Cara Menghasilkan Uang dari Youtube (Tutorial Monetasi)

Hallo rekan2 saya mau nanya nih. Zaman sekarang dimana teknologi menjadi salah satu alat bagi manusia yang dapat mempermudah pekerjaan sehingga menjadi candu bagi manusia, bagaimana tidak dengan adanya teknologi dapat lebih mudah bagi kita untuk komunikasi, koordinasi, bahkan mencari informasi dapat dilakukan dalam waktu singkat, selain itu saat ini saat kita lapar bisa langsung pesen dari rumah tanpa harus capek keluar rumah cari makanan, mau belanja buka smartphone, cari hiburan buka youtube. bahkan pekerjaan dikantor atau pabrik sekarang sudah menggunakan teknologi sehingga pekerjaan yang tadinya dapat dilakukan manusia sekarang digantikan oleh robot. Pertanyaan saya adalah bagaimana dengan manusia dalam beberapa tahun kedepan jika banyak pekerjaan yang biasa di lakukan manusia diganti oleh robot, bagaimana manusia dapat menghasilkan uang...?

Tapi kita jangan khawatir terlebih dahulu, karena semakin kesini lapangan pekerjaan baru juga bermunculan, tergantung kitanya apa bisa kita menyesuaikan diri dengan zaman...?

Salah satu hal yang bisa kita lakukan untuk menghasilkan income pada saat ini tahun 2019 ialah menjadi seorang youtuber, yups banyak sekali youtuber di dunia ini yang telah terbukti berhasil menghasilkan jutaan bahkan milyaran uang dari youtube melalui konten video yang mereka buat. Kita juga bisa menjadi seperti mereka dengan syarat kita mau belajar dan menekuni bidang tersebut artinya kita harus serius. Lantas bagaimana caranya supaya kita bisa menghasilkan uang dari Youtube...?

Salah satu caranya dan yang paling penting ialah kita harus punya akun Youtube, selanjutnya kita harus memonetasi akun youtube kita, setelah monetasi kita harus bisa membuat konten yang menarik agar banyak viewers dan subscriber yang datang ke channel kita. Penjelasan lebih detail mengenai hal ini akan saya bahas di lain waktu. Jadi sebelum melakukan ini pastikan kalian sudah mengerti apa itu youtube.

Mengerjakan Penelitian Tugas Akhir Ilmu Komputer Bagian 1

Saya merupakan mahasiswa tingkat akhir di STMIK Nusa Mandiri dengan jurusan Ilmu Komputer. Saat ini saya sedang menyusun tugas akhir untuk memenuhi salah satu syarat kelulusan, tugas akhir yang harus dikerjakan yaitu melakukan penelitian dibidang ilmu komputer. Bidang garapan (research field) saya ialah rekayasa perangkat lunak (software  engineering) dengan topik penelitian (research topic) cacat perangkat lunak (software defect).

Tujuan saya menulis pengalaman saat mengerjakan tugas akhir ini ialah untuk pembelajaran bagi saya kedepannya ketika akan melakukan penelitian lagi sehingga saya bisa mengevaluasi dari apa yang saya lakukan saat ini supaya nanti ada gambaran apa yang kemudian harus dilakukan.

Dalam tulisan ini saya akan membagi pengalaman mengerjakan tugas akhir ini kedalam beberapa bagian, diantaranya:

1.    Memahami mata kuliah yang dipelajari dan keterkaitannya terhadap cabang ilmu.

Saat kuliah saya harus tahu mata kuliah apa yang saya pelajari dan itu bagian dari cabang ilmu apa, dengan begitu saya bisa fokus mempelajari cabang ilmu tersebut dengan mencari bahan tambahan diluar perkuliahan. Dari semua mata kuliah yang saya pelajari ternyata semuanya ada keterkaitan satu sama lain dengan cabang ilmu rekayasa perangkat lunak (software engineering) jadi saya putuskan untuk tugas akhir akan menggarap bidang ilmu rekayasa perangkat lunak.

2.    Mempelajari masalah yang sedang tren dibidang rekayasa perangkat lunak

Setelah saya memutuskan untuk fokus di rekayasa perangkat lunak kemudian saya mencari tahu masalah apa saja yang sedang tren menjadi bahan penelitian dibidang rekayasa perangkat lunak, caranya dengan menuliskan dimesin pencari seperti google.com dengan kata kunci “research tren on software engineering” cara ini saya dapatkan dari artikelnya romisatriawahono.net, isu yang saya dapatkan dari beberapa paper yang saya baca salah satunya cacat perangkat lunak (fault prediction/software defect) sehingga saya memutuskan topik penelitian yang saya ambil tentang cacat perangkat lunak.

3.    Mencari masalah penelitian

Selanjutnya saya masuk kebagian yang cukup memakan waktu karena dibagian ini saya harus mencari masalah penelitian dibidang cacat perangkat lunak, untungnya saya dapat trik dari artikelnya romisatriawahono.net. Saya mulai mengumpulkan beberapa review paper yang berhubungan dengan cacat perangkat lunak dan membacanya, selanjutnya saya juga mulai mencari technical paper untuk mengetahui hasil eksperimen penelitian sebelumnya. Bagi yang belum tahu, technical paper adalah paper penelitian yang didalamnya berisi hasil eksperimen dari penelitian mengenai topik yang spesifik dan ada hasil yang didapatkan, kalau review paper adalah kumpulan technical paper dengan topik yang sama kemudian ditarik benang merah dari paper-paper yang dipelajari dan dituangkan kedalam sebuah paper.

Masalah penelitian yang saya dapatkan dari hasil mempelajari review paper dan technical paper ialah masalah ketidakseimbangan kelas (imbalanced class) dan kebisingan data (noisy data) pada dataset khususnnya dataset publik NASA MDP.

  

4.    Mencari metode untuk prediksi cacat perangkat lunak

Dari review paper yang saya baca ada beberapa metode yang paling sering digunakan kemudian saya mencari technical papernya untuk membandingkan beberapa metode tersebut, dari beberapa paper yang saya rangkum hasilnya seperti tabel 1.

Tabel 1. Perbandinga metode cacat perangkat lunak

Sumber	Metode	Imbalance Class	Features Selection	Validasi	Datasets	AUC
(Wahono, 2014)	Logistic Regression	-	-	10 Fold Cross Validation	9 NASA	0.797
(Wahono, 2014)	Logistic Regression	Bagging	GA dan PSO	10 Fold Cross Validation	9 NASA	0.794
(Rianto, 2015)	Logistic Regression	Resampling	-	10 Fold Cross Validation	10  NASA	0.856
(Wahono, 2014)	Naive Bayes	Bagging	GA dan PSO	10 Fold Cross Validation	9 NASA	0.781
(Putri, 2015)	Naive Bayes	SMOTE	Information Gain	10 Fold Cross Validation	9 NASA	0.797
(Saifudin, 2015)	Naive Bayes	ADABoost	-	10 Fold Cross Validation	10 NASA	0.603
(Saifudin, 2015)	Naive Bayes	Bagging	-	10 Fold Cross Validation	10 NASA	0.614
(Funitha, 2016)	Hybrid Neuro-Fuzzy Systems with Naïve Bayes	Bagging	Genetic Ant Colony Optimization (GACO)	Cross Validation	4 NASA	-

Dari beberapa metode yang ada saya kumpulkan semuanya dan saya rangkum kedalam beberapa metode yang menunjukan hasil yang lebih baik dari metode lainnya, seperti terlihat pada tabel 1.

Dari tabel 1 dapat dilihat hasil dari penelitian sebelumnya mengenai masalah ketidakseimbangan keals dan seleksi atribut dengan beberapa metode yang digunakan menunjukan AUC tertinggi dimiliki oleh penelitian yang dilakukan oleh (Rianto, 2015) namun pada penelitian tersebut hanya melakukan resampling terhadap dataset dan tidak melakukan seleksi atribut untuk menemukan atribut yang relevan, berdasarkan hal tersebut saya putuskan untuk melanjutkan penelitian beliau dengan menambahkan teknik seleksi atribut.

Cara Install Algoritma di Weka

1. Buat folder baru di C:\ beri nama temp

2. Buka folder temp C:\temp\ buat folder weka

3. Masuk ke folder C:\Program Files\Weka-3-8

4. Ekstrak file weka-src ke folder C:\temp\weka yang kita buat tadi

5. Setelah diekstrak akan seperti ini

6. Buka aplikasi Weka

7. Klik Tools > Package Manager

8. Disini kita bisa memilih apa yang ingin kita install

9. Dalam tutorial ini saya akan install SMOTE yang merupakan salah satu teknik resampling untuk menangani ketidakseimbangan kelas dalam dataset. Klik SMOTE.

10. Klik tombol install > klik yes

11. Pastika tutup semua jendela aplikasi weka, klik OK

 12. Proses install sedang berjalan

13. Selesai

14. Untuk membuktikan sudah terinstall atau belum. Buka aplikasi eksplorer  weka

15. Pada jendela eksplorer weka. Klik tombol Choose dibagian filter.

 16. Buka folder weka > filters > supervised > instance. Dan disana terdapat SMOTE yang telah kita install tadi.

 17. Penampakan sebelum SMOTE diinstall.

Burung VS Laba-Laba

Kejadian langka yang saya temukan di sabtu pagi ketika saya sedang menghangatkan mesin motor, tanpa sengaja terlihat sebuah burung yang sedang terperangkap dalam sebuah jaring laba-laba.

Laba-laba itu sedang menggigit kepala burung tersebut dan burung mencoba untuk terus melawan dengan kaki dan sayapnya terperangkap pada jaring laba-yang lengket.

Berikut foto-foto bukti pertarungan...

Pengertian Entity Relationship Diagram (ERD)

Simbol ERD

 Menurut Kusrini (2005: 21) Perancangan basis data dengan menggunakan model entity relationship adalah dengan menggunakan Entity Relationship Diagram (ERD). Terdapat tiga notasi dasar yang bekerja pada model E-R yaitu : entity sets, relationship sets, dan attributes.

Sebuah entiti adalah sebuah “benda” (thing) atau “objek” (object) di dunia nyata yang dapat dibedakan dari semua objek lainnya. Entity sets adalah sekumpulan entiti yang mempunyai tipe sama.  Kesamaan tipe ini dapat dilihat dari atribute/property yang dimiliki oleh setiap entiti.

Ada beberapa istilah yang harus dipahami sebelum merancang basis data menggunakan entity relationship diagram, diantaranya yaitu:

1.    Superkey

Satu atau lebih atribut (kump atribut) yang dapat membedakan setiap baris data dalam tabel secara unik.

2.    Kandidatkey

Merupakan kumpulan atribut minimal yang membedakan setiap baris data dalam tabel secara unik. Untuk bisa menjadi kandidat key, suatu atribut harus memenuhi persyaratan sebagai berikut:

a.    Untuk satu nilai hanya mengidentifikasikan satu baris dalam satu relasi (unik).

b.    Tidak memiliki subset yang juga merupakan kunci relasi.

c.    Tidak dapat bernilai null.

3.    Kunci Relasi (Relation Keys)/Kunci Utama (Primary Key)

Nilai dari kunci relasi harus mengidentifikasikan sebuah baris yang unik di dalam sebuah relasi. Kunci relasi terdiri dari satu atau lebih atribut-atribut relasi. Agar bisa menjadi sebuah primary key, sebuah atribut haruslah memenuhi persyaratan sebagai kandidat key.

4.    Kunci Alternatif (Aternate Key)

Kunci yang tidak ada di dunia nyata, tetapi diadakan dan dijadikan primary key. Kunci alternatif dibuat ketika tidak ada satu pun atribut dalam sebuah relasi yang bisa mewakili relasi tersebut, atau aada yang bisa menjadi kandidat key tetapi tidak cukup efektif untuk digunakan sebagai primary key.

5.    Komposit Key

Primary key yang terdiri dari lebih dari 1 atribut.

6.    Foreign Key (FK)

Istilah FK juga banyak digunakan dalam perancangan. Sebuah FK adalah sekumpulan atribut dalam suatu relasi (misal A) sedemikian sehingga kumpulan atribut ini bukan kunci relasi A tetapi merupakan kunci dari relasi lain.

7.    Kardinalitas Pemetaan

Kardinalitas pemetaan atau rasio kardinalitas menunjukan jumlah entity yang dihubungkan ke satu entity lain dengan suatu relationship sets. Kardianlitas pemetaan meliputi:

a.    Hubungan satu ke satu (one to one). Yaitu satu entity dalam A dihubungkan dengan maksimum satu entity.

b.    Hubungan satu kebanyak (one to many). Yaitu satu entity dalam A dihubungkan dengan sejumlah entity dalam entity B dihubungkan dengan maksimum satu entity dalam A.

c.    Hubungan banyak ke satu (many to one). Yaitu satu entity dalam A dihubungkan dengan maksimum satu entity B. Satu entity dalam B dapat dihubungkan dengan sejumlah entity dalam A.

d.  Hubungan banyak ke banyak (many to many). Satu entity dalam A dihubungkan dengan sejumlah entity dalam entity dalam B dihubungkan dengan sejumlah entity dalam A.