Ringkasan:

Kecerdasan artifisial atau Artifisial Intelligence (AI) mengalami perkembangan yang sangat pesat dan beriringan dengan kemajuan teknologi informasi/ sistem informasi. Kecerdasan artifisial telah masuk hampir disegala bidang seperti: ekonomi, kesehatan, pendidikan, dan lainnya. Kecerdasan artifisial berkaitan dengan perangkat pemrogram yang bekerja diinspirasi oleh kecerdasan seperti yang dimiliki oleh manusia.

Penelitian telah banyak dilakukan terkait kecerdasan artifisial, baik dari sisi pengembangan metode/ algoritma, maupun teknologi yang digunakan. Salah satu bagian dari kecerdasan artifisial adalah Natural Language Processing (NLP) atau pemrosesan bahasa alami yang di dalamnya terdapat analisis sentimen. Perkembangan teknologi dan internet membuat masyarakat saat ini dengan mudah melakukan akses ke banyak hal melalui telepon seluler, salah satunya banyak media bagi masyarakat untuk mengungkapkan opini dan memberikan komentar terhadap sesuatu hal/ kejadian/ produk.

Media sosial seperti Facebook, Twitter, Instagram sampai dengan platform e-Commerce merupakan sumber data yang akan bisa menjadi sangat berarti bagi perusahaan. Masyarakat yang bisa dengan mudah menuliskan respon/ komentar terhadap sesuatu hal/ kondisi/ produk akan menjadi sumber data yang dapat diolah menjadi pengetahuan yang memiliki peran penting dalam pengambilan keputusan perusahaan.

Perkembangan NLP dalam hal teknologi tentunya tidak terlepas dari konsep psikolingustik yang merupakan suatu bidang untuk mengetahui cara seseorang memperoleh bahasa, menghasilkan dan memahami bahasa lisan dan tulisan. Banyak metode/ algoritma yang dapat digunakan pada analisis sentimen, di antaranya: Naive Baye, Support Vector Machine (SVM), Lexicon Based, dan Long Short Term Memory (LSTM).

Kecerdasan artifisial berhubungan dengan cara pembelajaran yang dilakukan oleh mesin (machine learning). Kecerdasan seperti yang dimiliki oleh manusia diberikan ke mesin agar mesin dapat melakukan pembelajaran secara mandiri sehingga dapat membantu manusia dalam melakukan pengolahan data. Selain machine learning, mesin juga akan melakukan pembelajaran yang lebih mendalam yang dikenal dengan deep learning.

Metode pembelajaran mesin (machine learning) terdiri dari: supervised learning (pembelajaran dengan pengawasan), unsupervised learning (pembelajaran tanpa pengawasan), dan reinforcement learning.

Penelitian mahasiswa Program Sarjana Prodi Sistem Informasi yang menggunakan mesin Nvidia DGX A100 di Universitas Gunadarma adalah penelitian yang dilakukan oleh mahasiswa Fanka Arie Reza dengan judul: "Implementasi Metode Clustering dan Topic Modelling pada Analisis Sentimen", di bawah bimbingan Dr. Detty Purnamasari, SKom., MMSI., M.I.Kom. Pada penelitian ini, tujuannya adalah: mengukur hasil analisis sentimen dari umpan balik yang diberikan Mahasiswa Universitas Gunadarma terhadap Mata Kuliah Praktikum Unggulan dalam bentuk pertanyaan dengan jawaban skala Likert, teks di komentar, dan penggabungan dari keduanya. Data yang digunakan dalam penelitian ini merupakan hasil dari kuesioner survey yang dilakukan oleh Pengelola Mata Kuliah Praktikum Unggulan di Universitas Gunadarma dalam format CSV (Comma Seperated Values) berjumlah 1424 baris dan 7 kolom dalam teks berbahasa Indonesia. Penelitian ini dilakukan dengan mengimplementasikan 2 (dua) algoritma pada tipe data yang berbeda yaitu metode topic modeling dan clustering. 

Penelitian mahasiswa Program Pascasarjana Magister Teknik Elektro yang menggunakan mesin Nvidia DGX A100 di Universitas Gunadarma adalah penelitian yang dilakukan oleh mahasiswa Robert dengan judul: "Implementasi Feature Descriptor dan Machine Learning Untuk Klasifikasi Ekspresi Wajah", dibawah bimbingan Prof. Dr. Sarifuddin Madenda. Pada penelitian ini, tujuannya adalah: pengembangan sistem klasifikasi atau identifikasi ekspresi wajah menggunakan algoritma Machine Learning (ML) yaitu berbasis Support Vector Machine (SVM) dan berbasis Convolutional Neural Network (CNN). Sumber data dalam penelitian ini diperoleh dari Dataset ekspresi ekspresi wajah yang digunakan hanya berasal dari TFEID dengan jumlah total sebanyak 283 citra. Metode citra warna keabuan yang digunakan adalah nilai Y dari YCbCr dan nilai V dari HSV. Metode ekstrasi fitur yang digunakan adalah LBP, LMP, dan VJA. Metode klasifikasi ekspresi wajah yang digunakan adalah SVM dan CNN. 

Penelitian mahasiswa Program Sarjana Prodi Informatika yang menggunakan mesin Nvidia DGX A100 di Universitas Gunadarma adalah penelitian yang dilakukan oleh mahasiswa Fahd Erlangga Braja Musti dengan judul: "Deteksi Real-time Menggunakan Arsitektur YOLOv8 Terhadap Kain Cacat di Industri Tekstil", di bawah bimbingan Prof. Dr. Eri Prasetyo Wibowo, S.Si., MMSI. Pada penelitian ini, tujuannya adalah: menganalisis jenis cacat kain yang paling sering terjadi dalam industri tekstil dan mengidentifikasi metode deteksi objek yang paling sesuai untuk mengatasi tantangan deteksi pada lingkungan produksi yang bergerak cepat. Selain itu, penelitian ini juga bertujuan untuk mengembangkan sistem deteksi objek real-time yang dapat bekerja dalam kondisi waktu nyata dan memberikan hasil deteksi dengan waktu respons yang cepat. Sumber data dalam penelitian ini diperoleh dari gambar kain dengan format jpg dan png sebanyak 400 data. Data tersebut terbagi menjadi 3 kelas yaitu Cacat Lubang, Cacat Garis dan Cacat double pick. Data pada masing-masing kelas dibagi kembali menjadi data pelatihan (training) sebesar 70% dari total data masing-masing kelas dan data validasi (validation) sebesar 20% dari masing-masing kelas serta data testing sebesar 10% dari masing-masing kelas. 

Penelitian mahasiswa Program Sarjana Prodi Informatika yang menggunakan mesin Nvidia DGX A100 di Universitas Gunadarma adalah penelitian yang dilakukan oleh mahasiswa Dimas Anggoro Satrio dengan judul: "Convolutional Neural Network Model Analysis using One-shot Learning Method for Facial Recognition Attendance System", di bawah bimbingan Dr. Sigit Widiyanto, ST, MMSI, MSc, M.I.Kom. Pada penelitian ini, tujuannya adalah: mengembangkan dan menguji model pengenalan wajah dengan menggunakan dataset yang tidak seimbang dan melakukan berbagai tahapan, termasuk penggunaan model Convolutional Neural Network (CNN) dengan arsitektur ResNet-34 dan ResNet-50. Sumber data dalam penelitian diperoleh dari dataset C-MS-CELEb sebanyak 1 (satu) juta wajah selebritis yang ada di dunia. Dalam penelitian ini, tahap awal melibatkan preprocessing citra wajah, yang mencakup augmentasi, perubahan warna, kontras, resize citra, dan pemisahan dataset menjadi anchor, negative data, dan positive data. Proses training model dilakukan dengan menggunakan model custom dan model pre-trained seperti ResNet, AlexNet, dan FaceNet, dengan bantuan Triplet Loss Function untuk meningkatkan pemahaman model terhadap hubungan antara anchor, pasangan positif, dan pasangan negatif. 

Penelitian mahasiswa Program Pascasarjana Magister Teknik Elektro yang menggunakan mesin Nvidia DGX A100 di Universitas Gunadarma adalah penelitian yang dilakukan oleh mahasiswa Yoga Panji Perdana Nugraha dengan judul: "Algoritma YOLOv5 Untuk Deteksi Cacat Pada Sekrup Berbasis Citra", di bawah bimbingan Prof. Dr. Eri Prasetyo Wibowo, S.Si., MMSI. Pada penelitian ini, tujuannya adalah: mengembangkan model yang dapat mendeteksi defect pada screw berbasis citra yang diunggah sehingga nantinya akan menampilkan deteksi defect atau OK pada screw. Sumber data dalam penelitian ini diperoleh dari gambar screw dengan format jpg dan png sebanyak 300 data. Data tersebut terbagi menjadi 2 kelas yaitu Screw-OK dan Screw-Defect. Data pada masing-masing kelas dibagi kembali menjadi data pelatihan (training) sebesar 90% dari total data masing-masing kelas yang artinya sebanyak 180 data dari kelas Screw-OK dan 90 data dari kelas Screw-Defect serta data validasi (validation) sebesar 10% dari masing-masing kelas yang artinya sebanyak 20 data dari kelas Screw-OK dan 10 data dari kelas Screw-Defect.

Penelitian mahasiswa Program Sarjana di Program Studi Informatika yang menggunakan mesin Nvidia DGX A100 di Universitas Gunadarma adalah penelitian yang dilakukan oleh mahasiswa Ananda Anugrah Ramadhan dengan judul: "Analisis Sentimen Pengguna Layanan Telekomunikasi Menggunakan Metode Lexicon-Based dan LSTM". Pada penelitian ini, mahasiswa diberikan kesempatan untuk menjalankan algoritma/metode sehingga memiliki pengalaman dalam merasakan perbedaan proses antara menggunakan CPU di personal komputer dengan menggunakan GPU yang ada di Nvidia DGX. Selain ini, dengan mengambil kesempatan untuk dapat menggunakan Nvidia DGX, mahasiswa juga memiliki bekal dalam pengetahuan dan keterampilan melakukan setting Docker, karena mahasiswa yang melakukan pengajuan penggunaan Nvidia DGX untuk penelitian diawali dengan mengikuti workshop "Docker for Nvidia DGX". Pada penelitian ini, tahap pengumpulan data di media sosial online dilakukan juga dengan menggunakan mesin DGX.

Penelitian mahasiswa Program Sarjana di Program Studi Informatika yang menggunakan mesin Nvidia DGX A100 di Universitas Gunadarma adalah penelitian yang dilakukan oleh mahasiswa Ananda Bayu Aji dengan judul: "Analisis Sentimen terhadap Produk UMKUM Provinsi Bangka Belitung pada e-Commerce menggunakan Metode TF-IDF dan Algoritma Support Vector Machine". Pada penelitian ini, mahasiswa diberikan kesempatan untuk menjalankan algoritma/metode sehingga memiliki pengalaman dalam merasakan perbedaan proses antara menggunakan CPU di personal komputer dengan menggunakan GPU yang ada di Nvidia DGX. Selain ini, dengan mengambil kesempatan untuk dapat menggunakan Nvidia DGX, mahasiswa juga memiliki bekal dalam pengetahuan dan keterampilan melakukan setting Docker, karena mahasiswa yang melakukan pengajuan penggunaan Nvidia DGX untuk penelitian diawali dengan mengikuti workshop "Docker for Nvidia DGX". Pada penelitian ini, ada 3 (tiga) algoritma yang digunakan, yaitu: Support Vector Machine (SVM), Bernoulli Naïve Bayes (BNB), dan Logistic Regression (LR). Kemudian berdasarkan hasil ujicoba, didapatkan algoritma Support Vector Machine (SVM) yang memberikan hasil terbaik.

Penelitian mahasiswa Program Sarjana di Program Studi Informatika yang menggunakan mesin Nvidia DGX A100 di Universitas Gunadarma adalah penelitian yang dilakukan oleh mahasiswa Raihan Pambagyo Fadhila dengan judul: "Analisis Sentimen pada Produk UMKM di Platform E-Commerce menggunakan Naive Bayes". Pada penelitian ini, mahasiswa diberikan kesempatan untuk menjalankan algoritma/metode sehingga memiliki pengalaman dalam merasakan perbedaan proses antara menggunakan CPU di personal komputer dengan menggunakan GPU yang ada di Nvidia DGX. Selain ini, dengan mengambil kesempatan untuk dapat menggunakan Nvidia DGX, mahasiswa juga memiliki bekal dalam pengetahuan dan keterampilan melakukan setting Docker, karena mahasiswa yang melakukan pengajuan penggunaan Nvidia DGX untuk penelitian diawali dengan mengikuti workshop "Docker for Nvidia DGX".

Penelitian disertasi mahasiswa Program Doktor Teknologi Informasi Universitas Gunadarma, dengan judul: "Visualisasi Temporal Topic Model pada Decision Support System Berbasiskan Deep Learning " dibawah bimbingan Promotor: Prof. Dr. rer. nat. A. Benny Mutiara, serta Ko-Promotor: Dr. Setia Wirawan, dan Dr. rer. nat. I Made Wiryana, SSi., SKom., MAppSc. Pada penelitian yang dilakukan, menghasilkan visualisasi dari opini publik terhadap Perguruan Tinggi. Knowledge representation yang dikembangkan digunakan dalam proses deep learning dan pengolahan data dengan menggunakan mesin Nvidia DGX di Universitas Gunadarma.

Salah satu penelitian disertasi mahasiswa Program Doktor Teknologi Informasi Universitas Gunadarma, dengan judul: "Similarity Multilevel Ontology Berbasis Data Intensive Natural Language Processing" dibawah bimbingan Promotor: Prof. Dr. Ing. Adang Suhendra, SSi., SKom., MSc., serta Ko-Promotor: Dr. Detty Purnamasari, SKom., MMSI., M.I.Kom., dan Dr. rer. nat. I Made Wiryana, SSi., SKom., MAppSc. Pada penelitian yang dilakukan, proses Natural Language Processing dilakukan dengan menggunakan salah satu mesin super komputer yang ada di Universitas Gunadarma, yaitu Nvidia DGX-1.