Cara Mengaktifkan Webcam di Laptop MSI

Cara Mengaktifkan Webcam di Laptop MSI 
Cukup tekan FN F6 bersamaan
Mudah kan? Semoga membantu

Perbedaan Smart TV dan Android TV

Smart TV

Seperti yang kita tahu, dengan Smart TV kita bisa melakukan hal apapun yang tidak bisa dilakukan di TV biasa. Ini karena di dalam Smart TV sudah tersemat otak tambahan yang memungkinkan ia menjalankan perintah apapun layaknya sebuah komputer. Di Smart TV kamu bisa menonton film apapun melalui sebuah situs streaming tertentu. Selain itu, kamu bisa juga mengakses video youtube dengan sangat mudah, dengan catatan Smart TV harus terkoneksi dengan internet. Tidak sampai disitu saja, Smart TV juga memungkinkan penggunanya untuk melakukan browsing di internet dengan sangat mudah. Tapi sayangnya, mengakses browser melalui Smart TV dirasa cukup sulit dibandingkan seperti melakukan akses diperangkat lainnya.

Android TV

Android TV pertama kali diluncurkan oleh Google pada tahun 2014, hingga saat ini peminatnya sudah semakin banyak. Tidak lain dikarenakan fitur canggih yang digunakannya yang bisa membuat penggunanya semakin termanjakan. Android TV ini juga memiliki bergam seri seperti pada android di smartphone atau tablet. Android TV juga ada yang menggunakan system operasi android seri Marshmallow, Nougat dan yang lain sebagainya. Mengenai fitur yang ada di Android TV, antara lain:

1. Googe Playstore

Di android TV pengguna bisa dengan bebas mengakses Google Playstore dengan menginstall aplikasi yang disukai. Tapi tidak semua aplikasi di android smartphone bisa diinstall di Android TV, hanya beberapa saja yang bisa dijalankan. Di dalamnya juga sudah tersedia aplikasi bawaan seperti, TV Streaming, Music, dan juga game.

2. Google Voice Input dan Kontrol

Didukung dengan Google Voice Input yang memungkinkan pengguna berinteraksi dengan perangkat dengan perintah suara. Selian itu, Android TV juga bisa dihubungkan dengan berbagai perangkat kontroler seperti, game pad, mouse, keyboard, aplikasi remote control, headphone, spekaer dan lain sebagainya. Menghubungkannya dengan memanfaatkan fitur bluetooth di Android TV.

3. Google Cast

Fitur satu ini berguna untuk menampilkan hasil browsing atau video youtube dari perangkat lain seperti laptop atau smartphone. Perangkat yang tidak kompatible dengan smart TV android juga bisa diatasi dengan fitur ini. 

Kalau saya pribadi memilih Android TV karena kita seperti punya smartphone dalam bentuk raksasa karena fitur-fiturnya selazim kita menggunakan smartphone. Tentunya kita menginstall aplikasi yang sesuai aplikasi semacam Netflix bukannya PUBG ya, kalo mau install game yang lumrah ya di smartphone dan PC. Aplikasi yang saya install semacam Vlive, iFlix, Viu, Spotify ya aplikasi untuk streaming. Karena kita terbiasa mengakses aplikasi tersebut di smartphone yang ukurannya relatif kecil dibanding TV untuk pertama kali terasa amazing sekali karena dengan kualitas Wifi jaman sekarang kita seperti nonton TV biasa tanpa buffering tanpa lag tidak seperti jaman dulu yang basisnya kuota diirit-irit. Ini saya nulis tahun 2020 ya kalo kalian bacanya tahan 2030 kayanya teknologi udah berkembang pesat banget. Pilihan android TV saya jatuh ke TCL android TV 55Inch yand dibandrol 5juta saja oleh JD.ID. Merk ini memang tidak sepopuler dengan Samsung tapi perusahaan TCL juga bukan pemain baru. Selain sesuai dengan budget saya, tentunya layarnya besar sehingga puas buat kami sekeluarga.

Untuk Menghapus Segurazo Secara Instant

Segurazo adalah program antivirus (?) yang sering terinstall saat kita menginstall software-software bajakan. Kita tidak pernah merasa menginstall tapi aplikasi ini nongol gitu aja. POP up terus dan mengganggu takutnya komputer kita dibelakangnya rame jadi kinerja komputer kita terganggu, berikut cara menghapus segurazo

Klik Windows > Run > ketik:  appwiz.cpl > temukan Segurazo> klik kanan Uninstall > Beres!

Semoga bermanfaat

Pengertian Sistem Cerdas

Pengenalan Sistem Cerdas

Soft Computing dan Aplikasi AI

Soft Computing (SC)  merupakan pendekatan inovatif untuk konstruksi komputasi dalam sistem cerdas • SC adalah suatu pendekatan yang muncul untuk komputasi paralel yang memiliki emampuan seperti pemikiran manusia untuk memberi alasan, mempelajari ketidakpastian dan ketidaktepatan lingkungan (Lotfi A. Zadeh, 1992)

SC terdiri dari beberapa paradigma

1. Neural Network (Jaringan syaraf) 
2. Fuzzy set theory (Teori Himpunan Kabur) 
3. Approximate Reasoning (Pendekatan penalaran)
4. Derivative – facts optimization methods (metoda-metoda optimasi derivasi (penurunan) fakta-fakta) –Algoritma Genetika –Simulated annealing (Penguatan simulasi)

Beberapa Aplikasi AI 

1. Pengenalan Suaran (Speech Recognition) –Merupakan suatu proses yang memungkinkan kita berkomunikasi dengan sebuah komputer lewat suara.
2. Computer Vision –Pemrosesan gambar secara cerdas yang memungkinkan kita memahami apa yang dilihat oleh komputer 
3. Robotika –Suatu studi tentang robot
4. Aplikasi AI yang Lain • Intelligent Computer-Assisted Instruction (ICAI) 
5. Software Development 
6. Planning and Decision Support 
7. Factory Automation 
8. Office Automation

Intelligent Computer-Assisted Instruction (ICAI) 

• Mengajar siswa dengan program komputer dan menggunakan perngkat lunak komputer 
• Membantu siswa menemukan strategi penyelesaian masalah yang juga dapat diaplikasikan ke situasi non komputer 
• Memberikan permainan (games) pendidikan ke siswa yang dirancang sedemikian rupa sehingga belajar merupakan hal yang menyenangkan 
• Menyertakan siswa dalam mengkomputerisasikan instruksi yang bersifat individual untuk setiap siswa.

Software Development 
Dua pendekatan AI untuk otomasi software –Intelligent Sofware Development tools – Program AI yang secara khusus didesain untuk membantu programer dalam melaksanan berbagai tahap dalam pengembangan software –Automatic Pragramming – Program AI yang didesain untuk mengembangkan program lain sebagai jawaban atas keinginan khusus programmer

Planning and Decision Support 

• Membantu mengembangkan suatu rencana untuk menjangkau tujuan (goal) tertentu dalam bidang Riset AI 
• Teknik Perencanaan – Ada dua tipe teknik perencanaan dalam AI yaitu Hirarki, yang dimulai dari level tertinggi dan turun ke bawah untuk detilnya; yang kedua non Hirarki, yang menggunakan level tunggal. 
• Pendukung Keputusan – Untuk membantu manager mengevaluasi informasi, memilih sebuah tujuan, atau menjangkau suatu kesimpulan.

Factory Automation

•  Memungkinkan komputer dapat menentukan mana keputusan yang dibuat pada bagian proses manufaktur yang dapat berakibat pada bagian proses yang lain.
• Office Automation 
• Administration and Managerial Support –Rencana anggaran, alokasi sumber daya, evaluasi pegawai
• Job Training and Support –Dengan ICAI dapat meningkatkan pengetahuan karyawan untuk semua level 
• Improved Man/Computer Dialogue –Dengan interface bahasa alami mempermudah manager dalam penggunaan komputer

Office Automation

•  Intelligent Information Management and Text Searching – Program AI mempunyai potensi untuk mengevaluasi informasi dan memberikan informasi ke manager hanya untuk masalah tertentu 
• Speaker –Independent Speech Understanding System – Dapat diaplikasikan dalam beberapa area lingkungan kantor (input dan proses informasi, perintah2 proses, asisten direktori, router pesan, penjadwalan, pengalamatan voice mail, dialing.

Analisis Sistem Perangkat Lunak dan Analisis kebutuhan perangkat lunak

Analisis sistem adalah sebuah teknik pemecahan masalah yang menguraikan sebuah sistem menjadi komponen-komponennya dengan tujuan mempelajari seberapa bagus komponen-komponen tersebut bekerja dan berinteraksi untuk meraih tujuan mereka.

Analisis mungkin adalah bagian terpenting dari proses rekayasa perangkat lunak. Karena semua proses lanjutan akan sangat bergantung pada baik tidaknya hasil analisis. Ada satu bagian penting yang biasanya dilakukan dalam tahapan analisis yaitu pemodelan proses bisnis. 

Model proses adalah model yang memfokuskan pada seluruh proses di dalam sistem yang mentransformasikan data menjadi informasi (Harris, 2003). Model proses juga menunjukkan aliran data yang masuk dan keluar pada suatu proses. Biasanya model ini digambarkan dalam bentuk Diagram Arus Data (Data Flow Diagram / DFD). DFD meyajikan gambaran apa yang manusia, proses dan prosedur lakukan untuk mentransformasi data menjadi informasi.

External Entity melambangkan sumber data (dari mana data berasal) atau penerima informasi (tujuan akhir dari data). Contoh external entity antara lain konsumen yang memesan suatu produk, manajer yang mengevaluasi laporan penjualan mingguan, dan lain-lain.

Proses adalah serangkaian langkah yang dilakukan untuk memanipulasi data, misalnya pengumpulan, pengurutan, pemilihan, pelaporan, peringkasan, analisis dan lain-lain.

Data store adalah tempat untuk menyimpan data untuk digunakan kemudian. Nama yang pada data store ini merupakan abstraksi dari data yang disimpan. Namun detil / item data apa saja yang ada, bagaimana cara akses, atau bagaimana mengorganisasinya tidak dijelaskan dalam notasi ini.

Data flow menunjukkan aliran data dari satu tempat ke tempat lain. Perpindahan data ini dapat dari external entity ke proses, antar proses satu dengan yang lain, dari proses ke data store. Dalam penggambarannya setiap data flow harus diberi label yang menunjukkan data apa yang mengalir.

Context diagram adalah DFD ruang lingkup dari sistem yang menunjukkan batas-batas sistem, external entitiy yang berinteraksi dengan sistem dan aliran data utama antara external entity dengan sistem. Context diagram menggambarkan keseluruhan sistem dalam suatu proses tunggal. Pada proses ini diberi notasi angka 0 untuk menunjukkan ini adalah level paling abstrak dari sistem. 

Selain itu ada tiga external entity yaitu customer, kitchen dan restaurant  manager. Ketiganya dapat berperan sebagai sumber data (dalam contoh di atas adalah customer) atau sebagai penerima informasi (dalam contoh di atas customer, kitchen, dan restaurant manager).

Data flow yang tampak pada gambar menunjukkan ada satu data flow yang masuk ke sistem dan ada tiga data flow yang keluar dari sistem. Masing-masing data flow diberi label yang menunjukkan data apa yang sedang mengalir.

Setelah context diagram terbentuk dengan benar maka langkah selanjutnya adalah merinci context diagram tersebut dalam DFD Level 0. DFD Level 0 adalah DFD yang merepresentasikan proses-proses, data flow dan data storage utama di dalam sistem. DFD Level 0 ini akan digunakan sebagai dasar untuk membangun DFD yang level dibawahnya (Level 1, 2, 3, .. dst) atau biasa disebut sebagai dekomposisi DFD.

Masing-masing proses diberi nomor kode 1.0, 2.0, 3.0 dan 4.0. Jumlah external entity harus tetap yaitu 3 demikian puladata flow yang keluar dan masuk (input dan output) ke dalam sistem harus sama dengan pada context diagram. Sedangkan data flow yang berada di dalam sistem (yang mengalir antar proses dan atau data storage) tergantung pada proses dan data storage yang terlibat.

Ada dua data storage yaitu Goods Sold File dan Inventory File. Kedua data storage ini digunakan untuk menyimpan data dari suatu proses. Data ini juga akan dibaca / diakses oleh proses yang lain. Sebagai contoh data storage Inventory File berisi data hasil proses 3.0(Update Inventory File). Data ini akan digunakan proses 4.0 (Produce Management Reports) untuk membuat laporan yang akan disampaikan pada Restaurant Manager. 

DFD level berikutnya yaitu level 1, 2 dan seterusnya diperlukan apabila level sebelumnya dirasa kurang detil. Sebagai contoh apabila DFD level 0 (Gambar 14.12) dirasa belum cukup detil menunjukkan arus data yang mengalir, maka dapat dibuat detilnya pada DFD level 1. 

Bagian yang harus didetilkan biasanya adalah proses. Detil pada level berikutnya, mungkin pada semua proses atau hanya pada proses-proses tertentu saja. DFD pada level 0 maupun level di bawahnya memiliki kesamaan aturan yang tersaji.

Analisis kebutuhan perangkat lunak Analisis kebutuhan perangkat lunak (software requirements analysis) merupakan aktivitas awal dari siklus hidup pengembangan perangkat lunak. Untuk proyek-proyek perangkat lunak yang besar, analisis kebutuhan dilaksanakan setelah aktivitas sistem information engineering dan software project planning.

KEGUNAAN ANALISIS
Kegunaan analisis adalah untuk memodelkan permasalahan dunia nyata agar dapat dimengerti. Permasalahan dunia nyata harus dimengerti dan dipelajari supaya spesifikasi kebutuhan perangkat lunak dapat diungkapkan. Tujuan aktivitas ini adalah untuk mengetahui ruang lingkup produk (product space) dan pemakai yang akan menggunakannya. Analisis yang baik akan mengungkapkan hal-hal yang penting dari permasalahan, dan mengabaikan yang tidak penting.

Contoh analisis kebutuhan PERANGKAT LUNAK PERPUSTAKAAN 

ANALISIS KEBUTUHAN 

Kebutuhan Antar Muka Kebutuhan-kebutuhan untuk pengembangan perangkat lunak ini sebagai berikut: 

1. Perangkat harus mampu membaca data kunci pada saat proses pencarian, proses pemasukan data, perubahan data penghapusan data. 

2. Perangkat lunak yang akan dibangun harus mempunyai tampilan-tampilan yang familiar bagi pemakai. 

3. Perangkat lunak harus mampu menyimpan data yang dimasukan oleh operator ke dalam storage. 4. Ada proses dalam perangkat lunak yang mampu membaharui semua data yang disimpan dalam storage.

Kebutuhan Data Data yang diolah oleh perangkat lunak ini adalah: 

1. Data transaksi perpustakaan oleh semua fungsi oleh perangkat lunak yaitu tabel buku, tabel peminjam, tabel pengunjung dan tabel data pinjam. 

2. Data pinjam merupakan informasi yang akan memproses peminjaman buku, dari tabel peminjam dan tabel buku.

Kebutuhan fungsional Penjelasan proses fungsi adalah suatu bagian yang menyesiakan informasi berupa penjelasan secara terinci setiap fungsi yang digunakan untuk menyeselesaikan masalah. Fungsi-fungsi yang dimiliki oleh perangkat lunak ini adalah:

1. Mengelola otoritas passode, yaitu data passcode yang dimasukan oleh operator dengan benar, dan selanjutnya memilih menu. Untuk malakukan aktifitas pekerjaan 

2. Mengelola peminjam, peminjaman buku oleh peminjam. 

3. Mengelola buku yang masuk ke perpustakaan, pemasukan buku dilakukan jika terjadi jika kondisi dan stok buku mulai tidak layak dan menipis, atau adanya sumbangan dari pihak kampus atau pengelola dan atau adanya buku baru yang sangat dibutuhkan sebagai referensi mahasiswa atau pengunjung. 

4. Mengelola pengunjung yang akan menjadi peminjam.

Pengertian Crawling dan Indexing

Crawling adalah proses yang dilakukan Google untuk menemukan informasi tentang halaman web yang tersebar di internet. Sebelum situs anda muncul di halaman pencarian, Google perlu tahu terlebih dahulu kalau situs anda ADA, dan untuk mengetahui hal tersebut, Google mengirimkan crawler (GoogleBot) untuk menjelajahi internet guna menemukan situs anda. Crawler bekerja dengan melihat suatu halaman web, dan mengikuti link yang ada di halaman tersebut. Sama seperti jika kita membaca konten di internet — bedanya crawler mengikuti semua link yang ada di halaman tersebut guna menemukan halaman baru untuk diambil datanya dan dikirim balik ke server Google. Proses crawl ini dulunya berawal dari daf tar situs yang dikirimkan orang pada Google, dari sitemap yang disubmit ke Google, dan dari situ crawler terus “MENJELAJAH” dengan mengikuti link yang ada dan menemukan halaman situs baru, dan demikian seterusnya.

Indexing adalah proses peng-organisasian data dan inf ormasi yang dikirim oleh crawler.

Google mengumpulkan halaman-halaman dari proses crawl untuk kemudian membuat suatu indeksasi berdasarkan algoritma yang dimilikinya. Indeksasi ini dibuat agar ketika orang mengetikkan “hoodie keren”, Google bisa memberikan hasil berupa halaman-halaman web yang ada hubungannya (relevan) dengan kata “hoodie keren” tersebut.

Indeksasi adalah proses peng-kategorisasi-an halaman web atas kata kunci tertentu berdasarkan informasi yang ada di halaman web tersebut. Alasan kita melakukan SEO – mengatur Title tag, Heading, Meta Description, dan lain sebagainya – adalah hal ini, agar halaman situs kita ter-indeks untuk kategori (baca: keyword) yang kita inginkan. 

Pengertian Deep Learning

Deep Learning (Pembelajaran Dalam) atau sering dikenal dengan istilah Pembelajaran Struktural Mendalam (Deep Structured Learning) atau Pembelajaran Hierarki (Hierarchical learning) adalah salah satu cabang dari ilmu pembelajaran mesin (Machine Learning) yang terdiri algoritma pemodelan abstraksi tingkat tinggi pada data menggunakan sekumpulan fungsi transformasi non-linear yang ditata berlapis-lapis dan mendalam. Teknik dan algoritma dalam Pembelaran dalam dapat digunakan baik untuk kebutuhan pembelajaran terarah (supervised learning), pembelajaran tak terarah (unsupervised learning) dan semi-terarah (semi-supervised learning) dalam berbagai aplikasi seperti pengenalan citra, pengenalan suara, klasifikasi teks, dan sebagainya[4]. Deep Learning disebut sebagai Deep (dalam) karena struktur dan jumlah jaringan saraf pada algoritmanya sangat banyak bisa mencapai hingga ratusan lapisan.

Deep Learning adalah salah satu jenis algoritma jaringan saraf tiruan yang menggunakan metadata sebagai input dan mengolahnya menggunakan sejumlah lapisan tersembunyi (hidden layer) transformasi non linier dari data masukan untuk menghitung nilai output. Algortima pada Deep Learning memiliki fitur yang unik yaitu sebuah fitur yang mampu mengekstraksi secara otomatis. Hal ini berarti algoritma yang dimilikinya secara otomatis dapat menangkap fitur yang relevan sebagai keperluan dalam pemecahan suatu masalah. Algortima semacam ini sangat penting dalam sebuah kecerdasan buatan karena mampu mengurangi beban pemrograman dalam memilih fitur yang eksplisit. Dan, algortima ini dapat digunakan untuk memecahkan permasalahan yang perlu pengawasan (supervised), tanpa pengawasan (unsupervised), dan semi terawasi (semi supervised).

Dalam jaringan saraf tiruan tipe Deep Learning setiap lapisan tersembunyi bertanggung jawab untuk melatih serangkaian fitur unik berdasarkan output dari jaringan sebelumnya. Algortima ini akan menjadi semakin komplek dan bersifat abstrak ketika jumlah lapisan tersembunyi (hidden layer) semakin bertambah banyak. Jaringan saraf yang dimiliki oleh Deep Learning terbentuk dari hirarki sederhana dengan beberapa lapisan hingga tingkat tinggi atau banyak lapisan (multi layer). Berdasarkan hal itulah Deep Learning dapat digunakan untuk memecahkan masalah kompleks yang lebih rumit dan terdiri dari sejumlah besar lapisan transformasi non linier.

Jenis Deep Learning

• Deep Learning untuk Pembelajaran Tanpa Pengawasan (Unsupervised Learning): Deep Learning tipe ini digunakan pada saat label dari variabel target tidak tersedia dan korelasi nilai yang lebih tinggi harus dihitung dari unit yang diamati untuk menganalisis polanya.
• Hybrid Deep Networks (Deep Learning gabungan): Pendekatan tipe ini bertujuan agar dapat dicapai hasil yang baik dengan menggunakan pembelajaran yang diawasi untuk melakukan analisis pola atau dapat juga dengan menggunakan pembelajaran tanpa pengawasan.

Deep Learning bekerja berdasarkan pada arsitektur jaringan dan prosedural optimal yang digunakan pada arsitektur. Setiap output dari lapisan per lapisan yang tersembunyi dapat dipantau dengan menggunakan grafik khusus yang dirancang untuk setiap output neuron. Kombinasi dan rekombinasi dari setiap neuron yang saling terhubung dari semua unit lapisan tersembunyi dilakukan menggunakan gabungan dari fungsi aktivasi. Prosesdur-prosedur tersebut dikenal sebagai Transformasi Non Linier yang digunakan untuk prosedur optimal untuk menghasilkan bobot optimal pada setiap unit lapisan guna mendapatkan nilai target yang dibutuhkan.

Ketika dalam proses perancangan, apabila jumlah saraf yang ditambahkan sangat banyak, hal tersebut tidak akan pernah cocok untuk menyelesaikan setiap masalah. Persoalan terpenting dalam Deep Learning adalah jaringan sarafnya dilatih dengan cara penurunan gradien secara sederhana. Pada saat kita menambahkan lapisan jaringan yang semakin banyak, maka sebaliknya penurunan dari gradien semakin berkurang sehingga dapat mempengaruhi nilai outpunya.

Perbedaan yang dimiliki oleh Jaringan Saraf Tiruan biasa dengan Deep Learning

Jaringan Saraf Tiruan adalah jaringan saraf yang biasanya menggunakan jaringan seperti umpan maju (feed forward) atau recurrent network yang hanya memiliki 1 atau 2 lapisan tersembunyi. Tetapi, jika lapisan jaringan sarafnya lebih dari 2 layer ke atas atau bahkan mencapai ratusan lapisan itulah yang disebut sebagai Deep Learning. Pada Jaringan Syaraf Tiruan arsitektur jaringan yang dimilikinya kurang kompleks dan membutuhkan lebih banyak informasi tentang data input sehingga dapat menentukan algortima mana yang dapat digunakan. Dalam Jaringan Saraf Tiruan terdiri dari beberapa algoritma yaitu Model Hebb, Perceptron, Adaline, Propagasi Maju, dll. Sedangkan pada algortima jaringan saraf Deep Learning tidak memerlukan informasi apapun terhadap data yang akan dipelajarinya, dan algoritmanya dapat secara mandiri melakuan tuning (penyetelan) dan pemilihan model yang paling optimal.

Machine Learning (Pembelajaran Mesin)

Pembelajaran mesin, cabang dari kecerdasan buatan, adalah disiplin ilmu yang mencakup perancangan dan pengembangan algoritma yang memungkinkan komputer untuk mengembangkan perilaku yang didasarkan pada data empiris, seperti dari sensor data basis data[5]. Hal Ini merupakan teknik yang digunakan untuk mengembangkan mesin otomatis berdasarkan eksekusi pada algoritma dan kumpulan aturan yang terdefinisikan.

Dalam data latih sebagai input pada Machine Learning diberi sejumlah aturan program yang dijalankan oleh algoritma. Oleh karena itu, pada teknik Mesin Belajar dapat dikategorikan sebagai instruksi yang dijalankan dan dipelajari secara otomatis untuk menghasilkan hasil output yang optimal. Hal ini dilakukan secara otomatis tanpa ada campur tangan manusia sedikitpun. Semua dilakukan secara otomatis untuk mengubah data menjadi beberapa pola dan diinputkan jauh ke dalam sistem untuk mendeteksi masalah produksi secara otomatis.

Referensi:

1. Kuswadi, Son. 2007. “Kendali Cerdas, Teori dan Aplikasi Praktisnya”. Yogyakarta: Penerbit ANDI
2. Desiani, Anita & Muhammad Arhami. 2006. “Konsep Kecerdasan Buatan”. Yogyakarta: Penerbit ANDI
3. Wikipedia Indonesia,Pembelajaran dalam (https://id.wikipedia.org/wiki/Pembelajaran_dalam) diakses pada 25 Januari 2018
4.  XenonStack. 2017. “Log Analytics With Deep Learning And Machine Learning”. Medium, 13 Mei 2017 (https://medium.com/@xenonstack/log-analytics-with-deep-learning-and-machine-learning-20a1891ff70e) diakses pada 25 Januari 2018
5. Wikipedia Indonesia, Pembelajaran mesin (https://id.wikipedia.org/wiki/Pembelajaran_mesin) diakses pada 25 Januari 2018

Sumber : klik disini

Perbedaan Core i3, i5 dan i7

Perbedaan Core i3, i5 dan i7

1. Intel Core i3

Core i3 dibekali dengan rancangan dua prosesor dual core di dalamnya. Kedua prosesor tersebut dapat menjalankan dua instruksi sekaligus dalam waktu yang bersamaan. Banyak yang mengatakan bahwa Core i3 lebih tahan terhadap panas, bahkan lebih efisien untuk ketahanan daya baterai. Meskipun demikian, Core i3 juga ternyata memiliki kelebihan dan kekurangannya tersendiri, yang tentunya tidak kita dapati pada prosesor Core i5 dan i7.

*Baca juga: Fungsi dan Pengertian NFC, Teknologi Berbagi File Serbaguna

Intel Core i3 tidak mendukung teknologi Hyper-Treading, merupakan kemampuan untuk stimulasi jumlah prosesor yang ada sehingga mampu bekerja secara multi process pada bagian kecil. Teknologi ini hanya dapat dijumpai pada prosesor i5 dan i7 saja.

Dibekali dengan teknologi Turbo Boost overclocking otomatis yang berkisar antara 2.933 GHz sampai dengan 3.2 Ghz.

Clock Graphics Processor 100 MHz.

L3 Cache 4 MB

LGA Socket 1156

Core i3 mampu mengintegrasikan Virtualizing Tecnology dengan GPU (Graphic Processing Unit) sehingga dapat berjalan lebih cepat.

2. Intel Core i5

Sama halnya dengan Core i3, Intel Core i5 juga dilengkapi dengan rancangan dua prosesor Dual Core di dalamnya, namun ternyata sebagian juga ada yang terdiri dari dua prosesor Quad Core namun tidak dilengkapi dengan teknologi Hyper-Treading.

Teknologi Core i5 sangat cocok digunakan untuk para pengguna berat, seperti halnya aktivitas game, program, desain, dan lain-lainnya yang membutuhkan kemampuan komputer dengan kinerja mempuni. Namun sayang, Core i5 lebih panas ketimbang i3, tapi memiliki kemampuan yang lebih unggul, utamanya dalam hal multitasking dan kemampuan untuk menampung software-sodtware berat.

Support Hyper-Treading.

Terdiri dari 2 processor Dual Core. Terdapat juga beberapa seri i5 yang berisi 2 processor Quad Core, namun tidak mendukung teknologi Hyper-Treading.

Turbo Boost maksimum overclocking otomatis antara 2.4 GHz sampai 3.33 GHz.

L3 Cache 4-8 MB.

LGA Socket 1156.

Intel HD Graphics.

Maximal RAM 16 GB.

3. Intel Core i7

Core i7 memiliki kemampuan lebih unggul jika dibandingkan dengan dua prosesor yang dibahas sebelumnya. Pasalnya, Core i7 dilengkapi dengan rancangan empat prosesor Quad Core di dalamnya, dengan kecepatan 3.07 Ghz di tiap-tiap prosesornya. Tedapat juga beberapa seri i7 tertentu yang menyediakan enam prosesor Quad Core.

Selain itu, Core i7 sendiri memiliki kemampuan luar biasa, karena mampu memecah empat prosesor menjadi delapan bagian, sehingga proses kerja yang berat dapat dijalankan secara maksimal. Dengan kemampuan tersebut, otomatis pengguna dapat menjalankan berbagai proses secara bersamaan, misalnya 3D Rendering, Video Editing, dan keperluan animasi. Tidak heran jika produsen komputer dan laptop Core i7 mematok harga yang fantastis untuk setiap unitnya.

Intel Core i7 mendukung teknologi Hyper-Treading.

Turbo Boost maksimum overclocking otomatis berkisar antara 1.73 GHz sampai 3.33 GHz.

L3 Cache 8-12 MB.

Teknologi Intel QuickPath Interconnect yang berfungsi untuk mempercepat proses pembacaan data mencapai 25.6 GB / detik.

LGA Socket 1156.

Intel HD Graphics.

Maximal RAM sebesar 24 GB.

Kesimpulan Core i3, i5, dan i7

Adanya perbedaan dari setiap arsitektur prosesor di atas tentu saja akan mempengaruhi harga jual komputer dan laptop bersangkutan. Adapun jika anda membutuhkan laptop untuk sekadar mengetik dan melakukan aktivitas pekerjaan yang tidak terlalu berat, maka disarankan untuk menggunakan Core i3 saja. Karena selain sudah cukup, Core i3 juga dibandrol dengan harga yang lebih miring.

Prosesor Core i5 disarankan untuk pengguna yang hari-harinya kerap menjalankan software-software berat seperti 3D dan animasi. Untuk keperluan gaming, Core i5 juga rasanya sudah cukup.

*Baca juga: Apa itu HTTPS? Manfaat, Jenis-Jenis Website, dan fungsi HTTPS

Dan yang terakhir adalah Core i7, merupakan prosesor dengan kelas tertinggi yang diciptakan Intel saat ini. Tentu saja prosesor tersebut cocok untuk menjalankan aplikasi-aplikasi berat. Seperti gaming, desain, editing, dan lain sebagainya. Namun perlu diingat, komputer atau laptop Core i7 mematok harga yang sangat mahal.

PROSESOR INTEL® CORE™ i7

Intel Core i7 adalah nama merek Intel untuk beberapa keluarga prosesor desktop dan laptop x86-64 64-bit yang menggunakan mikroarsitektur Nehalem, Westmere, Sandy Bridge, Ivy Bridge, Haswell, Broadwell, Skylake, dan Kaby Lake. Merek Core i7 menargetkan bisnis dan pasar konsumen kelas atas untuk komputer desktop dan laptop,^[1] sehingga berbeda dari Core i3 (untuk konsumen tingkat pemula), Core i5 (untuk konsumen biasa), dan Xeon (untuk server dan workstation).

Intel lalu memperkenalkan nama Core i7 dengan prosesor Bloomfield Quad-core berbasis Nehalem pada akhir 2008.^] Pada tahun 2009 model Core i7 baru yang didasarkan pada prosesor desktop quad-core Lynnfield (berbasis Nehalem) dan mobile quad-core Clarksfield (berbasis Nehalem) diluncurkan,^[6] dan model berdasarkan prosesor mobile dual-core Arrandale (juga berbasis Nehalem) diluncurkan pada Januari 2010. Prosesor enam inti pertama dalam jajaran Core adalah Gulftown berbasis Nehalem, yang diluncurkan pada 16 Maret 2010. Baik Core i7 dan Extreme Edition dipromosikan sebagai "bintang lima" dalam Intel Processor Rating.

Dari masing-masing dari ketiga generasi mikroarsitektur pertama dari merek Core i7, terdapat anggota keluarga mereka ini yang menggunakan dua arsitektur tingkat sistem yang berbeda; oleh karena itu, ada dua soket yang berbeda (misalnya, LGA 1156 dan LGA 1366 dengan Nehalem). Dalam setiap generasinya, prosesor Core i7 yang berkinerja tinggi menggunakan soket dan arsitektur berbasis QPI yang sama seperti prosesor Xeon kelas menengah-atas dari generasi tersebut, sementara prosesor Core i7 yang berkinerja lebih rendah menggunakan soket yang sama dan arsitektur PCIe / DMI / FDI seperti Core i5.

Core i3, Core i5, dan Core i7 adalah tiga jenis prosesor komputer yang telah disediakan oleh perusahaan Intel untuk membantu kinerja suatu perangkat komputer.

Prosesor merupakan “otak” dalam sebuah perangkat komputer, yang mana cara kerjanya dengan menerima perintah dari pengguna, kemudian meneruskannya ke hardware lain. Oleh karena itu, tidak heran jikalau spesifikasi prosesor menjadi sorotan utama dan penting bagi setiap pengguna sebelum memutuskan membeli komputer maupun laptop.

Semua prosesor, baik itu core i3, i5, dan i7 ternyata memiliki arsitektur dan teknologi yang berbeda-beda. Adapun teknologi tersebut diantaranya adalah Turbo Boost, merupakan kemampuan untuk meningkatkan clockspeed pada CPU atau yang biasa dikenal dengan sebutan over clocking secara otomatis. Kemampuan tersebut secara tidak langsung membuat komputer dapat mematikan satu atau dua engine lainnya agar memberikan ruang lebih besar pada CPU, sehingga hal tersebut otomatis membuat prosesor bisa bekerja dengan lebih keras.

Terlepas dari itu, banyak dari pengguna yang salah kaprah, dan menyangka bahwa inisial i3, i5, dan i7 mengidentifikasikan pada jumlah prosesor yang terdapat pada komputer. Misalnya, i3 berarti di dalamnya terdapat tiga prosesor, i5 dengan lima prosesor, dan i7 memiliki 7 prosesor. Padahal, pernyataan tersebut sama sekali tidak bersangkutan dengan itu. Inisial core i3, i5, dan i7 ternyata lebih mengarah pada kemampuan yang dimiliki oleh prosesor, seperti halnya dipengaruhi oleh cache, support memori dan lain-lainnya.