SOFTSKILL

INTERNET OF THINGS

Definisi Pengendalian

Pengendalian merupakan salah satu bagian dari manajemen. Pengendalian dilakukan dengan tujuan supaya apa yang telah direncanakan dapat dilaksanakan dengan baik sehingga dapat mencapai target maupun tujuan yang ingin dicapai. Pengendalian memang merupakan salah satu tugas dari manager. Satu hal yang harus dipahami, bahwa pengendalian dan pengawasan adalah berbeda karena pengawasan merupakan bagian dari pengendalian. Bila pengendalian dilakkan dengan disertai pelurusan (tindakan korektif), maka pengawasan adalah pemeriksaan di lapangan yang dilakukan pada periode tertentu secara berulang kali.

1. PENGERTIAN PENGENDALIAN

Pengertian pengendalian menurut para ahli

• GEORGE. R TERRY

Pengendalian dapat didefinisikan sebagai suatu proses penentuan apa yang harus dicapai yaitu standar, apa yang sedang dilakukan yaitu pelaksanaan, menilai pelaksanaan dan bila perlu melakukan perbaikan-perbaikan sehingga pelaksanaan sesuai dengan rencana yaitu selaras dan standar

• KOONZ

Pengendalian adalah pengukuran dan perbaikan terhadap pelaksanaan kerja bawahan, agar rencana-rencana yang telah dibuat mencapai tujuan-tujuan perusahaan dapat diselenggarakan

• STRONG

Pengendalian adalah proses pengaturan berbagai faktor dalam suatu perusahaan, agar pelaksanaan sesuai dengan ketetapan-ketetapan dalam rencana

• SYAMSI

Pengendalian adalah fungsi manajemen yang mengusahakan agar pekerjaan/ kegiatan terlaksana sesuai dengan rencana, instruksi, pedoman, patokan, pengaturan atau hasil yang telah ditetapkan sebelumnya.

Definisi Monetisasi

Monetisasi blog adalah suatu proses untuk membuat blog yang mempunyai nilai tawar yang tinggi. Blog dapat di manfaatkan sebagai sumber keuntungan. Oleh sebab, itu banyak cara yang bisa dilakukan untuk mendapatkan keuntungan ini.

Misalnya dengan cara membuat review suatu barang atau website, pemasangan iklan, mengajak seseorang untuk gabung dan masiih banyak lagi deh. Nah ini adalah jenis-jenis dari monetisasi blog, ada PPC (paid per click), PTC (paid to click), PPR (paid per review), PPS (paid per survey), PPD (paid per download), Affiliate, dan yang terakhir Referral.

Definisi Operasional

Definisi operasional merupakan suatu definisi yang berdasarkan pada suatu karakteristik yang dapat diobservasi(pengamatan) dari apa yang sedang didefinisikan ataupun juga “mengubah konsep-konsep yang berupa konstruk dengan kata-kata yang dapat menggambarkan suatu perilaku maupun gejala yang dapat diamati serta yang dapat diuji dan ditentukan kebenarannya oleh orang lain.

– Pengertian Definisi Operasional Tipe A merupakan yang dapat disusun berdasarkan suatu operasi yang harus dilakukan, sehingga dapat menyebabkan gejala ataupun keadaan yang didefinisikan menjadi nyata maupun dapat terjadi.

– Definisi operasional Tipe B merupakan yang  dapat disusun berdasarkan bagaimana suatu obyek tertentu yang didefinisikan dapat dioperasionalisasikan , ialah berupa apa yang dilakukannya maupun apa yang menyusun karaktersitik-karakteristik dinamisnya.

– Definisi operasional Tipe C merupakan yang  dapat disusun berdasarkan suatu penampakan seperti apa obyek ataupun gejala yang didefinisikan, yaitu tentang apa saja yang menyusun suatu karaktersitik-karaktersitik statisnya.

Definisi Perluasan

Melakukan berbagai suatu inovasi yang berharga terhadap sesuatu sehingga menimbulkan dampak yang positif bagi semua orang

3D TEKNOLOGI

3D:Animasi berasal dari kata ‘to animate’, membuat seolah-olah hidup & bergerak. Animasi adalah hal yang sudah menjadi bagian dari kehidupan manusia sehari-hari. Mulai dari film, iklan, game, dan masih banyak lainnya yang menggunakan animasi. Saat ini animasi yang banyak dikenal adalah animasi 2D dan 3D. Secara lebih mudah kita bisa membedakan animasi dengan melihat cara penggambarannya. Animasi 2D biasa digunakan pada film-film kartun yang lucu dan menarik untuk anak-anak, seperti kartun Tom & Jerry, Spongebob Squarepants, dan berbagai film kartun lainnya yang digemari oleh anak-anak. Sedangkan pada animasi 3D kita bisa melihat pada film-film yang mempunyai gambar lebih real(nyata), seperti film avatar, final fantasy, dan banyak lainnya. Namun sebenarnya perbedaan dari animasi 2D dan 3D adalah dilihat dari sudut pandangnya. Animasi 2D menggunakan koordinat x dan y, sedangkan animasi 3D menggunakan koordinat x, y dan z yang memungkinkan kita dapat melihat sudut pandang objek secara lebih nyata. Dalam rangka untuk memahami prinsip yang di belakang grafis 3D dan animasi, penting agar kita tahu dengan jelas perbedaan dasar dari animasi 2D tradisional. Aplikasi grafis 3D yang memiliki perwakilan geometris dari variabel yang ada pada komputer dalam melakukan perhitungan yang akan membuat grafik yang dihasilkan 2D.

Camera Tracking adalah sebuah teknik penyesuaian camera virtual didalam adobe after effects yang nantinya camera virtual tersebut akan merepresentasikan segala gerak gerik kamera asli.  dan Text Compositing merupakan sebuah teknik mudah dimana kita akan menambahkan text dinamis yang seolah olah text tersebut berada di dalam scene dan mengikut segala movement scene.

Augmented reality adalah teknologi yang menggabungkan benda-benda maya (baik berdimensi 2 dan/atau berdimensi 3) dan benda-benda nyata ke dalam sebuah lingkungan nyata berdimensi 3, lalu memproyeksikan benda-benda maya tersebut dalam waktu nyata agar terintegrasi dan berjalan secara interaktif dalam dunia nyata.

December 13, 2016 by riscamaulia Leave a comment

SOFTSKILL

Data Mining

Pengertian data mining

Data Mining adalah serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual. Patut diingat bahwa kata mining sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari sejumlah besar material dasar. Karena itu Data Mining sebenarnya memiliki akar yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelligent), machine learning, statistik dan database. Data mining adalah proses menerapkan metode ini untuk data dengan maksud untuk mengungkap pola-pola tersembunyi. Dengan arti lain Data mining adalah proses untuk penggalian pola-pola dari data. Data mining menjadi alat yang semakin penting untuk mengubah data tersebut menjadi informasi. Hal ini sering digunakan dalam berbagai praktek profil, seperti pemasaran, pengawasan, penipuan deteksi dan penemuan ilmiah.

Fungsi Data Mining
Menurut Yusuf W dkk (2006) dikutip oleh (Citra, 2015) data mining dapat menjalankan fungsi-fungsi sebagai berikut ;
1. Deskripsi
Deskripsi dapat membantu dalam menjelaskan pola dan trend yang terjadi, pola dan trend data sering dideskripsikan. Model data mining harus transparan, sehingga hasilnya dapat mendeskripsikan pola dengan jelas.
2. Estimasi
Estimasi sama dengan deskripsi kecuali variabel targetnya numerik ketimbang kategorikal. Model yang dibuat menggunakan record yang lengkap, yang telah menyediakan nilai variabel target prediktor.
3. Prediksi
Prediksi sama dengan klasifikasi dan estimasi yang membedakannya hanya hasil dalam prediksi yang terjadi dimas yang akan datang.
4. Klasifikasi
Variabel target dalam kasifikasi adalah kategorikal. Mode Data Mining memeriksa set record yang besar, dimana setiap record memiliki informasi variabel target dan set input.
5. Clustering
Pengelompokan record, observasi atau kasus ke dalam objek-objek yang mirip disebut dengan clustering, didalam clustering tidak terdapat variabel target, clustering mencoba menfregmentasi seluruh set data kedalam subgroup yang relatif homogen, dimana kemiripan antar record luar cluster diminimasikan sedangkan kemiripan di dalam record dimaksimalkan.
6. Asosiasi
Asosiasi adalah suatu tugas untuk menemukan atribut-atribut yang terjadi bersamaan yang mencoba menemukan aturan untuk mrngkuantifikasi hubungan antara dua atau lebih atribut.

Tujuan data mining antara lain:

1. Explanatory

Untuk menjelaskan beberapa kondisi penelitian, seperti mengapa penjualan truk pick up meningkat di colorado

2.Confirmatory

Untuk mempertegas hipotesis, seperti halnya 2 kali pendapatan keluarga lebih suka di pakai untuk membeli peralatan keluarga, di bandingkan dengan satu kali pendapatan keluarga.

3.Exploratory

Menganalisis data untuk hubungan yang baru yang tidak di harapkan, seperti halnya pola apa yang cocok untuk kasus penggelapan kartu kredit.

Tahap-Tahap Data Mining

Sebagai suatu rangkaian proses, data mining dapat dibagi menjadi beberapa tahap yang diilustrasikan pada Gambar 2 di atas. Tahap-tahap tersebut bersifat interaktif di mana pemakai terlibat langsung atau dengan perantaraan knowledge base. Tahapan-tahapan tersebut, diantaranya :

1. Pembersihan data (untuk membuang data yang tidak konsisten dan noise)

Pada umumnya data yang diperoleh, baik dari database suatu perusahaan maupun hasil eksperimen, memiliki isian-isian yang tidak sempurna seperti data yang hilang, data yang tidak valid atau juga hanya sekedar salah ketik. Selain itu, ada juga atribut-atribut data yang tidak relevan dengan hipotesa data mining yang kita miliki. Data-data yang tidak relevan itu juga lebih baik dibuang karena keberadaannya bisa mengurangi mutu atau akurasi dari hasil data mining nantinya. Garbage in garbage out (hanya sampah yang akan dihasilkan bila yang dimasukkan juga sampah) merupakan istilah yang sering dipakai untuk menggambarkan tahap ini. Pembersihan data juga akan mempengaruhi performasi dari sistem data mining karena data yang ditangani akan berkurang jumlah dan kompleksitasnya.

2.Integrasi data (penggabungan data dari beberapa sumber)

Tidak jarang data yang diperlukan untuk data mining tidak hanya berasal dari satu database tetapi juga berasal dari beberapa database atau file teks. Integrasi data dilakukan pada atribut-aribut yang mengidentifikasikan entitas-entitas yang unik seperti atribut nama, jenis produk, nomor pelanggan dsb. Integrasi data perlu dilakukan secara cermat karena kesalahan pada integrasi data bisa menghasilkan hasil yang menyimpang dan bahkan menyesatkan pengambilan aksi nantinya. Sebagai contoh bila integrasi data berdasarkan jenis produk ternyata menggabungkan produk dari kategori yang berbeda maka akan didapatkan korelasi antar produk yang sebenarnya tidak ada. Dalam integrasi data ini juga perlu dilakukan transformasi dan pembersihan data karena seringkali data dari dua database berbeda tidak sama cara penulisannya atau bahkan data yang ada di satu database ternyata tidak ada di database lainnya.

3.Transformasi data (data diubah menjadi bentuk yang sesuai untuk di-mining)

Beberapa teknik data mining membutuhkan format data yang khusus sebelum bisa diaplikasikan. Sebagai contoh beberapa teknik standar seperti analisis asosiasi dan klastering hanya bisa menerima input data kategorikal. Karenanya data berupa angka numerik yang berlanjut perlu dibagi-bagi menjadi beberapa interval. Proses ini sering disebut binning. Disini juga dilakukan pemilihan data yang diperlukan oleh teknik data mining yang dipakai. Transformasi dan pemilihan data ini juga menentukan kualitas dari hasil data mining nantinya karena ada beberapa karakteristik dari teknik-teknik data mining tertentu yang tergantung pada tahapan ini.

4.Aplikasi teknik data mining

Aplikasi teknik data mining sendiri hanya merupakan salah satu bagian dari proses data mining. Ada beberapa teknik data mining yang sudah umum dipakai. Kita akan membahas lebih jauh mengenai teknik-teknik yang ada di seksi berikutnya. Perlu diperhatikan bahwa ada kalanya teknik-teknik data mining umum yang tersedia di pasar tidak mencukupi untuk melaksanakan data mining di bidang tertentu atau untuk data tertentu. Sebagai contoh akhir-akhir ini dikembangkan berbagai teknik data mining baru untuk penerapan di bidang bioinformatika seperti analisa hasil microarray untuk mengidentifikasi DNA dan fungsi-fungsinya.

5.Evaluasi pola yang ditemukan (untuk menemukan yang menarik/bernilai)

Dalam tahap ini hasil dari teknik data mining berupa pola-pola yang khas maupun model prediksi dievaluasi untuk menilai apakah hipotesa yang ada memang tercapai. Bila ternyata hasil yang diperoleh tidak sesuai hipotesa ada beberapa alternatif yang dapat diambil seperti : menjadikannya umpan balik untuk memperbaiki proses data mining, mencoba teknik data mining lain yang lebih sesuai, atau menerima hasil ini sebagai suatu hasil yang di luar dugaan yang mungkin bermanfaat.

Ada beberapa teknik data mining yang menghasilkan hasil analisa berjumlah besar seperti analisis asosiasi. Visualisasi hasil analisa akan sangat membantu untuk memudahkan pemahaman dari hasil data mining.

6.Presentasi pola yang ditemukan untuk menghasilkan aksi

Tahap terakhir dari proses data mining adalah bagaimana memformulasikan keputusan atau aksi dari hasil analisa yang didapat. Ada kalanya hal ini harus melibatkan orang-orang yang tidak memahami data mining. Karenanya presentasi hasil data mining dalam bentuk pengetahuan yang bisa dipahami semua orang adalah satu tahapan yang diperlukan dalam proses data mining. Dalam presentasi ini, visualisasi juga bisa membantu mengkomunikasikan hasil data mini

Penerapan Data Mining

Terkadang muncul pertanyaan tentang penerapan data mining itu sendiri. Di bidang apa saja penerapannya dapat dilakukan? Artikel singkat ini berusaha memberikan jawabannya.

Analisa Pasar dan Manajemen

Untuk analisa pasar, banyak sekali sumber data yang dapat digunakan seperti transaksi kartu kredit, kartu anggota club tertentu, kupon diskon, keluhan pembeli, ditambah dengan studi tentang gaya hidup publik.

Beberapa solusi yang bisa diselesaikan dengan data mining diantaranya:

• Menembak target pasar

Data mining dapat melakukan pengelompokan (clustering) dari model-model pembeli dan melakukan klasifikasi terhadap setiap pembeli sesuai dengan karakteristik yang diinginkan seperti kesukaan yang sama, tingkat penghasilan yang sama, kebiasaan membeli dan karakteristik lainnya.

• Melihat pola beli pemakai dari waktu ke waktu

Data mining dapat digunakan untuk melihat pola beli seseorang dari waktu ke waktu. Sebagai contoh, ketika seseorang menikah bisa saja dia kemudian memutuskan pindah dari single account ke joint account (rekening bersama) dan kemudian setelah itu pola beli-nya berbeda dengan ketika dia masih bujangan.

• Cross-Market Analysis

dengan produk lainnya. Berikut ini saya sajikan beberapa contoh:

• Cari pola penjualan Coca Cola sedemikian rupa sehingga kita dapat mengetahui barang apa sajakah yang harus kita sediakan untuk meningkatkan penjualan Coca Cola?
• Cari pola penjualan IndoMie sedemikian rupa sehingga kita dapat mengetahui barang apa saja yang juga dibeli oleh pembeli IndoMie. Dengan demikian kita bisa mengetahui dampak jika kita tidak lagi menjual IndoMie.
• Cari pola penjualan
• Profil Customer

Data mining dapat membantu Anda untuk melihat profil customer/pembeli/nasabah sehingga kita dapat mengetahui kelompok customer tertentu suka membeli produk apa saja.

• Identifikasi Kebutuhan Customer

Anda dapat mengidentifikasi produk-produk apa saja yang terbaik untuk tiap kelompok customer dan menyusun faktor-faktor apa saja yang kira-kira dapat menarik customer baru untuk bergabung/membeli.

• Menilai Loyalitas Customer

VISA International Spanyol menggunakan data mining untuk melihat kesuksesan program-program customer loyalty mereka.

• Informasi Summary

Anda juga dapat memanfaatkan data mining untuk membuat laporan summary yang bersifat multi-dimensi dan dilengkapi dengan informasi statistik lainnya.

December 13, 2016 by riscamaulia Leave a comment