BioInformatika

Bioinformatika merupakan ilmu terapan yang lahir dari perkembangan teknologi informasi dibidang molekular. Pembahasan dibidang bioinformatik ini tidak terlepas dari perkembangan biologi molekular modern, salah satunya peningkatan pemahaman manusia dalam bidang genomic yang terdapat dalam molekul DNA.

Kemampuan untuk memahami dan memanipulasi kode genetik DNA ini sangat didukung oleh teknologi informasi melalui perkembangan hardware dan soffware. Baik pihak pabrikan sofware dan harware maupun pihak ketiga dalam produksi perangkat lunak. Salah satu contohnya dapat dilihat pada upaya Celera Genomics, perusahaan bioteknologi Amerika Serikat yang melakukan pembacaan sekuen genom manusia yang secara maksimal memanfaatkan teknologi informasi sehingga bisa melakukan pekerjaannya dalam waktu yang singkat (hanya beberapa tahun).

Perkembangan teknologi DNA rekombinan memainkan peranan penting dalam lahirnya bioinformatika. Teknologi DNA rekombinan memunculkan suatu pengetahuan baru dalam rekayasa genetika organisme yang dikenala bioteknologi.Perkembangan bioteknologi dari bioteknologi tradisional ke bioteknologi modren salah satunya ditandainya dengan kemampuan manusia dalam melakukan analisis DNA organisme, sekuensing DNA dan manipulasi DNA.

Sekuensing DNA satu organisme, misalnya suatu virus memiliki kurang lebih 5.000 nukleotida atau molekul DNA atau sekitar 11 gen, yang telah berhasil dibaca secara menyeluruh pada tahun 1977. Kemudia Sekuen seluruh DNA manusia terdiri dari 3 milyar nukleotida yang menyusun 100.000 gen dapat dipetakan dalam waktu 3 tahun, walaupun semua ini belum terlalu lengkap. Saat ini terdapat milyaran data nukleotida yang tersimpan dalam database DNA, GenBank di AS yang didirikan tahun 1982.

Bioinformatika ialah ilmu yang mempelajari penerapan teknik komputasiuntuk mengelola dan menganalisis informasi hayati. Bidang ini mencakup penerapan metode-metode matematika, statistika, dan informatika untuk memecahkan masalah-masalah biologi, terutama yang terkait dengan penggunaan sekuens DNAdan asam amino. Contoh topik utama bidang ini meliputi pangkalan data untuk mengelola informasi hayati, penyejajaran sekuens (sequence alignment), prediksi struktur untuk meramalkan struktur protein atau pun struktur sekunder RNA, analisis filogenetik, dan analisis ekspresi gen.

Bioinformatika pertamakali dikemukakan pada pertengahan 1980an untuk mengacu kepada penerapan ilmu komputer dalam bidang biologi. Meskipun demikian, penerapan bidang-bidang dalam bioinformatika seperti pembuatan pangkalan data dan pengembangan algoritma untuk analisis sekuens biologi telah dilakukan sejak tahun 1960an.

Kemajuan teknik biologi molekuler dalam mengungkap sekuens biologi protein (sejak awal 1950an) dan asam nukleat (sejak 1960an) mengawali perkembangan pangkalan data dan teknik analisis sekuens biologi. Pangkalan data sekuens protein mulai dikembangkan pada tahun 1960an di Amerika Serikat, sementara pangkalan data sekuens DNA dikembangkan pada akhir 1970an di Amerika Serikat dan Jerman pada Laboratorium Biologi Molekuler Eropa (European Molecular Biology Laboratory).

Penemuan teknik sekuensing DNA yang lebih cepat pada pertengahan 1970an menjadi landasan terjadinya ledakan jumlah sekuens DNA yang dapat diungkapkan pada 1980an dan 1990an. Hal ini menjadi salah satu pembuka jalan bagi proyek-proyek pengungkapan genom, yang meningkatkan kebutuhan akan pengelolaan dan analisis sekuens, dan pada akhirnya menyebabkan lahirnya bioinformatika.

Perkembangan jaringan internet juga mendukung berkembangnya bioinformatika. Pangkalan data bioinformatika yang terhubungkan melalui internet memudahkan ilmuwan dalam mengumpulkan hasil sekuensing ke dalam pangkalan data tersebut serta memperoleh sekuens biologi sebagai bahan analisis. Selain itu, penyebaran program-program aplikasi bioinformatika melalui internet memudahkan ilmuwan dalam mengakses program-program tersebut dan kemudian memudahkan pengembangannya.

Pangkalan Data sekuens biologi dapat berupa pangkalan data primer untuk menyimpan sekuens primer asam nukleat dan protein, pangkalan data sekunder untuk menyimpan motif sekuens protein, dan pangkalan data struktur untuk menyimpan data struktur protein dan asam nukleat.

Pangkalan data utama untuk sekuens asam nukleat saat ini adalahGenBank (Amerika Serikat), EMBL (the European Molecular Biology Laboratory, Eropa), dan DDBJ (DNA Data Bank of Japan, Jepang). Ketiga pangkalan data tersebut bekerja sama dan bertukar data secara harian untuk menjaga keluasan cakupan masing-masing pangkalan data. Sumber utama data sekuens asam nukleat adalah submisi (pengumpulan) langsung dari peneliti individual, proyek sekuensing genom, dan pendaftaran paten. Selain berisi sekuens asam nukleat, entri dalam pangkalan data sekuens asam nukleat pada umumnya mengandung informasi tentang jenis asam nukleat (DNA atau RNA), nama organisme sumber asam nukleat tersebut, dan segala sesuatu yang berkaitan dengan sekuens asam nukleat tersebut.

Selain asam nukleat, beberapa contoh pangkalan data penting yang menyimpan sekuens primer protein adalah PIR (Protein Information Resource, Amerika Serikat), Swiss-Prot (Eropa), dan TrEMBL (Eropa). Ketiga pangkalan data tersebut telah digabungkan dalam UniProt, yang didanai terutama oleh Amerika Serikat. Entri dalam UniProt mengandung informasi tentang sekuens protein, nama organisme sumber protein, pustaka yang berkaitan, dan komentar yang pada umumnya berisi penjelasan mengenai fungsi protein tersebut.

Perangkat bioinformatika yang berkaitan erat dengan penggunaan pangkalan data sekuens Biologi ialah BLAST (Basic Local Alignment Search Tool). Penelusuran BLAST (BLAST search) pada pangkalan data sekuens memungkinkan ilmuwan untuk mencari sekuens baik asam nukleat maupun protein yang mirip dengan sekuens tertentu yang dimilikinya. Hal ini berguna misalnya untuk menemukan gen sejenis pada beberapa organisme atau untuk memeriksa keabsahan hasil sekuensing atau untuk memeriksa fungsi gen hasil sekuensing.Algoritma yang mendasari kerja BLAST adalah penyejajaran sekuens.

PDB (Protein Data Bank, Bank Data Protein) ialah pangkalan data tunggal yang menyimpan model struktur tiga dimensi protein dan asam nukleat hasil penentuan eksperimental (dengan kristalografi sinar-X, spektroskopi NMR, danmikroskopi elektron). PDB menyimpan data struktur sebagai koordinat tiga dimensiyang menggambarkan posisi atom-atom dalam protein atau pun asam nukleat.

Kinerja Komputasi dengan Paralel Processing

Paralel prosessing komputasi adalah proses atau pekerjaan komputasi di komputer dengan memakai suatu bahasa pemrograman yang dijalankan secara paralel pada saat bersamaan. 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. 

               Penggunaan komputasi parallel prosessing merupakan pilihan yang cukup handal untuk saat ini untuk pengolahan data yang besar dan banyak, hal ini apabila dibandingkan dengan membeli suatu super komputer yang harganya sangat mahal maka penggunaan komputasi parallel prosessing merupakan pilihan yang sangat tepat untuk pengolahan data tersebut. 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. Sedangkan untuk parallel processing atau pemrosesan paralel adalah penggunaan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Idealnya, parallel processing membuat program berjalan lebih cepat karena semakin banyak CPU yang digunakan. Tetapi dalam praktek, seringkali sulit membagi program sehingga dapat dieksekusi oleh CPU yang berbea-beda tanpa berkaitan di antaranya.

         Parallel komputasi adalah melakukan perhitungan komputasi dengan menggunakan 2 atau lebih CPU/Processor dalam suatu komputer yang sama atau komputer yang berbeda dimana dalam hal ini setiap instruksi dibagi kedalam beberapa instruksi kemudian dikirim ke processor yang terlibat komputasi dan dilakukan secara bersamaan. Untuk proses pembagian proses komputasi tersebut dilakukan oleh suatu software yang betugas untuk mengatur komputasi dalam hal makalah ini akan digunakan Message Parsing Interface (MPI).

sumber : www.cert.or.id/~budi/courses/security/…/Report-Deni-Wahyudi.doc

              http://www.scribd.com/doc/40938360/Makalah-Arkom-Paralel-Processing

Pengertian dan Sejarah Komputasi Modern

Komputasi sebetulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritma. Komputasi merupakan 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 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.
Alan Turing secara luas dianggap sebagai bapak ilmu komputer modern. pada tahun 1936 turing memberikan formalisasi berpengaruh konsep algoritma dan perhitungan dengan mesin turing. dari perannya dalam komputer modern, waktu turing majalah dalam penamaan salah satu dari 100 orang paling berpengaruh dari abad ke-20, menyatakan: “kenyataan tetap bahwa setiap orang yangkerandi keyboard, membuka spreadsheet atau program pengolah kata, aalah bekerja pada inkarnasi dari mesin turing. “

Penemu program komputer yang dikendalikan Konrad Zuse, yang membangun komputer kerja pertama pada tahun 1941 dan kemudian pada tahun 1955 komputer pertama berdasarkan penyimpan yang bersifat magnetis.
George stibitz secara internasional diakui sebagai ayah dari komputer digital modern.
sementara bekerja di laboratorium bel di November 1937, stibitz menciptakan dan membangun sebuah relay berbasis kalkulator ia dijuluki sebagai “model k” (untuk “meja dapur”, di mana dia telah berkumpul itu), yang adalah orang pertama yang menggunakan sirkuit biner untuk melakukan operasi aritmatika. Kemudian model menambahkan kecanggihan yang lebih besar termasuk aritmatika
dan kemampuan pemrograman kompleks.
Namun jIKA berbicara siapakah tokoh yang paling berpengaruh terhadap perkembangan ilmu komputer dan komputasi modern, John Von Neumann-lah orangnya.

John Von Neumann adalah salah satu ahli matematika terbesar abad ini. Beliaulah yang pertama kali menggagas konsep sebuah sistem yang menerima instruksi-instruksi dan menyimpannya dalam sebuah memori. Konsep inilah yang menjadi dasar arsitektur komputer hingga saat ini. Beliau juga salah seorang ilmuwan yang sangat berpengaruh dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu.
Kepiawaian Von Neumann terletak pada bidang teori game yang melahirkan konsep seluler automata, teknologi bom atom, dan komputasi modern yang melahirkan komputer. Kegeniusannya dalam matematika telah terlihat semenjak kecil dengan mampu melakukan pembagian bilangan delapan digit (angka) di dalam kepalanya.
Von Neumann dilahirkan di Budapest, ibu kota 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 dan Margaret Kann. Max Neumann memperoleh gelar dan namanya berubah menjadi Von Neumann. Max Neumann adalah seorang Yahudi Hungaria yang bergelar doktor dalam ilmu hukum. Dia juga seorang pengacara untuk sebuah bank. Pada tahun 1903, Budapest terkenal sebagai tempat lahirnya para manusia genius dari bidang sains, penulis, seniman dan musisi.
berdasarkan beberapa definisi di atas, maka komputasi modern dapat diartikan sebagai suatu pemecahan masalah berdasarkan suatu inputan dengan menggunakan algoritma dimana penerapannya menggunakan berbagai teknologi yang telah berkembang seperti komputer.
Dengan begitu waktu yang diperlukan untuk menemukan solusi atas masalah lebih cepat dan keakuratan dari selousi tersebut lebih tinggi dibandingkan dengan komputasi terdahulu yang umumnya menggunakan pena dan kertas maupun kapur dan batu tulis atau dikerjakan dengan menggunakan bantuan tabel.

Dalam kerjanya komputasi modern menghitung dan mencari solusi dari masalah yang ada, dan perhitungan yang dilakukan itu meliputi:

1. Akurasi (big, Floating point)
2. Kecepatan (dalam satuan Hz)
3. Problem Volume Besar (Down Sizzing atau pararel)
4. Modeling (NN & GA)
5. Kompleksitas (Menggunakan Teori big O)

SUMBER :

http://my.opera.com/aviciena/blog/show.dml/8170711

http://bowbow.co.tv/?p=79

http://www.komputasi.lipi.go.id/utama.cgi?cetakartikel&1111718762

http://tulisanbobby.blogspot.com/2010/03/pengenalan-komputasi-modern.html

http://www.cungkring.com/komputasi-modern/

Strategy of Information Integration

  Kemajuan dalam era teknologi, informasi dan globalisasi menjadi tuntutan bagi beberapa kalangan untuk kesempurnaan  yang terbaik bagi pengusaha maupun perusahaan.  Tahap untuk melakukan kesempurnaan dalam perusahan dapat dilakukan salah satunya melakukan strategy of information integration  yaitu sistem informasi informasi integrasi, merupakan sistem informasi yang digunakan untuk menangani maslah - masalah strategi dalam organisasi. Sistem ini sangat bermanfaat untuk mendukung operasi dan proses - proses manajemen yang menyediakan jasa, produk untuk menuju ke keunggulan yang kompetitf.

Tahap I: Eksploitasi Kapabilitas Lokal

Pada tahap ini, kita melakukan pengembangan maksimal terhadap kapabilitas sistem informasi masing-masing organisasi. Tujuannya adalah untuk memahami secara sungguh-sungguh batasan maksimal kemampuan sistem informasi dalam menghasilkan kebutuhan manajemen strategis dan operasional organisasi yang bersangkutan – baik dilihat dari segi keunggulannya maupun keterbatasannya. 

Tahap II: Melakukan Soft Integration

Setiap kerjasama atau kolaborasi dua atau lebih organisasi kerap mendatangkan kebutuhan baru. Dan ketika kebutuhan bersama ini muncul, seringkali tidak dapat dipenuhi oleh sebuah sistem informasi yang dimiliki salah satu anggota konsorsium. Karena Tahap I yaitu kajian kapabilitas sudah dilakukan, tidak akan ada satu organisasi pun yang berani ”berbohong” bahwa hanya sistem informasinyalah yang dapat menyediakan kebutuhan kerjasama konsorsium.

Pada saat kebutuhan baru ini berhasil didefinisikan secara jelas, masing-masing organisasi melalui CIO-nya (CIO = Chief Information Officer) – atau personal dengan otoritas tertinggi di bidang sistem informasi – berkumpul dan berdiskusi bersama untuk mencari jalan keluar pemenuhan kebutuhan yang ada. Secara tidak langsung, dalam proses ini, cetak biru arsitektur masing-masing sistem informasi dapat mulai saling diperkenalkan dan dipertukarkan.

Jika hal ini berhasil dilakukan, maka tahap yang tersulit dalam integrasi, yaitu duduk bersama untuk memikirkan kepentingan yang lebih besar berhasil dilalui. Pada saat inilah sebenarnya hakekat ”integrasi” telah dilakukan. Secara teknis yang biasa dihasilkan adalah ide-ide solusi dalam bentuk penambahan sejumlah entitas atau komponen sebagai jembatan antara satu sistem dan sistem lainnya tanpa harus merusak masingmasing sistem informasi yang telah dianggap baik bekerja oleh setiap organisasi yang ada.

Tahap III: Membagi Sumber Daya Organisasi

Ketika skenario pada tahap kedua telah berjalan dengan baik, langkah berikutnya adalah melakukan evaluasi seberapa efisien dan optimum solusi tersebut berhasil dibangun terutama dalam kaitannya dengan pemanfaatan beraneka ragam sumber daya organisasi.

Membagi kepada masing – masing orang yang memiliki kemampuan atau skill, agar taip orang mengetahui tiap – tiap tugasnya.

Tahap IV: Mendesain Ulang Arsitektur Organisasi

Ketika konsorsium organisasi tersebut harus berurusan dengan pemenuhan kebutuhan pemilik kepentingan eksternal, seperti misalnya pelanggan atau publik, maka proses yang cepat, berkualitas, dan murah adalah yang menjadi dambaan mereka. Hal tersebut tidaklah mungkin terjadi jika secara lintas organisasi tidak dilakukan aktivitas redesain proses.

Tujuan mendesain ulang Arsitektur organisasi yaitu agar jelas stuktur organisasi perusahaan, agar tidak melenceng dari rencana. Disisi lain melakukan mendesain aristektur organisasi agar terjadi perubahan yang lebih baik di dalam kepengurusan.

Tahap V: Optimalkan Infrastruktur

Rancangan beraneka ragam proses baru yang dihasilkan pada tahap sebelumnya tidaklah akan berjalan secara efektif, efisien, optimal, dan terkontrol dengan baik apabila secara fundamental tidak dilakukan penyesuaian terhadap infrastruktur organisasi yang ada.

Proses optimalisasi bertujuan untuk memenuhi kebutuhan organisasi dengan batasan tetap dijaganya kinerja masing-masing sistem informasi untuk melayani organisasi yang ada secara vertikal.

Keluaran dari tahap optimaliasi ini adalah sebuah sistem informasi terpadu yang dapat bekerja secara efektif melayani kepentingan vertikal maupun horisontal. Dan tentu saja yang tidak kalah pentingnya, yaitu semakin eratnya relasi antar organisasi yang berkolaborasi setelah melewati sejumlah tahap sebelumnya.

Tahap VI: Transformasi Organisasi

Tahap terakhir yang akan dicapai sejalan dengan semakin eratnya hubungan antar organisasi adalah transformasi masing-masing organisasi. Transformasi yang dimaksud pada dasarnya merupakan akibat dari dinamika kebutuhan lingkungan eksternal organisasi yang memaksanya untuk menciptakan sebuah sistem organisasi yang adaptif terhadap perubahan apapun.

Sejumlah hal baru akan tumbuh menggantikan sesuatu yang telah lama dianut, misalnya:

• Transformasi dari organisasi berbasis struktur dan fungsi menjadi organisasi berbasis proses;
• Transformasi dari organisasi berbasis sumber daya fisik menjadi organisasi berbasis pengetahuan;
• Transformasi dari organisasi berbasis kebutuhan pemilik kepentingan internal
• menjadi organisasi berbasis kebutuhan pemilik kepentingan eksternal; dan lain-lain.

Tahapan Setelah Integrasi

Dari tahap-tahap yang telah dibahas, terlihat bahwa proses integrasi merupakan sebuah strategi transisi yang terjadi secara alami, bukan dipaksakan oleh satu atau dua kubu kepentingan tertentu. Dalam prakteknya, rangakaian tahapan tersebut akan berlangsung membentuk siklus hidup yang tidak berkesudahan, sejalan dengan keinginan setiap organisasi untuk selalu memperbaiki kinerjanya dari waktu ke waktu.

refrensi :

http://wenythepooh.wordpress.com/2010/11/01/memahami-sii-strategy-of-information-integration/

business content development

Business Content Development ialah pengembangan bisnis content, dimana Konten adalah kunci di balik keberhasilan bisnis Online. Mungkin konten merupakan hal pertama dan terpenting yang membuat dampak positif atau negatif pada pikiran pengunjung sebuah halaman web. Konten dapat membantu pengunjung terlibat dalam sebuah halaman web, blog, majalah online maupun newsletter jika digunakan dengan cara yang tepat. 

Adapun jenis - jenis  atau ragam content sebagai berikut :

1.      Berdasarkan Media

1.      Text-based Content: Konten berbasis text seperti yang ada di wikipedia.org, ilmukomputer.com, dsb. Konten berbasis text lebih cepat dibuat dan dipublish melalui Internet karena relatif secara ukuran file juga lebih kecil.

2.      Multimedia-based Content: Konten berbasis multimedia, baik itu multimedia linier (seperti film dan video yang berjalan sekuensial dan garis lurus) maupun multimedia interaktif (seperti multimedia pembelajaran yang memungkinkan kita menggunakan mouse, keyboard untuk mengoperasikannya). Konten berbasis multimedia relatif lebih memerlukan waktu dan cost dalam pembuatan maupun publikasinya di Internet, dikarenakan ukuran filenya yang relatif besar.

2.      Berdasarkan Tingkat Kemanfaatan

1.      Data: Sesuatu yang tidak membawa arti, bersifat mentah dan merupakan kumpulan dari fakta-fakta tentang suatu kejadian. Bisa juga merupakan suatu catatan terstruktur dari suatu transaksi, dan boleh dikatakan materi penting dalam membentuk informasi.

2.      Informasi: Kompilasi dari data. Informasi memiliki arti, relevansi dan juga tujuan. Transformasi data menjadi informasi adalah dengan menambahkan “nilai“. Informasi adalah data yang telah diolah menjadi sesuatu yang membawa arti

3.      Pengetahuan: Gabungan dari suatu pengalaman, nilai, informasi kontekstual dan juga pandangan pakar yang memberikan suatu framework untuk mengevaluasi dan menciptakan pengalaman baru. Bisa berupa solusi pemecahan suatu masalah, petunjuk suatu pekerjaan dan ini bisa ditingkatkan nilainya, dipelajari dan juga bisa diajarkan kepada yang lain.

Saya memberikan penjelasan beserta contoh yang menarik bagaimana sebuah transformasi dari data-informasi-pengetahuan bisa terjadi, dan bahkan transformasi berikutnya dari pengetahuan sebenarnya adalah wisdom (kebijakan). Saya juga akan bahas masalah ini secara mendetail di posting lainnya.

3.      Berdasarkan Lisensi

1.      Open Content: Segala jenis hasil kerja kreatif yang dipublikasikan dalam suatu format (lisensi) yang memungkinkan pihak lain (individu, perusahaan, organisasi) untuk memperbanyak dan memodifikasi informasi didalamnya. Hak cipta dalam open content tetap ada, tapi lisensi memungkinkan orang lain bebas untuk menggunakan dan memodifikasinya. Jenis lisensi open content diantaranya adalah: GNU Free Documentation License (GFDL), Creative Common License, Open Content License (OPL) dan Open Directory License (ODL).

2.      Proprietary Content: Segala jenis hasil kerja kreatif yang dipublikasikan dalam suatu format (lisensi) dengan berbagai batasan dalam penggunaan, modifikasi, atau memperbanyak. Lisensi proprietary content biasanya dalam bentuk royalti (uang) ke pemilik hak ciptanya. Perlu dicatat bahwa meskipun sebuah proprietary content menyatakan sebuah produk adalah free content, tapi belum tentu produk itu free for (redistribute) atau free for modify.

Pengembangan bisnis konten dilakukan agar pengunjung atau user dapat lebih tertarik dengan web tersebut. Perkembangan konten seiring perkembangan dari suatu trend maupun mode dalam sehari - hari, sehingga beberapa kalangan memanfaatkan keadaan yang ada agar menjadi bisnis yang menjanjikan.

referensi :
http://pptik.unnes.ac.id/v2/index.php?pilih=news&mod=yes&aksi=lihat&id=25

Perbaikan Nilai Jarkom Lanjut

Nama : M. Ade Nugroho

Kelas : 4IA13

NPM : 50407515

Netmask : 172.16.34.0/16 (34 merupakan no absen) 

• VLSM HRD

Untuk mencari VLSM nya pertama kali yang harus kita lakukan adalah menambahkan host pada jaringan tersebut dengan broadcast dan networknya.

HRD = 10+1+2 (10 untuk host, 1 untuk alamat router, 1 untuk alamat broadcast dan 1 untuk alamat network)
HRD = 13

Konversikan hasilnya kedalam bentuk biner -> 1101 = 4 digit biner
Jumlah digit dari bilangan biner tersebut akan menjadi pangkat dari jumlah IP total pada HRD
dan jumlah biner 0 (nol) pada subnetmask HRD.

Subnetmask = 11111111.11111111.11111111.11110000/28 (28 adalah jumlah digit dari netmask diambil dengan jumlah digit nol diatas 32-4=28)
Subnetmask = 255.255.255.240

IP Total = 2^n (dimana n adalah jumlah digit dari biner 1101)
IP Total = 2^4
IP Total = 16
 

• VLSM FINANCE

Sama seperti VLSM untuk HRD dan TI, untuk mencari VLSM bagian FINANCE pertama kali yang harus kita lakukan adalah menambahkan host pada jaringan tersebut dengan broadcast dan networknya.

FINANCE = 25+1+2 (25 untuk host, 1 untuk alamat router, 1 untuk alamat broadcast dan 1 untuk alamat network)
FINANCE = 28

Konversikan hasilnya kedalam bentuk biner -> 11100 = 5 digit biner
Jumlah digit dari bilangan biner tersebut akan menjadi pangkat dari jumlah IP total pada FINANCE dan jumlah biner 0 (nol) pada subnetmask FINANCE.

Subnetmask = 11111111.11111111.11111111.11100000/27 (27 adalah jumlah digit dari netmask diambil dengan jumlah digit nol diatas 32-5=27)
Subnetmask = 255.255.255.224

IP Total = 2^n (dimana n adalah jumlah digit dari biner 11100)
IP Total = 2^5
IP Total = 32
 

• VLSM TI

Sama seperti VLSM untuk HRD, untuk mencari VLSM bagian TI pertama kali yang harus kita lakukan adalah menambahkan host pada jaringan tersebut dengan broadcast dan networknya.

TI = 10+1+2 (10 untuk host, 1 untuk alamat router, 1 untuk alamat broadcast dan 1 untuk alamat network)
TI = 13

Konversikan hasilnya kedalam bentuk biner -> 1101 = 4 digit biner
Jumlah digit dari bilangan biner tersebut akan menjadi pangkat dari jumlah IP total pada TI
dan jumlah biner 0 (nol) pada subnetmask TI.

Subnetmask = 11111111.11111111.11111111.11110000/28 (28 adalah jumlah digit dari netmask diambil dengan jumlah digit nol diatas 32-4=28)
Subnetmask = 255.255.255.240

IP Total = 2^n (dimana n adalah jumlah digit dari biner 1101)
IP Total = 2^4
IP Total = 16
 

• VLSM MARKETING

Sama seperti VLSM untuk HRD, TI dan FINANCE, untuk mencari VLSM bagian MARKETING pertama kali yang harus kita lakukan adalah menambahkan host pada jaringan tersebut dengan broadcast dan networknya.

MARKETING = 50+1+2 (50 untuk host, 1 untuk alamat router, 1 untuk alamat broadcast dan 1 untuk alamat network)
MARKETING = 53

Konversikan hasilnya kedalam bentuk biner -> 110101 = 6 digit biner
Jumlah digit dari bilangan biner tersebut akan menjadi pangkat dari jumlah IP total pada MARKETING dan jumlah biner 0 (nol) pada subnetmask MARKETING.

Subnetmask = 11111111.11111111.11111111.11000000/26 (26 adalah jumlah digit dari netmask diambil dengan jumlah digit nol diatas 32-6=26)
Subnetmask = 255.255.255.192

IP Total = 2^n (dimana n adalah jumlah digit dari biner 110101)
IP Total = 2^6
IP Total = 64

Social Network Business

Teknologi kini kian berkembang dari mulai software, hardware hingga informasi. Sekarang setiap orang dapat dengan mudah mendapatkan sebuah informasi dimana saja dan kapan saja tanpa batas waktu. Informasi yang disajikan pada tiap website sangatlah beragam, mulai dari informasi pendidikan, berita, dan bisnis. Bicara soal bisnis kini banyak sekali yang ditawarkan oleh seseorang untuk menawarkan jasa dan produk.

Dalam sebuah teknologi informasi yaitu Social Network Business atau bisa disebut dengan sosial jaringan bisnis, merupakan suatu tindakan melakukan bisnis secara sosial dalam jaringan (internet). Bisnis secara sosial pada jaringan sudah lama dilakukan oleh beberapa orang atau organisasi agar dapat memberikan sebuah informasi kepada orang lain supaya orang lain dapat mengetahui jasa atau produk. Facebook merupakan contoh dari kegiatan social network business, dimana beberapa organisasi maupun orang melakukan kegiatan bisnis secara sosial. Kegiatan tersebut mampu mendorong daya tarik seseorang agar dapat mengetahui produk yang ditawarkan, contoh lain dari itu yaitu bila kita masuk ke blog orang lain terdapat juga organisasi ataupun orang yang menampilkan iklan-iklan tentang produknya.

  

                                                    

Kaitan sosial  dengan bisnis ??????? mungkin kita bertanya kaitan sosial dengan bisnis itu apa? disini ada kaitanya dengan ilmu ekonomi dengan ilmu komputer, menurut saya melakukan kegiatan bisnis sosial agar orang dapat mengetahui jasa yang di tawarkan sehingga dengan tujuan dapat memberikan informasi kembali ke orang lain.