Battle Studies

Data mining merupakan teknologi baru yang sangat berguna untuk membantu perusahaan asuransi menemukan informasi yang sangat penting dari gudang data mereka. Data mining meramalkan tren dan sifat-sifat perilaku bisnis yang sangat berguna untuk mendukung pengambilan keputusan penting. Analisis yang diotomatisasi yang dilakukan oleh data mining melebihi yang dilakukan oleh sistem pendukung keputusan tradisional yang sudah banyak digunakan. Data mining dapat menjawab pertanyaan-pertanyaan bisnis yang dengan cara tradisional memerlukan banyak waktu untuk menjawabnya. Data mining mengeksplorasi basis data untuk menemukan pola-pola yang tersembunyi, mencari informasi pemrediksi yang mungkin saja terlupakan oleh para pelaku bisnis karena terletak di luar ekspektasi mereka.
Perkembangan data mining(DM) yang pesat tidak dapat lepas dari perkembangan teknologi informasi yang memungkinkan data dalam jumlah besar terakumulasi. Sebagai contoh, toko swalayan merekam setiap penjualan barang dengan memakai alat POS(point of sales). Database data penjualan tsb. bisa mencapai beberapa GB setiap harinya untuk sebuah jaringan toko swalayan berskala nasional. Perkembangan internet juga punya andil cukup besar dalam akumulasi data.
Tetapi pertumbuhan yang pesat dari akumulasi data itu telah menciptakan kondisi yang sering disebut sebagai “rich of data but poor of information” karena data yang terkumpul itu tidak dapat digunakan untuk aplikasi yang berguna. Tidak jarang kumpulan data itu dibiarkan begitu saja seakan-akan “kuburan data” (data tombs).
DM 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 DM sebenarnya memiliki akar yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelligent), machine learning, statistik dan database. Beberapa teknik yang sering disebut-sebut dalam literatur DM antara lain : clustering, classification, association rule mining, neural network, genetic algorithm dan lain-lain.
Yang membedakan persepsi terhadap DM adalah perkembangan teknik-teknik DM untuk aplikasi pada database skala besar. Sebelum populernya DM, teknik-teknik tersebut hanya dapat dipakai untuk data skala kecil saja.

Proses Data Mining
Disini akan diuraikan tahap-tahap DM dan pengertian data warehouse.
Tahap-Tahap Data Mining
Karena DM adalah suatu rangkaian proses, DM dapat dibagi menjadi beberapa tahap :
1. Pembersihan data (untuk membuang data yang tidak konsisten dan noise)
2. Integrasi data (penggabungan data dari beberapa sumber)
3. Transformasi data (data diubah menjadi bentuk yang sesuai untuk di-mining)
4. Aplikasi teknik DM
5. Evaluasi pola yang ditemukan (untuk menemukan yang menarik/bernilai)
6. Presentasi pengetahuan (dengan teknik visualisasi)

Teknik-Teknik Data Mining
Dengan definisi DM yang luas, ada banyak jenis teknik analisa yang dapat digolongkan dalam DM. Karena keterbatasan tempat, disini penulis akan memberikan sedikit gambaran tentang tiga teknik DM yang paling populer.

Association Rule Mining
Association rule mining adalah teknik mining untuk menemukan aturan assosiatif antara suatu kombinasi item. Contoh dari aturan assosiatif dari analisa pembelian di suatu pasar swalayan adalah bisa diketahui berapa besar kemungkinan seorang pelanggan membeli roti bersamaan dengan susu. Dengan pengetahuan tsb. pemilik pasar swalayan dapat mengatur penempatan barangnya atau merancang kampanye pemasaran dengan memakai kupon diskon untuk kombinasi barang tertentu. Penting tidaknya suatu aturan assosiatif dapat diketahui dengan dua parameter, support yaitu persentase kombinasi item tsb. dalam database dan confidence yaitu kuatnya hubungan antar item dalam aturan assosiatif.

Classification
Classification adalah proses untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang labelnya tidak diketahui. Model itu sendiri bisa berupa aturan “jika-maka”, berupa decision tree, formula matematis atau neural network.
Decision tree adalah salah satu metode classification yang paling populer karena mudah untuk diinterpretasi oleh manusia.
Proses classification biasanya dibagi menjadi dua fase : learning dan test. Pada fase learning, sebagian data yang telah diketahui kelas datanya diumpankan untuk membentuk model perkiraan. Kemudian pada fase test model yang sudah terbentuk diuji dengan sebagian data lainnya untuk mengetahui akurasi dari model tsb. Bila akurasinya mencukupi model ini dapat dipakai untuk prediksi kelas data yang belum diketahui.

Clustering
Berbeda dengan association rule mining dan classification dimana kelas data telah ditentukan sebelumnya, clustering melakukan penge-lompokan data tanpa berdasarkan kelas data tertentu. Bahkan clustering dapat dipakai untuk memberikan label pada kelas data yang belum diketahui itu. Karena itu clustering sering digolongkan sebagai metode unsupervised learning.
Prinsip dari clustering adalah memaksimalkan kesamaan antar anggota satu kelas dan meminimumkan kesamaan antar kelas/cluster. Clustering dapat dilakukan pada data yan memiliki beberapa atribut yang dipetakan sebagai ruang multidimensi.

sumber : http://ilmukomputer.org/2008/11/25/pengantar-data-mining/

Pada perkembangan zaman sekarang ini, teknologi sangat berpersan dalam berbagai bidang. Termasuk dalam bidang Bioinformatika. Bioinformatika merupakan "perkawinan" antara bidang Teknologi Informasi dengan bidang Bioteknologi. Bioteknologi adalah cabang ilmu yang mempelajari pemanfaatan makhluk hidup (bakteri, fungi, virus, dan lain-lain) maupun produk dari makhluk hidup (enzim, alkohol) dalam proses produksi untuk menghasilkan barang dan jasa. Perkembangan bioteknologi tidak hanya didasari pada biologi semata, tetapi juga pada ilmu-ilmu terapan dan murni lain, seperti biokimia, komputer, biologi molekular, mikrobiologi, genetika, kimia, matematika, dan lain sebagainya. Dengan kata lain, bioteknologi adalah ilmu terapan yang menggabungkan berbagai cabang ilmu dalam proses produksi barang dan jasa, sedangkan Bioinformatika (bahasa Inggris: bioinformatics) adalah (ilmu yang mempelajari) penerapan teknik komputasional untuk mengelola dan menganalisis informasi biologis. Bidang ini mencakup penerapan metode-metode matematika, statistika, dan informatika untuk memecahkan masalah-masalah biologis, terutama dengan menggunakan sekuens DNA dan asam amino serta informasi yang berkaitan dengannya. Contoh topik utama bidang ini meliputi basis data untuk mengelola informasi biologis, penyejajaran sekuens (sequence alignment), prediksi struktur untuk meramalkan bentuk struktur protein maupun struktur sekunder RNA, analisis filogenetik, dan analisis ekspresi gen.
Bioteknologi modern lahir tahun 1970an diawali dengan inovasi ilmuwan America Serikat mengembangkan teknologi DNA rekombian. Berkat penemuan ini lahirlah perusahaan bioteknologi pertama di dunia.
Selain itu 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.
Informasi tentang bioinformatika dapat kita cari melalui search engine, seperti google. Bahkan google pun terjun secara langsung pada usaha yang terkait dengan bioinformatika.

Pada tahun 2009, Google telah mengumumkan bahwa mereka menginvestasikan dana sebesar 3.9 juta US$ pada perusahaan bioinformatika yang bernama 23andMe. Perusahaan 23andMe didirikan untuk membantu konsumem memahami dan mem-'browsing' genome mereka. Namun keputusan yang sangat menentukan dari Google adalah sewaktu mereka memutuskan untuk bekerja sama dengan John Craig Venter, dari Venter Institute. John Craig Venter adalah ilmuwan yang berperan sangat penting dalam Human Genome Project, yang diselesaikan tahun 2001. Proyek ini telah berhasil memetakan keseluruhan gen yang ada pada manusia (genom), sehingga membuka lebar peluang untuk memecahkan masalah yang berhubungan dengan kedokteran/kesehatan. Venter bekerja sama dengan Google, supaya kekuatan komputasi Google dapat dimanfaatkan untuk memecahkan misteri biologis, dan suatu saat kita dapat mem-'browsing' gen kita sendiri. Di tahun 2009 ini, Google mengumumkan, bahwa mereka telah merekrut NESCent dan GenMAPP sebagai organisasi mentor Bioinformatika di event 'Google Summer of Code' (GSOC).

sumber :
http://id.wikipedia.org/wiki/Bioinformatika
http://www.detikinet.com/read/2009/04/21/144436/1118926/398/perjodohan-google-dengan-bioinformatika

Pada kesempatan ini, saya akan mencoba menjelaskan cara membuat animasi roda bergerak pada OGRE.
OGRE merupakan bahan ataupun pola yang digunakan untuk mewarnai, memberi pola pada mesh, ground ataupun terrain. Nama material pada Ogre harus Unik karena material selalu diidentifikasikan dari nama layaknya variabel pada bahasa pemrograman C++. Ogre memiliki bermacam-macam material, dibagi menjadi 3 yaitu : Basic Material, Intermediate Material dan Advanced material dan merupakan open source. 
 
Sebelum kita membuat object yang kita inginkan langkah awal yang kita lakukan adalah menginstall software 3DS max 9 dan OGRE beserta converter 3DS max  9 ke OGRE yaitu OGRE max.




 


Kemudian kita akan memberikan gradasi warna yang gelap dengan menagatur gambar dan menggeserkan kursor ke arah hitam. Langkah terakhir adalah menggerakan benda pada lintasannya. Dan untuk menguji apakah object yang kita buat sesuai dengan keinginan atau tidak kita memilih Rendering pada tool render atau f10 untuk menjalankan object tersebut.






 Setelah object yang telah kita buat dengan menggunakan 3D max 9, kita mengeksport object tersebut ke OGRE. Pada OGRE, kita memilih File -> Export dan mengeksport object yang telah kita buat sebelumnya dan menyimpan dengan nama roda. 









Kita mengganti roda 3DS menjadi mesh.















Dan apabila kita telah berhasil kita pilih debug lalu start debugging apabila berhasil akan muncul kotak dialog seperti ini 

Tugas PKB : Buatlah naskah/script yang terdiri dari :
1. jalur/track
2. role/peran
3. property/pendukung
4. kondisi input
5. adegan/ scene minimal 5 adegan dg perinciannya tiap adegan
6. hasil

Script atau naskah merupakan skema representasi pengetahuan yang sama dengan frame, yaitu merepresentasikan pengetahuan berdasarkan karakteristik yang sudah dikenal sebagai pengalaman-pengalaman. Perbedaannya frame menggambarkan obyek, sedangkan script menggambarkan urutan peristiwa. Dalam menggambarkan urutan peristiwa, script menggunakan slot yang berisi informasi tentang orang, objek, dan tindakan-tindakan yang terjadi dalam suatu peristiwa.
Berikut elemen script :
1. jalur/track, yaitu variasi yang mungkin terjadi dalam suatu script
2. role/peran, yaitu peran yang dimainkan oleh seseorang dalam peristiwa
3. property, berisi objek-objek pendukung yang digunakan selama peristiwa terjadi
4. kondisi input, yaitu kondisi yang harus dipenuhi sebelum terjadi atau berlaku suatu peristiwa dalam script
5. scene, yaitu adegan yang dimainkan yang menjadi bagian dari suatu peristiwa
6. hasil, yaitu kondisi yang ada setelah urutan peristiwa dalam script terjadi.

Script Restoran
Jalur (track) : Restoran
Role (peran) : tamu, pelayan, koki, kasir
Property (pendukung) : meja, baki, daftar menu, makanan, minuman, dll.
Kondisi input : tamu lapar, tamu punya uang

Scene 1 : Masuk
- Tamu masuk restoran
- Tamu mencari meja kosong
- Tamu duduk

Scene 2 : Pesanan
- Tamu membaca daftar menu
- Tamu mengambil keputusan menu yang akan dipesan
- Tamu memberi pesanan ke pelayan
- Tamu menunggu

Scene 3 : Pembuatan makanan
- Pelayan memberi pesanan ke koki
- Koki memasak pesanan
- Koki memberikan pesanan ke pelayan untuk diantarkan ke tamu

Scene 4 : Makan
- Pelayan membawa makanan dan minuman dengan menggunakan baki
- Pelayan memberikan makanan dan minuman ke tamu
- Tamu mengambil sendok, garpu, serbet
- Tamu makan dengan cepat

Scene 5 : Pulang
- Tamu membayar ke kasir
- Tamu keluar dari restoran

Hasil :
- Tamu kenyang
- Tamu kecewa
- Tamu senang

1. Kerajaan Inggris mempunyai pewaris contohnya Pangeran William.
2. Pangeran William adalah anak dari Lady Di.
3. Lady Di pernah datang ke Indonesia.
4. Lady Di telah meninggal pada tahun 1997.
5. Pangeran William mempunyai sahabat bernama Vanno.
6. Vanno sedang bekerja di Kerajaan Inggris.
7. Vanno tidak tinggal di Indonesia.
8. Vanno mempunyai adik bernama Jonas.
   
9. Jonas pergi sekolah menggunakan motor.
   
10. Motor adalah kendaraan roda 2.
11. Jonas mengikuti Ujian Nasional.
12. Ujian Nasional di Indonesia menjadi pro dan kontra.