TUGAS 4 PENGANTAR KOMPUTASI MODERN

Pembahasan Mengenai Jurnal Komputasi Paralel dan Komputasi Quantum

Jurnal Kedua (Komputasi Kuantum)

Judul Jurnal : APLIKASI PELEMBUTAN CITRA (IMAGE SMOOTHING) BERDASARKAN KOMPUTASI KLASIK DAN KUANTUM

Link Jurnal :  https://fti.uajy.ac.id/sentika/publikasi/makalah/2014/(11).pdf

PENULIS : Dini Sundani, Fajar Ratih Anggraini, Dewi Agushinta R.

Pendahuluan

Citra merupakan bentuk informasi visual yang memiliki informasi lebih banyak dibandingkan dengan informasi yang diperoleh dalam bentuk teks.Pengolahan citra seringkali menghasilkan citra yang memiliki gangguan, sehingga perlu dilakukan proses perbaikan kualitas citra. Salah satu operasi perbaikan kualitas citra adalah pelembutan citra (image smoothing), yang bertujuan untuk menekan gangguan (noise) pada citra. Pengolahan citra saat ini dilakukan dengan komputasi klasik, yanghanya dapat menyatakan keadaan dalam dua kondisi yang dinyatakan dalam bit (0 dan 1).Saat ini model komputasi telah berkembang dengan menggunakan prinsip kuantum. Pada komputasi kuantum digunakan qubit yang mampu menyatakan tak hingga keadaan yang merupakan kombinasi dari keadaan 0 dan 1 yang disebut dengan superposisi dan merepresentasikan warna hitam dan putih. Perhitungan pada komputasi klasik dilakukan secara paralel, sedangkan komputasi kuantum memiliki sifat untuk berada dalam berbagai macam keadaan (multiple states) sehingga komputasi kuantum dapat melaksanakan berbagai perhitungan secara simultan dan akan menghasilkan banyak kemungkinan perhitungan.Untuk mengetahui hasil perhitungan maka harus dilakukan pengukuran terhadap qubit, yang memaksa sistem untuk memilih salah satu dari semua kemungkinan jawaban yang ada. Tujuan dari penelitian ini adalah membuat aplikasi smoothing yang akan diproses secara klasik dan kuantum untuk mendapatkan informasi kualitas citra dan waktu yang diperoleh dari masing-masing proses. Hasil citra dari komputasi klasik berupa citra smoothing dan biner, sedangkan hasil komputasi kuantum adalah citra smoothing kuantum.

KESIMPULAN

Tulisan ini telah behasil membuat aplikasi pelembutan citra (image smoothing) yang diolah berdasarkan komputasi klasik dan komputasi kuantum.Aplikasi telah diujicoba dan diimplementasikan pada beberapa citra uji.Berdasarkan hasil aplikasi diperoleh informasi mengenai kualitas citra dan waktu proses dari citra smoothing klasik,smoothing biner dan smoothing kuantum. Aplikasi masih dapat dikembangkan lagi dengan menambahkan fungsi-fungsi lain yaitu fungsi simpan citra, cetak citra dan zoom citra.Selain itu dapat dilakukan untuk operasi-operasi pengolahan citra yang lainnya seperti penajaman, deteksi tepi dan lain sebagainya.

REFERENSI

Yonina Chana Eldar . 2001. Quantum Signal Processing. Department Of Electrical Engineering And Computer ScienceMassachusetts Institute Of Technology

Chien-Chien Tseng and Tsung-Ming Hwang.2003. Quantum Digital Image Processing Algorithm.Conference on Computer Vision, Graphic and Image Processing.

Rinaldi Munir.2004.  Pengolahan Citra Digital dengan Pendekatan Algoritmik.PenerbitInformatika. Bandung.

Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins. 2004. Digital Image Processing Using Matlab.

Pearson Education, Inc. Rafael C. Gonzalez, Richard E Woods.2008. Digital Image Processing. Pearson Education, Inc.

Xiaowei Fu, Mingyue Ding, Yangguang Sun,Shaobin Chen. 2009. A New Quantum EdgeDetection Algorithm For Medical Images. Proc of SPIE Vol. 7497 749724-6.

TUGAS 3 PENGANTAR KOMPUTASI MODERN

Pembahasan Mengenai Jurnal Komputasi Paralel dan Komputasi Quantum

Jurnal Pertama (Komputasi Paralel)

Judul Jurnal : Perancangan Arsitektur Pemaralelan untuk Mencari Shortest Path dengan Algoritma Dijkstra

Link Jurnal :  http://eprints.undip.ac.id/2107/1/Naskah_3_Eko_adi_s_.doc

PENULIS : Eko Adi Sarwoko, Jurusan Matematika FMIPA UNDIP

Pendahuluan

Perancangan arsitektur pemaralelan merupakan salah satu tahap penting dalam komputasi paralel. Tahap ini bertujuan agar kompleksitas komputasi dan komunikasi dapat efisien. Tulisan ini merupakan kajian perancangan arsitektur pemaralelan mencari Shortest Path dengan Algoritma Dijkstra. Rancangan ini ditinjau berdasarkan aspek analisis algoritma baik kompleksitas komputasi maupun  komunikasi.

Solusi untuk mencari Shortest Path dengan Algoritma Dijkstra secara sekuensial telah banyak diteliti para pakar [McHugh, 1990]. Seperti diketahui aspek programming sekuensial mengalami kendala yang mencakup keterbatasan tranfer data, dan keterbatasan kecepatan perhitungan [Lewis, 1992]. Dengan perkembangan teknologi hardware dan software saat ini, alternatif yang saat ini dikembangkan adalah penyelesaian masalah dengan pendekatan proses secara paralel. Secara umum diharapkan dapat meningkatkan kinerja dan efisiensi dalam menangani suatu masalah. Apalagi dipihak user juga menginginkan adanya sistem penyelesaian masalah yang cepat dan dapat mengatasi masalah yang jauh lebih besar dan komplikated [Lewis, 1992],[Kumar,1994].

Demikian pula untuk solusi masalah shortest path dengan Algoritma Dijkstra memerlukan penyelesaian masalah dengan pendekatan proses secara paralel, apabila pendekatan solusi secara sekuensial belum mampu memberikan solusi yang cepat serta dihadapkan dengan jumlah vertek yang jauh lebih besar dan komplikated.

Dalam pemrograman paralel yang melibatkan banyak prosesor, selanjutnya beban masalah didistribusikan ke berbagai prosesor. Dengan melibatkan banyak prosesor hal ini akan berdampak pada aspek komunikasi. Isue penting yang harus diperhatikan adalah proses komunikasi tetap low-overhead.

Isue tersebut akan berdampak pada berbagai hal, antara lain mencakup  pengaturan dan sinkronisasi arsitektur komputernya, proses komunikasi dan transfer data, dan metode keparalelan [Lewis, 1992],[Kumar,1994].

Tulisan ini mengkaji desain arsitektur keparalelan untuk masalah shortest path dengan Algoritma Dijkstra, agar diperoleh efisiensi dan peningkatan speedup dibandingkan dengan cara sekuensial.

KESIMPULAN

Arsitektur untuk Algoritma Dijkstra Single-Source Shortest Paths ini memerlukan masing-masing p prosesor ditugaskan secara berurut n/p kolom dari matriks matriks adjacent berbobot, dan menghitung nilai n/p pada array l. Pada algoritma single Source-Parallel Formulation dieksekusi pada arsitektur dimana setiap submesh, maka waktu eksekusi paralel adalah jumlahan waktu komputasinya q(n³/p) dengan waktu komunikasinya q(Ö(np)), yaitu T_p=q(n³/p)+ q(Ö(np)). Ini juga menunjukkan fungsi isoefisiensi untuk komunikasi adalah q(p^1.8), dengan isoefisiensi untuk proses yang konkuren adalah q(p^1.5).

Speedup untuk arsitektur model Source-Partitoned Formulation adalah q(n³)/q(n²) dan efisiensinya adalah q(1), dimana tidak ada overhead komunikasi. Hal ini bukan merupakan formulasi paralel yang ekselen, karena bila menggunakan n prosesor, diperoleh fungsi isoefisiensi untuk proses konkurensi sebesar q(p³).

            Pada dua model arsitektur paralel untuk semua pasangan, untuk formulasi source partitioned tidak ada komunikasi, bila menggunakan prosesor yang jumlahnya tidak lebih dari n prosesor, dan menyelesaikan masalah dalam waktu q(n²). Sedangkan pada formulasi source parallel menggunakan sampai n^1,66 prosesor, memiliki waktu (overhead) komunikasi, dan menyelesaikan problem dalam waktu q(n^1.33) bila digunakan prosesor sebanyak n^1,66.

REFERENSI

1.    Akl, Selim G., The Design and Analysis of Parallel Algorithm, Prentice-Hall International, Inc.,London, 1989

2.    Brassard, G., dan Bratley, P., Fundamentals of Algorithmics, Prentice Hall International, Inc., Singapore, 1996

3.    Chaudhuri, P., Parallel Algorithms : Design and Analysis, Prentice  Hall Advances in Computer Science Series, 1992

4.    Kumar, V., Grama, A., Gupta, A., dan Karypis, G., Introduction to Parallel Computing : Design and Analysis of Algorithms, The Benjamin/Cummings Publishing Company, Inc., California, 1994

5.    Lewis, Ted G., dan El-Rewini, H., Introduction to Parallel Computing, Prentice Hall, Inc., Englewood Cliffs, NJ, 1992

6.    McHugh, JA., Algorithmic Graph Theory, Prentice Hall International, Inc., Englewood Cliffs, NJ., 1990

7.    Quinn, NJ., Designing Efficient Algorithms for Parallel Computers, Mc Graw Hill, International Editions, Singapore, 1987

Tugas 2 PENGANTAR KOMPUTASI MODERN

Pembahasan Mengenai Jurnal Cloud Computing, Grid 

Computing dan Virtualisasi

Jurnal Pertama (Cloud Computing)

Judul Jurnal : PERENCANAAN STRATEGIS CLOUD COMPUTING TECHNOLOGY BERBASIS Gafe (GOOGLE APPS For EDUCATION ) BAGI PERGURUAN TINGGI SWASTA DI WILAYAH III CIREBON PROPINSI JAWA BARAT

Link Jurnal :  http://oaji.net/articles/2015/1697-1449405911.pdf

Pengertian Cloud Computing

Cloud Computing Technology merupakan salah satu teknologi yang dapat membantu mempermudah organisasi melakukan aktivitas yang berhubungan dengan komunikasi data dan informasi. Bagi perguruan tinggi, kebutuhan penggunaan cloud computing technology ini merupakan sebuah kebutuhan yang mendesak yang dapat digunakan sebagai support system yang dapat menunjang proses bisnis yang ada, selain berguna untuk kelancaran proses komunikasi data dan informasi, baik secara internal maupun eksternal. Penelitian yang akan dilakukan ini bertujuan untuk mendapatkan informasi yang akurat mengenai strategi apa saja yang harus disiapkan perguruan tinggi untuk dapat mengadopsi cloud computing technology berbasis GAfE (Google Apps for Education). Hal tersebut perlu dilakukan karena proses mengadopsi teknologi tersebut memerlukan dukungan, kebijakan serta langkah-langkah yang jelas.

Target dari penelitian yang akan dilakukan ini adalah tersedianya pedoman yang strategis dan roadmap tentang cloud computing technology yang sesuai dengan kondisi perguruan tinggi swasta yang ada di wilayah III Cirebon Propinsi Jawa Barat. Adapun rencana kegiatan yang akan dilakukan diantaranya adalah dengan melakukan analisis terhadap kondisi yang ada di perguruan tinggi swasta yang berhubungan dengan kebutuhan cloud computing technology dengan melakukan analisis SWOT, sehingga didapatkan informasi yang akurat mengenai potensi dasar yang dimiliki, dilanjutkan dengan melakukan analisis terhadap bentuk teknologi yang disediakan oleh GAfE yang bisa diimplementasikan oleh perguruan tinggi swasta tersebut dan akhirnya terdokumentasikanlah arahan strategis bagi perguruan tinggi swasta untuk dapat menggunakan cloud computing technology.

REFERENSI

Ahmadi, A. (2009). ISU-ISU KEAMANAN CLOUD COMPUTING. Jurnal Computech & Bisnis, 3(2), 76-83.

Bakshi, K. (2009).Cisco Cloud Computing - Data Center Strategy, Architecture, and Solutions Point of View White Paper for U.S. Public Sector 1^st Edition.USA

Bair, J. Rhoton, J. (2010). White Paper, Cloud Computing from the Ground Up : Cloud Basics and Pragmatic Best Practices for Getting Started. USA : Ajilitee

Chun, W. 2012. What is Cloud Computing?. https://developers.google.com/

appengine/training/intro/whatiscc.

Frinces, Z. Heflin. (2007). Perencanaan Bisnis (Business Plan) : Konsepdan Implementasi. Mida Pustaka, Jogjakarta.

Molen, FVd. (2010). Get Ready for Cloud Computing : A Comprohensive guide to

virtualization and Cloud Computing. Zaltbommel Netherlands: Van Haren Publishing.

Mell, P. Grance, T. (2011) The NIST Definition of Cloud Computing: Recommendations of the National Institute of Standards and Technology. Gaithersburg: Computer Security Division Information Technology Laboratory National Institute of Standards and Technology.

Sosinsky, B. (2011) Cloud Computing Bible.Indiana: Wiley Publishing.

Sofana, I. (2012) Cloud Computing, Teori dan Praktek (OpenNebula,Vmware dan Amazon AWS). Bandung : Informatika.

Rusnandi, Perencanaan Strategis Cloud Computing 15

Ross P, Blumenstein M. Cloud computing: the nexus of strategy and technology. Journal Of Business Strategy. 34(4):39-47.

Available from: Business

Source Elite, Ipswich, MA.

ISSN: 0275-6668.

http://www.google.co.id/intl/id/about/

http://id.wikipedia.org/wiki/Komputasi_awan

http://www.google.co.id/intx/id/enterprise/apps/education/benefits.html

http://www.google.co.id/intx/id/enterprise/apps/education

Goenawan, Willy dan Wijoyo,

Handoko, Mary. (2008) Makalah-Makalah Sistem Informasi : Penerapan Balanced Scorecard dalam Pengukuran Kinerja Perusahaan Berorientasi Profit. Penerbit Informatika, Jogjakarta.

Pressman, Roger S. (1997) Rekayasa Perangkat Lunak: Pendekatan Praktis (Buku Satu). Penerbit Andi, Jogyakarta.

Rangkuti, Freddy. (2006) Analisis SWOT Teknik Membedah Kasus Bisnis, Cetakan Keempat Belas. PT. Gramedia Pustaka Utama, Jakarta.

The University of Western University, Strategic Plan for Information Technology & Information Systems , Adopted by Information Services Committee 1-12-2004 Targowski, Andrew. (2003) Electronic Enterprise: Strategy and Architecture.IRM Press,Hershey.

Ward, John and Peppard, Joe. ( 2003) Strategic Planning for Information System, Third

Edition. John Wiley & Sons, LTD. England.

Witarto. , (2004) Memahami Sistem Informasi : Pendekatan Praktis Rekayasa Sistem Informasi melalui Kasus-Kasus Sistem Informasi di Sekitar Kita. Penerbit Informatika, Bandung.

The Google Apps Team .A practical Guide to change management for Google Apps Adoption Google Apps Technical Transition Guide For Business, Education, and Government. Google, inc.2012

========================================================================

Jurnal Kedua (Grid Computing)

Judul Jurnal : Komputasi Grid berbasiskan GRIA (Grid Resources for Industrial Application) untuk pertukaran data

LinkJurnal: http://digilib.its.ac.id/public/ITS-paper-19951-Paper.pdf

Pengertian Grid Computing

Komputasi Grid adalah suatu model komputasi yang mendistribusikan proses melewati batas infrastruktur yang terpisah secara administratif dan geografis. Komputasi gris menghubungkan banyak sumber daya komputasi yang heterogen, sehingga membentuk sebuah arsitektur komputer virtual yang memanfaatkan sumber daya-sumber daya yang idle atau tidak sedang digunakan. GRIA (Grid Resources for Industrial Applications) dibuat untuk menjadikan komputasi grid dapat digunakan baik dalam dunia industry maupun bisnis. Middleware GRIA dibuat berdasarkan layanan web (web services), dan dirancang khusus memenuhi kebutuhan kegiatan perindustrian dalam hal keamanan serta operasi dan pengadaan layanan business-to-business (B2B). Penelitian ini mengungkap kinerja GRIA dengan melakukan uji coba terhadap layanan data dan layanan job. Dari uji coba dibuatkan nilai ratarata dari waktu , ukuran berkas dan bandwidth.

REFERENSI

[1] The Enabling Grids for E-sciencE (EGEE) project, http://www.euegee.org/

[2] Foster,I.,”What is the Grid? A Three Point Checklist”, 2002.

[3] Foster, I., Kesselman,C., The Grid 2, Blueprint for a New Computing Infrastructure, , Morgan Kaufmann, San Fransisco , 2004, p. 46.

[4] Ferreira, L., Lucchese ,F., Yasuda,T., Chin Y. L., Queiroz,C.A., Minetto, E., Mungioli, A. ,”Grid Computing Products and Services”, 1^st edition, IBM Corporation, New York, 2005.

[5] Ferreira, L., Lucchese ,F., Yasuda,T., Chin Y. L., Queiroz,C.A., Minetto, E., Mungioli, A.,” Grid Computing in Research and Education”, 1st edition, IBM Corporation, New York, 2005.

[6] Foster, I., Kesselmen, C., and Tuecke, S.,” The Anatomy of the Grid: Enabling Scalable Virtual Organizations”, International Journal Supercomputer Applications, 15(3), 2001, pp. 200-222.

[7] Foster,I., Kesselman,C., Nick, J., Tuecke, S.,”The Physiology of the Grid: An Open Grid Services Architecture for Distributed Systems Integration”, In Open Grid Service Infrastructure WG, Global Grid Forum, 2002.

[8] The Globus Alliance, http://www.globus.org

[9] The GRIA Project, http://www.gria.org

[10] WS-I Basic Profile 2.0 reference, http://ws-i.org/Profiles/BasicProfile- 2.0-2010-11-09.html

[11] WS-I Basic Security Profile 1.0 reference, http://www.wsi. org/Profiles/BasicSecurityProfile-1.0-Errata.html

[12] Surridge ,M. and Taylor S., Roure, D. D. and Zaluska,E.,”Experiences with GRIA – Industrial applications on a Web Services Grid”, Proceedings of the First International Conference on e-Science and Grid Computing (e-Science ’05), Southampton, 2005.

[13] The DataGrid project. http://www.eu-datagrid.org

[14] The Condor project, http://www.cs.wisc.edu/condor

[15] The International Community W3C , http://www.w3.org

[16] The JDK, http://java.sun.com/javase

[17] The ActiveState Software Inc., http://www.activestate.com

[18] The ImageMagick Studio LLC, http://www.imagemagick.org

========================================================================

Jurnal Ketiga (Virtualisasi)

Judul Jurnal : KERNEL-BASED VIRTUAL MACHINE UNTUK VIRTUALISASI DATABASE SEBAGAI SOLUSI KEBUTUHAN PERANGKAT KERAS STUDI KASUS IMPLEMENTASI SISTEM INFORMASI KLINIK KECANTIKAN.

Link Jurnal :

http://download.portalgaruda.org/article.php?article=316404&val=7612&title=KERNEL-BASED%20VIRTUAL%20MACHINE%20UNTUK%20VIRTUALISASI%20DATABASE%20SEBAGAI%20SOLUSI%20KEBUTUHAN%20PERANGKAT%20KERAS%20STUDI%20KASUS%20IMPLEMENTASI%20SISTEM%20INFORMASI%20KLINIK%20KECANTIKAN

Pendahuluan

Pengembangan Sistem Informasi sangat dibutuhkan oleh perusahaan yang memiliki orientasi bisnis Terutama perusahaan yang fokus dalam pelayanan. Klinik kecantikan adalah perusahaan yang fokus dalam pelayanan. Itu Perlu adanya sistem informasi yang sulit dihindari, karena pelayanan yang prima dan optimal adalah satu Dari modal utama dalam bisnis klinik kecantikan. Salah satu kendala yang muncul dalam sistem informasi. Perkembangan di klinik kecantikan adalah ketika implementasi sistem informasi baru dilakukan diikuti dengan anggaran minimal untuk menyediakan peralatan dan perangkat baru. Hambatan keuangan dalam menyediakan perangkat keras akan menjadi kendala dalam implementasi sistem informasi. Ada beberapa cara untuk melakukannya mengatasi kekurangan perangkat keras, seperti menyewakan perangkat keras server, menyewakan server virtual dengan nya koneksi internet atau dengan melakukan server virtualisasi komputer yang ada. Salah satu cara untuk melakukan menabung uang dalam penganggaran adalah dengan melakukan server virtualisasi komputer.

REFERENSI

[1] Alimuddin Zarkasyi, Sholiq, Rancang Bangun Aplikasi Pemesanan VPS Secara Online di PT. Ternakblog, Jurnal Teknik ITS Vol. 1, (September 2012) ISSN : 2301-9271, diunduh 30 Januari 2013.

[2] Arief Arfriandi, Perancangan, Implementasi dan Analisis Kinerja Virtualisasi Server menggunakan Proxmox, Vmware Esx dan Openstack, Jurnal Teknologi : Volume 5 Nomor 2, Desember 2012, 182-191 diunduh 30 Januari 2013. [3] Hendarmawan, Desain, Implementasi dan Analisa Perfomasi Xen Hypervisor Virtual Machine Monitor Berbasis Linux Untuk Solusi Teknologi Server di Indonesia, Jurnal Pointer, Vol 2, No. 1(2011), diunduh 21 Februari 2013.

[4] K. Adams & O. Agesen, A Comparison of Software and Hardware Techniquesfor x 86 Virtualization, http://www.vmware.com/pdf/asplos235_adams.pdf, 2006, retrieved may 11,2007

[5] M. V. Sugianto, Panduan Virtualisasi & Cloud Computing pada Sistem Linux, Bekasi, 2011

[6] M.T. Jones, Virtual Linux, An overview of virtualization methods, architectures, and implementations, IBM developer Works, http://www.ibm.com/developerworks/linux/library/linuxvirt, 2006, retrieved April 28, 2007

[7] Novan Ardianto, Widyawan, Sujoko Sumaryono, Pengembangan Virtual Appliance Server dengan Metode Virtualisasi, Jurnal Nasional Teknik elektro dan Teknologi Informasi Universitas Gadjah Mada, Vol.1 No.1, Mei 2012 ISSN : 2301-4156, diunduh 21 Februari 2013.

[8] Rio Rasian, Petrus Mursanto, Perbandingan Kinerja Pendekatan Virtualisasi, Journal of Information system, Volume 5, Issues 2, Oktober 2009, diunduh 21 Februari 2013.

[9] Seok-Pil Lee, Eui-Seok Nahm, A new Approach to Modeling of Linux Virtual Server based on Permormance Metrics Using an Optimal Load Balancing Algorithm, International journal of software Engineering and Its Application, Vol. 6, No. 2, April, 2012, diunduh 21 Februari 2013.

[10] Sugeng W., Jaringan Komputer dengan TCP/IP, Modula, Bandung 2010.

[11] Teguh Indra Bayu, Indrastanti Ratna Widiasari, Dian W. Chandra, Penerapan Teknologi Virtualisasi Tingkat Sistem Operasi pada Server Linux Ubuntu 8.04 menggunakan OpenVZ, Jurnal Teknologi Informasi – Aiti, Vol. 7 No.1, 98 Kernel-based Virtual Machine untuk Virtualisasi Database … (Whisnumurti) Februari 2010: 1-100, diunduh 21 Februari 2013.

[12] Tito Suryono, Mohammad Faruq Afif, Pembuatan Prototype Virtual Server menggunakan Proxmox Untuk Optimalisasi Resource Hardware di NOC FKIP UNS, IJNS – Volume 1 Nomor 1 – November 2012, diunduh 30 Januari 2013.

Tugas 1 Pengantar Komputasi Modern

Subjek Jurnal :
Geological mapping using remote sensing data: A comparison of five machine learning algorithms, their response to variations in the spatial distribution of training data and the use of explicit spatial information

Link Jurnal :
http://www.sciencedirect.com/science/article/pii/S0098300413002720

Inti Pembahasan : 
Membandingkan lima mesin belajar algoritma (MLAs) dalam hal kinerja mereka sehubungan dengan masalah klasifikasi litologi yang kompleks dan bermetamorfosa dalam teori geologi. Mesin MLAs, Naive Bayes, k-Nearest Neighbors, Random Forests, Support Vector Machines and Artificial Neural Networks, mewakili lima strategi pembelajaran mesin umum untuk inferensi data. Perbandingan MLA termasuk sensitivitas mereka terhadap variasi dalam distribusi spasial dalam mengolah data, dan respon terhadap masuknya informasi spasial eksplisit.

Metode Yang Digunakan :
a. Pra proses
Data geofisika ditransformasikan ke umum dan diproyeksikan untuk sistem koordinat mana saja menggunakan bilinear interpola-tion. Semua masukan yang resampled sampai batas umum (12,8 km) dan resolusi (50 m), menghasilkan dimensi gambar dari 256 piksel (65.536 sampel). Untuk meningkatkan relevansinya dengan tugas litologi, data yang diproyeksikan diproses dalam berbagai cara khusus untuk properti geofisika yang mereka wakili. langkah-langkah pre-processing diterapkan untuk menghasilkan input data yang diberikan dalam Informasi Tambahan Bagian 1 (S1 - Data). koordinat spasial (Easting (m) dan Northing (m)), yang diperoleh dari lokasi pusat dimasukkan menghasilkan total 27 variabel yang tersedia untuk input. Olahan input data yang standar untuk mean nol dan satuan varians. data yang sangat berkorelasi, dengan mean korelasi Pearson koefisien 40,8 terkait dengan sebagian besar data lain, tersingkir.

b. Klasifikasi Model
Tabel 2 menunjukkan nilai parameter MLA dinilai dalam penelitian ini. parameter yang optimal dipilih berdasarkan akurasi rata-rata maksimum yang dihasilkan dari 10 kali lipat cross-validasi. model klasifikasi MLA dilatih menggunakan parameter yang dipilih di seluruh set sampel data sebelum evaluasi prediksi. Informasi tentang paket data dan fungsi yang digunakan untuk melatih model klasifikasi MLA dan rincian mengenai parameter yang terkait disediakan di Informasi tambahan Bagian (S2 - Software MLA dan Parameter).

c. Evaluasi Prediksi
Akurasi keseluruhan dan kappa statistik (Cohen, 1960) biasanya digunakan untuk mengevaluasi kinerja classifier (Lu dan Weng, 2007). Secara keseluruhan akurasi memperlakukan prediksi sebagai benar atau salah dan didefinisikan sebagai jumlah sampel uji diklasifikasikan dengan benar dan dibagi dengan jumlah total sampel uji. Kappa statistik adalah ukuran dari kesamaan antara prediksi dan pengamatan data yang mengoreksi kesepakatan yang terjadi secara kebetulan (Congalton dan Green, 1998). Kami tidak menggunakan area di bawah ROC untuk mengevaluasi MLA prediksi karena multiclass ROC menjadi meningkat keras dengan sejumlah besar kelas (yaitu 48) (Landgrebe dan Paclik, 2010). Kami memvisualisasikan distribusi spasial error prediksi dan menilai validitas geologi mereka dengan memplot MLA prediksi dalam domain spasial dan dengan membandingkan lokasi sampel kesalahan klasifikasi.

Kelebihan Metode :
• Sistem informasi yang dibutuhkan dapat segera direalisasikan dan dapat segera melakukan perbaikan untuk menyempurnakan sistem tersebut.
• Mengefektifkan perhitungan yang dibutuhkan.
• Mengurangi kesalahan manusia.

Kekurangan Metode :
• Hanya dapat dilakukan oleh spesifikasi komputer tertentu.
• Data tentang longitude dan latitude suatu daerah rawan error(tidak menunjukkan lokasi sebenarnya).

Sumber :
[1]. Anselin, L., 1995. Local indicators of spatial association – LISA. Geogr. Anal. 27, 93–115.

[2]. Breiman, L., 1996. Bagging predictors. Machine Learn. 24, 123–140. Breiman, L., 2001. Random forests. Mach. Learn. 45, 5–32.
[3]. Breiman, L., Friedman, J.H., Olshen, R.A., Stone, C.J., 1984. Classification and Regression Trees. Wadsworths & Brooks/Cole Advanced Books & Software, Pacific Grove, USA p. 358.
[4]. Buckley, P.M., Moriarty, T., Needham, J. (compilers), 2002. Broken Hill Geoscience Database, 2nd ed. Geological Survey of New SouthWales , Sydney.
[5]. Carneiro, C.C., Fraser, S.J., Croacutesta, A.P., Silva, A.M., Barros, C.E.M., 2012. Semiautomated geologic mapping using self-organizing maps and airborne geophysics in the Brazilian Amazon. Geophysics 77, K17–K24.
[6]. Cohen, J., 1960. A coefficient of agreement for nominal scales. Educ. Psychol. Meas. 20, 37–46.
[7]. Congalton, R.G., Green, K., 1998. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices, first edn. Lewis Publications, Boca Raton p. 137.
[8]. Cover, T., Hart, P., 1967. Nearest neighbor pattern classification. IEEE Trans. Inf. Theory 13, 21–27.
[9]. Cracknell, M.J., Reading, A.M., 2013. The upside of uncertainty: identification of lithology contact zones from airborne geophysics and satellite data using Random Forests and Support Vector Machines. Geophysics 78, WB113–WB126.
[10]. Fix, E., Hodges, J.L., 1951. Discriminatory analysis. Nonparametric discrimination; Consistency properties. U.S. Air Force, School of Aviation Medicine, Randolph Field, Texas.
[11]. Foody, G.M., Mathur, A., 2004. A relative evaluation of multiclass image classifica-tion by support vector machines. IEEE Trans. Geosci. Remote Sens. 42, 1335–1343.
[12]. Gahegan, M., 2000. On the application of inductive machine learning tools to geographical analysis. Geogr. Anal. 32, 113–139.
[13]. Gelfort, R., 2006. On Classification of Logging Data, Department of Energy and Economics. Clausthal University of Technology, Germany, p. 131.
[14]. Getis, A., 2010. Spatial autocorrelation. In: Fisher, M.M., Getis, A. (Eds.), Handbook of Applied Spatial Analysis: Software, Tools, Methods and Applications. Springer-Verlag, Berlin, pp. 255–278.
[15]. Guyon, I., 2008. Practical feature selection: from correlation to causality. In: Fogelman-Soulié, F., Perrotta, D., Piskorski, J., Steinberger, R. (Eds.), Mining Massive Data Sets for Security – Advances in Data Mining, Search, Social Networks and Text Mining, and their Applications to Security. IOS Press, Amsterdam, pp. 27–43.

[16]. Guyon, I., 2009. A practical guide to model selection. In: Marie, J. (Ed.), Proceedings of the Machine Learning Summer School. Canberra, Australia, January 26 - February 6, Springer Text in Statistics, Springer p.37.
[17]. Ham, J., Yangchi, C., Crawford, M.M., Ghosh, J., 2005. Investigation of the random forest framework for classification of hyperspectral data. IEEE Trans. Geosci. Remote Sens. 43, 492–501.
[18]. Hastie, T., Tibshirani, R., Friedman, J.H., 2009. The elements of statistical learning: data mining, Inference and Prediction, 2nd edn. Springer, New York, USA p. 533.
[19]. Henery, R.J., 1994. Classification. In: Michie, D., Spiegelhalter, D.J., Taylor, C.C. (Eds.), Machine Learning, Neural and Statistical Classification. Ellis Horwood, New York, pp. 6–16.
[20]. Hsu, C.-W., Lin, C.-J., 2002. A comparison of methods for multiclass support vector machines. IEEE Trans. Neural Netw. 13, 415–425.
[21]. Hsu, C.-W., Chang, C.-C., Lin, C.-J., 2010. A Practical Guide to Support Vector ClassificationDepartment of Computer Science, National Taiwan University, Taipei, Taiwan16.
[22]. Huang, C., Davis, L.S., Townshend, J.R.G., 2002. An assessment of support vector machines for land cover classification. Int. J. Remote Sens. 23, 725–749.
[23]. Kanevski, M., Pozdnoukhov, A., Timonin, V., 2009. Machine learning for spatial environmental data: theory, Applications and Software. CRC Press, Boca Raton, USA (368 pp.).
[24]. Karatzoglou, A., Meyer, D., Hornik, K., 2006. Support vector machines in R. J. Stat. Softw. 15, 28.
[25]. Kotsiantis, S.B., 2007. Supervised machine learning: a review of classification techniques. Informatica 31, 249–268.
[26]. Kovacevic, M., Bajat, B., Trivic, B., Pavlovic, R., 2009. Geological units classification of multispectral images by using Support Vector Machines. In: Proceedings of the International Conference on Intelligent Networking and Collaborative Systems, IEEE, pp. 267–272.
[27]. Kuhn, M., Wing, J., Weston, S., Williams, A., Keefer, C., Engelhardt, A., 2012. caret: Classifcation and Regression Training, R Package Version 5.15-023.
[28]. Kuncheva, L., 2004. Combining Pattern Classifiers: Methods and Algorithms. John Wiley & Sons p. 376.
[29]. Landgrebe, T.C.W., Paclik, P., 2010. The ROC skeleton for multiclass ROC estimation. Pattern Recogn. Lett. 31, 949–958.
[30]. Leverington, D.W., 2010. Discrimination of sedimentary lithologies using Hyperion and Landsat Thematic Mapper data: a case study at Melville Island, Canadian High Arctic. Int. J. Remote Sens. 31, 233–260.
[31]. Leverington, D.W., Moon, W.M., 2012. Landsat-TM-based discrimination of litholo-gical units associated with the Purtuniq Ophiolite, Quebec, Canada. Remote Sens. 4, 1208–1231.
[32]. Li, C.-H., Kuo, B.-C., Lin, C.-T., Huang, C.-S., 2012. A spatial-contextual Support Vector Machine for remotely sensed image classification. IEEE Trans. Geosci. Remote Sens. 50, 784–799.
[33]. Lloyd, C.D., 2011. Local Models for Spatial Analysis, 2nd edn. CRC Press, Taylor & Francis Group, Boco Raton, USA p. 336.
[34]. Lu, D., Weng, Q., 2007. A survey of image classification methods and techniques for improving classification performance. Int. J. Remote Sens. 28, 823–870.
[35]. Marsland, S., 2009. Machine Learning: An Algorithmic Perspective. Chapman & Hall/CRC (406 pp.).
[36]. Melgani, F., Bruzzone, L., 2004. Classification of hyperspectral remote sensing images with support vector machines. IEEE Trans. Geosci. Remote Sens. 42, 1778–1790.
[37]. Molina, R., P´erez de la Blanca, N., Taylor, C.C., 1994. Modern statistical techniques. In: Michie, D., Spiegelhalter, D.J., Taylor, C.C. (Eds.), Machine Learning. Neural and Statistical Classification. Ellis Horwood, New York, pp. 29–49.
[38]. Oommen, T., Misra, D., Twarakavi, N.K.C., Prakash, A., Sahoo, B., Bandopadhyay, S., 2008. An objective analysis of support vector machine based classification for remote sensing. Math. Geosci. 40, 409–424.
[39]. Page, R.W., Conor, C.H.H., Stevens, B.P.J., Gibson, G.M., Preiss, W.V., Southgate, P.N., 2005a. Correlation of Olary and Broken Hill Domains, Curnamona Province: possible relationship to Mount Isa and other North Australian Pb–Zn–Ag-bearing successions. Econ. Geol. 100, 663–676.
[40]. Page, R.W., Stevens, B.P.J., Gibson, G.M., 2005b. Geochronology of the sequence hosting the Broken Hill Pb–Zn–Ag orebody, Australia. Econ. Geol. 100, 633–661.
[41]. Pal, M., 2005. Random forest classifier for remote sensing classification. Int. J. Remote Sens. 26, 217–222.
[42]. Provost, F., Fawcett, T., 1997. Analysis and visualization of classifier performance: Comparison under imprecise class and cost distributions, Proceedings of the Third International Conference on Knowledge Discovery and Data Mining (KDD 97). American Association for Artificial Intelligence, Huntington Beach, CA, pp. 43–48.
[43]. Ripley, B.D., 1996. Pattern Recognition and Neural Networks. Cambridge University Press, Cambridge, UK p. 403.
[44]. Rojas, R., 1996. Neural Netwoks: A Systematic Introduction. Springer-Verlag, Berlin p. 502.
[45]. Song, X., Duan, Z., Jiang, X., 2012. Comparison of artificial neural networks and support vector machine classifiers for land cover classification in Northern China using a SPOT-5 HRG image. Int. J. Remote Sens. 33, 3301–3320.
[46]. Stevens, B.P.J., 1986. Post-depositional history of the Willyama Supergroup in the Broken Hill Block, NSW. Aust. J. Earth Sci. 33, 73–98.
[47]. Vapnik, V.N., 1998. Statistical Learning Theory. John Wiley & Sons, Inc., New York, USA p. 736.
[48]. Venables, W.N., Ripley, B.D., 2002. Modern Applied Statistics with S, 4th edn. Springer, New York, USA (495 pp.).
[49]. Waske, B., Braun, M., 2009. Classifier ensembles for land cover mapping using multitemporal SAR imagery. ISPRS J. Photogramm. Remote Sens. 64, 450–457.
[50]. Waske, B., Benediktsson, J.A., Árnason, K., Sveinsson, J.R., 2009. Mapping of hyperspectral AVIRIS data using machine-learning algorithms. Can. J. Remote Sens. 35, 106–116.
[51]. Webster, A.E., 2004. The Structural Evolution of the Broken Hill Pb–Zn–Ag deposit, New South Wales, Australia, ARC Centre for Excellence in Ore Deposit ResearchUniversity of Tasmania, Hobart p. 430.
[52]. Williams, D., 2009. Landsat 7 Science Data User's Handbook. National Aeronautics and Space Administration, Greenbelt, Maryland p. 186.
[53]. Willis, I.L., Brown, R.E., Stroud, W.J., Stevens, B.P.J., 1983. The early proterozoic Willyama supergroup: stratigraphic subdivision and interpretation of high to low‐grade metamorphic rocks in the Broken Hill Block, New South Wales. J. Geol. Soc. Aust. 30, 195–224.
[54]. Witten, I.H., Frank, E., 2005. Data Mining: Practical Machine Learning Tools and Techniques, 2nd edn. Elsevier/Morgan Kaufman, San Fransisco, USA p. 525.
[55]. Yu, L., Porwal, A., Holden, E.J., Dentith, M.C., 2012. Towards automatic lithological classification from remote sensing data using support vector machines. Comput. Geosci. 45, 229–239.

Sikap Mengakui Kesalahan Pada Sendiri

Setiap manusia di muka bumi ini pasti mempunyai kesalahan dalam hidupnya, tergantung bagaimana kita menilai kesalahan itu besar ataupun kecil. Menurut Kamus Besar Bahasa Indonesia (KBBI) Salah berarti tidak benar atau tidak betul, dalam hukum pidana dikenal asas yang paling fundamental, yakni Asas "Tiada Pidana Tanpa Kesalahan" yang dikenal dengan "keine strafe ohne schuld" atau "geen straf zonder schuld" atau "nulla poena sine culpa". Dari asas tersebut dapat dipahami bahwa kesalahan menjadi salah satu unsur pertanggungjawaban pidana dari suatu subjek hukum pidana. Artinya, seseorang yang diakui sebagai subjek hukum harus mempunyai kesalahan untuk dapat dipidana.

Kesalahan adalah dasar untuk pertanggungjawaban. Kesalahan merupakan keadaan jiwa dari si pembuat dan hubungan batin antara si pembuat dan perbuatannya. Mengenai keadaan jiwa dari seseorang yang melakukan perbuatan, lazim disebut sebagai kemampuan bertanggung jawab, sedangkan hubungan batin antara si pembuat dan perbuatannya itu merupakan kesengajaan, kealpaan, serta alasan pemaaf.

Dengan demikian, untuk menentukan adanya kesalahan, dalam pidana subjek hukum harus memenuhi beberapa unsur, antara lain: 1) Adanya kemampuan bertanggung jawab pada si pelaku, 2) Perbuatannya tersebut berupa kesengajaan (dolus) atau kealpaan (culpa); 3) Tidak adanya alasan penghapus kesalahan atau tidak adanya alasan pemaaf.

Ketiga unsur ini merupakan satu kesatuan yang tidak dapat dipisahkan antara satu dengan yang lain, dimana unsur yang satu bergantung pada unsur yang lain. (Sudarto, 1983, Hukum dan Perkembangan Masyarakat, Sinar Baru, Bandung).

Pada dewasa ini, kita sudah mulai sulit melihat orang-orang yang mengakui kesalahannya sendiri mulai dari pejabat tinggi sampai orang terdekat kita sendiri. Tentu hal ini perlu kesadaran dari individu masing-masing jika memang kita berbuat kesalahan maka akui lah dan minta maaf kepada yang bersangkutan.

Dalam hidup sosial bermasyarakat, tiap individu menilai batas  kesalahan berbeda-beda tergantung nilai-nilai norma yang dianut di keluarganya, sukunya, agamanya, dan lingkungannya, tentu hal ini kembali kepada toleransi tiap individu menilainya. Contohnya bahwa jika kita membuang sampah sembarangan maka menurut penulis hal tersebut merupakan kesalahan dan dapat merugikan, jka ditegur maka akui lah dan harap membuang sampah ditempat yang sudah disediakan.

Mengakui kesalahan berarti memberanikan diri sendiri untuk memulai menunjukan sikap positif terhadap orang lain. Hal ini berarti memulai untuk memberikan contoh kepada orang lain untuk bersikap jujur kepada diri sendiri maupun pihak lain. Karenanya jangan menunggu orang lain untuk menegur, namun mulailah dari diri sendiri. Sikap positif harus ditunjukan kepada orang lain bukan menunggu orang lain memberikan inisiatif sikap positifnya terhadap diri kita.

ketimbang kita mengevaluasi dan mencari kesalahan dari orang lain, mengapa kita tidak memulainya dari diri kita sendiri? Lakukanlah evaluasi diri sendiri, kesalahan apa yang kita lakukan yang juga mungkin menyakiti orang lain. Sadari, akui kesalahan kemudian meminta maaflah terlebih dahulu ketimbang menunggu orang lain. Hampirilah kedamaian ketimbang menunggu kedamaian.

Baiknya ketika kita mengetahui jika kita salah kita harus mudah mengucapkan maaf saya salah atau maaf saya kurang teliti.  Jangan sampa rasa gengsi ataupun rasa egois yang ada pada diri kita membuat kita menjadi seseorang yang buruk karena tidak mengakui kesalahan diri sendiri. Seperti contoh jika kita dilingkungan pertemanan dan membuat janji ingin belajar kelompok dan telat akui saja sjika kamu salah karena tidak bisa on time. Kita cukup memberikan pejelasan apa yang kita alami. Inshallah sih teman kita itu bisa mengerti keadaan yang kita sedang alami.

ketimbang kita mengevaluasi dan mencari kesalahan orang lain, mengapa kita tidak memulainya dari diri kita sendiri? Lakukanlah evaluasi diri sendiri, kesalahan apa yang kita lakukan yang juga mungkin menyakiti orang lain. Sadari, akui kesalahan kemudian meminta maaflah terlebih dahulu ketimbang menunggu orang lain. Hampirilah kedamaian ketimbang menunggu kedamaian.

Regulasi dan Prosedur Pengadaan Barang dan Jasa

Dalam menjalankan fungsi perusahaan, sudah pasti dibutuhkan logistik, peralatan dan jasa yang menunjang optimalnya kerja suatu instansi. Kebutuhan ini dipenuhi oleh beberapa pihak, baik itu Induk perusahaan pemerintah maupun Anak Perusahaan. Berbeda dengan pengadaan barang dan jasa di instansi dan perusahaan Pemerintah, pengadaan barang dan jasa di instansi pemerintahan lebih rumit karena berhubungan dengan perhitungan APBN/APBD yang digunakan untuk membayar barang atau jasa tersebut.

      Aktivitas pengadaan tidak terbatas pada proses pengadaan, namun cakupan aktivitas pengadaan meliputi lima kegiatan utama, yaitu rencana pengadaan, proses  pengadaan, penerimaan dan penyimpanan, serta pemakaian dan manajemen aset, dan tiga transaksi, yaitu transaksi pembelian barang/jasa (kontrak), transaksi penerimaan barang/jasa, dan transaksi pengeluaran atau penggunaan barang/jasa.

Dalam proses pengadaan barang dan jasa, ada beberapa istilah yang perlu diketahui agar tidak menimbulkan ambiguitas dan misinterpretasi. Beberapa diantaranya adalah:

è Barang, merupakan istilah yang digunakan untuk menyebut benda, baik dalam bentuk bahan baku, setengah jadi, maupun barang jadi yang menjadi objek dari pengadaan barang pemerintah.

è Jasa, terbagi menjadi Jasa Konsultasi, Jasa Pemborongan dan Jasa lainnya.

è Pejabat Pembuat Komitmen (PPK), merupakan pemilik pekerjaan yang bertanggung jawab atas pelaksaan proses pengadaan barang dan jasa pemerintah,yang diangkat oleh Pengguna Anggara/ Kuasa Pengguna Anggaran.

è Penyedia barang jasa, merupakan perusahaan maupun badan usaha perseorangan yang menyediakan barang/jasa.

Tata Cara / Metode Pemilihan Penyedia Barang

A.    Pelelangan

Kelompok Kerja ULP (pejabat pengadaan) memilih metode pemilihan Penyedia. Untuk pengadaan yang dilakukan melalui pelelangan, metode pemilihan dibedakan menjadi: a) Pelelangan Umum; b) Pelelangan Sederhana; dan c) Pelelangan Terbatas. Pada prinsipnya pengadaan menggunakan metode Pelelangan Umum.

Pelelangan Sederhana dapat digunakan untuk pengadaan yang tidak kompleks dan bernilai sampai dengan Rp5.000.000.000,00 (lima miliar rupiah). Pelelangan Terbatas dapat digunakan untuk pengadaan dengan jumlah Penyedia yang mampu melaksanakan diyakini terbatas dan Pekerjaan Kompleks.

B.     Penunjukan Langsung

Kelompok Kerja ULP/Pejabat Pengadaan menetapkan metode Penunjukan Langsung sesuai kriteria yang ditetapkan dalam Peraturan Presiden No. 54 Tahun 2010 yang terakhir diubah dengan Peraturan Presiden No. 70 Tahun 2012 beserta petunjuk teknisnya. Pemasukan Dokumen Penawaran menggunakan metode 1 (satu) sampul. Evaluasi kualifikasi dilakukan dengan sistem gugur dan dilanjutkan dengan klarifikasi teknis dan negosiasi harga.

C.    Pengadaan Langsung

Pengadaan Langsung dapat dilakukan terhadap pengadaan yang bernilai sampai dengan Rp200.000.000,00 (dua ratus juta rupiah) dengan ketentuan sebagai berikut: a) merupakan kebutuhan operasional K/L/D/I; b) teknologi sederhana; c) risiko kecil; dan/atau d) dilaksanakan oleh Penyedia orang perseorangan dan/atau badan Usaha Mikro dan Usaha Kecil serta koperasi kecil. Pengadaan Langsung dilaksanakan berdasarkan harga yang berlaku di pasar kepada Penyedia yang memenuhi kualifikasi. Penyedia tidak diwajibkan untuk menyampaikan formulir isian kualifikasi, apabila menurut pertimbangan Pejabat Pengadaan, Penyedia dimaksud memiliki kompetensi atau untuk Pengadaan Langsung yang menggunakan tanda bukti perjanjian berupa bukti pembelian/kuitansi. Pengadaan Langsung dilaksanakan oleh 1 (satu) orang Pejabat Pengadaan.

D.    Kontes

Kontes dilakukan untuk pengadaan yang memiliki karakteristik: a) tidak mempunyai harga pasar; dan b) tidak dapat ditetapkan berdasarkan harga satuan. Metode penyampaian dokumen adalah 1 (satu) sampul. Evaluasi administrasi dilakukan oleh Kelompok Kerja ULP/Pejabat Pengadaan dan evaluasi teknis dilakukan oleh Tim Juri/Tim Ahli dengan memberi nilai terhadap kriteria yang telah ditetapkan dalam Dokumen Kontes.

Panitia Pengadaan dan Penyedia Barang/Jasa

Anggota panitia harus memenuhi beberapa persyaratan termasuk penguasaan tentang prosedur pengadaan, substansi pengadaan, jenis pekerjaan yang akan dilakukan, serta memiliki sertifikat pengadaan barang/jasa pemerintah dan tidak mempunyai hubungan keluarga dengan pejabat pengangkat. Sama halnya dengan panitia pengadaan, penyedia barang dan jasa pemerintah juga diharuskan memenuhi kriteria tertentu yang ditentukan dalam peraturan tentang pengadaan barang dan jasa pemerintah. Ketidaklengakapan persyaratan ini dapat menjadi penyebab tidak diakuinya penyedia barang/jasa dalam lelang atau penunjukan oleh instansi terkait. Berikut ini beberapa kriteria penyedia barang/jasa:

a)      Memiliki keahlian, kemampuan manajerial dan teknis yang memadai, berpengalaman yang sesuai dengan persyaratan yang diminta oleh instansi yang memberikan proyek pengadaan barang/jasa.

b)      Memenuhi aturan menjalankan usaha seperti yang ditentukan oleh perundang-undangan menyangkut bentuk dan legalitas usaha.

c)      Mempunyai kapasitas hukum untuk menandatangani kontrak untuk proyek yang akan dikerjakan.

d)     Bebas dari keadaan pailit, pengawasan pengadilan maupun memiliki direksi yang tidak dalam proses hukum.

e)      Memenuhi kewajiban sebagain wajib pajak pada tahun sebelumnya yang dibuktikan dengan pelampiran SPT dan SSP tahun terakhir.

f)       Pernah menangani proyek pengadaan barang/jasa untuk institusi swasta maupun pemerintah dalam kurun waktu 4 tahun terakhir. Poin ini termasuk pengalaman subkontrak pengadaan barang/jasa.

g)      Memiliki alamat tetap dan dapat dijangkau dengan pos.

h)      Tidak masuk daftar hitam penyedia barang/jasa.

Prinsip Dasar Pengadaan

Pengadaan barang/jasa dilaksanakan dengan menggunakan prinsip dasar sebagai berikut:

è Transparan: semua ketentuan dan informasi, baik teknis maupun administratif termasuk tata cara peninjauan, hasil   peninjauan, dan penetapan penyedia barang/jasa harus bersifat terbuka bagi penyedia barang/jasa yang berminat dan mampu tanpa diskriminasi;

è Adil:  tidak diskriminatif  dalam memberikan perlakuan bagi semua calon  penyedia barang/jasa dan tidak mengarah untuk memberikan keuntungan  kepada pihak tertentu, dengan cara atau alasan apa pun;

è Bertanggung jawab:  mencapai sasaran baik fisik, kualitas,  kegunaan, maupun manfaat bagi kelancaran pelaksanaan usaha sesuai dengan  prinsip-prinsip dan  kebijakan serta ketentuan yang berlaku dalam pengadaan barang/jasa;

è Efektif: sesuai dengan  kebutuhan yang telah ditetapkan dan dapat  memberikan manfaat  yang sebesar-besarnya bagi para pihak terkait;

è Efisien: menggunakan dana, daya, dan fasilitas  secara optimum untuk mencapai sasaran yang telah ditetapkan dengan biaya yang wajar dan tepat pada waktunya;

è Kehati-hatian: berarti senantiasa memperhatikan atau patut menduga terhadap informasi, tindakan, atau bentuk apapun sebagai langkah antisipasi untuk menghindari kerugian material  dan imaterial  selama  proses pengadaan, proses pelaksanaan pekerjaan,  dan paska pelaksanaan pekerjaan;

è Kemandirian:  berarti  suatu keadaan dimana pengadaan barang/jasa dikelola secara profesional tanpa  benturan  kepentingan dan pengaruh/tekanan dari pihak manapun;

è Integritas: berarti pelaksana pengadaan barang/jasa harus berkomitmen penuh untuk memenuhi etika pengadaan;

è Good   Corporate  Governance: Memenuhi prinsip-prinsip tata kelola perusahaan yang baik.

Rencana Bisnis : Pengadaan jasa pembuatan Furniture

Teknologi Informasi dan Komunikasi (TIK) telah berkembang sangat jauh saat ini baik terhadap cara berkomunikasi, cara belajar, cara bekerja, cara bisnis, dan lain sebagainya. karena banyak manfaat dalam pengembangan dibidang TIK ini, salah satu manfaatnya yaitu dapat memperkenalkan suatu usaha yang dijalankan kepada masyarakat umum. maka dari itu saya ingin membuat suatu usaha pengadaan jasa pembuatan Furniture.

Usaha yang saya buat ini lebih memberatkan dalam pembuatan furniture dengan bentuk yang diinginkan oleh pelanggan, baik untuk perusahaan ataupun instansi lain, pemerintahan, maupun perumahan yang membutuhkan furniture unik di tempatnya agar dapat digunakan secara nyaman dan aman. Banyak tempat perusahaan maupun perumahan baru yang membutuhkan furniture untuk menunjang kinerja perusahaan dan terlihat lebih menarik agar tampilannya terlihat lebih bagus.

Saya menjalankan usaha ini dengan beberapa teman saya yang juga ahli dibidang desain grafis dan furniture. Hanya modal laptop dan beberapa aplikasi yang mendukung seperti photoshop dan blender.

Dalam penyebaran informasi usaha ini saya mengandalkan media online dan cetak. Media online yang saya gunakan yaitu sosial media yang sudah banyak digunakan oleh masyarakat seperti facebook, twitter, instagram, dan path. Selain sosial media saya juga akan menyebarkan melalui e-commerce termasuk forum kaskus. Untuk media cetak saya hanya membuat brosur untuk disebarkan.

Komentar :

menurut saya dengan adanya regulasi dan prosedur pengadaan barang dan jasa sangat membantu didalam bidang bisnis. karena bisa membantu seseorang untuk mempromosikan apa yang ada dalam bisnis mereka itu sendiri dan juga bisa disampaikan dengan baik kepada masyarakat.

pada regulasi dan prosedur pengadaan barang dan jasa mempunyai manfaat yaitu bahan tersampaikan dengan tujuan yang jelas. dan juga bisa memberikan gambaran atau contoh kepada orang-orang yang akan membuat bisnis dengan penjelasan yang lebih mudah.