Hari pertama acara di isi oleh Drs. Ir. H. Yaya Hidayat, MM, beliau adalah widyaiswara dari Badan Diklat Provinsi Jawa Barat. Materi yang dibawakan adalah Naskah Dinas yang dirumuskan dalam susunan dan bentuk Produk-produk Hukum. Menurut beliau, Payung hukum dari Tata naskah dinas ini adalah permendagri no 54 tahun 2009 sebagai pengganti dari permendagri no 2 dan 3 tahun 2005. sedangkan khusus untuk Kota Bogor masih menggunakan perwal (peraturan walikota) no 13 tahun 2006 yang seharusnya segera diganti mengikuti permendagri yang baru karena ada beberapa perbedaan prinsip antara permendagri no 3 tahun 2006 dengan permendagri no 54 tahun 2009.

Acara berlangsung sangat cair, saya salut dengan pak Yaya ini yang bisa membawakan materi yang “ngantuk” menjadi sangat segar. mungkin ini karena faktor jam terbang sebagai widyaiswara yang tinggi. dijelaskan bahwa naskah dinas dibagi menjadi 2 jenis, yaitu naskah dinas yang dirumuskan dalam bentuk produk hukum, dan naskah dinas yang dirumuskan dalam surat. Naskah dinas dalam bentuk produk hukum antara lain:

• Peraturan Daerah
• Peraturan Kepala Daerah
• Peraturan Bersama Kepala Daerah
• Keputusan kepala Daerah; dan
• Keputusan Kepala SKPD

Dalam permendagri no 3 th 2005 dan perwali no. 13 tahun 2006, Instruksi Kepala Daerah, dalam hal ini walikota termasuk kedalam produk hukum. sedangkan dalam permendagri terbaru Instruksi tidak termasuk kedalam produk hukum.

Dalam ketentuan umum permendagri 54, peraturan daerah atau perda adalah “Naskah Dinas dalam bentuk dan susunan produk hukum, yang bersifat pengaturan ditetapkan oleh Kepala Daerah setelah mendapat persetujuan bersama Dewan Perwakilan Rakyat Daerah untuk mengatur urusan otonomi daerah dan tugas pembantuan”. kata kuncinya adalah mendapat persetujuan bersama DPRD, artinya sebuah perda bisa disahkan setelah mendapat persetujuan dari anggota dewan. siapa yang dapat mengajukan Perda? menurut pak Yaya, perda dapat diajukan oleh Pemkot ataupun inisiatif dari anggota Dewan itu sendiri.

Berbeda dengan Perda, peraturan kepala daerah atau peraturan walikota (Perwal) adalah  ”Naskah Dinas dalam bentuk dan susunan produk hukum, yang bersifat pengaturan ditetapkan oleh Kepala Daerah”, tanpa perlu mendapat persetujuan DPRD. Yang menjadi catatan saya, pak Yaya mengungkapkan bahwa dalam Perwali tidak memiliki sanksi hukum dan substansinya adalah menjelaskan dari produk hukum diatasnya, sehingga biasanya perwali berbentuk Juklak atau Juknis.

waktu berlalu, jaman semakin canggih. yang punya tulisan mirip huruf pallawa tak usah berkecil hati. sekarang jaman sudah canggih, tinggal tik-tok-tik-tok simsalabim jadilah tulisan. tapiii, masalah klasik saya ternyata belum terpecahkan. saya masih tetap malas untuk menulis. jadi permasalahannya dimana? entahlah, saya rasa hanya faktor kemauan saja yang sedikit bermasalah pada orang yang penuh masalah ini. Namun dari hati yang paling dalam saya selalu ingin menulis walaupun cuma satu kata  ditwitter.

*beginilah tulisan saya, selalu, yang terlintas yang tertulis.

(dok. Corbis via vivanews.com)

Baca status twitter temen, hah lupa sayah kata-katanya . intinya dulu waktu pacaran dia manggil sama yayangnya pake nama, karena sekarang udah jadi mantan maka panggilannya balik lagi jadi gw-lu. terus emang kenapa monz? eh kenapa ya? ya gapapa sih hehehe. no no no, maksudnya begitu baca tweet dia, saya jadi keingetan tentang bagaimana saya dan mantan saya saling memanggil .

dulu waktu pedekate, waktu firaun masih pake pampers, saya sama mantan manggilnya gw-lu. terus secara  tiba-tiba, kita jadi saling panggil nama. saya juga gak tau siapa yang mulai memanggil seperti itu. setelah beberapa tahun, panggilan sayang mulai naik level jadi aku-kamu. cieee uhuy *hush, itu belum seberapa, panggilan sayang jadi tambah mesra dengan panggilan aa-neng yang kadang ada selipan “say” atau “yang” yang merujuk pada kata sayang. nah panggilan inilah yang paling lama bertahan sampai sekarang udah jadi mantan.

tapi setelah perut mantan makin besar, kita mulai berpikir untuk menaikan level panggilan. tapi ini masih belum fix, kadang pake ayah-ibu, kadang ayah-bunda, kadang papa-mama, tapi kadang sakaingetna . saya sempet kepikiran untuk menggunakan panggilan dad-mom tetapi secara membabi-buta langsung ditolak mentah-mentah sama mantan. jadi sementara panggilan aa dan eneng masih berlaku.

*demikianlah tulisan ngacapruk-sakainget-tanpa-konsep saya, terima kasih.

Tujuan penelitian ini adalah untuk menganalisis kinerja jaringan syaraf tiruan dalam pengenalan wajah yang mengalami praproses transformasi wavelet dengan jaringan syaraf tiruan tanpa praproses wavelet. Data yang digunakan pada penelitian ini sebanyak 100 wajah yang didapat dari universitas cambridge  (http://homepages.Cae.wisc.edu/~ece533/images/facedatabase/) yang terdiri dari 10 wajah dengan 10 ekspresi berbeda. Ukuran citra sebenarnya 48×48 piksel dan menggunakan citra berskala keabuan (gray scale) 8 bit.

Transformasi wavelet  berasal dari sebuah fungsi penyekala (scaling function) (Stollnitz et al. 1995). Fungsi ini dapat membuat sebuah induk wavelet dan wavelet-wavelet lainnya akan muncul dari hasil penyekalaan, dilasi dan pergeseran induk wavelet. Pengembangan sinyal berdimensi dua biasanya diterapkan bank filter untuk melakukan proses dekomposisi citra. Citra yang mengalami dekomposisi akan menghasilkan citra pendekatan berupa koefisien pendekatan dan citra detil berupa koefisien detil.

Dalam penelitian ini citra wajah dibagi dua menjadi 50 untuk pelatihan dan 50 untuk pengujian dengan memperhatikan posisi dan ekspresi. kemudian data tersebut akan mengalami 2 perlakuan yaitu praproses menggunakan transformasi wavelet dan tanpa transformasi. Hasil dari tahapan tersebut kemudian diproses menggunakan JST propagasi balik. Setiap percobaan mengamati nilai generalisasi terbaik untuk menemukan kombinasi hidden neuron, toleransi kesalahan, dan level dekomposisi untuk percobaan yang melalui praproses dekomposisi.

Kesimpulan dari penelitian tersebut adalah pengenalan wajah dengan praproses transformasi wavelet dapat meningkatkan nilai generalisasi, bahkan dapat mencapai 100% pada dekomposisi level 3. hal lain yang didapat adalah waktu komputasi saat proses pengenalan wajah yang mengalami proses dekomposisi Wavelet lebih cepat jika dibandingkan dengan komputasi tanpa dekomposisi Wavelet.

Pada aplikasi ERP, sistem basis data yang banyak digunakan adalah basis data relasional, sedangkan pengembangan aplikasi skala enterprise sebagian besar menerapkan konsep berorientasi objek menggunakan three-tier-architecture yang terdiri atas lapisan presentasi, aplikasi, dan basis data (Rashid et. al. 2002), sehingga ditemukan ketidak sesuaian antara basis data yang digunakan dengan dengan aplikasi yang dikembangkan. Ketidaksesuaian tersebut mencakup aspek granularity, subtypes, identitas, asosiasi, dan navigasi data (Bauer & King 2007).

Untuk mengatasi ketidaksesuaian tersebut, telah dilakukan penelitian mengenai konsep ORM (Object Relational Mapping) yang berfungsi memetakan antara class dengan tabel (Nugraha 2005). namun penelitian yang dilakukan oleh nugraha (2005) hanya pada aspek pemetaan dan tidak di implemaentasikan. sedangkan pada penelitian yang dilakukan dalam skripsi ini mengimplementasikan konsep ORM untuk menghilangkan ketidaksesuaian tersebut serta penerapan konsep design pattern yang  berfungsi dalam proses penyatuan dengan lapisan aplikasi.

Skripsi tersebut bertujuan untuk menganalisis kinerja MCA dalan klasifikasi dokumen dan pengaruh perlakuan praproses pada hasil klasifikasi. latar belakang dari penelitian tersebut adalah proses klasifikasi dokumen dengan jumlah banyak membutuhkan biaya dan waktu yang lama. sehingga dengan permasalahan tersebut dibutuhkan

sebelum proses klasifikasi, dokumen terlebih dahulu melalui 4 tahap praproses data. yang pertama parsing, yaitu teks dalam setiap dokumen dipilah menjadi sekumpulan token. tahap kedua adalah pembuangan stop word, yaitu semua kata yang ada di dalam stoplist dibuang. tahap yang ketiga stemming, yaitu proses untuk menentukan kata dasar dari sebuah kata. Sedangkan tahap terakhir dari praproses adalah gabungan dari tahap kedua dan tahap ketiga.

Setelah praproses, setiap dokumen akan direpresentasikan ke dalam bentuk vektor kemudian dibagi menjadi data latih dan data uji. Pada setiap kelas, dokumen dari data latih akan dihitung komponen minornya menggunakan MCA dan hasilnya adalah sebuah vektor baris MCA. Kemudian proses klasifikasi dilakukan dengan cara menghitung vektor proyeksi dari vektor dokumen terhadap setiap vektor yang ada.

Penelitian tersebut mempelajari metode pengenalan Hidden Markov Modelling (HMM), kamus fenom ARPAbet, dan variasi pengucapan kata yang berbeda yang digunakan pada Sistem Pengenal Kata Sederhana. Hal-hal tersebut sangat mempengaruhi terhadap akurasi sistem yang dibangun. Akurasi pengenalan diuji berdasarkan jumlah kata dalam kamus, jumlah kata yang dikenali, panjang fenom pembentuk kata, dan tingkat kesalahan penguji. Kesalahan meliputi insertion, deletion, dan substiution.

Tingkat keberhasilan pengenalan kata sangat dipengaruhi oleh jumlah kata yang terdapat di dalam Kamus. Semakin banyak kata yang terdapat didalam kamus, maka tingkat keberhasilannya akan semakin kecil. Selain jumlah kata dalam kamus, hal lain yang mempengaruhi tingkat keberhasilan adalah jumlah kata yang akan dikenali dan panjang fenom pembentuk kata.

Tulisan kali ini saya akan mengulas karya ilmiah (skripsi) yang berjudul Pengenalan Pembicara dengan Jaringan Syaraf Tiruan Backpropagation yang terdapat di http://iirc.ipb.ac.id/jspui/handle/123456789/2266 dari penulis Baskoro Oktianto seorang mahasiswa ilmu komputer IPB yang lulus pada tahun 2004.

Skripsi “Pengenalan Pembicara dengan Jaringan Syaraf Tiruan Backpropagation” (Speaker Recognition with backPropagation Artificial Neural Network) membahas masalah pengenalan pembicara dan membaginya menjadi dua bagian. Bagian pertama adalah identifikasi pembicara, yaitu menentukan identitas dari pembicara, dan bagian kedua adalah verifikasi pembicara yaitu melakukan verifikasi identitas yang di klaim oleh pembicara. Untuk mengenali pola suara pembicara, digunakan jaringan syaraf tiruan. Hal ini karena pengenalan pembicara termasuk ke dalam masalah nonalgorithmic.

Sebelum di proses dalam Jaringan Syaraf  Tiruan (JST), data suara terlebih dahulu di proses untuk mengurangi dimensinya (dimension reduction) dengan feature selection dan feature extraction. proses feature selection menggunakan analisis cepstral sedangkan proses feature extraction menggunakan principal component analysis atau PCA.

Hasil dari JST adalah sebuah model pembuatan keputusan dalam sistem identifikasi dan sistem verifikasi yang digunakan untuk menentukan  menerima atau menolak klaim suara yang diajukan oleh pembicara. Sistem yang dibangun diklaim mampu mengidentifikasi dengan tingkat generalisasi tertinggi sebesar 92,3077% dan melakukan verifikasi dengan nilai equal error rate sebesar 6,5657 %.

mengutip dari halaman awal survey ini

Stretch your memory with fun challenges designed by experts. Your answers will help University of Edinburgh experimental psychologists with their research.

menarik sekali mengikuti survey ini karena kita akan disajikan beberapa tahapan test yang kurang lebih memakan waktu sekitar 20 menit. pada tiap tahapan akan diberikan penjelasan pendahuluan apa yang harus kita lakukan berikutnya. ada 10 tahapan test yang pada tiap tahapannya terdiri dari beberapa level tingkat kesulitan. jika kita gagal dalam suatu level sebanyak 2 kali, maka test pada tahapan tersebut akan dihentikan dan dilanjutkan pada tahapan berikutnya.

jika suatu tahapan selesai baik karena kita gagal atau karena kita berhasil menyelesaikannya dengan baik, maka kita akan diberi penjelasan singkat tentang apa yang telah kita lakukan sebelumnya dan hasil dari test kita. juga akan diberikan informasi tentang hasil yang didapat oleh “kebanyakan” orang, yang ini cukup menghibur saya karena ingatan saya payah dan perolehan saya kecil dan ternyata saya tidak sendiri hehehe.

pada akhir test akan diberikan result test secara keseluruhan dan kita diminta untuk mensubmitnya, berikutnya kita juga akan diarahkan pada halaman feedback yang berisi informasi full result beserta penjelasan yang lebih lengkap tentang tiap tahapan test yang telah kita lakukan.

Most people will not be able to get everything right. People with normal memories can have low scores.

oke next ke postingan saya yang di rommonz.co.cc yang gak jadi. yaitu tentang web dengan design yang kurang baik. tulisan ini terkait dengan tugas mata kuliah Interaksi Manusia Komputer atau Human Computer Interactions dibawah bimbingan Bapak Firman Ardiansyah.

Setelah browsing cukup lama untuk mencari web yang memiliki design yang ‘kurang’ baik, akhirnya saya memutuskan untuk mereview web Hermes (http://lesailes.hermes.com/us/en/). pada dasarnya desain web ini cukup menarik, hanya saja saya sama sekali bingung dalam navigasinya, ketika pertama kali membuka web tersebut, setelah intro dengan sedikit animasi. maka kita akan dihadapkan pada sebuah huruf ‘H’ yang besar (saya pikir ini webnya teman saya[H], ternyata bukan hehe) dengan tanda ‘?’ disebelah kiri (inipun saya lihat setelah beberapa saat mencari link yang bisa di klik), kuda disebelah kanan atas, dan kotak-kotak tanpa arti di bagian bawah kuda tadi.

setelah sekian lama barulah saya mengerti bahwa tanda ‘?’ itu adalah link untuk jendela pop up ‘how-to’ website tersebut. sekedar informasi, saya mendapatkan link tersebut dari www.webpagesthatsuck.com dan di web tersebut sebenarnya telah dijelaskan, namun saya tidak membacanya hehehe. sehingga kesimpulan saya tentang web Hermes adalah sebagai berikut :

• Navigasi yang membingungkan, walaupun ada menu help-nya, namun tidak ada tulisan sama sekali yang menunjukan bahwa link tersebut adalah menu help
• Kurang Informatif, setelah beberapa saat berselancar di Hermes, saya tidak berhasil menemukan apa itu hermes atau petunjuk tentang hal tersebut

Demikian sedikit review dari saya, jangan lupa isi komentarnya ya