tugas SoftSk4ill

QUIZ PERT1

1. Apa yg kamu ketahui tentang Komputasi Modern?

2. Jelaskan sejarah Komputasi Modern?

Jawaban :

1. Komputasi modern adalah algoritma yang digunakan untuk memecahkan suatu masalah dari sebuah data input dan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika.

2. Komputasi Modern pertama kali digagasi oleh John Von Neumann. Beliau di lahirkan di Budapest, ibukota Hungaria pada 28 Desember 1903 dengan nama Neumann Janos. Karya – karya yang dihasilkan adalah karya dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer. Beliau juga merupakan salah seorang ilmuwan yang sangat berpengaruh dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu. Kepiawaian John Von Neumann teletak pada bidang teori game yang melahirkan konsep automata, teknologi bom atom dan komputasi modern yang kemudian melahirkan komputer.

QUIZ PERT2

1. Apa yg kamu ketahui tentang Komputasi?

2. Apa yg kamu ketahui tentang Parallel Processing?

3. Bagaimana hubungan antara komputasi dengan pararel processing?

Jawaban :

1. Komputasi merupakan bagian dari ilmu matematika dan ilmu komputer. Secara umum ilmu komputasi adalah ilmu yang mempunyai penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah - masalah ilmu (sains).

2. Parallel processing adalah adalah penggunakan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Idealnya, parallel processing membuat program berjalan lebih cepat karena semakin banyak CPU yang digunakan. Tetapi dalam praktek, seringkali sulit membagi program sehingga dapat dieksekusi oleh CPU yang berbea-beda tanpa berkaitan di antaranya.

3. Hubungannya yaitu komputasi mencari algoritma pemecahan dari suatu permasalahan dimana nantinya parallel processing akan memproses dan memberikan jalan keluar yang ada, sehingga masalah tersebut akan cepat diselesaikan dengan adanya parallel processing.

QUIZ PERT3

1. Bioinformatika adalah memadukan 3 disiplin ilmu, sebutkan 3 disiplin ilmu tersebut?

2.Sebutkan contoh-contong bioinformatika dalam bidang apa saja?

Jawab:

1.- Biologi Molekul
- Matematika
- Teknik Informasi

2. - Bidang Klinis
- Bidang Forensik

BIOINFORMATIKA

Pengertian

 Bioinformatika (bahasa Inggris: bioinformatics) adalah (ilmu yang mempelajari) penerapan teknik komputasional untuk mengelola dan menganalisis informasi biologis. Bidang ini mencakup penerapan metode-metode matematika, statistika, dan informatika untuk memecahkan masalah-masalah biologis, terutama dengan menggunakan sekuens DNA dan asam amino serta informasi yang berkaitan dengannya. Contoh topik utama bidang ini meliputi basis data untuk mengelola informasi biologis, penyejajaran sekuens (sequence alignment), prediksi struktur untuk meramalkan bentuk struktur protein maupun struktur sekunder RNA, analisis filogenetik, dan analisis ekspresi gen.

Sejarah

Istilah bioinformatics mulai dikemukakan pada pertengahan era 1980-an untuk mengacu pada penerapan komputer dalam biologi. Namun demikian, penerapan bidang-bidang dalam bioinformatika (seperti pembuatan basis data dan pengembangan algoritma untuk analisis sekuens biologis) sudah dilakukan sejak tahun 1960-an.

Kemajuan teknik biologi molekular dalam mengungkap sekuens biologis dari protein (sejak awal 1950-an) dan asam nukleat (sejak 1960-an) mengawali perkembangan basis data dan teknik analisis sekuens biologis. Basis data sekuens protein mulai dikembangkan pada tahun 1960-an di Amerika Serikat, sementara basis data sekuens DNA dikembangkan pada akhir 1970-an di Amerika Serikat dan Jerman (pada European Molecular Biology Laboratory, Laboratorium Biologi Molekular Eropa). Penemuan teknik sekuensing DNA yang lebih cepat pada pertengahan 1970-an menjadi landasan terjadinya ledakan jumlah sekuens DNA yang berhasil diungkapkan pada 1980-an dan 1990-an, menjadi salah satu pembuka jalan bagi proyek-proyek pengungkapan genom, meningkatkan kebutuhan akan pengelolaan dan analisis sekuens, dan pada akhirnya menyebabkan lahirnya bioinformatika.

Perkembangan Internet juga mendukung berkembangnya bioinformatika. Basis data bioinformatika yang terhubung melalui Internet memudahkan ilmuwan mengumpulkan hasil sekuensing ke dalam basis data tersebut maupun memperoleh sekuens biologis sebagai bahan analisis. Selain itu, penyebaran program-program aplikasi bioinformatika melalui Internet memudahkan ilmuwan mengakses program-program tersebut dan kemudian memudahkan pengembangannya.

Penerapan utama bioinformatika

Basis data sekuens biologis

Sesuai dengan jenis informasi biologis yang disimpannya, basis data sekuens biologis dapat berupa basis data primer untuk menyimpan sekuens primer asam nukleat maupun protein, basis data sekunder untuk menyimpan motif sekuens protein, dan basis data struktur untuk menyimpan data struktur protein maupun asam nukleat.

Basis data utama untuk sekuens asam nukleat saat ini adalah GenBank (Amerika Serikat), EMBL (Eropa), dan DDBJ(Inggris) (DNA Data Bank of Japan, Jepang). Ketiga basis data tersebut bekerja sama dan bertukar data secara harian untuk menjaga keluasan cakupan masing-masing basis data. Sumber utama data sekuens asam nukleat adalah submisi langsung dari periset individual, proyek sekuensing genom, dan pendaftaran paten. Selain berisi sekuens asam nukleat, entri dalam basis data sekuens asam nukleat umumnya mengandung informasi tentang jenis asam nukleat (DNA atau RNA), nama organisme sumber asam nukleat tersebut, dan pustaka yang berkaitan dengan sekuens asam nukleat tersebut.

Sementara itu, contoh beberapa basis data penting yang menyimpan sekuens primer protein adalah PIR (Protein Information Resource, Amerika Serikat), Swiss-Prot (Eropa), dan TrEMBL (Eropa). Ketiga basis data tersebut telah digabungkan dalam UniProt (yang didanai terutama oleh Amerika Serikat). Entri dalam UniProt mengandung informasi tentang sekuens protein, nama organisme sumber protein, pustaka yang berkaitan, dan komentar yang umumnya berisi penjelasan mengenai fungsi protein tersebut.

BLAST (Basic Local Alignment Search Tool) merupakan perkakas bioinformatika yang berkaitan erat dengan penggunaan basis data sekuens biologis. Penelusuran BLAST (BLAST search) pada basis data sekuens memungkinkan ilmuwan untuk mencari sekuens asam nukleat maupun protein yang mirip dengan sekuens tertentu yang dimilikinya. Hal ini berguna misalnya untuk menemukan gen sejenis pada beberapa organisme atau untuk memeriksa keabsahan hasil sekuensing maupun untuk memeriksa fungsi gen hasil sekuensing. Algoritma yang mendasari kerja BLAST adalah penyejajaran sekuens.

PDB (Protein Data Bank, Bank Data Protein) adalah basis data tunggal yang menyimpan model struktural tiga dimensi protein dan asam nukleat hasil penentuan eksperimental (dengan kristalografi sinar-X, spektroskopi NMR dan mikroskopi elektron). PDB menyimpan data struktur sebagai koordinat tiga dimensi yang menggambarkan posisi atom-atom dalam protein ataupun asam nukleat.

Penyejajaran sekuens

Penyejajaran sekuens (sequence alignment) adalah proses penyusunan/pengaturan dua atau lebih sekuens sehingga persamaan sekuens-sekuens tersebut tampak nyata. Hasil dari proses tersebut juga disebut sebagai sequence alignment atau alignment saja. Baris sekuens dalam suatu alignment diberi sisipan (umumnya dengan tanda "–") sedemikian rupa sehingga kolom-kolomnya memuat karakter yang identik atau sama di antara sekuens-sekuens tersebut. Berikut adalah contoh alignment DNA dari dua sekuens pendek DNA yang berbeda, "ccatcaac" dan "caatgggcaac" (tanda "|" menunjukkan kecocokan atau match di antara kedua sekuens).

ccat---caac
 | ||   ||||
 caatgggcaac

Sequence alignment merupakan metode dasar dalam analisis sekuens. Metode ini digunakan untuk mempelajari evolusi sekuens-sekuens dari leluhur yang sama (common ancestor). Ketidakcocokan (mismatch) dalam alignment diasosiasikan dengan proses mutasi, sedangkan kesenjangan (gap, tanda "–") diasosiasikan dengan proses insersi atau delesi. Sequence alignment memberikan hipotesis atas proses evolusi yang terjadi dalam sekuens-sekuens tersebut. Misalnya, kedua sekuens dalam contoh alignment di atas bisa jadi berevolusi dari sekuens yang sama "ccatgggcaac". Dalam kaitannya dengan hal ini, alignment juga dapat menunjukkan posisi-posisi yang dipertahankan (conserved) selama evolusi dalam sekuens-sekuens protein, yang menunjukkan bahwa posisi-posisi tersebut bisa jadi penting bagi struktur atau fungsi protein tersebut.

Selain itu, sequence alignment juga digunakan untuk mencari sekuens yang mirip atau sama dalam basis data sekuens. BLAST adalah salah satu metode alignment yang sering digunakan dalam penelusuran basis data sekuens. BLAST menggunakan algoritma heuristik dalam penyusunan alignment.

Beberapa metode alignment lain yang merupakan pendahulu BLAST adalah metode "Needleman-Wunsch" dan "Smith-Waterman". Metode Needleman-Wunsch digunakan untuk menyusun alignment global di antara dua atau lebih sekuens, yaitu alignment atas keseluruhan panjang sekuens tersebut. Metode Smith-Waterman menghasilkan alignment lokal, yaitu alignment atas bagian-bagian dalam sekuens. Kedua metode tersebut menerapkan pemrograman dinamik (dynamic programming) dan hanya efektif untuk alignment dua sekuens (pairwise alignment)

Clustal adalah program bioinformatika untuk alignment multipel (multiple alignment), yaitu alignment beberapa sekuens sekaligus. Dua varian utama Clustal adalah ClustalW dan ClustalX.

Metode lain yang dapat diterapkan untuk alignment sekuens adalah metode yang berhubungan dengan Hidden Markov Model ("Model Markov Tersembunyi", HMM). HMM merupakan model statistika yang mulanya digunakan dalam ilmu komputer untuk mengenali pembicaraan manusia (speech recognition). Selain digunakan untuk alignment, HMM juga digunakan dalam metode-metode analisis sekuens lainnya, seperti prediksi daerah pengkode protein dalam genom dan prediksi struktur sekunder protein.

Prediksi struktur protein

 

Model protein hemaglutinin dari virus influensa

Secara kimia/fisika, bentuk struktur protein diungkap dengan kristalografi sinar-X ataupun spektroskopi NMR, namun kedua metode tersebut sangat memakan waktu dan relatif mahal. Sementara itu, metode sekuensing protein relatif lebih mudah mengungkapkan sekuens asam amino protein. Prediksi struktur protein berusaha meramalkan struktur tiga dimensi protein berdasarkan sekuens asam aminonya (dengan kata lain, meramalkan struktur tersier dan struktur sekunder berdasarkan struktur primer protein). Secara umum, metode prediksi struktur protein yang ada saat ini dapat dikategorikan ke dalam dua kelompok, yaitu metode pemodelan protein komparatif dan metode pemodelan de novo.

Pemodelan protein komparatif (comparative protein modelling) meramalkan struktur suatu protein berdasarkan struktur protein lain yang sudah diketahui. Salah satu penerapan metode ini adalah pemodelan homologi (homology modelling), yaitu prediksi struktur tersier protein berdasarkan kesamaan struktur primer protein. Pemodelan homologi didasarkan pada teori bahwa dua protein yang homolog memiliki struktur yang sangat mirip satu sama lain. Pada metode ini, struktur suatu protein (disebut protein target) ditentukan berdasarkan struktur protein lain (protein templat) yang sudah diketahui dan memiliki kemiripan sekuens dengan protein target tersebut. Selain itu, penerapan lain pemodelan komparatif adalah protein threading yang didasarkan pada kemiripan struktur tanpa kemiripan sekuens primer. Latar belakang protein threading adalah bahwa struktur protein lebih dikonservasi daripada sekuens protein selama evolusi; daerah-daerah yang penting bagi fungsi protein dipertahankan strukturnya. Pada pendekatan ini, struktur yang paling kompatibel untuk suatu sekuens asam amino dipilih dari semua jenis struktur tiga dimensi protein yang ada. Metode-metode yang tergolong dalam protein threading berusaha menentukan tingkat kompatibilitas tersebut.

Dalam pendekatan de novo atau ab initio, struktur protein ditentukan dari sekuens primernya tanpa membandingkan dengan struktur protein lain. Terdapat banyak kemungkinan dalam pendekatan ini, misalnya dengan menirukan proses pelipatan (folding) protein dari sekuens primernya menjadi struktur tersiernya (misalnya dengan simulasi dinamika molekular), atau dengan optimisasi global fungsi energi protein. Prosedur-prosedur ini cenderung membutuhkan proses komputasi yang intens, sehingga saat ini hanya digunakan dalam menentukan struktur protein-protein kecil. Beberapa usaha telah dilakukan untuk mengatasi kekurangan sumber daya komputasi tersebut, misalnya dengan superkomputer (misalnya superkomputer Blue Gene [1] dari IBM) atau komputasi terdistribusi (distributed computing, misalnya proyek Folding@home) maupun komputasi grid.

Analisis ekspresi gen

Analisis klastering ekspresi gen pada kanker payudara

Ekspresi gen dapat ditentukan dengan mengukur kadar mRNA dengan berbagai macam teknik (misalnya dengan microarray ataupun Serial Analysis of Gene Expression ["Analisis Serial Ekspresi Gen", SAGE]). Teknik-teknik tersebut umumnya diterapkan pada analisis ekspresi gen skala besar yang mengukur ekspresi banyak gen (bahkan genom) dan menghasilkan data skala besar. Metode-metode penggalian data (data mining) diterapkan pada data tersebut untuk memperoleh pola-pola informatif. Sebagai contoh, metode-metode komparasi digunakan untuk membandingkan ekspresi di antara gen-gen, sementara metode-metode klastering (clustering) digunakan untuk mempartisi data tersebut berdasarkan kesamaan ekspresi gen.

referensi : http://id.wikipedia.org/wiki/Bioinformatika

Kinerja Komputasi Dengan Pararel Processing

Komputasi sebetulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritma. Komputasi merupakan suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer. Sedangkan untuk parallel processing atau pemrosesan paralel adalah penggunaan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Idealnya, parallel processing membuat program berjalan lebih cepat karena semakin banyak CPU yang digunakan.

Jadi dari beberapa penjabaran di atas dapat disimpulkan bahwa paralel prosessing komputasi adalah proses atau pekerjaan komputasi di komputer dengan memakai suatu bahasa pemrograman yang dijalankan secara paralel pada saat bersamaan. Secara umum komputasi paralel diperlukan untuk meningkatkan kecepatan komputasi bila dibandingkan dengan pemakaian komputasi pada komputer tunggal. Penggunaan komputasi parallel prosessing merupakan pilihan yang cukup handal untuk saat ini untuk pengolahan data yang besar dan banyak. Parallel komputasi melakukan perhitungan komputasi dengan menggunakan 2 atau lebih CPU/Processor dalam suatu komputer yang sama atau komputer yang berbeda dimana dalam hal ini setiap instruksi dibagi kedalam beberapa instruksi kemudian dikirim ke processor yang terlibat komputasi dan dilakukan secara bersamaan. Untuk proses pembagian proses komputasi tersebut dilakukan oleh suatu software yang betugas untuk mengatur komputasi dalam hal makalah ini akan digunakan Message Parsing Interface (MPI). Ini umumnya diperlukan saat kapasitas yang diperlukan sangat besar, baik karena harus mengolah data dalam jumlah besar (di industri keuangan, bioinformatika, dll) ataupun karena tuntutan proses komputasi yang banyak. Kasus kedua umum ditemui di kalkulasi numerik untuk menyelesaikan persamaan matematis di bidang fisika (fisika komputasi), kimia (kimia komputasi) dll.

Parallel processing berbeda dengan multitasking, yaitu satu CPU mengeksekusi beberapa program sekaligus. Parallel processing disebut juga parallel computing. Pada sistem komputasi parallel terdiri dari beberapa unit prosesor dan beberapa unit memori. Ada dua teknik yang berbeda untuk mengakses data di unit memori, yaitu shared memory address dan message passing. Berdasarkan cara mengorganisasikan memori ini komputer paralel dibedakan menjadi shared memory parallel machine dan distributed memory parallel machine.

Prosesor dan memori ini didalam mesin paralel dapat dihubungkan (interkoneksi) secara statis maupun dinamis. Interkoneksi statis umumnya digunakan oleh distributed memory system (sistem memori terdistribusi). Sambungan langsung peer to peer digunakan untuk menghubungkan semua prosesor. Interkoneksi dinamis umumnya menggunakan switch untuk menghubungkan antar prosesor dan memori.

Kinerja Parallel komputasi digunakan untuk melakukan perhitungan komputasi dengan menggunakan 2 atau lebih CPU/Processor dalam suatu komputer yang sama atau komputer yang berbeda dimana dalam hal ini setiap instruksi dibagi kedalam beberapa instruksi kemudian dikirim ke processor yang terlibat komputasi dan dilakukan secara bersamaan. Untuk proses pembagian proses komputasi tersebut dilakukan oleh suatu software yang betugas untuk mengatur komputasi. Terdapat dua jenis kinerja parallel processing yaitu Multi-core dan PC Clustering.
Multi-core adalah memperbanyak inti prmrosesan sehingga diharapkan knerja komputasi meningkat dikarenakan pemrosesan secara parallel. Awalnya Multi Core diawali oleh system Multi Prosessor. System ini membutuhkan sumberdaya untu masing-masing prosesnya, sedangkan untuk interkoneksinya dibutuhkan sebuah bus berkecepatan tinggi. Untuk membuat system multi prosessor dibutuhkan biaya serta algoritma tersendiri untuk mengendalikan dan memproses input, untuk mereduksi harga dibuatlah system multi Core yang dapat mengetengahkan masalah biaya dan kecepatan komputasi.

PC-Clustering adalah pengelompokan beberapa buah PC menjadi satu kesatuan dan mampu memproses dengan interkoneksi jaringan baik itu local maupun internet. Secara umum PC clustering dibagi menjadi tiga kategori yaitu :

1. High-availability cluster

2. Load-balancing cluster, kategori satu dan dua digunakan untuk server-server yang membutuhkan komputasi tinggi serta ketersediaan system. Tujuan dari PC Clustering jenis ini adalah menjaga service agar tetap sedia sepanjang waktu, seperti Web Searching Google.

3. Grid-Computing, Grid-computing lebih mendekati system parallel computing yang sebenarnya, karena menggunakan system penugasan. Contoh Grid Computing terbesar adalah FOLDING@HOME untuk kalkulasi untaian DNA untuk mencari obat dari penyakit kronis seperti Alzheimer dan Kanker.

Kinerja komputasi dengan menggunakan paralel processing itu menggunakan dan memanfaatkan beberapa komputer atau CPU untuk menemukan suatu pemecahan masalah dari masalah yang ada. Sehingga dapat diselesaikan dengan cepat daripada menggunakan satu komputer saja. Komputasi dengan paralel processing akan menggabungkan beberapa CPU, dan membagi-bagi tugas untuk masing-masing CPU tersebut. Jadi, satu masalah terbagi-bagi penyelesaiannya. Tetapi ini untuk masalah yang besar saja, komputasi yang masalah kecil, lebih murah menggunakan satu CPU saja.

referensi :

- http://id.wikipedia.org/wiki/Komputasi_paralel 

- http://zongvoc.wordpress.com/2011/03/27/kinerja-komputasi-dengan-paralel-processing/

Komputasi Modern

komputasi modern merupakan hal yang mungkin jarang terdengar istilah di telinga masyrakat indonesia umumnya. Komputasi modern pengertian nya adalah  cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritma. Komputasi merupakan suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Sebenarnya sudah lama komputasi modern ini di cetuskan dan tokoh di balik semua ini yaitu John Von Neumann, Beliau merupakan ilmuan besar saat ini. Beliaulah yang pertama kali menggagaskan konsep sebuah sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory dan dikenal sebagai arsitektur komputer modern. Berikut merupakan sejarah singkat tentang biografi John Von Neumann.

John Von Neumann di lahirkan di Budapest, ibukota Hungaria pada 28 Desember 1903 dengan nama Neumann Janos. Dia adalah anak pertama dari pasangan Neumann Miksa dan Kann Margit. Di sana, nama keluarga di letakkan di depan nama asli. Sehingga dalam bahasa Inggris, nama orang tuanya menjadi Max Neumann. Pada saat Max Neumann memperoleh gelar, maka namanya berubah menjadi Von Neumann. Kegeniusannya dalam Matematika telah terlihat semenjak kecil dengan mampu melakukan pembagian bilangan delapan digit (angka) di dalam kepalanya. Pada usia 17 tahun, Von Neumann sudah memublikasikan paper-nya sendiri untuk Journal of the German Mathematical Society. Pada tahun 1926, Von Neumann lulus dengan dua gelar yaitu gelas S1 pada bidang teknik kimia dari ETH dan gelar doktor (Ph.D) pada bidang matematika dari Universitas Budapest. Semua itu di peroleh pada usia 23 tahun.

Pengertian Komputasi

Komputasi sebetulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritma. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakankomputasi telah dilakukan dengan menggunakan komputer.
Secara umum iIlmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaankomputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains). Dalam penggunaan praktis, biasanya berupa penerapan simulasi komputer atau berbagai bentuk komputasi lainnya untuk menyelesaikan masalah-masalah dalam berbagai bidang keilmuan, tetapi dalam perkembangannya digunakan juga untuk menemukan prinsip-prinsip baru yang mendasar dalam ilmu.
Bidang ini berbeda dengan ilmu komputer (computer science), yang mengkaji komputasi, komputer dan pemrosesan informasi. Bidang ini juga berbeda dengan teori dan percobaan sebagai bentuk tradisional dari ilmu dan kerja keilmuan. Dalam ilmu alam, pendekatan ilmu komputasi dapat memberikan berbagai pemahaman baru, melalui penerapan model-model matematika dalam program komputer berdasarkan landasan teori yang telah berkembang, untuk menyelesaikan masalah-masalah nyata dalam ilmu tersebut.

Dalam kerjanya komputasi modern menghitung dan mencari solusi dari masalah yang ada, dan perhitungan yang dilakukan itu meliputi:

1. Akurasi (big, Floating point)
2. Kecepatan (dalam satuan Hz)
3. Problem Volume Besar (Down Sizzing atau pararel)
4. Modeling (NN & GA)
5. Kompleksitas (Menggunakan Teori big O)

referensi
http://fani1990.wordpress.com/2011/02/20/pengenalan-komputasi-modern/
http://id.wikipedia.org/wiki/Komputasi
http://muannastasyiithoh.wordpress.com/2011/02/23/pengantar-komputasi-modern/

Social Network Business (SNB)

Social Network Business

Social Network Business  merupakan  layanan online, platform, atau situs yang berfokus pada bangunan dan mencerminkan dari jaringan sosial atau hubungan sosial antara orang-orang. Kebanyakan layanan jaringan sosial berbasis web dan menyediakan sarana bagi pengguna untuk berinteraksi melalui internet , seperti e-mail dan pesan instan. contohnya :facebook, kaskus, twitter ,dll.

Kelebihan dari Social Network Business bagi Perusahaan-Perusahaan :

• Insight dari customers

mendapatkan informasi/insight dari customernya terhadap produk yg di sediakan.

• Suara customer

Dalam Social network business dapat disediakan forum sebagai wadah dari komentar-komentar dari konsumen untuk media penyaluran suara konsumen.

• Brand Experience

dengan penggunaan social network, konsumen dapat saling berinteraksi sesama konsumen.

• Image Perusahaan

Dapat membawa image positif terhadap perusahaan sebagai perusahaan yang manusiawi.

• Biaya

dapat mengurangi biaya perusahaan seperti biaya support, biaya marketing, dan sebagainya.

Kelemahan dari Social Network Business bagi Perusahaan-Perusahaan :

• Kemanan

Keamanan data-data dari perusahaan harus diperhatikan karena kemungkinan virus dapat mengganggu data-data tersebut.

• Kekayaan Intelektual

Seluruh karyawan dari perusahaan tersebut yang terlibat dalam penggunaan jaringan ini harus berhati-hati dalam penyampaian informasi kepada konsumen atau rekan bisnis lainnya. Jangan sampai informasi yang justru merupakan rahasia perusahaan yang mengalami kebocoran dan tersebar luas yang mengakibatkan kerugian untuk perusahaan.

• Resiko Kehilangan Karyawan

Salah satu dampak yang mengacaukan kinerja karyawan adalah hubungan antar profesional yang tidak menguntungkan perusahaan, seperti yang telah dijelaskan pada point Kekayaan Intelektual di atas yaitu adanya pembocoran informasi perusahaan yang disengaja karyawan dan perpindahan karyawan ke perusahaan lain.

contoh situs SNB yang saat ini sedang marak diakses oleh pengguna :

Forum Jual Beli Kaskus

referensi :

-http://mezzzmewww.wordpress.com/2011/01/12/social-network-business/

-http://www.in2digital.net/?cat=86

-http://www.scribd.com/doc/29234091/Pengaruh-Perkembangan-Social-Network-Service-Terhadap-Suatu-Perusahaan

Tugas Perbaikan UTS JARKOMLAN

Perbaikan JARKOMLAN

Nama     : Rian Maulana

NPM     :  50407717 / 4 IA 14

SOAL

Di dalam suatu jaringan perusahaan terdapat beberapa departemen bagian diantaranya :

HRD : 20 Host

FINANCE : 15 Host

IT : 12 Host

MARKETING : 25 Host

Network Address : 172.16.x.n (x = 36 (no absen mahasiswa)

                                                                    Skema jaringan :

 Tentukan Subnetting IP ini menggunakan metode VLSM :

Rumus = Jumlah host + host router + (broadcast +network)

Gateway = 256 - IP Total

Perhitungan
HRD : 20(banyaknya host)+ 1(router)+2(network+gateway) = 23
23 dirubah dalam bentuk biner menjadi 10111 maka n = 5(digit)
Maka Subnet mask nya
11111111.11111111.11111111.11100000/27 = 255 . 255 . 255 . 224/27
IP Total = 2 ^n = 2^5 = 32


FINANCE : 15(banyaknya host)+ 1(router)+2(network+gateway) = 18
15 dirubah dalam bentuk biner menjadi 10010 maka n = 5(digit)
Maka Subnet mask nya
11111111.11111111.11111111.11100000/27 = 255 . 255 . 255 . 224/27
IP Total = 2^ n = 2^5 = 32

IT : 12(banyaknya host)+ 1(router)+2(network+gateway) = 15
15 dirubah dalam bentuk biner menjadi 1111 maka n = 4(digit)
Maka Subnet mask nya
11111111.11111111.11111111.11110000/28 = 255 . 255 . 255 . 240/28
IP Total = 2 ^n = 2^4 = 16

MARKETING : 25(banyaknya host)+ 1(router)+2(network+gateway) = 28
28 dirubah dalam bentuk biner menjadi 10100 maka n = 5(digit)
Maka Subnet mask nya
11111111.11111111.11111111.11100000/27 = 255 . 255 . 255 . 224/27
IP Total = 2 ^n = 2^5 = 32

                                           TABEL VLSM :

Subnet Name	Needed Size	Allocated Size	Address	Mask	Dec Mask	Assignable Range	Broadcast
MARKETING	25	30	172.16.0.0	/27	255.255.255.224	172.16.0.1 - 172.16.0.30	172.16.0.31
HRD	20	30	172.16.0.32	/27	255.255.255.224	172.16.0.33 - 172.16.0.62	172.16.0.63
FINANCE	15	30	172.16.0.64	/27	255.255.255.224	172.16.0.65 - 172.16.0.94	172.16.0.95
IT	12	14	172.16.0.96	/28	255.255.255.240	172.16.0.97 - 172.16.0.110	172.16.0.111

 

Sistem Integrasi Informasi (SII)

Salah satu permasalahan rumit yang kerap dijumpai para praktisi teknologi informasi adalah ketika menghadapi tantangan dimana sejumlah sistem informasi yang berbeda harus diintegrasikan. Peristiwa yang dimaksud misalnya terjadi pada saat aktivitas merger dan akuisisi, penggabungan satu atau dua institusi pemerintahan, kerjasama program berbasis lintas sektoral, dan lain sebagainya. Berdasarkan pengalaman, kompleksitas permasalahan yang dijumpai tidak saja bertumpu pada aspek teknis, namun kerap lebih menonjol pada hal-hal yang bersifat non-teknis  yang biasanya didominasi oleh isu “ego sektoral” pada masing-masing institusi yang terlibat. Tanpa adanya strategi yang jelas, maka sering kali kegiatan integrasi sistem tersebut menemui jalan buntu, atau tidak berhasil. Kunci permasalahan terjadinya fenomena tersebut pada dasarnya terletak pada kesalahan pemilihan pendekatan atau metodologi proses terkait. Dalam menghadapi tantangan ini, metodologi yang dipergunakan harus mampu menjawab berbagai kendala teknis maupun non teknis yang seyogiyanya dijumpai pada setiap isu penggabungan. Artinya, metodologi yang dipakai harus dibangun dengan memperhatikan berbagai aspek yang dimaksud tersebut. Artikel ini memperlihatkan sebuah metodologi yang dikembangkan dengan menggunakan prinsip pemilihan strategi yang berevolusi dari satu tahapan waktu ke tahapan waktu selanjutnya; dalam arti kata bahwa pendekatan yang dipergunakan adalah merupakan suatu rangkaian strategi yang beragam, yang disesuaikan dengan tingkat perkembangan proyek integrasi

Fenomena Integrasi Sistem Informasi

• Terjadinya merger dan akuisisi antar dua atau sejumlah organisasi dalam berbagai industri vertikal, seperti: perbankan, asuransi, manufaktur, pendidikan, kesehatan, dan lain sebagainya;
• Restrukturisasi korporasi yang dilakukan dengan mengubah pola relasi antar anak-anak perusahaan dalam sebuah konsorsium grup usaha;
• Strategi kerjasama berbagai institusi pemerintah secara lintas sektoral untuk meningkatkan kinerja birokrasi;
• Tuntutan berbagai mitra usaha dalam dan luar negeri untuk meningkatkan kualitas aliansi dan kolaborasi; dan lain sebagainya

Adanya berbagai fenomena tersebut secara tidak langsung memberikan dampak bagi manajemen organisasi, terutama dalam kaitannya dengan pengelolaan sumber dayanya masing-masing. Beragam tuntutan yang  bermuara pada keinginan untuk ”mengintegrasikan” secara fisik maupun relasi dua atau lebih organisasi  tersebut bermuara pada kebutuhan melakukan upaya ”sharing” sejumlah sumber daya data dan informasi (maupun pengetahuan) yang dimiliki sesama organisasi. Artinya adalah bahwa, dua atau lebih sistem informasi yang ada harus diupayakan untuk ”diintegrasikan”

Tahap-tahap Integrasi

Tahap 1 : Eksploitasi Kapabilitas Lokal

pada tahap ini adalah melakukan pengembangan maksimal terhadap kapabilitas sistem informasi yang tujuannya untuk memahami batasan maksimal kemampuan sistem informasi dalam menghasilkan kebutuhan manajemen strategis dan operasional organisasi yang bersangkutan , baik dilihat dari segi keunggulannya maupun keterbatasannya. Hasil kajian ini sangatlah berguna untuk tahapan selanjutnya, terutama nanti dalam

melihat cara-cara mengatasi keterbatasan masing-masing sistem informasi terkait

Tahap 2 : Lakukan Integrasi Tak Tampak

pada tahap ini melakukan integrasi dengan menukar dan mengenalkan  ide-ide dan solusi yang keluaran sesungguhnya dalam tahap ini adalah kepercayaan dan kesadaran akan perlunya kerjasama untuk memecahkan solusi

Tahap 3 : Kehendak Berbagi Pakai

langkah berikutnya adalah melakukan evaluasi seberapa efisien dan optimum solusi tersebut berhasil dibangun terutama dalam kaitannya dengan pemanfaatan beraneka ragam sumber daya organisasi

Tahap 4 : Redesain Arsitektur Proses

pada tahap ini akan dilakukan pengujian kembali terhadap integrasi., yang melakukan tahap ini bukan hanya CIO saja, melainkan pemimpin nomor satu dari masing-masing organisasi. hal yang dilakukan dalam tahap ini adalah melakukan kajian dahulu dan mendesain arsitektur proses baru serta mempresentasikan kepada para pimpinan organisasi agar dapat menerapkannya. hasil yang diperoleh dari tahap ini adalah kesepakatan untuk melakukan kolaborasi secara lebih jauh, yaitu dengan memperhatikan nilai (atau value) dari pemegang

kepentingan utama dari seluruh organisasi yang berkolaborasi.  Ragam proses baru inilah yang akan menjadi cikal bakal atau embrio arsitektur sebuah sistem informasi terintegrasi

Tahap 5 : Optimalkan Infrastruktur

pada tahap ini akan melakukan optimalisasi sistem informasi terintegrasi yang bercikal bakal pada masing-masing sistem informasi organisasi yang akan menghasilkan sebuah sistem dengan komponen-komponen lengkapnya.  proses optimalisasi ini bertujuan  untuk memenuhi kebutuhan pemegang kepentingan utama dengan batasan  tetap dijaganya kinerja masing-masing sistem informasi untuk melayani organisasi yang ada

Tahap 6: Transformasi Organisasi

tahap ini merupakan tahap terakhir dari integrasi, tahap ini melakukan transformasi pada masing-masing organisasi, yaitu menciptakan sebuah sistem organisasi yang adaptif terhadap perubahan apapun misalnya:

• Transformasi dari organisasi berbasis struktur dan fungsi menjadi organisasi berbasis proses;
• Transformasi dari organisasi berbasis sumber daya fisik menjadi organisasi berbasis pengetahuan;
• Transformasi dari organisasi berbasis kebutuhan pemilik kepentingan internal menjadi organisasi berbasis kebutuhan pemilik kepentingan eksternal;
• Transformasi dari organisasi berbasis rantai nilai fisik menjadi organisasi berbasi rantai nilai virtual; dan lain sebagainya.

KESIMPULAN

Dari uraian diatas dapat disimpukan bahwa SII merupakan sebuah metodologi yang dikembangkan dengan menggunakan prinsip pemilihan strategi yang berevolusi dari satu tahapan waktu ke tahapan waktu selanjutnya, dalam arti kata bahwa pendekatan yang dipergunakan adalah merupakan suatu rangkaian strategi yang beragam, yang disesuaikan dengan tingkat perkembangan proyek integrasi 

Reference :

- http://if-unpas.org/donlot/MTI/Semester_1/Bahan%20Pak%20Eko%20Indrajit/EKO%20ARTICLES/Artikel149-StrategiIntegrasiRagamSistemInformasi.pdf

-http://gunkz-lalala.blogspot.com/2010/11/sii-strategy-of-information-integration.html

http://ramdaniekaputra.blogspot.com/