Lewati ke pemutarLewatkan ke konten utama
Channel ini menyajikan materi seputar Data Science & Artificial Intelligence, Networking & Cyber Security, serta Database & Programming. Seluruh materi disusun secara sistematis untuk membantu Anda memahami konsep, teknologi, dan praktik yang digunakan di dunia teknologi informasi, mulai dari tingkat dasar hingga lanjutan.

Setiap pembahasan berfokus pada pengembangan keterampilan melalui materi yang mudah dipahami, relevan dengan kebutuhan industri, dan disampaikan untuk tujuan edukasi. Seluruh konten mengedepankan penerapan teknologi secara legal, etis, dan bertanggung jawab, sehingga dapat menjadi referensi belajar bagi pelajar, mahasiswa, maupun profesional.

Playlist video terkait:
▪ Data Science & Artificial Intelligence https://dailymotion.com/playlist/xcwmlu
▪ Networking & Cyber Security https://dailymotion.com/playlist/xcwmsm
▪ Database & Programming https://dailymotion.com/playlist/xcwmsi

PEMBAHASAN MATERI
Playlist Materi Ilmu Komputer berisi kumpulan video pembelajaran, tutorial, penjelasan konsep, studi kasus, demo, dan pembahasan lengkap seputar berbagai bidang dalam ilmu komputer. Materi yang disajikan mencakup dasar hingga tingkat lanjut, mulai dari pemrograman, pengelolaan database, jaringan komputer, keamanan siber, sistem operasi, pengembangan perangkat lunak, arsitektur komputer, hingga berbagai teknologi yang digunakan dalam dunia komputasi modern.

Temukan pembahasan mengenai komputer dan pemrograman, algoritma, struktur data, PHP, JavaScript, Python, Laravel, MySQL, PostgreSQL, API, rekayasa perangkat lunak, database, jaringan komputer, administrasi server, cloud computing, virtualisasi, Linux, Windows Server, keamanan jaringan, cyber security, ethical hacking, kriptografi, keamanan aplikasi, DevOps, Internet of Things (IoT), kecerdasan buatan (AI), machine learning, serta berbagai konsep, teknologi, dan praktik terbaik di bidang ilmu komputer. Playlist ini cocok bagi pelajar, mahasiswa, programmer, web developer, software engineer, administrator sistem, profesional IT, maupun siapa saja yang ingin mempelajari dan memperdalam wawasan di dunia ilmu komputer secara menyeluruh.

CONTACT US
▪ Email support@mycoding.id
▪ WhatsApp https://wa.me/6281274309663
▪ Telegram https://t.me/mycodingxd

OFFICIAL LINKS
▪ Web https://mycoding.id
▪ Blog https://blog.mycoding.id
▪ News https://en.mycoding.id
▪ Apps https://play.google.com/store/apps/dev?id=5237501547073493079

SOCIAL MEDIA
▪ https://linkedin.com/company/mycodingxd
▪ https://facebook.com/mycodingxd
▪ https://instagram.com/mycodingxd
▪ https://tiktok.com/@mycodingxd
▪ https://twitter.com/mycoding_xd
▪ https://pinterest.com/mycoding_xd

CHANNEL LINKS
▪ YouTube https://safelink.asia/youtube
▪ DailyMotion https://safelink.asia/dailymotion
▪ WhatsApp https://safelink.asia/whatsapp
▪ Telegram https://safelink.asia/telegram

Powered by https://linkedin.com/company/401XDGroup

#DataScience #ArtificialIntelligence #CyberSecurity #Networking #Programming #Database
Transkrip
00:00Waktu Anda nanya sesuatu ke AI kayak chat GPT, rasanya kayak sulap, kan?
00:04Anda ketik satu kalimat, dan entah gimana, dia langsung ngerti.
00:07Tapi sebenarnya, AI itu nggak baca kata-kata kayak kita.
00:11Di balik layar, ada sebuah proses tersembunyi,
00:13yang mengubah bahasa kita jadi sesuatu yang bisa dipahami mesin.
00:16Nah, proses inilah yang bakal kita bedah bareng-bareng hari ini.
00:19Jadi, pernah kepikiran nggak sih,
00:21gimana caranya AI bener-bener paham apa yang Anda omongin?
00:24Ini bukan sihir kok.
00:25Ini tuh serangkaian langkah cerdas yang mengubah kata-kata Anda jadi angka.
00:29Yuk, kita lihat langkah pertamanya.
00:31Nah, ini dia kuncinya.
00:32Model AI canggih itu nggak ngelihat kata kucing.
00:35Yang mereka lihat itu angka.
00:36Misalnya, 739, 1189.
00:40Setiap kata, bahkan setiap tanda baca,
00:42harus diubah dulu jadi angka,
00:44atau yang biasa disebut token.
00:46Proses inilah yang jadi jembatan antara pikiran kita dan pikiran si mesin.
00:50Oke, kita mulai dari tahap paling awal,
00:53pembersihan klasik.
00:54Sebelum AI bisa melakukan hal-hal yang luar biasa,
00:56teks mentah dari Anda itu harus dicuci dulu.
00:59Anggap aja kayak koki yang lagi nyiapin bahan-bahannya sebelum mulai masak.
01:01Semuanya harus bersih.
01:03Langkah ini kelihatannya sepele banget ya,
01:05tapi ini krusial.
01:06Dengan mengubah semuanya jadi huruf kecil,
01:08kita seolah-olah menyederhanakan dunia buat si AI,
01:10jadi kata mobil pakai huruf besar dan mobil pakai huruf kecil,
01:13sekarang dianggap sama.
01:15Ini mengurangi kerumitan,
01:16jadi modelnya bisa fokus ke makna intinya.
01:18Selanjutnya, kita buang kata-kata penghubung yang sebenarnya nggak terlalu penting,
01:21kayak yang,
01:22adalah,
01:23dan,
01:24di.
01:24Buat kita sih penting ya buat tata bahasa,
01:26tapi buat AI,
01:27kata-kata ini bisa jadi kabut yang nutupin kata-kata kuncinya.
01:30Dengan ngilangin mereka,
01:31kita bantu AI buat langsung lihat ke inti informasinya.
01:34Coba dilihat bedanya di sini.
01:36Di sebelah kiri,
01:37kalimat normal yang kita pakai sehari-hari.
01:39Nah, di sebelah kanan,
01:40itu inti sarinya setelah dibersihkan.
01:42Jauh lebih ringkas,
01:43lebih padat,
01:44dan pas banget buat dianalisis sama mesin.
01:46Tapi,
01:46ini baru pemanasan lho.
01:48Oke,
01:49setelah pembersihan dasar,
01:50kita masuk ke tantangan berikutnya.
01:52Nemuin akar dari sebuah kata.
01:53Nah, di sini ada dua aliran yang bersaing.
01:55Saya suka nyebutnya pertarungan antara golok yang kasar,
01:57tapi cepat,
01:58ngelawan pisau bedah yang pelan,
02:00tapi presisi banget.
02:01Kutipan dari Stanford NLP ini ngejelasin semuanya dengan pas banget.
02:04Stemming,
02:05itu ibaratnya main potong paksa,
02:06cuma nebas akhirannya aja.
02:08Sedangkan lemetization,
02:09itu lebih mikir.
02:10Dia pakai kamus buat nemuin bentuk asli katanya.
02:12Satunya pakai otot,
02:13satunya lagi pakai otak.
02:15Di slide ini kelihatan jelas banget perbandingannya.
02:17Coba fokus ke baris hasil.
02:19Stemming alias si golok,
02:21ngubah studies jadi study.
02:22Cepat sih,
02:23tapi hasilnya aneh kan?
02:24Dan itu bukan kata yang benar.
02:26Sebaliknya,
02:26lemetization,
02:27si pisau bedah,
02:28dengan presisi ngubah kata itu jadi study.
02:30Bentuk dasarnya di kamus.
02:32Ini pertarungan klasik.
02:33Mau cepat tapi ngaco,
02:34atau akurat tapi sedikit lebih lama.
02:36Jadi,
02:37kapan kita pakai golok,
02:38dan kapan kita perlu pisau bedah?
02:39Gini deh,
02:40buat kecepatan murni,
02:41kayak mesin pencari yang harus nyaring miliaran halaman web,
02:43golok itu udah cukup bagus.
02:45Tapi untuk tugas yang butuh pemahaman mendalam,
02:47kayak chatbot yang harus ngerti nuansa obrolan,
02:49ya kita butuh presisinya si pisau bedah.
02:51Oke,
02:51sekarang kita tinggalin dulu metode klasik tadi.
02:54Mari kita masuk ke jantung
02:55dari semua model bahasa besar yang modern,
02:57kayak GPT-4.
02:59Kalau stemming dan lemetization itu perkakas tangan,
03:01maka tokenisasi ini adalah jalur perakitan otomatis
03:03yang jadi fondasi AI zaman sekarang.
03:05Nah,
03:06ini dia,
03:07tokenisasi.
03:08Ini proses mecah teks jadi unit-unit kecil.
03:10Bisa jadi satu kata utuh,
03:12atau bahkan cuma potongan kata,
03:13kayak ter atau kan.
03:15Setiap potongan ini,
03:15atau token,
03:16dikasih nomor ID unik.
03:18Inilah bahasa yang dibaca sama AI.
03:19Dengan mecah kata jadi potongan kecil,
03:21AI jadi bisa ngerti kata-kata baru
03:22yang belum pernah dia lihat sebelumnya.
03:24Keren kan?
03:25Kutipan ini penting banget.
03:26Token itu bukan cuma detail teknis.
03:28Token itu segalanya.
03:29Token tentuin cara AI mikir,
03:31cara AI nulis,
03:31dan yang paling penting buat kita semua,
03:33berapa biaya yang harus kita bayar.
03:35Semuanya berawal dan berakhir di token.
03:37Terus,
03:37gimana cara kerjanya?
03:38Salah satu metode yang populer,
03:40namanya BPI,
03:41itu pinter banget.
03:41Bayangin Anda punya teks seabret.
03:43Awalnya,
03:43dia cuma ngelihat per karakter.
03:44Terus dia nyari pasangan karakter apa nih
03:46yang paling sering muncul barengan.
03:47Misalnya P dan E.
03:48Oke,
03:49dia gabungin jadi satu token baru.
03:50P.
03:50Proses ini diulang terus-menerus,
03:51gabungin bear,
03:52gabungin mine,
03:53sampai akhirnya dapat kamus token yang super efisien.
03:55Biar gampang,
03:56kita ambil satu contoh kata ya.
03:58Programming.
03:59Nah,
03:59ini dia jeniusnya.
04:00Daripada nyimpan programming sebagai satu token utuh,
04:03sistem mecah kata itu jadi program dan ming.
04:05Kenapa?
04:05Karena sekarang AI bisa ngerti kata lain
04:07kayak programmer atau reprogramming
04:09cuma dengan gabungin potongan-potongan
04:10yang udah dia kenal.
04:11Ini bikin modelnya jadi jauh lebih fleksibel dan hemat.
04:14Kita udah tahu gimana tokenisasi bekerja.
04:16Sekarang,
04:17bagian paling penting,
04:18kenapa ini penting buat Anda?
04:20Karena di balik proses teknis yang kelihatannya rumit ini,
04:22ada biaya tersembunyi.
04:24Setiap satu token itu ada harganya.
04:26Token itu ngaruh ke segalanya.
04:28Pertama,
04:29biaya.
04:29Anda itu bayarnya per token,
04:31bukan perkata.
04:32Makin boros tokennya,
04:33makin mahal biayanya.
04:34Kedua,
04:35jendela konteks.
04:36Anggap aja ini kayak memori jangka pendeknya AI.
04:39Tiap model cuma bisa inget sekian ribu token.
04:41Kalau lewat,
04:42dia mulai lupa.
04:43Dan ketiga,
04:44performa.
04:45Tokenisasi yang jelek
04:46bisa bikin AI salah paham
04:47atau bahkan jadi bias.
04:49Dan inilah salah satu konsekuensi terbesar
04:51yang jarang banget dibahas.
04:52Pajak tokenisasi.
04:54Karena kebanyakan model AI dilatih
04:55pakai data bahasa Inggris,
04:56bahasa lain jadi korban.
04:58Coba lihat grafik ini.
04:59Teks yang artinya sama persis
05:00bisa butuh token
05:01tiga kali lipat lebih banyak
05:02dalam bahasa Finlandia
05:03dibanding bahasa Inggris.
05:05Ini adalah ketidakadilan
05:06yang tersembunyi di dalam sistem.
05:07Artanya secara finansial,
05:08jelas banget.
05:09Kalau Anda nggak berkomunikasi
05:10pakai bahasa Inggris,
05:11Anda bisa jadi bayar
05:12tiga sampai lima kali lipat
05:14lebih mahal
05:14untuk nyampein ide yang sama persis.
05:16Dan bukan cuma itu,
05:17memori yang Anda dapat
05:18juga jadi lebih sedikit.
05:19Ini konsekuensi langsung
05:20dari cara fondasi AI ini dibangun.
05:22Jadi,
05:23setelah tahu semua ini,
05:24pertanyaan besarnya adalah
05:25gimana ini bakal ngubah
05:27cara Anda
05:27nuris prom Anda selanjutnya.
05:29Ingat,
05:29di balik layar,
05:30setiap kata yang Anda ketik
05:32itu lagi dipecah-pecah,
05:33dihitung,
05:33dan dinilai.
05:34Berinteraksi dengan AI
05:35itu bukan lagi
05:36sekedar ngasih perintah,
05:37tapi tentang gimana
05:38cara berkomunikasi
05:39seefisien mungkin
05:40dengan mesin.
05:40Jadi,
05:41pilihlah kata-kata Anda
05:42dengan lebih bijak.