MEMBUAT SIMULASI PROTOCOL DATA UNIT DENGAN CISCO PACKET TRACER

Pada postingan kali ini, saya akan menjelaskan tentang bagaimana membuat simulasi protocol data unit (PDU) dengan menggunakan Cisco packet tracer.

Sebelum membuat simulasi alangkah baiknya kita mengetahui apa itu PDU.  Protocol Data Unit atau yang sering disebut dengan PDU merupakan bentuk potongan potongan data pada setiap layer/lapisan yang berjalan pada layered model (model referensi OSI dan TCP/IP), seperti yang kita ketahui pada model referensi OSI terdapat tujuh lapisan (empat lapisan pada TCP/IP) setiap lapisan memiliki fungsinya masing masing berurutan dari atas kebawah (enkapsulasi) dan dari bawah ke atas (de-kapsulasi). Setiap lapisan memiliki format khusus yang mengimplementasi-kan fitur dan fungsi pada protokol tersebut.

PDU pada model referensi OSI :

  • Layer 1 (Physical Layer) : PDU nya adalah Bits.
  • Layer 2 (Data Link Layer) : PDU nya adalah Frame.
  • Layer 3 (Network Layer) : PDU nya adalah Packet.
  • Layer 4 (Transport Layer) : PDU nya adalah Segments untuk TCP, datagram untuk UDP.
  • Layer 5 – 6 – 7 (Session – Presentation dan Application) : PDU nya adalah Data.

 

Pertama, yang kita butuhkan untuk membuat simulasi PDU adalah aplikasi Cisco Packet Tracer. Disini saya menggunakan Cisco Packet Tracer versi 6.0.1.

Langkah-langkah untuk membuat simulasi PDU yang sederhana adalah sebagai berikut :

a. Buka aplikasi Cisco Packet Tracer

b. Tambahkan 2 PC dan 1 Laptop

    (klik End Devices (1) lalu pilih (2) untuk PC dan (3) untuk Laptop)

c. Tambahkan 1 Swicth diantara PC dan laptop

    (klik Switches, pilih switch yang 2950-24)

d. Tampilan setelah di tambah 2 PC, 1 Laptop, dan 1 Swicth : 

e. Langkah selanjutnya adalah menghubungkan 2 PC dan 1 Laptop tersebut dengan switch menggunakan kabel straight.

(Klik Connection atau lambang petir, pilih Copper Straight-Through lalu klik Devices yang ingin dihubungkan)

f. Perhatikan jaringan jika terdapat warna hijau pada kabel berarti devices berhasil dihubungkan. Tampilan setelah semua devices dihubungkan :

g. Setelah itu konfigurasi IP pada PC0, PC1, dan laptop.

(Klik PC /Laptop yang ip nya akan di konfigurasi -> pilih desktop ->pilih ip configuration -> setting ipnya)

— PC0 :

— PC1 :

— Laptop :

h. Jika konfigurasi ip sudah dilakukan, maka langkah selanjutnya adalah melakukan simulasi.

i. Mensimulasikan secara mode realtime

-Klik gambar amplop (1) lalu klik devices yang akan mengirim data dan devices yang akan menerima data.

Pertama klik PC0 ke Laptop

-Pastikan jika hasil pengiriman data berstatus “Successful” (2)

-Jika pengiriman data dari PC0 ke Laptop berhasil, maka kita harus mencoba yang lainnya.

  • PC1 ke Laptop
  • PC0 ke PC1
  • Laptop ke PC0
  • Laptop ke PC1

j. Mensimulasikan secara mode simulation

-Klik tab “Simulation” (3) di kanan bawah, belakang tab “Realtime”

– Lalu klik Edit Filter (4)

– Agar kita dapat mengetahui jumlah layer yang dilalui data, ceklis bagian ICMP saja (5)

-Klik gambar amplop lalu klik devices yang akan mengirim data dan devices yang akan menerima data. Pertama saya akan mengirim data dari PC0 ke Laptop.

-Setelah memilih jalur data, klik Auto Capture /Play

-Setelah proses pengiriman data sudah selesai, klik kotak kecil dari kolom info (7) untuk melihat layer yang dilalui data

-Dapat terlihat pada gambar di bawah, yang dilalui pada pengiriman data hanya sampai layer 3 saja.

Seperti itulah simulasi PDU sederhana. Semoga bermanfaat.

 

referensi :

https://ganishare.blogspot.co.id/2016/06/apa-itu-protocol-data-unit-pdu.html

ARTIFICIAL INTELLIGENCE (AI)  

MASA KINI DAN MASA YANG AKAN DATANG

Artificial Inteligence atau Kecerdasan Buatan adalah sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.

Supaya komputer dapat bertindak seperti atau serupa dengan manusia, maka komputer harus diberi bekal pengetahuan, dan mempunyai kemampuan untuk menalar.  Penerapan bidang AI beraneka ragam. Tujuan dari sistem kecerdasan buatan dapat dibagi dalam 4 kategori [5]

  • Sistem yang dapat berfikir seperti manusia (Bellman, 1978)
  • Sistem yang dapat berfikir secara rasional ( Winston, 1992)
  • Sistem yang dapat beraksi seperti manusia (Rich and Knight, 1991)
  • Sistem yang dapat beraksi secara rasional (Nilsson, 1998)[4]

            Perkembangan kecerdasan buatan dapat dikelompokkan sebagai berikut :

  1. Sistem Pakar (Expert System)

Komputer sebagai sarana untuk menyimpan pengetahuan para pakar sehingga komputer memiliki keahlian menyelesaikan permasalahan dengan meniru keahlian yang dimiliki pakar. Beberapa contoh Sistem Pakar yaitu :

  • MYCIN : Diagnosa penyakit
  • DENDRAL : Mengidentifikasi struktur molekular campuran yang tak dikenal
  • XCON & XSEL : Membantu konfigurasi sistem komputer besar
  • SOPHIE : Analisis sirkit elektronik
  • Prospector : Digunakan di dalam geologi untuk membantu mencari dan menemukan deposit
  • FOLIO : Membantu memberikan keutusan bagi seorang manajer dalam hal stok broker dan investasi
  • DELTA : Pemeliharaan lokomotif listrik disel
  1. Pengolahan Bahasa Alami (Natural Language Processing)

Mempelajari bagaimana bahasa alami itu diolah sedemikian hingga user dapat berkomunikasi dengan komputer. Konsentrasi ilmu ini adalah interaksi antara komputer dengan bahasa natural yang digunakan manusia, yakni bagaimana komputer melakukan ekstraksi informasi dari input yang berupa natural language dan atau menghasilkan output yang juga berupa natural language, misalnya pada system Automated online assistant deteksi email spam yang cerdas.

Contoh aplikasi pengolahan bahasa alami lainnya adalah :

  • Text-based application adalah segala macam aplikasi yang melakukan proses terhadap teks tertulis seperti misalnya dokumen, e-mail, buku dan sebagainya. Contoh jenis aplikasi NLP yang berbasis teks :Machine Translation
                  Program yang mampu mentranslasi kalimat baik berupa teks maupun suara dari satu bahasa alami ke bahasa lainnya. Contoh : Google Translate.
  • Dialogue-based application idealnya melibatkan bahasa lisan atau pengenalan suara, akan tetapi bisa juga memasukan interaksi dialog dengan mengetikkan teks pertanyaan melalui keyboard. Contoh : Chatbot
                   Chatbot adalah program komputer yang didesain untuk mensimulasikan sebuah percakapan cerdas dengan satu atau lebih pengguna manusia melalui inputan suara atau teks, utamanya digunakan untuk percakapan kecil. Contoh : Cleverbot, SimSimi, dan begobet.
  1. Computer Vision

Menginterpretasikan gambar atau objek-objek tampak melalui komputer. Contoh aplikasi dari computer vision yang dapat ditemui pada berbagai bidang, seperti:

  • Industri : biasanya CV digunakan membantu proses otomasi industri, misalnya untuk quality control dimana computer vision berfungsi untuk melakukan pemeriksaan akhir terhadap produk untuk menemukan apakah ada cacat produksi. Dalam bidang industri terkadang disebut sebagai machine vision karena biasanya dihubungankan dengan perangkat lain.
  • Robotika : digunakan untuk mengenali lingkungan sekitar, misalnya mobile robot, lengan robot yang dapat mengenali objek, drone robot (pesawat robot tanpa awak), robot humanoid, robot penjelajah, dll.
  • Otomotif : misalnya pada autonomus vehicle, fitur keselamatan rem otomatis untuk menghindari tabrakan dengan penyeberang jalan ataupun objek lain.
  • Pendeteksi : misalnya alat presensi yang dapat mengenali wajah, alat pendeteksi tanda tangan, alat penghitung jumlah kendaraan yang melintasi jalan, dll.
  • Medis : biasanya digunakan untuk menangkap, mengolah, dan menganalisis gambar yang ditangkap dari pasien untuk mendiagnosis penyakit. Umumnya data gambar diambil dari mikroskop, x-ray, angiopraphy, ultrasonik, dan tomography. Aplikasi di bidang medis juga termasuk peningkatan kualitas gambar yang diinterpretasikan oleh manusia, misalnya gambar ultrasonik atau gambar X-ray, untuk mengurangi pengaruh noise.
  1. Game Playing

Penerapan kecerdasan buatan pada game lebih banyak pada pencarian stategi, seperti pada permainan catur, tic tac toe, game perang.

  1. Robitik

Contohnya robot yang dapat menari, robot yang dapat menuangkan teh, robot yang dapat memadamkan api, dan masih banyak lagi

 

KECERDASAN BUATAN DI MASA YANG AKAN DATANG

  1. Robot ahli gizi, dimana robot ini dapat mengetahui kandungan pada suatu makanan tertentu, dapat menyarankan menu makanan yang cocok untuk user, dapat menghitung asupan gizi yang masuk pada kita.
  2. Mobil yang melaju menggunakan suara, jadi yang kita lakukan cukup dengan berbicara saja.
  3. Laptop, dimana laptop tersebut dapat mengetahui kondisi mata user. Pencahayaan pada laptop dapat disesuaikan dengan pencahayaan dalam ruangan dan menyesuaikan dengan yang baik untuk kondisi mata user.

 

http://noteinformatic.blogspot.co.id/2015/11/sistem-pakar-dan-kecerdasan-buatan.html

http://taratri.blogspot.co.id/2016/12/pengolahan-bahasa-alami-natural_10.html

http://socs.binus.ac.id/2012/06/06/mengenal-kecerdasan-buatan-kini-dan-akan-datang/

http://ardiwinahyu.blogspot.co.id/2015/04/pengertian-computer-vision-dan.html

PEMBANGUNAN KNOWLEDGE MANAGEMENT SYSTEM PADA SERVER CS.UPI.EDU

Perkenalkan nama saya Yuniarti Musa’adah. Disini saya akan menjelaskan mengenai proyek yang akan kami buat.

Proyek kelompok kami adalah membuat Aplikasi Knowledge Management System (KMS) berbasis web. Tujuan dari pembuatan Aplikasi KMS adalah untuk mendukung pembelajaran suatu mata kuliah agar menjadi lebih efektif dengan menfasilitasi penangkapan, penyimpanan, pencarian, pemindahan dan penggunaan kembali pengetahuan. Aplikasi KMS ini akan dibuat pada server cs.upi.edu dan digunakan di lingkungan internal.

Proyek ini akan dikerjakan oleh kelompok 2 dari mata kuliah Rekayasa Perangkat Lunak yang berkalaborasi serta dibantu oleh kelompok 2 mata kuliah Managemen Proyek Perangkat Lunak. Diperkirakan pengerjaan proyek akan dimulai pada tanggal 1 Maret 2017 sampai dengan 30 April 2017 dengan estimasi dana awal yang dibutuhkan sebesar Rp 5.000.000,-. Metode pengembangan yang digunakan pada proyek ini adalah metode scrum yaitu metode yang cocok untuk ukuran tim kecil agar dapat memperlancar komunikasi, mengurangi biaya dan memberdayakan satu sama lain serta dapat beradaptasi terhadap perubahan teknis maupun bisnis.

Pendekatan yang akan kami lakukan dalam pembuatan proyek aplikasi KMS yaitu :

  1. Analisis kebutuhan alokasi server pada cs.upi.edu untuk aplikasi
  2. Buat desain aplikasi berupa Data Flow Diagram (DFD).
  3. Rancang basis data aplikasi dengan desain berupa Contextual Data Model (CDM).
  4. Buat maket dari aplikasi berupa maket UI.
  5. Implementasikan desain aplikasi dan rancangan basis data aplikasi menjadi aplikasi berbasis web.
  6. Publikasikan aplikasi pada server.
  7. Lampirkan laporan status secara berkala.

Berikut ini adalah nama-nama serta peran dalam proyek Aplikasi KMS.

No.

Nama

Peran

1.

Haikal Adha H.

Manager Proyek

2.

Agung Cahya Gumilar

Ketua divisi yang menangani Front End

3.

Lingga Setyagusti

Ketua divisi yang menangani Back End

4.

Velina Rehulina Nanjar Hayati

Ketua divisi yang menangani Arsitektur Aplikasi

5.

Arin Fitrianda

Anggota divisi Front End dan Arsitektur Aplikasi

6.

Galih Abdul Muhyi

Anggota divisi Arsitektur Aplikasi

7.

Khamal Fauzan Somantri

Anggota divisi Back End

8.

Vicry Faturohman

Anggota divisi Front End

9.

Yuniarti Musa’adah

Anggota divisi Back End