DARI DIVISI 2 LIGA INDONESIA KE FILM STARWARS

iko uwais sempat menjadi pemain bola

FYI-Siapa yang tak kenal iko uwais, pria yang identik dengan pencak silatnya ini menjadi ikon baru dalam dunia perfilman action tanah air baru-baru ini. Tak hanya pernah menjadi atlit pencak silat tapi juga pernah mendalami dunia sepak bola. Suami audy item ini menekuni sepak bola Sejak tahun 1993, hingga akhirnya pada tahun 2003, menjadi pemain Divisi II Liga Indonesia. Namun karena terjadi krisis finansial pada klub yang dibelanya, ia beralih haluan ke olahraga pencak silat yang melambungkan namanya hingga ke dunia perfilman saat ini. 

aksi dalam film action

Film yang meledak ketika ia bintangi yaitu the raid , dimana film ini mendapat apresiasi yang  tinggi hingga masuk dalam box office amerika. Tak hanya sampai disini sekuel film the raid yang kedua sampai mencapai rekor baru box office di inggris. 

cuplikan film starwars

Awal tahun 2016 indonesia dihebohkan dengan prestasi membangggakan dari beberapa aktor film tanah air yang mampu mengambil peran dalam sekuel film  StarWars: “The Foce Awakens” yang terkenal hingga seluruh dunia. Diantara nya Iko uwais dan “mad dog” , hebatnya mereka masuk film yang bergengsi tersebut tanpa melaui proses casting. Alasannya karena tanpa casting, Sang sutradara sudah mengetahui kualitas acting mereka hanya dengan melihat film the raid sebelumnya.

atlet pencak silat 

Iko uwais berharap indonesia mampu mengapresiasi karya bangsa nya sendiri, negara lain saja sudah mengakui bahwa kemampuan mereka bisa disejajarkan di hollywood. Jika bukan kita yang menghargai bagaimana dunia perfilman indonesia bagaimana bisa maju. Ia pun berharap agar generasi muda Indonesia melestarikan budaya dalam negeri  salah satunya pencak silat, jika tidak dilestarikan maka bisa bisa diklaim oleh negara lain padahal pencak silat merupakan  salah satu seni bela diri dari bangsa indonesia. Semoga dengan menghargai karya anak bangsa maka bangsa indonesia bisa menjadi negara yang madiri, berdaulat dan berwibawa di pergaulan internasional.

------Proud to be indonesian, I love indonesia and I love indonesian Football--------

Green Tea Minuman Yang Kaya Akan Manfaat

Green Tea

Negeri Cina menjadi tempat lahirnya teh, disanalah pohon teh Cina (Camellia sinensis) ditemukan dan berasal. Tepatnya di provinsi Yunnan, bagian barat daya Cina. Iklim wilayah itu tropis dan sub-tropis, dimana daerah tersebut memang secara keseluruhan adalah hutan zaman purba. Daerah demikian, yang hangat dan lembab menjadi tempat yang sangat cocok bagi tanaman teh, bahkan ada teh liar yang berumur 2,700 tahun dan selebihnya tanaman teh yang ditanam yang mencapai usia 800 tahun ditemukan ditempat ini.

Apa itu Green Tea?

Teh hijau adalah teh yang dibuat dari daun tanaman teh (Camellia sinensis) yang dipetik dan mengalami proses pemanasan untuk mencegah oksidasi, atau bisa juga berarti minuman yang dihasilkan dari menyeduh daun teh tersebut.

Teh hijau merupakan minuman populer di daratan Tiongkok, Taiwan, Hongkong, Jepang dan Asia Tenggara, dan saat ini sudah semakin dikenal juga di negara Barat yang dulunya merupakan peminum teh hitam.

Jenis-jenis Greet Tea

1.Gyokuro

Teh terpilih dari daun teh kelas atas yang disebut Tencha. Teh dinamakan Gyokuro karena warna hijau pucat yang keluar dari daun teh. Daun dilindungi dari terpaan sinar matahari sehingga mempunyai aroma yang sangat harum.

2. Matcha

Teh hijau berkualitas tinggi yang digiling menjadi bubuk teh dan dipakai untuk upacara minum teh. Matcha mempunyai aroma yang harum sehingga digunakan sebagai perasa untuk es krim rasa teh hijau, berbagai jenis kue tradisional Jepang (wagashi), berbagai permen dan coklat.

3. Sencha

Teh hijau yang biasa diminum sehari-hari, dibuat dari daun yang dibiarkan terpapar sinar matahari.

4. Genmaicha

Teh jenis bancha dengan campuran butiran beras yang belum disosoh (genmai) yang dibuat menjadi berondong. Teh mempunyai aroma wangi butiran beras yang setengah gosong.

5. Kabusecha

Teh jenis sencha yang daunnya dilindungi untuk beberapa lama dari terpaan sinar matahari sebelum dipanen. Aroma teh kabusecha sedikit lebih lembut dibandingkan dengan teh sencha.

6. Bancha

Teh kasar yang dibuat dari panenan yang kedua kali antara musim panas dan musim gugur. Daun teh untuk teh bancha biasanya lebih besar dari daun teh sencha dan aromanya tidak begitu harum.

7. Hojicha

Teh yang digongseng di atas penggorengan atau di dalam oven.

8. Kukicha

Teh berkualitas rendah dari daun teh bercampur tangkai daun teh.

Khasiat dari Green Tea

·   Menghambat pembentukan kanker.

·   Mencegah penyakit jantung dan stroke.

·   Menstimulir sistem sirkulasi, memperkuat pembuluh darah, dan menurunkan kolesterol dalam darah.

·    Meningkatkan jumlah sel darah putih yang bertanggung jawab melawan infeksi.

·    Mencegah serangan influenza.

·    Menurunkan stress

· Dalam saluran pencernaan, teh juga membantu melawan keracunan makanan dan penyakit macam kolera, tipes dan desentri. Di dalam buku Shennong Bencao, Sennong mencatat 72 jenis tanaman beracun yang dapat dinetralisir oleh teh.

·  Teh dapat menurunkan angka serangan diare.

· Membantu menghambat infeksi tenggorokan.

·  Memperbaiki konsentrasi, ketajaman perhatian, dan kemampuan memecahkan masalah.

· Bisa pula digunakan sebagai obat luar untuk beberapa penyakit. Di Cina, umpamanya, teh hijau digunakan sebagai obat rumah untuk menyembuhkan luka atau mencegah penyakit kulit dan penyakit kaki karena kutu air.

·   Sebagai bahan-bahan kosmetik. Di antaranya, untuk lotion; cream antiseptik; produk-  produk perawatan rambut macam shampo atau conditioner; perawatan mulut seperti pasta gigi, mouthwash, dan pelindung bibir; deodoran; produk pembersih macam sabun atau pembersih kulit; perawatan tubuh seperti hand & body lotion; perawatan kaki; dan produk-produk pelindung tubuh dari sengatan matahari atau yang diperlukan selama perjalanan.

·  Memperkuat gigi, juga baik untuk melawan osteoporosis.

·  Membantu menurunkan resiko penyakit mental ketika seseorang beranjak tua.

Kelebihan Dan Kekurangan ANN (Artificial Neural Network)

Masih mata kuliah rekayasa optimasi proses gan. Metode yang selanjutnya adalah  ANN. Biar gak lupa ditulis aja di blog gan, wkwk. Apa itu ANN?? langsung liat dibawah aja gan

Pengertian

ANN (Artificial Neural Network) adalah Suatu sistem pemrosesan informasi yang mencoba meniru kinerja otak manusia. ANN merupakan  generalisasi model matematis dengan asumsi:

·  Pemrosesan informasi terjadi pada elemen sederhana (=neuron)

· Sinyal dikirimkan diantara neuron-neuron melalui penghubung (=dendrit dan akson)
· Penghubung antar elemen memiliki bobot yang akan menambah atau mengurangi sinyal

· Untuk menentukan output, setiap neuron memiliki fungsi aktivasi (biasanya non linier) yang dikenakan pada semua input

· Besar output akan dibandingkan dengan threshold

Baik tidaknya suatu model ANN ditentukan oleh:

·     Pola antar neuron (arsitekur jaringan)

·     Metode untuk menentukan dan mengubah bobot (disebut metode learning)

·     Fungsi aktivasi ANN disebut juga: brain metaphor, computational neuroscience, parallel distributed processing

 Kelebihan

a) Mampu mengakuisisi pengetahuan walau tidak ada kepastian

b) Mampu melakukan generalisasi dan ekstraksi dari suatu pola data tertentu ANN dapat menciptakan suatu pola pengetahuan melalui pengaturan diri atau kemampuan belajar (self organizing)

c) Memiliki fault tolerance, gangguan dapat dianggap sebagai noise saja

d) Kemampuan perhitungan secara paralel sehingga proses lebih singkat

ANN mampu

a) Klasifikasi: memilih suatu input data ke dalam kategori tertentu yang sudah  ditetapkan

b) Asosiasi: menggambarkan suatu obyek secara keseluruhan hanya dengan bagian dari obyek lain

c) Self organizing: kemampuan mengolah data-data input tanpa harus mempunyai target

d) Optimasi: menemukan suatu jawaban terbaik sehingga mampu meminimalisasi fungsi biaya 

Kelemahan

a) Kurang mampu untuk melakukan operasi operasi numerik dengan presisi tinggi

b) Kurang mampu melakukan operasi algoritma aritmatik, operasi logika dan simbolis

c) Lamanya proses training yang mungkin terjadi dalam waktu yang sangat lama untuk jumlah data yang besar

Oke gan saya kira itu penjelasan ANN untuk kali ini, semoga bermanfaat..

Semoga sukses uas broo.. amiin

Kelebihan Dan Kekurangan SVM (Support Vector Machine)

Besok UAS ROP materinya banyak sekali. Biar gak lupa ditulis aja di blog gan, wkwk. Metode yang selanjutnya adalah Support Vector Machine (SVM).. Apa itu?? langsung liat dibawah aja gan

Pengertian

Support Vector Machine (SVM) pertama kali diperkenalkan oleh Vapnik pada tahun 1992 sebagai rangkaian harmonis konsep-konsep unggulan dalam bidang pattern recogn ition. Sebagai salah satu metode pattern recognition, usia SVM terbilang masih relatif muda. Walaupun demikian , evaluasi kemampuannya dalam berbagai aplikasinya menempatkannya sebagai state of the art  dalam pattern recognition, dan dewasa ini merupakan salah satu tema yang berkembang dengan pesat. SVM adalah metode learning machine yang bekerja atas prinsip Structural Risk Minimization (SRM) dengan tujuan menemukan hyperplane terbaik yang memisahkan dua buah class pada input space. Tulisan ini membahas teori dasar SVM dan aplikasinya dalam bioinf ormatika, khususnya pada analisa ekspresi gen yang diperoleh dari analisa microarray Pengertian yang lainya adalah sistem pembelajaran yang menggunakan ruang hipotesis berupa fungsi-fungsi linier dalam sebuah ruang fitur (feature space) berdimensi tinggi, dilatih dengan algoritma pembelajaran yang didasarkan pada teori optimasi dengan mengimplementasikan learning bias yang berasal dari teori pembelajaran statistik. 

Kelebihan 

Dalam memilih solusi untuk menyelesaikan suatu masalah, kelebihan dan kelemahan masing-masing metode harus diperhatikan. Selanjutnya metode yang tepat dipilih dengan memperhatikan karakteristik data yang diolah. Dalam hal SVM, walaupun berbagai studi telah menunjukkan kelebihan metode SVM dibandingkan metode kon vensional lain, SVM juga memiliki berbagai kelemahan. Kelebihan SVM antara lain sbb.   

1.   Generalisasi  Generalisasi didefinisikan sebagai kemampuan suatu metode (SVM, neural network, dsb.) untuk mengklasifikasikan suatu pattern, yang tidak termasuk data yang dipakai dalam fase pembelajaran metode itu. Vapnik menjelaskan bahwa generalization error dipengaruhi oleh dua faktor:  error terhadap training set, dan satu faktor lagi yang dipengaruhi oleh dimensi VC (Vapnik-Chervokinensis). Strategi pembelajaran pada neural network dan umumnya metode learning machine difokuskan pada usaha untuk meminimimalkan error pada training-set. Strategi ini disebut  Empirical Risk Minimization (ERM). Adapun SVM selain meminimalkan error pada training-set, juga meminimalkan faktor kedua. Strategi ini disebut Structural Risk Minimization  (SRM), dan dalam SVM diwujudkan dengan memilih hyperplane dengan margin terbesar. Berbagai studi empiris menunjukkan bahwa pendekatan SRM pada SVM memberikan error generalisasi yang lebih kecil daripada yang diperoleh dari strategi ERM pada neural network maupun metode yang lain.     

2.   Curse of dimensionality  Curse of dimensionality didefinisikan sebagai masalah yang dihadapi suatu metode pattern recognition dalam mengestimasikan parameter (misalnya jumlah hidden neuron pada neural network, stopping criteria dalam proses pembelajaran dsb.) dikarenakan jumlah sampel data yang relatif sedikit dibandingkan dimensional  ruang vektor data te rsebut. Semakin tinggi dimensi dari ruang vektor informasi yang diolah, membawa konsekuensi dibutuhkannya jumlah data dalam proses pembelajaran. Pada kenyataannya seringkali terjadi, data yang diolah berjumlah terbatas, dan untuk mengumpulkan data yang lebih banyak tidak mungkin dilakukan karena kendala biaya dan kesulitan teknis. Dalam kondisi tersebut, jika metode itu “terpaksa” harus bekerja pada data yang berjumlah relatif sedikit dibandingkan dimensinya, akan membuat proses estimasi parameter metode menjadi sangat sulit. 

3.   Landasan teori  Sebagai metode yang berbasis statistik,  SVM memiliki landasan teori yang dapat dianalisa dengan jelas, dan tidak bersifat black box.   

4.   Feasibility  SVM dapat diimplementasikan relatif mudah, karena proses penentuan support vector dapat dirumuskan dalam QP problem. Dengan demikian jika kita memiliki library untuk menyelesaikan QP problem, dengan sendirinya SVM dapat diimplementasikan dengan mudah. Selain itu dapat diselesaikan dengan metode sekuensial sebagaimana penjelasan sebelumnya Kekurangan 

Dari banyaknya kelebihan diatas SVM juga mempunyai banyak kekurangan anrata lain 

1. Sulit dipakai dalam problem berskala besar. Skala besar dalam hal ini dimaksudkan dengan jumlah sample yang diolah.

2. SVM secara teoritik dikembangkan untuk problem klasifikasi dengan dua class. Dewasa ini SVM telah dimodifikasi agar dapat menyelesaikan masalah dengan class lebih dari dua, antara lain strategi One versus rest dan strategi Tree Structure.

Ok gan sudah paham kan mengenai svm??

Semoga bermanfaat..