Membuat applikasi chating Sederhana dengan JAVA

dalam era melenia ini aplikasi chat begitu marak digunakan disetiap smartphone maupun pada desktop PC. berbagai jenis aplikasi chat yang bersaing dengan berbagai macam fitur yang tersedia, misalkan Whatsapp aplikasi chat sejuta umat, WeChar, Line, BBM, Emo, Betalk dan lain sebagainya. namu pada kali saya akan mengulas bagaimana konsep aplikasi chat dibuat.

Read More

Implementasi Jaringan Syaraf Tiruan Perceptron dengan JAVA

Aturan belajar (learning) perceptron lebih handal jika di banding aturan heb (heb rule). Dengan asumsi yang sesuai prosedur belajar interatifnya, dapat dibuktikan dengan konvergenya ke bobot yang benar, yakni bobot yang memungkinkan jaringan menghasilkan nilai output yang benar untuk setiap pola input pelatihan (Hermawan, 2006).

Read More

ONTOLOGY SEBAGAI KONSEP PEMBUATAN KOMPUTER CERDAS MASA KINI

Kemampuan komputer dalam menyelesaikan suatu permasalahan sejatinya sudah familiar dirasakan, kemampuan komputer dalam menyelesaikan permasalahan yang relative cepat dan memiliki konsistensi yang linier membuat komputer menjadi alat yang handal dalam pengambilan suatu keputusan. Bahkan dalam implementasinya komputer sejatinya mampu mengikuti pola kerja manusia, alih-alih memindahkan albert einstein dalam sebuah alat yang mampu bekerja secara go on (terus-menerus). Hal ini sering kali kita kenal dengan istilah Jaringan Syaraf Tiruan (JST), yang memiliki makna system komputasi dimana arsitektur dan operasi diilhami dari pengetahuan tentang sel syaraf biologi di dalam otak.

Gambar 1.1 Ilustrasi Jaringan Syaraf Tiruan

JST dapat digambarkan sebagai model matematis dan komputasi untuk fungsi aproksimasi nonlinier, klasifikasi data, cluster dan regresi non parametric atau sebagai sebuah simulasi dari koleksi model syaraf biologi (Kristanto, 2004).

            Komputer sebagai problem solving menjadi vital dari kalangan bisnis, karena kemampuanya dalam memprediksi dan memberikan rekomendasi. Satu lagi hal yang menarik dalam komputer masa kini adalah kemampuan komputer dalam berfilsafat hal ini dijelaskan dalam terminology ontologi. Ontology menjadi bagian dari pendekatan yang baru dalam membangun system cerdas karena ontology memiliki beberapa karakteristik seperti tertera dalam definisinya, shared conceptualization and formal explicit specification. shared conceptualization berarti bahwa ontologi berisi abstraksi dari pengetahuan yang merupakan bentuk persetujuan umum yang diterima oleh komunitas dan masyarakat luas. Formal and explicit specification berarti bahwa ontologi merepresentasikan pengetahuan menggunakan bahasa formal, secara deklaratif dan eksplisit.

            Ontology bisa di terapkan pada bermacam-macam domain, termasuk dalam bidang medis. Paradoksnya bidang medis dikenal memilki domain yang sulit difahami oleh karena itu ontology sebagai sebuah pendekatan domain akan memudahkan dalam hal ini. Walapun telah ada sumber pengetahuan medis masyarakat dimungkinkan mengalami kendala dalam memahami dan menggunakan konten di dalamnya. Hal ini dapat disebabkan tiga hal; (i) tidak adanya lokalisasi pengetahuan; (ii) kurangnya pengetahuan local yang adal di dalamnya; (iii) cakupan pengetahuan yang sangat besar sehingga mempersulit pencarian pengetahuan yang sfesifik (Fudholi, 2017).

            Melihat terminology ontology secara umum filusuf Aristoteles memperkenalkan ontology sebagai metafisik (sesuatu setelah fisik). Sebagai pencarian dari penggasan dimana segala pengetahuan adalah terkait dengan penggagasan baik secara tersirat maupun tersirat (Harjono, 2008) Burcu Yildiz dan Silvia Miksch memberikan ide agar terjadi integrasi mulus ontology dalam penerapanya dalam system informasi. Ontology dapat digunakan sebagai alat perkaya pengetahuan. Di kemukakan gagasan pengelolaan ontology melalui ontology manajemen modul (OMM) yang dapat dibagi menjadi 3 bagian:

1.         Penciptaan ontology, diwujudkan dengan bahasa tertentu dan sifatnya automatis. Tingkat keyakinan (confident level) sebagai ukuran keabsahan dalam proses otomatisasi.

2.         Integrasi ontology yaitu OMM didasarkan dalam bentuk model abstrak sehingga berbagai pengetahuan dalam bermacam-macam Bahasa dapat digabungkan.

3.         Harus mampu menyesuaikan diri berdasarkan perubahan data. Data ini berupa kumpulan file atau dokumen sesuai bidangnya.

memetik ilustrasi yang telah di jelaskan diatas bahwa konsep kompter cerdas akan semakin akurat sebagai alat pemecahan masalah dan pengambilan keputusan, hal demikian karena ontology sebagai konsep dalam transformasi pengetahuan bersifat flaxibel dan mendetail. Sehingga masalah berserta solusi dan rekomenasi tersipan dalam store. Hal ini akan memudahkan proses implementasi dalam aspek pengkodean program dimana akan terbentuk model digital sebagai simulasi dari representasi permasalahan yang ingin dipecahkan.

Daftar Bacaan

Kristanto, A. (2004). Jaringan Syaraf Tiruan Konsep Dasar Algoritma dan Aplikasi. Yogyakarta, Yogyakarta, Indonesia.

Fudholi, D. H. (2017). Penerapan Ontologi Bidang Medis dalam Sistem Pelayanan Kesehatan . Seminar Nasional Informatika Medis (SNIMed) , VIII, 4.

Harjono. (2008, April 1). Ontologi Dalam Sistem Informasi. Retrieved September 4, 2017, from Maykada Harjono di Waru Doyong: https://oguds.wordpress.com/2008/04/01/ontologi-dalam-sistem-informasi/

Read More

Clastering dengan K-Means menggunakan Bahasa pemerograman R

Pada era informasi saat ini tentu keberlimpahan data sebagai dasar informasi sudah begitu monoton, sehingga pertanyaanya adalah data banyak tersebut kita mau apakan. Nah dalam era big data-data tersebut diolah sehingga memiliki makna yang berarti. Lalu pemaknaan data tersebutlah yang memberikan suatu informasi yang berguna bagi institusi tertentu mupun individu secara umum sebagai suatu keputusan, hal ini dikenal dengan nama data mining.

Gambar 1.1 Kajian yang masuk dalam data mining (Santosa, 2007)

Teknik klasater adalah merupakan teknik yang sudah cukup banyak dikenal dan banyak dipakai dalam data mining. Tujuan utama dalam metode klaster adalah pengelompokan jumlah data /objek kedalam goup sehingga dalam klaster kita bias menempatkan objek yang mirip (jaraknya dekat) dalam satu klaster dan membuat jarak antar klaster sejauh mungkin. Dalam teknik ini kita tidak tahu sebelumnya berapa jumlah klaster dan bagaimana pengelompokanya. Klastering adalah salah satu teknik unsuvervised learninf dimana kita tidak perlu melatih metode tersebut atau dengan kata lain tidak ada fase learning.

Sebelum membahas teknik clastering secara tekhnis terlebih dahulu kita harus mengetahui konsep kemiripan dan ketidak miripan. Artinya semakin mirip dua objek semakin tinggi peluang untuk di kelompokkan dalam satu klaster. Sebaliknya semakin tidak mirip semakin rendah peluang untuk di kelompkkan dalam satu klaster. Ada beberapa metode yang digunakan dalam hal ini.

1. Cosinus antara dua titik x dan y didifinisikan

2. Kovarian

3.  Kefedsien korelasi

Pada metode kovarian dan koefesien korelasi disarankan untu merujuk ditinjauan pustaka, agar pembaca lebih memahami secara detail terkait konsep kemiripan dan ketidak miripan

Teknik klastering yang akan di gunakan pada kasus ini adalah k-means yang merupakan suatu metode yang cukup sederhana dalam pengelompokan data, algoritma k-menas klastering bias diringkas sebagai berikur:

-  Tentukan jumlah cluster

- Alokasikan data ke dalam cluster secara random

- Hitung centroid/rata-rata dari data yang ada di masing-masing cluster Alokasikan masing-masing data ke centroid/rata-rata terdekat

-Kembali ke Step 3, apabila masih ada data yang berpindah cluster atau apabila perubahan nilai centroid, ada yang di atas nilai threshold yang ditentukan atau apabila perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan.

Implementasi K-Means denga pemerograman R

a.       Pastikan pemerograman R sudah terinstall kalau belum silahkan download https://cran.r-project.org/bin/windows/base/

b.      Untuk mempermudah gunakan editor R-Studio silahkan download https://www.rstudio.com/products/rstudio/download/

c.       Lalu install package NbClust

d.      Data yang akan di pakai, saya menggunakan data : jika tidak memiliki data sebagai latihan pakai data ini Download  

    Saya asumsikan kelengkapan a sampai dengan d sudah ada di PC masing-masing, selanjutnya kita akan melakukan uji pada metode k-means.

1.      Bukalah program R atau R studio yang sebelumnya di install tadi,  berikut adalah tampilah utama R-Studio.

1.      Masukkan data yang akan di uji

Berikut adalah codingnya

kesehatanIbu<-read.csv(file.choose(), header = TRUE)

2.      Ambil hanya kolom yang akan di klaster

kes_ibu<-kesehatanIbu[,3:9]

kes_ibu

P1     P2    P3    P4    P5    P6     P7

1   90.54  81.83 80.11 79.53 66.65 18.00  49.34

2   92.60  86.32 94.15 84.29 27.38 59.86  38.57

3   94.79  82.70 82.11 81.06 76.63  9.94  56.11

4   88.65  80.37 79.54 82.72 57.58 20.15  28.76

5   98.89  93.39 91.08 91.06 49.22 42.71  84.54

6   90.91  87.59 86.30 86.38 36.30 52.06  61.74

7   97.00  91.02 87.77 90.92 58.30 32.76  69.72

8   95.78  89.62 84.15 83.53 60.32 25.85  62.81

9   96.15  90.04 88.02 84.37 91.14  0.00  85.35

10  94.09  88.61 85.34 81.67 89.23  0.12  58.74

11  99.92  96.01 94.64 94.79 96.22  0.97  82.76

12  96.84  89.13 87.33 90.48 80.08  7.46  81.62

13  99.60  93.11 92.37 92.49 95.02  4.15 101.05

14 100.00  92.81 94.54 91.59 99.46  0.50  89.69

15  96.19  88.66 91.15 84.94 91.32  1.14  91.48

16  93.76  84.53 89.60 61.36 78.08 14.31  81.91

17  98.59  94.15 93.85 95.01 97.17  0.49  77.18

18  83.67  76.24 74.05 92.42 67.27  7.47  91.00

19  85.93  61.78 69.11 74.18 67.69 10.25  52.12

20  94.79  85.99 82.03 85.08 53.39 30.85  62.81

21  95.63  87.25 88.01 81.32 46.31 43.81  50.12

22  98.31  82.65 87.27 79.79 55.78 33.59  86.37

23 102.25  89.42 85.84 80.87 85.87  6.08  84.08

24  99.79  87.39 90.98 90.22 79.72 16.44  59.26

25 102.91 102.91 79.96 80.21 74.73  8.30  82.12

26  87.93  76.68 74.91 70.42 62.40 14.49  51.58

27  99.12  91.22 89.49 88.93 81.96 10.82  73.98

28  96.14  81.41 83.98 79.01 53.38 32.43  49.82

29 100.40  89.32 84.27 85.21 89.25  0.90  73.04

30  94.16  78.21 80.60 78.89 80.74  7.01  54.01

31  55.93  47.87 43.39 62.51 32.83 14.07  31.39

32  80.28  70.19 68.60 80.41 53.87 13.47  50.69

33  75.67  39.74 29.13 32.46 35.79  8.95   9.61

34  79.13  49.67 38.61 49.12 12.97 50.18  29.54

3.      Klaster menjadi 2 kelompok

stats::kmeans(kes_ibu, 3)

hasilnya akan tampak

K-means clustering with 3 clusters of sizes 17, 14, 3

Cluster means:

        P1       P2       P3       P4       P5        P6       P7

1 97.19000 89.08588 87.30235 85.55941 85.52294  5.652941 77.84588

2 92.38429 82.57786 82.64357 82.04571 53.46929 30.734286 57.07071

3 70.24333 45.76000 37.04333 48.03000 27.19667 24.400000 23.51333

Clustering vector:

 [1] 2 2 1 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 2 2 2 2 1 1 1 2 1 2 1 1 3 2 3 3

Within cluster sum of squares by cluster:

[1]  7324.494 10242.742  2537.575

 (between_SS / total_SS =  68.5 %)

Available components:

[1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss" "betweenss"    "size"        

[8] "iter"         "ifault"  

4.      Membuat jarak dengan nama matrix_ibu

matrix_ibu<-stats::dist(kes_ibu, method = "euclidean")

matrix_ibu

5.      Membuat hierarchical agglomerative clustering:

6. Call:

7. stats::hclust(d = matrix_ibu, method = "ward.D")

8.  

9. Cluster method   : ward.D 

10.  Distance         : euclidean 

11.  Number of objects: 34 

6. Menampilkan dendogram

7.         Mengelompokkan hasil cluster, misal dlm 3 cluster:

 


  

grouping<-cutree(hclust_ibu, k=3)

grouping

[1] 1 1 1 1 1 1 1 1 2 1 2 2 2 2 2 2 

2 2 1 1 1 1 2 1 2 1 2 1 2 1
  3 1 3 3




8. Menampilkan
hasil dendogram dgn kotak merah untuk 3 cluster:

 

jika ada yang kurang jelas mohon di komentari atau 

bisa memalui email: laluallistio@gmail.com

Read More

Implementasi trigonometri dengan PHP, untuk menghitung tinggi menara

Masih ingat dengan pelajaran tentang sinus dan cosinus di sekolah dulu, SMP atau SMA ini sangat familiar di dengar. Dalam dunia matematika istilah tersebut dikenal dengan trigonometri, yang terkait dengan segitiga siku siku.

berdasarkan gambar tersebut, terdapat hubungan seperti berikut:

 dalam kasus kali ini kita akan menggunakan bahasa pemerograman PHP untuk mengimplementasikan rumus tersebut. sehingga output yang di hasikan berupa gambar dibawah ini:

ini codingnya disini bro, silahkan di coba, jika ada yang ditanyakan kirim email : laluallistilo@gmail.com

<html>

<head>

<title>Contoh menghitung tinggi menara</title>

</head>

<body>

<img src="menara.png" width="400" height="219">

    <form action="menara.php" method="post">

    <table width="337" border="0">

  <tr>

    <td width="169">Panjang</td>

    <td width="10">:</td>

    <td width="144"><input type="text" name="panjang"></td>

  </tr>

  <tr>

    <td>Sudut (Dalam Derajat)</td>

    <td>:</td>

    <td><input type="text" name="sudut"></br></td>

  </tr>

</table>

 <input type="submit" value="Hitung">

    </form>

    

    

</body>

</html>

<?php

$panjang = $_POST["panjang"];

$sudut = $_POST["sudut"];

if(isset($panjang) and isset ($sudut))

{

$tinggi = $panjang * tan($sudut *pi()/180);

print ("Panjang : $panjang<br>\n");

print ("Sudut : $sudut derajat<br>\n");

print ("Tinggi : $tinggi <br>\n");

}

else

print ("<b>Panjang dan sudut perlu di isi</b>");

?>

Read More

Tizen sebagai OS penantang baru dalam era digital

Sistem operasi Tizen disebut sebagai peranti samsung untuk melepaskan diri dari dominasi google android. Raksasa elektronik Korea Selatan itu pun berencana untuk meluncurkan produk baru bersistem operasi tersebut. Kepercayaan Samsung pada Tizen karena menilai OS besutan Linux tersebut paling ringan di antara sistem operasi lainnya. Tizen memungkinkan pemakaian memori dan tenaga prosesor yang lebih sedikit.  "Keuntungan dari Tizen sangat sederhana: Tizen lebih 'ringan' dari sistem operasi lain. Dengan kata lain, Tizen membutuhkan tenaga pemrosesan dan memori yang lebih sedikit," kata perwakilan Samsung.

        Selain untuk melepaskan diri dari ketergantungan dari Google, Tizen juga akan dijadikan sebagai pondasi Samsung untuk membangun ekosistem Internet of Things (IoT). Menurut Samsung, Tizen akan memegang peran besar di masa depan untuk mewujudkan IoT. Hal itu dikemukakan oleh Head of Product Marketing IT & Mobile Samsung Electronics Indonesia.

Tizen telah memecahkan sepasang masalah buat samsung:

1. Apple belum memiliki sistem operasi untuk "wearable" jam tangan pintar, kacamata pintar, dan berbagai gaget rumah tangga yang terhubung TIZEN telah berhasil menempatkan samsung di depan permainan dalam hal membangun sebuah sistem untuk "internet of things" Tizen juga lebih hemat daya penggunaan batrai dari pada Android.

2. Negara berkembang pangsa pasar samsung bisa dengan mudah dimakan oleh produk tiruan perangkat android murah dari cina, smartphone yang harganya $35 itu, ditujugan bagi penggunal low-end, hanya cukup baik untuk mencegah konsumen menghabiskan uang untuk membeli produk hig-end unggulan Samsung Galaxi NOte 4.

Sumber

https://tizenindonesia.blogspot.co.id/2014/03/mengapa-tizen-bisa-menjadi-sangat.html

http://tekno.kompas.com/read/2016/10/20/09130017/apa.itu.os.tizen.di.samsung.z2.bedanya.dengan.android.

Read More

Informatika Medis Dalam Terminologi Emperis

Ada beberapa definisi tentang informatika medis, dalam pengertianya ilmu informatika medis adalah ilmu yang menggunakan alat bantu analisis sistem untuk menggabungkan prosedur (algoritma) untuk manajemen, kontrol proses, pembuatan keputusan dan analisis keilmuan dari pengetahuan ilmu medis (Shortliffe, 1984) dari pengertian yang lainya informatika medis terdiri dari aspek-aspek teori dan praktek dari pemerosesan informasi dan komunikasi, yang di dasarkan pada pengetahuan dan pengalaman yang diturunkan dari proses-proses yang ada pada dunia medis dan perawatan kesehatan (Bemmel, 1984). Bemmel juga mengatakan bahwa, pada informatika medis kita akan mengembangkan dan menaksir metode-metode dan sistem-sistem untuk akuisi, pemerosesan, dan interpertasi data pasien dengan bantuan pengetahuan yang di peroleh dari prngetahuan para ilmuan (Bemmel, et al.., 1997). Greenes dan shortliffe mendefinisikan informatika medis sebagai suatu bidang yang memfokuskan diri pada kognitif, pengolahan informasi, dan komunikasi dari praktek medis, penelitian, termasuk ilmu dan teknologi informasi yang mendukung tugas tersebut (Greenes et al.,1990).
Dari beberapa pengerian diatas dapat ditarik suatu kesimpulah bahwa asimilasi antara ilmu biologi, kimia, fisika dan kesehatan secara eksplisit di transformasikan kedalam algoritma dan metode-metode beberapa disiplin ilmu tersebut sehingga terbentulah suatu produk medis, baik dalam aspek manajemen, kontrol, prefentif dan terapis. Sehingga akan memberikan suatu alternatif kemudahan dalam pengambilan suatu keputusan yang terukur bilamana akan digunakan oleh pengambil keputusan. Dalam hal ini paramedis, asisten paramedis maupun untuk pasien itu sendiri.
Clark mengatakan bahwa ada empak komponen dalam informatika untuk perawatan kesehatan, yaitu : komunikasi, manajemen, pengetahuan, pendukung keputusan, dan manajemen informasi.
Komunikasi dapat berupa :
1. Telemedecine
2. Teleradiologi
3. Email
4. Persentasi.
Manajemen pengetahuan dapat berupa :
1. Jurnal
2. Informasi kesehatan konsumen
3. Informasi medis berbasis gejala
Pendukung keputusan dapat berupa
1. Sistem pengingat (reminder system)
2. Sistem pakar untuk diagnosis
3. Interaksi obat
Manajemen informasi dapat berupa
1. Rekam medis secara elektronik (electronical medical report)
2. Transaksi pembayaran dan tagihan
3. Sistem pemesanan
Koert memberikan definisi praktis untuk informatika medis yaitu ilmu tentang manajemen informasi untuk perawatan kesehatan, penelitian, pendidikan, dan administrasi dengan cara mengaplikasikan, dan mengevaluasi teknologi informasi bersama-sama dengan prosedur-prosedur, dan budaya organisasi (Kroth, 2004).
Bidang ilmu yang relevan
Informatika medis merupakan bidang ilmu yang interdisipliner. Beberapa bidang ilmu yang dapat terkait dengan informatika medis, antara lain (Shaharar, 2006)
1. Ilmu medis
2. Biologi
3. Matematika
4. Sistem informasi
5. Ilmu komputer
6. Statistika
7. Analisa keputusan
8. Ekonomi (kebijakan perawatan kesehatan)
9. Psikologi
Istilah lain dalam informatika medis
1. Ilmu komputer medis (medical computer since)
2. Ilmu informasi medis (medical information since)
3. Aplikasi komputer untuk ppengobatan
4. Informatika kesehatan (helat informatics)
5. Informatika keperawatan (nursing informatics)

Daftar bacaan
Sri Kusuma dewi, Informatia kesehatan, Graha Ilmu, (Yogyakarta, 2009)
Turban, Decission Suport and business intellegen sytem, 2005
http://www.mtu.edu/medical-informatics/about/overview/medical-informatics/

Read More