Info Kelulusan Ujian 2014/2015

SK Kelulusan 2014/2015

Mengenal Processor

DUAL CORE Processor Istilah ini adalah istilah teknis untuk merujuk kepada Teknologi Processor atau Arsitektur Processor dimana dalam 1 Keping Processor/CPU terdapat 2 buah Inti processor. Teknologi terbaru dari Perkembangan arsitektur Procesor ini adalah menanamkan 2 inti kedalan 1 CPU, atau bahasa umumnya menanamkan 2 mesin kedalam 1 Keping CPU. Perkembangan awal teknologi ini adalah menculnya PENTIUM D, yang merupakan keluaran awal dari processor dengan 2 buah inti.

Processor jenis ini Masih disebut dengan istilah â€oePENTIUM― karena memang generasinya masih dari perkembangan lanjutan generasi INTEL PENTIUM. Produksi Processor ini masih menggunakan Teknology â€oeNETBURST― . Jadi PENTIUM D adalah CPU PENTIUM yang Memiliki 2 Buah INTI kelas PENTIUM di produksi dengan teknology 90nm.
Kelemahan Jenis Pentium D ini adalah Inti kedua tidak maksimal di gunakan, dan tidak ada pengecekan suhu pada inti kedua. Dalam penjualannya intel Tidak Menyebut PENTIUM D sebegai CORE DUO processor TAPI menyebutnya PENTIUM D (Dual). istilah inilah yang di indonesia dan kebanyakan pedagang Komputer di rancu-kan dengan istileh INTEL CORE DUO (tanpa ada kata PENTIUM) CORE DUO Istilah ini adalah lebih kepada istilah untuk MERK DAGANG INTEL, artinya secara teknis tetap sama dengan DUAL CORE, yaitu dipasangnya 2 core dalam 1 keping CPU. Jadi CORE DUO adalah Istilah dagang dari Intel. Dan Intel dengan perkembangan teknologi Pembuatan Chip terbaru (65nm) sudah tidak memakai istilah PENTIUM lagi pada processor keluarannya, tapi sudah Mematenkan istilah CORE. Makanya semua processor intel saat ini disebut INTEL CORE. Artinya apa? intel sudah beralih kepada jenis proceesor yang pembuatannya melalui teknologi 65nm bahkan 45nm dimana processor processor tersebut telah ditanamkan 2 inti didalam 1 keping CPU. istilah CORE DUO ini melekat pada processor intel DESKTOP E2XXX , atau Processor Mobile T2XXX. Di dalam System operasi Windows XP/Linux processor jenis ini dikenalai sebagai Processor berinti Dua, atau muncul tulisan DUAL Proceesor. Ini yang menjadi masalah kepada si BADU yang sangat awam Komputer dan Ngeyel walau sudah dijelaskan … he he he CORE2DUO Istileh Processor CORE intel yang lain adalah CORE2DUO, yang berarti Processor CORE yang dibagun dengan teknologi 2 Core dengan tambahan fungsi dipasangnnya Cache Memmory pada masing masing Core. Jadi bila CORE DUO masih memakai 1 Cache /L2 untuk Kedua CORE, maka pada CORE2DUO masing masing inti sudah dipasangkan Cache secara sendiri sendiri, yang masih bekerja sama secara paralel.
Dual Core Dual Core adalah penggunaan dua buah inti (core) prosesor dalam sebuah kemasan prosesor konvensional. Dual core (inti prosesor) ditempatkan pada sebuah CPU untuk meningkatkan kinerjanya. Setiap core ini tidak lebih cepat dibanding CPU biasa dengan clockspeed yang sama, tetapi semua proses perhitungan dibagi kepada 2 inti prosesor tersebut. Logikanya, menggunakan prosesor multi-core akan mempercepat perhitungan algoritma yang dikerjakan sebuah sistem PC. Diibaratkan, berpikir sebuah pekerjaan dengan menggunakan dua otak, tentunya pekerjaan itu akan lebih cepat selesai. Produsen prosesor terkemuka di dunia (Intel dan AMD), mengembangkan teknologi dual core ini karena tuntutan aplikasi-aplikasi yang semakin tinggi atas prosesor yang memiliki tingkat komputasi yang tinggi. Karena pengembangan prosesor dengan menggunakan satu inti sudah mulai stagnan, maka mulai dikembangkan prosesor yang memiliki inti prosesor lebih dari satu. Intel Core 2 Duo Intel Core 2 Duo adalah sebuah mikroprosesor yang dirilis oleh Intel Corporation pada tanggal 27 Juli 2006.
Pada saat pengembangannya, prosesor ini memiliki nama kode Conroe dan Allendale. Berikut adalah beberapa codenamed dari core processor yang terdapat pada produk processor Intel Core 2, tentunya codenamed tersebut mempunyai perbedaan antara satu dengan yang lainnya.
CONROE
Core processor dari Intel Core 2 Duo yang pertama diberi kode nama Conroe. Processor ini dibangun dengan menggunakan teknologi 65 nm dan ditujukan untuk penggunaan desktop menggantikan jajaran Pentium 4 dan Pentium D. Bahkan pihak Intel mengklaim bahwa Conroe mempunyai performa 40% lebih baik dibandingkan dengan Pentium D yang tentunya sudah menggunakan dual core juga. Core 2 Duo hanya membutuhkan daya yang lebih kecil 40% dibandingkan dengan Pentium D untuk menghasilkan performa yang sudah disebutkan di atas.
Processor yang sudah menggunakan core Conroe diberi label dengan “E6×00”. Beberapa jenis Conroe yang sudah beredar di pasaran adalah tipe E6300 dengan clock speed sebesar1.86 GHz, tipe E6400 dengan clock speed sebesar 2.13 GHz, tipe E6600 dengan clock speed sebesar 2.4 GHz, dan tipe E6700 dengan clock speed sebesar 2.67 GHz. Untuk processor dengan tipe E6300 dan E6400 mempunyai Shared L2 Cache sebesar 2 MB, sedangkan tipe yang lainnya mempunyai L2 cache sebesar 4 MB. Jajaran dari processor ini memiliki FSB (Front Side BUS) sebesar 1066 MT/s (Megatransfer) dan daya yang dibutuhkan hanya sebesar 65 Watt TDP (Thermal Design Power).
CONROE XE Core
processor berikutnya adalah Conroe XE yang saat ini banyak menjadi bahan perbincangan. Conroe XE sendiri adalah core processor dari Intel Core 2 Extreme yang diluncurkan bersamaan dengan Intel Core 2 Duo pada 27 Juli 2006. Conroe XE mempunyai tenaga lebih dibandingkan dengan Conroe. Tipe pertama dan satusatunya yang dikeluarkan oleh Intel untuk jajaran processor Core 2 Extreme adalah X6800 dan sudah beredar di pasaran saat ini meskipun jumlahnya sangat terbatas. Processor Intel Core 2 yang sudah memakai Intel Core 2 Extreme dengan core Conroe XE ini akan menggantikan posisi dari Processor Pentium 4 EE (Extreme Edition) dan Dual Core Extreme Edition. Core 2 Extreme mempunyai clock speed sebesar 2.93 GHz dan FSB sebesar 1066 MT/s. Keluarga dari Conroe XE memerlukan TDP hanya sebesar 75 sampai 80 Watt. Dalam keadaan full load temperature processor dari X6800 yang dihasilkan tidak akan melebihi 450C. Lain lagi jika fungsi SpeedStep-nya berada dalam keadaan aktif. Jika aktif, maka temperatur processor saat keadaan idle yang dihasilkan oleh X6800 hanya berkisar sekitar 250C. Cukup mengesankan, mengingat pada generasi sebelumnya processor Intel Pentium 4 Extreme Edition menghasilkan panas yang bisa dikatakan sangat tinggi.
Hampir sama seperti Core 2 Duo, Core 2 Extreme memiliki shared L2 cache sebesar 4 MB hanya saja perbedaan yang paling terlihat dari kedua Conroe tersebut adalah kecepatan dari masing-masing clock speednya saja. Sebenarnya untuk sebuah processor sekelas “Extreme Edition”, perbedaan seharusnya bisa lebih banyak lagi, bukan hanya didasarkan pada besar
kecilnya clock speed-nya saja. Selain perbedaan clock speed tersebut, Core 2 Extreme mempunyai fitur untuk merubah multipliers sampai 11x (step) untuk mendapatkan hasil overclocking yang maksimal. Fitur-fitur unik lain yang disertakan juga pada Core 2 Extreme Edition kali ini adalah FSB yang lebih besar, L2 cache lebih besar, dan adanya L3 cache.
ALLENDALE Core
processor ini dipakai oleh processor Core 2 Duo dengan core Conroe yang hanya memiliki 2 MB L2 Cache. Beberapa Core 2 Duo yang memakai Allendale sebagai core processornya adalah E6300 dengan clock speed sebesar 1.86 GHz dan E6400 dengan clock speed 2.13 GHz, keduanya memiliki FSB sebesar 1066 MT/s.
MEROM
Merom adalah core processor Intel Core 2 versi mobile pertama yang diluncurkan secara bersamaan dengan Conroe, Conroe XE, dan Allendale. Pada dasarnya, Merom mempunyai spesifikasi dan fitur yang sama dengan Conroe namun Merom mempunyai kelebihan, yaitu ia hanya membutuhkan daya yang sedikit. Pihak Intel sendiri mengklaim bahwa Merom mampu mendongkrak kinerja dari notebook sebesar 20%, namun dengan menggunakan resource daya yang sama dengan processor core duo yang memakai core processor Yonah. Selain itu, Merom adalah processor mobile Intel pertama yang telah mengintegrasikan teknologi EM64T 64-bit di dalamnya. Merom sendiri mempunyai FSB sebesar 667 MT/s sama persis dengan jajaran processor sebelumnya yaitu Intel Core Duo. Processor Core 2 yang menggunakan core processor Merom diberi label dengan “T5×00” dan “T7×00”. Keduanya mempunyai besar shared L2 cache yang berbeda. Pada T5×00 L2 cache yang diusung adalah sebesar 2 MB, sedangkan pada T7×00 L2 cache-nya adalah sebesar 4 MB.
Beberapa jenis dari Merom adalah T5500 dengan clock speed sebesar 1.66 GHz, T5600 dengan clock speed sebesar 1.83 GHz, T7200 dengan closk speed sebesar 2.00 GHz, T7400 dengan clock speed sebesar 2.16 GHz, dan T7600 dengan clock speed sebesar 2.33 GHz.
Sesuai dengan jenisnya, processor ini didesain oleh intel untuk diaplikasikan ke dalam notebook, karena kelebihannya yang hanya membutuhkan sedikit resource daya dari sebuah baterai notebook untuk bisa bekerja secara maksimal. Sehingga dengan begitu, tidak saja baterai notebook Anda yang akan tahan lebih lama, namun tentu kinerja yang akan Anda dapatkan akan lebih maksimal dibandingkan dengan processor core duo dengan core processor Yonah.
Perbedaan Dual Core dan Core 2 Duo Secara teknis, kalau dari klaimnya Intel, Core 2 Duo itu lebih hemat daya sampai 40 persen dibandingkan dengan prosesor Dual Core pendahulunya dan juga memiliki kinerja yang 40 persen lebih cepat. Selain itu, cache L2 yang lebih besar juga sudah dilengkapi dengan teknologi terbaru, kalau nggak salah disebut smart cache, yang membuat kinerjanya jadi lebih baik lagi. (PC+ 277) Kinerja prosesor Core 2 Duo menang telak cukup jauh jika dibandingkan dengan prosesor Intel Pentium D seri Presler apalagi Pentium D seri Smithfield yang masih menggunakan mikroarsitektur Intel NetBurst. Jika dibandingkan dengan seterunya, AMD Athlon FX 60, sebuah prosesor Intel Core 2 Duo berkecepatan 2400 MHz mengungguli prosesor tersebut dengan perbedaan kinerja kira-kira 15%. Jika prosesor AMD Athlon FX tersebut di-overclock menjadi 3.4 GHz, prosesor tersebut unggul tipis dibandingkan Core 2 Duo 2400 MHz. Ini berarti prosesor Intel Core 2 Duo jauh lebih efisien dibandingkan dengan pendahulunya dalam rangka mengeksekusi instruksi.

Andi publisher Buku Ancaman Pemodelan Threat

http://books.google.co.id/books?id=J8JpLoPUHGAC&lpg=PA379&ots=dOpn8YQAU2&dq=ancaman%20pemodelan%20threat&hl=id&pg=PA379#v=onepage&q=ancaman%20pemodelan%20threat&f=false

Kegitan Pengembangan Kurikulum

Slideshow ini membutuhkan JavaScript.

Kegiatan Mulid Di SMK Negeri 42 Jakarta

Slideshow ini membutuhkan JavaScript.

DATA MINING

Data Mining
Menggali Informasi yang Terpendam
Yudho Giri Sucahyo
sucahyoy@cs.curtin.edu.au
Ketika saya mengikuti program orientasi mahasiswa baru pasca sarjana di Curtin University of Technology, saya berkenalan dengan seorang mahasiswi asal Australia. Dia mengambil program Master di bidang Jaringan Komputer dan telah menyandang gelar MCSE (Microsoft Certified Systems Engineer). Dia lalu bertanya pada saya, “Apa topik penelitian Anda?”, saya menjawab. “Data Mining”. Dia kemudian memberi komentar kepada saya, “Oh…. itu bagus sekali…. Anda tepat sekali mengambil topik itu disini, karena kita punya pertambangan emas yang besar sekali di Kalgoorlie (Kalgoorlie berada 600 km di sebelah timur Perth dan Curtin University mempunyai cabang kampus disana)”.
Data Mining memang salah satu cabang ilmu komputer yang relatif baru. Dan sampai sekarang orang masih memperdebatkan untuk menempatkan data mining di bidang ilmu mana, karena data mining menyangkut database, kecerdasan buatan (artificial intelligence), statistik, dsb. Ada pihak yang berpendapat bahwa data mining tidak lebih dari machine learning atau analisa statistik yang berjalan di atas database. Namun pihak lain berpendapat bahwa database berperanan penting di data mining karena data mining mengakses data yang ukurannya besar (bisa sampai terabyte) dan disini terlihat peran penting database terutama dalam optimisasi query-nya.
Lalu apakah data mining itu? Apakah memang berhubungan erat dengan dunia pertambangan…. tambang emas, tambang timah, dsb. Definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database yang besar. Dalam jurnal ilmiah, data mining juga dikenal dengan nama Knowledge Discovery in Databases (KDD).
Kehadiran data mining dilatar belakangi dengan problema data explosion yang dialami akhir-akhir ini dimana banyak organisasi telah mengumpulkan data sekian tahun lamanya (data pembelian, data penjualan, data nasabah, data transaksi dsb.). Hampir semua data tersebut dimasukkan dengan menggunakan aplikasi komputer yang digunakan untuk menangani transaksi sehari-hari yang kebanyakan adalah OLTP (On Line Transaction Processing). Bayangkan berapa transaksi yang dimasukkan oleh hypermarket semacam Carrefour atau transaksi kartu kredit dari sebuah bank dalam seharinya dan bayangkan betapa besarnya ukuran data mereka jika nanti telah berjalan beberapa tahun. Pertanyaannya sekarang, apakah data tersebut akan dibiarkan menggunung, tidak berguna lalu dibuang, ataukah kita dapat me-‘nambang’-nya untuk mencari ‘emas’, ‘berlian’ yaitu informasi yang berguna untuk organisasi kita. Banyak diantara kita yang kebanjiran data tapi miskin informasi.
Jika Anda mempunyai kartu kredit, sudah pasti Anda bakal sering menerima surat berisi brosur penawaran barang atau jasa. Jika Bank pemberi kartu kredit Anda mempunyai 1.000.000 nasabah, dan mengirimkan sebuah (hanya satu) penawaran dengan biaya pengiriman sebesar Rp. 1.000 per buah maka biaya yang dihabiskan adalah Rp. 1 Milyar!! Jika Bank tersebut mengirimkan penawaran sekali sebulan yang berarti 12x dalam setahun maka anggaran yang dikeluarkan per tahunnya adalah Rp. 12 Milyar!! Dari dana Rp. 12 Milyar yang dikeluarkan, berapa persenkah konsumen yang benar-benar membeli? Mungkin hanya 10 %-nya saja. Secara harfiah, berarti 90% dari dana tersebut terbuang sia-sia.
Persoalan di atas merupakan salah satu persoalan yang dapat diatasi oleh data mining dari sekian banyak potensi permasalahan yang ada. Data mining dapat menambang data transaksi belanja kartu kredit untuk melihat manakah pembeli-pembeli yang memang potensial untuk membeli produk tertentu. Mungkin tidak sampai presisi 10%, tapi bayangkan jika kita dapat menyaring 20% saja, tentunya 80% dana dapat digunakan untuk hal lainnya.
Lalu apa beda data mining dengan data warehouse dan OLAP (On-line Analytical Processing)? Secara singkat bisa dijawab bahwa teknologi yang ada di data warehouse dan OLAP dimanfaatkan penuh untuk melakukan data mining. Gambar di bawah menunjukkan posisi masing-masing teknologi:
Gambar 1: Data mining dan teknologi database lainnya

Dari gambar di atas terlihat bahwa teknologi data warehouse digunakan untuk melakukan OLAP, sedangkan data mining digunakan untuk melakukan information discovery yang informasinya lebih ditujukan untuk seorang Data Analyst dan Business Analyst (dengan ditambah visualisasi tentunya). Dalam prakteknya, data mining juga mengambil data dari data warehouse. Hanya saja aplikasi dari data mining lebih khusus dan lebih spesifik dibandingkan OLAP mengingat database bukan satu-satunya bidang ilmu yang mempengaruhi data mining, banyak lagi bidang ilmu yang turut memperkaya data mining seperti: information science (ilmu informasi), high performance computing, visualisasi, machine learning, statistik, neural networks (jaringan syaraf tiruan), pemodelan matematika, information retrieval dan information extraction serta pengenalan pola. Bahkan pengolahan citra (image processing) juga digunakan dalam rangka melakukan data mining terhadap data image/spatial.
Dengan memadukan teknologi OLAP dengan data mining diharapkan pengguna dapat melakukan hal-hal yang biasa dilakukan di OLAP seperti drilling/rolling untuk melihat data lebih dalam atau lebih umum, pivoting, slicing dan dicing. Semua hal tersebut diharapkan nantinya dapat dilakukan secara interaktif dan dilengkapi dengan visualisasi.
Data mining tidak hanya melakukan mining terhadap data transaksi saja. Penelitian di bidang data mining saat ini sudah merambah ke sistem database lanjut seperti object oriented database, image/spatial database, time-series data/temporal database, teks (dikenal dengan nama text mining), web (dikenal dengan nama web mining) dan multimedia database.
Meskipun gaungnya mungkin tidak seramai seperti ketika Client/Server Database muncul, tetapi industri-industri seperti IBM, Microsoft, SAS, SGI, dan SPSS terus gencar melakukan penelitian-penelitian di bidang data mining dan telah menghasilkan berbagai software untuk melakukan data mining:
Intelligent Miner dari IBM. Berjalan di atas sistem operasi AIX, OS/390, OS/400, Solaris dan Windows NT. Dijual dengan harga sekitar US$60.000. Selain untuk data IBM juga mengeluarkan produk Intelligent Miner untuk teks. Web site:

http://www.software.ibm.com/data/iminer/fortext
www-4.inm.com/software/data/iminer/fordata/index.html
Microsoft juga telah menambahkan fasilitas data mining di Microsoft SQL Server 2000. Web site: http://www.microsoft.com/sql/productinfo/feaover.htm
Enterprise Miner dari SAS. Berjalan di atas sistem operasi AIX/6000, CMS, Compaq Tru64 UNIX, HP-UX, IRIX, Intel ABI, MVS, OS/2, Open VMS Alpha, Open VMS Vax, Solaris, dan Windows. Web site: http://www.sas.com
MineSet dari Silicon Graphics. Berjalan di atas sistem operasi Windows 9x/NT dan IRIX. Dijual per seat seharga US$995, server (Windows NT) seharga US$35.000 dan untuk IRIX dijual US$50.000. Web site: http://www.sgi.com/software/mineset
Clementine dari SPSS. Berjalan di atas sistem operasi UNIX dan Windows NT. Web site: http://www.spss.com/software/clementine
• • •
Beberapa penelitian sekarang ini sedang dilakukan untuk memajukan data mining diantaranya adalah peningkatan kinerja jika berurusan dengan data berukuran terabyte, visualisasi yang lebih menarik untuk user, pengembangan bahasa query untuk data mining yang sedapat mungkin mirip dengan SQL. Tujuannya tidak lain adalah agar end-user dapat melakukan data mining dengan mudah dan cepat serta mendapatkan hasil yang akurat. •

Data Mining adalah Serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basisdata dengan melakukan penggalian pola-pola dari data dengan tujuan untuk memanipulasi data menjadi informasi yang lebih berharga yang diperoleh dengan cara mengekstraksi dan mengenali pola yang penting atau menarik dari data yang terdapat dalam basisdata.
Data mining biasa juga dikenal nama lain seperti : Knowledge discovery (mining) in databases (KDD), ekstraksi pengetahuan (knowledge extraction) Analisa data/pola dan kecerdasan bisnis (business intelligence) dan merupakan alat yang penting untuk memanipulasi data untuk penyajian informasi sesuai kebutuhan user dengan tujuan untuk membantu dalam analisis koleksi pengamatan perilaku, secara umum definisi data-mining dapat diartikan sebagai berikut
• Proses penemuan pola yang menarik dari data yang tersimpan dalam jumlah besar.
• Ekstraksi dari suatu informasi yang berguna atau menarik (non-trivial, implisit, sebefumnya belum diketahui potensial kegunaannya) pola atau pengetahuan dari data yang disimpan dalam jumfah besar.
• Ekplorasi dari analisa secara otomatis atau semiotomatis terhadap data-data dalam jumlah besar untuk mencari pola dan aturan yang berarti.
Konsep Data Mining
Data mining sangat perlu diperlukan dilakukan terutama dalam mengelola Data yang sangat besar untuk memudahkan aktifitas recording suatu transaksi dan untuk proses data warehousing agar dapat memberikan informasi yang akurat bagi penggunanya

data mining
Alasan utama mengapa data mining sangat menarik perhatian industri informasi dalam beberapa tahun belakangan ini adalah karena tersedianya data dalam jumlah yang besar dan semakin besarnya kebutuhan untuk mengubah data tersebut menjadi informasi dan pengetahuan yang berguna karena sesuai fokus bidang ilmu ini yaitu melakukan kegiatan mengekstraksi atau menambang pengetahuan dari data yang berukuran/berjumlah besar, informasi inilah yang nantinya sangat berguna untuk pengembangan. berikut langkah-langkahnya :
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. Knowledge Discovery (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 kepada user).

pribadi

DSCN2604Picture 057aDSCN2606DSCN2608Picture 051DSCN2609
DSCN2610Picture 052Picture 060aDSCN2605DSCN2611Picture 062a
Picture 056aPicture 053Picture 049Picture 050Picture 047Picture 046
Picture 058aPicture 059aPicture 061aPicture 068

pribadi, a set on Flickr.

%d blogger menyukai ini: