Pengujian Tool Ontology Engineering

lebih detail (lihat halaman ini)

I Wayan Simri Wicaksana, Kris Triyantio, Lintang Y. Banowosari.

Universitas Gunadarma

E-mail: {iwayan,lintang}@staff.gunadarma.ac.id, antio 7@yahoo.com

ABSTRAK

Pada awal perkembangan dunia Internet, prediksi tingkat pertumbuhannya tidak diduga sebelumnya yang akan menjadi luar biasa. Perkembangan bukan saja dalam jumlah dan pemakai informasi di Internet, tapi juga pada keragaman informasi yang menjadi lebih heterogen, baik dari sisi teknologi, sintaktik, skematik maupun semantik.

Dengan metode tradisional yang hanya mengacu kepada pendekatan standarisasi, maka pertukaran informasi tetap sulit untuk mengatasi keragaman tersebut. Kesulitan ini timbul pada level konsep data, seperti penggunaan konsep ’nama’, ini bisa berarti nama personal, nama produk, nama perusahaan dan sebagainya. Dewasa ini dikembangkan metode untuk pertukaran informasi di Internet yang dikenal dengan Semantic Web yang memanfaatkan ontologi. Ontologi adalah sebuah spesifikasi eksplisit dari sebuah konsep entitas di dunia nyata. Metode tersebut baru mulai dikembangkan sekitar tahun 1995, dan tool yang mendukungnya masih terbatas.

Salah satu hal yang penting dalam pemanfaatan ontologi adalah Ontology Engineering, seperti sarana untuk pembuatan ontologi. Dalam penulisan ini akan dilakukan pengujian terhadap beberapa tool untuk pengembangan ontology yang berbasis RDF/OWL. Pengujian yang dilakukan menitik beratkan kepada spesifikasi teknis dan fasilitas dari tool yang diuji. Kami telah berhasil menguji tiga buah tool beserta kemampuannya untuk membuat ontologi tanaman.

Pada paper ini, kami akan mempresentasikan persiapan, metode dan hasil pengujian tersebut secara detail. Rencana kedepan hasil dari uji coba ini, kami merencanakan untuk pengembangan dan pemeliharaan ontology di tingkat aplikasi serta implementasi ontologi di Semantic Web pada domain tertentu.

Kata Kunci : Ontology, RDF/OWL, Semantic Web.

Molecular Dynamics Simulation dengan Model Monoatomik Atom Argon

Lebih detail (lihat halaman ini)

Abstraksi

Nurrika Anggraini

Skripsi . Teknik Informatika, Fakultas Teknologi Industri, 2001

Kata Kunci : Fisika, Molecular Dynamic, Maxwell-Boltzmann, Lennard-Jones, Energi Kinetik, Kecepatan, Delphi

Penulisan kali ini membahas tentang bagaimana memvisualisasikan simulasi Molecular Dynamics (MD) pada sistem 3 dimensi. Sebelum masuk ke proses simulasi Molecular Dynamics, terlebih dahulu diperlukan insialisasi awal, yaitu inisialisasi posisi awal dengan menggunakan Periodic Boundary Condition, dan inisialisasi kecepatan awal dengan distribusi normal Maxwell-Boltzmann. Kemudian dilanjutkan dengan proses simulasi MD untuk mendapatkan besaran-besaran selama waktu iterasi tertentu. Dan menormalisasi gaya tarik partikle dengan metode Lennard-Jones. Penulis menyajikan aplikasi visulisasi ini dengan menggunakan bahasa pemrograman Delphi dengan terlebih dahulu menginisialisasi variable-variable yang dibutuhkan kemudian mengimplementasikan simulasi MD pada program.

Untuk memvisualisasikan nilai data-data numerik yang dihasilkan pada proses simulasi MD, penulis membuat visualisasi dalam 3 bentuk, yaitu visualisasi dalam bentuk chart, tabel, dan kotak pengamatan virtual. Pada kotak pengamatan virtual, dibutuhkan penskalaan yang tepat dan pemetaan dari kotak pengamatan virtual ke layar komputer. Dan untuk membuat aplikasi agar interaktif dibuat form-form. Penulis menggunakan atom Argon untuk menyajikannya pada simulasi MD dan pada aplikasi yang dibuat dengan hasil perubahan besaran sesuai dengan teori yang ada.

Kriptografi berbasis Jaringan Saraf (Neural Network)

Ulasan paper Prof. W. Kinzel mengenai Kriptografi berbasis Jaringan Saraf

Lebih detail (lihat halaman ini)

Cryptography based on Interacting Neural Network

Pendahuluan

Jaringan neural belajar dari contoh. Konsep ini telah secara ekstensif dipelajari dengan menggunakan model dan metoda dari ilmu fisika statistik. Khususnya skenario jaringan feedforward dilatih dengan contoh yang dihasilkan oleh suatu jaringan yang berbeda.

Jaringan feedforward menggolongkan data dimensional tinggi, di kasus yang paling sederhana keluaran tunggal bit (1/0, wrong/correct, yes/no). Jaringan ini adalah algoritma yang adaptip, parameter mereka(pembobotan synaptic) mengadaptasikan persis sama satuan contoh pelatihan, dalam kasus ini satu set input/output pasangan. Setelah tahap pelatihan, jaringan sudah mencapai beberapa pengetahuan tentang aturan dari contoh itu, jaringan dapat menggolongkan vektor masukan yang tidak pernah telah dilihat sebelumnya, sehingga diakatakan dapat mengheneralisasi.

Beberapa model matematika yang dipelajari sebelum contoh pelatihan digunakan, dihasilkan oleh suatu jaringan neural yang berbeda, yang disebut sebagai “guru”. Pelatihan on-line berarti “siswa”, pada masing-masing langkah pelatihan, menerima suatu contoh yang baru dari jaringan guru. Masing-masing contoh digunakan hanya sekali ketika untuk pelatihan. Dalam hal ini pelatihan mungkin digunakan sebagai dinamika dari jaringan neural yang saling berinteraksi: Sebuah jaringan guru mengirimkan isyarat (contoh) kepada jaringan siswa yang kemudian secara berurut mengubah pembobotannya menurut pesan yang diterima.

Metoda matematis telah dikembangkan untuk mengkalkulasi kekayaan dari dinamika dari jaringan yang saling berinteraksi. Di batas dari jaringan besar seseorang dapat menguraikan sistem oleh suatu penyamaan diferensial untuk beberapa “parameter benahan” yang menentukan, sebagai contoh, generalisasi kesalahan sebagai fungsi dari jumlah contoh pelatihan.

Dalam tulisan ini dipaparkan suatu teori dari jaringan neural yang saling berinteraksi. Model akan digambarkan pada bagian 2. Skenario Teacher/Student dijelaskan pada bagian 3. Pada sebuah jaringan guru yang statis pada kasus dari jaringan yang berlapis-lapis, siswa menunjukkan suatu transisi dari suatu status yang simetris ke spesialisasi. Jaringan neural dapat juga menghasilkan suatu gugus berkala. Penggambaran kesimpulan dan rangkaian pelatihan tepat waktu ditunjukkan pada bagian 4

Lebih detail (lihat halaman ini)

Win-Hex: Tool Komputer Forensik

Lebih Detail (lihat halaman ini)

Winhex : Forensic Software

WinHex pada intinya adalah editor hexadecimal universal, yang paling utama adalah sangat membantu dalam bidang computer forensics, data recovery, proses data dalam tingkat yang rendah, dan keamanan IT. Sebuah peralatan yang semakin maju setiap harinya dan penggunaan dalam keadaan darurat : memeriksa dan mengedit semua jenis file mengembalikan data yang telah dihapus atau data yang telah hilang dari hard drives system file yang corrupt, atau dari kartu memory digital camera

Berikut adalah beberapa kelebihan dan cara kerja dari WinHex, antara lain : ….(lihat halaman ini)