Instalasi Oracle 11g di Windows 8.1 64bit

Bismillahirrahmanirrahim.

Halo semua, lama tak posting karena banyak hal (sok sibuk, hehehe), kali ini saya akan sharing hasil coba-coba instalasi Oracle 11g di Windows 8.1 64 bit.
Oke, sebenarnya proses ini sangat mudah. Langsung saja:
Step 1: Pastikan Anda punya installernya. Hehehe. Kalau belum, silakan download di http://www.oracle.com/technetwork/database/enterprise-edition/downloads/112010-win64soft-094461.html, pastikan Anda login dulu ya. Masih pakai paketan internet seperti saya? Ya cari fasilitas gratisan aja buat download atau titip sama teman yang punya koneksi. :D
Step 2: Jika sudah ada installernya, langsung aja klik. Jika ada pemberitahuan seperti di bawah ini, lanjutin aja dah. Berdasarkan penelusuran saya ke dalam log dan hasil browsing, klik Continue aja.

INFO: WARNING: [WARNING] [INS-13001] Environment does not meet minimum requirements.
INFO:    CAUSE: Minimum requirements were not met for this environment
INFO:    ACTION: Either check the logs for more information or check the supported configurations for this product..

Step 2

Step 3: Isi email Anda.

Step 3

Step 4: Pilih salah satu opsi instalasi, mau langsung konfigurasi database, install software aja, atau upgrade. Untuk ini, saya pilih yang langsung konfigurasi.

Step 4

Step 5: Metode Instalasi. Saya pilih yang desktop, karena diinstal di laptop. Belum punya server. Hehehe

Step 5

 Step 6: Step ini ada karena saya memilih langsung konfigurasi. Nurut aja deh, isi aja seadanya. :D

Step 6

Step 7: Proses Instalasi. Tungguin aja sampai kelar. Sambil ngaji atau gimana gitu, mumpung bulan Ramadhan gaes.

Step 7

Step 8: Tadaaaaaa. Selesai. Sudah sampai di penghujung proses instalasi, ditampilkan hasil konfigurasi tadi. Selamat, Anda punya database baru. Congratulation.

Oh ya, hampir lupa, log hasil instalasi ada C:\Program Files\Oracle\Inventory\logs. Bisa dicek ya. Sampai disini dulu share saya, lain kali disambung lagi. Semoga ulasan singkat ini bisa membantu. Saran dan kritik bisa disampaikan pada kolom komentar. Terima kasih.

Alhamdulillahirabbil'alamin.

› Baca Lanjutannya

Rule-Based System (Sistem Berbasis Aturan)

Bismillahirrahmanirrahim.

Kali ini saya kembali memaparkan tentang Rule-Based System yang saya gunakan dalam tugas akhir. Silakan menyimak.

Rule Based System (RBS) merupakan suatu sistem pakar yang menggunakan aturan-aturan untuk menyajikan pengetahuannya. Menurut Lusiani dan Cahyono [1], sistem berbasis aturan adalah suatu perangkat lunak yang menyajikan keahlian pakar dalam bentuk aturan-aturan pada suatu domain tertentu untuk menyelesaikan suatu permasalahan. RBS adalah model sederhana yang bisa diadaptasi ke banyak masalah. Namun, jika aturan terlalu banyak, pemeliharaan sistem akan rumit dan terdapat banyak kesalahan dalam kerjanya. 

Untuk membuat RBS, ada beberapa hal penting yang harus dimiliki:

1.        Sekumpulan fakta yang mewakili working memory. Ini dapat berupa suatu keadaan yang relevan dengan keadaan awal sistem bekerja.

2.        Sekumpulan aturan. Aturan ini mencakup setiap tindakan yang harus diambil dalam ruang lingkup permasalahan yang dibutuhkan.

3.        Kondisi yang menentukan bahwa solusi telah ditemukan atau tidak (non-exist). Hal ini berguna untuk menghindari looping yang tidak akan pernah berakhir.

Teori RBS ini menggunakan teknik yang sederhana, dimulai dengan dasar aturan yang berisi semua pengetahuan dari permasalahan yang dihadapi yang kemudian dikodekan ke dalam aturan if-then yang mengandung data, pernyataan dan informasi awal. Sistem akan memeriksa semua aturan kondisi if yang menentukan subset, set konflik yang ada. Jika ditemukan, maka sistem akan melakukan kondisi then. Perulangan ini akan terus berlanjut hingga salah satu atau dua kondisi bertemu, jika aturan tidak diketemukan maka sistem tersebut harus keluar dari perulangan (terminate).

Pendekatan

Untuk mengelola aturan, terdapat dua pendekatan yaitu: 

1.  Forward Chaining :  aturan diproses berdasarkan sejumlah fakta yang ada, dan didapatkan konklusi sesuai dengan fakta-fakta tersebut. Pendekatan forward chaining disebut juga data driven.

1. Backward Chaining : diberikan target, kemudian aturan yang aksinya mengandung target di-trigger. Backward chaining ini cocok untuk menelusuri fakta yang masih belum lengkap, disebut juga goal driven. 

Kelebihan dan Kekurangan

Berikut ini beberapa kelebihan yang dimiliki oleh RBS sebagaimana dijelaskan oleh Sasikumar dkk [2]:

a.         Homogenitas
Karena memiliki sintaks yang seragam, makna dan interpretasi dari masing-masing aturan dapat dengan mudah dianalisis.

b.         Kesederhanaan
Karena sintaks sederhana, mudah untuk memahami makna dari aturan. Ahli domain seringkali dapat memahami aturan tanpa penerjemahan yang eksplisit. Aturan sehingga dapat mendokumentasikan diri sampai batas yang baik.

c.         Independensi

Ketika menambahkan pengetahuan yang baru tidak perlu khawatir tentang dimana aturan itu akan ditambahkan, atau apakah ada interaksi dengan aturan lainnya. Secara teori, setiap aturan adalah bagian independen dari pengetahuan tentang domain tersebut. Namun, dalam prakteknya, hal ini tidak sepenuhnya benar.

d.        Modularitas
Independensi aturan mengarah ke modularitas dalam rule base. Prototipe sistem dapat diciptakan cukup cepat dengan membuat beberapa aturan. Hal ini dapat ditingkatkan dengan memodifikasi aturan berdasarkan kinerja dan menambahkan aturan baru.

Sedangkan beberapa kekurangan yang dimiliki oleh RBS antara lain:

• Jika terlalu banyak aturan, sistem menjadi sulit dalam memelihara performance.  

• Keterbatasan dalam memutuskan teknik yang digunakan untuk suatu masalah.

[1] Lusiani, Titik dan Andhika Kurniawan Cahyono. 2006. Sistem Berbasis Aturan untuk Mendiagnosa Penyakit Flu Burung Secara Online. Seminar Nasional Sistem dan Informatika 2006.

[2] Sasikumar, M., dkk. 2007. A Practical Introduction to Rule Based Expert Systems. New Delhi: Narosa Publishing House. sigai.cdacmumbai.in/files/ESBook.pdf, (diunduh pada tanggal 30 September 2012).

Demikian, semoga paparan singkat ini bisa membantu. Saran dan kritik silakan disampaikan pada kolom komentar. Terima kasih.

 

Alhamdulillahirabbil'alamin.

› Baca Lanjutannya

k-Nearest Neighbor

Bismillahirrahmanirrahim.

Setelah sekian lama vakum, saya kembali lagi menulis. Semoga di pertengahan Ramadhan ini, kita semua selalu dinaungi rahmat-Nya. Aamiin.

Kali ini saya akan mencoba menuliskan kembali salah satu algoritma yang saya gunakan dalam pengerjaan skripsi saya, cukup familiar dan saya rasa Anda sudah pernah mendengarnya. Ya, algoritma ini cukup terkenal dalam bidang data mining, yaitu k-Nearest Neigbor.

Sebelumnya, apa sih data mining itu? Data mining adalah kegiatan mengekstraksi atau menambang pengetahuan dari data yang berukuran/berjumlah besar, informasi inilah yang nantinya sangat berguna untuk pengembangan.[1]

K-NN adalah algoritma instance-based learning yang didasarkan pada fungsi jarak untuk beberapa pasang pengamatan, seperti jarak Euclidean dan Manhattan. Dalam paradigma klasifikasi ini, k tetangga terdekat dari sampel tes yang diambil pertama kali. Kesamaan antara sampel uji dan k tetangga terdekat dikumpulkan menurut kelas tetangga, dan pengujian sampel ditugaskan untuk kelas paling mirip. Kasus khusus dimana kelas yang diperkirakan masuk dalam kelas sampel pelatihan terdekat (k = 1) disebut algoritma nearest neighbor.[2]

Ilustrasi k-NN

K-NN dari node i bisa diperoleh dengan menarik sebuah lingkaran dengan berpusat pada node i sampai diperoleh k node lain yang berada dalam lingkaran. Pada gambar di atas, 3-ketetanggaan terdekat dari node A adalah tiga node, yaitu node B, C, dan D. 7-ketetanggaan terdekat dari simpul A diperoleh dengan memperpanjang jari-jari lingkaran sampai diperoleh 7 node yang berada dalam lingkaran, yaitu simpul B, C, D, E, F, G, dan H. Dua node (I dan J) bukan anggota dari 7-ketetanggaan terdekat dari node A, karena berada diluar lingkaran. [3]

Dekat jauhnya tetangga dapat dihitung berdasarkan Euclidean Distance :

dimana matriks D (a,b) adalah jarak skalar dari kedua vektor a dan b dari matriks dengan ukuran d dimensi.

[1] Fadli, Ari Konsep Data Mining. http://ilmukomputer.org/wp-content/uploads/2011/03/Ari_Fadli_Konsep_Data_Mining.pdf

[2] Liu, Tie-Yan. 2011. Learning to Rank for Information Retrieval. Springer.

[3] Abidin, Zainal, dan Agus Zainal Arifin. 2010. Membatasi K-Ketenggaan Simpul Dalam Pembangkitan Random Graph Metode Erdos Royi untuk Meningkatkan Kinerja Komputasi. Jurnal CAUCHY.

Semoga ulasan singkat ini bisa membantu. Saran dan kritik bisa disampaikan pada kolom komentar.
Terima kasih.

Alhamdulillahirabbil'alamin.

 

› Baca Lanjutannya

Membuat Installer di Flashdisk

Bismillahirrahmanirrahim.

Menyambung posting saya sebelumnya, tentang cara me-restore grub Ubuntu 12.04. Saya akan sharing tentang cara membuat installer Linux atau Windows di flashdisk.
Download YUMI disini.

1. Setelah download selesai, langsung saja jalankan karena YUMI tidak usah diinstall, tapi bisa langsung dijalankan.

Silakan lihat di gambar berikut :

Semoga bisa membantu. :)

Alhamdulillahirabbil'alamin.

› Baca Lanjutannya

Grub Ubuntu 12.04 Hilang? Begini Cara Restore-nya

Bismillahirrahmanirrahim.

Sudah lama tidak update blog. Kali ini saya ingin membagikan pengalaman saya hari ini, yaitu me-restore grub Ubuntu 12.04 yang hilang setelah saya meng-install Windows 7.

Langsung saja, pertama kali yang saya lakukan adalah search di Google, linknya disini nih. Hahaha.

1. Persiapkan Ubuntu Live CD, kalau yang saya lakukan adalah membuat installer di flashdisk. Dengan menggunakan bantuan software YUMI.
2. Setelah jadi, nyalakan komputer anda dan ubah boot option ke flashdisk.
3. Setelah masuk di Ubuntu, buka terminal, ketikkan perintah sebagai berikut :

• sudo fdisk -l, untuk melihat di partisi mana lokasi anda meng-install Ubuntu.
• sudo su
• mount /dev/sda7 /mnt, sda7 disini adalah lokasi partisi Ubuntu anda.
• grub-install --root-directory=/mnt/ /dev/sda, jika tidak ada error, maka bersyukurlah.

Oke, sampai sini dulu lah. Kapan-kapan saya share lagi.

Alhamdulillahirabbil'alamin.

› Baca Lanjutannya