UAS MPPL
Uas MPPL from Benito Dannes
Thursday, May 2, 2019
Tugas MPPL - Manajamen Biaya Dalam Proyek Perangkat Lunak
Contoh KAK yang digunakan ada pada link berikut ini:
https://gelegakzaki.files.wordpress.com/2017/02/198011081999122001-6-102015.pdf
https://gelegakzaki.files.wordpress.com/2017/02/198011081999122001-6-102015.pdf
Desain WBS:
Cost Planning:
Cost Estimating:
Cost Budgeting:
Cost Controlling:
Monday, April 8, 2019
Monday, March 25, 2019
Monday, March 18, 2019
Sunday, February 24, 2019
FaceRig
Deskripsi Aplikasi:
FaceRig adalah sebuah program yang dapat membuat user mengendalikan sebuah wajah virtual menggunakan webcam. FaceRig menggunakan teknologi face tracking berbasis image untuk membaca gerakan user di webcam dan menerjemahkannya pada karakter virtual di software. Output yang dihasilkan FaceRig dapat direkam sebagai video tersendiri, atau dapat di-stream ke Skype, Twitch, dan aplikasi lain yang menggunakan webcam.
Budget yang Diperlukan:
Holotech Studio awalnya membuat sebuah kampanye crowdfunding di Indiegogo sebesar $120000 untuk biaya pengembangan. Pada akhirnya mereka berhasil mendapatkan $307000.
Lama Pembuatan Aplikasi:
Aplikasi memulai pengembangan dari 2013, dengan versi awal dipublikasikan di Steam pada 7 Juli 2015.
Tim Pembuat Aplikasi:
Developer : Holotech Studios
Publisher : Holotech Studios
Genre : Animation & Modeling
Platform : PC, Mobile (Android)
Rilis : 7 Juli 2015
FaceRig adalah sebuah program yang dapat membuat user mengendalikan sebuah wajah virtual menggunakan webcam. FaceRig menggunakan teknologi face tracking berbasis image untuk membaca gerakan user di webcam dan menerjemahkannya pada karakter virtual di software. Output yang dihasilkan FaceRig dapat direkam sebagai video tersendiri, atau dapat di-stream ke Skype, Twitch, dan aplikasi lain yang menggunakan webcam.
Budget yang Diperlukan:
Holotech Studio awalnya membuat sebuah kampanye crowdfunding di Indiegogo sebesar $120000 untuk biaya pengembangan. Pada akhirnya mereka berhasil mendapatkan $307000.
Lama Pembuatan Aplikasi:
Aplikasi memulai pengembangan dari 2013, dengan versi awal dipublikasikan di Steam pada 7 Juli 2015.
Tim Pembuat Aplikasi:
Developer : Holotech Studios
Publisher : Holotech Studios
Genre : Animation & Modeling
Platform : PC, Mobile (Android)
Rilis : 7 Juli 2015
Wednesday, May 2, 2018
Membuat Form HTML dengan PHP
Ini adalah hasil latihan saya membuat form HTML dengan PHP.
Berikut gambar formnya.
Gambar form yang akan diisi
Gambar setelah form di-submit
Berikut gambar formnya.
Gambar form yang akan diisi
Gambar setelah form di-submit
Tuesday, May 1, 2018
Pemrograman Web mySQL - Studi Kasus Pendaftaran Siswa Baru
Database pendaftaran_siswa
Tampilan Home
Tampilan data pendaftar
Tampilan form pendaftaran
Menambah pendaftar
Mengubah pendaftar
Hapus Pendaftar
Wednesday, February 28, 2018
Kuliah Tamu - From Perceptron to Deep Neural Network
Apa itu machine learning? Machine learning adalah sebuah bidang dalam ilmu komputer yang mengembangkan suatu sistem komputer sebuah kemampuan untuk dapat mempelajari suatu data tanpa diprogram secara jelas. Didalam machine learning sebuah sistem belajar dari data untuk mengambil sebuah kesimpulan. Didalam machine learning harus terdapat tiga hal utama, yaitu data, pola, dan ketiadaan suatu ujud rumus yang dapat menjabarkan pola yang ada. Machine learning membutuhkan data. Jika tak ada data, machine learning tidak dapat melakukan apa-apa karena tidak memiliki apapun yang bisa dipelajari. Pola yang muncul dalam data sangat dibutuhkan dalam machine learning karena dengan sebuah pola yang teratur, machine learning dapat mengkategorikan data-data tersebut dan hasil yang bagus akan didapatkan. Kemudian hal yang paling penting dalam machine learning adalah, tidak adanya rumus yang dapat menjabarkan pola yang ada. Jika ada rumus yang dapat menjabarkan suatu pola, tidak perlu digunakan machine learning. Cukup pemrograman biasa seharusnya sudah cukup akurat.
Bagaimanakah caranya agar machine learning dapat memprediksi data yang akan muncul di masa depan dengan baik? Caranya adalah dengan membuat learning algorithm yang efektif. Jika learning algorithm bagus di training data, dapat dibilang cukup bagus untuk memprediksi data di masa depan. Data yang dibutuhkan untuk melatih mesin pun tidak dapat dibatasi, karena semakin banyak data semakin baik. Ini karena data hanyalah sesuatu yang terjadi di masa lalu, bukan sesuatu yang pasti terjadi di masa depan.
Disini dapat diberikan contoh mengenai perbedaan cara manual, otomasi, dan machine. Diceritakan ada sebuah toko musik. Penjual toko tersebut suka memberikan rekomendasi musik pada para pelanggannya..Awalnya dia melakukannya secara manual. Ia memberi rekomendasi dengan dirinya sendiri tanpa perantara. Namun lama kelamaan, tokonya mulai ramai. Ia tidak dapat memberikan rekomendasi langsung pada setiap pelanggan yang masuk ke tokonya. Akhirnya ia membuat sebuah sistem komputer berbasis otomasi, dimana setiap pelanggan yang menggunakan sistem itu akan mendapatkan sebuah rekomendasi musik berdasarkan aturan yang dibuat oleh pemilik toko. Misal jika seseorang menyukai musik pop, dia kemungkinan juga menyukai musik yang dibawakan artis A. Padahal kenyataannya belum tentu demikian. Akurasi dari automasi masih kurang, meskipun dapat memberikan rekomendasi. Kemudian digunakan machine. Pada machine learning, sistem lah yang menunjukkan musik mana yang direkomendasikan ke pelanggan, menggunakaan aturan yang diatur dan dibuat sendiri oleh sistem.
Apa itu deep learning? Deep learning adalah neural network dengan layer yang lebih dalam.
ri satu garis lurus antara satu objek dengan objek yang lain. Sedangkan non-linear, objek-objek tersebut tidak dapat dipisahkan oleh satu garis lurus. Namun sebenarnya, pada masalah non-linear sekalipun, objek-objek tersebut dapat dipisah dalam satu garis lurus. Hal itu dapat dilakukan jika datanya digambar dalam representasi yang berbeda, misal dari 2D digambar menjadi 3D. Salah satu kemampuan deep learning adalah mengubah representasi dari data agar dapat membedakan data-data tersebut.
Neural network didesain mirip seperti bentuk sistem syaraf manusia. Ide fungsi dasar dari sistem saraf manusia diaplikasikan ke neural network. Perceptron terdiri dari 3 bobot. Intinya, dia mencari bobot yang paling optimal, jadi jika dikalikan hasilnya akan mengeluarkan 1 atau 0. Misal anggaplah dia menjadi sebuah decision maker untuk pergi ke beberapa tempat. X1 adalah cuaca, x2 adalah teman, x3 adalah makanan. Disini x1 bobotnya besar, x2 bobotnya lebih kecil dan x3 lebih kecil lagi. Jika perkalian nilai antar bobot lebih besar dari threshold, program akan mengeluarkan nilai 1.
Bagaimanakah caranya agar machine learning dapat memprediksi data yang akan muncul di masa depan dengan baik? Caranya adalah dengan membuat learning algorithm yang efektif. Jika learning algorithm bagus di training data, dapat dibilang cukup bagus untuk memprediksi data di masa depan. Data yang dibutuhkan untuk melatih mesin pun tidak dapat dibatasi, karena semakin banyak data semakin baik. Ini karena data hanyalah sesuatu yang terjadi di masa lalu, bukan sesuatu yang pasti terjadi di masa depan.
Disini dapat diberikan contoh mengenai perbedaan cara manual, otomasi, dan machine. Diceritakan ada sebuah toko musik. Penjual toko tersebut suka memberikan rekomendasi musik pada para pelanggannya..Awalnya dia melakukannya secara manual. Ia memberi rekomendasi dengan dirinya sendiri tanpa perantara. Namun lama kelamaan, tokonya mulai ramai. Ia tidak dapat memberikan rekomendasi langsung pada setiap pelanggan yang masuk ke tokonya. Akhirnya ia membuat sebuah sistem komputer berbasis otomasi, dimana setiap pelanggan yang menggunakan sistem itu akan mendapatkan sebuah rekomendasi musik berdasarkan aturan yang dibuat oleh pemilik toko. Misal jika seseorang menyukai musik pop, dia kemungkinan juga menyukai musik yang dibawakan artis A. Padahal kenyataannya belum tentu demikian. Akurasi dari automasi masih kurang, meskipun dapat memberikan rekomendasi. Kemudian digunakan machine. Pada machine learning, sistem lah yang menunjukkan musik mana yang direkomendasikan ke pelanggan, menggunakaan aturan yang diatur dan dibuat sendiri oleh sistem.
Apa itu deep learning? Deep learning adalah neural network dengan layer yang lebih dalam.
ri satu garis lurus antara satu objek dengan objek yang lain. Sedangkan non-linear, objek-objek tersebut tidak dapat dipisahkan oleh satu garis lurus. Namun sebenarnya, pada masalah non-linear sekalipun, objek-objek tersebut dapat dipisah dalam satu garis lurus. Hal itu dapat dilakukan jika datanya digambar dalam representasi yang berbeda, misal dari 2D digambar menjadi 3D. Salah satu kemampuan deep learning adalah mengubah representasi dari data agar dapat membedakan data-data tersebut.
Neural network didesain mirip seperti bentuk sistem syaraf manusia. Ide fungsi dasar dari sistem saraf manusia diaplikasikan ke neural network. Perceptron terdiri dari 3 bobot. Intinya, dia mencari bobot yang paling optimal, jadi jika dikalikan hasilnya akan mengeluarkan 1 atau 0. Misal anggaplah dia menjadi sebuah decision maker untuk pergi ke beberapa tempat. X1 adalah cuaca, x2 adalah teman, x3 adalah makanan. Disini x1 bobotnya besar, x2 bobotnya lebih kecil dan x3 lebih kecil lagi. Jika perkalian nilai antar bobot lebih besar dari threshold, program akan mengeluarkan nilai 1.
Subscribe to:
Posts
(
Atom
)
