CARA INSTALL MIKROTIK

1. masukkan cd mikrotik ke dalam cd/dvd room.

2. Setting bios komputer anda, pada booting awal (first boot)nya adalah cd/dvd room anda.

3. setelah di setting maka komputer anda akan booting pertama kale ke cd/dvd room anda. Jika berhasil maka akan muncul tampilan seperti dibawah ini.

4. Pencet tombol “A” untuk memilih semua konfigurasi. klik tombol “M” untuk memilih konfigurasi minimal. klik tombol “SPACE” untuk memilih konfigurasi secara manual.
5. jika sudah yakin maka klik yombol “I” untuk memulai menginstal.

6. Jika muncul seperti gambar diatas maka kita disuruh memilih memakai konfigurasi yang lama (jika sudah pernah menginstal mikrotik) atau tidak.Klik tombol “Y” untuk menyetujui, atau klik tombol “N” untuk tidak menyetujui.
7. Setelah itu akan muncul peringatan yang maksudnya adalah memberitahu kita bahwa semua data akan hilang dan menanyakan apakah kita yakin atau tidak. Klik tombol “Y” untuk menyetujui, atau klik tombol “N” untuk tidak menyetujui.

8. jika muncul seperti gambar dibawah ini maka proses instalasi telah selesai. keluarkan kaset mikrotik anda, setelah itu tekan enter untuk merestart komputer anda secara otomatis.

9. Setelah komputer anda restart maka anda akan diminta untuk check disk atau tidak. Klik tombol “Y” untuk menyetujui, atau klik tombol “N” untuk tidak menyetujui.

10. setelah itu akan muncul tampilan login. “admin” (tanpa tanda petik) pada Mikrotik Login. Dan pada password enter aja. karena password defaultnya tidak ada password,,,,

11. Jika berhasil maka akan muncul gambar tampilan awal mikrotik (lihat gambar dibawah ini). Menandakan anda telah berhasil menginstal mikrotik.

12. [admin@mikrotik] >system identity set name=gian
[admin@gian] >user set admin password=sakti
[admin@gian] >interface ethernet enable ether1
[admin@gian] >interface ethernet enable ether2
[admin@gian] >interface ethernet set ether1 name=
[admin@gian] >interface ethernet set ether2 name=
[admin@gian] >ip address add interface=gian address= 192.168.1.1/255.255.255.0
[admin@gian] >ip address add interface=hello address= 192.168.1.2/255.255.255.0
[admin@gian] >ip route add gateway=117.112.1.1
[admin@gian] >ip dns set primary-dns=2020.126.1.11 secondary-dns=202.126.1.12
[admin@gian] >ip address print
[admin@gian] >ip dns print
[admin@gian] >setup

Data Mining & Data Wherehouse

K-Nearest Neighbor (K-NN)

K-Nearest Neighbor (K-NN) adalah suatu metode yang menggunakan algoritma supervised dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada K-NN. Tujuan dari algoritma ini adalah mengklasifikasi objek baru berdasakan atribut dan sampel latih. pengklasifikasian tidak menggunakan model apapun untuk dicocokkan dan hanya berdasarkan pada memori. Diberikan titik uji, akan ditemukan sejumlah K objek (titik training) yang paling dekat dengan titik uji. Klasifikasi menggunakan voting terbanyak di antara klasifikasi dari K objek. Algoritma K-NN menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari sample uji yang baru. Dekat atau jauhnya tetangga biasanya dihitung berdasarkan jarak Eucledian.

Algoritma metode KNN sangatlah sederhana, bekerja dengan berdasarkan pada jarak terpendek dari sample uji ke sample latih untuk menentukan KNN nya. Setelah mengumpulkan KNN, kemudian diambil mayoritas dari KNN untuk dijadikan prediksi dari sample uji.

Data untuk algoritma KNN terdiri dari beberapa atribut multi-variate X_i yang akan digunakan untuk mengklasifikasikan Y. Data dari KNN dapat dalam skala ukuran apapun, dari ordinal ke nominal.

KNN memiliki beberapa kelebihan yaitu bahwa dia tangguh terhadap training data yang noisy dan efektif apabila data latih nya besar. Sedangkan kelemahan dari KNN adalah KNN perlu menentukan nilai dari parameter K (jumlah dari tetangga terdekat), pembelajaran berdasarkan jarak tidak jelas mengenai jenis jarak apa yang harus digunakan dan atribut mana yang harus digunakan untuk mendapatkan hasil yang terbaik, dan biaya komputasi cukup tinggi karena diperlukan perhitungan jarak dari tiap sample uji pada keseluruhan sample latih

Algoritma Nearest Neighbor

Klasifikasi adalah proses untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk dapat mem[erkirakan kelas dari suatu objek yang labelnya belum diketahui. Model itu sendiri dapat berupa aturan “jika-maka”, berupa decision tree, formula matematis atau neural network. Salah satu metode klasifikasi yaitu Nearest Neighbor.

Nearest Neighbor merupakan metode untuk mengklasifikasikan suatu data baru berdasarkan similaritas atau kemiripan dengan labeled data. Similaritas menggunakan metrik jarak dengan satuan Euclidian. Macam-macam algoritma  Nearest Neighbor yaitu:

1. Algoritma 1-NN

Pengklasifikasian dilakukan terhadap 1 labeled data terdekat. Berikut ini adalah ilustrasi algoritma 1-NN:

Pada ilustrasi diatas, data baru (node warna biru) akan diklasifikasikan ke dalam kelompok hipertensi dan tidak hipertensi. Dari kelima data yang tersebar dalam kelompok hipertensi dan tidak hipertensi, data input (node biru) lebih dekat dengan salah satu pada kelompok hipertensi. Dengan demikian, dapat disimpulkan bahwa data baru tersebut termasuk ke dalam kelompok hipertensi.

Rumus euclide distance yang digunakan dalam metode 1-NN untuk mengambil keputusan dengan menghitung jarak terpendek antara input dengan masing-masing data yang penentuan bobot atau label dilakukan secara acak atau random yaitu:

1. Algoritma K-NN

Pengklasifikasian dilakukan terhadap k labeled data terdekat. Dimana k>1. Berikut ini adalah ilustrasi algoritma K-NN:

 

Langkah-langkah dalam metode K-NN adalah sebagai berikut:

1. Tentukan k.
2. Hitung jarak antara data baru ke setiap labeled data.
3. Tentukan k labeled data yang mempunyai jarak yang paling minimal.
4. Klasifikasikan data baru ke dalam labeled data yang mayoritas.

Kelemahan Algoritma k-Nearest Neighbors
Pada algoritma k-NN proses kategorisasi dilakukan dengan menggunakan k-values yang sama pada semua kategori, tanpa memperhitungkan jumlah dokumen latih yang dimiliki oleh tiap-tiap kategori. Sedangkan distribusi dokumen latih dalam training set tidak sama, yaitu terdapat beberapa kategori yang memiliki jumlah dokumen latih yang lebih banyak daripada kategori yang lain.
Ketika k-values yang ditetapkan terlalu kecil, maka akan menghasilkan akurasi yang rendah, karenakan hasil kategori akan lebih terpengaruh dengan noise(Chairina., Rizal., dan Agung. 2008). Sedangkan menurut Baoli., Shiwen., dan Qin (2003) apabila k-values yang ditetapkan terlalu tinggi memang akan mengurangi efek noise tetapi juga membuat akurasi menjadi rendah karena hasil kategori dokumen uji lebih terpengaruh pada kategori yang memiliki jumlah dokumen latih yang lebih besar.
Kelemahan ini dapat diatasi dengan melakukan analisa dari hasil percobaan dengan berbagai variasi k-values (cross-validation). Namun metode ini memiliki running time dan computation cost sangat tinggi.

Algoritma Improved k-Nearest Neighbors  
Algoritma Improved k-Nearest Neighbors melakukan modifikasi dalam penentuan k-values. Dimana penetapan k-values tetap dilakukan, hanya saja tiap-tiap kategori memiliki k-values yang berbeda. Perbedaan k-values yang dimiliki pada tiap-tiap kategori disesuaikan dengan besar-kecilnya jumlah dokumen latih yang dimiliki kategori tersebut. Sehingga ketika k-values semakin tinggi, hasil kategori tidak terpengaruh pada kategori yang memiliki jumlah dokumen latih yang lebih besar.
Perhitungan penetapan k-values pada algoritma Improved k-Nearest Neighborsdilakukan menggunakan persamaan (2.3) dengan terlebih dahulu mengurutkan secara menurun hasil dari persamaan (2.2) pada tiap-tiap kategori.

Data Mining & Data Wherehouse

DATA MINING 5

 Jika dua benda diwakili oleh tupel (a, b, c, d, e) dan (f, g, h, i, j):
- Hitung jarak Euclidean antara dua benda.
- Hitung jarak Manhattan antara dua benda.
- Hitung jarak Minkowski antara dua benda, menggunakan h = 3.
- Hitung jarak supremum antara dua benda.

o  a = X * 91

o  b = X * 92

o  c = X * 93

o  d = X * 94

o  e = X * 95

o  f = X * 80

o  g = X * 81

o  h = X * 82

o  i = X * 83

o  j = X * 84

X = two last digit in your student identity number

 Penyelesaian:

Jika X=23 , maka :

·         a = 23 x 91 = 2093

·         b = 23 x 92 = 2116

·         c = 23 x 93 = 2139

·         d = 23 x 94 = 2162

·         e = 23 x 95 = 2185

·         f = 23 x 80 = 1840

·         g = 23 x 81 = 1863

·         h = 23 x 82 = 1886

·         i = 23 x 83 = 1909

·         j = 23 x 84 = 1932

Objek    y    =  ( a, b, c, d, e )

                   =  (2093 , 2116,2139,2162,2185)

Objek    z    =  ( f, g, h, i, j )

                    =   ( 1840 , 1863, 1886, 1909, 1932)

   Euclidean distance

Manhattan distance

Minkowski distance  (h = 3) :

Supremum distance :

DATA MINNING DAN DATA WHEREHOUSE

Data Mining

Definisi Data Mining 
 •Data mining adalah proses yang  memperkerjakan satu atau lebih teknik-teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge) secara otomatis.
 
 •Data mining merupakan proses iteratif dan interaktif untuk menemukan pola atau model yang baru, bermanfaat, dan dimengerti dalam suatu database yang sangat besar (massive databases). 

 •Data mining merupakan serangkaian proses untuk menggali nilai tambah dari suatu kumpulan data berupa pengetahuan yang selama ini tidak diketahui secara manual dari suatu kumpulan data 

 •Data mining menggunakan berbagai perangkat lunak analisis data untuk menemukan pola dan relasi data agar dapat digunakan untuk membuat prediksi dengan tepat 

Kebutuhan akan Data Mining Disebabkan karena : 
•Ketersediaan data yang melimpah, kebutuhan akan informasi  (pengetahuan) sebagai pendukung pengambilan keputusan untuk membuat solusi bisnis 
•Ketersediaan data transaksi dalam volume yang besar 
•Informasi yang penting melahirkan gudang data yang mengintegrasikan informasi dari sistem yang tersebar untuk mendukung pengambilan keputusan 
•Ketersediaan teknologi informasi yang terjangkau dan dapat diadopsi secara luas. 

Ilmu-ilmu yang berkaitan dengan Data Mining 
•Database                             
•Information science                     
•High performance computing
•Visualization 
•Machine learning 
•Statistics 
•Artificial Neural networks 
•Mathematical modeling 
 Information retrieval           
•Pattern recognition

Penerapan Data Mining 

Analisa Pasar dan Manajemen 
- Menebak target pasar 
- Melihat pola beli pemakai dari waktu ke waktu
- Cross Market Analysis 
- Profil Customer 
- Identifikasi Kebutuhan Customer 
- Menilai loyalitas customer 
- Informasi summary 

Analisa Perusahaan dan Manajemen Resiko 
- Merencanakan Keuangan dan Evaluasi Aset 
- Merencanakan Sumber Daya (Resource Planning) 
- Memonitor Persaingan (Competition) 
Telekomunikasi 
- Melihat jutaan transaksi yang masuk dengan 
- tujuan menambah layanan otomatis 
Keuangan 
- Mendeteksi transaksi-transaksi keuangan yang mencurigakan dimana akan susah dilakukan jika menggunakan analisis standar. 
Asuransi 
-Digunakan Australian Health Insurance Commision untuk mengidentifikasi layanan kesehatan dan berhasil menghemat satu juta dollar pertahun 
Olah raga 
- Digunakan IBM Advanced Scout untuk menganalisis statistik permainan NBA dalam rangka competitive advantage untuk tim New York Knicks 
Internet Web Surf-Aid 
-Digunakan IBM Surf-Aid untuk mendata akses halaman Web khususnya berkaitan dengan pemasaran melalui web. 

Knowledge Discovery in Databases (KDD) 
Definisi Knowledge Discovery in Database (KDD) 
- Knowledge discovery in databases (KDD) adalah keseluruhan proses untuk mencari dan mengidentifikasi pola (pattern) dalam data, dimana pola yang ditemukan dapat bermanfaat dan dapat dimengerti. 
- KDD berhubungan dengan teknik integrasi,interpretasi dan visualisasi dari pola pola sejumlah kumpulan data. 

Tahapan Proses KDD 
1. Data Selection 
- Menciptakan himpunan data target,pemilihan himpunan data, atau memfokuskan pada subset variabel atau sampel data, dimana penemuan (discovery) akan dilakukan. 
- Hasil seleksi disimpan dalam suatu berkas, terpisah dari basis data operasional. 

2. Pre-processing / Cleaning 
- Pre-processing dan cleaning data merupakan operasi dasar yang dilakukan seperti penghapusan noise.
- Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan cetak 
- Data bisa diperkaya dengan data atau informasi ekternal yang relevan 

3. Transformation 
- Merupakan proses integrasi pada data yang telah dipilih, sehingga data sesuai untuk proses data mining. 
-Merupakan proses yang sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data 

4. Data mining 
- Pemilihan tugas data mining merupakan pemilihan goal dari proses KDD misalnya karakterisasi, klasifikasi, regresi,clustering, asosiasi, dll. 
- Proses Data Mining yaitu proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik, metode atau algoritma tertentu yang bervariasi 
- Pemilihan teknik, metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan.  

5. Interpretation/ Evaluation 
- Yaitu penerjemahan pola-pola yang dihasilkan dari data mining.
- Pola informasi yang dihasilkan perlu ditampilkan dalam bentuk yang mudah dimengerti 
- Tahap ini melakukan pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesa yang ada sebelumnya. 

 Data Pre-processing
Beberapa alat dan metode yang digunakan seperti :
- Sampling : menyeleksi subset representatif dari populasi data yang besar. 
- Transformation : memanipulasi data mentah untuk menghasilkan input tunggal. 
- Denoising : menghilangkan noise dari data 
- Normalization : mengorganisasi data untuk pengaksesan yang lebih spesifik 
- Feature Extraction : membuka spesifikasi data yang signifikan dalam konteks tertentu. 

 Data Reduction
- Data reduction merupakan teknik yang digunakan untuk mentransformasi dari data mentah ke bentuk format data yang lebih berguna. Sebagai contoh groupping, counting, summing dan averaging data.
- Data reduction dilakukan untuk mengatasi ukuran data yang terlalu besar yang dapat menimbulkan ketidakefisienan proses dan peningkatan biaya pemrosesan.

 OLAP (On-Line Analytical Processing)
- OLAP adalah suatu sistem atau teknologi yang dirancang untuk mendukung proses analisis kompleks dalam rangka mengungkapkan kecenderungan pasar dan faktor-faktor penting dalam bisnis
- Kemampuan OLAP yaitu bisa menaikkan atau  menurunkan dimensi data sehingga kita dapat menggali data sampai detail dan memperoleh pandangan yang luas mengenai objek yang sedang dianalisis.

OLAP (On-Line Analytical Processing) 
- OLAP dapat digunakan membuat rangkuman baru dari multidimensi data yang berbeda, dan dapat merespon secara online, dan memberikan view dua dimensi pada data cube multidimensi secara interaktif.

ARSITEKTUR & MODEL DATA MINING

Data Warehouse
Definisi :
Data Warehouse adalah Pusat repositori informasi yang mampu memberikan database berorientasi subyek untuk informasi yang bersifat historis yang mendukung  DSS (Decision Suport System) dan EIS (Executive Information System). Salinan dari transaksi data yang terstruktur secara spesifik pada query dan analisa. Salinan dari transaksi data yang terstruktur spesifik untuk query dan laporan

Tujuan :
Meningkatkan kualitas dan akurasi informasi bisnis dan mengirimkan informasi  ke pemakai dalam bentuk yang dimengerti dan dapat diakses dengan mudah. 

Ciri-ciri Data Warehouse
Terdapat 4 karateristik data warehouse
1. Subject oriented
- Data yang disusun menurut subyek berisi hanya informasi yang penting bagi pemprosesan decision support.
- Database yang semua informasi yang tersimpan di kelompokkan berdasarkan subyek tertentu misalnya: pelanggan, gudang, pasar, dsb.
- Semua Informasi tersebut disimpan dalam suatu sistem data warehouse.
- Data-data di setiap subyek dirangkum ke dalam dimensi, misalnya : periode waktu, produk,  wilayah, dsb, sehingga  dapatmemberikan nilai sejarah untuk bahan analisa.  

2. Integrated
- Jika data terletak pada berbagai aplikasi yang terpisah dalam suatu lingkungan operasional, encoding data sering tidak seragam sehinggga bila data dipindahkan ke data warehouse maka coding akan diasumsikan sama seperti lazimnya.

3. Time-variant
- Data warehouse adalah tempat untuk storing data selama 5 sampai 10 tahun atau lebih, data digunakan untuk perbandingan atau perkiraan dan data ini tidak dapat diperbaharui.

4. Non volatile
- Data tidak dapat diperbaharui atau dirubah tetapi hanya dapat ditambah dan dilihat.

Masalah-masalah dalam menerapkan Data warehouse :
- Dokumentasi dan pengelolaan metadata dari data warehouse.
- Penentuan aturan dalam proses transformasi untuk memetakan  berbagai sumber legacy data yang akan dimasukkan ke dalam data warehouse.
- Pencapaian proses pengembangan yang handal, baik dalam membangun, mempimplementasikan, maupun memelihara data warehouse.

Data Mart Definisi Data Mart
- Data Mart adalah subset dari data warehouse yang mendukung kebutuhan informasi dari departemen atau fungsi bisnis tertentu.
- Data Mart adalah struktur data yang cakupannya lebih kecil dari data warehouse dimana data dibagi berdasarkan kebutuhan informasi setiap departemen

Data Warehouse / Data Mart VS OLAP
OLAP adalah teknologi yang memproses data di dalam Data Warehouse / Data Mart dalam struktur multidimensi, menyediakan jawaban yang cepat untuk query analisis yang kompleks

 Keterangan :
1. Data cleaning (Pembersihan Data) : untuk membuang data yang tidak konsisten dan noise)
2. Data integration  : penggabungan data dari beberapa sumber
3. Data Mining Engine : Mentranformasikan data menjadi bentuk yang sesuai untuk di mining
4. Pattern evaluation : untuk menemukan yang bernilai melalui knowledge base
5. Graphical User Interface (GUI) : untuk end user
Semua tahap bersifat interaktif di mana user terlibat langsung atau dengan perantaraan knowledge base

Model Data Mining  
Prediction Methods
- Menggunakan beberapa variabel untuk memprediksi sesuatu atau suatu nilai yang akan datang.
Description Methods
- Mendapatkan pola penafsiran (human-interpretable patterns) untuk menjelaskan data.

Klasifikasi
- Proses untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data dengan tujuan untuk dapat memprediksi kelas dari suatu objek yang labelnya tidak diketahui
- Contoh : Mendeteksi Penipuan
- Tujuan : Memprediksi kasus kecurangan transaksi  kartu kredit.
Pendekatan :
- Menggunakan transaksi kartu kredit dan informasi dilihat dari atribut account holder
- Kapan cutomer melakukan pembelian, Dengan cara apa customer membayar, sebarapa sering customer membayar secara tepat waktu, dll
- Beri nama/tanda transaksi yang telah dilaksanakan sebagai transaksi yang curang atau yang baik. Ini sebagai atribut klass ( the class attribute.)
- Pelajari model untuk class transaksi
- Gunakan model ini untuk mendetekdi kecurangan dengan meneliti transaksi kartu kredit pada account.

Classification Techniques
- Decision Tree based Methods
- Neural Networks
- Rule-based Methods
- Memory based reasoning
- Naïve Bayes and Bayesian Belief Networks
- Support Vector Machines

Regression
- Digunakan untuk memetakan data dengan prediksi atribut bernilai real
Contoh:
- Memprediksi jumlah penjualan produk baru pada advertising expenditure.
- Memprediksi kecepatan memutar (wind velocities) pada fungsi temperatur, tekanan udara , dll

Examples of Regression Task
- Memprediksi jumlah penjualan produk baru pada advertising expenditure (belanja iklan).
- Memprediksi kecepatan memutar (wind velocities) pada fungsi temperatur, tekanan udara , dll
- Memperkirakan metode distribusi dan kapasitas distribusi

Regression Techniques
- Linear Regression
- Logistic Regression
- SQL Server Data Mining mendukung teknik :
Regression Trees (bagian Microsoft Decission Trees)
- Neural Network
- Oracle Data Mining mendukung teknik :
Generalized Linear Models (GLM)
Support Vector Machines (SVM

Decision tree (Pohon keputusan)
- Salah satu model klasifikasi yang mudah di interpretasikan
- Contoh : identifikasi pembeli komputer ( dari decision tree di bawah ini ternyata salah satu kelompok yang potensial adalah orang yang berusia < 30 dan pelajar

Deviation Detection / Deviation Analysis
- Digunakan untuk mencari kasus yang bertindak sangat berbeda dari normalnya
- Mengidentifikasi kasus yang tidak normal diantara jutaan transaksi

Examples of Deviation Analysis Task
- Pendeteksian penyalah gunaan Kartu kredit.
- Pendeteksian gangguan jaringan komputer
- Analisa kesalahan produksi, dll
Deviation Analysis Techniques
- Decision trees
- Neural networ

Neural Network (Jaringan syaraf tiruan) 
- Jaringan syaraf buatan di mulai dengan layer input, dimana tiap simpul berkorespondensi dengan variabel prediktor.
- Simpul- simpul input ini terhubung kebeberapa simpul dalam hidden layer.
- Dan simpul dalam hidden layer dapat terhubung ke simpul  lain dalam hidden layer atau ke output layer.
- Output layer terdiri dari satu atau beberapa variable respon

Clustering
- Disebut juga sebagai Segmentation
- Clustering adalah suatu alat untuk analisa data, yang memecahkan permasalahan penggolongan
- Clustering mendistribusikan obyek ke dalam kelompok, sehingga :
  - derajat tingkat keterhubungan antar anggota cluster yang sama adalah kuat dan
  - derajat tingkat keterhubungan antar anggota cluster yang berbeda adalah lemah
- Sehingga, kita lihat bahwa clustering bermakna menggolongkan data atau membagi satuan data yang besar ke dalam satuan data yang lebih kecil yang memiliki kesamaan. Algoritma clustering tercakup dalam aplikasi BI2M. Lihat contoh dari penggunaan clustering dalam BI2M.

Gambar dibawah ini menunjukkan kelompok data pelanggan yang berisi dua atribut, yaitu Age (Umur) dan Income (Pendapatan).

Algoritma Clustering mengelompokkan kelompok data kedalam tiga segment berdasarkan kedua atribut ini.
- Cluster 1 berisi populasi berusia muda dengan pendapatan rendah
- Cluster 2 berisi populasi berusia menengah dengan pendapatan yang lebih tinggi
- Cluster 3 berisi populasi berusia tua dengan pendapatan yang relatif rendah.

Outline
Teknik-teknik data mining terdiri dari :
• Analisis cluster
• Induksi (pohon keputusan dan aturan induksi)
• Jaringan syaraf buatan (Neural Network)
• Online Analytical Processing (OLAP)
• Visualisasi data

Analisis Cluster

• Dalam lingkungan ‘unsupervised learning’, sistem harus mendapatkan klas2nya sendiri dan ini dilakukan dengan mengcluster data dalam database seperti tergambar pada gambar 1. 
• Langkah pertama adalah dengan mendapatkan subset2 dari objek2 yang terhubung, kemudian mencari deskripsinya cth, D1, D2, D3,dst., yang menggambarkan masing2 subset.

• Clustering dan segmentasi sebenarnya mempartisi database, karena itu setiap partisi atau group adalah sama menurut kriteria atau metrik tertentu. Jika pengukuran kesamaan tersedia, maka terdapat sejumlah teknik untuk membentuk cluster.
• Kebanyakan aplikasi2 data mining menggunakan clusteing menurut similarity (kesamaan), contohnya segmentasi basis klien.

Clustering menurut optimasi dari sekumpulan fungsi-fungsi digunakan pada analisis data, misalnya ketika mensetting tarif asuransi klien dapat disegmentasi menurut sejumlah parameter.
• Contoh aplikasi :
  –  Perangkat ‘stand-alone’ : explore data distribution
  –  Langkah preprocessing untuk algoritma lain
  –  Pengenalan pola, analisis data spasial, pengenalan citra, market
     research, WWW, …
     • clustering dokumen2
     • clustering data log web untuk mendapatkan group dengan pola akses yang sama

Apa itu Clustering ?
• Penggelompokkan data ke cluster2
  – Data yang sama satu sama lain berada pada cluster yang sama
  – Yang tidak sama berada pada cluster lain
  – ‘Unsupervised learning’: klas2 yang belum ditentukan

                                     
Clustering Yang Baik
• Intraclass similarity (Kesamaan di dalam klas) yang tinggi dan interclass similarity (kesamaan antar klas) yang rendah
  – Bergantung pada pengukuran kesamaan
• Kemampuan untuk memdapatkan beberapa atau semua pola yang tersembunyi

 Kebutuhan Clustering
• Scalability
• Kemampuan mengerjakan atribut2 dari berbagai tipe
• Penemuan clusters dengan bentuk yang tidak tentu
• Kebutuhan minimal untuk pengetahuan domain untuk menentukan parameter input
• Dapat menerima noise dan outlier
• Tidak mengindahkan susunan record dari input
• Dimensi yang tinggi
• Menyatu dengan batasan yang dispesifikasikan oleh user
• Interpretability and usability

 Tipe-tipe Data pada Clustering
• Variabel2 berskala interval
• Variabel biner
• Variabel nominal, ordinal dan rasio
• Variable2 dari berbagai tipe variabel

Kategori Pendekatan Clustering
• Algoritma Partisi
  – Mempartisi objek2 ke dalam k cluster
  – Realokasi objek2 secara iteratif untuk memperbaiki clustering
• Algoritma Hirarkis
  – Agglomerative: setiap objek merupakan cluster, gabungan dari cluster2 membentuk cluster yang besar
  – Divisive: semua objek berada dalam suatu cluster, pembagian cluster tsb membentuk cluster2 yang kecil
• Metode berbasis densitas
  – Berbasis koneksitas dan fungsi densitas
  – Noise disaring, kemudian temukan cluster2 dalam bentuk sembarang
• Metode berbasis grid
  – Kuantisasi ruang objek ke dalam struktur grid
• Berbasis Model
  – Gunakan model untuk menemukan keadaan data yang baik

Algoritma Partisi : Konsep Dasar
• Partisi n objek ke dalam k cluster
  – Optimasi kriteria partisi yang dipilih
• Global optimal: dicoba semua partisi
  –  (kn-(k-1),,,-1) partisi yang mungkin
•   Metode heuristik : k-means dan k-medoids
  – K-means: cluster direpresentasikan oleh pusat
  – K-medoids or PAM (partition around medoids): setiap cluster direpresentasikan oleh salah satu objek pada cluster

K-means
• Pilih k objek sembarang sebagai inisial pusat cluster
• Sampai tidak ada perubahan, kerjakan
  – Tunjukkan setiap objek pada cluster dimana objeknya hampir sama, berdasarkan nilai tengah dari objek2 pada cluster
  – Update the cluster means, i.e., calculate the mean value of the objects for each cluster

Induksi
• Induksi merupakan salah satu teknik inferensi informasi pada database.
• Ada dua teknik inferensi yakni
  – Induksi merupakan teknik inferensi informasi yang digeneralisasi dari database, contohnya setiap pegawai mempunyai manajer.
  – Deduksi merupakan teknik inferensi informasi dari konsekuensi logis  informasi pada database, contohnya operasi join pada dua tabel; dimana yang pertama mengenai pegawai dan departemen sedangkan yang kedua mengenai departemen dan manajer, menghasilkan relasi Antara pegawai dan manajer.

Pohon Keputusan
• Pohon keputusan merupakan representasi pengetahuan yang simpel. Pohon keputusan ini mengklasifikasikan contoh2 pada klas2 dengan angka finit, node diberi nama atribut, edge di beri nilai atribut sedangkan leave diberi nama klas. Objek2 diklasifikasikan dengan struktur pohon, dengan menggunakan dahan2nya sebagai nilai atribut dari objek.

• Gambar berikut mengenai keadaan cuaca. Objek2 berisikan informasi mengenai suasana cuaca, kelembaban dll. Beberapa objek merupakan contoh positif dinotasikan dengan P sedangkan yang lain negatif atau N.

Induksi Aturan

• Sistem data mining harus dapat menyimpulkan suatu model dari database dimana model ini mendefinisikan klas2 seperti halnya database yang terdiri atas satu atau lebih atribut yang menunjukkan klas dari tupel. Klas dapat didefinisikan oleh kondisi atribut.
• Aturan produksi dipergunakan untuk merepresentasikan pengetahuan sistem pakar dan keuntungannya mudah diinterpretasikan oleh kepakaran manusia dikarenakan modularitas yakni aturan yang tunggal dapat dipahami dengan sendirinya dan tidak perlu referensi aturan lain.
                           
Jaringan Syaraf Buatan

• Merupakan pendekatan perhitungan yang melibatkan pengembangan struktur secara matematis dengan kemampuan untuk ‘belajar’.
• Mampu menurunkan pengertian dari data yang kompleks dan tidak jelas dan dapat digunakan pula untuk mengekstrakpola  dan mendeteksi tren2 yang sangat kompleks untuk dibicarakan baik oleh manusia maupun teknik komputer lainnya.
•  Jaringan syaraf buatan yang terlatih dapat dianggap sebagai ‘pakar’ dalam kategori informasi yang akan dianalisis.  Pakar ini dapat digunakan untuk  memproyeksi situasi  baru  dari  ketertarikan dan jawaban dari pertanyaan ‘what if’               
• Dikarenakan jaringan syaraf buatan adalah terbaik dalam mengidentifikasikan pola atau tren dalam data, maka cocok pula digunakan untuk kebutuhan memprediksi antara lain:
  – Prediksi penjualan
  – Pengontrolan proses industri
  – Riset Pelanggan
  – Validasi data
  – Manajemen resiko
  – Pemasaran target      
• Jaringan ini menggunakan sekumpulan elemen2 pemrosesan (node) analog pada syaraf otak manusia.  Elemen2 pemrosesan ini terhubung dalam jaringan dimana dapat mengidentifikasikan pola2 dalam data sewaktu dipertunjukkan pada data, artinya jaringan belajar dari pengalaman seperti halnya manusia.
• Pada gambar 5, layer bawah adalah lapisan input dengan x1 – x5. Layer tengah disebut juga layer tersembunyi dengan sejumlah variabel node. Layer atas merupakan layer output dengan node z1 – z2 yang diperoleh dari input yang dicobakan.
• Contoh, prediksi penjualan (output) berdasarkan penjualan lama, harga dan cuaca (input).

                           


















• Setiap node yang ada pada layer tersembunyi, secara keseluruhan terhubung dengan input, berarti setiap yg dipelajari didasarkan pada semua input yg diambil bersamaan. 

Hal ini terlihat pada gambar 6.

• Pada gambar 7. dijelaskan mengenai jaringan syaraf buatan The Clementine User Guide untuk mengidentifikasikan resiko kanker dari berbagai faktor input.

    

       
OLAP (On-line Analytical Processing)
Definisi Menurut E.F. Codd
• OLAP atau On line Analytical Processing merupakan salah satu aplikasi database untuk memproses database yang sangat besar dengan data yang kompleks.
• OLAP didefinisikan oleh E.F. Codd (1993) sebagai sintesis dinamik, analisis dan konsolidasi dari data multidimensional yang sangat besar.
• Aturan atau kebutuhan dari sistem OLAP :
  - View konseptual multidimensional            
  - Transparansi                                
  - Aksesibilitas                               
  - Kinerja reporting yang konsisten             
  - Arsitektur client/server                     
  - Dimensionalitas generik                    
  - Penanganan dynamic sparse matrix                                
  - Pendukung multi-user                                
  - Operasi unrestricted cross dimensional              
  - Manipulasi data intuitif                    
  - Reporting yang fleksibel
  - Level agregasi dan dimensi yang tidak terbatas                 

Definisi OLAP Menurut Nigel Pendse
•   OLAP didefinisikan oleh Nigel Pendse sebagai Fast Analysis of Shared Multidimensional Information, artinya
- Fast dimana pemakai memperoleh respon dalam detik sehingga tidak  terputus rantai pemikirannya
- Analysis dimana sistem menyediakan fungsi2 analisis dan lingkup intuitif dan fungsi2 ini dapat mensuplai logika bisnis dan analisis statistikal yang relevan dengan aplikasi user
- Shared dimana sistem mendukung user yang banyak secara konkurensi
- Multidimensional merupakan kebutuhan utama sehingga sistem mensuplai view konseptual multidimensional dari data termasuk pendukung untuk hirarki multiple
-  Information merupakan data dan informasi yang diwariskan, dimana dibutuhkan oleh aplikasi user

Komponen OLAP Menurut Kirk Cruikshank
• Kirk Cruikshank dari Arbor Software mengidentifikasikan ada 3 komponen OLAP :
  - Database multidimensional harus dapat mengekspresikankalkulasi bisnis yang kompleks dengan mudah. Data harus bereferensi dan didefinisikan matematis
  - Navigasi intuitatif dalam penyusunan data ‘roam around’ yang mana membutuhkan hirarki mining
  - Respons instan, yang artinya kebutuhan untuk memberi user informasi secepat mungkin

Contoh OLAP
• Contoh database OLAP misalnya data penjualan yang dikumpulkan dari region, tipe produk dan cabang penjualan.
• Queri OLAP harus mengakses database penjualan yang lebih dari satu tahun dan multi-gigabyte untuk menemukan penjualan

produk di setiap region per-tipe produk.
• Queri OLAP dapat dikarakterisasikan sebagai transaksi online yang
  - Mengakses data dalam jumlah besar, mis: data penjualan beberapa tahun
  - Menganalisis relationship antara tipe elemen bisnis mis: penjualan, wilayah, produk dan cabang
  - Melibatkan data yang terkumpul mis: volume penjualan, dollar yang dianggarkan dan dollar yang dihabiskan
  - Menyajikan data dalam berbagai perspektif, mis: penjualan berdasarkan wilayah vs penjualan berdasarkan cabang dari produk dalam setiap wilayah
  - Membandingkan data yang terkumpul dalam periode waktu secara
   hirarki, mis: bulanan, tahunan
  - Melibatkan kalkulasi kompleks antara elemen data , mis: keuntungan yang diharapkan sebagai fungsi dari pendapatan penjualan untuk setiap tipe dari cabang penjualan dalam suatu wilayah tertentu.
  - Dapat merespon permohonan user secara cepat sehingga user dapat mengikuti proses pemikiran yang analitik tanpa masuk pada sistem

Visualisasi Data
• Visualisasi data memungkinkan si analis menperoleh pemahaman yang dalam dan lebih intuitif mengenai data dan dapat bekerja sebaik mungkin pada data mining.
• Data mining memperbolehkan si analis memfokuskan pola2 dan trend2 tertentu dan menjelajahi ke dalam menggunakan visualisasi.

                             

5 Cara Mendapatkan Ampunan Allah

taubat1, informatikasmkn2trk.blogspot.com

Manusia adalah makhluk yg tak luput dari kesalahan seperti dikatakan pepatah : “Tak Ada Gading Yg Tak Retak”, selagi bernama manusia pasti punya kesalahan apakah ia Rasul, Nabi, Waliyullah, Pemimpin apalagi manusia biasa. Sebaliknya Allah adalah Zat Yg Maha Pengampun, karenanya Allah berfirman dalam Surat ali Imran ayat 133 agar manusia bersegera mencari ampunan-Nya agar bisa berobah dari orang yg berbuat salah (zolimullinafsih atau muqtashid) menjadi orang-orang yg unggul dalam berbuat kebaikkan (sabiqumbilkhairaat) (http://edukasi.kompasiana.com/2012/01/08/hijrahlah-dari-zolimullinafsih-dan-muqtashid-menjadi-sabiqumbilkhairaat/ ).

Setelah menyeru hamba-Nya untuk bersegera mencari ampunan-Nya Allah juga menyediakan cara atau alat untuk mendapatkan ampunan tersebut. Dalam Al-Qur’an dan Hadis ada 5 cara untuk memperoleh ampunan Allah sebagai berikut            :

1. Melalui Taubat. Cara ini didasarkan pada Surat At Tahrim ayat 8. (Hai orang-orang yg beriman ! Bertaubatlah kepada Allah dg Tobat yg sungguh (taubatan Nasuha). Semoga Tuhanmu menghapus dosa-dosamu dan seterusnya….). Syarat utama untuk memperoleh ampunan dg cara ini adalah beriman dan tobat yg sungguh bukan tobat samba lado.
2. Melalui Istighfar atau Memohon Ampun. Cara ini dijelaskan Allah dalam dua ayat yaitu ayat 135 surat Ali Imran dan ayat 110 surat An Nisa’.Dalam surat Ali Imran 135, Allah berfirman : Dan (juga) orang yg apabila melakukan perbuatan keji, atau menganiaya dirinya sendiri (zolimullinafsih), ingat akan Allah, lalu memohon ampun (istighfar) atas dosa-dosanya. Dan siapakah yg memberi ampun atas segala dosa,  kecuali Allah ? Dan mereka tidak meneruskan perbuatan kejinya dalam keadaan mereka sadar dan mengetahuinya.Barabg siapa melakukan kejahatan, atau menganiaya dirinya sendiri, kemudian memohon ampun kepada Allah, Ia akan mendapati, bahwa Allah Maha Pengampun, Maha Penyayang (An Nisa’ 110).
3. Melalui Amal Kebaikkan. Cara atau Alat ini dijelaskan Allah dalam Al Qur’an surat Hud ayat 114 : Dan Dirikanlah Solat pada kedua ujung hari dan pada permulaan malam hari. Sungguh, perbuatan yang baik menghapuskan (dosa) perbuatan jahat. Itulah peringatan bagi orang yg ingat (akan Tuhannya).Ayat ini menjelaskan bahwa perbuatan atau amal baik itu hanya bisa menghapus  dosa bagi orang yg mengerjakan Solat.
4. Melalui Musibah. Apapun musibah yg menimpa kamu, itu disebabkan perbuatan tangan-tanganmu (sendiri), Tapi Allah memaafkan kebanyakkan (daripadanya) (Surat Asy-Sura, ayat 30). Jadi disamping sebagai azab(hukuman), dan peringatan Allah juga menggunakan Musibah sebagai alat untuk mendapatkan ampunan dar sebagian dosa atau kesalahan Manusia, makanya orang yg mati teraniaya (musibah) ada yg dimasukkan sebagai mati Syahid, langsung masuk sorga, karena Allah telah mengampuni dosa-dosa orang tersebut.
5. Melalui Hukuman. Sebuah hadis Nabi mengatakan : siapa yg terbukti menjalani hukuman atas perbuatannya di dunia maka Allah akan mengampuni dosanya tersebut. Tentu saja yg dimaksud dg hukuman disni adalah hukuman yg sesuai dengan sturan Allah atau petunjuk Nabi.Hadis ini diperkuat oleh hadis lain yg menjelaskan bahwa pada suatu ketika seorang wanita dating kepada Rasul dan meminta Nabi menghukum dirinya telah berbuat dosa. Nabi bertanya dosa apa yg telah kamu lakukan dan apa buktinya. Wanita itu menjawab saya telah berzina dan buktinya saat ini saya sedang hamil. Kalau begitu tunggulah sampai anakmu lahir.Setelah anaknya lahir wanita itu dating lagi kepada Nabi untuk meminta Nabi melaksanakan janjinya menghukum wanita tersebut, Nabi bertanya apakah kamu menyusui anakmu? Ya jawabnya, kalau begitu selesaikanlah masa menyusuinya.Wanita tsbt datang lagi setelah masa menyusui anaknya habis, lalu Nabi memerintahkan para sahabat untuk melaksanakan hukuman atas perbuatan zina wanita itu dg hukuman cambuk. Selesai pelaksanaan hukuman Nabi mengatakan bahwa wanit itu akan masuk sorga karena Allah telah mengampuni dosa-dosanya.

Fa’tabiru ya ulil absor la’allakum tur hamun, billahi taufiq walhidayah assalamu’alaikum warohmatullohi wabarokatuh. Semoga bermanfaat.

Larangan Berbuat Maksiat, Berdusta dan Berkata-Kata Kotor Saat Puasa

Di bulan Ramadhan ini setiap muslim memiliki kewajiban untuk menjalankan puasa dengan menahan lapar dan dahaga mulai dari fajar hingga terbenamnya matahari. Namun ada di antara kaum muslimin yang melakukan puasa, dia tidaklah mendapatkan apa-apa kecuali lapar dan dahaga saja yang menghinggapi tenggorokannya. Inilah yang disabdakan oleh Nabi shallallahu ‘alaihi wa sallam yang jujur lagi membawa berita yang benar,

رُبَّ صَائِمٍ حَظُّهُ مِنْ صِيَامِهِ الجُوْعُ وَالعَطَشُ

“Betapa banyak orang yang berpuasa namun dia tidak mendapatkan dari puasanya tersebut kecuali rasa lapar dan dahaga.” (HR. Ath Thobroniy dalam Al Kabir dan sanadnya tidak mengapa. Syaikh Al Albani dalam Shohih At Targib wa At Tarhib no. 1084 mengatakan bahwa hadits ini shohih ligoirihi -yaitu shohih dilihat dari jalur lainnya-)

Apa di balik ini semua? Mengapa amalan puasa orang tersebut tidak teranggap, padahal dia telah susah payah menahan dahaga mulai dari terbit fajar hingga terbenamnya matahari?

Saudaraku, agar engkau mendapatkan jawabannya, simaklah pembahasan berikut mengenai beberapa hal yang membuat amalan puasa seseorang menjadi sia-sia -semoga Allah memberi taufik pada kita untuk menjauhi hal-hal ini-.

1. Jauhilah Perkataan Dusta (az zuur)

Inilah perkataan yang membuat puasa seorang muslim bisa sia-sia, hanya merasakan lapar dan dahaga saja.

Dari Abu Hurairah, Rasulullah shallallahu ‘alaihi wa sallam bersabda,

مَنْ لَمْ يَدَعْ قَوْلَ الزُّورِ وَالْعَمَلَ بِهِ فَلَيْسَ لِلَّهِ حَاجَةٌ فِى أَنْ يَدَعَ طَعَامَهُ وَشَرَابَهُ

“Barangsiapa yang tidak meninggalkan perkataan dusta malah mengamalkannya, maka Allah tidak butuh dari rasa lapar dan haus yang dia tahan.” (HR. Bukhari no. 1903)

Apa yang dimaksud dengan az zuur? As Suyuthi mengatakan bahwa az zuur adalah berkata dusta dan menfitnah (buhtan). Sedangkan mengamalkannya berarti melakukan perbuatan keji yang merupakan konsekuensinya yang telah Allah larang. (Syarh Sunan Ibnu Majah, 1/121, Maktabah Syamilah)

2. Jauhilah Perkataan lagwu (sia-sia) dan rofats (kata-kata porno)

Amalan yang kedua yang membuat amalan puasa seseorang menjadi sia-sia adalah perkataan lagwu danrofats.

Dari Abu Hurairah, Rasulullah shallallahu ‘alaihi wa sallam bersabda,

لَيْسَ الصِّيَامُ مِنَ الأَكْلِ وَالشَّرَبِ ، إِنَّمَا الصِّيَامُ مِنَ اللَّغْوِ وَالرَّفَثِ ، فَإِنْ سَابَّكَ أَحَدٌ أَوْ جَهُلَ عَلَيْكَ فَلْتَقُلْ: إِنِّي صَائِمٌ ، إِنِّي صَائِمٌ

“Puasa bukanlah hanya menahan makan dan minum saja. Akan tetapi, puasa adalah dengan menahan diri dari perkataan lagwu dan rofats. Apabila ada seseorang yang mencelamu atau berbuat usil padamu, katakanlah padanya, “Aku sedang puasa, aku sedang puasa”.” (HR. Ibnu Majah dan Hakim. Syaikh Al Albani dalam Shohih At Targib wa At Tarhib no. 1082 mengatakan bahwa hadits ini shohih)

Apa yang dimaksud dengan lagwu? Dalam Fathul Bari (3/346), Al Akhfasy mengatakan,

اللَّغْو الْكَلَام الَّذِي لَا أَصْل لَهُ مِنْ الْبَاطِل وَشَبَهه

“Lagwu adalah perkataan sia-sia dan semisalnya yang tidak berfaedah.”

Lalu apa yang dimaksudkan dengan rofats? Dalam Fathul Bari (5/157), Ibnu Hajar mengatakan,

وَيُطْلَق عَلَى التَّعْرِيض بِهِ وَعَلَى الْفُحْش فِي الْقَوْل

“Istilah Rofats digunakan dalam pengertian ‘kiasan untuk hubungan badan’ dan semua perkataan keji.”

Al Azhari mengatakan,

الرَّفَث اِسْم جَامِع لِكُلِّ مَا يُرِيدهُ الرَّجُل مِنْ الْمَرْأَة

“Istilah rofats adalah istilah untuk setiap hal yang diinginkan laki-laki pada wanita.” Atau dengan kata lainrofats adalah kata-kata porno.

Itulah di antara perkara yang bisa membuat amalan seseorang menjadi sia-sia. Betapa banyak orang yang masih melakukan seperti ini, begitu mudahnya mengeluarkan kata-kata kotor, dusta, sia-sia dan menggunjing orang lain.

3. Jauhilah Pula Berbagai Macam Maksiat

Ingatlah bahwa puasa bukanlah hanya menahan lapar dan dahaga saja, namun hendaknya seorang yang berpuasa juga menjauhi perbuatan yang haram. Perhatikanlah saudaraku petuah yang sangat bagus dari Ibnu Rojab Al Hambali berikut:

“Ketahuilah, amalan taqarrub (mendekatkan diri) pada Allah ta’ala dengan meninggalkan berbagai syahwat yang mubah ketika di luar puasa (seperti makan atau berhubungan badan dengan istri, -pen) tidak akan sempurna hingga seseorang mendekatkan diri pada Allah dengan meninggalkan perkara yang Dia larang yaitu dusta, perbuatan zholim, permusuhan di antara manusia dalam masalah darah, harta dan kehormatan.” (Latho’if Al Ma’arif, 1/168, Asy Syamilah)

Jabir bin ‘Abdillah menyampaikan petuah yang sangat bagus:

“Seandainya kamu berpuasa maka hendaknya pendengaranmu, penglihatanmu dan lisanmu turut berpuasa dari dusta dan hal-hal haram serta janganlah kamu menyakiti tetangga. Bersikap tenang dan berwibawalah di hari puasamu. Janganlah kamu jadikan hari puasamu dan hari tidak berpuasamu sama saja.” (Lihat Latho’if Al Ma’arif, 1/168, Asy Syamilah)

Itulah sejelek-jelek puasa yaitu hanya menahan lapar dan dahaga saja, sedangkan maksiat masih terus dilakukan. Hendaknya seseorang menahan anggota badan lainnya dari berbuat maksiat. Ibnu Rojab mengatakan,

أَهْوَنُ الصِّيَامُ تَرْكُ الشَّرَابِ وَ الطَّعَامِ

“Tingkatan puasa yang paling rendah hanya meninggalkan minum dan makan saja.”

Itulah puasa kebanyakan orang saat ini. Ketika ramadhan dan di luar ramadhan, kondisinya sama saja. Maksiat masih tetap jalan. Betapa banyak kita lihat para pemuda-pemudi yang tidak berstatus sebagai suami-istri masih saja berjalan berduaan. Padahal berduaan seperti ini telah dilarang dalam sabda Nabishallallahu ‘alaihi wa sallam, namun hal ini tidak diketahui dan diacuhkan begitu saja oleh mereka.

Dari Ibnu Abbas, Nabi shallallahu ‘alaihi wa sallam bersabda,

لاَ يَخْلُوَنَّ رَجُلٌ بِامْرَأَةٍ إِلاَّ مَعَ ذِى مَحْرَمٍ

“Janganlah seorang laki-laki berduaan dengan seorang wanita kecuali jika bersama mahramnya.” (HR. Bukhari, no. 5233)

Rasulullah shallallahu ‘alaihi wa sallam juga bersabda,

أَلاَ لاَ يَخْلُوَنَّ رَجُلٌ بِامْرَأَةٍ لاَ تَحِلُّ لَهُ ، فَإِنَّ ثَالِثَهُمَا الشَّيْطَانُ ، إِلاَّ مَحْرَمٍ

“Janganlah seorang laki-laki berduaan dengan seorang wanita yang tidak halal baginya karena sesungguhnya syaithan adalah orang ketiga di antara mereka berdua kecuali apabila bersama mahromnya. (HR. Ahmad no. 15734. Syaikh Syu’aib Al Arnauth mengatakan hadits ini shohih ligoirihi –shohih dilihat dari jalur lain-)

Apalagi dalam pacaran pasti ada saling pandang-memandang. Padahal Nabi kita –shallallahu ‘alaihi wa sallam- telah memerintahkan kita memalingkan pandangan dari lawan jenis. Namun, orang yang mendapat taufik dari Allah saja yang bisa menghindari semacam ini. Dari Jarir bin Abdillah, beliau mengatakan,

سَأَلْتُ رَسُولَ اللَّهِ -صلى الله عليه وسلم- عَنْ نَظَرِ الْفُجَاءَةِ فَأَمَرَنِى أَنْ أَصْرِفَ بَصَرِى.

Aku bertanya kepada Rasulullah shallallahu ‘alaihi wa sallam tentang pandangan yang cuma selintas (tidak sengaja). Kemudian Rasulullah shallallahu alaihi wa sallam memerintahkan kepadaku agar aku segera memalingkan pandanganku. (HR. Muslim no. 5770)

Kalau di luar Ramadhan, perbuatan maksiat semacam ini saja jelas-jelas dilarang maka tentu di bulan Ramadhan lebih tegas lagi pelarangannya. Semoga kita termasuk orang yang mendapat taufik dari Allah untuk menjauhi berbagai macam maksiat ini.

Apakah Dengan Berkata Dusta dan Melakukan Maksiat, Puasa Seseorang Menjadi Batal?

Untuk menjelaskan hal ini, perhatikanlah perkataan Ibnu Rojab berikut, “Mendekatkan diri pada Allah ta’aladengan meninggalkan perkara yang mubah tidaklah akan sempurna sampai seseorang menyempurnakannya dengan meninggalkan perbuatan haram. Barangsiapa yang melakukan yang haram (seperti berdusta) lalu dia mendekatkan diri pada Allah dengan meninggalkan yang mubah (seperti makan di bulan Ramadhan), maka ini sama halnya dengan seseorang meninggalkan yang wajib lalu dia mengerjakan yang sunnah. Walaupun puasa orang semacam ini tetap dianggap sah menurut pendapat jumhur (mayoritas ulama) yaitu orang yang melakukan semacam ini tidak diperintahkan untuk mengulangi (mengqodho’) puasanya. Alasannya karena amalan itu batal jika seseorang melakukan perbuatan yang dilarang karena sebab khusus dan tidaklah batal jika melakukan perbuatan yang dilarang yang bukan karena sebab khusus. Inilah pendapat mayoritas ulama.”

Ibnu Hajar dalam Al Fath (6/129) juga mengatakan mengenai hadits perkataan zuur (dusta) dan mengamalkannya:

“Mayoritas ulama membawa makna larangan ini pada makna pengharaman, sedangkan batalnya hanya dikhususkan dengan makan, minum dan jima’ (berhubungan suami istri).”

Mula ‘Ali Al Qori dalam Mirqotul Mafatih Syarh Misykatul Mashobih (6/308) berkata, “Orang yang berpuasa seperti ini sama keadaannya dengan orang yang haji yaitu pahala pokoknya (ashlu) tidak batal, tetapi kesempurnaan pahala yang tidak dia peroleh. Orang semacam ini akan mendapatkan ganjaran puasa sekaligus dosa karena maksiat yang dia lakukan.”

Kesimpulannya: Seseorang yang masih gemar melakukan maksiat di bulan Ramadhan seperti berkata dusta, memfitnah, dan bentuk maksiat lainnya yang bukan pembatal puasa, maka puasanya tetap sah, namun dia tidak mendapatkan ganjaran yang sempurna di sisi Allah. –Semoga kita dijauhkan dari melakukan hal-hal semacam ini-

Ingatlah Suadaraku Ada Pahala yang Tak Terhingga di Balik Puasa Kalian

Saudaraku, janganlah kita sia-siakan puasa kita dengan hanya mendapatkan lapar dan dahaga saja. Marilah kita menjauhi berbagai hal yang dapat mengurangi kesempurnaan pahala puasa kita. Sungguh sangat merugi orang yang melewatkan ganjaran yang begitu melimpah dari puasa yang dia lakukan. Seberapa besarkah pahala yang melimpah tersebut? Mari kita renungkan bersama hadits berikut ini.

Dalam riwayat Muslim, dari Abu Hurairah radhiyallahu ‘anhu, Rasulullah shallallahu ‘alaihi wa sallambersabda,

« كُلُّ عَمَلِ ابْنِ آدَمَ يُضَاعَفُ الْحَسَنَةُ عَشْرُ أَمْثَالِهَا إِلَى سَبْعِمِائَةِ ضِعْفٍ قَالَ اللَّهُ عَزَّ وَجَلَّ إِلاَّ الصَّوْمَ فَإِنَّهُ لِى وَأَنَا أَجْزِى بِهِ يَدَعُ شَهْوَتَهُ وَطَعَامَهُ مِنْ أَجْلِى »

“Setiap amalan kebaikan anak Adam akan dilipatgandakan menjadi 10 hingga 700 kali dari kebaikan yang semisal. Allah ‘Azza wa Jalla berfirman (yang artinya), “Kecuali puasa, amalan tersebut untuk-Ku dan Aku sendiri yang akan membalasnya karena dia telah meninggalkan syahwat dan makanannya demi Aku.” (HR. Muslim no. 1151)

Lihatlah saudaraku, untuk amalan lain selain puasa akan diganjar dengan 10 hingga 700 kali dari kebaikan yang semisal. Namun, lihatlah pada amalan puasa, khusus untuk amalan ini Allah sendiri yang akan membalasnya. Lalu seberapa besar balasan untuk amalan puasa? Agar lebih memahami maksud hadits di atas, perhatikanlah penjelasan Ibnu Rojab berikut ini:

“Hadits di atas adalah mengenai pengecualian puasa dari amalan yang dilipatgandakan menjadi 10 kebaikan hingga 700 kebaikan yang semisal. Khusus untuk puasa, tak terbatas lipatan ganjarannya dalam bilangan-bilangan tadi. Bahkan Allah ‘Azza wa Jalla akan melipatgandakan pahala orang yang berpuasa hingga bilangan yang tak terhingga. Alasannya karena puasa itu mirip dengan sabar. Mengenai ganjaran sabar, Allah ta’ala berfirman,

إِنَّمَا يُوَفَّى الصَّابِرُونَ أَجْرَهُمْ بِغَيْرِ حِسَابٍ

“Sesungguhnya hanya orang-orang yang bersabarlah yang dibalas dengan pahala tanpa batas.” (QS. Az Zumar [39]: 10). Bulan Ramadhan juga dinamakan dengan bulan sabar. Juga dalam hadits lain, Nabi shallallahu ‘alaihi wa sallam bersabda, “Puasa adalah setengah dari kesabaran.” (HR. Tirmidzi, Syaikh Al Albani dalamShohih wa Dho’if Al Jami’ Ash Shogir no. 2658 mengatakan bahwa hadits ini dho’if , -pen)

Sabar ada tiga macam yaitu sabar dalam menjalani ketaatan, sabar dalam menjauhi larangan dan sabar dalam menghadapi takdir Allah yang terasa menyakitkan. Dan dalam puasa terdapat tiga jenis kesabaran ini. Di dalamnya terdapat sabar dalam melakukan ketaatan, juga terdapat sabar dalam menjauhi larangan Allah yaitu menjauhi berbagai macam syahwat. Dalam puasa juga terdapat bentuk sabar terhadap rasa lapar, dahaga, jiwa dan badan yang terasa lemas. Inilah rasa sakit yang diderita oleh orang yang melakukan amalan taat, maka dia pantas mendapatkan ganjaran sebagaimana firman Allah ta’ala,

ذَلِكَ بِأَنَّهُمْ لَا يُصِيبُهُمْ ظَمَأٌ وَلَا نَصَبٌ وَلَا مَخْمَصَةٌ فِي سَبِيلِ اللَّهِ وَلَا يَطَئُونَ مَوْطِئًا يَغِيظُ الْكُفَّارَ وَلَا يَنَالُونَ مِنْ عَدُوٍّ نَيْلًا إِلَّا كُتِبَ لَهُمْ بِهِ عَمَلٌ صَالِحٌ إِنَّ اللَّهَ لَا يُضِيعُ أَجْرَ الْمُحْسِنِينَ

“Yang demikian itu ialah karena mereka tidak ditimpa kehausan, kepayahan dan kelaparan pada jalan Allah, dan tidak (pula) menginjak suatu tempat yang membangkitkan amarah orang-orang kafir, dan tidak menimpakan sesuatu bencana kepada musuh, melainkan dituliskanlah bagi mereka dengan yang demikian itu suatu amal saleh. Sesungguhnya Allah tidak menyia-nyiakan pahala orang-orang yang berbuat baik.” (QS. At Taubah [9]: 120).” -Demikianlah penjelasan Ibnu Rojab (dalam Latho’if Al Ma’arif, 1/168) yang mengungkap rahasia bagaimana puasa seseorang bisa mendapatkan ganjaran tak terhingga, yaitu karena di dalam puasa tersebut terdapat sikap sabar.-

Saudaraku, sekali lagi janganlah engkau sia-siakan puasamu. Janganlah sampai engkau hanya mendapat lapar dan dahaga saja, lalu engkau lepaskan pahala yang begitu melimpah dan tak terhingga di sisi Allah dari amalan puasamu tersebut.

Isilah hari-harimu di bulan suci ini dengan amalan yang bermanfaat, bukan dengan perbuatan yang sia-sia atau bahkan mengandung maksiat. Janganlah engkau berpikiran bahwa  karena takut berbuat maksiat dan perkara yang sia-sia, maka lebih baik diisi dengan tidur. Lihatlah suri tauladan kita memberi contoh kepada kita dengan melakukan banyak kebaikan seperti banyak berderma, membaca Al Qur’an, banyak berzikir dan i’tikaf di bulan Ramadhan. Manfaatkanlah waktumu di bulan yang penuh berkah ini dengan berbagai macam kebaikan dan jauhilah berbagai macam maksiat.

Semoga Allah memberi kita petunjuk, ketakwaan, kemampuan untuk menjauhi yang larang dan diberikan rasa kecukupan.