Recent Blog post
Archive for Desember 2016
3D singkatan dari tiga-dimensi. Hal tersebut berarti bahwa semua hal yang memiliki lebar, tinggi, dan kedalaman adalah tiga dimensi. Jika melihat sekeliling ruangan, semua yang dilihat adalah tiga dimensi dan dapat dilihat dari sisi manapun, kursi, meja, bangunan, halaman, binatang, semuanya. 3 dimensi merupakan penggambaran suatu objek yang terjadi padi 3 sumbu cartesian.
Camera Tracking
Kamera Traking adalah proses mengambil sebuah objek yang bergerak atau ( multiple objek ) dari waktu ke waktu menggunakan kamera. Teknik ini memiliki berbagai kegunaan, beberapa diantaranya adalah: Interaksi manusia dengan komputer, keamanan dan pengawasan, komunikasi video, kontrol lalu lintas, pencitraan medis dan video editing.
Augmented Reality
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. Tidak seperti realitas maya yang sepenuhnya menggantikan kenyataan, namun Augmented Reality hanya menambahkan atau melengkapi kenyataan.
Sumber :
- http://www.totaltren.com/2016/11/mengenal-camera-tracking.html
- http://www.haritsthinkso.com/2010/12/augmented-reality-adalah-teknologi-yang.html
3D Teknologi
Data Mining adalah serangkaian proses untuk menggali nilai tambah dari
suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui
secara manual. Data mining menjadi alat yang semakin penting untuk mengubah data tersebut menjadi informasi.
Data mining memiliki fungsi sebagai berikut :
Karena DM adalah suatu rangkaian proses, DM dapat dibagi menjadi beberapa tahap yang diilustrasikan pada gambar diatas :
1. Pembersihan data (untuk membuang data yang tidak konsisten dan noise)
2. Integrasi data (penggabungan data dari beberapa sumber)
3. Transformasi data (data diubah menjadi bentuk yang sesuai untuk di-mining)
4. Aplikasi teknik DM
5. Evaluasi pola yang ditemukan (untuk menemukan yang menarik/bernilai)
6. Presentasi pengetahuan (dengan teknik visualisasi)
Implementasi DM
Dapat diterapkan pada bidang pasar dan manajemen
Data mining memiliki fungsi sebagai berikut :
a. Classification
Classification, yaitu menyimpulkan definisi-definisi karakteristik
sebuah grup. Contoh: pelanggan-pelanggan perusahaan yang telah berpindah
kesaingan perusahaan yang lain.
b. Clustering
Clustering, yaitu mengindentifikasikan kelompok-kelompok dari
barang-barang atau produk-produk yang mempunyai karakteristik
khusus(clustering berbeda dengan classification, dimana pada clustering
tidak terdapat definisi-definisi karakteristik awak yang di berikan pada
waktu classification.)
c. Association
Association, yaitu mengidentifikasikan hubungan antara kejadian-kejadian
yang terjadi pada suatu waktu, seperti isi-isi dari keranjang belanja.
d. Sequencing
Hampir sama dengan association, sequencing mengidentifikasikan
hubungan-hubungan yang berbeda pada suatu periode waktu tertentu,
seperti pelanggan-pelanggan yang mengunjungi supermarket secara
berulang-ulang.
e. Forecasting
Forecasting memperkirakan nilai pada masa yang akan datang berdasarkan
pola-pola dengan sekumpulan data yang besar, seperti peramalan
permintaan pasar.
Tujuang Data mining :
a. Explanatory
Untuk menjelaskan beberapa kondisi penelitian, seperti mengapa penjualan truk pick up meningkat di colorado.
b. Confirmatory
Untuk mempertegas hipotesis, seperti halnya 2 kali pendapatan keluarga
lebih suka di pakai untuk membeli peralatan keluarga, di bandingkan
dengan satu kali pendapatan keluarga.
c. Exploratory
Menganalisis data untuk hubungan yang baru yang tidak di harapkan,
seperti halnya pola apa yang cocok untuk kasus penggelapan kartu kredit.
Proses
1. Pembersihan data (untuk membuang data yang tidak konsisten dan noise)
2. Integrasi data (penggabungan data dari beberapa sumber)
3. Transformasi data (data diubah menjadi bentuk yang sesuai untuk di-mining)
4. Aplikasi teknik DM
5. Evaluasi pola yang ditemukan (untuk menemukan yang menarik/bernilai)
6. Presentasi pengetahuan (dengan teknik visualisasi)
Implementasi DM
Dapat diterapkan pada bidang pasar dan manajemen
Untuk analisa pasar, banyak sekali sumber data
yang dapat digunakan seperti transaksi kartu kredit, kartu anggota club
tertentu, kupon diskon, keluhan pembeli, ditambah dengan studi tentang
gaya hidup publik.
Beberapa solusi yang bisa diselesaikan dengan data mining diantaranya:
- Menembak target pasar
Data mining dapat melakukan pengelompokan (clustering)
dari model-model pembeli dan melakukan klasifikasi terhadap setiap
pembeli sesuai dengan karakteristik yang diinginkan seperti kesukaan
yang sama, tingkat penghasilan yang sama, kebiasaan membeli dan
karakteristik lainnya.
- Melihat pola beli pemakai dari waktu ke waktu
Data mining dapat
digunakan untuk melihat pola beli seseorang dari waktu ke waktu. Sebagai
contoh, ketika seseorang menikah bisa saja dia kemudian memutuskan
pindah dari single account ke joint account(rekening bersama) dan kemudian setelah itu pola beli-nya berbeda dengan ketika dia masih bujangan.
- Cross-Market Analysis
Kita dapat memanfaatkan data mining untuk melihat hubungan antara penjualan satu produk dengan produk lainnya
- Profil Customer
- Data mining dapat membantu Anda untuk melihat profilcustomer/pembeli/nasabah sehingga kita dapat mengetahui kelompokcustomer tertentu suka membeli produk apa saja.
- Identifikasi Kebutuhan Customer
Anda dapat mengidentifikasi produk-produk apa saja yang terbaik untuk tiap kelompok customer dan menyusun faktor-faktor apa saja yang kira-kira dapat menarik customer baru untuk bergabung/membeli.
- Menilai Loyalitas Customer
VISA International Spanyol menggunakan data mining untuk melihat kesuksesan program-program customer loyalty mereka.
- Informasi Summary
- http://garethdata.blogspot.co.id/2010/03/pengertian-data-mining.html
- http://hasanxch.blogspot.co.id/2015/12/fungsi-data-mining.html
- https://pobersonaibaho.wordpress.com/2011/05/15/definisi-data-mining-tugas-utama-data-mining-proses-dan-cara-kerja-data-miningmetodologi-data-mining/
- https://eliamogot.wordpress.com/2010/06/05/data-mining/
Anda juga dapat memanfaatkan data mining untuk membuat laporansummary yang bersifat multi-dimensi dan dilengkapi dengan informasi statistik lainnya.
Sumber :
Data Mining
Internet of Things (IoT) merupakan sebuah konsep yang bertujuan untuk memperluas manfaat
dari konektivitas internet yang tersambung secara terus-menerus. Adapun
kemampuan seperti berbagi data, remote control, dan sebagainya, termasuk
juga pada benda di dunia nyata. Contohnya bahan pangan, elektronik,
koleksi, peralatan apa saja, termasuk benda hidup yang semuanya
tersambung ke jaringan lokal dan global melalui sensor yang tertanam dan
selalu aktif.
Pada dasarnya, Internet of Things mengacu pada benda yang dapat
diidentifikasikan secara unik sebagai representasi virtual dalam
struktur berbasis Internet. Istilah Internet of Things awalnya
disarankan oleh Kevin Ashton pada tahun 1999 dan mulai terkenal melalui
Auto-ID Center di MIT. Dan kini IoT menjadi salah satu tugas bagi seorang mahasiswa di sebuah perguruan tinggi.
Pengendalian
memantau kegiatan untuk memastikan bahwa kegiatan tersebut diselesaikan
seperti yang direncanakan dan proses mengkoreksi setiap kesalahan.
Monetisasi
mengelola blog untuk mencari pemasukan uang atau dengan kata lain membuat blog menjadi pekerjaan untuk mencari uang.
Operasional
Adalah suatu pedoman dalam melakukan suatu kegiatan ataupun pekerjaan penelitian yang bersifat abstrak.
Perluasan
hal yang memiliki dasar yang terperinci dari sesuatu hal tertentu, Kemudian olah dan akan dikembangkan menjadi suatu ide baru.
hal yang memiliki dasar yang terperinci dari sesuatu hal tertentu, Kemudian olah dan akan dikembangkan menjadi suatu ide baru.
Sumber : https://id.wikipedia.org/wiki/Internet_of_Things.
