Pengertian Jaringan Komputer

Jaringan komputer atau jejaring komputer (computer network) adalah jaringan telekomunikasi yang memungkinkan antar komputer untuk saling berkomunikasi dengan bertukar data. Tujuan dari jaringan komputer adalah agar dapat mencapai tujuannya, setiap bagian dari jaringan komputer dapat meminta dan memberikan layanan (service). Pihak yang meminta/menerima layanan disebut klien (client) dan yang memberikan/mengirim layanan disebut peladen (server). Desain ini disebut dengan sistem client-server, dan digunakan pada hampir seluruh aplikasi jaringan komputer.

Dua buah komputer yang masing-masing memiliki sebuah kartu jaringan, kemudian dihubungkan melalui kabel maupun nirkabel sebagai medium transmisi data, dan terdapat perangkat lunak sistem operasi jaringan akan membentuk sebuah jaringan komputer yang sederhana. Apabila ingin membuat jaringan komputer yang lebih luas lagi jangkauannya, maka diperlukan peralatan tambahan seperti hub, bridge, switch, router, gateway sebagai peralatan interkoneksinya.

Pengertian Komputer (PC / Personal Computer)

Komputer adalah alat yang dipakai untuk mengolah data menurut prosedur yang telah dirumuskan. komputer adalah suatu perangkat keras yang sangat berkaitan dengan teknologi. komputer mampu membantu berbagai pekerjaan manusia. Kata komputer pada awalnya dipergunakan untuk menggambarkan orang yang perkerjaannya melakukan perhitungan aritmetika, dengan atau tanpa alat bantu, tetapi arti kata ini kemudian dipindahkan kepada mesin itu sendiri. Asal mulanya, pengolahan informasi hampir eksklusif berhubungan dengan masalah aritmatika, tetapi komputer modern dipakai untuk banyak tugas yang tidak berhubungan dengan matematika.

Dalam arti seperti itu terdapat alat seperti slide rule, jenis kalkulator mekanik mulai dari abakus dan seterusnya, sampai semua komputer elektronik yang kontemporer. Istilah lebih baik yang cocok untuk arti luas seperti "komputer" adalah "yang mengolah informasi" atau "sistem pengolah informasi." Selama bertahun-tahun sudah ada beberapa arti yang berbeda dalam kata "komputer" dan beberapa kata yang berbeda tersebut sekarang disebut sebagai komputer.

Kata komputer secara umum pernah dipergunakan untuk mendefinisikan orang yang melakukan perhitungan aritmatika, dengan atau tanpa mesin pembantu. Menurut Barnhart Concise Dictionary of Etymology, kata tersebut digunakan dalam bahasa Inggris pada tahun 1646 sebagai kata untuk "orang yang menghitung" kemudian menjelang 1897 juga digunakan sebagai "alat hitung mekanis". Selama Perang Dunia II kata tersebut menunjuk kepada para pekerja wanita Amerika Serikat dan Inggris yang pekerjaannya menghitung jalan artileri perang dengan mesin hitung.

Charles Babbage mendesain salah satu mesin hitung pertama yang disebut mesin analitikal. Selain itu, berbagai alat mesin sederhana seperti slide rule juga sudah dapat dikatakan sebagai komputer.

Hirarki Klasifikasi Single Linkage Menggunakan Manhattan Distance

Hirarki klasifikasi akan menggunakan jarak Manhattan.

Data yang akan kita gunakan adalah sebagai berikut :

Tahap awal adalah menghitung antara data X dan data Y.

Ditahap ini, cara perhitungannya berbeda dengan yang lain.

Tahap perhitungannya sebagai berikut :

• D1,D1 artinya (X1-X1) + (Y1-Y1) (menggunakan jarak manhattan)
• D1,D2 artinya (X1-X2) + (Y1-Y2) (menggunakan jarak manhattan)
• D1,D3 artinya (X1-X3) + (Y1-Y3) (menggunakan jarak manhattan)
• D1,D4 artinya (X1-X4) + (Y1-Y4) (menggunakan jarak manhattan)
• D1,D5 artinya (X1-X5) + (Y1-Y5) (menggunakan jarak manhattan)
• D2,D2 artinya (X2-X2) + (Y2-Y2) (menggunakan jarak manhattan)
• D2,D3 artinya (X2-X3) + (Y2-Y3) (menggunakan jarak manhattan)
• D2,D4 artinya (X2-X4) + (Y2-Y4) (menggunakan jarak manhattan)
• D2,D5 artinya (X2-X5) + (Y2-Y5) (menggunakan jarak manhattan)
• D3,D3 artinya (X3-X3) + (Y3-Y3) (menggunakan jarak manhattan)
• D3,D4 artinya (X4-X4) + (Y4-Y4) (menggunakan jarak manhattan)
• D3,D5 artinya (X5-X5) + (Y5-Y5) (menggunakan jarak manhattan)
• D4,D4 artinya (X4-X4) + (Y4-Y4) (menggunakan jarak manhattan)
• D4,D5 artinya (X4-X5) + (Y4-Y5) (menggunakan jarak manhattan)
• D5,D5 artinya (X5-X5) + (Y5-Y5) (menggunakan jarak manhattan)

Maka perhitungannya adalah :

• D1,D1  

• D1,D2

• D1,D3

• Lakukan perhitungan hingga D5,D5

 Perlu diingat untuk Manhattan nilai akhirnya adalah nilai mutlak

Sehingga di dapatkan hasil sebagai berikut :

Selanjutnya adalah membuat diagram matriks :

Dari matrik di atas, kita akan memilih hasil terkecil kecuali 0 dan ternyata nilai paling kecil adalah 1 yang dimiliki oleh data 4 ke 5 dan 5 ke 4.

data tersebut akan kita gabungkan sehingga terbentuk seperti berikut :

• D(45)1 
• D(45)2
• D(45)3

Hasil yang di dapat sebagai berikut :

Setelah di dapatkan datanya, maka di pilih nilai terkecil sehingga membentuk matrik sebagai berikut :

Setelah itu dipilih lagi data yang terkecil dari data diatas, sehingga yang didapat adalah sebagai berikut :

• D(452)1
• D(452)3

 

Hasil yang di dapat adalah sebagai berikut :

Setelah di dapatkan datanya, maka di pilih nilai terkecil sehingga membentuk matrik sebagai berikut :

Setelah itu dipilih lagi data yang terkecil dari data diatas, sehingga yang didapat adalah sebagai berikut :

• D(4523)1

 

Hasil yang di dapat adalah sebagai berikut :

Setelah di dapatkan datanya, maka di pilih nilai terkecil sehingga membentuk matrik sebagai berikut :

Dari hasil diatas maka kita bisa membuat diagramnya, sehingga diagram yang terbentuk seperti berikut:

Hirarki Klasifikasi Single Linkage Menggunakan Euclidean Distance

Hirarki klasifikasi akan menggunakan jarak euclidean.

Data yang akan kita gunakan adalah sebagai berikut :

Tahap awal adalah menghitung antara data X dan data Y.

Ditahap ini, cara perhitungannya berbeda dengan yang lain.

Tahap perhitungannya sebagai berikut :

• D1,D1 artinya (X1-X1) + (Y1-Y1) (menggunakan jarak euclidean)
• D1,D2 artinya (X1-X2) + (Y1-Y2) (menggunakan jarak euclidean)
• D1,D3 artinya (X1-X3) + (Y1-Y3) (menggunakan jarak euclidean)
• D1,D4 artinya (X1-X4) + (Y1-Y4) (menggunakan jarak euclidean)
• D1,D5 artinya (X1-X5) + (Y1-Y5) (menggunakan jarak euclidean)
• D2,D2 artinya (X2-X2) + (Y2-Y2) (menggunakan jarak euclidean)
• D2,D3 artinya (X2-X3) + (Y2-Y3) (menggunakan jarak euclidean)
• D2,D4 artinya (X2-X4) + (Y2-Y4) (menggunakan jarak euclidean)
• D2,D5 artinya (X2-X5) + (Y2-Y5) (menggunakan jarak euclidean)
• D3,D3 artinya (X3-X3) + (Y3-Y3) (menggunakan jarak euclidean)
• D3,D4 artinya (X4-X4) + (Y4-Y4) (menggunakan jarak euclidean)
• D3,D5 artinya (X5-X5) + (Y5-Y5) (menggunakan jarak euclidean)
• D4,D4 artinya (X4-X4) + (Y4-Y4) (menggunakan jarak euclidean)
• D4,D5 artinya (X4-X5) + (Y4-Y5) (menggunakan jarak euclidean)
• D5,D5 artinya (X5-X5) + (Y5-Y5) (menggunakan jarak euclidean)

Maka perhitungannya adalah :

• D1,D1  
  

• D1,D2

• D1,D3

• Lakukan perhitungan hingga D5,D5

Sehingga di dapatkan hasil sebagai berikut :

Selanjutnya adalah membuat diagram matriks :

Dari matrik di atas, kita akan memilih hasil terkecil kecuali 0 dan ternyata nilai paling kecil adalah 1,414213562 yang dimiliki oleh data 3 ke 5 dan 5 ke 3.

data tersebut akan kita gabungkan sehinggah terbentuk seperti berikut :

• D(35)1 
• D(35)2
• D(35)4

Hasil yang di dapat sebagai berikut :

Setelah di dapatkan datanya, maka di pilih nilai terkecil sehingga membentuk matrik sebagai berikut :

Setelah itu dipilih lagi data yang terkecil dari data diatas, sehingga yang didapat adalah sebagai berikut :

• D(352)1
• D(352)4

Hasil yang di dapat adalah sebagai berikut :

Setelah di dapatkan datanya, maka di pilih nilai terkecil sehingga membentuk matrik sebagai berikut :

Setelah itu dipilih lagi data yang terkecil dari data diatas, sehingga yang didapat adalah sebagai berikut :

• D(3521)4

Hasil yang di dapat adalah sebagai berikut :

Setelah di dapatkan datanya, maka di pilih nilai terkecil sehingga membentuk matrik sebagai berikut :

Dari hasil diatas maka kita bisa membuat diagramnya, sehingga diagram yang terbentuk seperti berikut:

Perhitungan Klasifikasi Naive Bayes (Bagian 3) Tahap Uji Data Uji

Di tahap ini kita akan melakukan pengujian untuk data uji.

Setelah melakukan perhitungan probabilitas di bagian 1.

Dan melakukan pengujian data latih di bagian 2.

Data yang akan kita uji adalah sebagai berikut :

Dari data diatas di ketahui :

• Supir = Sakit
• Lampu = Menyala
• Ban = Cukup
• Mesin = Lama
• Keterangan = ?

Lakukan perhitungan seperti pada saat menghitung probabilitas data uji latih, sehingga hasil yang akan kita dapat adalah seperti ini :

Nilai probabilitas untuk Keterangan|Layak Jalan memiliki nilai lebih tinggi dari pada probabilitas untuk Keterangan|Tidak Layak Jalan.

Sehingga hasil akhir seperti berikut :

Perhitungan Klasifikasi Naive Bayes (Bagian 2) Tahap Uji Data Latih

Setelah menghitung setiap probabilitas, maka tahap selanjutnya adalah melakukan uji data latih. 

• Tahap Uji Data Latih

Keterangan :

• Data diatas adalah data yang telah kita dapatnya dari data latih sebelumnya
• Yang di hitung terlebih dahulu adalah bagian dari P(Keterangan|Layak Jalan)
• P(Keterangan|Layak Jalan) adalah perhitungan untuk kriteria Keterangan|Layak Jalan * kriteria Supir =Sehat * kriteria Lampu=Menyala * kriteria Ban=Baru * kriteria Mesin=Baru
• = 0,6 * (0,555556 * 0,666667 * 0,555556 * 0,44444) dan hasilnya adalah di bawah
• Tahap ini dilakukan untuk semua data latih

Sehingga hasil yang di dapat adalah sebagai berikut :

Tahap ini dulakukan juga utnuk kriteria P(Keterangan|Tidak Layak Jalan), sehingga hasilnya sebagai berikut:

Tahap selanjutnya adalah memasukkan hasil kriteria P(Keterangan|Layak Jalan) dan kriteria P(Keterangan|Tidak Layak Jalan) menjadi sebuah tabel

Dari data diatas kita bandingkan hasil kriteria Layak Jalan dan Tidak Layak Jalan dan pilih nilai terbesar, sehingga di dapatkan hasil sebagai berikut:

Dari data diatas dapat disimpulan :

• Data yang sesuai dengan data latih sebanyak 13 data
• Data yang tidak sesuai dengan data latih sebanyak 2 data

Perhitungan Klasifikasi Naive Bayes (Bagian 1)

Diposting kali ini saya akan membahas perhitungan klasifikasi menggunakan metode Naive Bayes.

Yang akan kita klasifikasikan adalah Klasifikasi BUS Layak Jalan

Data yang akan digunakan terdiri dari berikut :

• Jumlah data = 14
• Jumlah kriteria = 4
• Jumlah klasifikasi = 2

Dari data diatas yang harus kita lakukan adalah :

1. Menentukan probabilitas class

• Layak Jalan = 9/15 = 0,6
• Tidak Layak Jalan = 6/15 = 0,4

Keterangan :

• 15 adalah jumlah data
• 9 adalah jumlah data untuk Layak Jalan
• 6 adalah jumlah data untuk Tidak Layak Jalan

2. Menentukan probabilitas kategori

• Kategori Layak Jalan

Keterangan :

• P(Supir=Sehat|Layak Jalan) adalah jumlah kategori Supir Sehat dan Layak Jalan
• 5 adalah jumlah kategori supir sehat yang layak jalan
• 9 adalah jumlah klasifikasi layak jalan
• Sehingga hasilnya adalah 0,555556
• Begitu pula dengan proses seterusnya

• Kategori Tidak Layak Jalan

Keterangan :

• P(Supir=Sehat|Tidak Layak Jalan) adalah jumlah kategori Supir Sehat dan Tidak Layak Jalan
• 2 adalah jumlah kategori supir sehat yang tidak layak jalan
• 6 adalah jumlah klasifikasi tidak layak jalan
• Sehingga hasilnya adalah 0,333333
• Begitu pula dengan proses seterusnya

Setelah dilakukan proses perhitungan probabilitas maka data yang akan didapat seperti dibawah ini :