Saturday, November 12, 2016

Tahapan Automatic Number Plate Recognition

Topik yang satu ini menjadi naik daun sedari dulu (5 tahun belakang) sampai sekarang, padahal objek nya itu-itu saja koq. Bagi pemula terkadang main ambil topik padahal riset ini begitu rumit sekali. Malahan dasar-dasar image processing tidak begitu familiar.

Thursday, November 10, 2016

File Explorer menggunakan TreeView

Aplikasi kecil ini dibuat oleh penulis untuk mengerjakan tugas sehari-hari di kantor, yaitu untuk menampilkan dokumen (*.jpg) agar mudah dalam melakukan verifikasi. Seperti aplikasi Picasa.
Penulis menggunakan IDE Sharp Develop dan component standar GUI di C#.
Juga melibatkan sedikit Thread dikarenakan banyak sekali looping

Monday, November 7, 2016

Tips Persiapan Menulis Tugas Akhir

Hal yang paling kritis dalam studi yaitu menulis tugas akhir. Merancang sebuah tulisan untuk tugas akhir butuh keuletan tersendiri, oleh karena itu, kamu yang sedang dalam tahap proses tersebut sebaiknya dapat mengikuti tips berikut

Saturday, November 5, 2016

Menambang Insight dari record transaksi – dengan teknik Recency Frequency Monetary - data minning (RFM)


RFM merupakan tools yang berguna untuk mendapatkan insight dari sejumlah data transaksi. Data transaksi biasanya akan memuat informasi mengenai ID customers, date purchase, Quantity, dan Amount nya
Sebelum lanjut, ada baiknya kamu mengerti sedikit mengenai RFM yaitu
http://www.ryerson.ca/~rmichon/mkt700/SPSS/RFM%20Analysis.htm
http://www.responseb2b.com/files/rfm.ppt
http://en.wikipedia.org/wiki/RFM
                 (The above definitions are from Wikipeida.)
http://www.slideshare.net/WhiteRavenPL/rfm-segmentation
untuk mempelajari dan memahami, kamu bisa menggunakan data berikut
http://www.brucehardie.com/datasets/
 

Cara Kerja Teknik RFM : Persiapan Data

Download lah yang http://www.brucehardie.com/datasets/CDNOW_sample.zip
Disitu akan terdapat 5 kolom yang masing-masing berikut
Each record in this file, 6919 in total, comprises five fields:
1.    the customer's ID in the master dataset,
2.    the customer's ID in the 1/10th sample dataset (ranging from 1 to 2357),
3.    the date of the transaction,
4.    the number of CDs purchased,
5.    and the dollar value of the transaction.