mengenal teknologi artificial intelligence, machine...
TRANSCRIPT
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Mengenal Teknologi Artificial Intelligence, Machine
Learning, dan Deep Learning
Melani Rapina Tangkaw
Abstrak
Perkembangan teknologi sudah semakin pesat dan telah menghasilkan
inovasi yang membantu manusia dalam kehidupan sehari-hari. Dengan
kecanggihan teknologi dan semakin kuatnya kemampuan komputasi dari
komputer, banyak aplikasi dan algoritma yang sebelumnya tidak
memungkinkan untuk diterapkan di komputer jinjing atau telpon genggam
sekarang bisa diimplementasikan dengan mudah, salah satu teknologi yang
terus dikaji dan mengalami pengembangan ialah kecerdasan buatan.
Namun masih banyak yang belum mengetahui apa yang dimaksud dengan
kecerdasan buatan. Maka dari itu, penulis bertujuan untuk menjelaskan
kecerdasan buatan yaitu berupa artificial intelligence, machine learning,
dan deep learning. Pemanfaatan teknologi kecerdasan buatan atau artificial
intelligence (AI) saat ini sudah terjadi di mana-mana. Berbagai perusahaan
telah memanfaatkan teknologi masa depan ini untuk mengembangkan
bisnisnya. Dalam pengembangan AI sendiri, melahirkan dua konsep
kecerdasan buatan yaitu machine learning dan deep learning.
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Kata Kunci: teknologi, kecerdasan buatan, artificial intelligence, machine learning,
deep learning.
Pendahuluan
Pada era digital seperti sekarang ini, makin maraknya penggunaan teknologi
dalam kehidupan sehari-hari membuat para ahli mengembangkan inovasi teknologi
mutahir, salah satu teknik yang menjadi populer adalah kecerdasan buatan atau
Artificial Intelligence (AI) menjadi terkenal karena banyak aplikasi jenis ini yang
sekarang bisa ditemui sehari hari seperti siri pada iPhone dan speech recognition atau
pengenal suara pada telpon seluler Android. Namun, masih banyak yang belum
mengetahui teknologi kecerdasan buatan tersebut. Dalam artikel ini, penulis akan
menjabarkan pengertian dan implementasi dari artificial intelligence, machine learning,
dan deep learning agar pembaca dapat mengetahui perbedaan dari ketiga nya dan
mengetahui implementasi atau contoh aplikasi yang menggunakan salah satu dari ketiga
kecerdasan buatan tersebut. Dengan adanya artikel ini yang menjelaskan ketiga
kecerdasan buatan, diharapkan dapat lebih menambah pengetahuan pembaca dan
menumbuhkan semangat untuk mempelajari bahkan mengembangkan teknoogi untuk
dapat bermanfaat bagi masyarakat luas, serta ikut berperan dalam pertumbuhan
teknologi yang semakin pesat.
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Pembahasan
I. Pengertian Kecerdasan Buatan (AI, ML, DL)
Kecerdasan buatan adalah kecerdasan yang ditambahkan kepada suatu
sistem yang bisa diatur dalam konteks ilmiah atau bisa disebut juga intelegensi
artifisial (bahasa Inggris: Artificial Intelligence) atau hanya disingkat AI,
didefinisikan sebagai kecerdasan entitas ilmiah. Andreas Kaplan dan Michael
Haenlein mendefinisikan kecerdasan buatan sebagai “kemampuan sistem untuk
menafsirkan data eksternal dengan benar, untuk belajar dari data tersebut, dan
menggunakan pembelajaran tersebut guna mencapai tujuan dan tugas tertentu
melalui adaptasi yang fleksibel”.
Sistem seperti ini umumnya dianggap
komputer. Kecerdasan diciptakan dan dimasukkan ke dalam 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 saraf tiruan dan robotika.
a. Machine Learning
Machine Learning (ML) atau pembelajaran mesin merupakan pendekatan dalam
AI yang banyak digunakan untuk menggantikan atau menirukan perilaku manusia untuk
menyelesaikan masalah atau melakukan otomatisasi. Sesuai namanya, ML mencoba
menirukan bagaimana proses manusia atau makhluk cerdas belajar dan mengeneralisasi.
Setidaknya ada dua aplikasi utama dalam ML yaitu, klasifikasi dan prediksi . Ciri khas
dari ML adalah adanya proses pelatihan, pembelajaran, atau training. Oleh karena itu,
ML membutuhkan data untuk dipelajari yang disebut sebagai data training. Klasifikasi
adalah metode dalam ML yang digunakan oleh mesin untuk memilah atau
mengklasifikasikan obyek berdasarkan ciri tertentu sebagaimana manusia mencoba
membedakan benda satu dengan yang lain.
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Gambar 1. Machine learning
Contoh sederhana dari algoritma machine learning bisa dilihat pada layanan
streaming musik on demand. Untuk memberikan daftar lagu baru atau musisi yang akan
direkomendasikan, maka algoritmanya akan berkaitan dengan preferensi si pendengar
dengan jenis musik yang mirip. Machine learning telah memperkuat semua proses
otomatisasi dan tersebar di berbagai industri, mulai dari perusahaan keamanan yang
memburu malware hingga perusahaan e-commerce yang menggunakannya untuk
mempelajari produk yang paling disukai konsumen. Algoritma dari machine learning
memang kompleks, tapi masih sangat 'mesin', artinya ia hanya mampu melakukan apa
yang telah dirancang oleh penciptanya. Tidak lebih, tidak kurang.
b. Deep Learning
Dalam istilah praktis, deep learning merupakan bagian dari machine learning.
Sebuah model machine learning perlu 'diberitahu' untuk bagaimana ia menciptakan
prediksi akurat, dengan terus diberikan data. Sementara model deep learning dapat
mempelajari metode komputasinya sendiri, dengan 'otaknya' sendiri, apabila
diibaratkan.
Sebuah model deep learning dirancang untuk terus menganalisis data dengan struktur
logika yang mirip dengan bagaimana manusia mengambil keputusan. Untuk dapat
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
mencapai kemampuan itu, deep learning menggunakan struktur algoritma berlapis yang
disebut artificial neural network (ANN).
Desain ANN terinspirasi dari jaringan neural biologis dari otak manusia. Hal ini
membuat mesin kecerdasannya menjadi jauh lebih tangguh dibandingkan model
machine learning standar.
Rumit memang untuk memastikan model deep learning yang diciptakan tidak
memberikan kesimpulan yang tidak tepat. Tapi ketika ia telah bekerja dengan benar,
maka fungsi deep learning akan menjadi terobosan yang berpotensi menjadi tulang
belakang sebuah kecerdasan buatan sebenarnya.
Data-data yang digunakan dalam sebuah deep learning sangatlah penting, karena
semakin banyak datanya, maka semakin banyak yang bisa dipahami model deep
learning tersebut. Contoh dari penggunaan model deep learning bisa dilihat dari
AlphaGo-nya Google. Google menciptakan program komputer yang belajar bermain
sebuah game sejenis catur dari China bernama Go. Tentunya, game ini membutuhkan
pemikiran dan intuisi yang tajam untuk menang. Dengan bermain melawan pemain Go
profesional, deep learning AlphaGo mempelajari bagaimana ia bermain di tingkat yang
belum terjamah sebelumnya dalam kecerdasan buatan. Hebatnya, apa yang
dilakukannya tanpa instruksi apapun ketika melancarkan gerakan-gerakan spesifik. Saat
si pemain AlphaGo berjasil mengalahkan sejumlah pemain Go 'nyata' dunia, dunia
melihat bagaimana cerdasnya sebuah mesin yang bahkan bisa mengungguli manusia.
II. Perkembangan Kecerdasan Buatan
Bermula di era Yunani Kuno, kecerdasan buatan mengalami pertumbuhan
signifikan sampai hari ini. Setidaknya, hal tersebut tergambar dari peningkatan dana
investasi di bidang kecerdasan buatan. Menurut situs forbes.com, investasi di bidang
kecerdasan buatan mengalami pertumbuhan dari 29 Juta USD (386 triliun rupiah, kurs
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Rp. 13.300) menjadi 39 Juta USD (519 triliun Rupiah, kurs Rp. 13.300) di tahun 2016.
Pertumbuhan ini meningkat 3x dibanding tahun 2013.
Perusahaan teknologi seperti Google, Baidu, Amazon, bahkan Netflix tercatat
menambah anggaran untuk pengembangan kecerdasan buatan pada platform-nya. Pun
perusahaan di bidang teknologi, otomotif, telekomunikasi, dan finansial sangat antusias
untuk mengaplikasikan kecerdasan buatan pada produk atau service-nya.
Artificial Intelligence
Kecerdasan Buatan atau Artificial Intelligence (AI) adalah teknik yang
digunakan untuk meniru kecerdasan yang dimiliki oleh makhluk hidup maupun benda
mati untuk menyelesaikan sebuah persoalan. Untuk melakukan hal ini, setidaknya ada
tiga metode yang dikembangkan, yaitu :
1. Fuzzy Logic(FL).
Teknik ini digunakan oleh mesin untuk mengadaptasi bagaimana makhluk hidup
menyesuaikan kondisi dengan memberikan keputusan yang tidak kaku 0 atau 1.
Sehingga dimunculkan sistem logika fuzzy yang tidak kaku. Penerapan logika
fuzzy ini salah satunya adalah untuk sistem pengereman kereta api di Jepang.
2. Evolutionary Computing(EC).
Pendekatan ini menggunakan skema evolusi yang menggunakan jumlah individu
yang banyak dan memberikan sebuah ujian untuk menyeleksi individu terbaik
untuk membangkitkan generasi selanjutnya. Seleksi tersebut digunakan untuk
mencari solusi dari suatu permasalahan. Contoh dari pendekatan ini adalah
Algoritme Genetika yang menggunakan ide mutasi dan kawin silang, Particle
Swarm Optimization (PSO) yang meniru kumpulan binatang seperti burung dan
ikan dalam mencari mangsa, Simulated Annealing yang menirukan bagaimana
logam ditempa, dan masih banyak lagi.
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
3. Machine Learning (ML) atau pembelajaran mesin merupakan teknik yang paling
populer karena banyak digunakan untuk menggantikan atau menirukan perilaku
manusia untuk menyelesaikan masalah. Sesuai namanya ML mencoba
menirukan bagaimana proses manusia atau makhluk cerdas belajar dan
mengeneralisasi.
III. Hubungan antara Artificial Intelligence, Machine Learning, dan Deep
Learning
Artificial Intelligence bisa diibaratkan payung yang lebih luas di mana Machine
Learning (ML) dan Deep Learning (DL) berada dalam lingkupnya. Diagram ini
menunjukkan, ML adalah bagian dari AI, dan DL adalah bagian dari ML.
Gambar 2. Hubungan Artificial intelligence, Machine Learning dan Deep
Learning
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Machine learning (ML) vs Deep learning (DL)
Gambar 3. Machine learning vs Deep learning
Hal paling mudah untuk memahami perbedaan antara Machine Learning dengan
Deep Learning adalah “DL is ML”. Lebih spesifik, Deep Learning adalah evolusi dari
Machine Learning. Mari kita ambil beberapa parameter penting untuk membandingkan
antara Machine Learning dengan Deep Learning.
1. Ketergantungan Data
Perbedaan terpenting antara keduanya adalah kinerja ketika ukuran data
meningkat. Dari grafik di bawah ini kita dapat kita lihat bahwa ukuran data yang kecil
Deep Learning tidak melakukannya dengan baik, mengapa demikian? Hal ini karena
algoritma Deep Learning membutuhkan sejumlah besar data untuk memahaminya
dengan sempurna. Di sisi lain, Machine Learning bekerja sempurna pada data set yang
lebih kecil.
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Gambar 4. Grafik contoh ketergantungan data
2. Ketergantungan Hardware
Algoritma Deep Learning sangat tergantung pada mesin high end sementara
algoritma Machine Learning dapat bekerja pada mesin low end. Hal ini karena
kebutuhan algoritma Deep Learning memerlukan GPU yang merupakan bagian integral
dari kerjanya. GPU diperlukan karena mereka melakukan operasi perkalian matriks
dalam jumlah besar dan operasi ini hanya dioptimalkan secara efisien jika mereka
menggunakan GPU.
3. Rekayasa fitur
Merupakan proses menempatkan pengetahuan domain untuk mengurangi
kerumitan data dan membuat pola lebih terlihat untuk mempelajari algoritma. Proses ini
sulit dan mahal dalam hal waktu dan keahlian. Pada kasus Machine Learning, sebagian
besar fitur perlu diidentifikasi oleh ahli dan kemudian dikodekan sesuai dengan domain
dan tipe data. Kinerja Machine Learning tergantung pada seberapa akurat fitur
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
diidentifikasi dan diekstraksi. Tetapi pada Deep Learning akan mencoba untuk
mempelajari fitur-fitur tingkat tinggi dari data, maka karena inilah Deep Learning lebih
unggul dari Machine Learning.
4. Pendekatan Pemecahan Masalah
Saat kita menyelesaikan masalah menggunakan Machine Learning, disarankan
untuk memecah masalah menjadi sub bagian terlebih dahulu, menyelesaikannya satu
per satu, lalu menggabungkannya untuk mendapatkan hasil akhir. Di sisi lain dalam
Deep Learning pemecahan masalah dilakukan dari ujung ke ujung. Sebagai contoh,
dalam mendeteksi objek ganda yaitu apa objeknya dan di mana ia berada dalam suatu
gambar.
Gambar 5. Contoh cara sistem mendeteksi suatu objek
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Jadi mari kita lihat bagaimana masalah ini ditangani menggunakan Machine
Learning dan Deep Learning. Dalam pendekatan Machine Learning, kita akan membagi
masalah dalam 2 bagian. deteksi objek dan pengenalan objek. Kita akan menggunakan
algoritma seperti mendeteksi kotak tadi untuk memindai dalam sebuah gambar dan
mendeteksi semua objek kemudian menggunakan algoritma pengenalan objek agar
dapat mengenali objek yang relevan. Ketika kita menggabungkan hasil dari kedua
algoritma, kita akan mendapatkan hasil akhir bahwa apa objeknya dan di mana ia berada
di dalam gambar. Dalam Deep Learning hal ini akan melakukan proses dari ujung ke
ujung. Artinya kita akan mengirimkan gambar ke suatu algoritma yang kemudian akan
memberikan lokasinya bersama dengan nama objek.
5. Waktu Eksekusi
Algoritma Deep Learning membutuhkan banyak waktu dalam eksekusinya.
Disebabkan karena begitu banyaknya parameter dalam algoritma Deep Learning yang
membutuhkan eksekusi lebih lama dari biasanya. Sedangkan dalam Machine Learning
waktu eksekusi relatif lebih sedikit dibandingkan dengan Deep Learning.
6. Interpretasi
Merupakan pandangan bagaimana orang menganggapnya sebelum
menggunakannya di dunia industri. Misalkan kita menggunakan Deep Learning untuk
memberikan penilaian esai secara otomatis. Kinerja yang diberikannya sangat baik dan
sama dengan manusia tetapi ada beberapa masalah yang tidak kita ketahui mengapa ia
memberikannya jumlah nilai segitu, memang secara matematis mungkin untuk
mengetahui node mana dari dalam jaringan saraf yang diaktifkan pada waktu itu, tetapi
kita tidak tahu apa yang dimodelkan oleh neuron dan apa yang dilakukan lapisan-
lapisan ini secara kolektif. Jadi kita gagal menginterpretasikan hasil tersebut, tetapi
dalam algoritma Machine Learning layaknya pohon keputusan yang memberikan kita
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
aturan tajam bahwa mengapa ia memilih apa yang dipilihnya sehingga mudah untuk
menafsirkan alasan di belakangnya.
Penutup
Dari penjelasan diatas dapat disimpulkan bahwa :
1. kecerdasan buatan merupakan hasil penemuan yang sangat mengubah dunia,
mengubah kehidupan manusia, dan membantu pekerjaan manusia.
2. Awal mula kecerdasan buatan (artificiall intelligence), lalu dikembangkan
menjadi machine learning, dan deep learning.
3. Antara machine learning dan deep learning memiliki perbedaan dalam cara kerja
atau sistem nya.
4. Telah banyak produk-produk kecerdasan buatan yang digunakan oleh manusia
untuk menunjang kebutuhan hidup sehari-hari.
5. Dengan adanya kecerdasan buatan diharapkan dapat mengubah pola pikir
manusia agar lebih maju dan menganggap IT adalah ladang untuk dipelajari.
Perkembangan ilmu teknologi diharapkan mampu mengubah kehidupan manusia
menjadi lebih baik lagi serta membantu manusia dalam memenuhi kebutuhannya, untuk
itu kita sebagai mahasiswa harus lebih membuka mata dan terbuka dengan
perkembangan teknologi. Semoga artikel ini bermanfaat bagi pembaca sekalian.
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Referensi
1. researchgate.net/publication/320395378_Mengenal_Artificial_Intelligence_Mac
hine_Learning_Neural_Network_dan_Deep_Learning
2. kumparan.com/mengenal-teknologi-deep-learning-dan-machine-learning-
27431110790425965
3. techinasia.com/memahami-istilah-terkait-ai-dan-perkembangannya
4. linkedin.com/pulse/mengenal-ai-machine-learning-dan-deep-untuk-otomasi-
manshur
5. wikipedia.org/wiki/Kecerdasan_buatan
6. rifqifai.com/hubungan-antara-artificial-intelligence-machine-learning-dan-deep-
learning/
Lisensi Dokumen: Copyright © 2008-2019 ilmuti.org
Seluruh dokumen di ilmuti.org dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial
(nonprofit), dengan syarat tidak menghapus atau merubah atribut penulis dan pernyataan copyright yang disertakan dalam setiap
dokumen. Tidak diperbolehkan melakukan penulisan ulang, kecuali mendapatkan ijin terlebih dahulu dari ilmuti.org
Biografi
Nama Saya Melani Rapina Tangkaw, biasa dipanggil Mel atau Melani, Saya lahir di
Lampung, 01 Juli 1998. Saya adalah mahasiswi jurusan Sistem Informasi konsentrasi
Sistem Informasi Manajemen (SIM). Saya mulai aktif berkuliah sejak tahun 2016.
Senang bisa belajar ilmu tentang IT, karena Saya terus belajar ilmu baru dan bertemu
teman-teman yang mengasyikan. Selain itu belajar tentang IT selalu tak pernah ada
habisnya, karena teknologi yang semakin berkembang menuntut kita untuk mengejar
dan mempelajari teknologi baru. Hobby saya ngoding, makan, dan membaca artikel.
Semoga artikel yang saya tulis dapat bermanfaat bagi teman-teman codingers semua.
Sekian, terimakasih.