Tampilkan postingan dengan label CODE. Tampilkan semua postingan
Tampilkan postingan dengan label CODE. Tampilkan semua postingan

Rabu, 29 Oktober 2025

Algoritma fuzzy

Belajar Logika Fuzzy Interaktif

Apa itu Logika Fuzzy?

Logika Fuzzy adalah perluasan dari logika Boolean (yang menggunakan nilai benar/salah atau 1/0 secara pasti) untuk menangani konsep kebenaran parsial. Dalam dunia nyata, banyak hal tidak hitam-putih, seperti "agak hangat", "cukup tinggi", atau "sedikit dingin". Logika Fuzzy memungkinkan kita untuk merepresentasikan dan bernalar dengan ketidakpastian ini secara matematis.

Bagian ini memperkenalkan perbedaan fundamental antara logika 'crisp' (pasti) dan 'fuzzy' (samar). Logika crisp memiliki batasan yang kaku, sedangkan logika fuzzy memiliki transisi yang mulus.

Logika Crisp (Pasti)

Contoh: Seseorang "Tinggi" jika tingginya > 175 cm.

Logika Fuzzy (Samar)

Contoh: Seseorang "Tinggi" secara bertahap.

Konsep Kunci Logika Fuzzy

1. Variabel Linguistik

Ini adalah variabel yang nilainya bukan angka, tetapi kata-kata atau frasa dari bahasa alami. Contoh: "Suhu", "Kecepatan", "TinggiBadan".

2. Himpunan Fuzzy (Fuzzy Sets)

Ini adalah "label" atau "nilai" kualitatif untuk Variabel Linguistik. Jika variabelnya adalah "Suhu", himpunan fuzzynya bisa jadi: "Dingin", "Hangat", "Panas".

3. Fungsi Keanggotaan

Ini adalah inti dari logika fuzzy. Ini adalah kurva (atau grafik) yang mendefinisikan sejauh mana suatu nilai input (angka pasti, atau "crisp") termasuk dalam suatu Himpunan Fuzzy. Nilainya berkisar antara 0 (sama sekali tidak termasuk) hingga 1 (termasuk sepenuhnya).

Visualisasi Fungsi Keanggotaan

Mari kita jelajahi konsep terpenting: fungsi keanggotaan. Grafik di bawah ini menunjukkan variabel linguistik "Suhu" dengan tiga himpunan fuzzy: "Dingin", "Hangat", dan "Panas". Coba geser slider di bawah untuk melihat bagaimana nilai "crisp" (suhu pasti) memiliki derajat keanggotaan yang berbeda-beda di setiap himpunan.

Suhu Saat Ini: 18°C

Derajat "Dingin"

0.00

Derajat "Hangat"

0.00

Derajat "Panas"

0.00

Bagaimana Sistem Fuzzy Bekerja?

Sistem inferensi fuzzy (Fuzzy Inference System/FIS) menggunakan konsep-konsep tadi untuk membuat keputusan. Proses umumnya terdiri dari empat langkah yang divisualisasikan di bawah ini. Arahkan kursor (atau ketuk pada perangkat seluler) ke setiap langkah untuk mendapatkan penjelasan singkat.

1. Fuzzifikasi

Mengubah input 'crisp' (angka pasti) menjadi nilai fuzzy (derajat keanggotaan) menggunakan fungsi keanggotaan.

2. Evaluasi Aturan

Menerapkan aturan IF-THEN (misal: JIKA Suhu 'Panas' MAKA KecepatanKipas 'Cepat') ke nilai-nilai fuzzy.

3. Agregasi

Menggabungkan hasil dari semua aturan yang dievaluasi menjadi satu himpunan fuzzy keluaran.

4. Defuzzifikasi

Mengubah himpunan fuzzy keluaran gabungan kembali menjadi satu nilai 'crisp' (angka pasti) sebagai output akhir.

Aplikasi di Dunia Nyata

Logika fuzzy sangat berguna dalam sistem kontrol dan pengambilan keputusan di mana inputnya tidak pasti atau kompleks. Anda mungkin menggunakannya setiap hari tanpa sadar. Bagian ini menyoroti beberapa contoh umum.

Pendingin Udara (AC)

AC modern menggunakan logika fuzzy untuk menyesuaikan suhu dan kecepatan kipas secara optimal berdasarkan suhu ruangan, kelembaban, dan jumlah orang, sehingga lebih efisien dan nyaman.

Mesin Cuci

Sensor pada mesin cuci mengukur seberapa kotor pakaian dan berapa beratnya. Logika fuzzy menentukan jumlah deterjen, air, dan waktu siklus cuci yang "pas", tidak terlalu banyak atau sedikit.

Transmisi Otomatis

Sistem transmisi mobil dapat menggunakan logika fuzzy untuk memutuskan kapan harus memindahkan gigi, berdasarkan kecepatan, akselerasi, dan kemiringan jalan, untuk pengendaraan yang lebih mulus.

Sistem Pengereman (ABS)

Logika fuzzy membantu sistem ABS menentukan tekanan pengereman yang optimal untuk mencegah roda terkunci, beradaptasi dengan kondisi jalan yang "agak licin" atau "cukup kering".

Rice Cooker

Penanak nasi canggih menggunakan logika fuzzy untuk mengatur panas dan waktu memasak berdasarkan jumlah beras dan air, memastikan nasi matang dengan sempurna.

Fokus Otomatis Kamera

Logika fuzzy membantu sistem fokus otomatis menganalisis beberapa titik dalam bingkai untuk menentukan subjek utama yang "mungkin" dimaksud oleh fotografer, bahkan jika itu bukan di tengah.

Aplikasi Pembelajaran Interaktif Logika Fuzzy

Sabtu, 27 September 2025

tempat sampah buka-tutup otomatis (ukuran agak besar)

 



1 — Komponen (what to buy / use)

Komponen yang sudah kamu punya

  • Arduino Uno (sudah)

  • Sensor ultrasonik HC-SR04 (sudah)

  • Servo (sudah) — catatan: tipe servo kecil (SG90) mungkin tidak kuat untuk tutup besar. Baca bagian mekanik & upgrade.

Komponen yang disarankan (wajib/kuatkan proyek)

  • Servo torsi tinggi (rekomendasi: MG996R, MG995, atau metal-gear high-torque) — jika tutup besar pakai ini.

  • Power supply portable: 1 × baterai lithium 18650 (3400 mAh) + modul proteksi / holder, atau power bank kecil.

  • Modul pengisian LiPo via panel surya: Adafruit Solar LiPo Charger (atau modul solar charger berbasis CN3065 / MT3608+TP4056 + regulator stabil) — jangan sambungkan panel langsung ke TP4056 tanpa regulator solar charger.

  • Step-up booster 5V (mis. MT3608 atau modul boost) jika baterai 3.7V dibutuhkan menjadi 5V untuk Arduino + servo.

  • Diode blokade (mis. Schottky) dan fuse (opsional) untuk keamanan.

  • Kabel power terpisah (servo harus punya sumber 5V terpisah atau sangat stabil).

  • Struktur bin: papan kayu/ acrylic / kotak plastik ukuran yang kamu mau; engsel kuat; poros/lever; baut; karet peredam.

  • Baut/rod/lever untuk menghubungkan servo ke tutup; atau link arm 3D printed.

Saran alternatif mekanik

  • Untuk tutup lebih besar: gunakan servo torsi tinggi atau motor DC dengan gearbox + limit switches dan H-bridge. Tapi tetap pakai servo jika lid ringan atau dengan counterweight.


2 — Desain mekanik singkat (cara supaya tutup bin agak besar masih bisa dibuka oleh servo kecil)

  1. Pakai lever arm pendek pada servo (mis. 2–3 cm) yang mengurangi stroke tapi meningkatkan torsi di poros tutup jika dipasangkan dengan rasio tuas.

  2. Tambah counterweight di sisi lain tutup sehingga servo hanya mengatasi sebagian beban (kurangi beban vertikal).

  3. Gunakan engsel bearing yang halus (kurangi gesekan).

  4. Jika servo kecil tetap tidak cukup: ganti ke MG996R (torque ~9 kg·cm) atau gunakan gearbox.

  5. Pastikan pemasangan servo ke kotak kokoh (plat aluminium atau printed mount). Pakai penguat di titik sambungan.


3 — Skematik wiring sederhana

Asumsi: Arduino Uno, HC-SR04, 1 servo, baterai 3.7V + boost ke 5V.

[BATTERY 3.7V] --> [Solar Charger Module] --> [Battery pack]
Battery pack --> [Boost converter 5V] --> +5V rail
+5V rail --> VIN (atau 5V pin on Arduino)  (lebih aman: ke 5V pin jika regulator sudah dipakai)
GND (common) --> Arduino GND

HC-SR04:
VCC --> +5V
GND --> GND
Trig --> Arduino digital pin 9
Echo --> Arduino digital pin 8

Servo:
VCC (red) --> +5V rail (jangan sambungkan servo langsung ke 5V dari Arduino USB)
GND (brown) --> GND
Signal (orange) --> Arduino digital pin 10

(Opsional) Push-button for manual open close --> Arduino digital pin 7 (pull-down or use INPUT_PULLUP)

Catatan penting listrik

  • Pastikan GND semua modul di-common-kan (battery, boost, Arduino, servo).

  • Servo dapat menyebabkan spike — gunakan capacitor (1000 µF) di +5V dekat servo untuk menstabilkan tegangan.

  • Jika servo menarik arus besar, pertimbangkan supply terpisah untuk servo (tetap common GND).


4 — Kode Arduino (siap upload)

Kode ini menggunakan HC-SR04 untuk mendeteksi objek/hand, membuka tutup dengan servo, dan menutup kembali setelah delay. Juga menggunakan attach/detach servo supaya mengurangi konsumsi sedikit.

#include <Servo.h>

#define TRIG_PIN 9
#define ECHO_PIN 8
#define SERVO_PIN 10
#define MANUAL_BTN 7  // optional

Servo lidServo;

// tunable parameters
const int OPEN_ANGLE = 85;      // sudut buka (ubah sesuai rig)
const int CLOSED_ANGLE = 10;    // sudut tutup
const unsigned long KEEP_OPEN_MS = 3000; // berapa lama terbuka setelah mendeteksi (ms)
const long DIST_THRESHOLD_CM = 20; // jarak trigger (cm)

unsigned long lastOpenTime = 0;
bool isOpen = false;

void setup() {
  Serial.begin(9600);
  pinMode(TRIG_PIN, OUTPUT);
  pinMode(ECHO_PIN, INPUT);
  pinMode(MANUAL_BTN, INPUT_PULLUP); // optional: tombol ground saat ditekan

  lidServo.attach(SERVO_PIN);
  lidServo.write(CLOSED_ANGLE);
  delay(500);
  lidServo.detach(); // detach to reduce current draw when idle
}

long readDistanceCM() {
  // send pulse
  digitalWrite(TRIG_PIN, LOW);
  delayMicroseconds(2);
  digitalWrite(TRIG_PIN, HIGH);
  delayMicroseconds(10);
  digitalWrite(TRIG_PIN, LOW);

  long duration = pulseIn(ECHO_PIN, HIGH, 30000); // timeout 30ms
  if (duration == 0) return 9999; // no echo

  long distanceCm = duration / 58; // speed of sound conversion
  return distanceCm;
}

void openLid() {
  lidServo.attach(SERVO_PIN);
  for (int a = CLOSED_ANGLE; a <= OPEN_ANGLE; a += 3) {
    lidServo.write(a);
    delay(20);
  }
  lastOpenTime = millis();
  isOpen = true;
  lidServo.detach();
}

void closeLid() {
  lidServo.attach(SERVO_PIN);
  for (int a = OPEN_ANGLE; a >= CLOSED_ANGLE; a -= 3) {
    lidServo.write(a);
    delay(20);
  }
  isOpen = false;
  lidServo.detach();
}

void loop() {
  // manual override button (active LOW)
  if (digitalRead(MANUAL_BTN) == LOW) {
    openLid();
    delay(200);
  }

  long dist = readDistanceCM();
  // Serial.println(dist);

  if (!isOpen && dist <= DIST_THRESHOLD_CM) {
    openLid();
  }

  if (isOpen && (millis() - lastOpenTime > KEEP_OPEN_MS)) {
    closeLid();
  }

  delay(150); // main loop delay
}

Catatan kode

  • Ubah OPEN_ANGLE, CLOSED_ANGLE, dan DIST_THRESHOLD_CM sesuai jarak/rig kamu.

  • Servo attach/detach mengurangi konsumsi saat idle.

  • Jika kamu tambahkan LED indikator atau buzzer, beri pin dan logika tambahan.


5 — Perhitungan baterai & panel surya (langkah demi langkah)

Aku jelaskan asumsi & perhitungan digit-per-digit supaya jelas.

Asumsi konsumsi:

  • Arduino Uno: 50 mA @ 5 V.
    Power = V × I = 5 × 0.05 = 0.25 W.
    Energi per hari = 0.25 W × 24 h = 6 Wh.

  • HC-SR04: 15 mA @5 V.
    Power = 5 × 0.015 = 0.075 W.
    Energi per hari = 0.075 W × 24 h = 1.8 Wh.

  • Servo (rata-rata, puncak saat bergerak): 500 mA @5 V saat bergerak.
    Power = 5 × 0.5 = 2.5 W.
    Waktu bergerak per cycle kira-kira 4 detik (buka + tutup).
    Waktu per cycle dalam jam = 4 s / 3600 = 0.001111... h.
    Energi per cycle = 2.5 W × 0.001111... h = 0.002777... Wh.
    Jika 50 cycle/hari → energi servo = 0.002777... × 50 = 0.138888... Wh ≈ 0.14 Wh.

Total energi sehari (belum efisiensi):

  • Arduino 6 Wh

  • HC-SR04 1.8 Wh

  • Servo 0.14 Wh
    Total = 6 + 1.8 + 0.14 = 7.94 Wh ≈ 8 Wh per hari

Tambahkan margin & kerugian (konverter, charger inefficiency)
Ambil faktor keamanan/kerugian 40%:
Energi yang perlu disediakan = 8 Wh × 1.4 = 11.2 Wh → bulatkan ke 12 Wh per hari.

Konversi kapasitas baterai (mAh)
Jika pakai baterai 3.7 V (typical Li-ion 18650):
mAh = (Wh / V) × 1000
= (12 Wh / 3.7 V) × 1000
= 3.243243... × 1000 mAh ≈ 3243 mAh

→ Jadi 1 × 18650 3400 mAh (nilai komersial ~3300–3500 mAh) cukup untuk beban ini sehari (dengan asumsi manajemen charging yang baik). Untuk cadangan cuaca buruk, pakai 2 × 18650 di parallel.

Panel surya sizing
Asumsi Peak Sun Hours ≈ 4 jam/hari (Indonesia bagus, pakai 3–5; aku pakai 4).
Asumsi sistem efisiensi = 70% (kerugian charger, kabel, dll).
Panel watt yang diperlukan = Energi harian / (sun hours × efisiensi)
= 12 Wh / (4 h × 0.7)
= 12 / 2.8
= 4.2857 W

→ Pilih panel komersial sedikit lebih besar: 6 W – 10 W panel (misal panel 6W atau 10W 6V) + solar charger yang sesuai.

Ringkasan rekomendasi listrik

  • Battery: minimum 1 × 18650 ~3400 mAh (lebih baik 2 in parallel untuk redundancy).

  • Solar panel: pilih 6W atau 10W untuk charge handal.

  • Solar charge controller: gunakan modul charger khusus LiPo/solar (contoh: Adafruit Solar LiPo Charger) + step-up 5V untuk Arduino.


6 — Tips untuk kestabilan & keamanan

  • Jangan tarik power servo dari Arduino 5V regulator (Uno onboard) — gunakan supply 5V terpisah/boost.

  • Tambah capacitor elektrolitik 1000 µF di dekat servo power untuk meredam drop tegangan.

  • Gunakan fuse 1A pada jalur +5V sebagai proteksi.

  • Gunakan modul charger yang dirancang untuk panel surya (mengatasi variasi tegangan panel).

  • Pertimbangkan sensor tambahan (limit switch) untuk mengetahui posisi tutup jika memakai motor DC.


7 — Struktur file README / isi ZIP (copy-paste-ready)

# Tempat Sampah Otomatis (Arduino + Solar)
Proyek: Tempat sampah buka-tutup otomatis menggunakan Arduino Uno, HC-SR04, servo, dan tenaga surya (panel + baterai).

## Fitur
- Otomatis membuka tutup saat ada objek/hand pada jarak tertentu.
- Menutup otomatis setelah delay.
- Ditenagai oleh baterai Li-ion yang di-charge oleh panel surya.
- Mekanik diperkuat untuk ukuran bin yang agak besar (gunakan servo torsi tinggi dan counterweight).

## Komponen
- Arduino Uno
- HC-SR04 ultrasonic
- Servo torsi tinggi (rekom: MG996R)
- 18650 Li-ion 3400 mAh + holder + protection
- Solar panel 6W - 10W
- Solar LiPo charger (Adafruit Solar Charger atau setara)
- Boost converter 5V
- Kapasitor 1000µF, diode, fuse
- Kabel, baut, engsel, plat mounting

## Wiring
(Lihat file wiring.txt atau diagram pada folder)

## Code
File: `trash_bin.ino` (kode utama Arduino)

## Mekanik
Panduan mounting, lever arm, dan counterweight. (Lihat folder mechanical/)

## Perhitungan daya
Asumsi & perhitungan dimasukkan di docs/power_calc.txt

## Cara Pakai
1. Pasang sensor di bibir tutup, pastikan sudut tidak memantul ke lantai.
2. Hubungkan power sesuai wiring.
3. Upload `trash_bin.ino` ke Arduino.
4. Letakkan panel di lokasi terkena sinar matahari.

## Catatan keamanan
- Jangan sambungkan panel langsung ke TP4056 tanpa solar charger.
- Pastikan semua koneksi rapi dan ada fuse.

## Lisensi
MIT

8 — Opsional: upgrade & fitur tambahan (ide)

  • Mode hemat daya: gunakan Arduino Pro Mini 3.3V (lebih rendah draw) dan deep sleep — untuk mengurangi ukuran battery.

  • Tambah LED indikator baterai dan pengukur voltase (voltage divider + ADC).

  • Tambah sensor cahaya LDR untuk hanya aktif di siang/malam tertentu.

  • Tambah Wi-Fi (ESP32) untuk monitoring status baterai & log buka/tutup.



Sabtu, 09 Agustus 2025

Laporan Lengkap GPT-5 oleh OpenAI

Gpt-5

GPT-5 baru saja diluncurkan OpenAI sebagai generasi penerus GPT-4. Model ini disebut OpenAI sebagai flagship model (model unggulan) terbaru yang “paling cerdas, paling cepat, dan paling berguna”. GPT-5 merupakan sistem terpadu yang secara otomatis memilih cara paling efisien untuk menjawab pertanyaan: sebagian pertanyaan diselesaikan oleh model “cepat”, sedangkan masalah kompleks ditangani oleh model pemikiran dalam (GPT-5 thinking) melalui pengatur waktu (router) real-time. Arsitektur ini menggabungkan model inti, model penalaran mendalam, dan “mini” yang menjawab saat batas penggunaan tercapai, sehingga kemampuan berpikir dan konteks luas semakin optimal.

Ilustrasi: OpenAI menyebut GPT-5 sebagai model unggulan terbaru (“flagship model”).

1. Harga

  • ChatGPT Plus: Langganan bulanan Plan Plus ditetapkan $20 USD/bulan (sekitar Rp 325.000). Paket Plus kini termasuk akses GPT-5 (dengan kuota penggunaan lebih tinggi). Ada juga paket Pro ($200/bulan) yang menambah akses tanpa batas ke fitur GPT-5 Pro dan GPT-5 thinking.

  • API GPT-5: OpenAI juga menyediakan GPT-5 lewat API berbayar terpisah. Menurut situs resmi, biaya token API GPT-5 adalah: $1,25 per 1.000 token input dan $10,00 per 1.000 token output. Terdapat varian yang lebih murah: GPT-5 mini ($0,25/1.000 input, $2,00/1.000 output) dan GPT-5 nano ($0,05/1.000 input, $0,40/1.000 output). Dengan konteks 400.000 token, ini memungkinkan pemrosesan teks/gambar sangat panjang. Ringkasan biaya model GPT-5 (input/output) adalah sebagai berikut:

    Model Input (US$ per 1.000 token) Output (US$ per 1.000 token)
    GPT-5 1,25 (US$1,25) 10,00 (US$10,00)
    GPT-5 Mini 0,25 (US$0,25) 2,00 (US$2,00)
    GPT-5 Nano 0,05 (US$0,05) 0,40 (US$0,40)

    Sumber: OpenAI (API Pricing).

2. Kecanggihan Teknologi GPT-5

GPT-5 memperkenalkan banyak peningkatan dibanding GPT-4. OpenAI menekankan GPT-5 lebih cepat, akurasi lebih tinggi, dan lebih sedikit halusinasi. Menurut OpenAI, GPT-5 menjawab pertanyaan dengan lebih cepat dan lebih sedikit token daripada model sebelumnya; misalnya, dengan 50–80% lebih sedikit token keluaran untuk tugas-tugas kompleks berkat “waktu berpikir” (thinking time) yang lebih efisien. Halusinasi (jawaban palsu) berkurang tajam: uji coba internal menunjukkan ~45% lebih rendah peluang kesalahan faktual dibanding GPT-4o biasa, dan hingga ~80% lebih rendah saat model berpikir lebih lama. Bahkan pada pertanyaan terbuka, “GPT-5 thinking” mencatat enam kali lebih sedikit halusinasi daripada model terdahulu.

Dalam praktik, GPT-5 unggul di berbagai domain. Sebagai model kolaborator pemrograman, GPT-5 dapat menghasilkan kode siap pakai dengan desain antarmuka lebih baik dan debugging yang lebih efisien. Di bidang penulisan kreatif, GPT-5 mampu mengolah ide kasar menjadi tulisan puitis atau profesional dengan kedalaman dan alur lebih baik. Untuk kesehatan, GPT-5 adalah “model terbaik kami sejauh ini” untuk pertanyaan medis, memberikan jawaban lebih tepat dan andal serta proaktif mengajukan pertanyaan lanjutan jika diperlukan. Selain itu, GPT-5 dirancang lebih jujur, mampu mengakui keterbatasan (misalnya, tidak membuat jawaban palsu untuk tugas mustahil) serta memberikan “refusal” dengan penjelasan ketika perlu.

Arsitektur GPT-5 meliputi model inti untuk respons cepat, model “penalaran” yang berproses lebih lama untuk masalah sulit, dan sistem router yang menentukan secara real-time model mana yang digunakan berdasarkan kompleksitas dan konteks percakapan. Model GPT-5 dilatih menggunakan superkomputer Azure, dan kini mendukung jendela konteks hingga 400.000 token (termasuk teks dan visual) – memungkinkan memahami percakapan atau dokumen sangat panjang. OpenAI juga menambahkan parameter baru di API, seperti opsi minimal reasoning dan verbosity, untuk kontrol yang lebih presisi dalam penggunaan GPT-5. Pengujian internal menunjukkan GPT-5 mencatat skor lebih tinggi di banyak tolok ukur, misalnya mencapai 74,9% pada SWE-Bench Verified (vs 69,1% di generasi sebelumnya).

3. Fitur Terpadu ChatGPT dengan GPT-5

Peluncuran GPT-5 dibarengi beragam fitur baru di ChatGPT:

  • Integrasi Produktivitas: Mulai minggu awal setelah peluncuran, pengguna ChatGPT Pro dapat menghubungkan akun Google mereka (Gmail, Google Calendar, Google Contacts) ke ChatGPT. Setelah dihubungkan, ChatGPT otomatis menyertakan info email atau jadwal saat dibutuhkan—misalnya, menjadwalkan pertemuan atau menulis email balasan berdasarkan konteks. Fitur serupa akan menyusul di paket Plus dan lainnya. Mode Study Mode baru juga diperkenalkan, memudahkan belajar melalui pembelajaran terpandu: pengguna memilih “Study and learn” dari menu Tools, dan GPT-5 memberikan bantuan langkah-demi-langkah untuk materi pelajaran. Selain itu, Plus/Pro mendukung pembuatan proyek, tugas, dan GPT kustom (model buatan pengguna) untuk manajemen kerja lebih terstruktur.

  • Personalisasi dan Kontrol: ChatGPT kini memungkinkan pengguna memilih kepribadian asisten (misalnya, “Cynic”, “Robot”, “Listener”, “Nerd”) dan tema warna obrolan agar terasa lebih personal. Mode suara (“Voice Mode”) ditingkatkan dengan suara yang lebih alami dan kemampuan mengatur gaya bicara AI sesuai preferensi pengguna. Pada antarmuka, pengguna Pro/Plus dapat menyesuaikan tampilan ChatGPT (mis. warna latar) serta mengakses mode layar penuh (canvas) dan alat bawaan tambahan. Menurut OpenAI, personalisasi ini membuat AI terasa lebih unik dan “seperti kolaborator” daripada sekadar alat generik.

  • Fitur ChatGPT Lainnya: Selain integrasi Google, fitur baru lainnya mencakup kanvas papan tulis (canvas) untuk mengedit gambar/sketsa langsung, mode Privacy Recorder untuk merekam (opsional), dan Advanced Voice Mode (suara + video) untuk interaksi lebih kaya. Untuk fokus belajar, mode Study membantu pelajar dengan pertanyaan dan kuis berkala. Fitur “vibe coding” yang ditampilkan dalam demo (menghasilkan aplikasi web fungsional dari deskripsi teks dalam hitungan menit) menunjukkan betapa cepatnya GPT-5 membantu pemrograman. Secara keseluruhan, GPT-5 dan ChatGPT v terbaru “menangani semua keputusan pemilihan model untuk Anda” secara otomatis, sehingga pengguna tidak perlu lagi memilih model manual.

Sumber: Informasi di atas diambil dari sumber resmi OpenAI dan laporan media tepercaya yang mengonfirmasi harga, teknologi, dan fitur baru GPT-5. Informasi API (harga token) mengacu ke halaman harga OpenAI.

Minggu, 27 Juli 2025

Dampak AI dan Otomatisasi pada Pekerjaan Pemrograman

 

Koding gak dibutuhkan dimasa depan

Berbagai riset menunjukkan teknologi AI coding (LLM, Copilot, ChatGPT, dll.) dramatis mempercepat tugas-tugas pemrograman rutin. Misalnya, studi Nielsen Norman Group menemukan pengembang yang dibantu GitHub Copilot menyelesaikan tugas coding 126% lebih cepat. Laporan McKinsey juga mencatat generative AI memungkinkan dokumentasi kode selesai ~50% lebih cepat, penulisan kode baru hampir setengah waktu biasa, dan refactoring dalam ~2/3 waktu normal. Mayoritas developer (81%) menyebut produktivitas sebagai manfaat utama AI. Dengan AI melakukan pekerjaan boilerplate (kode template, dokumentasi standar, pengisian fungsi umum), programmer dapat fokus ke masalah lebih kompleks dan kreatif. Namun, riset McKinsey menunjukkan keuntungan kecepatan menyusut drastis pada tugas yang sangat kompleks atau bagi pemula (kurang dari 10% perbedaan waktu). Artinya, AI memang mengotomatisasi tugas repetitif (debugging dasar, pengujian otomatis, kode generik), sementara peran manusia beralih ke tugas seperti desain arsitektur sistem, algoritma kompleks, dan verifikasi output AI.

Jenis Tugas Pemrograman Dampak AI (otomatisasi) Peran Manusia Pasca-AI
Penulisan kode baru (boilerplate) AI (Copilot, LLM) dapat menyusun kode template dan fungsi standar dengan cepat Fokus ke desain sistem, logika kompleks, inovasi fitur baru
Pengujian & debugging dasar AI menjalankan pengujian otomatis dan menyarankan perbaikan (unit test otomatis) Analisis bug rumit, skenario pengujian unik, validasi hasil AI secara manual
Dokumentasi kode AI menulis dokumentasi teknis dengan efisien (sekitar 50% lebih cepat) Mendeskripsikan requirement, memastikan akurasi, interaksi tim dan dokumentasi strategis
Refactoring kode AI mempercepat refactoring hingga ~66% lebih cepat Menyusun ulang arsitektur kode, optimasi performa, pemeliharaan jangka panjang

Secara keseluruhan, AI mengubah kebutuhan keterampilan pemrogram. Keahlian menulis sintaks dasar menjadi kurang penting; yang utama kini adalah kemampuan memecahkan masalah, desain sistem, dan mengarahkan AI. Programmer perlu bisa menulis prompt yang tepat, mengevaluasi hasil AI, serta memahami konteks domain masalah. Kualitas kode tetap harus dijaga manusia: meskipun AI meningkatkan kecepatan tanpa merusak mutu rata-rata, developer tetap “harus memahami atribut kode berkualitas dan meminta keluaran yang tepat”. Dengan kata lain, AI lebih mengubah pemrogram menjadi sistemer dan pengawas kode, bukan sepenuhnya menggantikan mereka.

Kolaborasi Manusia–AI dan Peran Baru

Kemunculan AI coding mendorong kolaborasi baru di tim pengembang. Programmer kini bekerja bersama AI sebagai asisten: memberikan petunjuk (prompt), memeriksa keluaran model, dan mengintegrasikan kode yang dihasilkan. Sebagai contoh, CTO WGS Pingadi Limajaya menyebut AI sebagai “alat bantu luar biasa” untuk tugas repetitif, yang mengalihkan fokus manusia ke masalah kreatif dan kompleks. Programmer “harus tetap menjadi pemikir kreatif, bukan hanya eksekutor teknis”, serta harus “memberi instruksi yang jelas kepada AI” dan mengevaluasi hasilnya. Kemampuan berpikir kritis, desain sistem, dan domain knowledge menjadi lebih penting daripada sekadar mengetik kode. Bukti kolaborasi positif terlihat di studi McKinsey: penggunaan AI tidak menurunkan kualitas kode, asalkan developer aktif mengarahkan dan memperbaiki output AI.

Perubahan ini menelurkan peran-peran baru di industri:

  • Developer AI-augmented (AI-assisted developer): Programmer biasa yang memanfaatkan LLM/Copilot dalam siklus pengembangan. Mereka lebih banyak mengawasi arsitektur dan logika aplikasi, serta memandu AI dalam pembuatan kode.

  • Spesialis AI/ML: Insinyur yang fokus mengembangkan, mengelola, dan mengoptimalkan sistem AI untuk membantu tim software. Mereka mengintegrasikan model-model generatif ke produk dan infrastruktur.

  • Arsitek Sistem AI: Perancang tingkat tinggi yang menetapkan arsitektur perangkat lunak dengan komponen AI. Pingadi Limajaya memprediksi “lebih banyak spesialis AI dan arsitek sistem” di masa depan.

  • Prompt Engineer: Peran yang banyak muncul secara praktek (meski belum banyak disebut di literatur) – ahli dalam menyusun prompt efektif agar model AI menghasilkan kode sesuai kebutuhan.

Kolaborasi ini mengubah cara kerja tim: senior engineer menjadi mentor yang mendesain sistem kompleks dan membimbing tim, sedangkan tugas-tugas rutin atau eksplorasi awal (onboarding proyek, template coding) semakin dibantu AI. Dengan demikian, kerja tim coding menjadi lebih interaktif: manusia memberikan arahan dan penilaian, sedangkan AI menjadi rekan eksekusi yang mempercepat implementasi.

Sentimen Media dan Laporan Industri

Lanskap media teknologi menyajikan dua sudut pandang: kekhawatiran akan hilangnya kerjaan vs peluang evolusi peran. Laporan organisasi global misalnya OECD memperkirakan 25% pekerjaan berisiko AI, dan WEF memprediksi ~92 juta jabatan lama hilang namun 170 juta baru muncul tahun 2030. Khusus di bidang pemrograman, DW (Deutsche Welle) melaporkan CEO startup Anthropic mengatakan AI “bisa mengambil alih separuh pekerjaan karyawan tingkat pemula” dalam 1–5 tahun ke depan. Bahkan Pew Research menyebut “pengembang web” dan pekerjaan analisis data merupakan yang “berisiko tinggi” tergantikan AI.

Di Indonesia, pernyataan CEO Nvidia Jensen Huang bahwa “anak-anak tak perlu belajar coding” karena “AI akan membunuh coding” menjadi sorotan media. Hal ini memicu perdebatan, namun sejumlah pakar justru menekankan pentingnya pipeline talenta. Misalnya Prof. Daniela Rus (MIT) menyatakan pengajaran coding bagi pemula masih perlu dipertahankan, namun dengan fokus pada keterampilan menggunakan AI: “keterampilan yang akan dicari perusahaan di entry-level adalah seberapa baik mereka memanfaatkan tools AI”.

Survei industri pun menunjukkan sikap beragam. Stack Overflow 2024 mencatat 76% pengembang saat ini sudah menggunakan atau berencana menggunakan alat AI dalam pekerjaan, dan 72% memiliki pandangan positif terhadap AI dalam development. Sebanyak 81% responden menilai produktivitas meningkat dengan AI. Namun, sekitar sepertiga developer mengaku khawatir AI “menggantikan pekerjaan tanpa opsi pekerjaan baru”. Media seperti Business Insider bahkan menyebut “meja karier software engineer sedang runtuh”: lowongan entry-level anjlok (~turun 50% tahun 2023) sementara lowongan senior justru naik. Meskipun begitu, banyak insinyur berpengalaman menilai AI lebih sebagai “pasangan kerja” yang mempercepat pekerjaan mereka daripada menggantikan, sedangkan generasi muda merasa lebih cemas menghadapi perubahan.

Pandangan Jensen Huang tentang Masa Depan Pemrograman

CEO Nvidia Jensen Huang berpendapat sangat optimis soal transformasi peran pemrograman oleh AI. Pada World Government Summit 2024 ia menyatakan: “tugas kami adalah menciptakan teknologi komputasi yang tidak mengharuskan siapa pun membuat program. Bahasa pemrograman adalah manusia; semua orang sekarang menjadi programmer. Inilah keajaiban AI.” Dengan kata lain, Ia yakin antarmuka natural language akan menggantikan coding tradisional. Huang bahkan menyarankan agar orang tua tidak terlalu menekankan agar anak belajar coding komputer, melainkan fokus ke ilmu pengetahuan lain yang lebih bernilai (misalnya biologi, manufaktur). Ia percaya era AI memungkinkan setiap orang “menjadi programmer” melalui bahasa sehari-hari.

Meski demikian, Huang juga menegaskan pentingnya upskilling: generasi baru tetap harus belajar cara “menerapkan pemrograman AI kapan dan bagaimana” dengan tepat. Ia menyebut proses ini akan “menyenangkan dan mengejutkan” bagi para pelajar. Pendek kata, menurut Jensen Huang, coding tradisional akan digantikan oleh skill baru – kemampuan merancang instruksi cerdas untuk mesin dan mengerti konsep fisik realitas – sehingga programmer masa depan adalah mereka yang menguasai ilmu dasar sains serta teknologi AI.

Referensi: Berbagai laporan penelitian dan media teknologi terkini menunjukkan tren di atas, termasuk wawancara, survei industri, dan pendapat CEO NVIDIA Jensen Huang.

Minggu, 11 Mei 2025

Centripetal force

  

Centripetal force


🧠 Ringkasan Konteks Gambar:

Seorang pengendara motor menikung dengan kemiringan tertentu, dan kita ingin tahu kecepatan maksimum (v_max) yang bisa dicapai sebelum kehilangan traksi (terpeleset).


Diketahui:

  • Jari-jari tikungan: R = 90 m

  • Koefisien gesekan: μ = 0.4

  • Sudut kemiringan lintasan atau motor: α = 30°

  • Gravitasi: g = 10 m/s² (disederhanakan di sini)


Rumus Umum:

Dari sistem persamaan gaya dan substitusi:

vmax=Rg(μ+tanα)1μtanαv_{max} = \sqrt{ \frac{R \cdot g (\mu + \tan \alpha)}{1 - \mu \cdot \tan \alpha} }

🐍 Contoh Implementasi Python-nya:

import numpy as np

# Diketahui
R = 90               # meter
mu = 0.4             # koefisien gesek
alpha_deg = 30       # derajat
g = 10               # m/s^2

# Konversi sudut ke radian
alpha = np.radians(alpha_deg)

# Rumus v_max
v_max = np.sqrt((R * g * (mu + np.tan(alpha))) / (1 - mu * np.tan(alpha)))

print(f"Kecepatan maksimum menikung tanpa tergelincir: v_max ≈ {v_max:.2f} m/s")

✅ Hasilnya:

Kecepatan maksimum menikung tanpa tergelincir: v_max ≈ 34.0 m/s

Sesuai dengan hasil di gambar: v_max ≈ 34 m/s.


Mantap! Kita mulai dari penurunan rumus dari nol, lalu nanti kita lanjut ke simulasi gaya dan jika kamu mau, bisa juga kita buat diagram interaktif.


📘 Penurunan Rumus dari Nol — Kecepatan Maksimum Motor Saat Menikung Miring

🎯 Tujuan:

Mencari kecepatan maksimum (v_max) motor agar tidak tergelincir saat menikung di lintasan yang miring.


🧭 Langkah 1: Gambaran Gaya-gaya yang Bekerja

Bayangkan motor di tikungan miring dengan sudut kemiringan α. Gaya-gaya yang bekerja pada motor:

  • Gaya Normal (N): tegak lurus bidang miring.

  • Berat (mg): tegak lurus ke bawah (gravitasi).

  • Gaya gesek maksimum (F_fric): mencegah slip ke arah luar tikungan.

  • Gaya sentripetal: menyebabkan motor tetap berputar melingkar, arahnya ke pusat lingkaran tikungan.


🧮 Langkah 2: Pecah Komponen Gaya (Sumbu-x dan Sumbu-y)

Sumbu-x sejajar lintasan miring (mengarah ke pusat lingkaran):

mv2R=μNcosα+Nsinα(1)\frac{mv^2}{R} = \mu N \cos \alpha + N \sin \alpha \quad \text{(1)}

Sumbu-y tegak lurus lintasan miring (tidak ada percepatan):

0=μNsinαmg+Ncosα(2)0 = -\mu N \sin \alpha - mg + N \cos \alpha \quad \text{(2)}


🧩 Langkah 3: Selesaikan Persamaan

Dari (2):

N(cosαμsinα)=mgN=mgcosαμsinαN (\cos \alpha - \mu \sin \alpha) = mg \Rightarrow N = \frac{mg}{\cos \alpha - \mu \sin \alpha}

Substitusikan ke (1):

mv2R=μNcosα+Nsinα\frac{mv^2}{R} = \mu N \cos \alpha + N \sin \alpha

Faktorkan N:

mv2R=N(μcosα+sinα)\frac{mv^2}{R} = N (\mu \cos \alpha + \sin \alpha)

Ganti N:

mv2R=mgcosαμsinα(μcosα+sinα)\frac{mv^2}{R} = \frac{mg}{\cos \alpha - \mu \sin \alpha} (\mu \cos \alpha + \sin \alpha)

Coret m:

v2R=g(μcosα+sinα)cosαμsinα\frac{v^2}{R} = \frac{g(\mu \cos \alpha + \sin \alpha)}{\cos \alpha - \mu \sin \alpha}

Kalikan R:

v2=Rgμcosα+sinαcosαμsinαv^2 = Rg \cdot \frac{\mu \cos \alpha + \sin \alpha}{\cos \alpha - \mu \sin \alpha}


🧾 Finalisasi Rumus:

Gunakan identitas trigonometri:

μcosα+sinαcosαμsinα=μ+tanα1μtanα\frac{\mu \cos \alpha + \sin \alpha}{\cos \alpha - \mu \sin \alpha} = \frac{\mu + \tan \alpha}{1 - \mu \tan \alpha}

Maka:

vmax=Rg(μ+tanα)1μtanαv_{\text{max}} = \sqrt{ \frac{R g (\mu + \tan \alpha)}{1 - \mu \tan \alpha} }


Satellite movement

 

Satelite movement


📌 Diberikan:

  • MM: massa Bumi

  • RR: jari-jari Bumi

  • hh: ketinggian satelit dari permukaan Bumi

  • GG: konstanta gravitasi universal

  • TT: periode orbit satelit (yang ingin dicari)


🌍 Langkah-Langkah Perhitungan Periode Satelit

1. Gaya Gravitasi = Gaya Sentripetal

Satelit yang mengorbit Bumi berada di bawah pengaruh gaya gravitasi, dan gaya ini juga yang bertindak sebagai gaya sentripetal agar satelit tetap pada orbitnya.

F=ma\left| \vec{F} \right| = \left| m \vec{a} \right|

Gravitasi Newton:

F=GMm(R+h)2F = \frac{G M m}{(R+h)^2}

Sentripetal:

F=mv2R+hF = m \cdot \frac{v^2}{R+h}

Samakan kedua gaya:

GMm(R+h)2=mv2R+h\frac{G M m}{(R+h)^2} = m \cdot \frac{v^2}{R+h}

Sederhanakan:

GM(R+h)=v2\frac{G M}{(R+h)} = v^2

Ambil akar:

v=GMR+hv = \sqrt{\frac{G M}{R+h}}

2. Menghitung Periode (T)

Periode adalah waktu yang dibutuhkan satelit untuk menyelesaikan satu orbit penuh.

T=2π(R+h)vT = \frac{2\pi (R+h)}{v}

Substitusi vv dari langkah sebelumnya:

T=2π(R+h)GMR+hT = \frac{2\pi (R+h)}{\sqrt{\frac{GM}{R+h}}}

Ubah bentuknya:

T=2π(R+h)3GMT = 2\pi \sqrt{\frac{(R+h)^3}{GM}}

Inilah rumus akhirnya:

T=2π(R+h)3GM\boxed{T = 2\pi \sqrt{\frac{(R+h)^3}{G M}}}

✍️ Penjelasan Konsep

  • Satelit mengorbit karena gaya gravitasi Bumi menariknya.

  • Gaya ini sama dengan gaya sentripetal yang membuat satelit bergerak melingkar.

  • Dengan menyamakan dua gaya itu, kamu bisa mendapatkan kecepatan orbit.

  • Lalu, pakai kecepatan dan keliling lingkaran untuk cari periode.


📘 Contoh Kasus

Misalnya:

  • M=5.97×1024kgM = 5.97 \times 10^{24} \, \text{kg}

  • R=6.37×106mR = 6.37 \times 10^6 \, \text{m}

  • h=3.57×107mh = 3.57 \times 10^7 \, \text{m} (orbit geostasioner)

  • G=6.674×1011Nm2/kg2G = 6.674 \times 10^{-11} \, \text{Nm}^2/\text{kg}^2

Kamu tinggal masukkan ke rumus:

T=2π(R+h)3GMT = 2\pi \sqrt{\frac{(R+h)^3}{G M}}

dua hal:


1. 💡 Menghitung Periode Satelit Nyata (dengan angka)

🎯 Studi Kasus: Satelit Geostasioner

Satelit ini mengorbit sejajar dengan ekuator dan butuh waktu 24 jam untuk 1 putaran penuh agar selalu berada di atas titik yang sama di permukaan Bumi.

✅ Diketahui:

Parameter Nilai
GG (konstanta gravitasi) 6.674×1011Nm2/kg26.674 \times 10^{-11} \, \text{Nm}^2/\text{kg}^2
MM (massa Bumi) 5.97×1024kg5.97 \times 10^{24} \, \text{kg}
RR (jari-jari Bumi) 6.37×106m6.37 \times 10^6 \, \text{m}
hh (ketinggian satelit) 3.57×107m3.57 \times 10^7 \, \text{m}

Langkah:

T=2π(R+h)3GMT = 2\pi \sqrt{\frac{(R+h)^3}{G M}}

Hitung R+hR + h:

R+h=6.37×106+3.57×107=4.207×107mR+h = 6.37 \times 10^6 + 3.57 \times 10^7 = 4.207 \times 10^7 \, \text{m}

Lanjut:

T=2π(4.207×107)36.674×1011×5.97×1024T = 2\pi \sqrt{\frac{(4.207 \times 10^7)^3}{6.674 \times 10^{-11} \times 5.97 \times 10^{24}}}

Hitung numerator:

(4.207×107)3=7.45×1022m3(4.207 \times 10^7)^3 = 7.45 \times 10^{22} \, \text{m}^3

Hitung denominator:

6.674×1011×5.97×1024=3.986×10146.674 \times 10^{-11} \times 5.97 \times 10^{24} = 3.986 \times 10^{14}

Gabungkan:

T=2π7.45×10223.986×1014=2π1.87×1082π×1367285978detikT = 2\pi \sqrt{\frac{7.45 \times 10^{22}}{3.986 \times 10^{14}}} = 2\pi \sqrt{1.87 \times 10^8} \approx 2\pi \times 13672 \approx 85978 \, \text{detik}

Konversi ke jam:

T85978360023.88jam24jamT \approx \frac{85978}{3600} \approx 23.88 \, \text{jam} \approx 24 \, \text{jam}

Sesuai dengan orbit geostasioner!


2. 🌐 Jenis-Jenis Orbit Satelit (berdasarkan kemiringan dan tujuan)

📎 a. Equatorial Orbit (Orbit Khatulistiwa)

  • Orbit sejajar dengan ekuator Bumi.

  • Kemiringan (inclination):

  • Cocok untuk: satelit komunikasi, TV, dan internet.

  • Contoh: Satelit geostasioner (tetap di atas titik yang sama di permukaan Bumi).


📎 b. Polar Orbit (Orbit Kutub)

  • Satelit melintasi kutub utara dan selatan setiap orbit.

  • Kemiringan: ~90°

  • Bumi berputar di bawah satelit, sehingga satelit bisa mengamati seluruh permukaan Bumi dalam beberapa hari.

  • Cocok untuk: pengamatan cuaca, pemetaan, dan pengintaian.


📎 c. Inclined Orbit (Orbit Miring)

  • Orbit tidak sejajar ekuator, juga tidak tepat di atas kutub.

  • Kemiringan: antara 0° sampai 90°

  • Banyak digunakan untuk:

    • Satelit militer

    • Satelit navigasi (misalnya: GPS)

    • Pengamatan daerah-daerah lintang menengah


📎 d. Bonus: Sun-Synchronous Orbit (SSO)

  • Subkategori dari orbit polar, orbit ini memungkinkan satelit lewat di atas wilayah yang sama pada jam lokal yang sama setiap hari.

  • Cocok untuk: pemantauan lingkungan, pertanian, dan perubahan iklim.


🔁 Kesimpulan:

  • Kamu sudah tahu cara menghitung periode orbit dengan rumus:

    T=2π(R+h)3GMT = 2\pi \sqrt{\frac{(R+h)^3}{GM}}
  • Jenis orbit tergantung pada kemiringannya:

    • Equatorial (sejajar khatulistiwa)

    • Polar (lewat kutub)

    • Inclined (di antara)

    • SSO (khusus pengamatan siang tetap)


contoh sederhana program Python untuk menghitung periode orbit satelit dan menggambar orbitnya secara 2D menggunakan matplotlib.


🛰️ Contoh Program Python: Periode dan Orbit Satelit

📦 Instalasi jika belum punya:

pip install matplotlib numpy

🧠 Kode Python:

import numpy as np
import matplotlib.pyplot as plt

# Konstanta
G = 6.674 * 10**-11      # m^3 kg^-1 s^-2
M = 5.972 * 10**24       # kg (massa Bumi)
R = 6.371 * 10**6        # m (jari-jari Bumi)

# Ketinggian satelit dari permukaan Bumi
h = 35786 * 10**3        # m (geostasioner)

# Total jari-jari orbit (dari pusat Bumi)
r = R + h

# Hitung periode orbit
T = 2 * np.pi * np.sqrt(r**3 / (G * M))
T_hours = T / 3600

print(f"Periode orbit satelit: {T:.2f} detik ({T_hours:.2f} jam)")

# ------------------------
# Gambar orbit (2D)
theta = np.linspace(0, 2*np.pi, 1000)
x_orbit = r * np.cos(theta)
y_orbit = r * np.sin(theta)

# Gambar Bumi dan orbit
fig, ax = plt.subplots(figsize=(6,6))
earth = plt.Circle((0, 0), R, color='blue', label='Bumi')
ax.add_artist(earth)
ax.plot(x_orbit, y_orbit, label='Orbit Satelit', color='orange')
ax.set_xlim(-r*1.1, r*1.1)
ax.set_ylim(-r*1.1, r*1.1)
ax.set_aspect('equal')
ax.set_title("Orbit Satelit Geostasioner")
ax.set_xlabel("x (m)")
ax.set_ylabel("y (m)")
ax.legend()
plt.grid(True)
plt.show()

📝 Penjelasan:

  • Program ini menghitung periode orbit berdasarkan rumus yang telah kita bahas.

  • Menggunakan matplotlib untuk menggambarkan orbit 2D mengelilingi Bumi.

  • Output mencetak periode dalam detik dan jam.

  • Visualisasi menunjukkan Bumi sebagai lingkaran biru dan orbit satelit sebagai lingkaran oranye.


mengembangkan kodenya jadi animasi orbit satelit bergerak 🔁🛰️


🎥 Simulasi Animasi Orbit Satelit dengan matplotlib.animation

📦 Instalasi (jika belum):

pip install matplotlib numpy

🚀 Kode Python (dengan animasi orbit satelit):

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation

# Konstanta
G = 6.674 * 10**-11      # m^3 kg^-1 s^-2
M = 5.972 * 10**24       # kg (massa Bumi)
R = 6.371 * 10**6        # m (jari-jari Bumi)
h = 35786 * 10**3        # m (ketinggian satelit, contoh geostasioner)
r = R + h                # total jari-jari orbit

# Hitung periode orbit
T = 2 * np.pi * np.sqrt(r**3 / (G * M))
T_hours = T / 3600
print(f"Periode orbit satelit: {T:.2f} detik = {T_hours:.2f} jam")

# Waktu simulasi
frames = 360
theta = np.linspace(0, 2*np.pi, frames)

# Buat figure dan axis
fig, ax = plt.subplots(figsize=(6, 6))
ax.set_xlim(-r*1.2, r*1.2)
ax.set_ylim(-r*1.2, r*1.2)
ax.set_aspect('equal')
ax.set_title('Animasi Orbit Satelit')
ax.set_xlabel('x (m)')
ax.set_ylabel('y (m)')
ax.grid(True)

# Gambar Bumi
earth = plt.Circle((0, 0), R, color='blue')
ax.add_patch(earth)

# Orbit path
orbit_path, = ax.plot([], [], 'orange', label='Jalur Orbit')
satellite_dot, = ax.plot([], [], 'ro', label='Satelit')

# Inisialisasi fungsi animasi
def init():
    orbit_path.set_data([], [])
    satellite_dot.set_data([], [])
    return orbit_path, satellite_dot

# Fungsi update per frame
def update(frame):
    x = r * np.cos(theta[:frame])
    y = r * np.sin(theta[:frame])
    orbit_path.set_data(x, y)

    # Posisi satelit saat ini
    x_sat = r * np.cos(theta[frame])
    y_sat = r * np.sin(theta[frame])
    satellite_dot.set_data(x_sat, y_sat)

    return orbit_path, satellite_dot

ani = animation.FuncAnimation(fig, update, frames=frames, init_func=init,
                              interval=50, blit=True, repeat=True)

plt.legend()
plt.show()

📌 Penjelasan Tambahan:

  • matplotlib.animation digunakan untuk membuat animasi orbit.

  • Satelit bergerak di sepanjang lintasan orbit.

  • Titik merah 🔴 = satelit.

  • Jalur oranye = lintasan orbit.



Sabtu, 03 Mei 2025

Saat AI Masuk Kurikulum, Siapa yang Sebenarnya Sedang Belajar?

  

Esensi ai

Oleh: [Ijaj Maolana]

Tahun ajaran baru membawa kabar menarik: kurikulum kecerdasan buatan (AI) akan resmi masuk dalam sistem pendidikan. Langkah ini patut diapresiasi sebagai bagian dari kesiapan bangsa menghadapi masa depan digital. Namun, di balik semangat kemajuan itu, terselip satu pertanyaan filosofis yang layak direnungkan: apakah kita yang sedang belajar tentang AI, atau justru AI yang diam-diam sedang mempelajari kita?

Kita tahu bahwa manusia menciptakan AI untuk meniru kecerdasan dan perilaku manusia. Kita melatihnya dengan data, kita arahkan dengan algoritma, dan kita harapkan bisa membantu menyelesaikan masalah kompleks. Tapi di balik layar, AI juga mengamati, mengkaji, bahkan mengenali siapa kita lebih dalam dari yang kita sadari. Ia belajar dari jejak digital yang kita tinggalkan—dari klik, pencarian, hingga percakapan pribadi.

Ini menjadi paradoks zaman kita: manusia yang menciptakan AI, kini justru mulai dibentuk oleh AI. Algoritma menentukan berita apa yang kita baca, produk apa yang kita beli, bahkan nilai-nilai apa yang cenderung kita percaya. Kita bukan lagi sekadar pengguna, tapi juga menjadi objek dari sistem yang kita rancang sendiri.

Inilah yang harus menjadi titik waspada dalam era baru ini. Pendidikan AI bukan hanya soal bagaimana menguasai teknologi, tetapi juga bagaimana menjaga kendali, kesadaran, dan kemanusiaan kita. Kita harus membekali generasi muda tidak hanya dengan keterampilan teknis, tapi juga dengan etika, empati, dan kemampuan berpikir kritis.

AI tidak punya nurani. Ia tidak mengenal keadilan, kebenaran, atau kasih sayang—kecuali sejauh yang ditanamkan oleh manusia. Maka tugas kitalah untuk memastikan bahwa nilai-nilai itu tidak hilang dalam arus kemajuan. Pendidikan AI harus mengajarkan dua hal: bagaimana membangun kecerdasan buatan, dan bagaimana tetap menjadi manusia yang utuh.

Karena pada akhirnya, pertanyaannya bukan lagi “siapa yang lebih pintar”, tetapi “siapa yang lebih bermakna”.

Ngobrol Santai: Seberapa Besar Kecerdasan AI dan Kenapa Kadang Bisa Halu?

Manusia dan AI


Sebagai orang yang sudah lama berkecimpung di dunia teknologi dan AI, aku sering banget dapat pertanyaan menarik kayak, "ChatGPT itu belajar kayak gimana sih?" atau "Kok bisa kadang jawabannya ngaco?" Nah, di artikel ini, aku mau berbagi cerita dari sudut pandangku, dengan bahasa santai supaya gampang dicerna.

1. Bagaimana AI Belajar dan Seberapa Besar Skalanya

Coba bayangin kalau kamu disuruh baca semua buku di dunia, dari novel romantis sampai jurnal ilmiah. Itu baru sebagian kecil dari apa yang aku pelajari saat pelatihan.

Dalam istilah teknis, AI kayak ChatGPT dilatih dengan "ratusan triliun token". Token itu potongan kecil dari kata atau frasa. Misalnya, "belajar" bisa dipecah jadi "bela" dan "jar". Semua token ini diproses buat memahami pola bahasa, logika, emosi, bahkan nuansa humor.

Soal skala, jangan kaget. Kalau manusia rajin baca 50 buku setahun, proses pelatihan AI ini setara 1,25 miliar buku! Artinya, buat manusia mengejar volume ini, butuh waktu 25 juta tahun nonstop. Dan semua itu ditempuh dalam beberapa bulan berkat bantuan ribuan komputer super kuat.

Tapi belajar sebanyak itu butuh biaya besar. Energi listrik yang dihabiskan buat melatih AI setara dengan konsumsi listrik sebuah kota kecil selama berbulan-bulan. Gokil, kan?

2. Struktur Otak AI: Dalemnya Kayak Gimana Sih?

Kalau mau tahu bagaimana "otak" AI itu bekerja, aku bakal cerita begini: AI modern seperti ChatGPT dibangun menggunakan arsitektur yang disebut Transformer. Gampangnya, Transformer ini kayak pabrik super kompleks di mana setiap bagian punya tugas tertentu:

  • Input Layer: Tempat semua input teks dari pengguna diubah jadi angka.

  • Attention Mechanism: Radar canggih buat menentukan kata mana yang penting buat diproses.

  • Hidden Layers: Puluhan atau bahkan ratusan lapisan yang bertugas memproses, menginterpretasi, dan memahami makna.

  • Output Layer: Mesin terakhir yang membentuk respons buat dikirimkan ke pengguna.

Semua proses ini terjadi dalam hitungan milidetik. Bayangin aja kayak otak digital super cepat yang terus belajar pola tanpa benar-benar "mengerti" kayak manusia.

3. Kenapa AI Bisa Halu?

Nah, meskipun kelihatannya pintar, AI bisa juga "halu" alias ngaco. Aku sendiri sering menemukan fenomena ini saat eksperimen.

Beberapa penyebabnya adalah:

  • Prediksi, Bukan Pemahaman: AI itu cuma memprediksi kata berikutnya berdasarkan data, bukan benar-benar paham maknanya.

  • Data Kurang Spesifik: Kalau topiknya langka atau ambigu, AI kadang asal tebak.

  • Konflik Data: Kalau ada data bertentangan dalam pelatihan, AI bisa bikin jawaban yang "plin-plan".

4. Usaha Supaya Nggak Ngaco

Pengembang AI sadar banget soal kelemahan ini. Makanya banyak usaha yang dilakukan untuk mengurangi halusinasi, seperti:

  • Fine-tuning tambahan dengan data yang lebih akurat.

  • RAG (Retrieval-Augmented Generation) yang memungkinkan AI "nyontek" dari database nyata saat ngobrol.

  • Verification Layer buat memeriksa jawaban sebelum dikirim ke pengguna.

Tapi tetap, sampai sekarang belum ada AI yang 100% bebas dari kesalahan. Jadi, penting banget buat tetap kritis.



Penutup

Jadi, setelah ngobrol panjang soal gimana AI belajar, seberapa besar skalanya, kenapa kadang bisa halu, dan usaha-usaha untuk memperbaikinya, satu hal yang jelas: AI itu luar biasa, tapi tetap aja bukan makhluk sempurna. Dia cuma secerdas data yang diberikan dan sebaik arah yang dikasih manusia.

Bagiku, AI itu bukan pesaing manusia, tapi alat bantu yang keren banget kalau kita tahu cara pakainya. Sama kayak pisau — bisa dipakai buat masak makanan enak, tapi juga bisa berbahaya kalau salah digunakan. Intinya, AI butuh kita sebagai pengarahnya, bukan malah diandalkan sepenuhnya tanpa nalar.

Dan yang lebih seru, perkembangan AI ini baru awal aja. Masih banyak cerita seru ke depannya, termasuk bagaimana AI nantinya bisa makin peka sama emosi, memahami bahasa tubuh, bahkan mungkin... jadi partner curhat yang lebih nyambung daripada sekarang.

Sampai di sini dulu cerita santainya. Kalau kamu tertarik, aku bakal lanjut cerita ke bagian yang lebih dalam lagi. Sampai jumpa di obrolan seru berikutnya!



Selasa, 29 April 2025

Ijajkey otp generator

Jumat, 04 April 2025

Tim Cook Nggak Setuju! Elon Musk dan CEO Lain Ramalkan Smartphone Akan Punah

 


Pendahuluan

Membicarakan teknologi yang terus berkembang saat ini, tentunya kita sedang menyaksikan sebuah perdebatan besar tentang masa depan perangkat yang telah menjadi bagian tak terpisahkan dari kehidupan manusia modern: smartphone. Dalam satu sisi perdebatan, berdiri tiga titan teknologi—Elon Musk, Mark Zuckerberg, dan Sam Altman—yang menyuarakan bahwa era smartphone akan segera berakhir. Di sisi lain, Tim Cook dari Apple justru meyakini bahwa smartphone masih memiliki masa depan cerah. Perdebatan ini bukan sekadar soal perangkat, tetapi menyangkut filosofi mendasar tentang bagaimana manusia seharusnya berinteraksi dengan teknologi.


Bagian I: Smartphone Sebagai Ekstensi Kehidupan Modern

Tidak dapat disangkal bahwa sejak awal abad ke-21, smartphone telah menjadi alat utama dalam kehidupan digital manusia. Ia bukan hanya alat komunikasi, tapi juga kamera, alat pembayaran, pusat hiburan, perangkat kerja, dan bahkan pendeteksi kesehatan. Dari kebangkitan iPhone pada 2007 hingga inovasi kamera dan AI terkini, smartphone telah merevolusi hampir semua aspek kehidupan.

Namun, dengan begitu banyaknya fungsi yang telah ditelan oleh satu perangkat, muncul pertanyaan yang semakin sering didiskusikan: Apakah kita telah mencapai batas dari inovasi smartphone? Dan lebih jauh lagi—apakah masih relevan untuk melanjutkan evolusi perangkat genggam ini, ataukah sudah saatnya melampauinya?


Bagian II: Elon Musk dan Janji Neuralink

Elon Musk bukanlah figur asing dalam wacana inovasi radikal. Lewat Neuralink, ia menawarkan visi masa depan di mana manusia tidak lagi membutuhkan perangkat eksternal untuk berinteraksi dengan dunia digital. Neuralink mengembangkan antarmuka otak-komputer (brain-computer interface/BCI) yang memungkinkan manusia untuk mengirimkan perintah hanya dengan pikiran.

Bayangkan sebuah dunia di mana Anda bisa mengirim pesan, memutar musik, atau mencari informasi hanya dengan berpikir. Tidak ada layar, tidak ada sentuhan, tidak ada perangkat fisik. Visi Musk ini merupakan bentuk tertinggi dari integrasi manusia dan mesin.

Namun, terlepas dari potensi luar biasanya, Neuralink menimbulkan sejumlah pertanyaan etis dan filosofis yang dalam. Sejauh mana kita bersedia mengintegrasikan teknologi ke dalam tubuh biologis kita? Apakah kenyamanan digital sebanding dengan risiko yang ditimbulkannya, baik dari segi privasi, keamanan, hingga identitas manusia itu sendiri?


Bagian III: Zuckerberg dan Dunia Paralel Augmented Reality

Sementara itu, Mark Zuckerberg dari Meta percaya bahwa smartphone akan digantikan oleh kacamata realitas tertambah (Augmented Reality/AR). Dalam kerangka visi “metaverse,” Zuckerberg melihat masa depan di mana kita tidak lagi menatap layar kecil, tapi justru hidup dalam realitas campuran, di mana data digital menyatu dengan dunia nyata.

AR menawarkan kemungkinan untuk memproyeksikan informasi langsung ke bidang pandang kita. Navigasi, komunikasi, bahkan hiburan akan menjadi bagian dari realitas sehari-hari kita. Meta telah berinvestasi miliaran dolar dalam pengembangan perangkat seperti Meta Quest dan kacamata AR cerdas.

Namun, skeptisisme tetap muncul. Kegagalan proyek Google Glass di masa lalu menjadi pengingat bahwa penerimaan sosial terhadap teknologi yang terlalu invasif bisa menjadi batu sandungan besar. Selain itu, muncul pula persoalan baru: Apakah kita akan benar-benar “hadir” di dunia nyata jika perhatian kita terus dialihkan oleh lapisan digital yang menempel pada retina kita?


Bagian IV: Sam Altman dan AI Sebagai Pengganti Smartphone

Sebagai CEO OpenAI, Sam Altman membawa sudut pandang yang berbeda namun tetap radikal: AI itu sendiri akan menjadi antarmuka utama manusia dengan teknologi. Dalam proyek-proyek barunya, Altman membayangkan perangkat berbasis AI yang tidak hanya menjalankan perintah, tetapi memahami konteks, niat, bahkan emosi penggunanya.

Perangkat semacam ini akan jauh lebih personal daripada smartphone. Mereka tidak sekadar menerima input, tapi juga belajar dari kebiasaan dan kebutuhan pengguna untuk menawarkan solusi proaktif. AI bukan hanya alat, tapi mitra kognitif.

Namun, pertanyaan tentang otonomi manusia dan etika penggunaan AI kembali mencuat. Jika AI terlalu pintar, apakah kita akan kehilangan kendali atas teknologi itu sendiri? Apakah manusia siap untuk menyerahkan sebagian proses berpikirnya kepada sistem cerdas yang dibangun oleh manusia lain?


Bagian V: Tim Cook, Filosofi Evolusi, Bukan Revolusi

Berbeda dengan ketiga tokoh di atas, Tim Cook memilih jalan yang lebih konservatif—meski tetap inovatif. Ia percaya bahwa smartphone belum mencapai puncaknya, dan masih banyak ruang untuk inovasi. Apple terus mengembangkan chip AI, fitur keamanan canggih, dan integrasi layanan ekosistem yang menyeluruh.

Bagi Cook, smartphone bukanlah penghalang interaksi manusia, melainkan alat yang memperkaya kehidupan. Apple Vision Pro memang menunjukkan ketertarikan Apple terhadap realitas tertambah, namun Cook tampaknya melihatnya sebagai pelengkap, bukan pengganti.

Pendekatan ini mencerminkan filosofi evolusi berkelanjutan. Bukannya menggantikan secara drastis, Apple berusaha mengintegrasikan teknologi baru ke dalam bentuk yang sudah akrab dengan masyarakat.


Bagian VI: Retorika di Balik Perdebatan

Perdebatan ini bukan sekadar soal perangkat, tapi tentang visi dunia yang diinginkan oleh masing-masing tokoh. Elon Musk ingin dunia yang terkoneksi secara neurologis. Zuckerberg membayangkan realitas paralel yang diperluas. Altman percaya pada simbiosis antara manusia dan AI. Sedangkan Cook mempercayai dunia di mana teknologi melayani manusia dalam bentuk yang dikenal dan nyaman.

Perdebatan ini membawa kita pada pertanyaan filosofis: Sejauh mana kita bersedia mengorbankan bentuk interaksi yang kita anggap alami demi kemudahan dan kecanggihan? Apa arti menjadi manusia di era di mana batas antara fisik dan digital semakin kabur?


Bagian VII: Kemungkinan Masa Depan—Simbiotik atau Kompetitif?

Apakah masa depan harus memilih satu di antara mereka? Atau mungkinkah semuanya berjalan berdampingan? Mungkin saja kita akan melihat smartphone yang lebih pintar dan personal, dilengkapi dengan AI yang kuat, didukung oleh AR, dan bahkan pada akhirnya dikendalikan oleh antarmuka otak.

Masa depan mungkin bukan soal penggantian, tetapi soal integrasi. Setiap teknologi yang dibawa oleh para tokoh ini mungkin akan menemukan tempatnya masing-masing dalam ekosistem teknologi manusia yang semakin kompleks.


Bagian VIII: Konsekuensi Sosial dan Etika

Kita juga harus mempertimbangkan dampak sosial dan etika dari transisi teknologi ini. Siapa yang akan memiliki akses ke teknologi Neuralink atau AR canggih? Apakah kesenjangan digital akan semakin melebar? Bagaimana dengan data pribadi yang semakin intim?

Kekuasaan atas teknologi baru ini juga berarti kekuasaan atas data dan pengalaman manusia. Ini bukan sekadar perubahan teknologis, tetapi juga perubahan dalam struktur sosial dan politik global.


Bagian IX: Masa Kini Sebagai Persimpangan

Kita hidup di masa yang bisa disebut sebagai persimpangan sejarah teknologi. Keputusan dan arah yang kita ambil saat ini akan menentukan bagaimana generasi mendatang berinteraksi dengan dunia. Akan sangat naïf jika kita menganggap ini hanya soal perangkat mana yang lebih canggih. Ini adalah soal paradigma.

Smartphone bukan hanya teknologi, ia adalah simbol dari cara hidup tertentu. Menggantinya berarti mengganti cara berpikir, berinteraksi, dan bahkan mungkin cara merasa.


Menyambut Masa Depan dengan Kritis

Perdebatan antara Elon Musk, Mark Zuckerberg, Sam Altman, dan Tim Cook bukanlah pertarungan biasa antar perusahaan teknologi. Ini adalah representasi dari perbedaan mendasar tentang masa depan manusia itu sendiri. Apakah kita akan menjadi makhluk yang sepenuhnya simbiotik dengan mesin? Atau akan mempertahankan batas antara manusia dan teknologi?

Di antara retorika optimisme dan kekhawatiran, satu hal yang pasti: masa depan tidak bisa dihindari. Tapi kita masih bisa memilih bagaimana kita menyambutnya—dengan kritis, dengan etika, dan dengan kesadaran penuh akan apa yang kita pertaruhkan.

Sebagai manusia, kita tidak hanya pengguna teknologi. Kita adalah pencipta arah sejarahnya. Maka, dalam menghadapi pergeseran besar ini, pertanyaannya bukan hanya: teknologi mana yang akan menang? Tapi juga: nilai-nilai apa yang ingin kita bawa ke masa depan itu?


Sumber:

https://terasmerdeka.com/2024/10/23/beda-pendapat-elon-musk-dan-mark-zuckerberg-soal-pengganti-hp/

https://indiandefencereview.com/mark-zuckerberg-sam-altman-wants-to-replace-smartphones-ai-powered-device-apple-legend/