Komputasi Modern Dalam Berbagai Bidang Kehidupan

Komputasi modern adalah sebuah konsep sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory, memory disini bisa juga dari memory komputer. Pada saat ini kita melakukan komputasi menggunakan komputer maka bisa dibilang komputer merupakan sebuah komputasi modern. Konsep ini pertama kali digagas oleh John Von Neumann (1903-1957).

Dalam kerjanya, komputasi modern menghitung dan mencari solusi dari masalah yang ada, dan perhitungan yang dilakukan itu meliputi:

1. Akurasi (big, Floating point)
2. Kecepatan (dalam satuan Hz)
3. Problem Volume Besar (Down Sizzing atau pararel)
4. Modeling (NN & GA)
5. Kompleksitas (Menggunakan Teori big O)

Tentu pada masa kini komputasi modern sudah diterapkan diberbagai bidang kehidupan, seperti kesehatan, pendidikan, ekonomi, entertainment/hiburan, dll. Selanjutnya akan dibahas lebih lanjut mengenai penerapan komputasi modern ini pada bidang kesehatan dan ekonomi.

A. Bidang Kesehatan

Dunia kesehatan modern tak luput dari perkembangan teknologi. Teknologi pada bidang ini digunakan untuk meningkatkan efisiensi serta efektivitas di dunia kesehatan. Dalam dunia kesehatan komputer mempermudah dokter dan perawat dalam memonitor kesehatan pasien, monitor detak jantung pasien lewat monitor komputer, aliran darah, memeriksa organ dalam pasien dengan sinar X.

Berikut beberapa alat kedokteran/teknologi yang dipakai pada bidang kesehatan.

1.  CT Scan atau CT-scanner (computerized tomography scanner)

Computed Tomography Scanner (CT-scan), juga disebut X-ray computed tomography (X-ray CT) atau komputerisasi aksial tomografi scan (CAT scan), adalah sebuah metode penggambaran medis menggunakan tomografi di mana pemrosesan geometri digunakan untuk menghasilkan sebuah gambar tiga dimensi bagian dalam sebuah objek dari satu seri besar gambar sinar-X (X-ray) dua dimensi diambil dalam satu putaran “axis”. CT Scan adalah suatu prosedur yang digunakan untuk mendapatkan gambaran dari berbagai sudut kecil dari tulang tengkorak dan otak.

2. USG (Ultra sonografi)

USG adalah suatu alat dalam dunia kedokteran yang memanfaatkan gelombang ultrasonik, yaitu gelombang suara yang memiliki frekuensi yang tinggi (250 kHz – 2000 kHz) yang kemudian hasilnya ditampilkan dalam layar monitor. Penggunaan ultrasonik dalam bidang kedokteran ini pertama kali diaplikasikan untuk kepentingan terapi bukan untuk mendiagnosis suatu penyakit. Dalam hal ini yang dimanfaatkan adalah kemampuan gelombang ultrasonik dalam menghancurkan sel-sel atau jaringan “berbahaya” ini kemudian secara luas diterapkan pula untuk penyembuhan penyakit-penyakit lainnya.

3. Rekam Medis

Rekam medis merupakan  berkas yang berisi catatan dan dokumen yang terdiri dari identitas pasien, pemeriksaan yang telah dilakukan, pengobatan yang diberikan oleh dokter, tindakan dan pelayanan lain yang diberikan kepada pasien. Rekam medis yang dimaksud adalah alat bantu untuk rekam medis berbasis komputer (Computer based patient record) yang digunakan untuk mencatat semua data medis seperti catatan pasien, dll.

B. Bidang Ekonomi dan Bisnis

Implementasi pada ilmu pengetahuan ekonomi adalah mempelajari agent-based computational modeling, computational econometrics dan statistika, komputasi keuangan, computational modeling of dynamic macro economic systems, pemrograman yang didesain khusus untuk komputasi ekonomi, dan pengembangan alat bantu dalam pendidikan komputasi ekonomi. Karena dibidang ekonomi pasti memiliki permasalahan yang harus dipecahkan oleh algoritma contohnya adalah memecahkan teori statistika untuk memecahkan permasalahan keuangan. Ada banyak sekali contoh penerapannya, seperti sistem pembayaran secara online menggunakan rekening virtual (paypal), online shop/e-commerce,dll. 

1. Paypal

Paypal dapat disebut sebagai rekening virtual, berbeda dengan rekening bank lokal yang dapat diakses via online. Kalau rekening bank lokal biasanya digunakan untuk transaksi di dalam satu negara, berbeda dengan paypal yang digunakan untuk transaksi oleh seluruh pengguna internet dari negara mana saja, tentunya mereka yang sudah memiliki akun Paypal. Hanya dengan mengetahui email Paypal seseorang, kita bisa mengirimkan uang virtual ke akun Paypal orang tersebut dengan cepat dan aman.

Para pengguna internet yang ingin melakukan transaksi online baik mengirim atau menerima uang, misalnya untuk membeli barang, membeli lisensi software original, membeli e-book, mengirim donasi, dan lain-lain, biasanya menggunakan Paypal sebagai media transaksi karena lebih cepat dan aman. eBay.com (situs lelang online) dan banyak situs e-Commerce menggunakan Paypal sebagai alat pembayaran mereka, ini tentunya mengharuskan para member mereka untuk memiliki akun Paypal agar bisa melakukan transaksi.

2. E-Commerce

E-commerce adalah perdagangan elektronik, bukan hanya aktivitas jual-beli lewat online, juga tentang pemasaran barang dan jasa, transfer dana dan pertukaran data dengan menggunakan sistem elektronik seperti internet. Berikut ini ada beberapa jenis jenis e commerce dan contohnya sekaligus.
1. Model B2C (Business to Consumer)

Jenis bisnis ini sebenarnya adalah online shop atau toko online yang memiliki alamat website sendiri, lalu menjual produknya sendiri secara langsung kepada konsumen. Model bisnis ini memiliki fokus utama yakni untuk mendapat profit dari penjualan produknya. Misalnya, Lazada, Bhineka, BerryBenka, Bilna dan Tiket .

Target pasar : konsumen yang melek teknologi & menyukai efisiensi waktu.

2. Berbasis Media Sosial

berbasis media sosial via beyondthecastle.org

Berbeda dengan jenis bisnis B2C yang memiliki alamat website sendiri, model bisnis ini memanfaatkan media sosial seperti facebook, twitter dan instagram untuk memasarkan produk. Misalnya, toko online yang tersebar di facebook, twitter dan instagram.

Target pasar : pengguna media sosial yang umumnya di dominasi usia 15-30 tahunan.

3. Model C2C (Customer to Customer)

Model bisnis C2C ini disebut dengan marketplace, marketplace sebagai fasilitator untuk penjual dan pembeli melakukan transaksi (rekening bersama). Selain itu biasanya marketplace juga menyediakan layanan khusus untuk penjual mempromosikan barang atau produknya. Misalnya, Bukalapak dan Tokopedia.

Target pasar : Mulai dari penjual pemula sampai penjual besar yang sudah memiliki toko offline, pengguna yang berpeluang membeli produk si penjual.

4. Iklan Baris

Bentuk bisnis ini hampir sama dengan marketplace, bedanya adalah iklan baris tidak menyediakan fasilitas rekber. Iklan baris hanya menjadi tempat untuk penjual mengiklankan produknya, kemudian penjual dan pembeli lebih sering melakukan transaksi COD (Cash on Delivery). Misalnya, OLX dan Kaskus.

Daftar Pustaka:

http://kamuskesehatan.com/arti/ct-scan/
https://www.wikiwand.com/id/Biosensor
http://www.pengertianilmu.com/2015/01/pengertian-ultrasonograrfi-usg.html
http://pormiki.or.id/definisi-rekam-medis/
http://server2.docfoc.com/uploads/Z2015/12/02/mZ0yuj7Atv/4ec7d9d3a00c915918056c34ac9894a7.pdf
http://repository.usu.ac.id/bitstream/123456789/29750/4/Chapter%20II.pdf
http://pkko.fik.ui.ac.id/files/TUGAS%20%20SIM.doc
https://coretanfauzi.wordpress.com/2015/03/16/teori-komputasi-modern-dan-implementasi-di-bidang-fisika/
http://gitadwisetiawati.blogspot.co.id/2014/03/penerapan-komputasi-modern-di-berbagai.html
http://www.slideshare.net/hariston/tugas-softskill-peranan-komputasi?from_action=save
http://satriosite.blogspot.com/2015/03/teori-komputasi-dan-implementasi-dalam.html
http://veryfund.co/blog/jenis-jenis-e-commerce-dan-contohnya/
http://sherlypangaila.blogspot.co.id/2015/05/implementasi-komputasi-modern-di-bidang.html

METODE PENGOLAHAN DATA

BAB I

PENDAHULUAN

     1.1. Latar Belakang

Data ialah bahan mentah yang perlu diolah sehingga menghasilkan informasi atau keterangan, baik kualitatif maupun kuantitatif yang menunjukkan fakta. Sedangkan perolehan data seyogyanya relevaan artinya data yang ada hubungannya langsung dengan masalah penelitian, mutakhir artinya data yang diperoleh masih hangat dibicarakan, dan diusahakan oleh orang pertama (data primer).

Data yang sudah memenuhi syarat perlu diolah. Pengolahan data merupakan kegiatan terpenting dalam proses dan kegiatan penelitian. Kekeliruan memilih analisis dan perhitungan akan berakibat fatal pada kesimpulan, generalisasi maupun interpretasi. Hal ini perlu dikaji secara mendalam hal-hal yang menyangkut pengolahan data, supaya bisa memilih dan menentukan secara tepat dalam pengolahan data.

1.2 Tujuan

            Tujuan dari penulisan ini adalah untuk mengetahui lebih lanjut tentang teknik atau metode pengolahan data, Data Mining, Web Mining, Machine Learning.

BAB II

ISI

2.1 PENGOLAHAN DATA

2.1.1 Langkah Pengolahan Data

         Langkah-langkah pengolahan data adalah sebagai berikut:

a.      Penyusunan data

Data yang sudah ada perlu dikumpulkan semua agar mudah untuk mengecek apakah semua data yang dibutuhkan sudah terekap semua. Kegiatan ini dimaksudkan untuk menguji hipotesis penelitian. Penyusunan data harus dipilih data yang ada hubungannya dengan penelitian, dan benar-benar otentik. Adapun data yang diambil melalui wawancara harus dipisahkan antara pendapat responden dan pendapat interviwer.

b.     Klasifikasi data

Klasifikasi data merupakan usaha menggolongkan, mengelompokkan, dan memilah data berdasarkan pada klasifikasi tertentu yang telah dibuat dan ditentukan oleh peneliti. Keuntungan klasifikasi data ini adalah untuk memudahkan pengujian hipotesis.

c.      Pengolahan data

Pengolahan data dilakukan untuk menguji hipotesis yang telah dirumuskan. Hipotesis yang akan diuji harus berkaitan dan berhubungan dengan permasalahan yang akan diajukan. Semua jenis penelitian tidak harus berhipotesis akan tetapi semua jenis penelitian wajib merumuskan masalahnya, sedangkan penelitian yang menggunakan hipotesis adalah metode eksperimen. Jenis data akan menentukan apakah peneliti akan menggunakan teknik kualitatif atau kuantitatif. Data kualitatif diolah dengan menggunakan teknik statistika baik statistika non parametrik maupun statistika parametrik. Statistika non parametrik tidak menguji parameter populasi akan tetapi yang diuji adalah distribusi yang menggunakan asumsi bahwa data yang akan dianalisis tidak terikat dengan adanya distribusi normal atau tidak harus berdistribusi normal dan data yang banyak digunakan untuk statistika non parametrik adalah data nominal atau data ordinal.

d.     Interpretasi hasil pengolahan data

Tahap ini menerangkan setelah peneliti menyelesaikan analisis datanya dengan cermat. Kemudian langkah selanjutnya peneliti menginterpretasikan hasil analisis akhirnya peneliti menarik suatu kesimpulan yang berisikan intisari dari seluruh rangkaian kegiatan penelitian dan membuat rekomendasinya. Menginterpretasikan hasil analisis perlu diperhatikan hal-hal antara lain: interpretasi tidak melenceng dari hasil analisis, interpretasi harus masih dalam batas kerangka penelitian, dan secara etis peneliti rela mengemukakan kesulitan dan hambatan-hambatan sewaktu dalam penelitian.

2.2 DATA MINING

2.2.1 Pengertian Data Mining

      Data Mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual. Patut diingat bahwa kata mining sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari sejumlah besar material dasar. Karena itu Data Mining sebenarnya memiliki akar yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelligent), machine learning, statistik dan database. Data mining adalah proses menerapkan metode ini untuk data dengan maksud untuk mengungkap pola-pola tersembunyi. Dengan arti lain Data mining adalah proses untuk penggalian pola-pola dari data. Data mining menjadi alat yang semakin penting untuk mengubah data tersebut menjadi informasi. Hal ini sering digunakan dalam berbagai praktek profil, seperti pemasaran, pengawasan, penipuan deteksi dan penemuan ilmiah. Telah digunakan selama bertahun-tahun oleh bisnis, ilmuwan dan pemerintah untuk menyaring volume data seperti catatan perjalanan penumpang penerbangan, data sensus dan supermarket scanner data untuk menghasilkan laporan riset pasar.

         Alasan utama untuk menggunakan data mining adalah untuk membantu dalam analisis koleksi pengamatan perilaku. Data tersebut rentan terhadap collinearity karena diketahui keterkaitan. Fakta yang tak terelakkan data mining adalah bahwa subset/set data yang dianalisis mungkin tidak mewakili seluruh domain, dan karenanya tidak boleh berisi contoh-contoh hubungan kritis tertentu dan perilaku yang ada di bagian lain dari domain. Untuk mengatasi masalah semacam ini, analisis dapat ditambah menggunakan berbasis percobaan dan pendekatan lain, seperti Choice Modelling untuk data yang dihasilkan manusia. Dalam situasi ini, yang melekat dapat berupa korelasi dikontrol untuk, atau dihapus sama sekali, selama konstruksi desain eksperimental.

       Beberapa teknik yang sering disebut-sebut dalam literatur Data Mining dalam penerapannya antara lain: clustering, classification, association rule mining, neural network, genetic algorithm dan lain-lain. Yang membedakan persepsi terhadap Data Mining adalah perkembangan teknik-teknik Data Mining untuk aplikasi pada database skala besar. Sebelum populernya Data Mining, teknik-teknik tersebut hanya dapat dipakai untuk data skala kecil saja.

2.2.2 Proses Data Mining

1. Pembersihan data dan integritas data (Cleaning & Integration)

Proses ini digunakan untuk membuang data yang tidak konsisten dan bersifat noise dari data yang terdapat di berbagai basisdata yang mungkin berbeda format maupun platform yang kemudian dinintegrasikan dalam satu database datawarehouse

2. Seleksi dan transformasi data (selection and transformation)

Data yang ada dalam database datawarehouse kemudian direduksi untuk mendapatkan hasil yang akurat. Beberapa cara seleksi, antara lain :

     a.      Metode seleksi pada data Mining

·        Sampling, adalah seleksi subset representatif dari populasi data yang besar.

·        Denoising, adalah proses menghilangkan noise dari data yang akan ditransformasikan

·        Feature extraction, adalah proses membuka spesifikasi data yang signifikan dalam konteks tertentu    

      b.     Metode transformasi pada Data Mining

·        Centering, mengurangi setiap data dengan rata-rata dari setiap atribut yang ada.

·        Normalisation, membagi setiap data yang dicentering dengan standar deviasi dari  atribut bersangkutan.

·        Scaling, mengubah data sehingga berada dalam skala tertentu.

3.  Penambangan data (data mining)

Data yang telah ditransformasi, kemudian ditambang dengan berbagai teknik. Proses data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunkan fungsi-fungsi tertentu. Fungsi atau algoritma dalam data mining sangat bervariasi, dimana pemilihannya bergantung pada tujuan dan proses pencarian pengetahuan secara menyeluruh.

4. Evaluasi pola dan presentasi pengetahuan

Tahap ini merupakan bagian dari proses pencarian pengetahuan yang mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesa yang ada sebelumnya. Langkah terakhir KDD adalah mempresentasikan pengetahuan dalam bentuk yang mudah dipahami pengguna.

2.2.3. Manfaat Data Mining

A. Dari sudut pandang komersial

Pemanfaatan data mining dapat digunakan dalam menangani meledaknya volume data. Bagaimana mana menyimpannya, mengestraknya serta memanfaaatkannya. Berbagai teknik komputasi dapat digunakan menghasilkan informasi yang dibutuhkan. Informasi yang dihasilkan menjadi asset untuk meningkatkan daya saing suatu institusi. Data mining tidak hanya digunakan untuk menangani persoalan menumpuknya data/informasi dan bagaimana menggudangkannya tanpa kehilangan informasi yang penting (warehousing). Data mining juga diperlukan untuk menyelesaikan permasalahan atau menjawab kebutuhan bisnis itu sendiri, misalnya :

     1.     Bagaimana mengetahui hilangnya pelanggan karena pesaing

  2. Bagaimana mengetahui item produk atau konsumen yang memiliki kesamaan  karakteristik

     3. Bagaimana mengidentifikasi produk-produk yang terjual bersamaan dengan produk lain

     4.Bagaimana memprediski tingkat penjualan

     5.Bagaimana menilai tingkat resiko dalam menentukan jumlah produksi suatu item.

     6.Bagaimana memprediksi prilaku bisnis di masa yang akan datang

     B. Dari sudut pandang keilmuan

Data mining dapat digunakan untuk mengcapture, menganlisis serta menyimpan data yang bersifat real-time dan sangat besar, misal :

     1. Remote sensor yang ditempatkan pada suatu satelit.

     2.Teleskop yang digunakan untuk memindai langit.

     3.Simulasi saintifik yang membangkitkan data dalam ukuran terabytes.

     2.3 Web Mining

2.3.1 Pengertian Web Mining

Web mining adalah ekstraksi pola-pola penting dan bermanfaat namun tersimpan secara implisit pada kumpulan data yang relatif besar pada layanan world wide web. Web mining teridiri atas tiga bagian yaitu: web content mining, web structure mining, dan web usage mining.

Web content mining adalah suatu proses otomatis untuk menemukan informasi yang berguna dari dokumen atau data. Pada prinsipnya teknik ini mengekstraksi kata kunci yang terkandung pada dokumen. Isi data web antara lain dapat berupa teks, citra, audio, video, metadata, dan hyperlink. Ada dua strategi yang umum digunakan: pertama langsung melakukan mining terhadap data, dan kedua melakukan pencarian serta mengimprove hasil pencarian seperti layaknya search engine.

Web struncture mining dikenal juga  sebagai web log mining adalah teknik yang digunakan untuk menemukan struktur link dari hyperlink dan membangun rangkuman website dan halaman  web. Salah satu manfaatnya adlah untuk  menentukan pagerank pada suatu halaman web.

Web usage mining adalah teknik untuk mengenali perilaku pelanggan dan struktur web melalui informasi yang diperoleh dari log, click stream, cookies, dan query. Berbagai tool yang sudah ada antara lain WebLogMiner yang melakukan mining terhadap data log. Teknik yang lebih canggih digunakan untuk melakukan OLAP. Manfaat web usage mining adalah untuk kustomosasi halaman berdasarkan profil pengguna, menentukan ketertarikan pelanggan terhadap produk tertentu, dan menentukan target market yang sesuai.

2.3.2 Jenis Web Mining

Berdasarkan jenis data primer yang digunakan dalam proses penggalian informasi, web mining dapat dikategorikan menjadi 3 jenis,

yaitu: web structure mining, web content mining, dan web usage mining.

A.   Web Structure Mining

Web structure mining bertujuan untuk menemukan pengetahuan yang bermanfaat dari hyperlinks, di mana hyperlinks tersebut menggambarkan mengenai struktur Web. Hyperlink merupakan sebuah tautan yang terdapat pada suatu halaman web dan merujuk ke bagian lain pada halaman yang sama atau ke halaman lain. Pemanfaatan yang paling populer dari web structure mining adalah untuk menentukan tingkat otoritas suatu halaman web. Mesin pencari Google menggunakan informasi tersebut untuk menentukan urutan hasil pencariannya. Sebuah algoritma web structure mining, PageRank, ditemukan oleh dua pendiri Google: Larry Page dan Sergey Brin. Web structure mining dapat juga diaplikasikan untuk mengkluster atau mengklasifikasikan halaman web (Gomes dan Gong, 2005).

B.    Web Content Mining

Web content mining bertujuan untuk mengekstrak informasi atau pengetahuan yang bermanfaat dari isi halaman web. Terdapat dua kategori dalam web content mining: ekstraksi data terstruktur dan text mining. Ide mengenai ekstraksi data terstruktur berasal dari hasil pengamatan bahwa kebanyakan situs web menampilkan informasi penting yang berasal dari basisdata mereka menggunakan suatu template tertentu. Kita dapat mengidentifikasi template tersebut dengan mencari pola-pola yang berulang dalam halaman web. Selain data terstruktur, halaman web juga mengandung banyak sekali teks yang tidak terstruktur yang ditulis dalam bahasa natural. Penggalian informasi dari teks seperti ini merupakan domain dari text mining. Salah satu hal yang penting untuk dilakukan dalam text mining adalah mengekstrak pendapat atau sentimen orang-orang dalam tinjauan produk, forum, jejaring sosial, dan blog.

C.    Web Usage Mining

Web usage mining bertujuan untuk menangkap dan memodelkan pola perilaku dan profil dari pengunjung web. Pola-pola tersebut dapat digunakan untuk meningkatkan pemahaman mengenai perilaku dari segmen-segmen pengunjung web yang berbeda, untuk memaksimalkan tata letak dan struktur dari situs web, dan untuk memberikan informasi yang sesuai dengan profil pengunjung. Berbeda dengan dua jenis web mining sebelumnya, sumber data primer dari web usage mining adalah log akses web server, bukan halaman web.

      2.4 MACHINE LEARNING

     2.4.1 Pengertian dan Definisi Machine Learning

     Machine Learning, cabang dari kecerdasan buatan, adalah disiplin ilmu yang mencakup perancangan dan pengembangan algoritma yang memungkinkan komputer untuk mengembangkan perilaku yang didasarkan pada data empiris, seperti dari sensor data basis data. Sistem pembelajar dapat memanfaatkan contoh (data) untuk menangkap ciri yang diperlukan dari probabilitas yang mendasarinya (yang tidak diketahui). Data dapat dilihat sebagai contoh yang menggambarkan hubungan antara variabel yang diamati. Fokus besar penelitian pembelajaran mesin adalah bagaimana mengenali secara otomatis pola kompleks dan membuat keputusan cerdas berdasarkan data. Kesukarannya terjadi karena himpunan semua peri laku yang mungkin, dari semua masukan yang dimungkinkan, terlalu besar untuk diliput oleh himpunan contoh pengamatan (data pelatihan). Karena itu pembelajar harus merampatkan (generalisasi) perilaku dari contoh yang ada untuk menghasilkan keluaran yang berguna dalam kasus-kasus baru.

2.4.2 Sejarah dan Perbedaan Machine Learning dengan Data Mining

Pada tahun 1951, John McCarthy yang baru saja mendapatkan gelar PhD meyakinkan Minsky, Claude Shannon, dan Nathaniel Rochester untuk membantunya membawa peneliti Amerika Serikat yang memiliki ketertarikan pada teori automata, jaring syaraf, dan studi mengenai kecerdasan menjadi satu.  Mereka mengorganisir sebuah lokakarya di Dartmouth College di Hanover, New Hampshire pada tahun 1956.  Pada saat itulah dianggap menjadi tahun lahirnya kecerdasan buatan.  Sejak awal, para peneliti kecerdasan buatan tidak segan membuat prediksi mengenai keberhasilan dari kecerdasan buatan ini.

Pada awalnya kecerdasan buatan berkembang cukup pesat, hal ini disebabkan karena ekspektasi yang terlalu tinggi dari para peneliti di bidang ini. Hingga pada tahun 1974, bidang kecerdasan buatan mulai kurang diminati. Sampai pada tahun 1980, ketertarikan terhadap kecerdasan buatan sebagai bidang penelitian mulai bangkit kembali. Salah satu yang mendukung hal ini adalah hasil kerja Yarowsky (1995), ia melakukan percobaan menggunakan pembelajaran mesin dan mendapatkan hasil diatas 96% untuk ke akuratan dari percobaannya. Setelah Yarowsky banyak orang-orang yang melakukan percobaan menggunakan pembelajaran mesin dan mendapatkan hasil yang memuaskan, dari sinilah pembelajaran mesin dapat semakin berkembang hingga hari ini.

Dari definisi yang telah dijelaskan sebelumnya, dapat disimpulkan bahwa pada Machine Learning berkaitan dengan studi, desain dan pengembangan dari suatu algoritma yang dapat memungkinkan sebuah komputer dapat belajar tanpa harus diprogram secara eksplisit. Sedangkan pada data mining dilakukan proses yang dimulai dari data yang tidak terstruktur lalu diekstrak agar mendapatkan suatu pengetahuan ataupun sebuah pola yang belum diketahui. Selama proses data mining itulah algoritma dari Machine learning digunakan

2.4.3 Aplikasi Machine Learning dan Dampaknya pada Masyarakat

A. Aplikasi Machine Learning

Contoh penerapan machine learning dalam kehidupan adalah sebagai berikut.

1. Penerapan di bidang kedoteran contohnya adalah mendeteksi penyakit seseorang dari gejala yang ada. Contoh lainnya adalah mendeteksi penyakit jantung dari rekaman elektrokardiogram.

2. Pada bidang computer vision contohnya adalah penerapan pengenalan wajah dan pelabelan wajah seperti pada facebook. Contoh lainnya adalah penterjemahan tulisan tangan menjadi teks.

3. Pada biang information retrival contohnya adalah penterjemahan bahasa dengan menggunakan komputer, mengubah suara menjadi teks, dan filter email spam.

Salah satu teknik pengaplikasian machine learning adalah supervised learning. Seperti yang dibahas sebelumnya, machine learning tanpa data maka tidak akan bisa bekerja. Oleh karena itu hal yang pertama kali disiapkan adalah data. Data biasanya akan dibagi menjadi 2 kelompok, yaitu data training dan data testing. Data training nantinya akan digunakan untuk melatih algoritma untuk mencari model yang cocok, sementara data testing akan dipakai untuk mengetes dan mengetahui performa model yang didapatkan pada tahapan testing.

Dari model yang didapatkan, kita dapat melakukan prediksi yang dibedakan menjadi dua macam, tergantung tipe keluarannya. Jika hasil prediksi bersifat diskrit, maka dinamakan proses klasifikasi. Contohnya klasifikasi jenis kelamin dilihat dari tulisan tangan (output laki dan perempuan). Sementara jika kelurannya bersifat kontinyu, maka dinamakan proses regresi. Contohnya prediksi kisaran harga rumah di kota Bandung (output berupa harga rumah).

B. Dampak Machine Learning di Masyarakat

Penerapan teknologi machine learning mau tidak mau pasti telah dirasakan sekarang. Setidaknya ada dua dampak yang saling bertolak belakang dari pengembangan teknolgi machine learning. Ya, dampak positif dan dampak negatif.

Salah satu dampak positif dari machine learning adalah menjadi peluang bagi para wirausahawan dan praktisi teknologi untuk terus berkarya dalam mengembangkan teknologi machine learning. Terbantunya aktivitas yang harus dilakukan manusia pun menjadi salah satu dampak positif machine learning. Sebagai contohnya adalah adanya fitur pengecekan ejaan untuk tiap bahasa pada Microsoft Word. Pengecekan secara manual akan memakan waktu berhari-hari dan melibatkan banyak tenaga untuk mendapatkan penulisan yang sempurna. Tapi dengan bantuan fitur pengecekan ejaan tersebut, secara real-time kita bisa melihat kesalahan yang terjadi pada saat pengetikan.

Akan tetapi disamping itu ada dampak negatif yang harus kita waspadai. Adanya pemotongan tenaga kerja karena pekerjaan telah digantikan oleh alat teknologi machine learning adalah suatu permasalahan yang harus dihadapi. Ditambah dengan ketergantungan terhadap teknologi akan semakin terasa. Manusia akan lebih terlena oleh kemampuan gadget-nya sehingga lupa belajar untuk melakukan suatu aktivitas tanpa bantuan teknologi.

BAB III

KESIMPULAN

3. Kesimpulan 

Pengolahan data merupakan salah satu bagian penting dalam penelitian dimana dalam prosesnya terdapat metode pengumpulan data, peringkasan data hingga pengelompokkannya. Dari segenap kegiatan yang dilakukan dalam pengolahan data, semata – mata bertujuan untuk dapat membantu jalannya penelitian agar dapat mencapai tujuannya yaitu melihat, memecahkan dan menjawab persoalan yang tengah dipertanyakan dalam penelitian.

Sumber dari:

a b c d e f g h i j S. J. Russell, P. Norvig, J. F. Canny, J. M. Malik, and D. D. Edwards, Artificial Intelligence: A Modern Approach, vol. 2. Prentice hall Englewood Cliffs, 1995.

M. J. Zaki, W. Meira Jr., Data Mining and Analysis: Fundamental Concepts and Algorithms, Cambridge University Press, 2014.

J. Han, M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann, 2006.

K. P. Murphy, Machine Learning: A Probabilistic Perspective, The MIT Press, Cambridge, Massachusetts, London, England.

https://en.wikipedia.org/wiki/Machine_learning

S. Hayken, Neural Networks: A Comprehensive Foundation, Macmillan College Publishing Company, 1994.

B. R. Jipkate, V. V. Gohokar, A Comparative Analysis of Fuzzy C-Means Clustering and K Means Clustering Algorithms, International Journal of Computational Engineering Research, ISSN: 2250-3005.

T. Finley, T. Joachims, Supervised Clustering with Support Vector Machine, Department of Computer Science, Cornell University, Ithaca, NY 14853 USA.

Ben-Gal I., Bayesian Networks, in Ruggeri F., Faltin F. & Kenett R., Encyclopedia of Statistics in Quality & Reliability, Wiley & Sons (2007).

S. Muggleton, L. D. Raedt, Inductive Logic Programming: Theory and Methods, Journal of Logic Programming, 1994: 19, 20: 629-679.
http://niarissabil.blogspot.co.id/2014/11/pengolahan-data.html

http://gsbipb.com/?p=821

http://blog.seagatesoft.com/2012/03/18/apa-itu-web-mining/

http://blog.seagatesoft.com/2012/05/28/structured-data-extractor-implementasi-metode-data-extraction-based-on-partial-tree-alignment-depta/

http://analisis-proses-bisnis-koperasi.blogspot.co.id/2013/04/pengertian-data-mining-text-mining-dan.html

https://www.codepolitan.com/mengenal-teknologi-machine-learning-pembelajaran-mesin

https://bidanshop.blogspot.co.id/2010/02/teknik-pengolahan-data.html

http://adnyani.blogspot.co.id/2008/11/tinjauan-pustaka-latar-belakang.html

Sistem Operasi, Jaringan Komputer dan Komunikasi Data

BAB I

PENDAHULUAN

     1.1. Latar Belakang

      Tanpa perangkat lunak (software) sebuah komputer sebenarnya sekumpulan besi yang tidak berguna. Dengan software sebuah komputer dapat digunakan untuk menyimpan, mengolah data (memproses) dan mendapatkan kembali informasi yang telah disimpan, menemukan kesalahan dalam program, memainkan games dan menggunakan banyak aktivitas lainnya yang bernilai.

         Sejak me-masyarakat-nya internet dan dipasarkannya sistem operasi Windows95 oleh Microsoft Inc., menghubungkan beberapa komputer baik komputer pribadi (PC) maupun server dengan sebuah jaringan dari jenis LAN (Local Area Network) sampai WAN (Wide Area Network) menjadi sebuah hal yang mudah dan biasa. Oleh karena itu, kebutuhan akan sebuah komputer serta jaringan komputer merupakan satu hal yang tidak bisa terelakkan.

1.2 Tujuan

            Tujuan dari penulisan ini adalah untuk mengetahui lebih lanjut tentang Pengertian atau definisi dari sistem operasi, jaringan komputer dan komunikasi data.

BAB II

ISI

2.1 SISTEM OPERASI

2.1.1 Pengertian Sistem Operasi

          Sistem operasi merupakan sebuah penghubung antara pengguna dari computer dengan perangkat keras komputer. Sebelum ada sistem operasi, orang hanya mengunakan komputer dengan menggunakan sinyal analog dan sinyal digital. Seiring dengan berkembangnya pengetahuan dan teknologi, pada saat ini terdapat berbagai sistem operasi dengan keunggulan masing-masing. Untuk lebih memahami sistem operasi maka sebaiknya perlu diketahui terlebih dahulu beberapa konsep dasar mengenai sistem operasi itu sendiri. Pengertian system operasi secara umum ialah pengelola seluruh sumber-daya yang terdapat pada sistem komputer dan menyediakan sekumpulan layanan (system calls) ke pemakai sehingga memudahkan dan menyamankan penggunaan serta pemanfaatan sumber-daya sistem komputer.

                 Sistem komputer pada dasarnya terdiri dari empat komponen utama, yaitu perangkat-keras, program aplikasi, sistem-operasi, dan para pengguna. Sistem operasi berfungsi untuk mengatur dan mengawasi penggunaan perangkat keras oleh berbagai program aplikasi serta para pengguna. Sistem operasi berfungsi membuat kondisi komputer agar dapat menjalankan program secara benar. Untuk menghindari konflik yang terjadi pada saat pengguna menggunakan sumber-daya yang sama, sistem operasi mengatur pengguna mana yang dapat mengakses suatu sumber-daya. Sistem operasi juga sering disebut resource allocator. Satu lagi fungsi penting sistem operasi ialah sebagai program pengendali yang berfungsi untuk menghindari kekeliruan (error) dan penggunaan computer yang tidak perlu.

2.1.1 Sejarah Sistem Operasi

            Menurut Tanenbaum, sistem operasi mengalami perkembangan yang sangat pesat, yang dapat dibagi kedalam empat generasi:

Generasi Pertama (1945-1955)

Generasi pertama merupakan awal perkembangan sistem komputasi elektronik        sebagai pengganti sistem komputasi mekanik, hal itu disebabkan kecepatan      manusia untuk menghitung terbatas dan manusia sangat mudah untuk membuat            kecerobohan, kekeliruan bahkan kesalahan. Pada generasi ini belum ada sistem operasi, maka sistem komputer diberi instruksi yang harus dikerjakan secara langsung.

Generasi Kedua (1955-1965)

Generasi kedua memperkenalkan Batch Processing System, yaitu Job yang dikerjakan dalam satu rangkaian, lalu dieksekusi secara berurutan.Pada generasi ini sistem komputer belum dilengkapi sistem operasi, tetapi beberapa fungsi sistem operasi telah ada, contohnya fungsi sistem operasi ialah FMS dan IBSYS.

Generasi Ketiga (1965-1980)

Pada generasi ini perkembangan sistem operasi dikembangkan untuk melayani banyak pemakai sekaligus, dimana para pemakai interaktif berkomunikasi lewat terminal secara on-line ke komputer, maka sistem operasi menjadi multi-user (di gunakan banyak pengguna sekaligus) dan multi-programming (melayani banyak program sekaligus).

Generasi Keempat (Pasca 1980an)

Dewasa ini, sistem operasi dipergunakan untuk jaringan komputer dimana pemakai menyadari keberadaan komputer-komputer yang saling terhubung satu sama lainnya. Pada masa ini para pengguna juga telah dinyamankan dengan Graphical User Interface yaitu antar-muka komputer yang berbasis grafis yang sangat nyaman, pada masa ini juga dimulai era komputasi tersebar dimana komputasi-komputasi tidak lagi berpusat di satu titik, tetapi dipecah dibanyak komputer sehingga tercapai kinerja yang lebih baik.

2.1.2 Sistem Operasi Komputer

            Dewasa ini sistem komputer multiguna terdiri dari CPU (Central Processing Unit); serta sejumlah device controller yang dihubungkan melalui bus yang menyediakan akses ke memori. Setiap device controller bertugas mengatur perangkat yang tertentu (contohnya disk drive, audio device, dan video display). CPU dan device controller dapat dijalankan secara bersamaan, namun demikian diperlukan mekanisme sinkronisasi untuk mengatur akses ke memori.

            Pada saat pertama kali dijalankan atau pada saat boot, terdapat sebuah program awal yang mesti dijalankan. Program awal ini disebut program bootstrap. Program ini berisi semua aspek dari system komputer, mulai dari register CPU, device controller, sampai isi memori. Interupsi merupakan bagian penting dari sistem arsitektur komputer. Setiap sistem komputer memiliki mekanisme yang berbeda. Interupsi bisa terjadi apabila perangkat keras (hardware) atau perangkat lunak (software) minta "dilayani" oleh prosesor. Apabila terjadi interupsi maka prosesor menghentikan proses yang sedang dikerjakannya, kemudian beralih mengerjakan service routine untuk melayani interupsi tersebut. Setelah selesai mengerjakan service routine maka prosesor kembali melanjutkan proses yang tertunda. 

2.1.3. Komponen-komponen Sistem

            Pada kenyataannya tidak semua sistem operasi mempunyai struktur yang sama. Namun menurut Avi Silberschatz, Peter Galvin, dan Greg Gagne, umumnya sebuah sistem operasi modern mempunyai komponen sebagai berikut:

Ø  Managemen Proses.

Ø  Managemen Memori Utama.

Ø  Managemen Secondary-Storage.

Ø  Managemen Sistem I/O.

Ø  Managemen Berkas.

Ø  Sistem Proteksi.

Ø  Jaringan.

Ø  Command-Interpreter system.

      2.2 JARINGAN KOMPUTER

      2.2.1 Pengertian Jaringan Komputer

                  Jaringan Komputer adalah sekelompok komputer otonom yang saling berhubungan antara satu dengan lainnya menggunakan protokol komunikasi melalui media komunikasi sehingga dapat saling berbagi   informasi,   program-program,   penggunaan   bersama   perangkat   keras   seperti   printer, harddisk, dan sebagainya. Selain itu jaringan komputer bisa diartikan sebagai kumpulan sejumlah terminal komunikasi yang berada diberbagai lokasi yang terdiri dari lebih satu komputer yang saling berhubungan.

      2.2.2 Tujuan Membangun Jaringan Komputer

                  Tujuan dibangunya suatu jaringan komputer adalah membawa informasi secara tepat dan  tanpa adanya kesalahan dari sisi pengirim (transmitter) menuju kesisi penerima (receiver) melalui media komunikasi. Ada beberapa hal yang masih dirasa menjadi kendala, yaitu :

                1. Masih  mahalnya  fasilitas  komunikasi  yang  tersedia  dan  bagaimana  memanfaatkan            jaringan komunikasi yang ada secara efektif dan efisien.

                  2. Jalur transmisi yang digunakan tidak benar – benar bebas dari masalah gangguan (noise).

      2.2.3 Manfaat Jaringan Komputer

                  Manfaat yang didapat dalam membangun jaringan komputer, yaitu :

1.      Sharing resources

Sharing resources bertujuan agar seluruh program, peralatan atau peripheral lainnya dapat dimanfaatkan oleh setiap orang yang ada pada jaringan komputer tanpa terpengaruh oleh lokasi maupun pengaruh dari pemakai.

2.      Media Komunikasi

        Jaringan  komputer  memungkinkan  terjadinya  komunikasi  antar  pengguna,  baik  untuk teleconference maupun untuk mengirim pesan atau informasi yang penting lainnya.

3.      Integrasi Data

Jaringan komputer dapat mencegah ketergantungan pada komputer pusat, karena setiap proses data tidak harus dilakukan pada satu komputer saja, melainkan dapat didistribusikan ke tempat lainnya. Oleh sebab inilah maka dapat terbentuk data yang terintegrasi yang memudahkan pemakai untuk memperoleh dan mengolah informasi setiap saat.

4.      Pengembangan dan Pemeliharaan

Pengembangan peralatan dapat dilakukan dengan mudah dan menghemat biaya, karena setiap pembelian komponen seperti printer, maka tidak perlu membeli  printer sejumlah komputer yang ada tetapi cukup satu buah karena printer itu dapat digunakan secara bersama – sama. Jaringan komputer juga memudahkan pemakai dalam merawat harddisk dan peralatan lainnya, misalnya untuk memberikan perlindungan terhadap serangan virus maka pemakai cukup memusatkan perhatian pada harddisk yang ada pada komputer pusat.

5.      Keamanan Data

Sistem   Jaringan   Komputer   dapat   memberikan   perlindungan   terhadap   data.      Karena

pemberian dan pengaturan hak akses kepada para pemakai, serta teknik perlindungan terhadap harddisk sehingga data mendapatkan perlindungan yang efektif.

6.      Sumber Daya Lebih Efisien dan Informasi Terkini

Dengan  pemakaian  sumber daya secara bersama  – sama,  akan  mendapatkan  hasil  yang maksimal dan kualitas yang tinggi. Selain itu data atau informasi yang diakses selalu terbaru, karena setiap ada perubahan yang terjadi dapat segera langsung diketahui oleh setiap pemakai.

2.2.4 Jenis Jaringan Komputer

        Berdasarkan jarak dan area kerjanya jaringan komputer dibedakan menjadi tiga kelompok, yaitu :

1.  Local Area Network (LAN)

Local  Area  Network  (LAN),  merupakan  jaringan  milik  pribadi  di  dalam  sebuah  gedung  atau kampus yang berukuran sampai beberapa kilometer. LAN seringkali digunakan untuk menghubungkan komputer-komputer pribadi dan workstation dalam kantor suatu perusahaan atau pabrik-pabrik untuk memakai bersama sumberdaya (resouce, misalnya printer) dan saling bertukar informasi.

Dengan memperhatikan kecepatan transmisi data, maka LAN dapat digolongkan dalam tiga kelompok, yaitu :

a.       LowSpeedPCNetwork

Kecepatan transmisi data pada Low Speed PC Network kurang dari 1 Mbps dan biasanya diterapkan  untuk  personal  computer.  Contoh  dari  jenis  ini  adalah  Omninet oleh  Corvus Systems (network bus), Constalation oleh Corvus Systems (star network), Apple talk oleh Apple Corporation.

b.      Medium Speed Network

Kecepatan transmisi data pada Medium Speed Network berkisar antara 1 – 20 Mbps dan biasnya diterapkan untuk mini computer. Contoh dari jenis ini adalah Ethernet oleh Xerox, ARC Net oleh Datapoint Corporation, Wangnet oleh Wang Laboratories.

c.       High Speed Network 

Kecepatan  transmisi  data  pada  Hig  Speed  Network  lebih  dari  20  Mbps  dan  biasanya diterapkan  untuk  mainframe  computer.  Contoh  dari  jenis  ini  adalah  Loosely  Coupled Network oleh Control Data Corporation, Hyper Channel oleh Network System Corporation.

2.  Metropolitan Area Network (MAN)

Metropolitan Area Network (MAN), pada dasarnya merupakan versi LAN yang berukuran lebih besar dan biasanya menggunakan  teknologi yang sama dengan LAN. MAN dapat mencakup kantor-kantor perusahaan yang letaknya berdekatan atau juga sebuah kota dan dapat dimanfaatkan untuk keperluan pribadi (swasta) atau umum. MAN mampu menunjang data dan suara, bahkan dapat berhubungan dengan jaringan televise kabel.

3.  Wide Area Network (WAN)

Wide  Area  Network  (WAN),  jangkauannya  mencakup  daerah  geografis  yang  luas,  seringkali mencakup  sebuah  negara  bahkan  benua.  WAN  terdiri  dari  kumpulan  mesin-mesin  yang bertujuan untuk menjalankan program-program (aplikasi) pemakai.

2.3 KOMUNIKASI DATA

2.3.1 Pengertian Komunikasi Data

             Komunikasi Data merupakan bentuk komunikasi yang secara khusus berkaitan dengan transmisi atau pemindahan data antara komputer-komputer, komputer dengan piranti-piranti yang lain dalam bentuk data digital yang dikirimkan melalui media Komunikasi Data. Komunikasi Data saat ini menjadi bagian dari kehidupan masyarakat, karena telah diterapkan dalam berbagai bentuk aplikasi misal: komunikasi antar komputer yang populer dengan istilah internet, Handphone ke komputer, Handphone ke Handphone, komputer atau handphone ke perangkat lain misal: printer, fax, telpon, camera video dll.

2.3.2        Bentuk Komunikasi Data

1.      Simpleks Line (Komunikasi Satu Arah).

Merupakan bentuk saluran komunikasi yang paling murah, dimana komunikasi jenis ini hanya bisa berlangsung satu arah, dengan demikian pengirim informasi tidak bisa bertindak ataupun berubah menjadi penerima informasi, demikian pula sebaliknya. Walaupun murah, jenis ini Simpleks line jarang dipergunakan untuk komunikasi data, kalaupun terpaksa hanya dipergunakan untuk hubungan antara CPU dengan printer, dimana printer hanya akan bertindak sebagai penerima informasi dari CPU. Dalam kehidupan sehari-hari, kita bisa melihat radio panggil (pager) yang menggunakan transmisi-line dengan bentuk simpleks

2.      Half Dupleks (Dua arah bergantian)

Hal-dupleks line mengijinkan transmisi data dilakukan dalam dua arah, tetapi tidak dalam waktu yang bersamaan. Jika line yang ada sedang mengirim data, misalnya dari terminal ke-CPU, maka line yang bersangkutan pada saat itu tidak bisa digunakan untuk mengirim data kembali dari CPU keterminal. Dalam kehidupan sehari-hari, kita bisa melihat radio-CB yang digunakan oleh para Satpam ataupun anggota Kepolisian. Radio-CB yang mereka pergunakan, menggunakan bentuk saluran half- dupleks sehingga pada saat pembicaraan berlangsung, sang pembicara harus menekan tombol tertentu agar suara yang dikirimkan bisa disalurkan kepada penerima. Apabila dirasa cukup, maka pembicara akan mengucapkan kata "ganti" sebagai tanda bahwa saluran tersebut bisa digunakan oleh lawan bicaranya.

3.      Full Dupleks (Dua arah Bersamaan)

Didalam komunikasi ini, penerima dan pengirim informasi bisa secara serentak melakukan kegiatan bersama-sama, ataupun saling bertukar posisi dari penerima menjadi pengirim berita dan sebaliknya. Data dalam hal ini dapat dikirim dari dua arah pada saat yang bersamaan Dalam  kehidupan  sehari-hari  kita  bisa  melihat  pada  percakapan yang menggunakan telpon. Percakapan jenis ini menggunakan saluran dengan bentuk full-dupleks, dimana pembicra telpon bisa saling mengirim berita pada saat yang bersamaan.

BAB III

KESIMPULAN

3. Kesimpulan

            Sistem operasi yang ada pada komputer sangant penting peranannya. Karena tanpa sistem operasi, komputer hanyalah Seperangkat alat elektronik yang tidak berguna dan tidak dapat bekerja. Selain itu sejak adanya internet dan dipasarkannya sistem operasi Windows95 oleh Microsoft Inc., menghubungkan beberapa komputer baik komputer pribadi (PC) maupun server dengan sebuah jaringan dari jenis LAN (Local Area Network) sampai WAN (Wide Area Network) menjadi sebuah hal yang mudah dan biasa. Komunikasi data pun semakin maju.

Sumber dari:

Http://home.xandros.com/PT.PerkebunanNusantaraVII/MateriTrainingSistemKomputer

Cisco, Materi CCNA 1, v.31
Introduction About Network, Mc Graw Hill Companies, Inc. 2003
Jaringan Komputer Edisi Bahasa Indonesia Jilid 1 Pearson Education Asia Pte. Ltd, Andrew S. Tanembaum,
Prentice-Hall Inc. 1996,
Jaringan Komputer, Lukas Tanutama, Elexmedia komputindo 2000
Pengantar Jaringan Komputer, Melwin Syafrizal, Andi Offset, Jogja, 2005

Pengantar Local Area Network, Robert M. Thomas, Elexmedia komputindo, 1999

Ir. Edi Nur Sasongko, M.Kom, http://kuliah.dinus.ac.id/edi-nur/pde.html

http://mdin.staff.uad.ac.id/Komunikasi_data