Blog Diez-202

Model Linear

noreply@blogger.com (Riyadi Budiman) — Wed, 6 Nov 2019 23:30:00 +0700

Curve Fitting and Error Function

Salah satu bentuk utility function untuk model matematis bernama error function. Fungsi ini sudah banyak diceritakan pada bab-bab sebelumnya secara deskriptif. Mulai bab ini, kamu akan mendapatkan pengertian lebih jelas secara matematis.

Error function paling mudah dijelaskan dalam permasalahan regresi. Diberikan (x, y) ∈ R sebagai random variable. Terdapat sebuah fungsi f(x) → y, yang memetakan x ke y, berbentuk seperti pada Gambar 5.1. sekarang fungsi f(x) tersebut disembunyikan (tidak diketahui), diberikan contoh-contoh pasangan (xi , yi); i = 1, 2, ..., 6 adalah titik pada dua dimensi (titik sampel), seperti lingkaran berwarna biru. Tugasmu adalah untuk mencari tahu f(x)! Dengan kata lain, kita harus mampu memprediksi sebuah bilangan riil y, diberikan suatu x.

Kamu berasumsi bahwa fungsi f(x) dapat diaproksimasi dengan fungsi linear g(x) = xw + b. Artinya, kamu ingin mencari w dan b yang memberikan nilai sedemikian sehingga g(x) mirip dengan f(x). w adalah parameter sementara b adalah bias. Anggap kamu sudah berhasil melakukan pendekatan dan 5 Model Linear.

Gambar 5.1 Contoh Fungsi Sigmoid

menghasilkan fungsi linear g(x); seperti Gambar 5.2 (garis berwarna hijau). Akan tetapi, fungsi approksimasi ini tidak 100% tepat sesuai dengan fungsi aslinya (ini perlu ditekankan)1 . Jarak antara titik biru terhadap garis hijau disebut error.

Gambar 5.2 Pendekatan fungsi Signoid

Salah satu cara menghitung error fungsi g(x) adalah menggunakan squared error function dengan bentuk konseptual pada persamaan 5.1. Estimasi terhadap persamaan tersebut disajikan dalam bentuk diskrit pada persamaan 5.2. (xi , yi) adalah pasangan training data (input - desired output). Nilai squared error dapat menjadi tolak ukur untuk membandingkan kinerja suatu learning machine (model). Secara umum, bila nilainya tinggi, maka kinerja dianggap relatif buruk; sebaliknya bila rendah, kinerja dianggap relatif baik. Hal ini sesuai dengan konsep intelligent agent [5].

Binary Classification

Binary classification adalah mengklasifikasikan data menjadi dua kelas (binary). Contoh model linear sederhana untuk binary classification diberikan pada persamaan 5.6. Perhatikan, pada persamaan 5.6, suatu data direpresentasikan sebagai feature vector x, dan terdapat bias2 b. Klasifikasi dilakukan dengan melewatkan data pada fungsi yang memiliki parameter. Fungsi tersebut menghitung bobot setiap fitur pada vektor dengan mengalikannya dengan parameter (dot product). Persamaan 5.6 dapat ditulis kembali sebagai persamaan 5.7, dimana xi merupakan elemen ke-i dari vektor x. Fungsi ini memiliki range [−∞, ∞]. Pada saat ini, kamu mungkin bingung. Bagaimana mungkin fungsi regresi yang menghasilkan nilai kontinu digunakan untuk klasifikasi kelas kategorial. Kita dapat menggunakan thresholding, atau dengan memberikan batas nilai tertentu. Misal, bila f(x) > threshold maka dimasukkan ke kelas pertama; dan sebaliknya f(x) ≤ threshold dimasukkan ke kelas kedua. Threshold menjadi bidang pembatas antara kelas satu dan kelas kedua (decision boundary, Gambar 5.3). Pada umumnya, teknik threshold diterapkan dengan menggunakan fungsi sign (sgn, Gambar 5.4) untuk merubah nilai fungsi menjadi [−1, 1] sebagai output (persamaan 5.8); dimana −1 merepresentasikan input dikategorikan ke kelas pertama dan nilai 1 merepresentasikan input dikategorikan ke kelas kedua.

Seperti halnya fungsi regresi, kita juga dapat menghitung performa binary classifier sederhana ini menggunakan squared error function (umumnya menggunakan akurasi), dimana nilai target fungsi berada pada range [−1, 1]. Secara sederhana, model binary classifier mencari decision boundary, yaitu garis (secara lebih umum, hyperplane) pemisah antara kelas satu dan lainnya. Sebagai contoh, garis hitam pada Gambar 5.3 adalah decision boundary.

Log-linear Binary Classification

Pada subbab sebelumnya, telah dijelaskan fungsi binary classifier memetakan data menjadi nilai [−1, 1], dengan −1 merepresentasikan kelas pertama dan 1 merepresentasikan kelas kedua. Tidak hanya kelas yang berkorespondensi,
5.3 Log-linear Binary Classification

Gambar 5.3 Contoh Decision Boundary

Gambar 5.4 Fungsi Sign

Fungsi sign kita juga terkadang ingin tahu seberapa besar peluang data tergolong pada kelas tersebut. Salah satu alternatif adalah dengan menggunakan fungsi sigmoid dibanding fungsi sign untuk merubah nilai fungsi menjadi [0, 1] yang merepresentasikan peluang data diklasifikasikan sebagai kelas tertentu (1 - nilai peluang, untuk kelas lainnya). Konsep ini dituangkan menjadi persamaan 5.9, dimana y merepresentasikan probabilitas input x digolongkan ke kelas tertentu, x merepresentasikan data (feature vector ), dan b merepresentasikan bias. Ingat kembali materi bab 4, algoritma Naive Bayes melakukan hal serupa3 . Hasil fungsi sigmoid, apabila di-plot maka akan berbentuk seperti Gambar 5.1 (berbentuk karakter “S”).

Menggunakan nilai peluang untuk klasifikasi 64 5 Model Linear Perhatikan, persamaan 5.9 juga dapat diganti dengan persamaan 5.10 yang dikenal juga sebagai fungsi logistik.
y = logistik(f(x)) = e (x·w+b) 1 + e (x·w+b) (5.10)

Nilai y ini diasosiasikan dengan suatu kelas. y adalah nilai probabilitas data masuk ke suatu kelas. Sebagai contoh, kita ingin nilai y = 1 apabila data cocok masuk ke kelas pertama dan y = 0 apabila masuk ke kelas kedua. Ketika fungsi machine learning menghasilkan nilai berbentuk probabilitas, kita dapat menggunakan cross entropy sebagai utility function. Persamaan 5.11 adalah cara menghitung cross entropy, dimana P(ci) melambangkan probabilitas input diklasifikasikan ke kelas ci dan N melambangkan banyaknya kelas. Untuk binary classification, P(c1) = 1 − P(c2).

Kita ingin meminimalkan nilai cross entropy untuk model pembelajaran mesin yang baik. Ingat kembali materi teori informasi, nilai entropy yang rendah melambangkan distribusi tidak uniform. Sementara, nilai entropy yang tinggi melambangkan distribusi lebih uniform. Artinya, nilai cross entropy yang rendah melambangkan high confidence saat melakukan klasifikasi. Kita ingin model kita sebiasa mungkin menghasilkan output bernilai 1 untuk mendiskriminasi seluruh data yang masuk ke kelas pertama, dan 0 untuk kelas lainnya. Dengan kata lain, model dapat mendiskriminasi data dengan pasti. Dengan analogi, kita ingin fungsi logistik kita berbentuk semirip mungkin dengan fungsi sign untuk high confidence. Cross entropy bernilai tinggi apabila perbedaan nilai probabilitas masuk ke kelas satu dan kelas lainnya tidak jauh, e.g., P(c1) = 0.6 & P(c2) = 0.4. Semakin rendah nilai cross entropy, kita bisa meningkatkan “keyakinan” kita terhadap kemampuan klasifikasi model pembelajaran mesin, yaitu perbedaan nilai probabilitas masuk ke kelas satu dan kelas lainnya tinggi, e.g., P(c1) = 0.8 & P(c2) = 0.2.

Multi-class Classification

Subbab ini akan membahas tentang multi-class classification, dimana terdapat lebih dari dua kemungkinan kelas. Terdapat himpunan kelas C beranggotakan {c1, c2, . . . , cK}. Untuk suatu data dengan representasikan feature vector -nya, kita ingin mencari tahu kelas yang berkorespondesi untuk data tersebut. Contoh permasalahan ini adalah mengklasifikasi gambar untuk tiga kelas: apel, jeruk, atau mangga. Cara sederhana adalah memiliki tiga buah vektor parameter dan bias berbeda, wapel, wjeruk, wmangga, dan bias b{apel,jeruk,mangga}. Untuk menentukan suatu data masuk ke kelas mana, kita 5.4 Multi-class Classification 65 dapat memprediksi skor tertinggi yang diberikan oleh operasi feature vector terhadap masing-masing vektor parameter. Konsep matematisnya diberikan pada persamaan 5.12, dimana ˆc adalah kelas terpilih (keputusan), yaitu kelas yang memiliki nilai tertinggi. C melambangkan himpunan kelas.

Tiga set parameter wci dapat disusun sedemikian rupa sebagai matriks W ∈ R d×3 , dimana d adalah dimensi feature vector (x ∈ R 1×d ). Demikian pula kita dapat susun bias menjadi vektor b ∈ R 1×3 berdimensi tiga. Dengan demikian, persamaan 5.12 dapat ditulis kembali sebagai persamaan 5.13, dimana c adalah vektor yang memuat nilai fungsi terhadap seluruh kelas. Kita memprediksi kelas berdasarkan indeks elemen c yang memiliki nilai terbesar (Persamaan 5.14). Analogika, seperti memilih kelas dengan nilai likelihood tertinggi.

Seperti yang diceritakan pada subbab berikutnya, kita mungkin juga tertarik dengan probabilitas masing-masing kelas, bukan hanya likelihood-nya. Kita dapat menggunakan fungsi softmax 4 untuk hal ini. Fungsi softmax mentransformasi c agar jumlah semua nilainya berada pada range [0, 1]. Dengan itu, c dapat diinterpretasikan sebagai distribusi probabilitas. Konsep ini dituangkan pada persamaan 5.15, dimana ci adalah elemen vektor ke-i, melambangkan probabilitas masuk ke kelas ke-i.

Karena output fungsi berupa distribusi probabilitas, kita juga dapat menghitung loss menggunakan cross entropy. Seperti yang sudah dijelaskan sebelumnya pada binary classification, kita ingin hasil perhitungan cross entropy sekecil mungkin karena meminimalkan nilai cross entropy meningkatkan confidence saat proses klasifikasi. Hal ini dapat dianalogikan dengan jargon “winner takes it all”. Sebagai ilustrasi, lihatlah Gambar 5.5. Kita ingin agar bentuk distribusi probabilitas output kelas (c) condong ke salah satu sisi saja.

Multi-label Classification

Seperti halnya multi-class classification, kita dapat mendekomposisi multilabel classification menjadi beberapa binary classifier (analogi persamaan 5.12). Yang membedakan multi-class dan multi-label adalah output c. Pada multiclass classification, ci ∈ c melambangkan probabilitas suatu instans masuk ke kelas ci . Keputusan akhir class assignment didapatkan dari elemen c dengan nilai terbesar. Untuk multi-label classification nilai ci ∈ c melambangkan apakah suatu kelas masuk ke kelas ci atau tidak. Bedanya, kita boleh mengassign lebih dari satu kelas (atau tidak sama sekali). Misal ci ≥ 0.5, artinya kita anggap model tersebut layak masuk ke kelas ci , tanpa harus membandingannya dengan nilai cj (i 6= j) lain. Inilah yang dimaksud dengan prinsip mutual exclusivity. Perhatikan Gambar 5.8 sebagai ilustrasi, dimana “1” melambangkan class assignment.

Sekali lagi, nilai ci ∈ c bernilai [0, 1] tetapi keputusan klasifikasi apakah suatu kelas masuk ke dalam ci tidak bergantung pada nilai cj (i 6= j) lainnya. Berdasarkan prinsip mutual exclusivity, output c pada classifier 5.7 tidak ditransformasi menggunakan softmax. Pada umumnya, multi-label classifier melewatkan output c ke dalam fungsi sigmoid. Dengan demikian, persamaan 5.15 diganti menjadi persamaan 5.16 pada multi-label classifier.

Berhubung cara menginterpretasikan output berbeda dengan multi-class classification, cara evaluasi kinerja juga berbeda. Ada dua pendekatan evaluasi pada multi-label classification. Pertama, kita evaluasi kinerja binary classification untuk setiap kelas. Pada pendekatan ini, seolah-olah kita memiliki banyak binary classifiers untuk melakukan klasifikasi. Kedua, kita dapat mengevaluasi kinerja multi-label classification itu sendiri. Perhatikan Gambar 5.9! Pendekatan pertama ibarat membandingkan kolom desired output untuk masing-masing kelas dengan prediction yang berkorespondensi. Pada pendekatan kedua, kita membandingkan baris untuk tiap-tiap prediksi (seperti biasa). Saat kita membandingkan tiap-tiap baris prediksi, kita bisa jadi mendapatkan prediksi tipe exact match (seluruh prediksi sama dengan desired output), partially correct (sebagian prediksi sama dengan desired output) atau complete incorrect (tidak ada prediksi yang sama dengan desired output). Dengan ini, evaluasi multi-label classification relatif lebih kompleks dibanding multi-class classification biasa. Untuk mendapatkan multi-label classification accuracy, kita dapat menghitung berapa seberapa banyak exact match dibandingkan jumlah instans (walaupun hal ini terlalu ketat). Selain itu, kita dapat menghitung loss menggunakan cross entropy untuk mengevaluasi kinerja saat melatih multi-label classifier, layaknya multi-class classifier.

Pembelajaran sebagai Permasalahan Optimisasi

Salah satu tujuan dari pembelajaran (training) adalah untuk meminimalkan error sehingga kinerja learning machine (model) diukur oleh squared error. Dengan kata lain, utility function adalah meminimalkan squared error. Secara lebih umum, kita ingin meminimalkan/memaksimalkan suatu fungsi yang dijadikan tolak ukur kinerja (utility function), diilustrasikan pada persamaan 5.17, dimana θ adalah learning parameter 5 , dan L adalah loss function. Perubahan parameter dapat menyebabkan perubahan loss. Karena itu, loss function memiliki θ sebagai parameternya.

dimana ˆθ adalah nilai parameter paling optimal. Perhatikan, “arg min” dapat juga diganti dengan “arg max” tergantung optimisasi apa yang ingin dilakukan.

Model Linear Sekarang, mari kita hubungkan dengan contoh yang sudah diberikan pada subbab sebelumnya. Kita coba melakukan estimasi minimum squared error, dengan mencari nilai learning parameters w yang meminimalkan nilai error pada model linear (persamaan 5.18)6 . Parameter model pembelajaran mesin biasanya diinisialisasi secara acak atau menggunakan distribusi tertentu. Terdapat beberapa cara untuk memimalkan squared error. Yang penulis akan bahas adalah stochastic gradient descent method 7 . Selanjutnya apda buku ini, istilah gradient descent, gradient-based method dan stochastic gradient descent mengacu pada hal yang sama.

Bayangkan kamu sedang berada di puncak pegunungan. Kamu ingin mencari titik terendah pegunungan tersebut. Kamu tidak dapat melihat keseluruhan pegunungan, jadi yang kamu lakukan adalah mencari titik terendah (lokal) sejauh mata memandang, kemudian menuju titik tersebut dan menganggapnya sebagai titik terendah (global). Layaknya asumsi sebelumnya, kamu juga turun menuju titik terendah dengan cara melalui jalanan dengan kemiringan paling tajam, dengan anggapan bisa lebih cepat menuju ke titik terendah [9]. Sebagai ilustrasi, perhatikan Gambar 5.10!

Stochastic Gradient Descent Jalanan dengan kemiringan paling tajam adalah −grad E(w), dimana E(w) adalah nilai error saat model memiliki parameter w. Dengan definisi grad E(w) diberikan pada persamaan 5.19 dan persamaan 5.20, dimana wi adalah nilai elemen vektor ke-i.

Batasan Model Linier

Model linear, walaupun mudah dimengerti, memiliki beberapa batasan. Ada dua batasan paling kentara [17]: (1) additive assumption dan (2) linear assumption. Additive assumption berarti model linear menganggap hubungan antara input dan output adalah linear. Artinya, perubahan nilai pada suatu fitur xi pada input x akan merubah nilai output secara independen terhadap fitur lainnya. Hal ini terkadang berakibat fatal karena fitur satu dan fitur lainnya dapat berinteraksi satu sama lain. Solusi sederhana untuk permasalahan ini adalah dengan memodelkan interaksi antar-fitur, seperti diilustrasikan pada persamaan 5.24 untuk input yang tersusun atas dua fitur.

Dengan persamaan 5.24, apabila x1 berubah, maka kontribusi x2 terhadap output juga akan berubah (dan sebaliknya). Akan tetapi, seringkali interaksi antar-fitur tidaklah sesederhana ini. Misal, semua fitur berinteraksi satu sama lain secara non-linear. Linear assumption berarti perubahan pada suatu fitur xi mengakibatkan perubahan yang konstan terhadap output, walaupun seberapa besar/kecil nilai xi tersebut. Seringkali, perubahan pada output sesungguhnya bergantung juga pada nilai xi itu sendiri, bukan hanya pada delta xi . Solusi sederhana untuk permasalahan ini adalah memodelkan fungsi linear sebagai fungsi polinomial dengan orde (M) tertentu, diilustrasikan pada persamaan 5.25. Akan tetapi, pemodelan inipun tidaklah sempurna karena rawan overfitting.

Asumsi yang sebelumnya dijelaskan pada pemodelan polinomial, dapat diekstensi menjadi generalized additive model (GAM) untuk mengatasi masalah linear assumption, seperti diilustrasikan pada persamaan 5.26 [17]. Artinya, kita melewatkan setiap fitur xi pada suatu fungsi gi , sehingga delta xi tidak mengakibatkan perubahan yang konstan terhadap output. Ekstensi ini dapat memodelkan hubungan non-linear antara fitur dan output.

Tetapi, GAM masih saja memiliki batasan additive assumption. Dengan demikian, interaksi antar-variabel tidak dapat dimodelkan dengan baik.

Overfitting dan Underfitting

Tujuan machine learning adalah membuat model yang mampu memprediksi data yang belum pernah dilihat (unseen instances) dengan tepat; disebut sebagai generalisasi (generalization). Seperti yang sudah dijelaskan pada bab pertama, kita dapat membagi dataset menjadi training, development, dan testing dataset. Ketiga dataset ini berasal dari populasi yang sama dan dihasilkan oleh distribusi yang sama (identically and independently distributed). Dalam artian, ketiga jenis dataset mampu melambangkan (merepresentasikan) karakteristik yang sama8 . Dengan demikian, kita ingin loss atau error pada training, development, dan testing bernilai kurang lebih bernilai sama (i.e., kinerja yang sama untuk data dengan karakteristik yang sama). Akan tetapi, underfitting dan overfitting mungkin terjadi. Underfitting adalah keadaan ketika kinerja model bernilai buruk baik pada training atau development maupun testing data. Overfitting adalah keadaan ketika kinerja model bernilai baik untuk training tetapi buruk pada unseen data. Hal ini diilustrasikan pada Gambar 5.14. Underfitting terjadi akibat model yang terlalu tidak fleksibel, yaitu memiliki kemampuan yang rendah untuk mengestimasi variasi fungsi. Sedangkan, overfitting terjadi ketika model terlalu fleksibel, yaitu memiliki kemampuan yang terlalu tinggi untuk mengestimasi banyak fungsi atau terlalu mencocokkan diri terhadap training data. Perhatikan kembali Gambar 5.14, dataset asli diambil (sampled) dari fungsi polinomial orde-3. Model underfitting hanya mampu mengestimasi dalam orde-1 (kemampuan terlalu rendah), sedangkan model overfitting mampu mengestimasi sampai orde-9 (kemampuan terlalu tinggi). Apabila kita gambarkan grafik kinerja terhadap konfigurasi model (model order ), fenomena underfitting dan overfitting dapat diilustrasikan seperti Gambar 5.15. Model yang ideal adalah model yang memiliki kinerja yang baik pada training, development, dan testing data. Artinya, kita ingin perbedaan kinerja model pada berbagai dataset bernilai sekecil mungkin. Untuk menghindari overfitting atau underfitting, kita dapat menambahkan fungsi noise/bias (selanjutnya disebut noise/bias saja) dan regularisasi (subbab 5.9). Hal yang paling perlu pembaca pahami adalah untuk jangan merasa senang ketika model machine learning yang kamu buat memiliki kinerja baik pada training data. Kamu harus mengecek pada development dan testing data, serta memastikan kesamaan karakteristik data, e.g., apakah training dan testing data benar diambil dari distribusi yang sama. Selain itu, kamu juga harus memastikan apakah data yang digunakan mampu merepresentasikan kompleksitas pada permasalahan asli/dunia nyata. Sering kali, dataset yang digunakan pada banyak eksperimen adalah toy dataset, semacam simplifikasi permasalahan dengan jumlah instans yang relatif sedikit. Kamu harus hatihati terhadap overclaiming, i.e., menjustifikasi model dengan performa baik pada toy dataset sebagai model yang baik secara umum.

Algoritma Dasar

noreply@blogger.com (Riyadi Budiman) — Tue, 22 Oct 2019 18:19:00 +0700

Algoritma adalah suatu urutan dari beberapa langkah logis dan sistematis yang digunakan untuk menyelesaikan masalah tertentu. Proses atau serangkaian aturan yang harus diikuti dalam perhitungan atau operasi pemecahan masalah lainnya, terutama oleh komputer. Dengan kata lain, semua susunan logis yang diurutkan berdasarkan sistematika tertentu dan digunakan untuk memecahkan suatu masalah dapat disebut dengan algoritma.

Algoritma Sekuensial (Sequence Algorithm)
Sequence algorithm atau algoritma sekuensial merupakan algoritma yang langkah-langkahnya secara urut dari awal hingga akhir. Langkah demi langkah yang dijalankan harus urut dari atas sampai bawah.

Algoritma Perulangan (Looping Algorithm)
Looping algorithm atau algoritma perulangan merupakan suatu algoritma yang menjalankan beberapa langkah tertentu secara berulang-ulang atau looping. Pada masalah yang kita hadapi, ada pula sebuah langkah yang harus kita lakukan secara berulang-ulang.

Algoritma Percabangan atau Bersyarat (Conditional Algorithm)
Conditional algorithm atau algoritma bersyarat merupakan algoritma yang menjalankan langkah berikutnya apabila terdapat syarat yang sudah dapat dipenuhi.

Naive Bayes
Klasifikasi merupakan proses pengolompokan suatu data guna membedakan antar kelas dan kategori yang berbeda-beda. Membedakan suatu nilai kedalam kelas atau kategori. Naive Bayes adalah algoritma supervised learning yang sangat sederhana. Metode klasifikasi naive bayes atau bisa disebut klasifikasi gaussian ialah metode klasifikasi suatu nilai yang digunakan untuk menebak suatu nilai probabilitas dari kelas yang akan dideteksi.

Perhitungan Naïve Bayes
Teori Naive Bayes yaitu :
𝑃.(𝑌│𝑋)= (𝑃.(𝑋 ┤|𝑌) . 𝑃(𝑋))/(𝑃(𝑌))
Keterangan Rumus :
P ( Y |X ) : Peluang diketahui jenis Y jika diketahui keadaan jenis X.
P ( X | Y ) : Peluang fakta X jika diketaui hipotesia Y
P (Y) : Probabilitas hipotesia Y tanpa melihat fakta lainnya.
P ( X) : Peluang fakta jenis X.

K-means
Pada supervised learning kita mengetahui kelas data untuk setiap feature vector, sedangkan untuk unsupervised learning kita tidak tahu. Tujuan unsupervised learning salah satunya adalah melakukan clustering. Yaitu mengelompokkan data-data dengan karakter mirip. Untuk melakukan pembelajaran menggunakan K-means.

Langkah-langkah algoritma K-means :
Tentukan jumlah kelompok yang kita inginkan.
Inisiasi centroid untuk setiap kelompok (pada bab ini, secara acak). Centroid adalah data yang merepresentasikan suatu kelompok (ibaratnya ketua kelompok).
Hitung kedekatan suatu data terhadap centroid, kemudian masukkan data tersebut ke kelompok yang centroid-nya memiliki sifat terdekat dengan dirinya.
Pilih kembali centroid untuk masing-masing kelompok, yaitu dari anggota kelompok tersebut (semacam memilih ketua yang baru).
Ulangi langkah-langkah sebelumnya sampai tidak ada perubahan anggota untuk semua kelompok.

K-nearest-neighbor
K-nearest-neighbor (KNN) adalah mengelompokkan data ke kelompok yang memiliki sifat termirip dengannya Hal ini sangat mirip dengan Kmeans. Bila K-means digunakan untuk clustering, KNN digunakan untuk klasikasi. Algoritma klasikasi ini disebut juga algoritma malas karena tidak mempelajari cara mengkategorikan data, melainkan hanya mengingat data yang sudah ada KNN mencari K feature vector dengan sifat termirip, kemudian mengelompokkan data baru ke kelompok feature vector tersebut.

Data Mining, Data Analysis dan Data Science

noreply@blogger.com (Riyadi Budiman) — Tue, 8 Oct 2019 23:00:00 +0700

Persamaan antara data mining, data analysis dan data science.

Dari ketiganya sama-sama berfungsi untuk mengumpulkan dan mengelola data agar menjadi sebuah informasi yang berguna untuk membantu perusahaan dalam membuat keputusan bisnis agar perusahaan nya menjadi lebih baik.

Jelaskan Hubungan antara Machine Learning, Deep Learning dan Artificial Intelligence.

Artificial Intelligence bisa diibaratkan payung yang lebih luas di mana Machine Learning (ML) dan Deep Learning (DL) berada dalam lingkupnya. Diagram ini menunjukkan, ML adalah bagian dari AI, dan DL adalah bagian dari ML.

AI “Studi tentang pemodelan fungsi mental manusia oleh program komputer.” — Collins Dictionary

Artificial Intelligence atau Kecerdasan Buatan adalah istilah yang sangat luas yang bertujuan untuk membawa perilaku cerdas ke dalam mesin. Machine Learning dapat dianggap sebagai salah satu filosofi yang mana tujuan utamanya adalah, “bukan mesin pemrograman secara eksplisit, hanya memberi mereka data dan biarkan mereka belajar”.

Machine Learning adalah Sub dari Artificial Intelligence, Machine Learning dapat diartikan sebagai memberdayakan sistem komputer agar dapat "belajar" sendiri.

Tujuannya ML adalah agar memungkinkan mesin belajar sendiri menggunakan data yang disediakan dan membuat prediksi dengan akurat.

Deep Learning adalah pengembangan dari Machine Learning yang lebih canggih. dan termasuk juga bagian sub dari Machine Learning, karena seperti yang sudah disebutkan sebelumnya DL adalah bagian dari ML yang sudah di evolusi menjadi semakin canggih layaknya otak manusia bekerja.

Berikan Contoh Data yang berhubungan dengan data mining (Asosiasi, Klasifikasi, prediksi, dan Clustering) dan Analysis data yang sudah diambil.

Fungsi selanjutnya ialah fungsi asosiasi. Maksud dari fungsi asosiasi atau analisis asosiasi yaitu penggunaannya untuk menemukan kombinasi atau aturan assosiatif dari suatu data. Jadi data yang ada nantinya diproses sehingga akan menemukan informasi tentang hubungan variabel satu dengan lainnya.

Agar mudah dipahami, contoh permisalannya pada analisis pembelian barang di swalayan. Semisal dari data pembelian diproses dan ternyata memperoleh hasil hubungan antara pembelian mie dan kecap. Jika besar kemungkinan pelanggan membeli mie dan kecap secara bersamaan, maka pihak swalayan bisa memanfaatkan informasi tersebut untuk mengatur penempatan mie dan kecap.

Kecap bisa diletakkan di rak yang tidak jauh dari mie. Bisa juga menggunakan kecap sebagai bonus pemebelian mie atau bisa juga menggunakan cara lain, yang jelas menggambarkan bentuk hubungan mie dan kecap. Hal ini tentu saja menguntungkan.

Apa kaitannya antara Data Mining dan Data Science dan berikan masing-masing contohnya.

Data Mining adalah proses memilah-milah sejumlah data yang berkaitan (data set) untuk mengidentifikasi pola dan membangun hubungan untuk memecahkan masalah melalui analisa data.

Data science merupakan salah satu ilmu yang mempelajari bagaimana data tersebut diolah dan melakukan beberapa perubahan pada data untuk bisa mendapatkan informasi dari pengolahan data tersebut.

Apa yang dimaksud dengan data, big data, smart data, data science, bisnis intellegence, dan data arsitektur.

Big data menggambarkan data dalam jumlah yang banyak, baik yang tidak terstruktur dan terstruktur, yang dikumpulkan setiap hari. Big data ini kemudian dapat difilter, dan diubah menjadi smart data yang kemudian dianalisis dan digunakan untuk pengambilan keputusan. Smart data dapat digambarkan sebagai big data yang telah dibersihkan, difilter, dan disiapkan untuk keperluan tertentu.

Ada dua jenis Smart Data yang sering digunakan oleh data scientist di industri. Yang pertama adalah data yang diambil oleh sensor, lalu dikirim ke collection point, yang kemudian diolah, sebelum dikirim ke platform Analytics. Data ini bersumber dari smart sensor, terutama dalam sistem Internet Industrial of Things (IIoT). Yang kedua dari smart data adalah big data yang telah diproses dan sedang menunggu untuk diubah menjadi informasi yang dapat ditindaklanjuti. Istilah smart data merujuk kepada big data yang telah disaring dan diolah untuk digunakan sebagai informasi yang berguna.

Data science merupakan salah satu ilmu yang mempelajari bagaimana data tersebut diolah dan melakukan beberapa perubahan pada data untuk bisa mendapatkan informasi dari pengolahan data tersebut.

Business Intelligence merupakan proses pengumpulan data, penyediaan akses, serta analisa data. Business Intelligence dapat membantu suatu organisasi dalam mendapatkan informasi yang kemudian akan menjadi pengetahuan perusahaan tentang hal-hal yang berhubungan dengan perusahaan yang dapat mempengaruhi kinerja perusahaan sehingga dapat digunakan oleh organisasi dalam membantu pengambilan keputusan. Selain itu Business Intelligence juga dapat digunakan untuk membantu organisasi dalam mengetahui trend yang sedang terjadi sehingga dapat digunakan oleh organisasi dalam penentuan strategi perusahaan agar organisasi siap menghadapi trend pasar yang dinamis.

Arsitektur data terdiri dari model, kebijakan, aturan atau standar yang mengatur data mana yang dikumpulkan, dan bagaimana data itu disimpan, diatur, diintegrasikan, dan digunakan dalam sistem data dan dalam organisasi.

Data Warehouse adalah database yang berisi data dari beberapa sistem operasional yang terintegrasi dan terstruktur sehingga dapat digunakan untuk mendukung analisa dan proses pengambilan keputusan dalam bisnis.

Data Warehouse didesain untuk kita bisa melakukan query secara cepat. Informasi diturunkan dari data lain, dilakukan rolling up untuk dijadikan ringkasan, dilakukan operasi drilling down untuk mendapatkan informasi lebih detail, atau melihat pola yang menarik atau melihat trend (kecenderungan).

Penerapan Machine Learning pada kehidupan sehari-hari

noreply@blogger.com (Riyadi Budiman) — Tue, 1 Oct 2019 19:00:00 +0700

Carilah contoh-contoh penerapan machine learning pada kehidupan sehari-hari salain yang telah disebutkan!

Machine learning telah memperkuat semua proses otomatisasi dan tersebar di berbagai industri, mulai dari perusahaan keamanan yang memburu malware hingga perusahaan e-commerce yang menggunakannya untuk mempelajari produk yang paling disukai konsumen.

Rekomendasi produk pada marketplace.

Perkembangan teknologi menyebabkan penggunaan marketplace semakin diminati baik dari sisi penjual dan pembeli. Hampir semua orang menggunakan marketplace, misalnya Tokopedia, Bukalapak dan Shopee. Tiap detiknya bisa dipastikan terjadi transaksi antar pedagang dan pembeli. Untuk meningkatkan pengalaman pengguna, setiap akun perlu menampilkan rekomendasi produk yang sesuai dengan minat pembelian pembeli.

Algoritma dari machine learning memang kompleks, tapi masih sangat 'mesin', artinya ia hanya mampu melakukan apa yang telah dirancang oleh penciptanya. Tidak lebih, tidak kurang.

Mengapa mereka menggunakan teknik machine learning untuk menyelesaikan permasalahan tersebut?

Penggunaan teknik machine learning digunakan untuk melakukan itu secara otomatis dan realtime, tentunya machine learning sangat menentukan keakuratan rekomendasi produk tiap pembeli di akunnya.

Apakah tidak ada opsi teknik lainnya? Jelaskan bila ada!

Deep learning. Dalam istilah praktis, deep learning merupakan bagian dari machine learning. Secara spesifik, deep learning adalah evolusi selanjutnya dari machine learning. Lebih rumit namun lebih canggih.
Sebuah teknik machine learning perlu diberitahu untuk menciptakan prediksi akurat, dengan terus diberikan data. Sementara teknik deep learning dapat mempelajari metode komputasinya sendiri, dengan otaknya sendiri, apabila diibaratkan.

Sebuah teknik deep learning dirancang untuk terus menganalisis data dengan struktur logika yang mirip dengan bagaimana manusia mengambil keputusan. Untuk mencapai kemampuan itu, deep learning menggunakan struktur algoritma berlapis yang disebut artificial neural network (ANN).

Dikutip dari Zendesk, desain ANN terinspirasi dari jaringan neural biologis dari otak manusia. Hal ini membuat mesin kecerdasannya menjadi jauh lebih tangguh dibandingkan teknik machine learning standar.

Rumit memang untuk memastikan model deep learning yang diciptakan tidak memberikan kesimpulan yang tidak tepat. Tapi ketika ia telah bekerja dengan benar, maka fungsi deep learning akan menjadi terobosan yang berpotensi menjadi tulang belakang sebuah kecerdasan buatan sebenarnya.

Apa kelebihan dan kekurangan tekhik machine learning daripada tekhik lainnya?

Untuk membedakannya memang rumit. Tapi, untuk sederhananya, deep learning adalah bagian dari machine learning. Secara spesifik, deep learning adalah evolusi selanjutnya dari machine learning. Lebih rumit, dan lebih canggih.

Kekurangan dari teknik machine learning.

Machine learning perlu diberitahu untuk menciptakan prediksi akurat, dengan terus diberikan data.

Demam Flappy Bird Siap Jangkiti Pengguna Windows Phone

noreply@blogger.com (Riyadi Budiman) — Sat, 8 Feb 2014 20:34:00 +0700

Pada tau Flappy Bird kan?

Flappy Bird Game yang dirilis sejak Mei 2013 untuk perangkat berbasis iOS dan Android. Game ini mendadak populer dan ramai dibicarakan di media sosial pada awal 2014, bahkan media massa sekelas Time dan Forbes pun turut mengulas permainan ini.

Flappy Bird dibuat oleh Nguyen Ha Dong, berusia 29 tahun, asal Hanoi, Vietnam. Ia meluncurkan game Flappy Bird pada Mei 2013 di bawah bendera dotGears Studio, meskipun itu bukanlah nama sebuah perusahaan, dan hanya Dong sendirilah yang berada di Gears Studio.

Gambar olahan bernuansa lucu (meme) yang menggambarkan ekspresi memainkan Flappy Bird Menurut Dong, sebagian besar pengguna game Flappy Bird adalah anak-anak yang masih duduk di bangku sekolah. Ia mengucapkan terima kasih kepada mereka yang berbagi pengalaman memainkan Flappy Bird.

Flappy Bird merupakan game yang pemain mengendalikan laju terbang seekor burung melalui celah di antara dua pipa berwana hijau. Burung harus diterbangkan melewati pipa dengan cara mengetuk layar. Ritme dan timing harus diatur sedemikian rupa, agar si burung tak membentur pipa atau jatuh ke tanah dan 'game over'.

Walau terdengar mudah, Flappy Bird ternyata sangat sulit dimainkan. Namun justru itu yang menjadi daya pikatnya. Pemain akan ketagihan dan terus menerus mencoba agar mendapatkan skor yang lebih tinggi.

Dalam game ini, pengguna dapat membagikan skor mereka lewat pesan singkat (SMS), pesan elektronik (e-mail), serta media sosial Facebook dan Twitter. Bagi pemain, mendapatkan skor yang tinggi bisa jadi merupakan kebanggan tersendiri karena Flappy Bird merupakan salah satu game tersulit.

Setelah hadir untuk perangkat Android dan iOS, game yang cukup membuat penasaran ini, bakal mendarat di platform Windows Phone dalam waktu dekat ini.

Hal ini diketahui dari kicauan salah satu pengembang Flappy Bird, Dong Nguyen lewat akun Twitter miliknya, @dongatory.

Dong menyebutkan,game bergaya retro itu sedang berada di tahap pengujian oleh tim Microsoft agar bisa tersedia di toko aplikasi Windows Store, demikian lansir PhoneArena.

Flappy Bird juga sudah bisa dimainkan dengan PC dengan cara mengakses situsnya Flappy Bird

Tutorial Instal Mod dan Custom Content The Sims 3

noreply@blogger.com (Riyadi Budiman) — Sun, 26 Jan 2014 03:09:00 +0700

Versi Base Game Minimal 1.26 atau Lebih

Pada posting kali ini saya akan memberikan tutorial untuk Instal Custom Content The Sims 3 ke dalam The Sims 3 kalian. Caranya sangat mudah sekali untuk melakukan ini..

Mod/Costom Content bisa di download di TSR, MTS, atau bisa cari di google..

Tempat menaruh Mod/Custom Contentnya

Windows XP: C:\Documents and Settings\<user name>\My Documents\Electronic Arts\The Sims 3\
Windows 7/8/ Vista: C:\Users\<username>\Documents\Electronic Arts\The Sims 3\
Mac OS: /Users/<username>/Documents/Electronic Arts/The Sims 3

Untuk Mod/Custom Content jenis Sims3pack

Jika sudah download Mod/Custom Content Extrack File tersebut
Pindahkan sims3pack ke Users\username\Documents\Electronic Arts\The Sims 3\Downloads

Buka launcer The Sims 3

Klik downloads - Cari Mod/Custom Content yang sudah kalian masukkan tadi - Cek list - Install

setelah di install, lalu tunggu dulu proses instalnya

Setelah proses installnya selesai , periksa dahulu apakah successful Atau tidak. kalau sudah success kita lanjut..

Klik Installed Content - Cek list Run without Custom Content (Agar mod aktif saat dimainkan)

Untuk Mod/Costom Content jenis .World (Jarang ada File ini)

Pindahkan File .World ke C:/Program Files/Electronic Arts/The Sims 3/Gamedata/Shared/Nonpackages

Tapi setiap kamu akan download Mod periksa dahulu, apakah sesuai dengan The Sims 3 anda? biasakan membaca deskripsi sebelum download.
ada Mod yang membutuhkan EP/SP yang harus kamu miliki. Karena jika tidak punya, Mod tersebut tidak bekerja atau tidak akan muncul di the sims 3 anda.
Contohnya:
World & Rumah : pasti ada saja yang mengharuskan kita untuk memiliki salah satu EP/SP di the sims 3 Milik kita

Yang mungkin menyebabkan Mod Program Tidak bekerja :

Pada saat instal/pasang mod tersebut tidak benar - benar tepat.
Pastikan tidak ada Mod yang Versi lama.
Jika terdapat Mod dengan versi lama, kalian harus menghapus atau mengupdate Mod tersebut sesuai Versi Sims 3 kalian . hal itu menyebabkan Mod tidak bekerja.
Pastikan kembali Mod nya, jika terdapat Mod yang sama dengan Nama yang berbeda itu juga menyebabkan Mod tersebut tidak mau bekerja dalam game.

Mungkin itu saja, mungkin tutorial ini dapat membantu kalian.

Selamat Mencoba!

Tag: cara install Mod dan Custom Conten the sims 3, Pasang Mod dan Custom Conten di The sims 3, instal Mod The sims 3.

Jadwal Piala FA 15-26 Januari 2014

noreply@blogger.com (Riyadi Budiman) — Sat, 11 Jan 2014 23:26:00 +0700

Jadwal Pertandingan FA Cup 15 - 26 Januari 2014 - The Football Association Challenge Cup, umumnya dikenal sebagai Piala FA, adalah kompetisi sepak bola sistem gugur tahunan di Inggris dan merupakan kompetisi sepak bola tertua di dunia. Kompetisi ini dinamakan dan dijalankan langsung oleh Asosiasi Sepak Bola Inggris (FA) yang mengacu kepada klub-klub sepak bola pria yang ada di Inggris, sedangkan untuk wanita juga diadakan tetapi dengan nama yang berbeda. Saat ini Piala FA mendapat dukungan sponsor dari Budweiser.

Piala FA adalah turnamen sepakbola dengan sistem gugur atau knockout kompetisi di negara Inggris dan merupakan kompetisi asosiasi sepak bola tertua di dunia. FA Cup pertama kali diselenggarakan pada tahun 1871-1872.

Turnamen ini memungkinkan tim dari divisi yang lebih rendah untuk bersaing dengan tim dari divisi tertinggi liga Inggris untuk memenangkan Piala FA. Berikut Ini Jadwal Pertandingan Piala FA 15 - 26 Januari 2014.

Rabu, 15 Jan 2014

Charlton Athletic 02:45 Oxford United

Birmingham City 02:45 Bristol Rovers

AFC Bournemouth 02:45 Burton Albion

Watford 02:45 Bristol City

Peterborough United 02:45 Kidderminster Harriers

Milton Keynes Dons 02:45 Wigan Athletic

Fulham 02:45 Norwich City

Sheffield Wednesday 02:45 Macclesfield Town

Preston North End 02:45 Ipswich Town

Plymouth Argyle 02:45 Port Vale

Kamis, 16 Jan 2014

Manchester City 03:10 Blackburn Rovers

Sabtu, 25 Jan 2014

Arsenal 02:45 Coventry City

AFC Bournemouth 19:45 Liverpool

Sunderland 22:00 Kidderminster Harriers

Bolton Wanderers 22:00 Cardiff City

Southampton 22:00 Yeovil Town

Huddersfield Town 22:00 Charlton Athletic/Oxford United

Port Vale 22:00 Brighton & Hove Albion

Nottingham Forest 22:00 Preston North End

Southend United 22:00 Hull City

Rochdale 22:00 Sheffield Wednesday

Wigan Athletic 22:00 Crystal Palace

Manchester City 22:00 Watford

Minggu, 26 Jan 2014

Stevenage 00:30 Everton

Sheffield United 20:00 Fulham

Chelsea 22:30 Stoke City

Cukup sekian postingan saya kali ini mengenai Jadwal Piala FA 15 - 26 Januari 2014. Semoga dapat membantu Para Penggemar Sepakbola.

Daftar Peringkat Peraih Medali Sea Games Myanmar 2013

noreply@blogger.com (Riyadi Budiman) — Sat, 14 Dec 2013 17:16:00 +0700

Perhelatan dan Pesta Olahraga Negara - negara Asia Tenggara atau disebut Sea Games pada tahun 2013 ini diadakan di Myanmar. Nantinya akan digelar berbagai macam aneka Pertandingan Lomba dari berbagai cabang Olahraga tentunya dengan total 35 Cabang Olahraga, dan jumlah medali emas yang diperebutkan 460 Medali. Secara resmi Sea Games baru akan dibuka Rabu 11 Desember 2013 namun geliatnya sudah dimulai sejak 7 Desember lalu.

Berikut ini merupakan Daftar Olahraga yang dipertandingkan di ajang Sea Games 2013 ini :

1. Aquatic ( Swimming ) 19. Karate
2. Archery ( Panahan ) 20. Kenpo
3. Athletics 21. Muay Thai
4. Badminton 22. Pencak Silat
5. Basketball 23. Pétanque
6. Billiards dan Snooker 24. Rowing ( Dayung )
7. BodyBuilding ( Binaraga ) 25. Sailing ( Berlayar )
8. Boxing ( Tinju ) 26. Sepak Takraw
9. Canoeing ( Kano ) 27. Shooting ( Menembak )
10. Chinlone 28. Table Tennis ( Tenis Meja )
11. Chess ( Catur ) 29. Taekwondo
12. Cycling ( Balap Sepeda ) 30. Traditional Boat Race (Perahu Naga)
13. Equestrian ( Berkuda ) 31. Volleyball ( Bola Voli )
14. Futsal 32. Vovinam
15. Football ( Sepak Bola ) 33. Weightlifting ( Angkat Besi )
16. Golf 34. Wrestling ( Gulat )
17. Field hockey ( Hoki ) 35. Wushu
18. Judo

Sedangkan Partisipasi dan Peserta Sea Games ini sendiri merupakan negara-negara yang berada di Kawasan Asia Tenggara. Negara Peserta Sea Games 2013 ini diantaranya Indonesia, Malaysia, Singapura, Timor Leste, Filiphina, Thailand, Cambodia, Brunei Darussalam, Laos, Myanmar dan Vietnam. Dari 11 Negara tersebut diharapkan Indonesia mampu meraih banyak Medali Emas, Perak dan Perunggu agar menjadi Peringkat pertama dan Juara Umum di Pesta Olahraga Se Asia Tenggara ini. Roy Suryo Target Indonesia Hanya Raih 121 Medali Emas.

“SEA Games 2013 memperebutkan 460 medali emas. Target Indonesia hanya meraih 121 medali emas, itu hanya seperempat dari perolehan keseluruhan. Ini tidak aman untuk meraih juara umum,” tuturnya.

Disini Blog Diez-202 ingin memberi informasi tentang negara peraih medali atau peringkat klasemen Sea Games 2013 yang update dari Situs Resmi atau Offical Website Sea Games 2013.

Daftar Peringkat Perolehan Medali Sea Games Myanmar 2013.

Peringkat Negara Emas Perak Perunggu Jumlah

Thailand (THA) 107 94 81 282
Myanmar (MYA) 86 62 85 233
Vietnam (VIE) 73 86 86 245
Indonesia (INA) 65 84 111 260
Malaysia (MAS) 43 38 77 158
Singapura (SIN) 34 29 45 108
Filipina (PHI) 29 34 38 101
Laos (LAO) 13 17 49 79
Cambodia (CAM) 8 11 28 47
Timor Leste (TLS) 2 3 5 10
Brunei (BRU) 1 1 6 8

Total 461 459 611 1531

Daftar Peringkat Perolehan Medali Sea Games Myanmar 2013 ini diupdate setiap harinya. ^_^

Protokol dan OSI

noreply@blogger.com (Riyadi Budiman) — Sun, 10 Nov 2013 18:32:00 +0700

PROTOKOL dan OSI - Blog Diez-202
Sekarang saya akan membahas tentang Protokol dan OSI, saya membuat artikel ini bertujuan agar sobat - sobat yang membaca artikel ini mengenal apa itu Protokol dan OSI..

Langsung saja ke Pembahasan..

Protokol adalah sebuah aturan atau standar yang mengatur atau mengijinkan terjadinya hubungan, komunikasi, dan perpindahan data antara dua atau lebih titik komputer. Protokol dapat diterapkan pada perangkat keras, perangkat lunak atau kombinasi dari keduanya.

Model OSI

Model referensi jaringan terbuka OSI atau OSI Reference Model for open networking adalah sebuah model arsitektural jaringan yang dikembangkan oleh badan International Organization for Standardization (ISO) di Eropa pada tahun 1977. OSI sendiri merupakan singkatan dari Open System Interconnection. Model ini disebut juga dengan model "Model tujuh lapis OSI" (OSI seven layer model).

Mengapa ada OSI ?? ....

Sebelum munculnya model referensi OSI, sistem jaringan komputer sangat tergantung kepada pemasok (vendor). OSI berupaya membentuk standar umum jaringan komputer untuk menunjang interoperatibilitas antar pemasok yang berbeda. Dalam suatu jaringan yang besar biasanya terdapat banyak protokol jaringan yang berbeda. Tidak adanya suatu protokol yang sama, membuat banyak perangkat tidak bisa saling berkomunikasi.

OSI Reference Model pun akhirnya dilihat sebagai sebuah model ideal dari koneksi logis yang harus terjadi agar komunikasi data dalam jaringan dapat berlangsung. Beberapa protokol yang digunakan dalam dunia nyata, semacam TCP/IP, DECnet dan IBM Systems Network Architecture (SNA) memetakan tumpukan protokol (protocol stack) mereka ke OSI Reference Model. OSI Reference Model pun digunakan sebagai titik awal untuk mempelajari bagaimana beberapa protokol jaringan di dalam sebuah kumpulan protokol dapat berfungsi dan berinteraksi.

Perkembangan Sistem Operasi Jaringan

noreply@blogger.com (Riyadi Budiman) — Fri, 1 Nov 2013 16:39:00 +0700

1. Sistem Operasi Jaringan Berbasis Windows :

a. Windows for Workgroups

Windows for Workgroups adalah versi Windows 3.1 yang dirilis pada tahun bulan Oktober 1992 yang sudah tercakup di dalamnya komponen jaringan komputer.

b. Windows NT 3.1

adalah merupakan produk pertama dari jajaran Sistem OperasiServer Microsoft Windows NT. Produk ini mulai diproduksi tanggal 27 Juli 1993. Tersedia dalam 2 versi, yaitu : Windows NT 3.1 dan Windows NT Advanced Server. Sistem operasi ini kemudian dikembangkan menjadi Windows NT 3.5 pada September 1994.

c. Windows NT 4.0 Server

Windows NT 4.0 Server, dirilis pada tahun 1996, dirancang untuk skala kecil sistem bisnis server.

· Windows NT 4.0 Enterprise Server

Windows NT 4.0 Server, Enterprise Edition, dirilis pada tahun 1997, adalah prekursor Perusahaan di garis keluarga server Windows. Enterprise Server dirancang untuk permintaan tinggi, jaringan lalu lintas tinggi. Windows NT 4.0 Server, Enterprise Edition termasuk Service Pack 3.Windows NT 4.0 Terminal Server

· Windows NT 4.0 Terminal Server Edition,

Dirilis pada tahun 1998, memungkinkan pengguna untuk login jarak jauh. Fungsi yang sama disebut Terminal Services di Windows 2000 dan kemudian rilis server, dan juga kekuatan fitur Remote Desktop yang pertama kali muncul pada Windows XP

d. Windows 2000 Server

Ditujukan untuk menggantikan Windows NT Server 4.0

· Windows 2000 Advanced Server, yang ditujukan untuk menggantikan Windows NT Enterprise Server

· Windows 2000 Datacenter Server, yang merupakan sebuah kasta baru dalam sistem operasi Windows 2000, yang ditujukan sebagai pengelola pusat basis data yang sangat dibutuhkan dalam pasar korporat.

· Windows 2003 server

e. Windows Server 2003

Merupakan sebuah versi sistem operasi Microsoft Windows yang ditujukan untuk pasar server korporat. Nomor versi internalnya adalah Microsoft Windows NT 5.2 build 3790. Dulunya dikenal dengan .NET Server, Windows .NET Server, atau Whistler Server. Sistem operasi ini merupakan kelanjutan dari sistem Windows 2000 Server.

· Windows Server 2003 Standard Edition adalah sebuah versi Windows Server 2003 yang benar-benar “dasar”, dengan fitur-fitur yang umumnya dibutuhkan oleh sebuah server untuk melayani klien-kliennya di jaringan. Edisi ini diterbitkan untuk menggantikan Windows 2000 Server dan Windows NT 4.0 Server yang telah lama malang melintang.

· Windows Server 2003 Enterprise Edition adalah sebuah versi Windows Server yang memiliku semua fitur yang ditawarkan oleh Windows Server 2003 Standard Edition, ditambah dengan fitur-fitur yang meningkatakan keandalan dan skalabilitas layanan-layanannya. Windows Server 2003 Enterprise Edition ditujukan untuk menggantikan Windows 2000 Advanced Server dan Windows NT 4.0 Enterprise Server yang telah lama beredar.

· Windows Server 2003 Datacenter Edition adalah sebuah edisi dari Windows Server 2003 yang berbeda dari dua versi lainnya yang telah disebutkan. Edisi ini tidak dapat diperoleh secara ritel, dan harus didapatkan sebagai bagian dari kombinasi antara perangkat keras server dari sebuah vendor, semacam Hewlett-Packard atau Dell.

f. Windows Home Server

Windows Home Server, yang memiliki nama kode pengembangan "Quatro," adalah sebuah versi sistem operasi Microsoft Windows yang dikembangkan dari Windows Server 2003 Service Pack 2 yang ditujukan sebagai file server untuk rumahan. Sistem operasi ini diperkenalkan pada tanggal 7 Januari 2007 oleh Bill Gates pada saatkonferensi Consumer Electronics Show. Windows Home Server ditujukan sebagai solusi untuk rumahan dengan banyak komputer PC yang terkoneksi untuk menawarkan fitur file sharing, backup otomatis, dan juga akses secara jarak jauh.

g. Windows Server 2008

adalah nama sistem operasi untuk server dari perusahaan Microsoft. Sistem server ini merupakan pengembangan dari versi sebelumnya yang disebut Windows Server 2003. Pada tanggal 15 Mei 2007, Bill Gatesmengatakan pada konferensi WinHEC bahwa Windows Server 2008 adalah nama baru dari Windows Server "Longhorn".

2. Sistem Operasi Jaringan Berbasis Linux

a. Turunandari Unix yang merupakan freeware danpowerfull operating system

b. Linux dapatdigunakansebagaisistemoperasi server dan client

c. Memilikiimplementasilengkapdariarstitektur TCP/IP dalambentuk TCP/IP networking software, yang mencakup driver untukethernet card dankemampuanuntukmenggunakan Serial Line Internet Protocol (SLIP) dan Point-to-Point Protocol (PPP) yang menyediakanakseskejaringanmelalui modem

d. Sejumlahlayanan yang disediakanoleh Linux yang berbasiskan TCP/IP suite:m

Web server: Apache

Web proxy: Squid

File dan print sharing: Samba

Email: Sendmail

e. Domain Name Server: menyediakan mapping antaranamadan IP address danmendistribusikaninformasitentangjaringan (mail server) contoh BIND

f. Contoh : Linux Ubuntu 10.0, Redhat 9.0 Enterprise

3. Sistem Operasi Jaringan Berbasis UNIX

a. Multiuser dan multitasking operating system

b. Dibuat di Bell Laboratories awaltahun 1970an

c. Tidak user friendly

d. Dapat menangani pemrosesan yang besar sekaligus menyediakan layana internet seperti web server, FTP server, terminal emulation (telnet), akses database, dan Network File System (NFS) yang mengijinkan client dengansistemoperasi yang berbedauntukmengakses file yang di simpan di komputer yang menggunakansistemoperasi UNIX

e. Trademark dari UNIX sekarangdipegangoleh the Open Group

4. NOVELL NETWARE

a. Dahuludigunakansebagai LAN-based network operating system

b. Dibuatoleh Novell, Inc.

c. Banyakdigunakanpadaawalsampaipertengahan tahun1990-an

d. Konsep: pembagian disk space dan printer

e. Pengembangan:

f. File sharing: layananmodul file, pencarianlokasifisikdilakukan di server

g. Caching: meng-caching file yang sedangaktif

h. Netware Core Protocol (NCP) lebihefektif: tidakadaperluada acknowledgement untuksetiappermintaanatau data yang dikirimkan

i. Pelayananselain file dan printer sharing seperti web, email, database, TCP/IP, IPX, dll

5. OS/2

a. 32-bit operating system yang dibuatoleh IBM dan Microsoft, tetapisekarangdikelolahanyaoleh b. IBM Miripseperti windows tetapimempunyai feature yang dimilikioleh Linux danXenix

c. Penggunaanakandihentikandiakhirtahun 2006

d. IBM menggunakan Linux dankeluarga Windows

Sintaks Dasar PHP

noreply@blogger.com (Riyadi Budiman) — Fri, 29 Mar 2013 21:26:00 +0700

PHP merupakan sebuah bahasa pemograman web yang memiliki sintak atau aturan dalam menuliskan script atau kode - kodenya. Untuk menjelaskan cara penulisan kode PHP, bisa kita lihat pada empat macam cara kode PHP, yaitu:

Kita dapat memilih salah satu dari ketiga contoh penulisan script PHP di atas, tetapi yang paling populer dan sering digunakan adalah pada contoh nomor 1 dan 2. Perhatikan bahwa kode - kode PHP memiliki tata aturan, yaitu diawali dengan tanda . Tiap akhir baris harus selalu di beri tanda titik koma (;). PHP bersifat CASE SENSITIVE, artinya penulisan Huruf besar dan kecil pada code PHP sangat berpengaruh.

Contoh

Tuliskan kode diatas di Notepad, lalu pada Jendela Save As, file hasil langsung disimpan di htdocs yaitu direktori C:\apache\htdocs. Beri nama contoh.php dan ubah pada Save as type menjadi All Files. Lalu Lihat hasilnya dengan mengaksesnya dari Browser.

Penjelasan fungsi echo diatas sama halnya dengna perintah Print, yaitu untuk menuliskan atau menampilkan tulisan di web browser

Tag HTML

noreply@blogger.com (Riyadi Budiman) — Tue, 5 Feb 2013 22:36:00 +0700

Apa Itu Tag HTML?

Perintah - perintah HTML biasa disebut dengan tag. Tag - tag ini merupakan cara memodifikasi dokumen teks normal yang akan ditampilkan di dalam web browser. Tag HTML ditulis kedalam dokumen ASCII dan menyediakan intruksi - intruksi ke browser yang berhubungan dengan formating halaman, termasuk yang di luar tag, seperti gambar, audio, dan video.

Tag HTML selalu dimunculkan sebagai suatu kata atau frasa yang ditempatkan diantara tanda kurung sudul (< >). Isi dari tanda kurung adalah perintah HTML itu sendiri. Sebagai contoh, di bawah ini adalah tag HTML dasar:

Browser HTML akan mengabaikan tag - tag yang tidak dikenal, karena browser akan melewati tag yang mempunyai perintah yang tidak valid atau tidak dapat ditangani oleh browser. Sebagai contoh, jika Anda mengetikkan tag yang salah pada saat membuat tag secara manual, maka browser tersebut akan mengabaikan tag tersebut. Atau, jika Anda menggunakan tag ekstensi HTML yang tidak dapat ditangani browser, maka ia akan mengabaikan tag tersebut dan menampilkan porsi dokumen yang dikenalnya saja. Tag pada dasarnya mempunyai dua tipe dasar: non-empty dan empty. Untuk memahami kedua tipe tersebut, Anda perlu mencobanya dengan menggunakan tag - tag HTML untuk memodifikasi teks. Tag non-empty adalah perintah yang harus ditempatkan di awal dan di akhir teks yang akan di modifikasi. Sebagai contoh, Anda hendak memberikan efek cetak tebal (bold) pada suatu kata atau frasa, maka Anda harus menentukan awal dan akhir blok teks yang akan di bold. Urutan untuk melakukan hal tersebut, tag HTML ditempatkan pada awal kata atau frasa, dan tag lainnya ditempatkan pada akhir kata atau frasa. Untuk membedakan tag untuk awal blok dan akhir blok, maka pada awal tag didahului dengan karakter ( / ) sebelum nama tag. Untuk lehih jelasnya, lihat contoh berikut ini:

Tag empty adalah perintah yang berdiri sendiri. Perintah ini tidak membutuhkan tag akhir. Sebagai contoh untuk menyisipkan gambar ke dalam dokumen teks, Anda hanya perlu menggunakan satu tag saja. Lihat contoh berikut ini: Tag terdiri dari atribut - atribut yang memberikan keterangan mengenai fungsi perintah yang akan dilaksanakan. Sebagai contoh,tag yang menetukan image yang harus ditempatkan kedalam dokumen harus menentukan nama image. Tag Image "img" inilah yang menentukan image yang harus ditempatkan dalam dokumen. Porsi scr= merupakan keterangan mengenai nama gambar yang akan diload. Porsi inilah yang disebut dengan atribut tag "/img". Atribut biasanya selalu disisipkan setelah nama tag dan perintah dengan atribut lebih dari satu akan disisipkan sesua dengan urutannya.

Hal yang perlu diperhatikan adalah bahwa porsi data atribut ( dalam contoh ini adalah "peta2" ) ditempatkan diantara tanda kutip ganda. Didalam beberapa hal, data HTML menggunakan atau tanpa tanda kutip. Walau demikian tanda kutip dibutuhkan jika Anda akan menyertakan karakter khusus atau spasi kedalam data.

Tutor Ganti SKIN GTA SanAndreas (MODDING)

noreply@blogger.com (Riyadi Budiman) — Sun, 30 Dec 2012 05:38:00 +0700

Sekedar share nih sob, hehehe... Bagi yang masih suka game Grand Theft Auto : San Andreas dan masih belom bisa mengganti skin / mod Cjnya (Playernya) ini nih caranya. Agak rumit rumit dikit, karena pakek lebih dari 1 software. :D hehe, Game keluaran tahun 2000.an ini memang ngak membosankan. Saya yakin, sobat sobat gak namatin misi tapi cuma mau ngehancurin Kota hahaha. (trollface).

Berikut caranya :

1. Download ClEO 4 di cleo.sannybuilder.com. ingat CLEO 4, CLEO 1,2,3 kurang efektif lagi buat skining GTA. Lalu klik link yang ada di pojok kanan atas kiri seperti di gambar.

2.Instal CLEO 4 di folder GTA SA. Ingat DI Folder GTA SA, Klo GTA SA di instal di Local Disk C biasanya ada di Progam Files.

a.Instal CLEO 4. Contoh gambar:

b.Pilih Folder GTA SA sobat sobat. Contoh gambar:

c.Ntar akan ada tulisan error message will appear. Itu di ignore aja sampai 3x. Contoh gambar:

d.Tunggu sampai Instal complete.

3.Download Skin Selector.
Download Skin Selectornya Disini.

a.Extract Skin Selector yang sudah di download.

b.Copy Skin.img dan Skin_n.cs yang ada di folder Skin Selector. Kemudian Paste di Folder CLEO tadi yang sudah terisntal di folder GTA SA. Contoh gambar:

e.Sekarang edit file gta.dat dengan Wordpad / Notepad. Lokasi filenya ada di GTA SA/data. Contoh gambar:

f.Tambahkan tulisan IMG CLEO/SKIN.IMG di gta.dat. Tepatnya dibawah tulisan IMG MODELS/CUTSCENE.img, jangan lupa DI SAVE. Contoh gambar :

Sebelum Diedit.

Sesudah Diedit:

4.Tahap terakhir. Sekarang sobat sobat buka Skin.img yang berada di CLEO folder dengan IMG editor. Sebelumnya download dulu IMG editor disini. Setelah di download buka IMG Editor klik open. Dan buka Skin.img di folder CLEO.

a.Skin CJ jadi Naruto. Download Skin Narutonya Disini.

b.Klik Commands->Add pada IMG Editor. Lalu pilih Skin Naruto yang sudah didownload tadi. Contoh Gambar :

c.Skin yang sudah didownload tadi berisi dua File. Yaitu file : .dff dan .txd

d.Add dulu file yang berextension .dff

e.Kemudian Add file yang berextension .txd

f.Jika sudah add semua file skin Naruto. Kemudian klik Commands->Rebuild Archive dan Klik Yes. Contoh gambar :

5.Jika semua tahap sudah terlaksana. Buka Gta Sobat sobat, dan jika berhasil akan ada tulisan CLEO Version di pojok kiri bawah saat bermain gta. Contoh gambar :

6.Kemudian waktu digame sobat sobat pencet Action + Next Weapon. Jika setingan keyboard masih default tekan Tab + Q. Dan jreng jreng. jadilah Naruto. :D

7.Jika masih gagal ulangi dari tahap pertama. Memang begitulah susahnya. :) Selamat mencoba dan berkomentar. :

Tutorial Pasang Mod GTA SanAndreas

noreply@blogger.com (Riyadi Budiman) — Sun, 30 Dec 2012 05:38:00 +0700

Hai, sekarang saya akan memberikan Tutorial untuk memasukan MOD pada Grand Theft Auto San Andreas, kalian sebelumnya pernah melihatkan MOBIL yang ada di GTA San Andreas menjadi keren keren. Kalian bingung bagaiman cara menginstallnya ? ya sudah dapat dipastikan memang begitu. Sebelumnya saya mohon maaf, karena saya membuat Tulisan ini dengan cara membayangkan saja, karena saya sudah 1 Tahun gak mengedit lagi Grand Theft Auto San Andreas.

Oke langsung saja

Menginstall Mod dapat menghasilkan Seperti :

- Memasukkan Mobil Mobil yang agan mau ke GTA San Andreas

- Merubah Karakter di GTA San Andreas

- Mengganti model baju

- Mengganti Senjata senjata.

Begini caranya. Disini saya menggunakan IMG TOOL 2.0 dari GTA PLACE

1. Download dulu IMG Tool nya, agan bisa download di SINI tinggal klik gambar Download berwarna biru

2. Download File yg ingin di masukkan ke Game, misalkan Mobil, bisa agan cari di SINI Banyak pilihan mobil di sana

3. Kalau sudah di download filenya, buka IMG Tool yang anda download tadi.

4. Setelah di buka, lihat, ada tulisan FILE di atas dekat icon, Klik FILE => OPEN => (Cari dimana folder GTA San andreas anda berada), setelah itu di dalam folder GTA, ada folder Models, lalu klik models, dan klik "Gta3.img" (buka dengan img tool) dan Open.

Sebelum melakukan Modding backup dulu File Gta3.img, kalau mod yg di install error akan mempengaruhi game menjadi error

5. Pencet F2, lalu cari nama file mobil yang ingin di ganti misalkan : buffalo.dff

dan buffalo.txd (dua duanya harus di masukkan ke gta3 menggukan IMG Tool)

NB :

".dff" adalah file Warna atau Texture

".txd" adalah Bentuk dan Rupa dari Mobil tersebut

6. Sampai di sana, anda harus replace buffalo.dff ( Yang asli ) dengan buffalo.dff yang anda download tadi (ingat, jika anda download file dengan format .rar ato .zip, silahkan EXTRACT isi dari file tersebut)

7. Replace juga buffalo.txd dengan file yang agan download tadi (yang namanya sama, buffalo.txd)

8. Bagaimana cara replace ? Cara replace kurang lebih seperti ini :

a. Klik kanan di file yang mw agan replace,

b. Lalu ada tulisan replace,

c. Klik aja,

d. Nanti software tersebut langsung menyuruh anda mencari file yg sudah di download tadi

9. Setelah di replace, klik Commands, Rebuild Archive, dan tunggu beberapa menit

10. Selesai..

11. Buka GTA San Andreas

12. Cari mobil yang agan install tadi (buffalo)

Cukup sekian Tutorial memasang MOD GTA SanAndreas, Terima kasih atas kunjungannya ^_^

Tag: install mod gta sa, gta sanandreas, car mod, skin mod, tutorial gta sanandreas

Pengertian dan Sejarah Processor

noreply@blogger.com (Riyadi Budiman) — Sun, 30 Dec 2012 05:37:00 +0700

Blog Diez-202 : Pengertian dan Sejarah Processor

Processor merupakan otak dan pusat pengendali computer yang didukung oleh kompunen lainnya.

Processor adalah Sebuah IC yang mengontrol keseluruhan jalannya sebuah sistem komputer.

Processor digunakan sebagai pusat atau otak dari komputer yang berfungsi untuk melakukan perhitungan dan menjalankan tugas.

Prosesor adalah chip yang sering disebut “Microprosessor” yang sekarang ukurannya sudah mencapai gigahertz. Ukuran tersebut adalah hitungan kecepatan prosesor dalam mengolah data atau informasi. Merk prosesor yang banyak beredar dipasatan adalah AMD, Apple, Cyrix VIA, IBM, IDT, dan Intel. Bagian dari Prosesor Bagian terpenting dari prosesor terbagi 3 yaitu :

* Aritcmatics Logical Unit (ALU)

* Control Unit (CU)

* Memory Unit (MU)

Sejarah Perkembangan Mikroprocessor

Dimulai dari sini :
1971: 4004 Microprocessor

Pada tahun 1971 munculah microprocessor pertama Intel , microprocessor 4004 ini digunakan pada mesin kalkulator Busicom. Dengan penemuan ini maka terbukalah jalan untuk memasukkan kecerdasan buatan pada benda mati.

1972: 8008 Microprocessor

Pada tahun 1972 munculah microprocessor 8008 yang berkekuatan 2 kali lipat dari pendahulunya yaitu 4004.

1974: 8080 Microprocessor

Menjadi otak dari sebuah komputer yang bernama Altair, pada saat itu terjual sekitar sepuluh ribu dalam 1 bulan

1978: 8086-8088 Microprocessor

Sebuah penjualan penting dalam divisi komputer terjadi pada produk untuk komputer pribadi buatan IBM yang memakai prosesor 8088 yang berhasil mendongkrak nama intel.

1982: 286 Microprocessor

Intel 286 atau yang lebih dikenal dengan nama 80286 adalah sebuah processor yang pertama kali dapat mengenali dan menggunakan software yang digunakan untuk processor sebelumnya.

1985: Intel386™ Microprocessor

Intel 386 adalah sebuah prosesor yang memiliki 275.000 transistor yang tertanam diprosessor tersebut yang jika dibandingkan dengan 4004 memiliki 100 kali lipat lebih banyak dibandingkan dengan 4004

1989: Intel486™ DX CPU Microprocessor

Processor yang pertama kali memudahkan berbagai aplikasi yang tadinya harus mengetikkan command-command menjadi hanya sebuah klik saja, dan mempunyai fungsi komplek matematika sehingga memperkecil beban kerja pada processor.

1993: Intel® Pentium® Processor
Processor generasi baru yang mampu menangani berbagai jenis data seperti suara, bunyi, tulisan tangan, dan foto.

1995: Intel® Pentium® Pro Processor

Processor yang dirancang untuk digunakan pada aplikasi server dan workstation, yang dibuat untuk memproses data secara cepat, processor ini mempunyai 5,5 jt transistor yang tertanam.

1997: Intel® Pentium® II Processor

Processor Pentium II merupakan processor yang menggabungkan Intel MMX yang dirancang secara khusus untuk mengolah data video, audio, dan grafik secara efisien. Terdapat 7.5 juta transistor terintegrasi di dalamnya sehingga dengan processor ini pengguna PC dapat mengolah berbagai data dan menggunakan internet dengan lebih baik.

1998: Intel® Pentium II Xeon® Processor

Processor yang dibuat untuk kebutuhan pada aplikasi server. Intel saat itu ingin memenuhi strateginya yang ingin memberikan sebuah processor unik untuk sebuah pasar tertentu.

1999: Intel® Celeron® Processor

Processor Intel Celeron merupakan processor yang dikeluarkan sebagai processor yang ditujukan untuk pengguna yang tidak terlalu membutuhkan kinerja processor yang lebih cepat bagi pengguna yang ingin membangun sebuah system computer dengan budget (harga) yang tidak terlalu besar. Processor Intel Celeron ini memiliki bentuk dan formfactor yang sama dengan processor Intel jenis Pentium, tetapi hanya dengan instruksi-instruksi yang lebih sedikit, L2 cache-nya lebih kecil, kecepatan (clock speed) yang lebih lambat, dan harga yang lebih murah daripada processor Intel jenis Pentium. Dengan keluarnya processor Celeron ini maka Intel kembali memberikan sebuah processor untuk sebuah pasaran tertentu.

1999: Intel® Pentium® III Processor

Processor Pentium III merupakan processor yang diberi tambahan 70 instruksi baru yang secara dramatis memperkaya kemampuan pencitraan tingkat tinggi, tiga dimensi, audio streaming, dan aplikasi-aplikasi video serta pengenalan suara.

1999: Intel® Pentium® III Xeon® Processor

Intel kembali merambah pasaran server dan workstation dengan mengeluarkan seri Xeon tetapi jenis Pentium III yang mempunyai 70 perintah SIMD. Keunggulan processor ini adalah ia dapat mempercepat pengolahan informasi dari system bus ke processor , yang juga mendongkrak performa secara signifikan. Processor ini juga dirancang untuk dipadukan dengan processor lain yang sejenis.

2000: Intel® Pentium® 4 Processor

Processor Pentium IV merupakan produk Intel yang kecepatan prosesnya mampu menembus kecepatan hingga 3.06 GHz. Pertama kali keluar processor ini berkecepatan 1.5GHz dengan formafactor pin 423, setelah itu intel merubah formfactor processor Intel Pentium 4 menjadi pin 478 yang dimulai dari processor Intel Pentium 4 berkecepatan 1.3 GHz sampai yang terbaru yang saat ini mampu menembus kecepatannya hingga 3.4 GHz.

2001: Intel® Xeon® Processor

Processor Intel Pentium 4 Xeon merupakan processor Intel Pentium 4 yang ditujukan khusus untuk berperan sebagai computer server. Processor ini memiliki jumlah pin lebih banyak dari processor Intel Pentium 4 serta dengan memory L2 cache yang lebih besar pula.

2001: Intel® Itanium® Processor

Itanium adalah processor pertama berbasis 64 bit yang ditujukan bagi pemakain pada server dan workstation serta pemakai tertentu. Processor ini sudah dibuat dengan struktur yang benar-benar berbeda dari sebelumnya yang didasarkan pada desain dan teknologi Intel’s Explicitly Parallel Instruction Computing ( EPIC ).

2002: Intel® Itanium® 2 Processor

Itanium 2 adalah generasi kedua dari keluarga Itanium

2003: Intel® Pentium® M Processor

Chipset 855, dan Intel® PRO/WIRELESS 2100 adalah komponen dari Intel® Centrino™. Intel Centrino dibuat untuk memenuhi kebutuhan pasar akan keberadaan sebuah komputer yang mudah dibawa kemana-mana.

2004: Intel Pentium M 735/745/755 processors

Dilengkapi dengan chipset 855 dengan fitur baru 2Mb L2 Cache 400MHz system bus dan kecocokan dengan soket processor dengan seri-seri Pentium M sebelumnya.

2004: Intel E7520/E7320 Chipsets

7320/7520 dapat digunakan untuk dual processor dengan konfigurasi 800MHz FSB, DDR2 400 memory, and PCI Express peripheral interfaces.

2005: Intel Pentium 4 Extreme Edition 3.73GHz

Sebuah processor yang ditujukan untuk pasar pengguna komputer yang menginginkan sesuatu yang lebih dari komputernya, processor ini menggunakan konfigurasi 3.73GHz frequency, 1.066GHz FSB, EM64T, 2MB L2 cache, dan HyperThreading.

2005: Intel Pentium D 820/830/840

Processor berbasis 64 bit dan disebut dual core karena menggunakan 2 buah inti, dengan konfigurasi 1MB L2 cache pada tiap core, 800MHz FSB, dan bisa beroperasi pada frekuensi 2.8GHz, 3.0GHz, dan 3.2GHz. Pada processor jenis ini juga disertakan dukungan HyperThreading.

2006: Intel Core 2 Quad Q6600

Processor untuk type desktop dan digunakan pada orang yang ingin kekuatan lebih dari komputer yang ia miliki memiliki 2 buah core dengan konfigurasi 2.4GHz dengan 8MB L2 cache (sampai dengan 4MB yang dapat diakses tiap core ), 1.06GHz Front-side bus, dan thermal design power ( TDP )

2006: Intel Quad-core Xeon X3210/X3220

Processor yang digunakan untuk tipe server dan memiliki 2 buah core dengan masing-masing memiliki konfigurasi 2.13 dan 2.4GHz, berturut-turut , dengan 8MB L2 cache ( dapat mencapai 4MB yang diakses untuk tiap core ), 1.06GHz Front-side bus, dan thermal design power (TDP)

Konsep Dasar Jaringan Komputer

noreply@blogger.com (Riyadi Budiman) — Sun, 30 Dec 2012 05:35:00 +0700

Blog Diez-202 : Konsep Dasar Jaringan Komputer

Jaringan komputer pada dasarnya adalah proses menghubungkan dua atau lebih perangkat komputer, menggunakan perangkat keras dan perangkat lunak, sehingga data dapat ditransfer dan dibagi ke komputer lainnya.

Ada berbagai jenis jaringan, misalnya ada LAN (jaringan area lokal) dan WAN (wide area jaringan). Perbedaan antara kedua terletak pada rentang jarak jaringan. LAN dibatasi untuk area kecil biasanya rumah-rumah, sedangkan WAN luas dan dapat menjangkau seluruh kota, negara bahkan benua.

Jaringan mungkin juga berbeda dalam desain mereka dan tata letak. Ada klien / server jaringan dan peer-to-peer jaringan. Klien / server jaringan cenderung terpusat dengan fungsi yang paling didukung oleh sistem pusat / utama. Peer-to-peer jaringan komputer yang terdiri dari semua dukungan fungsi yang sama dan dapat berinteraksi satu sama lain. Hal ini dipahami, klien / server jaringan bekerja dengan baik dalam bisnis sedangkan peer-to-peer yang lebih cocok untuk digunakan di rumah.

Jaringan adalah semua tentang komunikasi, dengan demikian ada standar komunikasi yang diimplementasikan oleh protokol, seperti aturan untuk operasi jaringan. Mungkin ada banyak protokol yang digunakan oleh jaringan pada satu waktu, misalnya TCP / IP, protokol yang paling umum ditemukan di Internet dan di jaringan rumah.

Jaringan dapat menggunakan kabel atau nirkabel. Kebanyakan protokol untuk jaringan kabel juga didukung oleh jaringan nirkabel. Jaringan menggunakan kabel telah lama lama adanya dibandingkan dengan yang nirkabel. Tetapi dengan kemajuan dalam jaringan teknologi nirkabel yang cepat menjadi lebih handal dan umum.

Mengenal Ancaman PC

noreply@blogger.com (Riyadi Budiman) — Sun, 30 Dec 2012 05:34:00 +0700

Blog Diez-202 : Mengenal Ancaman PC

Pada tahap awal ini saya akan membahas jenis ancaman awal yang dapat terjadi pada komputer personal kita, yaitu Local attack, bahaya berInternet, dan Hacker attack. Local attak atau console hacking adalah usaha orang lain untuk masuk kedalam sistem komputer kita secara langsung atau fisik, baik untuk mengakses data atau hanya sekedar membaca isi data dari data - data kita.

Bagi kita pengguna Disk Operating Sistem (DOS) mungkin mengenal pengamanan dengan password di AUTOEXCED.BAT. Sebenarnya kita dapat melakukan bypass terhadap AUTOEXCED.BAT dengan menekan F5 atau F8 cara lain dengan meletakan program password di boot record atau partisi hardisk. Kedua cara ini sangat lah tidak aman karena setiap orang bisa mem-boot komputer dari disk DOS. Untuk sistem Windows 95 dan 98, kita dapat melakukan penetrasi pada jalannya sistem dengan menekan F8 di awal proses boot dan memungkinkan kita untuk masuk ke DOS dan memodifikasi file sistem Windows, misalnya WIN.INI dan file registry. Dengan cara ini kita dapat menghilang kan baris BOOTKEY=0 di file MSDOS.SYS.

Apabila komputer kita tidak di proteksi dengan password, siapa saja dapat membuka dan mengobrak-abrik komputer kita. Sebenarnya ada beberapa langkah yang dapat kita lakukan untuk mengaman kan console hacking, misalnya:

Memasang password BIOS
Memasang password logon
Memasang password screensaver
Memasang password pada folder
Mendeksripsi dokumen - dokumen penting

Seperti layaknya di dunia nyata ada polisi dan ada malingnya, dalam dunia komputer dikenal istilah hacker dan cracker. Ada beberapa teknik yang dapat dilakukan untuk melakukan pelanggaran. Password BIOS dapat di-reset dengan mengangkat baterai yang terpasang pada motherboard atau menggunakan password cracker seperti !BIOS, dan masih banyak yang lain. Password Logon dapat diakali dengan cara melakukan metode hacking bruce force attack atau dictonary attack. Screensaver dapat di-crack dengan 95sscrk.

Mengenal Ancaman Jaringan

noreply@blogger.com (Riyadi Budiman) — Sun, 30 Dec 2012 05:33:00 +0700

Pada tahun 70-an jaringan komputer biasanya hanya terdapat di perusahaan - perusahaan besar. Jaringan komputer tersebut saling menghubung antar departemen dan setiap cabang ke sebuah pusat pengendalian ( Central Control Point ). Saat itu pengertian network security juga sudah ada, namun fokus utamanya hanya untuk kebutuhan para user di dalam network itu sendiri ( internet ) guna meminimalkan tingkat resiko pengamanan ( security risk ).

Jaringan Komputer telah menjadi salah satu bagian dari perkembangan suatu perusahaan, saat ini perkembangan jaringan komputer khususnya LAN ( Local Area Network ) telah berkembang sangat pesat karena kita semakin sadar akan manfaat jaringan komputer, misalnya dengan adanya jaringan komputer kita dapat berbagi sumber daya seperti perangkat keras dan perangkat lunak, penyebaran informasi akan semakin cepat, dan pada akhirnya akan meningkatkan efisiensi kerja. Sudah pasti kita mengharapkan hasil pekerjaan kita aman dan jauh kemungkinan dicuri, disalin, atau dihapus. Walaupun komputer yang kita gunakan tidaklah menyimpan hal yang krusial atau rahasia, kita tidak ingin orang lain untuk melihat dan mengacak-acak file dan folder di komputer kita.

Ada banyak teknologi jaringan yang berkembang sampai dengan saat ini. Secara umum teknologi jaringan dapat dibagi menjadi teknologi guide dan unguided. Teknologi guided adalah teknologi yang penyebaran atau pengiriman menggunakan sinyal yang terarah seperti penyebaran informasi dengan koneksi kabel ( UTP, coaxial, fiber optic ), sedangkan teknologi unguided adalah teknologi yang penyebaran dan transmisi datanya secara broadcast atau menyebar seperti pengiriman data dengan gelombang radio. Unguided dapat di contohkan seperti koneksi wireless, bluetooth, radiolink dan microwave.

Ada banyak sekali cara untuk mendapat kan informasi di jaringan komputer, misalnya mendapat informasi password, file di komputer lain, dan sumber daya yang seharusnya hanya dapat diakses oleh orang - orang tertentu. Ancaman dapat menggunakan cara sniffing, hacking, exploit, spoofing, memanfaatkan lubang dari sistem operasi dan perangkat lunak. Walaupun sampai saat ini perusahaan - perusahaan penghasil produk jaringan selalu melakukan perubahan dalam sistem keamanannya, pastilah ada cara untuk mengakali dan menjebolnya karena menurut saya semakin tinggi tingkat keamanan suatu sistem atau produk IT maka akan semakin membuat "gatal" tangan para hacker untuk mengakalinya.

Saat teknologi DVD diluncurkan dipasaran, ia tidak hanya menawarkan kapasitas yang besar tapi dikatakan juga sebagai media yang antipembajakan, misalnya menggunakan strategi pembagian menurut zona - zona dunia, jadi misalnya film yang diproduksi di zona Amerika tidak akan dapat digunakan di zona Asia atau Eropa. Hal ini tidak bertahan lama karena saat ini metode cracking pada mesin pemutar film dan dukungan software player dapat memainkan zona film di dunia.