Microcanonical Molecular Dynamics Program

Lebih detail (lihat halaman ini)

Molecular Dynamics

Metode molecular dinamis mengkomputasi phase spase trajectory dari suatu koleksi molekul yang secara individu mengikuti hukum klasik dari motion.
Simulasi awal dilakukan system dengan energi yang konstan. Maka property dikalkulasikan dengan microcanonical esembel, dimana N adalah jumlah partikel, V adalah volume dan E adalah energi konstan. Kadang-kadang T adalah temperature konstan.

Microcanonical Molecular-Dynamics adalah suatu algoritma dasar dari molecular dinamis dengan energi yang tetap. Point awal adalah Hamiltonian yang mendeskripsikan interaksi antara N partikel.
Secara analisis, solusi system dari persamaan differensial order kedua didapat dengan melakukan integrasi dua kali dari waktu 0 ke waktu t, untuk mendapatkan velocity dan posisi.

Simulasi komputer dari system molecular dapat dibagi menjadi 3 bagian, yaitu:

• Initialitation

Pada bagian ini, kondisi initial ditetapkan. Untuk memulai Algoritma dibutuhkan posisi dan velocity. Pada algoritma ini anggap saja initial posisi adalah lattice dan velocity diambil dari distibusi Boltzman.

• Equilibration

Equilibrium dapat dibangun jika system sudah ditetapkan untuk nilai energi kinetic dan energi potential tertentu.

• Production

Semua kuantitas dikomputasi bersama dengan trajectory dari system pada phase space.

Program diawali dengan pendeklarasian variable dan parameter yang digunakan dalam program. Lalu dilanjutkan dengan menyiapkan inisial konfigurasi .

File Recovery: Tool Komputer Forensik

Abstraksi

Bayu Tiandaru Herlambang 50403155.

ANALISIS TOOL FORENSIK FILE RECOVERY

PI, Teknik Informatika 2006

Kata Kunci : Tool Forensik, File Recovery

Tulisan ini membahas analisis teknik recovery data atau file yang telah terhapus dengan menggunakan sebuah tool forensik yaitu File Recovery. Kinerja diukur berdasarkan keakuratan 100% tool tersebut dalam merecovery data yang telah terhapus atau hilang apabila kondisinya masih baik dan tipe file tersebut di dukung oleh File Recovery. Data yang terhapus tersebut dapat berupa dokumen, musik, gambar atau foto dan aplikasi. Dari hasil diperoleh bahwa tool ini baik dalam teknik merecovery data.

Lebih detail (lihat halaman ini)

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)

Forensik Teknologi Informasi (IT Forensics)

Lebih detail (lihat halaman ini)

1.1 Latar Belakang Masalah

Pada abad ke 21 ini perkembangan teknologi sudah semakin pesat. Terutama teknologi informasi yang tiap harinya mengalami kemajuan. Penggunaan teknologi informasi juga sudah merambah ke setiap sendi kehidupan manusia.

Contohnya, setiap organisasi membutuhkan banyak data untuk diolah menjadi sebuah informasi yang berguna bagi organisasi tersebut. Data seperti ini biasa disimpan atau di transfer oleh sistem komputer, personal digital assistants (PDA), networking equipment dan sumber – sumber data lainnya. Untuk itu penting adanya analisa data. Karena analisa data dapat digunakan untuk berbagai tujuan, seperti merekonstruksi kejadian keamanan komputer, trouble shooting permasalahan operasional dan pemulihan dari kerusakan sistem yang terjadi secara mendadak.

Analisa data terdiri dari analisa data komputer dan analisa data jaringan. Analisa data komputer berhubungan dengan data pada media penyimpanan suatu komputer, sedangkan analisa data jaringan berhubungan dengan data yang melintas pada suatu jaringan. Jadi, jika kedua jenis analisa ini dikombinasikan maka dapat menangani dan memberikan dukungan operasional terhadap suatu masalah.

Untuk melakukan analisa ini, ada proses – proses yang harus dilakukan, diantaranya acquisition, examination, utilization dan review. Biasanya dalam melakukan proses – proses tersebut terdapat kesulitan, untuk itu penulis membuat guide lines proses – proses tersebut. Hal ini diupayakan untuk memudahkan penyelenggaraan proses analisa data tersebut, serta untuk memberikan informasi atas penggunaan proses dengan empat kategori sumber data utama, diantaranya file, sistem operasi, lalu lintas jaringan dan aplikasi.

1.2 Batasan masalah

Yang menjadi batasan masalah pada penulisan ilmiah adalah dimana proses dan teknik analisa data yang akan diperkenalkan didasarkan pada prinsip forensik digital. Dimana forensik digital adalah aplikasi dari ilmu pengetahuan kepada indentifikasi, koleksi, analisa, dan pengujian dari bukti digital. Untuk itu disini hanya akan membahas penggunaan data yang bersumber dari data files, operating system, network traffic, application dan sumber data lainnya secara garis besarnya saja.

1.3 Tujuan penelitian

Tujuan dari penelitian ini adalah memberikan suatu standar guide lines, supaya kita dapat menentukan tools yang seperti apa yang dapat digunakan dalam menghadapi suatu masalah berdasarkan sumber data yang kita gunakan, karena hal ini merupakan bagian dari proses analisa data.

1.4 Metode Penelitian

Metode pada penelitian ini yaitu dengan menggunakan Studi Pustaka dimana bahan materi guide lines ini diperoleh dengan cara mengumpulkan beberapa artikel yang mempunyai keterkaitan dengan masalah ini, terutama yang berkaitan dengan computer forensics.