Tag Archives: teknologi

SOFTCOMPUTING

UNIVERSITAS GUNADARMA
FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI

aaaaaaa

PENGANTAR TEKNOLOGI SISTEM CERDAS

SOFTCOMPUTING

Kelompok 1
Ahmad Ghaelan Al Dimasqi (10114557)
Alvyn Laversha Indriadi (10114911)
Arizal Priambudi (11114656)
Asih Imaniar (11114740)
Azka Ali Hasan (11114935)
Bagus Yogatama (12114013)
Bardan Santani (12114032)
Budy Hantoyo (12114242)
Chaysar Juniardi Dewantara (12114339)
Dany Mochtar (12114537)

KELAS 3KA13
JURUSAN SISTEM INFORMASI
FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI
UNIVERSITAS GUNADARMA
PTA 2016/2017


ABSTRAK

Komputer dapat menghitung secara akurat persamaan differensial, perkalian matriks, perhitungan eigen value secara cepat dan akurat. Akan tetapi terdapat juga masalah dalam kehidupan sehari-hari yang tidak dapat dibuat rumus matematika yang jelas untuk menghitung output yang diinginkan. Salah satu alternatif solusi yang memenuhi kriteria ini adalah softcomputing.
Soft computing dapat bekerja dengan baik walaupun terdapat ketidak pastian, ketidak akuratan maupun kebenaran parsial pada data yang diolah. Hal inilah yang melatar belakangi fenomena dimana kebanyakan metode softcomputing mengambil human-mind sebagai model. Soft computing merupakan metode yang dapat mengolah data-data yang bersifat tidak pasti, impresisi dan dapat diimplementasikan dengan biaya yang murah (low-cost solution). Beberapa metode yang termasuk dalam kategori softcomputing misalnya fuzzy logic, artificial neural network, probabilistyc reasoning.
Soft computing bukanlah suatu metode yang berjalan sendiri dalam menyelesaikan masalah, melainkan lebih pada kerjasama serasi antara metode-metode di atas, sehingga segi positif tiap metode dapat berkontribusi secara aktif.

PENDAHULUAN

Komputer merupakan alat yang mungkin tidak dapat lagi kita lepaskan dari kehidupan sehari-hari. Di masa lampau, komputer selalu diasosiasikan dengan barang yang mahal, super canggih dan dapat menghitung lebih cepat daripada kemampuan manusia. Tapi saat ini ungkapan tersebut sudah banyak mengalami perubahan. Bila disebutkan “komputer”, maka yang terbayang saat ini adalah sebuah piranti canggih yang bila dikoneksikan dengan internet, akan membuat sang pengguna dapat berjalan-jalan di dunia virtual yang kaya dengan informasi audio maupun visual. Fenomena ini menunjukkan perubahan fungsi computer dari sekedar “alat hitung” menjadi sebuah piranti yang lebih “manusiawi”. Hal ini merupakan buah yang dipetik dari pesatnya perkembangan teknologi hardware maupun software computer.

a

Gambar 1. Perkembangan jumlah transistor pada IC dari tahun ke tahun yang menunjukkan kesesuaian dengan Moore’s law.

1


Pada tahun 1965, Gordon Moore telah memberikan prediksi bahwa jumlah transistor pada IC akan selalu berlipat dua setiap 18 bulan. Dengan kata lain, tiap 18 bulan kemampuan komputer akan menjadi duakali lebih cepat. Korelasi ini ditunjukkan pada gambar 1. Ramalan ini secara ajaib masih berlaku hingga saat ini, setidaknya dalam dua dekade terakhir. Melihat perkembangan pesat dari computer ini, seringkali timbul fikiran bahwa pada suatu masa, komputer dapat mengatasi berbagai permasalahan. Semua masalah dalam hidup dapat dirumuskan dan dikalkulasikan. Hal ini tergambar juga pada beberapa film non-fiksi. Benarkah demikian ? Kalau kita cermati, tidak semua masalah yang kita hadapi dapat dibuat rumusan yang pasti dan eksak. Memang benar, bahwa komputer dapat menghitung secara akurat persamaan differensial, perkalian matriks, perhitungan eigen value secara cepat dan akurat. Akan tetapi terdapat juga masalah dalam kehidupan sehari-hari yang tidak dapat dibuat rumus matematika yang jelas untuk menghitung output yang diinginkan.

Misalnya:

  • Bagaimanakah trend dari bursa saham pada tahun depan ?
  • Bagaimanakah cuaca esok hari, hujan ataukah mendung, ataukah terang benderang ?
  • Bagaimana mengenali seseorang lewat suaranya ?

Solusi untuk permasalahan jenis kedua ini tidak dapat dirumuskan dengan mudah. Banyak sekali faktor-faktor terlibat, yang mengandung kerancuan, ketidakpastian, kebenaran parsial, dsb. Dalam hal ini, solusi yang diharapkan lebih menitikberatkan pada hal-hal sbb.

  • Memiliki kemampuan untuk mempelajari trend yang telah ada, dan memprediksi keadaan di masa yang akan datang. (learning ability)
  • Kemampuan menganalisa informasi yang disertai oleh noise.
  • Robust, sangat unggul
  • Low cost solution
  • Praktis dan mudah direalisasikan

Salah satu alternatif solusi yang memenuhi kriteria ini adalah softcomputing. Dalam bab-bab berikutnya akan dijelaskan lebih lanjut mengenai definisi, metode-metode dalam softcomputing, dan contoh aplikasinya.

2


PEMBAHASAN

DEFINISI SOFTCOMPUTING
Berbagai macam definisi softcomputing diberikan oleh para ahli. Salah satu definisinya adalah sebagaimana disampaikan oleh pencetus softcomputing, yaitu Prof. Lotfi A. Zadeh, di homepage BISC yaitu:

“Berbeda dengan pendekatan konvensional hardcomputing, softcomputing dapat bekerja dengan baik walaupun terdapat ketidakpastian, ketidakakuratan maupun kebenaran parsial pada data yang diolah. Hal inilah yang melatarbelakangi fenomena dimana kebanyakan metode softcomputing mengambil human-mind sebagai model.”

Mengapakah human-mind merupakan model yang menarik bagi pengembangan softcomputing? Kunci dari pertanyaan ini sebenarnya terletak pada struktur dan fungsi dari otak manusia. Otak manusia merupakan mesin molekuler, yang terdiri dari dua jenis sel: neuron dan glia. Dalam otak kita terdapat sekitar 1011 sel neuron, sedangkan sel glia sekitar 3 sampai 4 kali lipatnya. Sel neuron berfungsi sebagai pemroses informasi yang diterima oleh otak. Sel neuron terhubung antara satu dengan yang lain dengan benang-benang panjang. Berat otak manusia saat lahir sekitar 400 gram, sedangkan saat dewasa sekitar 1500 gram. Pertambahan berat ini disebabkan oleh bertambah panjangnya benang-benang tersebut, disamping pertambahan sel glia. Pertambahan panjang ini berkaitan erat dengan proses pembelajaran yang dialami oleh manusia. Hal ini merupakan ide awal bagi pengembangan metode softcomputing: artificial neural network, yang memiliki kemampuan pembelajaran terhadap informasi yang telah diterima.
Selain kemampuan pembelajaran, otak manusia juga memiliki kemampuan untuk mengambil keputusan walaupun informasi mengandung unsur ketakpastian dan kekurangtegasan, seperti “manis”, “pahit”, “tinggi”, “rendah”, dsb. Hal ini merupakan konsep yang mendasari pengembangan metode fuzzy, yang mencerminkan cara berfikir manusia. Selain neural network dan fuzzy, masih banyak lagi jenis-jenis metode softcomputing, yang ide awalnya bersumber dari otak manusia maupun mekanisme biologi yang terdapat di alam semesta. Positif dari metode yang ada tersebut dapat dimanfaatkan secara optimal. Berikut diuraikan konsep dan gambaran mengenai masing-masing pilar dalam softcomputing.

3


METODE-METODE SOFTCOMPUTING
Mengacu pada definisi yang diberikan oleh Zadeh, metode-metode dalam softcomputing dapat dikategorikan ke dalam tiga kategori besar:

  • Fuzzy Logic (FL)
  • Neural Network Theory (NN)
  • Probabilistic Reasoning (PR)

Metode-metode ini sebenarnya bukanlah sesuatu yang baru diadakan setelah konsep softcomputing dirumuskan. Yang terjadi justru sebaliknya. Metode-metode Fuzzy Logic, Neural Network maupun Probabilistic Reasoning telah ada lebih dahulu. Fuzzy Logic telah berkembang sejak tahun 1965. Konsep-konsep dasar neural network telah digali sejak tahun 1940-an. Probabilistic Reasoning juga bukanlah hal yang baru sama sekali. Karena itu, Zadeh menyebut softcomputing sebagai reinkarnasi dari metode-metode di atas. Lebih lanjut lagi, dalam konsep softcomputing, ketiga jenis metode ini ibarat pilar, saling mendukung dan bekerjasama dalam memecahkan suatu permasalahan Keunggulan yang diperoleh dari kerjasama metode-metode itu lebih ditekankan daripada keunggulan individual salah satu daripadanya. Kekurangan satu metode akan ditutup dengan kelebihan metode yang lain. Keunggulan satu metode disumbangkan, sehingga segi-segi dimanfaatkan secara optimal. Berikut diuraikan konsep dan gambaran mengenai masing-masing pilar dalam softcomputing.

Fuzzy Logic (FL)
Fuzzy merupakan representasi suatu pengetahuan yang dikonstruksikan dengan if-then rules. Karakteristik dari metode ini adalah:

  • Pemecahan masalah dilakukan dengan menjelaskan sistem bukan lewat angka-angka, melainkan secara linguistik, atau variable-variable yang mengandung ketakpastian/ketidaktegasan.
  • Pemakaian if-then rules untuk menjelaskan kaitan antara satu variable dengan yang lain.
  • Menjelaskan sistem memakai algoritma fuzzy

4


Berawal dari paper-paper Zadeh di tahun 1965 mengenai fuzzy-sets, ilmu ini berkembang pesat, dan mulai menemukan aplikasinya di bidang control pada tahun 1974. Pada saat itu, Mamdani memperkenalkan aplikasi fuzzy sebagai alat kontrol steam-engine. Hal ini merupakan momentum penting, sebagai awal bagi teknologi fuzzy untuk menemukan lading aplikasi di dunia industri. Fuzzy memiliki kelebihan-kelebihan, diantaranya :

  1. Dapat mengekspresikan konsep yang sulit untuk dirumuskan, seperti misalnya “suhu ruangan yang nyaman”.
  2. Pemakaian membership-function memungkinkan fuzzy untuk melakukan observasi obyektif terhadap nilai-nilai yang subyektif. Selanjutnya membership-function ini dapat dikombinasikan untuk membuat pengungkapan konsep yang lebih jelas.
  3. Penerapan logika dalam pengambilan keputusan.

Dewasa ini, fuzzy merupakan salah satu metode memiliki aplikasi luas di bidang kontrol. Hal ini disebabkan antara lain :

  1. Kontrol memiliki potensi aplikasi yang sangat luas dan dibutuhkan di berbagai bidang.
  2. Kuantitas suatu materi dalam system kontrol sangat jelas, dan dapat diekspresikan dengan istilah-istilah yang fuzzy seperti “besar”, “banyak”.
  3. Aturan dalam kontrol mudah untuk didefinisikan memakai kata-kata. Misalnya “jika suhu dalam ruangan terlalu dingin, naikkan suhu penghangat”.
  4. Perkembangan teori fuzzy sangat pesat, sehingga batas-batasnya dapat dirumuskan dengan jelas.

Neural Networks (NN)
Neural Networks (Jaringan Saraf Tiruan) menurut Haykin didefinisikan sebagai berikut :

“Sebuah neural network (JST: Jaringan Saraf Tiruan) adalah prosesor yang terdistribusi paralel, terbuat dari unit-unit yang sederhana, dan memiliki kemampuan untuk menyimpan pengetahuan yang diperoleh secara eksperimental dan siap pakai untuk berbagai tujuan. Neural network ini meniru otak manusia dari sudut :
1. Pengetahuan diperoleh oleh network dari lingkungan, melalui suatu proses pembelajaran.
2. Kekuatan koneksi antar unit yang disebut synaptic weights, berfungsi untuk menyimpan pengetahuan yang telah diperoleh oleh jaringan tersebut.”

5


Pada tahun 1943, Mc.Culloch dan Pitts memperkenalkan model matematika yang merupakan penyederhanaan dari struktur sel saraf yang sebenarnya (lihat gambar 1).

b

Gambar 2 memperlihatkan bahwa sebuah neuron memiliki tiga komponen:

  • Synapse (w1 , w2 ,…,wn) T.
  • Alat penambah (adder).
  • Fungsi aktifasi (f).

Korelasi antara ketiga komponen ini dirumuskan pada persamaan.

c

Signal x berupa vektor berdimensi n (x1 , x2 ,…,xn)T akan mengalami penguatan oleh synapse w (w1, w2 ,…,wn)T. Selanjutnya akumulasi dari penguatan tersebut akan mengalami transformasi oleh fungsi aktifasi f. Fungsi f ini akan memonitor, bila akumulasi penguatan signal itu telah melebihi batas tertentu, maka sel neuron yang semula berada dalam kondisi “0”, akan mengeluarkan signal “1”.

6


Berdasarkan nilai output tersebut (=y),sebuah neuron dapat berada dalam dua status: “0” atau “1”. Neuron disebut dalam kondisi firing bila menghasilkan output bernilai “1”. Sebuah neural network dapat dianalisa dari dua sisi :

  1. Bagaimana neuron-neuron tersebut dirangkaikan dalam suatu jaringan (arsitektur).
  2. Bagaimana jaringan tersebut dilatih agar memberikan output sesuai dengan yang dikehendaki (algoritma pembelajaran). Algoritma pembelajaran ini menentukan cara bagaimana nilai penguatan yang optimal diperoleh secara otomatis.

Berdasarkan arsitekturnya, neural network dapat dikategorikan, antara lain, single-layer neural network, multilayer neural network, recurrent neural network dsb. Berbagai algoritma pembelajaran antara lain Hebb’s law, Delta rule, Backpropagation algorithm, Self Organizing Feature Map, dsb. Berawal dari diperkenalkannya model matematika neuron oleh McCulloch & Pitts, penelitian di bidang neural network berkembang cukup pesat, dan mencapai puncak keemasan pertama pada era tahun 60, dan puncak kedua pada pertengahan tahun 80-an. Penelitian dalam bidang ini, dapat dibagi dalam tiga kategori :

  1. Riset untuk meneliti proses informasi yang terjadi pada otak dan jaringan saraf. Tema ini merupakan porsi penelitian para ahli medis dan neuroscientist.
  2. Penelitian teoritis untuk mendalami konsep dasar proses informasi pada otak. Kategori ini memerlukan ketajaman analisa matematika untuk menggali dasar-dasar teori dari proses tersebut.
  3. Penelitian yang bertujuan memanfaatkan teori-teori yang telah ada untuk aplikasi. Dalam hal ini, perlu sekali memperhatikan tingkat akurasi sistem, dan menekan biaya serendah mungkin (low cost solution).

7


Dewasa ini, neural network telah diaplikasikan di berbagai bidang. Hal ini dikarenakan neural network memiliki kelebihan-kelebihan sbb.

  1. Dapat memecahkan problema non-linear yang umum dijumpai di aplikasi.
  2. Dapat secara otomatis mempelajari data numerik yang diajarkan pada jaringan tersebut.

Probabilistic Reasoning (PR) dan Genetic Algorithm (GA)
Reasoning berarti mengambil suatu keputusan atas suatu alasan atau sebab tertentu. Dua jenis reasoning adalah logical reasoning dan probabilistic reasoning. Salah satu kelebihan probabilistic reasoning dibandingkan logical reasoning terletak pada kemampuan untuk mengambil keputusan yang rasional, walaupun informasi yang diolah kurang lengkap atau mengandung unsur ketidakpastian. Termasuk dalam kategori PR antara lain teori Chaos, Belief Networks, Genetic Algorithm. Diskusi dalam makalah ini difokuskan pada salah satu metode dalam PR, yaitu Genetic Algorithm (GA).

d.png

8


Dasar-dasar GA digali oleh John Holland pada pertengahan tahun 70-an. GA adalah metode komputasi yang meniru proses evolusi dan seleksi alam. Metode ini sering dimanfaatkan untuk mencari nilai optimal suatu fungsi/permasalahan. Gambar 3 menunjukkan urutan tahapan dalam GA. Untuk mencari nilai optimal tersebut, pertama-tama parameter-parameter permasalahan ditransfer kedalam bentuk genetik sebuah kromosom individu yang disebut genotype.
Kromosom ini terdiri dari sederetan string (misalnya angka “0” dan “1”) yang merupakan analogi dari rantai DNA: A, T, G dan C yang sebenarnya, pada tubuh makhluk hidup. Selanjutnya suatu populasi yang terdiri dari ribuan kromosom individu ini mengalami proses seleksi, crossover (persilangan) dan mutasi yang meniru proses biologi yang terjadi di alam. Operasi ini diulang-ulang, dari satu generasi ke generasi berikutnya. Kualitas suatu individu ditunjukkan oleh nilai fitness, yang diukur dengan suatu kriteria yang mencerminkan sejauh mana kromosom individu tersebut mendekati nilai optimal yang diinginkan.
Kriteria ini menjadi alat kontrol bagi proses evolusi, agar kondisi fitness generasi yang mendatang lebih baik daripada generasi-generasi sebelumnya. Setelah melewati ratusan atau mungkin ribuan generasi, proses evolusi ini akan menghasilkan individu-individu dengan nilai fitness yang tinggi. Hal ini mencerminkan diperolehnya jawaban yang merupakan pendekatan terhadap nilai optimal yang diinginkan. Beberapa keunggulan yang dimiliki oleh GA adalah sbb.

  1. GA memiliki kemampuan untuk mencari nilai optimal secara paralel, melalui proses kerjasama antara berbagai unit yang disebut kromosom individu.
  2. GA tidak memerlukan perhitungan matematika yang rumit seperti differensial yang diperlukan oleh algoritma optimisasi yang lain.

9


Namun demikian GA memiliki juga kelemahan dan keterbatasan.

  1. Tidak memiliki rumusan yang pasti, bagaimana mentransfer parameter permasalahan ke dalam kode genetik. Dengan kata lain, hal ini memerlukan pengalaman dan wawasan dari desainer.
  2. Banyak parameter yang perlu diset secara baik agar proses evolusi dalam GA berjalan sesuai dengan yang diharapkan.
  3. Penentuan rumus menghitung fitness merupakan hal yang sangat penting dan mempengaruhi proses evolusi pada GA. Sayangnya tidak ada prosedur yang baku bagaimana menentukan rumus tsb.

Dalam hal ini pengalaman dari desainer memegang peranan penting. Terlepas dari kendala yang ada, GA merupakan alternatif solusi yang dikenal cukup handal dalam berbagai masalah optimisasi.

RISET DAN APLIKASI SOFTCOMPUTING
Dewasa ini penelitian di bidang softcomputing berkembang dengan pesat dan aplikasinya dapat ditemukan di berbagai bidang. Hal ini disebabkan softcomputing menawarkan solusi yang sangat sesuai dengan karakteristik informasi pada real-life domain yang senantiasa diikuti dengan faktor impresisi, ketidakpastian, dan memerlukan kemampuan pembelajaran. Berawal dari pemakaiannya untuk alat kontrol mesin uap, dewasa ini fuzzy memiliki wilayah aplikasi yang luas terutama dalam bidang kontrol, robotika, pattern recognition, sistem cerdas, dll. Selain paper dan artikel yang dipublikasikan oleh berbagai journal ilmiah, diskusi mengenai fuzzy ini dapat diikuti di berbagai milis, maupun newsgroup seperti comp.ai.fuzzy. Arsip posting newsgroup ini dapat dibaca lewat http://groups.google.com/ dengan mengetikkan “comp.ai.fuzzy” pada kotak pencarian.
Neural Network memiliki aplikasi yang sangat luas di bidang pattern recognition, seperti voice recognition, character recognition maupun aplikasi-aplikasi pada bidang ekonomi, bisnis dan bioteknologi. Salah satu forum diskusi virtual (newsgroup) yang terkenal di bidang ini adalah comp.ai.neural-nets yang arsipnya dapat dilihat di google, dengan cara sama sebagaimana uraian sebelumnya. Kumpulan dari materi diskusi yang berlangsung sejak 1994 di forum ini, kemudian dirangkumkan oleh Warren Sale sebagai FAQ (Frequently Asked Questions) yang dapat dilihat arsipnya di ftp://ftp.sas.com/pub/neural/FAQ.html

10


Aplikasi Genetic Algorithm dapat ditemukan di problem optimisasi seperti job-scheduling, optimisasi rute mobil, penentuan kandidat gen yang memiliki potensi kedokteran dan farmasi pada bidang bioinformatika. Salah satu forum diskusi yang cukup hangat mengenai riset di bidang GA adalah comp.ai.genetic (newsgroup). Arsip diskusi pada forum ini dapat dicari dengan cara sebagaimana diuraikan di atas. Selain itu, informasi mengenai Genetic Algorithm ini dapat juga dilihat pada situs http://www.aic.nrl.navy.mil/galist/.
Salah satu journal yang didedikasikan untuk mempublikasikan penelitian di bidang softcomputing di antaranya adalah “Soft Computing – A Fusion of Foundations, Methodologies and Applications” terbitan Springer-Verlag Heidelberg. Journal lain adalah Applied Soft Computing yang diterbitkan oleh Elsevier. Disamping itu, paper mengenai teori dan aplikasi softcomputing dapat dibaca pada journal-journal IEEE, IEICE, maupun proseding seminar-seminar internasional dalam bidang tsb.

Ciri khas dari softcomputing adalah penekanan pada partnership atau kerjasama yang saling menguntungkan dari berbagai metode yang ada. Tiap metode memiliki segi positif yang dapat disumbangkan secara komplementer, menutupi kekurangan dari metode yang lain. Contoh populer dari kerjasama komplementer ini adalah system neurofuzzy. Aplikasi dari kombinasi kedua metode ini dapat dimanfaatkan untuk system control pada AC, mesin cuci dan berbagai macam alat kebutuhan sehari-hari konsumen. Kombinasi lain dapat ditemukan pada system neuroGA, dimana GA dimanfaatkan untuk menentukan struktur yang optimal dari suatu neural network.

11


KESIMPULAN

Untuk menilai jenis kontroler yang berbeda, masing-masing kontroler telah diuji menggunakan labirin yang sama dan jalan yang sama. Untuk membandingkan pengendali secara adil, setiap tes telah diulang dua puluh kali dan mean dan standar deviasi dari kriteria Peringkat berikut telah ditentukan. Hal ini terbukti dari hasil studi kasus diambil dalam makalah ini bahwa teknik soft computing dalam penelitian ini dapat mengatasi proses yang kompleks non-linear pengendalian sistem. Dapat ditarik kesimpulan bahwa logika fuzzy adalah sebuah pendekatan sistematis untuk mengendalikan proses. Selain fuzzy logic, hibridisasi dengan algoritma genetik, akan lebih memberikan optimasi yang lebih baik.

SARAN

Penulis mengharapkan teknologi seperti ini digunakan sebijak-bijaknya oleh para pengguna. Pesan kami untuk masyarakat, selalu lakukan tindakan positif dan kembangkan kemampuan kita dengan teknologi

SUMBER

  1. Moore’s Law dan Intel
  2. PENS ITS Diakses pada 2 desember 13:10

12

Advertisements

Teknologi Printer 3D, Mesin Printing Canggih Serbaguna

Apa itu Printer 3D? bagaimana prinsip dan cara kerjanya? Dalam artikel kali ini saya tertarik untuk mengulas mengenai printer 3D, well sebenarnya idenya datang dari sebuah film dan video youtube. Sebagai gambaran, pernahkah Anda menonton film Mission Impossible 4 : Ghost Protocol? Ya ada satu scene tentang gadget unik canggih yang dipakai IMF yaitu printer 3D yang membuat saya penasaran ketika membuat topeng menggunakan pemetaan 3-D dari wajah seorang tokoh. Mungkinkah ini hanya fantasy? Well think again! Faktanya ada sebuah perusahaan Jepang, REAL-F yang saat ini sedang mengembangkan printer 3D yang dapat membuat replika wajah kita lho! Wah semakin penasaran dong tentang mesin printing ini? Baiklah saya akan mencoba mengulas mengenai printer 3d ini.

Pengertian dan Sejarah Printer 3D

3D Printing atau dikenal juga sebagai Additive Layer Manufacturing adalah proses membuat objek padat 3 dimensi atau bentuk apapun dari model digital. Cara kerjanya hampir sama dengan printer laser dengan tehnik membuat objek dari sejumlah layer/ lapisan yang masing-masing dicetak di atas setiap lapisan lainnya. Teknologi printing ini sendiri sebenarnya sudah berkembang sejak sekitar 1980an namun belum begitu dikenal hingga tahun 2010an ketika mesin cetak 3D ini dikenalkan secara komersial. Dalam sejarahnya Printer 3D pertama yang bekerja dengan baik dibuat oleh Chuck Hull dari 3D Systems Corp pada tahun 1984. Sejak saat itu teknologi 3D printing semakin berkembang dan digunakan dalam prototyping (model) maupun industri secara luas seperti dalam arsitektur, otomotif, militer, industri medis, fashion, sistem informasi geografis sampai biotech (penggantian jaringan tubuh manusia). Woww, menakjubkan bukan?

Jenis – Jenis Printer 3D

1. Direct dan Binder Printer 3D

Printer 3D jenis direct memiliki mekanisme kerja menggunakan teknologi inkjet. Teknologi ini sudah ada sejak 1960 ketika digunakan pada printer 2D. Meskipun teknologi inkjet digunakan ke dalam printer 3D cara kerjanya pun hampir mirip ketika digunakan ke dalam printer 2D. Dimana inkjet bergerak maju mundur sambil mengeluarkan cairan. Dan yang membedakan adalah printer 2D inkjet hanya bergerak maju mundur atau horizontal, sedangkan printer 3D inkjet juga bisa bergerak vertikal ataupun diagonal sambil mengeluarkan cairan tetapi bukan tinta seperti printer 2D melainkan lilin dan polimer plastik.

Printer 3D jenis direct

Sedangkan printer 3D jenis binder dalam proses kerjanya sama menggunakan nozel inkjet untuk menuangkan cairan untuk membentuk setiap lapisan. Tetapi memiliki perbedaan dengan jenis direct, dimana jenis binder untuk melakukan pencetakan menggunakan dua bahan yang terpisah yang berupa bubuk kering dan lem cair. Dengan mekanisme kerja, pertama bubuk kering dilakukan penuangan kemudian diberikan lem cair agar terjadi pengikatan. Begitu seterusnya hingga seluruh proses selesai.

Printer 3D jenis binder

2.  Photopolymerization dan Sintering
Photopolymerization jika diamati dari penamaannya berasal dari kata Photo yang berati cahaya dan polymer yang memiliki arti senyawa kimia plastik. Jadi dapat dikatakan sebagai jenis printer 3D yang memiliki cara kerja dengan meneteskan cairan plastik kemudian diberikan penyinaran laser berupa ultraviolet. Dan selama proses penyinaran ini sanggup merubah cairan menjadi bentuk padat.

photopolymer-353x400

Printer 3D jenis photopolymerization

Sedangkan Printer 3D jenis sintering dalam proses kerjanya melibatkan partikel padat diberikan proses penyinaran. Dan proses semacam ini biasa disebut dengan Selective laser sintering (SLS) yakni proses printer 3D yang bekerja menggunakan laser untuk mencairkan bubuk plastik yang kemudian mencair dan membeku kembali membentuk lapisan dicetak. Jenis sintering sangat kompatibel untuk mencetak benda yang berasal dari logam. Karena proses manufaktur pada logam sering membutuhkan mekanisme dari bentuk padat kemudian cair lalu padat lagi. Dan keuntungan yang dihasilkan dari proses sintering adalah tingkat presisi yang tinggi.

sintering-360x400

Printer 3D jenis sintering

Sumber: HowStuffWork

TEKNOLOGI AUTENTIKASI MENGGUNAKAN IRIS MATA

UNIVERSITAS GUNADARMA
FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI

aaaaaaa

PENGANTAR TEKNOLOGI SISTEM CERDAS
TEKNOLOGI AUTENTIKASI MENGGUNAKAN IRIS MATA

Kelompok 1
Ahmad Ghaelan Al Dimasqi (10114557)
Alvyn Laversha Indriadi (10114911)
Arizal Priambudi (11114656)
Asih Imaniar (11114740)
Azka Ali Hasan (11114935)
Bagus Yogatama (12114013)
Bardan Santani (12114032)
Budy Hantoyo (12114242)
Chaysar Juniardi Dewantara (12114339)
Dany Mochtar (12114537)


 

ABSTRAK

Pemindaian iris adalah metode otentikasi berbasis biometrik yang menggunakan teknik autentikasi berdasarkan resolusi tinggi dari iris mata manusia. Biometrik adalah teknologi yang menggunakan data biologis dari manusia yang unik sebagai pembeda antar manusia. Metode autentikasi iris telah berkembang sebagai salah satu metode autentikasi yang paling akurat dan terpercaya saat ini. Tingkat kesalahan yang dihasilkan telah terbukti paling rendah dibanding teknologi autentikasi kuno seperti kartu, pin maupun password. Faktor kemudahan user juga menjadi keunggulan tersendiri bagi teknologi autentikasi ini dikarenakan user dapat melakukan transaksi elektronik dan akses ke tempat-tempat tertentu serta dapat mengakses informasi dengan mudah dan aman tentunya.

 

PENDAHULUAN

Dalam era teknologi informasi sekarang ini bukanlah hal yang sulit untuk mengumpulkan data tentang individu dan menggunakan informasi tersebut untuk melakukan kontrol terhadap hal tersebut. Mereka umumnya tidak ingin orang lain dapat mengakses informasi pribadi tentang mereka kecuali mereka memberikan hak akses terhadapnya. Dengan pesatnya perkembangan teknologi, sangatlah sulit untuk menjaga privasi dan informasi yang telah terekam di masa lalu. Dalam konteks ini, keamanan data telah menjadi fokus terpenting. Identifikasi konvensional seperti kepemilikan identitas seperti KTP atau paspor atau kepemilikan surat-surat identitas lain seperti nomor jaminan sosial atau password tidak dapat dipercaya 100 persen. Surat-surat identitas tersebut bisa hilang, dipalsukan atau kedaluarsa serta id atau password dapat terlupa. Sehingga orang yang tidak berkepentingan mungkin dapat masuk ke akun tersebut dengan cara meretas dan data rahasia tersebut dapat diakses oleh orang yang tidak bertanggung jawab.
Teknologi biometrik kini telah menjadi alternatif untuk sistem identifikasi konvensional karena akurasi dan kecepatan yang luar biasa. Sistem biometrik otomatis memverifikasi atau mengenali identitas manusia berdasarkan karakteristik fisiologis. Karena individu yang besrangkutan harus hadir secara fisik pada tempat identifikasi, teknik biometrik memberikan keamanan tinggi untuk informasi sensitif yang tersimpan, hal tersebut untuk menghindari penyalahgunaan nomor identitas dan password. Makalah ini akan mengeksplorasi metode autentikasi iris yang merupakan salah satu teknik biometrik yang paling populer saat ini.

1


 

PEMBAHASAN

PERKEMBANGAN BIOMETRIK
Biometrik telah lama berkembang sejak jaman Mesir Kuno, pada awalnya bertujuan untuk memberikan jejak dan dokumentasi kepada generasi selanjutnya. Semakin berkembangnya zaman membuat teknologi biometrik kini bertujuan untuk mengidentivikasi data biologis manusia. Perangkat biometrik memiliki tiga komponen utama yaitu:

  1. Mekanisme otomatisasi yang memindai dan menangkap gambar digital atau analog dari karakteristik biologis manusia.
  2. Kompresi, pengolahan, penyimpanan dan perbandingan dari gambar dengan data yang tersimpan.
  3. Antarmuka dengan sistem aplikasi.

Sebuah sistem biometrik dibagi menjadi dua tahap: yang pertama yaitu modul enrollment dan modul identifikasi. Modul enrollment bertanggung jawab menginisiasi sistem agar dapat mengidentifikasi karakter biologis manusia. Selama tahap enrollment, sensor biometric akan memindai data biologis individu untuk membuat representasi digital. Lalu ekstraktor akan memproses representasi tersebut untuk menghasilkan hasil yang lebih utuh dan ekspresif yang dapat disebut template. Pencitraan digital iris ini mencakup berbagai karakteristik terlihat dari iris seperti kontraksi, alur, lubang, cincin dll. Template untuk setiap individu disimpan dalam database sistem biometrik. Modul Identifikasi bertanggung jawab untuk mengenali data individu tersebut. Selama tahap identifikasi, sensor biometrik menangkap karakteristik orang yang akan diidentifikasi dan mengubahnya menjadi format digital sama seperti template. Template yang dihasilkan akan diumpankan ke fitur penyama, yang membandingkannya terhadap template yang disimpan untuk menentukan apakah dua template tersebut cocok.
Identifikasi dapat berupa verifikasi, autentikasi identitas atau pengakuan kebenaran dalam menentukan identitas seseorang dari database individu yang ada. Dalam sistem verifikasi, ketika karakteristik tersebut ditangkap otomatis template akan disimpan dan dicocokkan, lalu akan diputuskan bahwa identitas dapat diklaim, sistem menyimpulkan bahwa identitas adalah benar. Dalam sistem pengenalan, ketika karakteristik ditangkap dan salah satu template yang disimpan adalah sama, sistem mengidentifikasi individu tersebut dengan pencocokan template dalam sistem.

asasa
Topologi metode identifikasi

2


 

Biometrik meliputi karakteristik fisiologis dan perilaku manusia. Karakteristik fisiologis adalah fitur fisik yang relatif stabil pada manusia seperti sidik jari, pola iris, pola retina atau fitur wajah. Sedangkan perilaku individu dapat diidentifikasi pada pola tanda tangan, cara mengetik pada keyboard atau cara seseorang bicara. Tingkat variasi pada karakteristik fisiologis sangatlah rendah dibanding karakteristik perilaku. Misalnya, pola iris manusia akan selalu sama tetapi pola tanda tangan dapat berubah-ubah.

Kekurangan
Meskipun metode identifikasi konvensional tidak lagi akurat, teknologi biometrik ini belum banyak dipakai dan tersebar luas di khalayak umum disebabkan oleh berbagai hal yang mungkin masih diperhitungkan oleh para pengembang dan perusahaan yaitu akurasi, biaya, integritas, dll.

Akurasi
Bahkan jika karakteristik biometrik yang sah dapat disajikan dengan sistem biometrik, tingkat kebenarannya masih belum dapat terjamin. Ini bisa jadi karena sensor suara, keterbatasan metode pengolahan, dan variabilitas dalam kedua karakteristik biometrik.

Biaya
Biaya dalam hal ini terkait dengan akurasi; banyak aplikasi seperti log on ke pc sangat sensitif terhadap penambahan biaya yang dibutuhkan untuk mengusung teknologi biometrik.

assas.PNGPerbandingan antara biaya dan akurasi

3


 

TEKNOLOGI IDENTIFIKASI IRIS
Teknologi identifikasi iris adalah biometrik yang sangat akurat. identifikasi Iris memanfaatkan fitur unik dari iris manusia untuk memberikan teknologi identifikasi yang tak tertandingi. Keakurasian dalam hal ini adalah algoritma yang digunakan dalam pengenalan iris bahwa seluruh dunia bisa terdaftar di database iris dengan tingkat penerimaan yang tinggi. Hanya saja teknologi pengenalan iris ini dapat digunakan secara efektif dan efisien dalam implementasi identifikasi skala besar. Akurasi yang luar biasa dari pengenalan iris memungkinkan bahwa teknologi ini dapat dipakai di sebagai standar autentikasi masa depan.

Iris Sebagai Identifier Handal
Iris adalah fokus dari sarana yang baru dalam identifikasi biometrik. iris disebut password hidup karena unik. Hal itu adalah salah satu data biologis individu yang tidak dapat dicuri atau dipalsukan karena Iris setiap mata benar-benar unik. Probabilitas bahwa iris pada dua invividu bisa sama-sama adalah satu dari 10 pangkat 78 dari seluruh populasi manusia bumi yang kira-kira 5,8 miliar. Jadi faktanya tidak ada dua individu yang mempunyai iris yang sama, bahkan kembar identic sekalipun. Bahkan iris kiri dan kanan tiap individu juga sangat berbeda. Setiap iris memiliki tekstur yang sangat rinci dan unik yang tetap stabil seumur hidup. Karena tekstur dan sifat fisiologis dari iris hampir dipastikan bahwa penduplikasian iris tidaklah mungkin terjadi.

APLIKASI
Identifikasi berbasis iris dan teknologi verifikasinya telah memperoleh pengakuan dimana-mana. Penerapan teknologi pengenalan iris mulai dikembangkan di berbagai sector yang menerapkan standar kemanan tinggi. Contoh pengaplikasian teknologi pengenalan iris antara lain :

  • Integerasi biometrik iris dengan ATM: di negara amerika serikat banyak bank yang menerapkan teknologi pengenalan iris sebagai autentikasi keamanan pada ATM yang bertujuan mengendalikan akses ke rekening bank tersebut. Setelah melakukan inisiasi terlebih dahulu, user hanya perlu mendekati mesin ATM, lalu mengikuti instruksi untuk melihat kamera pemindai, dan dipindai dalam waktu 2-4 detik. Manfaat dari sistem tersebut adalah user masuk ke rekening dalam waktu yang cepat dan dapat bertransaksi lebih aman.
  • Pelacak gerak-gerik tahanan: tingkat akurasi yang tinggi dalam teknologi autentikasi iris dapat diterapkan sebagai standar kemanan di tempat-tempat berisiko tinggi yang membutuhkan pengawasan lebih dan keamanan tinggi. Pemindai iris telah menerapkan perangkat mereka dengan sukses besar sebagai standar keamanan untuk melacak gerak-gerik tahanan di seluruh penjara di daerah Pennsylvania dan Florida. Dengan ini transfer tahanan dapat melalui identifikasi biometrik dan perangkat tersebut sangat meringankan masalah logistik dan staf.

4


Aplikasi jenis ini sangat cocok digunakan dengan teknologi pengenalan iris. pengenalan iris pada perangkat keamanan fisik mudah diintegrasikan secara mountable, selain itu juga memerlukan standar keamanan serta kontrol akses yang kokoh. Teknologi ini dapat diandalkan untuk mencegah tahanan melarikan diri dan gerak-gerik yang mencurigakan yang dapat langsung terdeteksi dan diproses, tentunya keamanan penjara akan lebih stabil dan terkendali.

    Aplikasi lain yang dapat memanfaatkan teknologi autentikasi iris antara lain :

  • Login Komputer: yaitu iris sebagai password.
  • Kontrol Perbatasan nasional: iris sebagai tanda pengenal.
  • Panggilan telepon, kartu seluler atau nomor PIN.
  • Autentikasi boarding pass pada tiket perjalanan pesawat.
  • Kontrol akses pada tempat-tempat tertentu (rumah, kantor, laboratorium dll).
  • Surat izin Mengemudi dan sertifikat pribadi lainnya.
  • Hak-hak dan autentikasi data rahasia.
  • Surat tanda kelahiran, kartu tanda penduduk dan data pencarian orang/ buron.
  • Pengamanan kendaraan pribadi; perangkat anti-pencurian.
  • Autentikasi boarding pass pada tiket perjalanan pesawat.
  • Anti-terorisme (contoh :pemindaian yang dilakukan di bandara).
  • Transaksi keuangan (e-commerce, perbankan).
  • Keamanan internet, kontrol akses ke informasi istimewa.
  • “Biometric-key Cryptography” untuk mengenkripsi / mendekripsi pesan.

5


 

KESIMPULAN

Kemampuan kinerja teknis dari proses pengenalan iris jauh melampaui dari teknologi biometrik yang tersedia sekarang. Proses iridian didefinisikan untuk pencarian secara lengkap dan cepat untuk database yang sangat besar: kemampuan tersebut diperlukan untuk metode autentikasi yang dibutuhkan di era digital saat ini. Probabilitas kesalahan yang sangat rendah dalam pengenalan dan identifikasi akses adalah salah satu keunggulan dari algoritma pengenalan iris untuk autentikasi dalam database yang sangat besar, bahkan skala nasional atau dunia. Karena mungkin kedepannya teknologi iris tumbuh dengan biaya yang lebih terjangkau, mungkin dapat dengan mudah menggeser sebagian besar industri biometric dewasa ini, dikarenakan keunggulan teknologi ini telah memungkinkan untuk membuat terobosan signifikan dalam identifikasi dan keamanan. teknologi biometrik berbasis iris menjadi salah satu teknologi biometrik yang sangat akurat, dan mungkin akan menjadi standar teknologi kemanan pada masa depan.

 

SUMBER

  1. Daugman J (1999) “Wavelet demodulation codes, statistical independence, and pattern recognition.” Institute of Mathematics and its Applications, Proc.2nd IMA-IP. London: Albion, pp 244 – 260.
  2. Daugman J (1999) “Biometric decision landscapes.” Technical Report No TR482, University of Cambridge Computer Laboratory.
  3. Daugman J and Downing C J (1995) “Demodulation, predictive coding, and spatial vision.” Journal of the Optical Society of America A, vol. 12, no. 4, pp 641 – 660.
  4. Daugman J (1993) “High confidence visual recognition of persons by a test of statistical independence.” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 15, no. 11, pp 1148 – 1160.
  5. Daugman J (1985) “Uncertainty relation for resolution in space, spatial frequency, and orientation optimized by two-dimensional visual cortical filters.” Journal of the Optical Society of America A, vol. 2, no. 7, pp 1160 – 1169.

6

Ilmu Pengetahuan Teknologi & Kemiskinan

ILMU PENGETAHUAN TEKNOLOGI

Di kalangan ilmuwan ada keseragaman pendapat, bahwa “ilmu” itu selalu tersusun dari pengetahuan secara teratur, yang diperoleh dalam pangkal tumpuan (objek) tertentu dengan sistematis, metodis, rasional/ logis, empiris, umum dan akumulatif. Sedangkan dalam memberikan pengertian pada “pengetahuan”, Bacon dan David Home, menyatakan pengetahuan sebagai pengalaman indera dan bathin, Immanuel Kant menyatakan bahwa pengetahuan merupakan persatuan antara budi dan pengalaman, sedangkan teori Phyrro menjelaskan bahwa tidak ada kepastian dalam pengetahuan. Continue reading Ilmu Pengetahuan Teknologi & Kemiskinan