Produk Inovatif

Catatan Ringan Programming, Interfacing dan Elektronik
  • About
  • Polling
  • Project
  • Info
  • Download
  • Beranda
  • Referensi
  • Shopping
  • Pustaka Kuliah
  • Datasheet

Latest Post

  • PASCA OPERASI DAN RADIASI KANKER OTAK MENYEBAR MEMENUHI SEBAGIAN BESAR OTAK SEBELAH KANANNYA, BERSIH MELEWATI 10 TAHUN DENGAN ECCT
  • Machine Learning: Membuat Prediksi Dengan Linear Regression
  • Belajar Python: Menuliskan Statement & Variabel
  • Install Library On Debian OS
  • Simulasi Gelombang Dengan Google Colabs

Latest Comments

  1. itankjs on Program Absensi Karyawan Dengan Visual Basic 6.0 dan BarcodeFebruary 28, 2014

    kalo pake finger print (mesin absen sidik jari ) bisa bos ?

  2. ridho on Membuat Empat Grafik Pada GUI Matlab – bagian 1February 26, 2014

    saya mau tanya , saya kesulitan untuk menaruh code yang sudah jadi di salah satu axis yang ada , semisal…

  3. rosmaiti on Source: Program Absensi Karyawan Dengan Visual Basic 6.0 dan BarcodeFebruary 17, 2014

    kapan dong mas diuploadnya?lagi butuh pencerahan banget ni mas.sy butuh bantuan mas ni.maf klo kedengaran sprt memaksa.makasih y mas. sy…

  4. roohmadi on Mengirim dan menerima SMS menggunakan HyperTerminal melalui Modem GSM SerialFebruary 15, 2014

    Sangat mungkin dilakukan. Dan secara sistem hanya membutuhkan sebuah mikrokontroller dan tambahan modem beserta interface dengan mikrokontroller. Ini kebutuhan selain…

  5. budi Ar-royyan wibowo on Membuat Grafik Data Logger ADC 8 Channel Dengan Visual Basic 6February 14, 2014

    source code mikrokontrolernya dong mas, sangat butuh ini sudah berminggu - minggu saya monitor koq belum di upload juga.....

  • PASCA OPERASI DAN RADIASI KANKER OTAK MENYEBAR MEMENUHI SEBAGIAN BESAR OTAK SEBELAH KANANNYA, BERSIH MELEWATI 10 TAHUN DENGAN ECCT
  • Machine Learning: Membuat Prediksi Dengan Linear Regression
  • Belajar Python: Menuliskan Statement & Variabel
  • Install Library On Debian OS
  • Simulasi Gelombang Dengan Google Colabs

Absensi Karyawan Arduino Arduino Uno ATMega8535 ATmel AVR Barcode Billing CPNS Database database tabungan Grafik GUI GUI matlab ICT Image install Interfacing komputerisasi absensi Matlab Melamar Kerja mikrokontroller Modem GSM Programming python serial port simulasi SMS SMS Gateway software tabungan source code tabungan tabungan sekolah terapi kanker Timer tutorial USB to Serial vb VB 6 VB 6.0 video visual basic Visual Basic 6 warsito Wavecom

  • Arduino (8)
  • Artikel Umum (10)
  • Berita (3)
  • Dokumentasi Produk (4)
  • Elektronik (4)
  • FPGA (2)
  • Google Maps (1)
  • Image Processing (1)
  • Interfacing (19)
  • Jualan (11)
  • Machine Learning (1)
  • Matlab (9)
  • Memori (7)
  • Mikrokontroller (6)
  • OS (Operating System Linux) (1)
  • Pengetahuan (2)
  • Posting Berikutnya (1)
  • Python (7)
  • Sistem Informasi (3)
  • Testing (3)
  • Tutorial Video (3)
  • Ultrasound (2)
  • Uncategorized (10)
  • VB .Net (2)
  • VB 6.0 (36)
  • Website (1)
  1. itankjs on Program Absensi Karyawan Dengan Visual Basic 6.0 dan BarcodeFebruary 28, 2014

    kalo pake finger print (mesin absen sidik jari ) bisa bos ?

  2. ridho on Membuat Empat Grafik Pada GUI Matlab – bagian 1February 26, 2014

    saya mau tanya , saya kesulitan untuk menaruh code yang sudah jadi di salah satu axis yang ada , semisal…

  3. rosmaiti on Source: Program Absensi Karyawan Dengan Visual Basic 6.0 dan BarcodeFebruary 17, 2014

    kapan dong mas diuploadnya?lagi butuh pencerahan banget ni mas.sy butuh bantuan mas ni.maf klo kedengaran sprt memaksa.makasih y mas. sy…

  4. roohmadi on Mengirim dan menerima SMS menggunakan HyperTerminal melalui Modem GSM SerialFebruary 15, 2014

    Sangat mungkin dilakukan. Dan secara sistem hanya membutuhkan sebuah mikrokontroller dan tambahan modem beserta interface dengan mikrokontroller. Ini kebutuhan selain…

  5. budi Ar-royyan wibowo on Membuat Grafik Data Logger ADC 8 Channel Dengan Visual Basic 6February 14, 2014

    source code mikrokontrolernya dong mas, sangat butuh ini sudah berminggu - minggu saya monitor koq belum di upload juga.....

PASCA OPERASI DAN RADIASI KANKER OTAK MENYEBAR MEMENUHI SEBAGIAN BESAR OTAK SEBELAH KANANNYA, BERSIH MELEWATI 10 TAHUN DENGAN ECCT

May07
by rohmadi on May 7, 2025 at 11:00 AM
Posted In: Berita

Bu Tosilah Wati didiagnosa kanker otak tipe astrocytoma tahun 2012, telah menjalani operasi dan radiasi tetapi muncul kembali dan berkembang luas hingga lebih dari separoh otak besar sebelah kanan, menyebabkan lumpuh separoh dan kejang terus. Kanker tak bisa ditahan dengan operasi dan radiasi, Bu Tosilah mencoba alternatif ECCT mulai awal Desember 2013. Kondisinya perlahan membaik seiring dengan peluruhan massa di otaknya. Dua tahun pemakaian massa mengecil, penyebaran dan edema luas di sekeliling massa awal relatif sudah hilang. 5Setelah 5 tahun pemakaian ia dinyatakan bersih. Melewati 10 tahun setelah pakai ECCT, atau 12 tahun sejak pertama didiagnosa kanker otak, kondisi Bu Tosilah sehat dan normal, terbebas dari kanker.

Gambar: Hasil MRI otak Bu Tosilah Wati sebelum terapi ECCT yang menunjukkan massa terus berkembang cepat meskipun telah operasi dan radiasi (atas-kanan); Perkembangan massa yang mulai menyusut setelah pemakaian ECCT hingga CLEAR setelah 5 tahun (Atas no.3 dari kanan);  Perkembangan aktifitas listrik massa tumor selama terapi hasil monitoring dengan ECVT; Foto Bu Tosilah Wati ketika melewati 5 tahun dan 10 tahun sejak pemakaian alat ECCT (bawah).

Bu Tosilah Wati pertama kali menjalani operasi tumor otak bulan Oktober 2012. Hasil patologi menunjukkan tipe ganas, jenis astrocytoma grade 1. Setelah operasi dan keluar hasil patologi ia menjalani radiasi hingga 30X. Tulang tengkorak belum sempat dipasang kembali, evaluasi awal kurang lebih 6 bulan setelah operasi dan radiasi hasil MRI menunjukkan massa muncul lagi di dua tempat di sekitar massa awal. Ukuran massa tumor terbaru 2 cm dan 4 cm, lebih besar dari hasil massa awal sebelum dioperasi. Gradenya sepertinya juga bertambah. 

Seiring dengan muncul lagi tumornya Bu Tosilah merasakan semakin hari keluhan semakin bertambah, kejang yang dialaminya makin hari makin bertambah. Hasil MRI setahun setelah operasi massa recurrence di posisi bekas operasi telah meluas lebih dari separoh otak besar sebelah kanan, mendesak otak kiri.melewati garis tengah otak. Dokter yang menanganinya memperkirakan bahwa Bu Tosilah tak bisa bertahan lebih dari 6 bulan.

Perkembangan kankernya tak bisa ditahan meskipun telah operasi dan radiasi, Bu Tosilah akhirnya mencoba alternatif ECCT mulai awal Desember 2013. Setahun setelah operasi sebelum pakai alat Bu Tosilah tak bisa memegang sesuatu dengan tangan kirinya. Untuk berdiri atau jalan ia harus berpegangan penyangga dengan tangan kanannya. Kejang dialaminya setiap 1-2 minggu sekali. 

Semua medis telah dijalaninya tetapi perkembangan kankernya tak bisa ditahan, Bu mencoba alternatif ECCT mulai awal Desember 2013. 

Kondisinya perlahan membaik seiring dengan peluruhan massa di otaknya. Setelah pakai alat ia masih mengalami kejang pada hari pertama, tetapi setelah itu berhenti. Kondisinya perlahan membaik seiring dengan pemakaian alat, 3 bulan pakai alat ia sudah bisa jalan tanpa pegangan.

2 tahun pemakaian massa mengecil signifikan, penyebaran luas di sekeliling massa awal relatif sudah hilang. Massa tumornya relatif baru hilang setelah 5 tahun pemakaian, relatif lambat dibanding karakter massa jenis astrocytoma dengan ECCT, sesuai dengan karakter tipe low grade glioma. 

Tipe low grade glioma dengan ECCT responnya relatif lambat dibanding tipe high grade (astorcytoma maupun glioblastoma). Sel-sel matinya dengan pemakaian alat mengalami lysis (pecah sel) keluar dalam bentuk lendir yang relatif agak liat karena banyak mengandung senyawa lipida (lemak); Apabila sistem imun tubuh baik bisa keluar dalam bentuk dahak dan pup yang cenderung lengket atau liat. Karena kandungan lemak yang tinggi pembuangan sering terhambat, sel-sel mati mudah mengendap di area sekitar massa tumor awal, menyebabkan edema. Untuk membantu proses pembuangan tipe ini perlu konsumsi asupan makan yang banyak mengandung flavonoid guna membantu mengurai senyawa lipida (lemak), banyak konsumsi albumin dan elektrolit guna menyerap cairan yang menumpuk yang menyebabkan edema. Cairan edema sering terjadi apabila kadar albumin dan elektrolit darah turun. Penumpukan cairan edema bisa mengakibatkan peningkatan tekanan intrakranial dan penurunan klinis.

Tipe low grade glioma dengan ECCT umumnya baru mengalami penyusutan setelah 6-12 bulan dengan spesifikasi alat ECCT terbaru dengan pengguanaan 2X1-2 jam per hari, dibanding dengan tipe astrocytoma yang bisa menyusut dalam kurun waktu 3-6 bulan atau glioblastoma dalam kurun waktu 1-3 bulan dengan spesifikasi alat dan jam penggunaan yang sama. 

2024 Bu Tosilah berhasil melewati 10 tahun setelah pakai ECCT, atau 12 tahun sejak pertama didiagnosa kanker otak. Kondisinya sehat dan normal, terbebas dari kanker. 

Semoga tetap sehat buat Bu Tosilah(WS). 

Sumber:  https://ecctcancersurvivors.blogspot.com/2024/10/pasca-operasi-dan-radiasi-kanker-otak.html

└ Tags: cancer, ecct, kanker otak, terapi kanker, warsito
 Comment 

Machine Learning: Membuat Prediksi Dengan Linear Regression

Dec12
by rohmadi on December 12, 2024 at 9:51 AM
Posted In: Machine Learning, Python

Membuat prediksi berdasarkan data-data yang sudah dimiliki diawal biasanya dalam bahasa inggris disebut forecast.

Misalnya berdasarkan data-data harga emas yang ada, berdasarkan harga komoditas pangan, harga saham atau yang lain, kita dapat melakukan sebuah prediksi berdasarkan data-data lampau yang tersedia. Dalam Machine Learning salah satu metode yang digunakan adalah Linear Regression.

Pada contoh ini kita akan mencoba membuat prediksi berdasarkan data-data yang ada. Contohnya yang paling sederhana adalah berapa kilometer sebuah mobil dapat berjalan jika mobil tersebut kita isi sejumlah liter bahan bakar. Data-data yang ada misalnya, jika diisi 20 liter maka mobil dapat menempuh jarak 100 kilometer. Jika berdasarkan kondisi tertentu misalnya faktor kecepatan rata-rata, beban yang diangkut, kondisi jalan, usia mobil dan sebagainya maka kemungkinan dengan jumlah bahan bakar yang sama, jarak yang ditempuh akan berbeda.

Berdasarkan ilustrasi di atas jumlah bahan bakar/bensin adalah suatu angka numerik yang bisa kita gunakan sebagai landasan untuk melakukan prediksi, maka disebut predictor. Jika sebuah predictor tidak bergantung pada variabel lain, maka disebut independent variable. Jika predictor bergantung pada variabel lain maka disebut dependent variable. Pada contoh di atas jarak yang ditempuh oleh mobil termasuk dependent variable karena tergantung pada berapa jumlah bahan bakar. Sedangkan angka jarak yang kita prediksi disebut target.

Sebelum melakukan prediksi, kita terlebih dahulu harus menyiapkan data. Dengan menggunakan Python kita dapat menggunakan library pandas untuk menyiapkan data. Pada contoh ini kita merujuk pada data yang telah disediakan dari sebuah buku yang saya jadikan rujukan.

import pandas as pd
df1 = pd.read_csv('/content/drive/MyDrive/AI/bensin.csv')
df1

Setelah kita jalankan maka outputnya adalah:

Dalam ilmu statistika kita mengenal beberapa istilah penting dari sebuah data, misalnya angka minimum, angka maksimum, dan rata (mean). Dengan menggunakan pandas kita dapat menampilkan nilai-nilai tersebut untuk mendapatkan gambaran data yang kita gunakan, dengan perintah:

df1.describe()

maka hasilnya adalah sebagai berikut:

Untuk memvisualisasikan data-data yang kita miliki, kita bisa menggunakan code:

Menjelaskan# @title Liter vs Kilometer

from matplotlib import pyplot as plt
df1.plot(kind='scatter', x='Liter', y='Kilometer', s=32, alpha=.8)
plt.gca().spines[['top', 'right',]].set_visible(False)

Maka hasilnya adalah sebagai berikut:

Jika dilihat dari plot data di atas maka sebaran dataset cukup beraturan, sehingga ada dugaan bahwa ada hubungan linear antara angka liter bahan bakar dan angka jarak kilometer yang ditempuh. dari data ini cocok dengan persamaan sederhana simple linear regression:

y = a + bx

Dari persamaan ini, dimana a adalah intercept, dan b adalah slope.

Melatih Model

Sebelum kita melakukan prediksi, kita perlu melakukan training data dulu. Kita harus menyiapkan data-data menggunakan training dataset. Untuk melakukan training kita menggunakan library Scikit-learn. Code yang dapat digunakan seperti berikut:

Menjelaskanimport sklearn.linear_model as lm
liter = df1[['Liter']]
kilometer = df1[['Kilometer']]
X_train, X_test, y_train, y_test = ms.train_test_split(liter, kilometer, test_size=0.2, random_state=0)

Kemudian kita dapat melihat nilai coefisien dan intercept dengan code:

model1 = lm.LinearRegression()
model1.fit(X_train, y_train)
print("model coef:")
print(model1.coef_)
print("model intercept:")
print(model1.intercept_)
Outputnya:

Nilai coefisen dan intercept kita masukkan ke persamaan dan kita tampilkan hasilkan dengan code berikut:

Menjelaskanimport sklearn.model_selection as ms
import numpy as np

plt.scatter(X_train, y_train, edgecolors='r')
plt.xlabel('Liter')
plt.ylabel('Kilometer')
plt.title('Konsumsi Bahan Bakar')
x1 = np.linspace(0,45)
y1 = 3.94 + 6.67 * x1
plt.plot(x1,y1)
plt.show()

Hasilnya seperti berikut:

Untuk menghitung score model, digunakan code berikut:

r2 = model1.score(X_test, y_test)
print("Score:")
print(r2)

Melakukan Prediksi

Misalnya kita ingin melakukan prediksi dengan diberikan nilai input jumlah bahan bakar dalam Liter, 60 liter:

# dengan satu nilai
jarak = model1.predict([[60]])
print(jarak)

outputnya:
[[398.13897723]]

jika ingin melakukan prediksi dengan data test:

# dengan data test
prediksi  = model1.predict(X_test)
print(prediksi)

Code lengkapnya Google Colabs: Prediksi Linear Regression

dataset bensin.csv

Referensi:

Pengenalan Machine Learning dengan Python. Dios Kurniawan, M.Sc

└ Tags: linear regression, machine learning, mesin pembelajaran, ML, python, regresi linear
 Comment 

Belajar Python: Menuliskan Statement & Variabel

Dec10
by rohmadi on December 10, 2024 at 9:07 PM
Posted In: Python

Pada tulisan ini kita akan belajar dasar-dasar Python. Jika pada tahap awal belajar bahasa pemrograman baru, biasanya kita akan belajar hal yang paling mudah dan dasar. Kita akan belajar menampilkan kalimat menggunakan Python.

Untuk menampilkan kalimat pada output menggunakan Python, kita bisa menuliskan code seperti berikut:

print("Belajar Python menyenangkan")
print("Halo Dunia")

maka outputnya akan seperti berikut:

Selanjutkan kita dapat membuat sebuah variabel, contohnya adalah code berikut:

#Variables & Literals
bilangan1 = 5
bilangan2 = 10
kalimat1 = "Belajar Bahasa Python"

└ Tags: belajar python, python
 Comment 

Install Library On Debian OS

Nov09
by rohmadi on November 9, 2024 at 8:57 AM
Posted In: OS (Operating System Linux), Python

Install aircrack-ng

sudo apt update
sudo apt install aircrack-ng

Install Networking Tools

sudo apt install net-tools

Install Kismet

sudo wget -O - https://www.kismetwireless.net/repos/kismet-release.gpg.key --quiet | gpg --dearmor | sudo tee /usr/share/keyrings/kismet-archive-keyring.gpg >/dev/null
echo 'deb [signed-by=/usr/share/keyrings/kismet-archive-keyring.gpg] https://www.kismetwireless.net/repos/apt/git/bookworm bookworm main' | sudo tee /etc/apt/sources.list.d/kismet.list >/dev/null
sudo apt update

sudo apt install kismet

Install Tkinter Untuk Membuat GUI

sudo apt update
sudo apt install tk

Install Numpy

sudo apt install python3-numpy

Install Requests

sudo apt install python3-requests

Install Anydesk

download anydesk : https://anydesk.com/en/downloads/linux

pilih Debian/Ubuntu/Mint (64-bit)

buka directory di terminal

ketik :

sudo apt install ./anydesk_6.0.1-1_i386.deb

(sesuaikan dengan nama file yang didownload)

buka dengan ketik:

anydesk

Install Matplotlib

sudo apt-get install python3-matplotlib
└ Tags: aircrack-ng, anydesk, debian, kismet, linux, matplotlib, python
 Comment 

Simulasi Gelombang Dengan Google Colabs

May23
by rohmadi on May 23, 2024 at 9:11 PM
Posted In: Python

Untuk memulai menggunakan Google Colabs dengan melakukan langkah-langkah berikut:

  1. Buka google search engine, kemudian ketik colabs
  2. Pilih Colaboratory, atau ketik alamat berikut: https://colab.research.google.com/
  3. Akan muncul window berikut, kemudian pilih New notebook

Kemudian akan muncul window seperti berikut ini:

Membuat Gelombang

Ketik coding berikut untuk membuat sebuah gelombang:

import numpy as np
import scipy.signal
from scipy import signal as sg
import matplotlib.pyplot as plt

frequency = 2000
amplitudo = 3
time = np.linspace(0, 2, 1000)

gelombang = amplitudo*np.sin(2*np.pi*frequency*time)

plt.plot(time, gelombang)
plt.xlabel('Time (s)')
plt.ylabel('Amplitude (V)')
plt.title('Gelombang Sinus')
plt.show()

Membuat Osilasi Teredam (Damped Oscilation)

from scipy.integrate import solve_ivp

t = np.linspace(0,15,1000)

y = [0,1]

gamma = 1

omega_sqr = 100

def sho(t,y):

    solution = (y[1],(-gamma*y[1]-omega_sqr*y[0]))

    return solution

solution = solve_ivp(sho, [0,1000], y0 = y, t_eval = t)

plt.plot(t,solution.y[0])

plt.ylabel(“Position”)

plt.xlabel(“Time”)

plt.title(‘Damped Oscillator’, fontsize = 20)

Membuat Dua Gelombang dan Menggabungkannya

import numpy as np
import scipy.signal
from scipy import signal as sg
import matplotlib.pyplot as plt

frequency1 = 2000
frequency2 = 3000
amplitudo1 = 3

time = np.linspace(0, 2, 1000)

gelombang_1 = amplitudo1*np.sin(2*np.pi*frequency1*time)
gelombang_2 = amplitudo1*np.sin(2*np.pi*frequency2*time)

Sinyal_Gabungan = gelombang_1 + gelombang_2

plt.plot(time, gelombang_1,'r')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude (V)')
plt.title('Gelombang Gabungan, freq. {:d} '.format(frequency1))
plt.show()

plt.plot(time, gelombang_2,'b')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude (V)')
plt.title('Gelombang 2, freq. {:d} '.format(frequency2))
plt.show()

plt.plot(time, Sinyal_Gabungan)
plt.xlabel('Time (s)')
plt.ylabel('Amplitude (V)')
plt.title('Gelombang Gabungan, freq. {:d}'.format(frequency1))
plt.show()

Menggeser Sinyal

import numpy as np
import matplotlib.pyplot as plt


freq = 2000
amp = 3
time = np.linspace(0, 2, 1000)

#sudut geser

theta = 180

signal1 = amp*np.sin(2*np.pi*freq*time)
signal2 = amp*np.sin((2*np.pi*freq*time) + theta)

plt.plot(time, signal1,'r')
plt.plot(time, signal2,'b')
plt.xlabel('Time (s)')
plt.ylabel('Amplitude (V)')
plt.title('Gelombang Sinus')

plt.show()

└ Tags: googlecolabs, python, simulasi, simulation, sinus, wave
 Comment 
  • Page 1 of 28
  • 1
  • 2
  • 3
  • 4
  • 5
  • »
  • Last »

Tags

Absensi Karyawan Arduino Arduino Uno ATMega8535 ATmel AVR Barcode Billing CPNS Database database tabungan Grafik GUI GUI matlab ICT Image install Interfacing komputerisasi absensi Matlab Melamar Kerja mikrokontroller Modem GSM Programming python serial port simulasi SMS SMS Gateway software tabungan source code tabungan tabungan sekolah terapi kanker Timer tutorial USB to Serial vb VB 6 VB 6.0 video visual basic Visual Basic 6 warsito Wavecom

Categories

  • Arduino (8)
  • Artikel Umum (10)
  • Berita (3)
  • Dokumentasi Produk (4)
  • Elektronik (4)
  • FPGA (2)
  • Google Maps (1)
  • Image Processing (1)
  • Interfacing (19)
  • Jualan (11)
  • Machine Learning (1)
  • Matlab (9)
  • Memori (7)
  • Mikrokontroller (6)
  • OS (Operating System Linux) (1)
  • Pengetahuan (2)
  • Posting Berikutnya (1)
  • Python (7)
  • Sistem Informasi (3)
  • Testing (3)
  • Tutorial Video (3)
  • Ultrasound (2)
  • Uncategorized (10)
  • VB .Net (2)
  • VB 6.0 (36)
  • Website (1)
Home

©2008-2025 Produk Inovatif | Powered by WordPress with Easel | Subscribe: RSS | Back to Top ↑