PYTHON

 

📌 APA ITU BAHASA PEMROGRAMAN AI PYTHON?

Bahasa pemrograman AI Python adalah penggunaan bahasa Python untuk membuat program yang dapat berpikir dan belajar secara otomatis seperti manusia. Ini mencakup teknologi seperti:

• Machine Learning (ML) → Belajar dari data tanpa pemrograman eksplisit

• Deep Learning → Pembelajaran mendalam menggunakan jaringan saraf

• Natural Language Processing (NLP) → Memahami dan menghasilkan bahasa manusia

• Computer Vision → Mengenali gambar dan video

• Speech Recognition → Mengubah suara menjadi teks

---

✅ MENGAPA PYTHON DIGUNAKAN UNTUK AI?

1. Mudah dipelajari: Sintaks Python sangat sederhana dan jelas.

2. Komunitas besar: Banyak dokumentasi dan forum diskusi.

3. Banyak library AI: Siap pakai dan open source.

4. Integrasi mudah: Bisa digunakan dengan C/C++, Java, dan API lain.

---

📚 LIBRARY PYTHON UNTUK AI

Kategori AI	Library Python
Machine Learning	scikit-learn, xgboost
Deep Learning	TensorFlow, Keras, PyTorch
Data Science	NumPy, Pandas, Matplotlib
NLP (Bahasa)	NLTK, spaCy, transformers
Computer Vision	OpenCV, Pillow, face_recognition

---

🧠 CONTOH PROGRAM AI DENGAN PYTHON (Machine Learning)

Studi Kasus: Klasifikasi Jenis Bunga Iris

Tujuan: Melatih komputer untuk mengenali jenis bunga berdasarkan data panjang kelopak dan sepal.

🔽 Langkah 1: Instal Library

bash
pip install scikit-learn

---

🔽 Langkah 2: Kode Python + Penjelasan

python
# Import library
from sklearn.datasets import load_iris            # Dataset iris
from sklearn.tree import DecisionTreeClassifier   # Algoritma ML
from sklearn.model_selection import train_test_split  # Membagi data
from sklearn.metrics import accuracy_score        # Mengukur akurasi

# 1. Memuat dataset iris
iris = load_iris()
X = iris.data       # Fitur: panjang dan lebar sepal/kelopak
y = iris.target     # Label: jenis bunga (0, 1, 2)

# 2. Membagi data (80% latih, 20% uji)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 3. Membuat dan melatih model Decision Tree
model = DecisionTreeClassifier()
model.fit(X_train, y_train)  # Latih model dengan data latih

# 4. Memprediksi data uji
y_pred = model.predict(X_test)

# 5. Menampilkan akurasi model
print("Akurasi model:", accuracy_score(y_test, y_pred))

---

💡 Penjelasan:

• load_iris() → Dataset yang sudah tersedia berisi data 150 bunga.

• train_test_split → Membagi data agar model diuji dengan data yang tidak dilatih.

• fit() → Proses belajar dari data latih.

• predict() → Memprediksi label dari data uji.

• accuracy_score() → Mengukur seberapa akurat prediksi model.

---

🧪 Output Program:

Contoh hasil saat program dijalankan:

yaml
Akurasi model: 1.0

Artinya model berhasil mengenali semua bunga dengan benar pada data uji.

---

✅ Kesimpulan

• Python sangat cocok untuk pengembangan AI karena mudah, kuat, dan didukung oleh komunitas besar.

• Tersedia banyak library gratis yang memudahkan pembuatan sistem AI canggih.

• Kita bisa mulai dari hal sederhana seperti klasifikasi data, dan berkembang ke aplikasi nyata seperti chatbot, deteksi wajah, hingga kendaraan otonom.