENCE
DI MASA DEPAN

Pendahuluan
Pada era atau masa saat ini, pengembangan teknologi AI
(Artificial Intelligence) makin sarat dan gencar dilakukan, AI
adalah salah satu diantara bidang dalam rumpun ilmu
komputer yang bisa membuat komputer dapat bertindak
layaknya seperti manusia, dengan kemampuannya yaitu
menirukan kerja dari otak manusia.
Artificial Intelligence (AI), atau kecerdasan buatan,
merupakan proyek pengetahuan yang mengambil pengetahuan
sebagai objek, lalu memperoleh pengetahuan, kemudian
menganalisa, serta mempelajari metode ekspresi pengetahuan,
dan juga menggunakan suatu pendekatan atau metode tersebut
untuk meraih efek simulasi aktivitas kecerdasan manusia
(Zhang & Lu, 2021).
AI tentunya akan melibatkan penggunaan komputer
untuk mensimulasikan kecerdasan manusia, yang mencakup
diantanya adalah tugas seperti pembelajaran, penilaian, dan
pengambilan keputusan. AI adalah bidang multidisiplin, yang
mengintegrasikan banyak ilmu, seperti komputer, logika,
biologi, psikologi, dan tidak ketinggalan adalah filsafat, dan
telah mencapai kesuksesan yang sangat luar biasa di berbagai
bidang seperti misalnya adalah pengenalan suara, pemerosesan
gambar, pemerosesan bahasa alami, pembuktian teorema, dan
robotika cerdas.

177
 Daftar Pustaka

Adamy, M. E., Ghofur, M. A., A, I., & Y.T, P. (2020). Optimasi

Desain Dan Analisis Kekuatan Struktur Sayap Komposit,
Alumunium dan Titanium Dengan Variasi Material,
Thickness Dan Kondisi Batas Menggunakan MSC Patran
Nastran (Studi Kasus Pesawat UAV CH-4). Conference
SENATIK STT Adisutjipto Yogyakarta, 6.
[Link]
Adha, L. A. (2020). Digitalisasi Industri Dan Pengaruhnya
Terhadap Ketenagakerjaan Dan Hubungan Kerja Di
Indonesia. Journal Kompilasi Hukum, 5(2), 267–298.
[Link]
Al-Faris, M., Chiverton, J., Ndzi, D., & Ahmed, A. I. (2020). A
Review on Computer Vision-Based Methods for Human
Action Recognition. Journal of Imaging, 6(6), 46.
[Link]
Al-Ibrahim, A. M. H. (2020). Solving travelling salesman
problem (TSP) by hybrid genetic algorithm (HGA).
International Journal of Advanced Computer Science and
Applications, 11(6).
[Link]
Alzubaidi, L., Zhang, J., Humaidi, A. J., Al-Dujaili, A., Duan, Y.,
Al-Shamma, O., Santamaría, J., Fadhel, M. A., Al-Amidie,
M., & Farhan, L. (2021). Review of Deep Learning:
concepts, CNN architectures, challenges, applications,
future directions. Journal of Big Data, 8(1).
[Link]
Amin IH Al. Artificial Intelligence dalam Proses Industri
Manufaktur. J Teknol Inf Din. 2009;XIV(2):98-104.
Amrizal, Victor, Qurro tul Aini, Kecerdasan Buatan, Penerbit
Halaman Moeka Publishing, Jakarta, 2013
Aplikasinya C. DEEP.
Asnur, P., Kosasih, R., Madenda, S., & Rahayu, D. A. (2023).
Identification of mangrove Tree species using Deep

193
 Learning method. International Journal of Advances in
Applied Sciences, 12(2), 163.
[Link]
Astuti SI, Arso SP, Wigati PA. Artificial Intelligence Untuk
Pemula. Anal Standar Pelayanan Minimal Pada Instal
Rawat Jalan di RSUD Kota Semarang. 2015;3:103-111.
Atzori, L., Iera, A., & Morabito, G. (2019). The Internet of
Things: A survey. Computer Networks, 54(15), 2787-2805.
Bahdanau, D., Cho, K., & Bengio, Y. (2015). Neural machine
translation by jointly learning to align and translate.
Proceedings of the International Conference on Learning
Representations (ICLR).
[Link]
Biamonte, J., Wittek, P., Pancotti, N., Rebentrost, P., Wiebe, N.,
& Lloyd, S. (2017). Quantum Machine Learning. Nature,
549(7671), 195-202.
Bojarski, M., Testa, D. D., Dworakowski, D., Firner, B., Flepp,
B., Goyal, P., ... & Zhang, X. (2016). End to end learning for
self-driving cars. arXiv preprint arXiv:1604.07316.
Bojarski, M., Testa, D. D., Dworakowski, D., Firner, B., Flepp,
B., Goyal, P., ... & Zhang, X. (2016). End to end learning for
self-driving cars. arXiv preprint arXiv:1604.07316.
Bojarski, M., Testa, D. D., Dworakowski, D., Firner, B., Flepp,
B., Goyal, P., ... & Zhang, X. (2016). End to end learning for
self-driving cars. arXiv preprint arXiv:1604.07316.
Bostrom, N. (2014). Superintelligence: Paths, Dangers,
Strategies. Oxford University Press.
Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D.,
Dhariwal, P., ... & Amodei, D. (2020). Language models are
few-shot learners. Advances in Neural Information
Processing Systems, 33, 1877-1901.
[Link]
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J.,
Dhariwal, P., ... & Amodei, D. (2020). Language models are
few-shot learners. arXiv preprint arXiv:2005.14165.
Buani, D. C. P. (2016). Optimasi Algoritma Naïve Bayes dengan

194
 Menggunakan Algoritma Genetika untuk Prediksi
Kesuburan (Fertility) Duwi. Jurnal Penelitian Pendidikan
Guru Sekolah Dasar, 6(August).
Buchanan, B. G., & Shortliffe, E. H. (1984). Rule-Based Expert
Systems: The MYCIN Experiments of the Stanford Heuristic
Programming Project. Addison Wesley.
Budiharto, W and Suhartono D., Artificial Intelligence: Konsep
dan Penerapannya, Jakarta: Andi Publisher,2014
Bunyamin, J. B. (2018). AGI (Artificial General Intelligence):
Géron, A., 2019. “Hands-On Machine Learning with Scikit-
Learn, Keras, and TensorFlow”.
Campbell, M., Hoane, A. J., & Hsu, F. (2002). Deep Blue.
Artificial Intelligence, 134(1-2), 57-83.
Çankaya, S., & Pekey, B. (2020). Assessing environmental
hotspots of tire curing press: A life cycle perspective. Sigma
Journal of Engineering and Natural Sciences, 1825 - 1836.
Cao, J., Zhou, T., Zhi, S., Lam, S., Ren, G., & Zhang, Y. (2024).
Fuzzy inference system with interpretable fuzzy rules:
Advancing explainable Artificial Intelligence for disease
diagnosis—A comprehensive review. Information Sciences,
1-17.
Chai, J., Zeng, H., Li, A., & Ngai, E. W. T. (2021). Deep
Learning in Computer Vision: A critical review of emerging
techniques and application scenarios. Machine Learning
with Applications, 6, 100134.
[Link]
Charizanos, G., Demirhan, H., & Icen, D. (2024). An online
fuzzy fraud detection framework for credit card
transactions. Expert Systems with Application, 1-15.
Cho, K., Merrienboer, B. van, Gulcehre, C., Bahdanau, D.,
Bougares, F., Schwenk, H., & Bengio, Y. (2021). Learning
Phrase Representations using RNN Encoder-Decoder for
Statistical Machine Translation. arXiv preprint
arXiv:1406.1078.
Cho, K., van Merriënboer, B., Bahdanau, D., & Bengio, Y.
(2014). On the properties of neural machine translation:

195
 Encoder-decoder approaches. arXiv preprint
arXiv:1409.1259.
[Link]
Cholissodin I, Soebroto AA. AI, MACHINE LEARNING & DEEP
LEARNING (Teori & Implementasi). 2021;(January).
Cholissodin, I. (2020). Buku Ajar AI, Machine Learning & Deep
Learning. Machine Learning.
Chollet, F. (2018). Deep Learning with Python. Manning
Publications.
Collobert, R., Weston, J., Bottou, L., Karlen, M., Kavukcuoglu,
K., & Kuksa, P. (2011). Natural Language Processing
(almost) from scratch. Journal of Machine Learning
Research, 12, 2493-2537.
Davenport, T. H., & Ronanki, R. (2018). Artificial Intelligence
for the real world. Harvard Business Review, 96(1), 108-116.
Davvaz, B., Mukhlash, I., & Soleha. (2021). Himpunan Fuzzy
dan Rough Sets. Limits: Journal of Mathematics and Its
Applications, 79-94.
Dehghani, M., Montazeri, Z., Givi, H., Guerrero, J. M., &
Dhiman, G. (2020). Darts game optimizer: A new
optimization technique based on darts game. International
Journal of Intelligent Engineering and Systems, 13(5).
[Link]
Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019).
BERT: Pre-training of deep bidirectional transformers for
language understanding. Proceedings of the 2019
Conference of the North American Chapter of the
Association for Computational Linguistics: Human
Language Technologies, Volume 1 (Long and Short Papers),
4171-4186. [Link]
Durkin, J. (1994). Expert Systems: Design and Development.
Macmillan.
Eriana ES, Zein DA. Artificial Intelligence. Angew Chemie Int
Ed 6(11), 951–952. Published online 2019.
Espina-Romero, L., Noroño Sánchez, J. G., Gutiérrez Hurtado,
H., Dworaczek Conde, H., Solier Castro, Y., Cervera Cajo, L.

196
 E., & Rio Corredoira, J. (2023). Which Industrial Sectors
Are Affected by Artificial Intelligence? A Bibliometric
Analysis of Trends and Perspectives. Sustainability, 1-18.
Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau,
H. M., & Thrun, S. (2017). Dermatologist-level classification
of skin cancer with deep neural networks. Nature,
542(7639), 115-118.
Esteva, A., Robicquet, A., Ramsundar, B., Kuleshov, V.,
DePristo, M., Chou, K., ... & Dean, J. (2019). A guide to
Deep Learning in healthcare. Nature Medicine, 25(1), 24-
29.
Fadzlul Rahman F, Saputra H. Artificial Intelligence. Published
online 2023.
Fauzi, R., Lubis, I. S., Zainy, A., & Informasi, T. (2023). Filsafat
Teknologi Informasi Dan Pattern Recognition Secara
Etimologis. JURNAL MathEdu (Mathematic …, 6(2), 187–
192.
[Link]
nload/5447/3025
Fauziyati, W. R. (2023). Dampak Penggunaan Artificial Dalam.
Jurnal Review Pendidikan Dan Pengajaran, 6, 2180–2187.
[Link]
rticle/view/21623
Feigenbaum, E. A., & McCorduck, P. (1983). The Fifth
Generation: Artificial Intelligence and Japan's Computer
Challenge to the World. Addison Wesley.
Firmansyah, E. R., Nurul, S. S. A., Agustin, N. H., & Amrizal, V.
(2012). Algoritma genetika. Universitas Islam Negeri Syarif
Hidayatullah Jakarta, 1110091000043.
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P.,
Dignum, V., ... & Vayena, E. (2018). AI4People—An ethical
framework for a good AI society: Opportunities, risks,
principles, and recommendations. Minds and Machines,
28(4), 689-707.
Foschini, G. J., & Gans, M. J. (1998). On Limits of Wireless
Communications in a Fading Environment when Using

197
 Multiple Antennas. Wireless Personal Communications,
6(3). [Link]
Gal, Y., & Ghahramani, Z. (2016). Dropout as a Bayesian
approximation: Representing model uncertainty in Deep
Learning. In international conference on Machine
Learning (pp. 1050-1059).
Gangavarapu, T., Jaidhar, C. D., & Chanduka, B. (2020).
Applicability of Machine Learning in Spam and Phishing
Email Filtering: Review and Approaches. In Artificial
Intelligence Review. [Link]
09814-9
Giang, N., Nguyen, T.-T., Tay, C., Phuong, L., & Dang, T.-T.
(2022). Towards Predictive Vietnamese Human Resource
Migration by Machine Learning: A Case Study in Northeast
Asian Countries. Axioms.
Goldberg, Y. (2016). A primer on neural network models for
Natural Language Processing. Journal of Artificial
Intelligence Research, 57, 345-420.
[Link]
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep
Learning. MIT Press.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep
Learning. MIT Press.
Goodfellow, I., Bengio, Y., & Courville, A. (2019). Deep
Learning. MIT Press.
Groover, M. P. (2007). Automation, Production Systems, and
Computer-integrated Manufacturing. Pearson Education.
Hani Subakti, [Link]., Artificial Intelligence, penerbit: Media
Sains Indonesia, Banten,2022
Hegazi, M. O., Almaslukh, B., & Siddig, K. (2023). A Fuzzy
Model for Reasoning and Predicting Student's Academic
Performance. Applied Science, 1-24.
Hidayat, M. F. (2016). Analisa Aerodinamika Airfoil Naca 0021
Dengan Ansys Fluent. JURNAL KAJIAN TEKNIK MESIN,
1(1). [Link]
Hochreiter, S., & Schmidhuber, J. (1997). Long short-term

198
 memory. Neural Computation, 9(8), 1735-1780.
[Link]
Hongli, G., Dengwan, L., & Mingheng, X. (2010). Intelligent
Monitoring System for Screw Life Evaluation. Journal of
Southwest Jiaotong University, 685-691.
Hoy, M. B. (2018). Alexa, Siri, Cortana, and more: An
introduction to voice assistants. Medical Reference Services
Quarterly, 37(1), 81-88.
Ileberi, E., Sun, Y., & Wang, Z. (2022). A Machine Learning
based credit card fraud detection using the GA algorithm for
feature selection. Journal of Big Data, 9(1).
[Link]
Irfan, D., Rosnelly, R., Wahyuni, M., Samudra, J. T., & Rangga,
A. (2022). Perbandingan Optimasi Sgd, Adadelta, Dan
Adam Dalam Klasifikasi Hydrangea Menggunakan CNN.
JOURNAL OF SCIENCE AND SOCIAL RESEARCH, 5(2).
[Link]
Ito, K., & Biljecki, F. (2021). Assessing bikeability with sTreet
view imagery and Computer Vision. Transportation
Research Part C: Emerging Technologies, 132, 103371.
[Link]
J. Neuer Marcus, et al., Impact and Opportunities of Artificial
Intelligence Techniques in the Steel Industry: Challenges
and Frontiers in 87 Implementing Artificial Intelligence in
Process Industry, Springer Internasional Publishing, 2021
Jackson, P. (1998). Introduction to Expert Systems. Addison
Wesley.
Jahan, M. (2023, October 05). Dasar-Dasar Logika Fuzzy.
Retrieved from Educative:
[Link]
Jain, A. K., Murty, M. N., & Flynn, P. J. (1999). Data Clustering:
a review. ACM Computing Surveys (CSUR), 31(3), 264-323.
Jamaaluddin, Indah SuListyowati, Buku Ajar Kecerdasan
Buatan (Artificial-Intelligence), Sidoarjo: Umsida
Press,2021
Javatpoint. (2022). Search algorithms in AI. Retrieved from

199
 [Link]
Javatpoint. (2024, july 20).
[Link]
intelligence. Retrieved from [Link]
Jaya, I. (2013). Pemodelan ARIMA untuk Kanal Frekuensi
Tinggi (High Frequency) Link Banda Aceh-Surabaya.
PROSIDING CSGTEIS 2013.
[Link]
Jha, S., & Topol, E. J. (2016). Adapting to Artificial Intelligence:
Radiologists and pathologists as information speciaLists.
JAMA, 316(22), 2353-2354.
Jolliffe, I. T. (2011). Principal Component Analysis. Springer.
Jurafsky, D., & Martin, J. H. (2019). Speech and Language
Processing. Pearson.
Kesuma, Z. M., Sofyan, H., & Lestari, W. (2016). Fuzzy Logic
Application for Tuberculosis Prognosis Level. 12th
International Conference on Mathematics, Statistics, and
Their Application (pp. 39-42). Banda Aceh: IEEE Xplore.
Khairu Nissa, N., & Surarso, B. (2020). Analisis Pengaruh
Operator Genetik pada Algoritma Genetika dan
Penerapannya pada Traveling Salesman Problem (TSP). In
Prosiding Seminar Nasional Matematika (Vol. 3).
Kingma, D. P., & Ba, J. (2019). Adam: A Method for Stochastic
Optimization. arXiv preprint arXiv:1412.6980.
Kober, J., Bagnell, J. A., & Peters, J. (2013). Reinforcement
Learning in robotics: A survey. The International Journal of
Robotics Research, 32(11), 1238-1274.
Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet
classification with deep convolutional neural networks. In
Advances in Neural Information Processing Systems (pp.
1097-1105).
Kumar, M. A., & Ravi, V. (2016). A survey of the applications of
text mining in financial domain. Knowledge-Based Systems,
114, 128-147.
Kurzweil, R. (2005). The Singularity Is Near: When Humans
Transcend Biology. Penguin Books.

200
Kusumadewi, S., Hartati, S., Harjoko, A., & Wardoyo, R. (2006).
Fuzzy Multi-Attribute Decision Making (Fuzzy MADM).
Yogyakarta: Graha Ilmu.
Larwuy, L. (2024). Optimasi Parameter Artificial Neural
Network (ANN) Menggunakan Particle Swarm
Optimization (PSO) Untuk Pengkategorian Nasabah Bank.
Jurnal Matematika Komputasi Dan Statistika, 3(3).
[Link]
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep Learning.
Nature, 521(7553), 436-444.
LeCun, Y., Bengio, Y., & Hinton, G. (2021). Deep Learning.
Nature, 521(7553), 436-444.
Lestari, D., & Utama, W. (2021). Implementasi Jaringan
Konvolusi untuk Pengenalan Pola pada Gambar Digital.
Jurnal Teknologi Informasi dan Multimedia, 10(1), 33-41.
Li, H., Cao, J.-N., & Love, P. E. D. (1999). Using Machine
Learning and GA to Solve Time-Cost Trade-Off Problems.
Journal of Construction Engineering and Management,
125(5). [Link]
9364(1999)125:5(347)
Liebowitz, J. (1998). The Handbook of Applied Expert Systems.
CRC Press.
Lipton, Z. C. (2018). The mythos of model interpretability.
Communications of the ACM, 61(10), 36-43.
Liu, B. (2012). Sentiment analysis and opinion mining. Morgan
& Claypool Publishers.
Lok, J. Y., Tsai, W. H., & Cheng, I. C. (2023). A hybrid Machine
Learning-genetic algorithm (ML-GA) model to predict
optimal process parameters of nanoporous Cu for CO2
reduction. Materials Today Energy, 36.
[Link]
Lubis SH, Naldi A, Reskina R, Lubis AF, Nurhayati N. Inovasi
Penggunaan AI (Artificial Intelligenc) Dalam Pembelajaran
Pendidikan Agama Islam di MAN 4 Persiapan Kota Medan.
J Bilqolam Pendidik Islam. 2023;4(2):105-129.
doi:10.51672/jbpi.v4i2.213

201
Luger, G. F. (2005). Artificial Intelligence: Structures and
Strategies for Complex Problem Solving. Addison Wesley.
M. Bielicki Damian, Regulating Artificial Intelligence in
Industry, Taylor & Francis,2021
Mahmoudi, O., Bouami, M. F., & Badri, M. (2022). Arabic
Language Modeling Based on Supervised Machine
Learning. In Revue D Intelligence Artificielle.
[Link]
Mamdani, E. H., & Assilian, S. (1975). An Experiment in
Linguistic Synthesis with a Fuzzy Logic Controller.
International Journal of Man-Machine Studies, 1-13.
Martin, J. G., Muros, F. J., Maestre, J. M., & Camacho, E. F.
(2023). Multi-robot task allocation Clustering based on
game theory. Robotics and Autonomous Systems, 161.
[Link]
McKinsey Global Institute. (2018). Aritifial Intelligence - The
next digial frontier? McKinsey Global Institute.
Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient
estimation of word representations in vector space. arXiv
preprint arXiv:1301.3781.
[Link]
Mikolov, T., Sutskever, I., Chen, K., Corrado, G. S., & Dean, J.
(2013). Distributed representations of words and phrases
and their compositionality. Advances in Neural Information
Processing Systems, 26, 3111-3119.
[Link]
Miller, R. A., & Geissbuhler, A. (1999). Diagnostic Decision
Support Systems. Springer Handbook of Medical
Informatics. Springer.
Nasrullah, D. (2019). Teori Etika. In Keperawatan Keluarga.
Ngai, E. W., Hu, Y., Wong, Y. H., Chen, Y., & Sun, X. (2011). The
application of data mining techniques in financial fraud
detection: A classification framework and an academic
review of literature. Decision Support Systems, 50(3), 559-
569.
Papageorgiou, M., Diakaki, C., Dinopoulou, V., Kotsialos, A., &

202
 Wang, Y. (2003). Review of road traffic control strategies.
Proceedings of the IEEE, 91(12), 2043-2067.
Pennington, J., Socher, R., & Manning, C. D. (2014). GloVe:
Global vectors for word representation. Proceedings of the
2014 Conference on Empirical Methods in Natural
Language Processing (EMNLP), 1532-1543.
[Link]
Perdana, R. W. (2022). Expert System Troubleshooting Shortest
Route Finding Using Traveling Salesman Problem (TSP).
International Journal of Information System & Technology
Akreditasi, 6(158).
Peshkin, M., & Colgate, J. E. (1999). Cobots, Industrial Robots.
Leeds: MCB University Press.
Peters, M. E., Neumann, M., Iyyer, M., Gardner, M., Clark, C.,
Lee, K., & Zettlemoyer, L. (2018). Deep contextualized word
representations. Proceedings of the 2018 Conference of the
North American Chapter of the Association for
Computational Linguistics: Human Language Technologies,
Volume 1 (Long Papers), 2227-2237.
[Link]
Plant, R. T., & Stone, B. (2002). Expert Systems: Principles and
Programming. Course Technology.
Popper, J., Hermann, J., Cui, K., Bergweiler, S., Weyer, S.,
Ruskowski, M., . . . Shang. (2018). Artificial Intelligence
across industries. IEC (International Electrotechnical
Commision).
Power, D. J., Sharda, R., & Burstein, F. (2015). Decision
Support Systems. John Wiley & Sons.
Prasetyo, A., & Widodo, A. (2019). Penerapan Jaringan Saraf
Tiruan dalam Deteksi Dini Penyakit Jantung. Jurnal Ilmiah
Teknik Elektro Komputer dan Informatika (JITEKI), 5(3),
12-20.
Purwitasari, D., Pusposari, G. I., & Sulaiman, R. (2011).
Pembelajaran Bertingkat pada Arsitektur jaringan Syaraf
Fungsi Radial Basis. Semantik, 2011(Semantik).
Putri, E. D., & Harahap, M. S. (2020). Klasifikasi Teks Berita

203
 Menggunakan Metode Jaringan Saraf Tiruan. Jurnal
Pengembangan Teknologi Informasi dan Ilmu Komputer
(J-PTIIK), 4(2), 45-52.
Radford, A., Narasimhan, K., Salimans, T., & Sutskever, I.
(2018). Improving language understanding by generative
pre-training. OpenAI Technical Report.
Radford, A., Wu, J., Child, R., Luan, D., Amodei, D., &
Sutskever, I. (2019). Language models are Unsupervised
multitask learners. OpenAI Blog, 1(8), 9.
[Link]
Raharjo, Budi, Penerapan Artificial Intelligence (AI) dalam
Bisnis, Semarang: Yayasan Prima Agus Teknik,2021
Rahayu W. Pemanfaatan AI (Artificial Intelligence). Published
online 2023:105. [Link]
[Link]/[Link]/PIP/article/view
/19
Rinaldi, M., & Sari, R. K. (2019). Implementasi Jaringan Saraf
Tiruan untuk Prediksi Harga Saham Menggunakan
Algoritma Backpropagation. Jurnal Teknologi Informasi
dan Komunikasi, 6(1), 23-31.
Rizaldi, A., Wijaya, Y. G., Atmasari, N., Ardi, P., Suseno, P.,
Pranoto, S., & Septiyana, A. (2020). Optimisasi Desain
Sayap Pesawat Terbang Tanpa Awak Untuk Maksimisasi
Performa Dengan Metode Orthogonal Steepest Descent.
Proceeding SNEEMO, September.
Rosenfeld, A. (1988). Computer Vision (pp. 265–308).
[Link]
Russell, S., & Norvig, P. (2016). Artificial Intelligence: A
Modern Approach (3rd ed.). Pearson Education.
Russell, S., & Norvig, P. (2016). Artificial Intelligence: A
Modern Approach. Pearson.
Saputro, I. P., Kumenap, V. D., Salindeho, M., Sanger, J. B., &
Adrian, A. M. (2023). Karangetang Mount Early Warning
System using Inference Fuzzy Logic. The 5th International
Conference of Biospheric Harmony Advanced Research
(ICOBAR 2023) (pp. 1-6). Jakarta: E3S Web Conference.

204
Scassellati, B. (2002). Theory of mind for a humanoid robot.
Autonomous Robots, 12(1), 13-24.
Schmidhuber, J. (2020). Deep Learning in Neural networks:
An Overview. Neural networks, 61, 85-117.
Schnupp, P., Huu, C. T. N., & Bernhard, L. W. (2012). Expert
systems lab course. Springer Science & Business Media.
Seegmiller, C., Chamberlain, B., Miller, J., Masoum, M. A., &
Shekaramiz, M. (2022). Wind Turbin Fault Classification
Using Support Machines with Fuzzy Logic. 2022
Intermountain Engineering, Technology and Computing
(IETC) (pp. 1-6). Orem, Utah: IEEE Explore.
Sharma, D. K., Mishra, J., Singh, A., Govil, R., Singh, K. K., &
Singh, A. (2023). Optimized Resource Allocation in IoT
Using Fuzzy Logic and Bio-Inspired Algorithm. Wireless
Personal Communication, 1-13.
Shi, W., Cao, J., Zhang, Q., Li, Y., & Xu, L. (2016). Edge
computing: Vision and challenges. IEEE Internet of Things
Journal, 3(5), 637-646.
Shum, H. Y., He, X. D., & Li, D. (2018). From Eliza to XiaoIce:
challenges and opportunities with social chatbots. Frontiers
of Information Technology & Electronic Engineering, 19(1),
10-26.
Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., van
den Driessche, G., ... & Hassabis, D. (2016). Mastering the
game of Go with deep neural networks and Tree search.
Nature, 529(7587), 484-489.
Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., van
den Driessche, G., ... & Hassabis, D. (2016). Mastering the
game of Go with deep neural networks and Tree search.
Nature, 529(7587), 484-489.
Simonyan, K., & Zisserman, A. (2020). Very Deep
Convolutional Networks for Large-Scale Image Recognition.
arXiv preprint arXiv:1409.1556.
Siti Masrichah. Ancaman Dan Peluang Artificial Intelligence
(AI). KhatuListiwa J Pendidik dan Sos Hum. 2023;3(3):83-
101. doi:10.55606/khatuListiwa.v3i3.1860

205
Smith, A. (2017). AI, big data and the future of marketing &
sales. Journal of Marketing, 81(6), 12-16.
Spyros Makridakis, The forthcoming Artificial Intelligence (AI)
revolution: Its impact on society andfirms’, Futures
Publishing, 2017
Stuart Russell, P. N. (2022). Artificial Intelligence A Modern
Approach. US.
Su, Y. (2020). Multi-agent evolutionary game in the recycling
utilization of construction waste. Science of the Total
Environment, 738.
[Link]
Suhadha, M. K., Firnando, H. G. F., Sobarie, N., Septiani, R.,
Daroini, H., Supsiloani, Setiawan, V., Zawawi, A. A.,
Mahmudi, Irmawati, Amal, B. K., Rienovita, E.,
Fadliansyah, F., Fauzan, A. C., & Bustomi, A. (2023).
Teknologi Pendidikan Berbasis Artificial Inteligence (AI). In
Balai Literasi … (Issue October).
[Link]
5/publication/374386758_Teknologi_Pendidikan_Berbasi
s_Atificial_Inteligence_AI/links/651baa451e2386049df3b9
99/Teknologi-Pendidikan-Berbasis-Atificial-Inteligence-
[Link]
Sutskever, I., Vinyals, O., & Le, Q. V. (2014). Sequence to
sequence learning with neural networks. Advances in
Neural Information Processing Systems, 27, 3104-3112.
[Link]
Suyanto, 2017. “Data Mining Untuk Klasifikasi Dan Klasterisasi
Data”, Bandung Informatika.
Syahputra, R. F., & Yahfizham. (2024). Menganalisis Konsep
Dasar Algoritma Genetika. Bhinneka: Jurnal Bintang
Pendidikan Dan Bahasa, 2(1).
Syamsu, M., Terisia, V., & Yusuf, D. (2022). Penerapan Model
Infrastruktur Artificial Intelligence Sebagai Penggerak
Industri 4.0. Jurnal Teknologi Informasi (JUTECH), 3(1),
1–14. [Link]
T. Sutojo, E. M. (2011). Kecerdasan Buatan. Yogyakarta: Andi

206
 Offsite.
Takayanagi, H. (2019). Expectation for AI (Artificial
Intelligence) on Elderly Medical Care. Japanese Journal of
Geriatrics, 254-259.
Tang, O., & Musa, S. N. (2011). Identifying risk issues and
research advancements in supply chain risk management.
International Journal of Production Economics, 133(1), 25-
34.
Tashtoush, T., Alazzam, A., & Rodan, A. (2020). Utilizing fuzzy
logic controller in manufacturingfacilities design: Machine
and operator allocation. Cogent Engineering, 1-16.
Tasidjawa, A. F., Saputro, I. P., & Suwanto, T. C. (2018).
Penerapan Fuzzy Logic Tsukamoto Untuk Penentuan Suhu
Ideal Pada Kandang Ayam Broiler. Realtech, 42-48.
Techopedia. (2022). Search algorithm: Definition & examples.
Retrieved from
[Link]
algorithm
Thrun, S. (2004). Toward a framework for human-robot
interaction. Communications of the ACM, 47(1), 28-34.
Tjandrawinata, R. R. (2016). Raymond R. Tjandrawinata - 2017
- Industri 4.0 Revolusi Industri 4.0 Revolusi Industri Abad
Ini Dan Pengaruhnya Pada Bidang Kesehatan Dan
Bioteknologi. Medicinus, 29(1), 31–39.
[Link]
Topol, E. J. (2019). High-performance medicine: the
convergence of human and Artificial Intelligence. Nature
Medicine, 25(1), 44-56.
Trivusi. (2022, November 22). Algoritma pencarian:
Pengertian, karakteristik, dan jenis-jenisnya. Retrieved
from [Link]
[Link]
Trivusi. (2022, October 09). Perbedaan Fuzzy Inference
System: Mamdani, Sugeno, dan Tsukamoto. Retrieved from
Trivusi: [Link]
[Link]

207
Tu, Y., & Li, X. (2004). Industrial Engineering and
Management: Future Research and Development in
Maintenance Engineering and Management. Industrial
Engineering and Management, 7-12.
Turban, E., & Aronson, J. E. (2001). Decision Support Systems
and Intelligent Systems. Prentice Hall.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L.,
Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention
is all you need. Advances in Neural Information Processing
Systems, 30, 5998-6008.
[Link]
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L.,
Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you
need. In Advances in neural information processing systems
(pp. 5998-6008).
Waterman, D. A. (1986). A Guide to Expert Systems. Addison
Wesley.
Widodo Budiharto, S. M. (2015). Artificial Intelligence Konsep
dan Penerapan. Yogyakarta: Andi Offset.
Wijaya, H., & Nugroho, A. (2020). Penggunaan Jaringan Saraf
Tiruan untuk Prediksi Cuaca dengan Dataset BMKG. Jurnal
Teknologi dan Sistem Komputer, 8(4), 102-110.
Yang, X., Liu, A., Yu, C., & Wang, L. (2019). Ionospheric Clutter
Model for HF Sky-Wave Path Propagation with an FMCW
Source. International Journal of Antennas and Propagation,
2019. [Link]
Yossy, E. H., Pranata, J., Wijaya, T., Hermawan, H., &
Budiharto, W. (2017). Mango Fruit Sortation System using
Neural Network and Computer Vision. Procedia Computer
Science, 116, 596–603.
[Link]
Zadeh, L. A. (1965). Fuzzy Sets. Information and Control, 338-
353.
Zahan, I., & Nasrin, R. (2021). An Introduction to Fuzzy
Topological Spaces. Advances in Pure Mathematics, 483-
501.

208
Zhang, G., & Wang, Y. (2019). Machine Learning and Computer
Vision-Enabled Traffic Sensing Data Analysis and Quality
Enhancement. In Data-Driven Solutions to Transportation
Problems (pp. 51–79). Elsevier.
[Link]
Zhang, P., White, J., Schmidt, D. C., & Lenz, G. (2020).
Applying software patterns to address interoperability in
blockchain-based healthcare apps. Blockchain in Healthcare
Today, 3.
Zhavoronkov, A., Ivanenkov, Y. A., Aliper, A., Veselov, M.,
Aladinskiy, V., Aladinskaya, A., ... & Aspuru-Guzik, A.
(2019). Deep Learning enables rapid identification of
potent DDR1 kinase inhibitors. Nature Biotechnology,
37(9), 1038-1040.
Zhou, Y., Zhang, W., Li, Y., & Chen, J. (2019). Urban traffic flow
prediction: a spatio-temporal Deep Learning approach.
International Journal of Geographical Information Science,
33(9), 1863-1881.
Zukhri, Z. (2014). Algoritma Genetika (Metode Komputasi
Evolusioner untuk Menyelesaikan Masalah Optimasi). In
Algoritma Genetika - Yogyakarta.

209
 Tentang Penulis

Dwi Handoko adalah lulusan S2 Teknik

Informatika dari Institut Informatika dan Bisnis
Darmajaya Lampung. Dalam perjalanan
akademis dan profesionalnya, penulis selalu
didorong oleh rasa ingin tahu yang tak pernah
padam dan hasrat untuk berbagi pengetahuan.
Sebagai seorang ayah dari dua anak yang luar
biasa, penulis menemukan inspirasi dan kekuatan dalam
keluarga kecilnya. Dukungan tanpa henti dari istri dan anak-
anaknya menjadi sumber semangat yang tiada henti,
menyemangati setiap langkahnya dalam berkarya dan mengejar
mimpi. Melalui buku ini, penulis berharap dapat memberikan
sesuatu yang berharga bagi para pembaca, sebagaimana
keluarganya telah memberikan nilai berharga dalam hidupnya.
Anda bisa menghubungi penulis melalui Instagram di
@dwihandokojs untuk berbagi pemikiran, pertanyaan, atau
sekadar menyapa. Buku ini adalah manifestasi dari
komitmennya untuk menambah wawasan pribadi serta berbagi
ilmu dengan siapa saja yang membutuhkan, dan menjadi salah
satu karya yang inshaa Allah secara konsisten akan disusul
dengan buku-buku berikutnya. Pokok bahasan buku yang
ditulis semata-mata untuk berbagi ilmu pengetahuan. Terima
kasih yang tulus ditujukan kepada istri tercinta dan anak-
anaknya yang selalu memberikan dukungan, cinta, dan
inspirasi. Mereka adalah alasan di balik setiap kata yang ditulis
dan setiap halaman yang diisi. Tanpa mereka, perjalanan ini
tidak akan seindah dan sebermakna ini.

210
 Nizamiyati tinggal dilampung khususnya di
Kabupaten Pesawaran. Saat ini menjadi salah
satu Dosen di Institut Teknologi dan Bisnis
Diniyyah Lampung lahir di Kota Metro,
Lampung (INSTIDLA) pada Program Studi
Rekayasa Perangkat Lunak Lahir di Lampung
pada tanggal 20 April 1987 dari pasangan suami
istri Alm. Hi. Masjhuru dan Almh. Hj. Sumirah. Penulis adalah
lulusan Sarjana Komputer (S1) dari Universitas Teknokrat
Indonesia Tahun 2010, setelah itu melanjutkan program
Magister Teknik Informatika (S2) di IIB Darmajaya dan lulus
pada tahun 2015. Selain memiliki ketertarikan dalam mengajar,
penulis juga hobi menulis, buku ini adalah salah satu karya dan
Insya Allah secara konsisten akan disusul dengan buku-buku
berikutnya. Pokok bahasan buku yang ditulis semata-mata
untuk berbagi ilmu pengetahuan.

Ir. Andi Saryoko, [Link]., [Link]., IPM.,

ASEAN Eng. Penulis lahir di Klaten pada tahun
1981, merupakan Dosen Fakultas Teknologi
Informasi, Universitas Nusa Mandiri (UNM).
Selain mengajar Penulis juga mengemban
amanah sebagai Ketua Lembaga Penelitian dan
Pengabdian Masyarakat Universitas Nusa
Mandiri (LPPM UNM) dengan masa jabatan 2021-2025.
Penulis pernah memperoleh Hibah Penelitian Kompetitif
Nasional dari Kemenristekdikti sebanyak 2 kali, yaitu Tahun
2017 dan Tahun 2019, dan Lolos Hibah PkM Kemenristekdikti
Tahun 2024. Buku yang telah diterbitkan oleh penulis adalah
"Teknologi Pembelajaran di Era Society 5.0." pada tahun 2024.
Beberapa hasil penelitiannya di publikasi pada jurnal-jurnal

211
nasional terakreditasi dan diseminarkan di Konferensi
Internasional hingga publish pada IEEE Explore.

Frhendy Aghata, asli Surabaya yang

menetap sekarang di kota mojokerto bersama
istri, pendidikan terakhir S1 (sarjana
komputer) STMIK ASIA Malang/ITB ASIA
Malang (sekarang) sebelum menjadi dosen
sempat bekerja di beberapa perusahaan antara
lain PT sarana kreasi lestari , PT solusi bisnis
perkakas di daerah kawasan industri Surabaya dan pasuruan ,
setelah itu melanjutkan S2 (system informasi) di ISTTS
Surabaya sambil mengajar di kampus uac mojokerto sampai
saat ini serta membuka CV ideutama bersama kawan bergerak
di bidang pengembangan teknologi informasi bisa kunjungi
website [Link]

Wulandari, kelahiran Teluk Betung, 26 Maret

di Bandar Lampung, menempuh Program
Sarajana pada Universitas Lampung lalu
melanjutkan Program Pascasarjana pada
Universitas Bandar Lampung. Sebelum buku ini
diterbitkan penulis juga pernah menulis buku
dengan judul Technoprenurship pada tahun
2020 dan saat ini aktif sebagai dosen pada Institut Bakti
Nusantara (IBN) Pringsewu.

212
 Fahrullah, buku ini adalah salah satu karya dan
inshaa allah secara konsisten akan disusul dengan
buku-buku berikutnya. Pokok bahasan buku yang
ditulis semata-mata untuk berbagi ilmu
pengetahuan.

Farida Yunita, S.T., M.T., berasal dari

Magelang Jawa Tengah, bekerja sebagai dosen di
salah satu perguruan tinggi di Jawa Tengah.
Interst dengan Kecerdasan Buatan dan Data
Science. Berasala dari Universitas Islam
Indonesia dan Universitas Atmajawa Yogyakarta.

Immanuela Puspasari Saputro, perempuan

kelahiran Kudus, 25 Mei 1978. Penulis
menyelesaikan pendidikan S-1 di Universitas
Sanata Dharma Yogyakarta Program Studi Ilmu
Komputer kemudian melanjutkan pendidikan S-
2 di Universitas Atma Jaya Yogyakarta Program
Magister Jurusan Teknik Informatika. Sejak
tahun 2004 sampai sekarang penulis menggeluti dunia
pendidikan. Penulis pernah mengajar di salah satu universitas
swasta besar di Manado, Sulawesi Utara. Saat ini penulis aktif
mengajar di salah satu universitas besar di Jakarta Barat.
Beberapa artikel ilmiah telah dipublikasikan oleh penulis baik
di Jurnal Nasional maupun Jurnal Internasional bereputasi.
Penulis tertarik pada bidang riset khususnya Jaringan Saraf
Tiruan, Fuzzy Logic, Artificial Intelligence, Image Processing,

213
dan Computer Vision. Buku ini adalah salah satu karya dan
semoga kedepannya secara konsisten akan disusul dengan
buku-buku berikutnya. Pokok bahasan buku yang ditulis
semata-mata untuk berbagi ilmu pengetahuan.

Ibnu Atho’illah, S.T., M.T. Lahir di

Pasuruan, 20 Agustus 1975. Penulis memulai
Pendidikan di SD Nahdlatul Ulama Pasuruan
Jawa Timur tahun 1982. Alumni SMPN 2
Pasuruan tahun 1991, dan SMAN 1 Pasuruan
tahun 1994. Setelah tamat SMA, penulis
melanjutkan Pendidikan S1 di Institut Teknologi
Nasional (ITN) Malang Jurusan Teknik Kimia lulus tahun 1999.
Pada tahun yang sama melanjutkan studi S2 di Universitas
Gadjah Mada (UGM) di jurusan yang sama. Setelah lulus pada
tahun 2002 sempat bekerja di PT. Kutrindo Indonesia (2002 –
2006). Selepas tahun 2006 penulis banyak berkecimpung di
dunia Pendidikan, Pengajaran dan Pelatihan. Pada tahun 2009
– sekarang, penulis merupakan dosen pengajar di STMIK
Bandung Bali, juga di tahun 2011 – sekarang sebagai Instruktur
IT di LPK Emerald Informatika Bali. Buku ini adalah salah satu
karya dan Insya Allah secara konsisten akan disusul dengan
buku-buku berikutnya. Pokok bahasan buku yang ditulis
semata-mata untuk berbagi ilmu pengetahuan.

Dr. Paranita Asnur, [Link]., [Link],

dilahirkan di Tanjung Jabung pada 25 April
1988. Beliau menyelesaikan pendidikan SD di
Tanung Jabung, SMP-SMA di Kota Jambi dan
menyelesaikan pendidikan sarjana di
Kehutanan Universitas Sumatera Utara pada

214
tahun 2009, magister bidang Silvikultur Tropika di IPB
University pada tahun 2013 dan Doktor bidang Teknik
Informasi di Universitas Gunadarma pada tahun 2024. Saat ini
penulis menjadi staff pengjaar di Universitas Gunadarma. Buku
ini adalah salah satu karya dan secara konsisten akan disusul
dengan buku-buku berikutnya. Pokok bahasan buku yang
ditulis semata-mata untuk berbagi ilmu pengetahuan.

Sabrina Aulia Rahmah, S.T., [Link],

Lahir di Medan, 19 September 1993, anak ke 3
dari 3 bersaudara. Biasa dipanggil dengan
sebutan Rina. Lulusan S1 dari Sekolah Tinggi
Teknik Harapan tahun 2011 dengan Jurusan
Teknik Informatika dan Lulusan S2 dari
Univeristas Putra “YPTK” Padang tahun 2017
dengan Konsentrasi Teknologi Informasi. Menjadi dosen Tetap
di Universitas Dharmawangsa pada tahun 2019 sebagai dosen
Prodi Teknologi Informasi Fakultas Teknik dan Ilmu Komputer.
Saat ini sedang melanjutkan studi Doctoral (S3) di Universitas
Syiah Kuala Banda Aceh Angkatan 2023 dengan Konsentrasi
Teknik Elektro dan Komputer.

Indra Jaya, Lahir di Desa Dayah Caleue pada

tahun 1981, menempuh pendidkan Dasar,
Menengah dan Atas di Kota Banda Aceh.
Ketertarikan penulis terhadap ilmu teknik
dimulai pada tahun 2000. Sehingga penulis
menempuh pendidikan Tinggi di Fakultas
Teknik Jurusan Teknik Elektro Universitas
Syiah Kuala, Banda Aceh. Setelah mendapatkan gelar Sarjana
Teknik penulis berkarir di Perusahaan Indosat Group.

215
Kemudian Tahun 2010 Penulis merantau ke Kota Surabaya dan
bekerja di Perusahaan Raja Wali Group sebagai Account
Manager. Tahun 2011 penulis memutuskan untuk melanjutkan
pendidikan ke Magister Teknik di Fakultas Teknologi Industri
Jurusan Teknik Elektro, Institut Teknologi Sepuluh Nopember,
Surabaya dan tahun 2013 penulis memperoleh gelar Magister
Teknik, serta pada tahun yang sama penulis berkarir menjadi
Dosen di Universitas Muhammadiyah Surabaya. Tahun 2016
penulis memutuskan untuk kembali ke kampung halaman. Dan
mengabdikan diri menjadi Dosen di Program Studi Diploma III
Teknologi Elektromedis STIKes Muhammadiyah Aceh, Banda
Aceh. Penulis telah menerbitkan buku yang berjudul Pengatar
Sistem Komunikasi Wireless Optic dan beberapa book chapter
dengan judul Belajar Komputer, Internet dan multimedia,
Fisika Optik Umum dan Mata, serta Ilmu Teknologi dan
komunikasi.

Dr. Amril Mutoi Siregar, M. Kom. lahir di

Ujung Padang, Sumatera Utara. Sekolah SD
sampai SMP diselesaikan di kota kelahirannya.
Kemudian pada tahun 1994 melanjutkan
Pendidikan di SMA PGRI 4 Jakarta Jurusan IPA.
Tahun 2004 Melanjutkan Pendidikan Program S1
di STMIK MIC Cikarang pada jurusan Teknik
Informatika. Tahun 2014 melanjutkan Pendidikan Program S2
di President University Cikarang Jurusan Teknik Informatika.
Tahun 2020 melanjutkan Pendidikan Program S3 di IPB
University jurusan Ilmu Komputer. Penulis konsentrasi
mengajar dan penelitian di bidang: Machine Learning, Deep
Learning, data mining, Data Science dan Algoritma.

216
 Ade Oktarino, [Link]., M.S.I merupakan
alumni S1 Teknik Informatika Universitas
Surakarta Tahun 2010, Alumni S2 Magister
Sistem Informasi Pada Sekolah Tinggi Ilmu
Komputer Dinamika Bangsa Jambi Tahun
2013 dan saat ini sedang menempuh Program
Doctoral Information Technology di
Universitas Putra Indonesia YPTK Padang pada Tahun 2022,
sebelumnya pernah sebagai dosen tetap di Politeknik Jambi
hingga Tahun 2014 dan sekarang aktif mengajar di Universitas
Adiwangsa Jambi pada Program Studi Teknologi Informasi
Fakultas Teknik dan Ilmu Komputer. Sebelumnya Dosen Tugas
Tambahan sebagai Wakil Rektor II Universitas Adiwangsa
periode 2017 – 2023 dan saat ini Dosen Tugas Tambahan
sebagai Dekan Fakultas Keguruan Ilmu Pendidikan Universitas
Adiwangsa Jambi. Aktif dalam organisasi Relawan TIK Provinsi
Jambi segabai salah satu pengurus dan juga aktif sebagai
konsultas IT di instansi Polda Jambi, Dinas Lingkungan Hidup
Kota Jambi dan Kantor Imigrasi Provinsi Jambi. Kosentrasi
penelitian dengan topik artificial intelegency, Machine
Learning, Deep Learning dengan bidang Computer Vision dan
Natural Language Processing.

Adhi Rizal, lahir di Cirebon, Jawa Barat.

Sekolah SD sampai SMA diselesaikan di kota
kelahirannya. Kemudian Tahun 2008
melanjutkan pendidikan Sarjana di Program
Studi Pendidikan Ilmu Komputer – Universitas
Pendidikan Indonesia. Setelahnya, di Tahun
2013 melanjutkan studi di Program Studi
Magister Informatika – Institut Teknologi Bandung. Penulis

217
memiliki peminatan di bidang jaringan dan teknologi
pendidikan, namun juga menyukai penerapan berbagai bidang
ilmu komputer lainnya di dunia nyata, termasuk Artificial
Intelligence.

Salman Farizy. [Link], [Link], MCSE,

MVP, menyelesaikan pendidikan dasar dan
menengah di SDN 01 Cipinang Besar, SMPN
25 Cipinang Muara Jakarta Timur dan SMAN
91 Pondok Kelapa Jakarta Timur, sedangkan
untuk perguruan tinggi Strata satu (S1) di
Universitas Gunadarma dan Pasca Sarjana di
Universitas Pamulang, penulis sempat bekerja dibeberapa
perusahaan asing (PMA) dan juga lokal seperti Mattel
Indonesia (PMA) sebagai MIS Staff AS/400, Frigorex Indonesia
(PMA) sebagai IS Dept. Head, PT. Asaba Computer Center
(Microsoft Gold Partner) sebagai IS Div. Head, Kaltimex Energy
(PMA) sebagai IT Manager dan terakhir sebagai IT Consultant
paralel juga dengan menjadi Dosen tetap Universitas Pamulang
sampai dengan saat ini. Mudah-mudahan dengan adanya buku
ini akan menambah pengetahuan dan juga dapat bermanfaat.

218