Indonesia tercatat menjadi negara tertinggi kedua yang di dunia yang terinfeksi Stuxnet, malware (malicious software) alias program jahat jenis worm yang tengah merajalela di dunia saat ini. Demikian hasil analisis Kaspersky Lab, pengembang solusi keamanan terkemuka yang berpusat di Rusia.

Stuxnet, sebuah worm komputer Windows spesifik pertama kali ditemukan pada bulan Juni 2010 oleh sebuah perusahaan keamanan yang berasal dari Belarus. Worm ini menjadi terkenal karena merupakan worm pertama yang memata-matai dan memprogram ulang sistem industri. Belakangan ini, serangan worm Stuxnet telah menimbulkan banyak spekulasi dan diskusi mengenai maksud dan tujuan, asal, dan – yang terpenting – identitas dari penyerang dan targetnya.

Kaspersky Lab belum melihat cukup bukti untuk mengidentifikasi penyerang atau targetnya, tetapi Kaspersky dapat mengkonfirmasikan bahwa ini adalah satu-satunya serangan malware canggih yang didukung dengan biaya besar, tim penyerang dengan keahlian tinggi dan pengetahuan teknologi SCADA yang baik.

“Serangan-serangan ini dapat digunakan sebagai alat untuk perang dunia maya atau terorisme dunia maya atau sabotase dunia maya yang bergantung pada sumber serangan dan targetnya. Sejauh ini apa yang telah kita lihat mengenai Stuxnet lebih cenderung digunakan sebagai alat untuk melakukan sabotase. Kaspersky Lab tidak dalam posisi untuk mengomentari sisi politik dari serangan ini,” ujar Eugene Kaspersky, Co-founder and Chief Executive Officer of Kaspersky Lab dalam rilis persnya akhir pekan lalu.

Berdasarkan geografis penyebaran Stuxnet; Iran, India dan Indonesia memimpin dalam hal infeksi sejauh ini. Namun, epidemi Stuxnet (seperti epidemi lainnya) tidak statis; worm ini secara terus menerus menyebar, dan sementara beberapa sistem tetap terinfeksi, banyak dari sistem tersebut telah dibersihkan. Negara yang paling rentan serangan ini adalah India dengan jumlah serangan mencapai 86.258 unit komputer. Indonesia di pisisi kedua dengan korban34.138 komputer.

Tujuan utama worm ini adalah untuk mengakses Simatic WinCC SCADA, yang digunakan sebagai sistem pengendali industri dan bertugas untuk mengawasi dan mengendalikan industri, infrastruktur, atau proses-proses berbasis fasilitas. Sistem serupa digunakan secara luas pada pengilangan minyak, pembangkit tenaga listrik, sistem komunikasi yang besar, bandar udara, perkapalan, dan bahkan instalasi militer secara global.

Pengetahuan mendalam tentang teknologi SCADA, kecanggihan serangan yang berlapis-lapis, penggunaan beberapa kerentanan zero-day dan sertifikat yang sah membawa kita kepada pemahaman bahwa Stuxnet diciptakan oleh tim yang terdiri dari para profesional dengan keahlian yang sangat terampil dan memiliki sumber daya dan dukungan finansial yang besar. Target serangan dan wilayah yang dijangkiti oleh worm ini (terutama Iran) menyiratkan bahwa mereka bukanlah kelompok penjahat dunia maya biasa. Lebih jauh lagi, ahli keamanan Kaspersky yang menganalisa kode worm tersebut menegaskan bahwa tujuan utama Stuxnet bukan untuk memata-matai sistem yang terinfeksi tetapi untuk melakukan sabotase.

Para peneliti di Kaspersky Lab menemukan bahwa worm tersebut mengeksploitasi dua dari empat kerentanan zero-day yang telah dilaporkan langsung kepada Microsoft. Analis Kaspersky telah bekerja sama dengan Microsoft untuk memastikan kelancaran dari peluncuran patch, serta memastikan pelanggan terlindungi dan memperoleh informasi mengenai serangan tersebut. Semua produk Kaspersky Lab telah berhasil mendeteksi dan menetralisir Worm.Win32.Stuxnet.

diambil dari  http://id.news.yahoo.com/kmps/20101004/ttc-34-000-komputer-di-indonesia-terinfe-566ebb2.html


Tutorial Photoshop : Membuat Efek Anyaman pada Sebuah Foto


Tulisan ini saya buat setelah mencoba tutorial photoshop dari http://slatchdesign.com/blog/?cat=1.  Jadi efek dari hasil tutorial ini bukan murni ide saya. Bisa dibilang saya hanya men’translate’kan ke bahasa Indonesia. Tapi foto yang digunakan berbeda dan saya jelaskan langkahnya dengan lebih detail, silahkan menyimak.

Langsung saja, di sini software yang saya gunakan adalah adobe photoshop CS3.  Fotonya saya ambil dari depan teras saya, seekor ulat ditangkai bunga. Pengerjaannya terbagi menjadi langkah-langkah berikut ini

1. Buka foto

2. Kemudian ‘duplicate layer’, dengan menekan ‘Ctrl+J’sebanyak 2 kali, dan beri nama kedua layer dengan horizontal dan vertical.

3. Hilangkan tanda ‘mata’ pada layer vertical.

Kemudian, pindah ke layer background, buatlah backgroundnya menjadi hitam, dengan klik icon di bawah layer background untuk memberi warna hitam,

Klik dan pilih Solid Color, pilih warna hitam dan klik OK.

Hasilnya

4. Pindah ke layer horizontal jika belum, dengan klik layernya. Kemudian tekan Ctr+’, sehingga akan memunculkan grid pada gambar

Kemudian pada toolbar, pilih ‘Rectangular Marquee Tool’.

Buatlah seleksi awal berbentuk persegi panjang, pada bagian atas. Kemudian sambil terus menekan tombol ‘Shift ‘ berilah jeda, seleksi lagi, dan seterusnya, sampai terbentuk seperti gambar di bawah ini.

Kemudian klik icon untuk memberi  vector mask

Sehingga hasilnya akan seperti ini :

5. Sekarang pindah ke layer vertical dan aktifkan tanda ‘mata’nya

Kemudian pada toolbar, pilih ‘Rectangular Marquee Tool’.

Lakukan seleksi lagi seperti pada layer horizontal, tetapi sekarang kita lakukan secara vertical, sehingga hasilnya

Kemudian klik icon untuk memberi  vector mask

Sehingga hasilnya adalah sebagai berikut

6. Sambil menekan Ctrl, klik layer mask horizontal

Hasilnya adalah

Kemudian sambil menekan Ctrl+Alt+Shift, klik layer mask vertical

Hasilnya adalah

Simpan hasil seleksi dengan Save Selection pada menu Select, di menubar

Kemudian tampil sebuah jendela baru, langsung klik OK

7. Pindah ke layer horizontal. Disini kita akan menghilangkan seleksi-seleksi yang tidak diperlukan. Cara menghilangkan adalah tekan Alt kemudian drag mouse pada bagian yang akan dihilangkan sehingga membentuk seleksi baru untuk menghilangkan seleksi lama.

Hilangkan dengan cara di atas, sehingga menyisakan hanya setengah dari jumlah kotak seleksi semula, seperti pada gambar di bawah ini.

Pastikan masih di layer horizontal, kemudian tekan Ctrl+J, sehingga akan muncul Layer 1

Kemudian tekan Ctrl+Alt+G, sehingga pada Layer 1 akan terdapat simbol panah ke bawah

8. Sekarang pindah ke layer vertical, lakukan hal sama seperti pada langkah ke 7. Supaya seleksinya muncul lagi, terlebih dahulu  kita reload hasil seleksi yang telah kita simpan, dengan menekan Ctrl+Alt+4,  Kemudian hilangkan seleksi yang tidak diperlukan, perlu diingat pada layer vertical ini seleksi yang di hilangkan berkebalikan dengan layer horizontal, sehingga hasilnya

Kemudian (masih pada layer vertical), tekan Ctrl+J, sehingga muncul Layer 2,

Kemudian tekan Ctrl+Alt+G, sehingga pada Layer 2 akan terdapat simbol panah ke bawah

9. Langkah akhir adalah memberi Outer Glow. Sebelumnya hilangkan dulu grid dengan menekan Ctrl+’ , kemudian klik icon untuk memberi layer style, seperti dibawah ini.

Pilih Outer Glow

Sesuaikan dengan parameter dibawah ini dan klik OK

Lakukan hal yang sama pada Layer 1. Tapi kita dapat melakukan copy layer style. Caranya. Klik Layer 2, kemudian pada menu layer pilih Copy Layer Style.

Kemudian pindah ke Layer 1, pada menu layer, pilih Paste Layer Style.

10. Hasil akhirnya adalah

Nah, efek foto ini sudah jadi. Sehingga hasilnya seolah-olah foto ini terbuat dari anyaman.

Silahkan mencoba dan semoga berguna…..

Sumber :  http://slatchdesign.com/blog/?cat=1


This slideshow requires JavaScript.

Algoritma untuk menyelesaikan masalah TSP (Traveling Salesman Problem)
  • Disini saya akan menjelaskan salah satu algoritma dalam Komputasi Evolusioner(Evolutionary computation), yaitu Diferential Evolution(DE). Algoritma ini bisa dipakai untuk menyelesaikan persoalan-persoalan tertentu yang tidak dapat diselesaikan dengan cara komputasi biasa. Menurut dosen saya sih! Tapi masak saya gak percaya pada Pak Jin Ai, yang namanya saya ‘catut’ di blog ini, soalnya Beliau kan, udah dapat gelar Doktor, di luar negeri. Tapi memang benar ternyata, di kuliah saya ada berbagai tugas membuat program berdasarkan algoritma-algoritma komputasi evolusioner. Ada bermacam-macam, diantaranya : Genetic Algorithm (GA), Evolution Strategy (ES), Differential Evolution (DE),Particle Swarm Optimization (PSO),Ant Colony Optimization (ACO). Saya mengambil Diferential Evolution(DE), karena dengan algoritma ini, saya dapat nilai bagus (hohoho….!). Saya pun tidak menyangka kalau algoritma ini bisa menyelesaikan permasalahan seperti mencari individu terbaik dari sekian generasi dan mencari rute terpendek dari mejelajah beberapa kota. Saya menyebutkan 2 masalah tadi, soalnya itu yang menjadi tugas di mata kuliah saya ini.
  • Kali ini saya akan mengambil permasalahan tentang rute terpendek untuk 5 kota. Permasalahan ini sering disebut ‘Traveling Salesman Problem’ -Masalah TSP- . Bila ingin tahu lebih lanjut silakan cari di google. Tapi intinya sudah saya jelaskan di bawah. Sebelum masuk ke penjelasan sebenarnya, lebih baik kita mengenal dulu apa itu komputasi evolusioner, simak yang di bawah ini

Evolutionary computation merupakan suatu wilayah ilmu komputer yang menggunakan pola pikir dari konsep dan prinsip dasar dari evolusi alam, yaitu prinsip seleksi alam Darwinisme, sebagai inspirasi dalam perancangan metode komputasi. Dalam proses seleksi alam, siap yang kuat (yang bisa beradaptasi) dialah yang bisa bertahan. Ternyata ide ini telah berkembang sejak tahun 1940an, jauh sebelum periode dimana komputer berkembang pesat. Tahun 1948, Turing memperkenalkan istilah “genetical or evolutionary search” dan tahun 1962 Bremermann melakukan eksperimen tentang “optimisasi melalui evolusi dan kombinasi ulang (optimization through evolution and recombination)” . Pada era tahun 1960an, tiga implementasi ide dasar ini dikembangkan masing-masing di tempat berlainan. Di Amerika, Fogel, Owens, dan Walsh memperkenalkan. Evolutionary Programming, sedangkan Holland (juga di Amerika) menyebut metodenya sebagai Genetic Algorithm. Sementara itu di Jerman, Rechenberg dan Schwefel menemukan metode Evolution Strategies. Selama lima belas tahun berikutnya, metode tersebut dikembangkan secara terpisah, namun sejak awal tahun 1990an ketiganya dipandang sebagai tiga jenis representasi (dialek) dari satu teknologi yang diberi nama Evolutionary Computing. Di awal tahun 1990an juga bergabung dalam arus pemikiran ini suatu metode baru, yaitu Genetic Programming, yang dipelopori oleh Koza.

(http://statistikakomputasi.wordpress.com/2010/04/16/mengenal-evolutionary-computation-komputasi-yang-meniru-evolusi-alam/)

Intinya adalah :

Evolusioner dari kata Evolusi

Teori Evolusi (Darwinian)

– Populasi vs Individu

– Regenerasi populasi

– Survival of the fittest

Komputasi Evolusioner mengadaptasi teori evolusi untuk memecahkan masalah komputasi (optimasi).

Sekarang kita akan masuk bagian intinya, setelah berbagai perkenalan dan penjelasan panjang-lebar.

Diferential Evolution(DE) adalah salah satu algoritma dalam Komputasi Evolusioner. Yang menggunakan representasi real-valued vectors, sedangkan untuk proses evolusinya menggunakan operasi selisih.

Setiap individu terdiri dari n dimensi,

Misal :

Dimensi 1 2 3 4 …… N
Nilai -0.5 1.5 -2.54 0.78 …… 0.56

– Mutasi pada DE

Mutasi tidak langsung menghasilkan offspring, tetapi menggunakan trial-vector U(t). Dengan memilih sampai(minimal 3 individu lain secara acak) yaitu Xi1(t),Xi2(t), dan Xi3(t), dimana i1 ≠ i2 ≠ i3. Kemudian dimasukkan ke rumus U(t)

u(t)= Xi1(t) + β[ Xi2(t) – Xi3(t) ]

*β adalah faktor skala, sebaiknya menggunakan angka > 1

– Crossover pada DE

Merupakan kombinasi dari trial-vector U(t) dengan Xi1(t),Xi2(t), dan Xi3(t), untuk menghasilkan offspring.

Xij(t)=Uij(t) , jika j € J ; J adalah pertubation

Misal:

– Algoritma DE

Implementasi dari penyelesaian ‘Traveling Salesman Problem’ (TSP) adalah menggunakan bahasa C, dengan tools Microsoft Visual Studio 6.0. Algoritma yang dipakai adalah Diferential Evolution.

Supaya lebih mudah dan ringkas maka jumlah kota yang digunakan hanya menggunakan 5 buah kota saja.

Dimulai dengan inisialisasi array untuk diisi koordinat kota ke dalam array 2 baris dengan menggunakan fungsi :

arrayIndividu = tipe data double untuk array berorde 1000 x 2

Kemudian tampilkan dengan fungsi :

tampilArrayIndividu(cloneAI,jmlPopulasi);

sehingga tampil

– Mutasi

Didapat dari 3 individu acak dan β,


X­_Parent didapat dari tiap baris individu, pada baris ke ipopulasi. 3 individu acak (X1,X2, dan X3) didapat dari fungsi individuAcak.

-Crossover

X_OffSpring didapat dari rumus mencari U(t), dengan fungsi crossOver. Kemudian crossOver yang sebenarnya adalah pada fungsi if dibawahnya. Jika fitness X_OffSpring lebih kecil besar dari fitness X_Parent. Maka X_Parent pada AI baris ke ipopulasi akan digantikan dengan X_OffSpring. Fitness disini adalah mencari jarak keduanya dengan kota yang dipilih secara acak, yaitu menggunakan X3.

Fitness=jarak

Langkah diatas akan diulang sebanyak kota yang ada dan generasinya, dalam hal ini 5 kota. Tiap kali perulangan akan disimpan di variabel simpanRute, yang di dalamnya menampung hasil jarak, dan rute-rutenya, seperti yang di tunjukkan dibawah ini.

Screenshoot diatas adalah hasil eksekusi terhadap program menyelesaikan 5 kota, pilihan hasil adalah rute-rute terpendek dari tiap generasi. Maka hasil akhir adalah memilih rute terbaik, yaitu rute 3-2-4-5-1, dengan jarak 95.74

Dari hasil eksekusi tersebut, menggunakan setting parameter, jumalah populasi = 5 kota,jumlah generasi = 30 beta = 2, dan pr = 0.1.

Karena masih 5 kota maka dapat dibuktikan dengan menghitung secara biasa.

Penghitungan diatas adalah cara manual mencari rute terpendek dimulai dari kota 1 mencari jarak terpendek dari pilihan ke kota 2, 3, 4, atau 5. Dan didapatkan yang terpendek ke kota 5, begitu seterusnya sampai ke kota terakhir yaitu kota 3 dengan rute terbaik 95.73693, dengan rute 1-5-4-2-3.

————————————————————————————————

Nah, selesai sudah penjelasan saya tentang program yang telah saya buat berdasarkan algoritma diatas, program ini saya buat Cuma dalam waktu ±10 jam (hehe.. biasa kebanyakan mahasiswa, kerja satu hari sebelum di kumpul, Jangan ditiru..).  Dengan algoritma di atas, saya harap anda dapat membuat program serupa. Dan lebih canggih yang diharapkan. Saya sengaja tidak memberi link untuk download source code nya supaya anda bisa bekerja sendiri, sesuai kreasi anda. Tapi jika ada yang mau minta, silakan ‘request’ saja lewat ‘comment’.

Hasil yang telah saya buat ini masih banyak kekurangan, terutama karena bentuknya masih berupa ‘console’ jadi mohon sarannya,terutama saya bercita-cita diimplementasikan di java, dengan konsep OOP(Object Oriented Programming), jika ada yang sudah berhasil, saya juga minta infonya ya!!. Terima kasih.

Sumber : The Jin Ai, D.Eng, Dosen Pengampu Mata Komputasi Evolusioner

Program Studi Teknik Informatika

Fakultas Teknologi Industri

Universitas Atma Jaya Yogyakarta


This slideshow requires JavaScript.

Siapa yang tidak mengenal The BeatlesMozart dan Bill Gates .

The Beatles adalah salah satu band rock terkenal di dunia dunia, Bill Gates adalah pemilik Microsoft, perusahaan perangkat lunak, yang dengan sistem operasi windows-nya merajai dunia. Dan Mozart, si jenius dalam komposisi, yang kita kenal karyanya sekarang  dalam musik klasik.

Mereka adalah orang-orang hebat. Terkadang kita iri dan ingin sama hebatnya dengan mereka.  Tapi diantara kita, selalu terbersit pikiran, bahwa mereka di anugerahi bakat bawaan yang hanya di dapat segelintir orang di dalam populasi dunia yang berjumlah milyaran ini. Kita sering terpesona dengan cerita kesuksesan mereka saat ini, tanpa berpikir kehidupan mereka sebelum menjadi terkenal dan hebat

Sebelum membicarakan mereka lagi. Kita tinjau fakta menarik dari sebuah kasus ini :

Hampir selama satu generasi lamanya para psikolog, terlibat dalam perdebatan yang menarik, yang bisa diselesaikan oleh orang awam seperti kita. Pertanyaannya adalah : apakah memang ada yang disebut bakat bawaan? Jawaban yang pasti adalah ya. Tidak setiap orang akhirnya menjadi ahli dibidangnya, hanya mereka yang memiliki bakat bawaan. Kesuksesan adalah bakat di tambah latihan. Masalahnya dengan pandangan seperti ini maka para psikolog yang menelaah karier mereka yang berbakat, maka sepertinya semakin kecil peranan bakat dan semakin besar peranan latihan.

Dalam sebuah penelitian tahun 1990-an,  oleh psikolog K.  Anders Ericsson dan dua rekannya, dibantu profesor di Academy of Music  yang elit di Berlin, mereka membagi pemain biola di sekolah tersebut dalam tiga kelompok. Kelompok pertama adalah pemain bintang, yang berpotensi menjadi pemain biola solo kelas dunia. Kelompok kedua adalah pemain yang dinilai bagus.  Sedangkan kelompok ketiga adalah semua siswa yang kemungkinan besar tidak akan menjadi pemain profesional dan yang berkeinginan menjadi guru musik. Semua siswa ini diajukan pertanyaan yang sama : selama karier mereka sejak bermain biola pertama kali, berapa jam lamanya mereka sudah berlatih?

Semua siswa di tiga kelompok ini bermain pada saat yang sama, yaitu sekitar usia lima tahun. Di tahun-tahun pertama mereka berlatih sama banyaknya, yaitu sekitar dua-tiga jam setiap minggu. Tetapi pada saat siswa-siswa ini berusia sekitar delapan tahun, perbedaan mulai terbentuk.  Para siswa yang terbaik di kelasnya berlatih lebih sering dibandingkan teman-temannya.  6 jam seminggu pada usia 9 tahun,  8 jam seminggu pada usia 12 tahun, 16 jam seminggu di usia 14 tahun, dan semakin meningkat, sehingga di usia 20 tahun mereka berlatih 30 jam seminggu. Jika dihitung, para siswa ini sudah menghabiskan 10000 jam lamanya untuk berlatih. Sebaliknya siswa biasa hanya 8000 jam, dan para calon guru hanya 4000 jam.

Ericsson membandingkan dengan para pemain piano amatiran dengan profesional. Didapatkan pola yang sama. Para pemain amatiran tidak pernah berlatih lebih dari 3 jam tiap minggunya, dan di usia 20 tahun mereka sudah melakukan 2000 jam latihan. Sedangkan pera pemain profesional secara konstan  menambah waktu latihannya, sehingga diusia 20 tahun mereka, seperti para pemain biola, telah berlatih sebanyak 10000 jam

Fakta yang mengejutkan ditemukan oleh Ericsson dan rekan-rekannya.  Mereka tidak bisa menemukan ‘pemusik  alami’, yaitu para musisi di tingkatan tertinggi dengan waktu latihan lebih sedikit dari rekan mereka. Mereka pun tidak bisa menemukan ‘pekerja keras’, yaitu orang-orang yang belatih lebih keras dibanding orang lain, namun akhirnya tidak masuk ke kelompok terbaik. Penelitian ini menunjukan bahwa begitu seseorang memiliki kemampuan untuk masuk sekolah musik hebat, yang membedakan mereka diantara rekan-rekan mereka adalah seberapa keras usah yang mereka lakukan. Dan yang lebih penting,  orang-orang di tingkatan teratas tidak hanya berusaha keras, tapi mereka berusaha jauh lebih keras dari yang lain.

Pemikiran bahwa keberhasilan dalam melakukan tugas yang kompleks mensyaratkan jumlah minimum waktu latihan, berulang-kali muncul dalam penelitian mencari cara memperoleh keahlian dalam suatu bidang. Sebenarnya para ahli telah mendapatkan sesuatu yang mereka yakini menjadi angka ajaib bagi seseorang menjadi seorang yang ahli : 10000 jam (sepuluh ribu jam) .

Fakta yang menarik bukan?? Sekarang kita tengok para tokoh besar kita, apakah benar demikian cara mereka sukses?? Kita simak yang berikut :

1. The Beatles

Di tahun 1960  The Beatles masih merupakan band rock yang sedang memulai kariernya, mereka diundang untuk bermain di Hamburg, Jerman, yang saat itu tidak memiliki klub musik ‘rock n roll’ .  Mereka akhirnya melakukan perjalanan ke Hamburg lima kali antara tahun 1960 sampai akhir 1962. pada perjalanan pertama mereka bermain 106 malam minimal 5 jam setiap malam. Perjalananan kedua mereka bermain 92 kali. Perjalanan ketiga mereka bermain 48 kali  dengan total 172 jam di atas panggung. Dua pertunjukan terakhir di Hamburg, melibatkan 90 jam lamanya. Biala dijumlah, mereka telah bermain 270 malam dalam waktu  satu setengah tahun. Dan pada saat meraih kesuksesan di tahun 1964 mereka diperkirakan telah naik panggung sebanyak 1200 kali. (hitung saja jika tiap kali tampil minimal 1 jam, hasilnya 12000 jam, padahal jam pertunjukan mereka lebih dari itu). Sangat luar biasa, Kenapa? Karena kebanyakan band saat ini tidak pernah melakukan pertunjukan sebanyak itu sepanjang karier mereka.  Kaidah 10000 jam bernama Hamburg yang membedakan mereka dengan band-band lainnya.

2. Bill Gates

Cerita dari Bill Gates ini sangat panjang, maka akan saya ringkas seperti ini :

Ayahnya adalah pengacara kaya raya dan ibunya adalah putri bankir terkenal. Bill Gates dewasa sebelum waktunya sehingga bosan dengan sekolahnya. Jadi orantuanya mengeluarkannya dari sekolah negri dan memindahkan ke sekolah swasta yang berisi anak-anak keluarga kaya di Seattle bernama Lakeside.

Di pertengahan tahun kedua, sekolah ini mendirikan klub komputer, Lakeside membeli komputer ASR-33 Teletype yang bisa untuk kegiatan seperti time-sharing di tahun 1968. Dari situ kaidah 10000 jam Bill Gates dimulai.

Hal itu adalah kesempatan pertama Gates. Kesempatan kedua, ibu-ibu di Lakeside memiliki cukup banyak uang untuk membayar biaya komputer. Kesempatan ketiga adalah saat dana itu habis, salah satu orang tua kebetulan bekerja di C-Cubed, yang kebetulan memerlukan seseorang untuk menguji perangkat lunaknya di akhir pekan dan juga kebetulan tidak peduli kalau akhir pekan di perpanjang menjadi hari biasa. Kesempatan keempat adalah Gates kebetulan menemukan informasi mengenai ISI yang memerlukan seseorang untuk mengerjakan perangkat lunak pembayarannya. Kesempatan kelima adalah Gates kebetulan tinggal di dekat University of Washington. Nomor 6 adalah universitas ini mempunyai jadwal kosong antara pukul 3 sampai 6 pagi. Nomor 7 adalah TRW kebetulan menghubungi Bud Pembroke. Nomor delapan adalah programer terbaik yang dikenal Pembroke untuk menyelesaikan masalah itu kebetulan adalah 2 anak SMA. Dan nomor sembilan adalah Lakeside bersedia mengizinkan kedua anak tersebut menghabiskan musim seminya menuliskan program di luar sekolah.

Pada saat Gates keluar dari Harvard, dia mendirikan perusahaan perangkat lunak sendiri, dia telah berlatih membuat program secara nonstop selama tujuh tahun lamanya, jauh malampaui batas minimum berlatih selama 10000 jam

3. Mozart

Berdasarkan standar komponis yang sudah dewasa, beberapa karya awal Mozart tidak luar biasa. Sejumlah karya awalnya mungkin dituliskan ayahnya dan mungkin dikembangkan seiring berjalannya waktu. Banyak komposisi Mozart di masa kecilnya, seperti tujuh concerto pertamanya untuk piano dan orkestra, merupakan aransemen ulang karya komponis lainnya. Dari berbagai concerto yang diciptakan sendiri oleh Mozart, karya paling awalnya yang kini dinilai sebagai karya besarnya (No. 9, K. 271) baru diciptakannya pada usia 21 tahun : pada saat itu Mozart sudah menciptakan berbagai concerto selama 10000 jam.

Hah… Ternyata fakta mengejutkan disini adalah sangat sederhana, kita ‘hanya’ berlatih untuk sebuah bidang tertentu  selama 10000 jam dan kita menjadi ahlinya. Kita telah mendapatkan contoh dari kisah orang-orang terkenal ini. Mereka adalah para outlier dengan bakat mereka dan jika kita lihat pengaruh terbesar bukan bakatnya, tapi mereka mendapatkan sejenis kesempatan unik untuk melakukan kaidah 10000 jam ini.

Maka bagi kita semua (termasuk saya tentunya), hanya satu saran saya kejarlah kesempatan yang bisa kita dapatkan untuk melakukan kaidah 10000 jam ini, dan kita akan menjadi ahlinya, sesederhana itu!!!!

Sumber : Gladwell Malcolm. Outeliers : Rahasia di Balik Kesuksesan. 2010. Gramedia : Jakarta

Reducing Deforestation

Posted: June 23, 2009 in Umum


Everyday, cutting down of trees occur in several forests on the earth. Recently number of the cutting down of trees increases rapidly. It is higher than some decades ago. If there are no actions reducing that, trees gradually reduce. The forest that lost their trees will cause some bad effects affecting the life on the earth.

The first, it will cause climate change. Trees are useful trap CO2 that is emmited by car or industries by their leaves. Reducing number of trees mean reduce the tools which handle CO2. Free subtances of CO2 will be collected in stratosphere and cause green house effect. Green house effect cause increasing of the earth’s temperature, that affect earth’s climate. The example of climate change are uncertainty season, long drought, and ice melting in Arctic.

Besides climate change the cutting down of trees also cause reducing place for plants and animals. Trees in forest are home for most of species of plants or animals. If many trees are cut, they will lost their place. And the worst thing is, they will die because they can’t find the place for life. Disappearing of plants or animals can cause the balance of food chain is not stable. It is dangerous because human can be affected. Thus looking at the facts ti has to be an action to reduce deforestation. Government has create a bill of law to limit the cutting down



Governmet has to arrange a bill of enactment which does not permit schools to expel pregnant students. School mustn’t expel their pregnant students because of several reasons. First it is not completely the pregnant students faults. Most of the pregnant actually don’t wish their pregnancy. It is possible that the students are the victim of rappist, the victim of pornography, or the victim of their boyfriends who forces to do sexual intercourse.

Therefore it is wrong to blame the students themselves for the pregnancy second. Most of the pregnant students will have abortion, because they are too affraid of being expelled from school. Actually they want to go to school but they know that scholls are not going to accept them. So the only way is by having abortion. And lastly it is about condition of the students themselves.

The students have gotten a hard burden of their pregnancy and it makes them depressed. If schools remind expelling them, they will get additional problems that makes them so depressed. It is not good for the students who are too young to get complex problems. All in all schools has to consider rule again and government also has to urge schools to let the pregnant students going to school.