Posted in Kuliah S2, MKOM, Review

Contoh Perhitungan Neural Network

Sahabat,

Seharusnya tulisan ini berisi contoh tulisan saya dalam rangka uji coba penulisan rumus/simbol matematika atau simbol Sciencetific di WordPress. Sayang sekali uji coba belum berhasil, hal ini dikarenakan saya masih menggunakan akun gratisan di WordPress.com, sehingga saya tidak bisa leluasa menambahkan plug-in LaTex atau MathJax yang diperlukan untuk menampilkan rumus/simbol matematika di blog ini. Saya berharap menemukan caranya setelah ini, tentunya selain harus migrasi ke Akun WordPress berbayar, hehehe….

Sebagai gantinya, saya kemudian mencoba membuat sebuah blog uji coba di Engine blogspot dan ternyata bisa, walaupun pakai akun gratis juga, Naahh lho…

Sederhana saja, hanya dengan memanfaatkan script MathJax, rumus/simbol matematika yang diinginkan dapat ditampilkan dengan baik dihalaman browser. Ini juga yang saya lakukan pada konfigurasi server LMS yang saya kelola.

Scriptnya seperti ini :

scriptnya
Script yang diletakkan antara tag

Namun, ada yang harus diingat bahwa penulisan simbol/rumus matematika ini ada aturan penulisannya, mengikuti aturan penulisan dari : 876612_high

aturan umumnya :  Rumus/Simbol harus diapit oleh tanda $ atau $$  atau //, spasi bisa menggunakan tanda / dan untuk simbol ditulis seperti /namasimblol  contoh :  /alpha

beberapa contoh aturannya seperti pada gambar ini :

aturan LaTex
Beberapa Contoh Aturan LATEX

Begini cara penulisan rumus dan simbol pada artikel setelah script di atas kita pasang :

Contoh Script MathJax
Contoh Penulisan

Dan, inilah penampakan tampilannya, bisa dilihat langsung ke sini :  Contoh Perhitungan Multi Layer NN

penampilan rumus hasil MathJax
Contoh Tampilan Simbol/Rumus

Catatan : tampilan akan bagus bila menggunakan browser yang support script MathJax/Latex.

Posted in Blogger, Data Mining, Kuliah S2, MKOM

Tool Analisa untuk Penambangan Data (Data Mining)

Penambangan Data (Data Mining) merupakan sebuah istilah untuk metode usaha mencari pengetahuan dalam suatu kumpulan data / dataset. Dalam data analitik sering disebut dengan Knowledge Discovery in Database (KDD). Walaupun dalam prakteknya Data Mining adalah bagian dari proses KDD itu sendiri. Dekade ini sudah banyak publikasi dan riset tentang Data Mining. Banyak pihak sudah merasakan manfaat positif penerapannya yang membantu pada pengambilan keputusan.

Proses Menemukan Pengetahuan dalam Database (KDD)

Alhamdulillah, Saya mendapatkan wawasan lebih tentang Data Mining sewaktu mengikuti perkuliahan  “Advance Database”  di Program Pascasarjana (S2)  Magister Ilmu Komputer, Universitas Putra Indonesia-YPTK Padang yang diampu oleh Prof. Dr. Sarjon Defit, S.Kom, Msc, saat ini beliau juga sedang menjabat sebagai Rektor. Association Rule, Algoritma Apriori, Rough Set, FP-Growth, Decision Tree, C4.5, Algoritma Genetika adalah sebagian materi bahasan pada Mata Kuliah ini.

Padahal istilah yang familiar yang saya ingat dari dulu adalah “analisa data“, analisa statistik.  Di Perusahaan manufaktur tempat saya bekerja, oleh rekan-rekan personel QA/QC pengolahan data statistik untuk menghitung probalitas “defect” pada suatu produk. Menarik sekali menyaksikan mereka menerapkan metode statistik Six-Sigma DMAIC yang terdiri dari lima langkah itu : Define –> Measure –> Analyze –> Improve –> Control.

Sekitar empat tahun lalu saya mengenal dan tertarik dengan BigData, satu tahun kemudian saya mengikuti sebuah meetup IDBigData di Fasilkom UI. Beda Big Data dengan Data Mining sejauh ini yang saya tangkap adalah pada besarnya jumlah data, proses dan algoritma yang digunakan. Wow, Ternyata perkembangan di Data Science cukup pesat.

Tool Software Analisa 

Untuk yang mempunyai hobi coding, mempelajari Data Mining dan Big Data  bisa lebih menikmati sensasi pengolahan data via baris-baris kode. Menguasai Phyton atau R, adalah keuntungan besar. Coba saja hehehe…

Continue reading “Tool Analisa untuk Penambangan Data (Data Mining)”

Posted in Blogger, Kuliah S2, MKOM, Networking, Serba-serbi

Belajar Jaringan Komputer dengan Network Simulator

Jaringan Komputer (Computer Network) semakin canggih dan komplit. Berbagai jenis dan teknologi jaringan terus muncul dan berkembang, dari segi hardware mempunyai label harga yang beragam. Hal ini membuat para pembelajar jaringan komputer senantiasa mencari cara agar bisa mempelajari jaringan dengan mudah, biaya yang terjangkau, atau biaya bisa ditekan menjadi lebih sedikit dibandingkan dengan membeli semua komponen hardware jaringan yang dibutuhkan saat belajar.

netsim

Salah satu cara yang dapat dipilih adalah menggunakan Simulator Jaringan (Network Simulator). Beberapa Simulator/Emulator Open-Source yang biasa digunakan seperti :

Selain simulator Open-Source di atas, tentu masih banyak lagi simulator yang lain. Contoh :

Masing-masing simulator tentu saja mempunyai kelebihan dan kekurangan. User yang menentukan mana pilihan yang lebih mudah dan familiar.

Posted in Blogger, Kuliah S2, MKOM, Pustaka, Serba-serbi

Belajar Lagi

Kuliah lagi, jadi mahasiswa lagi, Belajar lagi….

CS

Kenapa tidak? belajar, belajar dan belajar… setiap saat sebaiknya kita memang harus bisa belajar. Belajar tidak terbatas pada waktu atau pada institusi formal seperti sekolah atau perguruan tinggi. Dari alampun kita bisa dapat banyak belajar. Kata orang tua dulu “Alam takambang jadi guru” 🙂   Tidak ada ruginya kalau kita belajar, InsyaAllah dengan belajar kita menjadi lebih baik, kehidupan menjadi lebih bermakna dan berkualitas.

Apalagi dewasa ini dengan kemajuan teknologi, bermunculan berbagai metode dan media pembelajaran sehingga batas-batas yang tadinya menjadi penghalang akses belajar menjadi tereliminasi. Belajar tidak lagi terbatas dengan ruangan dan waktu. Karenanya, belajar menjadi lebih mudah dan lebih murah. Sumber-sumber belajar begitu banyak tersedia.

Sstt.. Eh, Sahabat…

Sudah satu bulan lebih saya telah kembali memulai kehidupan akademis. Mendaftar kuliah lagi pada Program Pascasarjana  Universitas Putra Indonesia (YPTK) Padang. Saya memutuskan menapak naik ke jenjang yang lebih tinggi dari sebelumnya.

Sekarang saya jadi bagian Mahasiswa Magister Ilmu Komputer (MKom Angkatan 30). Di UPI YPTK sendiri program Magister Ilmu Komputer di arahkan pada dua konsenstrasi yaitu Sistem Informasi dan Teknologi Informasi. Konsentrasi ini akan lebih nyata pada semester III. Apa yang akan saya pilih? Awalnya saya tertarik mengembangkan diri dibidang pengolah data. Data Analityc , Data Mining, Big Data, System, Software, Apps Development. Tapi atas pertimbangan linieritas interest malah beralih pada hal-hal  tentang Keamanan (Computer Security and Forensic),  Jaringan Komputer (Networking).

Pada kuliah matrikulasi “Object Oriented Programming” minggu sebelumnya sempat berdiskusi tentang linieritas Dosen, Pak Prof. Dr. Jufriadif Na’am, S.Kom, M.Kom, beliau mengatakan kalau dulu S1 nya Teknik Elektro, maka pilihan yang linier adalah S2 Teknik Komputer atau Teknologi Informasi. Sebenarnya kalau di luar negeri Program studi ilmu komputer justru sangat linier, bahkan seringkal ilmu komputer satu atap dengan Ilmu Elektrik. Coba kita search keyword “Electrical Engineering and Computer Science”. Kita akan melihat eratnya keterkaitan antara Teknik Elektro dan Ilmu Komputer. Dengan kata lain keduanya ilmu ini sebenarnya serumpun.

Selain melanjutkan hobi belajar ke tempat pendidikan formal, niat hati juga ingin memantapkan hasil belajar di lapangan sebagai Tenaga IT di berbagai perusahaan. Semenjak lulus S1 Teknik Elektro, Saya lebih banyak berkecimpung di dunia kerja sebagai Personel IT selama lebih dari 13 Tahun.

Siplah, mari mulai berkutat dengan terminologi-terminologi akademis Ilmu Komputer. Diawali dengan empat matakuliah Matrikulasi Teknologi Database, Komunikasi Data dan Jaringan, Object-Oriented Programming, Arsitektur Komputer.

Dengan semangat baru ditambah dukungan dari keluarga dan terutama dukungan istri tercinta. Semoga Allah membimbing dan mempermudah proses studi ini sehingga mencapai hasil yang terbaik.

Mari baca buku Computer Science Handbook