SISTEM PENUNJANG KEPUTUSAN PADA BANK SYARIAH

Perkembangan dunia perbankan di Indonesia sekarang cukup kompetitif,masing-masing bank ingin memberikan layanan yang terbaik,ada pula kebutuhan konsumen terhadap produk jasa perbankan yang bersifat syariah.
Bank Syariah adalah Bank Umum yang melaksanakan kegiatan usaha berdasarkan prinsip syariah yang dalam kegiatannya memberikan jasa dalam lalu lintas pembayaran. (UU No. 10 tahun 1998 tentang Perubahan UU No. 7 tahun 1992 tentang Perbankan). Bank syariah harus dapat menampilkan hal-hal yang berbeda dan menarik untuk mendapatkan pelanggan sebanyak-banyaknya. Manajemen yang baik, akan menghasilkan keputusan jangka panjang yang dapat menambah umur suatu perusahaan. Untuk itu dikembangkan sebuah sistem yang dapat membantu manajemen dalam pengambilan keputusan perusahaan atau biasa disebut Sistem Penunjang Keputusan (SPK). SPK di bank disesuaikan dengan fungsinya. Fungsi-fungsi tersebut dapat digambarkan dalam struktur organisasi bank. Contoh struktur organisasi sebuah bank adalah sebagai berikut (contoh struktur organisasi bank Syariah Mandiri):

Struktur organisasi tergantung pada besar-kecilnya bank (bank size), keragaman layanan yang ditawarkan, keahlian personilnya dan peraturan-peraturan perundangan-undangan yang berlaku. Tidak ada acuan baku bagi penyusunan struktur organisasi bagi bank dalam segala situasi kebutuhan operasinya. Bank mengorganisasikan fungsi-fungsinya untuk melayani nasabahnya atau menempatkan karyawan yang ada atau karyawan baru sesuai dengan bakat dan kemampuannyanya. Struktur organisasi setiap bank berikut tanggung jawab dan wewenang para pejabatnya bervariasi satu sama lain. Oleh karena itu struktur organisasi mencerminkan pandangan manajemen tentang cara yang paling efektive untuk mengoperasikan bank.
Sejalan dengan perkembangannya fungsi-sungsi tersebut dapat dibagi-bagi lagi dalam beberapa kegiatan. Dalam perbankan syariah, fungsi pembiayaan dapat dibagi dalam pembiayaan piutang (debt financing) berdasarkan prinsip jual-beli (murabahah, salam atau istishna), atau sewa-beli (ijarah), pembiayaan modal (equity financing) berdasarkan prinsip mudharabah (trustee financing) atau musyarakah (jount venture profit sharing). Fungsi operasi dapat dibagi dalam tellers, pembukaan rekening (opening new account), penerimaan simpanan (deposit), pemrosesan simpanan (deposit) dan layanan yang berkaitan dengan simpanan (deposit related services) seperti pemindah – bukuan, pengiriman uang (money transfer), inkaso (collections), pembayaran tagihan (bill paying) dan lain, komputer service dan akuntansi, personalia dan sundries.
Kegiatan usaha bank syariah antara lain:
Mudharabah, pembiayaan berdasarkan prinsip bagi hasil
1. Musyarakah, pembiayaan berdasarkan prinsip usaha patungan
2. Murabahah, jual beli barang dengan memperoleh keuntungan
3. Ijarah, pembiayaan barang modal berdasarkan prinsip sewa.
Prinsip Operasi Bank Syariah
Bank Syariah menganut prinsip-prinsip sebagai berikut:
1. Prinsip Keadilan Prinsip ini tercermin dari penerapan imbalan atas dasar bagi hasil dan pengambilan margin keuntungan yang disepakati bersama antara Bank dan Nasabah
2. Prinsip Kemitraan Bank Syariah menempatkan nasabah penyimpanan dana, nasabah pengguna dana, maupun Bank pada kedudukan yang sama dan sederajat dengan mitra usaha. Hal ini tercermin dalam hak, kewajiban, resiko dan keuntungan yang berimbang di antara nasabah penyimpan dana, nasabah pengguna dana maupun Bank. Dalam hal ini bank berfungsi sebagai intermediary institution lewat skim-skim pembiayaan yang dimilikinya
3. Prinsip Keterbukaan Melalui laporan keuangan bank yang terbuka secara berkesinambungan, nasabah dapat mengetahui tingkat keamanan dana dan kualitas manajemen bank UniversalitasBank dalam mendukung operasionalnya tidak membeda-bedakan suku, agama, ras dan golongan agama dalam masyarakat dengan prinsip Islam sebagai rahmatan lil’alamiin.
SISTEM PENUNJANG KEPUTUSAN
SPK yang akan dibahas disini lebih dilihat dari produk-produk bank. Secara umum bank syariah mempunyai produk-produk sebagai berikut:
- Penghimpunan dana, seperti tabungan, giro, deposito.
- Pembiayaan/kredit, misalnya kredit pemilikan rumah, kredit usaha, kredit consumer.
- Jasa layanan lainnya, seperti transfer, inkaso, bank garansi.
Di setiap jenis produk bank tersebut memerlukan keputusan-keputusan yang harus diambil, misalnya:
- Pada produk penghimpunan dana, memutuskan berapa persen tingkat bagi hasil keuntungan yang sesuai dengan prinsip syariahtabungan, giro dan deposito, jangka waktu pembayaran, dan sebagainya.
- Pada produk pembiayaan, memutuskan tingkat pinjaman di tiap-tiap jenis kredit, kelayakan suatu pengajuan kredit diterima atau ditolak dan berapa jumlah kredit yang diterima.
- Pada produk jasa layanan lainnya, memutuskan besarnya tarif transfer, memutuskan diterima atau tidak bank garansi dan besarnya.
Untuk mengatasi hal-hal tersebut yaitu keputusan untuk layak atau tidak nasabah mendapat pembiayaan , digunakan sebuah sistem penunjang keputusan. Pemrosesan data dilakukan secara komputerisasi, sehingga lebih efisien. Beberapa data yang harus diproses antara lain:
- Data debitur, meliputi usia, pendidikan, pekerjaan, penghasilan dan pengeluaran perbulan, kreditabilitas, referensi, angsuran lain, tanggungan.
- Data jaminan yang diagunkan, meliputi sertifikat, lokasi, dan harga.
- Prosedur dan dokumen-dokumen berdasar pekerjaannya, misalkan SK pengangkatan PNS, pegawai BUMN
- Kekayaan dan hubungan bank, misalnya jumlah tabungan dan deposito
Semua data-data di atas diinputkan, dan sistem akan melakukan penilaian setiap point data, kemudian akan memberikan hasilnya dalam bentuk angka. Misalkan dari 10 % sampai 100 %

Tentang Data Mining

Kemampuan kita dalam memperoleh dan mengolah data telah meningkat secara drastis belakangan ini. Banyak faktor yang mempengaruhi peningkatan data ini, diantaranya komputerisasi dalam bisnis, pemerintahan dan juga ilmiah. Semakin tingginya kapasitas media penyimpanan dengan harga yang relatif terjangkau serta meluasnya penggunaan kamera digital, alat-alat publik, penggunaan bar code dalam proses transaksi produk menjadikan data tumbuh secara ekplosif dalam berbagai bidang. Selain itu, perkembangan jaringan internet sebagai sarana informasi global menjadikan penumpukan data ini semakin tak terkendali.

Pertumbuhan data yang ekplosif itu disimpan dalam database-database sementara yang bersifat operasional. Dengan berjalannya waktu, databse tersebut menjadi gudang data atau lebih dikenal dengan data warehouse. Di dalam data warehouse ini tersimpan banyak sekali data yang telah direkap setiap harinya. Melalui data-data ini lah terdapat informasi yang harus digali untuk menunjang proses bisnis yang ada dalam menjalankan visi misi perusahaan.

Dibutuhkan suatu teknik untuk menggali informasi yang terdapat pada data warehouse tersebut. Lahirlah data mining, yaitu suatu teknik untuk meng-ekstrasi suatu pola dari data. Data mining diterapkan dengan paradigma untuk melihat informasi yang tersembunyi. Proses pencarian ini dilakukan secara otomatis terhadap pola dalam data dengan jumlah besar dengan menggunakan teknik-teknik seperti klasifikasi, clustering, dll. Data mining adalah suatu multidisiplin ilmu yang kompleks dan beririsan dengan ilmu lain seperti statistika, database, information retrieval, machine learning, pattern recognition, algoritma dan ilmu lainnya.

Menurut para ahli, data mining merupakan sebuah analisa dari observasi data dalam jumlah besar untuk menemukan hubungan yang tidak diketahui sebelumnya dan metode baru untuk meringkas data agar mudah dipahami serta kegunaannya untuk pemilik data (David Hand, 2001). Data mining dikenal juga dengan istilah Knowledge Discovery from Data (KDD)Data mining merupakan suatu tahapan dalam penemuan pengetahuan dan menjadi core proses dari suatu jumlah data yang besar, tahapan-tahapan tersebut yaitu :

Gambar 1. Data mining sebagai tahapan dalam penemuan pengetahuan

(Jiawei Han, 2006)

1. Data cleaning, untuk membersihkan data dari noise data dan data yang tidak konsiten
2. Data integration, megkombinasikan/mengintegrasikan beberapa sumber data
3. Data selection, mengambil data-data yang relevan dari database untuk dianalisis
4. Data transformation, mentransformasikan data summary ataupun operasi agregasi
5. Data mining, merupakan proses yang esensial dimana metode digunakan untuk mengekstrak pola data yang tersembunyi
6. Pattern evaluation, untuk mengidentifikasi pola sehingga mereperesentasikan pengetahuan berdasarkan nilai-nilai yang menarik
7. Knowledge presentation, dimana teknik representasi dan visualisai data digunakan untuk mempresentasikan pengetahuan yang diadapat kepada user

Cara Menghapus Files Yang Sedang Digunakan Program Lain Pada Windows XP/Vista

Anda pasti sering menjumpai gambar seperti di samping atau kata-kata seperti di bawah ini :

• Cannot delete file: the file is in use by the other program

• Cannot delete file: There has been a sharing violation
  

• Cannot delete file: The file is in use by another program or user
  

• Cannot delete file: Disk is not full or write-protected and that the file is not currently in use.
  

• Cannot delete file: The source or destination file may be in use
  

Normalnya, dengan restart Windows maka masalah ini akan selesai. Tetapi jika anda tidak ingin restart Windows maka telah disediakan tool yang dinamakan Unlocker. Toolnya dapat anda donlod disini.

Setelah instalasi, klik kanan pada folder atau files yang ingin anda hapus dan pilih "Unlocker". Maka file tersebut dapat dihapus.

Bioinformatika

Bioinformatika

Sejarah

Istilah bioinformatics mulai dikemukakan pada pertengahan era 1980-an untuk mengacu pada penerapan komputer dalam biologi. Namun demikian, penerapan bidang-bidang dalam bioinformatika (seperti pembuatan basis data dan pengembangan algoritma untuk analisis sekuens biologis) sudah dilakukan sejak tahun 1960-an.

Kemajuan teknik biologi molekular dalam mengungkap sekuens biologis dari protein (sejak awal 1950-an) dan asam nukleat (sejak 1960-an) mengawali perkembangan basis data dan teknik analisis sekuens biologis. Basis data sekuens protein mulai dikembangkan pada tahun 1960-an di Amerika Serikat, sementara basis data sekuens DNA dikembangkan pada akhir 1970-an di Amerika Serikat dan Jerman (pada European Molecular Biology Laboratory, Laboratorium Biologi Molekular Eropa). Penemuan teknik sekuensing DNA yang lebih cepat pada pertengahan 1970-an menjadi landasan terjadinya ledakan jumlah sekuens DNA yang berhasil diungkapkan pada 1980-an dan 1990-an, menjadi salah satu pembuka jalan bagi proyek-proyek pengungkapan genom, meningkatkan kebutuhan akan pengelolaan dan analisis sekuens, dan pada akhirnya menyebabkan lahirnya bioinformatika.

Perkembangan internet juga mendukung berkembangnya bioinformatika. Basis data bioinformatika yang terhubung melalui internet memudahkan ilmuwan mengumpulkan hasil sekuensing ke dalam basis data tersebut maupun memperoleh sekuens biologis sebagai bahan analisis. Selain itu, penyebaran program-program aplikasi bioinformatika melalui internet memudahkan ilmuwan mengakses program-program tersebut dan kemudian memudahkan pengembangannya.

Penerapan utama bioinformatika

Basis data sekuens biologis

Sesuai dengan jenis informasi biologis yang disimpannya, basis data sekuens biologis dapat berupa basis data primer untuk menyimpan sekuens primer asam nukleat maupun protein, basis data sekunder untuk menyimpan motif sekuens protein, dan basis data struktur untuk menyimpan data struktur protein maupun asam nukleat.

Basis data utama untuk sekuens asam nukleat saat ini adalah GenBank (Amerika Serikat), EMBL (Eropa), dan DDBJ(en) (DNA Data Bank of Japan, Jepang). Ketiga basis data tersebut bekerja sama dan bertukar data secara harian untuk menjaga keluasan cakupan masing-masing basis data. Sumber utama data sekuens asam nukleat adalah submisi langsung dari periset individual, proyek sekuensing genom, dan pendaftaran paten. Selain berisi sekuens asam nukleat, entri dalam basis data sekuens asam nukleat umumnya mengandung informasi tentang jenis asam nukleat (DNA atau RNA), nama organisme sumber asam nukleat tersebut, dan pustaka yang berkaitan dengan sekuens asam nukleat tersebut.

Sementara itu, contoh beberapa basis data penting yang menyimpan sekuens primer protein adalah PIR (Protein Information Resource, Amerika Serikat), Swiss-Prot (Eropa), dan TrEMBL (Eropa). Ketiga basis data tersebut telah digabungkan dalam UniProt (yang didanai terutama oleh Amerika Serikat). Entri dalam UniProt mengandung informasi tentang sekuens protein, nama organisme sumber protein, pustaka yang berkaitan, dan komentar yang umumnya berisi penjelasan mengenai fungsi protein tersebut.

BLAST (Basic Local Alignment Search Tool) merupakan perkakas bioinformatika yang berkaitan erat dengan penggunaan basis data sekuens biologis. Penelusuran BLAST (BLAST search) pada basis data sekuens memungkinkan ilmuwan untuk mencari sekuens asam nukleat maupun protein yang mirip dengan sekuens tertentu yang dimilikinya. Hal ini berguna misalnya untuk menemukan gen sejenis pada beberapa organisme atau untuk memeriksa keabsahan hasil sekuensing maupun untuk memeriksa fungsi gen hasil sekuensing. Algoritma yang mendasari kerja BLAST adalah penyejajaran sekuens.

PDB (Protein Data Bank, Bank Data Protein) adalah basis data tunggal yang menyimpan model struktural tiga dimensi protein dan asam nukleat hasil penentuan eksperimental (dengan kristalografi sinar-X, spektroskopi NMR dan mikroskopi elektron). PDB menyimpan data struktur sebagai koordinat tiga dimensi yang menggambarkan posisi atom-atom dalam protein ataupun asam nukleat.

Prediksi struktur protein

Secara kimia/fisika, bentuk struktur protein diungkap dengan kristalografi sinar-X ataupun spektroskopi NMR, namun kedua metode tersebut sangat memakan waktu dan relatif mahal. Sementara itu, metode sekuensing protein relatif lebih mudah mengungkapkan sekuens asam amino protein. Prediksi struktur protein berusaha meramalkan struktur tiga dimensi protein berdasarkan sekuens asam aminonya (dengan kata lain, meramalkan struktur tersier dan struktur sekunder berdasarkan struktur primer protein). Secara umum, metode prediksi struktur protein yang ada saat ini dapat dikategorikan ke dalam dua kelompok, yaitu metode pemodelan protein komparatif dan metode pemodelan de novo.

Pemodelan protein komparatif (comparative protein modelling) meramalkan struktur suatu protein berdasarkan struktur protein lain yang sudah diketahui. Salah satu penerapan metode ini adalah pemodelan homologi (homology modelling), yaitu prediksi struktur tersier protein berdasarkan kesamaan struktur primer protein. Pemodelan homologi didasarkan pada teori bahwa dua protein yang homolog memiliki struktur yang sangat mirip satu sama lain. Pada metode ini, struktur suatu protein (disebut protein target) ditentukan berdasarkan struktur protein lain (protein templat) yang sudah diketahui dan memiliki kemiripan sekuens dengan protein target tersebut. Selain itu, penerapan lain pemodelan komparatif adalah protein threading yang didasarkan pada kemiripan struktur tanpa kemiripan sekuens primer. Latar belakang protein threading adalah bahwa struktur protein lebih dikonservasi daripada sekuens protein selama evolusi; daerah-daerah yang penting bagi fungsi protein dipertahankan strukturnya. Pada pendekatan ini, struktur yang paling kompatibel untuk suatu sekuens asam amino dipilih dari semua jenis struktur tiga dimensi protein yang ada. Metode-metode yang tergolong dalam protein threading berusaha menentukan tingkat kompatibilitas tersebut.

Dalam pendekatan de novo atau ab initio, struktur protein ditentukan dari sekuens primernya tanpa membandingkan dengan struktur protein lain. Terdapat banyak kemungkinan dalam pendekatan ini, misalnya dengan menirukan proses pelipatan (folding) protein dari sekuens primernya menjadi struktur tersiernya (misalnya dengan simulasi dinamika molekular), atau dengan optimisasi global fungsi energi protein. Prosedur-prosedur ini cenderung membutuhkan proses komputasi yang intens, sehingga saat ini hanya digunakan dalam menentukan struktur protein-protein kecil. Beberapa usaha telah dilakukan untuk mengatasi kekurangan sumber daya komputasi tersebut, misalnya dengan superkomputer (misalnya superkomputer Blue Gene [1] dari IBM) atau komputasi terdistribusi (distributed computing, misalnya proyek Folding@home) maupun komputasi grid.

Analisis ekspresi gen

Ekspresi gen dapat ditentukan dengan mengukur kadar mRNA dengan berbagai macam teknik (misalnya dengan microarray ataupun Serial Analysis of Gene Expression ["Analisis Serial Ekspresi Gen", SAGE]). Teknik-teknik tersebut umumnya diterapkan pada analisis ekspresi gen skala besar yang mengukur ekspresi banyak gen (bahkan genom) dan menghasilkan data skala besar. Metode-metode penggalian data (data mining) diterapkan pada data tersebut untuk memperoleh pola-pola informatif. Sebagai contoh, metode-metode komparasi digunakan untuk membandingkan ekspresi di antara gen-gen, sementara metode-metode klastering (clustering) digunakan untuk mempartisi data tersebut berdasarkan kesamaan ekspresi gen.

Sumber : http://id.wikipedia.org/wiki/Bioinformatika

Ubiquitous

Ubiquitos adalah suatu sistem yang memungkinkan manusia berinteraksi dengan komputer secara kontinyu, dimana saja, kapan saja dan bagaimana saja

Kita dapat mengetahui perubahan nyata atas gejala penggunaan satu komputer untuk orang banyak (periode Mainframe), satu komputer untuk satu orang, bahkan dibenamkan kepada perkakas kerja (PC), hingga satu orang mengakses berbanyak komputer (InterNetworking). Dan ke depan, dengan dimudahkannya akses ke internet serta perbaikan teknologi batere, memungkinkan mobilitas berbagai entitas menjadi sangat tinggi jika device dapat semakin diperingkas. Kait yang segera ditangkap adalah memungkinkan manusia berinteraksi dengan komputer secara kontinyu, di mana saja, kapan saja, mungkin juga bagaimana saja. Inilah yang dikenali dengan ubiquitous computing. Istilah ubiquitous sendiri memiliki arti muncul atau terjadi dimana-mana.

Pelopor ubiquitous computing adalah Mark Weiser, sehingga dia mendapat julukan sebagai bapak dari ubi-c seorang Chief Teknologi di Xerox PARC (Palo Alto Research Center) pada th 1988. Dalam ubi-c, proses komputasi sudah menyatu dengan obyek yang ada di sekitar kita. Kalau diambil contoh ubi-house, maka obyek-obyek seperti meja, kursi, dinding, pintu memiliki sensor yang bisa bekerja secara independen dan kemudian memberi informasi kepada kita sebagai pengguna. Film yang mengilustrasikan ubi concept adalah Minority Report (sayangnya saya belum sempat melihat lengkap…). Potongan film itu memperlihatkan bagaimana ketika Tom Cruise berjalan, terdapat banyak informasi yang diterima dari berbagai sisi ruangan dan peralatan. Menurut Weiser, ubiquitous computing memungkinkan pemakaian beratus-ratus device (alat) komputasi wireless per orang perkantor dalam semua skala. Kemudian komputer menjadi semakin embedded (tertanam dalam suatu alat), semakin pas dan enak, serta semakin natural. Sehingga kita menggunakannya tanpa memikirkannya dan tanpa menyadarinya. Tujuan utamanya adalah "activate the world", mengaktifkan segala yang ada di sekitar kita. Hal itu membutuhkan inovasi-inovasi baru dalam banyak bidang. Jika diteruskan, mungkin hampir semua equipment yang ada di dunia ini, maka orang dapat mengotomatisasi semuanya. Sehingga jadilah ubiquitous computing systems besar.

Dalam ubi, dikebal beberapa “any”, diantaranya any time, any where, any network. Di setiap waktu, setiap tempat dan seiap jaringan, service tersedia. Tentu saja kalau sudah ada peralatan yang mendukungnya. Salah satu peralatan yang mendukung adalah RFID (Radio Frequency Identification). Aplikasi yang mulai dikembangkan adalah pemanfaatannya di supermarket untuk menggantikan barcode. RFID memiliki jarak jangkau beberapa meter, sehingga saat akan membayar barang belanjaannya, penjaga toko tidak harus memindai barang satu persatu. Secara otomatis barang yang akan dibeli akan dipindai oleh mesin ketika melewati pintu keluar. Pembeli tinggal membayar barang belanjaannya dengan, misalnya kartu kredit. Di sebuah supermarket di Jerman, dikembangkan aplikasi dimana pembeli bisa menggunakan HP-nya untuk memotret barcode barang yang dibeli dan kemudian menggunakan foto di HP-nya itu untuk menghitung berapa jumlah yang harus dibayar. Pembayaran bisa menggunakan cara ‘tradisional’ dengan kartu kredit atau debit, dengan sidik jari atau HP. Kemungkinan lain, di masa depan, bisa jadi informasi mengenai kartu kredit kita akan disimpan dalam sebuah RFID kecil yang dibenamkan ke dalam kulit kita. Saat membayar, kita cukup mendekatkan jari atau lengan ke mesin pembayaran! Mudah bukan?! Eiit… tetapi ada satu persoalan serius, yaitu privasi.

Kalau setiap obyek bisa dikenali dalam ubi-c ini, dan setiap orang sudah memiliki chip yang berisi data dirinya, maka secara prinsip data mengenai dirinya dapat diketahui oleh siapa saja yang memiliki mesin yang tepat. Perlindungan dengan berbagai sistem akses dan otorisasi jelas akan dipasang, tetapi tetap tidak menutup kemungkinan ada kebocoran. Ini adalah satu masalah yang ditekankan oleh Prof Onsrud (seorang surveyor sekaligus pengacara!). Ternyata situasi antara Korea Selatan dengan USA, Eropa dan Australia berbeda. Sampai saat ini privasi belum menjadi hal yang sangat serius diperhitungkan di Korea Selatan. Mereka lebih konsentrasi pada pengembangan teknologinya, dan bahkan sudah mempersiapkan sebuah kota yang secara khusus akan menjadi percontohan dari Ubiquitous City…. U-City.

Bagaimana pengaruhnya dalam dunia spasial? Pemikiran yang berkembang sekarang adalah menggabungkan konsep ubiquitous ini dengan spatially enabled society (SES), terutama melalui Ubi-GIS. Ubi-GIS diharapkan dapat mendukung implementasi dari SES. Beberapa bidang penelitian yang terkait adalah ambient spatial intelligence, geo-(atau wireless) sensor network, sensor web enablement, dan location based service (LBS). Beberapa teman di Indonesia (Yogyakarta dan Jakarta) tampaknya juga sudah mulai masuk ke tema riset ini.

Sumber :

http://umum.kompasiana.com/2009/02/19/bener-nih-sudah-siap-jadi-mahluk-ubiquitous/

http://herisutanta.staff.ugm.ac.id/?p=44

Cita-Cita Ardi

Klo mnurut gw..
Sampai saat ini cita-cita gw dari kcil msh tersampaikan..
Tp ada perbedaan jg sih..
Wktu kcil gw ingin menjadi seorang insiyinyur..
Tp gw sendiri wktu itu gk taw insinyur itu apaan??
Eh..mlai gw SMA baru taw ternyata insyinyur itu k'bagi2 lg bidangnya..
Nah...waktu SMA gw sndiri bingung mw insinyur apa??
Oy waktu SMA sndiri gw smpet ngeri msuk IPS..
Cz klo ampe gw msuk IPS so psti cita2x gw bwt jd insinyur gk t'capai..
Alhamdulillah gw msuk IPA..
Jdlah cita2x gw msh kmungkinan bs t'capai..He....
Stelah gw jalanin SMA..gw tnyata mulai t'tarik dengan komputer..
Sbnarnya sih gw mulai t'tarik itu wktu klas 3 SMA..
Nah...jdlah gw msuk skrang jurusan IT..
Gw sndiri jg gk taw apa2 tnntang IT..
Gw kira cm main komputer yang kyk gmn gt..
Tnyata stelah gw jalanin lbh berat dari yg gw kira..
Hehehehehehe....
Tp mulai kuliah, blajar N blajar...
Mulailah gw ngerti dkit2 tentang IT..
Tp jujur ampe skarang gw jg msh sdikit ilmu gw d'bdang bahasa pemograman..
Mnurut gw..bahasa pemograman itu rumit bgt...
Jd mulai skarang gw lbh fokus untuk mempelajari Database..
Pengenya sih jd DBA..Doain yah.....!!!!!!!

Tugas Pengantar Kecerdasan Buatan Minggu ke 3

Tugas Pengantar Kecerdasan Buatan Minggu ke 3

Track : Berobat kedokter

Role : pasien, dokter, asiten

Prop : no anggota, no antrian, resep

Kondisi Input : Pasien yang mendaftar akan diperiksa

Scene 1 : Persiapan dokter

* Dokter mempelajari ciri-ciri penyakit
* Dokter mempersiapkan alat

Scene 2 : Persiapan pasien.

* pasien menyiapkan keluhan penyakit.
* pasien membuat no anggota
* pasien mengambil no antrian

Scene 2 : Persiapan asisten

* asisten mendata pasien yang datang
* asisten memberikan nomor antrian

Scene 4 : pasien memasuki ruang dokter.

* Pasien menceritakan keluhan penyakit
* pasien diperiksa dokter
* dokter memberitahukan penyakit pasien
* dokter memberikan resep

Scene 5 : pasien selesai berobat.

* Peserta keluar ruangan
* Pasien menebus resep dokter
* Pasien minum obat
* Pasien menunggu hasil

Goal :

1. Pasien menjadi sembuh
2. Pasien menjadi tambah parah
3. Pasien tidak ada perubahan