Model Fuzzy SUGENO dan SUKAMOTO

1. Model Fuzzy Sugeno Michio Sugeno mengusulkan penggunaan singleton sebagai fungsi keanggotaan dari konsekuen. Singleton adalah sebuah himpunan fuzzy dengan fungsi keanggotaan: pada titik tertentu mempunyai sebuah nilai dan 0 di luar titik tersebut. Pengusulan tersebut didasarkan Inferensi Mamdani tidak efisien karena melibatkan proses pencarian centroid dari area 2 dimensi. Penalaran ini hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear. Orde-Nol Bentuk Umum : IF (X is A ) (X is A ) (X is A ) (X is A ) THEN z = k dengan Ai adalah himpunan fuzzy ke-I sebagai anteseden, dan k adalah konstanta (tegas) sebagai konsekuen Orde-Satu Bentuk Umum : IF (X is A ) …. (X is A ) THEN z = p dengan Ai adalah himpunan fuzzy ke-I sebagai anteseden, dan pi adalah suatu konstanta ke-I dan q merupakan konstanta dalam konsekuen. Perbedaan antara Mamdani dan Sugeno ada pada konsekuen. Sugeno menggunakan konstanta atau fungsi matematika dari variabel input:

dimana x, y dan z adalah variabel linguistik; A dan B himpunan fuzzy untuk X dan Y, dan f(x, y) adalah fungsi matematik. Contoh: Mengevaluasi kesehatan orang berdasarkan tinggi dan berat badannya. Input: Tinggi dan berat badan Output: Kategori sehat - sangat sehat (SS), index =0.8 - sehat (A), index =0.6 - agak sehat (AS), index =0.4 - tidak sehat (TS), index =0.2 Dalam bentuk if-then, contoh: If sangat pendek dan sangat kurus then sangat sehat. L2: Rules Evaluation Contoh: Bagaimana kondisi kesehatan untuk orang dengan tinggi 161.5 cm dan berat 41 kg? Model Fuzzy Sugeno: μsedang[161.5] = (165-161.5)/(165-160) = 0.7 Μtinggi [161.5] = (161.5-160)/(165-160) = 0.3 L2: Rules Evaluation Model Fuzzy Sugeno μsangatkurus [41] = (45-41)/(45-40) = 0.8 μkurus[41] = (41-40)/(45-40) = 0.2 L2: Rules Evaluation (4) Model Fuzzy Sugeno Pilih bobot minimum karena relasi AND Model Fuzzy Sugeno L3: Defuzzification Diperoleh: Diperoleh: f = {TS, AS, S, SS} = {0.3, 0.7, 0.2, 0.2} Penentuan hasil akhir, ada 2 metoda: Max method: index tertinggi 0.7 hasil Agak Sehat Centroid method, dengan metoda Sugeno: Decision Index = (0.3×0.2)+(0.7×0.4)+(0.2×0.6)+(0.3×0.8) / (0.3+0.7+0.2+0.2 = 0.4429 Crisp decision index = 0.4429 Fuzzy decision index: 75% agak sehat, 25% sehat. 2. Model Fuzzy Tsukamoto Metode Tsukamoto merupakan perluasan dari penalaran monoton. Pada metode Tsukamoto, Setiap konsekuen pada aturan yang berbentuk IF-THEN harus dipresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Contoh: Suatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir, permintaan terbesar mencapai 5000 kemasan/hari, dan permintaan terkecil mencapai 1000 kemasan/hari. Persediaan barang digudang terbanyak mencapai 600 kemasan/hari, dan terkecil pernah mencapai 100 kemasan/hari. Dengan segala keterbatasannya perusahaan sampai saat ini baru mampu memproduksi brang maksimum 7000 kemasan/hari, untuk efisiensi mesin dan SDm tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan. Berapa kemasan makanan jenis ABC yang harus diprosuksi, jika jumlah permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan, apabilla proses produksi perusahaan tersebut menggunakan 4 aturan fuzzy sebagai berikut: [R1] IF permintaan TURUN And Persediaan BANYAK, THEN Produksi Barang BERKURANG; [R2] IF permintaan TURUN And Persediaan SEDIKIT, THEN Produksi Barang BERKURANG; [R3] IF permintaan NAIK And Persediaan BANYAK, THEN Produksi Barang BERTAMBAH; [R4] IF permintaan TURUN And Persediaan SEDIKIT, THEN Produksi Barang BERTAMBAH; Solusi: Ada 3 variable fuzzy yang akan dimodelkan, yaitu: 1.Permintaan terdiri atas 2 himpunan fuzzy, yaitu NAIK dan TURUN

Pemintaan (kemasan/hari) µPmtTURUN [x] = {(1, x ≤ 1000), ((5000-x)/4000, 1000 ≤ x ≤ 5000), (0, x ≥ 5000)} µPmtNAIK [x] = {(0, x ≤ 1000), ((x -1000)/4000, 1000 ≤ x ≤ 5000), (1, x ≥ 5000)} Nilai Keanggotaan : µPmtTURUN (4000) =(5000-4000)/4000 = 0.25 µPmtTURUN (4000) = (4000-1000)/4000 = 0.75 2. Persediaan terdiri atas 2 himpunan fuzzy, yaitu sedikit dan banyak

Nilai keanggotaan: µPmtSEDIKIT [x] = {(1, y ≤ 1000), ((600-y)/500, 100≤ y ≤ 600), (0, y ≥ 600)} µPmtBANYAK [y] = {(0, y ≤ 1000), ((y-1000)/500, 100≤ y ≤ 600), (1, y ≥ 600)} Nilai Keanggotaan : µPmtSEDIKIT(300) = (600-300)/500 = 0.26 µPmtBANYAK (300) = (300-100)/500 = 0.4 3. Produksi barang, terdiri atas 2 himpunan fuzzy, yaitu: BERKURANG dan BERTAMBAH

Produksi barang (kemasan/hari) Nilai keanggotaan: µPmtBERKURANG [z] = {(1, z ≤ 2000), ((7000-z)/5000, 2000≤ z ≤ 7000), (0, z ≥ 7000)} µPmtBERTAMBAH [z] = {(0, z ≤ 2000), ((z-2000)/5000, 2000≤ z ≤ 7000), (1, z ≥ 7000)} Sekarang kita cari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi fungsi implikasinya: [R1] IF permintaan TURUN And Persediaan BANYAK THEN Produksi Barang BERKURANG; α-predikat1 = µPmtTURUN | µPmtBAYAK α-predikat1 = min ( µPmtTURUN , µPmtBANYAK ) α-predikat1 =min (0.25; 0,4) α-predikat1 = 0.25 lihat himpunan Produksi Barang Berkurang (7000-z)/5000=0.25 -> z1= 5750 [R2] IF permintaan TURUN And Persediaan SEDIKIT THEN Produksi Barang BERKURANG; α-predikat2 = µPmtTURUN | µPmtSEDIKIT α-predikat2 = min ( µPmtTURUN , µPmtSEDIKIT) α-predikat2 = min (0.25; 0,6) α-predikat2 = 0.25 lihat himpunan Produksi Barang Berkurang (7000-z)/5000=0.25 -> z2= 5750 [R3] IF permintaan NAIK And Persediaan BANYAK THEN Produksi Barang BERTAMBAH; α-predikat3 = µPmtNAIK | µPmtBANYAK α-predikat3 = min ( µPmtNAIK , µPmtBANYAK) α-predikat3 = min (0.75; 0,4) α-predikat3 = 0.4 lihat himpunan Produksi Barang Bertambah (z-2000)/5000=0.4 -> z3= 4000 [R4] IF permintaan TURUN And Persediaan SEDIKIT THEN Produksi Barang BERTAMBAH; α-predikat4 = µPmtTURUN | µPmtSEDIKIT α-predikat4 = min ( µPmtTURUN , µPmtSEDIKIT ) α-predikat4 = min (0.75; 0,6) α-predikat4 = 0.6 lihat himpunan Produksi Barang Bertambah (z-2000)/5000=0.6 -> z4= 5000 Nilai Z dapat dicari dengan cara berikut: z= αpred1 * z1 + αpred2 * z2 + αpred3 * z3 + αpred4 * z4/ (αpred1+ αpred2+ αpred3+ αpred4) z= 0.25*5750 + 0.25*5750 + 0.4 *4000 + 0.6 * 5000 / (0.25+0.25+0.4+0.6) = 4983 Maka jumlah makanan kaleng jenis ABC yang harus diproduksi sebanyak 4983 kemasan.

Read More

KONVOLUSI CITRA

1. Konsep Konvolusi Citra Konvolusi adalah sebuah operator matematika yang sangat penting untuk banyak operator dalam melakukan Image prosessing . Konvolusi ini akan menyediakan untuk cara menggabungkan 2 array dan biasanya array yang digunakan juga berbeda namun masih memilki dimensi array yang sama dan menghasilkan array ketiga yang akan mempunya dimensi yang sama juga. Jadi konvolusi citra dapat diartikan adalah teknik yang digunakan untuk menghaluskan suatu cita atau memperjelas citra dengan menggantikan nilai piksel gambar dengan sejumlah nilai yang sesuai atau berdekatan dengan piksel aslinya dari gambar. Namun walaupun begitu dengan menggunakan konvolusi, ukuran dari citra akan tetap sama dan tidak berubah. Sumber : http://research-dashboard.binus.ac.id/uploads/paper/document/publication/Journal/MatsTat/Vol.%2012%20No.%202%20Juli%202012/01_Wikaria%20Gazali.pdf 2. Metode Filtering Dengan Konvolusi Citra a. Adaptive Local Filtering i. Konsep Filter adaptif dilakukan pada citra terdegradasi yang mengandung citra asli dan noise. Mean dan varians adalah dua ukuran statistik yang bergantung pada filter adaptif lokal dengan region Window mxn yang ditentukan. Rumus Adaptif Filtering

Langkah pengerjaan 1. Tentukan nilai dari ukuran Window mxn 2. Hitung nilai matrix B dengan Gaussian Noise

3. Berikan nilai 0 pada seluruh sisi matrix B

4. Hitung nilai local dan selisih lokal dengan menggeser Window 3×3

nilai lokal = nilai(Window) = 0.4373 selisih lokal = nilai(Window²) – nilai(Window²) = 0.2394 5. Berikan nilai lokal ke matrix B

6. Berikan selisih lokal ke matrix B

7. Selisih dari semua noise adalah rata-rata dari selisih lokal, oleh karena itu selisih noise = 0.1709 8. jika (selisih noise > nilai lokal (x,y)) maka nilai lokal (x,y) = selisih noise. Berikut representasi posisi pixel (x,y) dalam 2 dimensi

9 Final Image = B – (selisih noise/selisih nilai lokal)(B-nilai lokal)

ii. Tujuan Tujuan dari Adaptive Local Filtering adalah untuk memperbaiki gambar dengan menjadikan noise yang ada pada gambar memudar. iii. Penjelasan Input-Proses-Output Berikut isi input source code pada Matlab untuk adaptive local filtering. A = imread(‘peppers.png’); B = rgb2gray(A); sz = size(B,1)*size(B,2); %Add gaussian noise with mean 0 and variance 0.005 B = imnoise(B,’gaussian’,0,0.005); figure,imshow(B); title(‘Image with gaussian noise’); B = double(B); %Define the window size mxn M = 5; N = 5; %Pad the matrix with zeros on all sides C = padarray(B,[floor(M/2),floor(N/2)]); lvar = zeros([size(B,1) size(B,2)]); lmean = zeros([size(B,1) size(B,2)]); temp = zeros([size(B,1) size(B,2)]); NewImg = zeros([size(B,1) size(B,2)]); for i = 1:size(C,1)-(M-1) for j = 1:size(C,2)-(N-1) temp = C(i:i+(M-1),j:j+(N-1)); tmp = temp(:); %Find the local mean and local variance for the local region lmean(i,j) = mean(tmp); lvar(i,j) = mean(tmp.^2)-mean(tmp).^2; end end %Noise variance and average of the local variance nvar = sum(lvar(:))/sz; %If noise_variance > local_variance then local_variance=noise_variance lvar = max(lvar,nvar); %Final_Image = B- (noise variance/local variance)*(B-local_mean); NewImg = nvar./lvar; NewImg = NewImg.*(B-lmean); NewImg = B-NewImg; %Convert the image to uint8 format.\ NewImg = uint8(NewImg); figure,imshow(NewImg);title(‘Restored Image using Adaptive Local filter’); Berikut output dari source code diatas.

iv. Algoritma dan Flowchart Algoritma sederhana dari Filter ini adalah setelah pengguna menjalankan source code filter maka selanjutnya pengguna diminta untuk memilih salah satu gambar untuk diolah. Setelah itu gambar tersebut akan diolah sesuai dengan source code filter ini. Hasilnya akan ditampilkan 2 gambar, citra sebelum di olah dan citra setelah diolah dengan filter ini.

b. Gaussian Filtering / Gaussian Blur i. Konsep Gaussian Blur atau gaussian filter merupakan teknik untuk memburamkan gambar. Biasanya digunakan untuk mengurangi noise dan detail dari gambar tersebut. Rumus Gaussian Kernel 2 dimensi

Langkah pengerjaan Design Kernel 1. Mari kita gunakan standar simpangan, sigma = 0,6 dan ukuran kernel = 3×3. 2. Lanjutan dibawah :

3. Lebar kernel adalah X=3 dan tinggi kernel adalah Y = 3

4. Kernel Gaussian bagian tengah (disini 0.4421) memiliki nilai tertinggi dan intensitas dari pixel lainnya menurun berasamaan dengan jarak dari bagian tengah yang meningkat. 5. Sekarang nilai kernel Gaussian adalah sebagai berikut.

Langkah pengerjaan Konvolusi kernel dan bagian lokal dalam gambar Berdasarkan bagian lokal dalam gambar

Konvolusikan area yang di pilih dan kernel

Jumlahkan nilai tersebut : 1.8692 + 9.7009 + 4.3706 + 7.2757 + 38.4624 + 17.8585 + 1.84142 + 9.1497 + 4.4256 = 94.9269 Pada konvolusi area lokal dan kernel Gaussian memberikan nilai intensitas tertinggi ke bagian tengah bagian lokal (38.4624) dan piksel yang tersisa memiliki intensitas yang lebih sedikit saat jarak dari pusat meningkat. Jumlahkan hasilnya dan simpan di lokasi piksel saat ini (intensitas = 94.9269) dari gambar.

Lakukan operasi di atas di semua bagian. Hasil akhir dari gaussian filter adalah

ii. Tujuan Tujuan dari gaussian filtering adalah untuk menghilangkan noise dengan memudarkan gambar, namun dengan konsekuensi detail gambar juga ikut berkurang. iii. Penjelasan Input-Proses-Output Berikut isi input source code pada Matlab untuk Gaussian Filtering. %Read an Image Gambar = imread(‘peppers.png’); Img = rgb2gray(Gambar); A = imnoise(Img,’Gaussian’,0.04,0.003); %Image with noise figure,imshow(A); I = double(A); %Design the Gaussian Kernel %Standard Deviation sigma = 1.76; %Window size sz = 4; [x,y]=meshgrid(-sz:sz,-sz:sz); M = size(x,1)-1; N = size(y,1)-1; Exp_comp = -(x.^2+y.^2)/(2sigmasigma); Kernel= exp(Exp_comp)/(2pisigma*sigma); %Initialize Output=zeros(size(I)); %Pad the vector with zeros I = padarray(I,[sz sz]); %Convolution for i = 1:size(I,1)-M for j =1:size(I,2)-N Temp = I(i:i+M,j:j+M).*Kernel; Output(i,j)=sum(Temp(:)); end end %Image without Noise after Gaussian blur Output = uint8(Output); figure,imshow(Output); Berikut output dari source code diatas.

iv. Algoritma dan Flowchart Algoritma sederhana dari Filter ini adalah setelah pengguna menjalankan source code filter maka selanjutnya pengguna diminta untuk memilih salah satu gambar untuk diolah. Setelah itu gambar tersebut akan diolah sesuai dengan source code filter ini. Hasilnya akan ditampilkan 2 gambar, citra sebelum di olah dan citra setelah diolah dengan filter ini.

c. Oil Painting Filtering i. Konsep Untuk mendapatkan efek seperti lukisan, tentukan matriks jendela kecil berukuran m kali n. Salin nilai piksel gambar asli ke dalam matriks dan temukan histogram dari setiap nilai. Temukan nilai piksel maksimum yang terjadi dan ganti posisi saat ini dengan nilai kejadian maksimum. ii. Tujuan Tujuan dari Oil Painting Filtering adalah untuk menghasilkan gambar yang menyerupai hasil dari lukisan minyak. iii. Penjelasan Input-Proses-Output Berikut isi input source code pada Matlab untuk Oil Painting Filtering. A=imread(‘fabric.png’); figure,imshow(A) %Define the matrix size of your convience. m=5; n=6; Image=uint8(zeros([size(A,1)-m,size(A,2)-n,3])); %Calculate the histogram for each RGB value. for v=1:3 for i=1:size(A,1)-m for j=1:size(A,2)-n mymask=A(i:i+m-1,j:j+n-1,v); h=zeros(1,256); for x=1:(m*n) h(mymask(x)+1)=h(mymask(x)+1)+1; end %Maximum occurring value and the position is obtained [maxvalue,pos]=max(h); Image(i,j,v)=pos-1; end end end figure,imshow(Image); Berikut output dari source code diatas.

iv. Algoritma dan Flowchart Algoritma sederhana dari Filter ini adalah setelah pengguna menjalankan source code filter maka selanjutnya pengguna diminta untuk memilih salah satu gambar untuk diolah. Setelah itu gambar tersebut akan diolah sesuai dengan source code filter ini. Hasilnya akan ditampilkan 2 gambar, citra sebelum di olah dan citra setelah diolah dengan filter ini.

C. Perbedaan Dari 3 Metode Tersebut

Sumber : imageeprocessing.com

Read More

INTERNET MARKETING

INTERNET MARKETING

Assalamualaikum Warahmatulllahi Wabarakatuh

Halo agan semua, kembali lagi bersama saya di blog ini. Hari ini saya akan menjelaskan tentang Internet Marketing.

A. Pengertian Internet Marketing

            Kita setiap hari tak lepas dari namanya internet ini. Internet bisa digunakan untuk beberapa hal, salah satunya yaitu Internet marketing. Apa itu internet marketing? Internet marketing ialah sebuah marketing (Pemasaran) yang menggunakan dan memanfaatkan internet sebagai media ataupun tempat pemasarannya.

            Internet Marketing ini bukan hanya menjual barang di internet, tetapi juga mempromosikan, menyiarkan, dan menyebarkan dagangan/barang kita di internet. Internet marketing mempunyai istilah lain, yaitu “E-Commerce”.

B. Bentuk Internet Marketing

            Pada dasarnya, bentuk internet marketing itu hanya 2, yaitu sebagai sumber penghasilan dan promosi online. Berikut penjelasan dari 2 bentuk ini :

1. E-Commerce Sebagai Bentuk Sumber Penghasilan

            Pada bentuk ini, E-Commerce dimanfaatkan sebagai sumber penghasilan. Ada beberapa tipe E-Commerce sebagai bentuk sumber penghasilan ini, diantaranya:

   a. Menjual Produk

          Ini adalah hal biasa yang ada di internet. Biasanya toko-toko memaparkan dagangan/barangnya di sebuah website, dan pembeli tinggal menekan dan memilih barang yang akan dibeli. Cara ini memudahkan penjual dan pembeli. Penjual tidak lagi perlu bercapek-capek menghadapi pembeli, dan pembeli tinggal hanya menekan dan memilih melalui internet saja, tidak perlu ke toko nya langsung.

   b. PPC (Pay Per Click)

          Dari namanya saja kita sudah tau bahwa kita bisa dibayar dengan klik. Maksudnya, di suatu blog, biasanya ada sebuah iklan. Nah, iklan ini apabila kita klik, ini merupakan pendapatan bagi blog tadi. Kesepakatan harga PPC ini tergantung blog dan penyedia iklan tersebut. Contoh layanan iklan yang memberi layanan PPC ini ialah Google Adsense, AdsenseCamps, Bidvester, DLL.

2. E-Commerce Sebagai Tempat Pemasaran Online

            E-Commerce dalam bentuk ini ialah menggunakan internet sebagai tempat mempromosikan sesuatu secara online. Ada banyak tipe/cara kita bisa mempromosikan produk/bisnis kita, diantaranya:

   a. SEO (Search Engine Optimization)

         SEO ialah jasa yang menawarkan agar website bisnis/produk kita bisa masuk ke halaman utama pencarian search engine. SEO ini ada yang berbayar dan ada juga yang gratis. Biasanya, SEO membutuhkan keahlian khusus, membutuhkan proses dengan waktu yang tidak sebentar.

   b. SEM (Search Engine Marketing)

Berbeda dengan SEO, search engine marketing ini adalah iklan PPC (pay per click) yang tayang di halaman hasil pencarian situs mesin pencari. Di Indonesia, Google adalah search engine yang paling sering digunakan di internet.

Untuk kata kunci yang banyak dicari oleh pengguna internet, kita akan melihat iklan di bagian atas, samping kanan, dan bawah hasil pencarian sebuah kata kunci. Banyak pakar internet marketing mengatakan bahwa Google Ads adalah metode pemasaran yang sangat tinggi konversinya karena halaman website kita berpeluang besar mendapatkan calon konsumen dari mesin pencari.

   c. Email Marketing

      Email bisa kita manfaatkan sebagai E-Commerce sebagai bentuk promosi online. Email marketing ialah menggunakan email sebagai tempat promosi online. Cara kerja email marketing ialah kita mengirim email berisi promosi website produk/bisnis kita ke email yang sudah kita dapatkan. Nanti, email yang dikirim akan dilihat oleh penerima. Namun hati-hati, jangan terlalu banyak mengirim email ke penerima, karna nanti penerima akan menganggap email yang kita kirim sebagai spam.

            Ada kendala email marketing ini, diantaranya susah mendapat email pelanggan yang akan kita tuju untuk mempromosikan produk/bisnis kita. Dan kita sebagai pengirim email sering dianggap spammer, karna hanya mengganggu saja.

   d. Social Media Marketing

         Kita bisa memanfaatkan social media sebagai tempat untuk berpromosi. Bentuk ini juga banyak digunakan oleh khalayak ramai, karna mudah digunakan dan kita juga sering berselancar di social media. Ada banyak social media yang bisa kita coba untuk mempromosikan produk/ bisnis kita, diantaranya Facebook, Instagram, Youtube, DLL.

C. Manfaat Internet Marketing

            Internet marketing ini banyak sekali manfaatnya bagi kita maupun seorang penjual/Adviser, diantaranya:

     1. Waktu yang tidak terbatas. (24 jam nonstop)

    2. Jangkauan pasar luas. Bukan cuma kabupaten, kota, provinsi, negara. Kamu bisa menjangkau dunia.

   3. Hemat biaya. Kamu bisa menghemat hingga 80% biaya pemasaran, tidak perlu lagi menggunakan media kertas sebagai media pemasaran. Kita bisa menghemat biaya jadinya sekaligus menjaga alam kita :)

    4. Jalin hubungan langsung dengan konsumen.

   5. Minim Resiko. Toko kamu enggak bakal terjadi kebakaran, kemalingan, atau segala hal yang terjadi di real.

Mungkin segini saja yang bisa saya sampaikan kali ini. See you next time gan …

Assalamualaikum Warahmatullahi Wabarakatuh.

Read More

5 TEKNOLOGI INFORMASI MASA KINI DAN MASA DEPAN

5 TEKNOLOGI INFORMASI MASA KINI DAN MASA DEPAN

Assalamualaikum Warahmatulllahi Wabarakatuh

Halo agan semua, kembali lagi bersama saya di blog ini. Hari ini saya akan menjelaskan tentang 5 Teknologi Informasi Masa kini dan Masa Depan.

Tidak dipungkiri pada masa ini, teknologi informasi berkembang sangat pesat. Yang dulunya orang membaca koran pada pagi hari, sekarang orang pada pagi hari memegang smartphone nya dan mengscroll mencari berita di internet. Dan mungkin pada masa depan nanti, bukan smartphone lagi yang dipakai orang, mungkin hal canggih lain yang akan dipakai.

Sekarang ini, sudah banyak teknologi informasi yang canggih dipamerkan, bahkan sudah dipersiapkan untuk masa depan. Apa saja itu ?

1. Mobil Auto-Pilot

Pernah nggak waktu bawa mobil sedang kantuk berat, namun kita tidak bisa berhenti karna terkejar jadwal dan tidak ada yang bisa dimintai tolong untuk mengemudi? Nah, Mobil auto pilot ini lah jawabannya. Teknologi ini sudah dipamerkan dan dipasarkan oleh perusahaan mobil bernama Tesla di Amerika Serikat. Mobil Auto Pilot ini memungkinkan sebuah mobil berkendara secara otomatis, atau tanpa pengemudi (pilot). Teknologi ini juga meminimalisir terjadinya kecelakaan di jalan.

Sistem kerjanya adalah dengan kamera sensor khusus yang mendeteksi gerakan dan lingkungan sekitar kendaraan. Kemudian citra dari kamera tersebut diproses dengan kecerdasan buatan untuk menentukan arah dan tujuan kendaraan tersebut. Untuk video demo nya, bisa anda lihat di link https://www.youtube.com/watch?v=oNgkYVbMYIk .

2. Mesin Pelipat Pakaian Otomatis

Ini untuk kamu yang malas untuk melipat pakaian. Dengan teknologi ini, anda tinggal mengambil baju yang telah kering dan memasukkannya ke mesin ini. Mesin ini akan otomatis melipat pakaian anda hingga rapi. Mesin ini sudah dibuat dan mulai dipamerkan di Amerika Serikat, yaitu di pamerasn CES. Alat tersebut bernama Foldimate. Untuk melihat kerja alatnya, silahkan klik link https://www.youtube.com/watch?v=C76osXtpLeM
 

3. Motor Terbang

            Kamu capek setiap pulang dari kantor atau kampus selalu terkena macet dijalan? Pernah kepikir nggak untuk bisa berjalan di udara, agar gak terkena macet? Nah, impian anda akan segera terwujud. Perusahaan buatan seoran warga rusia, Hoversurf USA, sudah memamerkan sebuah teknologi Motor Terbang. Setelah melakukan pengembangan dan penelitian bertahun-tahun, perusahaan ini pun berhasil membuat sebuah teknologi motor terbang bernama Hoverbike S3.

            Pada tahun 2017, telah dilakukan ujicoba Hoverbike kepada polisi di Dubai. Dan rencananya Hoverbike akan dipasarkan secara massal pada tahun 2019 ini. Namun, untuk anda yang ingin menggunakan teknologi ini, anda harus mengocek saku anda dalam-dalam. Hoverbike ini dibandrol dengan harga USD 150 ribu atau Rp 2,1 miliar. Wah, bukan angka yang biasa ya gan :). Untuk video bagaimana pengoperasian hoverbike ini silahkan klik link https://www.youtube.com/watch?v=soxxPyaAT1k

4. Alat Kontrol Tangan Dan Kaki

                                    
            Kehilangan tangan dan kaki pasti sangat menyakitkan dan menyedihkan. Semua aktivitas yang bisa kita lakukan dengan 2 tangan/kaki, akan susah kita lakukan kalua tidak lengkap. Namun, jangan berputus asa, karena sudah ada teknologi yang memungkinkan kita bisa beraktivitas seperti biasanya lagi. Sebuah Perusahaan bernama Defense Advanced Research Projects Agency menemukan cara mudah pakai kaki dan tangan palsu. Kelompok peneliti ini menemukan terobosan baru yakni membuat kaki dan tangan palsu terkoneksi dengan otak. Maka penggunanya dengan mudah mengendalikan kaki dan tangan palsu dengan sinyal dari otak. Untuk video nya, silahkan lihat video nya disini https://youtu.be/xKUn0-Bhb7U

 

5. Printer 3D 

            Sering menggunakan printer untuk mengeprint tugas? Nah, Printer sekarang bukan hanya untuk mengeprint kertas saja, Tapi juga bisa membuat sebuah miniature bangunan loh. Berkat Teknologi Printer 3D ini, kita bisa mengeprint Miniatur atau sebuah benda yang kita inginkan secara rinci. Teknologi sudah banyak beredar dan dipakai di perusahaan. Printer 3D ini ada berbagai bentuk, ada yang kecil untuk pemakaian terbatas dan yang besar untuk perusahaan-perusahaan besar. Namun, walaupun namanya sama sama printer, printer 3D ini harganya jauh lebih mahal dibanding printer biasa. Harga Printer 3D ini berkisaran 10 jutaan- ratusan juta Rupiah. 
    

Mungkin segini saja yang bisa saya sampaikan kali ini. See you next time gan …

Assalamualaikum Warahmatullahi Wabarakatuh.

Read More