Apriandika's Blog

Penerapan Data Mining

apriandika — Thu, 04 Jun 2009 03:39:36 +0000

Penerapan Data Mining

Sebagai cabang ilmu baru di bidang komputer (lihat artikel sebelumnya berjudul ‘Data Mining’) cukup banyak penerapan yang dapat dilakukann oleh Data Mining. Apalagi ditunjang ke-kaya-an dan ke-anekaragam-an berbagai bidang ilmu (artificial intelligence, database, statistik, pemodelan matematika, pengolahan citra dsb.) membuat penerapan data mining menjadi makin luas. Di bidang apa saja penerapan data mining dapat dilakukan? Artikel singkat ini berusaha memberikan jawabannya.
Analisa Pasar dan Manajemen
Untuk analisa pasar, banyak sekali sumber data yang dapat digunakan seperti transaksi kartu kredit, kartu anggota club tertentu, kupon diskon, keluhan pembeli, ditambah dengan studi tentang gaya hidup publik.
Beberapa solusi yang bisa diselesaikan dengan data mining diantaranya:
• Menembak target pasar
Data mining dapat melakukan pengelompokan (clustering) dari model-model pembeli dan melakukan klasifikasi terhadap setiap pembeli sesuai dengan karakteristik yang diinginkan seperti kesukaan yang sama, tingkat penghasilan yang sama, kebiasaan membeli dan karakteristik lainnya.
• Melihat pola beli pemakai dari waktu ke waktu
Data mining dapat digunakan untuk melihat pola beli seseorang dari waktu ke waktu. Sebagai contoh, ketika seseorang menikah bisa saja dia kemudian memutuskan pindah dari single account ke joint account (rekening bersama) dan kemudian setelah itu pola beli-nya berbeda dengan ketika dia masih bujangan.
• Cross-Market Analysis
Kita dapat memanfaatkan data mining untuk melihat hubungan antara penjualan satu produk dengan produk lainnya. Berikut ini saya sajikan beberapa contoh:
o Cari pola penjualan Coca Cola sedemikian rupa sehingga kita dapat mengetahui barang apa sajakah yang harus kita sediakan untuk meningkatkan penjualan Coca Cola?
o Cari pola penjualan IndoMie sedemikian rupa sehingga kita dapat mengetahui barang apa saja yang juga dibeli oleh pembeli IndoMie. Dengan demikian kita bisa mengetahui dampak jika kita tidak lagi menjual IndoMie.
o Cari pola penjualan
• Profil Customer
Data mining dapat membantu Anda untuk melihat profil customer/pembeli/nasabah sehingga kita dapat mengetahui kelompok customer tertentu suka membeli produk apa saja.
• Identifikasi Kebutuhan Customer
Anda dapat mengidentifikasi produk-produk apa saja yang terbaik untuk tiap kelompok customer dan menyusun faktor-faktor apa saja yang kira-kira dapat menarik customer baru untuk bergabung/membeli.
• Menilai Loyalitas Customer
VISA International Spanyol menggunakan data mining untuk melihat kesuksesan program-program customer loyalty mereka. Anda bisa lihat di www.visa.es/ingles/info/300300.html
• Informasi Summary
Anda juga dapat memanfaatkan data mining untuk membuat laporan summary yang bersifat multi-dimensi dan dilengkapi dengan informasi statistik lainnya.
Analisa Perusahaan dan Manajemen Resiko
• Perencanaan Keuangan dan Evaluasi Aset
Data Mining dapat membantu Anda untuk melakukan analisis dan prediksi cash flow serta melakukan contingent claim analysis untuk mengevaluasi aset. Selain itu Anda juga dapat menggunakannya untuk analisis trend.
• Perencanaan Sumber Daya (Resource Planning)
Dengan melihat informasi ringkas (summary) serta pola pembelanjaan dan pemasukan dari masing-masing resource, Anda dapat memanfaatkannya untuk melakukan resource planning.
• Persaingan (Competition)
o Sekarang ini banyak perusahaan yang berupaya untuk dapat melakukan competitive intelligence. Data Mining dapat membantu Anda untuk memonitor pesaing-pesaing Anda dan melihat market direction mereka.
o Anda juga dapat melakukan pengelompokan customer Anda dan memberikan variasi harga/layanan/bonus untuk masing-masing grup.
o Menyusun strategi penetapan harga di pasar yang sangat kompetitif. Hal ini diterapkan oleh perusahaan minyak REPSOL di Spanyol dalam menetapkan harga jual gas di pasaran.
Telekomunikasi
Sebuah perusahaan telekomunikasi menerapkan data mining untuk melihat dari jutaan transaksi yang masuk, transaksi mana sajakah yang masih harus ditangani secara manual (dilayani oleh orang). Tujuannya tidak lain adalah untuk menambah layanan otomatis khusus untuk transaksi-transaksi yang masih dilayani secara manual. Dengan demikian jumlah operator penerima transaksi manual tetap bisa ditekan minimal.
Keuangan
Financial Crimes Enforcement Network di Amerika Serikat baru-baru ini menggunakan data mining untuk me-nambang trilyunan dari berbagai subyek seperti property, rekening bank dan transaksi keuangan lainnya untuk mendeteksi transaksi-transaksi keuangan yang mencurigakan (seperti money laundry). Mereka menyatakan bahwa hal tersebut akan susah dilakukan jika menggunakan analisis standar. Anda bisa lihat di www.senate.gov/~appropriations/treasury/testimony/sloan.htm. Mungkin sudah saatnya juga Badan Pemeriksa Keuangan Republik Indonesia menggunakan teknologi ini untuk mendeteksi aliran dana BLBI.
Asuransi
Australian Health Insurance Commision menggunakan data mining untuk mengidentifikasi layanan kesehatan yang sebenarnya tidak perlu tetapi tetap dilakukan oleh peserta asuransi. Hasilnya? Mereka berhasil menghemat satu juta dollar per tahunnya. Anda bisa lihat di www.informationtimes.com.au/data-sum.htm. Tentu saja ini tidak hanya bisa diterapkan untuk asuransi kesehatan, tetapi juga untuk berbagai jenis asuransi lainnya.
Olah Raga
IBM Advanced Scout menggunakan data mining untuk menganalisis statistik permainan NBA (jumlah shots blocked, assists dan fouls) dalam rangka mencapai keunggulan bersaing (competitive advantage) untuk tim New York Knicks dan Miami Heat.
Astronomi
Jet Propulsion Laboratory (JPL) di Pasadena, California dan Palomar Observatory berhasil menemukan 22 quasar dengan bantuan data mining. Hal ini merupakan salah satu kesuksesan penerapan data mining di bidang astronomi dan ilmu ruang angkasa. Anda bisa lihat di www-aig.jpl.nasa.gov/public/mls/news/SKICAT-PR12-95.html.
Internet Web Surf-Aid
IBM Surf-Aid menggunakan algoritma data mining untuk mendata akses halaman Web khususnya yang berkaitan dengan pemasaran guna melihat prilaku dan minat customer serta melihat ke-efektif-an pemasaran melalui Web.
Dengan melihat beberapa aplikasi yang telah disebutkan di atas, terlihat sekali potensi besar dari penerapan Data Mining di berbagai bidang. Bahkan beberapa pihak berani menyatakan bahwa Data Mining merupakan salah satu aktifitas di bidang perangkat lunak yang dapat memberikan ROI (return on investment) yang tinggi. Namun demikian, perlu diingat bahwa Data Mining hanya melihat keteraturan atau pola dari sejarah, tetapi tetap saja sejarah tidak sama dengan masa datang. Contoh: jika orang terlalu banyak minum Coca Cola bukan berarti dia pasti akan kegemukan, jika orang terlalu banyak merokok bukan berarti dia pasti akan kena kanker paru-paru atau mati muda. Bagaimanapun juga data mining tetaplah hanya alat bantu yang dapat membantu manusia untuk melihat pola, menganalisis trend dsb. dalam rangka mempercepat pembuatan keputusan. Kapankah data mining akan banyak digunakan di Indonesia? Kita tunggu saja.
Konsep Data Mining
Apa sebenarnya yang memotivasi datamining dan mengapa data mining begitu penting ?
Alasan utama mengapa data mining sangat menarik perhatian industri informasi dalam beberapa tahun belakangan ini adalah karena tersedianya data dalam jumlah yang besar dan semakin besarnya kebutuhan untuk mengubah data tersebut menjadi informasi dan pengetahuan yang berguna.
Data mining adalah kegiatan mengekstraksi atau menambang pengetahuan dari data yang berukuran/berjumlah besar, informasi inilah yang nantinya sangat berguna untuk pengembangan. Dimana langkah-langkah untuk melakukan data mining adalah sebagai berikut :

- Data cleaning (untuk menghilangkan noise data yang tidak konsisten) Data integration (di mana sumber data yang terpecah dapat disatukan)
- Data selection (di mana data yang relevan dengan tugas analisis dikembalikan ke dalam database)
- Data transformation (di mana data berubah atau bersatu menjadi bentuk yang tepat untuk menambang dengan ringkasan performa atau operasi agresi)
- Data mining (proses esensial di mana metode yang intelejen digunakan untuk mengekstrak pola data)
- Pattern evolution (untuk mengidentifikasi pola yang benar-benar menarik yang mewakili pengetahuan berdasarkan atas beberapa tindakan yang menarik)
- Knowledge presentation (di mana gambaran teknik visualisasi dan pengetahuan digunakan untuk memberikan pengetahuan yang telah ditambang kpada user).
Arsitektur dari data mining yang khas memiliki beberapa komponen utama yaitu :
- Database, data warehouse, atau tempat penyimpanan informasi lainnya.
- Server database atau data warehouse.
- Knowledge base
- Data mining engine.
- Pattern evolution module.
- Graphical user interface.
Ada beberapa jenis data dalam data mining yaitu :
- Relation Database : Sebuah sistem database, atau disebut juga database management system (DBMS), mengandung sekumpulan data yang saling berhubungan, dikenal sebagai sebuah database, dan satu set program perangkat lunak untuk mengatur dan mengakses data tersebut.
- Data Warehouse : Sebuah data warehouse merupakan sebuah ruang penyimpaan informasi yang terkumpul dari beraneka macam sumber, disimpan dalam skema yang menyatu, dan biasanya terletak pada sebuah site.
Kemudian pola seperti apa yang dapat ditambang ?
Kegunaan data mining adalah untuk menspesifikasikan pola yang harus ditemukan dalam tugas data mining. Secara umum tugas data mining dapat diklasifikasikan ke dalam dua kategori: deskriptif dan prediktif. Tugas menambang secara deskriptif adalah untuk mengklasifikasikan sifat umum suatu data di dalam database. Tugas data mining secara prediktif adalah untuk mengambil kesimpulan terhadap data terakhir untuk membuat prediksi.
Konsep/Class Description
Data dapat diasosiasikan dengan pembagian class atau konsep. Untuk contohnya, ditoko All Electronics, pembagian class untuk barang yang akan dijual termasuk komputer dan printer, dan konsep untuk konsumen adalah big Spenders dan budget Spender. Hal tersebut sangat berguna untuk menggambarkan pembagian class secara individual dan konsep secara ringkas, laporan ringkas, dan juga pengaturan harga. Deskripsi suatu class atau konsep seperti itu disebut class/concept descripition.
Association Analysis
Association analysis adalah penemuan association rules yang menunjukkan nilai kondisi suatu attribute yang terjadi bersama-sama secara terus-menerus dalam memmberikan set data. Association analysis secara luas dipakai untuk market basket atau analisa data transaksi.
Klasifikasi dan Predikasi
Klasifikasi dan prediksi mungkin perlu diproses oleh analisis relevan, yang berusaha untuk mengidentifikasi atribut-atribut yang tidak ditambahkan pada proses klasifikasi dan prediksi. Atribut-atribut ini kemudian dapat di keluarkan.
Cluster Analysis
Tidak seperti klasifikasi dan prediksi, yang menganalisis objek data dengan kelas yang terlabeli, clustering menganalisis objek data tanpa mencari keterangan pada label kelas yang diketahui. Pada umumnya, label kelas tidak ditampilkan di dalam latihan data simply, karena mereka tidak tahu bagaimana memulainya. Clustering dapat digunakan untuk menghasilkan label-label.
Outlier Analysis
§ Outlier dapat dideteksi menggunakan test yang bersifat statistik yang mengambil sebuah distribusi atau probabilitas model untuk data, atau menggunakan langkah-langkah jarak jauh di mana objek yang penting jauh dari cluster lainnya dianggap outlier.
§ Sebuah database mungkin mengandung objek data yang tidak mengikuti tingkah laku yang umum atau model dari data. data ini disebut outlier.
Evolution Analysis
Data analisa evolusi menggambarkan ketetapan model atau kecenderungan objek yang memiliki kebiasaan berubah setiap waktu. Meskipun ini mungkin termasuk karakteristik, diskriminasi, asosiasi, klasifikasi, atau clustering data berdasarkan waktu, kelebihan yang jelas seperti analisa termasuk analisa data time-series, urutan atau pencocockkan pola secara berkala, dan kesamaan berdasarkan analisa data.
Untuk melakukan data mining yang baik ada beberapa persoalan utama yaitu menyangkut metodologi mining dan interaksi user, performance dan perbedaan tipe database. Hal inilah yang sering kali dihadapi disaat kita ingin melakukan data mining.
Data Mining dan Web Mining
Posted by: andy on: 17 April 2008
• In: Datamining
• Comment!
Data mining (DM) yang juga dikenal sebagai Knowledge Discovery (Frawley et al., 1992) , merupakan salah satu bidang yang berkembang pesat karena besarnya kebutuhan akan nilai tambah dari database skala besar yang makin banyak terakumulasi sejalan dengan pertumbuhan teknologi informasi. Secara umum, data mining dapat didefinisikan sebagai suatu rangkaian proses untuk menggali nilai tambah berupa ilmu pengetahuan yang selama ini tidak diketahui secara manual dari suatu kumpulan data (Pramudiono, 2003).
Web mining merupakan penerapan teknik data mining terhadap web dengan tujuan untuk memperoleh pengetahuan dan informasi lebih dari dalam web. Web mining dapat dikategorikan ke dalam tiga ruang lingkup yang berbeda, yaitu web content mining, web structure mining dan web usage mining (Srivastava et al., 2000).

Association Rules dan Algoritma Apriori
Association rules merupakan salah satu teknik data mining yang berfungsi untuk menemukan asosiasi antar variabel, korelasi atau suatu struktur diantara item atau objek-objek didalam database transaksi, database relasional, maupun pada penyimpanan informasi lainnya.
Sebagai ilustrasi dalam analisis weblog dari association rules adalah sebagai berikut, pola yang mungkin adalah “jika seseorang mengunjungi website CNN, terdapat kemungkinan sebesar 60% orang tersebut mengunjungi website Detik pada bulan yang sama.” Pada ilustrasi tersebut, pola yang ditemukan berpotensi menghasilkan potongan informasi yang menarik dan dibutuhkan oleh perusahaan yang terkait.
Proses di dalam teknik assocation rules adalah mencari aturan-aturan yang memenuhi minimum support dan confidence. Algoritma yang pertama kali digunakan dalam teknik association rules dan yang paling banyak digunakan adalah algoritma apriori (Agrawal & Srikant, 1994).
Web Crawler
Web crawler (yang juga dikenal dengan web spider atau web robot) adalah suatu program atau script otomatis yang menjelajahi WWW dengan menggunakan sebuah metode atau cara yang otomatis. Nama-nama yang jarang digunakan pada sebuah web crawler adalah ants, automatic indexers, bots, worms (Kobayashi & Takeda, 2000).
Extended Log File Format
Extended Log Format dirancang untuk memenuhi beberapa kebutuhan di bawah ini (Baker & Behlendorf, 1996):
* Memperbolehkan kontrol pada data yang direkam.
* Memenuhi kebutuhan proxy, client dan server dalam format yang umum.
* Menyediakan penanganan yang sempurna akan masalah penghilangan karakter.
* Memperbolehkan dalam pertukaran demografis data. * Memperbolehkan dalam menyajikan rekapitulasi data.
Data Mining (Menggali Informasi yang Terpendam)
Data Mining memang salah satu cabang ilmu komputer yang relatif baru. Dan sampai sekarang orang masih memperdebatkan untuk menempatkan data mining di bidang ilmu mana, karena data mining menyangkut database, kecerdasan buatan (artificial intelligence), statistik, dsb. Ada pihak yang berpendapat bahwa data mining tidak lebih dari machine learning atau analisa statistik yang berjalan di atas database. Namun pihak lain berpendapat bahwa database berperanan penting di data mining karena data mining mengakses data yang ukurannya besar (bisa sampai terabyte) dan disini terlihat peran penting database terutama dalam optimisasi query-nya.
Lalu apakah data mining itu? Apakah memang berhubungan erat dengan dunia pertambangan…. tambang emas, tambang timah, dsb. Definisi sederhana dari data mining adalah ekstraksi informasi atau pola yang penting atau menarik dari data yang ada di database yang besar. Dalam jurnal ilmiah, data mining juga dikenal dengan nama Knowledge Discovery in Databases (KDD).
Kehadiran data mining dilatar belakangi dengan problema data explosion yang dialami akhir-akhir ini dimana banyak organisasi telah mengumpulkan data sekian tahun lamanya (data pembelian, data penjualan, data nasabah, data transaksi dsb.). Hampir semua data tersebut dimasukkan dengan menggunakan aplikasi komputer yang digunakan untuk menangani transaksi sehari-hari yang kebanyakan adalah OLTP (On Line Transaction Processing). Bayangkan berapa transaksi yang dimasukkan oleh hypermarket semacam Carrefour atau transaksi kartu kredit dari sebuah bank dalam seharinya dan bayangkan betapa besarnya ukuran data mereka jika nanti telah berjalan beberapa tahun. Pertanyaannya sekarang, apakah data tersebut akan dibiarkan menggunung, tidak berguna lalu dibuang, ataukah kita dapat me-‘nambang’-nya untuk mencari ‘emas’, ‘berlian’ yaituinformasi yang berguna untuk organisasi kita. Banyak diantara kita yang kebanjiran data tapi miskin informasi.

Jika Anda mempunyai kartu kredit, sudah pasti Anda bakal sering menerima surat berisi brosur penawaran barang atau jasa. Jika Bank pemberi kartu kredit Anda mempunyai 1.000.000 nasabah, dan mengirimkan sebuah (hanya satu) penawaran dengan biaya pengiriman sebesar Rp. 1.000 per buah maka biaya yang dihabiskan adalah Rp. 1 Milyar!! Jika Bank tersebut mengirimkan penawaran sekali sebulan yang berarti 12x dalam setahun maka anggaran yang dikeluarkan per tahunnya adalah Rp. 12 Milyar!! Dari dana Rp. 12 Milyar yang dikeluarkan, berapa persenkah konsumen yang benar-benar membeli? Mungkin hanya 10 %-nya saja. Secara harfiah, berarti 90% dari dana tersebut terbuang sia-sia.
Persoalan di atas merupakan salah satu persoalan yang dapat diatasi oleh data mining dari sekian banyak potensi permasalahan yang ada. Data mining dapat menambang data transaksi belanja kartu kredit untuk melihat manakah pembeli-pembeli yang memang potensial untuk membeli produk tertentu. Mungkin tidak sampai presisi 10%, tapi bayangkan jika kita dapat menyaring 20% saja, tentunya 80% dana dapat digunakan untuk hal lainnya.
Lalu apa beda data mining dengan data warehouse dan OLAP (On-line Analytical Processing)? Secara singkat bisa dijawab bahwa teknologi yang ada di data warehouse dan OLAP dimanfaatkan penuh untuk melakukan data mining. Teknologi data warehouse digunakan untuk melakukan OLAP, sedangkan data mining digunakan untuk melakukan information discovery yang informasinya lebih ditujukan untuk seorang Data Analyst dan Business Analyst (dengan ditambah visualisasi tentunya). Dalam prakteknya, data mining juga mengambil data dari data warehouse. Hanya saja aplikasi dari data mining lebih khusus dan lebih spesifik dibandingkan OLAP mengingat database bukan satu-satunya bidang ilmu yang mempengaruhi data mining, banyak lagi bidang ilmu yang turut memperkaya data mining seperti: information science (ilmu informasi), high performance computing, visualisasi, machine learning, statistik, neural networks (jaringan syaraf tiruan), pemodelan matematika, information retrieval dan information extraction serta pengenalan pola. Bahkan pengolahan citra (image processing) juga digunakan dalam rangka melakukan data mining terhadap data image/spatial. Dengan memadukan teknologi OLAP dengan data mining diharapkan pengguna dapat melakukan hal-hal yang biasa dilakukan di OLAP seperti drilling/rolling untuk melihat data lebih dalam atau lebih umum, pivoting, slicing dan dicing. Semua hal tersebut diharapkan nantinya dapat dilakukan secara interaktif dan dilengkapi dengan visualisasi.
Data mining tidak hanya melakukan mining terhadap data transaksi saja. Penelitian di bidang data mining saat ini sudah merambah ke sistem database lanjut seperti object oriented database, image/spatial database, time-series data/temporal database, teks (dikenal dengan nama text mining), web (dikenal dengan nama web mining) dan multimedia database. Meskipun gaungnya mungkin tidak seramai seperti ketika Client/Server Database muncul, tetapi industri-industri seperti IBM, Microsoft, SAS, SGI, dan SPSS terus gencar melakukan penelitian-penelitian di bidang data mining. Beberapa penelitian sekarang ini sedang dilakukan untuk memajukan data mining diantaranya adalah peningkatan kinerja jika berurusan dengan data berukuran terabyte, visualisasi yang lebih menarik untuk user, pengembangan bahasa query untuk data mining yang sedapat mungkin mirip dengan SQL. Tujuannya tidak lain adalah agar end-user dapat melakukan data mining dengan mudah dan cepat serta mendapatkan hasil yang akurat.
elakukan Preprocessing Data
Tahapan dalam melakukan data mining salah satunya adalah preprosesing data. Pertanyaannya adalah mengapa data perlu di bersihkan sebelum diproses ?
Hal ini terjadi karena biasanya data yang akan digunakan belum baik, penyebabnya antara lain :
- Incomplete : kekurangan nilai-nilai atribut atau atribut tertentu lainnya.
- Noisy : berisi kesalahan atau nilai-nilai outlier yang menyimpang dari yang diharapkan.
- Inconsisten : ketidakcocokan dalam penggunaan kode atau nama.
Disini kualitas data yang baik didasarkan oleh keputusan yang baik dan data warehouse memerlukan integrasi kualitas data yang konsisten.

Beberapa hal yang perlu diperhatikan untuk mendapatkan data yang baik adalah :
- Accuracy
- Completeness
- Consistency
- Timeliness
- Value added
- Interpretability
- Accessibility
- Contextual
- Representational
Teknik atau metode yang digunakan dalam data preprocessing, diantaranya:
• Data cleaning:
Menghilangkan nilai-nilai data yang salah, memperbaiki kekacauan data dan memeriksa data yang tidak konsisten.
• Data integrasi:
Menggabungkan data dari beberapa sumber (database, data cube, atau file) ke dalam penyimpanan data yang sesuai.
• Data transformasi:
Normalisasi dan pengumpulan data sehingga menjadi sama.
• Data reduksi:
Menguraikan data ke dalam bentuk yang lebih kecil ukurannya tetapi tetap menghasilkan hasil analitis yang sama.
• Data diskretisasi:
Bagian dari data reduksi tetapi memiliki arti penting tersendiri, terutama untuk data numerik.

SISTEM BASIS DATA LANJUT

apriandika — Thu, 04 Jun 2009 03:34:45 +0000

SISTEM BASIS DATA LANJUT
Deadlock .
Deadlock adalah suatu kondisi dimana dua proses atau lebih saling menunggu proses yang lain untuk melepaskan resource yang sedang dipakai. Karena beberapa proses itu saling menunggu, maka tidak terjadi kemajuan dalam kerja proses‐proses tersebut. Deadlock adalah masalah yang biasa terjadi ketika banyak proses yang membagi sebuah resource yang hanya boleh dirubah oleh satu proses saja dalam satu waktu. Di kehidupan nyata, deadlock dapat digambarkan dalam gambar berikut.Pada gambar diatas, deadlock dianalogikan sebagai dua antrian mobil yang akan menyeberangi jembatan. Dalam kasus diatas, antrian di sebelah kiri menunggu antrian kanan untuk mengosongkan jembatan (resource), begitu juga dengan antrian kanan. Akhirnya tidak terjadi kemajuan dalam kerja dua antrian tersebut.Misal ada proses A mempunyai resource X, proses B mempunyai resource Y. Kemudian kedua proses ini dijalankan bersama, proses A memerlukan resource Y dan proses B memerlukan resource X, tetapi kedua proses tidak akan memberikan resource yang dimiliki sebelum proses dirinya sendiri selesai dilakukan. Sehingga akan terjadi tunggu‐menunggu.
Recovery.
Recovery adalah Pemulihan. Pemulihan dari suatu kegagalan sistem.
Mobile data base
Mobile data base adalah:
•
Suatu sistem dengan struktur dan fungsional antara lain:
–
Distributed system dengan mobile connectivity.
–
Kemampuan total dari system database.
–
Complete spatial mobility.
–
Dibangun pada platform PCS / GSM / CDMA.
–
Komunikasi secara wired dan wireless.
•
Tipe :
–
Local database : database beserta datanya berada pada mobile device yang bersangkutan.
–
Thin – client : user hanya melihat informasi yang diambil dari database, kemudian ditampilkan sebagai web page.
Replikasi database
Secara definisi replikasi memiliki pengertian sebagai suatu proses mencopy atau mentransfer data dari suatu database ke database lain yang tersimpan pada komputer berbeda. Bila menilik artikel yang saya tulis sebelumnya tentang Pengenalan Arsitektur Database, replikasi dapat difahami sebagai proses pengkopian dan pengelolaan objek‐objek dari database yang membentuk suatu sistem database terdistribusi (Distributed Database).

BAHASA TRANSLATE HURUF MENJADI ANGKA

apriandika — Thu, 04 Jun 2009 03:31:11 +0000

Code:
#include
#include
#include
#include
#include
#include
//deklarasi
int
tgl,bln,thn,puluhan,satuan,ratusan,ribuan,jutaan,angka;
string nbln,nama,nsat,npul,nrat,nrib,njut;
char uang[10];
float fangka;
void baca();
void konversi();
void puluh();
void ratus();
void ribu();
void juta();
void milyar();
void titik();
void main (){
//Input
/* gotoxy(1,1);
cout<>tgl;
gotoxy(14,1);
cout<>bln;
gotoxy(25,1);
cout<>thn;
cout<<"Pemberi zakat = ";
getline(cin, nama); */
cout<<"Nilai (Rp) = ";
cin.getline(uang,sizeof(uang));
fangka = atof(uang);
angka = fangka;
// clrscr ();
//konversi bulan
if(bln==1) nbln = "Januari";
if(bln==2) nbln = "Februari";
if(bln==3) nbln = "Maret";
if(bln==4) nbln = "April";

if(bln==5) nbln = "Mei";
if(bln==6) nbln = "Juni";
if(bln==7) nbln = "Juli";
if(bln==8) nbln = "Agustus";
if(bln==9) nbln = "September";
if(bln==10) nbln = "Oktober";
if(bln==11) nbln = "November";
if(bln==12) nbln = "Desember";
//output
cout<<"BUKTI PENERIMAAN ZAKAT\n\n";
cout<<"Telah diterima dari\n";
cout<<" Bapak "< cout<<"\nUang sebesar\n";
baca();
cout<<"rupiah";
cout<<"\nUntuk pembayaran zakat mal.\n\n";
cout<<" Surabaya, "< "< cout<<" Panitia Zakat Masjid Al
Amin";
getch();}
void konversi(){
if(satuan==1) nsat = "satu ";
if(satuan==2) nsat = "dua ";
if(satuan==3) nsat = "tiga ";
if(satuan==4) nsat = "empat ";
if(satuan==5) nsat = "lima ";
if(satuan==6) nsat = "enam ";
if(satuan==7) nsat = "tujuh ";
if(satuan==8) nsat = "delapan ";
if(satuan==9) nsat = "sembilan ";
if(puluhan==1) npul = "";
if(puluhan==2) npul = "dua puluh ";
if(puluhan==3) npul = "tiga puluh ";
if(puluhan==4) npul = "empat puluh ";
if(puluhan==5) npul = "lima puluh ";
if(puluhan==6) npul = "enam puluh ";
if(puluhan==7) npul = "tujuh puluh ";
if(puluhan==8) npul = "delapan puluh ";
if(puluhan==9) npul = "sembilan puluh ";
if(ratusan==1) nrat = "";
if(ratusan==2) nrat = "dua ratus ";
if(ratusan==3) nrat = "tiga ratus ";

if(ratusan==4) nrat = "empat ratus ";
if(ratusan==5) nrat = "lima ratus ";
if(ratusan==6) nrat = "enam ratus ";
if(ratusan==7) nrat = "tujuh ratus ";
if(ratusan==8) nrat = "delapan ratus ";
if(ratusan==9) nrat = "sembilan ratus ";
if(ribuan==1) nrib = "";
if(ribuan==2) nrib = "dua ribu ";
if(ribuan==3) nrib = "tiga ribu ";
if(ribuan==4) nrib = "empat ribu ";
if(ribuan==5) nrib = "lima ribu ";
if(ribuan==6) nrib = "enam ribu ";
if(ribuan==7) nrib = "tujuh ribu ";
if(ribuan==8) nrib = "delapan ribu ";
if(ribuan==9) nrib = "sembilan ribu ";
if(jutaan==1) njut = "satu juta ";
if(jutaan==2) njut = "dua juta ";
if(jutaan==3) njut = "tiga juta ";
if(jutaan==4) njut = "empat juta ";
if(jutaan==5) njut = "lima juta ";
if(jutaan==6) njut = "enam juta ";
if(jutaan==7) njut = "tujuh juta ";
if(jutaan==8) njut = "delapan juta ";
if(jutaan==9) njut = "sembilan juta ";}
void baca(){
if( angka<100)
puluh(); // input kurang dari 100
else if( angka<1000)
ratus(); // input kurang dari 1000
else if( angka<1000000)
ribu(); // input kurang dari 1000000
else if( angka<1000000000)
juta(); // input kurang dari 1000000000
else
milyar();} // input lebih dari 100000000
//mari membaca
void puluh(){
/*if(angka<100)*/puluhan = angka/10;
satuan = angka – puluhan*10;
konversi ();
if(angka==11) cout<<"sebelas ";
else if(angka==10) cout<<"sepuluh ";
else if(angka<20) cout< else if(angka<10) cout< else if(satuan==0) cout< else cout<

void ratus (){//kurang dari seribu
ratusan = angka/100;
puluhan = (angka-(ratusan*100))/10;
satuan = angka – (puluhan*10)-
(ratusan*100);
konversi();
if(angka==100) cout<<"seratus ";
else if(angka==110) cout<<"seratus
sepuluh ";
else if(angka==111) cout<<"seratus
sebelas ";
else if((puluhan==1)&&(satuan==1))
cout< else if((puluhan==1)&&(satuan==0))
cout< cout<<"seratus "< cout< else if((angka0))
cout<<"seratus "< cout< else cout< void ribu (){//angka ribuan = angka/1000;
int sisaratus = angka – ribuan*1000;
konversi();
if(angka==1000) cout<<"seribu ";
else if(angka==100000) cout<<"seratus ribu
";
else if(angka<2000) { angka = sisaratus;
cout<<"seribu ";
ratus(); }
else if(ribuan<10) { cout< angka = sisaratus;
ratus();}
else if((ribuan<100)&&(sisaratus==0)){
angka = ribuan;
puluh();
cout<<"ribu ";}
else if(ribuan<100){ angka = ribuan;
puluh();
cout<<"ribu ";

angka = sisaratus;
ratus();}
else if(sisaratus==0){ angka = ribuan;
ratus();
cout<<"ribu ";}
else { angka = ribuan;
ratus();
cout<<"ribu ";
angka = sisaratus;
ratus();}
}
void juta (){ jutaan = (angka / 1000000);
int sisaribu = angka – (jutaan * 1000000);
konversi ();
//cout< if((jutaan<10)&&(sisaribu==0))
cout< else if(jutaan<10){ cout< angka = sisaribu;
ribu();}
else if((jutaan<100)&&(sisaribu==0)){
angka = jutaan;
puluh();
cout<<"juta ";}
else if(jutaan<100){ angka = jutaan;
puluh();
cout<<"juta ";
angka = sisaribu;
ribu();}
else if((jutaan<1000)&&(sisaribu==0)){
angka = jutaan;
ratus();
cout<<"juta ";}
else if(jutaan<1000){ angka = jutaan;
ratus();
cout<<"juta ";
angka = sisaribu;
ribu();}
}
void milyar (){
}
void titik (){
}
Nah yang gak beres tuh pas aku masukin nilai antara 10 juta keatas,misalnya 98520125

outputnya malah bacanya beda… Trus aku coba cek antara input angka dan output angkanya juga
beda dinilai itu…. Mohon pencerahannya master !
Oh ya, para master² kan pada baik² ne… Ehmmm, klu mau ngasih titik diantara angka itu gmn ya
?? Misalnya inputnya 100000 jadi outputnya 100.000 gtu…hehehe… Klu gak keberatan yang bisa
dimasukin ke code diatas…. Makasih ya para master…. Kebaikanmu tak akan ku lupakan….

ARRAY

apriandika — Thu, 04 Jun 2009 03:29:03 +0000

1
Pemrograman Bahasa C
A R R A Y
Array adalah deretan variabel yang berjenis sama dan mempunyai nama sama. Pada bahasa C, array
mempunyai lokasi yang bersebelahan. Alamat terkecil menunjuk ke elemen pertama dan alamat terbesar
menunjuk ke alamat terakhir. Sebuah elemen pada array diakses melalui indeksnya.
Bentuk umum deklarasi array :
type nama_array[ukuran]
tipe : menyatakan tipe dasar array
ukuran : menyatakan banyaknya elemen pada array
Contoh :
int nilai[10];
hal ini menyatakan array nilai mempunyai 10 elemen, yaitu :
nilai[1], nilai[1], nilai[2], …, nilai [10]
Untuk array 1 dimensi, rumus ukuran total array dalam satuan byte adalah :
byte total = ukuran dari tipe dasar * banyaknya elemen
Contoh :
int nilai[10]; è byte total = 2 * 10 = 20 byte
(variabel bertipe int memerlukan tempat sebesar 2 byte.)
Bahasa C tidak melakukan pengecekan batas array, artinya Anda dapat memproses array meskipun sudah
melewati elemen terakhirnya, Jika hal ini terjadi pada saat Anda mengisi array, berarti tanpa sadar Anda
telah mengisi variabel yang terletak bersebelahan dengan array tersebut.
Contoh :
main()
{
int i;
int a[10];
clrscr();
for(i=1; i<=99; i++)
{
a[i] = i*2;
printf("\n a[%2d] = %3d", i,a[i]);
}
getch();
}
Pada contoh di atas, pengulangan dilakukan sebanyak 99 kali (dari 1 sampai 99), padahal array a hanya
mempunyai 10 elemen. Sebagai pemogram Anda harus yakin bahwa array yang Anda buat dapat
mencukupi kebutuhan. Bahasa C memang tidak mengecek batas array, tidak seperi bahasa yang lain.
Alasannya karena bahasa C dirancang untuk menggantikan bahasa assembly dan diharapkan agar
prosesnya lebih cepat.
ARRAY MULTI DIMENSI
Create PDF with PDF4U. If you wish to remove this line, please click here to purchase the full version
2
Pemrograman Bahasa C
Bahasa C mengijinkan array dengan beberapa dimensi, contoh array 2 dimensi. Array 2 dimensi adalah
sebuah daftar yang terdiri atas array-array 1 dimensi. Misalnya kita akan membuat array 2 dimensi
dengan ukuran 3×5, bertipe int, maka deklarasinya adalah : int a[3] [5];
Deklarasi array pada bahasa C tidak sama dengan bahasa-bahasa lain. Biasanya setiap dimensi dipisahkan
oleh tanda koma, tetapi bahasa C meletakan setiap dimensi di dalam kurung siku.
Contoh :
main()
{
int i,j;
int b[3] [5];
clrscr();
for(i=1; i<=3; i++)
{
for(j=1; j<=5; j++)
{
b[i] [j] = i*j;
printf("%3d", b[i] [j]);
}
printf("\n");
}
getch();
}
Array 2 dimensi disimpan di dalam matriks yang tersusun menjadi baris dan kolom. Index pertama
menunjukkan barisnya dan index kedua menunjukkan kolomnya. Ukuran array di dalam memori yaitu :
total byte = baris * kolom * ukuran dari tipe. Untuk array di atas total byte = 3*5*2 = 30 byte
ARRAY STRING
Array string sama dengan array karakter 2 dimensi. Indeks pertama menunjukkan banyaknya string dan
indeks kedua menunjukkan panjang maksimum string.
Contoh :
char nama[10] [25]
nama terdiri dari 10 elemen dengan panjang maksimum 25 karakter. Untuk membaca data string, Anda
dapat memakai fungsi gets(). Misalnya, Anda ingin membaca nama ketiga, maka gets(nama[3]);
Contoh :
main()
{
char nama[10] [25];
float nilai[10], jumlah, rata;
int data,i;
clrscr();
printf("Banyaknya data : "); scanf("%d",&data);
for (i=1; i<=data; i++)
{
printf("Nama Mahasiswa : "); scanf("%s",&nama[i]);
printf("Nilai : "); scanf("%f",&nilai[i]);
jumlah += nilai[i];
} clrscr();
Create PDF with PDF4U. If you wish to remove this line, please click here to purchase the full version
3
Pemrograman Bahasa C
printf("\nDaftar Nilai Ujian Bahasa C");
printf("\n==================================");
printf("\nNama Mahasiswa Nilai");
printf("\n==================================");
for (i=1; i<=data; i++)
{
printf("\n %-25s %5.1f", nama[i], nilai[i]);
}
printf("\n==================================");
rata= jumlah / data;
printf("\nRata-rata adalah %5.2f ", rata);
getch();
}
INISIALISASI ARRAY
Bentuk umum : tipe nama_array [ukuran1, ukuran2, …, ukuran n] = {daftar nilai};
Daftar nilai berisi konstanta yang sesuai dengan tipe array. Setiap konstanta dipisahkan oleh tanda koma.
Konstanta pertama akan mengisi elemen pertama, konstanta kedua untuk elemen kedua dan seterusnya.
Misal : int i[10] = {12,45,67,34,2,5,60,7,19,21};
POINTER
Pointer adalah sebuah variabel yang berisi alamat dari variabel lain
Perhatikan gambar di atas, variabel A berada di alamat 1004 , variabel B di 1005 dan seterusnya. 1004 ini
adalah alamatnya, sedangkan 20 adalah isinya.
Operator Pointer
Ada 2 operator pointer :
1. Operator &
Bersifat unary (hanya memerlukan satu operan). Operator ini menghasilkan alamat dan operannya.
Contoh : x = &a, jika kita mengacu pada gambar di atas, maka isi variabel x adalah 1004.
2. Operator *
Operator * dan operator & bersifat saling komplemen. Operator * juga bersifat unary dan
menghasilkan nilai yang berada pada sebuah alamat..
Contoh:
#include
main()
{
int a, *x, b;
clrscr();
a=5; x=&a; b=*x;
20 17
0
A B
1004 1005
Create PDF with PDF4U. If you wish to remove this line, please click here to purchase the full version
4
Pemrograman Bahasa C
printf(“\n Isi variabel a adalah %4d”, a);
printf(“\n Isi variabel x adalah %4u”, x);
printf(“\n Isi variabel b adalah %4d”, b);
getch();
}
Hasil :
Isi variabel a adalah 5
Isi variabel x adalah 65494
Isi variabel b adalah 5
Keterangan :
§ Variabel a berisi 5
§ Variabel x berisi alamat dari variabel a. Karena variabel x berisi alamat dari variabel yang bertipe int,
maka deklarasi variabel x adalah int *x. Tanda * di depan x menyatakan variabel x berisi alamat,
sedangkan int menyatakan variabel x berisi alamat dari variabel int. Jika variabel x berisi alamat dari
variabel yang bertipe float, maka deklarasinya adalah float *x
§ Variabel b berisi nilai yang ditunjuk oleh x, yaitu 5. Jadi a=b
§ Alamat dapat dicetak dengan format %u sebab alamat adalah bilangan bulat tanpa tanda (unsigned
integer)
OPERASI PADA POINTER
Operasi aritmatika pada pointer hanya ada 2, yaitu penambahan dan pengurangan.
Contoh :
main()
{
int a, *p1, *p2;
clrscr();
a=5; p1=&a;
printf(“\n Isi p1 sebelum ditambah adalah %5u”, p1);
p1++;
printf(“\n Isi p1 sesudah ditambah adalah %5u”, p1);
p2=&a;
printf(“\n Isi p2 sebelum dikurangi adalah %5u”, p2);
p2 –;
printf(“\n Isi p2 sesudah dikurangi adalah %5u”, p2);
p2 = p2 + 5;
printf(“\n Isi p2 sesudah ditambah dengan 5 adalah %5u”, p2);
getch();
}
Hasil :
Isi p1 sebelum ditambah adalah 65494
Isi p1 sesudah ditambah adalah 65496
Isi p2 sebelum dikurangi adalah 65494
Isi p2 sesudah dikurangi adalah 65492
Isi p2 sesudah ditambah dengan 5 adalah 65502
Keterangan :
§ Variabel a bertipe int, variabel p1 dan p2 adalah pointer yang menunjuk ke variabel int
§ Pernyataan p1 ++ menyebabkan p1 bertambah dengan 2 sebab variabel integer berukuran 2 byte juga
dengan p2– akan berkurang 2
Create PDF with PDF4U. If you wish to remove this line, please click here to purchase the full version
5
Pemrograman Bahasa C
§ Pernyataan p2=p2+5 menunjuk ke 5 elemen berikutnya sesuai dengan tipe int
POINTER DAN ARRAY
Contoh :
char nama[20], *p1;
p1=nama;
Variabel p1 berisi alamat dari elemen pertama dari variabel nama. Didalam bahasa C, nama array tanpa
index sama dengan alamat dari awal array. Pernyataan p1=nama sama dengan p1=&nama[1]
Pernyataan p2=str[4] artinya p2 akan menunjuk elemen ke empat dari nama, cara lainnya adalah :
p1=nama;
p2=*(p1+4);
Array dapat ditunjuk dengan index-nya dan dengan alamat. Penunjukan dengan alamat akan lebih cepat
daripada penunjukan dengan index-nya. Biasanya program C lebih mementingkan kecepatan sehingga
dipilih penggunaan alamat.
Contoh :
/* menggunakan index array */
main()
{
char str[80];
int i;
clrscr();
printf(“Masukkan string dalam huruf besar : “); gets(str);
printf(“String dalam huruf kecil : “);
for(i=0; str[i]; i++) printf(“%c”,tolower(str[i]));
getch();
}
/* menggunakan pointer */
#include
#include
main()
{
char str[80], *p;
clrscr();
printf(“Masukkan string dalam huruf besar : “); gets(str);
printf(“String dalam huruf kecil : “);
p=str;
while (*p) printf(“%c”,tolower(*p++));
getch();
}
POINTER DAN STRING
Nama array tanpa index adalah pointer ke elemen pertama dari array. Fungsi string yang mempunyai
parameter berupa string hanya mengirimkan alamatnya bukan stringnya sendiri.
Contoh :
#include
main()
{
char s[80];
char *p;
int i;
Create PDF with PDF4U. If you wish to remove this line, please click here to purchase the full version
6
Pemrograman Bahasa C
clrscr();
printf(“Masukkan dua buah kalimat : “); gets(s);
for (i=0; s[i] && s[i] != ‘.’; i++);
p=&s[i+1];
printf(“Kalimat keduanya adalah : \n”);
printf(p);
getch();
}
Keterangan :
§ Pada pengulangan FOR akan berhenti jika pada string tersebut ditemukan karakter titik atau null
§ Pernyataan p=&s[i+1], akan menunjuk ke karakter sesudah titik atau null. Misalnya karakter kelima
adalah titik, maka p akan menunjuk ke karakter ke enam. Pernyataan tersebut dapat diganti dengan
p=&s[i]+1
ARRAY POINTER
Pernyataan int *x[10] mendeklarasikan array x yang berisi pointer integer. Untuk mengisi elemen
keempat dengan alamat dari variabel a yang bertipe int, pakailah :
x[4] =&a, sedangkan untuk memperoleh isi variabel a adalah : *x[4]
Contoh :
main()
{
char *menu[] = {
“Nasi Goreng + Telur Mata Sapi\n”,
“Bistik Ayam\n”,
“Soto Ayam Madura\n”,
“Gado-gado\n”
};
int no_menu;
clrscr();
printf(“Masukkan menu pilihan Anda (1-4) : “); scanf(“%d”,&no_menu);
printf(“\nMenu yang Anda minta adalah : \n”);
printf(“%s”,menu[no_menu-1]);
getch();
}
Create PDF with PDF4U. If you wish to remove this line, please click here to purchase the full version

algoritma untuk menghitung determinan dan mencari akar-akar dari persamaan kuadrat : ax2 + bx + c = 0

apriandika — Thu, 04 Jun 2009 03:27:38 +0000

algoritma untuk menghitung determinan dan mencari akar-akar dari persamaan kuadrat : ax2 +
bx + c = 0, sebagai berikut :
1. Masukkan inputan a, b, c, d.
2. Deklarasikan sebagai integer.
3. Masukkan inputan x1, x2.
4. Deklarasikan sebagai double.
5. Hitung nilai determinan dengan menggunakan rumus : d = b*b – 4*a*c.
6. Jika d = 0, maka x1 = x2 = -b/2*a.
7. Cetak x1 = x2.
8. Jika d lebih dari 0, maka hitung x1 = (-b+sqrt(d))/2*a. Cetak x1.
9. Hitung x2 = (-b-sqrt(d))/2*a. Cetak x2.
10.Jika d kurang dari 0, maka hitung x1 = -b/2*a+sqrt(-d)/2*a. Cetak (x1)i.
11. Hitung x2 = -b/2*a – sqrt(-d)/2*a. Cetak (x2)i.
12. Proses selesai.
Create

What makes people always remember god

apriandika — Fri, 27 Mar 2009 03:24:17 +0000

Logically human greatness can only look god, but sometimes people do not have to be thankful. When humans are a man then remember to god. To the author would like to invite all readers to do and always want to do about the greatness and also always wanted to know god. For Muslims to show how much attitudes thanks to the omniscient god one.

1. Prayer Prayer is an obligation of the season can not live in, those who leave the prayer is meant to subvert the establishment he is moeslem. Not useful charity charities that do when he was leaving prayer.

2. Fasting Fasting is not only during the fasting month, to be grateful for what the gods have given us, let us for a week or not at monday & Thursday. Because we have been fast with the weather holding us against the evil desires of the world.

3. Charity Many more poor than the poor, the ones who need to know, and we rasa. with give charity to people who can not afford the means we have to give some food that was god to the kit.

There are many more ways to give thanks to the gods, humans have a strong logic to think that he should be made to realize that without gratitude there huum ukum the set

WOOD WHITE

apriandika — Fri, 27 Mar 2009 02:36:41 +0000

WOOD Putih (Melaleuca leucadendra) since the former are used as traditional treatment. Various health complaints can be solved by using timber plants is white. So, this plant is called the Centers. Note the course, used the oil from the cleaner to reduce the swelling and itchiness due to insect bites, toothache, headache, stiff, stiff, muscle cramps, flatulence, bruise, to a mixture of medication for cough. The development of distillation technology has been the use of wood and white friction in their entirety. Gynecology main plant is atsiri oil, which can be processed through the distillation process. Leaves white wood can be used as a mixture of various ingredients, including drugs wound. Blunder quite a few pieces of leaves, place in the skin wound. How its use is, two rimpang kencur size boiler is taken to be shredded. Mixed with warm water secukupnya and add a few drops of oil of white wood. Drink this concoction every morning and night before bed. “The result, when the night arrived, batuknya is far less,” he said. Some research also proves, this nutritious plant diaforetik, analgesic , disinfectant (germ killer), ekspektoran, and antispasmodik.

Protecting Your Source Share

apriandika — Fri, 27 Mar 2009 01:55:15 +0000

Some of you may have a shared data (use together-together) in a network. To protect the shared data source (used together), please open Windows Explorer by selecting one of the following: Right click on the Start button, then click the Explorer Press Shortcut Combination windows + E

You can see the folders that you’ve shared (use together) with a folder that held the right and the name of the file on the right

Variety Tool Lightweight and handy

apriandika — Fri, 27 Mar 2009 01:43:26 +0000

Many tools or utilities that circulate on the internet, sometimes make us all confused in determining which tool daja useful in the computer system well below there are some tools that can be useful tools for the system on your computer.

Hard Drive Driver
This useful tool helps you to monitor hard drive activity in detail so that conditions can be monitored Hard Drive. And ensure that the Harddrive in good condition.
Broadband Speed Test
With this application you should be able to test whether the internet connection properly – correct slow or there is a problem to be so slow.
SIW – System Information
This tool has the ability to analyze the system in a computer, and this is very helpful, because this tool will check the system once kedetail any detail.
DSL Report
If you are using Internet access with a DSL system, then this tool may assist in conducting a lot of access. Speed Test Speed Test is a feature that is quite interesting and have a good interface like dasboard that can monitor the speed of download and upload activities.

The Acceleration

apriandika — Fri, 27 Mar 2009 01:35:33 +0000

Kawasaki KLX 250S at the size of piston greater than the step. Piston diameter of 72 mm piston steps are 61.2 mm. I wonder if If KLX 250S loaded generate maximum power during a round of 18 kw machine at 9000Rpm. And a maximum of 21 NH torsi. Generated when the engine propeller 7000 rpm. This character is similar to the special or enggine SE Kawak KX250F. piston and the KX250F ie 77mm X 53.6 mm.machine character overbore with this machine able to lap faster. Acceleration so that it can create a look. If luhat specification is indeed directed KLX250S has akseleresi maximum. Torsi maximum engine still produced smoth trail to street character. More more machines with similar KLX250S connatural KX250F. The difference torsi maximum KLX250F spurt 29.9 Nm.lap engine 9000 rpm. While most power out to 32 KW at 11,500 rpm. KLX250S means are very akseleratif.