WTHIGO ?? - #1 - Penyakit Harddisk yg Misterius

Kasian amat kau, laptop. Kemarin DVD driive slot sudah KO, sekarang malah nggak bisa masuk OS. Berikut gejala-gejala anehnya :

1. Harddisk Terdeteksi di Laptop dan PC, Grub muncul, pilihan LInux dan Windows muncul. LED harddisk menyala.
   
2. Semua OS tidak bisa startup. Untuk windows, begitu progress bar muncul, harddisk seperti mati. LED harddisk mati. Untuk Linux Vine, layar langsung gelap, tidak ada tanda-tanda linux di-load. Untuk Linux Mint, cuma ada beberapa pesan status hardware, setelah itu diam. Tidak ada pesan error sama sekali.
   
3. Isi harddisk (partisi windows) terbaca pada PC via USB-SATA converter, tapi belum dicoba di laptop lain
4. PC bisa me-load Windows Vista pada harddisk, tetapi mendadak error dan restart. Sayangnya pesan errornya nggak kebaca. Aku lupa menonaktifkan restart kalo ada error.
5. Windows setup nggak bisa jalan (di laptop) begitu selesai me-load file. Sama seperti gejala no.2, begitu progress bar muncul, langsung diam. Tapi kalo di PC malah mau jalan. 
   

Pertanyaannya :

1. Kalo memang harrdisk bermasalah, kenapa masih bisa diakses di PC ?
2. Kalo OS bermasalah, kenapa GRUB masih bisa muncul ?
   
3. Kenapa semua OS, mulai dari Windows sampe Linux nggak bisa jalan di laptop ?
4. Kenapa windows setup nggak bisa jalan di laptop ?

What The Hell is Going On ??????

Dugaan sementara :

1. Ada masalah pada boot sector harddisk, soalnya OS ga mau jalan tp isinya masih bisa diakses di PC.
2. Ini kemungkinan paling buruk, worst case scenario kalo orang jawa bilang : CONTROLLER HARDDISK LAPTOP RUSAK. Alasannya, windows setup masih bisa di-load di PC, tp nggak bisa di-load di laptop. 
   

Yg sekarang dilakukan : Test diagnoistik dengan software bawaan (ROM) laptop. Prosesnya masih belum selesai.

Yg akan dilakukan :

1. Boot harddisk di laptop via USB-SATA converter.
2. Coba harddisk lain di laptop. Tapi siapa yg punya harddisk SATA yg bisa dicoba ?
3. Coba boot linux dari harddisk di PC, tungguin kira2 30 menit.
   
4. Kalo belum jelas errornya, non aktifkan fitur restart kalo error di menu boot windows (F8)
5. Backup semua data ke DVD, terutama data kerjaan, program, thesis, foto2 dan film tentunya. Cape deh
   
6. Ini yg paling penting : MANDI MANDI MANDI ... dah jam 12 siang ini ...

ANN - Day #4 - Stochastic Model and Directed Graphs of Neural Networks

Model Stokastik dari Suatu Neuron

Dari bahasan-bahasan tentang model neuron sebelumnya, hubungan masukan-keluaran selalu pasti. Pada beberapa aplikasi neural network, terkadang diperlukan suatu analisis yang didasari oleh model stokastik. Dalam hal ini, fungsi aktivasi (McCulloch-Pitts) diinterpretasikan dalam bentuk peluang (probabilistik). Misalnya, katakanlah suatu neuron hanya boleh memiliki dua keadaan (x), misal 1 atau 0. Maka peluang x = 1 adalah P(v), dan berarti peluang x = 0 adalah 1- P(v). Biasanya P(v) merupakan fungsi sigmoid.

Catatan : Prinsipnya aku ngerti. Yang nggak kupahami di sini adalah pernyataan "if x denote the state of the neuron". Apakah itu maksudnya x itu keluaran atau masukan atau keadaan yg bagaimana ? Yang jelas, P(v) di sini berperan sebagai probabilitas dari x.

Jaringan syaraf dipandang sebagai Grafik Terarah

Umumnya neuron digambarkan dalam bentuk blok diagram untuk memperlihatkan komponen-komponen yang membentuknya serta fungsinya masing-masing (masukan, synapse, summing juction, bias, fungsi aktivasi, keluaran). Misalnya blok diagram untuk model neuron non linear berikut :

Blok diagram di atas dapat disederhanakan dengan menggunakan grafik aliran-sinyal (signal-flow graphs) tanpa harus mengorbankan detail dari fungsi tiap komponennya. Pada dasarnya grafik ini akan memberikan gambaran yang lebih jelas tentang aliran sinyal dari suatu atau sekelompok neuron dalam suatu jaringan syaraf.

Grafik aliran sinyal terdiri dari hubungan atau link (cabang) yang terinterkoneksi pada titik-titik tertentu yang disebut node. Misalnya, node j dengan sinyal node xj. Hubungan langsung berawal dari node j dan berakhir di node k. Hubungan ini memiliki fungsi transfer di mana keluaran yk pada node k akan bergantung pada sinyal xj (dari node j). Aliran sinyal ini mengikuti tiga aturan dasar, yaitu :

1. Suatu sinyal yang mengalir pada link hanya akan mengarah sesuai dengan arah panah yang ditunjukkan pada link tersebut. Link sendiri ada dua macam, yaitu : Link Synaptic, yang perilakunya didasari oleh relasi masukan-keluaran linear (perkalian antara sinyal dan berat synapse). Yang kedua adalah Link Aktivasi, yang perilakunya didasari oleh relasi masukan-keluaran non linear (fungsi aktivasi).
2. Suatu node sinyal akan sama dengan penjumlahan seluruh sinyal yang terhubung dan memasuki node tersebut.
3. Sinyal pada suatu node ditransmisikan ke setiap link keluaran dan akan bersifat mandiri terhadap fungsi aktivasi dari link keluaran tersebut. Sifat ini disebut juga divergensi synaptic atau fan-out.

Dengan menggunakan aturan di atas, maka blok diagram neuron non linear di atas dapat digambarkan dalam bentuk grafik aliran sinyal seperti pada gambar di bawah :

Jauh lebih simpel khan ? 

Yang perlu diperhatikan di sini adalah nilai bias --> x0 = +1, dan berat synaptiknya adalah Wk0 = bk (selalu gitu).

Dari gambaran di atas, maka kita dapat memperoleh definisi matematis dari suatu jaringan syaraf, yaitu :

Jaringan syaraf merupakan suatu grafik terarah yang mengandung node-node, link-link yang terinterkoneksi, baik link sinaptik ataupun aktivasi, serta dicirikan oleh empat sifat, yaitu :

1. Setiap neuron direpresentasikan oleh sekelompok link sinaptik linear, sebuah bias eksternal dan suatu link aktivasi yang mungkin bersifat non linear. Bias direpresentasikan sebagai sebuah link sinaptik dengan masukan tetap +1.
2. Link-link sinaptik dari suatu neuron akan memberikan berat/bobot pada sinyal inputnya masing-masing.
3. Jumlah bobot dari sinyal masukan mendefinisikan induced local field dari neuron (alias masukan fungsi aktifasi).
4. Fungsi aktivasi akan 'melumat' induced local field untuk menghasilkan keluaran (aku lebih suka pake istilah 'mengolah' daripada 'melumat', karena lebih gampang dimengerti. aslinya sih 'squash').

Grafik aliran sinyal di atas dikatakan 'lengkap' dalam artian bahwa grafik tadi tidak hanya menggambarkan aliran sinyal dalam suatu neuron, tetapi juga antar neuron. Bila kita hanya ingin menggambarkan aliran sinyal dari neuron ke neuron, kita dapat mengabaikan detail internal dari tiap neuron, dan grafik tadi 'dimodifikasi' menjadi 'setengah lengkap' (karena hanya menggambarkan hubungan antar neuron). Sifat grafik 'setengah lengkap'  ini antara lain :

1. Node-node sumber akan menyuplai sinyal masukan pada grafik
2. Setiap neuron digambarkan sebagai node tunggal yang disebut node komputasi.
3. Link komunikasi yang menghubungkan node sumber dan komputasi dari grafik tidak berbobot dan hanya memberikan arah aliran sinyal pada grafik. 

Grafik setengah lengkap yang didefinisikan dengan sifat-sifat di atas disebut juga sebagai grafik arsitektural, yang menggambarkan susunan dari jaringan syaraf. Contohnya ada pada gambar di bawah :

Sekali lagi, bias selalu nongol sebagai node tunggal dengan nilai tetap +1. Perhatikan bahwa node komputasi yang merepresentasikan neuron ditampilkan sebagai lingkaran hitam, sedangkan node-node sumber digambarkan sebagai bujur-bujur sangkar kecil.

Kesimpulannya, sampai sejauh ini sudah ada tiga representasi grafis dari suatu jaringan syaraf, yaitu :

• Blok diagram (gambar pertama), yang memberikan gambaran fungsional dari suatu jaringan syaraf/neuron.
• Grafik aliran sinyal (gambar kedua), yang memberikan gambaran lengkap dari aliran sinyal dalam suatu jaringan syaraf/neuron.
• Grafik arsitektural (gambar ketiga), yang menggambarkan susunan (layout) dari suatu jaringan syaraf.

Okay ... enough for today 

CDR Troubles #1 - Disk Error

Frekuensi kejadian : 5, Tingkat kesulitan : 4

Sebenarnya masalah ini sama sekali tidak berhubungan dengan komponen radar sendiri, tetapi lebih pada workstation pengontrolnya. Workstation yang digunakan CDR merupakan media pertama yang berhubungan langsung dengan komponen-komponen radar (seperti transmitter, receiver, signal processor dan lain-lain) sebelum terhubung dengan server IRIS yang mengolah data radar selanjutnya. Workstation ini pada dasarnya adalah PC branded produksi Toshiba, dengan sistem operasi SunSolaris 5.7. Aku sendiri lebih sering menyebutnya dengan Server Toshiba.

Aplikasi pengontrol CDR (DPMain) juga terinstalasi pada server Toshiba, sehingga untuk mengontrol kerja dari CDR itu sendiri, operator harus menggunakan server ini sebagai medianya. Dan tentu saja, bila terjadi masalah dengan server ini, otomatis si 'harimau' Serpong akan ikutan nggak beres tingkahnya.

Server Toshiba awalnya juga berfungsi sebagai pemroses data selain untuk kontrol radar. Setelah CDR dimodifikasi akhir tahun 2008 lalu, seluruh urusan pengolahan data dipindahkan ke server IRIS. Namun, ada beberapa pengaturan yang tidak bisa diubah seluruhnya. Salah satunya adalah dalam hal pemrosesan data. Seharusnya cukup server IRIS yang mengolah data si CDR, namun dalam hal ini, server Toshiba ternyata tidak bisa di-set untuk 'meletakkan jabatannya' kepada si server IRIS. Oleh karena itu, walaupun pada akhirnya seluruh data diolah oleh server IRIS, si server Toshiba juga tetap menyimpan sebagian data RAW (dalam format Toshiba). Karena data RAW ini ukurannya sangat besar, sementara kapasitas harddisk server Toshiba sangat terbatas (jauh lebih kecil dibandingkan server IRIS), maka data RAW (di server Toshiba) harus dihapus secara berkala. Bila tidak, harddisk akan penuh, aplikasi kontrol radar bakalan ngadat, dan kalo sudah ngadat, otomatis CDR tidak akan bisa memproses data observasi, walaupun perangkat keras seperti transmitter dll tetap bekerja sebagaimana mestinya. Biasanya program kontrol akan memberi tanda 'Disk Error' apabila ruang yang digunakan pada harddisk sudah melebihi 90% dari total space yang ada.

 

Normalnya, file-file RAW ini akan dihapus secara otomatis dengan memanfaatkan shell script dan crontab yang dijalankan pada SunOS, namun karena crontabnya hanya berjalan sekali sehari, terkadang aku juga harus menghapusnya secara manual.

Untuk memeriksa sisa space pada tiap partisi sistem, aku biasa menggunakan perintah 'df -k' yang umum digunakan pada sistem berbasis UNIX.

 

Untuk mengetahui sisa space secara real pada sistem file root directory (UFS) bisa menggunakan perintah berikut :

df -F ufs -o i

Bila output dari kedua perintah tersebut root directory (/) dan /usr1 sudah menunjukkan angka yang melebihi 90%, maka harus dilakukan penghapusan pada beberapa file berikut :

1. RAW Files. Berada pada direktori /usr1/spf/DB/ONLINE. Setelah masuk, hapus seluruh data RAW pada sub direktori 01000000, 01000001, 01080000, 02000000, 02000001, 02060000, 03000000, 03000001 dan 03060000.
2. Mail file di /var/mail. Aku sempat nemu file mail yang besarnya lebih dari 5 MB, padahal fitur mailnya sendiri ga dipake.
   
3. Coredump files di /var/crash. Ini jg salah satu jenis file yang bikin penuh harddisk. Biasanya file ini dihasilkan kalo sistem lagi error atau crash.
   
4. Temporary file di /var/tmp. Biasanya aku pake perintah ini : 'find /var/tmp -mtime +3 -a -user xxx -a -type f -exec rm {} ;'. Tadinya maunya cuma file-file yang lebih dr 7 hari yg dihapus, tp supaya lebih aman mending yang di atas 3 hari sudah dihapus juga
5. Website files. Berada pada direktori /usr1/spf/WEB. Hapus semua data dalam sub direktori tr01, tr05, tr10, tv01, tv05 dan tv10.
   

Poin 1 aku pelajari dari orang JAMSTEC (thanks to Mori-san). Poin 2-3 cari sendiri di internet. Poin 4 aku pelajari sendiri setelah baca email dari engineer K-Weather (thanks to Iwao-san). Poin 5 murni hasil ngoprek-ngoprek server Toshiba beberapa hari yang lalu (thanks to myself LOL).

Kesimpulan : Masalah ini awalnya sempat bikin pusing karena aku belum tau penyelesaiannya (poin 2-4) dan respon dari pihak JAMSTEC juga rada lambat. Tapi setelah tau triknya, no problemo ... hehhe ...

ANN - Day #3 - Activation Function

Activation Function (AF) akan menentukan output dari setiap neuron. Ada tiga tipe dasar AF, yaitu :

1. Treshold Function (TF), biasa juga disebut Heaviside function. Keluaran TF akan bernilai 1 bila v >= 0 dan bernilai 0 bila v < 0. v adalah induced local field atau activation potential (istilah gampangnya : keluaran dari adder sebelum masuk ke AF). Kalo diliat lagi, TF ini mirip gerbang logika ya ?
2. Piecewise-Linear Function (PLF). Kalo TF punya dua kemungkinan keluaran, maka PLF punya tiga. Keluaran PLF akan bernilai 1 bila v >= +1/2, bernilai v bila +1/2 > v > -1/2, dan bernilai 0 bila v <= -1/2.
3. Sigmoid Function (SF), merupakan AF yang paling umum digunakan untuk mendesain ANN. Kalo aku ngeliat grafiknya seperti PLF yang diperhalus. Nilai keluarannya berada dalam interval, tidak seperti TF yang cuma punya dua kemungkinan, 0 atau 1. SF juga bisa diturunkan (differentiable), sedangkan TF tidak --> sifat differentiable salah satu fitur penting dalan teori jaringan syaraf.

Nilai AF dari ketiga fungsi di atas didefinisikan dalam interval 0 sampai +1. Terkadang, intervalnya bisa dibuat menjadi antara -1 sampai +1, yaitu pada kasus di mana AF mengasumsikan suatu bentuk asimetrik yang sesuai dengan masukannya --> fungsi ganjil (?).

Hmm .. sebagian pertanyaanku terjawab, walaupun nggak sepenuhnya ngerti. Misal, kenapa justru AF yang keluarannya banyak lebih bagus dibandingkan yang cuma punya dua keluaran ? Apakah karena probabilitas outputnya yang bertambah ? Terus kenapa katanya AF yang bisa menghasilkan keluaran negatif memiliki keuntungan dalam hal analisis ??

Question ... question ... question ....    

Cara Update Status Facebook via Blackberry (Bohongan)

Blackberry ...

Bagi yang belum pernah dengar nama gadget yang satu ini, siap-siaplah dicap gaptek oleh teman-teman anda. Saat ini, blackberry alias BB seakan-akan sudah jadi simbol kemapanan dan gaya hidup, khususnya bagi warga ibukota. Kalo naik kereta atau busway contohnya. Tidak jarang, orang-orang dalam radius 5 meter dari saya sudah menggenggam piranti mobile ini di tangannya, entah itu untuk berkirim pesan, telepon atau sekedar update status Facebook. Buat yg merasa belum punya BB wajarlah merasa minder, soalnya entah kenapa, kok kayaknya kalo sudah pegang BB di tangan, senyum orang-orang tadi beda dengan biasanya ya ??? Heheheh ... biasalah, isu kesenjangan sosial memang sudah bukan barang aneh di republik Indonesia yang kita cintai ini ... :D

Di Facebook pun demikian. Coba saja liat orang-orang yang update status via BB. Kalo anda perhatikan di bagian bawah status sudah ada lambang totol-totol bertuliskan "via Facebook for Blackberry" kesannya gimana gitu. Tidak jarang, status yang diupdate via BB ini lebih banyak dikomentarin dibandingkan dengan status yang diupdate "via MobileWeb". Rasanya tidak adil memang, tapi begitulah cermin manusia Indonesia yang memang masih didominasi oleh kaum materialistis, yang sering menilai seseorang hanya dari status sosial dan materi yang dimilikinya.

Kalo saya pribadi sih nggak terlalu peduli dicap gaptek, udik atau miskin karena nggak punya BB. Saya sudah terbiasa membeli barang yang benar-benar dibutuhkan saja. Kalo mau beli BB sih bisa aja, tapi ya buat apa juga ? Toh semua kebutuhan sehari-hari untuk komunikasi, kerja dan lain-lain sudah terpenuhi dengan HP butut ini. Umurnya memang sudah 3 tahun lebih, warnanya sudah banyak memudar dan kadang-kadang hang, tapi HP butut ini benar-benar banyak jasanya. Mulai dari telepon, SMS, internetan, organizer, mp3 player, catatan, alarm, kamera sampai untuk merekam video sudah tersedia. Di waktu senang HP ini ada di genggaman saya, di waktu susah pun dia ada di sisi saya, jadi sudah malas ganti dengan yang baru ... kecuali kalo memang sudah rusak total.

Okay ... back to topic. Bagi yang biasa update status FB tapi belum punya BB, janganlah berkecil hati. Ternyata masih ada orang-orang kreatif di luar sana yang memikirkan perasaan anda (dan saya pastinya LOL). Intinya, kita bisa mengupdate status FB status via BB hanya dengan bermodal PC atau HP biasa. Buat yang biasa main ke kaskus.us mungkin sudah tau trik ini karena memang pertama kali dipopulerkan olah member-member forum tersebut.

Saya sudah coba dan memang berhasil, teman-teman saya sampai terperdaya, bahkan ada yang dengan senang hati mengirimkan PIN BB-nya ke saya. Kalo anda tertarik, silahkan coba.

1. Buka alamat web berikut : http://statusvia.web.id/
2. Anda akan diberi beberapa pilihan update status. Pilih gadget yang anda inginkan. Misalnya Blackberry atau iPhone. Kalo mau iseng, coba pilih update status via Dukun, Telepon Umum atau Setan :D
   
3. Anda akan diminta melakukan otorisasi ke facebook untuk menggunakan aplikasi ini. Buka saja link pada tab lain (di browser yang sama).
   
4. Kalo sudah otorisasi, silakan tulis status yang diinginkan pada field yang disediakan. Lalu klik "Update Status" ... dan liat sendiri hasilnya di FB.

Kalo anda ingin tahu lebih informasi tentang aplikasi ini silakan akses : http://www.facebook.com/statusvia

Selamat mencoba BB jadi-jadiannya ... LOL

Catatan :

Satu pesan saya, buat yg memang ga punya BB. Walaupun seolah-olah update statusnya via BB, dan teman-teman menyanjung anda, tetap aja ... anda nggak punya BB. Kalo terus-terusan pake aplikasi ini, anda bukan hanya BERBOHONG pada orang lain, tapi anda juga MEMBODOHI diri anda sendiri. Tapi itu terserah anda sih .. use it at your own risk ... :D

ANN - Day #2 - Reawakening

Yeah ... akhirnya bisa nulis topik riset lg di blog. ANN Day #2 starts here ...

Coba kita liat dulu kapan terakhir kali posting ... 24 Februari 2010 !! Hahahah ... ya ya ya, please blame FB, Plurk and Twitter for that ... LOL.

Seperti perkiraan sebelumnya, mencari orang yg bisa diajak diskusi soal ANN memang nggak gampang. Dari dua professor yang sudah dihubungi, nggak ada satupun yang ngasih balasan. Ikutan milis pun nggak sepenuhnya membantu. Jadi, dalam dua bulan ini progressnya 0% ... kalo tulisan ini diperhitungkan juga, bolehlah ada kemajuan 1% . Hidup otodidak !! LOL

Back to topic. Berikut catatan penting yg kudapat hari ini.

------------

Neuron --> Sel Saraf (Nerve cell)

Soma --> Badan dari Neuron

Synapse --> Media penghubung antar Neuron, merupakan ujung Axon/Dendrite

Axon --> Jalur transmisi dari Neuron, biasanya berupa jalur tunggal atau jalur dengan sedikit cabang, Axon terhubung dengan Synapse

Dendrite -->  Jalur transmisi dari Neuron seperti halnya Axon, tp cabangnya lebih banyak dan memiliki segmen penerima input dr synapse

special notes : beuh ... istilah alien semua, harus ngerti dulu prinsip kerjanya masing-masing ...

-----------

Model Neuron mengandung tiga komponen utama :

1. Synapses/Connecting links --> jalan masuk sinyal/input, dikarakterkan dengan berat (weight) atau kekuatannya (strength), biasa dinotasikan dengan X. Misal Xj, artnya Input ke-j. Input yg masuk ke synapse dr Neuron k akan dikalikan dengan beratnya, dan dinotasikan dengan Wkj. Informasi neuron (k) harus dituliskan lebih dulu drpd masukan (j). Operasi yg ada bagian ini adalah perkalian (multiplication) --> XjWkj
   
2. Adder -->  penjumlahan seluruh synapse yg ada pada neuron, operasi yg ada di sini adalah sigma/penjumlahan --> linear combiner
   
3. Activation Function --> membatasi amplitudo dari hasil penjumlahan keluaran synapses dalam nilai terhingga. Nggak begitu ngerti maksudnya, tp kayaknya prinsipnya sama dengan conditional/if clause di programming. Keluaran dari Neuron berada dalam interval tertutup [0,1] atau [-1,1]
   
4. Bias --> Ini jg kurang begitu ngerti. Kayaknya pengaruh lain dr luar, biasanya dinotasikan dengan bk, sebagai Synapse dengan input X0 dengan berat Wk0. Bias akan mempengaruhi nilai keluaran Adder sebelum masuk ke Activation function. 

Pertanyaan :

1. Kenapa interval keluaran harus [0,1] atau [-1,1] ? Kenapa nggak [-1,0] atau yg lainnya ?
2. Kenapa bias nilainya +1 ?

Pusing .... LOL