Judul : PENGANTAR KECERDASAN ARTIFISIAL – BIDANG AGROTEKNOLOGI (JILID 1)
Karya : Detty Purnamasari, Astie Darmayantie, Milda Safrila Oktiana, Ulfa Hidayati, Fanka Arie Reza, Mario Mora Siregar, Felix Windriyareksa Hardyan, Deeon Yaksa Anugrah, Wicaksono Hanif Supriyanto, Lintang Yuniar Banowosari
Ukuran tinggi buku : 25 cm (Format : B5 (18 x 25 cm)) –
Jumlah halaman : xvi + 111 halaman
Edisi : Pertama
Cetakan : Pertama
Isi buku : Non Penelitian
ISBN : (sedang dalam pengajuan)
Sinopsis/Subject :
Bidang kehidupan masyarakat saat ini telah banyak memanfaatkan kemajuan teknologi dan juga kecerdasan artifisial atau Artificial Intelligence (AI). Sistem AI dapat menganalisis data dalam jumlah besar, memecahkan masalah kompleks, membuat keputusan, dan melakukan tugas-tugas kreatif. berbagai hal yang terkait dengan kecerdasan artifisial, yaitu:
- Machine Learning (ML)/ pembelajaran mesin, dan Deep Learning (DL)/ pembelajaran mendalam
- Artificial Narrow Intelligence (ANI), Artificial General Intelligence (AGI), Artificial Super Intelligence (ASI)
- Expert System (dikenal juga sebagai sistem pakar AI), Predictive System (AI prediktif), Generative System (AI Generatif atau disingkat menjadi “Gen AI”)
Penerapan kecerdasan artifisial juga terkait dengan berbagai bidang, yaitu: Machine Learning, Computer Vision, Natural Language Processing (NLP), Creative and Generative AI, AI Search Development, AI in Cybersecurity, AI in Agriculture. Model berbasis kecerdasan artifisial tidak bisa terlepas dari data, dapat dikatakan “Data is the new oil”, dan seperti diketahui data terdiri dari data terstruktur, data tidak terstruktur, dan data semi terstruktur.
Pekerjaan terkait kecerdasan artifisial, data science, data mining juga harus dilakukan dengan menggunakan metode yang adanya, salah satu metode yang dapat digunakan adalah The CRoss Industry Standard Process for Data Mining (CRISP-DM). CRISP-DM menjadi standar de facto untuk proyek data mining, data science dan hingga kini menjadi yang paling banyak digunakan. Metode CRISP-DM berfokus pada 6 (enam) tahap yang terdiri dari: business understanding, data understanding, data preparation, modeling, evaluation, deployment.
Saat membangun model berbasis kecerdasan artifisial, melakukan visualisasi data juga merupakan bagian pekerjaan yang dilakukan. Visualisasi merupakan cara untuk menyajikan informasi dan data dalam bentuk grafis. Elemen-elemen visual seperti diagram, grafik, dan peta, membantu memudahkan pemahaman mengenai tren, keanehan, serta pola yang ada dalam data. Berbagai jenis diagram yang digunakan untuk visualisasi, antaranya: line chart, box plot, scatter plot.
Analisis Data Eksploratori (Exploratory Data Analysis/ EDA) adalah pendekatan/ filosofi analisis data yang menggunakan beragam teknik (kebanyakan grafis) dengan tujuan antaranya:
- memaksimalkan wawasan ke dalam suatu set data
- mengungkap struktur yang mendasarinya
- mengekstrak variabel yang penting
- mendeteksi outlier dan anomali