Tampilkan postingan dengan label Komputer. Tampilkan semua postingan
Tampilkan postingan dengan label Komputer. Tampilkan semua postingan
Minggu, 02 September 2012
Rabu, 02 Mei 2012
Selasa, 27 Maret 2012
CARA MENGIRIM E-MAIL
CARA MENGIRIM E-MAIL
Tulisan ini terdiri dua pembahasan pokok, yaitu (a) Menggunakan e-Mail Google dan (b) Menggunakan e-Mail Yahoo.
A. Menggunakan e-Mail Google
1. Pastikan punya alamat e-mail, contoh: keitisan.san@gmail.com
2. Masuk Internet (Firefox, Internet Explorer, atau yang lainnya)
3. Ketik di Address Bar (gambar yang dilingkari hitam): www.google.co.id
4. Klik Gmail (gambar nomor 3 yang ditandai kotak merah,
5. Ketikkan USERNAME (nama pengguna) dan PASSWORD (Sandi) pada kotak tersedia seperti gambar berikut:
Sebelum Diisi Setelah Diisi
6. Klik tombol SIGN IN (masuk) di gambar sebelah kanan (yang sudah diisi e-mail)
7. Klik tombol TULIS (compose) di gambar sebelah kiri
8. Muncul gambar berikut:
9. Ketik poin-pin berikut:
a. Kepada/To (tanda bintang): alamat e-mail anda, contoh: keitisan.san@gmail.com
Catatan:
Tambah Cc & Tambah Bcc digunakan apabila e-mail mau dikirim lebih dari dua e-mail tujuan (di sini tidak perlu)
b. Perihal/Subject (tanda lingkaran): judul surat, contoh: OM7A Tugas 1
c. Lampirkan file/Attach a File (tanda awan): melampirkan file, misalnya melampirkan file yang dibuat di Microsoft Word, Excel, Access, dll
Caranya:
- Klik tulisan Lampirkan file
- Cari tempat file anda berada, misal di Data (D) nama file-nya: 120000T2 (klik file ini)
- Open
d. Kotak besar kosong di bawah: untuk menulis pesan atau surat kita
10. Setelah langkah 9 selesai, maka akan tampil seperti gambar berikut:
11. Klik tombol KIRIM (send)
12. Akan muncul gambar berikut:
13. Untuk memastikan, klik tulisan LIHAT PESAN (Your message has been sent) yang dilingkari
14. Akan muncul gambar berikut:
15. Untuk keluar dari e-mail, klik panah sebelah kanan foto (atau tanda bintang) yang dilingkari, kemudian klik tulisan KELUAR (sign out) yang ditandai kotak
16. Selesai
B. Menggunakan e-Mail Yahoo
- Pastikan punya alamat e-mail, contoh: k.algaruty@yahoo.co.id
- Masuk Internet (Firefox, Internet Explorer, atau yang lainnya)
- Ketik di Address Bar (gambar yang dilingkari hitam): www.yahoo.co.id
- Klik tulisan MAIL yang ditandai kotak merah pada gambar di atas
- Ketikkan ID YAHOO dan KATA SANDI (Password) pada kotak tersedia seperti gambar berikut:
Sebelum Diisi Setelah Diisi
- Klik tombol SIGN IN (masuk) di gambar sebelah kanan (yang sudah diisi e-mail)
- Klik tombol TULIS PESAN (compose message) di gambar sebelah kiri
- Muncul gambar berikut:
- Ketik poin-pin berikut:
a. Kepada/To (tanda bintang): alamat e-mail anda, contoh: keitisan.san@gmail.com
Catatan:
Cc & Tambah Bcc digunakan apabila e-mail mau dikirim lebih dari dua e-mail tujuan (di sini tidak perlu)
b. Judul/Subject (tanda lingkaran): judul surat, contoh: OM7A Tugas 1
c. Lampiran/Attach Files (tanda awan): melampirkan file, misalnya melampirkan file yang dibuat di Microsoft Word, Excel, Access, dll
Caranya:
- Klik tulisan Lampiran
- Klik tulisan Lampirkan File
- Cari tempat file anda berada, misal di Data (D) nama file-nya: 120000T2 (klik file ini)
- Open
d. Kotak besar kosong di bawah: untuk menulis pesan atau surat kita
- Setelah langkah 9 selesai, maka akan tampil seperti gambar berikut
- Klik tombol KIRIM (send)
- Akan muncul gambar berikut:
- Klik tombol SELESAI (done)
- Untuk keluar dari e-mail, klik tulisan SIGN OUT
- Selesai
***
Identitas Tulisan: Komarudin Tasdik. 2012. Cara Mengirim e-Mail. Garut: al-Ikhbaar. http://uang-info.blogspot.com/
TULISAN YANG LENGKAP DENGAN GAMBARNYA
Minggu, 04 Maret 2012
Mari Membuat Blog dengan Fasilitas Gratis dari Wordpress
Mari Membuat Blog dengan Fasilitas Gratis dari Wordpress
Oleh: Komarudin Tasdik
Langkah 1
1.1 Masuklah ke firefox, internet explorer atau yang lainnya
1.2 Di address bar ketik http://wordpress.com/
1.3 Tekan enter
1.4 Akan tampil jendela berikut:
1.5 Klik Sign up now
Langkah 2
Setelah di atas selesai, akan muncul jendela berikut:
Langkah 3
3.1 Isilah formulir di atas dengan data yang diinginkan anda, contohnya sebagai berikut:
3.2 Tekan Sign up
Langkah 4
4.1 Lengkapi juga identitas anda selanjutnya
4.2 Contohnya
4.3 Tekan Save Profile
Langkah 5
5.1 Login lah ke Google account untuk mengecek e-mail, seperti tampilan berikut
5.2 Hasilnya sebagai berikut (e-mail terbuka)
5.3 Klik kiriman e-mail dari wordpress.com
5.4 Muncul jendela berikut:
5.5 Klik link untuk aktivasi
5.6 Hasilnya akan tampil seperti jendela berikut:
Langkah 6
6.1 Di address bar ketikkan alamat blog anda, contoh di sini http://komtas.wordpress.com/
6.2 Akan muncul jendela berikut:
6.3 Tekan Login
6.4 Isi username dan password anda yang pada langkah awal digunakan, kemudin tekn Login
6.5 Akan muncul jendela berikut
6.6 Sekarang, sudah siap mengedit blog anda, misalnya membuat posting (tulisan yang diinginkan) dengan mengklik Post, kemudin Add New
Sekian dulu pembahasan langkah pembuat blog ini, untuk tahap editing akan dibahas di kesempatan berikutnya, Kritik dan saran dapat dikirim ke komarudintasdik28@gmail.com
Selamat mencoba dan terimakasih!
Langkah-langkah yang dilengkapi gambar dapat di download di sini
Pasang FB di Wordpress
1. Login ke wordpress
2. Appearance – Widgets
3. Drag Facebook Like Box ke sidebar kanan (sesuai keinginan)
4. Lakukan setting pada gambar berikut
Catatan: URL sesuaikan/copy dari alamat FB anda di address bar
5. Save
6. Selesai
Selamat mencoba!
Keterbatasan Penelitian ANALISIS PERENCANAAN KAPASITAS
- Keterbatasan
Beberapa catatan penting harus dibuat berkaitan dengan peak hour data yang para perencana kapasitas USAA harus perkirakan. Semua metric sumber daya, seperti CPU dan memori, di-compile dan disimpan menggunakan metode HWHA. Interval waktu ini merepresentasikan periode observasi satu minggu, walaupun data hanya rata-rata per jam. Performa terkini dari perangkat jaringan tidak dapat ditetapkan dari data ini. Kelompok monitoring performa USAA berhubungan dengan periode waktu yang secara signifikan lebih kecil dari weekly hourly averages yang telah dipertimbangkan dalam analisis ini. Performance monitoring lebih berhubungan dengan data jaringan resolusi tinggi dan memandangnya dengan more microscopic lens. Para perencana kapasitas menggunakan more telescopic lens yang mengambil gambar lebih besar dan kurang berkaitan dengan finer-resolution, rapidly changing data. Walaupun perbedaan ini dalam pendekatan analitis, terdapat hubungan simbiotik penting dalam mengimplementasikan tools dan yang berhubungan dengan peristiwa-peristiwa penting antar kelompok. Capacity planners secara eksklusif tergantung pada kelompok performa untuk mengumpulkan data jaringan. Data ini difilter dan disimpan dalam basis data perencanaan kapasitas terpisah untuk trend dan analisis. Dan sebaliknya, keputusan-keputusan yang mempengaruhi performa jaringan, seperti pembelian perlengkapan baru, dapat memiliki efek signifikan pada performa bagian-bagian lain dari jaringan. Konsekuensinya, perencanaan apapun untuk meningkatkan kapasitas sumber daya harus dikoordinasikan dengan tim-tim manajemen performa. Analisis posteriori yang dipresentasikan dalam paper ini menganggap bahwa traffic tumbuh secara linear. Tidak ada asumsi yang dibuat berkaitan dengan marked changes dalam pola pertumbuhan ini. Jenis analisis ini harus mengikuti perkembangan perubahan signifikan dalam penggunaan perangkat lunak dan populasi user. Isu-isu Y2K juga mempengaruhi perencanaan. Threshold disesuaikan ke account untuk peristiwa-peristiwa khusus ini.
- Utilisasi Port, Memory, dan Interface
Hasil-hasil yang dibahas di atas untuk utilisasi router CPU mirip dengan yang untuk memori dan interface data—linear dengan standard error kecil. Sejak ketersediaan port tidak berubah-ubah secara signifikan dari minggu ke minggu, tidak ada rata-rata yang dibutuhkan. Perkiraan data secara langsung itu memungkinkan ketika menahan standard error rendah.
Gambar 4. Highest Weekly Hourly Averages untuk perangkat terpilih per minggu. Yang ditampilkan adalah data aktual dan Least Mean Square estimates.
- Kesimpulan
Tanggung jawab terhadap pertumbuhan yang terlihat pada data jaringan adalah pertumbuhan pegawai USAA. Anualisasi lekuk kurva-kurva pada Gambar 4 menunjukkan pertumbuhan tahuanan sekitar 5%. Pertumbuhan pegawaia USAA sekitar 8%.
Walaupun agregasi tidak seproduktif antisipasi, model linier yang ditemukan untuk perangkat individu menggunakan HWHA menjustifikasi usaha tersebut. Implementasi tool yang dibahas dalam paper ini dapat direalisasikan menggunakan basis data apapun yang memungkinkan data eksternal untuk diimpor dan rata-rata per jam mingguan sangat tinggi. Tambahan pula, basis data ini harus memiliki kemampuan analisis dengan script atau tool otomatis.
Dengan menggunakan teknik HWHA, pembuat rencana sekarang memiliki tool untuk merencanakan kapasitas jaringan dengan akurat. Untuk memperbaiki model ini, sejumlah sampel per jam dapat ditambah untuk representasi HWHA yang lebih akurat. Tambahan pula, HWHA window dapat dikurangi untuk memungkinkan puncak frekuensi lebih tinggi untuk dipresentasikan dengan lebih baik.
Referensi
[MEN98] D. A. Menasce, V. A. F. Almeida, Capacity Planning For Web Performance Metric, Models, & Methods, NJ: Printice Hall, (1998), pp. 223-227.
Diterjemahkan dari:
Paul Ybarra and Tom Mee. Capacity Planning Analyses Of Large Data Networks: A Case Study. International Network Services and United Services Automobile Association.
Selanjutnya ketik di kotak Search: ANALISIS PERENCANAAN KAPASITAS JARINGAN DATA BESAR
Pendekatan Capacity Planning Analyses
- Pendekatan
Data tersedia untuk memperkirakan utilisasi secara virtual tiap perangkat jaringan dan interface. Pendekatan, agregasi awal kita, merupakan usaha untuk menyederhanakan tugas denga membuat kelas-kelas perangkat dan interface serta memperlakukan ini sebagai entitas-entitas tunggal. Contohnya, Bay switches dapat diperlakukan sebagai kelas tunggal. Data agregasi untuk switch ini membentuk basis karakterisasi kelas. Tujuan perencanaan kapasitas, kemudian, perubahan dari perangkat individu ke kelas khusus. Tujuannya adalah untuk memonitor utilisasi kelas dan memperkirakan ketika kelas tersebut akan menjalankan kapasitas.
Untuk elaborasi, mari kita asumsikan bahwa utilisasi link dari Bay switch sedang dimonitor. Asumsikan juga bahwa tiap switch memiliki dua uplinks dan 48 downlinks. Rata-rata per jam sangat tinggi ditentukan oleh masing-masing minggu untuk tiap perangkat. Ini merupakan the highest weekly hourly average (HWHA) atau peak hour for the device. Peak hour untuk semua perangkat lainnya ditetapkan dan dikombinasikan untuk menghasilkan rata-rata kelas per minggu. Contohnya, menggunakan lima switches, Tabel 1 mengilustrasikan peak hour utilizations for a single week.
Tabel 2 menunjukkan utilisasi untuk Switch #1 untuk sehari penuh. Rata-rata harian tertinggi adalah 8%, seperti ditunjukkan pada bold type. Jika nilai ini lebih besar dari atau sama dengan rata-rata harian untuk hari-hari lainnya,kemudian ia akan menjadi HWHA sample yang digunakan untuk perangkat tersebut. (Harus dicatat pada poin ini bahwa peak hour mungkin terjadi pada jam berapaun dari hari apapun per minggu.)
Week #1 | Uplink |
Switch #1 | 8% |
Switch #2 | 12% |
Switch #3 | 9% |
Switch #4 | 18% |
Switch #5 | 8% |
Class Average | 11% |
Tabel 1. Utilisasi untuk Kelas Bay Switches dalam EC01 for Week No. 1
Monday | Uplink |
01:00 | 1 |
02:00 | 1 |
03:00 | 1 |
04:00 | 2 |
05:00 | 2 |
06:00 | 5 |
07:00 | 5 |
08:00 | 5 |
09:00 | 6 |
10:00 | 8% |
11:00 | 6 |
12:00 | 7 |
13:00 | 7 |
14:00 | 7 |
15:00 | 5 |
16:00 | 5 |
17:00 | 5 |
18:00 | 4 |
19:00 | 3 |
20:00 | 3 |
21:00 | 3 |
22:00 | 2 |
23:00 | 2 |
24:00 | 2 |
Tabel 2. Utilisasi per jam untuk Switch #1 dalam Kelas ay Switches for EC01 on a Monday
Ketika data yang cukup telah dikumpulkan, perencana kapasitas dapat memperkirakan trends menggunakan teknik-teknik statistik yang tepat. Seleksi interval yang benar itu penting, seperti keputusan untuk menggunakan rata-rata kelas atau peaks. Isu-isu ini dibahasa dalam bagian selanjutnya.
3．1 Highest Weekly Hourly Average
Terdapat beberapa cara untuk menggunakan trend data. Satu dapat menggunakan rata-rata harian, rata-rata mingguan, rata-rata bulanan, peaks (maksimum) harian, peaks mingguan atau peaks bulanan. Tambahan, rata-rata dari rata-rata, rata-rata dari peaks, atau peaks dari rata-rata dapat digunakan. Rata-rata memiliki efek "smoothing out" terhadap peaks. Yang lebih besar periode waktu rata-rata, yang lebih halus kemunculan peak. Jika periode waktu sangat besar, rata-rata meminimalisir pengaruh peak. Jika periode waktu sangat kecil, rata-rata memaksimalkan pengaruh peak. Jadi, rata-rata merupakan filter frekuensi di mana peak durasi pendek dihapus ketika ukuran window lebih besar digunakan. Pengaruh peak yang diperbolehkan maksimal site dependent based on comfort level. Ada kemungkinan contoh ketika nilai peak melebihi threshold tertentu itu amat berat. Network traffic secara melekat bursty dan memiliki banyak peaks di dalam periode observasi yang diberikan. Burstiness ini secara tidak langsung menyatakan contention terhadap perangkat jaringan dan memiliki efek penting pada performa perangkat lain. Highest daily hourly average (HDHA) berusaha untuk menggabungkan pengaruh-pengaruh ini. Ukuran burstiness ditetapkan dalam [MEN98] by the 2-tuple (a, b). “A” merupakan peak untuk average ratio dan “b” merupakan persentase waktu rate kedatangan paket lebih besar daripada mean arrival rate. HDHA merupakan ukuran mirip dalam burstier hour yang akan berkontribusi lebih terhadap rata-rata harian daripada rata-rata per jam lainnya. HDHA bukan peak sample for the day tapi highest hourly average for the day. Catat bahwa HWHA akan selalu lebih besar dari atau sama dengan rata-rata mingguan tapi lebih kecil dari peak mingguan. Tambahan, HWHA juga akan lebih besar dari atau sama dengan HDHA for each day of the week.
Rata-rata harian tidak berubah-ubah secara signifikan dari hari ke hari. Mereka mudah untuk trend, dan model-model dapat digunakan secara akurat untuk memprediksi utilisasi rata-rata. Sayangnya, utilisasi rata-rata bisa mencapai 10 kali lebih kecil dari peak values for the day. Nilai-nilai peak berubah-ubah secara signifikan dari hari ke hari dan sulit untuk trend. Bagaimanapun, peaks tidak berubah-ubah secara signifikan dari minggu ke minggu. Rata-rata tracking kurang bermanfaat jika efek pengaruh peak diinginkan. HWHA merupakan means dari utilisasi rata-rata tracking ketika menggabungkan efek peaks. Rata-rata cenderung konstan; sehingga, fluktuasi dari minggu ke minggu yang besar sebagian besar dapat dihubungkan ke increased burstiness, yang dapat mengindikasikan lebih banyak network user atau sebuah aplikasi baru. Jika penambahan ini dikendalikan dan tidak direncanakan, efek-efek pada performa akan signifikan. Peristiwa-peristiwa seperti itu dikaitkan dengan penentuan sebabnya dan meminimalkan kemungkinan recurrence. Sebaliknya, peristiwa-peristiwa yang sudah terakumulasi seperti ini dapat mengganggu user response-times, terutama jika mereka terjadi secara bersamaan.
Ukuran-ukuran khusus HWHA menunjukkan fluktuasi mingguan lebih kecil 10%. Lebih kecil dari 20% dari sampel yang jatuh di luar range ini. Penambahan signigikan di luar ini 10% range menunjukkan penambahan dalam peaks baik dalam jumlah dan/atau kekuatan. Ini merupakan hasil langsung dari user tambahan dan/atau penggunaan aplikasi.
Memperkirakan trend dasar untuk sebuah kelas, bagaimanapun, tidak memberitahu kita ketika kelas tersebut akan melebihi threshold kapasitas. Kita tidak dapat berasumsi bahwa threshold untuk kelas identik dengan threshold untuk perangkat-perangkat yang terdiri atas kelas. Contohnya, rata-rata kelas bisa menjadi bagus di bawah threshold, walaupun beberapa perangkat di kelas dapat melebihinya. Para user mungkin mengalami degradasi performa atau service outages bahkan ketika kelas muncul untuk memiliki kapasitas besar. Tanda yang jelas dari peristiawa ini menjadi sudah jelas terlihat ketika ordinary least squares trend digunakan pada peak hourly data for a few devices (Gambar 3). Catat bahwa slopes untuk masing-masing perangkat ini berubah-ubah secara signifikan dari satu ke lainnya.usaha-usaha untuk memperkirakan data threshold agregasi akan berhasil dalam significant standard error. Hasil jelek ini telah diobservasi dengan lebih dari 40 minggu dari data.
Gambar 3. Perbandingan CPU HWHA slopes untuk berbagai routers.
Bagaimanapun, tidak semua hilang. HWHA data yang digunakan untuk memprediksi utilisasi kelas perangkat akan digunakan untuk memprediksi utilisasi tiap perangkat individu. Waktu pemrosesan yang dibutuhkan untuk menentukan threshold ini berada dalam order of seconds. Teknik agregasi telah mengisyaratkan bahwa sumber daya planner dan sistem komputasi benar-benar akan di-tax jika semua perangkat dan interface memburuhkan pengujian individu. Hasil yang mengejutkan dari usaha agregasi adalah bagaimana perangkat individu ditampilkan ke well-behaved linear trend berikutnya. Standard error untuk perangkat ini rata-rata hanya 8% dari yang diprediksikan (mediannya sekitar 4). Perkiraan-perkiraan dapat ditetapkan secara programatis, dan standard error untuk masing-masing perangkat yang dikomputasi. (Gambar 4 menunjukkan HWHA untuk beberapa perangkat). Investasi waktu oleh planner sekarang diperpendek untuk mencakup hanya analisis perangkat-perangkat itu yang diharapkan melebihi threshold. Untuk USAA, sejumlah perangkat seperti itu berada dalam 20’s. Secara otomatis grafik yang dihasilkan merepresentasikan fakta dan estimasi selama expected errors dan jumlah sampel dengan mudah dan cepat dibuat untuk sejumlah kecil perangkat seperti itu. Hasil-hasil ini memuaskan sejak staf manajemen dan non teknis (seperti para perencana keuangan) sudah memahami hasil-hasil ordinary least squares analysis.
Paul Ybarra and Tom Mee. Capacity Planning Analyses Of Large Data Networks: A Case Study. International Network Services and United Services Automobile Association.
Langganan:
Postingan (Atom)