Salah satu aspek penting dalam software engineering adalah pengujian perangkat lunak. Fungsinya adalah mengetahui apakah aplikasi yang dibuat sesuai dengan kebutuhan (requirements) atau tidak. Ada beragam jenis pengujian, salah satunya adalah vulnerability test. Tes yang masuk kategori black box ini terkadang disebut penetration test karena bertujuan mengetahui apakah aplikasi tersebut memiliki tingkat keamanan yang baik. Biasanya untuk aplikasi-aplikasi berbasis web (web-based).
Banyak software-softaware yang bisa digunakan, salah satu yang gratis adalah OWASP ZAP yang bersifat online tanpa perlu menginstal terlebih dahulu. Silahkan lihat tata cara berikut ini.
Software Tester, Software Quality Assurance, dan sejenisnya banyak dibutuhkan dalam project pengembangan perangkat lunak. Kompetensi ini sudah ada dalam skema Badan Nasional Sertifikasi Profesi (BNSP) di Indonesia.
Portable Document Format (PDF) merupakan salah satu jenis file terkenal untuk membaca dokumen. File ini berisi dokumen yang identik dengan naskah cetak. Hampir kebanyakan platform dari desktop hingga mobile dapat membaca jenis file ini.
Microsoft Word (MS Word) merupakan text editor terkenal dari Microsoft. Salah satu fasilitas pada MS Word yang sangat membantu adalah Automatic Table of Contents (TOC). Dengan mengeset Heading tertentu, secara otomatis MS Word akan mengisi daftar isi di lokasi tertentu di bagian awal, termasuk juga daftar gambar dan tabel.
PDF reader kebanyakan memiliki fasilitas untuk me-link daftar isi dengan kontennya lewat fasilitas bookmark. Bookmark bisa diisi manual dengan create bookmark atau secara otomatis ketika konversi dari MS Word ke PDF. Postingan ini menunjukan bagaimana cara mengkonversi MS Word ke PDF disertai dengan bookmark.
Save As
Cara tercepat adalah dengan fasilitas Save As yang ada pada MS Word. Namun sedikit utak-atik karena tersembunyi.
Di bawah pilihan PDF (*.pdf) tekan More Options .. untuk membuka jendela lanjutan. Tekan Option untuk memilih Bookmark.
Pada checklist Create Bookmarks using dilanjutkan memilih heading.
Tekan Ok dilanjutkan dengan Save. Selesai sudah, silahkan coba akses PDF, misal dengan Foxit PDF Reader.
Lihat, bookmarks di kiri muncul secara otomatis. Fasilitas ini memudahkan membaca karena dapat langsung mengarah ke sub-bab tertentu dengan mengklik bookmarknya. Sekian semoga bermanfaat.
Pernah dengar kasus mafia tanah? Yaitu kasus yang melibatkan berbagai pihak yang bekerjasama mengelabui pihak tertentu. Modusnya banyak, tapi informasi dari berita ini salah satu cara untuk menangkalnya adalah merawat tanah kita. Jangan sampai terlantar, karena jika ditelantarkan lebih dari 20 tahun, pihak yang merawat bisa mengklaim tanah tersebut miliknya. Nah, langkah pertama adalah melihat sertifikat tanah kita secara online. Mungkin kita belum menerima sertifikat karena masih ditahan bank sebagai agunan KPR, tapi alangkah baiknya mengetahui secara resmi.
Ternyata tanah yang terdaftar masih sedikit. Buka saja situs atr/bpn berikut. Cari saja lokasi tanah yang akan kita lihat. Akan tampak area-area berisi warna-warna tertentu, kebanyakan warna kuning yang mengindikasikan tanah tersebut sudah terdaftar. Dobel klik satu area maka akan tampak informasi status tanah tersebut, yakni SHM, HGB, tanah kosong, dan not available.
Kelemahan dari situs ini adalah basemap yang kurang jelas. Hal ini dapat diatasi dengan cara mengkopi saja lokasi lintang dan bujur, lalu buka dengan google maps.
6.21158°S, 107.03858°E
Lanjutkan dengan kopi Lat/Lon lalu paste di GoogleMap pada bagian searching. Tampak di sana lokasi detilnya beserta pilihan lain seperti satellite view bahkan street view. Ok selamat mencoba ya, di sinilah letak keuntungan open data yang tentu saja bisa memiliki dampak negatif yakni mempermudah para mafia untuk mencari target sasaran dengan mudah.
Postingan ini menunjukan bagaimana mengupdate repositori kita di github.com melalui aplikasi github desktop. Manfaat github.com adalah mengatur kode dengan rapi beserta history dan percabangannya. Namun kali ini hanya akan ditunjukan bagaimana cara mengunggah update lewat github desktop.
Sedikit dicontohkan bagaimana situs yang dibuat dengan mkdocs terupdate secara otomatis ketika kode berubah akibat unggahan github desktop. Melakukan manajemen kode dengan github sangat dianjurkan karena tiap ada perubahan tersimpan. Jika ada perubahan yang salah, kita tinggal kembali ke kondisi sebelumya.
Silahkan lihat video berikut bagaimana push origin pada github desktop bekerja. Sekian, semoga bermanfaat.
If you read some software engineering books, you are often advised to use virtual box, which are tools for virtual machines. This is to reduce the risk of damage to your main operating system. Because if this happens, instead of learning software, we learn troubleshooting.
Virtual box is a virtual software that contains the OS on a virtual computer. For example, a virtual computer with the Ubuntu operating system. Why ubuntu? Yes exactly because it is open source. Most users who order software request software without a license, whether it’s the operating system or programming language.
When I tried it for the first time, I was surprised that virtual box was faster than vmware. Especially when turning it off and on again. Please see the following video which shows how to install Ubuntu on a virtual box. Especially in the ram and virtual hard drive settings. I hope you are interested in using virtual box and ubuntu.
Dalam mata kuliah Interaksi Manusia dan Komputer (Human Computer Interraction) ada satu bab tentang dokumentasi help. Salah satu dokumentasi penting adalah dokumentasi online yang menjelaskan suatu aplikasi yang dibuat. Kalau jaman dulu mungkin berupa berkas readme atau file pdf tata cara penggunaan. Namun saat dunia online seperti saat ini, mau tidak mau kemampuan mendokumentasi online mutlak diperlukan. Sayang kan kalau harus bayar ke orang untuk publish onlinenya. Server online pun banyak yang gratis kalo hanya untuk dokumen, misalnya yang terkenal Github.io (lihat post yg lalu).
Banyak aplikasi untuk membuat dokumentasi online misalnya document360, nuclino, Github, MarkdownPad, ProProfs, Read the Docs, Doxygen, dan lain-lain. Nah, postingan ini akan membahas MkDocs, sebuah alat membuat dokumentasi online berbasis Python.
MkDocs memiliki keunggulan, yakni cepat dan gratis. Salah satu problem utama adalah untuk yang belum pernah menggunakan Python, karena harus belajar sedikit. Kalau sudah pernah dengan mudah dapat menjalankannya. Alur untuk pembuatan dokumentasi online dengan MkDocs adalah:
Instal MkDocs
Mengunduh Template
Mengedit mkdocs.yml dengan editor
Mengedit index.md dengan editor
Menjalankan server lokal MkDocs
Mendeploy hasil edit
Mempublish online
Lumayan panjang, tapi tidak membutuhkan sumber daya yang besar. Semua dapat dibuka dengan cepat. Sedikit butuh kreativitas ketika mengedit mkdocs.yml dan index.md. Karena ketika kita menjalankan server MkDocs kita langsung melihat perubahannya, jadi mirip mengkustomasi wordpress misalnya.
Ada sedikit rancu bagi pengguna awal, di sini mkdocs server (dengan mengetik mkdocs serve) hanya berfungsi melihat hasil editan saja, kalau ingin publish misal di XAMPP perlu mendeploy lewat fungsi mkdocs gh-deploy yang akan menghasilkan folder yang siap diupload di folder docs.
Untuk jelasnya lihat video berikut ini. Sekian, semoga bermanfaat.
Bluestacks adalah aplikasi yang menjalankan handphone di laptop/PC. Aplikasi ini sangat membantu mahasiswa yang mengerjakan tugas akhir pemrograman mobile. Selain itu, karena gratis, mahasiswa tidak perlu membayar biaya lisensi. Cara menginstall pun mudah, tinggal klik saja.
Proses Instalasi
Masuk ke situs resminya: https://www.bluestacks.com/id/index.html lalu unduh aplikasi Bluestacks versi 5 atau 10 yang tersedia. Berikut ini versi 10 atau ditulis versi X.
Setelah file exe diunduh, jalankan program tersebut untuk langsung mengunduh file installer sebesar kira-kira ratusan Mb.
Setelah mengecek dan ekstrak file instaler yang telah diunduh, Bluestacks melanjutkan proses instalasi. Tunggu sampai selesai.
Memulai Aplikasi di Handphone
Pastikan Bluestacks X telah selesai diinstal. Silahkan jalankan aplikasi android anda di Laptop. Selamat mencoba. Berikut tampilan aplikasi matlab mobile lewat Bluestacks X atau Bluestacks versi 10. Untuk mulai menggunakan aplikasi tersebut sama dengan memulai HP baru yang tentu saja kita sudah mengerti karena hampir semua orang punya HP. Dimulai dari login gmail dan seterusnya. Berikut ini contoh aplikasi Matlab yang dijalankan di Bluestacks X. Sekian, semoga bermanfaat.
Terkadang ketika menutup word kita lupa menyimpan, padahal berisi naskah penting. Biasanya terjadi ketika banyak membuka file draft yang sementara. Ketika meng-close terkadang sengaja kita tidak menyimpan, padahal mungkin ada satu file penting yang ikut tidak disimpan karena terburu-buru menutup aplikasi.
Microsoft Word menyediakan fasilitas tersebut, langkahnya adalah sebagai berikut. Masuk ke Menu File. Lalu pilih Manage Document di bagian bawah.
Tekan Icon Manage Document lalu pilih Recover Unsave Document. Di sana tampak file-file Anda yang tidak disimpan.
Biasanya kalau baru masih tersimpan di sana dengan ekstensi *.asd, entah mengapa nama ekstensi-nya ASD mungkin singkatan dari ASal Ditutup .. hehe. Klik saja dan Anda akan berhasil menyelamatkan ketikan penting yang lupa ditutup (padahal itu absen kelas ngajar online). Sekian, semoga bermanfaat.
Github merupakan situs terkenal untuk mengelola kode program. Dengan Github satu proyek dapat dikerjakan secara berkelompok tanpa adanya konflik. Hal ini terjadi karena adanya “version”, sehingga ketika proses editing mengakibatkan “crash”, maka program dapat dikembalikan ke versi sebelumnya. Selain itu ada istilah jalur utama dengan cabang sehingga programer tertentu dapat bekerja independen. Namun, satu fasilitas unik dari Github adalah dapat digunakan untuk web server layaknya WordPress atau Blogspot. Postingan kali ini akan membahas bagaimana membuat situs dengan Github.
Sign Up
Tentu saja syarat utama untuk memanfaatkan aplikasi Github adalah mendaftar/registrasi terlebih dahulu. Seperti aplikasi-aplikasi pada umumnya diperlukan email sebagai syarat pendaftaran karena akan ada proses verifikasi kode. Prosesnya pun cepat, hanya meminta nama “github” anda, misalnya saya menggunakan nama “rahmadyath”, karena “rahmadya” sudah dimiliki orang.
Membuat Repository
Berikutnya adalah log in ke Github untuk menyiapkan repository. Ada dua pilihan: public dan private. Tentu saja pilih public jika ingin situs dapat diakses oleh khalayak ramai. Jika sudah, Anda tinggal mengisi konten. Banyak template-template website tersedia, biasanya dalam bentuk bootstrap dengan CSS yang indah dan menarik. Hanya saja jika akan diupload ke Github lewat website Github ada batas maksimal satu folder yang berisi 100 file, kecuala Anda menginstall Github desktop terlebih dahulu.
Menseting Website
Setelah repository berisi web yang sudah didisain, berikutnya adalah mengeset website. Caranya adalah masuk ke menu setting untuk memilih repository main dilanjutkan dengan save. Sebelumnya Anda diminta mengisi nama judul website, misalnya: rahmadyath.github.io/documentation. Jika sudah, maka ketika alamat tersebut diketik akan muncul website yang baru saja dipublikasi.
Teknik ini cukup baik dan dapat dijadikan testing prototipe untuk dicek oleh pemesan aplikasi sebelum lanjut ke tahap berikutnya. Untuk lebih jelasnya silahkan lihat video Youtube berikut ini.
Saat ini tidak dapat dipungkiri bahwa Deep Learning paling banyak diteliti dan digunakan dalam aplikasi-aplikasi artificial intelligence. Beberapa pengguna tidak menyukai metode tersebut karena karakteristiknya yang tidak dapat dilihat logika di dalam modelnya atau sering diistilahkan dengan black box walaupun akurasinya saat ini dengan model terbarunya hingga mendekati 100%. Selain itu, deep learning membutuhkan kinerja prosesor yang tinggi, terutama ketika proses pelatihan (learning).
Jika ingin membuat model yang dapat dilihat alur logikanya, naïve bayes merupakan salah satu pilihan yang baik. Walaupun kinerjanya menurut beberapa penelitian kalah dengan metode terkini seperti misalnya support vector machine (SVM), metode ini memiliki karakteristik statistik yang kental, yaitu probabilistik. Ada istilah confidence dalam metode ini.
Untuk perhitungan, naïve bayes lebih mudah menurut saya dibanding decision tree yang mengharuskan membuat model tree dengan konsep entropy dan gain informationnya. Pada naïve bayes, kita hanya menghitung probabilitas ketika menghitung confidence tiap-tiap kelas prediksi.
Plus Minus
Metode naïve bayes, dalam Scikit Learn diisitilahkan dengan Gaussian Naïve Bayes, karena dalam mengkonversi tabel kategorikal lewat pendekatan fungsi Gauss. Walaupun akurasinya kurang dibanding metode lain, sifat probabilistiknya sangat membantu penjelasan ke pengguna dalam aplikasinya. Misalnya dalam memprediksi sebuah sentimen dalam sentiment analysis, metode ini tidak hanya menjelaskan positif, negatif, atau netral saja, melainkan berapa kadar positif dan negatifnya dalam bentuk probabilitas. Terkadang jika dalam sistem dashboard menunjukan negatif dengan probabilitas yang tinggi bisa saja digambarkan dengan warna merah yang artinya warning, sehingga eksekutif segera mengambil tindakan yang perlu dalam manajemen.
Statistik merupakan bidang yang paling banyak dimanfaatkan dalam machine learning. Belakangan beberapa ahli machine learning enggan disebut ahli statistik karena belakangan metode-metode terbaru tidak terlalu mengadopsi konsep statistik, misalnya tensorflow yang cenderung ke arah tensor dan matriks dalam aljabar. Silahkan lihat penjelasan slide di atas dalam video youtube berikut ini, semoga bermanfaat.
Beberapa istilah terkadang membuat rancu seperti data mining, machine learning, dan deep learning. Wajar saja karena ketiganya masih dalam induk yang sama, yaitu data mining yang bermain dengan data yang akan dilatih/ditraining. Deep learning merupakan machine learning yang mengkhususkan diri dengan satu metode yaitu jaringan syaraf tiruan (neural network). Machine learning merupakan salah satu metode dalam data mining yang mengkhususkan diri dengan beragam metode untuk melatih data sehingga mampu digunakan sebagai mesin inferensi/prediksi maupun klasterisasi. Salah satu metode klasik yang mudah dimengerti adalah KNN. Metode ini berprinsip, suatu data akan menjadi anggota data lain jika di sekelilingnya kebanyakan anggota data tersebut.
Para pengembang dan peneliti dengan menggunakan bahasa Python bersama-sama membuat library untuk pengguna machine learning. Library tersebut dibuat dengan format kelas yang berisi metode/fungsi seperti fitting, predicting, dan juga alat untuk mengukur akurasi. Kode sumber dapat diakses dengan mudah sehingga memudahkan Anda yang mendapat tugas memodifikasi metode.
Untuk praktek menerapkan KNN dengan library dari Scikit Learn, Google Colab merupakan pilihan yang praktis karena hanya bermodalkan browser dengan koneksi internet saja. Berikut kode yang terdiri dari impor library, ambil data, training data dan validasi. Terakhir menggunakan fungsi prediksi pada library untuk memprediksi kelas suatu data. Untuk pemula ada baiknya Anda ketik sendiri untuk melatih keterampilan serta alur logika memrogram.
#Impor pustaka
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
from sklearn.metrics import classification_report
#Mengambil data dari file csv
datasiswa=pd.read_csv('beasiswa.csv')
df=pd.DataFrame(datasiswa,columns=['Mahasiswa','IPK','Tingkat Kemiskinan (TM)','Beasiswa/Tidak'])
X=np.asarray(datasiswa)
x_train=X[:,1:3]
y_train=X[:,3:4]
#Memanggil KNN
knn=KNeighborsClassifier(n_neighbors=6,
weights='uniform',
algorithm='auto',
metric='euclidean')
#Fit model dengan data latih dan target/label
knn.fit(x_train,y_train)
#Mengambil data dari file csv
datavalidasi=pd.read_csv('validasibeasiswa.csv')
df2=pd.DataFrame(datasiswa,columns=['Mahasiswa','IPK','Tingkat Kemiskinan (TM)','Beasiswa/Tidak'])
X2=np.asarray(datavalidasi)
x_val=X2[:,1:3]
y_val=X2[:,3:4]
#Prediksi
y_pred=knn.predict(x_val)
print((y_val).T)
print(y_pred)
print(classification_report(y_val,y_pred))
#Menyiapkan sebuah data uji/testing
uji=np.asarray([[2.5,4.0]])
y_pred=knn.predict(uji)
print(y_pred)
Data yang dibutuhkan dua buah yaitu data beasiswa dan data validasi beasiswa dalam format CSV. Bagaimana cara unggah data tersebut ke Google Colab serta penerapannya silahkan lihat video Youtube saya berikut ini. Semoga bermanfaat.
Untuk pemula terkadang ada yang kesulitan belajar secara runut, dari A sampai Z. Terkadang perlu mempraktikan agar memahami maksudnya. Salah satunya belajar Web, yang jika serius, di kampus memerlukan beberapa semester. Namun, berkat tutorial yang ada di internet, kita bisa mempelajari dengan cepat bagaimana suatu teknologi bekerja, hanya bermodalkan laptop/komputer.
XAMPP
Server yang banyak digunakan adalah Apache, dengan database MySQL. Keduanya tersedia dalam paket XAMPP. Silahkan unduh dan jalankan server ringan tersebut. Di sini ringan maksudnya jika tidak kita hidupkan server tersebut mati, sehingga tidak memberatkan RAM laptop kita.
Hidupkan server Apache dengan menekan tombol “Start”. Juga MySQL jika nanti Anda menggunakan sebuah database dalam aplikasinya.
Web Designer
Untuk mengisi server yang sudah dijalankan tersebut kita membutuhkan konten yang bisa dibuat dengan sebuah Web Designer. Banyak aplikasi yang tersedia baik yang gratis maupun yang bayar. Teknologi sekarang ketika mendisain web, aplikasi yang dijalankan bisa berjalan bukan hanya di komputer tetapi juga bisa di Android/ponsel.
Httrack
Nah, untuk langsung mempraktekan cara menjalankan sebuah situs Web, ada satu aplikasi sederhana yang mengkopi sebuah situs Web lengkap, salah satunya HTTRACK. Dengan menyediakan folder untuk lokasi download, httrack dengan mudah mengunduh seluruh situs Web, hingga ke folder-foldernya. Tentu saja jika Webnya besar, waktu yang diperlukan juga lama. Nah, ambil contoh saja situs yang Single Page.
Kemudian letakan folder hasil unduh di XAMPP pada folder HTDOCS. Lalu jalankan localhost ke lokasi folder tersebut.
Tentu saja untuk mempublish Anda harus memodifikasi karena ada hak cipta dari pembuat web tersebut. Untuk jelasnya lihat video singkat berikut, selamat mencoba.
Menginput nilai terkadang menjadi hal yang menjemukan karena cukup menyita waktu. Google classroom (GCR) merupakan salah satu tool elearning gratis yang disediakan oleh Google. Untuk kampus yang belum memiliki fasilitas elearning, GCR merupakan andalan, bahkan terkadang lebih baik dari pada tool elearning buatan sendiri. Postingan kali ini bermaksud sharing bagaimana menghitung nilai harian siswa secara otomatis.
Membuka Rekap Nilai
Setelah selesai perkuliahan, nilai seluruh mahasiswa di suatu kelas dapat diakses dengan masuk ke Grade di home.
Secara default nilai total (overall grade) tidak muncul di sheet di bawah ini. Namun jangan kecewa, karena kita bisa meminta GCR untuk menampilkan nilai akhirnya.
Menambahkan Overall Grade
Untuk menampilkan overall grade, masuk ke Setting dan cari pilihan Total Points di bagian Grading.
Setelah Total Points di pilih, pastikan di sheet muncul overall grade yang merupakan rata-rata nilai siswa dari assignment yang diberikan. Lanjutkan dengan menekan Save di kanan atas.
Memindahkan ke Excel
Untuk memindahkan ke Excel Anda tinggal memblok seluruh isian yang akan dipindah dan tinggal di copy dan paste di Excel. Sayangnya, cara ini hasilnya agak kurang bagus karena muncul teks tambahan HTML. Oleh karena itu kita ikuti saja cara yang disediakan oleh GCR berikut ini.
Masuk ke Classwork mana saja (bukan pertemuan/kuliah), misalnya Ujian Akhir Semester. Di bagian kanan atas tekan simbol Settings yang akan meminta Anda memilih mengkopi ke Google Sheets (Excel online buatan Google) atau mengunduh dalam bentuk Comma Separate Value (CSV) yang bisa dibuka dengan Excel. Di sini kita pilih Download all grades as CSV jika ingin mengunduh seluruh nilai. Sementara Download these grades as CSV dipilih jika hanya nilai yang sedang dibuka saja.
Selamat, Anda berhasil merekap nilai tanpa susah payah. Tentu saja nilai tiap tugas tetap harus diperiksa tiap minggunya jika ada. Berhubung overall grade tidak ada, silahkan gunakan fungsi average di Excel untuk merekap nilai totalnya.
Silahkan lihat video Youtube berikut untuk lebih jelasnya. Semoga bermanfaat.
Mempelajari hal-hal baru, tidak hanya pengolahan citra, dapat dilakukan dengan memanfaatkan internet. Terlebih ketika kondisi pandemik seperti saat ini dimana perkuliahan dilaksanakan secara daring. Praktikum yang biasanya dilaksanakan secara offline di laboratorium, terpaksa memanfaatkan fasilitas pribadi milik mahasiswa, yakni laptop yang dilaksanakan secara online. Untungnya, salah satu bahasa pemrograman, yakni Python, diadposi oleh Google dengan meluncurkan aplikasi onlinenya untuk pemrograman, yakni Google Colab (silahkan lihat infonya di sini).
Semenjak kemunculannya, banyak peneliti, kampus, dan pemerhati artificial intelligent membagi kodingannya via Google Colab. Dengan menggunakan kata kunci: “Google Colab” <topik>, kita dapat menemukan sumber informasi yang diinginkan. Kalau pun tidak berupa link Google Colab, biasanya dalam situsnya disertakan juga link Google Colabnya. Nah, di situlah kita bisa belajar hal-hal yang terkait dengan teknologi yang kita inginkan.
Ada juga kontroversi terkait dengan belajar instan lewat internet, salah satunya adalah masalah ilmu dasar yang kurang diperhatikan mengingat biasanya hanya untuk aplikasi-aplikasi siap pakai saja. Menurut saya wajar, karena memang kaum milenial memiliki karakter “instant” yang harus dipenuhi oleh pengajar. Sebenarnya cukup membalik dari teori dan aplikasi menjadi aplikasi dan teori sudah mampu menarik minat mereka. Kalaupun ingin menerapkan teori dulu baru aplikasi, sebaiknya jangan terlalu panjang jedanya, syukur-syukur di pertemuan yang sama.
Beberapa dosen tidak menganjurkan menggunakan bahasa pemrograman dalam bentuk paket atau library-library seperti misalnya OpenCV untuk pengolahan citra. Alasannya tidak mendidik mahasiswa memahami dasar-dasar ilmu pengolahan citra. Mereka cenderung menggunakan Bahasa C++ dalam perkuliahan. Menurut saya baik, tetapi untuk mengejar ketertinggalan teknologi dengan negara-negara lain ada baiknya mengikuti trend teknologi terkini, apalagi jika mahasiswa ingin bekerja pada vendor/perusahaan yang memang cenderung menerapkan teknologi terkini baik dari bahasa, library, dan tools lainnya. Pembuat library pun menyediakan dasar-dasar ilmunya yang dapat diakses di situs resminya, misalnya OpenCV di link https://opencv.org/ atau pada dokumentasinya di sini, seperti contoh filter 2d dibahas pula dasar-dasar teorinya.
Tentu saja kita harus membaca buku teks standar pengolahan citra atau dasar-dasar matematika seperti kernel, matriks, dan lain-lain. Jika di era 90-an kita belajar ilmu dasar tanpa melihat langsung penerapannya, saat ini siswa lebih mudah melihat langsung penerapan ilmu dasar yang diajarkannya. Silahkan lihat video berikut untuk mengakses topik tertentu di Google Colab.
Setelah beberapa tahun tidak berhasil menjalankan UMAX 5600 di Windows 10 akhirnya bisa dijalankan juga. Sebelumnya memang scanner ini bisa digunakan dengan Windows XP yang lalu, setelah migrasi entah mengapa baik di forum Microsoft maupun di Googling tidak berhasil ditemukan. Selama ini digunakan dengan menggunakan VMWare yang berisi XP di dalamnya, tapi tentu saja jadi berat karena harus menyediakan satu mesin virtual XP di Windows 10.
Namun beberapa referensi di Youtube banyak yang menyarankan menggunakan aplikasi-aplikasi tertentu dengan Tips dan Trik-nya. Nah, repotnya beberapa saya jalankan, dan berhasil. Sayangnya ada sedikit kombinasi antara satu Tip n Trik dengan lainnya.
1. Gunakan Driver yang Lama dengan Kompatibilitas set ke Windows Xp sp 2
Teknik ini dianjurkan karena driver sejatinya sudah ada. Namun masalahnya adalah tidak berhasil menginstal “Hot-Key”. Tetapi ketika gagal menginstal Hot key, tetap saja beberapa file terpasang di Windows 10. Sepertinya file-file tersebut bermanfaat.
2. Menggunakan Driver Bawaan Microsoft
Metode ini dapat dilihat di link youtube ini. Ketika terpasang tetap saja “Paint” tidak mendeteksi adanya Scanner. Saya lebih suka menggunakan Paint dibanding aplikasi bawaan UMAX yang butuh waktu lama ketika membuka. Di link tersebut disarankan menggunakan “PaperScan” yang bisa diunduh di link ini. Namun ketika dijalankan Hardware Scanner tidak terdeteksi.
Untuk mengatasi hal tersebut, setelah dijalankan langakah 1 dan 2 ternyata muncul pilihan UMAX 5600 di PaperScan yang muncul kemungkinan besar karena langkah 1. Hampir saja saya “uninstall” PaperScan. Masalahnya sekarang adalah mencari software free selain PaperScan yang gratis karena masih “Trial”. Sekian, semoga ada yang bisa memberi masukan.
8°E
Rahmadya Trias Handayanto 