Decision Support System
DSS (Decision Support System) merupakan suatu sistem informasi yang diharapkan dapat membantu manajemen dalam proses pengambilan keputusan. Keberadaan DSS bukan untuk menggantikan tugas-tugas manajer dalam mengambil keputusan, tetapi untuk menjadi sarana penunjang (tools) bagi mereka. DSS sebenarnya merupakan implementasi teori-teori pengambilan keputusan yang telah diperkenalkan oleh ilmu-ilmu seperti operation research dan management science. Hanya bedanya adalah bahwa jika dulu untuk mencari penyelesaian masalah yang dihadapi (mencari nilai minimum, maksimum, atau optimum) harus dilakukan perhitungan iterasi secara manual, sekarang dapat dilakukan dengan komputer untuk menyelesaikan persoalan yang sama dalam waktu relatif singkat.
Dalam kedua bidang ilmu di atas, dikenal istilah decision modeling, decision theory, dan decision analysis yang pada hakekatnya adalah merepresentasikan permasalahan manajemen yang dihadapi setiap hari ke dalam bentuk model (misalnya dalam bentuk model matematika). Contoh dari persoalan yang kerap dijumpai dalam aktivitas bisnis perusahaan sehari-hari adalah transportation problem, inventory system, decision tree, dan lain sebagainya. Dari sekian banyak problem, sebagian dapat dengan mudah disimulasikan dan diselesaikan dengan menggunakan rumus-rumus sederhana. Tetapi banyak pula masalahan yang ada sangat rumit sehingga membutuhkan kecanggihan komputer.
Sprague dan Carlson mendefinisikan DSS sebagai sistem yang memiliki lima karakteristik utama, yaitu:
1) Sistem berbasis komputer
2) Sistem yang dipergunakan untuk membantu para pengambil keputusan
3) Sistem untuk memecahkan masalah-masalah rumit yang mustahil dilakukan dengan kalkulasi manual
4) Melalui cara simulasi yang interaktif
5) Dimana data dan model analisis sebagai komponen utama.
Secara garis besar DSS dibangun oleh tiga komponen:
1) Database
• Sistem database berisi kumpulan dari semua data bisnis yang dimiliki perusahaan, baik yang berasal dari transaksi sehari-hari, maupun data mentah (master file). Untuk keperluan DSS, diperlukan data yang relevan dengan permasalahan yang hendak dipecahkan melalui simulasi.
2) Model Base
• Suatu model yang merepresentasikan permasalahan-permasalahan yang ada ke dalam sebuah model dengan format kuantitatif (model matematika sebagai contohnya) sebagai dasar simulasi atau pengambilan keputusan, termasuk di dalamnya tujuan dari permasalahan (obyektif), komponen-komponen terkait, batasan-batasan yang ada (constraints), dan hal-hal terkait lainnya.
3) Software System
• software system merupakan gabungan dari kedua komponen tersebut setelah sebelumnya direpresentasikan dalam bentuk model yang “dimengerti” komputer . Contohnya adalah penggunaan teknik RDBMS (Relational Database Management System), OODBMS (Object Oriented Database Management System) untuk memodelkan struktur data. Sedangkan MBMS (Model Base Management System) dipergunakan untuk mere-presentasikan masalah yang ingin dicari pemecahannya. Entiti lain yang terdapat pada produk DSS baru adalah DGMS (Dialog Generation and Management System), yang merupakan suatu sistem untuk memungkinkan terjadinya “dialog” interaktif antara komputer dan manusia (user) sebagai pengambil keputusan.
Pada saat ini aplikasi DSS yang berkembang sangat beraneka ragam, dari quick-hit DSS (paling sederhana) sampai dengan institutional DSS (sangat kompleks). “Quick-Hit DSS” biasanya digunakan oleh para manajer yang baru belajar menggunakan DSS. Misalnya untuk kebutuhan pelaporan (report) atau pencarian informasi (query). “Quick-Hit DSS” biasa pula dipergunakan untuk melakukan analisis sederhana. Di dalam perusahaan, DSS jenis ini biasanya diimplementasikan dalam modul-modul terpisah (tergantung kebutuhan tiap departemen di perusahaan). Misalnya adalah DSS untuk manajer HRD , modulnya antara lain: DSS untuk menyusun anggaran tahunan, DSS untuk melakukan kenaikan gaji karyawan, DSS untuk menentukan besarnya jam lembur karyawan, dan lain sebagainya.
Yang kedua adalah “Institutional DSS”. Merupakan suatu aplikasi yang dibangun oleh para pakar bisnis dan ahli DSS. Sesuai dengan namanya, DSS jenis ini biasanya bekerja pada level perusahaan, dimana data yang dimiliki oleh masing-masing departemen telah diintegrasikan (dibuat strukturnya dan didefinisikan kaitankaitannya dalam sebuah data warehouse). Contohnya adalah DSS untuk memprediksi pendapatan perusahaan di masa mendatang (forecasting) yang akan mensimulasikan data yang berasal dari Departemen Sales, Departemen Marketing, Departemen Logistik dan Departemen Operasional. Contohyang lain adalah suatu sistem, dimana jika manajemen memiliki rencana untuk mem-PHK-kan beberapa karyawannya, akan dapat disimulasikan dampaknya terhadap neraca profit-and-loss perusahaan.
Untuk merepresenasikan DSS agar mudah dipergunakan dan dimengeri oleh penggunanya Digunakan format grafik untuk melengkapi teks yang ada. Contoh-contoh model grafik yang ada adalah:
1. Time Series Charts – untuk melihat dampak sebuah variable terhadap waktu;
2. Bar Charts – untuk memperbandingkan kinerja beberapa entiti;
3. Pie Charts – untuk melihat komposisi atau persentasi suatu hal;
4. Scattered Diagrams – untuk menganalisa hubungan antara beberapa variabel;
5. Maps – untuk merepresentasikan data secara geografis;
6. Layouts – untuk menggambarkan lokasi barang secara fisik, seperti pada bangunan dan kantor;
7. Hierarchy Charts – untuk menggambarkan struktur organisasi;
8. Sequence Charts – untuk merepresentasikan sesuatu dengan logika yang tersetruktur (contohnya adalah diagram flowchart); dan
9. Motion Graphics – untuk memperlihat-kan perilaku dari variabel yang diamati dengan cara animasi.
DSS memiliki lima karakteristik utama (Sprague et.al., 1993):
1) Sistem yang berbasis komputer;
2) Dipergunakan untuk membantu para pengambil keputusan;
3) Untuk memecahkan masalah-masalah rumit yang “mustahil” dilakukan dengan
kalkulasi manual;
4) Melalui cara simulasi yang interaktif;
5) Dimana data dan model analisis sebagai komponen utama.
DSS tersusun atas komponen2 sebagai berikut:
1. Database yaitu kumpulan data yang tersusun secara terstruktur dan dalam format elektronik yang mudah diolah oleh program komputer. Data yang digunakana adalah data yang relevan
dengan permasalahan yang hendak dipecahkan melalui simulasi.
2. Model Base : merupakan kumpulan pengetahuan yang sudah diterjemahkan dalam bahasa yang dapat dipahami oleh komputer. termasuk di dalamnya tujuan dari permasalahan (obyektif), komponen-komponen terkait,batasan-batasan yang ada (constraints), dan hal-hal terkait lainnya.
3. Software System : merupakan program utama dalam suatu DSS yang mengendalikan keseluruhan sistem.
4. Antar muka (user interface) : adalah tampilan program komputer.


















Kutipan
http://rahadiankurniawan.blogspot.com/2008/11/decision-support-system.html
http://ginageh.wordpress.com/2007/10/27/decision-support-system/
Artificial Intelegent

(Artificial Intelligence atau AI)

Kecerdasan Buatan (bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia.
Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika. Banyak hal yang kelihatannya sulit untuk kecerdasan manusia, tetapi untuk Informatika relatif tidak bermasalah. Seperti contoh: mentransformasikan persamaan, menyelesaikan persamaan integral, membuat permainan catur atau Backgammon. Di sisi lain, hal yang bagi manusia kelihatannya menuntut sedikit kecerdasan, sampai sekarang masih sulit untuk direalisasikan dalam Informatika. Seperti contoh: Pengenalan Obyek/Muka, bermain sepak bola.
Walaupun AI memiliki konotasi fiksi ilmiah yang kuat, AI membentuk cabang yang sangat penting pada ilmu komputer, berhubungan dengan perilaku, pembelajaran dan adaptasi yang cerdas dalam sebuah mesin. Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.
Kecerdasan buatan' ini bukan hanya ingin mengerti apa itu sistem kecerdasan, tapi juga mengkonstruksinya.
Tidak ada definisi yang memuaskan untuk 'kecerdasan':

1. kecerdasan: kemampuan untuk memperoleh pengetahuan dan menggunakannya
2. atau kecerdasan yaitu apa yang diukur oleh sebuah 'Test Kecerdasan'

Faham Pemikiran
Secara garis besar, AI terbagi ke dalam dua faham pemikiran yaitu AI Konvensional dan Kecerdasan Komputasional (CI, Computational Intelligence). AI konvensional kebanyakan melibatkan metoda-metoda yang sekarang diklasifiksikan sebagai pembelajaran mesin, yang ditandai dengan formalisme dan analisis statistik. Dikenal juga sebagai AI simbolis, AI logis, AI murni dan AI cara lama (GOFAI, Good Old Fashioned Artificial Intelligence). Metoda-metodanya meliputi:
1.Sistem pakar: menerapkan kapabilitas pertimbangan untuk mencapai kesimpulan. Sebuah sistem pakar dapat memproses sejumlah besar informasi yang diketahui dan menyediakan kesimpulan-kesimpulan berdasarkan pada informasi-informasi tersebut.
2. Petimbangan berdasar kasus
3. Jaringan Bayesian
4. AI berdasar tingkah laku: metoda modular pada pembentukan sistem AI secara manual
Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif (misalnya penalaan parameter seperti dalam sistem koneksionis. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis, AI yang tak teratur dan perhitungan lunak. Metoda-metoda pokok meliputi:

1. Jaringan Syaraf: sistem dengan kemampuan pengenalan pola yang sangat kuat
2. Sistem Fuzzy: teknik-teknik untuk pertimbangan di bawah ketidakpastian, telah digunakan secara meluas dalam industri modern dan sistem kendali produk konsumen.
3. Komputasi Evolusioner: menerapkan konsep-konsep yang terinspirasi secara biologis seperti populasi, mutasi dan “survival of the fittest” untuk menghasilkan pemecahan masalah yang lebih baik.
Metoda-metoda ini terutama dibagi menjadi algoritma evolusioner (misalnya algoritma genetik) dan kecerdasan berkelompok (misalnya algoritma semut)

Dengan sistem cerdas hibrid, percobaan-percobaan dibuat untuk menggabungkan kedua kelompok ini. Aturan inferensi pakar dapat dibangkitkan melalui jaringan syaraf atau aturan produksi dari pembelajaran statistik seperti dalam ACT-R. Sebuah pendekatan baru yang menjanjikan disebutkan bahwa penguatan kecerdasan mencoba untuk mencapai kecerdasan buatan dalam proses pengembangan evolusioner sebagai efek samping dari penguatan kecerdasan manusia melalui teknologi.


Berikut beberapa defenisi AI :
1. Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah- cerdas. ( H. A. Simon, 1987)
2. Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia. (Rich and Knight, 1991)
3. Kecerdasan Buatan (AI) merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan lebih banyak menggunakan bentuk simbol-simbol daripada bilangan, dan memproses informasi berdasarkan metode heuristic atau dengan berdasarkan sejumlah aturan. (Encyclopedia Britannica)
4. Cabang ilmu komputer yang mempelajari otomatisasi tingkah laku cerdas (Setiawan, 1993)
5. Suatu perilaku sebuah mesin yang jika dikerjakan oleh manusia akan disebut cerdas (Turing, et. al, 1996)
Kebanyakan ahli setuju bahwa Kecerdasan Buatan berhubungan dengan 2 ide dasar. Pertama, menyangkut studi proses berfikir manusia, dan kedua, berhubungan dengan merepresentasikan proses tersebut melalui mesin (komputer, robot, dll).
Kemampuan untuk problem solving adalah salah satu cara untuk mengukur kecerdasan dalam berbagai konteks. Terlihat di sini bahwa mesin cerdas akan diragukan untuk dapat melayani keperluan khusus jika tidak mampu menangani permasalahan remeh/kecil yang biasa dikerjakan orang secara rutin. Terdapat beberapa alasan untuk memodelkan performa manusia dalam hal ini :
a. Untuk menguji teori psikologis dari performa manusia
b. Untuk membuat komputer dapat memahami penalaran (reasoning) manusia
c. Untuk membuat manusia dapat memahami penalaran komputer
d. Untuk mengeksploitasi pengetahuan apa yang dapat diambil dari manusia
Menurut Winston dan Prendergast (1984), tujuan dari Kecerdasan Buatan adalah:
a. Membuat mesin menjadi lebih pintar.
b. Memahami apakah kecerdasan (intelligence) itu.
c. Membuat mesin menjadi lebih berguna.









Kutipan
http://laksamana13.wordpress.com/2009/12/26/artificial-intelegence-kecerdasan-buatan/
http://worksopkomputer.blogspot.com/2009/03/artificial-intelegent.html

LPT II UKSA 387 UNDIP ANGKATAN 18

Musik Klasik Tak Bikin Anak Cerdas?

Berdasarkan riset terbaru, tidak ada bukti yang cukup untuk mendukung apa yang disebut "efek Mozart", yang menghubungkan musik klasik Mozart dengan kemampuan kognitif.

Seperti dilaporkan HealthDay News, suatu penelitian telah memperdebatkan sekaligus mematahkan hasil riset terdahulu yang memperlihatkan hubungan antara mendengarkan musik Mozart dan peningkatan kemampuan otak.

Hasil studi pada 1993 yang diterbitkan di jurnal Nature menunjukkan bahwa mendengarkan musik Mozart akan meningkatkan kemampuan kognitif. Alhasil, riset ini lalu memicu para orangtua untuk memperkenalkan bayi dan anak kecilnya pada musik klasik, serta pengusaha berlomba menjualnya ke berbagai sekolah, pusat perawatan siang hari dan orangtua.

Namun, hasil kajian terbaru para ilmuwan Austria tidak menemukan bukti signifikan kalau mendengarkan musik Mozart memberi pengaruh pada kemampuan kognitif seseorang.

Dalam studi paling mutakhir itu, para peneliti di University of Vienna mengkaji lebih dari 40 studi dan penelitian yang tak disiarkan yang meliputi lebih dari 3.000 subyek. Kesimpulan mereka adalah tidak ada riset yang mendukung pendapat bahwa musik Mozart meningkatkan kemampuan otak anak.

Secara khusus, temuan itu membantah mitos mengenai dampak peningkatan kemampuan otak di antara pendengar musik Mozart. Para peneliti melaporkan bahwa mereka tak dapat mengonfirmasi dampak menguntungkan dari mendengarkan musik Mozart.

"Saya menyarankan mendengarkan musik Mozart kepada setiap orang, tetapi ini tak memenuhi harapan akan peningkatan kemampuan kognitif," kata penulis studi itu, Jakob Pietschnig, ahli ilmu jiwa di University of Vienna.

LEMBAR PENGESAHAN plankton

LEMBAR PENGESAHAN

Laporan resmi Praktikum Planktonologi ini telah disetujui dan disahkan pada :
Hari :
Tanggal :
Tempat :




Asisten Pendamping, Praktikan,



Meta Seftriana S Mhd. Mirza M
NIM. K2A 008 051 NIM. K2A 009 028




Koordinator Asisten,



Sanudin Ali Ibrahim
NIM. K2B 006 056

Daftar isi laporan plankton

DAFTAR ISI

HALAMAN JUDUL ........................i
HALAMAN PENGESAHAN......................ii
DAFTAR ISI..............................iii
I. PENDAHULUAN..........................1
1.1. Latar Belakang................ 1
1.2. Tujuan .........................2
1.3. Waktu dan Tempat................3
II. TINJAUAN PUSTAKA....................4
2.1. Sampling Plankton.................4
2.1.1. Tekhnik Sampling Plankton........4
2.1.2. Teknik Identifikasi Plankton.....4
2.2. Parameter Fisika..................5
2.2.1. Kecerahan........................5
2.2.2. Kedalaman........................5
2.2.3. Suhu.............................6
2.2.4. Salinitas........................6
2.2.5. Kecepatan Arus...................7
2.3. Struktur Komunitas................7
2.3.1. Kelimpahan Plankton..............7
2.3.2. Indeks Keanekaragaman............8
2.3.3. Indeks Keseragaman...............9
2.3.4. Indeks Dominasi..................10
2.4. Kultur Artemia....................10
2.4.1 Siklus Hidup Artemia..............10
2.4.2. Kultur Artemia...................13
2.5. mikroalga..........................14
III. MATERI DAN METODE..................18
3.1. Materi............................18
3.1.1. Alat.............................18
3.1.2. Bahan............................20
3.2. Metode............................22
3.2.1. Sampling Plankton................22
3.2.2. Kultur Artemia dalam air laut....23
3.2.3. Hatching Rate Artemia............24
3.2.4. Pengamatan Microalga.............25
IV. HASIL dan PEMBAHASAN................26
4.1. Hasil.............................26
4.1.1. Sampling Plankton...............26
4.1.1.1. Kelimpahan Plankton............26
4.1.1.1. Indeks Keanekaragam Spesies....29
4.1.1.3. Indeks Keseragaman Spesies.....31
4.1.1.4. Indeks Dominasi................31
4.1.2. Parameter Fisika................32
4.1.3. Kultur Artemia..................32
4.1.3.1. Hatching Rate Menetas..........32
4.1.3.2. Hatching Rate Tidak Menetas....32
4.1.3.3. Siklus Hidup Artemia sp........33
4.1.4 Pengamatan Mikroalga.............34
4.2. Pembahasan........................35
4.2.1. Deskripsi Lokasi Sampling........35
4.2.2. Parameter Fisika.................35
4.2.3. Struktur Komunitas...............37
4.2.4. Kultur Artemia...................38
4.2.5. Pengamatan Mikroalga.............39
V. KESIMPULAN dan SARAN................43
5.1. Kesimpulan........................44
5.2. Saran.............................44
DAFTAR PUSTAKA..........................45
LAMPIRAN

SNMPTN 2010

Pendaftaran seleksi nasional masuk perguruan tinggi negeri dibuka dalam dua gelombang. Dengan demikian, ada kesempatan buat siswa SMA/MA/SMK yang ikut ujian nasional ulangan untuk bisa mendaftar dalam seleksi masuk yang diikuti 57 perguruan tinggi negeri di Tanah Air tersebut.

Dari informasi yang diumumkan dalam situs web resmi seleksi nasional masuk perguruan tinggi negeri (SNMPTN) www.snmptn.ac.id, pendaftaran secara online untuk gelombang pertama dimulai 2 Mei pukul 08.00 hingga 31 Mei pukul 16.00. Pendaftaran ini ditujukan untuk lulusan tahun 2008, 2009, dan UN utama tahun 2010.

Adapun bagi lulusan UN ulangan, pendaftaran secara online dimulai 10 Juni pukul 08.00 hingga 12 Juni pukul 16.00. Peserta yang hendak mengikuti SNMPTN harus membayar dulu uang pendaftaran lewat beragam fasilitas layanan Bank Mandiri yang tersedia.

Biaya formulir pendaftaran untuk kelompok IPA atau IPS Rp 150.000, peserta dapat memilih dua program studi. Untuk kelompok IPS biaya formulir senilai Rp 175.000 dengan tiga pilihan program studi.

Tes tertulis SNMPTN digelar 16 Juni, terdiri atas tes potensi akademik (TPA) dan tes bidang studi dasar (Matematika dasar, Bahasa Indonesia, dan Bahasa Inggris). Keesokan harinya tes bidang studi IPA dan bidang studi IPS. Adapun yang menjalani ujian dan tes keterampilan tanggal 18-19 Juni. Pengumuman di situs resmi SNMPTN pada 17 Juli mulai pukul 00.00.

Ketua Umum Panitia SNMPTN 2010 sekaligus Rektor Institut Pertanian Bogor, Herry Suhardiyanto, yang dihubungi hari Kamis (29/4/2010), belum bersedia memberikan penjelasan seputar pelaksanaan SNMPTN 2010. Secara umum, dari informasi yang tersedia di situs resminya, pelaksanaan SNMPTN seperti tahun lalu. Kecuali untuk pendaftaran, hanya bisa dilakukan secara online.