Rekayasa informasi adalah cabang teknik yang berfokus pada penciptaan, distribusi, analisis, dan pemanfaatan informasi, data, serta pengetahuan dalam sistem elektronik.^[1][2][3] Bidang ini mulai dikenal secara luas pada awal abad ke-21. Rekayasa informasi mencakup disiplin teoretis seperti elektromagnetisme, pembelajaran mesin (machine learning), kecerdasan buatan (AI), teori kendali, pemrosesan sinyal, dan mikroelektronika, serta bidang terapan seperti penglihatan komputer (computer vision), pemrosesan bahasa alami (natural language processing), bioinformatika, komputasi citra medis, robotika otonom, dan telekomunikasi.^{[1][2][3][4][5]}

Sebagian besar cabang tersebut berakar dari rekayasa komputer, rekayasa listrik, ilmu komputer, dan bioengineering. Dasar utama bidang ini sangat bergantung pada matematika dan teknik, khususnya dalam probabilitas, statistik, kalkulus, aljabar linear, optimasi, dan analisis diferensial. Para insinyur informasi biasanya memiliki gelar di bidang rekayasa informasi atau bidang terkait, dan sering menjadi anggota lembaga profesional seperti Institution of Engineering and Technology atau Institute of Measurement and Control.^[6][7][8] Karena penerapannya luas, profesi ini dibutuhkan di hampir semua industri modern.

Sejarah

Pada tahun 1980–1990-an, istilah information engineering merujuk pada area dalam rekayasa perangkat lunak, yang kini dikenal sebagai rekayasa data (data engineering) pada dekade 2010–2020.^[9]

Elemen Utama Rekayasa Informasi

• Pembelajaran Mesin dan Statistik (Machine Learning and Statistics) merupakan Bidang ini menggunakan metode statistik dan probabilistik agar komputer dapat belajar dari data tanpa pemrograman langsung.^[10] Cakupannya meliputi deep learning, supervised learning, unsupervised learning, dan reinforcement learning.

• Teori Kendali (Control Theory) Berhubungan dengan pengendalian sistem dinamis agar terhindar dari keterlambatan, lonjakan, atau ketidakstabilan.^[11]

• Pemrosesan Sinyal (Signal Processing) Mencakup pembuatan, analisis, dan pemanfaatan berbagai jenis sinyal, seperti citra, suara, sinyal listrik, atau biologis.^[12]

• Teori Informasi (Information Theory) Mempelajari cara menganalisis, mentransmisikan, dan menyimpan informasi. Subbidangnya termasuk coding dan data compression.^[13]

• Penglihatan Komputer (Computer Vision) Mengupayakan agar komputer dapat memahami data gambar dan video pada tingkat konseptual tinggi.^[14]

• Pemrosesan Bahasa Alami (Natural Language Processing) Berfokus pada kemampuan komputer memahami bahasa manusia, baik teks maupun suara.^[15]

• Bioinformatika (Bioinformatics) Berkaitan dengan analisis dan pemanfaatan data biologis, seperti genomik dan proteomik, termasuk komputasi citra medis.^[16]

• Cheminformatika (Cheminformatics) Mengelola dan menganalisis data kimia untuk berbagai tujuan riset dan industri.^[17]

• Robotika (Robotics) Dalam konteks rekayasa informasi, fokus utamanya pada algoritma dan perangkat lunak untuk mengendalikan robot otonom dan bergerak, mencakup bidang seperti control, perception, SLAM, dan motion planning.^[18][19]

Alat

Pada masa lalu, beberapa bidang dalam rekayasa informasi, seperti pemrosesan sinyal, masih menggunakan elektronika analog. Namun, saat ini sebagian besar proses dalam rekayasa informasi telah beralih ke penggunaan komputer digital.^[20] Banyak tugas dalam bidang ini dapat dijalankan secara paralel, sehingga kini rekayasa informasi umumnya dilakukan menggunakan CPU, GPU, dan akselerator kecerdasan buatan (AI accelerators).

Selain itu, berkembang pula minat terhadap pemanfaatan komputer kuantum untuk sejumlah subbidang rekayasa informasi, seperti pembelajaran mesin (machine learning) dan robotika.^[21][22]

Referensi

1. 1 2 "Turing Talk | BCS". www.bcs.org. Diakses tanggal 2025-11-06.
2. 1 2 "IET events and courses". events.theiet.org (dalam bahasa Inggris). Diakses tanggal 2025-11-06.
3. 1 2 Roberts, Stephen. "Introduction to Information Engineering" (PDF). Oxford Information Engineering.
4. ↑ "Information Engineering". Department of Engineering (dalam bahasa Inggris). 2013-08-05. Diakses tanggal 2025-11-06.
5. ↑ "Information Engineering Research | Engineering Science Department | University of Oxford". info.eng.ox.ac.uk. Diakses tanggal 2025-11-06.
6. ↑ "Academic Partners and Affiliates 2017/2018 - The IET". www.theiet.org (dalam bahasa American English). Diakses tanggal 2025-11-06.
7. ↑ "Electronic and Information Engineering - Imperial College London". Times Higher Education (THE) (dalam bahasa Inggris). Diakses tanggal 2025-11-06.
8. ↑ "Accreditation of the MEng | CUED undergraduate teaching site". teaching.eng.cam.ac.uk. Diakses tanggal 2025-11-06.
9. ↑ Prayoga, J. (2019-11-30). "Perancangan Sistem Informasi Pengolahan Data Penjualan Secara Kredit dan Controlling Stock Dengan Menerapkan Metode Backorder Pada Toko Master Menggunakan Bahasa Pemrograman Java dan Database MySql". ALGORITMA : JURNAL ILMU KOMPUTER DAN INFORMATIKA. 3 (2): 78. doi:10.30829/algoritma.v3i2.6439. ISSN 2598-6341.
10. ↑ Bishop, Christopher M. (2006). Pattern recognition and machine learning. Information science and statistics. New York: Springer. ISBN 978-0-387-31073-2.
11. ↑ Nise, Norman S. (2015). Control systems engineering (Edisi Seventh edition). Hoboken, NJ: Wiley. ISBN 978-1-118-17051-9.
12. ↑ Lyons, Richard G. (2011). Understanding digital signal processing (Edisi 3rd ed). Upper Saddle River, NJ: Prentice Hall. ISBN 978-0-13-702741-5.
13. ↑ Cover, Thomas M.; Thomas, Joy A. (2006). Elements of information theory (Edisi 2nd ed). Hoboken, N.J: Wiley-Interscience. ISBN 978-0-471-24195-9.
14. ↑ Davies, E. R. (2018). Computer vision: principles, algorithms, applications, learning (Edisi Fifth edition). London, United Kingdom ; Cambridge, MA, United States: Elsevier/Academic Press. ISBN 978-0-12-809284-2.
15. ↑ Jurafsky, Dan; Martin, James H. (2009). Speech and language processing: an introduction to natural language processing, computational linguistics, and speech recognition. Prentice Hall series in artificial intelligence (Edisi 2nd ed). Upper Saddle River, N.J: Pearson Prentice Hall. ISBN 978-0-13-187321-6.
16. ↑ Lesk, Arthur M. (2014). Introduction to bioinformatics (Edisi 4th ed). Oxford (GB): Oxford university press. ISBN 978-0-19-965156-6.
17. ↑ Leach, Andrew R.; Gillet, Valerie J. (2007). An introduction to chemoinformatics (Edisi Rev. ed). Dordrecht: Springer Netherlands. ISBN 978-1-4020-6290-2.
18. ↑ Siegwart, Roland; Nourbakhsh, Illah Reza; Scaramuzza, Davide (2011). Introduction to autonomous mobile robots. Intelligent robotics and autonomous agents (Edisi 2nd ed). Cambridge, Mass: MIT Press. ISBN 978-0-262-01535-6.
19. ↑ Kelly, Alonzo (2013). Mobile robotics: mathematics, models and methods. New York, NY, USA: Cambridge University Press. ISBN 978-1-107-03115-9.
20. ↑ "How the GPU became the heart of AI and machine learning". ZDNET (dalam bahasa Inggris). Diakses tanggal 2025-11-06.
21. ↑ Wittek, Peter (2014). Quantum machine learning: what quantum computing means to data mining. Elsevier insights (Edisi First edition). Amsterdam: Elsevier / Academic Press. ISBN 978-0-12-810040-0.
22. ↑ Schuld, Maria (2018). Supervised Learning with Quantum Computers. Quantum Science and Technology Ser. Francesco Petruccione. Cham: Springer. ISBN 978-3-319-96423-2.

Artikel ini tidak memiliki konten kategori. Bantulah dengan menambah kategori yang sesuai sehingga artikel ini terkategori dengan artikel lain yang sejenis.