Ada yang membutuhkan penginapan murah di Yogyakarta? 1 rumah 4 kamar dengan fasilitas lengkap (TV di setiap kamar dan ruang keluarga, jaringan TV Kabel, Free Wifi, Full AC, Free Laundry, Full furniture, water heater, kulkas, kitchen, kamar mandi dalam) hanya 450rb/hari (selama masa promosi). Kalau menghendaki per kamar juga bisa, cuma 150rb/hari.

Kode Program Sistem Pakar

Dalam buku saya yang berjudul sistem pakar teori dan aplikasi, disertai dengan CD program. Program tersebut dibuat dengan borland delphi 5 dengan dukungan komponen ABC for delphi 5 dan DBMS Interbase. Namun sayang banyak pembaca yang merasa kesulitan untuk mendapatkan komponen tersebut sementara saya tidak bisa menshare komponen tersebut karena belum free. Oleh karena itu untuk para pembaca buku saya, ini saya sediakan kode program yang tanpa komponen ABC dengan interface seadanya. Bagi yang memerlukan silahkan download disini. Semoga bermanfaat.

Decision Tree as Knowledge Management Tool in Image Classification

Expert System has been grown so fast as a science that study how to make computer capable of solving problems that typically can only be solved by expert. It has been realized that the biggest challenge of developing expert system is the process include expert’s knowledge into the system.

This research tries to model expert’s knowledge management using case based reasoning method. The knowledge itself is not inputted directly by the expert, but rather the system will learn the knowledge from what the expert did to the previous cases.

This research takes image classification as the problem to be solved. As the knowledge development technique, we build decision tree by using C4.5 algorithm. Variables used for building the decision tree are the image visual features.
...

to read the full paper you can download here

this paper has been presented in Knowledge Management International Conference 12th Juni 2008 in Holiday Villa Beach Resort & Spa Langkawi Malaysia

the presentation file can be download here

Plagiarisme

Plagiarisme menurut wikipedia adalah penjiplakan atau pengambilan karangan, pendapat, dan sebagainya dari orang lain dan menjadikannya seolah karangan dan pendapat sendiri.

Masih menurut wikipedia yang digolongkan sebagai plagiarisme adalah:

* menggunakan tulisan orang lain secara mentah, tanpa memberikan tanda jelas (misalnya dengan menggunakan tanda kutip atau blok alinea yang berbeda) bahwa teks tersebut diambil persis dari tulisan lain
* mengambil gagasan orang lain tanpa memberikan anotasi yang cukup tentang sumbernya

sedangkan hal-hal yang tidak tergolong plagiarisme, dalam wikipedia dijelaskan:

* menggunakan informasi yang berupa fakta umum.
* menuliskan kembali (dengan mengubah kalimat atau parafrase) opini orang lain dengan memberikan sumber jelas.
* mengutip secukupnya tulisan orang lain dengan memberikan tanda batas jelas bagian kutipan dan menuliskan sumbernya.

Menghindarkan plagiarismen memang tidak mudah. Apalagi dengan adanya internet yang memudahkan kita untuk mendapatkan informasi yang dengan mudah pula kita copy paste.

Sebagian penulis yang baru belajar terkadang terjebak pada kondisi ini, entah karena disengaja maupun tanpa disengaja karena ketidaktahuannya.

Hal ini juga terjadi pada saya, sebagai orang yang baru belajar menulis yang belum begitu paham masalah kutip pengutipan.

Pada awalnya saya anggap untuk menghindari plagiarisme cukup dengan menyebutkan sumbernya pada bagian daftar pustaka. Tentu saja ini tidak benar, kita harus menyebutkan sumber dengan jelas untuk setiap tulisan yang kita ambil dari tempat lain.

Ini terjadi pada saat saya menulis buku saya yang berjudul Sistem Pakar: Teori dan Aplikasi. Buku ini saya tulis dengan tujuan untuk memberikan contoh pembangunan aplikasi sistem pakar yang merupakan hasil penelitian saya. Untuk memperkaya dasar pemahaman tentang sistem pakar yang ingin saya contohkan, saya mengambil dari berbagai sumber dengan menyebutkan sumber itu pada bagian daftar pustaka, dan tanpa menyebut sumber pada tiap tulisannya. Sumber yang saya ambil untuk buku saya tersebut diantaranya adalah karya Bapak Herman Tolle yang berjudul Pengantar Kecerdasan Buatan (Artificial Intelligence) yang saya ambil dari elektro.brawijaya.ac.id/akademik/ kuliah/tke392/I%20-%20PENGANTAR%20AI.PDF dan Representasi Pengetahuan ( Knowledge Representation) yang saya ambil dari elektro.brawijaya.ac.id/akademik/kuliah/ tke392/III%20-%20REPRESENTASI%20PENGETAHUAN.PDF (tanggal akses 9 Des 05)

Mohon maaf kepada Bapak Herman, dan pihak-pihak lain yang mungkin saya rugikan karena ketidakpahaman saya tentang tata cara penulisan kembali suatu karya.

Collaborating Text and Image Features for Building Decision Tree of Diagnose Problem

Making a good and clear diagnosis needs medical data in various forms. A design of diagnosis application is discuss here using case based reasoning method. All previous domain cases are represented in decision tree, text and medical image visual features data concerning with the domain are used as variables decision.

The texture features extracted from medical images used here are first order color moment, second order color moment, third order color moment, entropy, energy, contras and homogeneity. The decision tree is constructed by C4.5 algorithm.

The build decision tree hopefully can support diagnosis process in computer based diagnosis tool.


....

to read the full paper you can download here

this paper has been presented in International Graduate Conference on Engineering and Science on 24th December 2008 in University Technology Malaysia

the presentation file can be download here

Algoritma C4.5

Untuk memudahkan penjelasan mengenai algoritma C4.5 berikut ini disertakan contoh kasus yang dituangkan dalam Tabel 3.1.

Dalam kasus yang tertera pada Tabel 3.1, akan dibuat pohon keputusan untuk menentukan main tenis atau tidak dengan melihat keadaan cuaca, temperatur, kelembaban dan keadaan angin.

Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut:

1. Pilih atribut sebagai akar
2. Buat cabang untuk masing-masing nilai
3. Bagi kasus dalam cabang
4. Ulangi proses untuk masing-masing cabang sampai semua kasus pada cabang memiliki kelas yang sama.

Untuk memilih atribut sebagai akar, didasarkan pada nilai gain tertinggi dari atribut-atribut yang ada. Untuk menghitung gain digunakan rumus seperti tertera dalam Rumus 1 (Craw, S., ---).

Sedangkan penhitungan nilai entropy dapat dilihat pada rumus 2 berikut(Craw, S., ---):

Berikut ini adalah penjelasan lebih rinci mengenai masing-masing langkah dalam pembentukan pohon keputusan dengan menggunakan algoritma C4.5 untuk menyelesaikan permasalahan pada Tabel 3.1.

1. Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut OUTLOOK, TEMPERATURE, HUMIDITY dan WINDY. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 3.2.







2. 
   
   

Baris TOTAL kolom Entropy pada Tabel 3.2 dihitung dengan rumus 2, sebagai berikut:

Dari hasil pada Tabel 3.2 dapat diketahui bahwa atribut dengan Gain tertinggi adalah HUMIDITY yaitu sebesar 0.37. Dengan demikian HUMIDITY dapat menjadi node akar. Ada 2 nilai atribut dari HUMIDITY yaitu HIGH dan NORMAL. Dari kedua nilai atribut tersebut, nilai atribut NORMAL sudah mengklasifikasikan kasus menjadi 1 yaitu keputusan-nya Yes, sehingga tidak perlu dilakukan perhitungan lebih lanjut, tetapi untuk nilai atribut HIGH masih perlu dilakukan perhitungan lagi.

Dari hasil tersebut dapat digambarkan pohon keputusan sementara-nya tampak seperti Gambar 3.1

1. 
   
   
   
   
   
   
   
   
   
2. Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut OUTLOOK, TEMPERATURE dan WINDY yang dapat menjadi node akar dari nilai atribut HIGH. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 3.3.

Dari hasil pada Tabel 3.3 dapat diketahui bahwa atribut dengan Gain tertinggi adalah OUTLOOK yaitu sebesar 0.67. Dengan demikian OUTLOOK dapat menjadi node cabang dari nilai atribut HIGH. Ada 3 nilai atribut dari OUTLOOK yaitu CLOUDY, RAINY dan SUNNY. Dari ketiga nilai atribut tersebut, nilai atribut CLOUDY sudah mengklasifikasikan kasus menjadi 1 yaitu keputusan-nya Yes dan nilai atribut SUNNY sudah mengklasifikasikan kasus menjadi satu dengan keputusan No, sehingga tidak perlu dilakukan perhitungan lebih lanjut, tetapi untuk nilai atribut RAINY masih perlu dilakukan perhitungan lagi.

Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada gambar 3.2 berikut:

3. Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut TEMPERATURE dan WINDY yang dapat menjadi node cabang dari nilai atribut RAINY. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 3.4.

Dari hasil pada tabel 3.4 dapat diketahui bahwa atribut dengan Gain tertinggi adalah WINDY yaitu sebesar 1. Dengan demikian WINDY dapat menjadi node cabang dari nilai atribut RAINY. Ada 2 nilai atribut dari WINDY yaitu FALSE dan TRUE. Dari kedua nilai atribut tersebut, nilai atribut FALSE sudah mengklasifikasikan kasus menjadi 1 yaitu keputusan-nya Yes dan nilai atribut TRUE sudah mengklasifikasikan kasus menjadi satu dengan keputusan No, sehingga tidak perlu dilakukan perhitungan lebih lanjut untuk nilai atribut ini.

Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada Gambar 3.3.

Dengan memperhatikan pohon keputusan pada Gambar 3.3, diketahui bahwa semua kasus sudah masuk dalam kelas. Dengan demikian, pohon keputusan pada Gambar 3.3 merupakan pohon keputusan terakhir yang terbentuk.

Pemilihan Peneliti Muda Indonesia 2008

Tanggal 3-6 Agustus saya mengikuti Pemilihan Peneliti Muda Indonesia (PPMI) 2008 yang diselenggarakan oleh LIPI. Kebetulan saya menjadi salah satu finalis dari 2 yang masuk sebagai finalis dalam kategori Teknik dan Rekayasa. Selain dari kategori Teknik dan Rekayasa masih ada 18 finalis lainnya dari 4 kategori yang lain. Selain itu kami juga bersama dengan teman-teman muda dari SMP dan SMA peserta Lomba Karya Ilmiah Remaja (LKIR).

Ini adalah moment yang luar biasa dimana saya bisa bertemu dengan orang-orang hebat dibidangnya. Setiap finalis memiliki keunggulan yang luar biasa. Format acara yang dibuat oleh LIPI dengan menekankan kebersamaan, komunikasi antar peneliti membuat antar finalis akrab satu sama lain, bahkan sampai lupa kalau kami harus saling bersaing untuk terpilih di masing-masing bidang kami.

Hari pertama kami lalui dengan serangkaian acara dari pembukaan di Hotel Sahid bersama dengan pembukaan LIPI Expo 2008 yand secara resmi dilakukan oleh Wakil Presiden kita Bapak Yusuf Kala. Ada pelajaran penting dari yang disampaikan beliau mengenai penelitian,
diantaranya:1. Penelitian harus melihat kedepan, bukan membanggakan teknologi fosil 2. Sebuah penelitan harus mampu membuat masysrakat lebih baik dengan membuat produk atau proses produksi menjadi lebih baik, lebih murah dan lebih cepat.

Selesai acara pembukaan, kami berangkat ke Gedung LIPI di Jl. Gatot Subroto. Inilah acara intinya, presentasi karya dan wawancara. Sungguh pengalaman yang luar biasa saya bisa mendapatkan masukan dan motivasi dari peneliti-peneliti senior dari LIPI dan ITB. Pelajaran yang tercatat dari apa yang mereka sampaikan yaitu bahwa penelitian itu bukan sekedar kesenangan kita melakukan sesuatu, tetapi juga penelitian harus didasarkan pada masalah yang muncul dan hasil penelitian itu bisa menjadi solusi bagi permasalah tersebut. Jika kita melakukan penelitian dengan meninjau penelitian orang lain, jangan kita menunjukkan kesempurnaan dari hasil penelitian orang lain tersebut tetapi justru kelemahannya sehingga kita bisa menutupi kelemahan tersebut (kalau sudah sempurna kita tidak perlu melakukan penelitian lanjutan). Selain itu penelitian juga harus dilakukan secara tuntas, tidak berganti-ganti topik sampai penelitiannya berhasil dan terimplementasikan dengan baik.

Hari pertama yang menegangkan dan melelahkan telah kami lalui, kembali ke hotel Aston Athrium senen tempat kami menginap serasa begitu jauh karena jalanan yang macet. Sampai ke hotel kami langsung berhamburan menyerbu makanan yang sudah dihidangkan di hotel tersebut.

Di hari kedua, panitia membawa kami ke Kantor Kementrian negara Riset dan Teknologi. Kami tidak bertemu dengan menristek yang pada waktu yang sama sedang mendampingi Bapak residen ke Bali. Tapi kami cukup bahagia diterima oleh Sekretaris kementerian Negara Riset dan Teknologi, Bp. Prof Dr Ir Benyamin Lakitan. Sharing ilmu antara para Finalis PPMI, peserta LKIR dan pendamping LKIR dengan Bapak Beny dan Bu Sri yang dipandu oleh Ibu Neni Sintowardani terasa begitu menyenangkan.

Selesai dari kementrian negara riset dan teknologi, kami di ajak ke Bogor mengunjungi Kebon Raya Bogor. Hari yang melelahkan dan menyenangkan kami lalui. Kami sampai kembali di hotel
tempat kami menginap ketika jam makan malam sudah lewat, dan kami tak ragu lagi untuk
menyelesaikan makan malam kami yang tertunda.

Di hari ketiga, kami dibawa ke Graha LIPI lagi untuk mengikuti Temu Ilmiah Peneliti Muda Indonesia tahun 2008, dalam acara ini ada 3 pembicara mantan peneliti muda yang sudah berhasil menyelesaikan penelitian mereka. Sugguh penelitian luar biasa yang dapat memberikan inspirasi bagi setiap peserta dalam pertemuan itu.

Acara dilanjutkan dengan penganugerahan peneliti muda indonesia 2008 dan pengumumkan pemenang LKIR. MMMh acara yang membuat dag dig dug setiap finalis. Detik-detik yang menegangkan kami lalui, dan akhirnya saya belum terpilih untuk mendapatkan icon peneliti muda terbaik dalam bidang teknik dan rekayasa tahun 2008. Tahun ini Bapak Dr. Eng Ratno Nuryadi yang telah memiliki pengalaman lebih banyak dalam melakukan penelitian bersama timnya di Jepang berhasil terpilih sebagai peneliti muda terbaik dalam bidang teknik dan rekayasa tahun 2008. Selamat ya Pak.....

Tanggal 7 Agustus 2008, saya kembali ke Yogyakarta tetap dengan senyum kemenangan,
kemenangan karena diberi kesempatan untuk bertemu teman yang hebat-hebat, kesempatan menimba ilmu gratis yang difasilitasi oleh LIPI, terimakasih LIPI, terimakasih Bu Retno, Bu Mariana, dan juga Bu Neni serta tak lupa Pak Lorent yang membuat suasana selalu ceria...