Manajemen data telematika merupakan data Kritis yang memerlukan tempat penyimpanan yang aman, back up dan recovery. Telematika membantu pelanggan memenuhi tantangan yang berkembang mencakup kasus kehilangan data dan ketersediaan aplikasi. Para ahli menggunakan campuran alat atau tools yang tepat termasuk konsolidasi penyimpanan dengan SAN, NAS, Pengarsipan, Disaster Recovery dan Virtualisasi. Telematika membantu pelanggan memenuhi tantangan bisnis ini dengan lengkap dan solusi yang ditargetkan. Dipastikan informasi bisnis tersedia dan aman dengan menawarkan manajemen data yang komprehensif yang menggabungkan perangkat keras, perangkat lunak dan jasa.
Data adalah aset yang paling berharga. Telematika membantu Anda menyadari kembali dari aset tersebut dengan mengintegrasikan campuran yang tepat alat dan keterampilan. Kami membantu pelanggan merancang, membangun dan mengelola data cerdas, fleksibel dan aman infrastruktur. Peningkatan ketergantungan pada aplikasi TI yang dihasilkan dari konversi 'proses manual' untuk TI-aplikasi bisnis telah mengakibatkan proliferasi pusat data. Infrastruktur proliferasi ini digabungkan dengan pertumbuhan data yang telah membuat lingkungan pusat data yang kompleks dan sulit untuk dikelola. Baik manajemen bisnis dan manajemen TI internal dalam organisasi demikian menghadapi tantangan yang sangat nyata untuk menjamin perlindungan dan ketersediaan informasi kebutuhan bisnis.
Telematika menyediakan dukungan bagi pelanggan mereka dengan mempelajari sifat unik dari masing-masing infrastruktur bisnis data, menerapkan solusi yang memenuhi tujuan melindungi data dan meminimalkan gangguan dalam ketersediaan aplikasi bisnis. Sebuah infrastruktur data yang dirancang dengan benar dapat menghindari risiko berpotensi serius dan mengurangi biaya signifikan yang terkait dengan pengelolaan informasi, sedangkan nilai sepenuhnya memanfaatkan untuk keuntungan bisnis.
Sumber : http://www.telematics.ae/_category/data_management
Sabtu, 27 November 2010
Lingkungan Komputansi
Lingkungan komputasi adalah suatu lingkungan di mana sistem komputer digunakan. MATLAB adalah sebuah lingkungan komputasi numerikal dan bahasa pemrograman komputer generasi keempat. Dikembangkan oleh The MathWorks, MATLAB memungkinkan manipulasi matriks, pem-plot-an fungsi dan data, implementasi algoritma, pembuatan antarmuka pengguna, dan peng-antarmuka-an dengan program dalam bahasa lainnya. Meskipun hanya bernuansa numerik, sebuah kotak kakas (toolbox) yang menggunakan mesin simbolik MuPAD, memungkinkan akses terhadap kemampuan aljabar komputer. Sebuah paket tambahan, Simulink, menambahkan simulasi grafis multiranah dan Desain Berdasar-Model untuk sistem terlekat dan dinamik.
Pada tahun 2004, MathWorks mengklaim bahwa MATLAB telah dimanfaatkan oleh lebih dari satu juta pengguna di dunia pendidikan dan industri. MATLAB (yang berarti "matrix laboratory") diciptakan pada akhir tahun 1970-an oleh Cleve Moler, yang kemudian menjadi Ketua Departemen Ilmu Komputer di Universitas New Mexico. Ia merancangnya untuk memberikan akses bagi mahasiswa dalam memakai LINPACK dan EISPACK tanpa harus mempelajari Fortran. Karyanya itu segera menyebar ke universitas-universitas lain dan memperoleh sambutan hangat di kalangan komunitas matematika terapan. Jack Little, seorang insinyur, dipertemukan dengan karyanya tersebut selama kunjungan Moler ke Universitas Stanford pada tahun 1983.
Menyadari potensi komersialnya, ia bergabung dengan Moler dan Steve Bangert. Mereka menulis ulang MATLAB dalam bahasa pemrograman C, kemudian mendirikan The MathWorks pada tahun 1984 untuk melanjutkan pengembangannya. Pustaka yang ditulis ulang tadi kini dikenal dengan nama JACKPAC. Pada tahun 2000, MATLAB ditulis ulang dengan pemakaian sekumpulan pustaka baru untuk manipulasi matriks, LAPACK. MATLAB pertama kali diadopsi oleh insinyur rancangan kontrol (yang juga spesialisasi Little), tapi lalu menyebar secara cepat ke berbagai bidang lain. Kini juga digunakan di bidang pendidikan, khususnya dalam pengajaran aljabar linear dan analisis numerik, serta populer di kalangan ilmuwan yang menekuni bidang pengolahan citra
Sumber : http://id.wikipedia.org/wiki/MATLAB
Pada tahun 2004, MathWorks mengklaim bahwa MATLAB telah dimanfaatkan oleh lebih dari satu juta pengguna di dunia pendidikan dan industri. MATLAB (yang berarti "matrix laboratory") diciptakan pada akhir tahun 1970-an oleh Cleve Moler, yang kemudian menjadi Ketua Departemen Ilmu Komputer di Universitas New Mexico. Ia merancangnya untuk memberikan akses bagi mahasiswa dalam memakai LINPACK dan EISPACK tanpa harus mempelajari Fortran. Karyanya itu segera menyebar ke universitas-universitas lain dan memperoleh sambutan hangat di kalangan komunitas matematika terapan. Jack Little, seorang insinyur, dipertemukan dengan karyanya tersebut selama kunjungan Moler ke Universitas Stanford pada tahun 1983.
Menyadari potensi komersialnya, ia bergabung dengan Moler dan Steve Bangert. Mereka menulis ulang MATLAB dalam bahasa pemrograman C, kemudian mendirikan The MathWorks pada tahun 1984 untuk melanjutkan pengembangannya. Pustaka yang ditulis ulang tadi kini dikenal dengan nama JACKPAC. Pada tahun 2000, MATLAB ditulis ulang dengan pemakaian sekumpulan pustaka baru untuk manipulasi matriks, LAPACK. MATLAB pertama kali diadopsi oleh insinyur rancangan kontrol (yang juga spesialisasi Little), tapi lalu menyebar secara cepat ke berbagai bidang lain. Kini juga digunakan di bidang pendidikan, khususnya dalam pengajaran aljabar linear dan analisis numerik, serta populer di kalangan ilmuwan yang menekuni bidang pengolahan citra
Sumber : http://id.wikipedia.org/wiki/MATLAB
Sistem Context Aware
Komputasi Context-aware mengacu pada kelas umum sistem mobile yang dapat merasakan lingkungan fisik mereka, dan menyesuaikan perilaku mereka. Sistem tersebut merupakan komponen dari suatu komputasi di mana-mana atau lingkungan komputasi meresap. Tiga aspek penting dari konteks adalah:
• di mana Anda berada
• siapa yang dengan Anda
• sumber daya apa yang di dekatnya
Meskipun lokasi adalah kemampuan utama, context aware tidak selalu menangkap hal-hal yang menarik yang bergerak atau berubah. Context aware dalam kontras digunakan lebih umum untuk orang dekatnya, peralatan, pencahayaan, tingkat kebisingan, ketersediaan jaringan, dan bahkan situasi sosial, misalnya, apakah anda dengan keluarga Anda atau teman dari sekolah.
Konsep ini muncul dari penelitian komputasi di mana-mana di Xerox PARC dan tempat lain di awal 1990-an. Istilah 'context aware' pertama kali digunakan oleh Schilit dan Theimer pada tahun 1994 “Diseminasi Informasi Peta Aktif ke Mobile Host” di mana mereka menggambarkan model komputasi di mana pengguna berinteraksi dengan banyak komputer mobile dan stasioner yang berbeda dan mengklasifikasikan sebuah context aware sebagai salah satu yang dapat beradaptasi sesuai dengan lokasi penggunaan, kumpulan orang dekatnya dan benda, serta perubahan pada objek dari waktu ke waktu sepanjang hari. Context aware berasal sebagai istilah dari komputasi atau sebagai komputasi pervasif untuk menangani menghubungkan perubahan dalam lingkungan dengan sistem komputer. Meskipun berasal sebagai istilah ilmu komputer, itu juga telah diterapkan pada teori bisnis dalam hubungannya dengan masalah manajemen proses bisnis.
Context aware dianggap sebagai teknologi yang memungkinkan untuk sistem komputasi. Context aware digunakan untuk merancang antarmuka pengguna yang inovatif, dan sering digunakan sebagai bagian dari komputasi dan dpt dipakai. Hal ini juga mulai dirasakan di internet dengan munculnya mesin pencari hibrida. Schmidt, Beigl & Gellersen mendefinisikan faktor-faktor manusia dan lingkungan fisik sebagai dua aspek penting berkaitan dengan ilmu komputer.
Context aware berkaitan dengan akuisisi konteks (misalnya menggunakan sensor untuk melihat situasi), abstraksi dan pemahaman dari konteks (misalnya yang cocok dengan stimulus sensorik dianggap konteks), dan perilaku aplikasi berbasis pada konteks yang diakui (misalnya memicu tindakan berdasarkan konteks). Sebagai aktivitas user dan lokasi sangat penting untuk banyak aplikasi, context aware telah difokuskan lebih mendalam dalam bidang penelitian kesadaran lokasi dan pengakuan aktivitas.
sumber : http://en.wikipedia.org/wiki/Context_awareness
http://en.wikipedia.org/wiki/Context-aware_pervasive_systems
• di mana Anda berada
• siapa yang dengan Anda
• sumber daya apa yang di dekatnya
Meskipun lokasi adalah kemampuan utama, context aware tidak selalu menangkap hal-hal yang menarik yang bergerak atau berubah. Context aware dalam kontras digunakan lebih umum untuk orang dekatnya, peralatan, pencahayaan, tingkat kebisingan, ketersediaan jaringan, dan bahkan situasi sosial, misalnya, apakah anda dengan keluarga Anda atau teman dari sekolah.
Konsep ini muncul dari penelitian komputasi di mana-mana di Xerox PARC dan tempat lain di awal 1990-an. Istilah 'context aware' pertama kali digunakan oleh Schilit dan Theimer pada tahun 1994 “Diseminasi Informasi Peta Aktif ke Mobile Host” di mana mereka menggambarkan model komputasi di mana pengguna berinteraksi dengan banyak komputer mobile dan stasioner yang berbeda dan mengklasifikasikan sebuah context aware sebagai salah satu yang dapat beradaptasi sesuai dengan lokasi penggunaan, kumpulan orang dekatnya dan benda, serta perubahan pada objek dari waktu ke waktu sepanjang hari. Context aware berasal sebagai istilah dari komputasi atau sebagai komputasi pervasif untuk menangani menghubungkan perubahan dalam lingkungan dengan sistem komputer. Meskipun berasal sebagai istilah ilmu komputer, itu juga telah diterapkan pada teori bisnis dalam hubungannya dengan masalah manajemen proses bisnis.
Context aware dianggap sebagai teknologi yang memungkinkan untuk sistem komputasi. Context aware digunakan untuk merancang antarmuka pengguna yang inovatif, dan sering digunakan sebagai bagian dari komputasi dan dpt dipakai. Hal ini juga mulai dirasakan di internet dengan munculnya mesin pencari hibrida. Schmidt, Beigl & Gellersen mendefinisikan faktor-faktor manusia dan lingkungan fisik sebagai dua aspek penting berkaitan dengan ilmu komputer.
Context aware berkaitan dengan akuisisi konteks (misalnya menggunakan sensor untuk melihat situasi), abstraksi dan pemahaman dari konteks (misalnya yang cocok dengan stimulus sensorik dianggap konteks), dan perilaku aplikasi berbasis pada konteks yang diakui (misalnya memicu tindakan berdasarkan konteks). Sebagai aktivitas user dan lokasi sangat penting untuk banyak aplikasi, context aware telah difokuskan lebih mendalam dalam bidang penelitian kesadaran lokasi dan pengakuan aktivitas.
sumber : http://en.wikipedia.org/wiki/Context_awareness
http://en.wikipedia.org/wiki/Context-aware_pervasive_systems
Kebutuhan Middleware
Istilah middleware digunakan untuk menggambarkan array yang luas dari alat dan data yang membantu aplikasi menggunakan jaringan sumber daya dan pelayanan. Beberapa alat, seperti otentikasi dan direktori, dalam segala kategorisasi. Layanan lain, seperti coscheduling sumber daya jaringan, multicast aman, dan percaloan objek dan pesan adalah kepentingan middleware utama masyarakat tertentu, seperti peneliti ilmiah atau sistem bisnis vendor. Middleware telah muncul sebagai tingkat kedua kritis dari perusahaan infrastruktur TI, antara tingkat jaringan dan aplikasi.
Kebutuhan middleware berasal dari peningkatan pertumbuhan jumlah aplikasi, dalam penyesuaian dalam aplikasi tersebut, dan dalam jumlah lokasi di lingkungan kita. Faktor lainnya sekarang mengharuskan satu set data inti dan jasa dipindahkan dari beberapa contoh mereka menjadi korban institusional terpusat. Ketentuan ini memudahkan pengembangan aplikasi, meningkatkan ketahanan, membantu pengelolaan data, dan menyediakan efisiensi operasional secara keseluruhan. Ada beberapa driver dalam middleware.
Advanced lingkungan komputasi ilmiah menempatkan persyaratan pada peneliti kampus untuk layanan middleware seperti otentikasi dan direktori. Perpustakaan proyek-proyek seperti proyek / sertifikat UCOP Columbia akan memperluas seluruh komunitas pendidikan tinggi yang lebih luas. Pemerintah Federal sedang mempersiapkan persyaratan untuk tanda tangan digital untuk bentuk pinjaman mahasiswa. Versi baru perangkat lunak, seperti Windows 2000, datang dengan alat-alat untuk membangun ad hoc komponen middleware.
Banyak perusahaan dan komunitas lain yang menarik yang datang untuk memahami pentingnya middleware untuk misi mereka, dan melanjutkan pembangunan. Pendidikan tinggi menghadapi masalah teknis dan kebijakan unik dalam penyebarannya. masalah teknis termasuk mobilitas siswa, keragaman peralatan, dan persyaratan aplikasi canggih. Kebijakan isu termasuk kepemilikan data, FERPA dan catatan umum lainnya, masalah dan hubungan kolaboratif. Bersama ini pertimbangan membuat middleware dalam penyebaran pendidikan tinggi secara signifikan lebih keras dari penyebaran di luar itu. Seperti layanan jaringan di kampus, ada kebutuhan untuk infrastruktur yang konsisten di kampus yang terbaik ditetapkan secara terpusat. Pada saat yang sama, banyak bagian isi infrastruktur ini yanbg dipertahankan oleh individu sendiri, dan oleh departemen mereka. Caranya adalah dengan membuat layanan pusat terkoordinasi yang menyediakan alat dan kewenangan pengelolaan yang didistribusikan.
Sumber : http://middleware.internet2.edu/overview/middleware-faq.html
Kebutuhan middleware berasal dari peningkatan pertumbuhan jumlah aplikasi, dalam penyesuaian dalam aplikasi tersebut, dan dalam jumlah lokasi di lingkungan kita. Faktor lainnya sekarang mengharuskan satu set data inti dan jasa dipindahkan dari beberapa contoh mereka menjadi korban institusional terpusat. Ketentuan ini memudahkan pengembangan aplikasi, meningkatkan ketahanan, membantu pengelolaan data, dan menyediakan efisiensi operasional secara keseluruhan. Ada beberapa driver dalam middleware.
Advanced lingkungan komputasi ilmiah menempatkan persyaratan pada peneliti kampus untuk layanan middleware seperti otentikasi dan direktori. Perpustakaan proyek-proyek seperti proyek / sertifikat UCOP Columbia akan memperluas seluruh komunitas pendidikan tinggi yang lebih luas. Pemerintah Federal sedang mempersiapkan persyaratan untuk tanda tangan digital untuk bentuk pinjaman mahasiswa. Versi baru perangkat lunak, seperti Windows 2000, datang dengan alat-alat untuk membangun ad hoc komponen middleware.
Banyak perusahaan dan komunitas lain yang menarik yang datang untuk memahami pentingnya middleware untuk misi mereka, dan melanjutkan pembangunan. Pendidikan tinggi menghadapi masalah teknis dan kebijakan unik dalam penyebarannya. masalah teknis termasuk mobilitas siswa, keragaman peralatan, dan persyaratan aplikasi canggih. Kebijakan isu termasuk kepemilikan data, FERPA dan catatan umum lainnya, masalah dan hubungan kolaboratif. Bersama ini pertimbangan membuat middleware dalam penyebaran pendidikan tinggi secara signifikan lebih keras dari penyebaran di luar itu. Seperti layanan jaringan di kampus, ada kebutuhan untuk infrastruktur yang konsisten di kampus yang terbaik ditetapkan secara terpusat. Pada saat yang sama, banyak bagian isi infrastruktur ini yanbg dipertahankan oleh individu sendiri, dan oleh departemen mereka. Caranya adalah dengan membuat layanan pusat terkoordinasi yang menyediakan alat dan kewenangan pengelolaan yang didistribusikan.
Sumber : http://middleware.internet2.edu/overview/middleware-faq.html
Sabtu, 13 November 2010
contoh user iterface telematics service
berikut ini adalah contoh user interface sederhana telematics service:
Minggu, 07 November 2010
Apa yang kita dapatkan dari Telematika ?
Telematika merupakan gabungan dari telekomunikasi dan informatika. Berbicara mengenai telekomunikasi, berarti berhungan dengan teknologi dan berhubungan dengan sesuatu yang menjadi tujuan penyampaian dari komunikasi itu sendiri. Telematika pada masa kini sampai dengan masa yang kan datang akan menjadi sesuatu yang tentunya akan berkembang dan terus berkembang. Dengan adanya perguruan-perguruan tinggi yang mempunyai fakultas ilmu computer berarti dibutuhkan pribadi yang sangat bersahabat dengan telematika dan tentunya itu berupa ilmu-ilmu dan iformasi-informasi teknologi yang terus menerus terupdate.
Dengan adanya telematika kita pada umumnya dan saya khususnya sebagai mahasiswi fakultas ilmu computer sungguh sangat-sangat memudahkan untuk memburu unformasi atau mendapatkan hasil dari suatu pemecahan masalah melalui teknologi yang canggih (telematika). Selain itu, karena telematika yang pastinya berhubungan dengan computer, saya menjadi tahu bagaimana proses sesuatu (output) itu didapatkan, disamping telematika sangat memudahkan saya diluar itupun saya mempelajari bagaimana kedepannya nanti peran telematika dimata dunia.
Telematika memang sangat fenomenal pada saat ini, namun dibalik sisi positif dari telematika, ada saja oknum-oknum yang membuat telematika mempunyai sisi negative. Seperti yang sudah-sudah kita ketahui, banyak sekali peristiwa-peristiwa yang terjadi dengan adanya penyalahgunaan telematika. Namun, saya memandang itu sebagai sebuah motivasi agar kita dapat membuat teknologi (telematika) yang lebih canggih lagi untuk menutupi bahkan menghilangkan hal-hal yang negative dari telematika melalui kemudahan-kemudahan yang disediakan oleh sebuah telematika.
Dengan adanya telematika kita pada umumnya dan saya khususnya sebagai mahasiswi fakultas ilmu computer sungguh sangat-sangat memudahkan untuk memburu unformasi atau mendapatkan hasil dari suatu pemecahan masalah melalui teknologi yang canggih (telematika). Selain itu, karena telematika yang pastinya berhubungan dengan computer, saya menjadi tahu bagaimana proses sesuatu (output) itu didapatkan, disamping telematika sangat memudahkan saya diluar itupun saya mempelajari bagaimana kedepannya nanti peran telematika dimata dunia.
Telematika memang sangat fenomenal pada saat ini, namun dibalik sisi positif dari telematika, ada saja oknum-oknum yang membuat telematika mempunyai sisi negative. Seperti yang sudah-sudah kita ketahui, banyak sekali peristiwa-peristiwa yang terjadi dengan adanya penyalahgunaan telematika. Namun, saya memandang itu sebagai sebuah motivasi agar kita dapat membuat teknologi (telematika) yang lebih canggih lagi untuk menutupi bahkan menghilangkan hal-hal yang negative dari telematika melalui kemudahan-kemudahan yang disediakan oleh sebuah telematika.
Perbedaan perkembangan Telematika di Indonesia dengan di luar
Perkembangan telematika di Indonesia melalui beberapa tahap. Berikut ini akan dijelaskan bagiamana tahap-tahap perkembangan telematika di Indonesia. Ragam bentuk telematika yangdijelaskan disini, tidak terlepas dari perkembangannya di masa lalu. Untuk di Indonesia sendiri, perkembangan telematika mengalami tiga periode berdasarkan fenomena yang terjadi di masyarakat. Pertama adalah periode rintisan yang berlangsung akhir tahun 1970-an sampai dengan akhir tahun 1980-an. Periode kedua disebut pengenalan, rentang wktunya adalah tahun 1990-an, dan yang terakhir adalah periode aplikasi. Periode ketiga ini dimulai tahun 2000.
a. Periode Rintisan
Pada periode rintisan telematika ini merupakan masa dimana beberapa orang Indonesia belajar menggunakan telematika, atau minimal mengetahuinya. Tahun 1980-an, teleconference terjadwal hampir sebulan sekali di TVRI (Televisi Republik Indonesia) yang menyajikan dialog interaktif antara Presiden Suharto di Jakarta dengan para petani di luar jakarta, bahkan di luar pulau Jawa. Pada pihak akademisi dan praktisi praktisi IT (Information and Technology).
b. Periode Pengenalan
Periode perkenalan berlangsung hamper 1 dasawarsa atau sekitar 10 tahun. Periode satu dasawarsa ini, tahun 1990-an, teknologi telematika sudah banyak digunakan dan masyarakat mengenalnya. Jaringan radio amatir yang jangkauannya sampai ke luar negeri marak pada awal tahun 1990. Teknologi telematika, seperti computer, internet, pager, handphone, teleconference, siaran radio dan televise internasional - tv kabel Indonesia, mulai dikenal oleh masyarakat Indonesia.
c. Periode Aplikasi
Awal era millennium inilah, pemerintah Indonesia serius menaggapi perkembangan telematika dalam bentuk keputusan politik. Kebijakan pengembangan yang sifatnya formal "top-down" direalisasikan dengan dikeluarkannya Keputusan Presiden No. 50 Tahun 2000 tentang Tim Koordinasi Telematika Indonesia (TKTI), dan Instruksi Presiden No. 6 Tahun 2001 tentang Pendayagunaan Telematika. Selanjutnya, teknologi mobile phone begitu cepat pertumbuhannya. Bukan hanya dimiliki oleh hamper seluruh lapisan masyarakat Indonesia, fungsi yang ditawarkan terbilang canggih. Muatannya antara 1 Gigabyte, dapat berkoneksi dengan internet juga stasiun televise, dan teleconference melalui 3G. Teknologi computer demikian, kini hadir dengan skala tera (1000 Gigabyte), multi processor, multislot memory, dan jaringan internet berfasilitas wireless access point
Menanggapi apa yang sudah dijelaskan diatas apabila dilhat dari awal rintisan telematika, indonesia sudah mulai mengikuti perkembangan jaman pada masa itu. Walaupun mungkin Indoneisa tidak melopori teknologi informasi dan komunikasi (telematika) tapi Indonesia menandakan bahwa tidak tertinggalnya Indonesia. Seperti apa yan sudah kita lihat sebelumnya, teknologi yang dimulai dr computer bahkan diciptakan oleh orang-orang jenius dan pintar yang berasal dari luar Indonesia. Dan apabila kita membaca sejarah-sejarah tentang teknolgi apapun itu, pasti didalamnya berimbuhkan tokoh-tokoh asing dan istilah-istilah asing.
Berdasarkan tahapan periode tentang Telematika di Indonesia, berarti Indonesia sudah mengikuti ataupun menunjukkan bahwa Indonesia sudah mengikuti kemajuan teknologi. Namun hingga saat ini, perkembangan di Indonesia sudah sangat pesat. Mungkin dikarenakan banyaknya tumbuh warga Indonesia yang melek teknologi ataupun tumbuhnya orang-orang yang sangat ingin memahami telematika, sehingga tidak sedikit warga Indonesia yang bersekolah diluar demi mendapatkan ilmu yang lebih, dan itu berarti telah berkembangnya pemikiran warga Indonesia mengenai kemajuan teknologi.
Walaupun mungkin Indonesia tidak banyak menciptakan teknologi-teknologi sekarang ini yang jauh lebih canggih dan bervariasi seperti yang diciptakan oleh Negara-negara lain, bukan berarti Indonesia dibilang tertinggal. Tetapi, di Indonesia pun mampu membuat atau mengembangkan teknologi yang sudah ada.
Sumber artikel atau penjelasan materi : www.gudangmateri.com/2010/08/perkembangan-telematika-di-indonesia.html
a. Periode Rintisan
Pada periode rintisan telematika ini merupakan masa dimana beberapa orang Indonesia belajar menggunakan telematika, atau minimal mengetahuinya. Tahun 1980-an, teleconference terjadwal hampir sebulan sekali di TVRI (Televisi Republik Indonesia) yang menyajikan dialog interaktif antara Presiden Suharto di Jakarta dengan para petani di luar jakarta, bahkan di luar pulau Jawa. Pada pihak akademisi dan praktisi praktisi IT (Information and Technology).
b. Periode Pengenalan
Periode perkenalan berlangsung hamper 1 dasawarsa atau sekitar 10 tahun. Periode satu dasawarsa ini, tahun 1990-an, teknologi telematika sudah banyak digunakan dan masyarakat mengenalnya. Jaringan radio amatir yang jangkauannya sampai ke luar negeri marak pada awal tahun 1990. Teknologi telematika, seperti computer, internet, pager, handphone, teleconference, siaran radio dan televise internasional - tv kabel Indonesia, mulai dikenal oleh masyarakat Indonesia.
c. Periode Aplikasi
Awal era millennium inilah, pemerintah Indonesia serius menaggapi perkembangan telematika dalam bentuk keputusan politik. Kebijakan pengembangan yang sifatnya formal "top-down" direalisasikan dengan dikeluarkannya Keputusan Presiden No. 50 Tahun 2000 tentang Tim Koordinasi Telematika Indonesia (TKTI), dan Instruksi Presiden No. 6 Tahun 2001 tentang Pendayagunaan Telematika. Selanjutnya, teknologi mobile phone begitu cepat pertumbuhannya. Bukan hanya dimiliki oleh hamper seluruh lapisan masyarakat Indonesia, fungsi yang ditawarkan terbilang canggih. Muatannya antara 1 Gigabyte, dapat berkoneksi dengan internet juga stasiun televise, dan teleconference melalui 3G. Teknologi computer demikian, kini hadir dengan skala tera (1000 Gigabyte), multi processor, multislot memory, dan jaringan internet berfasilitas wireless access point
Menanggapi apa yang sudah dijelaskan diatas apabila dilhat dari awal rintisan telematika, indonesia sudah mulai mengikuti perkembangan jaman pada masa itu. Walaupun mungkin Indoneisa tidak melopori teknologi informasi dan komunikasi (telematika) tapi Indonesia menandakan bahwa tidak tertinggalnya Indonesia. Seperti apa yan sudah kita lihat sebelumnya, teknologi yang dimulai dr computer bahkan diciptakan oleh orang-orang jenius dan pintar yang berasal dari luar Indonesia. Dan apabila kita membaca sejarah-sejarah tentang teknolgi apapun itu, pasti didalamnya berimbuhkan tokoh-tokoh asing dan istilah-istilah asing.
Berdasarkan tahapan periode tentang Telematika di Indonesia, berarti Indonesia sudah mengikuti ataupun menunjukkan bahwa Indonesia sudah mengikuti kemajuan teknologi. Namun hingga saat ini, perkembangan di Indonesia sudah sangat pesat. Mungkin dikarenakan banyaknya tumbuh warga Indonesia yang melek teknologi ataupun tumbuhnya orang-orang yang sangat ingin memahami telematika, sehingga tidak sedikit warga Indonesia yang bersekolah diluar demi mendapatkan ilmu yang lebih, dan itu berarti telah berkembangnya pemikiran warga Indonesia mengenai kemajuan teknologi.
Walaupun mungkin Indonesia tidak banyak menciptakan teknologi-teknologi sekarang ini yang jauh lebih canggih dan bervariasi seperti yang diciptakan oleh Negara-negara lain, bukan berarti Indonesia dibilang tertinggal. Tetapi, di Indonesia pun mampu membuat atau mengembangkan teknologi yang sudah ada.
Sumber artikel atau penjelasan materi : www.gudangmateri.com/2010/08/perkembangan-telematika-di-indonesia.html
Sabtu, 06 November 2010
Computer Vision
Computer Vision
Computer Vision adalah pembangunan Eksplisit, yang berarti deskripsi dari objek fisik dari sebuah gambar. Output dari Computer Vision adalah deskripsi atau interpretasi atau beberapa pengukuran kuantitatif struktur dalam gambar 3D.
Hirarki Computer Vision
Mengapa Computer Vision sering dibilang sulit ?
A. Gambar yang kacau atau data dengan ketidakpastian
B. Masalah gambar yang rusak atau kacau akan menimbulkan inversi
Bidang Terkait
Computer Vision secara signifikan merupakan overlap atau tumpang tindih dengan bidang-bidang berikut :
A. Pengolahan Citra
Pengolahan citra berfokus pada manipulasi gambar untuk meningkatkan citra kualitas, untuk memulikan citra atau untuk kompresi/dekompresi gambar. Sebagian besar algoritma Computer Vision biasanya mengasumsikan signifikan dari jumlah pengolahan citra yang signifikan dan kemudian akan meningkatkan citra kualitas.
B. Pengenalan Pola
Bidang ini berhubungan dengan berbagai studi teknik seperti : statistic teknik, jaringan saraf, dukungan mesin vector, dll’. Pada pengealan pola terjadi pengenalan atau pengklasifikasian pola yang berbeda. Teknik ini banyak digunakan dalam Computer Vision.
C. Fotogrametri
Fotogrametri berkaitan dengan memperoleh gambar yang akurat dan dapat dipastikan dari ukurannya. Dalam hal ini difokuskan padapengukuran gambar yang akurat. Kamera kalibrasi dan Rekrontruksi 3D merupakan dua bidang yang diminati.
Sumber (http://www.ecse.rpi.edu/~qji/CV/3dvision_intro.pdf)
Computer Vision adalah pembangunan Eksplisit, yang berarti deskripsi dari objek fisik dari sebuah gambar. Output dari Computer Vision adalah deskripsi atau interpretasi atau beberapa pengukuran kuantitatif struktur dalam gambar 3D.
Hirarki Computer Vision
Mengapa Computer Vision sering dibilang sulit ?
A. Gambar yang kacau atau data dengan ketidakpastian
B. Masalah gambar yang rusak atau kacau akan menimbulkan inversi
Bidang Terkait
Computer Vision secara signifikan merupakan overlap atau tumpang tindih dengan bidang-bidang berikut :
A. Pengolahan Citra
Pengolahan citra berfokus pada manipulasi gambar untuk meningkatkan citra kualitas, untuk memulikan citra atau untuk kompresi/dekompresi gambar. Sebagian besar algoritma Computer Vision biasanya mengasumsikan signifikan dari jumlah pengolahan citra yang signifikan dan kemudian akan meningkatkan citra kualitas.
B. Pengenalan Pola
Bidang ini berhubungan dengan berbagai studi teknik seperti : statistic teknik, jaringan saraf, dukungan mesin vector, dll’. Pada pengealan pola terjadi pengenalan atau pengklasifikasian pola yang berbeda. Teknik ini banyak digunakan dalam Computer Vision.
C. Fotogrametri
Fotogrametri berkaitan dengan memperoleh gambar yang akurat dan dapat dipastikan dari ukurannya. Dalam hal ini difokuskan padapengukuran gambar yang akurat. Kamera kalibrasi dan Rekrontruksi 3D merupakan dua bidang yang diminati.
Sumber (http://www.ecse.rpi.edu/~qji/CV/3dvision_intro.pdf)
Audio Data
Audio Data
Audio data datang dalam berbagai bentuk yang kadang-kadang membingungkan. Di mana suara yang dating dapat diwakili dengan suara yang cukup kecil. Berbagai jenis file audio adalah fakta bahwa ada beberapa pendekatan untuk mengompresi Audio Data dan sejumlah cara yang berbeda dari kemasan data. Bagaimana data audio sendiri diwakili kemudian dibungkus kedalam file. Orang sering berbicara tentang format audio dengan sembarangan tanpa membedakan antara format data dan format file, tetapi sangat penting untuk menjaga perbedaan ini. Dalam banyak format file dapat berisi tanggal direpresentasikan di lebih dari satu cara dan sebagian besar representasi data dapat dikemas di lebih dari satu format file. Mengatakan bahwa file suara adalah ". Wav" dimana file menjelaskan tentang format data audio. Demikian pula, menjelaskan bahwa file berisi data PCM dan menjelaskan format file juga.
Perwakilan dari sound itu sendiri
Fundamental Aspek Representasi Sound
Suara terdiri dari variasi yang terdengar dalam tekanan udara. Mikrofon mengubah variasi tekanan udara menjadi tegangan yang bervariasi. Untuk mewakili suara digital, harus mengkonversi tegangan yang bervariasi ini menjadi serangkaian angka yang mewakili amplitudonya. Proses ini dikenal sebagai konversi analog-ke-digital. Data Audio terdiri dari angka tersebut dan dikatakan dalam format modulasi kode pulsa, disingkat PCM. Audio data sering disimpan dalam format lain, biasanya dalam rangka untuk mengkompres, namun hampir selalu dimulai dalam format PCM.
Angka-angka yang dihasilkan oleh konverter analog-ke-digital, secara umum, berubah-ubah. Meskipun data tekanan asli memiliki dimensi dynes per sentimeter persegi, hubungan antara nilai-nilai tekanan aktual dan nomor-nomor yang dihasilkan oleh konversi analog-ke-digital ditentukan oleh karakteristik respon mikrofon dan oleh preamplifier di analog-ke -digital converter. Jarang diketahui sifat yang tepat baik mikrofon atau konverter analog-ke-digital. Selanjutnya, menyesuaikan konverter analog-ke-digital, atau preamplifier yang mendahului, untuk memilih tingkat input yang terbaik. Gunakan rentang dinamis sebesar mungkin, sehingga dapat mengambil keuntungan dari detail sinyal yang penuh, sementara pada saat yang sama dipastikan bahwa tidak melampaui batas dari elektronik dan kliping, yang mendistorsi sinyal.
Tekanan udara variasi harus sesuai dengan yang dihasilkan oleh mikrofon, yang terus menerus dalam dua-dimensi. Artinya, nilai-nilai bervariasi terus menerus, dan mereka ada di setiap titik waktu. Namun, sistem digital seperti komputer tidak dapat secara langsung berupa sinyal kontinyu. Sebaliknya, ia harus mengukur sinyal pada himpunan yang terhingga. Ini dikenal sebagai sampling. Furtheremore, harus membuat penggunaan jumlah terbatas tingkat amplitudo diskrit. Ini dikenal sebagai kuantisasi. Jumlah level yang digunakan dikenal sebagai resolusi. Resolusi biasanya dinyatakan dalam bit, yaitu, sebagai logaritma-2 dasar tentang jumlah sebenarnya. Sebuah sistem dengan resolusi 8 bit memanfaatkan 2 ^ 8 = 256 level. Sebuah sistem dengan resolusi 16 bit memanfaatkan 2 ^ 16 = 65.536 level. Tingkat sampling dan resolusi menentukan kualitas representasi digital dari suara. "CD-kualitas" suara memiliki resolusi 16 bit dan tingkat sampling dari 44.100 sampel per detik.
Berikut ini adalah gelombangnya(secara terus menerus) :
Dan ini adalah representasi sampel dan terkuantisasinya gelombang :
Sumber : (http://billposer.org/Linguistics/Computation/LectureNotes/AudioData.html)
Audio data datang dalam berbagai bentuk yang kadang-kadang membingungkan. Di mana suara yang dating dapat diwakili dengan suara yang cukup kecil. Berbagai jenis file audio adalah fakta bahwa ada beberapa pendekatan untuk mengompresi Audio Data dan sejumlah cara yang berbeda dari kemasan data. Bagaimana data audio sendiri diwakili kemudian dibungkus kedalam file. Orang sering berbicara tentang format audio dengan sembarangan tanpa membedakan antara format data dan format file, tetapi sangat penting untuk menjaga perbedaan ini. Dalam banyak format file dapat berisi tanggal direpresentasikan di lebih dari satu cara dan sebagian besar representasi data dapat dikemas di lebih dari satu format file. Mengatakan bahwa file suara adalah ". Wav" dimana file menjelaskan tentang format data audio. Demikian pula, menjelaskan bahwa file berisi data PCM dan menjelaskan format file juga.
Perwakilan dari sound itu sendiri
Fundamental Aspek Representasi Sound
Suara terdiri dari variasi yang terdengar dalam tekanan udara. Mikrofon mengubah variasi tekanan udara menjadi tegangan yang bervariasi. Untuk mewakili suara digital, harus mengkonversi tegangan yang bervariasi ini menjadi serangkaian angka yang mewakili amplitudonya. Proses ini dikenal sebagai konversi analog-ke-digital. Data Audio terdiri dari angka tersebut dan dikatakan dalam format modulasi kode pulsa, disingkat PCM. Audio data sering disimpan dalam format lain, biasanya dalam rangka untuk mengkompres, namun hampir selalu dimulai dalam format PCM.
Angka-angka yang dihasilkan oleh konverter analog-ke-digital, secara umum, berubah-ubah. Meskipun data tekanan asli memiliki dimensi dynes per sentimeter persegi, hubungan antara nilai-nilai tekanan aktual dan nomor-nomor yang dihasilkan oleh konversi analog-ke-digital ditentukan oleh karakteristik respon mikrofon dan oleh preamplifier di analog-ke -digital converter. Jarang diketahui sifat yang tepat baik mikrofon atau konverter analog-ke-digital. Selanjutnya, menyesuaikan konverter analog-ke-digital, atau preamplifier yang mendahului, untuk memilih tingkat input yang terbaik. Gunakan rentang dinamis sebesar mungkin, sehingga dapat mengambil keuntungan dari detail sinyal yang penuh, sementara pada saat yang sama dipastikan bahwa tidak melampaui batas dari elektronik dan kliping, yang mendistorsi sinyal.
Tekanan udara variasi harus sesuai dengan yang dihasilkan oleh mikrofon, yang terus menerus dalam dua-dimensi. Artinya, nilai-nilai bervariasi terus menerus, dan mereka ada di setiap titik waktu. Namun, sistem digital seperti komputer tidak dapat secara langsung berupa sinyal kontinyu. Sebaliknya, ia harus mengukur sinyal pada himpunan yang terhingga. Ini dikenal sebagai sampling. Furtheremore, harus membuat penggunaan jumlah terbatas tingkat amplitudo diskrit. Ini dikenal sebagai kuantisasi. Jumlah level yang digunakan dikenal sebagai resolusi. Resolusi biasanya dinyatakan dalam bit, yaitu, sebagai logaritma-2 dasar tentang jumlah sebenarnya. Sebuah sistem dengan resolusi 8 bit memanfaatkan 2 ^ 8 = 256 level. Sebuah sistem dengan resolusi 16 bit memanfaatkan 2 ^ 16 = 65.536 level. Tingkat sampling dan resolusi menentukan kualitas representasi digital dari suara. "CD-kualitas" suara memiliki resolusi 16 bit dan tingkat sampling dari 44.100 sampel per detik.
Berikut ini adalah gelombangnya(secara terus menerus) :
Dan ini adalah representasi sampel dan terkuantisasinya gelombang :
Sumber : (http://billposer.org/Linguistics/Computation/LectureNotes/AudioData.html)
Speech Recognition
Speech Recognition adalah proses konversi sinyal akustik, ditangkap oleh mikrofon atau telepon, untuk satu set kata-kata. Kata-kata yang ditangkap dapat menjadi hasil akhir, seperti untuk aplikasi perintah & kontrol, entri data, dan persiapan dokumen. Mereka juga dapat berfungsi sebagai masukan untuk proses linguistik lebih lanjut dalam mencapai pemahaman pidato, subjek tertutup di bagian. Sistem speech recognition dapat dicirikan dengan banyak parameter. Pidato terisolasi-kata sistem pengenalan mengharuskan jeda sebentar pembicara antara kata-kata, sedangkan sistem pengenalan ucapan berkelanjutan tidak. Spontan, atau extemporaneously dihasilkan, pidato berisi disfluencies, dan jauh lebih sulit untuk mengenali dari pidato membaca dari naskah. Beberapa sistem membutuhkan partisipasi speaker, pengguna harus memberikan contoh pidato nya sebelum menggunakanya, padahal sistem lain dikatakan menjadi pembicara-independen. Beberapa parameter lain tergantung pada tugas tertentu. Pengakuan umumnya lebih sulit ketika kosakata yang besar atau memiliki banyak kata yang terdengar serupa. Saat pidato diproduksi di urutan kata-kata, model bahasa atau tata bahasa buatan yang digunakan untuk membatasi kombinasi kata-kata.
Model bahasa sederhana dapat dispesifikasikan sebagai jaringan terbatas, di mana kata-kata diperbolehkan setiap kata yang diberikan secara eksplisit. Model bahasa yang lebih umum kurang lebih bahasa alami ditentukan dalam hal tata bahasa konteks-sensitif.
Salah satu kesulitanya, menggabungkan ukuran kosakata dan model bahasa yang didefinisikan sebagai rata-rata geometris dari jumlah kata yang dapat mengikuti kata setelah model bahasa telah diterapkan. Akhirnya, ada beberapa parameter eksternal yang dapat mempengaruhi kinerja Sistem pengenalan ucapan, termasuk karakteristik kebisingan lingkungan penempatan mikrofon.
Speech Recognition adalah masalah sulit, terutama karena banyak sumber variabilitas yang berhubungan dengan sinyal. Pertama, realisasi akustik fonem, satuan terkecil suara kata-kata yang tersusun, sangat tergantung pada konteks di mana mereka muncul. Kedua, keragaman akustik dapat disebabkan oleh perubahan lingkungan serta dalam posisi dan karakteristik transduser. Ketiga, keragaman dalam speaker dari perubahan dipembicara fisik dan emosional, kecepatan berbicara, atau kualitas suara. Akhirnya, perbedaan latar belakang sosiolinguistik, dialek, dan ukuran saluran vokal dan bentuk dapat berkontribusi pada keragaman di-speaker.
Sinyal digital pidato pertama-tama berubah menjadi seperangkat pengukuran yang berguna atau fitur pada tingkat tetap, biasanya setiap 10 - 20 msec. Pengukuran ini kemudian digunakan untuk mencari kandidat kata yang paling mungkin, memanfaatkan kendala yang dikenakan oleh model akustik, leksikal, dan bahasa. Sepanjang proses ini, data digunakan untuk menentukan nilai dari parameter model.
Sistem speech recognition mencoba model sumber variabilitas yang telah dijelaskan dalam beberapa cara. Pada tingkat representasi sinyal, peneliti telah mengembangkan representasi yang menekankan perseptual fitur speaker-independen penting dari sinyal dan menekankan speaker-karakteristik [Her90]. Pada tingkat fonetik akustik, variabilitas pembicara biasanya dimodelkan menggunakan teknik statistik digunakan untuk data dalam jumlah besar. Algoritma adaptasi Speaker juga telah dikembangkan model akustik speaker-independen. Pengaruh konteks linguistik pada tingkat fonetik akustik biasanya ditangani dengan pelatihan model terpisah untuk fonem dalam konteks yang berbeda, ini adalah konteks pemodelan yang disebut akustik tergantung.
Word variabilitas tingkat dapat ditangani dengan memungkinkan pengucapan alternatif kata dalam representasi dikenal sebagai jaringan pengucapan. Alternatif pengucapan kata-kata umum, serta efek dari dialek dan aksen ditangani dengan memungkinkan algoritma pencarian untuk mencari jalan alternatif dari fonem melalui jaringan ini. model bahasa statistik, berdasarkan perkiraan frekuensi terjadinya urutan kata, sering digunakan untuk panduan pencarian melalui urutan paling mungkin kata-kata.
Pengakuan paradigma dominan dalam lima belas tahun terakhir ini dikenal sebagai model Markov tersembunyi (HMM). Sebuah HMM adalah model stokastik ganda, di mana generasi dari string fonem yang mendasari dan frame-by frame, permukaan realisasi akustik keduanya diwakili probalistik sebagai proses Markov. Sebuah fitur yang menarik dari sistem HMM berbasis frame adalah segmen pidato yang diidentifikasi selama proses pencarian, bukan secara eksplisit. Sebuah pendekatan alternatif untuk mengidentifikasi segmen pidato, maka mengklasifikasikan segmen dan menggunakan skor segmen mengenali kata-kata. Pendekatan ini telah menghasilkan kinerja pengakuan kompetitif dalam beberapa tugas [ZGPS90, FBC95].
Sumber : http://cslu.cse.ogi.edu/HLTsurvey/ch1node4.html
Model bahasa sederhana dapat dispesifikasikan sebagai jaringan terbatas, di mana kata-kata diperbolehkan setiap kata yang diberikan secara eksplisit. Model bahasa yang lebih umum kurang lebih bahasa alami ditentukan dalam hal tata bahasa konteks-sensitif.
Salah satu kesulitanya, menggabungkan ukuran kosakata dan model bahasa yang didefinisikan sebagai rata-rata geometris dari jumlah kata yang dapat mengikuti kata setelah model bahasa telah diterapkan. Akhirnya, ada beberapa parameter eksternal yang dapat mempengaruhi kinerja Sistem pengenalan ucapan, termasuk karakteristik kebisingan lingkungan penempatan mikrofon.
Speech Recognition adalah masalah sulit, terutama karena banyak sumber variabilitas yang berhubungan dengan sinyal. Pertama, realisasi akustik fonem, satuan terkecil suara kata-kata yang tersusun, sangat tergantung pada konteks di mana mereka muncul. Kedua, keragaman akustik dapat disebabkan oleh perubahan lingkungan serta dalam posisi dan karakteristik transduser. Ketiga, keragaman dalam speaker dari perubahan dipembicara fisik dan emosional, kecepatan berbicara, atau kualitas suara. Akhirnya, perbedaan latar belakang sosiolinguistik, dialek, dan ukuran saluran vokal dan bentuk dapat berkontribusi pada keragaman di-speaker.
Sinyal digital pidato pertama-tama berubah menjadi seperangkat pengukuran yang berguna atau fitur pada tingkat tetap, biasanya setiap 10 - 20 msec. Pengukuran ini kemudian digunakan untuk mencari kandidat kata yang paling mungkin, memanfaatkan kendala yang dikenakan oleh model akustik, leksikal, dan bahasa. Sepanjang proses ini, data digunakan untuk menentukan nilai dari parameter model.
Sistem speech recognition mencoba model sumber variabilitas yang telah dijelaskan dalam beberapa cara. Pada tingkat representasi sinyal, peneliti telah mengembangkan representasi yang menekankan perseptual fitur speaker-independen penting dari sinyal dan menekankan speaker-karakteristik [Her90]. Pada tingkat fonetik akustik, variabilitas pembicara biasanya dimodelkan menggunakan teknik statistik digunakan untuk data dalam jumlah besar. Algoritma adaptasi Speaker juga telah dikembangkan model akustik speaker-independen. Pengaruh konteks linguistik pada tingkat fonetik akustik biasanya ditangani dengan pelatihan model terpisah untuk fonem dalam konteks yang berbeda, ini adalah konteks pemodelan yang disebut akustik tergantung.
Word variabilitas tingkat dapat ditangani dengan memungkinkan pengucapan alternatif kata dalam representasi dikenal sebagai jaringan pengucapan. Alternatif pengucapan kata-kata umum, serta efek dari dialek dan aksen ditangani dengan memungkinkan algoritma pencarian untuk mencari jalan alternatif dari fonem melalui jaringan ini. model bahasa statistik, berdasarkan perkiraan frekuensi terjadinya urutan kata, sering digunakan untuk panduan pencarian melalui urutan paling mungkin kata-kata.
Pengakuan paradigma dominan dalam lima belas tahun terakhir ini dikenal sebagai model Markov tersembunyi (HMM). Sebuah HMM adalah model stokastik ganda, di mana generasi dari string fonem yang mendasari dan frame-by frame, permukaan realisasi akustik keduanya diwakili probalistik sebagai proses Markov. Sebuah fitur yang menarik dari sistem HMM berbasis frame adalah segmen pidato yang diidentifikasi selama proses pencarian, bukan secara eksplisit. Sebuah pendekatan alternatif untuk mengidentifikasi segmen pidato, maka mengklasifikasikan segmen dan menggunakan skor segmen mengenali kata-kata. Pendekatan ini telah menghasilkan kinerja pengakuan kompetitif dalam beberapa tugas [ZGPS90, FBC95].
Sumber : http://cslu.cse.ogi.edu/HLTsurvey/ch1node4.html
Speech Synthesis
Speech Syntesis adalah proses di mana komunikasi verbal yang direplikasikan melalui perangkat buatan. Sebuah komputer yang mengkonversi text to speech merupakan salah satu jenis synthesizer pidato. Bentuk paling awal Speech Synthesis dilaksanakan melalui mesin yang dirancang untuk berfungsi seperti saluran suara manusia. Mesin berbicara diciptakan oleh Wolfgang von Kempelen pada tahun 1700-an. Dengan perangkat ini, speech(pidato) dihasilkan melalui dapur bawah, buluh bagpipe dan bel klarinet. Dapur bawah ini dirancang untuk bertindak seperti paru-paru, sedangkan glotis (daerah pita suara) diwakili melalui bagpipe (buluh). Bel klarinet menjabat sebagai mulut.
Pengoperasian perangkat benar-benar manual. Tangan kanan dikontrol serangkaian tuas sementara tangan kiri dimanipulasi bel klarinet (mulut). Ada juga pilihan memasukkan 'lubang hidung', untuk menghasilkan suara hidung. Selama kontrol dasar digunakan, mesin menerima aliran udara. aliran udara ini menentukan jenis suara yang akan dihasilkan.
Pada akhir 1800, Joseph Faber menciptakan sebuah mesin berbicara yang dapat menerima input melalui keyboard dan pedal. Mesin juga sangat kreatif. Ketika abad ke-20 tiba, inovasi dalam Speech Synthesis elektronik diperbolehkan untuk mengambil sisi yang berbeda. Walaupun premis meniru alat suara manusia masih sama, mesin awal abad ke-20 bisa menghasilkan suara yang lebih baik karena input lebih tepat. Namun, tidak sampai munculnya komputer yang ber speech synthesis bisa dipakai untuk di luar arena hiburan. Hal ini terutama karena pidato synthesizer dapat disimpan dalam perangkat lunak, bukan mesin yang terpisah. Selain itu, dengan komputer sebagai alat bantu, speech synthesis bisa mengambil bentuk yang berbeda menggunakan suara manusia sebagai sumber utama untuk suara.
Speech synthesis dikenal sebagai concatenative. Proses ini bekerja dengan menghubungkan berbagai rekaman suara manusia. Suara yang dihasilkan jauh lebih alami dan lebih enak didengar oleh telinga. Hal ini berbeda dengan program yang menggunakan sintesis artikulatoris, di mana bicara direplikasi melalui model komputerisasi pada saluran vokal.
speech synthesizer Komersial dapat menggunakan metode concatenative atau artikulatoris, namun keduanya dapat mencapai tujuan yang sama yaitu mampu memberikan orang kesempatan untuk mendengar teks. Hal ini sangat berguna dalam situasi di mana membaca tidak mungkin. Dalam dunia bisnis, situasi tersebut sangat umum, terutama untuk transaksi telepon. Tanpa teks-to-speech (TTS) alternatif, pemilik bisnis harus mengeluarkan uang untuk mempekerjakan tenaga layanan pelanggan bahkan lebih. solusi sintesis menghindari masalah ini, karena semuanya dilakukan oleh komputer, bukan manusia.
speech synthesis juga memainkan peran dalam kehidupan sehari-hari, terutama untuk orang yang tunarungu, kamus dan perangkat lain dapat membuat hal-hal mudah bagi orang yang memiliki kesulitan untuk melihat atau membaca.
Speech Synthesis bahkan dapat memberikan suara pada individu yang tidak dapat berbicara sama sekali. Steven Hawking, seorang ahli fisika terkenal, adalah contohnya. Sejak penyakit Lou Gehrig telah menjadikan dia bisu, Hawking menggunakan synthesizer suara untuk berkomunikasi dengan orang. Ada juga aplikasi TTS yang tersedia untuk membantu membantu orang-orang dengan berbagai kegiatan komputer. Untuk mendapatkan jenis aplikasi, kebanyakan pengguna akan harus membeli perangkat lunak terpisah atau patch download. Opsi yang terakhir ini biasanya gratis, tergantung pada sistem operasi atau program pengolah kata yang digunakan. Namun, jika seseorang memutuskan untuk membeli perangkat lunak terpisah, mereka bisa memiliki akses ke sistem yang lebih tinggi berkualitas. Contoh-contoh spesifik dapat dilihat melalui Alam Reader 7 dan Teks Aloud 2.
Sumber : http://www.wisegeek.com/what-is-speech-synthesis.htm
Pengoperasian perangkat benar-benar manual. Tangan kanan dikontrol serangkaian tuas sementara tangan kiri dimanipulasi bel klarinet (mulut). Ada juga pilihan memasukkan 'lubang hidung', untuk menghasilkan suara hidung. Selama kontrol dasar digunakan, mesin menerima aliran udara. aliran udara ini menentukan jenis suara yang akan dihasilkan.
Pada akhir 1800, Joseph Faber menciptakan sebuah mesin berbicara yang dapat menerima input melalui keyboard dan pedal. Mesin juga sangat kreatif. Ketika abad ke-20 tiba, inovasi dalam Speech Synthesis elektronik diperbolehkan untuk mengambil sisi yang berbeda. Walaupun premis meniru alat suara manusia masih sama, mesin awal abad ke-20 bisa menghasilkan suara yang lebih baik karena input lebih tepat. Namun, tidak sampai munculnya komputer yang ber speech synthesis bisa dipakai untuk di luar arena hiburan. Hal ini terutama karena pidato synthesizer dapat disimpan dalam perangkat lunak, bukan mesin yang terpisah. Selain itu, dengan komputer sebagai alat bantu, speech synthesis bisa mengambil bentuk yang berbeda menggunakan suara manusia sebagai sumber utama untuk suara.
Speech synthesis dikenal sebagai concatenative. Proses ini bekerja dengan menghubungkan berbagai rekaman suara manusia. Suara yang dihasilkan jauh lebih alami dan lebih enak didengar oleh telinga. Hal ini berbeda dengan program yang menggunakan sintesis artikulatoris, di mana bicara direplikasi melalui model komputerisasi pada saluran vokal.
speech synthesizer Komersial dapat menggunakan metode concatenative atau artikulatoris, namun keduanya dapat mencapai tujuan yang sama yaitu mampu memberikan orang kesempatan untuk mendengar teks. Hal ini sangat berguna dalam situasi di mana membaca tidak mungkin. Dalam dunia bisnis, situasi tersebut sangat umum, terutama untuk transaksi telepon. Tanpa teks-to-speech (TTS) alternatif, pemilik bisnis harus mengeluarkan uang untuk mempekerjakan tenaga layanan pelanggan bahkan lebih. solusi sintesis menghindari masalah ini, karena semuanya dilakukan oleh komputer, bukan manusia.
speech synthesis juga memainkan peran dalam kehidupan sehari-hari, terutama untuk orang yang tunarungu, kamus dan perangkat lain dapat membuat hal-hal mudah bagi orang yang memiliki kesulitan untuk melihat atau membaca.
Speech Synthesis bahkan dapat memberikan suara pada individu yang tidak dapat berbicara sama sekali. Steven Hawking, seorang ahli fisika terkenal, adalah contohnya. Sejak penyakit Lou Gehrig telah menjadikan dia bisu, Hawking menggunakan synthesizer suara untuk berkomunikasi dengan orang. Ada juga aplikasi TTS yang tersedia untuk membantu membantu orang-orang dengan berbagai kegiatan komputer. Untuk mendapatkan jenis aplikasi, kebanyakan pengguna akan harus membeli perangkat lunak terpisah atau patch download. Opsi yang terakhir ini biasanya gratis, tergantung pada sistem operasi atau program pengolah kata yang digunakan. Namun, jika seseorang memutuskan untuk membeli perangkat lunak terpisah, mereka bisa memiliki akses ke sistem yang lebih tinggi berkualitas. Contoh-contoh spesifik dapat dilihat melalui Alam Reader 7 dan Teks Aloud 2.
Sumber : http://www.wisegeek.com/what-is-speech-synthesis.htm
Computer Vision
Computer Vision
Computer Vision adalah pembangunan Eksplisit, yang berarti deskripsi dari objek fisik dari sebuah gambar. Output dari Computer Vision adalah deskripsi atau interpretasi atau beberapa pengukuran kuantitatif struktur dalam gambar 3D.
Hirarki Computer Vision
Mengapa Computer Vision sering dibilang sulit ?
A. Gambar yang kacau atau data dengan ketidakpastian
B. Masalah gambar yang rusak atau kacau akan menimbulkan inversi
Bidang Terkait
Computer Vision secara signifikan merupakan overlap atau tumpang tindih dengan bidang-bidang berikut :
A. Pengolahan Citra
Pengolahan citra berfokus pada manipulasi gambar untuk meningkatkan citra kualitas, untuk memulikan citra atau untuk kompresi/dekompresi gambar. Sebagian besar algoritma Computer Vision biasanya mengasumsikan signifikan dari jumlah pengolahan citra yang signifikan dan kemudian akan meningkatkan citra kualitas.
B. Pengenalan Pola
Bidang ini berhubungan dengan berbagai studi teknik seperti : statistic teknik, jaringan saraf, dukungan mesin vector, dll’. Pada pengealan pola terjadi pengenalan atau pengklasifikasian pola yang berbeda. Teknik ini banyak digunakan dalam Computer Vision.
C. Fotogrametri
Fotogrametri berkaitan dengan memperoleh gambar yang akurat dan dapat dipastikan dari ukurannya. Dalam hal ini difokuskan padapengukuran gambar yang akurat. Kamera kalibrasi dan Rekrontruksi 3D merupakan dua bidang yang diminati.
Sumber (http://www.ecse.rpi.edu/~qji/CV/3dvision_intro.pdf)
Computer Vision adalah pembangunan Eksplisit, yang berarti deskripsi dari objek fisik dari sebuah gambar. Output dari Computer Vision adalah deskripsi atau interpretasi atau beberapa pengukuran kuantitatif struktur dalam gambar 3D.
Hirarki Computer Vision
Mengapa Computer Vision sering dibilang sulit ?
A. Gambar yang kacau atau data dengan ketidakpastian
B. Masalah gambar yang rusak atau kacau akan menimbulkan inversi
Bidang Terkait
Computer Vision secara signifikan merupakan overlap atau tumpang tindih dengan bidang-bidang berikut :
A. Pengolahan Citra
Pengolahan citra berfokus pada manipulasi gambar untuk meningkatkan citra kualitas, untuk memulikan citra atau untuk kompresi/dekompresi gambar. Sebagian besar algoritma Computer Vision biasanya mengasumsikan signifikan dari jumlah pengolahan citra yang signifikan dan kemudian akan meningkatkan citra kualitas.
B. Pengenalan Pola
Bidang ini berhubungan dengan berbagai studi teknik seperti : statistic teknik, jaringan saraf, dukungan mesin vector, dll’. Pada pengealan pola terjadi pengenalan atau pengklasifikasian pola yang berbeda. Teknik ini banyak digunakan dalam Computer Vision.
C. Fotogrametri
Fotogrametri berkaitan dengan memperoleh gambar yang akurat dan dapat dipastikan dari ukurannya. Dalam hal ini difokuskan padapengukuran gambar yang akurat. Kamera kalibrasi dan Rekrontruksi 3D merupakan dua bidang yang diminati.
Sumber (http://www.ecse.rpi.edu/~qji/CV/3dvision_intro.pdf)
Langganan:
Komentar (Atom)