Month: July 2018

Backup Mysql Seluruh Database Tanpa PHPmyadmin

Backup Mysql Seluruh Database Tanpa PHPmyadmin

Beberapa waktu lalu saya mengalami permasalahan ketika server saya sudah di akses karena terjadi crash di laptop saya. Pada kasus ini
Saya tidak bisa mengakses server terutama untuk membuka susunan database yang saya miliki via browser dengan phpmyadmin.

Salah satu cara yang bisa dilakukan adalah dengan menggunakan perintah CLI (command line interface). Untuk masalah saya
saya menggunakan server xampp sebagai web server saya.

Nah Cara yang dapat dilakukan untuk membackup semua database kedalam file sql yang nantinya bisa digunakan lagi di komputer lain
Simak terus caranya di bawah ini:

Extract selurh sql tanpa phpmyadmin

1. Bukan command line dengan menekan tombol windows+r dan kemudian ketik cmd dan tekan enter

cmd untuk backup database

cmd untuk backup database

2. Kemudian akan muncul jendela command line yang di maksud
3. Selanjutnya yang perlu kamu perhatikan adalah dimana kamu menginstall server kamu, baik xampp, lampp, wampp ataupun mampp
4. Diasumsikan server kamu di intasll di disck c, seperti punya saya, secara default pointer aktiv pada disc C user pada windows kamu. Pada kasus saya xampp saya install di disk d, karena disk pada laptop saya saya partisi menjadi 3 yaitu c,d,e.

Tampilan awal command line

Tampilan awal command line

Secara default cmd yang terbuka seperti diatas. Dalam kasus ini kita akan masuk kedalam aplikasi mysql di server xampp nah untuk masuk command linenya intruksinya sebagai berikut;

Tampilan awal command line

Tampilan awal command line

Karena xampp saya terinstall di disk d maka kita perlu mengaarahkan pointer kita ke arah disk d: terlebih dahulu caranya yaitu dengan mengetik d: dan kemudian enter.

Sealnjutkan ketika kita sudah masuk ke disk d: kita ketikan cd xampp/mysql/bin oke sudah masuk ke bind selanjutnya kita ketik query untuk backup seluruh databasenya dengan cara:

mysqldump -u root p -all-databases –skip-lock-tables > semua_database.sql

  1. root, merupakan user dari database kamu
  2. -all-databases, merupakan intruksi untuk membackup seluruh database, disini kamu bisa hanya membackup beberapa database saja, dengan cara mengganti dengan nama databasenya. Jika database lebih dari satu maka pisahkan dengan tanda koma.
  3. –skip-lock-tables, merupakan untuk menskip semua table yang terkunci
  4. > merupakan intruksi untuk ekstrak database
  5. semua_database.sql, nama dari hasil ekstrak semua database kita

Pada kasus ini setelah huru tidak ada password karena server saya tidak pakai password. Dan selanjutnya tekan enter. Tunggu prosesnya

 

Ekstrak semua database

Ekstrak semua database

Import semua database sql

Untuk mengimportnya caranya hampir sama, bedanya adalah pada tanda > menjadi tanda< dan script cmdnya yaitu

mysqldump -u root p -all-databases –skip-lock-tables < semua_database.sql

Demikian tutorial singkat, semoga membantu, Untuk postingan saya berikutnya hampir terkait dengan tutorial ini. Bedanya adalah pada postingan berikutnya kita akaan memindahkan semua database dari komputer satu ke komputer lainya atau dari antar laptop yang database pada server yang OS nya mengalamin kerusakan atau windowsnya tidak bisa di buka atau di akses.

Sistem Pakar Metode Naive Bayes

Metode Naive bayes adalah metode yang digunakan untuk melakukan perhitungan dalam penyelesaian kasus kepakaran. Konsep yang digunakan adalah menghitung nilai probabilitas kemunculan setiap varibel yang di pilih dalam perhitungannya dan selanjutnya   mengklasifikasinya berdasarkan variabel yang di masukkan.

Sistem pakar banyak sekali menggunakan pilihan metode, beberapa konsep dalam sistem pakar misalnya clustering dan probabilitas. Berkut ini sistem pakar yang saya kembangkan menggunakan metode Naive Bayes. Kasus yang kita ambil adalah untuk mendeteksi kasus perkembangan anak.

Untuk data yang diperlukan yaitu data gangguan serta data gejala terhadap gangguan permasalahan anak. Simak terus artikel ini.

Langkah-Langkah sistem pakar metode Naïve Bayes

Langkah-Langkah sistem pakar metode Naïve Bayes

Langkah-Langkah sistem pakar metode Naïve Bayes

Aplikasi Sistem Pakar Naïve Bayes

Pada analisis kali ini user interaface atau stakeholder yang terkait dengan aplikasi terdapat 2 user. User tersebut yaitu Admin dan member. Untuk masing-masing fungsi dan fiturnya yaitu:

  1. Admin, Merupakan user yang berperan dalam hal mengontrol jalannya aplikasi secara keseluruhan.
  2. Member, Merupakan user dengan fungsi menggunakan aplikasi dengan hanya beberapa fitur saja sesuai levelnya.

 

Nah untuk fitur dan detail masing-masing user level di atas yaitu:

#Admin

Login

Login pakar naive bayes

Login pakar naive bayes

Login, Sebelum menggunakan aplikasi pakar teorema bayes ini admin harus melakukan login kedalam aplikasi. Data login adalah data yang terdaftar pada menu user aplikasi. Admin login atau masuk aplikasi dengan menggunakan username dan password. Jika username dan password yang di masukkan salah, maka admin tidak bisa login.

User

User sistem pakar naive bayes

User sistem pakar naive bayes

User, merupakan menu yang berada pada data master. Data master merupakan data utama yang mempunyai fungsi untuk keperluan proses pada menu berikutnya. Untuk data master bisa terdapat lebih dari 1 menu atau bisa terdapat banyak menu. Oke, menu user  ini digunakan untuk mengelola user yang menggunakan aplikasi. Prosesnya diantaranya yaitu menambah user, mengedit user, dan menghapus user.

Gangguan

Gangguan sistem pakar naive bayes

Gangguan sistem pakar naive bayes

Gangguan, merupakan menu data master yang digunakan untuk mengelola data gangguan. Jika disamakan dengan konsep sistem pakar lain menu gangguan ini mungkin bisa kita namakan penyakit, namun jika pada kasus ini namanya gangguna. Proses detailnya yaitu menambah gangguan, mengedit gangguan, dan menghapus gangguan.

Gejala

Gejala sistem pakar naive bayes

Gejala sistem pakar naive bayes

Gejala, merupakan menu data master yang digunakan untuk mengelola gejala yang yang ada. Gejala adalah bagian yang terlibat terhadap gangguan. Untuk prosesnya meliputi menambah gejala, mengedit gejala, menghapus gejala.

Relasi

Relasi sistem pakar naive bayes

Relasi sistem pakar naive bayes

Relasi, merupakan menu data master yang digunakan untuk mengelola relasi antara gejala dengan gangguan. Relasi adalah hubungan yang mengindikasikan gangguan berdasarkan gejala. Untuk prosesnya mengedit relasi antara gejala terhadap gangguan.

Konsultasi

Konsultasi sistem pakar naive bayes

Konsultasi sistem pakar naive bayes

Konsultasi, merupakan menu yang digunakan untuk melihat data konsultasi yang diakukan. Pada user interface admin, admin dapat melihat user yang melakukan konsultasi,  termasuk admin sendiri. Detail informasi konsultasi seperti waktu konsultasi serta hasil perhitungan konsultasi kepada aplikasi pakar ini. Proses yang ada yaitu melakukan konsultasi.

Logout

Logout, merupakan menu yang digunakan untuk keluar dari aplikasi.

#Member

Register

Register sistem pakar naive bayes

Register sistem pakar naive bayes

Register, merupakan form untuk melakukan pendaftaran yang di lakukan member. Pada aplikasi atau sistem ini member daftar mendaftar untuk menggunakan aplikasi

Login

Login sistem pakar naive bayes

Login sistem pakar naive bayes

Login, merupakan form yang di gunakan untuk masuk aplikasi oleh member

Profil

Profil sistem pakar naive bayes

Profil sistem pakar naive bayes

Profil, merupakan menu yang digunakan untuk mengelola data member. Proses yang ada yaitu mengedit data profil atau data member.

Konsultasi

Konsultasi memberl sistem pakar naive bayes

Konsultasi memberl sistem pakar naive bayes

Konsultasi, merupakan menu yang digunakan untuk melihat data konsultasi yang pernah di lakukan. Bedanya dengan menu konsultasi pada halaman admin yaitu disini member hanya bisa melihat hasil konsultasinya dia sendiri dan tidak dengan hasil konsultasi user lain. Proses yang ada yaitu menu konsultasi lagi.

Logout

Logout, merupakan menu yang digunakan untuk keluar aplikasi sama seperti admin.

 

Terimakasih sudah membaca artikel ini. Jika kamu membutuhkan jasa sistemphp.com untuk mengembangkan aplikasi pakar dengan kasus yang berbeda ataupun mengkombinasikannya dengan metode lain kami siap membantu Kamu. Untuk pengembangan di lakukan menggunakan aplikasi berbasis web dan database mysql. Untuk info lebih lanjut bisa kontak kami langsung.

Postingan berikutnya

  1. aplikasi sistem pakar naive bayes
  2. sistem pakar metode naive bayes

PHP – Perkalian Value Pada Looping

Beberapa hari yang lalu saya sedang mengerjakan sebuah projek tentang aplikasi sistem pakar menggunakan metode naive bayes. Pada pengerjaanya saya membutuhkan sebuah potongan kode atau script php yang mana fungsinya adalah untuk mengalikan sebuah nilai yang ada dalam loping tersebut.

Untuk perkalian looping fix dan sudah saya temukan caranya. Namun ada yang belum bisa terselesaikan yaitu mengalikan dengan bilangan berkoma yang banyak angkany  atau panjang angkanya. Dan sampai sekarang masalah ini belum terpecahkan. Output yang di hasilkan dari masalah ini adalah jika kita mengalikan angka dengan pecahan angka yang sangat panjang maka akan muncul perhitungan yang tidak terhingga dan muncul huru E pada bagian belangka angka tersebut.

Nah kembali lagi ke topik utama kita tadi, kita akang mengalikan sebuah value atau nilai yang ada pada looping. Untuk pembahasanny akan kita uraikan kedalam beberapa contoh berikut ini:

Perkalian Value Pada Looping

#Contoh 1

Berikut ini contoh yang sedikit simpel. Kita akan mengalikan angka yang akan kita gunakan untuk looping itu sendiri:

$kali=1;

for($i=1;$i<3;$i++){

$kali*=$i;

}

echo $kali;

//output: 6

#Contoh 2

Untuk konsep pada contoh kedua ini kita akan menggunakan sebuah array yang value arranya akan kita kalikan menggunakan fungsi loop. Oia untuk loopnya sendiri kamu bisa pakai apa saja misalnya for, while dan juga foreach terserah kamu

$nilai=array(1,2,3);

$kali=1;

for($i=1;$i<3;$i++){

$kali*=$nilai[$i];

}

echo $kali;

//output: 6

#Contoh 3

Nah untuk contoh yang kali ini kita akan menggunakan atau menjadikan logika pengalian tadi kedalam sebuah fungsi yang nantinya bisa kita gunakan kapan saja atau tinggal kita panggil saja, caranya:

function perkalian($data=array()){

$kali=1;

for($i=1;$i<3;$i++){

$kali*=$data[$i];

}

return $kali;

}

$data=array(1,2,3);

echo perkalian();

//output: 6

 

 

Demikian tutorial singkat yang dapat saya bagian, semoga bisa membantu dan bermanfaat untuk teman-teman semua yang sedang mengerjakan projek perkalian pada looping. Untuk kegunaanya itu nanti bergantung dengan projek yang sedang teman-teman kerjakan.

Postingan berikutnya

  1. coding php perulangan perkalian
  2. for pada perkalian php
  3. looping perkalian pada php

Metode Intrinsic Information Content (IIC)

Metode Intrinsic Information Content (IIC) adalah metode yang digunakan untuk mengenali dan menghitung data informasi yang terdapat pada pasangan kata. Pasangan kata ini juga dapat di ambil dari sebuah rangkaian kalimat atau paragraf.

Intrinsic Inforamation merupakan bagian yang tersembunyi dari sebuah pasangan kata baik itu kata yang terkait maupun kata yang mempunya makana sama persis atau sinonim. Pada implementasinya metode ini sering digunakan untuk sebuah konsep penelitian Natural Language Processing (NLP).  Sebuah pemrosesan tingkat tinggi menggunakan konsep penalaran manusia.

Contoh sederhananya kita ingin mengetahui sebuah makna yang terkait dengan pasangan kata antara kata “mobil” dan “bensin”. Meskinpun kata tersebut berbeda dan juga bukan sinonim namun antar kedua kata tersebut masih memiliki keterkaitan.

 

Model-model Penyelesaian dalam Metode Intrinsic Information Content (IIC)

Rumus dasar untuk semua model

Rumus dasar semua model

Rumus dasar semua model

1.Resnik

Model Resnik adalah  sebuah pengukuran kesamaan semantik yang sederhana menggunakan metode informasi konten. Formula kesamaan semantik antar 2 synset adalah,

Rumus model resnik

Rumus model resnik

2.Lin

Model Lin merupakan pengukuran kesamaan semantik yang bertujuan untuk mengatasi kesamaan antar 2 konsep, dan juga perbedaannya, yang keduanya diukur dalam term IC. Nilai kesamaan maksimum dicapai ketika kedua konsep identik. Pengukuran kesamaan tersebut dapat kita lihat dengan persamaan atau rumus bi bawah ini:

Rumus model lin

Rumus model lin

3.Jiang dan conrath

Model Jiang dan Concrath merupakan metode yang menggabungkan struktur taksonomi leksikal dengan informasi statistik corpus sehingga jarak semantik antara node di ruang semantik yang dibangun oleh taksonomi dapat lebih baik diukur dengan bukti komputasi berasal dari analisis distribusi data korpus. Rumusnya sebagai berikut;

Rumus model jiang dan concrath

Rumus model jiang dan concrath

Rumus model jiang dan concrath

Rumus model jiang dan concrath

4.Seco, Veale, dan Hayes

Model Seco, Veale, dan Hayes adalah merupakan metode pengukuran dengan menggunakan konsep tolak ukur alternatif dari IC yang disebut “IC Intrinsik”, yang dikalkulasi semata-mata hanya berdasarkan
taksonomi. Pada formula ini, penggunaan korpus dihilangkan. Sebuah konsep yang memiliki lebih banyak hiponim mengekspresikan informasi yang lebih sedikit daripada konsep yang yang memiliki lebih sedikit hiponim. Rumusnya;

Rumus model Seco, Veale, dan Hayes

Rumus model Seco, Veale, dan Hayes

5.Meng

Model Meng adalah Sebuah konsep yang memiliki lebih banyak hiponim memiliki nilai IC
yang lebih sedikit daripada sebuah konsep yang memiliki lebih sedikit hiponim. Semakin dalam suatu konssep pada suatu taksonomi, semakin besar nilai IC pada konsep tersebut.

Rumus model meng

Rumus model meng

 

Data yang digunakan Metode Intrinsic Information Content (IIC)

Untuk data yang bisa digunakan sebagai data set misalnya simlex-999 dan juga wordsim.

1.Simlex

SimLex-999 adalah sebuah sebuah data set yang bisa digunakan untuk mengevaluasi suatu model yang mempelajari makna suatu kata dan konsep. SimLex-999 lebih dikhususkan untuk dataset yang menguji nilai kesamaan semantik daripada keterkaitan semantik atau asosiasi.

 

2.Wordsim

WordSim-353 adalah dataset yang digunakan sebagai pengujian untuk mengukur nilai kesamaan atau keterkaitan antar kata. Data yang terdapat pada wordsim tersebut berupa pasangan kata bahasa inggris yang terdiri dari beberapa kata benda.

 

Hal-hal yang terkait dengan metode ini

1. Semantic Similarity
Perhitungan semantic similarity adalah merupakan proses yang memerlukan keterlibatan
beberapa disiplin ilmu, seperti bahasa, komputer, matematika logik dan domain yang bersangkutan.

 

2.WordNet
WordNet adalah database kata yang dapat digunakan untuk mengecek kata serta persamaan kata atau kata yang terkait pada sebuah database network semantik untuk bahasa Inggris yang dikembangkan
di Princenton University (http://wordnet.princeton.edu/).  Beberapa versi dalam bahasa lain juga telah dikembangkan seperti EuroNet.

 

3. Latent Semantic
Latent Semantic Analysis (LSA) adalah sebuah teori dan metode untuk mengekstrak dan merepresentasikan konteks yang digunakan sebagai sebuah arti kata dengan memanfaatkan
komputasi statistik untuk sejumlah corpus yang besar dari teks.

 

Untuk jasa pembuatan dengan aplikasi ini kami siap membantu Anda. Pemrograman di buat menggunakan bahasa pemrograman berbasis web php dan juga menggunakan database mysql Untuk info lebih lanjut silahkan kontak kami langsung pada kontak yang ada pada bagian bawah web ini.