perbandingan 3 jurnal bio-informatika

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.

Jurnal 1 : SEGMENTASI PENYAKIT PADA CITRA DAUN TEBU MENGGUNAKAN FUZZY C MEANS – SUPPORT VECTOR MACHINE DENGAN FITUR WARNA a*

Pendahuluan

Penyakit yang menyerang tebu di Indonesia dapat menurunkan produktivitas. Penyebaran penyakit tebu menyebabkan dampak penurunan ekonomi yang kuat karena berdampak pada jumlah penurunan panen. Selain masalah umum tersebut penanganan penyakit tebu perlu segera dideteksi dan diatasi untuk mengurangi biaya penggunaan pestisida dan pencemaran lingkungan akibat obat penyakit tersebut . Penyakit pada tanaman tebu dapat diketahui dari bercak yang terdapat pada bagian daun. Bercak tersebut perlu dideteksi dengan menggunakan metode segmentasi.

Penelitian penyakit pada daun tebu dilakukan oleh Patil. Penyakit ini menjelaskan pengaruh jamur pada tebu menjadi penyakit yang jika tidak diatasi tepat waktu dapat menyebabkan kerugian. Penggunaan pestisida terlalu banyak dapat meningkatkan biaya dan polusi lingkungan. Hal ini dapat diperoleh dengan mengetahui daerah penyakit, dengan kuantitas kesesuaian dan konsentrasi pestisida dengan mengestimasi penyakit menggunakan teknik image processing. Metode thresholding sederhana dan triangle thresholding digunakan untuk melakukan segmentasi daerah daun dan daerah berpenyakit secara berturut-turut. Penyakit dikategorikan dengan perhitungan hasil bagi daerah penyakit dan area keseluruhan daun. Hasil akurasi pada penelitian ini adalah 98.60%. Penelitian ini mengindikasikan metode usulan penyakit daun dilakukan secara kuat, cepat dan akurat. Metode ini mengeliminasi cara tradisional yang subjektif dan rawan akan kesalahan manusia.

Penelitian ini bertujuan untuk membangun sistem yang secara otomatis mampu melakukan segmentasi citra daun tebu berpenyakit dengan metode FCM-SVM. SVM mendapatkan inputan data training dari metode FCM, untuk kemudian dilajutkan dengan klasifikasi data testing. Pengujian kuantitatif metode segmentasi ini dilakukan dengan akurasi segmentasi. Dengan penggabungan metode FCM-SVM diharapkan daun tebu berpenyakit dapat disegmentasi dengan baik dan menunjukkan karakteristik penyakit dengan baik sehingga memudahkan proses lanjutan yaitu prediksi penyakit pada tanaman tebu.

Bahan dan Metode

·         pengolahan ini akan memilih bagian citra hanya pada bagian daun saja tanpa daerah sekitar yang bukan bagian dari daun.

·         Metode

A. Dataset

Penelitian ini menggunakan empat jenis penyakit yang ada pada daun tebu, yaitu yellow spot, rust spot, ring spot, dan eye spot. Penyakit yellow spot pada citra daun tebu disebabkan oleh salah satu jenis jamur yang disebut dengan mycovellosiella koepki. Yellow spot berakibat pada penurunan hasil panen dan kadar sukrosa tanaman tebu. Penyakit ini akan semakin menyebar dan merugikan dengan kondisi kelembapan dan curah hujan yang tinggi.Sindrom penyakit ini pada awalnya mempunyai diameter sepanjang 1-2 mm. Warna penyakit ini mulai dari kuning sampai dengan merah, selain itu pada bagian bawah daun terdapat kabur keabu-abuan.

B. Ekstraksi Fitur Warna

Fitur warna pada penilitian ini akan menggunakan warna dasar citra berdasarkan hasil pemotretan di lapangan yang dikonversi ke dalam channel L*a*b*. Ruang warna tersebut adalah RGB. Selanjutnya color space tersebut akan dikonversi menjadi color space CIELAB (L*a*b*). Channel L* mendefinisikan lightness, a* mendefinisikan nilai red/green, dan b* mendefinisikan nilai yellow/blue. Sumbu a* digambarkan dari arah kiri ke kanan.

Pergeseran ke arah positif menggambarkan pergeseran ke arah warna merah. Sedangkan sumbu b* yang digambarkan dari bawah ke atas. Pergeseran ke arah positif merupakan pergeseran ke warna kuning. Pusat diagram tersebut merupakan L* yang menunjukkan L=0 untuk daerah total penyerapan (bagian bawah), dan di daerah

sekitar tengah menunjukkan warna netral atau abu-abu. Perumusan untuk mendapatkan color space L*a*b* didapatkan pada persamaan (1). Dari nilai RGB terlebih dahulu dikonversi pada XYZ. Dimana X, Y dan Z nilai referensi warna putih untuk pencahayaan yang digunakan sesuai keputusan pengamat.

C. Fuzzy C-Means

FCM adalah salah satu jenis metode yang digunakan untuk membagi-bagi kelas suatu data secara tidak terawasi (unsupervised). Metode ini memperhitungkan tiap data pada klaster untuk berada sesuai derajat keanggotaannya. Metode ini diawali dengan penentuan pusat klaster, kemudian pusat klaster dan derajat keanggotaan tersebut akan diperbaharui setiap iterasi secara berulang. Proses perulangan ditentukan dengan meminimalkan fungsi objektif

yang merupakan penggambaran jarak dari posisi data yang diuji dengan pusat klaster yang sudah terboboti oleh derajat keanggotaan data uji.

D. Support Vector Machine

SVM merupakan sebuah teknik klasifikasi yang muncul pada tahun 1995. Banyak bidang yang telah mengimplementasikan metode ini seperti bidang ekonomi, cuaca, kedokteran, dll. SVM menemukan solusi secara global optimal dan solusi training yang sama jika dibandingkan dengan metode klasifikasi lain. Untuk melakukan proses klasifikasi menggunakan SVM, dibutuhkan suatu pemisah yang dapat dibagi menjadi dua macam. Pemisah tersebut dapat berupa fungsi linear ataupun non linear. Fungsi linear didefinisikan pada persamaan (6). Pada fungsi linier ditentukan pemisah (hyperplane) yang memisahkan dua macam objek saja. Hyperplane yang memisahkan dua objek tersebut mengalami solusi yang terbaik di saat posisi berada di tengah kedua objek.

Kesimpulan

Penggunaan fitur warna channel a dari colorspace L*a*b* membantu metode yang ada pada skenario penelitian ini melakukan segmentasi dengan baik dibandingkan dengan channel RGB, B, atau I. Penggunaan dua metode dalam segmentasi, yaitu metode klastering FCM dan metode klasifikasi SVM mampu melakukan segmentasi pada citra daun tebu berpenyakit dengan akurasi rata-rata 76%. Metode segmentasi FCM-SVM mampu mensegmentasi citra daun tebu berpenyakit dengan akurasi tertinggi pada sebagian besar data uji coba (15 citra pada total 30 citra). Segmentasi penyakit pada citra daun tebu menggunakan metode FCM-SVM mampu mengatasi terutama untuk jenis penyakit yang mempunyai proyeksi warna kekuningan atau kecoklatan di sekitar daerah penyakit.

sumber : http://juti.if.its.ac.id/index.php/juti/article/view/387/276

Jurnal 2 : Ekstraksi Connected Component dan Transformasi Ruang Warna CIELAB Untuk Segmentasi Citra Penyakit Pada Daun Tanaman Jagung

Pendahuluan

Bagian daun yang terinfeksi oleh penyakit mampu dideteksi secara kasat mata, namun hal tersebut harus diuji di laboratorium. Penanganan untuk kegiatan di laboratorium dapat terbantu melalui bantuan secara bioinformatika pada ilmu visi komputer, sebuah daun harus mendapatkan perlakuan khusus supaya bagian daun yang terinfeksi penyakit mampu diketahui lokasinya dengan tepat. Segmentasi citra merupakan langkah yang tepat untuk mengatasi permasalahan tersebut. Hal tersebut cukup beralasan karena segmentasi citra mampu mengidentifikasi piksel-piksel yang berbagi karakteristik visual tertentu secara khusus.

visi computer terutama pada lingkup penerapan segmentasi terhadap objek penyakit yang terdapat pada daun tumbuhan. Kontribusi untuk kegiatan penelitian ini adalah memberikan hasil segmentasi yang sesuai dengan perspektif mata manusia sehingga objek penyakit daun tanaman jagung yang tersegmentasi merupakan objek yang terdeteksi dengan baik dan tepat. Tujuan jangka panjang penelitian ini adalah membangun tool untuk diagnosa penyakit pada daun jagung, segmentasi yang dilakukan dapat menjadi sebuah ekstensi bagi tool tersebut.

Bahan dan Metode

·         Metode Penelitian

a)      Akuisisi citra pada daun jagung  yang terinfeksi dengan kamera digital

b)      Proses pra-pengolahan untuk penyeragaman dimensi gambar

c)       Transformasi ke ruang warna CIELab untuk memperoleh chromatic warna dari objek penyakit

d)      binerisasi

e)      Proses pelabelan terhadap piksel

Kesimpulan

Pengambilan citra penyakit dengan menggunakan kamera, sering tidak berisi informasi karakteristik warna citra dari perangkat yang digunakan sehingga berdampak pada hasilnya dimana nilai piksel terlihat secara substansial berbeda dengan pada perangkat komputer. Berdasarkan hasil penelitian yang telah dilakukan, transformasi warna RGB ke ruang warna CIELab bersifat penting. Fitur biner merupakan bagian penting dilakukan untuk proses pemisahan antara foreground dan background dimana kondisi nilai piksel ‘0’ untuk background dan ‘1’ untuk foregraound hal ini tentunya memudahkan pengenalan terhadap objekobjek yang merupakan bagian dari foreground dengan melakukan pencarian (scanning) piksel menggunakan aturan 8 ketetanggan dan dilakukan pelabelan pada piksel yang saling berhubunga sehingga memudahkan indetifikasi region yang menjadi objek berdasarkan nilai area piksel terbesar. Untuk kegiatan selanjutnya, segmentasi dilakukan dengan pendekatan otomatis atau dengan kata lain tanpa melalui cropping dan pengelompokkan jenis penyakit pada daun tanaman jagung tersebut.

sumber : http://journal.sttnas.ac.id/index.php/ReTII/article/download/67/61

Jurnal 3 : IDENTIFIKASI PENYAKIT PADA DAUN TEBU DENGAN GRAY LEVEL CO-OCCURRENCE MATRIX DAN COLOR MOMENTS

Pendahuluan

Penelitian yang berkembang mengenai identifikasi penyakit tanaman tebu saat ini berkembang dalam bidang penginderaan jauh, sedangkan identifikasi penyakit tanaman melalui citra digital daun belum ada yang membahas mengenai penyakit pada daun tebu oleh karena itu penelitian ini membahas mengenai fitur yang tepat sehingga diharapkan cocok penyakit pada daun tebu.

Terdapat perbedaan tekstur antara daun normal, berpenyakit karat dan mosaik (Raid, 2006; Comstock, 2009) sehingga perlu adanya ekstraksi fitur tekstur. Penelitian ini memilih gray level co-occurrence matrix untuk fitur tekstur karena GLCM sebagai fitur untuk mengetahui tekstur daun pernah dipakai untuk deteksi spesies tanaman dan menghasilkan akurasi yang tinggi (Shabanzade, 2011), Kompleksitas tekstur citra sulit untuk didefiniskan dan dikuantifikasi, namun GLCM bisa dipakai untuk mengkuantifikasi dan membandingkan berbagai aspek tekstur citra (Honeycutt, 2008).

Penggunaan color moments untuk warna karena terdapat perbedaan warna pada daun normal dan berpenyakit (Raid, 2006) dan (Comstock, 2009). Color moments merupakan metode ekstraksi fitur yang efektif untuk analisis citra berdasarkan warna karena metode tersebut memiliki dimensi vektor fitur yang paling rendah dan juga kompleksitas komputasional yang paling rendah jika dibandingkan dengan metode lainnya seperti color histogram, color correlogram dan color structure descriptor (Patil, 2011). Beberapa penelitian untuk analisis penyakit tanaman melalui citra daun menghasilkan hasil salah satunya (Daoliang Li, 2010) pada klasifikasi serat kapas menggunakan nilai rata-rata dan standar deviasi RGB.

Bahan dan Metode

·         Tahap awal penelitian adalah pengumpulan data citra daun tebu berpenyakit dari survei lapangan.

·         pre-processing citra untuk dapat diolah pada tahap ekstraksi fitur

·         Citra yang ditangkap kamera berada dalam format RGB

·         ruang warna yang digunakan dalam penelitian ini diubah dari RGB ke La*b*

·         Pada tahap ekstraksi fitur, fitur tekstur diekstraksi dengan GLCM dan fitur warna diekstraksi dengan color moments.

·         Penelitian ini menggunakan metode support vector machine (SVM) karena SVM cocok untuk klasifikasi yang datanya sedikit (Li, 2010). Selain itu SVM memberikan hasil akurasi yang tinggi untuk analisis penyakit tanaman (Camargo, 2009b; Asraf, 2012). Pengujian dilakukan untuk mengetahui fitur yang kemunculannya perubahan dalam hasil klasifikasi.

Kesimpulan

Penghapusan fitur bentuk dapat memperbaiki akurasi untuk identifikasi penyakit daun tebu karena bentuk kurang dapat merepresentasikan pola penyakit pada daun tebu, sehingga fitur tekstur dan warna dapat diusulkan menjadi fitur yang merepresentasikan penyakit daun tebu. Pemilihan fitur GLCM untuk fitur tekstur yang berupa correlation, energy homogeneity dan variance menghasilkan akurasi yang baik yaitu 90,33 %. Pemilihan fitur color moments 1, 2 dan 3 untuk fitur warna lebih akurat dari fitur warna menggunakan grey level dan histogram frekuensi dengan akurasi 96 %.

Kombinasi fitur tekstur dengan GLCM correlation, energy, homogeneity, variance bersama fitur warna dengan color moments 1,2 dan 3 merupakan kombinasi fitur yang direkomendasikan untuk identifikasi penyakit pada daun tebu dan menghasilkan akurasi 97%. Penelitian ini menggunakan metode klasifikasi support vector machine (SVM) dengan kernel linear sehingga penelitian selanjutnya dapat meneliti metode klasifikasi yang lebih baik, misalnya dengan modifikasi kernel maupun penggunaan metode klasifikasi lain.

sumber : www.e-jurnal.com/2015/04/identifikasi-penyakit-pada-daun-tebu.html

Perbandingan dari ketiga jurnal di atas adalah :

Ketiga jurnal membahas tentang bioinformatika dalam bidang pertanian. Jurnal pertama dan ketiga  membahas tentang bioinformatika tentang identifikasi penyakit pada daun tebu sedangkan pada jurnal kedua membahas tentang penyakit pada daun jagung. Objek penelitian ini difokuskan pada daun yang terdapat penyakit seperti bercak atau penyakit karat pada daun. Bahan pada ketiga jurnal itu berbeda jenisnya. Metode yang digunakan juga berbeda antara jurnal satu dengan yang lainnya, jurnal pertama menggunakan metode segmentasi FCM-SVM, jurnal kedua menggunakan metode traansformasi ruang warna, dan jurnal ketiga menggunakan metode Gray Level Co-occurrence Matrix (GLCM) dan Color Moments.

sumber : 

https://id.wikipedia.org/wiki/Bioinformatika

Read More

Komponen File Service

Nama Kelompok:

Arief Fathurrahman (51412089)

Dessy Khairani (51412899)

Farah Fadilah (52412758)

Giffar Nurmansyah Sidiq (53412145)

Muslih Latukau (55412165)
Nandang Syaefulloh (55412243)

tugas ini merupakan tugas kelompok  yang terdiri dari 3 tema, yaitu File Service Terdistribusi, Komponen File Service, dan Interface Service. pada bagian bawah postingan ini terlampir link-link dari kelompok dan ada kesamaan dalam penulisan.

Pada pembahasan kali ini saya akan menguraikan tentang komponen-komponen file service.

Komponen-komponen file service terdiri dari :

1. File Service

Pengoperasian dari masing-masing file atau File service adalah suatu perincian atau pelayanan dari file system yang ditawarkan pada komputer client. Suatu file server adalah implementasi dari file service dan berjalan pada satu atau lebih mesin. File itu sendiri berisi dari nama, data dan atribut file seperti kepemilikan file, ukuran, waktu pembuatan file dan hak akses file.

2.  Directory Service

Management atau pengaturan direktori. Sebuah service yang digunakan untuk menghubungkan semua resource yang ada pada jaringan dan berperan semacam sebuah buku telpon raksasa. Directory service pada NT 4 mempunyai peran penting dalam mengatur proses logon dan administrasi security secara terpusat. Pada generasi DS yang lebih lanjut, Microsoft memperkenalkan ADS yang disertakan bersama OS Windows 2000 server. ADS generasi kedua ini mempunyai kemampuan yang jauh lebih besar daripada pendahulunya. Selain itu Microsoft juga mempermudah administrasi dari ADS dengan menggunakan system hierarchical view dan multimaster.

3. Naming Service

Suatu name service dapat menyimpan kumpulan satu atau lebih konteks penamaan yaitu sehimpunan keterkaitan antara nama dan atribut objek, seperti user, komputer, services, dan remote object. 

a.       Location independence :
File dapat dipindahkan tanpa penggantian nama
Hal-hal yang umum untuk penamaan file dan direktori :

1.        Mesin + nama path e.g / machine / path atau machine : path 

2.       Mo unting File sistem secara remote kedalam hirarki local file 

3.       Single name space yang sama pada semua mesin

b.      Dua level penamaan :
Nama simbolik yang dilihat user dan nama binary yang dilihat oleh sistem.
Contoh File Service: NFS (Network File System) dan AFS (Andrew File System)

   

        Link Kelompok :

        https://ariefathurrahman.wordpress.com/2016/04/18/file-service-terdistribusi/

        http://butetdessy.blogspot.co.id/2016/04/file-service-terdistribusi.html

     
     

        Sumber :
        http://fandystress.blogspot.co.id/2012/04/komponen-file-service.html
        http://heniagustina.blogspot.co.id/2012/04/normal-0-false-false-false-en-us-x-none.html

      

   

Read More

Artikel, Sejarah, dan Macam-macam Komputasi Modern

Pada pembahasan kali ini, saya akan menjabarkan beberapa tentang komputasi modern. seperti diataranya artikel yang berkaitan dengan komputasi modern, sejarah komputasi modern dan macam-macam komputasi modern.

1. Artikel yang berkaitan dengan komputasi modern yang diambil dari sumber artikel  http://www.komputasi.lipi.go.id/utama.cgi?cetakartikel&1209393042

John Von Neumann, Sang Penggagas Komputasi Modern

dna

John von Neumann (1903-1957) adalah ilmuan yang meletakkan dasar-dasar komputer modern. Dalam hidupnya yang singkat, Von Neumann telah menjadi ilmuwan besar abad 21. Von Neumann meningkatkan karya-karyanya dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer. Beliau juga merupakan salah seorang ilmuwan yang sangat berpengaruh dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu.

Von Neumann dilahirkan di Budapest, Hungaria pada 28 Desember 1903 dengan nama Neumann Janos. Dia adalah anak pertama dari pasangan Neumann Miksa dan Kann Margit. Di sana, nama keluarga diletakkan di depan nama asli. Sehingga dalam bahasa Inggris, nama orang tuanya menjadi Max Neumann. Pada saat Max Neumann memperoleh gelar, maka namanya berubah menjadi Von Neumann. Setelah bergelar doktor dalam ilmu hukum, dia menjadi pengacara untuk sebuah bank. Pada tahun 1903, Budapest terkenal sebagai tempat lahirnya para manusia genius dari bidang sains, penulis, seniman dan musisi.

Von Neumann juga belajar di Berlin dan Zurich dan mendapatkan diploma pada bidang teknik kimia pada tahun 1926. Pada tahun yang sama dia mendapatkan gelar doktor pada bidang matematika dari Universitas Budapest. Keahlian Von Neumann terletak pada bidang teori game yang melahirkan konsep seluler automata, teknologi bom atom, dan komputasi modern yang kemudian melahirkan komputer. Kegeniusannya dalam matematika telah terlihat semenjak kecil dengan mampu melakukan pembagian bilangan delapan digit (angka) di dalam kepalanya.

Setelah mengajar di Berlin dan Hamburg, Von Neumann pindah ke Amerika pada tahun 1930 dan bekerja di Universitas Princeton serta menjadi salah satu pendiri Institute for Advanced Studies.

Dipicu ketertarikannya pada hidrodinamika dan kesulitan penyelesaian persamaan diferensial parsial nonlinier yang digunakan, Von Neumann kemudian beralih dalam bidang komputasi. Sebagai konsultan pada pengembangan ENIAC, dia merancang konsep arsitektur komputer yang masih dipakai sampai sekarang. Arsitektur Von Nuemann adalah komputer dengan program yang tersimpan (program dan data disimpan pada memori) dengan pengendali pusat, I/O, dan memori.

Sumber : beritaNET.com

2. Sejarah Komputasi Modern

Komputasi modern ini pertama kalinya digagaskan oleh seorang ilmuan yang bernama John Von Neumann. Dialah orang yang pertama kali menggagaskan konsep sebuah sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory. Konsep inilah yang menjadi dasar arsitektur komputer modern. John Von Neumann memberikan berbagai sumbangsihnya dengan cara meningkat karya – karyanya dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer. Selain itu, Von Neumann juga merupakan seorang ilmuan yang sangat berperan penting dalam pembuatan bom atom di Los Alamos pada Perang Dunia II silam. Dan berkat kepiawaian Neumann di bidang teori game inilah ia bisa melahirkan konsep automata, teknologi bom atom dan komputasi modern yang akhirnya melahirkan sebuah computer.

Sebenarnya kata “komputer” tersebut pertama kali dipergunakan secara umum pada tahun 1613. Arti kata komputer itu sendiri mengacu kepada perhitungan aritmatika dan kata tersebut masih dipergunakan hingga pertengahan abad ke-20. Dan seiring dengan perkembangan jaman dari akhir abad ke-19 hingga seterusnya, “computer” menjadi berubah makna jadi sebuah mesin yang melakukan komputasi.

Kemudian sekitar tahun 1920an, kata “mesin komputasi” mulai dikenal. Setiap mesin yang dapat membantu melakukan pekerjaan manusia yaitunya menghitung dengan metode yang efektif, disebut dengan mesin komputasi. Pada tahun 1940-1950 dengan munculnya mesin komputasi elektronik kata “mesin komputasi” mulai berubah menjadi “komputer” yang biasanya diawali dengan “elektronik” atau “digital”.

Sejak saat itu, Von Neumann menjadi seorang konsultan pada pengembangan komputer ENIAC, Dia merancang konsep arsitektur komputer yang masih dipakai sampai sekarang. Arsitektur Von Nuemann adalah seperangkat komputer dengan program yang tersimpan (program dan data disimpan pada memori) dengan pengendali pusat, I/O, dan memori. Konsep dasar arsitektur komputer modern sendiri ialah konsep sebuah sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory.

3. Macam-macam Komputasi Modern

Komputasi modern terbagi menjadi 3 macam, yaitu :

 - Mobile Computing

  Komputasi bergerak adalah kemajuan teknologi komputer sehingga dapat berkomunikasi menggunakan jaringan tanpa menggunakan kabel dan mudah dibawa atau berpindah tempat, tetapi berbeda dengan komputasi nirkabel.

     

  - Grid Computing

  Komputasi grid menggunakan komputer yang terpisah secara geografis namun terhubung dengan sebuah jaringan sehingga bisa menyelesaikan masalah komputasi. Prinsip kerja grid computing terbagi dua yaitu  virtualisasi (Setiap sumberdaya semisal komputer, disk, komponen aplikasi dan sumber informasi dikumpulkan bersama-sama menurut jenisnya, lalu disediakan bagi konsumen (semisal orang atau program software), dan provisioning (Ketika konsumen meminta sumberdaya melalui layer virtualisasi, sumberdaya tertentu di belakang layer didefinisikan untuk memenuhi permintaan tersebut, dan kemudian dialokasikan ke konsumen).

      

  - Cloud Computing

   Cloud Computing adalah sebuah model untuk kenyamanan, akses jaringan on-demand untuk menyatukan pengaturan konfigurasi sumber daya komputasi (seperti, jaringan, server, media penyimpanan, aplikasi, dan layanan) yang dapat dengan cepat ditetapkan dan dirilis dengan usaha manajemen yang minimal atau interaksi dengan penyedia layanan.

Perbedaan antara komputasi mobile, grid, dan cloud :

1. Komputasi mobile menggunakan teknologi komputer yang bekerja seperti handphone, sedangkan komputasi grid dan cloud menggunakan komputer.
2. Biaya untuk tenaga komputasi mobile lebih mahal dibandingkan dengan komputasi grid dan cloud.
3. Komputasi mobile tidak membutuhkan tempat dan mudah dibawa kemana-mana, sedangkan grid dan cloud membutuhkan tempat yang khusus.
4. Untuk komputasi mobile proses tergantung si pengguna, komputasi grid proses tergantung pengguna mendapatkan server atau tidak, dan komputasi cloud prosesnya membutuhkan jaringan internet sebagai penghubungnya.

Dan ada juga persamaan antara komputasi mobile, komputasi grid, dan komputasi cloud, penjelasanya sebagai berikut :

• Ketiganya merupakan metode untuk melakukan komputasi, pemecahan masalah, dan pencarian solusi.
• Ketiganya memerlukan alat proses data yang modern seperti komputer, laptop atau telepon genggam untuk menjalankannya.

sumber :

http://mamz.weebly.com/komputasi-modern.html

http://www.komputasi.lipi.go.id/utama.cgi?cetakartikel&1209393042

Read More

Implementasi komputasi modern pada website Zalora

Pada pembahasan kali ini, saya akan mengulas tentang website Lazada apakah termasuk dalam komputasi modern atau bukan. Sebelumnya saya akan bahas terlebih dahulu apa yang dimaksud dengan komputasi modern. Komputasi modern adalah sebuah konsep sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory, memory disini bisa juga dari memory komputer. Oleh karena pada saat ini kita melakukan komputasi menggunakan komputer maka bisa dibilang komputer merupakan sebuah komputasi modern. Konsep ini pertama kali digagasi 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

2.      Kecepatan

3.      Masalah dalam volume besar

4.      Modelling

5.      Kompleksitas

Komputasi modern terbagi menjadi 3 macam, yaitu :
      - Mobile Computing
    Komputasi bergerak adalah kemajuan teknologi komputer sehingga dapat berkomunikasi menggunakan jaringan tanpa menggunakan kabel dan mudah dibawa atau berpindah tempat, tetapi berbeda dengan komputasi nirkabel.
      - Grid Computing
      Komputasi grid menggunakan komputer yang terpisah secara geografis namun terhubung dengan sebuah jaringan sehingga bisa menyelesaikan masalah komputasi. Prinsip kerja grid computing terbagi dua yaitu  virtualisasi (Setiap sumberdaya semisal komputer, disk, komponen aplikasi dan sumber informasi dikumpulkan bersama-sama menurut jenisnya, lalu disediakan bagi konsumen (semisal orang atau program software), dan provisioning (Ketika konsumen meminta sumberdaya melalui layer virtualisasi, sumberdaya tertentu di belakang layer didefinisikan untuk memenuhi permintaan tersebut, dan kemudian dialokasikan ke konsumen).
      - Cloud Computing
      Cloud Computing adalah sebuah model untuk kenyamanan, akses jaringan on-demand untuk menyatukan pengaturan konfigurasi sumber daya komputasi (seperti, jaringan, server, media penyimpanan, aplikasi, dan layanan) yang dapat dengan cepat ditetapkan dan dirilis dengan usaha manajemen yang minimal atau interaksi dengan penyedia layanan.

     Selanjutnya saya akan mengulas apakah website Zalora termasuk dalam komputasi modern atau tidak.  Zalora itu sendiri merupakan toko online fashion yang sudah terkenal di khalayak umum dengan produk yang dijual banyak dari brand terkenal. Diantaranya jenis yang produk dijualnya ada sepatu, pakaian, busana muslim, aksesoris, bati, sports setra produk kecantikan. Bukan hanya produk lokal yang dijual disana, melainkan juga produk internasional juga ada.

    Dilihat dari website ini dan beberapa jenis komputasi modern lainnya, website Zalora merupakan website yang termasuk dalam kategori komputasi modern. Berikut ulasan singkat tentang website dan penjelasannya :
    1. Zalora termasuk dalam jenis komputasi modern yaitu grid computing. Hal ini dapat dilihat ketika website ini menyediakan banyak barang fashion dan total biaya yang dapat memproses permintaan konsumen ketika memesan suatu barang. 

2. Dalam website Zalora ini juga termasuk dalam jenis grid computing dengan prinsip kerja virtualisasi, hal ini dapat dilihat dengan pengelompokkan produk yang dijual. Misalnya kategori fashion pakaian wanita, pakaian pria, aksesoris, dll.

3. Ketika konsumen yang sedang memilih produk atau melihat-lihat produk, pada produk tersebut ketika dipilih maka akan keluar detail produk dengan menampilkan gambar produk tersebut dari banyak sisi, bahan produk, ukuran, brand, serta harga. Ini sesuai dengan grid computing jenis provisioning.

      4. Website ini juga termasuk dalam mobile computing. Dengan kemajuan teknologi sekarang, website ini dapat diakses melalui browser pada mobile smartphone dan sangat user friendly, bahkan Zalora ini mengeluarkan aplikasi tersendiri untuk toko onlinenya yang dapat di unduh di playstore.

     
     5. Yang terakhir website ini termasuk dalam jenis cloud computing. Karena website ini bisa diakses kapanpun dan dimanapun.
   
    Dengan ulasan di atas, dapat diketahui bahwa website Zalora ini merupakan salah satu komputasi modern dengan memenuhi syarat-syarat yang dapat dikatakan sebagai komputasi modern tersebut.

      
      sumber :
      http://www.zalora.co.id/

      http://voh.zakariyasoewardi.co.uk/definisi-komputasi-modern.html

      http://slideplayer.info/slide/3633888/

Read More

PROTOKOL

Protokol merupakan sebuah aturan pendefinisi beberapa fungsi yang ada dalam sebuah sistem jaringan komputer. Salah satu contohnya adalah pengiriman data antara pengirim dan penerima dengan sistem jaringan yang berbeda harus memenuhi aturan yang ada agar komunikasi antar keduanya dapat berlangsung dengan benar.

Fungsi protokol secara umum dapat dikatakan sebagai penghubung antara penghantar dan penerima dalam berkomunikasi serta bertukar informasi agar dapat berjalan dengan baik dan benar. Sedangkan fungsi protokol secara detail ada 6, yaitu :

1.  Fragmentasi dan reassembly : membagi informasi yang dikirim menjadi beberapa paket       data pada saat pengirim mengirimkan informasi dan setelah diterima si penerima akan menggabungkan lagi menjadi paket informasi yang lengkap.
2.   Encapsulation : melengkapi informasi yang dikirimkan dengan address, kode-kode koreksi dan lain-lain.
3.  Connection control : membangun hubungan (connection) komunikasi dari si pengirim dan si penerima, dimana dalam membangun hubungan ini juga termasuk dalam hal pengiriman data dan mengakhiri hubungan.
4.  Flow Control : pengatur perjalanan dari pengirim ke penerima
5.  Error Control : mengontrol apabila ada terjadi kesalahan pada waktu data dikirimkan.
6.  Transmission Service : memberikan oelayanan komunikasi data khususnya yang berkaitan dengan prioritas dan keamanan serta perlindungan data.

Komponen Protokol ada 3, yaitu :

1.       Aturan atau prosedur, mengatur pembentukan/pemutusan hubungan
2.       Format atau bentuk, mengatur proses transfer data reprensentasi pesan
3.       Kosakata (vocabulary), jenis pesan dan makna masing-masing pesan

Susunan protokol

Protokol jaringan disusun dalam bentuk lapisan-lapisan (layer). Tujuannya supaya jaringan yang dibuat nantinya tidak menjadi rumit. Sedangkan tujuan dari tiap layer ini adalah memberi layanan ke layer yang ada di atasnya.

Antara tiap layer yang berdekatan terdapat sebuah interface yang menentukan layer yang di bawah kepada layer yang di atasnya.

Pada saat merencanakan sebuah jaringan, hendaknya memperhatikan bagaimana menentukan interface yang tepat yang akan ditempatkan di antara dua layer yang bersangkutan.

Standarisasi Protokol (ISO 7498)

International Standards Organization (ISO) membuat suatu arsitektur komunikasi yang dikenal sebagai Open System Interconnection (OSI), model yang mendefinisikan standar untuk menghubungkan komputer-komputer dari vendor-vendor yang berbeda.

Model Layer OSI dibagi dalam dua group: upper layer dan lower layer. Upper layer fokus pada applikasi pengguna dan bagaimana file direpresentasikan di komputer. Lower layer adalah intisari komunikasi data melalui jaringan aktual.

Proses yang terjadi pada informasi yang dikirimkan oleh sebuah aplikasi ketika melalui lapisan OSI di atas adalah sebagai berikut

1.       Pada Aplication, Presentation dan session layer, informasi diubah menjadi data.

2.       Pada Transport layer, data diubah menjadi segmen.

3.       Pada Network layer, segmen diubah menjadi paket.

4.       Pada Data link layer, paket diubah menjadi frame.

5.       Pada Phisical layer, frame diubah menjadi bit sehingga siap untuk dikirimkan.

Pada sisi penerima, hal yang sama juga terjadi, dari bit, data dibuah menjadi frame dan seterusnya sehingga akhirnya menjadi informasi yang diterima oleh aplikasi penerimanya.

Jenis-jenis Protokol

Beberapa jenis protokol yang umum digunakan dalam sebuah komputer adalah sebagai berikut :

1.          NetBeui Frame Protocol
2.          NetBIOS
3.          NWLink
4.          IPX/SPX
5.           TCP/IP
6.          Subnet mask

Sumber :

    http://nicxusedell.blogspot.co.id/2014/03/prinsip-prinsip-dan-layer-protokol-yang.html

    http://sergeantfai.blogspot.co.id/2013/03/protokol-sistem-terdistribusi_2431.html

    http://makrufbobob.github.io/sistem-terdistribusi-bab-2.html

Read More