Multidimensional Environmental Data Resource Brokering on Computational Grids and Scientific Clouds

Komputasi grid telah banyak berkembang selama beberapa tahun terakhir, dan kemampuannya telah menemukan cara mereka bahkan menjadi produk bisnis dan tidak lagi diturunkan ke aplikasi ilmiah. Saat ini, teknologi komputasi grid tidak terbatas pada satu set kotak khusus open source atau produk industri, melainkan terdiri dari serangkaian capabil-kegiatan hampir dalam setiap jenis perangkat lunak untuk membuat dan berbagi sangat kolaboratif lingkungan produksi. Lingkungan ini difokuskan pada kemampuan komputasi (beban kerja) dan integrasi informasi (data) ke orang-orang kemampuan komputasi. Grid kolom aplikasi komputasi aktif adalah virtualisasi sepenuhnya instrumen ilmiah dalam rangka meningkatkan ketersediaan dan mengurangi biaya opera-sional dan memelihara. Komputasi grid dan informasi memungkinkan untuk mengelola objek dunia nyata dalam cara berorientasi layanan menggunakan standar dunia penyebaran industri.Didorong oleh kemajuan pesat dalam teknologi multi-core, pendekatan komputasi grid telah berubah dan telah berkembang ke arah konvergensi yang tepat antara stabilitas, efektivitas, manajemen mudah, nyaman, dan perilaku, di atas semua, rasio taruhan-ter antara biaya dan manfaat. Teknologi ini memimpin dunia komputasi terdistribusi ke generasi ketiga dari grid ditandai dengan peningkatan daya komputasi situs intra, karena teknologi multi-core, dan terabyte hingga petabyte ketersediaan penyimpanan skala. Pendekatan ini membuat nyaman perkembangan teknik virtu-penginstitusian dan memungkinkan eksploitasi efektif pabrik server yang besar. Canggih perangkat lunak mesin virtual memiliki dampak sedikit terhadap kinerja, misalnya menggunakan teknik sebagai paravirtualization (Youseff, Wolski, Gorda, & Krintz, 2006), dan izin untuk menyebarkan, start, pause, bergerak, berhenti dan un-menyebarkan mesin virtual dalam kinerja tinggi, lingkungan yang aman dan kolaboratif. Perangkat lunak technolo-strategi yang mendasari pendekatan grid, biasanya didefinisikan sebagai komputasi awan (Fosteret al., 2006), sangat mirip dengan yang dikembangkan untuk generasi kedua dari grid menawarkan fitur dalam perangkat lunak sebagai cara pelayanan. Hal baru yang benar adalah penyebaran dinamis mesin virtual penuh dikemas sekitar perangkat lunak yang berjalan di situs lokal atau remote. Pengguna meminta broker sumber daya untuk layanan. Layanan ini bisa bahkan tidak digunakan, tetapi tersedia dalam katalog dan kemudian dikemas ke dalam mesin virtual yang tepat dan akhirnya membuat siap untuk digunakan. Selain itu, penurunan yang cepat dari biaya cluster sangat terintegrasi telah mendorong munculnya pusat data sebagai platform yang mendasari untuk kelas tumbuh aplikasi data-intensif (Llorente,2008a, 2008b).Dalam skenario ini metadata augmented data, baik disimpan atau diproduksi oleh sebuah on line sistem akuisisi, memiliki peran penting dalam mengatasi apa yang kuno grid computing dan grid data di masa lalu. Secara khusus, di lingkungan awan sumber daya dipandang sebagai entitas tingkat tinggi, sementara percaloan pada kebutuhan aplikasi dilakukan secara otomatis dengan menggunakan pendekatan pelayanan menggambarkan diri.Kami mengembangkan komponen menyadari grid yang didasarkan pada Sumber Daya Layanan Broker menerapkan bungkus selama OpenDAP (Open Project sumber untuk Jaringan Data Access Protocol) (Gallagher, Potter, & Sgouros, 2004) akses data ilmiah proto-col dan memastikan efektif dan efisien distribusi konten di grid. Dalam pekerjaan sebelumnya (Montella, Giunta, & Riccio, 2007) kita menggambarkan perilaku Grads Layanan Data Distribusi (GDDS) yang bisa dianggap sebagai nenek moyang Dimensi Data Service Distribusi Lima (FDDDS) disajikan dalam karya ini. Layanan ini mengandalkan warisan mesin OpenDAP berbeda dan menyediakan kemampuan format data lingkungan yang lebih luas dan kinerja yang lebih baik.Sebagian besar implementasi middleware jaringan menganggap instrumen sebagai sumber data. Instrumen dapat dianggap off-line dan hanya data yang diolah biasanya pub-likasikan, memanfaatkan pada fasilitas penyimpanan umum seperti Replica Lokasi, Reliable File Transfer dan teknologi GridFTP. Dengan pendekatan semacam ini, data yang diperoleh adalah terkonsentrasi, bukan didistribusikan, dengan manfaat miskin dalam hal akses yang seimbang beban dinamis.Dalam bidang akuisisi data lingkungan, isu yang terakhir dapat menjadi sangat penting ketika sejumlah besar pengguna membutuhkan akses ke data selama peristiwa cuaca ekstrim, seperti badai, banjir atau bencana alam seperti letusan gunung berapi, gempa bumi dan tsunami.Tantangan mengintegrasikan instrumen ke dalam lingkungan grid strategis yang relevan dan dapat menyebabkan penggunaan yang lebih efisien dan efektif dari instrumen sendiri, pengurangan overhead umum dan perbaikan dari throughput. Biasanya instrumen menghasilkan sejumlah besar data yang bisa disimpan elastis menggunakan layanan penyimpanan cloudily tersedia, mengurangi biaya manajemen dan pengisian pengguna hanya untuk sumber daya yang mereka gunakan. Dari sudut pandang ini, data yang pro-diproduksi oleh instrumen, dan disimpan pada layanan komputasi awan, dapat diiklankan di indeks kotak dilayani dan ditetapkan on-demand menggunakan layanan berbasis OpenDAP.Berikut ini kita membahas implementasi dan integrasi di Globus Toolkit 4 dari FDDDS dan kami menjelaskan bagaimana FDDDS dan Broker Sumber Daya (RBS) jasa pekerja. Kami juga fokus pada pelaksanaan komponen pemetaan antara sumber daya terpapar oleh layanan indeks GT4 dan CondorClassAd representasi, dan kami menyediakan beberapa contoh yang berkaitan dengan cuaca model evaluasi.RB kami dapat menjawab pertanyaan seperti yang berikut (mencari yang terbaik 5Ddataset lingkungan persyaratan yang ditentukan pas):

[

Rank=other.ConnectionSpeed; Requirements=other.Type="dataset"; other.Time>=’03:07:2008 00:00:00’ && other.Time<=’09:07:2008 00:00:00’ && other.Lat>=36 &&

other.Lat<=42 && other.Lon>=8 && other.Lon<=20 &&

other.Variables=u10m,v10m; &&

other.DataOrigin=="wrf"

]

Dalam permintaan data berorientasi ClassAd, pengguna mencari dataset yang berisi timur-komponen dan utara-komponen dari vektor angin pada 10 m dari permukaan laut (u10m dan v10m, masing-masing). Data yang diminta harus diproduksi oleh cuaca dan Model Prakiraan dan terkait dengan wilayah Italia domain Selatan, dinyatakan sebagai lintang dan bujur rentang. Penyedia dataset terbaik dipilih dengan peringkat yang ConnectionSpeed ​​dari host memproduksi layanan web. Karena itu, jika penyedia dua atau lebih data yang ditemukan, yang berkinerja terbaik dipilih. Akhirnya, pengguna mengajukan permintaan khusus untuk FDDDS untuk sub-pengaturan (yaitu penggalian sub-kubus dari kubus data) data yang diinginkan. Mempertimbangkan Data kebijakan manusia pengelolaan lokal, data sub-set dapat dibuat tersedia sebagai sumber daya diiklankan, didistribusikan, direplikasi, cache atau bahkan akhirnya dihapus jika tidak digunakan dalam ambang waktu. Dalam grid yang didasarkan pada lingkungan cloud, contoh FDDDS bisa dinamis dikerahkan dalam rangka untuk memenuhi kebutuhan pengguna yang sebenarnya.
Jika data langsung dihasilkan oleh instrumen dan disimpan menggunakan penyimpanan yang tersedia secara lokal disediakan atau awan, Instrumen Layanan dikembangkan (INS) iklan sumber data pada layanan indeks grid, sehingga permintaan ClassAd seperti berikut ini mungkin:

[

Type="DataConsumer"; Rank=1/gis.getDistance(

14.22,40.85,other.Longitude,other.Latitude

); Requirements=

other.Type=="Instrument" &&

other.Desc=="WeatherStation" &&

other.Sensor=="windDir,windSpeed"

]

 

Dalam query ini pengguna mencari instrumen stasiun cuaca yang disediakan oleh saluran data memperoleh arah dan kecepatan angin sedekat mungkin ke titik yang terletak di bujur dan lintang 14.22 ◦ ◦ 40.85.
Dalam Bagian 20.2, desain dan perilaku RBS kami secara singkat dijelaskan. Dalam Bagian 20.3 pelaksanaan GDDS dan isu-isu terkait kinerja, fleksibilitas dan portabilitas dibahas. Dalam Pasal 20.4 arsitektur FDDDS diperkenalkan sebagai evolusi sistem yang dikembangkan sebelumnya. Bagian 20.5 menggambarkan desain Layanan Instrumen dan implementasi. Bagian 20.6 menggambarkan pendekatan untuk cuaca evaluasi perkiraan berfokus pada algoritma baru berdasarkan waktu ansambel bergeser. Bagian 20.7 didedikasikan untuk integrasi data yang diberikan oleh FDDDS dan data yang disediakan oleh INS. Akhirnya Bagian 20.8 berisi beberapa kesimpulan dan highlight pada pekerjaan di masa depan.

Komputasi Grid

Menurut definisi Grid Computing atau Komputasi Grid merupakan salah satu dari tipe Komputasi Paralel, adalah penggunaan sumber daya yang melibatkan banyak komputer terpisah secara geografis namun tersambung via jalur komunikasi (termasuk Internet) untuk memecahkan persoalan komputasi skala besar. Semakin cepat jalur komunikasi terbuka, maka peluang untuk menggabungkan kinerja komputasi dari sumber-sumber komputasi yang terpisah menjadi semakin meningkat. Dengan demikian, skala komputasi terdistribusi dapat ditingkatkan secara geografis lebih jauh lagi, melintasi batas-batas domain administrasi yang ada.


Suatu sistem melakukan komputasi grid yaitu :

1. Sistem tersebut melakukan koordinasi terhadap sumberdaya komputasi yang tidak berada dibawah suatu kendali terpusat. Seandainya sumber daya yang digunakan berada dalam satu cakupan domain administratif, maka komputasi tersebut belum dapat dikatakan komputasi grid.
2. Sistem tersebut menggunakan standard dan protokol yang bersifat terbuka (tidak terpaut pada suatu implementasi atau produk tertentu). Komputasi grid disusun dari kesepakatan-kesepakatan terhadap masalah yang fundamental, dibutuhkan untuk mewujudkan komputasi bersama dalam skala besar. Kesepakatan dan standar yang dibutuhkan adalah dalam bidang autentikasi, otorisasi, pencarian sumberdaya, dan akses terhadap sumber daya.Misalnya TCP/IP
3. Sistem tersebut berusaha untuk mencapai kualitas layanan yang canggih, (nontrivial quality of service) yang jauh diatas kualitas layanan komponen individu dari komputasi grid tersebut.

Beberapa konsep dasar dari Komputasi Grid

1. Sumber daya dikelola dan dikendalikan secara lokal.
2. Sumber daya berbeda dapat mempunyai kebijakan dan mekanisme berbeda, mencakup Sumber daya komputasi dikelola oleh sistem batch berbeda, Sistem storage berbeda pada node berbeda, Kebijakan berbeda dipercayakan kepada user yang sama pada sumber daya berbeda pada Grid.
3. Sifat alami dinamis: Sumber daya dan pengguna dapat sering berubah
4. Lingkungan kolaboratif bagi e-community (komunitas elektronik, di internet)

Pendekatan Apa yang Dibutuhkan untuk Mengembangkan Komputasi Grid?

     Saat ini grid dikembangkan secara independen dan sering dalam bahasa tingkat rendah seperti dalam assembler.  Ini biasanya mahal, sulit untuk beradaptasi dengan aplikasi lainnya serta sistem jaringan lain. Pengembangan jaringan harus secara standar internasional. Pengembangan juga harus dilakukan dalam modul yang lebih kecil, seperti lapisan protokol yang berbeda yang merupakan dasar Internet saat ini. Developers/pengembang dibagi menjadi tiga kelas, yaitu pengembang Grid, Tool (Alat), dan Application (Aplikasi).

∙ Grid Developers (Pengembang Grid)

Grid developers mengembangkan protokol dan menghasilkan perpustakaan rutin. Tantangan di sini adalah untuk menghasilkan sebuah perpustakaan protokol yang akan bekerja dengan baik dengan banyak teknologi yang mendasari (misalnya, berbagai jenis jaringan). Perpustakaan juga harus memenuhi banyak permintaan yang berbeda dari tool developers, sehingga sulit untuk memberikan performa terbaik pada setiap permintaan berbeda , sementara pada saat yang sama mengakomodasi teknologi mendasar yang berbeda. Karena itu akan terjadi pertempuran antara umum dan kinerja. Hal ini sangat penting untuk menstandarisasi semua protokol sehingga pengembang alat tahu bagaimana mereka dapat menerapkan pekerjaan mereka.

∙ Tool Developers (Pengembang Alat)

Tool developers  berkonsentrasi pada pengembangan sistem yang akan mengurus hal-hal utama yang harus ada untuk menggunakan berbagai aplikasi. Keamanan harus diperhatikan, hal-hal seperti otentikasi dan kerahasiaan harus dilaksanakan. Mereka juga mengembangkan metode untuk pembayaran, yang sangat penting misalnya dalam grid on-demand. Akhirnya mereka juga mengembangkan metode untuk menemukan dan mengatur sumber daya dan informasi. Yang termasuk komunikasi, deteksi kesalahan dan banyak hal lagi. Tool developers harus menyesuaikan protokol mereka agar sesuai dengan protokol yang dikembangkan oleh grid developers dan juga mengingat permintaan dari para application developers. Semuanya harus distandarisasi sehingga application developers dapat dengan mudah memanfaatkan kemampuan dari tool-layert. Tool developers juga harus menginformasikan para application developers yang pelaksanaannya bisa mendapatkan kinerja yang lebih tinggi atau lebih rendah.

∙ Application Developers (Pengembang Aplikasi)

Application developers harus menggunakan semua metode yang mereka butuhkan dari tingkat alat untuk membuat program aplikasi khusus untuk end user (pengguna akhir). Aplikasi tersebut dimaksudkan untuk menyelesaikan masalah sulit bagi pengguna akhir. Tantangan bagi application developers adalah menemukan algoritma yang membagi tugas ke ribuan tugas yang lebih kecil yang dapat ditangani secara terpisah dan untuk membuat tugas-tugas bekerja efisien dengan tool layer (lapisan alat). 

Kelebihan Komputasi Grid

• Perkalian dari sumber daya: Resource pool dari CPU dan storage tersedia ketika idle.
• Lebih cepat dan lebih besar: Komputasi simulasi dan penyelesaian masalah dapat berjalan lebih cepat dan mencakup domain yang lebih luas. 
• Software dan aplikasi: Pool dari aplikasi dan pustaka standard, akses terhadap model dan perangkat berbeda, metodologi penelitian yang lebih baik. 
• Data: Akses terhadap sumber data global dan hasil penelitian lebih baik. 
• Ukuran dan kompleksitas dari masalah mengharuskan orang-orang dalam beberapa organisasi berkolaborasi dan berbagi sumber daya komputasi, data dan instrumen sehingga terwujud bentuk organisasi baru yaitu virtual organization.

Kekurangan Komputasi Grid

Kekurangan pada komputasi grid yang lebih ditekankan disini adalah mengenai hambatan yang dialami oleh masyarakat Indonesia dalam mengaplikasikan teknologi komputasi grid. Hambatan-hambatan tersebut adalah sebagai berikut : 

• Manajemen institusi yang terlalu birokratis menyebabkan mereka enggan untuk merelakan fasilitas yang dimiliki untuk digunakan secara bersama agar mendapatkan manfaat yang lebih besar bagi masyarakat luas. 
• Masih sedikitnya sumber daya manusia yang kompeten dalam mengelola komputasi grid. 
• Kurangnya pengetahuan yang mencukupi bagi teknisi IT maupun user non teknisi mengenai manfaat dari komputasi grid itu sendiri. 

Sumber

http://kurnia-atria.blogspot.com/2013/05/komputasi-grid.html#more

 

Pengantar Komputasi Modern

Pendahuluan

Komputasi sebetulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritma. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.

Secara umum iIlmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains). Dalam penggunaan praktis, biasanya berupa penerapan simulasi komputer atau berbagai bentuk komputasi lainnya untuk menyelesaikan masalah-masalah dalam berbagai bidang keilmuan, tetapi dalam perkembangannya digunakan juga untuk menemukan prinsip-prinsip baru yang mendasar dalam ilmu.

Bidang ini berbeda dengan ilmu komputer (computer science), yang mengkaji komputasi, komputer dan pemrosesan informasi. Bidang ini juga berbeda dengan teori dan percobaan sebagai bentuk tradisional dari ilmu dan kerja keilmuan. Dalam ilmu alam, pendekatan ilmu komputasi dapat memberikan berbagai pemahaman baru, melalui penerapan model-model matematika dalam program komputer berdasarkan landasan teori yang telah berkembang, untuk menyelesaikan masalah-masalah nyata dalam ilmu tersebut.

Kelahiran

Ilmu atau sains berdasarkan obyek kajiannya dibedakan antara Fisika, Kimia, Biologi dan Geologi. Ilmu dapat pula digolongkan berdasarkan metodologi dominan yang digunakannya, yaitu ilmu pengamatan/percobaan (observational/experimental science), ilmu teori (theoretical science) dan ilmu komputasi (computational science). Yang terakhir ini bisa dianggap bentuk yang paling baru yang muncul bersamaan dengan perkembangan kekuatan pemrosesan dalam komputer dan perkembangan teknik-teknik metode numerik dan metode komputasi lainnya.

Dalam ilmu (sains) tradisional seperti Fisika, Kimia dan Biologi, penggolongan ilmu berdasarkan metodologi dominannya juga mewujud, yang ditunjukkan dengan munculnya bidang-bidang khusus berdasarkan penggolongan tsb. lengkap dengan jurnal-jurnal yang relevan untuk melaporkan hasil-hasil penelitiannya. Sebagai contoh dalam kimia, melengkapi kimia percobaan (experimental chemistry) dan kimia teori (theoretical chemistry), berkembang pula kimia komputasi (computational chemistry), seperti juga di bidang Biologi dikenal Biologi Teori (theoretical biology) serta Biologi Komputasi (computational biology), lengkap dengan jurnalnya seperti Journal of Computational Chemistry dan Journal of Computational Biology. Cara penggolongan yang digunakan berbeda dengan cara penggolongan lain berdasarkan obyek kajian, seperti penggolongan kimia atas Kimia Organik, Kimia Anorganik, dan Biokimia.

Walaupun dengan titik pandang yang berbeda, ilmu komputasi sebagai bentuk ketiga dari ilmu (sains) telah banyak disampaikan oleh berbagai pihak, antara lain Stephen Wolfram dengan bukunya yang terkenal: A New Kind of Science, dan Jürgen Schmidhuber.

Sejarah Singkat

Komputasi Modern pertama kali digagasi oleh John Von Neumann. Beliau di lahirkan di Budapest, ibukota Hungaria pada 28 Desember 1903 dengan nama Neumann Janos. Karya – karya yang dihasilkan adalah karya dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer. Beliau juga merupakan salah seorang ilmuwan yang sangat berpengaruh dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu. Kepiawaian John Von Neumann teletak pada bidang teori game yang melahirkan konsep automata, teknologi bom atom dan komputasi modern yang kemudian melahirkan komputer.

Komputasi modern menghitung dan mencari solusi dari masalah yang ada, yang menjadi perhitungan dari komputasi modern adalah :

1. Akurasi (bit, Floating poin)
2. Kecepatan (Dalam satuan Hz)
3. Problem volume besar (Down sizing atau paralel)
4. Modeling (NN dan GA)
5. Kompleksitas (Menggunakan teori Big O)

John Von Neumann, Sang Penggagas Komputasi Modern

John von Neumann (1903-1957) adalah ilmuan yang meletakkan dasar-dasar komputer modern. Dalam hidupnya yang singkat, Von Neumann telah menjadi ilmuwan besar abad 21. Von Neumann meningkatkan karya-karyanya dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer. Beliau juga merupakan salah seorang ilmuwan yang sangat berpengaruh dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu.

Von Neumann dilahirkan di Budapest, Hungaria pada 28 Desember 1903 dengan nama Neumann Janos. Dia adalah anak pertama dari pasangan Neumann Miksa dan Kann Margit. Di sana, nama keluarga diletakkan di depan nama asli. Sehingga dalam bahasa Inggris, nama orang tuanya menjadi Max Neumann. Pada saat Max Neumann memperoleh gelar, maka namanya berubah menjadi Von Neumann. Setelah bergelar doktor dalam ilmu hukum, dia menjadi pengacara untuk sebuah bank. Pada tahun 1903, Budapest terkenal sebagai tempat lahirnya para manusia genius dari bidang sains, penulis, seniman dan musisi.

Von Neumann juga belajar di Berlin dan Zurich dan mendapatkan diploma pada bidang teknik kimia pada tahun 1926. Pada tahun yang sama dia mendapatkan gelar doktor pada bidang matematika dari Universitas Budapest. Keahlian Von Neumann terletak pada bidang teori game yang melahirkan konsep seluler automata, teknologi bom atom, dan komputasi modern yang kemudian melahirkan komputer. Kegeniusannya dalam matematika telah terlihat semenjak kecil dengan mampu melakukan pembagian bilangan delapan digit (angka) di dalam kepalanya.

Setelah mengajar di Berlin dan Hamburg, Von Neumann pindah ke Amerika pada tahun 1930 dan bekerja di Universitas Princeton serta menjadi salah satu pendiri Institute for Advanced Studies.

Dipicu ketertarikannya pada hidrodinamika dan kesulitan penyelesaian persamaan diferensial parsial nonlinier yang digunakan, Von Neumann kemudian beralih dalam bidang komputasi. Sebagai konsultan pada pengembangan ENIAC, dia merancang konsep arsitektur komputer yang masih dipakai sampai sekarang. Arsitektur Von Nuemann adalah komputer dengan program yang tersimpan (program dan data disimpan pada memori) dengan pengendali pusat, I/O, dan memori.

Model Komputasi

Komputasi memiliki 3 model, yaitu

1. Mesin Mealy
2. Mesin Moore
3. Petri net

Mesin Mealy

Diagram fasa dari mesin Mealy sederhana

Dalam teori komputasi sebagai konsep dasar sebuah komputer, mesin Mealy adalah otomasi fasa berhingga (finite state automaton atau finite state tranducer) yang menghasilkan keluaran berdasarkan fasa saat itu dan bagian masukan/input. Dalam hal ini, diagram fasa (state diagram) dari mesin Mealy memiliki sinyal masukan dan sinyal keluaran untuk tiap transisi. Prinsip ini berbeda dengan mesin Moore yang hanya menghasilkan keluaran/output pada tiap fasa.

Nama Mealy diambil dari “G. H. Mealy” seorang perintis mesin-fasa (state-machine) yang menulis karangan “A Method for Synthesizing Sequential Circuits” pada tahun 1955.

Mesin Moore

Dalam teori komputasi sebagai prinsip dasar komputer, mesin Moore adalah otomasi fasa berhingga (finite state automaton) di mana keluarannya ditentukan hanya oleh fasa saat itu (dan tidak terpengaruh oleh bagian masukan/input). Diagram fasa (state diagram) dari mesin Moore memiliki sinyal keluaran untuk masing-masing fasa. Hal ini berbeda dengan mesin Mealy yang mempunyai keluaran untuk tiap transisi.

Nama Moore diambil dari “Edward F. Moore” seorang ilmuwan komputer dan perintis mesin-fasa (state-machine) yang menulis karangan “Gedanken-experiments on Sequential Machines”.

Petri net

Contoh transisi token pada Petri net

Petri net adalah salah satu model untuk merepresentasikan sistem terdistribusi diskret. Sebagai sebuah model, Petri net merupakan grafik 2 arah yang terdiri dari place, transition, dan tanda panah yang menghubungkan keduanya. Di samping itu, untuk merepresentasikan keadaan sistem, token diletakkan pada place tertentu. Ketika sebuah transition terpantik, token akan bertransisi sesuai tanda panah.

Penggunaan Komputasi

Salah satu contoh penggunaan komputasi adalah dalam bidang kedokteran,yaitu dalam pencarian obat. Untuk meramalkan aktivitas sejumlah besar calon obat, seorang praktisi komputasi meniru suasana pengujian aktivitasnya di laboratorium basah dengan model-model Fisika atau Matematika (seperti: struktur 3 dimensi calon obat) sebagai pengganti bahan-bahan laboratorium tersebut. Model-model ini kemudian dinyatakan di dalam persamaan-persamaan Matematika yang kemudian diselesaikan oleh komputer dengan kapasitas dan kelajuan yang melebihi kapasitas dan kelajuan manusia. Hasilnya berupa suatu bilangan bagi tiap calon obat yang dapat dibandingkan satu dengan yang lainnya. Perbandingan ini merupakan ramalan tingkat aktivitas suatu calon obat relatif terhadap calon obat lainnya. Demikianlah cara meramalkan aktivitas calon obat dengan metode komputasi. Dengan demikian, calon-calon obat yang diramalkan akan memberikan aktivitas yang rendah dapat dihindari.

Sumber

• http://id.wikipedia.org/wiki/Komputasi
• http://www.komputasi.lipi.go.id/utama.cgi?cetakartikel&1209393042
• http://id.wikipedia.org/wiki/Kategori:Model_komputasi
• http://id.wikipedia.org/wiki/Mesin_Mealy
• http://id.wikipedia.org/wiki/Petri_net
• http://www.smartssolution.info/komputasi-modern.html

Apa itu e-Commerce dan e-Business?

• Apa itu e-Commerce?

Wikipedia mengartikan e-Commerce dengan Perdagangan elektronik atau e-dagang (bahasa Inggris : Electronic commerce, juga e-commerce) adalah penyebaran, pembelian, penjualan, pemasaran barang dan jasa melalui media elektronik seperti internet atau televisi atau jaringan internet lainnya.

Bisa diartikan sendiri bahwa e-Commerse adalah kegiatan penjualan, pebelian, transaksi perdagangan yang memudahkan pihak penjual dan pembeli dengan menggunakan media elektronik yaitu internet.

Manfaat dari e-commerce (perdagangan elektronik) itu sendiri adalah meningkatkan cutomer loyality, meningkatkan value chain, dapat menurunkan biaya dan melebarkan jangkauan
diseluruh masyarakat di dunia maya.

• Apa itu e-Business?

Wikipedia mengartikan e-Business atau Electronic business sebagai aktivitas yang berkaitan secara langsung maupun tidak langsung dengan proses pertukaran barang dan/atau jasa dengan memanfaatkan internet sebagai medium komunikasi dan transaksi, dan salah satu aplikasi teknologi internet yang merambah dunia bisnis internal, melingkupi sistem, pendidikan pelanggan, pengembangan produk, dan pengembangan usaha.

7 strategi taktis untuk sukses dalam e-Business

1. Fokus. Produk-produk yang dijual di internet harus menjadi bagian yang fokus dari masing-masing manajer produk.
2. Banner berupa teks, karena respons yang diperoleh dari banner berupa teks jauh lebih tinggi dari banner berupa gambar.
3. Ciptakan 2 level afiliasi. Memiliki distributor penjualan utama dan agen penjualan kedua yang membantu penjualan produk/bisnis.
4. Manfaatkan kekuatan e-mail. E-mail adalah aktivitas pertama yang paling banyak digunakan di Internet, maka pemasaran dapat dilakukan melalui e-mail atas dasar persetujuan.
5. Menulis artikel. Kebanyakan penjualan adalah hasil dari proses edukasi atau sosialisasi, sehingga produk dapat dipasarkan melalui tulisan-tulisan yang informatif.
6. Lakukan e-Marketing. Sediakan sebagian waktu untuk pemasaran secara online.
7. Komunikasi instan. Terus mengikuti perkembangan dari calon pembeli atau pelanggan tetap untuk menjaga kepercayaan dengan cara komunikasi langsung

sumber : http://id.wikipedia.org 

  

Persimpangan

Pada persimpangan jalan setapak itu,
kau berjalan ke arah yang satu
dan aku berjalan ke arah sebaliknya.
Itu bukan karna kita yang tak menyatu,
hanya saja rumah singgah kita berbeda.

Tutorial Membuat Color Theme CS4

Dunia desain grafis sudah pasti berhubungan erat dengan vektor dan warna, sesuai dengan topik yang diusung pada tutorial ini color theme. kita akan menggunakan fungsi Kuler untuk menentukan warna apa saja yang akan kita gunakan untuk membuat warna - warna temanya supaya warna yang digunakan tidak nabrak atau terlalu mencolok.

Let's go to the steps :)

langkah 1:
pada menu bar CS4 pilih Window - Extentions - Kuler

langkah 2:
Setelah tampil sub menu kuler , pilih Create lalu pada Select Rule : Custom kita pilih yang Monochromatic.       

kita pilih warna monochromatic supaya tidak terlalu banyak kombinasi warnanya.

Kombinasi warna yang dapat pilih sesuai dengan selera kita masing - masing. 

Untuk mendapat Base Color-nya bisa kita pilih dengan KLIK n Drag pada color pointnya dengan lingkaran bulat paling besar. 

 Cara menggunakan warna hasil pencarian dengan kuler ini, cukup double klik kotak warna hasil KULER, didapatlah warnanya pindah ke Foreground Color, atau COPAS (copy-paste) angka Hex-nya ke hex di Color Picker.

Bagaimana kalo mau kombinasi warna lebih dari satu jenis warna?

Kita cukup pilih jenis Rule-nya,
Kita pilih yang Triad, lebih simple titik - titik warnanya.

Kalo mau warna yang Colorful, kita bisa mengatur BC-nya (Brightness & Contrast).  

Untuk mencari kombinasi warna yang sesuai selera, kita bisa C&D (Click & Drag) pada bulatan base colornya. 

 

Selamat berkreasi \(^.~)/ , dan semoga bermanfaat.

source : http://www.ilmugrafis.com/photoshop_dasar.php?page=color-theme-photoshopcs4