Ilmu Pengetahuan & Teknologi - Laman 11 dari 40

Konsep Jarak di Data Science

Sumber: https://twitter.com/DataScienceDojo/status/1497678609057734661/photo/1

Masalah Unknown collation: ‘utf8mb4_0900_ai_ci’ pada MySQL

Permasalahan

export database dari MySQL versi baru, untuk diimport ke database MySQL versi lama. Muncul pesan kesalahan “ERROR 1273 (HY000) at line 78: Unknown collation: ‘utf8mb4_0900_ai_ci'”

Penyebab:

MySQL versi baru menggunakan collation utf8mb4_0900_ai_ci yang tidak dikenal di MySQL versi lama

Solusi:

Edit file dump

Edit file dump database dengan mengganti string berikut ini:

Ganti string “utf8mb4_0900_ai_ci” menjadi “utf8_general_ci”
Ganti string “CHARSET=utf8mb4” menjadi “CHARSET=utf8”

Jika file dump database besar sekali (ratusan mega atau beberapa giga), editor teks biasanya tidak sanggup membaca file tersebut. Untuk itu kita bisa menggunakan program ‘sed’ di Linux:


# sed -i 's/utf8mb4_0900_ai_ci/utf8_general_ci/g' dump.sql
# sed -i 's/CHARSET=utf8mb4/CHARSET=utf8/g' dump.sql

Ubah Collation Database

Cara lain adalah dengan cara mengubah collation di database/tabel tersebut

ALTER DATABASE <database_name> CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

ALTER TABLE artikel MODIFY url title(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci;

Referensi

Unknown collation: ‘utf8mb4_unicode_ci’ cPanel
https://tecadmin.net/resolved-unknown-collation-utf8mb4_0900_ai_ci/
https://stackoverflow.com/questions/1294117/how-to-change-collation-of-database-table-column

Fast Forward Computer Vision

Fast Forward Computer Vision, Fast Forward Computer Vision

Tautan: https://github.com/libffcv/ffcv https://ffcv.io/

Simple StyleGan2 for Pytorch

Tautan: https://github.com/lucidrains/stylegan2-pytorch

Gambar-gambar ini tidak ada di kehidupan nyata

Gunung Berapi Hunga Tonga

Baru saja ada letusan gunung berapi di Tonga

Letusan ini adalah terbesar pada letusan gunung ini yang tercatat dalam sejarah. Sebelumnya mestinya pernah terjadi letusan yang lebih hebat.

Berikut ini peta lokasi Tonga di samudera Pasifik

Ibukota Tonga adalah Nuku’alofa

Berikut ini peta pulau tempat terjadinya letusan tersebut

Hunga Tonga Ha’apai berjarak sekitar 68 kilometer dari ibukota Nuku’alofa

Jarak Hunga Tonga Hunga Ha'apai ke Nuku'alofa — Jarak Hunga Tonga Hunga Ha’apai ke Nuku’alofa

Jarak Tonga ke Indonesia

Berikut ini jarak Tonga ke Papua, titik terdekat di Indonesia

Gunung berapi ini terdiri dari dua pulau yang tidak berpenghuni, yaitu Hunga-Ha’apai dan Hunga-Tonga, dengan ketinggian sekitar 100 meter di atas permukaan laut. Bagian terbesar dari gunung ini tidak kelihatan, dengan ukuran ketinggian 1800 m dari dasar laut dan lebar 20 km

Pulau yang nampak di atas permukaan laut hanyalah sebagian kecil dari struktur pulau tersebut. Hunga Tonga adalah gunung bawah laut. Daratan yang nampak di permukaan hanyalah sebagian kecil dari bibir kaldera. Struktur gunung ini dapat dilihat lebih jelas jika kita melihat peta kedalaman permukaan dasar bawah laut sebagai berikut ini.

Pulau ini terletak di daerah subduksi, di mana lempeng Pasifik tenggelam di bawah lempeng lain. Batuan di lempeng Pasifik ini mengandung air. Air yang terbawa ke bawah tanah ini kemudian bercampur dengan batuan yang sudah ada di sekitarnya. Sifat air ini adalah menurunkan titik lebur batuan, sehingga batuan di daerah subduksi ini sebagian akan mencair menjadi magma. Magma yang relatif ringan ini kemudian naik ke permukaan, dan keluar ke permukaan bumi menjadi gunung berapi

Berikut ini tampak perspektif gunung tersebut dari arah timur laut. Ukuran vertikal diperbesar 2x dari sesungguhnya. Gambar ini diambil dari hasil survey bathymetry

Model 3D dari HTHH

Gambar-gambar berikut ini dibuat di tahun 2017 dari artikel “The Story of Hunga Tonga Hunga Ha’apai Island in the Kingdom of Tonga“

Foto Satelit Setelah Letusan

Foto satelit sebelum letusan (6 Januar 2022i) dan sesudah letusan (18 Januari 2022) [SUMBER]

Referensi

Tips Python

Mengubah nilai suatu baris/kolom di Panda dengan syarat tertentu [ref]

df.loc[df.Weight == "155", "Name"] = "John"

Menambah kolom kosong di Panda

df.['namakolom]=""

Instalasi YoloX di Windows 10

Tahap pertama instalasi Anaconda di Windows 10. Prosedurnya dapat diikuti di https://docs.anaconda.com/anaconda/install/windows/

Jalankan Anaconda Powershell Prompt di Windows 10.

Buat environment conda khusus untuk YoloX, menggunakan Python 3.7 di console Anaconda

conda create -n yolox python=3.7.6

Tampilan instalasi environment di Anaconda

Aktifkan environment tersebut

conda activate yolox

Instalasi Pytorch for Windows. Prosedur instalasi diadaptasi dari https://pytorch.org/get-started/locally/

Jalankan perintah instalasi Pytorch



conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

Proses instalasi ini cukup lama, bisa memakan waktu beberapa jam karena proses download yang cukup lama.

PIlih direktori untuk melakukan instalasi YoloX, pada contoh ini adalah c:\work\

cd c:/work

Selanjutnya lakukan proses clone source code YoloX dari situs https://github.com/Megvii-BaseDetection/YOLOX

git clone https://github.com/Megvii-BaseDetection/YOLOX

Lakukan perintah instalasi prasyarat

pip3 install -U pip 
pip3 install -r requirements.txt
pip3 install -v -e .
pip3 install cython
pip3 install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

Proses instalasi selesai, selanjutnya ujicoba dengan gambar demo. Untuk itu download dulu bobot untuk COCO dataset.

wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth

Lakukan proses inferensi dengan bobot YoloX-S

python tools/demo.py image -f exps/default/yolox_s.py -c yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device cpu

Cara lain:

python tools/demo.py image -n yolox-x -c yolox_x.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device cpu

Model Segmentasi Gambar

Model Segmentasi Gambar, atau Image Segmentation Model

Sumber: https://github.com/qubvel/segmentation_models.pytorch

Beberapa arsitektur penting:

Unet [paper] [docs]
Unet++ [paper] [docs]
MAnet [paper] [docs]
Linknet [paper] [docs]
FPN [paper] [docs]
PSPNet [paper] [docs]
PAN [paper] [docs]
DeepLabV3 [paper] [docs]
DeepLabV3+ [paper] [docs]

Instalasi YoloX di Ubuntu 20.04.3

Berikut ini proses intalasi YoloX di Ubuntu 20.04.03

Tahap pertama adalah instalasi Ubuntu 20.04.03, sesuai petunjuk di https://ubuntu.com/download/desktop

Setelah itu lakukan proses update library di Ubuntu

apt update
apt upgrade

Install anaconda, petunjuknya dapat dilihat di https://docs.anaconda.com/anacond a/install/linux/

Buat environment khusus untuk yolox

conda create -n yolox python=3.7.6
conda activate yolox

Proses berikutnya mengacu ke prosedur instalasi di https://github.com/Megvii-BaseDetection/YOLOX

Clone YOLOX

git clone https://github.com/Megvii-BaseDetection/YOLOX

Install pytorch, prosedur diadaptasi dari https://pytorch.org/get-started/locally/

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

Instalasi YoloX dan Pycoco

pip3 install -U pip 
pip3 install -r requirements.txt
pip3 install -v -e .
pip3 install cython
pip3 install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

Proses instalasi selesai, selanjutnya ujicoba dengan gambar demo. Untuk itu download dulu bobot untuk COCO dataset.

wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth

Lakukan proses inferensi dengan bobot YoloX-S

python tools/demo.py image -f exps/default/yolox_s.py -c yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device cpu

Cara lain:

python tools/demo.py image -n yolox-x                 -c yolox_x.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device cpu

Referensi

Cetak Biru Strategi Transformasi Digital Kesehatan 2024

Sumber dokumen: “Cetak Biru Transformasi Digital Kesehatan 2024” di situs dto.kemkes.go.id

Tim Penyusun:
Digital Transformation Office (DTO), Kementerian Kesehatan:

Setiaji (Chief of DTO),
Agus Rachmanto (Deputy Chief DTO),
Farzikha Indrabhaskara Soerono (Chief of Product Officer),
Daniel Oscar Baskoro (Chief of Operating Officer),
Dandy Masyaril Handoko (Chief of Data Officer),
Reza Rudyanto Pramono (Chief of Technology Officer),
Fakhrur Ridha (Head of Engineering),
Pandu Edward Poluan (Head of Security),
Parama Fadli Kurnia (Head of Data Engineering and Infrastructure),
Janice Katherine Widjaja (Head of Communication),
Arina Larasati (Head of Organization Development),
Dewi Nur Aisyah (Head of Tribe Pelayanan Kesehatan Primer),
Agus Mutamakin (Head of Tribe Pelayanan Kesehatan Sekunder),
Bagus Binatoro Soewoko (Head of Tribe Ketahanan Kesehatan),
Suryastri Boni (Head of Tribe Resiliensi Farmasi dan Alat-Alat Kesehatan), dan
Alex Lukmanto Suherman (Head of Tribe Bioteknologi).

Pusat Data dan Informasi (PUSDATIN), Kementerian Kesehatan:

dr. Anas Maruf, MKM (Kepala Pusat Data dan Informasi).

Didukung Oleh:

United Nations Development Programme (UNDP) dan Pemerintah Jepang.

Mitra Kerja:

United States Agency for International Development (USAID).

Ringkasan Eksekutif

Salah satu permasalahan kesehatan di Indonesia saat ini adalah data kesehatan yang terfragmentasi karena banyaknya aplikasi dan keterbatasan regulasi dalam standardisasi dan pertukaran data. Berdasarkan hasil pemetaan saat ini, terdapat lebih dari 400 aplikasi kesehatan yang dikembangkan oleh pemerintah pusat dan daerah. Kondisi ini menjadikan kebijakan kesehatan belum sepenuhnya berlandaskan pada data yang menyeluruh serta pelayanan kesehatan yang kurang efisien.

Pandemi COVID-19 dan perkembangan teknologi mendorong Kemenkes RI untuk segera melakukan transformasi digital kesehatan sebagai lompatan menuju sektor kesehatan Indonesia yang semakin maju dan berkeadilan. Kemenkes RI memiliki visi untuk melakukan digitalisasi di sektor kesehatan sejak awal kehidupan di dalam kandungan hingga pelayanan kesehatan terpadu bagi pasien lansia. Visi tersebut tertuang di dalam Peraturan Menteri Kesehatan Republik Indonesia (Permenkes RI) No. 21 Tahun 2020 yang telah mensyaratkan adanya upaya perubahan tata kelola pembangunan kesehatan yang meliputi integrasi sistem informasi, penelitian, dan pengembangan kesehatan. Transformasi digital kesehatan Indonesia ditargetkan mampu menghasilkan sumber daya manusia (SDM) yang berkapasitas dalam menganalisa data kesehatan. Hal tersebut bertujuan untuk menyusun kebijakan berbasis data di setiap instansi kesehatan.

Berkenaan dengan hal di atas, Kemenkes RI merumuskan Cetak Biru Strategi Transformasi Digital Kesehatan 2024 yang berlandaskan semangat mewujudkan Indonesia Sehat secara kolaboratif bersama seluruh ekosistem pelaku industri kesehatan dalam suatu Platform Indonesia Health Services (IHS). Platform IHS merupakan sebuah platform ekosistem digital kesehatan yang menyediakan konektivitas data, analisis, dan layanan untuk mendukung dan mengintegrasikan berbagai aplikasi kesehatan di Indonesia. Platform IHS dibangun berdasarkan enam prinsip utama.

Referensi