Ini 5 Kelebihan Flutter yang Bikin Bisnismu Semakin Mendunia

by | Mar 15, 2021

Pernahkah kamu membayangkan, hanya dengan satu kali coding sudah bisa membuat aplikasi Android dan iOS sekaligus? Ya, kamu tidak perlu menggunakan Java atau Kotlin untuk membuat aplikasi Android, atau menggunakan Swift kalau ingin membuat aplikasi iOS. Ini baru satu dari sekian banyak kelebihan Flutter.

Bahkan, tidak hanya untuk aplikasi mobile, saat ini Flutter juga bisa kamu gunakan untuk mengembangkan aplikasi desktop Windows, Linux, dan Website.

Banyaknya kelebihan yang dimiliki Flutter, bahkan bikin perusahaan kelas dunia seperti Alibaba, eBay, BMW, hingga The New York Times kepincut untuk menggunakan Flutter. Pasti kamu mau dong, kalau bisnismu juga bisa sebesar perusahaan-perusahaan dunia tersebut?

Tapi, selain kelebihan Flutter dari sisi pembuatan aplikasi dengan sekali coding, Flutter juga punya kelebihan-kelebihan lain yang perlu kamu tahu. Yuk, simak penjelasannya di bawah ini.

1. Cepat dan Mudah Dipelajari

Biasanya, saat kamu ingin membuat aplikasi Android dengan Kotlin atau Java, kamu harus paham beberapa bahasa pemrograman sekaligus seperti XML, java, dan lain sebagainya.

Makin banyak yang dipelajari makin lama waktu yang digunakan untuk belajar, kan? Di sinilah Flutter menjadi sangat menarik.

Karena, jika kamu ingin membuat aplikasi Android dan iOS menggunakan Flutter, kamu cukup belajar satu bahasa yaitu DART, yang mana syntax dart mirip seperti Java dan Javascript. Maka dari itu, kalau kamu pernah memakai Java atau Javascript, pastinya tidak perlu banyak waktu untuk belajar Flutter.

Itulah mengapa, bisa dibilang juga kalau Flutter sangat ramah untuk digunakan oleh para pemula. Menarik, ya?

2. UI Fleksibel dan Menarik

Dalam Flutter semuanya merupakan widget. Karena semua bagiannya widget, kamu bisa mengatur tampilan, fungsi, bahkan animasi di tiap pixelnya.

Flutter juga menggunakan Material Design, maka tampilan sedikit berbeda dengan tampilan native. Ini jadi hal positif karena kamu tidak perlu membuat hal-hal dasar untuk tiap platform.

3. Proses Development Cepat

Fitur Hot Reload pada Flutter memungkinkan kamu mengubah kode dan melihatnya saat itu juga, tanpa menunggu waktu lama untuk compiling.

4. Tidak Bergantung Pihak Ketiga

Dengan menggunakan Flutter, kamu tidak perlu menginstall banyak library dari pihak ketiga (third party). Karena, saat core dari Flutter mengalami update, modul-modul internal lainnya sudah kompatibel dengan update tersebut. Tidak seperti package pihak ketiga yang harus menunggu beberapa hari atau bahkan bulan agar bisa menyesuikan dengan versi terbarunya.

5. Biaya Pengembangan Lebih Murah

Cukup dengan satu team developer saja (Flutter Developer), sudah bisa membuat aplikasi Android, iOS dan web secara bersamaan.

Kamu bisa bayangkan, berapa banyak uang perusahaan yang dikeluarkan, untuk membayar gaji dua tim, satu untuk membangun aplikasi Android dan satunya lagi untuk iOS. Ini juga alasan kuat, kenapa banyak perusahaan besar dunia yang beralih ke Flutter.

Mau pakai Flutter, mulai dari mana?

Kamu tidak perlu bingung, untuk menggunakan Flutter sebenarnya sangat mudah, selama pemahaman dasar dari fitur dan cara kerja Flutter sudah kamu pahami secara mendetail.

Nah, kalau mau tahu tentang Flutter lebih lanjut, kamu bisa klik tombol di bawah ini. Ada banyak webinar gratis yang bisa kamu ikuti, lho. Jadi tunggu apalagi? Yuk, cari tahu sekarang.

 

Mau dapat diskon 10%? Gunakan kode voucher di bawah ini:

WSPKARIR

(berlaku hingga 15 April 2021)

 

Ketahui lebih lanjut

5 Ekstensi Visual Studio Code yang Membuat Kamu Lebih Produktif

by | Oct 20, 2020

Visual Studio Code (VS Code) adalah sebuah teks editor multiplatform yang komplit dan handal buatan Microsoft. Selain tersedia untuk Windows, Visual Studio Code (VS Code)  juga tersedia untuk versi Linux dan Mac. Teks editor mendukung banyak bahasa pemrograman seperti  JavaScript, Typescript, dan Node.js, serta bahasa pemrograman lainnya dengan bantuan plugin yang dapat dipasang di Visual Studio Code seperti C++, C#, Python, Go, Java, dll.

Visual Studio Code (VS Code) bersifat open source. Hal ini juga yang membuat VS Code menjadi favorit para pengembang(developer) aplikasi, karena mereka dapat ikut serta  dalam proses pengembangan Visual Studio Code (VS Code).

Visual Studio Code (VS Code) menyediakan Intellisense, Git Integration, Debugging, dan fitur ekstensi. Fitur-fiturnya akan terus bertambah seiring dengan perkembangan versi Visual Studio Code. Perkembangan versi Visual Studio Code ini juga dilakukan berkala setiap bulan, dan inilah yang membuat VS Code unggul dibandingkan teks editor lainnya.

VS Code dapat digunakan langsung tanpa perlu ekstensi selama bahasa pemrogramannya sudah didukung langsung. Namun ada beberapa fitur yang perlu ditingkatkan sesuai dengan kebutuhan pengembang aplikasi. Disinilah kegunaan ekstensi untuk membuat Visual Code lebih powerfull dan menunjang produktifitas. Ekstensi VS Code banyak dibuat oleh pengembang pihak ketiga yang juga menjadi kontributor dari VS Code. Berikut ini adalah ekstensi VS Code rekomendasi kami:

5 Ekstensi Visual Studio Code yang Membuat Kamu Lebih Produktif 1

WakaTime

WakaTime, begitu namanya. Ekstensi ini melacak semua aktivitas koding kita, berapa waktu yang kita habiskan untuk koding dan bahasa apa yang sering kita pakai dan berapa banyak project yang telah kita selesaikan selama menggunakan Visual Studio Code.

5 Ekstensi Visual Studio Code yang Membuat Kamu Lebih Produktif 2

Visual Studio Intellicode

Ekstensi ini membantu kita dengan Artificial Intelligence-Assisted Intellisense yang bisa memberi saran kepada kita kode lanjutan dari kode yang sudah kita tuliskan.

5 Ekstensi Visual Studio Code yang Membuat Kamu Lebih Produktif 3

Live Server

Inilah ekstensi yang kita tungu-tunggu. Kita tidak perlu menekan tombol reload berkali-kali untuk setiap perubahan yang kita lakukan di project kita. Sangat membantu, bukan?

5 Ekstensi Visual Studio Code yang Membuat Kamu Lebih Produktif 4

Path Intellisense

Kita akan selalu membutuhkan ekstensi ini karena ekstensi ini sangat membantu dan berguna dalam hal import dependecies, memasukkan gambar ke dokumen, link file javascript atau css dan semua hal yang berkaitan dengan path file.

5 Ekstensi Visual Studio Code yang Membuat Kamu Lebih Produktif 5

Prettier

Masalah utama saat koding adalah indentasi yang meskipun secara teknis hanya berpengaruh apa python tetapi saat menulis kode dengan menggunakan indentasi yang benar maka hal itu akan sangat membantumu, lebih rapi dan tentu saja lebih cantik bukan?

Nah itu tadi beberapa ekstensi Visual Code yang sangat berguna bagi kita yang menggunakan Visual Code sebagai teks editor utama. Masih banyak ekstensi-ekstensi lain yang sangat menarik dibahas karena tiap hari terdapat ekstensi baru di direktori marketplace Visual Code.

Alasan Mengapa Mobile App Developer Mulai Beralih Ke Flutter

by | Jul 14, 2020

Flutter adalah pendatang baru di dunia pemrograman mobile development yang langsung menyita perhatian developer karena beragam keunggulannya. Bahasa pemrograman yang dikembangkan oleh Google ini memiliki banyak keunggulan yang menjadi alasan mobile app developer mulai beralih ke flutter.

Alasan Mengapa Mobile App Developer Mulai Beralih Ke Flutter 6

Flutter mendobrak keterbatasan pengembangan aplikasi dengan pendekatan lintas platform

Menciptakan pendekatan lintas platform yang mumpuni menjadi idaman setiap developer di belahan dunia manapun karena mereka lelah harus membuat banyak versi produk yang sama dengan bahasa yang berbeda. Belum lagi pada beberapa fitur, setiap platform memiliki keterbatasan tertentu. Flutter mendobraknya dengan membuat itu semua keterbatasan itu mungkin dilakukan.

Backend dan Frontend dalam satu bahasa

Tidak seperti pemrograman native Android dimana file untuk frontend(Views) terpisah dengan backend(Java), flutter menggunakan satu bahasa yang sama (Dart) untuk backed dan frontend.

Alasan Mengapa Mobile App Developer Mulai Beralih Ke Flutter 7

Powerfull User Experience Design

Tim Pengembang Flutter dengan sangat cermat menerapkan Material Design. Ini memungkinkan pengalaman yang nyaman dan smooth yang cuma kamu temui di aplikasi native karena release build dari Flutter adalah aplikasi native.
Flutter juga memiliki widget untuk menambahkan Human Interface Design dari Apple untuk mendapatkan feel dan pengalaman dari aplikasi native iOS.

Flutter didukung banyak IDE/Editor

Meski banyak orang yang menggunakan VS Code sebagai editor merekan untuk pengembangan dengan Flutter tetapi sebenarnya tidak hanya VS Code saja yang mendukung pengembangan dengan Flutter, banyak editor seperti Android Studio dan Visual Code.

Jadi. Sudah siap beralih ke Flutter?

Apa itu ITIL dan Apa Manfaatnya?

by | Dec 20, 2019

Saat ini teknologi informasi sudah masuk ke semua lini kehidupan manusia, termasuk di Perusahaan, Organisasi, maupun sektor pelayanan publik. Pemanfaatan teknologi ini mengharuskan organisasi untuk melakukan pengelolaan dengan baik karena jika tidak efektif maka efeknya bagi organisasi akan menjadi tidak optimal. Maka dari itu dibutuhkan pengelolaan yang berdasarkan best practice dan membutuhkan panduan-panduan. Salah satu kerangka dan rangkaian konsep yang bisa dipakai untuk pengelolaan layanan adalah Information Technology Infrastructure Library atau sering disebut dengan ITIL.

Apa itu Information Technology Infrastructure Library (ITIL) ?

Teknologi Informasi Infrastructure Library (ITIL) adalah satu set konsep dan teknik untuk mengelola teknologi informasi (TI) infrastruktur, pengembangan, dan operasi. ITIL ® adalah pendekatan paling baik untuk layanan manajemen TI di dunia. ITIL menawarkan pendekatan berdasarkan best practice, yang diambil dari sektor publik dan swasta internasional. 

Siapa saja yang menggunakan ITIL ?

ITIL telah digunakan dan diadopsi oleh banyak organisasi di dunia baik dari pemerintahan, swasta dan pendidikan. berikut beberapa contoh organisasi yang telah mengadopsi ITIL:

  • Microsfoft
  • IBM
  • Hewlett-Packard
  • Honda
  • Wal-Mart
  • Visa
  • DIsney
  • US Navy
  • US Army
  • Toyota
  • Shell Oil
  • Boeing
  • Australia Post
  • British Airways
  • British Telecom
  • Ohio State University
  • Oregon State University
  • University of Wisconsin
  • Yale University
  • PT Telekomunikasi Selular (Telkomsel)

dan masih banyak lagi organisasi yang mengadopsi ITIL sebagai kerangka kerja IT Service Management mereka. Pada Telkomsel sendiri adopsi ITIL terlihat berdampak baik pada kinerja perusahaan terbukti pada setiap tahun Telkomsel adalah penyumbang terbesar dari profit Telkom selama satu dekade terakhir.

Apa itu Manfaat ITIL ?

Dengan menggunakan dasar pendekatan sistematis ITIL untuk manajemen layanan TI, ITIL menawarkan peningkatan pada sebuah perusahaan diantaranya:

  • Peningkatan Return on Investment pada TI.
  • Peningkatan Kapabilitas dan produktivitas.
  • Peningkatan Kepuasan Pelanggan/Pengguna.
  • Peningkatan Hasil Pemanfaatan aset.
  • Peningkatan hubungan dan interaksi antara penyedia layanan TI dengan pengguna/pelanggan.
  • Menjaga organisasi untuk mengimbangi perubahan terkini yang mendorong organisasi untuk terus berkembang.
  • Integrasi Layanan TI

Peningkatan ini telah dibuktikan oleh banyak organisasi di dunia yang mengadopsi ITIL sebagai kerangka kerja layanan TI mereka.

Mengenal Deep Learning Untuk Yang Tak Mau Pusing

by | Aug 21, 2019

 

Bahasan machine learning di era revolusi industri 4.0 sudah bagaikan gosip selebritis yang tak ada habisnya. Belum sempat kita mendapat info si seleb A pacaran dengan seleb B, tahu-tahu kita baca berita di timeline jejaring sosial seleb A sudah menikah dengan seleb C. Belum sempat kita paham sepenuhnya tentang machine learning, tahu-tahu kita melihat istilah deep learning.

Well, karena Anda mengklik judul yang ada kata-kata ‘untuk yang tak mau pusing’, penulis akan berusaha untuk sebisa mungkin menjelaskan deep learning dengan bahasa yang gampang dengan metafora menggunakan kasus-kasus di sekitar kita. Jika Anda belum tahu tentang apa itu machine learning, Anda dapat membaca artikel mengenal machine learning yang kami tulis sebelumnya. Jika Anda pusing secara harfiah dan datang ke sini berharap deep learning dapat membuat pusing Anda hilang, segera cari tanda silang (x) di bagian atas dan tutup halaman ini segera.

 

Apa itu deep learning?

Sebelum kami menjelaskan deep learning dengan bahasa yang gampang, pertama-tama kami akan menjelaskan deep learning dengan bahasa resmi wikipedia supaya dianggap artikel yang berbobot.

Deep learning merupakan salah satu bagian dari berbagai macam metode machine learning yang menggunakan artificial neural networks (ANN). Jenis pembelajaran dalam deep learning dapat berupa supervised, semi-supervised, dan unsupervised. Dalam artikel ini yang akan kita bahas adalah metode supervised.

Sudah bingung? Jangan khawatir, setelah ini kami akan jelaskan dengan bahasa yang lebih manusiawi. Kami asumsikan, Anda telah membaca tentang machine learning di atas. Deep learning adalah metode pembelajaran yang dilakukan oleh mesin dengan cara meniru bagaimana sistem dasar otak manusia bekerja. Sistem dasar otak manusia bekerja ini disebut neural networks. Itulah kenapa deep learning disebut menggunakan artificial neural networks yang dengan kata lain menggunakan ‘neural networks buatan’. 

Lalu bagaimana ANN bekerja? Tenang, hal tersebut akan kami jelaskan nanti karena sesuai dengan janji manis kami, kami akan menggunakan metafora sehari-hari dalam memberikan gambaran tentang deep learning. Deep learning merupakan teknologi yang dipakai pada image recognition dan computer vision. Oleh karena itu, kami akan memberikan contoh seputar pengenalan objek pada gambar.

Mengenal Deep Learning Untuk Yang Tak Mau Pusing 8

Pada machine learning tradisional jika kita menyodorkan gambar seekor kucing lalu kita bertanya pada mesin tersebut apakah ini kucing atau bukan, proses ‘berpikir’ mesin tersebut didasari oleh algoritma yang kita buat. Contohnya, apakah objek memiliki dua mata? Apakah objek memiliki empat kaki? Apakah objek memiliki kumis panjang? Apakah objek memiliki bulu tebal? Jika sebagian besar atau semua jawabannya adalah ‘iya’ maka si mesin akan memutuskan bahwa itu adalah gambar kucing. Lalu bagaimana jika mesin tersebut disodori gambar seperti di bawah ini?

Mengenal Deep Learning Untuk Yang Tak Mau Pusing 9

Jika kita menentukan algoritma pembelajaran seperti di atas pasti jawaban dari si mesin adalah ‘bukan’. Padahal kita sebagai manusia tahu kalau gambar tersebut merupakan gambar kucing. Misal kita disuruh mendeskripsikan bagaimana kita tahu kalau itu kucing dari ciri-ciri spesifik objek tersebut untuk kemudian dibuat algoritmanya tentu saja belum tentu berhasil. Tidak semua hewan berbulu, memiliki ekor, dan telinga menjuntai ke atas itu kucing. Lalu bagaimana kita mengenali itu kucing? Itulah di mana neural networks mengambil peran.

 

Artificial Neural Networks (ANN)

Artificial Neural Networks yang biasa disingkat dengan ANN adalah bagian yang paling ajaib ajaib dari deep learning. ANN ini mensimulasikan kerja otak kita yang tersusun jaringan saraf yang disebut neuron. Sama seperti sistem otak manusia, dalam jaringan artificial neural network ini si mesin menerima informasi pada titik-titik yang disebut nodes yang terkumpul pada satu layer untuk kemudian diteruskan dan diproses ke layer selanjutnya yang disebut hidden layers.

Mengenal Deep Learning Untuk Yang Tak Mau Pusing 10

Contoh: kita mempunyai gambar berupa tulisan tangan angka 9 berukuran 28×28 pixel. Setiap piksel dari gambar ini kemudian dipecah menjadi nodes dalam layer input. Sehingga kita memiliki 784 nodes. Lalu untuk mengetahui angka apa itu, kita harus menset nodes output sebanyak 10 (0-9). Dalam hidden layers informasi tersebut difilter hingga akhirnya diteruskan dan informasi masuk di nodes output 9. Dalam kasus supervised learning, kita tak perlu mengatur algoritma yang ada di hidden layers. Yang perlu kita lakukan memasukkan angka yang ditulis tangan sebanyak mungkin dan menentukan outputnya sehingga terbentuk suatu pola dalam hidden layers. Jika pola dalam hidden layers sudah terbentuk, kita tinggal mengetes sejauh mana si mesin dapat mengenali gambar.

 

Convolutional Neural Networks (CNN)

Dalam kasus image recognition untuk gambar objek kucing di atas, metode yang digunakan sudah lebih canggih lagi dari ANN yang disebut Convolutional Neural Networks (CNN). Secara komputasi, metode CNN ini lebih irit daya, bayangkan jika gambar kucing tersebut berukuran 1920×1080 pixel. Ini berarti ada 2.073.600‬ nodes yang harus dibuat pada layer input. Belum lagi jika gambar tersebut berwarna di mana setiap pixel terdiri dari 3 warna RGB. Berarti jumlah nodes yang sudah banyak tadi harus dikalikan 3. Bisa dibayangkan berapa jumlah nodes pada layer pertama. Kami sendiri pun malas menghitungnya.

Berbeda dari ANN tradisional yang setiap node-nya terpisah, node dari convolutional neural networks sendiri terhubung satu sama lain. Lihat animasi di bawah agar terhindar dari kebingungan akut!

Mengenal Deep Learning Untuk Yang Tak Mau Pusing 11Mengenal Deep Learning Untuk Yang Tak Mau Pusing 12

CNN memindai bagian per bagian area kecil di dalam gambar tersebut untuk dijadikan node. Setiap angka dalam nodes merupakan hasil penghitungan matriks dari filter/kernel. Dalam CNN, terdapat bagian yang sama antara node satu dengan node yang ada di sebelahnya. Itulah mengapa tadi dikatakan bahwa node dalam CNN selalu terhubung. Hal ini tentu saja dilakukan untuk menghemat daya komputasi terutama deteksi objek secara live.

 

Penerapan Teknologi Deep Learning

Di tahun 2019 ini, penerapan teknologi deep learning sendiri sudah cukup banyak kita jumpai seperti Google Photos, face unlock di smartphone, sistem tilang otomatis, dan sebagainya. Deep learning sendiri juga merupakan komponen utama yang menjadikan artificial intelligence menjadi semakin mirip dengan manusia. Bisa saja adegan-adegan di film fiksi ilmiah mungkin saja akan segera menjadi kenyataan. Atau jangan-jangan cerita dalam film tersebut memang sudah dibuat oleh AI sehingga lebih cocok untuk disebut sebagai prediksi daripada khayalan? Hmmm…

***

Jika Anda masih penasaran dengan teknologi machine learning Anda dapat mengikuti pelatihan machine learning selama 5 hari di Inixindo Jogja.

Bagaimana Mobil Self-Driving Bekerja?

by | Aug 16, 2019

Tentu kita mengenal istilah autopilot sebagai teknologi aviasi yang ada pada pesawat-pesawat komersial. Konsep autopilot ini membuat sistem komputer mengambil alih kemudi pesawat dan memungkinkan pesawat untuk terbang secara otomatis. Bahkan saat ini teknologi autopilot sudah mampu untuk melakukan take-off dan landing secara otomatis. Pertanyaan yang kemudian muncul adalah apakah teknologi ini aman? Terlepas dari kesalahan yang terjadi pada Boeing 737 Max, secara statistik autopilot lebih aman karena sebagian besar kecelakaan terjadi karena faktor human error.

Karena alasan inilah banyak perusahaan otomotif dan bahkan perusahaan teknologi raksasa seperti Google mencoba menerapkan autopilot pada transportasi darat dalam kasus ini mobil. Cukup masuk akal memang, mengingat traffic di jalan jauh lebih padat daripada di udara dan tingkat kepatuhan pengemudi di jalan raya yang sangat parah bila dibandingkan dengan pilot yang harus menempuh pelatihan dan uji sertifikasi bertahun-tahun. Self-driving cars, begitulah istilah yang sering muncul pada headline berita-berita teknologi di tahun 2018-2019 ini. Self-driving car adalah konsep transportasi di mana mobil sepenuhnya dikendalikan oleh komputer.

Impian autopilot untuk mobil ini merupakan tantangan yang besar. Situasi dan kondisi jalan yang rumit dengan berbagai jenis kendaraan bahkan pejalan kaki. Selain itu, rambu-rambu lalu-lintas juga turut memperbesar tantangan yang harus dihadapi oleh self-driving car di mana mobil ini akan bergantung sepenuhnya kepada komputer dalam mengontrol kemudi mobil. Tapi dengan adanya teknologi machine learning dan artificial intelligence yang semakin maju, impian perusahaan teknologi tersebut akan semakin nyata. 

 

Teknologi di Balik Self-Driving Car

Seperti yang kita tahu beberapa tahun yang lalu Google sempat mengembangkan Google Car yang sekarang menjadi Waymo, startup armada taksi tanpa pengemudi di California. Selain Google, Tesla produsen mobil milik Elon Musk juga memasukkan fitur autopilot pada produk mobilnya yang membuat pengemudi bisa rileks sejenak. Terlepas dari perbedaan filosofi teknologi yang mendasari keduanya, secara umum self-driving menggunakan proses yang hampir sama seperti:

  1. Computer Vision
  2. Sensor Fusion
  3. Localization
  4. Path Planning
  5. Control

Agar bisa memahami bagaimana mobil self-driving atau yang juga biasa disebut autonomous vehicle bekerja, mari kita bahas proses di atas satu per satu.

 

Computer Vision/LIDAR

Computer vision merupakan adalah proses di mana serangkaian kamera saling terkoneksi untuk memberikan gambaran terhadap keadaan sekitar dari subject yang dalam hal ini adalah mobil. Gambar atau video yang dikirimkan dari kamera ini diproses oleh komputer dengan kemampuan machine learning. Tugas dari komputer machine learning ini adalah melabeli setiap objek yang tampak dalam gambar atau video tersebut seperti mobil, pejalan kaki, rambu-rambu lalu lintas, dan sebagainya.

 

Bagaimana Mobil Self-Driving Bekerja? 13

 

Proses computer vision ini dilakukan secara real time yang tentunya membutuhkan kemampuan komputasi yang tinggi. Walaupun begitu, dengan kemajuan teknologi sekarang ini, image recognition bukanlah hal yang sulit lagi, bahkan bisa dilakukan oleh smartphone kita. Kekurangan dari computer vision ini adalah walaupun kamera bisa memberikan rich data seperti pergerakan dan warna, kamera tidak dapat memberikan data secara akurat seberapa jauh objek dari lensa.

Tesla merupakan salah satu perusahaan teknologi yang ‘percaya’ pada teknologi ini. Seperti machine learning pada umumnya, computer vision yang dimiliki oleh Tesla membutuhkan banyak data untuk proses belajarnya. Data ini diambil dari kamera yang merekam perjalanan semua mobil Tesla dan tentunya data ini bersifat anonimus. Tesla cukup pede dalam menggunakan computer vision sebagai teknologi utama yang dipakai fitur autopilot-nya walaupun ditunjang dengan sensor jarak yang terpasang di body mobil.

 

Bagaimana Mobil Self-Driving Bekerja? 14

 

Berbeda dengan pendekatan yang dilakukan oleh Tesla yang memakai kamera, Google sendiri lebih memilih teknologi yang disebut LIDAR (Light Detection and Ranging) sebagai alat untuk memberikan data visual. LIDAR dapat memberikan data yang jauh lebih akurat bila dibandingkan kamera. LIDAR juga dapat berfungsi dengan baik tanpa bantuan cahaya sekalipun karena menggunakan sensor infra merah. Akan tetapi, LIDAR tidak dapat membedakan rambu-rambu maupun warna lampu-lintas. Bagi orang-orang yang mengutamakan penampilan, alat LIDAR yang terpasang di atas mobil juga secara estetis dirasa kurang menarik.

 

Sensor Fusion

Seperti yang dibahas pada bagian computer vision, kamera yang terpasang tidak dapat memberikan data akurat mengenai jarak objek yang ada di depannya. Setiap mobil autonomous pasti dilengkapi sensor lain. Dalam proses ini data yang berasal dari kamera atau pun LIDAR digabung dengan data dari sensor yang lain. Sensor parkir misalnya, sensor ini memberikan penginderaan jarak dekat yang lebih akurat hingga hitungan sentimeter.

Proses penggabungan antar sensor ini bisa dibilang ‘hasil akhir’ untuk dijadikan referensi keadaan sekitar oleh komputer di mobil self-driving. Sensor fusion juga dapat berfungsi sebagai backup plan jika terjadi kerusakan atau kegagalan sistem pada kamera atau LIDAR.

 

Localization

Setelah tahu kondisi sekitar, saatnya mobil autonomous untuk mengetahui di mana dia berada, apakah dia ada di jalan atau di halaman parkir. Tahu di mana kita berada akan berpengaruh pada kecepatan dan gaya mengemudi. Hal ini tentunya mudah bagi manusia untuk menyesuaikan gaya mengemudinya. Contohnya, jika kita berada di lahan parkir, kita akan mengemudi perlahan-lahan walaupun kondisi di lahan parkir tersebut sedang sepi dan jarang ditemui mobil lain yang terparkir. Otak kita mengantisipasi jika ada orang membawa troli tiba-tiba melintas.

Proses localization juga berguna dalam path planning guna menentukan di bagian mana kita berjalan. GPS biasa mungkin hanya dapat memberikan informasi di jalan mana kita berada bukan di lajur kanan atau kiri. Oleh karena itu proses localization membutuhkan sistem navigasi yang lebih baik yang biasa disebut HD GPS.

 

Path Planning

Proses selanjutnya yang dilakukan oleh mobil self-driving adalah merencanakan jalur mana  yang akan dipilih agar sampai tujuan. Selain jarak tentunya ada faktor lain yang menjadi pertimbangan komputer. Salah satunya adalah waktu tempuh. Tidak setiap jalur yang memiliki jarak tempuh terdekat selalu memiliki waktu tempuh yang tercepat. Hal ini dipengaruhi oleh traffic lalu-lintas, kondisi jalan, serta force majeure.

Path planning terlihat seperti hal yang tak mungkin dilakukan 1 dekade yang lalu karena tidak mungkin dilakukan tanpa adanya data stream tentang kondisi lalu lintas. Akan tetapi dengan adanya Google Maps, path planning bahkan bisa kita lakukan sendiri melalui smartphone. Bedanya, path planning yang dilakukan mobil self-driving ini lebih mendetail karena harus mempertimbangkan data dari proses-proses sebelumnya.

 

Control

Proses paling akhir adalah ‘control’. Proses ini dilakukan oleh alat yang sering disebut ECU. Teknologi ECU (Electronic Control Unit) memang bukan teknologi yang benar-benar baru. Memang di mobil konvensional ECU berfungsi untuk penghematan bahan bakar, keamanan, serta kenyamanan berkendara. Di mobil self-driving ‘kekuasaan’ dari ECU lebih besar lagi. ECU dapat mengontrol kemudi hingga putaran penuh, mengerem, dan bahkan menginjak pedal gas.

***

 

Masa Depan Mobil Self-Driving

Proses-proses yang dilakukan di dalam self driving ini sangat bergantung pada teknologi machine learning dan artificial intelligence. Walaupun jalan yang ditempuh dalam pengembangan mobil self-driving ini masih panjang (pun intended) dan masih perlu banyak perbaikan di sana-sini, mobil self-driving atau autonomous vehicle ini sebenarnya merupakan sebuah solusi yang cukup logis untuk mengatasi masalah pengemudi ugal-ugalan. Selain itu bukan tidak mungkin di masa depan dengan semakin terbatasnya lahan parkir, tidak lagi ada kepemilikan mobil. Mobil akan menjadi sebuah layanan dengan metode berlangganan.

 

****

 

Jika Anda tertarik mempelajari teknologi machine learning yang melatarbelakangi mobil self-driving ini, Anda dapat mengikuti pelatihan machine learning di Inixindo Jogja.