Category Archives: COURSES

Animasi Virtual Reality

Virtual reality atau kenyataan semu pada dasarnya merupakan pemodelan objek meniru objek-objek realistis, misalnya meniru ruang cockpit pilot pesawat dengan semua fungsi-nya sehingga dapat digunakan untuk melatih pilot sebelum menerbangkan pesawat sesungguhnya. Virtual reality juga digunakan untuk membuat permainan (game) dimana manusia ikut aktif didalamnya, dengan memakai sensor kepala (headset), sensor tangan (glove), dan sensor kaki (walker) maka gerakan manusia di-integrasikan menjadi gerakan dalam game.

Continue reading Animasi Virtual Reality

Advertisements

Animasi 3 Dimensi

Animasi 3D merupakan animasi yang dibuat dengan menggunakan model seperti yang berasal dari lilin, clay, boneka/marionette dan menggunakan kamera animasi yang dapat merekam frame demi frame. Ketika gambar-gambar tersebut diproyeksikan secara berurutan dan cepat, lilin atau clay boneka atau marionette tersebut akan terihat seperti hidup dan bergerak. Animasi 3D dapat juga dibuat dengan menggunakan komputer. Animasi 3D sendiri adalah sebuah model yang mempunyai bentuk, volume, dan ruang sehingga dapat dilihat dari segala arah. Teknologi animasi 3D sekarang ini banyak digunakan dalam proses pembuatan film-film animasi.

Continue reading Animasi 3 Dimensi

Captive Portal

Captive Portal adalah suatu teknik autentikasi dan pengamanan jaringan dari network internal ke network eksternal, yang direpresentasikan oleh layer kedua (network) atau layer ketiga (data link) dan ditampilkan oleh user sebelum mereka bisa mengakses jaringan tersebut. Captive Portal sebenarnya merupakan mesin router atau gateway yang memproteksi atau tidak mengizinkan adanya akses, hingga user melakukan registrasi. Biasanya Captive Portal ini digunakan pada infrastruktur wireless sseperti hotspot area, tapi tidak menutup kemungkinan diterapkan pada jaringan kabel.

Continue reading Captive Portal

Animasi 2 Dimensi

Animasi Komputer adalah seni menghasilkan gambar bergerak melalui penggunaan komputer dan merupakan sebagian bidang komputer grafik dan animasi. Animasi semakin banyak dihasilkan melalui grafik komputer 3D, walaupun grafik komputer 2D masih banyak ada. Kadangkala sasaran animasi adalah komputer itu sendiri, kadangkala sasaran adalah antara lain, seperti filem. Untuk menghasilkan gambar pergerakan, image (gambar) dipaparkan pada screen komputer dan diganti dengan image (gambar) baru yang selaras gambar sebelumnya dengan pantas. Teknik ini serupa dengan bagaimana gambar bergerak dihasilkan melalui televi dan film. Animasi komputer 3D pada asasnya merupakan pengganti digit bagi seni animasi gerak (stop motion); patung animasi dibina pada screen komputer dan dipasang dengan rangka siber. Kemudian anggota badan, mata, mulut, pakaian, dan lain-lain bagi patung 3D digerakkan oleh juru animasi. Akhirnya, animasi dihasilkan.

Continue reading Animasi 2 Dimensi

Animasi – Pengertian dan Klasifikasi

https://www.blogger.com/static/v1/jsbin/3357874291-ieretrofit.js
Animasi adalah gambar begerak berbentuk dari sekumpulan objek (gambar) yang disusun secara beraturan mengikuti alur pergerakan yang telah ditentukan pada setiap pertambahan hitungan waktu yang terjadi. Gambar atau objek yang dimaksud dalam definisi di atas bisa berupa gambar manusia, hewan, maupun tulisan. Pada proses pembuatannyam sang pembuat animasi atau yang lebih dikenal dengan animator harus menggunakan logika berfikir untuk menentukan alur gerak suatu objek dari keadaan awal hingga keadaan akhir objek tersebut. Perencanaan yang matang dalam perumusan alur gerak berdasarkan logika yang tepat akan menghasilkan animasi yang menarik untuk disaksikan.

Continue reading Animasi – Pengertian dan Klasifikasi

Data Mining – Decision Tree

Decision Tree atau Pohon Keputusan merupakan salah satu cara Data Mining dalam memprediksi masa depan dengan membangun klasifikasi atau regresi model dalam bentuk struktur pohon. Hal tersebut dilakukan dengan cara memecah terus ke dalam himpunan bagian yang lebih kecil lalu pada saat itu juga sebuah pohon keputusan secara bertahap dikembangkan. Hasil akhir dari proses tersebut adalah pohon dengan node keputusan dan node daun. Sebuah node keputusan (misalnya, Cuaca/ Outlook) memiliki dua atau lebih cabang (misalnya, Panas, Berawan dan Hujan). Node daun (misalnya, Bermain) merupakan klasifikasi atau keputusan. Node keputusan paling atas di pohon yang sesuai dengan prediktor terbaik disebut simpul akar. pohon keputusan dapat menangani data deskriptif maupun numerik.

decision_tree_1

Algoritma
Algoritma inti untuk membangun pohon keputusan disebut ID3 oleh J. R. Quinlan dengan cara kerja top-down pada pencarian greedy melalui ruang cabang tanpa teknik backtracking. ID3 menggunakan Entropi dan Information Gain untuk membangun pohon keputusan.

Entropi
Sebuah pohon keputusan dibangun secara top-down dari simpul akar dan melibatkan partisi data ke dalam himpunan bagian yang berisi contoh dengan nilai yang sama (homogen). Algoritma ID3 menggunakan entropi untuk menghitung homogenitas sampel. Jika sampel sudah benar-benar homogen, entropi bernilai nol dan jika pembagian sampel dibagi rata maka entropi bernilai satu.

entropy

Untuk membangun pohon keputusan, kita perlu menghitung dua jenis entropi menggunakan tabel frekuensi sebagai berikut:
a) Entropi yang menggunakan tabel frekuensi satu atribut:

entropy_3

b) Entropi yang menggunakan tabel frekuensi dua atribut:

entropy_2

Information Gain
Information gain didasarkan pada penurunan entropi setelah dataset dibagi oleh atribut. Membangun pohon keputusan adalah seluruh hal tentang penemuan atribut yang mengembalikan information gain tertinggi (yaitu, cabang yang paling homogen).
Langkah 1: Hitung entropi dari target.

entropy_targetLangkah 2: dataset tersebut kemudian dibagi pada atribut yang berbeda. Entropi untuk setiap cabang dihitung. Kemudian ditambahkan secara proporsional, untuk mendapatkan jumlah entropi untuk perpecahan. entropi yang dihasilkan dikurangi dari entropi sebelum perpecahan. Hasilnya adalah Information Gain, atau penurunan entropi.

entropy_attributes

entropy_gainLangkah 3: Pilih atribut dengan Information Gain terbesar sebagai simpul keputusan, membagi dataset oleh cabang-cabangnya dan ulangi proses yang sama pada setiap cabang.

entropy_attribute_best

decision_tree_slices
Langkah 4a: Sebuah cabang dengan entropi 0 adalah simpul daun.

entropy_overcast
Langkah 4b: Sebuah cabang dengan entropi lebih dari 0 akan dipecah kembali.

entropy_sunny
Langkah 5: Algoritma ID3 dijalankan secara rekursif pada cabang-cabang non-daun, sampai semua data terklasifikasikan.

Pohon Keputusan Untuk Aturan keputusan
Sebuah pohon keputusan dapat dengan mudah diubah untuk satu set aturan oleh pemetaan dari simpul akar ke simpul daun satu per satu.

decision_rules

Isu pada Pohon Keputusan
– Bekerja dengan atribut berkelanjutan (binning)
– Menghindari overfitting (terlalu bagus)
– Super Atribut (atribut dengan banyak nilai)
– Bekerja dengan nilai-nilai yang hilang

Sumber : Data Mining

pfSense – World’s Most Trusted Open Source Firewall

pfSense merupakan perangkat lunak firewall / router open source berbasis FreeBSD yang instalasinya dapat dilakukan pada komputer fisik maupun mesin virtual untuk membuat dedicated firewall / router untuk jaringan komputer. pfSense menawarkan menawarkan berbagai fitur kelola dari firewall / router dan kehandalannya tidak diragukan lagi.

Continue reading pfSense – World’s Most Trusted Open Source Firewall