The Global Fuzzy C-Means Clustering Algorithm

The fuzzy c-means (FCM) is one of the algorithms for clustering based on optimizing an objective function, being sensitive to initial conditions, the algorithm usually leads to local minimum results. Aiming at above problem, we present the global fuzzy c-means clustering algorithm (GFCM) which is an incremental approach to clustering. It does not depend on any initial conditions and the better clustering results are obtained through a deterministic global search procedure. We also propose the fast global fuzzy c-means clustering algorithm (FGFCM) to improve the converging speed of the global fuzzy c-means clustering algorithm. Experiments show that the global fuzzy c-means clustering algorithm can give us more satisfactory results by escaping from the sensibility to initial value and improving the accuracy of clustering; the fast global fuzzy c-means clustering algorithm improved the converging speed of the global fuzzy c-means clustering algorithm without significantly affecting solution quality.

Download

Selamat datang di IndoBoClub.com

IBC (IndoBoClub) adalah Program bisnis online untuk memberikan peluang baru, cara mudah untuk mendapatkan penghasilan secara online, aman dan berkelanjutan. Solusi bagi mereka yang ingin mendapatkan penghasilan uang dari internet.Karena IndoBoClub menyediakan 2 program bisnis yang mudah dijalankan Yaitu Plan Gratis dan Plan Investasi.


IndoBoClub dibentuk pada tanggal 7 Februari 2013, IndoBoClub (IBC) hadir dengan solusi dan kredibilitas tinggi untuk anda yang ingin menjalankan model investasi aman dan terpercaya.

Dalam waktu beberapa hari dengan Usaha dan Kerja full time di Bisnis ini anda sudah bisa menghasilkan DOLLAR dari internet???

Gak Percaya.............?????

Baca Artikel ini sampai Selesai,Baru bisa percaya. 

IndoBoClub.com Telah membuatnya menjadi mudah menghasilkan Dollar dari Full Internet.

Hanya dengan Bermodalkan Hp / Komputer yang tersambung ke internet anda bisa meraih dollar setiap hari.

Hanya dengan Mengajak orang gabung di link kita, kita dapat komisi $0,01 . itu baru mengajak orang bergabung belum kalo Kita Upgrade. wah mantap bisa menjadi profit harian nih.

Ada Dua Cara kita berbisnis di IndoBoClub.com :

A. ) Cara Yang Pertama Kita daftar Sebagai Member GRATIS , Tugas member Gratis adalah mencari Orang untuk Gabung Di Bisnis Ini secara Gratis.

nah setiap ada yang gabung 1 Orang kita dapat Recehan dollar yaitu $0,01 .

Tapi jangan salah Recehan jika kita Kumpulin Bisa Bejibun.

misal : 1 orang dapat $0,01 jika sehari kita berhasil dapat 100 orang / 50 orang, Tinggal di kalikan donk , 100 orang X $0,01 = $ 1. wah Lumayan  bisa buat makan 1 hari jika untuk saya pribadi..
 sesungguhnya hasil yg akan di dapat jauh lebih besar dari itu , karena komisi referal itu kita tetap di bayar meskipun downline kita yg nyari sampai 10 kedalaman.
*ilustrasi: Jika Anda Mengajak 5 0rang Downline = Anda Mendapatkan $ 0,05
5 Downline tadi Mengajak Masing-masing contohnya 1 0rang saja = Anda JugaMendapatkan $ 0,05 karena 5 downline tadi Mengajak Masing-masing 1 orang , 1 0rang sama dengan $ 0,01 x 5 = $ 0,05.
Kaya mendadak Kita , wow....  

B. ) Cara Yang Kedua daftar sebagai Member UPGRADE ,dengan biaya Upgrade $10 atau senilai 100 Ribu Kita dapat 1000 Kali penayangan Iklan di website indoboclub dan dapat profit harian 2% dari Biaya Upgrade kita ( 2% X $10 = $0,2 / 2000 rupiah),

enaknya di sini Kita dapat penayangan iklan sesuka hati sebanyak 10.000kali, dan dapat profit harian 2%, wow hebat . belum pernah ada sistem seperti ini.

dan hebohnya lagi Iklannya bisa kita Atur sesuka kita, bisa kita iklanin Bisnis Offline kita / Iklanin Bisnis Online lainnya.

Tapi jika kita belum ada Dana Untuk UPGRADE Kita bisa menggunakan Cara pertama Untuk Mengumpulkan Modal, Agar bisa Upgrade.

Kita tidak Usah Terpatok Pada Modal, Tanpa Modal Juga Bisa SUKSES. 

Bisnis Spektakuler.....!!!!

System referral 10 Level

IndoBoClub adalah media promo bisnis online, dana yang kami dapatkan digunakan
untuk biaya managemen dan penghargaan terhadap member yang bergabung di IndoBoClub.
Setiap member yang mensponsori member baru akan mendapatkan bonus referral $0.01.

Bonus IndoBoClub benar-benar dibayar!
Minimal withdrawal $0.02 dan diproses dalam waktu 3 detik

Official Launch: 7-2-2013

GiliSoft File Lock Pro 6.7 Full Serial

GiliSoft File Lock Pro 6.7 Full Serial adalah sebuah software yang digunakan untuk mengunci dan menyembunyikan file, folder, dan drive. GiliSoft File Lock Pro 6.7 Full Serial ini menggunakan sistem enkripsi 256-bit AES (Encryption Standard Diadopsi oleh Pemerintah AS) untuk melindungi file anda.

Screenshot:

Download:

• Download | Installer GiliSoft File Lock Pro 6.7 - (3 MB)
• Download | Serial GiliSoft File Lock Pro 6.7
• password : www.koransoftware.com

BenVista PhotoZoom Pro 5.0.8 Full Serial

BenVista PhotoZoom Pro 5.0.8 Full Serial adalah software photo editor yang dibuat khusus untuk membantu memperbesar (zooming) gambar tapi gambar tidak pecah. Sebenarnya hasil zooming masih terdapat sedikit bekas pecahan tapi software ini membuat halus dan hampir tidak terlihat.

Screenshot:

 

Download:

• Download | Installer BenVista PhotoZoom Pro 5.0.8 - (20 MB)
• Download | Serial BenVista PhotoZoom Pro 5.0.8
• password : www.koransoftware.com

Jurnal Ilmiah Komputer dan Informatika

Algoritma template matching merupakan metode yang sederhana dan banyak digunakan untuk mengenali pola. Kelemahan algoritma ini adalah terbatasnya model yang akan dijadikan template sebagai pembanding pada basis data seperti bentuk, ukuran, dan orientasi. Algoritma feature extraction menjawab masalah model template seperti bentuk, ukuran, dan orientasi yang ada pada algoritma template matching dengan cara memetakan ciri-ciri objek citra yang akan dikenali. Optical character recognition digunakan untuk menerjemahkan karakter pada citra digital menjadi format teks. Penerapannya yang sederhana membuat algoritma template matching banyak digunakan dalam OCR. Kedua algoritma diuji berdasarkan akurasi hasil pengenalan, waktu yang dibutuhkan, kompleksitas, pengembangan, dan proses yang dibutuhkan oleh masing-masing algoritma dalam OCR. Berdasarkan akurasi, pengembangan, dan waktu, algoritma feature extraction lebih unggul dibandingkan algoritma template matching pada OCR. 

download

Introduction to K-Nearest Neighbor (KNN) Algorithm

K Nearest Neighbor (KNN from now on) is one of those algorithms that are very simple to understand but works incredibly well in practice. Also it is surprisingly versatile and its applications range from vision to proteins to computational geometry to graphs and so on . Most people learn the algorithm and do not use it much which is a pity as a clever use of KNN can make things very simple. It also might surprise many to know that KNN is one of the top 10 data mining algorithms. Lets see why this is the case !

In this post, I will talk about KNN and how to apply it in various scenarios. I will focus primarily on classification even though it can also be used in regression). I also will not discuss much about Voronoi diagram or  tessellation.

KNN Introduction

KNN is an non parametric lazy learning algorithm. That is a pretty concise statement. When you say a technique is non parametric , it means that it does not make any assumptions on the underlying data distribution. This is pretty useful , as in the real world , most of the practical data does not obey the typical theoretical assumptions made (eg gaussian mixtures, linearly separable etc) . Non parametric algorithms like KNN come to the rescue here.

It is also a lazy algorithm. What this means is that it does not use the training data points to do any generalization. In other words, there is no explicit training phase or it is very minimal. This means the training phase is pretty fast . Lack of generalization means that KNN keeps all the training data. More exactly, all the training data is needed during the testing phase. (Well this is an exaggeration, but not far from truth). This is in contrast to other techniques like SVM where you can discard all non support vectors without any problem.  Most of the lazy algorithms – especially KNN – makes decision based on the entire training data set (in the best case a subset of them).

The dichotomy is pretty obvious here – There is a non existent or minimal training phase but a costly testing phase. The cost is in terms of both time and memory. More time might be needed as in the worst case, all data points might take point in decision. More memory is needed as we need to store all training data.

Assumptions in KNN

Before using KNN, let us revisit some of the assumptions in KNN.

KNN assumes that the data is in a feature space. More exactly, the data points are in a metric space. The data can be scalars or possibly even multidimensional vectors. Since the points are in feature space, they have a notion of distance – This need not necessarily be Euclidean distance although it is the one commonly used.

Each of the training data consists of a set of vectors and class label associated with each vector. In the simplest case , it will be either + or – (for positive or negative classes). But KNN , can work equally well with arbitrary number of classes.

We are also given a single number "k" . This number decides how many neighbors (where neighbors is defined based on the distance metric) influence the classification. This is usually a odd number if the number of classes is 2. If k=1 , then the algorithm is simply called the nearest neighbor algorithm.

KNN for Density Estimation

Although classification remains the primary application of KNN, we can use it to do density estimation also. Since KNN is non parametric, it can do estimation for arbitrary distributions. The idea is very similar to use of Parzen window . Instead of using hypercube and kernel functions, here we do the estimation as follows – For estimating the density at a point x, place a hypercube centered at x and keep increasing its size till k neighbors are captured. Now estimate the density using the formula,

   

Where n is the total number of V is the volume of the hypercube. Notice that the numerator is essentially a constant and the density is influenced by the volume. The intuition is this : Lets say density at x is very high. Now, we can find k points near x very quickly . These points are also very close to x (by definition of high density). This means the volume of hypercube is small and the resultant density is high. Lets say the density around x is very low. Then the volume of the hypercube needed to encompass k nearest neighbors is large and consequently, the ratio is low.

The volume performs a job similar to the bandwidth parameter in kernel density estimation. In fact , KNN is one of common methods to estimate the bandwidth (eg adaptive mean shift) .

KNN for Classification

Lets see how to use KNN for classification. In this case, we are given some data points for training and also a new unlabelled data for testing. Our aim is to find the class label for the new point. The algorithm has different behavior based on k.

Case 1 : k = 1 or Nearest Neighbor Rule

This is the simplest scenario. Let x be the point to be labeled . Find the point closest to x . Let it be y. Now nearest neighbor rule asks to assign the label of y to x. This seems too simplistic and some times even counter intuitive. If you feel that this procedure will result a huge error , you are right – but there is a catch. This reasoning holds only when the number of data points is not very large.

If the number of data points is very large, then there is a very high chance that label of x and y are same. An example might help – Lets say you have a (potentially) biased coin. You toss it for 1 million time and you have got head 900,000 times. Then most likely your next call will be head. We can use a similar argument here.

Let me try an informal argument here -  Assume all points are in a D dimensional plane . The number of points is reasonably large. This means that the density of the plane at any point is fairly high. In other words , within any subspace there is adequate number of points. Consider a point x in the subspace which also has a lot of neighbors. Now let y be the nearest neighbor. If x and y are sufficiently close, then we can assume that probability that x and y belong to same class is fairly same – Then by decision theory, x and y have the same class.

The book "Pattern Classification" by Duda and Hart has an excellent discussion about this Nearest Neighbor rule. One of their striking results is to obtain a fairly tight error bound to the Nearest Neighbor rule. The bound is

Where is the Bayes error rate, c is the number of classes and P is the error rate of Nearest Neighbor. The result is indeed very striking (atleast to me) because it says that if the number of points is fairly large then the error rate of Nearest Neighbor is less that twice the Bayes error rate. Pretty cool for a simple algorithm like KNN. Do read the book for all the juicy details.

Case 2 : k = K or k-Nearest Neighbor Rule

This is a straightforward extension of 1NN. Basically what we do is that we try to find the k nearest neighbor and do a majority voting. Typically k is odd when the number of classes is 2. Lets say k = 5 and there are 3 instances of C1 and 2 instances of C2. In this case , KNN says that new point has to labeled as C1 as it forms the majority. We follow a similar argument when there are multiple classes.

One of the straight forward extension is not to give 1 vote to all the neighbors. A very common thing to do is weighted kNN where each point has a weight which is typically calculated using its distance. For eg under inverse distance weighting, each point has a weight equal to the inverse of its distance to the point to be classified. This means that neighboring points have a higher vote than the farther points.

It is quite obvious that the accuracy *might* increase when you increase k but the computation cost also increases.

Some Basic Observations

1. If we assume that the points are d-dimensional, then the straight forward implementation of finding k Nearest Neighbor takes O(dn) time.
2. We can think of KNN in two ways  – One way is that KNN tries to estimate the posterior probability of the point to be labeled (and apply bayesian decision theory based on the posterior probability). An alternate way is that KNN calculates the decision surface (either implicitly or explicitly) and then uses it to decide on the class of the new points.
3. There are many possible ways to apply weights for KNN – One popular example is the Shephard’s method.
4. Even though the naive method takes O(dn) time, it is very hard to do better unless we make some other assumptions. There are some efficient data structures like KD-Tree  which can reduce the time complexity but they do it at the cost of increased training time and complexity.
5. In KNN, k is usually chosen as an odd number if the number of classes is 2.
6. Choice of k is very critical – A small value of k means that noise will have a higher influence on the result. A large value make it computationally expensive and kinda defeats the basic philosophy behind KNN (that points that are near might have similar densities or classes ) .A simple approach to select k is set 
7. There are some interesting data structures and algorithms when you apply KNN on graphs – See Euclidean minimum spanning tree and Nearest neighbor graph .

8. There are also some nice techniques like condensing, search tree and partial distance that try to reduce the time taken to find the k nearest neighbor. Duda et al has a discussion of all these techniques.

Applications of KNN

KNN is a versatile algorithm and is used in a huge number of fields. Let us take a look at few uncommon and non trivial applications.

1. Nearest Neighbor based Content Retrieval This is one the fascinating applications of KNN – Basically we can use it in Computer Vision for many cases – You can consider handwriting detection as a rudimentary nearest neighbor problem. The problem becomes more fascinating if the content is a video – given a video find the video closest to the query from the database – Although this looks abstract, it has lot of practical applications – Eg : Consider ASL (American Sign Language)  . Here the communication is done using hand gestures.

So lets say if we want to prepare a dictionary for ASL so that user can query it doing a gesture. Now the problem reduces to find the (possibly k) closest gesture(s) stored in the database and show to user. In its heart it is nothing but a KNN problem. One of the professors from my dept , Vassilis Athitsos , does research in this interesting topic – See Nearest Neighbor Retrieval and Classification for more details.

2. Gene Expression This is another cool area where many a time, KNN performs better than other state of the art techniques . In fact a combination of KNN-SVM is one of the most popular techniques there. This is a huge topic on its own and hence I will refrain from talking much more about it.

3. Protein-Protein interaction and 3D structure prediction
Graph based KNN is used in protein interaction prediction. Similarly KNN is used in structure prediction.

References

There are lot of excellent references for KNN. Probably, the finest is the book "Pattern Classification" by Duda and Hart. Most of the other references are application specific. Computational Geometry has some elegant algorithms for KNN range searching. Bioinformatics and Proteomics also has lot of topical references.

Tutorial Photoshop untuk Pemula

MENGENAL DAN MEMAHAMI AREA KERJA PHOTOSHOP

Jalankan Adobe Photoshop kemudian pilih menu File -> Open. Kemudian pilih buka gambar apa saja. Sebagai contoh di buka gambar zhaow.jpg. (lihat gambar 1.1).

Seringkali letak tool-tool (palette) Adobe Photoshop sudah berubah dimodifikasi oleh pengguna sebelumnya. Untuk mengembalikan letak palette ini gunakan menu Windows -> Workspace -> Reset Palette Location.

Area kerja Adobe Photoshop dapat dilihat pada gambar 1.1, yaitu:
A : Menu Bar, berisi perintah utama untuk membuka file, save, mengubah ukuran
     gambar, filter dan lain-lain.

B : Option, berisi pilihan dari tool yang Anda pilih. Misalnya dipilih kuas/brush,
     maka ukuran /diameter brush ada di sini.

C : Gambar, menampilkan gambar yang sedang dibuat atau diedit.

D : Pallete Well, cara cepat untuk mengakses palet brushes, tool resets dan
     Layer Comps. Juga dapat digunakan untuk meletakkan palet yang sering
     digunakan.

E : Toolbox, berisi tool untuk menyeleksi dan memodifikasi gambar.

F : Palette, berisi jendela-jendela kecil yang di dalamnya terdapat perintah dan
     pilihan untuk dokumen/gambar yang sedang dikerjakan.

Keterangan dan Praktek:

Membuka dokumen dan membuat duplikat dokumen Untuk membuka gambar gunakan menu File -> Open, sedangkan untuk membuat duplikat gambar gunakan menu Image -> Duplicate.

Mengubah ukuran gambar dan kanvas
Jika ukuran gambar diubah, maka gambar akan membesar atau mengecil, lakukan dengan menu Image -> Image Size. Jika ukuran kanvas diubah, maka ukuran gambar tetap, akan ada kertas putih di sekeliling gambar, lakukan dengan menu Image -> Canvas Size.

Mencoba ToolBox

Cobalah tool-tool pada ToolBox, satu persatu akan dibahas pada bab berikutnya. Coba klik kanan pada tool yang memiliki segitiga di bagian kanan bawah untuk memilih tool yang tersembunyi.

Mencerminkan dan Memutar Gambar

Cobalah menu Image -> Rotate Canvas -> Flip Canvas Vertikal, Image -> Rotate Canvas -> Flip Canvas Horisontal. Untuk memutar gambar, pilih menu Image -> Rotate Canvas -> pilih sudut yang dikehendaki.

Undo

Undo digunakan untuk membatalkan perintah terakhir, tekan Alt+Ctrl+Z, atau gunakan pallete history.

Memindahkan gambar ke dokumen lain

Untuk memindahkan gambar gunakan Move Tool.

Save for web

Gunakan menu File -> Save for Web untuk menghasilkan gambar dengan ukuran kecil yang biasa digunakan pada web site.

SELECTION AND TOOL

Menyeleksi Gambar pada Photoshop

Menyeleksi berarti memilih bagian tertentu dari gambar. Dengan seleksi kita dapat mengcopy, mengubah, menggeser, atau menambahkan efek kepada bagian yang terseleksi tanpa mempengaruhi bagian lain.

Ada tiga cara menyeleksi yaitu:

1. Marquee Tool, yaitu menyeleksi dalam bentuk kotak, elips, row, dan kolom
2. Lasso Tool, untuk menyeleksi dalam bentuk bebas, poligonal atau kekontrasan
    gambar (Magnetic Lasso Tool).
3. Magic Wand Tool, untuk menyeleksi berdasarkan persamaan warna.

Tipe seleksi ada dua (dapat dipilih pada Option Bar), yaitu:

1. Normal, memiliki pinggiran yang tajam.
2. Feather, memiliki pinggiran yang halus atau kabur.

Tool-tool Photoshop

Banyak sekali tool-tool yang terdapat pada photoshop dan setiap tool mempunyai fungsi yang berbeda-beda. Untuk mengetahui apa saja tool-tool yang ada pada photoshop, silakan perhatikan gambar di bawah.

Keterangan:

Rectangular Marquee Tool

Gunakan rectangular marquee tool untuk memotong gambar dalam bentuk kotak. Gunakan menu Select -> Transform Selection untuk mengubah seleksi dan menu Select -> Feather untuk mengatur ketajaman pinggiran potongan.

Elliptical Marquee Tool

Digunakan untuk membuat seleksi elips atau lingkaran. Anda dapat menggunakan Select -> Transform Selection (atau klik kanan) untuk mengubah bidang yang mau diseleksi. Gunakan menu Select -> Feather untuk mengatur ketajaman tepi gambar. Gunakan Select -> Inverse untuk membalik seleksi.

Lasso Tool

Seleksi ini digunakan untuk menyeleksi bentuk bebas dengan mouse.

Polygonal Lasso Tool

Polygonal Lasso Tool digunakan untuk menyeleksi gambar yang memiliki tepi garis lurus, misalnya piramida pada gambar 2.5. Jika tombol Alt ditekan maka Polygonal Lasso Tool akan berfungsi seperti Lasso Tool biasa. Contoh gambar hasil seleksi piramida diperkecil dan diletakkan pada sudut kanan bawah.

Magnetic Lasso Tool

Magnetic Lasso Tool penggunaanya cukup mudah, karena dengan tool ini seleksi gambar akan secara otomatis membuat garis seleksi pada gambar yang berwarna kontras.

Magic Wand Tool

Magic wand tool akan menyeleksi gambar yang memiliki warna sama.

Crop Tool

Crop tool digunakan untuk menghilangkan bagian yang tidak diseleksi. Contoh penggunaanya di sini digunakan untuk memperbaiki hasil scan yang miring.

Healing Brush Tool

Healing Brush Tool digunakan untuk memperbaiki gambar pada bagian tertentu. Aktifkan tool ini, kemudian tekan Alt + Klik pada objek pada bagian yang tidak berkeriput, kemudian klik pada bagian yang keriputnya ingin dihilangkan.

Spot Healing Brush Tool

Spot Healing Brush Tool digunakan untuk memperbaiki kerusakan gambar. Di sini Anda tidak perlu menentukan area yang akan digunakan sebagai patokan, karena akan secara otomatis terpilih dari area di sekitarnya. Misalnya digunakan untuk menghilangkan keretakan pada patung seperti pada gambar 2.10.

Tool ini merupakan tool baru pada Adobe Photoshop CS2 yang tidak ada pada versi sebelumnya.

Patch Tool

Patch Tool digunakan untuk memperbaiki gambar. Tool ini dibuat dengan cara membuat selection dengan mouse atau dengan menahan tombol ALT untuk menghasilkan bentuk poligonal. Selanjutnya drag ke daerah yang akan dijadikan patokan perbaikan.

Red Eye Tool

Red Eye Tool digunakan untuk memperbaiki warna merah pada mata.

Clone Stamp Tool

Clone Stamp Tool digunakan untuk membuat duplikat area pada gambar, atau yang disebut cloning. Tekan ALT pada objek yang akan dikloning, kemudian gunakan mouse pada area tempat objek baru mau diletakkan.

Background Eraser Tool

Tool ini digunakan untuk menghapus background yang memiliki kemiripan warna. Misalnya digunakan untuk menghapus background langit pada gambar kupu-kupu.

Magic Eraser Tool

Seperti Background Eraser Tool, tool ini akan menghapus area dengan warna sama, namun efeknya adalah ke seluruh gambar, bukan hanya area yang diklik.

Color Replacement Tool

Color Replacement Tool akan mengubah warna gambar tanpa mengubah bentuk dari gambar tersebut. Tool ini akan secara otomatis hanya mengubah area dengan warna sama menjadi warna lain yang dikehendaki.

Blur, Sharpen, dan Smugde Tool

Blur Tool digunakan untuk mengaburkan area. Misalnya digunakan untuk menghilangkan bintik-bintik pada wajah. Sharpen Tool merupakan kebalikan dari Blur Tool. Dengan Sharpen Tool, gambar akan menjadi lebih tajam. Smugde Tool digunakan untuk mengubah bentuk gambar dengan cara drag mouse.

Dogde, Burn, dan Sponge Tool

Dogde Tool digunakan untuk membuat area menjadi lebih terang. Burn Tool digunakan untuk mempergelap area. Spong Tool digunakan untuk mencerahkan (saturate) atau mengurangi warna (desaturate).

PERMAINAN WARNA PADA PHOTOSHOP

Warna apapun dapat dinyatakan dalam tiga warna dasar (RGB) yaitu merah, hijau, dan biru. Cara menyatakan warna yang lain adalah dengan mode HSL yaitu Hue, Saturation, dan Lightness. Mode lain adalah CMYK (Cyan, Magenta, Yellow, Black).

Pada bab ini akan dibahas mengenai permainan warna, mulai dari mengatur latar belakang gambar, membuat gradient, mengatur brightness & contrast, dan masih banyak lagi tool-tool yang menarik. Pada subbab selanjutnya Anda dapat langsung praktek dengan didampingi instruktur.

Paint Bucket Tool

Paint Bucket Tool digunakan untuk mengganti background yang memiliki warna sama atau mirip. Background dapat diganti dengan pattern.

Gradient Tool

Gradient tool digunakan untuk menghasilkan warna gradasi. Jangan lupa lakukan seleksi terlebih dahulu bagian mana yang akan diisi warna gradasi. Jika tidak, maka seluruh kanvas terisi dengan gradasi.

Brush Tool

Brush Tool digunakan sebagai kuas dalam mengambar dengan mouse. Atur besar kecilnya brush, hardness, opacity, dan flow. Bush Tool dapat juga bekerja pada mode Air Brush.

Brightness/Contrast

Brightness digunakan untuk mengatur kecerahan gambar. Contrast digunakan untuk mengatur ketajaman gambar. Gunakan menu Image -> Adjustment -> Brightness/Contrast.

Level

Level berfungsi mirip dengan Brightness/Contrast namun lebih fleksible karena warna dapat diatur warna gelap, warna menengah, dan warna terang. Level dapat bekerja pada selection atau seluruh kanvas. Gunakan menu Image -> Adjustment -> Level.

Curves

Curves bekerja seperti level, namun Anda mengatur warna RGB dalam bentuk curva. Gunakan menu Image -> Adjustment -> Curves. Curva dapat diatur otomatis, mode RGB atau diatur sendiri-sendiri untuk tiap-tiap warna.

Color Balance

Melalui menu Image -> Adjustment -> Color Balance kita dapat mengatur keseimbangan warna.

Photo Filter

Photo filter digunakan untuk memberikan filter pada gambar. Mirip seperti filter yang diletakkan di depan lensa kamera. Gunakan menu Image -> Adjustment -> Photofilter.

Replace Color

Replace Color digunakan untuk mengganti warna tertentu dalam gambar, sedangkan warna yang lain tidak ikut berubah. Misalnya untuk mengganti warna apel dengan tanpa mengubah warna background. Gunakan menu Image -> Adjusments -> Replace Color.

Hue/Saturation

Hue/Saturation digunakan untuk mengganti warna pada keseluruhan gambar/seleksi. Hue adalah warna, sedangkan Saturation adalah tebal/tipisnya warna. Gunakan tool ini melalui Image -> Adjustment -> Hue/Saturation. Perubahan warna dapat diatur pada chanel master, atau tiap-tiap warna.

Match Color

Match Color akan menyamakan warna gambar source kepada gambar yang akan diubah. Misalnya di sini akan diubah gambar danau3.jpg, menjadi suasana matahati terbit seperti gambar acuan. Gunakan tool ini melalui menu Image -> Adjustment -> Match Color.

TEKS DAN VECTOR PHOTOSHOP

Horisontal Type Tool

Horisontal Type Tool digunakan untuk membuat teks secar horisontal. Hasil teks dapat dipindahkan dengan Move Tool.

Horisontal Type Mask Tool

Horisontal Type Mask Tool digunakan untuk menyeleksi dalam bentuk teks.

Pen Tool

Peen Tool digunakan untuk membuat garis lurus dan garis lengkung dalam bentuk vektor. Klik sekali untuk membuat anchor point, kemudian jika kurva telah terbentuk, drag anchor point untuk membuat direction point. Path yang dibuat oleh Pen Tool dapat diubah menjadi selection.

Rectangle, Ellipse, Poligon, dan Custom Shape Tool

Tool ini berguna untuk menghasilkan bentuk kotak (rectangle), ellips, poligon, dan berbagai macam bentuk lain yang telah disediakan oleh Adobne Photoshop. Bentuk-bentuk tersebut misalnya hati, lampu, not balok, dan lain sebagainya.

LAYER, MASK, AND STYLE

Layer adalah lapisan tembus pandang. Bagian yang tidak bergambar pada sebuah layer bersifat transparan. Layer dapat ditumpuk dan diatur susunannya. Dengan menggunakan layer, efek-efek akan berlaku dalam layer tertentu saja, tanpa mengganggu layer yang lain.

Quick Mask Mode

Quick Mask Mode digunakan untuk menyeleksi dengan menggunakan Brush Tool. Aktifkan tool ini dengan menekan tombol Q pada keyboard atau memilih tool Quick Mask Mode.

Pada contoh ini, gambar beruang di seleksi dengan menggunakan Brush Tool pada mode quick mask. Setelah gambar beruang terseleksi, kembalikan ke mode normal untuk menghasilkan seleksi gambar beruang.

Layer Mask

Layer Mask digunakan untuk menyembunyikan bagian tertentu pada layer. Gunakan warna hitam untuk menyembunyikan gambar dan warna putih untuk menampilkan gambar.

Layer Style

Layer Style merupakan teknik memberikan efek tertentu pada suatu layer. Pilih tool Add Layer Style yang ada pada sudut kanan bawah pallete.

---

EFEK KHUSUS PHOTOSHOP

Filter Liquify

Filter Liquify dapat mengubah gambar secara langsung dengan menggunakan mouse. Misalnya memperbesar/memperkecil mata, menggeser alis, dan sebagainya. Filter ini dapat digunakan melalui menu Filter -> Liquify.

Filter Vanishing Point

Filter Vanishing Point digunakan untuk meng-klone gambar dalam bentuk perspektif. Filter ini dapat digunakan melalui menu Filter -> Vanishing Point. Area sumber kloning ditentukan dengan menekan Alt + Click. Fitur merupakan fitur baru dalam Adobe Photoshop CS2.

Filter Blur

Filter Blur digunakan untuk mengaburkan gambar. Yang menarik dalam filter ini adalah mengaburnya gambar dapat dibuat secara radial. Gunakan filter ini melalui menu Filter -> Blur.

Smadav 2013 Rev. 9.2

Free Download Smadav 2013 Update Revisi Terbaru | Antivirus Lokal Terbaik dan Gratis Full Version. Smadav adalah Antivirus lokal gratis sebagai proteksi tambahan untuk mengatasi virus-virus lokal maupun virus internasional yang menyebar luas di komputer Anda, tidak hanya itu, smadav juga sangat berguna untuk proteksi total USB Flashdisk, dan tentunya untuk pembersihan tuntas virus yang menyebarluas.

Smadav ini memiliki banyak keunggulan dibandingkan dengan Antivirus yang lainnya, yang diantaranya adalah Smadav Kompatibel dengan Antivirus yang lain. Kebanyakan dari sebagian besar antivirus tidak bisa diinstal bersama dengan antivirus yang lainnya, hal itu dikarenakan Antivirus seperti itu memang didesain untuk sebagai proteksi utama komputer Anda. Namun Smadav tidak seperti itu, smadav adalah Antivirus yang didesain sebagai Antivirus untuk proteksi tambahan, sehingga smadav dapat berjalan dengan antivirus yang lain secara bersamaan dengan kompatibel.

Smadav juga akan memproteksi total USB Flashdisk, di karenakan USB Flashdisk merupakan salah satu media penyebaran virus yang paling mudah. Smadav akan melakukan pencegahan total virus yang menyebar via USB Flashdisk, sehingga, saat anda menancapkan USB Flashdisk yang terdapat virus berbahaya didalamnya, Smadav akan mencegah virus tersebut berjalan dikomputer kita, dan Smadav memberitahukan bahwa komputer anda tidak aman. Tidak hanya pencegahan, Smadav juga mampu membersihkan virus yang menginfeksi file kita dan akan mengembalikan file yang disembunyikan virus di USB Flashdisk tersebut.

Smadav juga mampu membersihkan virus yang sudah menginfeksi file di komputer dan memperbaiki registry yang diubah oleh virus tersebut.

Yang saya sukai dari smadav ini adalah Smadav tidak terlalu sering meminta update, sehingga bagi komputer rumahan yang tidak ada koneksi internetnya tidak kesulitan untuk mendapatkan perfoma smadav yang baik.

Biasanya Smadav melakukan update hanya sebulan sekali, hal itu dikarenakan Smadav tidak terlalu bergantung pada signature/database virusnya, namun Smadav lebih bergantung kepada teknik deteksi virusnya. Sehingga bila terdapat program berbahaya yang berjalan dengan gerak-gerik yang mencurigakan, smadav akan langsung menganalisa program jahat tersebut. Sehingga komputer kita akan tetap aman.

Konsep Algoritma Pemrograman

Sebelum belajar algoritma pemrograman, akan lebih baik kita pahami terlebih dahulu langkah-langkah pembuatan suatu program. Terdapat beberapa langkah umum dalam pembuatan suatu program yaitu:

1. Mendefinisikan masalah
2. Mencari solusinya
3. Menentukan algoritma
4. Menulis program
5. Menguji program
6. Mendokumentasikan program
7. Merawat program

Mendefinisikan masalah

Langkah yang pertama dilakukan adalah mendefinisikan permasalahan. langkah ini harus dilakukan untuk menentukan masalah yang ada serta ditentukan pula input dan output program.

Mencari solusi

Kemudian ditentukan solusi dari permasalahan yang dihadapi. Bila untuk mendapatkan solusi harus melalui langkah yang terlalu rumit dapat dilakukan pembagian masalah dalam beberapa modul-modul kecil agar mudah untuk dikerjakan. Lalu modul-modul kecil tersebut digabungkan menjadi satu untuk dapat menentukan solusi.

Menentukan algoritma

Dalam pemilihan algoritma, pemrogram atau analis harus menggunakan algoritma yang sesuai dan efisien untuk masalah yang dihadapi.

Menulis program

Penulisan program bisa dilakukan dengan menggunakan bahasa pemrograman yang dikuasai dan memiliki kompabilitas dengan perangkat keras yang akan menggunakan program tersebut.

Menguji program

Bila program sudah selesai dibuat, pengujian diperlukan untuk mengetahui apakah program yang dibuat sudah layak untuk digunakan.

Mendokumentasikan program

Penulisan dokumentasi yang biasanya dilupakan oleh pemrogram menjadi sangat penting saat akan dilakukan perubahan pada program yang dibuat. penulisan program ini dapat dilakukan dengan menulis komentar pada source code tentang kegunaannya (variabel, parameter, procedur, fungsi).

Merawat program

Program yang sudah selesai dibuat juga perlu dirawat dengan pendeteksian bug yang belum diketahui sebelumnya juga penambahan fasilitas baru yang mempermudah pengguna program.

Dari penjelasan diatas, dapat kita peroleh kesimpulan bahwa pembelajaran algoritma pemrograman adalah bagian dari langkah-langkah pembuatan program. Untuk lebih jelasnya tentang algoritma pemrograman akan diulas sebagai berikut :

Algoritma

Algoritma yaitu kumpulan langkah-langkah / steps untuk menyelesaikan masalah menggunakan komputer (program komputer) dengan syarat tertentu. Adapun syarat-syaratnya adalah sebagai berikut :

1. Setiap langkah harus DEFINITE (pasti, tertentu), dalam algoritma terdapat instruksi-instruksi yang jelas dan tidak ambigu.
2. Minimum mempunyai 1 output (input boleh tidak ada)
3. Harus ada stoping criteria (bisa berhenti).

Algoritma juga mempunyai beberapa jenis yaitu :

1. Sequence, instruksi dikerjakan berurutan (sekuensial).
2. Selection, instruksi dikerjakan bila kreteria tertentu terpenuhi.
3. Iteration, instruksi dikerjakan selama memenuhi kondisi tertentu.
4. Concurrent, mengerjakan banyak instruksi secara bersama.

Contoh algoritma

Algoritma menghitung luas persegi.

1. Masukkan sisi (S)
2. Luas <- li="" s="">
3. Tulis Luas

Untuk menulis suatu penjelasan cara menyelesaikan masalah dapat pula digunakan Pseudo Code yaitu berupa pengkodean atau penandaan yang menyerupai suatu program. Pseudo Code ini sering digunakan dalam penulisan algoritma.

Contoh : Mencari bilangan terkecil dari dua bilangan yang dimasukkan.

Algoritma :

1. Masukkan bil pertama
2. Masukkan bil kedua
3. Jika bil pertama < bil kedua maka kerjakan langkah 4, bila tidak maka dikerjakan langkah 5.
4. Tampilkan bil pertama
5. Tampilkan bil kedua

Pseudo code:

1. Input x
2. Input y
3. If x < y then langkah 4 else langkah 5
4. write x
5. write y

Dari penjelasan diatas tampaklah perbedaan antara penulisan algoritma dalam bentuk tertentu. Dengan begitu akan lebih mudah dipahami oleh pemrogram dan orang lain yang ingin di beri pemahaman.

Selamat belajar.

8 AntiVirus Terbaik Rekomedasi dari Microsoft

Melindungi komputer anda dari serangan virus semakin sulit setiap harinya. Tidak saja pihak produsen software antivirus yang terus inovatif memerangi virus, pihak pengembang virus juga tidak mau kalah selalu menaikkan kecerdasan virus buatannya melumpuhkan sasaran. Bahkan perusahaan raksasa sekelas Microsoft dengan tingkat pengamanannya pernah terganggu dengan ulah virus kecil yang menyusup di tahun 2000-an.

Mungkin anda masih ingat ketika “masa lalu” sebelum muncul internet dan program aplikasi lainnya yang bisa diunduh. Hampir dipastikan penyebaran virus sangat lambat sekali hanya beralih dari disket satu ke disket yang lainnya, tentu saja pergerakan virus sangat terbatas ruang kerjanya, lebih mudah dibasmi dan tidak seganas sekarang.

Antivirus saat itu memang terbilang sangat canggih untuk membasmi virus dijamannya. Terlebih lagi seorang pengguna lebih dahulu melalukan proses scanning sebelum membaca/ menulis data yang ada di disket, sehingga penyebaran virus tentu jauh lebih mudah dibersihkan.

Semenjak kemunculan internet turut “membantu” penyebaran virus seantero dunia dengan sangat cepat dan mudah. Virus dengan leluasa berpindah- pindah dari server satu ke server yang lainnya dan kemudian berpindah ke komputer user. Tergantung tingkat pengamanan komputernya tentu saja jika sekuritasnya tinggi tentu tidak jadi soal, jika lemah pengamanannya akan jadi santapan lezat virus.

Tampaknya kekhawatiran semakin menjadi setalah email juga bisa menyusup melalui email, lampiran email, jaringan peer to peer, instan messanger, dan download program dari internet. Rupanya sebuah virus kini semakin cerdas penyebarannya bisa dipastikan sudah tidak memerlukan campur tangan manusia lagi. Virus pintar dapat menyerang beberapa entry point pada kelemahan sistem. Dengan kemajuan teknologi sehari-hari, dan konvergensi dari komputer dengan perangkat mobile lainnya, potensi ancaman jenis baru juga meningkat.

Melindungi Komputer Anda

Untungnya, kemajuan perangkat lunak antivirus terus memacu “dapurnya” untuk menekan perkembangan virus, worm, dan Trojan saat ini. Program lunak antivirus adalah penting untuk kemampuan komputer untuk menangkis virus dan program berbahaya lainnya.

Produk-produk ini dirancang untuk melindungi terhadap kemampuan virus untuk memasuki komputer melalui email, web browser, file server dan desktop. Selain itu, program ini menawarkan fitur kontrol terpusat yang menangani penyebaran, konfigurasi dan selalu update.

Jika komputer ingin selalu sehat dan bersih dari virus, seorang user harus rajin dan mengikuti beberapa langkah sederhana untuk melindungi terhadap ancaman virus, seperti berikut ini

1. Evaluasi sistem keamanan komputer
Seperti yang pernah saya tulis di artikel sebelumnya virus selalu tumbuh kembang sesuai dengan jamannya. Jika sistem komputer masih lama dan belum update dengan yang terbaru, virus akan semakin mudah menjangkiti sistem komputer anda. Keamanan semakin baik dengan sistem berlapis tentu lebih baik melindungi semua aspek dari sistem komputer. Pilihlah fitur keamanan yang mencakup beberapa fitur antivirus, firewall, filter konter, dan deteksi virus. Pengamanan komputer yang kuat tentu saja akan membuat susah virus menembus proteksi sistem komputer anda.
2. Install Software hanya dari developer terkemuka
Sudah jelas pengembang program yang terkenal tidak mungkin mengeluarkan program yang dibuat dengan tambahan program jahat atau disusupi virus. Hanya dengan memilih program terbaru dari pembuat program terpercaya ini merupakan langkah untuk melindungi sistem anda.
3. Biasakan selalu scanning flasdisk atau memory card
Kebiasaan ini sangat baik untuk mengurangi tingkat penyebearan virus yang sangat cepat. Antivirus yang bagus bisa dengan mudah mendeteksi virus yang mengganggu.
4. Hati- hati ketika membuka dokumen asing, (word, excel, pdf, atau lainnya) terutama jika di terima secara online melalui email. Lakukan proses scanning secara benar menggunakan antivirus.
5. Back up secara teratur file data penting, di komputer menggunakan CD/ DVD jangan simpa di dalam harddisk komputer.

Antivirus Rekomendasi Terbaik
Di pasaran tersedia berbagai aplikasi antivirus. Sedikit hal yang perlu anda ketahui bahwa mungkin beberapa program ini susah untuk di-uninstall, sebagai solusinya pastikan untuk membuat sistem restore poin sebelum menginstalnya. Namun, tidak perlu khawatir program- program antivirus ini memang patut anda coba.

Beberapa program ini efektif, mudah, dan tentu saja sangat ampuh menumpas virus, spyware, malware, Trojan, worm, dan yang lainnya. Berikut program antivirus yang direkomendasikan oleh Microsoft untuk windows 7:

1. Microsoft Security Essentials

Unggul dalam bidangnya membuat Microsoft tampil terdepan untuk sebuah antivirus yang tersemat di operasi sistem Windows 7 besutannya. Melindungi PC sepanjang waktu dari serangan virus, spyware, dan program merugikan lainnya. Microsoft security essentials ini tentu saja gratis anda gunakan. Kabarnya antivirus dari Microsoft muncul kekhawatiran dari antivirus lainnya sebab keunggulan yang ditawarkan sudah menyamai versi Premium dan sangat mudah digunakan.

Klik disini download MES

2. Avast Free Antivirus

Avast antivirus ini tersedia dalam 2 versi gratisan dan berbayar. Hadir sangat lengkap melindungi komputer dari serangan virus dan sebangsanya. Mesin satu ini dilengkapi pula senjata melawan spyware, firewall, mengidentifikasi website yang terkandung virus, dan antispam sebagai perlindungan ganda komputer anda. Sangat muda digunakan dan aman untuk semua sistem komputer.

Klik disini download Avast

3. AVG Free Antivirus

Siapa yang tidak kenal dengan AVG, sudah malang melintang di dunia program antivirus berbagai penghargaan di sabetnya. Kenyang akan pengalaman sebagai musuh virus, layak dijadikan perhatian utama kita kali ini sebagai antivirus top dan ampuh melindungi komputer pribadi. Meski gratis layanannya tidak kalah juga dengan versi premium lainnya anda juga bisa mengupgradenya menjadi premium dengan mudah sekali jika anda mau. AVG sangat praktis dan mudah digunakan proses installnya juga hanya butuh beberapa menit saja.

Klik disini download AVG.

4. Avira AntiVir Personal

Salah satu program ampuh yang juga diminati di pasar software antivirus sebab sangat bagus kinerjanya dalam mendeteksi serangan virus, spywarem dan rootkit threat. Juga ampu mendeteksi berbagai malware yang mengganggu. Sayangnya, versi gratisan ini tidak bisa otomatis melacak datangya email yang masuk yang dikhawatirkan disusupi oleh virus jahat. Sehingga anda harus melakukan proses pemindaian secara konvensional.

Klik disini download Avira

5. Panda Cloud Antivirus

Anti virus gratis pertama dan terlengkap yang menawarkan perlindungan dari virus, spyware, rootkit, dan adware. Panda antivirus sudah support untuk Windows & (32 dan 64bit)

Klik disini download Panda

6. Comodo Firewall + Antivirus

Namanya Comodo Firewall dan antivirus kini berganti nama menjadi Comodo Internet Security. Comodo Internet Security 4.0 mengkombinasikan sistem registry komputer – komputer untuk melacak dan melawan malware yang bertebaran di internet.

Klik disini download Comodo

7. ClamWIn Free Antivirus

Antivirus gratisan dari ClamWin bisa berjalan di operasi sistem Windows 7/ Vista/ XP/ Me/ 2000/ 98 dan Windows Server 2008 dan 2003.

Klik disini download ClamWin

8. Free eScan Antivirus Toollit Utility

eScan Antivirus Toolkit 12 kompatibel dengan Windows 7 (32 dan 64bit). Program antivirus ini bisa scanning dan membersihkan virus, spyware, adware dan berbagai malware merugikan komputer. Asyiknya, eScan Antivirus adalah program portable yang bisa dijalankan di CD atau flasdisk serta mudah cara menggunakannya.

Klik disini download eScan