EARPOD EARPHONE HEADSET BLUETOOTH I7S TWS PAIR 1 1 - Putih

Assalamuallaikum wr.wb

Apa kabar pembaca di web saya. Lama saya tidak posting, kali ini saya akan posting produk yang saya jual di marketplace saya, yang nanti akan saya sertakan linknya di bawah jika kalian tertarik untuk membelinya.

Deskripsi produk:

Headset Bluetooth 4.2 Sport True Wireless Earphone Airpods HBQ i7S
Pairing Step :
1. Press and Hold the MFB button of one earphone for a 10 second until red and blue light flash and mode pairing
2. Turn on your mobile phone bluetooth and search device Name i7s and Connect Device

Function :
1. To Pause : short press the MFB button once
2. Next Song : short Press the MFB button once
3. Answer Call : short Press the MFB button once
3. END Call : short Press MFB button once
4. Reject Call : short Press the MFB button once

Cara Pemakaian :

1. Untuk pertama kali saat barang tiba harap di charger
2. Hidupkan bluetooth pada HP/Tablet kemudian pada headset bluetooth tekan dan tahan tepat di logo sampai terasa "klik" dan tertekan agak lama sampai muncul lampu kelap kelip warna warni (biru/merah atau hijau/merah),jika belum kelap kelip warna warni jangan dilepas tekanannya.. setelah itu pada HP cari dan temukan device headset bluetooth dengan nama "i7s-TWS" kemudian pairing sampai connect..kemudian headset 1 nya lg ditekan tombol nya 2x akan otomatis konek ke headset

Spesifikasi:

- Twins, True Wireless Stereo
- Chipeset : CSR from UK
- Wireless Version : 4.2
- Frequency : 2.4 Ghz
- Wireless Range : one about 15m, and a set for about 10m
- Receiive Sensitivity : -90dBm
- Battery capacity : 85 mAh for earphone - Worktime: one for 12 H and a set for 6 H
- Stanby time : 240 H and a set for 120 H
- Charging time (for Earphone and Charging CASE) : 2 H
- Support one match two, connect 2 device
- Adopt the advanced CVC 6.0 active Noise Canceling
- Support A2DP 1.3 / HFP 1.2 /AVRCP 1.6 / DI 1.3
- Build-in superior HD micophone, Provide clear and loud sound.

Untuk pemesanan kalian bisa klik di link ini:

https://jual.winmarket.id/Xhq4EY7c/ZVY5fwRkdP

Sekian postingan saya kali ini

semoga kalian tertarik untuk membelinya dan bermanfaat untuk kalian.... jaga kesehatan sampai jumpa di postingan saya selanjutnya. Terimakasih

MIND MAP UNTUK MEMAHAMI TOPIK PENELITIAN

      Mind Maping pertama kali dikembangkan oleh Tony Buzan, seorang Psikolog dari Inggris. Beliau adlaah penemu Mind Map (Peta Pikiran), ketua yayasan Otak, pendiri Klup Pakar (Brain Trust) dan pencipta konsep Melek Mental. Map Map diaplikasikan di bidang pendidikan, seperti teknik, sekolah, bisa juga digunakan dalam memahami topic penelitian. Mind Maping dapat diartikan sebagai proses memetakan pikiran untuk menghubungkan konsep-konsep permasalahan tertentu dari cabang-cabang sel saraf membentuk korelasi konsep menuju pada suatu pemahaman dan hasilnya dituangkan langsung di atas kertas dan dapat dimengerti oleh pembuatnya.

Dalam artikel ini kita akan mengaplikasikan Mind Map untuk memahami topic suatu penelitian. Banyak software yang bisa digunakan untuk membuat Mind Map, diantaranya yang berlisensi open source adalah FreeMind dan XMind. Sebagai contoh, saya akan menggunakan software XMind, dengan topic penelitian prediksi cacat software (Software Defect Prediction). Software Defect Prediction saya letakkan pada Mind Map sebagai tema utama. Kemudian saya mulai menganalisa dan mengumpulkan sub tema dalam bidang Software defect Prediction, kemudian saya jadikan cabang dari tema utama di Mind Map. Sedangkan bagian sub tema disekitar tema utama Software defect Prediction adalah sebagai berikut:

          i.            Journal Publications, journal apa saja yang sering mempublikasi paper di topic software defect prediction. Journal ini nanti bisa digunakan sebagai referensi pada penelitian yang kita buat.

         ii.            Research Topics, sub topic apa saja yang dikerjakandi penelitian Software defect Prediction. Pada bagian ini akan member gambaran, sub topic apa yang sebaiknya kita pilih untuk penelitian kita.

       iii.            Software Defect Datasets, Data Set apa yang sering digunakan pada penelitian software defect prediction. Bagian ini member gambaran dataset apa yang bisa kita gunakan di bidang yang kita teliti.

       iv.            Defect Prediction Methods, metode prediksi apa saja yang sering digunakan pada software defect prediction. Bagian ini akan sangat penting karena kita bisa memahami state-of-the-art methods pada topic penelitian kita.

        v.            Research Problems, masalah penelitian apa saja yang sering diangkat oleh para peneliti di bidang software defect prediction. Panduan kita untuk menyusun masalah penelitian yang akan kita ambil beserta landasannya.

    Mind Map dari mulai tema utama dan sub tema yang saya jelaskan di atas tersaji seperti dibawah ini.

     Kemudian setelah tersusun cabang-cabang, saya mulai mendetailkan masing-masing sub tema, dan bila diperlukan saya detailkan dalam bentuk sub sub tema. Dimulai dari membuat listing Journal Publications, seperti ditunjukkan pada gambar dibawah ini:

     Setiap tema, sub tema dan sub sub tema dari Mind Map, saya landasi dengan paper journal yang berhubungan. File PDF dari paper saya sisipkan dalam bentuk attachment. Contohnya seperti gambar di bawah ini:

      Dan akhirnya Mind Map untuk Software Defect Prediction telah saya selesaikan.

     

      Dengan menyusun Mind Map tentang topic penelitian kita, pemahaman kita lebih komprehensif, peta pengetahuan tergambar dalam bentuk gambar yang mudah kita pahami. Kita bisa menjelaskan pertanyaan apapun dengan lugas tentang topic penelitian kita, beserta landasan literature yang berhubungan. Kita juga memahami di mana posisi penelitian (research position) kita.metode Mind Map ini dapat kita gunakan untuk membuat bahan presentasi, dan juga ketika kita ingin membaut outline dari thesis yang akan kita tulis.

Semoga artikel ini bermanfaat bagi kita semua.

STRUKTUR DATA

Deskripsi Tree

—  Kumpulan node yang saling terhubung satu sama lain dalam suatu kesatuan yang membentuk layakya struktur sebuah pohon.

—  Struktur pohon adalah suatu cara merepresentasikan suatu struktur hirarki (one-to-many) secara grafis yang mirip sebuah pohon, walaupun pohon tersebut hanya tampak sebagai kumpulan node-node dari atas ke bawah.

—  Suatu struktur data yang tidak linier yang menggambarkan hubungan yang hirarkis (one-to-many) dan tidak linier antara elemen-elemennya.

- Contoh penggunaan struktur pohon :

·         Silsilah keluarga

·         Parse Tree (pada compiler)

·         Struktur File

·         Pertandingan

- Operasi-operasi Pada Tree

·         —  Insert: menambah node ke dalam Tree secara rekursif.  Jika data yang akan dimasukkan lebih besar daripada elemen root, maka akan diletakkan di node sebelah kanan, sebaliknya jika lebih kecil maka akan diletakkan di node sebelah kiri.  Untuk data pertama akan menjadi elemen root.

·         —  Find: mencari node di dalam Tree secara rekursif sampai node tersebut ditemukan dengan menggunakan variable bantuan ketemu.  Syaratnya adalah tree tidak boleh kosong.

·         —  Traverse: yaitu operasi kunjungan terhadap node-node dalam pohon dimana masing-masing node akan dikunjungi sekali.

·         —  Count: menghitung jumlah node dalam Tree.

·         —  Height : mengetahui kedalaman sebuah Tree.

·         —  Find Min dan Find Max : mencari nilai terkecil dan terbesar pada Tree.

·         —  Child : mengetahui anak dari sebuah node (jika punya).

·           Daun/leaf : Simpul yang derajat = 0 disebut daun / leaf

·           Hubungan antar simpul : bapak, ,anak, paman, dll

·           Tingkat (level)

·           Derajat (degree)

·           Tinggi (height)/kedalaman (depth) : height = tingkat maksimum – 1

·            Ancestor : semua simpul yang terdapat pada lintasan/jalur dari akar sampai simpul tersebut

·            Forest (Hutan) : kumpulan sejumlah pohon yang tidak saling berhubungan

- Jenis Tree

·         Berdasarkan banyaknya anak :

1.       binary tree / pedigree chart : Complete Binary Tree tingkat N,Skewed BinaryTree

2.       Non Binary Tree (N-ary) & lineal chart


POHON BINER (TREE BINNERY) 

Tree adalah bentuk struktur data tidak linear yang menggambarkan hubungan yang bersifat hierarkis (hubungan one to many) antara elemen-elemen. Tree juga bisa didefinisikan sebagai kumpulan simpul/node dengan elemen khusus yang disebut Root. 

Istilah-istilah : 

1. Pohon = kumpulan elemen, salah satunya berupa akar (root), yang lain berupa cabang (sub pohon) dimana antara cabang satu dengan yang lain tidak saling berhubungan. 
2. Node = elemen pohon yang berisi informasi dan penunjuk percabangan. 
3. Tingkat (Level) = akar ditentukan bertingkat 1 
4. derajat (Degre) = Banyaknya turunan dari suatu node. 
5. daun (Leaf) = Node yang berderajat 0, dinamakan juga sebagai node eksternal. Node lain selain akar disebut Node internal. 
6. Tinggi (high)/ kedalaman (depth) = tingkat maksimum node dalam poho -1. 
7. Anchestor suatu node yang terletak dalam satu jalur dengan node tersebut dari akar samapi node yang ditinjau. 
8. Hutan (forest) = kumpulan pohon yang saling tidak berhubungan. 
9. Pohon beraturan (ordered tree) = urutan hubungan suatu node dengan node lain diperhatikan. 


Jenis-Jenis Tree : 

- Binary Tree 
Binary Tree adalah tree dengan syarat bahwa tiap node hanya boleh memiliki maksimal dua subtree dan kedua subtree tersebut harus terpisah. Sesuai dengan definisi tersebut tiap node dalam binary tree hanya boleh memiliki paling banyak dua child. Jenis- Jenis Binary Tree : 

- Full Binary Tree 
Jenis binary tree ini tiap nodenya (kecuali leaf) memiliki dua child dan tiap subtree harus mempunyai panjang path yang sama. 

- Complete Binary Tree 
Jenis ini mirip dengan Full Binary Tree, namun tiap subtree boleh memiliki panjang path yang berbeda dan setiap node kecuali leaf hanya boleh memiliki 2 child. 

- Skewed Binary Tree 
Skewed Binary Tree adalah Binary Tree yang semua nodenya (kecuali leaf) hanya memiliki satu child. 



Implementasi Binary Tree : 

Binary tree dapat diimplementasikan dalam C++ dengan menggunakan double linkedlist. 

# Ada 3 urutan dasar yang dapat digunakan untuk mengunjungi pohon, yaitu : 
- PreOrder : cetak isi node yang dikunjungi, kunjungi Left Child, kunjungi Right Child. 
- InOrder : kunjungi Left Child, cetak isi node yang dikunjungi, kunjungi Right Child. 
- PostOrder : kunjungi Left Child, kunjungi Right Child cetak isi node yang dikunjungi.