Review film Chapie (2015)

Tugas 4

Review film Chapie (2015)

Sedikit sinopsis

Film ini sangat cukup menarik untuk di tonton berkisah tentang dulunya adalah robot pembantu kepolisian dalam menghadapi kejahatan. Dengan tubuh yang lumayan kebal terhadap peluru dari pistol, robot robot ini diciptakan oleh Deon yang diperankan oleh Dev  Patel. Pada saat Deon melihat satu robot yang dalam keadaan fisiknya sudah layak untuk di hancurkan  yang di karenakan terkena ledakan dalam membantu tugas kepolisian , dia merasa ada jalan keluar yang dapat membuat robot itu hidup kembali dengan menanamkan program yang membuat perilakunya menjadi bayi (awal) . 

Namun, celakanya Deon diculik oleh sekelompok  orang yang memiliki banyak hutang, mereka menginginkan remote robot untuk membantunya mendapatkan banyak uang melalui robot , dengan paksaan deon akhirnya memberikan robot bekasnya yang ditanamkan program .

Ternyata program tersebut berhasil, dibawah bimbingan yolandi yang disebut mommy robot tersebut diberi nama Chapie, yolandi mengajari robot tersebut layaknya anak perempuan dengan kelembutan namun suaminya mengajarinya hal hal keras seperti menembak, merampok dengan memberi penjelasan bukan merampok namun orang yang ingin dirampok telah merampok ayah chapie, hingga menusuk orang dengan sebilah pisau dengan pemikiran bahwa jika menusuk artinya menidurkan orang tersebut bukan melukai, namun lama kelamaan chapie menyadari bahwa dia telah dibohongi oleh ayahnya dan chapie kabur .

Sialnya aksi chapie tersebut dilihat oleh vincent moore orang yang memendam perasaan benci terhadap deon karena idenya dalam membuat robot ditolak oleh atasannya dengan alasan robot deon lebih minim dalam hal pengeluaran dan perawatan sekaligus tim kepolisian menerima dengan baik kinerja robot deon tersebut. 

Vincent mengambil kesempatan dengan mencuri chapie, mengambil bagian tangannya namun untungnya chapie berhasil kabur dan mengadu kejadian tersebut dengan mommy, alhasil vincent masih geram .

Vincent membujuk deon agar memberikan kode rahasia pengaturan terhadap semua robot kepolisian termasuk chapie, sayangnya deon pun luluh dan memberikannya tanpa menaruh curiga. Akhirnya vincent menanam program yang bersifat merusak terhadap otak robot yang ada di kepolisian maupun chapie. Perusahaan yang berada di bawah Michelle Bradley pun mendapat teguran keras untuk memperbaiki kembali robot robot yang rusak, dengan putus asa akhirnya michelle memilih vincent untuk membantunya menemukan deon yang kabur entah kemana demi menyelamatkan chapie.

Vincent pun menemukan tempat dimana deon bersembunyi bersama chapie dengan mommy , tiger dan amerika. Vincent berusaha membunuh chapie dengan  menggunakan robotnya dari kejauhan dan dengan alat yang terpasang ke kepala untuk mengatur kontrol. 

Namun saat chapie masuk ke dalam gedung robot vincent mengejar , mommy yang mempunyai perasaan terhadap chapie layak anaknya pun tidak tinggal diam, dia mengejar dan menembakkan senjata, alih alih mengambil perhatian yolandi pun tewas tertembak oleh robot vincent . 

Geram melihat robot tersebut chapie akhrinya menemukan tombol yang menjadi kunci hancurnya robot tersebut. Chapie pun menekan nya.

Geram dengan perbuatan robot itu , deon menemukan bahwa vincent lah pelaku dari hancurnya robot ciptaannya dengan menanami program perusak, namun saat itu kondisi deon semakin parah karena terkena peleru di bagian perut, chapie ingin menyelamatkan deon dengan helm alam bawah sadar bahwa deon masih bisa hidup namun tubuhnya tidak. Akhirnya chapie menolong deon dengan menaruh pikiran deon ke robot yang masih belum jadi di laboratorium. Karena kondisi mendesak, Deon dan chapie pun hidup di robot yang lain untuk kabur dari kepolisian . Merindukan ibu  yang telah meninggal chapie menghidupkan kembali yolandi dengan menanamkan alam bawah sadarnya yang telah terekam di sebuah flashdisk untuk di tanam ke robot yang lain. Dan akhrinya yolandi pun hidup kembali.

Sedikit yang ingin melihat trailer dari film chapie 

Kesimpulan :

Jangan menyalahgunakan sistem cerdas, karena akan ada efek samping jangka panjangnya, walaupun sekarang belum bisa terlihat efek dari penggunaan . Dibalik kesuksesan seseorang ada seseorang diluar yang iri terhadap hasil kerja keras kita. Jangan mudah percaya pada seseorang, apalagi pada masalah privasi password. Jangan mau dirubah oleh takdir namun harus kita yang merubah takdir. Robot memiliki perasaan karena telah dilatih maka dari itu jangan lupa oleh pelatihan apa saja yang telah diberikan. Setiap benda memiliki perasaan tersendiri . Jangan lebih bodoh dari apa yang telah kau buat namun harus lebih cerdas dari padanya.

Saran : menarik, banyak nilai moral, sosial maupun hal hal yang berbau khususnya teknologi.

Keuntungan /kelebihan robot pada film Chapie:

-membantu kepolisian menangkap para penjahat

-dapat diatur oleh system kepolisian

-lebih cepat tanggap/sigap dalam pembelajaran (chapie saat sedang diajarkan nama oleh yolandi)

-perkotaan aman dari porak poranda kejahatan (kriminalitas berkurang)

-pintar berpikir karena system yang ditanam oleh programnya

-jarang rusak / terkena pistol masih bisa bekerja (kerusakan terjadi apabila terkena ledakan yang kuat)

Dampak negatif robot pada film Chapie:

-susah mendapat pengaturan jika dipaksa

-rusak jika ditanam program virus pada otaknya

-batre cepat habis

-memporak porandakan kota karena diajarkan hal-hal yang tidak baik

-bertindak lebih dahulu seakan akan lebih tahu (pengontrolan helm bawah sadar)

NN

NN atau yang dikenal dengan Neural Network (System Syaraf pada AI)

Tugas 3 

Pengertian Neural Network (NN)

       NN 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 (Rajasekaran, 2005). 

       Salah satu metode pelatihan dalam NN adalah pelatihan terbimbing . Pada pelatihan terbimbing diperlukan sejumlah masukan dan target yang berfungsi untuk melatih jaringan hingga diperoleh bobot yang diinginkan. Pada setiap kali pelatihan, suatu  input diberikan ke jaringan. Jaringan akan memproses dan mengeluarkan keluaran. Selisih antara keluaran jaringan dengan target merupakan kesalahan yang terjadi. Jaringan akan memodifikasi bobot sesuai dengan kesalahan tersebut.  BPNNmerupakan metode yang menggunakan supervised learning.

       Kecerdasan buatan didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. sistem seperti ini umumnya dianggap komputer. kecerdasan diciptakan dan dimasukkan kedalam suatu mesin (komputer) agar dapat melakukan pekerjaan, seperti yang dapat dilakukan manusia.

       Beberapa macam bidang yang menggunakan kecerdasan buatan, antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan, dan robotika. banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk informatika relatif tidak bermasalah. seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permaianan catur atau Backgammon.

      Kecerdasan buatan sering kerap diidentikkan dengan kemampuan robot yang dapat berperilaku seperti manusia. Definisi Kecerdasan Buatan, Berbagai definisi diungkapkan oleh para ahli untuk dapat memberi gambaran mengenai kecerdasan buatan beberapa diantaranya :

      Kecerdasan Buatan (Artificial Intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang dalam pandangan manusia adalah cerdas (H. A. Simon [1987]).

      Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Knight [1991]).

      Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan (Encyclopedia Britannica).

Fungsi dari NN

1. Pengklasifikasian pola
2. Memetakan pola yang didapat dari input ke dalam pola baru pada output
3. Penyimpan pola yang akan dipanggil kembali
4. Memetakan pola-pola yang sejenis
5. Pengoptimasi permasalahan
6. Prediksi

Sejarah

       Perkembangan ilmu Neural Network sudah ada sejak tahun 1943 ketika Warren McCulloch dan Walter Pitts memperkenalkan perhitungan model neural network yang pertama kalinya. Mereka melakukan kombinasi beberapa processing unit sederhana bersama-sama yang mampu memberikan peningkatan secara keseluruhan pada kekuatan komputasi.

       Hal ini dilanjutkan pada penelitian yang dikerjakan oleh Rosenblatt pada tahun 1950, dimana dia berhasil menemukan sebuah two-layer network, yang disebut sebagai perceptron. Perceptron memungkinkan untuk pekerjaan klasifikasi pembelajaran tertentu dengan penambahan bobot pada setiap koneksi antar-network.

       Keberhasilan perceptron dalam pengklasifikasian pola tertentu ini tidak sepenuhnya sempurna, masih ditemukan juga beberapa keterbatasan didalamnya. Perceptron tidak mampu untuk menyelesaikan permasalahan XOR (exclusive-OR). Penilaian terhadap keterbatasan neural network ini membuat penelitian di bidang ini sempat mati selama kurang lebih 15 tahun. Namun demikian, perceptron berhasil menjadi sebuah dasar untuk penelitian-penelitian selanjutnya di bidang neural network. Pengkajian terhadap neural network mulai berkembang lagi selanjutnya di awal tahun 1980-an. Para peneliti banyak menemukan bidang interest baru pada domain ilmu neural network. Penelitian terakhir diantaranya adalah mesin Boltzmann, jaringan Hopfield, model pembelajaran kompetitif, multilayer network,  dan teori model resonansi adaptif.

      Untuk saat ini, Neural Network sudah dapat diterapkan pada beberapa task, diantaranya classification, recognition, approximation, prediction, clusterization, memory simulation dan banyak task-task berbeda yang lainnya, dimana jumlahnya semakin bertambah seiring berjalannya waktu.

Konsep Neural Network

1.  Proses Kerja Jaringan Syaraf Pada Otak Manusia

       Ide dasar Neural Network dimulai dari otak manusia, dimana otak memuat  sekitar 1011 neuron. Neuron ini berfungsi memproses setiap informasi yang masuk. Satu neuron memiliki 1 akson, dan minimal 1 dendrit. Setiap sel syaraf terhubung dengan syaraf lain, jumlahnya mencapai sekitar 104 sinapsis. Masing-masing sel itu saling berinteraksi satu sama lain yang menghasilkan kemampuan tertentu pada kerja otak manusia.

Dari gambar di atas, bisa dilihat ada beberapa bagian dari otak manusia, yaitu:

• Dendrit (Dendrites) berfungsi untuk mengirimkan impuls yang diterima ke badan sel syaraf.
• Akson (Axon) berfungsi untuk mengirimkan impuls dari badan sel ke jaringan lain
• Sinapsis berfungsi sebagai unit fungsional di antara dua sel syaraf.

Proses yang terjadi pada otak manusia adalah:

       Sebuah neuron menerima impuls dari neuron lain melalui dendrit dan mengirimkan sinyal yang dihasilkan oleh badan sel melalui akson. Akson dari sel syaraf ini bercabang-cabang dan berhubungan dengan dendrit dari sel syaraf lain dengan cara mengirimkan impuls melalui sinapsis. Sinapsis adalah unit fungsional antara 2 buah sel syaraf, misal A dan B, dimana yang satu adalah serabut akson dari neuron A dan satunya lagi adalah dendrit dari neuron B. Kekuatan sinapsis bisa menurun/meningkat tergantung seberapa besar tingkat propagasi (penyiaran) sinyal yang diterimanya. Impuls-impuls sinyal (informasi) akan diterima oleh neuron lain jika memenuhi batasan tertentu, yang sering disebut dengan nilai ambang (threshold).

2.  Struktur Neural Network

      Dari struktur neuron pada otak manusia, dan proses kerja yang dijelaskan di atas, maka konsep dasar pembangunan neural network buatan (Artificial Neural Network) terbentuk. Ide mendasar dari Artificial Neural Network (ANN) adalah mengadopsi mekanisme berpikir sebuah sistem atau aplikasi yang menyerupai otak manusia, baik untuk pemrosesan berbagai sinyal elemen yang diterima, toleransi terhadap kesalahan/error, dan juga parallel processing.

Karakteristik dari ANN dilihat dari pola hubungan antar neuron, metode penentuan bobot dari tiap koneksi, dan fungsi aktivasinya. Gambar di atas menjelaskan struktur ANN secara mendasar, yang dalam kenyataannya tidak hanya sederhana seperti itu.

• Input, berfungsi seperti dendrite
• Output, berfungsi seperti akson
• Fungsi aktivasi, berfungsi seperti sinapsis

       Neural network dibangun dari banyak node/unit yang dihubungkan oleh link secara langsung. Link dari unit yang satu ke unit yang lainnya digunakan untuk melakukan propagasi aktivasi dari unit pertama ke unit selanjutnya. Setiap link memiliki bobot numerik. Bobot ini menentukan kekuatan serta penanda dari sebuah konektivitas.

       Proses pada ANN dimulai dari input yang diterima oleh neuron beserta dengan nilai bobot dari tiap-tiap input yang ada. Setelah masuk ke dalam neuron, nilai input yang ada akan dijumlahkan oleh suatu fungsi perambatan (summing function), yang bisa dilihat seperti pada di gambar dengan lambang sigma (∑). Hasil penjumlahan akan diproses oleh fungsi aktivasi setiap neuron, disini akan dibandingkan hasil penjumlahan dengan threshold (nilai ambang) tertentu. Jika nilai melebihi threshold, maka aktivasi neuron akan dibatalkan, sebaliknya, jika masih dibawah nilai threshold, neuron akan diaktifkan. Setelah aktif, neuron akan mengirimkan nilai output melalui bobot-bobot outputnya ke semua neuron yang berhubungan dengannya. Proses ini akan terus berulang pada input-input selanjutnya.

       ANN terdiri dari banyak neuron di dalamnya. Neuron-neuron ini akan dikelompokkan ke dalam beberapa layer. Neuron yang terdapat pada tiap layer dihubungkan dengan neuron pada layer lainnya. Hal ini tentunya tidak berlaku pada layer input dan output, tapi hanya layer yang berada di antaranya. Informasi yang diterima di layer input dilanjutkan ke layer-layer dalam ANN secara satu persatu hingga mencapai layer terakhir/layer output. Layer yang terletak di antara input dan output disebut sebagai hidden layer. Namun, tidak semua ANN memiliki hidden layer, ada juga yang hanya terdapat layer input dan output saja.

Daftar Pustaka:

https://id.wikipedia.org/wiki/Jaringan_saraf_tiruan

http://socs.binus.ac.id/2012/07/26/konsep-neural-network/

http://www.ejournal.undip.ac.id/index.php/jmasif/article/view/74

http://eprints.undip.ac.id/518/

http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
https://baguarmono.wordpress.com/2012/10/28/artificial-intelligence-and-expert-system/
https://id.wikipedia.org/wiki/Kecerdasan_buatan