MATEMATIKA DISKRIT : Konsep Logika AND, OR dan NOT

Dalam dunia informatika, kita mempelajari tentang logika komputer hingga dapat mengolah berbagai data maupun perintah yang memberikan kemudahan terhadap pekerjaan manusia melalui hasil yang dikeluarannya.

Prinsip logika yang ada pada mesin seperti komputer diilustrasikan sebagai suatu keadaan yang diskrit (memiliki nilai yang pasti seperti 0 dan 1). 

LOGIKA

Untuk mengeksekusi perintah pun , komputer mengenal operasi-operasi dasar untuk mendefinisikan sebuah kondisi. Untuk itu, maka kali ini saya akan membahas mengenai konsep logika untuk 3 kondisi yang paling sering ada yaitu Logika AND, OR dan NOT.

1. LOGIKA AND 
AND dalam bahasa indonesia berarti dan. logika ini menunjukkan nilai benar atau salah yang ada dalam kondisi yang dihubungkan dengan pernyataan dan (and).
berikut adalah tabel kebenaran logika AND

Kondisi A	Kondisi B	Nilai Kebenaran (A and B)
T	T	T
T	F	F
F	T	F
F	F	F

 
2. LOGIKA OR 
OR dalam bahasa indonesia berarti atau. logika ini menunjukkan nilai benar atau salah yang ada dalam kondisi yang dihubungkan dengan pernyataan atau (or).
berikut adalah tabel kebenaran logika OR

Kondisi A	Kondisi B	Nilai Kebenaran (A or B)
T	T	T
T	F	T
F	T	T
F	F	F

  
3. LOGIKA NOT  
NOT dalam bahasa indonesia berarti tidak/bukan. logika ini menunjukkan nilai negasi (kebalikan) dari pernyataan sebelumnya.
berikut adalah tabel kebenaran logika NOT

KONDISI A	NEGASI A
T	F
F	T

 

DATA MINING dan METODE-METODE DATA MINING

Data Mining

Data mining adalah sebuah proses yang mengelola data dalam jumlah besar dengan tujuan untuk mencari informasi dari data tersebut. Data mining dibagi menjadi beberapa kelompok berdasarkan tujuan dan hasil yang akan diperoleh.  Berikut adalah pembagian data mining :

1. Data mining untuk Association Rules (Aturan Asosiasi)
2. Data mining untuk Clasification (Klasifikasi)
3. Data mining untuk Clustering (Cluster/Pengelompokan)
4. Data mining untuk Prediction (Prediksi)
5. Data mining untuk Forecasting (Peramalan)

Berikut adalah contoh penggunaan data mining :
1. Data mining untuk Association Rules (Aturan Asosiasi)
Contoh :

Misalkan terdapat sebuah data penjualan sebuah swalayan selama satu tahun. Atribut data yang ada adalah nama barang, tanggal pembelian, jumlah pembelian dan kode kwitansi . Dari data dengan atribut yang ada kita dapat menemukan barang apa saja yang akan dibeli secara bersamaan. Misal dari 1500 transaksi diketahui bahwa 800 transaksi menunjukkan bahwa setiap seseorang membeli beras maka ia secara bersamaan akan membeli telur. 

Dari kesimpulan itu maka penjual dapat mempertimbangkan pemesanan beras dan telur secara bersamaan dan menempatkan posisi beras dan telur secara berdekatan untuk memberikan kemudahan pada pelanggan.

2. Data mining untuk Clasification (Klasifikasi)
Contoh :
Misalkan terbapat 10000 data penduduk dengan kategori kemampuan ekonominya. Data penduduk tersebut memiliki atribut No KTP, nama, pekerjaan, jumlah anak, besar pengeluaran, besar pendapatan dan kategori ekonomi.
Dari data yang ada, diterapkan pelatihan dengan menggunakan algoritma data mining untuk klasifikasi kategori ekonomi. Selanjutnya, dilakukan pengujian dengan data baru, hasil dari algoritma klasifikasi adalah didapatkannya keputusan kelompok ekonomi untuk data yang baru dimasukkan. metode klasifikasi dapat mempermudah dan menstandarkan pekerjaan manusia dalam memutuskan suatu data masuk kedalam kelompok apa berdasarkan data yang ada sebelumnya, yang dijadikan sebagai pembelajaran untuk data setelahnya. 
3. Data mining untuk Clustering (Cluster/Pengelompokan)
sedang dikaji, bersabar ya....!!!!
4. Data mining untuk Prediction (Prediksi)
sedang dikaji, bersabar ya....!!!!
5. Data mining untuk Forecasting (Peramalan)
Contoh:
Misalkan terdapat data penjualan barang-barang dari sebuah toko obat. data tersaji untuk penjualan tiap bulannya. Selain data penjualan, ada juga data stok dari setiap barang yang dijual. Dengan mengginakan teknik data mining untuk forecasting, dapat kita ketahui berapa kira-kira jumlah penjualan barang-barang untuk bulan depan. Teknik forecasting menggunakan pendekatan statistik dengan menghitung dan mencari hubungan antara siklus/ musing dari data-data sebelumnya untuk memprediksi berapa jumlah data untuk masa depannya.

Smart City

1. Konsep Smart City

Smart city adalah pengembangan dan pengelolaan kota dengan memanfaatkan Teknologi informasi dan komunikasi untuk menghubungkan, memonitor dan mengendalikan berbagai sumber daya yang ada di dalam kota dengan lebih efektif dan lebih efisien untuk memaksimalkan pelayanan kepada warganya serta mendukung pembangunan yang berkelanjutan.

Smart city mencakup tiga hal penting, yaitu:

a.       Sensing

Mengetahui permasalahan yang ada di dalam kota tersebut

b.      Understanding

Memahami permasalahan yang ada

c.       Controlling

Dapat mengatur sumber daya yang ada

Permasalahan yang sering kita temui dalam sebuah kota seperti kemacetan, kecelakaan, bencana alam, ketersediaan fasilitas kesehatan dan pendidikan yang kurang, sampah, polusi udara, penyakit epidemik dan masih banyak permasalahan-permasalahan lainnya. Oleh karena itu, sebuah kota yang memiliki permasalahan-permasalahan seperti ini harus mengoptilmalkan potensi lokalnya dengan memanfaatkan big data untuk mewujudkan smart city.

Sebuah kota dapat dikategorikan kedalam kota cerdas apabila ia dapat mengelola dan memanfaatkan segala potensi yang dimilikinya. Dalam hal ini, informasi dan data memiliki peran penting terhadap kemajuan suatu kota. Dengan pengelolaan yang tepat, semua data yang dimiliki sebuah kota akan menghasilkan informasi yang bermanfaat.

Big data merupakan kumpulan data mengenai suatu objek dengan jumlah yang besar, bervariasi, memiliki lingkup yang luas, detail, relasional dan fleksibel. Big data dapat berasal dari inputan manual manusia, sukarela, otomatis atau hasil analisa data yang besar.

Big data memberikan peluang untuk perkembangan suatu kota demi mencapai smart city. Analisis data suatu kota dari kumpulan data yang besar dan banyak akan menghasilkan informasi – informasi yang berguna. City analystics akan menghasilkan kesimpulan dan gambaran untuk mendukung pengambilan keputusan secara tepat, cermat dan gegas berdasarkan data yang akurat. City analystics dibutuhkan untuk membangun smart city