Tugas CSEC ILKOM UPI

TENSES

1. Present Tense

Digunakan untuk menyatakan kebiasaan sehari-hari, fakta yang universal.

Rumus : S + V-1 s/es + O

Contoh : I go to school everyday

2. Past Tense

Digunakan untuk menyatakan suatu kejadian yang telah terjadi dimasa lalu.

Rumus : S+V-2 + O

Contoh : I wrote a letter last night.

3. Future Tense

Digunakan untuk menyatakan suatu kejadian yang akan dilakukan pada masa yang akan datang.

Rumus : S+Will+V-1+O

Contoh : I will go to Sumedang one week later.

4. Present Continuous Tense

Digunakan untuk menyatakan kejadian yang sedang dilakukan sekarang

Rumus : S+are/am/is+V-1 ing+O

Contoh : I’m writing a task now.

5. Past Continuous Tense

Digunakan untuk menyatakan suatu kejadian yang sedang terjadi pada masa yang lampau.

Rumus : S+was/were+V ing+O

Contoh : I was writing a letter yeseterday.

6. Future Continuous Tense

Digunakan untuk menyatakan suatu kejadian yang akan sedang terjadi pada masa yang akan datang.

Rumus : S+Will Be+V ing+O

Contoh : I will be going Cianjur two day later.

7. Present Perfect Tense

Digunakan untuk menyatakan suatu kegiatan yang telah terjadi dimasa lalu dan masih berlangsung sampai sekarang.

Rumus : S+Have/Has+V3+O

Contoh : I have lived in Cianjur for 3 months.

8. Past Perfect Tense

Digunakan unutk menyatakan suatu kegiatan yang telah terjadi dimasa lalu dan telah selesai disuatu waktu.

Rumus : S+Had+V-3+O

Contoh : The Party had finished before you came

Kenapa Bahasa Inggris Susah Dan Solusinya

Setiap orang yang sudah belajar bahasa Inggris tapi belum juga bisa pasti akan menyimpulkan kalau bahasa ini susah dipelajari. Seperti yang pernah saya rasakan, sudah bertahun-tahun belajar sejak duduk di bangku smp kelas satu tetap juga tidak bisa. Padahal kenyataannya tidak begitu, saya kalau boleh jujur dulu tidak pernah belajar. Bahasa Inggris sebenarnya gampang dan anda bahkan bisa belajar bahasa Inggris tanpa guru.

Kenyataannya saya tidak benar-benar belajar hari berganti hari tidak satu menitpun saya gunakan untuk belajar. Okelah jika memang sudah benar-benar belajar lalu masih juga menemui kesulitan. Lalu apa sebenarnya yang membuat bahasa ini sulit dan susah untuk dikuasai. Tidak semua orang berhasil padahal sudah kursus di tempat kursus bergengsi.
Bahasa Inggris Bukan Bahasa Fonetik
Apa itu bahasa fonetik? Bahasa fonetik adalah bahasa yang cara pengucapan kata-katanya sesuai dengan apa yang tersirat. Bahasa Indonesia adalah salah satu bahasa fonetik, apa yang tertulis itulah cara pengucapannya.

Sedangkan bahasa ini sungguh berbeda antara tulisan dan pengucapannya. Saya masih ingat ketika saya ditertawai oleh teman-teman kelas saya saat mengucapkan kata "enough" padahal mungkin diantara mereka yang tertawa mungkin juga tidak tau cara pengucapannya. Saya mengucapakan "enoug" padahal harusnya  (ɪˈnʌf).

Masih banyak  kata yang benar-benar sangat berbeda tulisan dan pengucapannya yang membuat anda prustasi apalagi harus berbicara dengan native speaker, tentu saja akan kentara kalau pengucapana anda salah. Mungkin benar pendapat orang-orang kalau pengucapan adalah kesulitan terbesar dalam belajar bahasa Inggris.

Solusi
Semua masalah ada solusinya lalu bagaimana cara menghapal ribuan kata sekaligus menguasai cara pengucapan yang benar? Yang anda perlukan adalah listening dan speaking. Anda perlu listening native spekaer. Cobalah tips listening dengan mendengarkan podcast atau nonton Youtube. Asah kemampuan listening anda sehingga anda terbiasa dengan pengucapan yang benar. Untuk Podcast anda bisa mencarinya di kumpulan jejak bahasa Inggris.

Luangkan waktu dua sampai tiga jam untuk mendengarkan cerita atau lagu. Coba tiru oengucapannya. Jangan malu-malu semakin anda percaya diri semakin cepat anda menguasai speaking. Sekali lagi anda perlu minimal dua jam sehari untuk belajar.

Dengarkan berulang-ulang satu judul podcast sampai anda mengusai dan dapat mengerti isisnya tanpa harus membaca scriptnya. Semakin sering anda berinteraksi dengan bahasa Inggris semakin terbiasa anda dan semua kata-kata dan pengucapaannya akan menempel dalam benak anda dan anda bisa bicara bahasa Inggris secara otomatis.

Data Mining

1. Pengertian Data Mining

Latar belakang lahirnya data mining karena banyak perusahaan-perusahaan/instansi yang mempunyai data yang besar (sampai Terabyte) misalnya perusahaan perbankan mempunyai data transaksi nasabahnya selama bertahun-tahun. Data sebanyak itu bisa dimanfaatkan oleh perusahaan tersebut untuk bebagai hal.

Jadi, apa itu data mining? Data mining merupakan sekumpulan proses yang digunakan untuk menggali informasi yang lebih dari sekumpulan data yang besar, yang sebelumnya tidak diketahui secara manual. Data mining meliputi kegiatan pengumpulan data, pemakaian data historis untuk menentukan pola keteraturan pada sebuah data.

Data mining berjalan dengan menggunakan ilmu database, kecerdasan buatan, machine learning, dan statistika. Semua metode ilmu tersebut diterapkan dalam data mining untuk mendapatkan sebuah pola khusus yang ada dari sebuah data. Pola-pola ini kedepannya bisa digunakan oleh perusahaan/instansi untuk berbagai hal, misalnya pengefektifan pemasaran, pengawasan, pendeteksi penipuan dan lain-lain.

Data mining berbeda dengan warehouse dan On-Line Analytical Processing (OLAP). Teknologi warehouse digunakan untuk OLAP, sedangkan data mining digunakan untuk melakukan information discovery yang digunakan untuk seorang Data Analyst dan Business Analyst (dalam prakteknya data ware house juga digunakan). Data mining di oleh sedemikian rupa sehingga bisa menampilkan sebuah visual/tapmilan yang bisa dengan mudah dibaca dan digunakan oleh user.

2. Data Classification

Data classification merupakan sebuah data yang dihasilkan oleh metode classification pada data mining. Metode classification itu sendiri merupakan sebuah metode pengelompokan dari data-data yang sudah ada berdasarkan atribut dari data-data tersebut. . Sebagai contoh dari metode classification ini yaitu data pengelompokan pembeli motor berdasarkan umur, tempat tinggal dan lain-lain.

Cara kerja dari classification meliputi dua tahap, yaitu learning dan test. Pada tahap learning, sebagian data yang telah diketahui kelas datanya dibuat sebagai model perkiraan. Pada langkah kedua model yang sudah diperkirakan diuji dengan cara memasukkan data yang lainnya kepada data perkiraan awal. Apabila akurasi dari data model perkiraan mencukupi maka model itu dapat dipakai untuk memprediksi data yang lainnya.

Metode classification termasuk supervised learning (pembelajaran ‘terawasi’). Algoritma yang sering digunakan dalam metode classification ini diantaranya C4.5, CMAR, Naïve Bayes, K Nearest Neighbours dan algoritma yang penulis implemetasikan, CART.

3. Data Clustering

Berbeda dengan classification, clustering mengelompokan data tanpa berdasarkan data yang telah diketahui. Tetapi clustering dapat mengelompokan data berdasarkan kelompok data tertentu. Bahkan clustering ini mampu membuat sebuah label pada data yang belum diketahui. Pengelompokan data yang tidak diketahui terlebih dahulu kelas atau label datanya ini merupakan metode unsupervised learning (tidak ‘diawasi’).

Objek dari clustering adalah pendistribusian data ke dalam kelompok. Misalnya pengelompokan orang-orang, objek wisata dll. Data dimasukan kedalam satu kelompok berdasarkan tingkat kesamaan data yang ada dalam kelompok. Jika tingkat kesamaan tinggi maka data akan sekelompok, jika berbeda jauh maka data akan ditempatkan dibeda kelompok.

Dengan menggunakan data clustering, kita dapat melihat distribusi daerah yang padat, pola-pola distribusi data, dan keterkaitan atribut-atribut data satu dengan lainnya. Clastering dapat dilakukan pada data yang memiliki beberapa atribut yang dipetakan secara multidimensi.

Algoritma dalam clustering mempunyai fungsi jarak untuk mengukur sejauh mana kemiripan data. Secara garis besar ada dua macam algoritma yang digunakan dalam clustering

1. Metode partisi, dimana setiap pengguna harus menentukan jumlah k partisi yang kemudian setiap data dites dimasukan ke dalam partisi sehingga tidak terjadi overlap dan satu data hanya memiliki satu cluster. Contoh algoritmanya K-Means.

2. Metode hierarki, pada metode ini setiap data memungkinkan untuk memiliki lebih dari satu cluster. Contoh algoritmanya adalah Agglomerative (FINDIT, PROCLUS), Divisive Hierarchical Clustering (CLIQUE, MAFIA, ENCLUE).

4. Contoh Aplikasi Data Classification dan Cluster

Contoh aplikasi dari data classification yaitu Document Classification, yaitu pengelompokan buku diperpustakaan. Buku-buku itu dikategorikan secara otomatis.

Contoh aplikasi dari data cluster adalah diimplementasikan untuk riset marketing (market research). Fungsinya untuk menyimpulkan segmentasi pasar, dan memahami lebih jauh relasi atau hubungan dari kelompok konsumen yang berbeda itu.