Klasifikasi Data Sekunder

METODE PENELITIAN

ARTIKEL KLASIFIKASI DATA SEKUNDER

Nama : Nabhila Ayu Azzahra

NPM   : 17114701

Kelas  : 3KA30

Dosen : M. Ridha Alfarabi Istiqlal

UNIVERSITAS GUNADARMA

SISTEM INFORMASI

PTA 2016/2017

KLASIFIKASI DATA SEKUNDER

           

Secondary Data

Data sekunder merupakan sumber data penelitian yang diperoleh peneliti secara tidak langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain). Pada umumnya data sekunder berupa bukti, catatan atau laporan historis yang tersusun dalam arsip data documenter yang dipublikasikan atau tidak dipublikasikan. Data sekunder terbagi dua yaitu :

1.      Internal

Klasifikasi yang didasarkan apabila penelitian dilakukan dalam suatu organisasi. Data sekunder dapat diperoleh dari dalam perusahaan, seperti data suatu proyek department store yang terdiri dari data penjualan lini produk, cara pembayaran, jumlah pembelian, dll.

2.      Eksternal  

Data eksternal biasanya tersimpan di perpustakaan umum, kantor-kantor pemerintah atau swasta dan universitas. Data sekunder bisa didapatkan dari database computer yang bersumber dari online, internet maupun offline. Klasifikasi database computer terdiri dari :

a.      Material Publikasi yaitu mengenai bisnis umum yang diperoleh dari data statistic yang dihimpun, guides, directories dan index.

b.      Database Computer bersumber dari online, internet maupun secara offline. Lima klasifikasi database computer :

·         Database Bibliografi, dapat ditemukan dalam susunan kutipan dari artikel.

·         Database Numeric, database yang berisi informasi numeric dan statistic.

·         Full-text Database, database yang berisi dokumen terdiri dari text.

·         Database Direktori, database yang menyediakan informasi mengenai hal-hal individu (perorangan), organisasi dan suatu layanan.

·         Special-purpose Database,  database yang berisi informasi khusus yang memiliki focus tertentu.

Syndicated Services

            Syndicated services merupakan sebuah organisasi yang menyediakan data yang diperlukan. Misalnya, kita ingin mengetahui data demografi dari suatu populasi, seperti identitas customer, gender, status marital, age, dll. Atau bisa juga mengetahui data psikografi yang berupa hobby dari suatu populaso, misalnya syndicated services adalah Dun dan Bradstreet di USA.

Klasifikasi syndicated services didasarkan satuan pengukurannya, yaitu :

·         Household / consumer, dapat dilakukan oleh penghimpun survey, panel dan berdasarkan hasil scan media elektronik.

·         Institutions,  perusahaan retail whole-saler bisa menjadi suatu layanan sindikat karena mampu menyediakan data seperti data consumer.

KARAKTER DATA SEKUNDER

            Karakter dalam data sekunder adalah sebagai berikut :

a.       Waktu Keberlakuan : Jika saat dibutuhkan data sudah kadaluwarsa, maka data sebaiknya tidak digunakan untuk penelitian. Maksudnya, jika data sudah tidak update, maka sebaiknya kita mencari data yang baru sebagai bahan penelitian.

b.      Kesesuaian : Kesesuaian berhubungan dengan data yang digunakan untuk menjawab masalah yang sedang diteliti. Apabila data tidak sesuai dengan kesesuaian data apa yang kita pilih, maka akan sulit untuk menjawab masalah yang diteliti.

c.       Ketepatan : Data yang didapat mempengaruhi ketepatan data. Misalnya, kita mencari informasi suatu data dari sumber yang dapat dipercaya atau tidak dan adanya kebenaran dalam informasi suatu data tersebut.

d.      Biaya : Jika biaya jauh lebih besar dari manfaat data yang kita dapat, sebaiknya tidak perlu digunakan.

KELEBIHAN DAN KEKURANGAN DATA SEKUNDER    

            Pada dasarnya, data sekunder mempunyai kelebihan dan kekurangannya masing-masing, yaitu sebagai berikut :

a.       Kelebihan Data Sekunder

·         Lebih hemat waktu dan biaya bagi periset: Apabila periset ingin mencari sebuah data atau informasi, maka periset hanya dapat ke perpustakaan atau mencari informasi lewat internet, karena biaya yang digunakan relative lebih murah dan waktu tidak terbuang banyak.

·         Data dapat dikembangkan oleh kemampuan periset.

·         Dapat membantu dalam merumuskan masalah dari informasi yang didapat.

·         Daya cakupnya berskala nasional dan internasional.

b.      Kekurangan Data Sekunder

·         Data sekunder jarang memenuhi tujuan penelitian, karena peredaran publikasi yang tidak sesuai dengan kebutuhan.

·         Data yang dikumpulkan seringkali berbeda dengan tujuan yang sedang dilakukan.

·         Memerlukan waktu yang cukup lama dalam proses antara pengumpulan data dan penerbitannya.

KEGUNAAN DATA SEKUNDER

            Data sekunder dapat digunakan dalam hal sebagai berikut :

a.      Pemahaman Masalah, digunakan sebagai pendukung untuk memahami masalah yang akan diteliti.

b.      Penjelasan Masalah, digunakan untuk memperjelas masalah yang akan diteliti agar menjadi lebih mudah bagi peneliti.

c.       Formulasi Alternative Penyelesaian Masalah, alternative yang digunakan untuk mendukung dalam penyelesaian masalah yang diteliti, dari beberapa informasi yang kita dapat masalah dapat lebih mudah untuk diselesaikan.

d.      Solusi Masalah, data sekunder dapat membantu mengembangkan masalah atau dapat memecahkan masalah dari informasi yang akan diteliti.

Tekn kecerdasan buatan bidang kesehatan

          TEKNOLOGI PENGANTAR SISTEM CERDAS

NAMA            : NABHILA AYU AZZAHRA

NPM               : 17114701

KELAS           : 3 KA 30

TUGAS 2

TEKNOLOGI KECERDASAN BUATAN DALAM BIDANG KESEHATAN

1.      Kecerdasan Buatan (Artificial Intelligence)

Dewasa ini perkembangan komputer sangat pesat dan dimaksimalkan untuk menggantikan beberapa peran dar manusia seperti menghitung, memprediksi, mengenali masalah, menggambar atau bahkan menghibur.

Disamping peran-peran tersebut, ada satu peran penting yang saat ini dicoba untuk digantikan oleh komputer, yaitu kecerdasan. Sebuah film yang berjudul “Transformer” menggambarkan robot-robot yang cerdas yang memiliki kemampuan untuk berpikir untuk mewujudkan keinginan mereka. Film tersebut menunjukkan imajinasi manusia tentang robot cerdas.

Saat inipun para ilmuwan telah berhasil menciptakan robot yang mendekati kecerdasan manusia. Robot ASIMO dari Jepang mampu menentukan lokasi, mempelajari lingkungan sekitarnya dan bergerak ke sebuah lokasi.

Di bidang biometrik, komputer dapat dipakai untuk mengenali wajah, sidik jari, retina mata dan lain-lain sehingga dapat dipakai untuk mengidentifikasi pengguna (user) komputer atau dapat diaplikasikan di bidang lain seperti bidang kesehatan.

Artificial intelligence atau kecerdasan buatan didefinisikan sebagai cabang ilmu komputer yang berhubungan dengan tingkah laku cerdas, belajar dan beradaptasi pada sebuah mesin. Dengan demikian bidang ilmu komputer merupakan dasar untuk membangun mesin cerdas.

2.      Contoh AI dalam bidang kesehatan

a.      Rekam Medik Elektronik (Electronic Medical Record/EMR

·         Penjelasan

Rekam medik merupakan basis data yang berisi berbagai catatan medis pasien di sebuah institusi pelayanan kesehatan. Pencatatan dan penyimpanan data pasien ini bertujuan agar dapat dimanfaatkan kembali atau untuk mengenali pola kesehatan pasien.

Media rekam medik berkembang dari waktu ke waktu. Saat ini rekam medik menggunakan kertas sebagai media penyimpanan. Tetapi kertas memiliki banyak kelemahan seperti dalam akses data, tempat penyimpanan dan keawetannya sehingga rekam medis berkembang dengan menggunakan media elektronik.

Rekam medik elektronik menyimpan data elektronik dalam berbagai media penyimpanan seperti harddisk, smartcard, flashdisk dan sebagainya, bahkan ada juga yang disimpan dalam website tertentu.

b.       Aplikasi Kecerdasan Buatan Dalam Rekam Medis  Elektronik

Rekam medik memanfaatkan kelebihan komputer untuk menginput, menyimpan, mengolah dan memanfaatkan data rekam medis seorang pasien sehingga komputer diharapkan dapat melakukan diagnosis dan menentukan tindakan medis untuk mengatasi masalah kesehatan pasien.

Penerapan kecerdasan buatan (dari komputer) untuk rekam medik elektronik menggunakan teknik reasoning. Teknik reasoning memungkinkan komputer mengambil sebuah keputusan berdasarkan pengetahuan (data) dan aturan (rule) yang dimasukkan dan diproses dalam bentuk basis pengetahuan (knowledge base). Kecerdasan komputer dapat ditingkatkan dengan memasukkan fakta atau rule yang merupakan penemuan baru ke dalam knowledge base.

Sistem Pakar merupakan salah satu contoh penerapan kecerdasan komputer dalam rekam medik elektronik. Sistem pakar mengalihkan keahlian tenaga medis ke media elektronik seperti komputer untuk kemudian dialihkan lagi pada orang yang bukan ahli.

sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.

Pakar adalah orang yang memiliki pengetahuan, penilaian, pengalaman, metode khusus serta kemampuan untuk menerapkan bakat ini dalam memberi nasihat dan memecahkan masalah.

Pengalihan keahlian tenaga medis ke komputer dan ke tenaga medis lain membutuhkan 4 aktivitas yaitu: tambahan pengetahuan (dari para ahli atau sumber-sumber lainnya), representasi pengetahuan (ke komputer), inferensi pengetahuan dan pengalihan pengetahuan ke user. Pengetahuan yang disimpan di komputer disebut sebagai basis pengetahuan (knowledge base) yaitu: fakta dan prosedur (biasanya berupa aturan).

Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan tersedia program yang mampu mengakses basis data maka komputer harus dapat diprogram untuk membuat inferensi (mengambil kesimpulan). Proses inferensi ini dikemas dalam bentuk motor inferensi (inference engine) dan setiap sub sistem mempunyai sifat dari sistem untuk menjalankan suatu fungsi sistem tertentu dan mempengaruhi proses sistem secara keseluruhan.

Sistem pakar dalam rekam medik elektronik menggunakan basis pengetahuan yang berasal dari para tenaga medis ahli dan digunakan untuk mengambil sebuah keputusan kesehatan serta menentukan tindakan medis untuk mengatasi masalah kesehatan yang dialami pasien. Selnjutnya setiap aktivitas dalam penggunaan sistem pakar disimpan sebagai data elektronik dalam rekam medik elektronik.

c.        Kecerdasan buatan untuk analisis kondisi ginjal pasien

Pengembangan perangkat lunak berbasis kecerdasan buatan untuk menganalisis dan memprediksi data keluaran renograf dual probe (BI-756) telah dilakukan dengan baik. Renograf dual probe (BI-756) adalah perangkat medis hasil rekayasa desain dan pabrikasi BATAN. Bantuan dokter ahli yang berpengalaman sangat dibutuhkan untuk menganalisis kondisi ginjal pasien dengan tepat. Karena keberadaan dokter ahli yang berpengalaman di bidang analisis ginjal sangat terbatas, masalah ini bisa diatasi dengan menyediakan suatu sistem perangkat lunak berbasis kecerdasan buatan yang memiliki pengetahuan dan analisis komprehensif dari dokter ahli yang berpengalaman. Tujuan penelitian adalah mengembangkan perangkat lunak yang dapat menganalisis kondisi ginjal pasien dengan tepat. Perangkat lunak yang dikembangkan mampu memprediksi kondisi ginjal pasien dengan tepat. Data masukan perangkat lunak yang dikembangkan adalah data keluaran digital dari renograf dual probe (BI-756). Perangkat lunak telah diujikan terhadap data pasien yang sesungguhnya dan kemampuan identifikasi 98 % diperoleh dari 618 data uji. Hasil ini menunjukkan bahwa perangkat lunak memiliki kemampuan baik dimana hanya dilatih dengan 6 data saja.

            SUMBER :

           1.      http://abhique.blogspot.co.id/2009/10/memanfaatkan-kecerdasan-buatan-dalam.html

           2.      http://adingresik.blogspot.co.id/2007/11/artikel-2kecerdasan-buatan-untuk.html

Pengantar Teknologi Sistem Cerdas

Pengantar Teknologi Sistem Cerdas

 
 Definisi Pengantar Teknologi Sistem Cerdas

Pengantar Teknologi Sistem Cerdas atau Kecerdasan Buatan adalah suatu sistem informasi yang berhubungan dengan penangkapan, pemodelan dan penyimpanan kecerdasan manusia dalam sebuah sistem teknologi informasi sehingga sistem tersebut memiliki kecerdasan seperti yang dimiliki manusia. Sistem ini dikembangkan untuk mengembangkan metode dan sistem untuk menyelesaikan masalah, biasanya diselesaikan melalui aktifivitas intelektual manusia, misal pengolahan citra, perencanaan, peramalan dan lain-lain, meningkatkan kinerja sistem informasi yang berbasis komputer.Salah satu cabang Ilmu pengetahuan berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi.

Sistem Cerdas adalah serangkaian system yang di bangun manusia untuk memudahkan pekerjaan manusia dengan mengandalkan mesin atau sebuah program yang terkomputerisasi.

      Sejarah Teknologi Sistem Cerdas

Kecerdasan Buatan termasuk bidang ilmu yang relatif mudah. Pada tahun 1950-an para ilmuwan dan peneliti mulai memikirkan bagaimana caranya agar mesin dapat melakukan pekerjaannya seperti yang bisa dikerjakan oleh manusia. Alan Turing, seoarng matematikawan Inggris pertama kali mengusulkan adanya tes untuk melihat bisa tidaknya sebuah mesin dikatakan cerdas. Hasil tes tersebut kemudian di kenal dengan Turing Tes, dimana si mesin tersebut menyamar seoalah-olah senagai seseorang di dalam suatu permainan yang mampu memberikan respon terhadap serangkaian pertanyaan yang diajukan. Turing beranggapan bahwa, jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomuniaksi dengan orang lain, maka dapat dikatakan bahwa mesin tesebut pintar (seperti layaknya manusia).

Kecerdasan Buatan sendiri di munculkan oleh seorang profesor dari Massachusetts Institute of Technology yang bernama John McCarthy pada tahun 1956 pada Darthmouth Conference yang dihadiri oleh para peneliti AI. Pada konferensi tersebut juga di definisikan tujuan utama dari Kecerdasan Buatan, yaitu: mengetahui dan memodelkan  proses-proses berfikir manusia dan mendesain agar rapat menirukan kelakuan manusia tersebut. Beberapa program AI yang mulai dibuat pada tahun 1956-1966, antara lain:

·        Logic Theorist, diperkenalkan pada Dartmouth Conference, program ini dapat membuktikan teorema-teorema matematika.

·        Sad Sam, diprogram oleh Robert K. Lindsay (1960). Program ini mengetahui kalimat-kalimat sederhana yang ditulis dalam bahasa Inggris dan mampu memberikan jawaban dari fakta-fakta yang di dengar dalam sebuah percakapan.

·        ELIZA, diprogram oleh Joseph Wnbaum (1967). Program ini mampu melakukan terapi terhadap pasien dengan memberikan beberapa pertanyaan. 

 

     Penerapan Teknologi Sistem Cerdas

·        Mengejar dan Menghindar

Mengejar dan menghindar merupakan teknik dasar yang diterapkan pada banyak game berbasis kecerdasan buatan dari yang sederhana sampai yang kompleks. apakah itu space shooters, RPG, atau game strategi. metode paling umum pada teknik mengejar dan menghindar ini adalah melakukan pemutakhiran (update) koordinat terhadap objek yang menjadi sasaran. Posisi relatif dan kecepatan dapat dijadikan sebagai parameter pada algoritma mengejar dan menghindar. Metode Line-of-sight yang membutuhkan dasar rumus persamaan garis juga serngkali dijadikan basis metode mengejear dan menghindar.

·        Pola Pergerakan

Pola pergerakan merupakan cara yang sederhana untuk memberikan ilusi kecerdasan pada sebuah game. Game Galaga adalah contoh klasik penerapan pola pergerakan ini, dimana pesawat musuh dapat bergerak secara melingkat atau mengikuti pola garis lurus yang ditentukan. Contoh lain penerapan pola pergerakan adalah pada game first-person shooter yang menampilkan monster yang sedang berpatroli pada jalur tertentu, pada game simulasi pertempuran pesawat dimana pesawat musuh dapat melakukan manuver-manuver di udara yang menyulitkan kita mengejar, atau karakter-karakter non-player (figuran) seperti kambing yang sedang berjalan membutuhkan teknik pola pergerakan ini. Metode standar untuk menerapkan pola pergerakan adalah dengan cara menyimpan pola tersebut dalam suatu array. Array tersebut terdiri dari serangkaian koordinat atau perintah pergerakan dengan pola tertentu untuk mengontrol koordinat dari objek. Dengan metode ini, bisa didapatkan pola-pola pergerakan seperti melingkar, garis lurus, zig-zag atau bahkan kurva tak beraturan.

·        Pathfinding

Metode pathfinding paling mudahditemui pada game-game bertipe strategi dimana kita menunjuk satu tokoh untuk digerakkan ke lokasi tertentu dengan mengklik lokasi yang hendak dituju. Si tokoh akan segera bergerak ke arah yang ditentukan, dan secara “cerdas” dapat menemukan jalur terpendek ataupun menghindari dari rintangan-rintangan yang ada. Salah satu algoritma pathfindin yang cukup umum dan yang paling banyak digunakan utnuk mencari jarak terpendek secara efisien adalah algoritma A* (baca: A star). Secara umum, algoritma A* adalah mendefinisikan area pencarian menjadi sekumpulan node-node (tiles). Titik awal dan titik akhir ditentukan terlebih dulu untuk mulai penelusuran pada tiap-tiap node yang memungkinkan untuk ditelusuri. Dari sini, akan diperoleh skor yang menunjukkan besarnya biaya untuk menempuh jalur yang ditemukan, ditambah dengan nilai heuristik yang merupakan nilai biaya estimasi dari node yang ada menuju tujuan akhir. Iterasi akan dilakukan hingga akhirnya mencapai target yang dituju.

·        Jaringan saraf tiruan (neural network)

Neural network cukup baik ketika diterapkan pada kasus-kasus yang sifatnya non-linier atau mengambil keputusan yang tidak dapat dilakukan dengan metode tradisional. Penerapannya seringkali pada game-game yang memerlukan kemampuan adaptif atau belajar dari pengalaman. Sebagai contoh, jika suatau ketika terjadi pertempuran antar player dengan unit komputer, dan unit komputer mengalami kekalahan, maka pada kesempatan lain yang serupa, komputer akan memilih untuk tidak bertempur. Semakin banyak pengalaman yang dialami komputer, maka komputer menjadi semakin cerdas. Prinsip dasar dari jaringan saraf tiruan ini adalah perbaikan bobot secara terus menerus agar output yang dihasilkan menjadi semakin akurat (semakin cerdas).

·        Algoritma Genetis (genetic algorithm)

Algoritma genetis sedikit banyak dipengaruhi oleh teori evolusi yang dicetuskan Darwin, yaitu bahwa spesies akan terus menerus beradaptasi dengan lingkungannya dan ciri khasnya yang terletak pada kromosom, akan diturunkan pada generasi berikutnya. Generasi turunan ini menerima gabungan kromosom dari kedua induknya, yang disebut dengan crossover. Pada algoritma genetis, akan diterapkan langkah ranking fitness untuk melakukan seleksi terhadap langkah ranking fitness untuk melakukan seleksi terhadap generasi turunan yang terbaik. Pada game berbasis algorima genetis, turunan terbaik inilah yang dilibatkan ke dalam game, dimana akan digunakan oleh komputer untuk merespons perubahan-perubahan tingkah laku user.