PROPERTI SYARIAH

PROPERTI SYARIAH Peluang untuk bisa memiliki Hunian idaman tersebut ini bisa Anda dapatkan, apalagi jika Konsep yang diberikan sesuai dengan ketentuan Syariat Islam, seperti: #TanpaRiba #TanpaBunga #TanpaDenda #TanpaSita #TanpaAkadBermasalah #TanpaBiChecking maka akan menambah value yang bisa Anda dapatkan ketika memilikinya….

DISRUPTION (Valuasi Blue Bird 9,8 triliun rupiah, Garuda Indonesia 12,3 triliun rupiah) sedangkan Grab Rp 20 triliun rupiah GO-JEK 17 triliun rupiah

Diamabil dari bukunya Prof Rhenald Kasali yang judul nya DISRUPTION  ada yang menarik untuk di ketahui disebutkan bahwa Akibat serangan disruption, laba bersih dua perusahaan taksi besar di Indonesia turun drastis per September 2016. Berdasrkan data dari September 2015 hingga September 216, Blue Bird, mengalami penuruan laba bersih sebesar 42,3 % (dari 6291,1 milyar rupiah menjadi 360,8 miliar rupiah). Sementara itu Taksi Express mengalami rugi bersih sebesar 81,8 miliar rupiah (dari sebelumnya meraup untung sebesar 11,8 miliar rupiah).

Pada juni 2016, Tech Crunch melaporkan kajiannya tentang valuasi perusahaan-perusahaan transportasi tersebut dan menyebutkan bahwa nilai valuasi GO-JEK sebesar 1,3 miliar dolar AS (17 triliun rupiah) dan Grab sebesar 1,6 miliar dolar AS (20 triliun rupiah). Sementara itu, Garuda Indonesia yang sudah ada sejak 1947 dan mengoperasikan 197 pesawat, hanya dihargai 12,3 triliun rupiah. Blue Bird yang memiliki sekitar 27 ribu taksi reguler dan ribuan taksi eksekutif serta limosin hanya dinilai 9,8 triliun rupiah. Padah kita tahu bahwa GO-JEK sama sekali tak mempunyai armada, tetapi bermitra dengan 200 ribu pengemudi pemilik kendaraan di kota-kota besar.

Jadi, dalam sejarah disruption terdapat akhir yang berbeda. ada yang terancama hilang besar-besaran dan ada pula yang merangsek pasar dengan begitu lincahnya. Situasi ini agak mirip dengan situasi ketika produsen-produsen elektronik membuat lemari es. begitu lemari es menyerbu pasar, matilah ribuan pabrik-pabrik es batu konvensional yang dulu dikenal memasok es-es batu seukuran balok kayu kepasar -pasar tradisional. yang kemudian dipecah-pecah menjadi ukuran kecil dan sampai di rumah orangtuan kita untuk membuat es siorp.

Mengapa perusahaan-perusahaan tua seperti Telkom bisa selamat menghadapi disruption? ini tentu tak hanya terjadi pada PT Telkom. Di Amerika Serikat, Ketika telpon selular merangsek pasar, AT&T tetap bertahan. Kalaupun berganti nama atau melakukan merger, merka tetap eksis. Mengapa hal ini takbisa dilakukan oleh perusahaan taksi, yang terlihat begitu berat menghadapi kedatangan pemain-pemain baru yang melakukan inovasi model bisnis?

Shadow Daemon merupakan Web Application Firewall (WAF)

Shadow Daemon merupakan sekumpulan tools yang digunakan untuk mendeteksi, merekam dan mencegah berbagai serangan pada aplikasi web. Singkatnya, Shadow Daemon merupakan Web Application Firewall (WAF) yang dapat menangkap request dan melakukan penyaringan berbagai parameter yang mencurigakan. Bentuk Shadow Daemon adalah modular system sehingga terpasang terpisah dengan aplikasi web yang akan dianalisis.

Tujuan Shadow Daemon adalah untuk menambah keamanan, fleksibilitas dan bisa dimutakhirkan dengan cara yang lebih mudah. Shadow Daemon termasuk free software dan dirilis dengan lisensi GPLv2.

Apa saja sih keuntungan menggunakan Shadow Daemon? Ini dia sekilas ulasannya.

Mudah Digunakan

Shadow Daemon mudah dipasang dan diatur dengan antarmuka web yang bersih dan struktur. Adanya antarmuka web memudahkan penggunanya untuk memeriksa serangan dengan rinci dan jelas. Jika pengguna hanya ingin mengamankan web saja tanpa perlu antarmuka web, Shadow Daemon cukup dipasang dan dikonfigurasi saja tanpa mengaktifkan script antarmuka web.

High Coverage

Shadow Daemon menggunakan connector pada level aplikasi untuk menangkap request. Adanya connector menjamin data bisa dianalisis sesuai dengan masukan data pada aplikasi web. Untuk instalasi connector cukup mudah, dan tidak membutuhkan kemampuan koding.

Aplikasi web apa saja yang bisa dilindungi Shadow Daemon? Ini dia.

PHPPerl

CGIMojoliciousMojolicious::Lite

Python

CGIDjangoWerkzeugFlask

Akurasi Deteksi

Shadow Daemon mengkombinasikan blacklist, whitelist dan pemeriksaan integritas untuk mendeteksi request yang mencurigakan. Blacklist menggunakan Regular Expression untuk mencari pattern serangan yang berasal dari masukkan pengguna. Whitelist digunakan untuk mencari masukkan pengguna yang tidak beraturan berdasarkan rules yang sudah didefinisikan. Sedangkan untuk pemeriksan integritas digunakan untuk membandingkan checksum dari script yang dieksekusi berdasarkan rules yang telah ditetapkan.

Apa saja jenis serangan web yang bisa dideteksi oleh Shadow Daemon? Ini dia.

SQL injectionXML injectionCode injectionCommand injectionsCross-site scriptingLocal/remote file inclusionsBackdoor accessDan masih banyak lagi

Perlindungan Discret

Tidak seperti WAF lainnya, Shadow Daemon tidak memblokir request yang mencurigakan. Sebaliknya, Shadow Daemon hanya menyaring bagian-bagian yang mencurigakan dan membersihkan request tersebut untuk diteruskan seperti biasanya.

Itulah sekilas ulasan Shadow Daemon, Web Application Firewall untuk aplikasi web berbasis PHP, Python dan Perl. Keamanan dan kerentanan aplikasi web juga harus diperhitungkan, agar aplikasi web tetap aman dan terhindar dari hal-hal yang tidak diinginkan.

Tertarik mencoba Shadow Daemon? Kunjungi situs resminya dihttps://shadowd.zecure.org/.

(yp/zecure)

Machine Learning adalah

Baca 2 artikel mengenai machine learning dari codepolitan,  ijin copy paste codepolitan ya

Sejarah Machine Learning

Sejak pertama kali komputer diciptakan manusia sudah memikirkan bagaimana caranya agar komputer dapat belajar dari pengalaman. Hal tersebut terbukti pada tahun 1952, Arthur Samuel menciptakan sebuah program, game of checkers, pada sebuah komputer IBM. Program tersebut dapat mempelajari gerakan untuk memenangkan permainancheckers dan menyimpan gerakan tersebut kedalam memorinya.

Istilah machine learning pada dasarnya adalah proses komputer untuk belajar dari data (learn from data). Tanpa adanya data, komputer tidak akan bisa belajar apa-apa. Oleh karena itu jika kita ingin belajar machine learning, pasti akan terus berinteraksi dengan data. Semua pengetahuan machine learning pasti akan melibatkan data. Data bisa saja sama, akan tetapi algoritma dan pendekatan nya berbeda-beda untuk mendapatkan hasil yang optimal.

Belajar Machine Learning

Machine Learning merupakan salah satu cabang dari disiplin ilmu Kecerdasan Buatan (Artificial Intellegence) yang membahas mengenai pembangunan sistem yang berdasarkan pada data. Banyak hal yang dipelajari, akan tetapi pada dasarnya ada 4 hal pokok yang dipelajari dalam machine learning.

1. Pembelajaran Terarah (Supervised Learning)

2. Pembelajaran Tak Terarah(Unsupervised Learning)

3. Pembelajaran Semi Terarah (Semi-supervised Learning)

4. Reinforcement Learning

Untuk mengetahui lebih lengkap tentang Machine Learning, kawan-kawan bisa mengikuti course diCoursera dengan instruktur profesor Andrew NG dari Stanford University.

Aplikasi Machine Learning

Contoh penerapan machine learningdalam kehidupan adalah sebagai berikut.

1. Penerapan di bidang kedoteran contohnya adalah mendeteksi penyakit seseorang dari gejala yang ada. Contoh lainnya adalah mendeteksi penyakit jantung dari rekamanelektrokardiogram.

2. Pada bidang computer visioncontohnya adalah penerapan pengenalan wajah dan pelabelan wajah seperti pada facebook. Contoh lainnya adalah penterjemahan tulisan tangan menjadi teks.

3. Pada biang information retrivalcontohnya adalah penterjemahan bahasa dengan menggunakan komputer, mengubah suara menjadi teks, dan filter email spam.

Salah satu teknik pengaplikasianmachine learning adalah supervised learning. Seperti yang dibahas sebelumnya, machine learning tanpa data maka tidak akan bisa bekerja. Oleh karena itu hal yang pertama kali disiapkan adalah data. Data biasanya akan dibagi menjadi 2 kelompok, yaitudata training dan data testing. Data training nantinya akan digunakan untuk melatih algoritma untuk mencari model yang cocok, sementara datatesting akan dipakai untuk mengetes dan mengetahui performa model yang didapatkan pada tahapan testing.

Dari model yang didapatkan, kita dapat melakukan prediksi yang dibedakan menjadi dua macam, tergantung tipe keluarannya. Jika hasil prediksi bersifat diskrit, maka dinamakan prosesklasifikasi. Contohnya klasifikasi jenis kelamin dilihat dari tulisan tangan (output laki dan perempuan). Sementara jika kelurannya bersifat kontinyu, maka dinamakan prosesregresi. Contohnya prediksi kisaran harga rumah di kota Bandung (output berupa harga rumah).

Dampak Machine Learning di Masyarakat

Penerapan teknologi machine learningmau tidak mau pasti telah dirasakan sekarang. Setidaknya ada dua dampak yang saling bertolak belakang dari pengembangan teknolgi machine learning. Ya, dampak positif dan dampak negatif.

Salah satu dampak positif dari machine learning adalah menjadi peluang bagi para wirausahawan dan praktisi teknologi untuk terus berkarya dalam mengembangkan teknologi machine learning. Terbantunya aktivitas yang harus dilakukan manusia pun menjadi salah satu dampak positif machine learning. Sebagai contohnya adalah adanya fitur pengecekan ejaan untuk tiap bahasa pada Microsoft Word. Pengecekan secara manual akan memakan waktu berhari-hari dan melibatkan banyak tenaga untuk mendapatkan penulisan yang sempurna. Tapi dengan bantuan fitur pengecekan ejaan tersebut, secarareal-time kita bisa melihat kesalahan yang terjadi pada saat pengetikan.

Akan tetapi disamping itu ada dampak negatif yang harus kita waspadai. Adanya pemotongan tenaga kerja karena pekerjaan telah digantikan oleh alat teknologi machine learning adalah suatu permasalahan yang harus dihadapi. Ditambah dengan ketergantungan terhadap teknologi akan semakin terasa. Manusia akan lebih terlena oleh kemampuan gadget-nya sehingga lupa belajar untuk melakukan suatu aktivitas tanpa bantuan teknologi.

Install Elasticsearch, Install Fluentd, Install Kibana

Saya akan mengurai installasi tiga serangkai elasticsearch, fluentd, dan kibana.

Ok kita mulai...

Install Elasticsearch

Elasticsearch di sini akan berfungsi sebagai storage. Elasticsearch adalah aplikasi berbasis java.  Jadi pertama kali kita harus pastikan bahwa environment java sudah terpasang di mesin kita.

Persiapan Java:

Cek java:

user@komputer:~#java -version[enter]
java version "1.7.0_75"
OpenJDK Runtime Environment (IcedTea 2.5.4) (7u75-2.5.4-1~precise1)
OpenJDK 64-Bit Server VM (build 24.75-b04, mixed mode)

Bila belum ada java terinstall maka kita harus terlebih dahulu menginstall Oracle Java dengan langkah berikut:

user@komputer:~#sudo add-apt-repository ppa:webupd8team/java[enter]
user@komputer:~#sudo apt-get update[enter]
user@komputer:~#sudo apt-get install oracle-java7-installer[enter]

Unduh dan Install Elasticsearch

Setelah kita yakin bahwa environment java telah tersedia, maka kita lanjutkan dengna mengunduh elasticsearch 1.5 dengan menjalankan perintah berikut

user@komputer:~#mkdir elastic
user@komputer:~#cd elastic
user@komputer:~/elastic#wget https://download.elasticsearch.org/elasticsearch/elasticsearch/elasticsearch-1.5.0.deb

setelah selesai proses unduhnya, lanjut dengan menjalankan perintah ini

user@komputer:~/elastic#sudo dpkg -i elasticsearch-1.5.0.deb

yang harus diperhatikan dalam instalasi elasticsearh adalah bahwa service elasticsearch telah terbetuk, tetapi tidak automatik jalan saat boot.  Dan untuk membuatnya jalan saat boot, jalankan perintah ini.

user@komputer:~#sudo update-rc.d elasticsearch defaults 95 10

Untuk menjalankan elasticsearch secara manual, jalankan perintah ini.

user@komputer:~#sudo /etc/init.d/elasticsearch start

Ok, elasticsearch kita telah siap.

Install Fluentd

Fluentd di sini akan berfungsi, kalau saya bilang sebagai grabber.  Fluentd akan listening pada port-port tertentu untuk menangkap stream log yang dilempar oleh server. Dalam bahasan ini, saya akan menggunakan fluentd dan fluentd-ui secara bersamaan.  Fluentd-ui akan mempermudah konfigurasi fluentd.

Untuk menginstall fluentd maupun fluentd-ui pertama-tama kita harus mempersiapkan environment ruby terlebih dahulu.

Cek ruby.

user@komputer:~#ruby -v[enter]
ruby 1.9.3p0 (2011-10-30 revision 33570) [x86_64-linux]
user@komputer:~#gem -v[enter]
1.8.11

Bila hasil pengecekan memberikan return error program belum terinstall, silakan jalankan perintah ini.

user@komputer:~#sudo apt-get install ruby1.9.1-full[enter]

Install fluentd-ui (dan fluentd)

Pada dasarnya installasi fluentd-ui juga akan menjalankan installasi fluentd bila fluentd gems tidak diketemukan pada koleksi gems. Jadi kita hanya perlu menjalankan installasi fluentd-ui.

user@komputer:~#sudo gem install -V fluentd-ui[enter]

Setelah proses installasi selesai kita bisa melanjutkan dengan membentuk initial file configuration untuk fluentd.

misalkan configuration file akan kita letakkan di /opt/fluent

user@komputer:~#sudo fluentd -s /opt/fluent

Menjalankan fluentd-ui

Untuk menjalankan fluentd-ui silakan ketik

user@komputer:~#sudo fluentd -ui start > /dev/null 2>&1 &

Kemudian buka Chrome (browser lain) dan ketik alamat: http://localhost:9292.  Masukkan "admin" sebagai user, dan "changeme" sebagai password.

Layar login fluentd-ui

Setelah berhasil masuk, kita akan dihadapkan pada interface setup fluentd. Perhatikan pula bahwa kita juga diminta untuk merubah password.  Namun kali ini, kita tidak bahas untuk perubahan password.

Interface install fluentd

Interface ini akan membantu kita untuk mengkonfigur fluentd dan td-agent. Namun karena kita tidak pernah menginstall td-agent, maka td-agent tampil disabled. Klik "Setup fluentd" sehingga tampil layar berikut:

Memasukkan parameter start fluentd

Isikan sesuai dengan konfigurasi yang telah ditentukan.  Setelah kita klik "Create" maka akan muncul "Dashboard" seperti pada gambar berikut.

Dashboard fluentd-ui

Klik "Start" dan pastikan fluentd telah berjalan dan tampilan "Dashboard" telah berubah seperti pada gambar berikut:

Dashboard ketika fluentd telah dijalankan

Selanjutnya, kita harus menginstall plugin elasticsearch.  Klik recomended plugin dan klik install pada "fluent-plugin-elasticsearch" dan "fluent-plugin-record-reformer"

Penambahan Plugin

Bila plugin telah terinstall, maka bila kita klik "Installed Plugin" akan kita lihat dua plugin yang kita pilih muncul di list.

Installed Plugin

Catatan:

Seringkali penambahan plugin gagal karena kurangnya library libcurl terinstall pada system.  Untuk itu, silakan jalankan perintah berikut:

user@komputer:~#sudo apt-get install libcurl4-gnutls-dev

Setelah installasi plugin selesai, kita bisa lanjutkan dengan penambahan "Source" dan "Output". 

Klik "Ad Source and Output"

Add Souce and Output

Karena kita akan menggunakan elasticsearch, maka kita tentukan output "Elasticsearch"

Add Output Elasticsearch

Lengkapi isian pada Output Elasticsearch.  Klik "Update & Restart". 

Kemudian, setelah kita persiapkan outputnya, kita persiapkan inputnya.

Untuk kasus kita saat ini, kita akan menangkap syslog dari mesin-mesin produksi. Kita pilih "Syslog Protocol".

Add Input Syslog Protocol

Lengkapi isinya dan lanjutkan dengan klik "Update & Restart".  Pada installasi kita kali ini, kita menggunakan port "5140" sebagai listening port untuk menangkap log stream.

Apabila instalasi kita berhasil, maka log yang ditangkap bisa kita lihat baik pada "Dashboard" maupun "Log".

Dashboard dengan system telah berjalan.

Install Kibana

Untuk menginstall kibana, pertama-tama kita harus mengunduh file nya dari elasticsearch.co.

user@komputer:~#sudo mkdir /opt/kibana[enter]
user@komputer:~#cd /opt/kibana[enter]
user@komputer:/opt/kibana#sudo wget https://download.elasticsearch.org/kibana/kibana/kibana-4.0.1-linux-x64.tar.gz[enter]

ekstrak tarball kibana:

user@komputer:/opt/kibana#tar -xzvf kibana-4.0.1-linux-x64.tar.gz[enter]

Jalankan kibana:

user@komputer:/opt/kibana/#cd kibana-4.0.1-linux-x64/bin[enter]
user@komputer:/opt/kibana/kibana-4.0.1-linux-x64/bin#./kibana[enter]
{"@timestamp":"2015-03-31T07:39:31.112Z","level":"info","message":"Listening on 0.0.0.0:5601","node_env":"production"}

Aktifkan Chrome (atau browser lain) dan buka halaman http://localhost:5601 pada menu Discover

Discover log event dengan Kibana 4.