Jump to content

anon

Pengguna
  • Jumlah konten

    123
  • Bergabung

  • Terakhir berkunjung

  • Days Won

    8

anon last won the day on April 28 2017

anon had the most liked content!

3 Followers

Tentang anon

  • Rank
    Honorer
  • Ulang Tahun 03/07/1981

Metode Kontak

  • Situs
    https://cia.gov

Informasi Profil

  • Jenis Kelamin
    Male (Laki Laki)

Pengunjung Profil Terakhir

5.889 profile views
  1. anon

    Cieeee mimiiin fotonya cihuiiiii 😍

  2. Kejaksaan Agung menetapkan mantan Direktur utama PT Pertamina (persero) Karen Galaila Agustiawan (KGA) sebagai tersangka baru dalam kasus dugaan korupsi investasi perusahaan di Blok Basker Manta Gummy (BMG) Australia tahun 2009 yang merugikan keuangan negara sampai Rp568 miliar. "KGA ditetapkan tersangka berdasarkan Surat Perintah Penetapan Tersangka Direktur Penyidikan pada Jaksa Agung Muda Tindak Pidana Khusus Nomor: Tap-13/F.2/Fd.1/03/2018 tanggal 22 Maret 2018," kata Kepala Pusat Penerangan Hukum Kejaksaan Agung M Rum melalui keterangan tertulis yang diterima media. Selain KGA, Kejaksaan Agung juga menetapkan sejumlah tersangka lain. GP, pekerjaan Chief Legal Councel and Compliance PT. Pertamina (persero) ditetapkan tersangka berdasarkan Surat Perintah Penetapan Tersangka Direktur Penyidikan pada Jaksa Agung Muda Tindak Pidana Khusus Nomor: Tap-14/F.2/Fd.1/03/2018 tanggal 22 Maret 2018. Lalu, ada BK, pekerjaan mantan Manager Merger & Acquisition (M&A) Direktorat Hulu PT. Pertamina (Persero) berdasarkan Surat Perintah Penetapan Tersangka Direktur Penyidikan pada Jaksa Agung Muda Tindak Pidana Khusus Nomor: TAP-06/F.2/Fd.1/01/2018 tanggal 23 Januari 2018. Kemudian, FS yang merupakan mantan Direktur Keuangan PT. Pertamina (persero) ditetapkan tersangka berdasarkan Surat Perintah Penetapan Tersangka Direktur Penyidikan pada Jaksa Agung Muda Tindak Pidana Khusus Nomor: Tap-15/F.2/Fd.1/03/2018 tanggal 22 Maret 2018. Untuk diketahui, pada Tahun 2009 PT. Pertamina (Persero) telah melakukan kegiatan akuisisi (Investasi Non Rutin) berupa pembelian sebagian asset (Interest Participating/ IP) milik ROC Oil Company Ltd di lapangan Basker Manta Gummy (BMG) Australia berdasarkan Agreement for Sale and Purchase--BMG Project tanggal 27 Mei 2009 senilai US$31,917,228.00; "Dalam pelaksanaanya ditemui adanya dugaan penyimpangan dalam pengusulan Investasi yang tidak sesuai dengan Pedoman Investasi dalam pengambilan keputusan investasi tanpa adanya Feasibility Study (Kajian Kelayakan) berupa kajian secara lengkap (akhir) atau Final Due Dilligence dan tanpa adanya persetujuan dari Dewan Komisaris," kata Rum. Hal ini mengakibatkan peruntukan dan penggunaan dana sejumlah US$31,492,851 serta biaya-biaya yang timbul lainnya (cash call) sejumlah AU$26,808,244 tidak memberikan manfaat ataupun keuntungan kepada PT. Pertamina (Persero) dalam rangka penambahan cadangan dan produksi minyak Nasional yang mengakibatkan adanya Kerugian Keuangan Negara cq. PT. Pertamina (Persero) sebesar USD. 31,492,851 dan AU$ 26.808.244 atau setara dengan Rp. 568.066.000.000,- (lima ratus enam puluh delapan milyar enam puluh enam juta rupiah) sebagaimana perhitungan Akuntan Publik. "Kerugian keuangan negara senilai US$31.492.851 dan AU$ 26.808.244 atau setara dengan Rp568.066.000.000 ,- (lima ratus enam puluh delapan milyar enam puluh enam juta rupiah), berdasarkan hasil perhitungan Akuntan Publik," katanya. Tersangka disangkakan melanggar Pasal 2 ayat (1), Pasal 3 Undang-Undang Nomor 31 tahun 1999 sebagaimana telah diubah dengan Undang-Undang Nomor 20 Tahun 2001 tentang Perubahan Atas Undang-Undang Nomor 31 tahun 1999 tentang Pemberantasan Tindak Pidana Korupsi jo. Pasal 55 ayat (1) ke-1 KUHP. Tim Penyidik dalam melakukan pengungkapan kasus dugaan tindak pidana korupsi penyalahgunaan investasi pada PT. Pertamina (Persero) di Blok Basker Manta Gummy (BMG) Australia Tahun 2009 telah memeriksa Saksi sebanyak 67 (enam puluh tujuh) orang.
  3. CEO Apple Tim Cook dulunya adalah salah satu orang yang yakin bahwa dompet digital dalam perangkat mobile akan banyak digunakan oleh masyaratakat non tunai. Namun belakangan ini, Cook terkesan sanksi dengan prediksinya itu. Pada 2016, Cook dengan optimis sesumbar mengatakan bahwa Apple akan menghentikan transaksi menggunakan uang tunai. Tetapi pada Selasa (13/2) lalu, Cook justru terkesan mengubah pemikirannya. Ia terkesan tak yakin bahwa transaksi dengan uang akan segera berakhir. "Saya berharap masih hidup untuk bisa menyaksikan penggunaan uang menghilang," kata Cook dalam pertemuan khusus dengan para pemegang saham di kampus baru Apple di Cupertino, AS. Menurutnya, pembayaran di perangkat mobile diadopsi lebih lambat dari yang diperkirakan Apple sebelumnya. Padahal perkiraan itulah yang membuat Apple meluncurkan Apple Pay di perangkat iPhone pada 2014 silam untuk menyaingi Samsung Pay dan layanan serupa lainnya. "Pembayaran mobile ternyata lebih lambat dari yang saya perkirakan secara pribadi beberapa tahun silam," tutur pria berusia 51 tahun ini. Apple Pay sendiri telah diblokir oleh terminal penjualan point-of-sale yang lebih tua karena tidak kompatibel dengan teknologi baru. Namun Cook memastikan akan mengubahnya secara bertahap. Sementara itu, Cook mengklaim bahwa dia melihat "adopsi yang sangat cepat" Apple Pay selama 12 bulan terakhir, terutama di belahan dunia yang sepertinya tidak diperkirakan sebelumnya, seperti Rusia dan China. Selain itu, Cook dalam kesempatan yang sama juga kembali menegaskan bahwa Apple akan berinvestasi besar di Amerika. Perusahaan akan membayar US$ 38 miliar pajak untuk mengembalikan uangnya ke AS. Apple berencana berinvestasi US$ 30 miliar di AS selama lima tahun ke depan dengan membangun kampus baru dan menciptakan 20.000 pekerjaan baru. Dengan pengeluaran saat ini untuk pajak penjualan produk dan pajak atas upah karyawan, Apple mengatakan bahwa pihaknya memperkirakan akan menyumbang US$ 350 miliar untuk ekonomi AS selama periode tersebut. "Kami ingin menggunakan sisa keuntungan untuk diinvestasikan di negara ini," klaim Cook Menurut jendral gimana?
  4. Linimasa Twitter pagi ini, Jumat (28/4/2017), ramai dengan pembahasan soal situs resmi Telkomsel yang tampak beda dari biasanya. Tampilan laman depan situs Telkomsel, www.telkomsel.com, ternyata diubah (deface) oleh peretas. Dalam laman tersebut, sang peretas itu memprotes harga paket data Telkomsel yang dianggap terlalu mahal. Deskripsinya pun berisi kata-kata kasar yang mengeluhkan soal itu. "Pegimane bangsa Endonesia mau maju kalo internet aja mahal," begitu salah satu deskripsinya. Deskripsi selengkapnya menjabarkan tuntutan sang peretas yang belum diketahui identitasnya. Ia meminta penurunan harga kuota internet dari Telkomsel. Pembagian dan pembatasan kuota untuk 2G/3G/4G juga diminta dihapus. Begitu pula dengan paket bundling layanan internet HOOQ dan Viu untuk hiburan. "Gue cuma butuh kuota internet. Titik," sang peretas menegaskan bahwa paket bundling dengan layanan hiburan tak terlalu penting. Menurut pantauan terakhir, situs Telkomsel kini sama sekali tak bisa diakses sama sekali. Akan tetapi, jika memasukan kata "Telkomsel" di laman pencarian Google, hasil pencarian masih menampilkan pesan dari sang peretas. Netizen Indonesia menanggapi keluhan sang peretas dengan komentar beragam, ada yang terkesan membela maupun menyindir. "hahahah sotus telkomsel di hack yg kurang uang ????????????," kata akun @chiro_muchtar. "Situs @Telkomsel di hack? Wah..bentuk protes dr pelanggan krn tarifnya kemahalan tuh hehehe," kata akun @iwanWEC. "Sekelas telkomnyet, eh telkomsel di hack ... sebagai netizen, w miris ...," kata akun @TeukuRyan. Telkomsel minta maaf Telkomsel pun meminta maaf atas peretasan yang terjadi. Vice President Corporate Communications Telkomsel, Adita Irawati, mengatakan saat ini pihaknya sedang melakukan penelusuran dan perbaikan. "Kami menyampaikan permohonan maaf atas ketidaknyamanan yang dirasakan pelanggan dalam mengakses website resmi Telkomsel www.telkomsel.com. Saat ini kami sedang melakukan penelusuran dan perbaikan yang dibutuhkan agar pelanggan dan masyarakat bisa segera mengakses website tersebut," ia menjelaskan lewat keterangan resmi. Lebih lanjut, Adita juga memberikan alternatif untuk mengakses informasi soal produk dan layanan Telkomsel melalui aplikasi MyTelkomsel, Call Center, maupun GraPARI.
  5. Just under $2 billion has been wiped off the value of bitcoin in under three days as a fight over the future of the technology underpinning the cryptocurrency wages on. http://www.cnbc.com/2017/03/17/bitcoin-price-blockchain-fork-ethereum.html

  6. Dari berita ini, menurut jendral jendral semua, apa motifnya dan siapa pelakunya? Ya kita bebas berbicara.
  7. anon

    Arsitektur Big Data

    Kita akan ulas masing-masing komponen tersebut. Data source adalah sumber data untuk big Data. Data umumnya dipompa masuk Big Data dengan menggunakan API ataupun dengan operasional file system seperti transfer file. Ada dua jenis data source yaitu streaming data source dan bulk data source. Contoh streaming data source misalnya adalah tweets dari twitter API. Sedangkan Bulk data misalnya adalah file teks biasa yang sangat besar seperti file log dari suatu aplikasi ataupun file yang berisi data yang di dump dari database. Data aggregator adalah tool atau software yang mengumpulkan dan manyalurkan data dari sumber ke beberapa jenis pengolahan data di Big data. Ada dua jenis data aggregator berdasarkan cara kerjanya. Jenis pertama adalah Pull-based data aggregator. Jenis ini mengumpulkan data dan memberikan data tersebut kepada siapa saja yang meminta tanpa registrasi sebelumnya, mirip seperti Java Messaging Queue. Contohnya adalah Apache Kafka, RabbitMQ. Jenis kedua adalah Push-based data aggregator. Jenis kedua ini mengumpulkan data dan mengirim data ke sistem lain yang sudah di set terhubung dan menerima data dari data aggregator. Sistem yang mau mendapatkan data harus ‘terdaftar’ di data aggregator dulu dan biasanya diperlukan effort lebih jika ada sistem baru yg ingin mendapatkan data dari data aggregator jenis ini dibanding jenis yang pertama. Contoh Push-Based Data Aggregator adalah Apache Flume dan Spring-XD. Realtime streaming Processor adalah salah satu sistem pengolahan di Big Data yang umum ditemukan. Fungsinya adalah untuk menganalisis data yang bersifat realtime dan streaming. Contohnya adalah menghitung hashtag yang muncul di semua tweet di twitter. Sifat dari pemrosesan ini haruslah ringan, dan cepat. Oleh karena itu analisis data secara kompleks jarang sekali dilakukan. Output dari pemrosesan ini adalah gambaran umum dari data yang didapatkan dan tidak terlalu detil. Outputnyapun sebaiknya disimpan di datastore sehingga bisa digunakan oleh aplikasi yang membutuhkan. Untuk hasil analisis data yang sangat detil bisa di lihat di Non-realtime processor. Contoh tool yang digunakan di realtime streaming misalnya adalah Apache Storm, Apache Spark Streaming dan Spring-XD. Meskipun hasilnya tidal detil, tetapi pemrosesan ini diperlukan mengingat pemrosesan secara bulk / non-realtime membutuhkan waktu yang cukup lama. Dengan demikian user bisa melihat secara garis besar data yang diolah meskipun tidak detil sembari menunggu pemrosesan non realtime selesai.. Hadoop disni yang saya maksud adalah HDFS. Disini hadoop lebih ditekankan sebagai tempat penyimpanan data yang sangat besar. Hadoop menjadi tempat semua data sehingga bisa dianalisis oleh berbagai tools untuk berbagai kepentingan sehingga bisa didapatkan hasil yang cukup detil dan bisa memenuhi kebutuhan dari user. Non-realtime processor adalah proses pemrosesan data di Big Data untuk data besar yang terdapat di HDFS. pemrosesan ini menggunakan berbagai jenis tool sesuai kebutuhan. sebuah data bisa dianalisis lebih dari satu tools. Contoh tool yang sering digunakan antara lain Hive dan Pig untuk Map Reduce, Apache Mahout dan Apache Spark untuk machine learning dan artificial intelligence. Hasil dari pemrosesan ini dimasukkan ke dalam data store untuk kemudian bisa di lihat di level aplikasi. Sistem pemrosesan ini umumnya memerlukan waktu yang relatif lebih lama mengingat data yang diproses relatif sangat besar. Data store adalah tools untuk menyimpan data hasil pemrosesan baik realtime maupun on-realtime. Datastore disini bisa berupa RDBMS ataupun jenis NoSQL lainnya. RDBMS sangat jarang digunakan sebagai data store mengingat keterbatasan dalam sisi ukuran yang bisa ditampung tanpa kehilangan kinerja. Datastore yang umumnya dipakai adalah NoSQL yang berbasis Document (mis. MongoDB), Column-oriented seperti HBase dan Cassandra, dan juga key-value pair seperti couchDB. Beberapa data store yang jarang kedengaran juga dipakai seperti misalnya Voldemort dan Druid. Apps adalah aplikasi yang berinteraksi langsung dengan user. Aplikasi disini mengakses data yang berada di data store untuk kemudian disajikan kepada user. Jenis aplikasi disini sangat bervariasi bisa berupa web, desktop ataupun mobile. Pada umumnya aplikasi disini hanyalah untuk melakukan visualisasi dari data yang sudah dianalisis sebelumnya. insert data tidak saya temui untuk jenis aplikasi ini. Karena memang ditujukan untuk user, maka data yang disajikan harus sesuai dengan kebutuhan user. Semoga paparan mengenai arsitektur Big Data ini bisa bermanfaat.
  8. anon

    Big Data Dengan Hadoop

    Salah satu implementasi dari Big Data yang cukup terkenal adalah Hadoop atau nama resminya Apache Hadoop. Hadoop adalah teknologi yang dibuat dari sebuah artikel atau paper. Paper ini di bawakan oleh Google untuk menggambarkan Big Data yang mereka gunakan untuk menampung data mereka yang sangat besar. Jadi, Google menginspirasi lahirnya Hadoop. Bedanya Big Data Google tidak bersifat open source sementara Hadoop open source. Hadoop disini disebut lebih dari sekedar software atau perangkat lunak. Hadoop adalah sekumpulan software yang saling bekerja sama untuk mengolah data. Bisa disebut Hadoop adalah sebuah ekosistem yang terdiri dari software-software yang bekerja sama. Secara garis besar saya pribadi membagi ekosistem menjadi beberapa bagian: Inti atau core dari Hadoop: Ini adalah software utama yang menjadi dasar dari ekosistem. Software ini bisa didapat di web site Apache Hadoop. Inti hadoop ini terdiri dari beberapa bagian yaitu Hadoop Distributed File System (HDFS) dan Map Reduce. HDFS adalah tempat data-data dan file disimpan. Map Reducedisini adalah program untuk melakukan datamining dan pengolahan data lainnya dari file atau data yang disimpan di HDFS. Data mining. Bagian ini sebenarnya bisa dikatan adalah API untuk menjalankan Map Reduce. Bagian ini mempermudah membuat dan menjalankan Map Reduce. Dengan demikian akan lebih mudah membuat dan menjalankan query. Contoh dari bagian ini adalah Apache Pig dan Apache Hive Database NoSQL (Not Only SQL). Bagian ini ada karena proses map reduce biasanya makan waktu lama (karena data yang diproses baisanya besar) dan dilakukan secara periodik dan tidak sewaktu-waktu. Bagian ini memberikan akses data yang lebih cepat dan bisa sewaktu-waktu. Contoh NOSQL yang baisa dipakai adalah Apache HBase dan Apache Cassandra. Bagian pendukung lain. bagian ini padaumumnya dalah pendukung operasional Hadoop. Contohnya adalah Apache Zookeeper yang berfungsi untuk mengatur distribusi data dan pemrosesan data. Zookeeper dipakai oleh Apache HBase. Apache Flume berfungsi untuk mengatur input kedalam hadoop dari sumer data yang bersifat streaming misalnya dari Twitter. Ada banyak lagi software pendukung Hadoop ini. Seperti Apache Ambari, Apache Oozie dsbnya. Tidak mutlak harus memakai semuanya. Hanya tergantung kebutuhan saja. Hadoop bisa dijalankan disatu komputer saja (single node) ataupun dalam cluster yang berisi banyak komputer (multi node). Single node biasanya untuk development atau training saja. Hadoop memerlukan Java untuk bisa berjalan. Untuk proses instalasinya juga cukup sederhana. Setelah file core Hadoop di download disitu ada petunjuk menjalankannya. Selanjutnya bisa dipilih mana saja komponen lain yang dibutuhkan.
  9. anon

    Apa itu Big Data

    Akhir-akhir ini istilah Big Data marak di gunakan sebagai teknologi yang akan menjadi trend masa depan. Sebenarnya apa sih Big Data itu? Manfaat apa yang diberikan oleh Big Data? Siapa saja yang sudah menggunakan dan mendapatkan manfaat dari Big Data? Berikut sedikit ulasan tentang Big Data. Big Data adalah sebuah teknologi baru di dunia teknologi informasi dimana memungkinan proses pengolahan, penyimpanan dan analisis data dalam beragam bentuk/format, berjumlah besar dan pertambahan data yang sangat cepat. Pengolahan dan analisis data dalam jumlah sangat besar ini memerlukan waktu yang relatif jauh lebih singkat dengan menggunakan Big Data dibanding teknologi data sebelumnya, misalnya. database relational seperti MySQL. Ciri-ciri data yang ditangani oleh Big Data: Jumlah nya sangat besar (Volume). Biasanya ukuran total data dalam terabytes keatas. Pertumbuhan data sangat cepat (Velocity) sehingga data bertambah dalam jumlah yang sangat banyak dalam kurun waktu relatif singkat. Bentuk atau format datanya beraneka ragam (Variety). Format disini bisa berupa data dalam tabel-tabel relasional database seperti MySQL, file text biasa, File Excel atau bentuk apapun. Manfaat yang bisa diberikan dari Big Data antara lain bisa memberikan gambaran yang lebih lengkap dari sebelumnya karena biasanya data yang dianalisis adalah data terstruktur misalnya data relasional database. Contoh skenario dimana Big Data digunakan misalnya adalah pemanfaatan data dari social media, twitter, facebook dsbnya dipadukan dengan data dari perusahaan sendiri misalnya data dari penjualan atau data pelanggan yang sudah ada di relasional database. Dengan demikian bisa didapatkan analisis untuk melakukan strategi marketing yang jitu. Misalnya dengan menganalisis orang-orang di social media yang berpengaruh untuk memasarkan produk. Contoh real dimana Big Data benar-benar dinikmati manfaatnya adalah sebuah startup bernama Klarna. Klarna adalah startup dari Swedia yang memberikan pelayanan semacam micro financing untuk e-commerce. Yang ditawarkan Klarna adalah pembeli online bisa langsung beli barang online tanpa membayar langsung. barang akan dikirimkan ke alamat pembeli. Selanjutnya pembeli diberi waktu untuk membayar barang jika dia sukai dengan barang yang dikirim atau mengembalikan barang tersebut jika tidak disukai. Nah bagaimana jika pembeli tersebut tidak bertanggung jawab dan tidak membayar barang yang sudah dia terima? Disinilah Klarna memberikan solusi berbasis Big Data. Klarna melakukan analisis terhadap data dari pembeli tersebut sehingga meminimalkan resiko dimana pembeli tidak membayar barang yang sudah dia terima. Hasilnya Klarna tumbuh menjadi perusahaan micro financing besar untuk pasar e-commerce di Eropa. Sayangnya untuk Indonesia, berdasarkan survey beberapa perusaahn besar, penggunaan Big Data masih belum optimal. Teknologi ini masih dianggap asing dan belum dianggap akan memberikan hasil yang menguntungkan.
  10. gw yakin betul pasti ini kerjaannya SBY
  11. anon

    Apple Mulai Galau Riset Mobil Otonom

    mungkin gak ada investor kali
×

Important Information

Kami menggunakan cookie. Mereka tidak menakutkan, tetapi beberapa orang berpikir mereka. Terms of Use & Kebijakan Privasi