MANFAAT TEKNOLOGI INFORMASI DAN KOMUNIKASI DI DALAM PENDIDIKAN

 TEKNOLOGI INFORMASI  DAN KOMUNIKASI DALAM DUNIA PENDIDIKAN

Pemanfaatan IT dalam bidang pendidikan sudah merupakan  saluran atau sarana yang dapat dipakai untuk menyiarkan program pendidikan. Namun hal Pemanfaatan TIK ini di Indonesia baru memasuki tahap mempelajari berbagai kemungkinan pengembangan dan penerapan TIK untuk pendidikan memasuki milenium ini.

 

Teknologi interaktif ini memberikan katalis bagi terjadinya perubahan medasar terhadap peran guru: dari informasi ke transformasi. Setiap sistem sekolah harus bersifat moderat terhadap teknologi yang memampukan mereka untuk belajar dengan lebih cepat, lebih baik, dan lebih cerdas. Dan Teknologi Informasi dan komunikasi yang menjadi kunci untuk menuju model sekolah masa depan yang lebih baik. Usaha-usaha dari anak-anak bangsa juga terus dilakukan untuk mengejar ketertinggalan bangsa Indonesia dalam hal penyampaian proses pendidikan dengan penggunaan TIK(Teknologi Informasi dan Komunikasi).

Terdapat 5 Point penting yang dapat diperhatikan

1. Mendokumentasikan Pembelajaran

Siswa dapat mendokumentasikan pembelajaran ke dalam Website,Blog atau Digital me dia lain nya sehingga dapat diakses oleh banyak pihak.

 
2. Berkomunikasi dengan dunia sekitar

Guru dan Siswa membutuhkan sarana komunikasi yang cepat mudah dan efisien.
Teknologi memberikan kesempatan bagi siswa untuk berkomunikasi dan terhubung dengan berbagai orang, dari berbagai belahan dunia.

3.   Mengakses Infomasi

Memberikan kesempatan yang luas dalam menakses informasi dari berbagai sumber, seperti : Google, Wikipedia dll. tetapi tetap memperhatikan etika dalam menggunakan informasi tersebut secara bertanggung jawab. 

4.  Mempresentasikan hasil belajar

Teknologi menyediakan berbagai alat/program bagi siswa untuk menyimpan, mengatur , menguba dan mempresentasikan hasil belajar mereka.

5.  Menunjang Proses belajar mengajar

Teknologi dapat meningkatkan motivasi siswa dalam belajar, mengasah kreativitas dan menumbuhkan rasa ingin tahu secara posistif.

   

 

5 Keindahan Destinasi Wisata di Papua

Keindahan Alam  Di Papua 

 

Kalau yang masih belum tahu tentang papua, papua adalah pulau paling Timur Indonesia. Papua memiliki segala keindahan alam yang tak ada habisnya. Daratan dan alam bawah lautnya menjadi surga tersendiri bagi para penggermar wisata alam. Tak hanya alamnya yang kaya, Papua juga menyimpan kearifan budaya lokal yang masih bertahan di zaman serba modern ini. Menjelajahi papua tentunya akan menjadi sebuah pengalaman yang menarik yang bisa kamu ceritakan ke keluarga dan teman –teman kamu .

Ada beberapa tempat wisata yang harus kamu kunjingi :

1. RAJA AMPAT

                     

Siapa yang tak kenal Raja Ampat ? Raja Ampat adalah salah satu tempat wisata di papua, keindahannya sangat menarik perhatian wisatawan domestik maupun mancanegara. Kawasan Raja Ampat ini terdiri dari empat pulau besar yaitu Waigeo, Misool, Salawati, Batanta dan Pulau-pulau kecil di sekitarnya.
Raja Ampat memiliki Biota Laut yang beragam. Menurut Laporan dari The Nature Concervancy, sebanyak 75% spesies laut dunia di temukan diperairan Raja Ampat . Jika tak ingin menyelam kamu masih bisa menikmati keindahan Raja Ampat dengan melakukan Trekking dipulau-pulaunya.Takut tersesat? Tenang. di sana kamu bisa menggunakan jasa pemandu, pemandu ditemapat wisata ini adalah warga setempat yang sehari-hari berprofesi sebagai Nelayan.

2.  TAMAN NASIONAL TELUK CENDRAWASI
 
                       

Taman nasional dengan luas 1.453.500 hektar ini hampir 90% berupa perairan. Tak mengherankan jika Taman Nasioanal Teluk Cenderawasih menjadi kawasan konservasi laut terbesar dan terluas di Indonesia. Di sini, terdapat 196 jenis moluska dan 209 jenis ikan yang bisa kamu saksikan di alam bawah lautnya. Tak jarang kura-kura, penyu, hiu dan lumba-lumba juga ikut menemani kamu saat menyelam.Taman Nasional Teluk Cenderawasih diresmikan pada tahun 1993 oleh Kementerian Kehutanan. Selain menikmati alam bawah lautnya, kamu juga bisa menjelajahi pulau-pulaunya. Pulau Mioswaar, salah satu pulau di tempat wisata di Papua ini, memiliki gua dengan sumber air panas dengan kandungan belerang yang layak Anda kunjungi. Selain Pulau Mioswaar, masih ada Pulau Yoop, Pulau Numfor, Pulau Nusrowi dan pulau-pulau lainnya yang tak boleh Anda lewatkan.
Tempat wisata ini secara administratif berada di dua kabupaten yaitu Wondama dan Nabire. Taman nasional ini juga menjadi pusat penelitian hiu paus atau whale shark yang dilakukan oleh pemerintah bekerjasama dengan LSM dalam dan luar negeri.

3. DANAU SENTANI

                       

Danau dengan luas 9.360 hektar ini merupakan danau terbesar di Papua. Terletak sekitar 50 km dari pusat kota Jayapura, Danau Sentani menawarkan keindahan luar biasa. Sedikitnya ada 21 pulau yang menghiasi danau dengan ketinggian 75 meter di atas permukaan laut ini.
Ada banyak kegiatan yang bisa kamu lakukan di sini mulai dari berenang, memancing, menyantap kuliner di sekitar danau sampai menyewa perahu untuk berkeliling danau. Selain itu, ada 24 desa di sekitar tempat wisata ini yang bisa Anda kunjungi dan berinteraksi langsung dengan warganya. Pemandangan deretan rumah panggung dengan jaring ikan menjadi hal yang wajar Anda saksikan di sini.
Yang menarik adalah adanya acara tahunan yaitu Festival Danau Sentani yang biasa diselenggarakan pada pertengahan bulan Juni. Saat festival berlangsung, tempat wisata di Papua ini akan penuh disesaki wisatawan yang ingin menyaksikan berbagai pertunjukan seni dan budaya setempat. Selain menikmati pertunjukan selama festival, kamu juga bisa memuaskan lidah dan perut dengan kuliner khas Papua yang banyak disajikan di sini.

4. PANTAI AMAI
               

Pantai Amai adalah tempat wisata yang tepat bagi kamu yang menginginkan ketenangan. Pantai ini memang relatif sepi, namun bukan berarti tak menarik. Di ujung pantai, ada muara sungai yang membuat air asin dan air tawar bertemu di sini. Air tawar ini biasa digunakan oleh wisatawan untuk membilas diri setelah berenang di pantainya.
Selain berenang, kamu juga bisa bermain voli pantai, menyelam, snorkeling atau bersantai di gazebo yang bisa kamu sewa dengan harga 50.000 Rupiah. Jika ingin menginap, di Pantai Amai sudah tersedia penginapan dengan gaya rumah panggung.
Pantai Amai berada di Distrik Depapre atau sekitar 2 jam perjalanan dari Jayapura. Perjalanan menuju pantai akan menguji adrenalin kamu karena medan yang naik turun dan berkelok, namun semuanya akan terbayar ketika sampai dan menyaksikan keindahan Pantai Amai. Untuk masuk ke tempat wisata ini, kamu diharuskan membayar sebesar 25.000 Rupiah yang sudah termasuk biaya parkir.

5. TUGU MAC-ARTHUR

                    

Tugu MacArthur merupakan tugu penghormatan bagi Jenderal Douglas MacArthur yang merupakan jenderal besar Amerika Serikat pada masa Perang Dunia II. Tugu ini berada di Ifar Gunung, Jayapura. Di sini, kamu bisa masuk ke museum, melihat foto-foto dan sejarah perjalanan militer Jenderal MacArthur. Tempat wisata di Papua ini menjadi saksi kejayaan jenderal besar yang membuat strategi beberapa perang besar. Berada di ketinggian 325 meter di atas laut, kamu bisa melihat Danau Sentani dan lapangan terbang Bandara Sentani dari sini.lho..
Tugu MacArthur sendiri adalah sebuah tugu dengan tinggi 3 meter yang didominasi warna kuning dan hitam. Di tugu ini tertulis sejarah mengenai Jenderal Douglas MacArthur dalam bahasa Indonesia dan Bahasa Inggris.
Sekilas tentang MacArthur, jenderal ini dikenal dengan ucapannya, ‘I came through and I shall return’. Ia mengatakan ini saat pangkalan militernya di Filipina dihancurkan oleh Jepang dan ia beserta pasukannya terpaksa mundur ke Australia. Setelah menyusun strategi perang, pada tahun 1944 ia mendarat di Teluk Hamadi, Jayapura, dan membangun markas di lokasi Tugu MacArthur berada saat ini. Sang Jenderal membuktikan ucapannya karena kemudian ia dan pasukannya berhasil menyingkirkan Jepang dan membalas kekalahan Amerika di Filipina dan di Pearl Harbour.

 

 

latihan javascript

Belajar JavasScript

Saya sedang belajar JavasScript di duniailkom.com

Belajar web programming di duniailkom.

Tugas CSS

Belajar membuat layout dengan HTML dan CSS

• Home
• About
• Blog
• Contact

loren Ipsum

loren Ipsum is simply dunny text of the priting and typesetting industry. loren Ipsum has been

loren Ipsum

loren Ipsum is simply dunny text of the priting and typesetting industry. loren Ipsum has been

CATEGORY

---

HTML

CSS

BOOTSTRAP

PHP

MYSQL

jquery

Ajax

copyright 2107 codebareng all reserved

body{ background:#f3f3f3; color:#333; width:100%; font-family:sans-serif; margin:0 auto; } .header{ width:90%; margin:auto; height:120px; line-height:120px background:#41485F; color:#fff; } .content{ width :90%; margin: auto; height :120px; pedding:0.1px; background:#fff; color:#333; } .kiri{ width:70%; float:left; margin:auto; background:#fff; height:420px; } .kanan{ width:30%; float:left; margin:auto; background:#fff; height:420px; } .border{ border:2px solid #74C599; margin:auto; background:#fff; height:420px; } .undecor{ text-decoration:none; } .footer{ width:90%; margin:auto; height:40px; line-height:40px; background:#41A85F; color:#fff; } .menu{ background-color:#53bd84; height:50px; line-height:50px; position:relative; width:90%; margin:0 auto; padding:0 auto; } .jarak{ padding:0 2pc; } .menu ul{ list-style:none; } .menu ul li a{ float:left; width:70px; display:block; text-align:center; color:#fff; text-decoration:none; } .menu ul li a: haver{ background-color:#74C599; display:block; }

 Resume Kuliah Tamu

From perceptron to Deep learning
Speaker : Adi Chris ( Machine learning engineer traveloka )
-> learn from data : membuat komputer belajar dari data tanpa disuruh secara eksplisit ( memprediksi masalah sekarang dari data masa lalu yang di yakini kejadian saat ini akan seperti kejadian masa lalu
-> the assence of machine learning
– ada data
– pola
– tidak ada persamaan matematika yang dpat menyelesaikan secara langsung
jika di ibaratkan toko musik, perbedaan cara kerja manual, Automation, dan Machine sebagai berikut
– manual : penjaga toko menawarkan langsung kepada setiap customer
– Automation : komputer memutuskan rekomendasi untuk setiap customer dengan rule (if/else) yang di tentukan pejaga toko
– Machine : komputer memutuskan rekomendasi musik untuk setiap customer yang rule nya di discover sendiri oleh komputer
kenapa pakai Machine learning, karena data yang ada sangat banyak, contoh penggunaan di Traveloka untuk Klasifikasi jenis ruangan pada foto dan Rekomendasi berdasarkan keyword search
-> Tipe problem
– Linier : pada masalah ini data bisa dipisahkan dengan sebuah garis lurus
– Non Linier : Klasifikasi data tidak berupa garis lurus
-> yang penting di kuasai dalam Machine Learning
– Aljabar Linier
– Probabilitas
– Statistika

From Perceptor to Deep Neural Network

From Perceptron to Deep Neural Network pada Machine Learning

Sebelum masuk kita akan bahas terlebaih dahulu apa itu Machine Learning, Istilah machine learning pada dasarnya adalah proses komputer untuk belajar dari data (learn from data). Tanpa adanya data, komputer tidak akan bisa belajar apa-apa. Oleh karena itu jika kita ingin belajar machine learning, pasti akan terus berinteraksi dengan data. Semua pengetahuan machine learning pasti akan melibatkan data. Data bisa saja sama, akan tetapi algoritma dan pendekatan nya berbeda-beda ununtukmendapatkan hasil yang optimal.

 Deep learning  

Deep learning adalah , merupakan tumpukan atau stack dari beberapa algoritma atau metode, sehingga berkembang berbagai pendekatan deep learning dengan berbagai arsitektur. Beberapa tujuan dari tumpukan metode ini adalah feature extraction, juga memanfaatkan seluruh resource seoptimal mungkin.  Resource apa? data, sebagian besar data di dunia ini tidak berlabel (terkategorisasi), deep learning biasanya merupakan tumpukan stack algoritma unsur pervised dan supervised learning sehingga dapat memanfaatkan data yang berlabel maupun tidak berlabel. Dengan pemanfaatan informasi yang lebih optimal tentunya akan meningkatkan performa model yang dihasilkan.

Dalam melakukan modifikasi arsitektur dari network yang digunakan pendekatan yang sering digunakan untuk mengimplementasikan deep learning adalah graphical methods atau multilayer representation, atau multilayer graphical model seperti belief network, neural network, hidden markov, dan lain-lain.  Pada dasarnya metode-metode tersebut seperti halnya machine learning biasa merupakan metode statistik dan stokastik yang sebenarnya sudah banyak dikenal di dunia matematika terutama statistik.

Deep Neural Network

Neural Network merupakan kategori ilmu Soft Computing. Neural Network sebenarnya mengadopsi dari kemampuan otak manusia yang mampu memberikan stimulasi/rangsangan, melakukan proses, dan memberikan output. Output diperoleh dari variasi stimulasi dan proses yang terjadi di dalam otak manusia. Kemampuan manusia dalam memproses informasi merupakan hasil kompleksitas proses di dalam otak. metode dari beberapa pakar atau professor dalam area machine learning terutama dalam deep network adalah multilayer ataupun multilayer graphocal model. Neural network salah satunya, dengan melihat ide diatas, maka dapat dibangun menjadi Deep Neural Network dengan tujuan meniru cara kerja dari otak manusia. 

 

                                  

Neural Network dalam Deep network dibuat memiliki lebih dari satu hidden layer, namun yang jadi permasalahan adalah ketika kita membuat lebih dari satu hidden layer. Kita ketahui fungsi yang berlaku dalam metode neural network backpropagation misalkan seperti ini :

                                                          

Masalah yang muncul adalah nilai setiap gradient yang akan muncul akan semakin kecil (mendekati nol) untuk setiap hidden layer yang mendekati output layer, sehingga akurasi bukannya semakin baik, malah semakin buruk. Lalu bagaimana penyelesaiannya? untuk kasus Deep Network dapat dengan manambahkan algoritma atau metode yang melakukan inisialisasi pada saat awal pembangunan network sebelum melakukan tuning . Salah satu metode yang dapat digunakan dan menurut saya paling mudah adalah dengan menggunakan autoencoder, Autoencoder ini fungsinya sebenarnya adalah mengekstrak informasi relatif mirip seperti PCA yang dapat mengurangi dimensi dari data pada dataset.

Fungsi dari Neural Network diantaranya adalah:

1. Pengklasifikasian pola
2. Memetakan pola yang didapat dari input ke dalam pola baru pada output
3. Penyimpan pola yang akan dipanggil kembali
4. Memetakan pola-pola yang sejenis
5. Pengoptimasi permasalahan
6. Prediksi

perceptron
Perceptron adalah salah satu algoritma paling elegan yang pernah ada dalam pembelajaran mesin. Dibuat kembali pada tahun 1950an, algoritma sederhana ini dapat dikatakan sebagai fondasi untuk titik awal perkembangan teknologi algoritma pembelajaran yang banyak, seperti regresi logistik, dukungan mesin vektor dan bahkan jaringan syaraf dalam. Jadi bagaimana cara kerja perceptron? 

                          
Gambar di atas menunjukkan algoritma perceptron dengan tiga input, x1, x2 dan x3 dan unit neuron yang dapat menghasilkan nilai output. Untuk menghasilkan output, Rosenblatt memperkenalkan aturan sederhana dengan memperkenalkan konsep bobot. Bobot pada dasarnya adalah bilangan real yang mengungkapkan pentingnya masing-masing input terhadap output [1]. Neuron yang digambarkan di atas akan menghasilkan dua nilai yang mungkin, 0 atau 1, dan ditentukan oleh apakah jumlah tertimbang setiap masukan, Σ wjxj, kurang dari atau lebih besar dari nilai ambang batas tertentu. Oleh karena itu, gagasan utama algoritma perceptron adalah mempelajari nilai bobot w yang kemudian dikalikan dengan fitur input untuk membuat keputusan apakah neuron menyala atau tidak. Kita bisa menulis ini dalam ekspresi matematis seperti yang digambarkan di bawah ini:

                                    

Sekarang, kita dapat memodifikasi rumus di atas dengan melakukan dua hal: Pertama, kita dapat mengubah formulasi jumlah tertimbang menjadi produk titik dua vektor, w (bobot) dan x (input), di mana w⋅x ≡ Σwjxj. Kemudian, kita bisa memindahkan ambang batas ke sisi lain dari ketidaksetaraan dan menggantinya dengan variabel baru, yang disebut bias b, di mana b ≡ -threshold. Sekarang, dengan modifikasi tersebut, aturan perceptron kita bisa ditulis ulang

                  
 Sekarang, ketika kita menggabungkan kembali ke arsitektur perceptron kita, kita akan memiliki arsitektur yang lengkap seperti pesetron dibawah ini : 


                                   

Perseptron lapisan tunggal yang khas menggunakan fungsi langkah Heaviside sebagai fungsi aktivasi untuk mengubah nilai yang dihasilkan menjadi 0 atau 1, sehingga mengklasifikasikan nilai masukan sebagai 0 atau 1.

Fungsi aktivasi

Fungsi aktivasi merupakan salah satu komponen terpenting dalam jaringan syaraf tiruan. Secara khusus, fungsi aktivasi nonlinier sangat penting setidaknya karena tiga alasan:

• Ini membantu neuron untuk belajar dan memahami sesuatu yang sangat rumit.
• Mereka memperkenalkan sifat nonlinier ke Jaringan kami.
• kami ingin perubahan kecil dalam berat hanya menyebabkan perubahan kecil yang sesuai pada keluaran dari jaringan.