Rabu, 05 Januari 2011

Komputer Masa Depan dengan Panca Indra

Ibaratnya manusia, komputer masa depan akan memiliki kecerdasan luar biasa ditambah dengan panca indra seperti manusia : pengelihatan, pengecap, peraba, pencium, dan pendengaran.


Jenis Komputer
Komputer masa depan juga akan memiliki bermacam-macam bentuk dan tingkat kecerdasan :

  • Yang bentuknya kecil dan sederhana bisa dibawa2 atau dipakai (misalnya berbentuk arloji). Memiliki kecerdasan terbatas dan lebih berfungsi sebagai client komputer yang lebih besar. Misalnya kita ingin tahu bagaimana kondisi lalulintas saat ini antara Jakarta ke Bandung, maka komputer ini akan segera menanyakan ke komputer di jaringan secara peer to peer dan memberikan informasi terbaik berdasarkan data yang diterima. Komputer ini juga merupakan semacam tanda pengenal dari si pemakai (tuannya), sehingga kemanapun tuannya pergi, semua komputer2 di seluruh dunia akan mengenali orang ini berdasarkan identifikasi yang dipancarkan oleh komputer kecil ini
  • Yang terpasang di dalam mobil, fungsinya memonitor kondisi lalulintas, mobil dan penumpang. Komputer ini akan memiliki banyak kamera yang memonitor kondisi jalan dan interior mobil. Komputer juga memiliki layar yang berbentuk kaca depan mobil, sehingga dalam keadaan gelap, komputer dapat membantu memproyeksikan gambar jalanan dengan terang ke kaca depan mobil berkat kamera inframerah yang terpasang di sekeliling mobil. Komputer juga akan mengambil alih kemudi jika si pengemudi berada dalam keadaan tidak sehat (misalnya mabuk)
  • Yang terpasang di rumah, fungsinya membuat semua proses di rumah menjadi otomatis. Misalnya menyalakan lampu, pompa kolam renang, dan lain2 secara otomatis
  • Yang terpasang secara sentral, fungsinya mengatur semua sumber2 daya yang ada di bumi ini. Komputer sentral ini akan terhubung melalui jaringan nirkabel ke semua komputer di permukaan bumi dan antariksa...

Sensor Panca Indra
Dengan adanya panca indra tadi dan kemajuan di teknologi programming, maka komputer2 tadi dapat beroperasi secara mandiri, karena tidak lagi memerlukan input dari perangkat khusus seperti keyboard/mouse/touch screen di komputer masa sekarang :

  • pengelihatan : komputer dilengkapi oleh kamera 360° dan dapat memahami gerak-gerik/gesture, roman muka, gerakan mulut, mengenali orang/benda2 sekitar dan menterjemahkannya ke dalam instruksi komputer. Misalnya jika ada orang mencurigakan berjalan melintas komputer ini, maka komputer dapat melaporkannya ke polisi dan memberi data berupa foto/rekaman video orang yang mencurigakan tersebut dan data2 lain (misalnya nama, nomor ktp, alamat, dan lain2) dari orang tersebut
  • pengecap : komputer dilengkapi dengan sensor yang dapat mengecap, sehingga dapat mengenali bermacam2 jenis makanan/minuman/benda dari rasanya. Komputer ini dapat menterjemahkan rasa sebuah benda dan menguraikannya ke dalam ramuan dasar (misalnya terbuat dari gula, tepung, minyak kelapa sekian persen...dst). Salah satu aplikasinya adalah merasakan makanan yang akan dimakan tuannya dan memastikan bahwa tidak ada racun di dalamnya
  • peraba : komputer dilengkapi dengan sensor yang dapat merasakan suatu benda dari rabaan, dan bisa membedakan mana benda yang lunak dan keras, dingin, panas, basah, kering, lembab, tajam, tumpul, juga merasakan gerakan angin dan sebagainya. Salah satu aplikasinya adalah untuk robotik di mana robot bisa diminta untuk memijit2 punggung tuannya yang sedang pegal
  • pencium : indra ini memungkinkan komputer mencium dan mengenali siapapun/apapun dari bau/aromanya. Salah satu aplikasinya adalah untuk mendeteksi adanya obat2an terlarang di airport, atau juga deteksi bau2an yang tidak enak dan melaporkannya pada petugas yang terkait
  • pendengaran : indra ini sudah disempurnakan sehingga komputer mampu menerima instruksi melalui suara manusia. Indra ini juga mampu mengidentifikasikan suara2 musik dan menterjemahkan sebuah rekaman suara yang rusak ke dalam bentuk notasi musik atau tulisan (berguna sekali untuk ekstrak rekaman2 pidato kuno misalnya)

Tanpa Keahlian
Semua kemampuan tersebut akan membuat komputer tidak lagi sebagai benda yang sulit untuk digunakan. Penggunaan komputer tidak lagi membutuhkan keahlian khusus yang didapat dengan training dengan sertifikat.

Terobosan Arsitektur
Semua hal tersebut akan sangat mungkin kita dapatkan dengan dukungan software dan hardware yang hebat dan inovatif. Saat ini, kalau kita inginkan kemampuan seperti itu mungkin akan membutuhkan terobosan besar di arsitektur software dan hardware yang ada, karena teknologi yang kita punya sekarang memang belum sampai ke situ.

Software hebat hanya akan berjalan di hardware yang hebat dengan bantuan operating system yang juga hebat.

Operating System yang Ramping dan Cerdas
Operating system di sini menjadi sangat penting karena operating system harus berjalan di banyak arsitektur hardware yang berbeda2 (tergantung jenis komputernya tadi). Dan OS harus dapat melayani semua permintaan dari aplikasi di atasnya dengan optimum tanpa terlalu membebani hardware yang ada...

Moore's Law
Untuk saat ini, mungkin semua hal ini masih angan2, tetapi jika kita bisa yakinkan dengan kelangsungan hukum Moore (Intel co-founder) sampai beberapa dekade lagi, dan kemajuan2 di dunia programming, maka saya yakin dalam waktu dekat kita sudah mulai melihat produk2 canggih masa depan ini menjadi kenyataan...

Pengantar Statistik

DATA STATISTIK

Keterangan atau ilustrasi mengenai suatu hal yang berbentuk kategori ataupun bilangan. Bahan mentah yang perlu diolah sehingga menghasilkan. informasi atau keterangan, baik kualitatif maupun kuantitatif yang menunjukkan fakta.

JENIS DATA

1) DATA KUALITATIF

Data yang berbentuk kategorisasi, karakteristik berwujud pertanyaan atau berupa kata-kata/ Data yang dinyatakan dalam bentuk bukan angka.

Contoh: jenispekerjaan, status marital, tingkat kepuasan kerja

2) DATA KUANTITATIF

Data yang dinyatakan dalam bentuk angka Contoh: lama bekerja, jumlah gaji, usia, hasil ulangan

· data diskrit (hasil menghitung)

· data kontinu (hasil mengukur)

data yang diperoleh dengan cara kategorisasi atau klasifikasi.

CIRI: posisi data setara, tidak bisa dilakukan operasi matematik (+, -, x, :), CONTOH: jenis kelamin, jenis pekerjaan

3) ORDINAL

Data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi diantara data tersebut terdapat hubungan;

CIRI : posisi data tidak setara, tidak bisa dilakukan operasi matematika(+, -, x, :); CONTOH : kepuasankerja, motivasi

4) DATA KUANTITATIF

5) INTERVAL

Data yang diperoleh dengan cara pengukuran, dimana jarak antara dua titik skala sudah diketahui;

CIRI : Tidak ada kategorisasi, bisa dilakukan operasi matematika;

CONTOH : temperaturyang diukur berdasarkan 0C dan0F, sistem kalender

6) RASIO

Data yang diperoleh dengan cara pengukuran, dimana jarak antara duatitik skala sudah diketahui dan mempunyai titik 0 absolut.

CIRI : tidak ada kategorisasi, bisadilakukan operasi matematika

CONTOH : gaji, skorujian, jumlah buku

DATA STATISTIK MENURUT SUMBERNYA

a) Data Intern

b) Data Ekstern

c) Data Ekstern Primer (data primer)

d) Data Ekstern Sekunder (data sekunder)

Bagaimana pun dan dari mana pun data itu diperoleh, data tersebut haruslah VALID & RELIABEL

PROSEDUR PENGOLAHAN DATA :

PARAMETER : Berdasarkan parameter yang ada, statistik dibagi menjadi 2,yaitu:

•Statistik PARAMETRIK: berhubungan dengan inferensi statistik yang membahas parameter-parameter populasi; jenis data interval atau rasio; distribusi data normal atau mendekati normal.

•StatistikNONPARAMETRIK : inferensi statistik tidak membahas parameter-parameter populasi,jenis data nominal atau ordinal, distribusi data tidak diketahui atau tidak normal

JUMLAH VARIABEL

Berdasarkan jumlah variabel dibagi menjadi:

•Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk sampel atau beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh: korelasi motivasi dengan pencapaian akademik.

•Analisis MULTIVARIAT : dua atau lebih pengukuran(variabel) untuk sampel dimana analisis antarvariabel dilakukan bersamaan.Contoh: pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor latarbelakang pendidikan orangtua, faktorsosial ekonomi, faktor sekolah.

PENYAJIANDATA

Cara penyajian data statistik biasanya dalam bentuk:

1.Tabel Biasa

2.Tabel Distribusi Frekuensi

3.Grafik Garis

4.Grafik Batang

5.Diagram Lingkaran

6.Piktogram

Selain itu juga dalam bentuk:

1.Modus

2.Median

3.Rata-rata

4.Rentang

5.Simpangan Baku

PENGERTIAN

Distribusi Frekuensi adalah suatu pengelompokkan data yang sistematis menjadi terurut berdasarkan kemiripan ciri/kategori.

1. Penyajian Data Dengan Tabel

Penggolongan data ke dalam tabel ada 2 macam:

a. Data tidak berkelompok

Contoh : data tinggi tanaman melinjo dari umur 1 – 16 bulan diukur setiap 2 bulan. Data tunggal yang diurutkan dari nilai terkecil sampai nilai terbesar. Jumlah data nya relatif sedikit

b. Data berkolompok

Contoh:

Kelas

frequensi

151-155

5

156-160

20

161-165

42

166-170

18

171-175

7

176-181

8

jumlah

100

Data yang diurutkan dari nilai terkecil ke nilai terbesar digolongkan berdasarkan frequensi.

PENYUSUNAN DISTRIBUSI FREKUENSI

Langkah-langkah untuk menyusun distribusi frekukensi :

1. Menentukan nilai terbesar dan terkecil dengan cara mengurutkan data secara Ascending.

2. Menentukan nilai Jangkauan/Range. Jangkauan=nilai terbesar-nilai terkecil

3. Menentukan Banyak kelas. Gunakan bilangan bulat terkecil 2k ≥n, n adalah jumlah pengamatan atau data. misal n=30 maka 2k ≥30 sehingga k=5 (32 ≥30) artinya jumlah kelas minimal 5.

dengan rumus Sturges:

Banyak kelas (k) = 1 + 3,322 * Log n

Note: tidak ada ketentuan yang mengatur berapa banyak kelas.(jangan terlalu banyak dan jangan terlalu sedikit).

4. Menentukan banyak Interval. interval kelas= jangkauan/banyak kelas. Sebaiknya dibulatkan ke atas.

5. Melakukan tabulasi/ memasukkan data ke dalam tabel.

Contoh: Buatlah Distribusi Frekuensi dari data di

bawah ini!

53

48

22

49

78

59

27

41

68

54

34

80

88

42

73

51

76

45

32

53

66

32

64

47

76

58

75

60

35

37

73

38

30

44

54

57

72

67

51

86

25

37

69

71

52

25

47

63

59

64

Langkah pertama :Urutkan data secara Ascending.

22

25

25

27

30

32

32

32

35

37

38

41

42

44

45

47

47

48

49

51

51

52

53

54

54

55

57

57

58

59

59

60

63

64

64

66

67

68

68

69

71

72

73

75

75

76

76

78

80

86

Langkah kedua :
Nilai terbesar= 86 dan nilai terkecil=22
Jangkauan = 86 – 22 = 64

Langkah ketiga :

N=50, 26 ≥56 64 ≥ 50 (minimal 6 kelas)

K = 1 + 3,322*log(50) = 6.643978 7 kelas.

Langkah keempat:

Panjang Interval = 64 /7 = 9.142857 10

48 2

Titik Tengah,Frekuensi Relatif dan Kumulatif

Kelas

Frekuensi

Titik tengah kelas

Frekuensi Relatif

Frekuensi komulatif

22-31

5

26.5

0,1

5

32-41

7

36.5

0,14

12

42-51

9

46.5

0,18

21

52-61

11

56.5

0,22

32

62-71

9

66.5

0,18

41

72-81

8

76.5

0,16

49

82-91

1

86.5

0,02

50

Jumlah

50

1

2. Penyajian Dengan Histogram

Histogram merupakan diagram batang dari distribusi frekuensi. Cirinya yaitu mempunyai batang-batang dengan lebar yang sama, nilai variabel diukur pada sumbu
mendatar dan Tinggi batang memperlihatkan frekuensi tiap kelas

Grafik Histogram

Penyajian dengan Poligon

Poligon merupakan diagram garis dari distribusi frekuensi yang menghubungkan titik-titik tengah setiap kelas dan berpasangan dengan frekuensi.

Titik tengah kelas =(batas bawah + batas atas)/2

Poligon

Penyajian dengan Ogif

Ogif merupakan diagram garis hasil kombinasi antara interval kelas dengan frekuensi kumulatif.