NLP (Natural Language Processing)

December 20, 2018 Anindita 0 Comments
Natural Language Processing (NLP) merupakan salah satu cabang ilmu AI yang berfokus pada pengolahan bahasa natural. Bahasa natural adalah bahasa yang secara umum digunakan oleh manusia dalam berkomunikasi satu sama lain.  Bahasa yang diterima oleh komputer butuh untuk diproses dan dipahami terlebih dahulu supaya maksud dari user bisa dipahami dengan baik oleh komputer.
Ada berbagai terapan aplikasi dari NLP. Diantaranya adalah Chatbot (aplikasi yang membuat user bisa seolah-olah melakukan komunikasi dengan computer), Stemming atau Lemmatization (pemotongan kata dalam bahasa tertentu menjadi bentuk dasar pengenalan fungsi setiap kata dalam kalimat), Summarization (ringkasan dari bacaan), Translation Tools (menterjemahkan bahasa) dan aplikasi-aplikasi lain yang memungkinkan komputer mampu memahami instruksi bahasa yang diinputkan oleh user.
I. NLP Area
Pustejovsky dan Stubbs (2012) menjelaskan bahwa ada beberapa area utama penelitian pada field NLP, diantaranya:
  1. Question Answering Systems (QAS). Kemampuan komputer untuk menjawab pertanyaan yang diberikan oleh user. Daripada memasukkan keyword ke dalam browser pencarian, dengan QAS, user bisa langsung bertanya dalam bahasa natural yang digunakannya, baik itu Inggris, Mandarin, ataupun Indonesia.
  2. Summarization. Pembuatan ringkasan dari sekumpulan konten dokumen atau email. Dengan menggunakan aplikasi ini, user bisa dibantu untuk mengkonversikan dokumen teks yang besar ke dalam bentuk slide presentasi.
  3. Machine Translation. Produk yang dihasilkan adalah aplikasi yang dapat memahami bahasa manusia dan menterjemahkannya ke dalam bahasa lain. Termasuk di dalamnya adalah Google Translate yang apabila dicermati semakin membaik dalam penterjemahan bahasa. Contoh lain lagi adalah BabelFish yang menterjemahkan bahasa pada real time.
  4. Speech Recognition. Field ini merupakan cabang ilmu NLP yang cukup sulit. Proses pembangunan model untuk digunakan telpon/komputer dalam mengenali bahasa yang diucapkan sudah banyak dikerjakan. Bahasa yang sering digunakan adalah berupa pertanyaan dan perintah.
  5. Document classification. Sedangkan aplikasi ini adalah merupakan area penelitian NLP Yang paling sukses. Pekerjaan yang dilakukan aplikasi ini adalah menentukan dimana tempat terbaik dokumen yang baru diinputkan ke dalam sistem. Hal ini sangat berguna pada aplikasi spam filtering, news article classification, dan movie review.
II. Terminologi NLP
Perkembangan NLP menghasilkan kemungkinan dari interface bahasa natural menjadi knowledge base dan penterjemahan bahasa natural. Poole dan Mackworth (2010) menjelaskan bahwa ada 3 (tiga) aspek utama pada teori pemahaman mengenai natural language:
  1. Syntax: menjelaskan bentuk dari bahasa. Syntax biasa dispesifikasikan oleh sebuah grammar. Natural language jauh lebih daripada formal language yang digunakan untuk logika kecerdasan buatan dan program komputer
  2. Semantics: menjelaskan arti dari kalimat dalam satu bahasa. Meskipun teori semantics secara umum sudah ada, ketika membangun sistem natural language understanding untuk aplikasi tertentu, akan digunakan representasi yang paling sederhana.
  3. Pragmatics: menjelaskan bagaimana pernyataan yang ada berhubungan dengan dunia. Untuk memahami bahasa, agen harus mempertimbangan lebih dari hanya sekedar kalimat. Agen harus melihat lebih ke dalam konteks kalimat, keadaan dunia, tujuan dari speaker dan listener, konvensi khusus, dan sejenisnya
Aplikasi NLP
Secara umum, Jenis aplikasi yang bisa dibuat dalam bidang ilmu NLP terbagi dua, yaitu text-based application dan dialogue-based application.
Text-based application adalah segala macam aplikasi yang melakukan proses terhadap teks tertulis seperti misalnya dokumen, e-mail, buku dan sebagainya. Beberapa jenis aplikasi NLP yang berbasis teks :
  • Programs for classifying and retrieving documents by content.
    Program yang mampu mengklasifikasi dan mengambil isi dari suatu dokumen berdasarkan kontennya. Seperti spam filtering (pemfilteran pesan sampah), language identification (identifikasi bahasa), dan lain-lain.
    (Sumber gambar : washingtonpost.com)
  • Machine TranslationProgram yang mampu mentranslasi kalimat baik berupa teks maupun suara dari satu bahasa alami ke bahasa lainnya. Contoh : Google Translate.
    Tampilan Google Translate. (Sumber : Dokumen pribadi)
Dialogue-based application idealnya melibatkan bahasa lisan atau pengenalan suara, akan tetapi bisa juga memasukan interaksi dialog dengan mengetikkan teks pertanyaan melalui keyboard. Contoh :
  • Intelligent personal assistant.
    Perangkat lunak yang mampu melakukan tugas-tugas dan jasa berdasarkan inputan dari pengguna, lokasi, dan memiliki kemampuan untuk mengakses informasi dari berbagai sumber online (seperti cuaca, keadaan lalu lintas, berita, saham, dll). Contohnya adalah Siri pada produk-produk Apple dan S-Voice pada produk-produk seluler Samsung.
    (Sumber : apple.com/ios/siri/)
  • Chatbot.
    Chatbot adalah program komputer yang didesain untuk mensimulasikan sebuah percakapan cerdas dengan satu atau lebih pengguna manusia melalui inputan suara atau teks, utamanya digunakan untuk percakapan kecil. Contoh : Cleverbot, SimSimi, dan begobet.
sumber: 
https://ariefrahmansyah.wordpress.com/2012/10/07/natural-language-processing/
http://socs.binus.ac.id/2013/06/22/natural-language-processing/

0 komentar:

Konsep Kecerdasan Buatan (AI/Artificial Intelligence)

October 17, 2018 Anindita 0 Comments
Anindita Suci Febianingsih
10116894 
3KA29

Kecerdasan Buatan atau Intelegensi Artifisial  atau kecerdasan yang ditambahkan kepada suatu sistem yang bisa diatur dalam konteks ilmiah (bahasa Inggris: Artificial Intelligence atau hanya disingkat AI) didefinisikan sebagai kecerdasan entitas ilmiah. Sistem seperti ini umumnya dianggap komputer. 

Hasil gambar untuk kecerdasan buatan

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. Secara garis besar, AI terbagi ke dalam dua paham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI/Computational Intelligence).
AI konvensional kebanyakan melibatkan metode-metode yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metode-metodenya meliputi:
  1. Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
  2. Petimbangan berdasar kasus
  3. Jaringan Bayesian
  4. AI berdasar tingkah laku: metode modular pada pembentukan sistem AI secara manual
Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak. Metode-metode pokoknya meliputi:
  1. Jaringan Saraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
  2. Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
  3. Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.
Metode-metode ini terutama dibagi menjadi algoritme evolusioner (misalnya algoritme genetik) dan kecerdasan berkelompok (misalnya algoritme semut). Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan saraf atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R. Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.

Hasil gambar untuk kecerdasan buatan

Perbedaan antara Kecerdasan Buatan (Komputer) dengan Kecerdasan Alami (Manusia):
Kecerdasan Buatan:
  • Bersifat permanen
  • Mudah diduplikasi dan disebarluaskan
  • Dapat lebih murah daripada manusia cerdas
  • Konsisten dan menyeluruh
  • Dapat didokumentasikan
Kecerdasan Alami:
  • Bersifat kreatif
  • Menggunakan pengalaman panca indra secara langsung
  • Menalar berdasarkan pemahaman yang luas dari pengalaman
  • Memiliki tingkat ketrampilan yang luas mulai dari pemula, pemula lanjut, kompeten,
  • profisien, dan ahli (expert)
4 Dasar Kategori di Konsep dasar Ai(Kecerdasan Buatan)
1. Acting Humanly
Acting humanly ialah system yang melakukan pendekatan dengan menirukan tingkah laku seperti manusia yang dikenalkan pada tahun 1950 degan cara kerja pengujian melalui teletype yaitu jika penguji (integrator) tidak dapat membedakan yang mengintrogasai antara manusia dan computer maka computer tersebut dikatakan lolos(menjadi kecerdasan buatan).
2. Thinking Humanly
Yaitu system yang dilakukan dengan cara intropeksi yaitu penangkapan pemikiran psikologis manusia pada computer,hal ini sering diujikan dengan neuron ke neuron lainnya atau sel otak dengan sel otak lainnya cara pembelajarannya yaitu melalui experimen.
3. Thinking Rationaly
Ini merupakan system yang sangat sulit, karena sering terjadi kesalahan prinsip dan prakteknya, system ini dikenal dengan penalaran komputasi.
4. Actng Rationaly
Yaitu system yang melakukan aksi dengan cara menciptakan suatu robotika cerdas yang menggantikan tugas manusia.

Contoh-contoh Aplikasi AI
a. Bidang Pertanian
Pada bidang Pertanian, dibuat untuk memprediksi kerusakan pada jagung yang disebabkan oleh ulat hitam dan memberikan konsultasi untuk mendiagnosa kerusakan pada kacang kedelai dengan menggunakan pengetahuan tentang gejala kerusakan dan lingkungan tanaman.
b. Bidang Kimia
Pada bidang Kimia, dibuat untuk menganalisa struktur DNA dari pembatasan segmentasi data enzim dengan menggunakan paradigmagenerate & test.
c. Bidang Sistem Komputer
Pada bidang Sistem Komputer, dibuat untuk membantu operator komputer untuk monitoring dan mengontrol MVS (multiple virtual storage) sistem operasi pada komputer mainframe.
d. Bidang Elektronik
Pada bidang Elektronik, dibuat untuk mengidentifikasi simulasi perancangan DLC
(digital logic circuits).
e. Bidang Hukum
Pada bidang Hukum, dibuat untuk membantu para auditor profesional dalam mengevaluasi potensi kegagalan pinjaman klien berdasarkan sejarah pinjaman, status
ekonomi, kondisi piutang.
f. Bidang Militer
Pada bidang Militer, dibuat untuk membantu menganalisa perkiraan situasi pertempuran, memberikan interpretasi taktik laporan sensor intelijen dan memberikan rekomendasi alokasi senjata kepada komandan militer pada saat situasi perang.

Sejarah Kecerdasan Buatan
Pada awal abad 17, René Descartes mengemukakan bahwa tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin yang rumit. Blaise Pascal menciptakan mesin penghitung digital mekanis pertama pada 1642. Pada 19, Charles Babbage dan Ada Lovelace bekerja pada mesin penghitung mekanis yang dapat diprogram.
Bertrand Russell dan Alfred North Whitehead menerbitkan Principia Mathematica, yang merombak logika formal. Warren McCulloch dan Walter Pitts menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam Aktivitas " pada 1943 yang meletakkan fondasi untuk jaringan saraf.
Tahun 1950-an adalah periode usaha aktif dalam AI. Program AI pertama yang bekerja ditulis pada 1951 untuk menjalankan mesin Ferranti Mark I di University of Manchester (UK): sebuah program permainan naskah yang ditulis oleh Christopher Strachey dan program permainan catur yang ditulis oleh Dietrich Prinz. John McCarthy membuat istilah "kecerdasan buatan " pada konferensi pertama yang disediakan untuk pokok persoalan ini, pada 1956. Dia juga menemukan bahasa pemrograman Lisp. Alan Turingmemperkenalkan "Turing test" sebagai sebuah cara untuk mengoperasionalkan test perilaku cerdas. Joseph Weizenbaum membangun ELIZA, sebuah chatterbot yang menerapkan psikoterapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel Moses mendemonstrasikan kekuatan pertimbangan simbolis untuk mengintegrasikan masalah di dalam program Macsyma, program berbasis pengetahuan yang sukses pertama kali dalam bidang matematika. Marvin Minsky dan Seymour Papert menerbitkan Perceptrons, yang mendemostrasikan batas jaringan saraf sederhana dan Alain Colmerauer mengembangkan bahasa komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan sistem berbasis aturan untuk representasi pengetahuan dan inferensi dalam diagnosa dan terapi medis yang kadangkala disebut sebagai sistem pakar pertama. Hans Moravec mengembangkan kendaraan terkendali komputer pertama untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan saraf digunakan secara meluas dengan algoritme perambatan balik, pertama kali diterangkan oleh Paul John Werbos pada 1974. Pada tahun 1982, para ahli fisika seperti Hopfield menggunakan teknik-teknik statistika untuk menganalisis sifat-sifat penyimpanan dan optimasi pada jaringan saraf. Para ahli psikologi, David Rumelhart dan Geoff Hinton, melanjutkan penelitian mengenai model jaringan saraf pada memori. Pada tahun 1985-an sedikitnya empat kelompok riset menemukan kembali algoritme pembelajaran propagansi balik (Back-Propagation learning). Algoritme ini berhasil diimplementasikan ke dalam ilmu komputer dan psikologi. Tahun 1990-an ditandai perolehan besar dalam berbagai bidang AI dan demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue, sebuah komputer permainan catur, mengalahkan Garry Kasparovdalam sebuah pertandingan 6 game yang terkenal pada tahun 1997. DARPA menyatakan bahwa biaya yang disimpan melalui penerapan metode AI untuk unit penjadwalan dalam Perang Teluk pertama telah mengganti seluruh investasi dalam penelitian AI sejak tahun 1950 pada pemerintah AS.
Tantangan Hebat DARPA, yang dimulai pada 2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa komunikasi dengan manusia, menggunakan GPS, komputer dan susunan sensor yang canggih, melintasi beberapa ratus mil daerah gurun yang menantang.

Kelebihan & Kekurangan :

1. Kelebihan Artificial Intelligence/Kecerdasan Buatan:
·   Kemampuan menyimpan data yang tidak terbatas (dapat disesuaikan dengan
kebutuhan).
·   Memiliki ketepatan dan kecepatan yang sangat akurat dalam system kerjanya
·  Dapat digunakan kapan saja karena tanpa ada rasa lelah atau bosan

2. Kekurangan Artificial Intelligence/Kecerdasan Buatan:
·   Teknologi artificial intelegensi tidak memiliki common sense. common sense
adalah sesuatu yang membuat kita tidak sekedar memproses informasi, namun kita
mengerti informasi tersebut. Kemengertian ini hanya dimiliki oleh manusia.
·    Kecerdasan yang ada pada artificial intelligence terbatas pada apa yang diberikan
kepadanya (terbatas pada program yang diberikan). Alat teknologi artificial
intelligence tidak dapat mengolah informasi yang tidak ada dalam sistemnya.
·   Kelebihan dan kekurangan artificial intelligence dibandingkan dengan otak
manusia, dalam hal waktu tunda propagasi Oleh karena itu manusia kalah dalam
kecepatan perhitungan numerik. Dalam aspek lainnya otak manusia jauh di atas
angin, terutama dalam tata letak dan jumlah elemennya. Sedangkan metoda
pemrosesan secara paralel dalam komputer dikembangkan untuk menggantikan
kedudukan manusia.


Daftar Pustaka :
https://id.wikipedia.org/wiki/Kecerdasan_buatan
https://irpantips4u.blogspot.com/2012/12/konsep-dasar-artificial-intelligence-ai.html
http://amaliakikirizky.blogspot.com/2016/11/kelebihan-dan-kekurangan-artificial.html



0 komentar:

Maintenance dalam Pengembangan Software System

June 28, 2018 Anindita 0 Comments


Istilah pemeliharaan perangkat lunak digunakan untuk menjabarkan aktivitas dari analis sistem (software engineering) yang terjadi pada saat hasil produk perangkat lunak sudah dipergunakan oleh pemakai (user). Biasanya pengembangan produk perangkat lunak memerlukan waktu antara 1 sampai dengan 2 tahun, tetapi pada pase pemeliharaan perangkat lunak menghabiskan 5 sampai dengan 10 tahun. Aktivitas yang terjadi pada pase pemeliharaan antara lain :

Penambahan atau peningkatan atau juga perbaikan untuk produk perangkat
lunak, meliputi :
       1. penambahan fungsi-fungsi baru
       2. perbaikan tampilan dan modus interaktif
       3. perbaharui dokumen ekstemal
       4. perbaharui dokumentasi internal
       5. perbaharui karakteristik perfomansi dari sistem

              Adaptasi produk dengan lingkungan mesin yang baru, meliputi :
       1. pemindahan perangkat lunak ke mesin yang berlainan
       2. modifikasi untuk dapat mempergunakan protokol atau disk drive tambahan.
              Pembetulan permasalahan yang timbul, meliputi :         
        1. pembenaran kesalahan yang timbul setelah produk perangkat lunak dipergunakan oleh
            user (pemakai).
   
Aktivitas pemeliharaan menghabiskan biaya terbesar dari seluruh anggaran pengembangan atau pembuatan perangkat lunak. Hal ini merupakan yang sering kali terjadi jika pemeliharaan menghabiskan 70% Bari seluruh biaya pengembangan perangkat lunak. Sedangkan pada pase pemeliharaan sekitar 60% digunakan untuk anggaran penambahan atau perbaikan perangkat lunak, sisanya untuk adaptasi atau pembetulan. Dari besarnya biava yang dihabiskan untuk pase pemeliharaan maka tidak heran apabila tujuan dari pengembangan atau pembuatan perangkat lunak adalah menghasilkan sistem perangkat lunak yang dapat diandalkan dan mudah dalam pemeliharaannya. Atribut utama dari perangkat lunak yang mudah dalam pemeliharaan adalah:

-  Perangkat lunak dikerjakan per modul
-  Perangkat lunak mempunyai kejelasan
-  Dokumentasi internal yang baik dan jelas
-  Dokumen-dokumen pendukung lainnya

Alasan biaya pemeliharaan lebih tinggi dari pada biaya pengembangan, berikut adalah beberapa faktor yang menyebabkannya :
1. Stabilitas Tim, biasanya tim pengembang dan tim pemelihara adalah orang yang berbeda karena tim pengembang biasanya sudah lari ke proyek baru sehingga tim pemeliharanya tidak begitu paham atas sistem yang dikembangkan.
2.  Tanggung Jawab Kontrak, kontrak bagi pengembang dan pemelihara kebanyakan terpisah atau diberikan kepada perusahaan yang berbeda dan bahkan bukan pengembang sistem aslinya, akibatnya tidak ada insentif bagi pengembang untuk membuat sistem yang mudah untuk diubah.
3.   Keahlian Staff, staff pemelihara kebanyakan tidak berpengalaman dalam hal pemeliharaan software dan staff pemelihara sering diaangap tidak memerlukan keahlian yang mendalam di bidang software.
4. Umur dan Struktur Program, program yang sudah tua biasanya strukturnya sudah terdegradasi oleh perkembangan jaman sehingga sangat sulih dipahami oleh pemelihara.

Pemeliharaan perangkat lunak jika ditinjau dari daur siklus pengembangan perangkat lunak dapat dikelompokkan sebagai herikut: 
- Perluasan dan analisis merupakan perwujudan kembali dari fase analisis pada daur
   siklus pengembangan.
- Pembenaran merupakan perwujudan kembali dari fase analisis, perancangan
  dan penerapan.

Selain itu juga seluruh alat bantu yang digunakan pada pengembangan perangkat lunak dapat digunakan pada pemeliharaan perangkat lunak.

Aktivitas analisis selama pemeliharaan perangkat lunak meliputi: Pengertian skope dan pengaruh yang ditimbulkan akibat dari perubahan, selain itu juga batasan (kendala) yang terjadi akibat perubahan. Sedangkan pada perancangan dan fase pemeliharaan meliputi perancangan kembali dari perubahan-perubahan yang diinginkan, dimana perubahan ini akan diterapkan sehingga menyebabkan dokumentasi internal dan program sumber juga harus diperbaharui, dan test case yang baru harus dirancang untuk memulai keakuratan hasil modifikasi, Selama itu juga dokumen pendukung (keperluan, spesifikasi perancangan, rencana uji coba, prinsip pengoperasian, petunjuk pemakaian) harus diperbaharui untuk memperlihatkan hasil perubahan. 

Pemeliharaan Perangkat Lunak adalah proses umum pengubahan/pengembangan perangkat lunak setelah diserahkan ke konsumen. Perubahan mungkin berupa perubahan sederhana untuk membetulkan error koding atau perubahan yg lebih ekstensif untuk membetulkan error perancangan/perbaikan signifikan untuk membetulkan error spesifikasi/akomodasi persyaratan baru.

Jenis-Jenis Pemeliharaan Software
1. Corrective (perubahan yang dilakukan guna memperbaiki kesalahan)
       Perawatan perangkat lunak korektif melibatkan mengembangkan dan menyebarkan solusi untuk masalah ("bug") yang timbul selama penggunaan program perangkat lunak. Pengguna komputer akan melihat masalah kinerja dengan perangkat lunak, seperti pesan error yang datang pada layar atau program pembekuan atau menabrak, berarti perawatan perangkat lunak perbaikan perlu dilakukan. Seringkali perbaikan ini secara permanen memecahkan masalah, tetapi tidak selalu. Beberapa perbaikan bertindak sebagai solusi sementara sambil pemrogram komputer bekerja pada solusi yang lebih permanen. 

2. Perfective (perubahan untuk meningkatkan kualitas sistem tanpa merubah fungsinya)
        Tidak ada program perangkat lunak yang berisi nol kekurangan atau area yang perlu diperbaiki. Perawatan perangkat lunak perfektif melibatkan pemrogram komputer bekerja untuk meningkatkan cara fungsi program perangkat lunak atau seberapa cepat proses permintaan. Programmer juga dapat terlibat dalam perawatan perangkat lunak perfektif untuk meningkatkan tata letak menu perangkat lunak dan antarmuka perintah. Terkadang programmer perlu melakukan pemeliharaan perfektif pada perangkat lunak karena pengaruh luar, seperti peraturan pemerintah baru yang mempengaruhi bagaimana bisnis beroperasi.

3. Adaptive (perawatan berdasarkan perubahan lingkungan)
          Bidang teknologi terus berubah melalui hardware dan pengembangan perangkat lunak. Perawatan perangkat lunak Adaptive mengatasi perubahan ini. Perubahan dalam kecepatan prosesor, misalnya, akan mempengaruhi bagaimana perangkat lunak melakukan pada sebuah komputer. Software berinteraksi dengan program perangkat lunak lain pada komputer atau jaringan, yang berarti perubahan dalam satu program dapat memerlukan perubahan dalam program lain. Seorang pengguna akhirnya akan memperkenalkan perangkat lunak baru ke komputer atau jaringan, yang juga dapat mempengaruhi bagaimana perangkat lunak lain yang sudah ada beroperasi.

4. Preventative (Meningkatkan reliability, future maintainability, future enhancement  (reverse engineering dan re-engineering))

            Ketika pemrogram komputer terlibat dalam perawatan perangkat lunak preventif mereka mencoba untuk mencegah masalah dengan program perangkat lunak sebelum terjadi. Programmer berusaha mencegah pemeliharaan korektif sebanyak mungkin, sementara juga mengantisipasi kebutuhan pemeliharaan adaptif sebelum pengguna mengalami masalah. Programer komputer yang pengujian perangkat lunak, sebagai perusahaan otomotif menguji kendaraan yang mereka buat, untuk memastikan perangkat lunak dapat menangani beban data yang tinggi dan operasi stres lain tanpa masalah. Programmer komputer juga menguji perangkat lunak dengan pengguna program lain kemungkinan akan digunakan pada komputer mereka, membuat masalah kompatibilitas yakin tidak muncul.

Manfaat Pemeliharaan Software
Ada beberapa manfaat dari pemeliharaan software, yaitu sebagai berikut :
1. Dapat memastikan kesesuaian dengan kebutuhan fungsionalitas teknis software.
2. Dapat memastikan kesesuaian kebutuhan pihak manajerial mengenai jadwal dan budget.
3. Dapat meningkatkan efisiensi software berikut juga aktifitas pemeliharaannya.

Referensi :
http://fitraexact.blogspot.com/2013/08/tugas-10-pemeliharaan-software-software_18.html


0 komentar:

Subscribe to: Posts (Atom)