Langsung ke konten utama

CSS Framework

 
Halo Gan....ketemu lagi dengan saya,mumpung ada kesempatan nih saya mau nambahin lagi tulisan di lapak ane ini.Tapi kali ini saya mau nulis sesuatu yang beda dari tulisan saya sebelumnya.Apa itu   ?? kali ini saya akan membahas tentang CSS Framework.

Apa itu CSS Framework ??

Sebagai programmer web,atau paling enggak sebagai orang yang pernah belajar koding web,agan pasti sudah familiar sama yang namanya CSS.Yups...CSS adalah bahasa scripting yang digunakan untuk tata letak atau layout sebuah halaman web agar tampilan menjadi lebih indah dan user friendly.

Bagi sebagian orang yang berkecimpung dalam dunia pemrograman web,bisa dibilang pembuatan tampilan merupakan hal yang gampang gampang susah.Kenapa ??karena membuat tampilan selain membutuhkan skill atau ketrampilan juga membutuhkan imaginasi tentang design.Dan ini juga nagian yang paling susah bagi saya,hehhe...

Nahh...bagi agan agan yang mempunyai masalah yang sama kayak saya dalam pembuatan tampilan,CSS Framework menjadi solusi yang bisa memudahkan kita dalam membuat tampilan.Kita tidak perlu lagi membuat kode CSS dari awal untuk desain web yang sedang kita kembangkan.Kita hanya perlu mempelajari tentang cara penggunaan class class yang sudah disediakan oleh pengembang CSS Framework.Ada banyak sekali CSS Framework yang bisa kita gunakan Antara lain
  1. HTMLKickStart Lihat  di sini
  2.  Twitter Bootstrap Lihat di sini
  3. Gumby Lihat di sini
  4. Pure Lihat di sini
  5. Skeleton Lihat di sini
dan masih banyak lagi yang lain.Untuk dapat menggunakan CSS Framework,minimal agan mengerti tentang HTML,CSS,dan sedikit javascript.

Demikian tulisan saya kali ini,kita lanjutkan di lain kesempatan.Sampai Jumpa
Label:

Komentar

Posting Komentar

Postingan populer dari blog ini

Contoh Perhitungan Algoritma Perceptron

      Melanjutkan tulisan saya sebelumnya tentang algoritma perceptron,kali ini saya akan menulis tentang conto perhitungan manual algoritma perceptron. Untuk contoh kasusnya saya menggunakan data logika AND. Cekidot.... Algoritma      Data yang kita gunakan sebagai contoh adalah data logika AND sebagai berikut: x1 x2 target 0 0 0 0 1 0 1 0 0 1 1 1       tentukan bobot awal secara acak, saya pakai contoh w1 = 0,w2 =0, learning rate = 1, bias = 0,maksimal epoh = 10. Disini saya memakai fungsi aktivasi undak biner. Epoh ke 1 Data ke satu x = {0,0}, bobot w = {0,0},b=0,target = 0 y_in = (x1*w1)+(x2*w2)+b = (0*0)+(0*0)+0 = 0 y = sign(0) = 1 karena y != target maka hitung error dan update bobot  error = target - y = 0 - 1 = -1 w1_baru = w1_lama +(learning_rate*error*x1)                = 0 ...
12 komentar
Baca selengkapnya

Contoh Perhitungan Algoritma Learning Vector Quantization

Melanjutkan tulisan saya tentang algoritma Learning Vector Quantization yang lalu, kali ini saya akan melanjutkan dengan contoh perhitungan manual. Berikut ini contoh data yang akan kita hitung. No X1 X2 X3 X4 target 1 0 1 1 0 0 2 0 0 1 1 1 3 1 1 1 1 0 4 1 0 0 1 1 pada contoh di atas, saya menggunakan 4 data sebagai data training beserta target yang bertujuan untuk mendapatkan bobot yang akan digunakan pada proses klasifikasi. Bobot awal adalah { 1, 1, 1, 0} dan { 1, 0, 1, 1} dengan learning rate 0,05 dengan fungsi pembelajaran = 0,1. Pelatihan Iterasi ke 1 1. Data ke 1 { 0, 1, 1, 0} dengan target 0, bobot = {{ 1, 1, 1, 0},{ 1, 0, 1, 1}}      - menghitung bobot untuk masing masing output :          kelas 0 = sqrt(((0-1)^2)+((1-1)^2)+((1-1)^2)+((0-...
39 komentar
Baca selengkapnya

Part 7 : Normalisasi Histogram

Menyambung tulisan saya yang sebelumnya tentang pengolahan citra khususnya histogram,kali ini saya lanjutkan tentang Normalisasi histogram.Sebelumnya saya harap agan sudah mengerti tentang histogram.Jika belum bisa di baca dulu di tulisan saya sebelumnya di sini . Normalisasi Histogram adalah menskalakan nilai piksel secara linear untuk menggunakan secara penuh jangkauan yang tersedia. Rumus :  Keterangan : n k= nilai grayscale dari piksel ke k(k = 0,1,2,3....) min = nilai grayscale terkecil yang diperoleh dari histogram max = nilai grayscale terbesar L = range nilai grayscale citra Contoh perhitungan : dari tabel di atas,nilai min adalah 2 yaitu nilai grayscale terkecil dari citra dan max adalah 5 s = 0 - 2 /5 - 2 =0 (untuk n = 0)  hasil = 0 x 7(nilai maksimal grayscale) = 0 sk = 3 - 2 /5 - 2 = 0.333  (untuk n = 3) hasil = 0.333 x 7 = 2 keterangan : 7 adalah range grayscale dari citra,dan untuk banyak kasus biasanya memakai 255. Tujuan Normalisasi...
1 komentar
Baca selengkapnya