Clustering
Clustering adalah salah satu teknik dalam analisis data yang digunakan untuk mengelompokkan data ke dalam beberapa kelompok atau cluster berdasarkan kemiripan karakteristik antara elemen-elemen data. Tujuan utama dari clustering adalah untuk mengidentifikasi pola atau struktur yang ada dalam data tanpa adanya label kelas sebelumnya. setiap cluster terdiri dari elemen-elemen data yang memiliki kemiripan yang tinggi, sementara elemen-elemen dari kelompok yang berbeda memiliki kemiripan yang lebih rendah.
Beberapa konsep dasar dalam clustering, diantaranya :
Elemen Data (Data Points): Data clustering melibatkan pengelompokan elemen-elemen data ke dalam kelompok-kelompok yang relevan. Elemen data dapat berupa objek, pengamatan, atau titik data dalam ruang multidimensional.
Cluster : kelompok atau himpunan elemen-elemen data yang memiliki kemiripan tinggi. Tujuan dari clustering adalah untuk membentuk cluster yang homogen (kemiripan tinggi dalam satu kelompok) dan heterogen (kemiripan rendah antara kelompok).
Kemiripan (Similarity): Kemiripan digunakan untuk mengukur tingkat kesamaan antara dua elemen data. Ini dapat diukur menggunakan berbagai metrik, seperti jarak Euclidean, jarak Manhattan, atau metrik korelasi, tergantung pada jenis data dan tujuan clustering.
Centroid : Dalam banyak algoritma clustering, seperti K-Means, setiap cluster memiliki titik pusat yang disebut centroid. Centroid ini digunakan untuk mewakili cluster dan sering digunakan untuk menghitung jarak antara elemen-elemen data dengan centroid.
Algoritma Clustering : Ada berbagai algoritma clustering yang dapat digunakan, termasuk K-Means, Hierarchical Clustering, DBSCAN, dan algoritma lainnya. Setiap algoritma memiliki pendekatan yang berbeda untuk membagi data menjadi cluster.
Validasi Clustering : Penting untuk mengevaluasi kualitas clustering dengan metode validasi. Metode validasi seperti indeks Silhouette, Davies-Bouldin index, dan sebagainya digunakan untuk mengukur seberapa baik cluster terbentuk.
Aplikasi Clustering : Clustering digunakan dalam berbagai bidang, termasuk analisis data, pengelompokan konsumen, segmentasi pasar, pengelompokan genetika, pengenalan pola, dan banyak lagi.
Pendekatan clustering yang umum digunakan :
Clustering Hierarkis : Pendekatan ini menciptakan hierarki kelompok yang bertingkat berdasarkan kesamaan antara objek. Pada awalnya, setiap objek diperlakukan sebagai kelompok terpisah. Kemudian, proses penggabungan berulang kali dilakukan untuk menggabungkan kelompok-kelompok yang paling mirip berdasarkan suatu metrik kesamaan. Proses ini terus berlanjut hingga semua objek tergabung dalam satu kelompok besar atau sesuai dengan kriteria penghentian yang ditentukan sebelumnya. Hasil akhirnya adalah dendrogram, yang merupakan representasi visual dari hierarki kelompok.
Clustering Partitioning : Pendekatan ini membagi objek-objek dalam himpunan data menjadi beberapa kelompok yang saling eksklusif. Algoritma yang paling umum digunakan untuk clustering partitioning adalah K-Means. Algoritma ini mengasumsikan bahwa setiap kelompok dapat diwakili oleh pusat kelompoknya. Prosesnya dimulai dengan pemilihan awal titik-titik pusat kelompok secara acak, kemudian iteratif mengoptimalkan posisi pusat kelompok berdasarkan jarak objek-objek terhadap pusat kelompok. Objek kemudian dikelompokkan berdasarkan pusat kelompok terdekat. Proses ini berlanjut hingga tidak ada perubahan dalam posisi pusat kelompok atau mencapai kriteria penghentian tertentu.
Microservice
Arsitektur microservices (atau cukup microservices saja) merupakan sebuah pendekatan untuk membangun aplikasi sebagai serangkaian/sekumpulan “service” (layanan, unit, atau komponen) yang dapat dikembangkan, di-deploy, dan dikelola secara independen atau mandiri. Bila aplikasi yang menggunakan arsitektur monolithic dibangun sebagai unit tunggal yang tidak dapat dibagi, microservices memecah unit tersebut menjadi sekumpulan unit independen yang lebih kecil (disebut service) dan berkontribusi pada keseluruhan sistem yang lebih besar. Sebuah unit atau service di dalam arsitektur microservices umumnya merupakan web service (layanan web) yang bertanggung jawab atas satu bagian domain (area logis) bisnis tertentu. Beberapa service tersebut kemudian digabungkan sehingga menjadi suatu sistem aplikasi yang lebih besar, di mana masing-masing service menyediakan fungsionalitas untuk domain bisnis tertentu dalam sistem tersebut. Setiap service saling berinteraksi/berkomunikasi satu sama lain menggunakan perantara API, seperti REST atau gRPC. Namun, mereka sama-sama tidak memiliki pengetahuan tentang cara kerja internal masing-masing service. Nah, interaksi yang harmonis di antara service ini disebut sebagai arsitektur microservices.
Dengan arsitektur microservices, kita dapat mengelola sejumlah tim yang lebih kecil yang berspesialisasi khusus pada service yang berbeda, dengan teknologi yang berbeda, dan tentunya dengan deployment yang saling terpisah. Dengan begitu, bila sebuah tim ingin melakukan deployment, tinggal lakukan saja tanpa perlu harus menunggu giliran atau khawatir akan mengganggu operasional tim lain (tentu dengan strategi matang). Ini membuat perusahaan dapat menambahkan fitur baru dan dan membuat perubahan kode aplikasi dengan lebih cepat dan mudah.
Komputasi Paralel:
Ini adalah penggunaan beberapa elemen pemrosesan secara bersamaan untuk memecahkan masalah apa pun. Masalah dipecah menjadi instruksi dan diselesaikan secara bersamaan karena setiap sumber daya yang diterapkan bekerja pada waktu yang sama.
Keunggulan Komputasi Paralel dibandingkan Komputasi Serial adalah sebagai berikut:
Ini menghemat waktu dan uang karena banyak sumber daya yang bekerja sama akan mengurangi waktu dan mengurangi potensi biaya.
Memecahkan masalah yang lebih besar pada Serial Computing mungkin tidak praktis.
Pemerintah dapat memanfaatkan sumber daya non-lokal ketika sumber daya lokal terbatas.
Komputasi Serial 'membuang' potensi daya komputasi, sehingga Komputasi Paralel membuat kerja perangkat keras menjadi lebih baik.
Jenis Paralelisme:
Paralelisme tingkat bit –
Ini adalah bentuk komputasi paralel yang didasarkan pada peningkatan ukuran prosesor. Ini mengurangi jumlah instruksi yang harus dijalankan sistem untuk melakukan tugas pada data berukuran besar.
Contoh: Pertimbangkan skenario di mana prosesor 8-bit harus menghitung jumlah dua bilangan bulat 16-bit. Pertama-tama ia harus menjumlahkan 8 bit tingkat rendah, kemudian menambahkan 8 bit tingkat tinggi, sehingga memerlukan dua instruksi untuk melakukan operasi. Prosesor 16-bit dapat melakukan operasi hanya dengan satu instruksi.
Paralelisme tingkat instruksi –
Sebuah prosesor hanya dapat menangani kurang dari satu instruksi untuk setiap fase siklus clock. Instruksi-instruksi ini dapat disusun ulang dan dikelompokkan yang kemudian dieksekusi secara bersamaan tanpa mempengaruhi hasil program. Ini disebut paralelisme tingkat instruksi.
Paralelisme Tugas –
Paralelisme tugas menggunakan penguraian tugas menjadi subtugas dan kemudian mengalokasikan setiap subtugas untuk dieksekusi. Prosesor melakukan eksekusi sub-tugas secara bersamaan.
Paralelisme tingkat data (DLP) –
Instruksi dari satu aliran beroperasi secara bersamaan pada beberapa data – Dibatasi oleh pola manipulasi data yang tidak teratur dan oleh bandwidth memori.
Mengapa komputasi paralel?
Seluruh dunia nyata berjalan dalam sifat dinamis yaitu banyak hal terjadi pada waktu tertentu tetapi di tempat berbeda secara bersamaan. Data ini sangat besar untuk dikelola.
Data di dunia nyata memerlukan simulasi dan pemodelan yang lebih dinamis, dan untuk mencapai hal tersebut, komputasi paralel adalah kuncinya.
Komputasi paralel memberikan konkurensi dan menghemat waktu dan uang.
Kumpulan data yang kompleks, besar, dan pengelolaannya hanya dapat diatur dan hanya menggunakan pendekatan komputasi paralel.
Memastikan pemanfaatan sumber daya secara efektif. Perangkat keras dijamin dapat digunakan secara efektif sedangkan dalam komputasi serial hanya sebagian perangkat keras yang digunakan dan sisanya menganggur.
Selain itu, tidak praktis untuk mengimplementasikan sistem real-time menggunakan komputasi serial.
Penerapan Komputasi Paralel:
Basis Data dan Penambangan Data.
Simulasi sistem secara real-time.
Sains dan Teknik.
Grafik tingkat lanjut, augmented reality, dan realitas virtual.
Keterbatasan Komputasi Paralel:
Ini membahas seperti komunikasi dan sinkronisasi antara beberapa sub-tugas dan proses yang sulit dicapai.
Algoritme harus dikelola sedemikian rupa sehingga dapat ditangani dalam mekanisme paralel.
Algoritma atau program harus mempunyai kopling rendah dan kohesi tinggi. Namun sulit untuk membuat program seperti itu.
Pemrogram yang lebih terampil dan ahli secara teknis dapat membuat kode program berbasis paralelisme dengan baik.
Masa Depan Komputasi Paralel: Grafik komputasi telah mengalami transisi besar dari komputasi serial ke komputasi paralel. Raksasa teknologi seperti Intel telah mengambil langkah menuju komputasi paralel dengan menggunakan prosesor multicore. Komputasi paralel akan merevolusi cara kerja komputer di masa depan, demi kebaikan. Dengan semakin terhubungnya seluruh dunia satu sama lain dibandingkan sebelumnya, Komputasi Paralel berperan lebih baik dalam membantu kita tetap seperti itu. Dengan jaringan yang lebih cepat, sistem terdistribusi, dan komputer multi-prosesor, hal ini menjadi semakin diperlukan.
Instalasi docker
Windows
Kita bisa menuju ling dokumentasi untuk penginstalan windows
https://docs.docker.com/desktop/install/windows-install/
Terdapat banyak cara untuk mneginstall di beberapa operating system
Untuk menginstall versi desktop pada windows kita tingga click tombol docker desktop for findows
Installer akan masuk pada directory download di windows dan kita bis alangsung clik 2x untuk menginstall atau enter
Pada saat menginstall terdapat beberapa pretunjuk default untuk menginstall nya kita tinggal ikuti dengan click next dan jika selesai langsung kita tutup rposes instalasinya
Jika kita ingin memulai kita tinggal mencari docker di search bar yang ada di windows
Proses memulai nya agak memekana banyak waktu
Tampilan dashboardnya akan seperti ini namun jika pertama kali menginstall akan di beri petunjuk penggunaan untuk mengikutinya kita tin ggal mengikuti petunjuk penggunaan pada dokumantasi docker nya
Linux
Kita update dulu repository sebalumnya sebelum sownload dan install docker nya
Lalu kita install docker menggunakan command sesuai dokumentasi yang disediakan pada kali ini saya menginstall di linux cengan command sudo apt-get install ./docker-desktop-4.25.0-amd.deb
Jika sudah terinstall kita cek terlebih daulu versi docker nya dengan command docker version
Jika ingin melihat layanan apa yang adadi docker bisa menggunakan command systemctl --user enable docker-desktop
Instalasi proxmox
Untuk mendonwload dan menginstal proxmox download dulu isonya
Selanjutnya kita setting pada virtual box
Selanjutknya kita setting hardware untuk mengggunaanya
Pada system kita pilih hyper v
Lalu kita masukan isonya 
Kita coba start dan install
Akan mucul pilihan waktu dan zona lokasi yang ada
Lalu terdapat pilihan untuk setting host dan dan password nya
Jikad sudha settings kan muncul tampilan summary nya
Lalu next dan proses install akan berjalan
Coba
Ubuntu
Kelebihan dan kekurangan Proxmox dan Docker
Proxmox
Kelebihan:
Virtualisasi dan Kontainer dalam Satu Solusi: Proxmox menyediakan platform yang menggabungkan virtualisasi dan kontainerisasi. Ini memungkinkan Anda untuk menjalankan mesin virtual (VM) dan kontainer pada infrastruktur yang sama, memberikan fleksibilitas dalam mengelola aplikasi dan beban kerja.
Manajemen Ritel (GUI): Proxmox memiliki antarmuka web yang user-friendly, memudahkan administrasi dan konfigurasi. Anda dapat dengan mudah membuat, mengelola, dan memantau VM dan kontainer melalui antarmuka ini.
Clustering: Proxmox mendukung clustering, yang memungkinkan Anda mengelola beberapa node Proxmox dalam satu cluster. Ini meningkatkan ketersediaan dan skalabilitas sistem.
Backup dan Restorasi: Proxmox memiliki fitur built-in untuk pencadangan dan pemulihan mesin virtual dan kontainer, sehingga Anda dapat dengan mudah melindungi data dan konfigurasi Anda.
Kekurangan:
Resource Overhead: Virtualisasi menggunakan lebih banyak sumber daya dibandingkan dengan kontainerisasi. Ini bisa menjadi kerugian jika Anda mencari efisiensi sumber daya tinggi.
Kurangnya Beberapa Fitur Lanjutan: Proxmox mungkin tidak memiliki semua fitur canggih dan opsi ketersediaan tinggi yang ditawarkan oleh platform virtualisasi yang berfokus pada perusahaan seperti VMware vSphere.
Jaringan yang Rumit: Mengatur konfigurasi jaringan lanjutan, seperti VLAN atau routing yang kompleks, bisa lebih menantang bagi pengguna yang tidak berpengalaman dalam jaringan.
Docker
Kelebihan:
Efisiensi Sumber Daya: Docker menggunakan kontainerisasi, yang memungkinkan Anda menjalankan aplikasi dengan overhead sumber daya yang lebih rendah daripada virtualisasi tradisional.
Portabilitas: Kontainer Docker sangat portabel, yang berarti Anda dapat menjalankannya di berbagai lingkungan yang mendukung Docker tanpa banyak perubahan.
Kemudahan Pengembangan: Docker membuat pengembangan dan distribusi aplikasi menjadi lebih mudah. Anda dapat membuat kontainer yang berisi semua dependensi aplikasi dan menjalankannya di berbagai lingkungan tanpa masalah.
Komunitas dan Ekosistem yang Kuat: Docker memiliki komunitas pengguna yang besar dan ekosistem yang kuat, dengan banyak gambar kontainer siap pakai yang tersedia.
Kekurangan:
Ketergantungan pada Host OS: Docker kontainer berbagi kernel host, yang dapat menyebabkan masalah keamanan jika konfigurasi tidak benar. Masalah pada kernel host juga dapat memengaruhi kontainer.
Kendala untuk Aplikasi yang Memerlukan Virtualisasi Penuh: Docker tidak cocok untuk aplikasi yang memerlukan isolasi dan virtualisasi penuh seperti beberapa aplikasi yang memerlukan sistem operasi yang berbeda.
Kurangnya Isolasi yang Ketat: Kontainer Docker, meskipun cukup terisolasi, tidak seketat virtualisasi penuh, sehingga ada kemungkinan terbatasnya isolasi aplikasi.
0 Comments