• Fakultas Sains ITERA
• 25 November 2022
• 0 Comments

Berita – Program Studi Sains Data, Jurusan Sains ITERA adakan Kuliah Tamu membahas pengaplikasian Artificial Intelligence for Data Science khususnya di bidang pertanian, Rabu, (23/11). Pada Kuliah Tamu yang diadakan secara daring tersebut mendatangkan pemateri dari Institut Pertanian Bogor (IPB), yaitu Prof. Dr. Ir. Agus Buono, M.Si., M.Kom. yang merupakan Wakil Dekan Bidang Akademik Sekolah Pascasarjana IPB sekaligus dosen Departemen Ilmu Komputer IPB.

Pada kuliahnya ini, Prof Agus Buono membahas terkait tantangan nasional, mengapa kita membutuhkan AI dalam pangan agro-maritim. Permasalahan yang sering terjadi seperti pesisir yang rusak seperti bakau, terumbu karang. Konektivitas kelemahan seperti RTRW, RTRLN, RZWP3K, sampah plastik dan pertanian.Tantangan global seperti pupuk kimia berat, penggundulan hutan, penggembalaan berlebihan, peristiwa banjir bandang, meningkatnya kekeringan menyebabkan 25% lahan pertanian terganggu. Ratusan juta orang kemungkinan akan terpaksa bermigrasi hanya dalam 3 dekade mendatang karena produktivitas lahan pertanian yang memburuk dengan cepat di banyak wilayah – yang disebabkan oleh praktik pertanian modern yang banyak menggunakan bahan kimia dan pupuk, penggembalaan yang berlebihan, penggundulan hutan, peristiwa banjir bandang, dan meningkatnya kekeringan.

Urbanisasi memengaruhi perubahan pola konsumsi. Pertumbuhan penduduk mengakibatkan permintaan pangan yang menjadi lebih tinggi sehingga lebih banyak makanan yang akan diproduksi oleh petani. Makanan olahan dan konsumsi daging per-kapita tahunan dari tahun 1997 sampai 1999 adalah 36,4 kg dan sekarang mencapai 45,3 kg. Kelangkaan pangan menyebabkan masih banyaknya kelaparan. Peta Kelaparan WFP 2020 menggambarkan prevalensi kekurangan gizi pada populasi setiap negara pada 2017-2019 – Jika tren saat ini berlanjut, jumlah orang yang kelaparan akan mencapai 840 juta pada tahun 2030 (saat ini: sekitar 340 juta). Makanan dianggap sebagai kebutuhan dasar manusia yang dapat dipenuhi melalui pertanian.

Tujuan pembangunan berkelanjutan 2030 untuk mengubah dunia kita yaitu:

• Tujuan 1: Tanpa Kemiskinan
• Tujuan 2: Nol Kelaparan
• Tujuan 3: Kesehatan Dan Kesejahteraan Yang Baik
• Tujuan 4: Pendidikan Berkualitas
• Tujuan 5: Kesetaraan Gender
• Tujuan 6: Air Bersih Dan Sanitasi
• Tujuan 7: Energi Bersih Dan Terjangkau

• Tujuan 8: Pekerjaan Layak Dan Pertumbuhan Ekonomi
• Tujuan 9: Industri, Inovasi, Dan Infrastruktur
• Tujuan 10: Mengurangi Ketimpangan
• Tujuan 11: Kota Dan Komunitas Berkelanjutan
• Tujuan 12: Konsumsi Dan Produksi Yang Bertanggung Jawab
• Tujuan 13: Aksi Iklim
• Tujuan 14: Kehidupan Di Bawah Air
• Tujuan 15: Kehidupan Di Darat
• Tujuan 16: Institusi Kuat Perdamaian Dan Keadilan
• Tujuan 17: Kemitraan Untuk Mencapai Tujuan

Beralih dari sistem produksi pangan saat ini teknik baru di produksi makanan dan didistribusi ke konsumen. Sistem pertanian, sistem peternakan, sistem kehutanan, perikanan dan lautan pengelolaan sistem agroindustri, dan juga bagaimana caranya membawa makanan ke konsumen.

Produksi berbeda menggunakan teknik baru seperti hidroponik, bioplastik, bahan baku alga, pertanian gurun, dan budidaya air laut. Menggabungkan teknologi dan aplikasi lintas industri seperti drone technology, data analytics, nanotechnology, artificial intelligence, internet of things, precision agriculture, food sharing and crowdfarming, and blood. Produksi makanan harus mencangkup efektivitas, efisiensi, dan sustainablility.

Pada ilmu sains data bertujuan untuk mengekstrak wawasan yang berguna dari data yang diberikan persyaratan khusus eksekutif bisnis dan calon pengguna lain dari wawasan tersebut. Analitik kausal prediktif: Ilmuwan data menggunakan model ini untuk mendapatkan perkiraan bisnis. Model prediktif menampilkan hasil dari berbagai tindakan bisnis dalam istilah yang dapat diukur. Ini bisa menjadi model yang efektif untuk bisnis yang mencoba memahami masa depan setiap langkah bisnis baru.

Analisis Preskriptif: Analisis semacam ini membantu bisnis menetapkan tujuan mereka dengan menentukan tindakan yang paling mungkin berhasil. Analisis preskriptif menggunakan kesimpulan dari model prediktif dan membantu bisnis dengan menyarankan cara terbaik untuk mencapai tujuan tersebut.

Aplikasi sains data di kehidupan sehari hari sebagai berikut:

• Perbankan: Ilmu Data memungkinkan Bank untuk memanfaatkan sumber daya secara efisien berdasarkan data. Ilmu Data memungkinkan manajemen risiko dan pemodelan risiko berdasarkan data pelanggan. Juga memprediksi churn pelanggan dan deteksi penipuan menggunakan data tersebut.
• Manufaktur: Ilmu Data memungkinkan untuk Mengoptimalkan produksi, Mengurangi biaya, dan Meningkatkan keuntungan. Selain itu, penyertaan data dari sensor memungkinkan untuk menemukan potensi masalah dalam sistem. Juga, data memungkinkan untuk mengoptimalkan kualitas dan kapasitas produksi.
• Transportasi: Ilmu Data membantu menciptakan sistem untuk mobil tanpa pengemudi menggunakan data sensorik. Ilmu Data memungkinkan analisis ekstensif pola konsumsi bahan bakar, pemantauan pengemudi, dan pemilihan jalur membantu dalam mengoptimalkan industri.

• Kesehatan: Ilmu Data membantu dalam analisis prediktif diagnosis, penemuan obat berdasarkan data penyakit, dan analisis citra Medis untuk memprediksi penyakit dari citra.
• E-Commerce: Ilmu Data membantu menemukan pelanggan potensial. Ini membantu dalam mengoptimalkan basis pelanggan dan mengelompokkannya berdasarkan tren. Ini juga digunakan untuk menganalisis barang dan jasa secara prediktif untuk cakupan maksimum. Menggunakan data pelanggan, perusahaan menggunakan analisis sentimen untuk menemukan umpan balik berdasarkan ulasan.

AI atau kecerdasan buatan di dalam sains data mengoptimalkan tahapan-tahapan dan meningkatkan kemampuan sains data contohnya seperti belanja online yang dipersonalisasi: Tren pencarian dan riwayat pencarian pengguna dilacak dan berdasarkan data, iklan produk tertentu ditampilkan yang dapat memenuhi kebutuhan dan harapan pengguna.

Pencitraan dan Pengawasan yang Ditingkatkan: Fitur gambar ditingkatkan menggunakan visi komputer, yang digunakan oleh aplikasi seperti Snapchat dan Instagram. Image Enhancement juga digunakan oleh dinas keamanan dan militer untuk pengawasan.

Video Game: Game komputer terdiri dari bot yang dikendalikan oleh sistem. Karakter ini dapat diadaptasi yaitu mereka mengubah tingkat kesulitan berdasarkan pemain sebenarnya. Ini bekerja pada kemampuan beradaptasi Kecerdasan Buatan.

Kesehatan: Ini adalah sektor yang paling banyak mengadopsi Kecerdasan Buatan. Sistem Otomatis yang memudahkan pengembangan obat-obatan telah membantu menemukan obat untuk lebih banyak penyakit. Juga menerapkan Kecerdasan Buatan pada data historis telah membantu memprediksi hasil bakteri dan virus.

ChatBots: Dimasukkannya chatbot opsional di situs web dan toko online telah menjadi suatu keharusan. Ini memberikan informasi paling banyak dengan cara yang paling manusiawi. Kecerdasan Buatan dalam ChatBots berbasis Ilmu Data berfungsi secara efisien.

Manfaat menggabungkan kecerdasan buatan AI in data science adalah aplikasi analitik prediktif yang memperkirakan perilaku pelanggan, tren bisnis, dan peristiwa berdasarkan analisis kumpulan data yang terus berubah. Sistem AI percakapan yang dapat terlibat dalam komunikasi yang sangat interaktif dengan pelanggan, pengguna, pasien, dan individu lainnya. Sistem deteksi anomali yang mendukung keamanan siber adaptif dan proses deteksi penipuan untuk membantu organisasi merespons ancaman yang terus berkembang. Sistem hiper- personalisasi yang memungkinkan iklan bertarget, rekomendasi produk, panduan keuangan dan perawatan medis, plus personalisasi lainnya penawaran kepada pelanggan.

Kecerdasan buatan atau AI dan data science dapat mengalahkan manusia seperti:

1. Komputer Deep Blue adalah pemain catur yang lebih baik sejak 1997
2. Mesin ilmu data menganalisis data lebih baik daripada manusia
3. AI lebih cepat dan lebih pintar dalam pengenalan visual
4. Alibaba membangun AI yang bisa membaca lebih baik dari rata-rata manusia
5. Program musik AI menulis lagu pop yang lebih baik
6. Sistem AI ini juga lebih berkinerja di game strategi
7. AI menciptakan dan mengkritik seni asli
8. Aplikasi AI yang paling menantang:
9. AI ini baru saja memecahkan rekor memecahkan Rubik’s Cube
10. Mobil Self-Driving akan mengurangi kematian dan menghemat uang
11. AI tidak mempunyai hari libur
12. Senjata otonom mematikan (LAWS) (sejenis sistem militer otonom yang secara mandiri dapat mencari dan melibatkan target berdasarkan batasan dan deskripsi yang diprogram)