3D TECHNOLOGY

3D TECHNOLOGY

1. Camera Tracking

adalah sebuah teknik penyesuaian camera virtual didalam adobe after effects yang nantinya camera virtual tersebut akan merepresentasikan segala gerak gerik kamera asli.  dan Text Compositing merupakan sebuah teknik mudah dimana kita akan menambahkan text dinamis yang seolah olah text tersebut berada di dalam scene dan mengikut segala movement scene.

Dari Tutorial ini beberapa Kompetensi yang bisa kita pelajari :

1. Camera Tracker After Effects CS 6 atau diatasnya.
2. Effects – Linear Wipe
3. Basic – Text Compositing

2. Augmented Reality

POKEMON GO (AR) & FATE/GRAND ORDER (AR)

adalah teknologi yang menggabungkan benda maya dua dimensi dan ataupun tiga dimensi ke dalam sebuah lingkungan nyata tiga dimensi lalu memproyeksikan benda-benda maya tersebut dalam waktu nyata.

3. UNITY

Anda dapat menciptakan 2D atau game 3D dengan Unity. Anda dapat membuatnya dengan mudah, Anda dapat membuatnya sangat dioptimalkan dan indah, dan Anda dapat mencari lebih banyak lagi kegunaan didalamnya. Terlebih lagi, Anda dapat menggunakan layanan terpadu Unity untuk mempercepat proses pembangunan Anda, mengoptimalkan permainan Anda, terhubung dengan Player lain, dan mencapai sukses bersama.

4. BLENDER

Blender adalah aplikasi gratis dan open source 3D penciptaan Suite. Mendukung keseluruhan dari 3D pipeline—modeling, rigging, animation, simulation, rendering, compositing and motion tracking, bahkan video editing dan pembuatan game.

SUMBER:
http://www.vectroid.net/tutorial/after-effects/text-compositing-camera-tracking
https://unity3d.com/get-unity/download
https://www.blender.org/download/
https://play.google.com/store?hl=in

DOSEN: ARBY PRAMANA

DATA MINING

DATA MINING

DATA MINING: adalah karena tersedianya data dalam jumlah yang besar dan semakin besarnya kebutuhan untuk mengubah data tersebut menjadi informasi dan pengetahuan yang berguna.

DATA MINING: adalah ekstraksi POLA yang menarik dari data dalam jumlah besar Suatu pola dikatakan menarik apabila pola tersebut tidak sepele, implisit, tidak diketahui sebelumnya, dan berguna. Pola yang disajikan haruslah mudah dipahami, berlaku untuk data yang akan diprediksi dengan derajat kepastian tertentu, berguna, dan baru. Penggalian data memiliki beberapa nama alternatif, meskipun definisi eksaknya berbeda, seperti KDD (knowledge discovery in database), analisis pola, arkeologi data, pemanenan informasi, dan intelegensia bisnis. Penggalian data diperlukan saat data yang tersedia terlalu banyak (misalnya data yang diperoleh dari SISTEM BASIS DATA perusahaan, E-COMMERCE, data saham, dan data Bioinformatika), tetapi tidak tahu pola apa yang bisa didapatkan.

Data mining adalah kegiatan mengekstraksi atau menambang pengetahuan dari data yang berukuran/berjumlah besar, informasi inilah yang nantinya sangat berguna untuk pengembangan. Dimana langkah-langkah untuk melakukan data mining adalah sebagai berikut :

1. Data cleaning (untuk menghilangkan noise data yang tidak konsisten) Data integration (di mana sumber data yang terpecah dapat disatukan)
2. Data selection (di mana data yang relevan dengan tugas analisis dikembalikan ke dalam database)
3. Data transformation (di mana data berubah atau bersatu menjadi bentuk yang tepat untuk menambang dengan ringkasan performa atau operasi agresi)
4. Data mining (proses esensial di mana metode yang intelejen digunakan untuk mengekstrak pola data)
5. Pattern evolution (untuk mengidentifikasi pola yang benar-benar menarik yang mewakili pengetahuan berdasarkan atas beberapa tindakan yang menarik)
6. Knowledge presentation (di mana gambaran teknik visualisasi dan pengetahuan digunakan untuk memberikan pengetahuan yang telah ditambang kpada user).

Arsitektur dari data mining yang khas memiliki beberapa komponen utama yaitu :

a. Database, data warehouse, atau tempat penyimpanan informasi lainnya.

b.  Server database atau data warehouse.

c.  Knowledge base

d.  Data mining engine.

e.  Pattern evolution module.

f. Graphical user interface.

• Ada beberapa jenis data dalam data mining yaitu :

– Relation Database : Sebuah sistem database, atau disebut juga database management system (DBMS), mengandung sekumpulan data yang saling berhubungan, dikenal sebagai sebuah database, dan satu set program perangkat lunak untuk mengatur dan mengakses data tersebut.

– Data Warehouse : Sebuah data warehouse merupakan sebuah ruang penyimpaan informasi yang terkumpul dari beraneka macam sumber, disimpan dalam skema yang menyatu, dan biasanya terletak pada sebuah site.

• Kemudian FUNGSI SEPERTI APA ?

Kegunaan data mining adalah untuk menspesifikasikan pola yang harus ditemukan dalam tugas data mining. Secara umum tugas data mining dapat diklasifikasikan ke dalam dua kategori: deskriptif dan prediktif. Tugas menambang secara deskriptif adalah untuk mengklasifikasikan sifat umum suatu data di dalam database. Tugas data mining secara prediktif adalah untuk mengambil kesimpulan terhadap data terakhir untuk membuat prediksi.

1. Konsep/Class Description Data dapat diasosiasikan dengan pembagian class atau konsep. Untuk contohnya, ditoko All Electronics, pembagian class untuk barang yang akan dijual termasuk komputer dan printer, dan konsep untuk konsumen adalah big Spenders dan budget Spender. Hal tersebut sangat berguna untuk menggambarkan pembagian class secara individual dan konsep secara ringkas, laporan ringkas, dan juga pengaturan harga. Deskripsi suatu class atau konsep seperti itu disebut class/concept descripition.
2. Association Analysis Association analysis adalah penemuan association rules yang menunjukkan nilai kondisi suatu attribute yang terjadi bersama-sama secara terus-menerus dalam memmberikan set data. Association analysis secara luas dipakai untuk market basket atau analisa data transaksi.
3. Klasifikasi dan Predikasi Klasifikasi dan prediksi mungkin perlu diproses oleh analisis relevan, yang berusaha untuk mengidentifikasi atribut-atribut yang tidak ditambahkan pada proses klasifikasi dan prediksi. Atribut-atribut ini kemudian dapat di keluarkan.
4. Cluster Analysis Tidak seperti klasifikasi dan prediksi, yang menganalisis objek data dengan kelas yang terlabeli, clustering menganalisis objek data tanpa mencari keterangan pada label kelas yang diketahui. Pada umumnya, label kelas tidak ditampilkan di dalam latihan data simply, karena mereka tidak tahu bagaimana memulainya. Clustering dapat digunakan untuk menghasilkan label-label.
5. Outlier Analysis Outlier dapat dideteksi menggunakan test yang bersifat statistik yang mengambil sebuah distribusi atau probabilitas model untuk data, atau menggunakan langkah-langkah jarak jauh di mana objek yang penting jauh dari cluster lainnya dianggap outlier. Sebuah database mungkin mengandung objek data yang tidak mengikuti tingkah laku yang umum atau model dari data. data ini disebut outlier.
6. Evolution Analysis Data analisa evolusi menggambarkan ketetapan model atau kecenderungan objek yang memiliki kebiasaan berubah setiap waktu. Meskipun ini mungkin termasuk karakteristik, diskriminasi, asosiasi, klasifikasi, atau clustering data berdasarkan waktu, kelebihan yang jelas seperti analisa termasuk analisa data time-series, urutan atau pencocockkan pola secara berkala, dan kesamaan berdasarkan analisa data. 

• TUJUANNYA SEPERTI APA?

Untuk melakukan data mining yang baik ada beberapa persoalan utama yaitu menyangkut metodologi mining dan interaksi user, performance dan perbedaan tipe database. Hal inilah yang sering kali dihadapi disaat kita ingin melakukan data mining.

• PROSES DATA MINING TUH GIMANA?

Beberapa teknik yang sering disebut-sebut dalam literatur data mining seperti classification, neural network, genetic algorithm dll. sudah lama dikenal di dunia kecerdasan buatan. Statistik memberikan kontribusi pada data mining dengan teknik-teknik untuk menyeleksi data dan evaluasi hasil data mining selain teknik-teknik data mining seperti clustering. 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 pada umunya diterapkan untuk data skala kecil saja. Selain itu beberapa teknik dari bidang database untuk transformasi data juga merupakan bagian integral dari proses data mining.

SUMBER:

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

http://hariannetral.com/2014/09/pengertian-data-mining-apa-itu-data-mining.html

DOSEN: ARBY PRAMANA

INTERNET OF THINGS

INTERNET OF THINGS

Internet of Things: adalah sebuah konsep yang bertujuan untuk memperluas manfaat dari konektivitas internet yang tersambung secara terus-menerus, berikut kemampuan remote control, berbagi data, dan sebagainya, termasuk pada benda-benda di dunia fisik. Bahan pangan, elektronik, peralatan apa saja, koleksi, termasuk benda hidup, yang semuanya tersambung ke jaringan lokal dan global melalui sensor tertanam dan selalu “on”.

Kata Things disini dalam Internet of Things dapat berupa seseorang dengan hati implan monitor, peternakan binatang dengan sebuah biochip transponder, berkendara yang telah dibangun oleh sensor-sensor untuk mengingatkan pengemudi saat tekanan ban lemah atau alam lainnya atau buatan manusia benda yang dapat ditetapkan sebuah alamat IP dan disediakan dengan kemampuan untuk mentransfer data melalui jaringan. Sejauh ini, Internet of Things telah paling sering dihubungkan dengan Mesin ke Mesin (M2M) komunikasi di dalam kuasa dan manufaktur, utilitas minyak dan gas. Berbagai produk yang dibuat dengan M2M kemampuan komunikasi seringkali dirujuk sebagai smart.

Internet of things sangat dirasakan kebermanfaatannya khususnya pada individu/personal, kita dapat terhubung langsung mulai dari perangkat rumah tangga, kendaraan, peralatan kantor, dan juga perangkat lain disekitar kita secara mobile dan dapat diakses dimana saja, kapan saja.
Untuk targetnya, teknologi ini akan berjalan optimal pada tahun 2020, dimana arsitektur jaringan 4g sudah di standarisasikan dan gps sudah menjangkau seluruh wilayah di dunia. Kita dapat melihat target tahun 2020 seperti di gambar, yaitu 4 milyar orang dapat saling terhubung, 4 triliun dollar telah di hemat, 25 juta aplikasi telah kompatibel dengan sistem ini, 25 milyar sistem pakar telah diaplikasikan dan 50 triliun gigabyte data trafficnya.

Keunggulan Internet of Things

1. COMMUNICATION (KOMUNIKASI)

Salah satu keunggulan IOT adalah dukungan komunikasi antar perangkat atau biasa disebut machine-to-machine (m2m) communication. Dengan berkembangnya berbagai teknologi sensor maka komunikasi antar perangkat menjadi sangatlah mudah dan efisien.

2. CONTROL (KENDALI)

Perangkat dapat terhubung dan dikontrol secara digital, serta kontrol dapat dilakukan secara terpusat dan langsung dengan infrastruktur nirkabel. Dikarenakan tanpa campur tangan manusia, perangkat dapat berkomunikasi satu sama lain yang menyebabkan hasil yang lebih cepat dan tepat waktu.

3. MONITORING

Keuntungan lain dari IOT adalah monitoring. Kita dapat memonitor segala sesuatu yang ada di sekeliling kita secara otomatis, misal ketika persediaan susu hampir habis atau pendingin ruangan telah kotor. Maka kita dapat segera melakukan tindakan selanjutnya secara efisien dan aman.

4.TIMES (WAKTU)

Keuntungan lain adalah efisiensi dari waktu. Karena bersifat otomatis, maka segala sesuatunya lebih terprogram dan terencana, alhasil waktu kita tidak banyak yang terbuang.

5.COST (BIAYA)

Pemanfaatan optimal energi dan sumber daya dapat dicapai dengan mengadopsi teknologi ini dan menjaga perangkat di bawah pengawasan. Kamalat ini dapat memberi peringatan dalam kasus mungkin kemacetan, kerusakan, dan kerusakan sistem. Oleh karena itu, kita dapat menghemat biaya dengan menggunakan teknologi ini.

6. LIFE (KEHIDUPAN)

Semua aplikasi teknologi ini berujung pada peningkatan kenyamanan, kemudahan, dan manajemen yang lebih baik, dengan demikian kualitas hidup juga semakin lebih baik.

KEKURANGAN IOT

1.SECURITY (KEAMANAN)

Resiko keamanan adalah yang paling utama dalam teknologi ini, karena segala sesuatu telah disinkronkan dan terhubung di jaringan internet. Data penting sangat mudah dilacak oleh hacker yang dapat digunakan untuk kegiatan yang tidak bertanggung jawab.

2. SUPPORT (DUKUNGAN)

Saat ini, tidak ada standar internasional kompatibilitas untuk penandaan dan pemantauan pernagkat. Namun kami percaya kerugian ini adalah yang paling mudah untuk diatasi.

3. COMPLEX (KOMPLEKSITAS)

Seperti semua sistem yang kompleks, kegagalan sistem sangat mungkin terjadi.

4. PRIVACY (PRIVASI)

Resiko privasi adalah salah satu yang tak dapat dihindari pada Internet of Things, seperti halnya segi keamanan.

5. TENAGA KERJA

Ketika seluruh pekerjaan dialihkan dengan mesin dan otomatisasi, maka akan berdampak pada pengurangan tenaga kerja, alhasil semakin banyak pengangguran.

6. CONTROLING LIFE (MENGATUR KEHIDUPAN)

Hidup kita akan semakin dikendalikan oleh teknologi, dan akan tergantung pada itu. Generasi muda sudah kecanduan teknologi untuk setiap hal kecil. Kita harus memutuskan berapa banyak dari kehidupan kita sehari-hari kita bersedia untuk mekanisasi yang dikendalikan oleh teknologi.

Refrensi :
http://gudanglinux.com/glossary/internet-of-things/
https://id.wikipedia.org/wiki/Internet_of_Things
https://teknojurnal.com/definisi-internet-of-things/

DOSEN: ARBY PRAMANA