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

Tugas Pengantar Kecerdasan Buatan Minggu ke 2

Tugas Pengantar Kecerdasan Buatan Minggu ke 2

1. Makhluk hidup merupakan ciptaan Tuhan yang indah
2. Laki-laki adalah makhluk hidup
3. Angkot mempunyai roda 4
4. Depok adalah kota yang indah
5. Mega adalah anak perempuan
6. Mega mempunyai seorang kakak bernama bayu
7. Mega pergi bekerja dengan angkot berwarna biru
8. Mega pernah tinggal di Jakarta
9. Bayu akan kuliah dengan kendaraan mempunyai roda 4
10. Bayu memiliki mata yang indah
11. Bayu akan kuliah di Depok
12. Bayu adalah laki-laki yang baik

Tugas Bahasa Inggris Bisnis 2

Tugas Bahasa Inggris Bisnis 2
Nama : Ardi Satrya Afandi
NPM : 50406111
Kelas : 4IA07

1.George / is cooking / dinner / tonight
subject / verb phrase/ complement / modifier of time

2.Henry and Marcia / have visited / the president
subject / verb phrase / complement

3. We/ eat / lunch /in this restaurant/ today
subject/ verb phrase / complement/ modifier of place/ modifier of time

4. Pat/ should have bought/ gasoline /yesterday
subject/ verb phrase/ complement/ modifier of time

5. Trees/ grow
subject/ verb phrase

6. It/ was raining /at seven o'clock this morning
subject/ verb phrase / modifier of time

7. She/ opened/ her book
subject/ verb phrase/ complement

8. Harry/ is washing / dishes /right now
subject/ verb phrase/ complement/ modifier of time

9. She / opened /her book
subject/ verb phrase/ complement

10. Paul, William, and Mary/ were watching / television/ a few minutes ago
subject/ verb phrase/ complement/ modifier of time

Tugas Pengantar Kecerdasan Buatan Minggu ke 1

1. Buatlah representasikan pengetahuan menggunakan logika predikat dan preposisi dari pernyataan-pernyataan berikut !!!

1. Karjo adalah seorang laki – laki.
2. Karjo adalah orang Jawa.
3. Karjo lahir pada tahun 1840.
4. Setiap laki-laki pasti akan mati.
5. Semua orang jawa mati pada saat krakatau meletus pada tahun 1883.
6. Setiap orang pasti mati setelah hidup lebih dari 150 tahun.
7. Sekarang tahun 2010.
8. Mati berarti tidak hidup.
9. Jika seseorang mati maka beberapa waktu kemudian ia pasti dinyatakan telah mati.

Jawab:

1. Laki-laki(karjo)
2. Jawa(Karjo)
3. Lahir(Karjo, 1840)
4. ∀x: laki – laki(x) →mati(x)
5. ∀x: meletus(krakatau,thn 1840)→mati
6. ∀x: Lb(thn 2010-1840)→mati(x)
7. sekarang = 2010
8. mati→ ¬hidup
9. Ǝ x : mati ( x ) → Ǝ x : kemudian ( waktu ( y ) ) → di nyatakan (mati (x) )

2. Buktikan apakah Karjo masih hidup sekarang ???

Jawabannya : Karjo sudah mati

Pro dan Kontra Situs Pertemanan

Pro dan Kontra Situs Pertemanan

Bnyak bgt situs pertemanan skrang ini..
Dr yg saya taw friendster yg cm bisa kci comment antar tmn..
Ampe bs chat sm tmn..
Dari banyak situs jejaring sosial..
Byak jg hal2 positif N negatif yg kita liat slama ini..

Klo mnurut pendapat saya..
Smua itu tgantung dari penggunanya..
Klo dy gunakan dengan baik pasti akan menghasilkan yg baik jg..
Klo dy gunakan dengan buruk pasti akan menghasilkan yg buruk jg..

Ya..ibarat qt pnya pisau..
Pisau bs digunakan untuk memotong bahan mkanan..
Tp pisau jg bs digunakan untuk membunuh orang..

Jd..sblm qt gunakan jejaring tersebut..
Qt hrus pnya tujuan yg positif dulu..
Byk org yg bs lg betemu dengan tmn lama..
Bs curhat trus tmn2 kci masukan..
Bs jg buat kci info tgs kuliah..

Yg pling bguna sih byk org yg melihat peluang bdagang dr situs tersebut..
Bs dibuat ajang promosi atau iklan jg..
Cz untuk skrang ini prospek iklan melalui jejaring sosial lbh efisien..

Tp byk jg yg gunain untk hina2an s'sama tmn..
Curhat gk jelas..
Ampe ngabisin wktu yg pnting bwt OL trus d'jejaring tersebut..

Ya..akhirnya sih blik dr qt msing2 lg,sich..

Pengantar Komputasi

Komputasi

Ilmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains). Komputasi juga bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritma. Komputasi merupakan suatu sub-bidang dari ilmu komputer dan matematika. Komputasi menggabungkan antara dua komponen ilmu yang berbeda, yaitu komputer dan matematika. Ilmu ini digunakan untuk menerapkan teori matematika ke dalam aplikasi komputer.
Bidang ini berbeda dengan ilmu komputer (computer science), yang mengkaji komputasi, komputer dan pemrosesan informasi. Bidang ini juga berbeda dengan teori dan percobaan sebagai bentuk tradisional dari ilmu dan kerja keilmuan. Dalam ilmu alam, pendekatan ilmu komputasi dapat memberikan berbagai pemahaman baru, melalui penerapan model-model matematika dalam program komputer berdasarkan landasan teori yang telah berkembang, untuk menyelesaikan masalah-masalah nyata dalam ilmu tersebut.

Komputasi paralel

Komputasi paralel adalah salah satu teknik melakukan komputasi secara bersamaan dengan memanfaatkan beberapa komputer independen secara bersamaan. Ini umumnya diperlukan saat kapasitas yang diperlukan sangat besar, baik karena harus mengolah data dalam jumlah besar (di industri keuangan, bioinformatika, dll) ataupun karena tuntutan proses komputasi yang banyak. Kasus kedua umum ditemui di kalkulasi numerik untuk menyelesaikan persamaan matematis di bidang fisika (fisika komputasi), kimia (kimia komputasi) dll.

Mesin paralel

Untuk melakukan aneka jenis komputasi paralel ini diperlukan infrastruktur mesin paralel yang terdiri dari banyak komputer yang dihubungkan dengan jaringan dan mampu bekerja secara paralel untuk menyelesaikan satu masalah. Untuk itu diperlukan aneka perangkat lunak pendukung yang biasa disebut sebagai middleware yang berperan untuk mengatur distribusi pekerjaan antar node dalam satu mesin paralel. Selanjutnya pemakai harus membuat pemrograman paralel untuk merealisasikan komputasi. Tidak berarti dengan mesin paralel semua program yang dijalankan diatasnya otomatis akan diolah secara paralel !
Salah satu middleware orisinal yang dikembangkan di Indonesia adalah openPC yang digawangi oleh GFTK LIPI dan telah diimplementasikan dengan di LIPI Public Cluster.

Pemrograman Paralel

Pemrograman paralel adalah teknik pemrograman komputer yang memungkinkan eksekusi perintah/operasi secara bersamaan (komputasi paralel), baik dalam komputer dengan satu (prosesor tunggal) ataupun banyak (prosesor ganda dengan mesin paralel) CPU. Bila komputer yang digunakan secara bersamaan tersebut dilakukan oleh komputer-komputer terpisah yang terhubung dalam suatu jaringan komputer lebih sering istilah yang digunakan adalah sistem terdistribusi (distributed computing).

Tujuan utama dari pemrograman paralel adalah untuk meningkatkan performa komputasi. Semakin banyak hal yang bisa dilakukan secara bersamaan (dalam waktu yang sama), semakin banyak pekerjaan yang bisa diselesaikan. Analogi yang paling gampang adalah, bila anda dapat merebus air sambil memotong-motong bawang saat anda akan memasak, waktu yang anda butuhkan akan lebih sedikit dibandingkan bila anda mengerjakan hal tersebut secara berurutan (serial). Atau waktu yg anda butuhkan memotong bawang akan lebih sedikit jika anda kerjakan berdua.

Performa dalam pemrograman paralel diukur dari berapa banyak peningkatan kecepatan (speed up) yang diperoleh dalam menggunakan tehnik paralel. Secara informal, bila anda memotong bawang sendirian membutuhkan waktu 1 jam dan dengan bantuan teman, berdua anda bisa melakukannya dalam 1/2 jam maka anda memperoleh peningkatan kecepatan sebanyak 2 kali.

Istilah-istilah dalam pemrograman paralel

• Embarasingly Parallel adalah pemrograman paralel yang digunakan pada masalah-masalah yang bisa diparalelkan tanpa membutuhkan komunikasi satu sama lain. Sebenarnya pemrograman ini bisa dibilang sebagai pemrograman paralel yang ideal, karena tanpa biaya komunikasi, lebih banyak peningkatan kecepatan yang bisa dicapai.
• Taksonomi dari model pemrosesan paralel dibuat berdasarkan alur instruksi dan alur data yang digunakan:
  • SISD Single Instruction Single Datapath, ini prosesor tunggal, yang bukan paralel.
  • SIMD Single Instruction Multiple Datapath, alur instruksi yang sama dijalankan terhadap banyak alur data yang berbeda. Alur instruksi di sini kalau tidak salah maksudnya ya program komputer itu. trus datapath itu paling ya inputnya, jadi inputnya lain-lain tapi program yang digunakan sama.
  • MIMD Multiple Instruction Multiple Datapath, alur instruksinya banyak, alur datanya juga banyak, tapi masing-masing bisa berinteraksi.
  • MISD Multiple Instruction Single Datapath, alur instruksinya banyak tapi beroperasi pada data yang sama.

Sumber : http://id.wikipedia.org/wiki/Komputasi
http://abayhimovic.110mb.com/Komputasi_paralel.pdf
http://amalia07.files.wordpress.com/2008/07/tugas-pki.pdf

Ddos attack dan cara mengetahuinya

December 24th, 2009 • Related • Filed Under

Filed Under: Umum

Tags: http://www.forumbebas.com/topik-Ddos-attack-dan-cara-mengetahuinya

Penjelasan Mengenai DDOS Attack
Serangan DDOS ( Denial Distribute of services ) Attack, mungkin adalah serangan yang paling simple di lakukan namun efeknya sangat berbahaya.
Situs-situs besar seperti yahoo.com , ebay.com , hotmail.com, e-gold.com , 2checkout.com dan lain-lain pernah mengalami serangan yang mengakibatkan situs nya tidak bisa di akses selama beberapa jam.

Yang terbaru adalah situs e-gold.com pada tahun 2005 kemarin, situs nya di serang dengan memakai metode DDOS ( Denial Distribute of services ).

Bagaimana cara kerja DDOS ?

Jika Anda memakai program windows , coba lakukan ini di komputer Anda.

1. Start , Programs , Accessories , Command Prompt
2. Kemudian di Command prompt ketikan , Ping -t http://www.situsyangdituju.com

atau bisa juga Start, Run , Ping -t http://www.situsyangdituju.com

Kemudian komputer Anda akan mengirimkan paket informasi ke situs yang di tuju tadi, pada dasarnya dengan perintah tersebut komputer Anda mengirimkan ucapan “Halo , apa ada orang di situ ? ” , ke situs yang di tuju tadi. kemudian server situs yang di tuju tadi mengirimkan jawaban balik dengan mengatakan : “ya, di sini ada orang”

Sekarang bayangkan, jika ada ribuan komputer, dalam waktu bersamaan melakukan perintah tersebut di situs yang di tuju. 1 komputer mengirimkan data sebesar 32 bytes / detik ke situs yang di tuju. Jika ada 10.000 komputer yang melakukan perintah tersebut secara bersamaan, itu artinya ada kiriman data sebesar 312 Mega Bytes/ detik yang di terima oleh situs yang di tuju tadi.

Dan server dari situs yang di tuju tadi pun harus merespon kiriman yang di kirim dari 10.000 komputer secara bersamaan. Jika 312 MB/ detik data yang harus di proses oleh server, dalam 1 menit saja, server harus memproses kiriman data sebesar 312 MB x 60 detik = 18720 MB. Bisa di tebak, situs yang di serang dengan metode ini akan mengalami Over Load / kelebihan data, dan tidak sanggup memproses kiriman data yang datang.

Pertanyaan nya , bagaimana 10.000 komputer tersebut bisa ikut melakukan serangan ?

Komputer-komputer lain yang ikut melakukan serangan tersebut di sebut komputer zombie, dimana sudah terinfeksi semacam adware. jadi si Penyerang hanya memerintahkan komputer utamanya untuk mengirimkan perintah ke komputer zombie yang sudah terinfeksi agar melakukan Ping ke situs yang di tuju. Oleh karena itu pentingnya ada firewall di komputer anda, untuk memonitor paket yang keluar maupun yang masuk dari komputer anda.

Jika anda belum memiliki firewall bisa coba zone alarm, silahkan download di zonelabs.com Adware biasanya di dapat dari program-program gratisan yang anda download, untuk itu juga harus berhati-hati mendownload program gratisan.

Bagaimana jika ada situs yang mengklaim situsnya sedang di serang , bagaimana kita tahu itu benar atau bohong ?

Bisa kita lakukan analisa untuk mendeteksi benar atau tidaknya serangan tersebut terjadi, atau hanya mengaku-ngaku saja.

Jika anda berkecimpung di dunia Investment semacam HYIP, autosurf , atau pun situs investasi lainnya.

biasanya sering anda jumpai ada situs yang adminnya bilang situsnya sedang di serang pakai metode DDOS, dan terpaksa harus menutup situs nya, ujung-ujungnya yah admin tersebut melakukan SCAM, atau tidak membayar membernya.

Berikut tahap-tahap melakukan analisa benar atau tidaknya situs tsb di serang.

1. Beri Nilai kemampuan finansial dari situs investasi tersebut.

- Sekarang ini sudah banyak jasa penyedia ANTI DDOS , biaya nya pun cukup mahal yakni berkisar $600 / bulan sampai dengan $1000 / bulan.

sekarang anda nilai situs tersebut, apakah mampu membayar jasa tersebut atau tidak. Jika bisnis nya bernilai ratusan ribu dollar , masak sih tidak mau ngeluarin uang $600 / bulan untuk mengamankan situs nya ? Sering anda lihat kan , ada situs investasi yang menulis :

Total investasi : sekian ratus ribu dollar
Total Withdrawal : sekian ratus ribu dollar

Jika benar uangnya sebanyak itu, tentu tidak ragu untuk membayar services ANTI DDOS sebesar $600 / bulan.

2. Periksa kebenaran.

Jika situs tersebut mengklaim mereka memiliki dan menyewa services ANTI DDOS, tanyakan di mana mereka menyewanya . biasanya di situs penyedia layanan ANTI DDOS di tulis nama-nama client yang menggunakan atau memakai services mereka.

3. Periksa hostingnya, apakah menggunakan satu private IP address, atau shared IP address.

Private IP address artinya = 1 nomor IP untuk 1 domain
Shared IP address artinya = 1 nomor IP untuk BANYAK DOMAIN.

sebagai contoh :
situs semuabisnis.com menggunakan shared IP address. IP untuk domain semuabisnis.com adalah http://75.126.30.10/ dan ada sekitar 14 domain / situs yang menggunakan IP ini , salah satunya adalah ambri-servers.com

Jadi jika situs semuabisnis.com di serang, maka efeknya akan terasa juga di ambri-servers.com maupun di situs-situs lainnya yang memiliki IP yang sama dengan semuabisnis.com .

Jika semuabisnis.com mengaku di serang, namun anda masih bisa mengakses ambri-servers.com ataupun masih bisa mengakses situs lainnya yang memiliki IP yang sama dengan semuabisnis.com , maka itu tidak benar paling cuma buat gaya-gayaan.. hehehe.

Begitu juga dengan situs investasi yang mengaku situs nya di serang, coba periksa ip addressnya. menggunakan private IP atau shared IP. jika shared IP, coba periksa situs lainnya yang memiliki IP
yang sama dengan situs investasi tersebut. apakah situs lainnya masih bisa di akses atau tidak.

Jika seseorang melakukan serangan ke semuabisnis.com , maka yang tidak bisa di akses bukan hanya situs semuabisnis.com melainkan situs-situs lainnya yang memiliki IP address yang sama akan mengalami overload juga.

Untuk mengecek dia menggunakan Shared hosting atau tidak, lakukan ini.

PING -t situsyangdituju.com

kemudian catat no ip.yg muncul di command prompt.
Setelah itu periksa ip tersebut di http://whois.webhosting.info/no IP jika hanya muncul satu domain, maka IP tersebut khusus untuk 1 domain ( private IP )
Jika banyak nama-nama situs yang muncul, maka IP tersebut adalah 1 IP untuk banyak domain ( shared IP )

Sumber : http://wartawarga.gunadarma.ac.id/2009/12/ddos-attack-dan-cara-mengetahuinya