AI
Artificial Intelligence (IF1706)
FSTT • ISTN Jakarta • Semester Ganjil 2025/2026
Modul Web / Sesi 1 dari 16
◀ Prev Next ▶
Sesi 1 – Pengantar dan Lingkungan AI

Rencana Materi

Menjelaskan pengertian kecerdasan buatan, sejarah dan perkembangan AI dari sistem berbasis aturan hingga pembelajaran mesin. Mahasiswa memahami peran AI dalam berbagai disiplin ilmu dan menyiapkan lingkungan pemrograman (Python, Jupyter Notebook). Dosen mendemonstrasikan program “tebak angka” sebagai AI sederhana.

Realisasi Materi

Mahasiswa berhasil memasang Python dan menjalankan notebook. Diskusi penerapan AI di Fisika, Matematika, dan Industri berjalan aktif. Latihan “tebak angka” menunjukkan logika dasar AI (loop, kondisi, strategi pencarian biner).

Tujuan: definisi & lanskap AI • setup environment • ide binary search
Ulasan Materi yang Mudah Dipahami

Apa itu AI?

AI adalah cabang ilmu komputer untuk membuat sistem yang mampu bertindak cerdas: memodelkan masalah, mencari solusi, bernalar dari pengetahuan, dan belajar dari data. Pada level awal, fokus kita pada pemodelan masalah + algoritma sederhana yang bisa langsung dipraktikkan.

Sejarah Singkat

  • 1950–1980: sistem berbasis aturan & logika simbolik.
  • 1980–2010: machine learning klasik (Naive Bayes, KNN, SVM, pohon keputusan).
  • 2012–kini: deep learning memimpin pada visi, NLP, dan lainnya.

Contoh Hitungan Manual

Perkiraan langkah maksimum strategi biner:

Jika rentang 1..N, maka tebakan maks ≈ ceil(log2(N)).
Contoh: N = 100 → ceil(log2(100)) = 7 (paling lambat 7 tebakan).

Setup Lingkungan

  1. Buka Google Colab (notebook baru).
  2. Salin kode di bawah, jalankan sel, pastikan tidak ada error.
  3. Gunakan runtime default (Python 3.x).
Kode Praktik – Siap Colab
A. Cek & Setup Lingkungan 
# ====== Setup dasar di Google Colab ======
# 1) Pastikan runtime: Python 3.x (default Colab)
# 2) Import library minimal
import sys, platform
import numpy as np
import matplotlib.pyplot as plt

print("Python:", platform.python_version())
print("NumPy:", np.__version__)

# Tes sederhana: operasi vektor
v = np.array([1,2,3])
print("v + 1 =", v + 1)
B. Mini-Lab: Tebak Angka (Binary Search)

Jalankan kode, amati jumlah langkah. Bandingkan dengan ceil(log2(N)). Coba ubah rentang 1..100 → 1..1000.

# ====== Mini-Lab: Tebak Angka (AI Sederhana) ======
# Aturan: Komputer memilih angka rahasia 1..100.
# Agen menebak dengan strategi biner (minim langkah).

import random

LOW, HIGH = 1, 100
secret = random.randint(LOW, HIGH)
steps = 0
lo, hi = LOW, HIGH

while True:
    steps += 1
    guess = (lo + hi) // 2
    print(f"Langkah {steps}: Tebakan = {guess}")
    if guess == secret:
        print(f"\nTepat! Angka = {secret} (total langkah: {steps})")
        break
    elif guess < secret:
        lo = guess + 1
    else:
        hi = guess - 1
C. Kuis 1 (Cek Mandiri) 
# ====== Kuis 1 (cek mandiri) ======
questions = [
    ("AI adalah...?",
     {"a":"Selalu pakai deep learning",
      "b":"Ilmu & rekayasa membuat mesin cerdas",
      "c":"Hanya robotika",
      "d":"Sekedar if-else"},
     "b"),
    ("Tujuan mini-lab tebak angka?",
     {"a":"Optimisasi linier",
      "b":"Penalaran probabilistik",
      "c":"Strategi pencarian (binary search)",
      "d":"Unsupervised learning"},
     "c"),
]
print("Kunci jawaban:")
for i, (_, __, ans) in enumerate(questions, 1):
    print(f"Q{i}: {ans}")
Referensi Disarankan
  • Russell & Norvig (2020), Artificial Intelligence: A Modern Approach, 4th ed. Pearson.
  • Poole & Mackworth (2017), AI: Foundations of Computational Agents, 2nd ed. CUP.
  • Dokumentasi resmi: NumPy, Matplotlib, scikit-learn.
Catatan: Tautan Colab membuka notebook kosong. Tempel kode dari tombol Copy lalu jalankan.