REVIEW FILM ROBOSAPIEN: ROBOOTED

 

SUTRADARA :

Sean McNamara

PRODUSER :

Avi Arad, Steven Paul

PENULIS SKENARIO :
Max Botkin, Avi Arad

PEMAIN :

Kim Coates, Penelope Ann Miller, David Eigenberg 

DURASI:

86 Menit

TAHUN :

2003

Tepat pada hari kamis, saat kami sedang capek-capeknya, kami akhirnya mempunyai jadwal untuk menonton bersama. Aku sungguh senang dengan jadwal tersebut. Dan film yang kami tonton adalah “Cody El Robosapien”. Film ini menceritakan bagaimana seorang pembuat robot yang hebat, menjadi budak bagi perusahaannya sendiri. Dia sudah membuat robot yang sungguh spektakuler, canggih, dan benar-benar mirip sekali dengan manusia. Gerakannya lancar, seolah-olah semua engselnya seperti manusia beneran. Robot itu dinamakan dengan “Robosapien” oleh pembuatnya yang bernama Allan.

        Awal-awalnya, allan yang bekerja disebuah perusahaan sangat menyukai pekerjaannya di perusahaan tersebut. Robot buatannya laku. Namun, Allan ingin robot buatannya itu menjadi alat yang bermanfaat baik bagi manusia, bukannya malah jadi robot perusak. dan pada hari tertentu, ada seseorang yang ingin sekali membeli robot buatannya. Namun, pembeli tersebut ingin membelinya untuk menjadi robot perusak yang sangat hebat. Saat diuji coba, ujiannya adalah robosapien disuruh untuk membomkan kapal besar. Berhasil, robosapien sangat berhasil dalam uji coba tersebut sehingga membuat pembeli itu semakin tertarik untuk membeli robot itu. Pembeli ingin membeli seratus robot.

       Dari dalam, Allan mendengar sebuah ledakan yang kencang sekali. Suara itu dihasilkan oleh robosapien yang diuji coba tadi. Dengan cepat, allan keluar dari ruangan khususnya dan pergi keluar untuk melihat suara apaan itu. Ketika diluar, Allan melihat robotnya itu di uji coba untuk sebuah hal yang kejam, dan tentunya jahat. Allan sangat tidak terima dengan hal tersebut, seberapapun pembeli membeli robotnya dengan tujuan untuk kejahatan, ia tetap tidak akan menerimanya.

       Disinilah, konflik mulai muncul. Terjadilah perdebatan antara Allan dengan perusahaannya sendiri. Robosapienpun disuruh allan untuk melarikan diri. Robosapienpun terkena setruman dari pistol pasukan perusahaan. Robosapien jatuh dari sebuah gedung yang tinggi, dan masuk ke tong sampah. Pas dengan anak kecil yang dikejar teman jahatnya. Anak kecil itu bernama henry. Iapun masuk ketong sampah. Saat didalam, ia menemukan robosapien. Namun robosapien sudah rusak. Henry pun membawa robosapien tersebut kerumahnya dan diperbaiki. Berjalannya waktu, henry menamai robosapien dengan sebutan Cody.

       Mungkin itu hanya sebagian. Tetapi, dari sebagian cerita film yang kami nonton itu mempunyai makna yang banyak. Sepeti betapa hebatnya allan sehingga berapapun harga yang ditawarkan pembeli untuk membeli robotnya, hanya untuk sebuah kejahatan, ia takan pernah menerimanya.

       Bukan hanya itu, zaman kini sudah berubah drastis dari pada zaman dahulu. Sebuah teknologipun sudah berkembang pesat dari zaman dahulu. Memang benar-benar berubah, sehingga, kita yang hidup di zaman amat sangat modern ini haruslah bisa mengatur kehidupan kita sendiri. Jangan malah kita menjadi seorang manusia yang jahat, tak tahu keadaan maupun perasaan orang yang ada disekitar kita karena terlalu terlena dengan kemajuan teknologinya.

Dampak baik :

Robot bisa menggantikan peran manusia dalam melakukan pekerjaan seperti berkebun, memasak, menjaga rumah, maupun pekerjaan lain yang biasa dilakukan oleh manusia. Dalam film ini juga di ciptakan robot anak-anak dengan kecerdasan buatan yang bisa tertawa, bermain, sedih, dan merasakan kasih sayang dan cinta, layaknya anak manusia seperti biasanya.

Dampak Buruk :

Menjadi perebutan hak milik atas hilangnya rebot tersebut, dan suatu perusahaan mencoba membuat masal namun tidak  berhasil dan menimbulkan kekacauan.

Read More

ARTIFICIAL NEURAL NETWORK

NEURAL NETWORK

Pendahuluan

Cabang ilmu kecerdasan buatan cukup luas, dan erat kaitannya dengan disiplin ilmu yang lainnya. Hal ini bisa dilihat dari berbagai aplikasi yang merupakan hasil kombinasi dari berbagai ilmu. Seperti halnya yang ada pada peralatan medis yang berbentuk aplikasi. Sudah berkembang bahwa aplikasi yang dibuat merupakan hasil perpaduan dari ilmu kecerdasan buatan dan juga ilmu kedokteran atau lebih khusus lagi yaitu ilmu biologi.

Neural Network merupakan kategori ilmu Soft Computing. Neural Network sebenarnya mengadopsi dari kemampuan otak manusia yang mampu memberikan stimulasi/rangsangan, melakukan proses, dan memberikan output. Output diperoleh dari variasi stimulasi dan proses yang terjadi di dalam otak manusia. Kemampuan manusia dalam memproses informasi merupakan hasil kompleksitas proses di dalam otak. Misalnya, yang terjadi pada anak-anak, mereka mampu belajar untuk melakukan pengenalan meskipun mereka tidak mengetahui algoritma apa yang digunakan. Kekuatan komputasi yang luar biasa dari otak manusia ini merupakan sebuah keunggulan di dalam kajian ilmu pengetahuan.

Fungsi dari Neural Network diantaranya adalah:

1.       Pengklasifikasian pola

2.       Memetakan pola yang didapat dari input ke dalam pola baru pada output

3.       Penyimpan pola yang akan dipanggil kembali

4.       Memetakan pola-pola yang sejenis

5.       Pengoptimasi permasalahan

6.       Prediksi

Sejarah Neural Network

Perkembangan ilmu Neural Network sudah ada sejak tahun 1943 ketika Warren McCulloch dan Walter Pitts memperkenalkan perhitungan model neural network yang pertama kalinya. Mereka melakukan kombinasi beberapa processing unit sederhana bersama-sama yang mampu memberikan peningkatan secara keseluruhan pada kekuatan komputasi.

Gambar 2.1 McCulloch & Pitts, penemu pertama Neural Network

Hal ini dilanjutkan pada penelitian yang dikerjakan oleh Rosenblatt pada tahun 1950, dimana dia berhasil menemukan sebuah two-layer network, yang disebut sebagai perceptron. Perceptron memungkinkan untuk pekerjaan klasifikasi pembelajaran tertentu dengan penambahan bobot pada setiap koneksi antar-network.

Gambar 2.2 Perceptron

Keberhasilan perceptron dalam pengklasifikasian pola tertentu ini tidak sepenuhnya sempurna, masih ditemukan juga beberapa keterbatasan didalamnya. Perceptron tidak mampu untuk menyelesaikan permasalahan XOR (exclusive-OR). Penilaian terhadap keterbatasan neural network ini membuat penelitian di bidang ini sempat mati selama kurang lebih 15 tahun. Namun demikian, perceptron berhasil menjadi sebuah dasar untuk penelitian-penelitian selanjutnya di bidang neural network. Pengkajian terhadap neural network mulai berkembang lagi selanjutnya di awal tahun 1980-an. Para peneliti banyak menemukan bidang interest baru pada domain ilmu neural network. Penelitian terakhir diantaranya adalah mesin Boltzmann, jaringan Hopfield, model pembelajaran kompetitif, multilayer network,  dan teori model resonansi adaptif.

Untuk saat ini, Neural Network sudah dapat diterapkan pada beberapa task, diantaranya classification, recognition, approximation, prediction, clusterization, memory simulation dan banyak task-task berbeda yang lainnya, dimana jumlahnya semakin bertambah seiring berjalannya waktu.

Konsep Neural Network

1.  Proses Kerja Jaringan Syaraf Pada Otak Manusia

Ide dasar Neural Network dimulai dari otak manusia, dimana otak memuat  sekitar 10¹¹ neuron. Neuron ini berfungsi memproses setiap informasi yang masuk. Satu neuron memiliki 1 akson, dan minimal 1 dendrit. Setiap sel syaraf terhubung dengan syaraf lain, jumlahnya mencapai sekitar 10⁴ sinapsis. Masing-masing sel itu saling berinteraksi satu sama lain yang menghasilkan kemampuan tertentu pada kerja otak manusia.

Gambar 2.3 Struktur Neuron pada otak manusia

Dari gambar di atas, bisa dilihat ada beberapa bagian dari otak manusia, yaitu:

1.       Dendrit (Dendrites) berfungsi untuk mengirimkan impuls yang diterima ke badan sel syaraf.

2.       Akson (Axon) berfungsi untuk mengirimkan impuls dari badan sel ke jaringan lain

3.       Sinapsis berfungsi sebagai unit fungsional di antara dua sel syaraf.

Proses yang terjadi pada otak manusia adalah:

Sebuah neuron menerima impuls dari neuron lain melalui dendrit dan mengirimkan sinyal yang dihasilkan oleh badan sel melalui akson. Akson dari sel syaraf ini bercabang-cabang dan berhubungan dengan dendrit dari sel syaraf lain dengan cara mengirimkan impuls melalui sinapsis. Sinapsis adalah unit fungsional antara 2 buah sel syaraf, misal A dan B, dimana yang satu adalah serabut akson dari neuron A dan satunya lagi adalah dendrit dari neuron B. Kekuatan sinapsis bisa menurun/meningkat tergantung seberapa besar tingkat propagasi (penyiaran) sinyal yang diterimanya. Impuls-impuls sinyal (informasi) akan diterima oleh neuron lain jika memenuhi batasan tertentu, yang sering disebut dengan nilai ambang (threshold).

2.  Struktur Neural Network

Dari struktur neuron pada otak manusia, dan proses kerja yang dijelaskan di atas, maka konsep dasar pembangunan neural network buatan (Artificial Neural Network) terbentuk. Ide mendasar dari Artificial Neural Network (ANN) adalah mengadopsi mekanisme berpikir sebuah sistem atau aplikasi yang menyerupai otak manusia, baik untuk pemrosesan berbagai sinyal elemen yang diterima, toleransi terhadap kesalahan/error, dan juga parallel processing.

Gambar 2.4 Struktur ANN

Karakteristik dari ANN dilihat dari pola hubungan antar neuron, metode penentuan bobot dari tiap koneksi, dan fungsi aktivasinya. Gambar di atas menjelaskan struktur ANN secara mendasar, yang dalam kenyataannya tidak hanya sederhana seperti itu.

1.       Input, berfungsi seperti dendrite

2.       Output, berfungsi seperti akson

3.       Fungsi aktivasi, berfungsi seperti sinapsis

Neural network dibangun dari banyak node/unit yang dihubungkan oleh link secara langsung. Link dari unit yang satu ke unit yang lainnya digunakan untuk melakukan propagasi aktivasi dari unit pertama ke unit selanjutnya. Setiap link memiliki bobot numerik. Bobot ini menentukan kekuatan serta penanda dari sebuah konektivitas.

Proses pada ANN dimulai dari input yang diterima oleh neuron beserta dengan nilai bobot dari tiap-tiap input yang ada. Setelah masuk ke dalam neuron, nilai input yang ada akan dijumlahkan oleh suatu fungsi perambatan (summing function), yang bisa dilihat seperti pada di gambar dengan lambang sigma (∑). Hasil penjumlahan akan diproses oleh fungsi aktivasi setiap neuron, disini akan dibandingkan hasil penjumlahan dengan threshold (nilai ambang) tertentu. Jika nilai melebihi threshold, maka aktivasi neuron akan dibatalkan, sebaliknya, jika masih dibawah nilai threshold, neuron akan diaktifkan. Setelah aktif, neuron akan mengirimkan nilai output melalui bobot-bobot outputnya ke semua neuron yang berhubungan dengannya. Proses ini akan terus berulang pada input-input selanjutnya.

ANN terdiri dari banyak neuron di dalamnya. Neuron-neuron ini akan dikelompokkan ke dalam beberapa layer. Neuron yang terdapat pada tiap layer dihubungkan dengan neuron pada layer lainnya. Hal ini tentunya tidak berlaku pada layer input dan output, tapi hanya layer yang berada di antaranya. Informasi yang diterima di layer input dilanjutkan ke layer-layer dalam ANN secara satu persatu hingga mencapai layer terakhir/layer output. Layer yang terletak di antara input dan output disebut sebagai hidden layer. Namun, tidak semua ANN memiliki hidden layer, ada juga yang hanya terdapat layer input dan output saja.

C.    KARAKTERISTIK ARTIFICIAL NEURAL NETWORK

Karakteristik neural network ditunjukkan dalam 3 ciri yaitu : Arsitektur jaringan algoritma jaringan (Alg. Pembelajaran dan Pengenalan) dan fungsi aktivasi.

1.      Arsitektur Jaringan

Arsitektur jaringan menggambarkan bagaimana mengatur neuron-neuron dalam lapisan dan bagaimana menghubungkan neuron-neuron tersebut dengan bobot keterhubungannya (Weight (w)). Pada setiap neuron yang berada dalam satu lapisan yang sama mempunyai fungsi aktivasi yang sama, dan setiap neuron dalam satu lapisan harus dihubungkan dengan setiap neuron pada lapisan berikutnya. Arsitektur jaringan syaraf tiruan yang sering digunakan adalah :

a.       Jaringan dengan lapisan tunggal

Jaringan dengan lapisan tunggal hanya memiliki 1 lapisan dengan bobot-bobot keterhubungannya. Jaringan ini hanya menerima input pada lapisan input dan kemudian seacara langsung mengolahnya menjadi output pada lapisan output. Arsitektur jaringan dengan lapisan tunggal dapat dilihat pada gambar berikut.

b.      Jaringan dengan banyak lapisan

Jaringan dengan banyak lapisan memiliki 1 atau lebih lapisan yang terletak diantara lapisan input dan lapisan output yang disebut sebagai lapisan tersembunyi  (hidden layer). Jaringan dengan banyak lapisan ini dapat menyelesaikan permasalahan yang lebih sulit daripada jaringan dengan lapisan tunggal, tetapi tentu proses pembelajaran menjadi jauh lebih rumit dan memakan waktu yang lama. Tetapi pada sebagian besar kasus, pembelajaran dengan banyak lapisan ini lebih sukses dalam hasil pengujian masalahnya. Arsitektur jaringan dengan banyak lapisan dapat dilihat pada gambar berikut.

2.      Algoritma Jaringan

a.       Algoritma Jaringan Pembelajaran

Algoritma pembelajaran digunakan untuk menemukan nilai-nilai bobot yang tepat dalam mengirimkan suatu informasi. Algoritma yang digunakan Neural Network dalam pembelajaran tergantung pada arsitektur jaringan yang digunakan. Secara umum, algoritma pembelajaran terbagi menjadi dua bagian, yaitu supervised learning (pembelajaran terawasi) dan unsupervised learning (pembelajaran tak terawasi).

Supervised learning merupakan algoritma pembelajaran yang memerlukan target output yang diharapkan untuk diketahui sebelumnya dalam proses pembelajarannya. Setiap pola input beserta target output yang ditentukan disebut sebagai pasangan pembelajaran. Algoritma pembelajaran NN yang termasuk dalam kelompok ini antara lain hebb, perceptron dan back Propagation.

Unsupervised learning tidak memerlukan target output dan tidak dapat ditentukan hasil seperti apakah yang diharapkan selama proses pembelajaran. Tujuan pembelajaran ini adalah mengelompokkan unit-unit yang hampir sama dalam suatu area tertentu. Yang termasuk dalam Unsupervised learning antara lain :

1)      Kohonen Self-Organizing Maps

2)      Learning Vector Quantization

3)      Counterpropagation

b.      Algoritma pengenalan

Setelah menemukan nilai bobot keterhubungan antar neuron yang bersesuaian dengan nilai output, maka nilai bobot tersebut digunakan untuk menguji NN jika suatu input dimasukkan sehingga suatu nilai ouput dihasilkan. Proses ini dinamakan proses pengenalan (pengujian). Algoritma pengenalan yang digunakan tergantung pada algoritma pembelajaran yang digunakan, biasanya merupakan bagian dari algoritma pembelajarannya.

c.       Separabilitas Linear

Salah satu cara yang biasa digunakan sebagai syarat henti proses pembelajaran atau digunakan juga untuk proses pengenalan adalah separabilitas linier.(garis pembatas). Dalam aplikasi pengenalan pola, garis pembatas ini merupakan batas keputusan apakah suatu anggota termasuk dalam kelompok (berespon positip) atau bukan kelompok. (berespon negatip)..Dalam koordinat Cartesian (x,y) garis pembatas ini digambarkan sebagai garis lurus yang mempunyai persamaan :

y= mx + c

dengan :

m : gradien garis

c : konstanta atau titik potong dengan sumbu-y (0,c)

3.      Fungsi Aktivasi

Ada beberapa bentuk fungsi aktivasi yang umum digunakan dalam Neural Network, antara lain:

a. Fungsi tangga biner

Jaringan dengan lapisan tunggal sering menggunakan fungsi tangga biner untuk mengkonversikan input dari suatu variabel yang bernilai kontinu ke suatu ouput biner (0 atau 1). Fungsi tangga biner dirumuskan sebagai,

Sedangkan grafiknya dapat dilihat pada gambar dibawah ini;

b. Fungsi linear (identitas)

Fungsi linear memiliki nilai output yang sama denagn nilai inputnya. Fungsi linear dirumuskan sebagai,

y=x

dan grafik fungsi linear dapat dilihat pada gambar berikut.

c. Fungsi sigmoid biner

Fungsi ini mempunyai nilai pada range 0 sampai 1. Fungsi ini dirumuskan sebagai,

Dan grafik fungsi ini dapat dilihat pada gambar berikut :

d. Fungsi sigmoid bipolar

Fungsi ini mempunyai nilai pada range antara –1 sampai 1. Fungsi ini dirumuskan sebagai,

Sedangkan grafik fungsinya dapat dilihat pada gambar berikut ,

D.    KELEBIHAN DAN KEKURANGAN ARTIFICIAL NEURAL NETWORK

1.      Kelebihan Artificial Neural Network

·         Mampu mengakuisisi pengetahuan walau tidak ada kepastian

·         Mampu melakukan generalisasi dan ekstraksi dari suatu pola data tertentu

·         JST dapat menciptakan suatu pola pengetahuan melalui pengaturan diri atau kemampuan belajar (self organizing)

·         Memiliki fault tolerance, gangguan dapat dianggap sebagai noise saja

·         Kemampuan perhitungan secara paralel sehingga proses lebih singkat

·         ANN mampu :

-          Klasifikasi: memilih suatu input data ke dalam kategori tertentu yang sudah ditetapkan

-          Asosiasi: menggambarkan suatu obyek secara keseluruhan hanya dengan bagian dari obyek lain

-          Self organizing: kemampuan mengolah data-data input tanpa harus mempunyai target

-          Optimasi: menemukan suatu jawaban terbaik sehingga mampu meminimalisasi fungsi biaya

2.      Kekurangan Artificial Neural Network

·         Black Box

·         Kurang mampu untuk melakukan operasi operasi numerik dengan presisi tinggi

·         Kurang mampu melakukan operasi algoritma aritmatik, operasi logika dan simbolis

·         Lamanya proses training yang mungkin terjadi dalam waktu yang sangat lama untuk jumlah data yang besar

E.     KEGUNAAN ARTIFICIAL NEURAL NETWORK

•         Pengenalan pola (pattern recognition)

–        Huruf, tanda tangan, suara, gambar yang sudah sedikit berubah (mengandung noise)

–        Identifikasi pola saham

–        Pendeteksian uang palsu, kanker

•         Signal Processing

–        Menekan noise pada saluran telepon

•         Peramalan

–        Peramalan saham

•         Autopilot dan simulasi

•         Kendali otomatis otomotif

Sumber :

http://www.webpages.ttu.edu/dleverin/neural_network/neural_networks.html

http://socs.binus.ac.id/2012/07/26/konsep-neural-network/

Read More

Sistem Cerdas yang Ada Di Sekitar Kita

1. Vending Machine

Vending Machine adalah mesin yang digunakan untuk mengeluarkan/menjual produk secara otomatis tanpa ada operator. Operator tidak perlu menunggu mesin, tetapi hanya bertugas untuk mengisi, memeriksa ketersediaan barang yang dijual dan memeriksa mesin. Saat ini vending machine mudah kita jumpai di negara-negara maju yang digunakan sebagai alat untuk menjual berbagai macam produk.
Cara kerja vending machine adalah dengan melakukan pembayaran (baik menggunakan uang ataupun sistem lainnya) kepada mesin kemudian memilih produk, setelah itu produk yang dipilih akan segera keluar.            

Vending Machine ditemukan pada abad pertama oleh seorang insinyur matematika dari Alexandria. Mesin ini menggunakan prinsip timbangan. Ketika koin dimasukkan, koin berfungsi sebagai pemberat untuk mengalirkan air suci dari bejana, sampai berat air suci yang keluar sama dengan berat koin yang dimasukkan

Vending Machine modern pertama kali diperkenalkan di London pada tahun 1880 untuk menjual kartu pos. Di Amerika, pada tahun 1888 Thomas Adams Gum Company membuat vending machine pertama untuk menjual permen karet. Perkembangan vending machine berkembang pesat di Jepang. Dimana hampir segala kebutuhan sehari-hari dijual vending machine. Menurut asosiasi produsen vending machine, di Jepang terdapat lebih dari 5,5 juta vending machine.

Cara kerja vending machine adalah dengan melakukan pembayaran (baik menggunakan uang ataupun sistem lainnya) kepada mesin kemudian memilih produk, setelah itu produk yang dipilih akan segera keluar.

2. ATM

ATM (bahasa Indonesia: Anjungan Tunai Mandiri atau dalam bahasa Inggris: Automated Teller Machine) adalah sebuah alat elektronik yang melayani nasabah bank untuk mengambil uang dan mengecek rekening tabungan mereka tanpa perlu dilayani oleh seorang "teller" manusia. Banyak ATM juga melayani penyimpanan uang atau cek, transfer uang atau bahkan membeli perangko.
ATM sering ditempatkan di lokasi-lokasi strategis, seperti restoran, pusat perbelanjaan, bandar udara, stasiun kereta api, terminal bus, pasar tradisional, dan kantor-kantor bank itu sendiri.

Cara kerja mesin ATM mudah dan sederhana. Yang pertama kamu lakukan ialah memasukkan kartu ATM ke dalam mesin. Setelah kartu dimasukkan, maka kartu akan dibaca oleh magnetic card reader yang berfungsi sebagai pembaca dan penerima data. Setelah dibaca, data dikirim ke sistem komputerisasi bank.

3. USG

Ultrasonografi medis (sonografi) adalah sebuah teknik diagnostik pencitraan menggunakan suara ultra yang digunakan untuk mencitrakan organ internal dan otot, ukuran mereka, struktur, dan luka patologi, membuat teknik ini berguna untuk memeriksa organ. Sonografi obstetrik biasa digunakan ketika masa kehamilan.
Pilihan frekuensi menentukan resolusi gambar dan penembusan ke dalam tubuh pasien. Diagnostik sonografi umumnya beroperasi pada frekuensi dari 2 sampai 13 megahertz.
Sedangkan dalam fisika istilah "suara ultra" termasuk ke seluruh energi akustik dengan sebuah frekuensi di atas pendengaran manusia (20.000 Hertz), penggunaan umumnya dalam penggambaran medis melibatkan sekelompok frekuensi yang ratusan kali lebih tinggi.

Ultrasonografi atau yang lebih dikenal dengan singkatan USG digunakan luas dalam medis. Pelaksanaan prosedur diagnosis atau terapi dapat dilakukan dengan bantuan ultrasonografi (misalnya untuk biopsi atau pengeluaran cairan). Biasanya menggunakan probe yang digenggam yang diletakkan di atas pasien dan digerakkan: gel berair memastikan penyerasian antara pasien dan probe.

SKEMA CARA KERJA USG

1. Transduser

Transduser adalah komponen USG yang ditempelkan pada bagian tubuh yang akan diperiksa, seperti dinding perut atau dinding poros usus besar pada pemeriksaan prostat. Di dalam transduser terdapat kristal yang digunakan untuk menangkap pantulan gelombang yang disalurkan oleh transduser. Gelombang yang diterima masih dalam bentuk gelombang akusitik (gelombang pantulan) sehingga fungsi kristal disini adalah untuk mengubah gelombang tersebut menjadi gelombang elektronik yang dapat dibaca oleh komputer sehingga dapat diterjemahkan dalam bentuk gambar.

2.Monitor Monitor yang digunakan dalam USG

3. Mesin USG

Mesin USG merupakan bagian dari USG dimana fungsinya untuk mengolah data yang diterima dalam bentuk gelombang. Mesin USG adalah CPUnya USG sehingga di dalamnya terdapat komponen-komponen yang sama seperti pada CPU pada PC CARA USG MERUBAH GELOMBANG MENJADI GAMBAR

Refrensi :

https://id.wikipedia.org/wiki/ATM

https://id.wikipedia.org/wiki/Ultrasonografi_medis

http://kubota-ptms.co.id/tentang-pt-metec-semarang/vending-machine/

Read More