Codingan Paling Penting Buat Artificial Intelligence

Artificial intelligence sekarang makin ngetren dan dipake di mana-mana, dari kesehatan sampai keuangan. Kalau kamu mau paham cara bikin AI, ada beberapa kode penting yang wajib dikuasai. Yuk, kita bahas satu-satu!

1. Machine Learning Pakai Python & Scikit-learn

Machine Learning itu otaknya AI, dan Python jadi bahasa yang paling sering dipake. Salah satu library kece buat ini adalah Scikit-learn.

Contoh Kode: Klasifikasi Data dengan Scikit-learn

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# Load dataset
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

# Train model
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)

# Cek akurasi
predictions = model.predict(X_test)
accuracy = accuracy_score(y_test, predictions)
print(f'Accuracy: {accuracy * 100:.2f}%')

Kode di atas nunjukin cara pake Random Forest Classifier buat klasifikasi data bunga Iris dengan Scikit-learn.

2. Deep Learning Pakai TensorFlow & Keras

Deep Learning itu bagian dari Machine Learning yang pake jaringan saraf tiruan. Library TensorFlow dan Keras sering banget dipake buat bikin model deep learning.

Contoh Kode: Model Jaringan Saraf Sederhana dengan Keras

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Dense

# Data Dummy
X_train = [[0], [1], [2], [3], [4]]
y_train = [[0], [1], [4], [9], [16]]

# Model Neural Network
model = keras.Sequential([
    Dense(10, activation='relu', input_shape=(1,)),
    Dense(1)
])

# Compile model
model.compile(optimizer='adam', loss='mse')

# Latih model
model.fit(X_train, y_train, epochs=100, verbose=0)

# Prediksi
print(model.predict([[5]]))

Kode ini nunjukin cara bikin model sederhana yang bisa nebak hubungan kuadrat antara input dan output pake TensorFlow & Keras.

3. Natural Language Processing (NLP) Pakai NLTK & SpaCy

NLP itu bagian AI yang nge-handle teks dan bahasa manusia.

Contoh Kode: Tokenisasi Pakai NLTK

import nltk
from nltk.tokenize import word_tokenize

nltk.download('punkt')
text = "Artificial Intelligence is changing the world."
words = word_tokenize(text)
print(words)

Kode ini nunjukin cara tokenisasi pakai NLTK buat mecah teks jadi kata-kata.

4. Computer Vision Pakai OpenCV

Computer Vision bikin komputer bisa “ngeliat” gambar atau video.

Contoh Kode: Buka dan Tampilkan Gambar Pakai OpenCV

import cv2

image = cv2.imread('image.jpg')
cv2.imshow('Image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

Kode ini buat baca dan tampilin gambar pakai OpenCV.

5. AI Deployment Pakai Flask

Biar AI bisa dipake di dunia nyata, kita bisa bikin API pakai Flask.

Contoh Kode: Deploy Model AI Pakai Flask

from flask import Flask, request, jsonify
import joblib

app = Flask(__name__)
model = joblib.load('model.pkl')

@app.route('/predict', methods=['POST'])
def predict():
    data = request.get_json()
    prediction = model.predict([data['features']])
    return jsonify({'prediction': prediction.tolist()})

if __name__ == '__main__':
    app.run(debug=True)

Kode ini bikin API sederhana buat model AI pake Flask.

Kesimpulan

Beberapa tools yang sering dipake itu Python, Scikit-learn, TensorFlow, OpenCV, dan Flask. Kalau udah paham dasar-dasarnya, kamu bisa bikin berbagai solusi AI dari yang simpel sampai yang kompleks!