Jurnal Non-Relational Database dengan Darwinian Network

Abstrak

Darwinian Networks (DN) pertama kali diperkenalkan oleh Dr Butz [1] untuk menyederhanakan dan memperjelas cara bekerja dengannya Jaringan Bayesian (BNs). DN dapat menyatukan tugas pemodelan dan penalaran ke dalam platform tunggal menggunakan manipulasi grafis dari tabel probabilitas yang mengambil nuansa biologis. Dari pandangan DN ini, kami mengusulkan perpustakaan grafis untuk mewakili dan menggambarkan basis data non-relasional menggunakan DN. Karena pertumbuhannya dari database semacam ini, kita membutuhkan lebih banyak alat untuk membantu dalam pekerjaan manajemen, dan DN dapat membantu tugas-tugas ini.

 Index: No SQL, Darwinian Networks, Non-Relational Database, Java-script, Software engineering

I.               PENDAHULUAN

Cara di mana kita berkomunikasi, bertukar informasi dan membuat konten berubah selama bertahun-tahun. Kita hidup di era di mana web aplikasi telah merevolusi dunia dalam banyak hal cara, dan kecenderungannya adalah bahwa pertumbuhan ini memungkinkan penciptaan banyak aplikasi baru. Yang besar volume data yang dihasilkan oleh aplikasi web ini, bersama dengan bentuk interaksi pengguna yang baru (dinamis, efisien dan intuitif), skalabilitas aktif permintaan dan kebutuhan akan tingkat yang tinggi ketersediaan, telah mendorong munculnya baru paradigma dan teknologi. Kita dapat mengutip Non-Database relasional (NoSQL) dan Darwinian Networks (DN) sebagai hasil dari permintaan ini. Non-Database relasional [2, 3], juga dikenal sebagai NoSQL atau Bukan hanya database SQL, adalah teknologi yang dirancang untuk mendukung persyaratan aplikasi cloud dan mengatasi skala, kinerja, model data dan keterbatasan basis data relasional. Relasional database [4] memiliki batasan dalam skalabilitas, membutuhkan distribusi server secara vertikal. Mungkin Kelemahan dari masalah ini adalah karena lebih banyak data diperoleh, server membutuhkan lebih banyak memori yang bekerja dan ruang hard disk. NoSQL memiliki horizontal besar fasilitas distribusi. Dalam prakteknya, lebih banyak data tidak selalu menyiratkan kinerja yang lebih tinggi untuk diambil server. Perusahaan besar menggunakan NoSQL dalam teknologi informasi, termasuk Google, yang menggunakan komputer kecil dan menengah untuk data distribusi. Selanjutnya, basis data NoSQL adalah kesalahan toleran. Jaringan Darwin (DN) [5, 6] adalah kerangka kerja probabilistik yang dapat digunakan untuk menyederhanakan bekerja dengan jaringan Bayesian (BNs) [7]. Di DN, tabel probabilitas bersyarat (CPT) diwakili sebagai suatu populasi. Secara grafis, lingkaran yang solid berisi lingkaran kecil yang diisi atau tidak mewakili populasi adalah. Lingkaran dalam disebut sifat. Di DN, sifat mewakili variabel dari masalah domain yang dimodelkan. Sifat bisa bersifat agresif atau jinak, tergantung di mana variabel dalam CPT, LHS atau RHS, masing-masing. Kita dapat mendefinisikan DN sebagai banyak populasi. Kami menggambarkan DN sebagai putus-putus lingkaran di sekitar penduduknya. Kita bisa memanipulasi populasi dalamDN menggunakan operasi, termasuk menggabungkan, replikasi, dan seleksi alam. Dengan ini operasi, DN dapat mewakili inferensi di BNs. Di makalah ini, kami mengusulkan perpustakaan grafis untuk mewakili dan menggambarkan database non-relasional menggunakan DN. Ide kami adalah membuat alat yang berguna untuk membantu dalam manajemen data semacam ini dan itu perwakilan. Perpustakaan akan menjadi interaktif ruang dengan database non-relasional yang tersedia melalui antarmuka grafis. Pengguna akan dapat buat dan edit DN dengan menggunakan antarmuka. Manipulasi DNs kemudian diterjemahkan oleh perpustakaan ke database non-relasional koresponden operasi. Dengan menggunakan operasi DN yang tersedia, pengguna akan dapat melakukan inferensi secara grafis. Kami mengatur sisa makalah sebagai berikut. Bagian II menyajikan database Non-Relasional dan karakteristik utamanya. Bagian III menunjukkan detail tentang Jaringan Darwin. Di bagian IV kami menyajikan perpustakaan yang dibuat dan penggunaannya. Akhirnya, Bagian V menawarkan beberapa pernyataan penutup.

II.             DATABASE RELATIONAL DAN NON-RELATIONAL

Database relasional telah muncul sebagai penerus model jaringan hirarkis. Itu model relasional menjadi pola untuk sebagian besar Sistem Manajemen Database (DBMS). Ini model memunculkan proses Normalisasi yang mana tujuannya adalah untuk menerapkan serangkaian langkah dengan aturan tertentu di tabel database untuk memastikan desain yang tepat dari tabel ini [8]. Selanjutnya, model ini mengadopsi bahasa untuk manipulasi dan permintaan ini data, SQL (Structured Query Language) yang mana diciptakan oleh IBM dan terinspirasi oleh relasional aljabar. Pada tahun 1982, American National Standard Institute (ANSI) mendefinisikan SQL sebagai resmi bahasa standar untuk lingkungan relasional [9]. Untuk waktu yang lama, database relasional telah menjadi tipe database yang paling banyak digunakan di perusahaan itu memiliki volume data yang tinggi untuk disimpan [2, 3]. Berpikir bahwa jumlah data ini cenderung tumbuh setiap kali, Anda mulai melihat mereka yang berhubungan database memiliki faktor pembatas tertentu, khususnya ketika kita mengacu pada sistem skala [10]. Kita dapat menyebutkan kasus Facebook, yang mencapai tingkat petabyte (pada tahun 2011 volume data ini melebihi 30 petabyte, dan kurang dari setahun sebelumnya volumenya adalah 20 petabyte). Kasus ini nyata contoh bagaimana pertumbuhan data ini telah berkembang cepat [11]. Untuk jenis organisasi ini, penggunaan DBMS relasional sangat bermasalah dan tidak efisien. Karena keterbatasan ini, kami memiliki model alternatif baru untuk lingkungan basis data yang dapat mengisi celah ini. Satu contoh model-model ini yang sudah cukup kekuatan dan ruang adalah NoSQL ("Tidak Hanya SQL") [12]. NoSQL adalah istilah umum yang mendefinisikan a database non-relasional. Model ini datang bersama proposal untuk bertemu, mengatur, dan mengelola besar volume data, mencari kinerja tinggi dan ketersediaan [13].

A.    Paradigma baru : NoSQL

Database pada umumnya di gunakan dalam memecahkan berbagai hal masalah model relasional, desainer NoSQL mempromosikan alternatif dengan penyimpanan tinggi, kecepatan, dan ketersediaan yang bagus. Mereka berusaha menyingkirkannya aturan dan struktur tertentu yang memandu Model Relasional. Dengan pelanggaran ini dalam relasional model, kami memenangkan kinerja dan lebih fleksibel sistem basis data untuk berbagai fitur yang ada unik untuk setiap perusahaan. Fleksibilitas ini telah menjadi penting untuk memenuhi persyaratan skalabilitas yang tinggi diperlukan untuk mengelola sejumlah besar data, serta untuk memastikan ketersediaan tinggi, fitur utama untuk Web 2.0 aplikasi. Proposal dari database NoSQL tidak memadamkan Model Relasional, tetapi menggunakannya dalam kasus di mana diperlukan lebih banyak fleksibilitas penataan basis data [13]. Gerakan ini sangat menjamur di bidang open source dan meskipun ada banyak basis data dalam kategori ini. Pergerakan mulai mendapatkan lebih banyak kekuatan ketika beberapa perusahaan, dianggap sebagai raksasa teknologi, mulai menggunakan mereka implementasi eksklusif. Kami bisa menyebutkan Google, yang sejak 2004 berinvestasi di BigTable. Kita juga memiliki Cassandra, yang dikembangkan oleh Facebook untuk menangani arus besar informasi. Pada tahun 2010, Cassandra terbukti menjadi basis data terkonsolidasi dan sekarang digunakan oleh Twitter, yang menggunakan MySQL sebelumnya [14]. Database NoSQL memiliki beberapa hal penting karakteristik yang membuat mereka sangat berbeda database relasional seperti skalabilitas Horizontal; Skema bebas skema atau fleksibel; Dukungan asli untuk replikasi; API sederhana untuk mengakses database.

B.    PERBEDAAN UNTAMA ANTARA DBMS RELATIONAL DAN NoSQL

Ketika kita berpikir tentang kemungkinan menggunakan database NoSQL daripada relasional model, kita perlu mengambil beberapa pertanyaan pertimbangan, seperti eskalasi, konsistensi, dan ketersediaan data. Untuk lebih memahami semua itu perbedaan, Tabel I mencontohkan dengan singkat ini pertanyaan. Kami juga bisa merangkum kedua jenis itu database (Relational Model dan NoSQL) dan karakteristik utama sebagai berikut.

Tabel I.

·       Database Relasional

- Apa itu: berdasarkan itu semua data disimpan tabel, dengan konsep entitas dan hubungan. Data dipisahkan dalam bentuk yang unik, coba mengurangi redundansi maksimum, karena informasi dibuat oleh semua data, yang merupakan hubungan antar tabel yang membuat ini layanan.

- Fitur: tabel, skema yang ditentukan, hierarki, redundansi minimal, dan hubungan entitas, bentuk normal, transaksi ACID (atomicity, konsistensi, isolasi, daya tahan).

- Kapan menggunakan: lokal, keuangan, perusahaan; informasi keamanan; konsistensi data.

·       NoSQL Databases

- Apa itu: solusi alternatif untuk relasional database, memiliki skalabilitas dan kinerja tinggi.

- Fitur: catatan, bebas skema, toleransi kesalahan, skalabilitas, pengelompokan, mapreduce, sharding. 

- Kapan menggunakan: sistem cloud, analisis sosial, tinggi skalabilitas, kinerja dalam permintaan / tulis replikasi.

III.          DARWINIAN NETWORK

Darwinian Network (DN) [5, 6] diusulkan untuk menyederhanakan bekerja dengan Bayesian jaringan (BNs) [7]. Daripada memodelkan variabel dalam domain masalah, DN mewakili tabel probabilitas dalam model. Grafisnya manipulasi tabel kemudian mengambil sebuah perasaan biologis, di mana CPT P (X / Y) dipandang sebagai representasi baru dari populasi p (C, D) menggunakan kedua sifat tempur C (berwarna jernih) dan sifat jinak D (berwarna gelap).

A.    Definisi

Suatu sifat dapat bersifat agresif atau jinak. Sifat traversik adalah digambarkan oleh lingkaran (putih) yang jelas. Sifat jinak td diilustrasikan oleh lingkaran gelap (hitam). Sebuah populasi p(C, D) mengandung satu set sifat-sifat CD yang tidak kosong, di mana C dan D berada disjoint, C secara eksklusif agresif, dan D secara eksklusif jinak. Populasi digambarkan oleh kurva tertutup sifat-sifatnya. Sebagai contoh, Gambar 4 (i) menunjukkan delapan populasi, termasuk p(b, ag), yang merupakan kependekan untuk p({b},  {a, g}), diilustrasikan dengan kurva tertutup di sekitar sifat agresif (b) dan dua (gelap) sifat jinak a dan g.

IV.           GRAPHICAL LIBRARY

Pada bagian ini, kami akan menjelaskan bagaimana Jaringan Darwin (DN) dapat dimodelkan secara non-relasional. Selanjutnya, kami juga membahas bagaimana evolusi dapat disimpan sebagai koleksi di database non-relasional yang sama. Dengan menjelaskan itu, kami memformalkan produk dari makalah ini:  Library javascript sederhana untuk mewakili DN di database non-relasional dengan intuitif dan antarmuka grafis untuk pengguna. Untuk memastikan bahwa produk dikembangkan dengan baik dan dikontrol selama seluruh proses, kami menggunakan pendekatan PM5 untuk kelola proyek ini [15].

A. Deskripsi Basis Data

Sistem ini dibentuk oleh non-relasional server database dan antarmuka web untuk memanipulasi data. Server menjalankan javascript Node.js platform, membentuk bagian backend Library, yang juga mencakup penanganan permintaan klien dan mengelola database. Antarmuka web juga ditulis dalam javascript dan berkomunikasi dengan browser dengan menawarkan visualisasi terbaru dari database. Untuk menggambar DN di browser, web antarmuka menggunakan Scalable Vector Graphics (SVG), yang merupakan format gambar vektor berbasis XML untuk grafis dua dimensi dengan dukungan untuk interaktivitas dan animasi. Yang penting pertama konsep di perpustakaan adalah representasi dari suatu sifat. Dengan konvensi, sifat akan direpresentasikan sebagai satu karakter atau string tunggal. Misalnya, sifat a adalah diwakili oleh karakter ‘a’. Konsep kedua yang kami gunakan dalam proyek ini adalah konvensi kode identifikasi unik untuk setiap koleksi, disebut id. ID adalah 32 yang dihasilkan secara acak karakter kode panjang. Apalagi, id itu unik untuk setiap populasi, aturan yang ditegakkan oleh yang non relasional server basis data. Populasi diwakili oleh a koleksi dalam database. Bidang pertama dari koleksi adalah id populasi. Bidang kedua adalah dnId, itu adalah id untuk DN dari mana ini populasi terkandung. Selanjutnya, populasi telah dua bidang array: agresif dan jinak. Mereka berdua tahan urutan karakter (karakter). Untuk visualisasi populasi ini, kami juga perlu simpan posisi populasi di layar. Kita bisa mencapai itu dengan menambahkan dua lagi bidang: posX dan posY, menyimpan populasi posisi horisontal dan vertikal, masing-masing. Terakhir, kami membuat bidang yang dibuat. Saat menyimpan populasi telah dibuat. Berikut satu contoh populasi p (a; b) seperti yang ada dalam database:

DN adalah koleksi yang dibuat untuk menjadi direferensikan oleh populasi. Bidang pertamanya adalah identitas unik. Mengikuti nama bidang yang disebut, yang merupakan  masukan pengguna untuk mengidentifikasi DN secara spesifik. DN adalah digunakan untuk pemodelan domain masalah dan mereka juga digunakan untuk inferensi. Jadi, kami membutuhkan lapangan untuk membedakan antara dua situasi ini. Yang itu adalah field Boolean isEvlotion yang menyimpan false jika DN digunakan dalam pemodelan dan benar jika digunakan dalam kesimpulan. Koleksi DN juga memiliki bidang dibuat untuk menyimpan tanggal pembuatan pengguna. Dibawah ini adalah a dokumen dari koleksi DN:

Hal terakhir yang dibutuhkan perpustakaan mewakili dalam database adalah evolusi. Pertama bidang adalah id uniknya. Selanjutnya, kami memiliki nama bidang, digunakan untuk menyimpan identifikasi akrab bagi pengguna. Bidang yang paling penting dalam koleksi ini adalah dns satu. Di sini, kami memiliki jenis bidang array dengan urutan urutan nomor DN. ID ini sesuai dengan DNs dengan is isvolusi medan benar. Dengan demikian, koleksi evolusi dapat menghemat urutan DN, yang persis arti dari proses inferensi dalam DN. Terakhir, createdAt memiliki fungsi serupa di sini. Ini mungkin dokumen evolusi dari koleksi evolusi: 

B.    Web Interface

Web interface terdiri dari layar di mana pengguna dapat membuat, mengedit, dan menghapus DN dan evolusi. DN dibuat secara independen dari evolusi. Artinya, pengguna dapat menentukan DN dan simpan di layar. Nanti, jika pengguna mau melakukan evolusi dengan DN tertentu, pengguna bisa pilih dari daftar DN dan mulai populasi manipulasi. Perhatikan bahwa kapan pun pengguna memulai evolusi salinan DN asli dibuat, artinya semua manipulasi populasi tidak diterapkan pada DN yang ditentukan, tetapi untuk salinannya. Pengguna dapat membuat DN, mengedit, dan menghapus DN di DN layar daftar, seperti yang ditunjukkan pada Gambar 5 dan 6.

Gambar 5 tampilan list DN

Untuk menambah dan menghapus populasi, edit screen, yang digambarkan pada Gambar 7 menawarkan dua alat sederhana: bentuk untuk menambahkan populasi di atas dan pilihan untuk mengklik ganda suatu populasi untuk menghapusnya. Pengguna dapat daftar agresif dan sifat jinak dengan memisahkan mereka dengan koma. Itu antarmuka mem-parsing input untuk kenyamanan. Pada daftar evolusi, pengguna mengedit dan melanjutkan evolusi tetapi tidak dapat membuatnya. Evolusi hanya bisa terjadi dibuat dari layar daftar DN. Pada Gambar 8, layar daftar evolusi ditampilkan. Kapanpun sebuah evolusi dihapus, semua DN yang sesuai adalah juga dihapus. Tetapi perhatikan bahwa DN asli adalah tidak pernah dimodifikasi, hanya salinannya. Selanjutnya, pengguna bisa melakukan evolusi dengan memanipulasi populasi di layar evolusi, seperti yang diilustrasikan pada Gambar 9. Populasi dapat mereplikasi dan bergabung. Untuk meniru, diperlukan klik ganda dalam suatu populasi, yang memicu jendela pop-up yang menanyakan sifat mana akan dihapus di replika. Untuk menggabungkan populasi, pengguna dapat menyeret satu di atas yang lain. 

gambar 6

gambar 7 mengedit DN

gambar 8 List evolusi yang ada.

gambar 9 manipulasi hasil populasi

Web interface saat ini berfungsi secara terbuka, yaitu semua pengguna memiliki akses yang sama database. Pekerjaan masa depan akan menciptakan individu bagian, membatasi pengguna ke basis data mereka sendiri. Pekerjaan masa depan juga dapat mengimplementasikan representasi beberapa DN. Di sini, idenya adalah menciptakan koleksi baru untuk menjadi entitas di mana semua DN terkandung. Pendekatan ini mirip dengan caranya populasi dari DN tertentu mengacu pada id dari DN itu.

V. KESIMPULAN

Kami mengusulkan kerangka representasi untuk Jaringan Darwin dengan Non-Relasional Database, tersedia di

https: // dnslab. herokuapp.com/ . Ini adalah javascript implementasi operasi dasar untuk adaptasi dan evolusi dalam DN. Utama keuntungan dari perpustakaan grafis DN adalah untuk memvisualisasikan ide-ide dan teknik-teknik baru dari DN. Jadi, ini adalah alat yang hebat untuk mengajar, cepat prototyping dengan DN dan pengujian. Non-relasional database (NoSQL) adalah solusi alternatif untuk database relasional, memiliki skalabilitas tinggi dan kinerja. Kami telah menunjukkan yang komprehensif perbandingan antara relasional dan non-relasional database. Motivasi dan konsep dasar tentang database non-relasional dinyatakan juga contoh untuk menggambarkan karakteristik utamanya. Berikutnya, kami mempelajari bagaimana perbandingan paradigma database ini dengan database relasional. Kami juga menyediakan contoh untuk menjelaskan kelebihan dan kerugian. Dengan memanfaatkan fitur unik dari NoSQL kami mengembangkan kerangka kerja intuitif untuk memvisualisasikan bekerja dengan DN. Misalnya, pengguna dapat membuat DN, mengedit, dan menghapus DN di DN layar daftar. Fitur lain yang menonjol adalah DN manipulasi. Dengan daftar evolusi, pengguna bisa mengedit nama dan melanjutkan evolusi. Pengguna bisa memanipulasi populasi untuk mereplikasi dan menggabungkan mereka ketika melakukan evolusi. Jurnal ini mengusulkan perpustakaan grafis untuk mewakili dan menggambarkan database non-relasional menggunakan DN. Kesimpulan, kami telah menetapkan empat keuntungan utama penggunaan Pustaka grafis DN:

 Perpustakaan adalah ruang interaktif dengan non-relasional database tersedia melalui antarmuka grafis. Pengguna dapat membuat dan mengedit DN dengan menggunakan antarmuka web.

 Manipulasi DNs kemudian diterjemahkan oleh perpustakaan ke koresponden non-relasional operasi basis data.

 Dengan menggunakan operasi DN yang tersedia, pengguna dapat melakukan inferensi secara grafis.

 Kerangka ini adalah alat yang hebat untuk belajar DN.

 dan semua kode sumber tersedia secara online gratis di GitHub melalui halaman web:

https://gitlab.com/jhonatanoliveira/dn-lab Dengan kerangka kerja ini, DN dapat diterapkan sebagai alat yang sederhana namun sangat kuat mereka, memungkinkan pengguna untuk menggambarkan penalaran dengan DN.

UCAPAN TERIMA KASIH

CNPq (Conselho Nacional de Desenvolvimento Ciencia Tecnologico - ”Dewan Nasional Teknologi dan Ilmiah Development ”) mendukung pekerjaan ini.

REFERENSI

[1]. C. J. Butz, “Introducing darwinian networks,” in Proceedings of the Twenty- Eighth International Florida Artificial Intelligence Research Society Conference, 2015, pp. 604–610.

[2]. C. Mohan, “History repeats itself: Sensible and nonsensql aspects of the nosql hoopla,” in Proceedings of the 16th International Conference on Extending Database Technology, 2013, pp. 11–16.

[3]. A. Lith and J. Mattsson, “Investigating storage solutions for large data-a comparison of well performing and scalable data storage solutions for real time extraction and batch insertion of data,” 2010.

[4]. D. Maier, Theory of Relational Databases. Computer Science Pr, 1983.

[5]. C. J. Butz, J. S. Oliveira, and A. E. dos Santos, “Darwinian networks,” in Proceedings of the Twenty-Eighth Canadian Artificial Intelligence Conference, 2015, pp. 16–29.

[6]. ——, “On Darwinian networks,” Computational Intelligence, 2015.

[7]. J. Pearl, Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann, 1988.

[8]. E. F. Cood, The Relational Model for Database Managment. Addison-Wesley Publishing Company, 1990.

[9]. IBM, “Relational database,” 2012, online; Available at http://www- 03.ibm.com/ibm/history/ibm100/ us/en/icons/reldb/, Accessed 24-July-2016. [Online]. Available: http://www- 03.ibm.com/ibm/history/ibm100/ us/en/icons/reldb/

[10]. Uniredes, “List of the most used databases in the would,” 2013, online; Available at http://uniredes.org/kb/?View= entry&EntryID=224, Accessed 24-July- 2016. [Online]. Available: http://uniredes.org/kb/?View=entry&EntryI D= 224

[11]. InfoQ, “Facebook - the biggest migration,” 2011, online; Available at https://www.infoq.com/br/news/ 2011/08/facebook-maior-migracao, Accessed 24-July- 2016. [Online]. Available: https://www.infoq.com/br/ news/2011/08/facebook-maior-migracao

[12]. N. Database, “List of nosql databases,” 2015, online; Available at http://nosql-database.org, Accessed 16-July- 2016. [Online]. Available: http://nosql-database.org/

[13]. MongoDB, “Mongodb for giant ideas,” 2016, online; Available at https://www.mongodb.com/, Accessed 25- July-2016. [Online]. Available: https://www.mongodb. com/

[14]. NoSQLDatabases, “How to create a consistent hasher using php,” 2010, online; Available at http://www. nosqldatabases.com/main/tag/consistent-hashing, Accessed 21-July-2016. [Online]. Available: http: //www.nosqldatabases.com/main/tag/consist ent-hashing

[15]. P. R. M. Andrade, A. B. Albuquerque, O. F. Frota, and J. F. S. Filho, “Pm5: One approach to the management of it projects applied in the brazilian public sector,” in Proceedings of 13th International Conference on Software Engineering Research and Practice - SERP. WorldComp, 2015.

Kelompok : 
Axel Aryobowo (51414858)
M.Himawan Noer Adiyasa (57414308) 

Sumber :

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3016606

Sentiment Analysis Twitter menggunakan R

Postingan kali ini akan memuat topik tentang sentiment analysis menggunakan twitter API dan bahasa pemrograman R. dan tema yang di angkut adalah black campaign. berikut langkah langkah nya, disini saya menggunakan twitter salah satu anggota kelompok kami. tapi sebenarnya bikin masing masing juga bisa namun biar lebih mudah jadi kami hanya pakai 1 akun teman kami.

Langkah pertama adalah masuk ke apps.twitter.com. Lalu pilih create an application.

Setelah terbuat maka akan terlihat kode untuk tokennya. Kode inilah yang akan digunakan untuk mendaftarkan API twitter pada bahasa R.

Langkah selanjutnya adalah pengkodean pada program R. Terlebih dahulu kita menginstall package untuk mencari kata kunci yaitu twitteR dan RCurl. Package ini kemudian juga diaktifkan.

Token token yang telah didapat dimasukkan kedalam sintaks bahasa R untuk mendaftarkan API twitter.

> consumer_key <- 'diisikan consumer key'

> consumer_secret <- 'diisikan consumer secret'

> access_token <- 'diisikan access token'

> access_secret <- 'diisikan access secret'

Jika tidak terdapat error maka koneksi API twitter dengan bahasa R berhasil. Kemudian kita  melakukan mining tweets dengan memasukkan kata kuncinya. Dalam contoh ini kata kunci yang digunakan adalah "antek pki".

Langkah selanjutnya adalah menginstall package corpus dan tm. Package ini digunakan untuk menampilkan semua tweet hasil mining.

Lalu kita menampilkan hasil tweet yang dilakukan mining. Cara menampilkannya dengan memanggil Corpus yang baru saja diinstall.

> kampanye_corpus <- Corpus(VectorSource(miningtweets_text))

> kampanye_corpus

> inspect(kampanye_corpus)

Kemudian dilakukan filter kata untuk menyaring agar hanya kata kunci yang dibutuhkan saja yang akan digunakan.

Setelah itu dilakukan wordcloud untuk menampilkan kata-kata kunci dalam bentuk gambar susunan seperti awan. Dilakukan install packagenya terlebih dahulu.

Jika sudah maka lakukan wordcloud untuk menampilkan kata kunci yang telah disaring.

> wordcloud(black_clear, random.order=F, col=rainbow(50))

Anggota Kelompok:

Axel Aryobowo

M. Fadil Fidrian

M. Zaim Milzam

Taufik Hidayat

4IA10

Kompresi Video

Mungkin kalian sering download film yang kualitas lumayan tapi size nya kecil, nah itu semua berkat adanya kompresi video, nah disini saya mau bahas apa sih kompresi video itu dan beberapa software yang bisa di pake untuk kompresi Video.

Definisi Kompresi Video/Audio

Kompresi video adalah salah satu bentuk kompresi data yang bertujuan untuk mengecilkan ukuran file video . Pengkompresian data dapat dilakukan dengan memanfaatkan dua faktor utama, yaitu redudansi data pada suara, gambar atau video dan kepemilikan presepsi manusia. selanjutnya mari kita bahas satu persatu.

Kompresi Video

Kompresi video adalah teknik memperkecil ukuran video dengan cara melakukan kompresi terhadap gambar dan suara yang terdapt didalam video tersebut, hingga batas ambang kualitas yang masih dikatakan baik.

Video memiliki 3 dimensi:

• 2 dimensi spatial (horisontal dan vertikal),
• 1 dimensi waktu.

Di dalam video terdapat 2 hal yang dapat dikompresi yaitu frame (still image) dan audionya.  Data video memiliki:

–  redundancy spatial (warna dalam still image)

-redundancy temporal (perubahan antar frame)

 Penghilangan redundancy spatial (spatial / intraframe compression) dilakukan dengan mengambil keuntungan dari fakta bahwa mata manusia tidak terlalu dapat membedakan warna dibandingkan dengan brightness, sehingga image dalam video bisa dikompresi (teknik ini sama dengan teknik kompresi lossy color reduction pada image)  Penghilangan redundancy temporal (temporal / interframe compression) dilakukan dengan mengirimkan dan mengenkode frame yang berubah saja sedangkan data yang sama masih disimpan.

Teknik pengkodean Video

Terdapat beberapa teknik pengkodean video yang baiasa digunakan didalam teknik kompresi video. Masing-masing memiliki kelebihan dan kelemahan serta penggunaan yang berbeda. Teknik-teknik tersebut meliputi

1.  H.261 dan H.263

•  Merupakan standar video coding yang dibuat oleh CCITT (Consultative Commitee for International Telephone and Telegraph) pada tahun 1988-1990
• Dirancang untuk video conferencing, aplikasi video telepon menggunakan jaringan telepon ISDN
• Kecepatan bitrate antara p x 64 Kbps. Dimana p adalah frame rate (antara 1 sampai 30) o Susunan frame H.261 berurutan dimana tiap-tiap 3 buah frame (I) dibatasi dengan 1 buah inter-frame (P)
• Tipe frame gambar yang didukung adalah CCIR 601 CIF (352 x 288) dan QCIF (176 x 144) dengan chroma sub sampling 4:2:0
•  Mempunyai 2 tipe frame yaitu: Intra-frame (I-frame) dan Interfame (P-frame) I-frame digunakan untuk mengakses banyak pixel  P-frame digunakan sebagai “pseudo-differences“ dari frame yang sebelumnya ke frame sesudahnya, dimana antar frame terhubung satu sama lain.
• Intraframe coding : Makroblok yang digunakan pada gambar asli adalah 16 x 16 pixel perblok, dimana Y menggunakan 4 blok, U (Cr) menggunakan 1 blok, dan V (Cb) menggunakan 1 blok.
• Encoder H.261 : Control berfungsi untuk mengatur kecepatan bit rate, jika buffer pengirim penuh, maka bit rate akan dikurangi
• Memory digunakan sebagai tempat penyimpanan blok gambar yang telah direkonstruksi untuk penciptaan gambar pada P-frame selanjutnya.
• Kemudian dikembangkan H.263 untuk encoding video pada bitrate rendah

2. MPEG audio-video

• Moving Picture Expert Group dirancang pada tahun 1998 untuk standar audio video transmission
•  MPEG-1 bertujuan membuat kualitas VHS pada VCD dengan ukuran 352 x 240 ditambah kualitas audio seperti CD Audio dengan kebutuhan bandwidth hanya 1,5 Mbits/sec

Software Kompresi Video 

1. Format Factory : Mungkin sebagian dari kalian sudah tidak asing lagi dengan software inii, selain untuk mengubah format suatu file audio/video, software ini juga dapat di gunakan untuk mengkompres ukuran file tersebut dengan cara mengubah setingan kualitas file nya.
2. MegUI :  software ini adalah software yang umum di gunakan pada fanpage yang berisikan konten film, software ini tidak lebih praktis daripada Format Factory di atas namun dapat menghasilkan hasil kompres yang lebih optimal.

ya sekian dulu dari saya terimakasih usdah membaca!

credit : http://pengetahuan.blog.widyatama.ac.id/2017/01/10/kompresi-audio-dan-video/

Perushaan Sandisk

Siapa sih yang ga pernah punya atau liat brand 1 ini ? haha.

ya ini adalah SANDISK salah satu merk flash disk yang sering banget kita liat di toko komputer dan di obral dengan harga murah.

Ko bisa murah ?!!!

ga bukan itu yang mau di bahas di sini, tapi siapa sih sebenernya perusahaan ini ?

berikut ringkasan nya....

SanDisk adalah perusahaan multinasional Amerika yang didirikan pada tahun 1988 oleh Eli Harari, Jack Yuan dan Sanjay Mehrotra. Perusahaan ini mengembangkan dan memproduksi flash memory dan perangkat lunak dengan produk seperti, USB flash drives, flash memory card, digital audio player, dan kartu SIM. Perusahaan ini bermarkas di Milpitas, California. Produk SanDisk dijual di lebih dari 250.000 lokasi ritel di lebih dari 100 negara dengan fasilitas pabrik di China. Tim penelitian dan pengembangan produk perusahaan tersebar di China, Perancis, Jerman, India, Irlandia, Israel, Jepang, Korea, Rusia, Skotlandia, Singapura, Spanyol, Swedia, Taiwan, dan Uni Emirat Arab dengan mempekerjakan lebih dari 8.000 karyawan di seluruh dunia.

Pada tahun 1988, Dr Harari meluncurkan perusahaan yang akan menjadi SanDisk dengan mantan rekan Intel Sanjay Mehrotra beserta rekan yang merupakan pendiri  Hughes Electronics, Jack Yuan. Awalnya, SanDisk menyadari bahwa kamera digital dan komputer membutuhkan memori penyimpanan yang lebih mobile. Dr Harari menawarkan teknologi media penyimpanan yang bisa berpindah-pindah pada Kodak untuk kamera mereka.  Kodak menawarkan untuk mendanai pengembangan produk ini dengan syarat SanDisk memberikan kontrak eksklusif  "film digital" tiga tahun di bawah merek Kodak. Dr Harari dan SanDisk menolak tawaran tersebut karena mereka ingin persaingan di pasar mendorong pertumbuhan industri memori flash. 

Ya kurang lebih seperti itu, Diawali dengan tiga orang di Silicon Valley hingga menjadi merek global dengan lebih dari 8.000 karyawan. walopun niat nya tadi ga mau bahas tapi saya disini jadi berkesimpulan, kenapa harda produk tersebut bisa murah, yaitu adalah karena banyak nya karyawan dan pabrik mereka di seluruh dunia sehingga merek dapat memproduksi prodak mereka dalam sekala yang sangat besar dalam waktu singkat.

saya bukan anak ekonomi ini cuma pendapat pribadi aja, jadi kalo salah maaf

Ayo buat game! (final)

Fyuh setelah sekian lama ngotak atik akhir nya bisa juga bikin game secara individu, tanpa produser, tanpa designer.

disini akhirnya saya memilih untuk membuat menggunakan RPG Maker MV

berikut adalah beberapa map dan hasil dari tugas yang saya kerjakan.

Cara bermain nya cukup mudah sama seperti RPG pada umum nya, disini ada 2 karakter utama yang akan di gunakna yaitu RIN dan Kana sama seperti postingan sebelum nya. player di wajibkan untuk mengeksplor peta untuk menemukan item dan uang yang dapat di gunnakan. meskipun baru sedikit yang di input disni.


jika ingin mencoba bisa di downlod di link di bawah ini :

**UPLOADING**

meskipun hanya game murahan alangkah senang nya jika di mainkan dan di beirkan tanggapan baik positif maupun negatif, sekian

Ayo Buat Game! (Part 2)

Nice udah masuk tahap dua nih sekarang (dealine), nah sekarang gue abkal nyeritain storyline game yang akna gue bikin mulai dari seting tempat sampai mekanisme game nya.

berhubung postingan gue yang kemarin dikit yang baca mungkin disini gue bakal bikin lebih simple.

Setingan Tempat dan Alur Cerita.

Untuk setingan tempat saya bikin berbeda dari lagu shelter yang seharusnya Post Apocalyptic

saya bikin menjadi Medieval dengan sedikit bumbu Steampunk, alasan nya sederhana yaitu copy right (meskipun saya tidak yakin bakal ada yang mainin game ini).

Untuk alur cerita disini kita akan memainkan karakter utama bernama "Rin" seorang gadis 17 tahun yang selamat dari bencana alam yang hampir membuat bumi kiamat berkat alat ciptaan mendiang ayahnya, seorang penyihir sekaligus profesor genius yang menghilang saat bencana tersebut terjadi. Ditemani pelayan  Demi Human ciptaan ayahnya "Kana" dia berusaha mengumpulkan manusia lain yang selamat. 

Mekanisme Game

seperti game RPG pada umum nya namun kali ini saya "mungkin" akan mencoba menggunakan Action Battle System atau ABS agar lebih menarik dan interaksi player dan A.I pun lebih seru.