Senayan Library Management System (SLiMS) merupakan perangkat lunak sumber terbuka yang didesain untuk memenuhi kebutuhan otomatis perpustakaan (Library automation) skala kecil hingga skala besar. Dengan fitur yang dapat dikatakan lengkap dan masih terus aktif dikembangkan, SLiMS dapat digunakan oleh perpustakaan yang memiliki koleksi, anggota dan staf yang banyak, baik itu jaringan lokal (intranet) maupun internet. Untuk yang mau menggunakan SLiMS 9 Bulian menggunakan aplikasi LARAGON alternatif dari XAMPP, silakan ikuti tutorialnya. Semoga Membantu.
Tutorial Install SLiMS 9 Bulian di LARAGON - Klik Video
Jika mau menggunakan XAMPP silakan Download XAMPP Windows x64.
Download SLiMS 9.4.2 Untuk TUTORIAL lainnya tentang SLiMS dapat dilihat di:
Download SLiMS 9.5.0 YOUTUBE @MafriaTechEdu
Download SLiMS 9.5.2 YOUTUBE @TutorialSlims
Download SLiMS 9.6.0 YOUTUBE @SefriDoni
Download SLiMS 9.6.1 Unduh SLiMS dari situs resminya
Laragon adalah lingkungan pengembangan universal yang portabel, terisolasi, cepat, dan kuat untuk PHP, Node.js, Python, Java, Go, dan Ruby. Aplikasi ini cepat, ringan, dan mudah digunakan. Aplikasi ini juga bagus digunakan untuk membangun dan mengelola suatu aplikasi web modern. Ini juga berfokus pada kinerja yang sudah dirancang dengan mempertimbangkan stabilitas, kesederhanaan, fleksibilitas, dan kebebasan. LARAGON hampir sama dengan XAMPP. Bagaimana cara menginstalnya? Ikuti Video Tutorialnya. Semoga Membantu.
Tutorial Install LARAGON - Klik Video
Tutorial Install phpMyAdmin di LARAGON - Klik Video
Untuk Software LARAGON sendiri silakan Download
Biasanya dipakai oleh peneliti dalam penelitian karya ilmiah atau tugas akhir dalam dunia teknologi atau informasi
Metode Naive Bayes
Naive Bayes merupakan metode pengklasifikasian berdasarkan probabilitas sederhana dan dirancang agar dapat dipergunakan dengan asumsi antar variabel penjelas saling bebas (independen). Pada algoritma ini pembelajaran lebih ditekankan pada pengestimasian probabilitas.
Metode Fuzzy Logic Tsukamoto
Metode Fuzzy Logic Tsukamoto merupakan sebuah metode yang tertuju pada aturan yang berbentuk IF-THEN yang direpresentasikan himpunan Fuzzy dengan fungsi keanggotaan yang monoton, serta kriteria dan rules yang digunakan untuk menentukan hasil akhir.
Metode Pieces Framework
Pieces Framework adalah sebuah metode yang digunakan untuk mengklasifikasikan sebuah permasalahan. Klasifikasinya dibagi enam kategori yaitu Performance, Information, Economics, Control, Efficiency, dan Service.
Metode Multi Attribute Utility Theory
Multi-Attribute Utility Theory (MAUT) merupakan salah satu metode kuantitatif yang dijadikan dasar pengambilan keputusan melalui prosedur sistematis yang mengidentifikasi dan menganalisa beberapa variabel.
Metode Penetration Testing
Penetration Testing adalah metode untuk mengevaluasi sistem keamanan perangkat atau komputer dengan cara mensimulasikan serangan siber secara nyata. Metode ini dilakukan oleh seseorang ahli di bidangnya yang disebut pentester. Pentester tersebut akan mencoba menemukan celah atau kerentanan dalam sistem keamanan.
Metode First Expired First Out
First Expired First Out (FIFO), merupakan metode pengelolaan barang dengan cara mengeluarkan atau memanfaatkan barang yang memiliki masa kadaluarsa paling dekat terlebih dahulu.
Metode Promethee
Promethee suatu metode penentuan urutan (prioritas) dalam analisis multikriteria. Masalah pokoknya adalah kesederhanaan, kejelasan, dan kestabilan. Metode PROMETHEE cukup baik dalam memperhitungkan karakteristik dari data, karena suatu data tidak selamanya bersifat higher better atau smaller better.
Metode Least Square
Metode Least Square atau Metode Trend Kuadrat Terkecil merupakan suatu metode analisis yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang.
Metode Analytical Hierarchy Process (AHP)
Analytical Hierarchy Process (AHP) adalah metode yang digunakan untuk mengevaluasi dan membuat keputusan multi-kriteria. Ini mengevaluasi berbagai alternatif berdasarkan kriteria yang berbeda dan memberikan skor relatif untuk setiap alternatif.
Metode Forward Chaining
Metode Forward Chaining adalah pencarian maju yang di mulai dari beberapa fakta-fakta dengan mencari pedoman yang sesuai dengan dugaan/hipotesis yang muncul menuju suatu hasil/kesimpulan.
Metode Long Short Term Memory Network
Long Short Term Memory Network (LSTM) adalah sistem penyimpanan data yang dapat memproses, memprediksi, dan mengklasifikasikan informasi yang telah disimpan dalam jangka waktu lama sekali pun. LSTM hadir sebagai bentuk modifikasi dari recurrent neural network atau RNN dan termasuk sebagai salah satu yang populer.
Metode Preference Selection Index (PSI)
Metode Preference Selection Index (PSI) dikembangkan oleh Maniya dan Bhatt pada tahun 2010. Metode ini berguna jika ada konflik dalam menentukan kepentingan relatif antara atribut-atribut. Pada metode PSI, hasil diperoleh dengan perhitungan minimal dan sederhana karena berdasarkan konsep statistik tanpa memerlukan bobot atribut. Metode ini merupakan metode sistem pendukung keputusan yang jarang digunakan. Metode ini dapat menyelesaikan pengambilan keputusan multi kriteria.
Metode Binet Simon
Metode Binet Simon merupakan metode perhitungan IQ yang digunakan untuk mengukur kecerdasan anak hingga berusia 13 tahun dan termasuk dalam metode sistem pendukung keputusan. Pembuatan sistem didukung dengan menggunakan Bahasa pemrograman PHP dan phpMyAdmin sebagai database.
Metode Moora
Metode Moora adalah metode yang mengoptimisasi banyak objective yang berbasis analisis ratio. Cara kerja metode ini adalah memberikan bobot pada setiap kriteria yang ditentukan. Dari penilaian bobot tersebut akan diambil hasil rangking yang paling tinggi untuk menentukan suatu objek.
Metode Certainty Factor
Certainty Factor merupakan metode yang mendefinisikan ukuran kepastian terhadap fakta atau aturan untuk menggambarkan keyakinan seorang pakar terhadap masalah yang sedang dihadapi.
Metode Term Frequency-Inverse Document Frequency (TF-IDF)
Metode Term Frequency-Inverse Document Frequency (TF-IDF) adalah cara pemberian bobot hubungan suatu kata (term) terhadap dokumen. TFIDF ini adalah sebuah ukuran statistik yang digunakan untuk mengevaluasi seberapa penting sebuah kata di dalam sebuah dokumen atau dalam sekelompok kata.
Metode Technology Acceptance Model
Model penerimaan teknologi atau Technology Acceptance Model (TAM) merupakan salah satu model atau metode yang umumnya digunakan untuk menjelaskan penerimaan pengguna terhadap penggunaan sistem teknologi informasi.
Metode Copras
Metode Complex Proportional Assessment (COPRAS) merupakan metode yang berdasarkan pada rasio kriteria yang menguntungkan dan kriteria yang merugikan. Sebelum melakukan tahapan pada metode COPRAS, perlu didefinisikan alternatif kriteria berdasarkan kebutuhan.
Metode Single Moving Average
Single Moving Average adalah suatu metode peramalan yang dilakukan dengan mengambil sekelompok nilai pengamatan, mencari nilai rata-rata tersebut sebagai ramalan untuk periode yang akan datang.
Metode Cross Selling
Metode Cross Selling adalah strategi pemasaran produk dengan menawarkan barang lain sebagai tambahan. Barang tambahan yang ditawarkan tentunya harus berhubungan dengan produk utama yang dijual. Secara harga, biasanya produk cross selling jauh lebih terjangkau dibanding barang utama.
Metode Supply Chain Management
Supply Chain Management merupakan sebuah metode dalam mengintegrasikan seluruh proses bisnis dalam sebuah perusahaan agar terciptanya proses bisnis yang lebih terstruktur dan tersinkronisasi antar setiap bagian di dalam sebuah perusahaan.
Metode Additive Ratio Assessment
Metode Additive Ratio Assessment (ARAS) merupakan salah satu metode pengambilan keputusan multikriteria berdasarkan pada konsep perangkingan menggunakan utility degree yaitu dengan membandingkan nilai indeks keseluruhan setiap alternatif terhadap nilai indeks keseluruhan alternatif optimal.
Metode Multi Criteria Decision Making
Multi Criteria Decision Making (MCDM) adalah suatu metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan beberapa kriteria tertentu. Kriteria biasanya berupa ukuran-ukuran, aturan-aturan atau standar yang digunakan dalam pengambilan keputusan. MCDM memiliki dua kategori yakni Multiple Objective Decision Making (MODM) dan Multiple Attribute Decision Making (MADM).
Metode Simple Additive Weighting
Metode Simple Additive Weighting (SAW) adalah salah satu metode yang digunakan dalam proses pengambilan suatu keputusan. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating kinerja pada setiap alternatif pada semua atribut.
Metode Weighted Product
Metode Weighted Product merupakan metode penentuan dalam sebuah keputusan dengan cara perkalian untuk dapat menghubungkan nilai atribut, di mana setiap atribut harus dipangkatkan terlebih dahulu dengan bobot atribut yang bersangkutan.
Metode Topsis
Topsis adalah metode pengambilan keputusan multi kriteria dengan dasar alternatif yang dipilih memiliki jarak terdekat dengan solusi ideal positif dan memiliki jarak terjauh dari solusi ideal negatif.
Metode Papi Kostick
Metode ini akan mengukur kepribadian seseorang dengan memperhatikan lingkungan sekitarnya. Hal ini mencakup perilaku dan nilai perusahaan yang diterapkan dalam suatu perusahaan, metode ini mengukur role serta need individu yang berkaitan dengan situasi kerja. Metode ini pertama kali dibuat oleh Dt. Max Martin Kostick yang dibuat pada awal tahun 1960 an.
Metode Service Quality
Metode Servqual merupakan metode yang digunakan untuk mengukur kualitas layanan dari atribut masing-masing dimensi, sehingga akan diperoleh nilai gap (kesenjangan) yang merupakan selisih antara persepsi konsumen terhadap layanan yang telah diterima dengan harapan terhadap yang akan diterima.
Metode Full Costing
Metode Full Costing merupakan metode penentuan kos produksi yang memperhitungkan semua unsur biaya produksi ke dalam kos produksi, yang terdiri dari biaya bahan baku, biaya tenaga kerja langsung, dan biaya overhead pabrik, baik yang berperilaku variabel maupun tetap.
Metode SMARTER
Metode SMARTER (Simple Multi-Attribute Rating Technique Exploiting Rank) merupakan pengembangan dari metode sebelumnya, yaitu metode SMART (Simple Multi-Attribute Rating Technique). Metode SMART pertama kali diperkenalkan oleh Edwards pada tahun 1971 dan baru dinamai sebagai metode SMART pada tahun 1977. Semenjak awal kemunculannya, metode SMART telah dikembangkan menjadi metode SMARTS (Simple Multi-Attribute Rating Technique Swing) lalu setelah dimodifikasi dan diperbaiki oleh Edward dan Barron pada tahun 1994 menjadi metode SMARTER (Simple Multi-Attribute Rating Technique Exploiting Rank). Metode SMARTER merupakan metode pengambilan keputusan multi kriteria. Teknik pengambilan keputusan multi kriteria ini didasarkan pada teori bahwa setiap alternatif terdiri dari sejumlah kriteria yang memiliki nilai-nilai dan setiap kriteria memiliki bobot yang menggambarkan seberapa penting ia dibandingkan dengan kriteria lain.
Metode Single Exponential Smoothing
Single Exponential Smoothing merupakan metode peramalan yang digunakan untuk data stasioner atau data yang relatif stabil.
Exponential Smoothing Adjusted for Trend
Exponential Smoothing Adjusted for Trend adalah metode yang digunakan untuk data yang memiliki trend atau data yang memiliki kecenderungan peningkatan atau penurunan dalam jangka panjang.
Metode Trend Parabola
Metode Trend Parabolik biasanya digunakan untuk memproyeksi data historis ke arah garis lengkung yang berbentuk seperti parabola.
Biasanya dipakai oleh peneliti dalam penelitian karya ilmiah atau tugas akhir bidang teknologi atau informasi
Algoritma One Time Pad
Algoritma One Time Pad merupakan algoritma yang dipopulerkan oleh Major Josep Mourborgne pada tahun 1917. Algoritma ini merupakan salah satu algoritma kriptografi simetris dengan proses kunci enkripsi sama dengan kunci dekripsi. Algoritma ini menggunakan table ASCII (American Standart Code for Information Interchange).
Algoritma Vigenere Chiper
Vigenere Chiper merupakan salah satu algoritma kriptografi klasik untuk menyandikan suatu plaintext dengan menggunakan teknik substitusi.Vigenere cipher pada dasarnya cukup rumit untuk dipecahkan. Meskipun begitu, Vigenere cipher tetap memiliki kelemahan. Salah satunya adalah dapat diketahui panjang kuncinya, hal ini disebabkan karena umumnya terdapat frasa yang berulang-ulang pada ciphertext yang dihasilkan.
Algoritma K-Nearest Neighbor
Algoritma K-Nearest Neighbor (K-NN) adalah sebuah metode atau algoritma untuk melakukan klasifikasi terhadap objek yang berdasarkan dari data objek yang jaraknya paling dekat dengan objek tersebut.
Algoritma Frequent Pattern Growth
Algoritma Frequent Pattern Growth (FP-Growth) adalah salah satu alternatif algoritma yang dapat digunakan untuk menentukan himpunan data yang paling sering muncul (frequent itemset) dalam sebuah kumpulan data.
Algoritma Ant Colony Optimization
Ant Colony Optimization atau yang lebih dikenal dengan Algoritma Semut merupakan suatu metode yang dipergunakan untuk menentukan jalur terpendek menggunakan cara seperti kumpulan semut dalam mencari makanan yang akan cenderung memilih jalur terdekat dari koloninya. Algoritme semut diperkenalkan oleh Moyson dan Manderick dan secara meluas dikembangkan oleh Marco Dorigo, merupakan teknik probabilistik untuk menyelesaikan masalah komputasi dengan menemukan jalur terbaik melalui grafik.
Algoritma Dijkstra
Algoritma Dijkstra merupakan jenis Algoritma Greedy yang mengonsep dalam menentukan layanan minimum pada beberapa rute yang tersedia dan menghasilkan kumpulan solusi rute terpendek. Penerapan Algoritma Dijkstra dapat digunakan dalam berbagai bidang.
Algoritma Advanced Encryption Standard
Advanced Encryption Standard (AES) merupakan algoritma cryptographic yang dapat digunkan untuk mengamakan data. Algoritma AES adalah blok chipertext simetrik yang dapat mengenkripsi (encipher) dan dekripsi (decipher) informasi.
Algoritma Kriptografi TWOFISH
Twofish merupakan algoritme penyandian blok kunci simetris dengan ukuran blok 128 bit dan ukuran kunci hingga 256 bit. Algoritme ini termasuk lima finalis kontes AES, tetapi tidak terpilih sebagai standar. Algoritme ini berkaitan dengan penyandian Blowfish.
Algoritma Bellman-Ford
Algoritma Bellman-Ford digunakan untuk mengetahui lintasan minimum yang akan ditempuh dalam pencarian rute terpendek sehingga mempermudah surveyor mengetahui lintasan yang akan ditempuh serta jarak terdekat yang akan dilalui.
Algoritma Greedy
Algoritma Greedy merupakan metode yang digunakan dalam suatu penyelesaian masalah optimasi yang diselesaikan secara bertahap (step by step), dengan harapan hasil yang didapatkan merupakan hasil terbaik yang dapat diperoleh.
Algoritma Euclidean
Algoritma Euclidean adalah metode yang efisien untuk menghitung pembagi umum terbesar (FPB) dari dua bilangan bulat tanpa meninggalkan sebuah sisa.
Algoritma Classification
Algoritma Classification adalah salah satu algoritma pada data mining yang mengelompokkan suatu data ke dalam kriteria atau kategori tertentu dengan membaca data sebelumnya yang sudah ada.
Algoritma Support Vector Machine atau SVM
Support Vector Machine atau SVM adalah algoritme pembelajaran mesin yang diawasi yang dapat digunakan untuk klasifikasi dan regresi. Cara kerja SVM didasarkan pada SRM atau Structural Risk Minimization yang dirancang untuk mengolah data menjadi Hyperplane yang mengklasifikasikan ruang input menjadi dua kelas.
Algoritma Apriori
Algoritma apriori adalah proses ekstraksi informasi dari suatu database, dilanjutkan dengan melakukan frequent item/itemset dan candidate generation dalam pembentukan asosiasi rule mining guna mendapatkan hasil nilai minimum support dan hasil nilai minimum confidence.
Algoritma Brute Force
Algoritma Brute Force adalah algoritma yang melakukan pencocokan karakter dari sebelah kiri ke kesebelah kanan dan jika antara pattern dan teks terdapat kecocokan (match) maka algoritma akan menghasilkan nilai true.
Algoritma K-Nearest Neighbor
Algoritma K-Nearest Neighbor (KNN) adalah sebuah metode untuk melakukan klasifikasi terhadap objek yang berdasarkan dari data pembelajaran yang jaraknya paling dekat dengan objek tersebut.
Algoritma Iterative Dichotomicer 3
Iterative Dichotomicer 3 (ID3) adalah algoritma decision tree learning (algoritma pembelajaran pohon keputusan) yang paling dasar. Algoritma ini melakukan pencarian secara rakus/menyeluruh (greedy) pada semua kemungkinan pohon keputusan. Salah satu algoritma induksi pohon keputusan yaitu ID3 (Iterative Dichotomiser 3).
Algoritma A-Star
Algoritma A-Star adalah algoritma pencarian terbaik untuk mencari jalur terpendek dengan waktu dan perhitungan terkecil dari titik awal menuju titik akhir.
Algoritma Rekursif
Algoritma Rekursif adalah metode pemecahan masalah di mana solusinya didasarkan pada pemecahan kasus yang lebih kecil dari masalah yang sama.
Algoritme Divide and Conquer
Di dalam ilmu komputer, Algoritme Divide and Conquer adalah algoritma yang sangat populer. Prinsip dari algoritma ini adalah memecah-mecah masalah yang ada menjadi beberapa bagian kecil sehingga lebih mudah untuk diselesaikan.
Algoritma Dynamic Programming
Algoritma pemrograman dinamis adalah penyelesaian persoalan dengan cara menguraikan solusi menjadi sekumpulan langkah dan memandang solusi dari persoalan tersebut sebagai serangkaian keputusan yang saling berkaitan. Suatu pekerjaan yang berskala besar seringkali harus dikerjakan oleh banyak pekerja.
Algoritma Supervised Learning
Algortima supervised learning, mesin dilatih menggunakan data berlabel. Dataset dikatakan berlabel jika berisi parameter input dan output. Supervised learning dapat dimanfaatkan untuk memprediksi hasil data yang tidak terduga dengan belajar dari data training berlabel. Pembangunan model yang akurat dapat dilakukan oleh seorang data scientist yang terampil. Misalnya, kita ingin melatih mesin untuk memprediksi waktu perjalanan antara supermarket dan rumah. Pertama, kita membutuhkan kumpulan data berlabel seperti cuaca, rute, waktu berangkat, dan lain sebagainya yang merupakan data input yang akan kita gunakan. Hasil dari algoritma ini adalah perkiraan durasi perjalanan dari rumah menuju supermarket atau sebaliknya pada hari tertentu. Setelah kita membuat set pelatihan berdasarkan faktor yang sesuai, mesin akan melihat hubungan antara titik-titik data dan menggunakannya untuk memastikan jumlah waktu yang kita perlukan. Salah satu contoh nyata pengaplikasian algoritma supervised learning adalah aplikasi Google Maps yang bisa memprediksi waktu tempuh kita akan lebih lama saat hujan lebat atau macet.
Biasanya dipakai oleh peneliti dalam penelitian karya ilmiah atau tugas akhir bidang teknologi komputer.
Machine Learning
Machine Learning ini dikembangkan agar dapat mendeteksi pola, mengklasifikasikan pola, menghitung akurasi, serta membuat keputusan. Terdapat tiga metode machine learning yang sering digunakan, antara lain supervised learning, unsupervised learning, dan reinforcement learning.
Data Mining
Data Mining adalah proses pengumpulan dan pengolahan data yang bertujuan untuk mengekstrak informasi penting pada data. Proses pengumpulan dan ekstraksi informasi tersebut dapat dilakukan menggunakan perangkat lunak dengan bantuan perhitungan statistika, matematika, ataupun teknologi Artificial Intelligence (AI). Data mining sering disebut juga Knowledge Discovery in Database (KDD).
Mikrokontroler
Mikrokontroler adalah sebuah komputer kecil yang dikemas dalam bentuk Chip IC (Integrated Circuit) dan dirancang untuk melakukan tugas atau operasi tertentu.
Message Queuing Telemetry Transport
MQTT adalah protokol pesan berbasis standar, atau seperangkat aturan, yang digunakan untuk komunikasi mesin-ke-mesin. Sensor pintar, perangkat yang dapat dikenakan, dan perangkat Internet of Things (IoT) lainnya biasanya harus mengirim dan menerima data melalui jaringan dengan sumber daya dan bandwidth terbatas. Perangkat IoT ini menggunakan MQTT untuk transmisi data, karena mudah diterapkan dan dapat mengomunikasikan data IoT secara efisien. MQTT mendukung pengiriman pesan antara perangkat ke cloud dan cloud ke perangkat.
Vulnerability
Vulnerability sendiri adalah kerentanan atau kelemahan yang ada pada jaringan. Vulnerability dapat mengancam keamanan jaringan, maka dari itu perlu diketahui elemen-elemen apa saja yang bisa mengancam keamanan jaringan suatu perusahaan.
QR Code
QR Code adalah teknologi matriks dua dimensi yang mampu menyimpan berbagai jenis informasi di dalamnya. Informasi yang dapat ditampung oleh sebuah QR code mencapai 7089 digit angka dan 4296 karakter alphanumeric. Alphanumeric merupakan huruf, angka, dan simbol-simbol spesial (seperti tanda baca dan simbol matematika). Oleh karena itu, deskripsi barang, nomor telepon, hingga URL suatu website dapat ditampung di dalamnya.QR code dapat menampung informasi dalam jumlah yang banyak sebab ia menggunakan teknologi dua dimensi yang dapat mengkodekan informasi secara melintang dan membujur. Berbeda dengan barcode yang menggunakan teknologi satu dimensi dan hanya dapat mengkodekan informasi dalam arah melintang. Barcode hanya dapat menampung sangat sedikit informasi, yaitu maksimal 20 karakter.
Sistem Pakar
Sistem pakar atau yang biasa dikenal sebagai expert system merupakan suatu program komputer atau sistem informasi yang di dalamnya mengandung berbagai pengetahuan dari satu atau lebih pakar manusia yang berhubungan dengan suatu bidang dan biasanya cenderung spesifik. Dalam hal ini, pakar yang dimaksud merupakan seseorang yang memiliki keahlian secara khusus di bidangnya masing-masing, misalnya seorang dokter, psikolog, mekanik, teknisi, dan lain sebagainya. Pengetahuan dari pakar atau expert dalam sistem tersebut digunakan untuk menjawab berbagai pertanyaan atau untuk berkonsultasi.
Matlab
Matlab adalah singkatan dari Matrix Laboratory (Laboratorium Matriks) dan merupakan bahasa pemrograman yang dibuat dengan tujuan sebagai alat bantu perhitungan yang rumit atau simulasi dari suatu sistem yang ingin di simulasikan. Dalam matlab mutlak dibutuhkan pengetahuan tentang matriks yang dapat dipelajari dalam ilmu matematika.
Rekayasa Perangkat Lunak (Software Engineering)
Rekayasa Perangkat Lunak adalah cabang ilmu komputer yang berhubungan dengan desain, pengembangan, pengujian, dan pemeliharaan aplikasi perangkat lunak. Pembuat perangkat lunak menerapkan prinsip-prinsip rekayasa dan pengetahuan bahasa pemrograman untuk membangun solusi perangkat lunak bagi pengguna akhir.
Artificial Intelligence (AI) atau kecerdasan buatan telah menjadi topik yang semakin populer dan menarik dalam beberapa tahun terakhir. Dalam era digital yang semakin maju, teknologi AI dianggap sebagai salah satu kunci untuk meningkatkan efisiensi dan produktivitas di berbagai sektor, seperti manufaktur, keuangan, dan kesehatan.
AI adalah bidang ilmu yang berkaitan dengan pembuatan mesin dan program yang dapat belajar dan berpikir seperti manusia. Dalam konteks ini, “belajar” merujuk pada kemampuan mesin dan program untuk memproses informasi dan memperbaiki kinerja mereka sendiri seiring waktu. “Berpikir” merujuk pada kemampuan untuk membuat keputusan dan mengambil tindakan berdasarkan data yang diperoleh.
Berikut adalah beberapa fakta tentang Artificial Intelligence:
Untuk memaksimalkan potensi positif dari teknologi AI dan meminimalkan risiko negatifnya, perlu adanya regulasi dan pengawasan yang ketat. Dalam hal ini, pemerintah, perusahaan, dan masyarakat perlu bekerja sama untuk menciptakan lingkungan yang aman dan teratur bagi pengembangan teknologi AI.
Kesimpulannya, teknologi AI memiliki potensi besar untuk meningkatkan efisiensi dan produktivitas di berbagai sektor, serta mengubah cara hidup dan bekerja kita di masa depan. Namun, perlu diingat bahwa pengembangan teknologi AI juga memiliki risiko dan tantangan yang perlu diatasi secara hati-hati dan bijaksana. (sumber: https://fasilkom.esaunggul.ac.id/)
Chatbot adalah program komputer yang dirancang untuk melakukan percakapan dengan manusia melalui aplikasi pesan instan atau platform obrolan. Dalam beberapa tahun terakhir, chatbot mengalami perkembangan yang pesat serta menjadi populer. Hal ini dikarenakan chatbot dapat memberikan respons yang cepat dan efektif dalam memberikan informasi dan membantu manusia dalam menyelesaikan sebuah masalah.
ChatGPT dari OpenAI menjadi salah satu chatbot terbaik dan terpopuler di pasaran saat ini. Namun, ada beberapa alternatif chatbot lainnya yang layak dipertimbangkan untuk kamu coba. Nah, berikut ini adalah 7 alternatif chatbot selain ChatGPT yang bisa dicoba!
1. Mitsuku
Mitsuku adalah chatbot yang dikembangkan oleh Steve Worswick dan telah memenangkan beberapa penghargaan di ajang Loebner Prize. Chatbot ini menggunakan teknologi pemrosesan bahasa alami dan machine learning untuk memberikan respons yang mirip dengan manusia. Mitsuku dapat digunakan untuk mengobrol, bermain game, atau mencari informasi tentang topik tertentu. Salah satu keunggulan dari Mitsuku adalah kemampuan untuk mengenali pengguna dari percakapan sebelumnya dan mengingat preferensi dan minat mereka. Mitsuku juga dapat berbicara dalam beberapa bahasa, seperti Inggris, Spanyol, Jerman dan masih banyak lagi. Selain itu, Mitsuku memiliki banyak fitur seperti bermain tebak-tebakan, membantu menemukan resep makanan, atau memberikan saran mode fashion.
2. Jasper
Chatbot ini didesain untuk membantu bisnis dalam memberikan dukungan pelanggan dan dapat digunakan di berbagai platform obrolan, seperti Facebook Messenger, Slack, LINE, Telegram, dan masih banyak lagi. Jasper menggunakan teknologi pemrosesan bahasa alami dan machine learning untuk meningkatkan responsivitas dan kemampuan interaksi dengan pengguna. Selain itu, salah satu keunggulan dari Jasper adalah dapat diintegrasikan dengan sistem Customer Relationship Management, yaitu sebuah sistem yang berguna untuk memperkuat hubungan pebisnis dengan pelanggan. Jasper juga memiliki fitur analitik yang memungkinkan bisnis untuk melacak dan memahami perilaku pelanggan secara lebih baik. Namun, jika dibandingkan dengan ChatGPT dari OpenAI, Jasper masih memiliki kekurangan dalam hal kemampuan untuk menghasilkan respons yang lebih kompleks dan bervariasi.
3. Bing AI
Kemudian di urutan keempat ada Bing AI. Sama seperti ChatGPT dari OpenAI, chatbot yang dikembangkan oleh Microsoft ini bisa digunakan untuk membantu kamu mencari informasi atau sekadar bertanya. Tak hanya digunakan untuk membatu mencari sebuah informasi, Bing AI juga dapat digunakan untuk memberikan rekomendasi produk atau layanan berdasarkan preferensi pengguna. Selain itu, Bing AI juga dapat memberikan saran dan rekomendasi yang personal untuk pengguna, sehingga membantu meningkatkan pengalaman user. Bing AI juga memiliki fitur pencarian gambar dan suara yang tentunya memudahkan pengguna untuk menemukan informasi yang mereka butuhkan.
4. Microsoft DialoGPT
Selain mengembangkan Bing AI, Microsoft juga mengembangkan chatbot lainnya bernama DialoGPT. Chatbot yang satu ini dilatih menggunakan 147 juta dialog dari platform Reddit. Selain itu, dalam pengembangannya chatbot ini menggunakan arsitektur generative language model dan model deep learning yang kuat untuk membuat percakapan lebih fleksibel dan tidak kaku. Dari segi fungsi, Microsoft DialoGPT dapat digunakan untuk membantu pengguna dalam berbagai situasi, seperti mencari informasi atau menyelesaikan masalah lainnya. Tak kalah canggih dengan ChatGPT dari OpenAI, Microsoft DialoGPT juga memiliki kemampuan untuk mengenali konteks dan menyediakan jawaban yang relevan. Chatbot ini juga dapat memahami perbedaan antara topik yang berbeda dan memberikan respons yang sesuai.
5. Replika AI
Replika adalah chatbot yang dikembangkan untuk membantu pengguna dalam mengatasi masalah kesehatan mental. Chatbot ini didesain untuk menjadi teman virtual yang dapat diajak berbicara, berbagi cerita, dan mendengarkan tanpa menghakimi. Replika menggunakan teknologi machine learning untuk memahami dan menyesuaikan respons terhadap pengguna. Salah satu keunggulan dari Replika adalah kemampuan untuk mengembangkan hubungan yang lebih personal dengan pengguna. Chatbot ini dapat mengenali kebiasaan dan minat pengguna serta mengajukan pertanyaan yang relevan dengan topik yang sedang dibicarakan. Selain itu, Replika juga dapat membantu pengguna untuk menciptakan jurnal digital dan mengembangkan kebiasaan positif untuk meningkatkan kesehatan mental Namun, jika dibandingkan dengan ChatGPT dari OpenAI, Replika masih memiliki kekurangan dalam hal kemampuan untuk memberikan informasi yang lebih umum dan kompleks. Replika lebih fokus pada dukungan emosional dan mengembangkan koneksi personal dengan pengguna.
6. Woebot
Sama halnya dengan Replika, Woebot adalah chatbot yang juga dikembangkan untuk membantu pengguna mengatasi masalah kesehatan mental, khususnya kecemasan dan depresi. Chatbot ini didesain untuk menjadi teman virtual yang dapat diajak berbicara kapan saja dan di mana saja. Woebot menggunakan teknologi pemrosesan bahasa alami dan machine learning untuk memberikan respons yang relevan dan terkait dengan kebutuhan pengguna. Salah satu keunggulan dari Woebot adalah kemampuan untuk memberikan terapi kognitif berbasis perilaku yang terbukti efektif dalam membantu pengguna mengatasi kecemasan dan depresi. Woebot juga dapat memberikan saran praktis untuk meningkatkan kesehatan mental, seperti latihan pernapasan dan meditasi. Jika dibandingkan dengan Replika, Woebot memiliki keunggulan dalam fokus terapi kognitif dan memberikan dukungan interaktif dalam mengatasi perasaan negatif. Namun, jika dibandingkan dengan ChatGPT dari OpenAI, Woebot masih memiliki kekurangan dalam hal kemampuan untuk memberikan respons yang lebih kompleks dan bervariasi.
7. Cleverbot
Chatbot yang satu ini dikembangkan oleh seorang ilmuwan AI berkebangsaan Inggris Rollo Carpenter, dan pertama kali diluncurkan pada tahun 2008. Cleverbot telah melalui banyak pengembangan dan upgrade untuk meningkatkan kemampuannya dalam memberikan respons yang lebih mirip dengan manusia. Chatbot ini menggunakan teknologi pemrosesan bahasa alami dan machine learning untuk memahami percakapan dengan pengguna dan memberikan respons yang sesuai. Salah satu keunggulan dari Cleverbot adalah kemampuannya dalam memahami dan merespon bahasa slank atau bahasa gaul. Namun jika dibandingkan dengan ChatGPT, Cleverbot masih memiliki kekurangan yakni kesalahan untuk mengenali konteks dan penggunaan bahasa yang kurang fleksibel.
Meskipun terdapat banyak chatbot yang dapat dijadikan alternatif dalam berbagai situasi, namun ChatGPT tetap menjadi salah satu produk terpopuler di pasaran hingga saat ini. Akan tetapi pilihan chatbot yang tepat tentunya tergantung pada kebutuhan dan preferensi kita sebagai pengguna.
(sumber: https://www.idntimes.com/tech/)
Artificial Intelligence atau kecerdasan buatan adalah salah satu revolusi teknologi paling signifikan di abad ini. Banyak sekali inovasi baru dibidang artificial intelligence di luar sana yang belum kita tahu. Ada banyak situs dan tools AI yang baru-baru ini menjadi topik viral karena kemampuannya yang mengesankan. Beberapa AI dapat menghasilkan gambar dan video hanya berbekal input teks, beberapa dapat memahami perintah dan mengambil keputusan rumit secara mandiri. Bahkan artificial intelligence kini dapat merevolusi dan menyempurnakan gambar beresolusi rendah menjadi lebih tajam. Namun, hanya sedikit dari situs dan tools AI yang sudah dijelajahi oleh kebanyakan orang.
chatGPT
Chat GPT adalah natural language processing (NLP) yang mampu menggunakan algoritma machine learning dan deep learning untuk memahami konteks dari suatu percakapan dan menghasilkan tanggapan yang sesuai. Chat GPT dapat digunakan untuk tugas-tugas spesifik seperti customer service, menjawab pertanyan konsumen, dan mengaktifkan fitur seperti pengenalan kata kunci, analisis sentimen, dan memberi respons. Dengan kemampuannya untuk memahami konteks dan menghasilkan percakapan yang menarik, Chat GPT memungkinkan bisnis mengotomatiskan tugas layanan pelanggan dan menciptakan pengalaman personal untuk pelanggan mereka. Chat GPT juga memungkinkan perusahaan untuk memiliki lebih banyak waktu untuk fokus pada pekerjaan yang lebih penting untuk membantu meningkatkan kepuasan pelanggan.
hotpot.ai
Hotpot.AI adalah contoh aplikasi kecerdasan buatan yang mampu menghasilkan grafik, gambar, dan teks yang menakjubkan. Kita hanya perlu memberikan perintah teks sebagai input untuk memberikan instruksi tertentu. Hotpot.AI juga mampu memperbaiki foto jadul dan menyempurnakannya menjadi foto beresolusi tinggi. Hotpot.AI juga dapat digunakan untuk memberi warna pada foto, menghapus objek tidak diinginkan pada foto, menghapus background, dan masih banyak lagi.
syenthesia.ai
Syenthesia.ai adalah contoh aplikasi kecerdasan buatan yang dapat membantu kita untuk membuat konten video berkualitas tinggi dengan cepat dan mudah. Syenthesia.ai menggunakan teknologi natural language processing (NLP) untuk menghasilkan ide dan menyarankan gambar yang relevan. Syenthesia.ai juga menawarkan berbagai alat analitik untuk melacak kinerja konten di berbagai platform seperti instagram, YouTube, dan sebagainya. Dengan antarmuka yang intuitif, syenthesia.ai mampu memudahkan pembuat konten untuk membuat konten menarik dengan mudah dan cepat.
sembly.ai
Buat yang malas mencatat materi saat online meeting, kamu bisa gunakan sembly.ai untuk merekam percakapan dan merubahnya menjadi catatan tertulis. Sembly.ai juga dapat menjadi asisten yang dapat merapikan materi menjadi lebih terorganisir sehingga nyaman untuk dibaca. Dengan sembly.ai, kamu bisa fokus mengerjakan hal yang lebih penting dengan hasil berkualitas tinggi dengan cepat dan efisien. Dengan sembly.ai, kita dapat menghemat waktu dan tenaga serta dapat mengotomatiskan tugas-tugas repetitif seperti riset dan pengeditan. Fitur sembly.ai meliputi koreksi tata bahasa dan ejaan otomatis, peningkatan kualitas bacaan, dan banyak lagi. Memungkinkan untuk lebih fokus pada kreativitas daripada tugas pengeditan yang membosankan.
lalal.ai
Lalal.ai adalah salah satu contoh aplikasi kecerdasan buatan yang dapat digunakan untuk pekerjaan berbasis audio dan video. Tools ini dapat membantu memisahkan audio instrumental dan vokal dan mengeditnya sesuai dengan preferensi kita. Lalal.ai cocok untuk penggunaan personal dan korporasi yang ingin menghasilkan konten dengan cepat dan mudah. Berbagai fitur yang dimiliki dapat digunakan untuk menghasilkan video promosi yang menarik dan memikat dengan efektif. Dengan antarmuka penggunanya yang intuitif, dapat dengan mudah membuat template, membuat konten interaktif, menganalisis engagement rate, hanya dengan beberapa klik mouse. Lalal.ai adalah contoh aplikasi kecerdasan buatan yang hebat untuk siapa saja yang ingin meningkatkan produktivitas mereka.
supermeme.ai
Meme telah menjadi salah satu budaya internet terbesar di era digital. Hanya dengan gambar atau video, kamu dapat memasukkan komedi, pesan filosofi, dan sindiran ke dalam konten singkat. Jika kita bertanya-tanya apakah ada AI untuk membuat meme? Supermeme.ai adalah salah satu contoh kecerdasan buatan yang dapat menjawab rasa penasaran kita. Supermeme.ai dapat digunakan untuk menemukan meme yang sesuai untuk situasi apa pun dan mendukung lebih dari 110 bahasa. Supermeme.ai juga cocok buat kamu yang menggunakan meme untuk melakukan digital marketing.
dall-E 2
DALL-E 2 adalah contoh aplikasi kecerdasan buatan yang memungkinkan pengguna menghasilkan gambar dari teks. DALL-E 2 dikembangkan oleh OpenAI, perusahaan riset kecerdasan buatan terkemuka milik Elon Musk. Dengan DALL-E 2, pengguna dapat membuat konten berkualitas tinggi dengan cepat dan mudah. DALL-E 2 memiliki beberapa fitur yang membuatnya menonjol dari AI lainnya, DALL-E 2 dapat menghasilkan gambar menggunakan model deep learning. DALL-E 2 juga menawarkan antarmuka yang intuitif dan dapat digunakan untuk berbagai tugas seperti menghasilkan gambar dari deskripsi teks. Selain itu, DALL-E 2 juga menyediakan berbagai opsi yang dapat digunakan untuk menghasilkan output yang sesuai dengan kebutuhan.
(dari berbagai sumber)
ISSN (International Standard Serial Number) adalah sebuah nomor unik yang digunakan untuk mengidentifikasi terbitan berkala secara cepat dan mudah, baik terbitan media cetak maupun elektronik. Nomor ISSN berlaku secara global/internasional.
ISBN (International Standard Book Number) adalah kode pengidentifikasian buku yang bersifat unik. Informasi tentang judul, penerbit, dan kelompok penerbit tercakup dalam ISBN. ISBN terdiri dari deretan angka 13 digit, sebagai pemberi identifikasi terhadap satu judul buku yang diterbitkan oleh penerbit.
ISBN yang diberikan kepada terbitan yang tuntas, ISSN dikhususkan untuk publikasi secara periodik seperti koran yang terbit harian atau majalah serta jurnal yang memiliki waktu terbit.
Ini garis waktu dari sejarah perkembangan bahasa pemrograman komputer hingga menghasilkan berbagai jenis bahasa yang digunakan untuk coding.
1. 1949: Bahasa assembly pertama kali digunakan sebagai jenis bahasa pemrograman komputer yang mampu menyederhanakan bahasa kode mesin, yang diperlukan untuk memberi tahu komputer apa yang harus dilakukan.
2. 1958: Algol diciptakan sebagai bahasa algoritmik yang merupakan pendahulu untuk bahasa pemrograman seperti Java dan C.
3. 1959: COBOL diciptakan oleh Dr. Grace Murray Hopper untuk menjadi bahasa yang dapat beroperasi di semua jenis komputer.
4. 1970: Niklaus Wirth mengembangkan Pascal, menamainya setelah Blaise Pascal. Bahasa ini mudah dipelajari dan merupakan bahasa utama yang digunakan oleh Apple untuk pengembangan perangkat lunak awal.
5. 1972: Donald D. Chamberlin dan Raymond F. Boyce mengembangkan SQL untuk IBM. Bahasa ini digunakan untuk melihat dan mengubah data yang disimpan dalam database.
6. 1983: Bjarne Stroustrup menciptakan C++, yang merupakan perpanjangan dari bahasa pemrograman C. Ini adalah salah satu bahasa yang paling banyak digunakan di dunia.
7. 1991: Guido Van Rossum mengembangkan Python, yang merupakan bahasa komputer sederhana yang mudah dibaca.
8. 1995: Rasmus Lerdorf mengembangkan PHP, terutama untuk pengembangan Web. PHP terus digunakan secara luas dalam pengembangan web saat ini.
9. 2000: Microsoft mengembangkan C# sebagai kombinasi C++ dan Visual Basic. C# mirip dengan Java dalam beberapa hal. {dari berbagai sumber}
Hypertext Transfer Protocol (HTTP) merupakan sebuah protokol jaringan aplikasi yang digunakan untuk mendistribusikan informasi antara server dengan client. Server disini yang dimaksud adalah jenis web server dengan bentuk fisik jaringan komputer yang memiliki kapasitas penyimpanan data berskala besar. Selanjutnya yang berperan sebagai client adalah web browser yang dapat mengakses, menerima hingga menampilkan konten web melalui browser. Sedangkan Hypertext Transfer Protocol Secure (HTTPS) merupakan hasil pengembangan dari versi HTTP sebelumnya, HTTPS memiliki fungsi keamanan yang lebih ketat sehingga membuat client merasa aman dalam mengakses berbagai konten web. Protokol https ini dikembangkan langsung oleh perusahaan berbasis IT Netscape Communication Corp. Fase pembentukan protokol ini mengalami sejarah yang sangat panjang. Pada tahun 1990 HTTP mulai dipergunakan dalam “WWW”. Pada versi awalnya, HTTP hanya memiliki kemampuan transfer dokumen secara mentah. Maksud mentah tersebut adalah dokumen yang dikirim hanya berupa isi dokumen tanpa memandang jenis dokumen tersebut. Hingga pada tahun 1999 HTTP berkembang menjadi versi 1.1 dengan kemampuannya dalam mengakomodasi proxy, cache serta koneksi yang sanggup persisten.
Meski kedua protokol tersebut hanya berbeda satu huruf belakang saja, ternyata manfaat bagi client dan penjelajah dunia maya sedikit berbeda dari HTTP dengan HTTPS. Perbedaan tersebut hanya melalui pengembangan keamanan pada sistem protokol jaringan. Berikut perbedaan menonjol dari kedua protokol tersebut.
1. Keamanan Data
Data yang ditransmisikan melalui protokol HTTP tidak menjamin keamanan antara client dengan server. Hal ini yang menyebabkan banyaknya isu kejahatan berupa hacker data. Resiko menyebarnya data kepada subjek yang tidak dikenal sangat tinggi. Sedangkan HTTPS memiliki protokol kolaboratif berupa keamanan data yang ditransmisikan. Fasilitas ini yang membuat HTTPS banyak digunakan oleh web developer. Berkaitan dengan protokol keamanan data yang digunakan oleh HTTPS, setidaknya terdapat 3 prosedur yang digunakan. Berikut 3 prosedur yang digunakan oleh HTTPS untuk security data.
2. SSL
Secara garis besar, protokol komunikasi antara client dengan server selalu menggunakan konsep HTTP. Jika ingin menerapkan protokol HTTPS, maka dibutuhkan sertifikat berupa SSL (Secure Socket Layers). Terdapat 6 jenis SSL yang dapat dibeli oleh web developer. Penggunaan ini akan memunculkan tanda gembok pada bilah alamat URL website. Sehingga pengunjung akan mempercayai website tersebut aman digunakan untuk pemberian informasi atau transaksi yang tergolong sensitif. SSL sangat berguna untuk merahasiakan informasi penting seperti password e-banking, e-money, identitas dan sebagainya.
3. Penggunaan Port
Perbedaan selanjutnya terletak pada penggunaan port. Port pada dasarnya memiliki arti socket, mungkin istilah socket untuk port sedikit benarnya. Lebih jelasnya port yang dimaksud disini adalah port logic yang tidak dapat dilihat dan dirasakan. Tetapi memiliki fungsi dalam menghubungkan antar perangkat secara protokol atau media lainnya. Port logic memiliki banyak macam jenis serta penggunaannya. Jika diurut dari 0 hingga 1000 akan memiliki fungsi yang berbeda – beda.
Pada HTTP port yang digunakan adalah port jenis 80. Jenis port ini berguna sebagai konektivitas web server secara umum dengan client. Sedangkan untuk bisa mengakses HTTPS melalui SSL dibutuhkan port 443 sebagai jaringan konektivitasnya.
4. Keuntungan Penggunaan
Semua pasti sudah bisa menebak bahwa keuntungan paling unggul dalam penggunaan protokol adalah HTTPS. Mungkin kamu pernah mengunjungi sebuah situs yang memiliki simbol gembok terbuka pada bilik URL. Hal tersebut menandakan bahwa website tersebut tidak aman jika dikunjungi oleh pengunjung. Terkadang pengunjung akan kesulitan dan hampir tidak bisa membuka laman website tersebut sehingga dialihkan ke laman lainnya.
Bagaimanapun, penjelajahan web server melalui protokol HTTPS akan memberikan kenyamanan bagi penjelajah browser. Sehingga pengunjung tidak perlu khawatir dalam memberikan informasi rahasia.
Sebagai Kesimpulan
1. Mengapa Keyboard Didesain QWERTY?
Fakta unik tentang teknologi yang pertama berkenaan dengan keyboard. Seperti diketahui, keyboard di mesin tik, laptop, atau di telepon genggam menggunakan desain keyboard QWERTY. Banyak orang berpikir bahwa desain ini dimaksudkan untuk memperlambat seseorang untuk mengetik, apakah benar demikian? Jawabannya adalah ya, awalnya desain QWERTY diterapkan untuk memperlambat seseorang dalam mengetik. Menurut sejarah, pada tahun 1870-an, awalnya mesin tik didesain dengan menggunakan susunan huruf berurutan. Sayangnya, susunan huruf tersebut ternyata menyebabkan beberapa masalah teknis, termasuk tombol yang macet ketika ditekan secara berurutan karena tombol yang berdekatan dan cara mengetik yang terlalu cepat. Untuk menghindari masalah tersebut, Christopher Latham Sholes pun membuat perubahan desain pada tata letak keyboard untuk memperlambat seseorang untuk mengetik. Namun, akhirnya desain tata letak QWERTY dirancang oleh E. Remington and Sons. Desain ini pun digunakan hingga kini.
2. Fakta Unik Teknologi, Komputer Pertama Digerakkan oleh Air
Komputer pertama di dunia dibuat pada tahun 1936 oleh Vladimir Sergeevich Lukyanov. Komputer yang disebut water integrator tersebut berhasil memecahkan persamaan diferensial dalam turunan parsial. Uniknya, komputer tersebut digerakkan oleh air. Awalnya, perusahaan konstruksi milik Lukyanov kesulitan mencari solusi untuk masalah retakan pada beton selama suhu musim dingin di bawah nol. Untuk memahami proses termal dengan lebih baik, Lukyanov meneliti kondisi suhu pada pasangan bata beton. Akhirnya, ia membangun mesin integrator air yang dapat membuat grafik dan membantu memvisualisasikan proses termal. Pabrik manufaktur, organisasi penelitian, dan lembaga pendidikan menggunakan komputer tersebut hingga tahun 1970-an. Penggunaan integrator hidrolik ini berkurang setelah komputer digital terus berkembang dan semakin canggih.
3. Desain Mouse Pertama di Dunia
Mouse komputer atau tetikus pertama ditemukan di Stanford Research Institute (SRI) pada tahun 1960-an. Peralatan itu disebut X-Y Position Indicator for Display Systems. Douglas Engelbart dan Bill English diputuskan sebagai penemu mouse. Engelbart mendemonstrasikan mouse pertama kali pada tahun 1968 dengan menggunakan komputer Xerox Alto. Nama ‘Mouse‘ diciptakan untuk instrumen tersebut karena kabel yang mencuat darinya mengingatkan Engelbart pada ekor hewan pengerat.
4. Wikipedia Dikelola oleh Ribuan Bot
Laman Wikipedia pasti tidak asing lagi bagi Anda. Namun, tahukah Anda bahwa laman ensiklopedia ini dikelola oleh ribuan bot? Saat ini, ada 2.468 bot yang disetujui untuk melakukan pekerjaan pemeliharaan di lebih dari 52 juta halaman Wikipedia bahasa Inggris. Bot Wikipedia bertugas melakukan operasi, seperti pembuatan halaman baru, koreksi ejaan, koreksi gaya, dll. Bot juga dapat mengembalikan halaman ke versi aslinya saat pengeditan dilakukan karena vandalisme. Siapa pun yang memiliki pengetahuan pemrograman dapat dengan mudah membuat bot untuk Wikipedia. Namun, program ini harus disetujui oleh Bot Approval Group sebelum mereka dapat mengelola halaman Wikipedia.
5. Fakta Unik Teknologi, Apple Pernah Terjun ke Bisnis Pakaian Jadi
Jenama yang didirikan oleh Steve Jobs tersebut merupakan salah satu perusahaan teknologi raksasa di dunia. Namun, siapa yang menyangka bahwa Apple ternyata pernah mencoba peruntungan dengan berbisnis pakaian jadi. Pada tahun 1986, Apple pernah memiliki clothing line bernama The Apple Collection.
6. Awal Mula World Wide Web
Tim Berners-Lee, seorang ilmuwan Inggris yang bekerja di CERN, menemukan World Wide Web pada tahun 1989. Butuh dua tahun lagi untuk membuat situs web pertama di dunia muncul. Halaman web pertama ditayangkan pada tahun 1991 dan di-host pada sistem NeXT di CERN.
Fakta yang menakjubkan adalah bahwa situs web pertama tersebut masih dapat Anda kunjungi. Situs web tersebut dijadikan arsip sejarah untuk semua laman situs web yang tersedia. Jika penasaran seperti apa, Anda bisa membuka laman http://info.cern.ch/hypertext/WWW/TheProject.html.
7. Merokok Dapat Membatalkan Garansi Apple
Tahukah Anda bahwa produk Apple Anda dapat kehilangan garansi jika Anda adalah seorang perokok? Perusahaan Apple punya kebijakan untuk melindungi teknisi-teknisi mereka dari lingkungan kerja yang kurang sehat. Tar tembakau yang menempel pada sistem dianggap berbahaya. Oleh karena itu, Apple dapat menolak servis produk Anda meskipun dalam garansi jika mereka yakin produk tersebut telah bersentuhan dengan asap tembakau. {dari berbagai sumber}
> INTERNET - Interconnected Network
> WWW - World Wide Web
> HTML - HiperText Markup Language
> ROBOT - Residents Official Board of Technology
> HVS - Hout Vrij Schrift (Bahasa Belanda)
> PIN - Personal Identification Number
> PDF - Portable Document Format
> WiFi - Wireless Fidelity
> CCTV - Closed Circuit Television
> LCD - Liquid Cristal Display
> GPS - Global Positioning System
> USB - Universial Serial BUS
> OLI - Oil Level Indikator
> LPG - Liquified Petroleum Gas
> E - Emergency // F - Fuel (Indikator bahan bakar di motor/mobil)
> COD - Cash on Delivery
> OK - Oll Correct bentuk kesalahan ejaan yang disengaja untuk All Correct
> SINETRON - Sinema Elektronik
> VIP - Very Important Person
> LOL - Laughing Out Loud
> BH - Buste Houder (Bahasa Belanda-Penyangga Payudara)
> WC - Water Closed
> NN - Nomen Nescio (Bahasa Latin-Tanpa Menyebutkan Nama) bukan 'No Name'
> KEPO - Knowing Every Particular Object
Kembali ke HALAMAN OPAC
Universitas DIPA Makassar
NPP 7371142D1000002
Jln. Perintis Kemerdekaan KM.9
Telp. (0411)587194
Hotline: +6281228221994
WhatsApp Admin: +6281342092072
e-Mail: perpustakaan@undipa.ac.id
© 2024 — Perpustakaan UNDIPA Makassar - SLiMS