ANALISIS PERANAN KONSEP ALJABAR LINEAR DALAM PENGEMBANGAN SISTEM KECERDASAN BUATAN (AI)
DOI:
https://doi.org/10.24269/silogisme.v10i02.10874Abstract
Aljabar linear merupakan salah satu cabang matematika yang berperan fundamental dalam pengembangan sistem kecerdasan buatan. Penelitian ini bertujuan untuk menganalisis peran aljabar linear dalam pengembangan sistem kecerdasan buatan. Metode yang digunakan adalah penelitian kualitatif dengan pendekatan Systematic Literature Review terhadap artikel ilmiah yang terindekspada database Scopus. Analisis data dilakukan melalui beberapa tahapan, yaitu identifikasi artikel berdasarkan kata kunci yang relevan, penyaringan menggunakan kritera inklusi dan ekslusi, serta analisis mendalam terhadap konten artikel terpilih untuk mengidentifikasi peran, kontribusi, dan konteks penggunaan aljabar linear dalam pengembangan AI. Hasil penelitian menunjukkan bahwa konsep aljabar linear, seperti matriks, nilai eigen, SVD, dan fungsi Mittag-Leffler, berperan penting dalam representasi data, optimasi algoritma, dan analisis stabilitas sistem. Representasi matriks mendukung pengolahan data besar, transformasi linier seperti PCA mengurangi dimensi data, dan optimasi aljabar linear meningkatkan kecepatan konvergensi model serta mengurangi kesalahan komputasi. Dengan demikian, aljabar linear tidak hanya menjadi dasar teoritis tetapi juga alat praktis untuk mendukung pengembangan sistem AI yang lebih stabil, efisien, dan andal.
Downloads
References
Jansen, K., Klein, K. M., & Lassota, A. (2023). The double exponential runtime is tight for 2-stage stochastic ILPs. Mathematical Programming, 197(2), 1145–1172. https://doi.org/10.1007/s10107-022-01837-0
Karyadi, B. (2023). Pemanfaatan kecerdasan buatan dalam mendukung pembelajaran mandiri. Educate: Jurnal Teknologi Pendidikan, 8(2), 253–258. https://doi.org/10.32832/educate.v8i02.14843
Koiran, P. (2024). On the uniqueness and computation of commuting extensions. Linear Algebra and Its Applications, 703, 645–666. https://doi.org/10.1016/j.laa.2024.10.004
Li, Y., Huang, Y., Feng, L., & Liu, W. (2020). Some applications of two completely copositive maps. Linear Algebra and Its Applications, 590, 124–132. https://doi.org/10.1016/j.laa.2019.12.036
Munthe, R. T. I., & Hakim, D. L. (2022). Analisis kemampuan berpikir aljabar siswa smp dalam menyelesaikan masalah sistem persamaan linear dua variabel (SPLDV). Prisma, 11(2), 371. https://doi.org/10.35194/jp.v11i2.2388
Nggaba, M. E. (2021). Kemampuan berpikir aljabar siswa dalam menyelesaikan masalah matematika berbasis kearifan lokal di kecamatan kambera, kabupaten sumba timur. Satya Widya, 36(2), 97–104. https://doi.org/10.24246/j.sw.2020.v36.i2.p97-104
Rifky, S. (2024). Dampak penggunaan artificial intelligence bagi pendidikan tinggi. Indonesian Journal of Multidisciplinary on Social and Technology, 2(1), 37–42. https://doi.org/10.31004/ijmst.v2i1.287
Ruda, D., Turek, S., Ribbrock, D., & Zajac, P. (2022). Very fast finite element Poisson solvers on lower precision accelerator hardware: A proof of concept study for Nvidia Tesla V100. International Journal of High Performance Computing Applications, 36(4), 459–474. https://doi.org/10.1177/10943420221084657
Thirumalai, A., Muthunagai, K., & Kaliyappan, M. (2023). Fractional differential equations and matrix bicomplex two-parameter Mittag-Leffler functions. Mathematics and Statistics, 11(4), 726–732. https://doi.org/10.13189/ms.2023.110414
Zhao, J. (2022). Notes on majorizations for singular values. Operators and Matrices, 16(4), 975–987. https://doi.org/10.7153/oam-2022-16-65
Zulkipli, Z. (2023). Hubungan antara kemampuan matematika dengan keterampilan pemrograman. Jurnal Bangkit Indonesia, 12(2), 59–64. https://doi.org/10.52771/bangkitindonesia.v12i2.251
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
.jpg)
