PENGANTAR TEKNOLOGI SISTEM CERDAS SOFTCOMPUTING

MAKALAH

PENGANTAR TEKNOLOGI SISTEM CERDAS

SOFTCOMPUTING

Disusun oleh

Kelompok 1

           1.        Ahmad Ghaelan A.D                                                                   10114557

           2.        Alvyn Laversha Indriadi                                                               10114911

           3.        Arizal Priambudi                                                                          11114656

           4.        Asih Imaniar                                                                                11114740

           5.        Azka Ali Hasan                                                                           11114935

           6.        Bagus Yogatama                                                                          12114013

           7.        Bardan Santani                                                                            12114032

           8.        Budy Hantoyo                                                                             12114242

           9.        Chaysar Juniardi D.                                                                     12114339

          10.    Dany Mochtar                                                                              12114537

3KA13

SISTEM INFORMASI

ILMU KOMPUTER & TEKNOLOGI INFORMASI

UNIVERSITAS GUNADARMA

PTA 2016/2017

ABSTRAK

Softcomputing merupakan metode yang dapat mengolah data-data yang bersifat tidak pasti, impresisi dandapat diimplementasikan dengan biaya yang murah (low-cost solution). Beberapa metode yang termasukdalam kategori softcomputing misalnya fuzzy logic, artificial neural network, probabilistyc reasoning.

Softcomputing bukanlah suatu metode yang berjalan sendiri dalam menyelesaikan masalah, melainkanlebih pada kerjasama serasi antara metode-metode di atas, sehingga segi positif tiap metode dapatberkontribusi secara aktif. Sebagian dari materi pada makalah ini disampaikan sebagai pengantar kuliahmusim semi 2003: “Special Lecture on Media Science V”, pada School of Computer & CognitiveSciences, Chukyo University, Japan.

 BAB I

 PENDAHULUAN

Komputer merupakan alat yang mungkintidak 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.

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

Pada tahun 1965, Gordon Moore telahmemberikan prediksi bahwa jumlah transistor pada IC akan selalu berlipat dua setiap 18 bulan [1]. 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 masalahdalam 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 ?

·         Kapankah terjadinya gempa bumi di wilayah Tokai (Jepang Tengah) ?

·         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 mempelajaritrend yang telah ada, dan memprediksikeadaan di masa yad. (learning ability)

·         kemampuan menganalisa informasi yangdisertai 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.

BAB II

PEMBAHASAN

1.1.       Definisi SoftComputing

Berbagai macam definisi softcomputing diberikan oleh para ahli. Salah satudefinisinya adalah sebagaimana disampaikanoleh pencetus softcomputing, yaitu Prof.Lotfi A. Zadeh, di homepage BISC [2], sbb.

“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 modelyang menarik bagi pengembangansoftcomputing ? Kunci dari pertanyaan inisebenarnya terletak pada struktur dan fungsidari 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 bertambahpanjangnya benang-benang tersebut, disamping pertambahan sel glia.Pertambahan panjang ini berkaitan erat dengan proses pembelajaran yang dialamioleh manusia. Hal ini merupakan ide awalbagi pengembangan metode softcomputing:artificial neural network, yang memilikikemampuan 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 caraberfikir manusia. Selain neural network dan fuzzy, masih banyak lagi jenis-jenis metodesoftcomputing, yang ide awalnya bersumberdari 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.

1.2.       Metode-metode SoftComputing

Mengacu pada definisi yang diberikan olehZadeh, metode-metode dalam softcomputingdapat dikategorikan ke dalam tiga kategoribesar:

·         Fuzzy Logic (FL)

·         Neural Network Theory (NN)

·         Probabilistic Reasoning (PR)

Metode-metode ini sebenarnya bukanlahsesuatu yang baru diadakan setelah konsepsoftcomputing dirumuskan. Yang terjadijustru sebaliknya. Metode-metode FuzzyLogic, Neural Network maupun ProbabilisticReasoning telah ada lebih dahulu. FuzzyLogic telah berkembang sejak tahun 1965.Konsep-konsep dasar neural network telahdigali sejak tahun 1940-an. ProbabilisticReasoning juga bukanlah hal yang baru samasekali. Karena itu, Zadeh menyebutsoftcomputing sebagai reinkarnasi darimetode-metode di atas.Lebih lanjut lagi, dalam konsep softcomputing, ketiga jenis metode ini ibaratpilar, saling mendukung dan bekerjasamadalam memecahkan suatu permasalahan Keunggulan yang diperoleh dari kerjasamametode-metode itu lebih ditekankan daripadakeunggulan individual salah satu daripadanya.Kekurangan satu metode akan ditutup dengan kelebihan metode yang lain. Keunggulan satumetode disumbangkan, sehingga segi-segi dimanfaatkan secara optimal. Berikut diuraikan konsep dan gambaran mengenai masing-masing pilar dalam softcomputing.

a.       Fuzzy Logic (FL)

Fuzzy merupakan representasi suatu pengetahuan yang dikonstruksikan denganif-then rules. Karakteristik dari metode iniadalah [3]

·         pemecahan masalah dilakukan denganmenjelaskan sistem bukan lewatangka-angka, melainkan secara linguistik,atau variable-variable yang mengandungketakpastian/ketidaktegasan.

·         Pemakaian if-then rules untukmenjelaskan kaitan antara satu variable dengan yang lain.

·         Menjelaskan sistem memakai algoritmafuzzy

Berawal dari paper-paper Zadeh di tahun 1965 mengenai fuzzy-sets, ilmu iniberkembang pesat, dan mulai menemukanaplikasinya di bidang control pada tahun1974. Pada saat itu, Mamdanimemperkenalkan aplikasi fuzzy sebagai alatkontrol steam-engine. Hal ini merupakanmomentum penting, sebagai awal bagi teknologi fuzzy untuk menemukan lading aplikasi di dunia industri. Fuzzy memiliki kelebihan-kelebihan, diantaranya [3]

1.      Dapat mengekspresikan konsep yangsulit untuk dirumuskan, seperti misalnya“suhu ruangan yang nyaman”

2.      Pemakaian membership-functionmemungkinkan 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 pengambilankeputusan.

Dewasa ini, fuzzy merupakan salah satu metode memiliki aplikasi luas di bidang kontrol. Hal ini disebabkan a.l. [3]

1.      kontrol memiliki potensi aplikasi yangsangat luas dan dibutuhkan di berbagai bidang.

2.      kuantitas suatu materi dalam system kontrol sangat jelas, dan dapatdiekspresikan dengan istilah-istilah yang fuzzy seperti “besar”, “banyak”.

3.      aturan dalam kontrol mudah untukdidefinisikan memakai kata-kata.Misalnya “jika suhu dalam ruanganterlalu dingin, naikkan suhupenghangat”.

4.      perkembangan teori fuzzy sangat pesat, sehingga batas-batasnya dapat dirumuskan dengan jelas.

b.      Neural Networks (NN)

Neural Networks (Jaringan Saraf Tiruan) menurut Haykin [4] didefinisikan sebagaiberikut :

“Sebuah neural network (JST: Jaringan Saraf Tiruan) adalah prosesor yangterdistribusi paralel, terbuat dari unit-unityang sederhana, dan memiliki kemampuanuntuk menyimpan pengetahuan yangdiperoleh secara eksperimental dan siappakai untuk berbagai tujuan. Neuralnetwork ini meniru otak manusia darisudut :

1.      Pengetahuan diperoleh olehnetwork dari lingkungan, melalui suatu proses pembelajaran.

2.      Kekuatan koneksiantar unit yang disebut synaptic weights,berfungsi untuk menyimpan pengetahuanyang telah diperoleh oleh jaringan tersebut.”

Pada tahun 1943, Mc.Culloch dan Pittsmemperkenalkan model matematika yang merupakan penyederhanaan dari struktur selsaraf yang sebenarnya (lihat gambar 1).

Gambar 2 memperlihatkan bahwa sebuah neuron memiliki tiga komponen:

·         synapse (w1 , w2 ,…,wn) T

·         alat penambah (adder)

·         fungsi aktifasi (f)

Korelasi antara ketiga komponen inidirumuskan pada persamaan (1).

        (1)

Signal x berupa vektor berdimensi n (x1 , x2 ,…,xn)T akan mengalami penguatan olehsynapse w (w1, w2 ,…,wn)T. Selanjutnyaakumulasi dari penguatan tersebut akanmengalami transformasi oleh fungsi aktifasi f.Fungsi f ini akan memonitor, bila akumulasipenguatan signal itu telah melebihi batastertentu, maka sel neuron yang semula beradadalam kondisi “0”, akan mengeluarkan signal“1”. Berdasarkan nilai output tersebut (=y),

sebuah neuron dapat berada dalam dua status: “0” atau “1”. Neuron disebut dalam kondisifiring bila menghasilkan output bernilai “1”.Sebuah neural network dapat dianalisa daridua sisi:

1.      bagaimana neuron-neuron tersebutdirangkaikan dalam suatu jaringan (arsitektur).

2.      bagaimana jaringan tersebut dilatih agarmemberikan output sesuai dengan yang dikehendaki (algoritma pembelajaran).Algoritma pembelajaran ini menentukancara 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 modelmatematika neuron oleh McCulloch & Pitts, penelitian di bidang neural network berkembang cukup pesat, dan mencapaipuncak keemasan pertama pada era tahun 60, dan puncak kedua pada pertengahan tahun80-an. Penelitian dalam bidang ini, dapat dibagi dalam tiga kategori:

1.      Riset untuk meneliti proses informasiyang terjadi pada otak dan jaringan saraf. Tema ini merupakan porsi penelitian para ahli medis dan neuroscientist.

2.      Penelitian teoritis untuk mendalamikonsep dasar proses informasi pada otak. Kategori ini memerlukan ketajaman analisa matematika untuk menggali dasar-dasar teori dari proses tersebut.

3.      Penelitian yang bertujuan memanfaatkanteori-teori yang telah ada untuk aplikasi. Dalam hal ini, perlu sekali memperhatikan tingkat akurasi sistem, dan menekan biaya serendah mungkin (low cost solution).

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.      Kemampuan memberikan jawabanterhadap pattern yang belum pernah dipelajari (generalization)

3.      Dapat secara otomatis mempelajari datanumerik yang diajarkan pada jaringan tersebut

c.       Probabilistic Reasoning (PR) dan

Genetic Algorithm (GA)Reasoning berarti mengambil suatukeputusan atas suatu alasan atau sebabtertentu. Dua jenis reasoning adalah logicalreasoning dan probabilistic reasoning. Salahsatu kelebihan probabilistic reasoningdibandingkan logical reasoning terletak padakemampuan untuk mengambil keputusan yang rasional, walaupun informasi yangdiolah kurang lengkap atau mengandungunsur ketidakpastian. Termasuk dalam kategori PR antara lain teori Chaos, Belief

Networks, Genetic Algorithm. Diskusi dalam makalah ini difokuskan pada salah satumetode dalam PR, yaitu Genetic Algorithm (GA).

Dasar-dasar GA digali oleh John Holland pada pertengahan tahun 70-an. GA adalahmetode komputasi yang meniru prosesevolusi dan seleksi alam. Metode ini seringdimanfaatkan untuk mencari nilai optimalsuatu fungsi/permasalahan.Gambar 3 menunjukkan urutan tahapandalam GA. Untuk mencari nilai optimaltersebut, pertama-tama parameter-parameterpermasalahan ditransfer kedalam bentuk genetik sebuah kromosom individu yang disebut genotype.

Kromosom ini terdiri darisederetan string (misalnya angka “0” dan“1”) yang merupakan analogi dari rantaiDNA: A, T, G dan C yang sebenarnya, padatubuh makhluk hidup. Selanjutnya suatupopulasi 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, yangdiukur dengan suatu kriteria yangmencerminkan sejauh mana kromosomindividu tersebut mendekati nilai optimal yang diinginkan.

Kriteria ini menjadi alatkontrol 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 mencerminkandiperolehnya jawaban yang merupakan pendekatan terhadap nilai optimal yang diinginkan.Beberapa keunggulan yang dimiliki oleh GA adalah sbb. [3]

1.      GA memiliki kemampuan untuk mencarinilai optimal secara paralel, melaluiproses kerjasama antara berbagai unityang disebut kromosom individu.

2.      GA tidak memerlukan perhitunganmatematika yang rumit seperti differensial yang diperlukan oleh algoritma optimisasi yang lain.

Namun demikian GA memiliki jugakelemahan 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 disetsecara baik agar proses evolusi dalam GA berjalan sesuai dengan yang diharapkan.

3.      Penentuan rumus menghitung fitnessmerupakan hal yang sangat penting dan mempengaruhi proses evolusi pada GA.Sayangnya tidak ada prosedur yang bakubagaimana menentukan rumus tsb.

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

1.3.       Riset dan Aplikasi SoftComputing

Dewasa ini penelitian di bidangsoftcomputing berkembang dengan pesat danaplikasinya dapat ditemukan di berbagaibidang. Hal ini disebabkan softcomputing menawarkan solusi yang sangat sesuaidengan karakteristik informasi pada real-lifedomain yang senantiasa diikuti dengan faktor impresisi, ketidakpastian, dan memerlukankemampuan pembelajaran.Berawal dari pemakaiannya untuk alatkontrol mesin uap, dewasa ini fuzzy memilikiwilayah aplikasi yang luas terutama dalambidang kontrol, robotika, pattern recognition,sistem cerdas, dll. Selain paper dan artikelyang dipublikasikan oleh berbagai journalilmiah, diskusi mengenai fuzzy ini dapatdiikuti di berbagai milis, maupun newsgroupseperti comp.ai.fuzzy. Arsip postingnewsgroup ini dapat dibaca lewathttp://groups.google.com/denganmengetikkan “comp.ai.fuzzy” pada kotakpencarian.

Neural Network memiliki aplikasi yang sangat luas di bidang pattern recognition,seperti voice recognition, characterrecognition maupun aplikasi-aplikasi padabidang ekonomi, bisnis dan bioteknologi.Salah satu forum diskusi virtual (newsgroup)yang terkenal di bidang ini adalahcomp.ai.neural-nets yang arsipnya dapatdilihat di google, dengan cara samasebagaimana uraian sebelumnya. Kumpulandari 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

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 carasebagaimana 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 untukmempublikasikan penelitian di bidang softcomputing di antaranya adalah “Soft Computing - A Fusion of Foundations,Methodologies and Applications” terbitanSpringer-Verlag Heidelberg. Journal lain adalah Applied Soft Computing yangditerbitkan oleh Elsevier. Disamping itu,paper mengenai teori dan aplikasisoftcomputing dapat dibaca padajournal-journal IEEE, IEICE, maupunproseding seminar-seminar internasional dalam bidang tsb.

Ciri khas dari softcomputing adalahpenekanan pada partnership atau kerjasama yang saling menguntungkan dari berbagaimetode yang ada. Tiap metode memiliki segi positif yang dapat disumbangkan secarakomplementer, menutupi kekurangan darimetode yang lain. Contoh populer darikerjasama komplementer ini adalah system neurofuzzy. Aplikasi dari kombinasi keduametode ini dapat dimanfaatkan untuk system control pada AC, mesin cuci dan berbagaimacam alat kebutuhan sehari-hari konsumen.Kombinasi lain dapat ditemukan pada system neuroGA, dimana GA dimanfaatkan untukmenentukan struktur yang optimal dari suatuneural network.

BAB III

PENUTUP

3.1.       Kesimpulan

Sistem cerdas adalah sistem yang dapat mengadopsi sebagaian kecil dari tingkat kecerdasan manusia untuk berinteraksi dengan keadaan eksternal suatu sistem. Sebagian kecil dari tingkat kecerdasan itu antara lain: kemampuan untuk dilatih, mengingat kembali kondisi yang pernah dialami, mengolah data-data untuk memberikan aksi yang tepat sesuai yang telah diajarkan, dan kemampuan menyerap kepakaran seorang ahli melalui perintah yang dituliskan dalam sebuah bahasa pemrograman tertentu.

3.2.       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 yang semakin berkembang ini.

DAFTAR PUSTAKA

Moore’s Law dan Intel:http://www.intel.com/research/silicon/m

https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwia_eGn7NTQAhUHvI8KHST_BPcQFggZMAA&url=http%3A%2F%2Frosyid.lecturer.pens.ac.id%2FKTI%2520(softcomputing)%2Fantosoftcomputing.pdf&usg=AFQjCNHDEfSw9sUrG63nLookNWuAmk5Jig&bvm=bv.139782543,d.c2I Diakses pada 2 desember 13:10

RIPPLE: SPEAKER UNTUK PARA PENDERITA TUNA RUNGU

RIPPLE SPEAKER 

UNTUK PARA  PENDERITA TUNA RUNGU

Ada kabar baik bagi penyandang Tuna rungu dengan adanya teknologi yang bermanfaat untuk para tuna rungu yaitu Ripple adalah sebuah speaker unik yang bukan saja mampu menghasilkan suara seperti umumnya speaker lain, tetapi juga mampu memvisualisasikan suara-suara yang dihasilkannya menjadi sebuah representasi visual taktil.

Yang dimaksud representasi taktil adalah presentasi sebuah alunan musik menjadi gerakan-gerakan objek tertentu yang dapat diindera secara sentuhan atau taktil.

Dengan kata lain, dengan menggunakan speaker Ripple, Anda dapat “memegang” dan merasakan nada-nada dan alunan suara dalam suatu musik atau lagu, yang sejatinya hanya bisa diindera melalui indera pendengar.

Selain disentuh, tentu gerakan objek yang dihasilkan oleh Ripple juga bisa ditangkap oleh indera penglihatan. Dengan begitu, speaker unik dan revolusioner ini mampu dimanfaatkan oleh seorang tuna rungu maupun tuna netra. Berikut Gambar: 

Ada teori yang mengatakan 99% anak yang mengalami gangguan dengar tingkat yang paling berat sekali pun, itu sebetulnya dia masih punya sisa pendengaran. Hanya satu persen saja yang bener-benar tidak punya. Cuma masalahnya kenapa mereka jadi tidak mampu mendengar, karena tidak distimuli.

Nah Ripple speaker ini mengajarkan anak Tuna Rungu mampu memvisualisasikan suara-suara yang dihasilkan menjadi sebuah hasil representasi visual taktil. kemudian kemampuan ini dirangsang terus supaya mereka bisa belajar mendengar. Dan mereka tidak cuma bisa mendengar saja, tapi juga belajar melalui mendengar. Kalau dia bisa mendengar berarti dia bisa belajar banyak hal yang bisa menunjang dia untuk dapat berkomunikasi seperti anak-anak normal lainnya. 

Sementara mereka yang mengembangkan bahasa isyarat memerlukan komunitas tertentu untuk bisa dipahami karena tidak semua orang  bisa mengerti bahasa isyarat, meskipun metode ini lebih terjangkau, karena tidak perlu membeli alat bantu pendengaran yang harganya masih cukup mahal bagi sebagian orang.

TEKNOLOGI AUTENTIKASI MENGGUNAKAN IRIS MATA

UNIVERSITAS GUNADARMA
FAKULTAS ILMU KOMPUTER & TEKNOLOGI INFORMASI

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.

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.

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.