MathType

MathType adalah alat interaktif yang kuat untuk Windows dan Macintosh yang memungkinkan Anda membuat notasi matematika untuk pengolah kata, halaman web, desktop publishing, presentasi, dan untuk TeX, LaTeX, dan dokumen MathML. 

Fitur:

Lebih Simbol, Template, dan Font
-Font More: MathType memiliki ratusan simbol dan template dari Persamaan Editor. Selain eksklusif kami font Euclid matematika, Anda juga dapat memanfaatkan 1000 dari simbol matematika di font sudah ada di anda komputer, serta font matematika Anda dapat men-download dari Internet.
- Cari Simbol: MathType's dialog Insert Symbol memungkinkan Anda untuk menjelajahi simbol yang tersedia dan memasukkan mereka dengan satu klik atau keystroke.

Bekerja dengan Banyak Aplikasi:
- Banyak Aplikasi: Selain Microsoft Word dan PowerPoint, gunakan MathType untuk menambahkan persamaan untuk QuarkXPress dan InDesign Adobe layout, spreadsheet Excel, halaman HTML, dan banyak aplikasi dan jenis dokumen.
- Bekerja dengan Wikipedia: Wikipedia, ensiklopedia online populer, berisi 1000 halaman dengan persamaan matematika. Setelah Anda melakukan penelitian Anda di Wikipedia, Anda dapat menyalin persamaan yang relevan untuk digunakan dalam pekerjaan anda. Anda juga dapat menggunakan MathType untuk persamaan penulis baru untuk Wikipedia.
- Banyak Cara Kerja: MathType dapat menambahkan persamaan untuk hampir semua aplikasi yang memiliki perintah Insert Object atau di mana Anda dapat menyisipkan atau tarik grafis.

Dua Cara Buat Persamaan:
- Point-dan-Klik Editing dengan Otomatis Pemformatan: Persamaan dapat dibuat dengan cepat dengan memilih template dari palet MathType dan mengetik ke dalam slot kosong mereka. MathType menerapkan peraturan jarak matematika secara otomatis saat Anda mengetik.
- Jenis TeX atau LaTeX: Jika anda sudah tahu typesetting TeX bahasa, Anda dapat memasukkan persamaan dengan cepat menggunakan MathType's mode input TeX. TeX mengedit dapat dicampur dengan-and-click editing point sehingga Anda mendapatkan yang terbaik dari kedua dunia. Anda juga dapat menyisipkan persamaan dari dokumen TeX yang ada.

Menghemat Waktu:
- Ekspresi Simpan di Toolbar: Drag persamaan sering digunakan dan ekspresi ke toolbar MathType sehingga mereka dapat dimasukkan kemudian hanya dengan klik atau keystroke.
- Keyboard Shortcuts: MathType memiliki cara pintas keyboard yang dapat disesuaikan untuk hampir setiap simbol, template, dan perintah.

Mudah digunakan:
- Microsoft Office - MathType Ribbon Tab di Word dan PowerPoint: MathType mengambil keuntungan penuh dari Office 2007 yang baru Ribbon User Interface sehingga lebih mudah dari sebelumnya untuk melakukan operasi persamaan dalam dokumen dan presentasi. Baru persamaan penomoran dan menelusuri fitur bekerja dengan semua jenis persamaan Word.
- Microsoft Office 2003, XP (2002), dan 2000 - MathType Toolbar dan Menu di Word dan PowerPoint: MathType menambahkan toolbar dan menu ke Microsoft Word dan PowerPoint, yang memungkinkan akses cepat ke fitur-fiturnya dan perintah yang kuat untuk melakukan persamaan penomoran, menghasilkan besar -mencari halaman web matematika, presentasi, dan banyak lagi.

Download : MathType

Data WareHouse

A. Pengertian data warehouse

Gudang data (Bahasa Inggris: data warehouse) adalah suatu sist em komputer untuk mengarsipkan dan menganalisis data historis suatu organisasi seperti data penjualan, gaji, dan informasi lain dari operasi harian. Pada umumnya suatu organisasi menyalin informasi dari sistem operasionalnya (seperti penjualan dan SDM) ke gudang data menurut jadwal teratur, misalnya setiap malam atau setiap akhir minggu. Setelah itu, manajemen dapat melakukan kueri kompleks dan analisis (contohnya penambangan data, data mining) terhadap informasi tersebut tanpa membebani sistem yang operasional.

Pengertian secara singkat :Data Warehouse : metode penyimpanan data dalam skala yang sangat besar..Data Mining : metode pencarian pengetahuan baru yang terkandung dalam data yang sangat besar OLAP : salah satu cara membuktikan pengetahuan baru yang didapatkan oleh data mining..Data yang terdapat dalam data warehouse dapat dibagi perbagian sesuai dengan kebutuhan dalam informasi. Inilah yang dsebut dengan data mart. Data mart memiliki karakteristik yang sama dengandata warehouse, perbedaannya hanya terdapat pada jumlah data yang dimiliki. Dalam data mart, data yang ada hanya berasal dari satu bagian atau satu departemen saja, sedangkan pada data warehouse, data yang ada berasal dari seluruh bagian dalam perusahaan tersebut.Dalam pembuatan data warehouse, ada dua pendekatan yang dapat digunakan, yaitu :

1. Pendekatan Top Down (Top Down Approach)
   Pendekatan ini dilakukan dengan membuat perancangan data warehouse terlebih dahulu secara keseluruhan. Dalam pembuatannya, ditentukan apa yang menjadi sumber data dan bagaimana cara untuk memasukkannya ke dalam data warehouse yang telah dirancang terlebih dahulu. Pendekatan ini menyatakan bahwa pembangunan desain arsitektur data warehouse adalah hal pertama yang dilakukan dalam membangun suatu data warehouse.
2. Pendekatan Bottom Up (Bottom Up Approach)
   Berbeda dengan pendekatan Top Down, pendekatan ini menyatakan bahwa data warehouse berawal dari kumpulan data mart yang telah dibangun terlebih dahulu untuk masing-masing departemen.Data mart yang telah dibangun kemudian digabungkan untuk membangun suatu data warehouseyang utuh. 

B. Hubungan data mining dengan data warehouse

• Data mining memerlukan data yang banyak untuk di analisa dan mendapatkan pattern2 tertentu, nah datanya dari datawarehouse yang menyimpan banyak data. nah DataWareHouse pake OLAP ini biar lebih cepet pemrosesannya CMIIW.
• Data warehouse merupakan suatu sistem yang mengkonsolidasikan data secara periodik dari sistem-sistem yang ada (OLTP) ke dalam suatu penyimpanan dimensional. Pada umumnya, data warehouse menyimpan data histori beberapa tahun dan diquery untuk keperluan business intelligence atau aktifitas analisis lainnya. Data warehouse diremajakan secara batch, tidak serta-merta setiap terjadinya transaksi pada sistem-sistem sumber tersebut.

Data warehouse sebagai sumber data pada data mining dan OLAP, bukanlah data mentah, data tersebut telah melalui preprocessing (akan diterangkan lebih lanjut di seri selanjutnya), yaitu cleaning, integrasi, dan konversi. Proses ini lebih dikenal dengan Extract – Transform – Load (ETL).Extract mengambil data dari bermacam-macam jenis dan sumber data, transform membuat perubahan yang meningkatkan kualitas data, load memasukkan data yang sudah diubah (transform) ke data warehouse.

C. Perbedaan datawarehousing dan data mining

Data warehouse dan data mining adalah dua hal yang berbeda. data warehouse adalah database biasa yang berisi summary atau rekap untuk subject tertentu yang sudah diketahui. misalnya manajemen ingin mengetahui informasi tentang penjualan produk, maka dalam data warehouse dimasukkan rekap data penjualan dari database transaksi penjualan. bentuknya pun tabel biasa saja. tabel rekap ini hanya boleh diretrieve (diambil datanya) dan ditambah, tidak boleh diubah, atau di hapus. rekap ini biasanya akan ditampilkan dalam bentuk tabel, grafik, chart di dashboard (aplikasi Business Intelligence).

Data mining adalah proses pengolahan data untuk mendapatkan informasi yang belum diketahui informasi apa saja yang terdapat di kumpulan data tersebut. data mining dapat dilakukan terhadap berbagai jenis sumber data, misalnya data warehouse, artikel web, multimedia (gambar, suara, video), atau dokumen (files). data mining dilakukan dengan mengimplementasikan algoritma-algoritma data mining (akan dibahas di artikel lain) untuk mendapatkan informasi yang tidak terlihat dengan pengamatan langsung (perlu pengolahan lebih lanjut)

D. Tujuan membuat DatawarehouseTujuan ini membuat data warehouse harus memiliki beberapa sifat (referensi: Inmon, Turban) yaitu:

1. Non volatile
2. Berisi data bersih
3. Terintegrasi
4. standardized format
5. enterprise-wide
6. time variant
7. subject oriented

Data warehouse menggunakan 3 macam pemodelan, yaitu

1. star schema: adalah desain/skema dari satu fact table yang dikelilingi beberapa dimension table

1. snow flake schema: adalah desain lanjutan dari star schema, digunakan jika ada dimension table yang memiliki struktur bertingkat-tingkat (leveling) misalnya [propinsi, kabupaten, kecamatan, kelurahan], [tanggal, bulan, kuarter, semester, tahun], atau [negara, pulau, kota]

1. fact constellation: ini jika dalam satu skema terdapat beberapa fact table yang saling berbagi dimension table, ini mirip sekali dengan desain relational database, namun  fact table hanya menyimpan data yang akan diolah lebih lanjut di data mining dan OLAP

Pada data warehouse tidak digunakan istilan entity, istilah yang digunakan adalah fact table dan dimension table.

1. fact table adalah tabel yang berisi semua data yang ingin dan dapat diolah, misalnya jumlah penjualan, gaji pegawai, nilai pengadaan dan seterusnya.
2. dimension table adalah pengelompokkan untuk data yang ada di fact table, misalnya lokasi toko, usia pembeli, nama departemen, jenis pengadaan dan seterusnya

Keuntungan DatawarehouseDatawarehouse menyediakan model data yang bervariasi, dan tidak bergantung pada satu sumber data saja. Hal ini memudahkan pimpinan perusahaan/manager membuat laporan dan menganalisa. Saat me-load data ke dalam datawarehouse, data yang tidak konsisten akan diketahui dan secepatnya dirubah. Mendukung proses pembuatan laporan, agar keputusan yang diambil adalah keputusan yang benar sesuai data. Keamanan informasi didalam datawarehouse terjamin, karena datawarehouse selalu digunakan dan dimonitor oleh pengguna datawarehouse tersebut. Dalam membuat laporan tidak membuat proses transaksi yang ada menjadi lambat, karena datawarehouse terpisah dengan database operasional. Datawarehouse menyediakan berbagai macam bentuk laporan yang terbaru.

Kerugian Datawarehouse

1. Datawarehouse tidak cocok untuk data yang tidak struktur.
2. Data perlu di extract, diubah, dan di load ke datawarehouse, sehingga membutuhkan waktu (delay) kerja untuk datawarehouse yang belum terbentuk.
3. Semakin lama masa hidup bisnis yang menggunakan datawarehouse, maka semakin banyak biaya yang dikeluarkan oleh perusahaan untuk memodifikasi teknologi datawarehouse atau perawatan berjalan datawarehouse.
4. Jika data yang diambil lambat, maka data yang dimiliki di datawarehouse tidak berkulitas/ sehingga laporan tidak optimal.

Download : Data WareHouse

Sistem Penjadwalan Proses

Penjadwalan Proses

Penjadwalan proses merupakan basis sistem operasi multiprogramming. Dengan mengalih-alihkan pemroses di antara proses-proses yang ada, sistem operasi membuat sistem komputer menjadi lebih produktif dan efisien. Sasaran multiprogramming adalah mempunyai proses yang berjalan (dieksekusi) disetiap waktu untuk memaksimumkan utilisasi pemroses.

Deskripsi Penjadwalan Proses

Penjadwalan merupakan kumpulan kebijaksanaan dan mekanisme di sistem operasi yang berkaitan dengan urutan kerja yang dilakukan sistem komputer.

Penjadwalan bertugas memutuskan hal-hal berikut :

a. Proses yag harus berjalan

b. Kapan dan selama berapa lama proses berjalan

Sasaran utama penjadwalan proses

- Optimasi kinerja sistem komputer menurut kriteria tertentu.

- Kinerja untuk mengukur dan optimasi kinerja penjadwalan :

a. Adil (fairness)

b. Efisiensi

c. Waktu tanggap (response time)

d. Turn arround time

e. Throughput

Tipe – tipe penjadwalan

- Terdapat tiga tipe penjadwal berada secara bersama – sama pada sistem operasi yang kompleks, yaitu :

a. Penjadwalan jangka pendek

b. Penjadwalan jangka menengah

c. Penjadwalan jangka panjang

a. Penjadwalan jangka pendek

Penjadwal jangka pendek bertugas menjadwalkan alokasi pemoses di antara proses-proses Ready yang berada di memori utama. Sasaran utama penjadwal jangka pendek adalah memaksimumkan kinerja sistem untuk memenuhi satu kumpulan kriteria yang diharapkan. Penjadwal ini dijalankan setiap terjadi pengalihan proses untuk memilih proses berikutnya yang harus dijalankan

Penjadwalan jangka menengah

Penjadwal jangka menengah menangani proses-proses swapping. Proses – proses yang mempunyai kepentingan kecil saat itu adalah proses yang tertunda. Penjadwal jangka panjang mengendalikan transisi dari suspended ke ready (dari proses yang mengalami swapping)

Penjadwal jangka panjang

Penjadwal jangka panjang bekerja terhadap antrian batch dan memilih batch berikutnya yang harus di eksekusi sistem. Batch biasanya berupa proses-proses dengan penggunaan sumber daya yang intensif, program-program ini mempunyai prioritas yang rendah dan biasa digunakan sebagai pengisi selama periode aktivitas proses-proses interaktif rendah.

Strategi penjadwalan

Terdapat 2 strategi penjadwalan yaitu

a. Penjadwalan non preemptive (run to completion)

b. Penjadwalan preemptive

Penjadwalan non preemptive

Begitu proses diberi jatah layanan pemroses tidak dapat diambil alih oleh proses lain sampai proses itu selesai.

Non preemptive disebut juga dengan run to completion karena proses yang telah dijadwalkan akan dijalankan sampai selesainya atau proses tersebut meminta layanan masukan/keluaran.

Penjadwalan preemptive

Saat proses diberi jatah layanan pemroses dapat diambil alih proses lain yang mempunya prioritas lebih tinggi berdasarkan kriteria sistem itu

Pada penjadwalan preemptive, proses dapat disela oleh proses lain sebelum selesainya dan harus dilanjutkan menunggu jatah waktu layanan pemroses tiba kembali pada proses itu.

Algoritma penjadwalan proses

Algoritma yang menerapkan strategi nonpreemptive :

• FIFO (first in first out) atau FCFS (first come first serve)
• SJF (shortest job first)
• HRN (highest ratio next)

Algoritma yang menerapkan strategi preemptive :

• RR (round robin)
• MFQ (multiple feedback queues)
• SRF (shortest ratio next)
• PS (priority schedulling)
• GS (guaranteed schedulling)

Maudy Ayunda

Maudy ayunda adalah artis pendatang baru indonesia, Maudy ayunda memulai debutnya dalam dunia hiburan tanah air diawali lewat film "Untuk Rena" yang dibintanginya bersama Surya Saputra pada tahun 2006. Dalam film tersebut, Maudy berperan sebagai Rena, dan perannya sebagai zakiah nurmala dalam film sang pemimpi telah melejitkan namanya ke jajaran bintang top indonesia.

Nama Lengkap : Ayunda Faza Maudya
Tempat lahir : Jakarta Indonesia
Tanggal Lahir : 19 Desember 1994
Pekerjaan : aktris
Tahun aktif : 2006 – sekarang

film yang pernah di bintangi

• Untuk Rena (2006)
• Sang Pemimpi (film) (2009)
• Rumah Tanpa Jendela (2011)
• Tendangan dari Langit (2011)
• Malaikat Tanpa Sayap (2012)
• Perahu Kertas (2012)
• Perahu Kertas 2 (2012)

selain bermain film maudy juga mengeluarkan album pada tahun 2011 dengan judul panggil aku, dan pada tahun 2012 mengelurakan single Perahu kertas bisa di download Disini .

Download : Panggil Aku 

ER - Diagram

Model Entity Relationship (ERD) diperkenalkan pertama kali oleh P.P. Chen pada tahun 1976. Model ini dirancang untuk menggambarkan persepsi dari pemakai dan berisi obyek-obyek dasar yang disebut entity dan hubungan antar entity-entity tersebut yang disebut relationship. Pada model ER ini semesta data yang ada dalam dunia nyata ditransformasikan dengan memanfaatkan perangkat konseptual menjadik sebuah diagram, yaitu diagram ER ( Entity Relationship) Diagram Entity-Relationship melengkapi penggambaran grafik dari struktur logika . Dengan kata lain Diagram E-R menggambarkan arti dari aspek data seperti bagaimana entity-entity, atribut-atribut dan relationship-relationship disajikan. Sebelum membuat Diagram E-R , tentunya kita harus memahami betul data yang diperlukan dan ruang lingkupnya. Di dalam pembuatan diagram E-R perlu diperhatikan penentuan sesuatu konsep apakah merupakan suatu entity, atribut atau relationship. Dalam rekayasa perangkat lunak, sebuah Entity-Relationship Model (ERM) merupakan abstrak dan konseptual representasi data. Entity-Relationship adalah salah satu metode pemodelan basis data yang digunakan untuk menghasilkan skema konseptual untuk jenis/model data semantik sistem. Dimana sistem seringkali memiliki basis data relasional, dan ketentuannya bersifat top-down. Diagram untuk menggambarkan model Entitiy-Relationship ini disebut Entitiy-Relationship diagram, ER diagram, atau ERD.

Download : ER-Diagram