Langsung ke konten utama

Database Terdistribusi di Mysql

        Database Terdistribusi
Database Terdistribusi bisa diartikan sebagai kumpulan dari data-data dengan berbagai bagian yang ditangani DBMS (Data Base Management System) secara terpisah dan berjalan pada sistem komputer.Semua komputer saling terhubung dan setiap sistem mempunyai hak kemampuan memproses untuk melayani permintaan lokal. Setiap sistem berpartisipasi baik dalam melaksanakan satu atau lebih permintaan.Beberapa permintaan memerlukan data tidak hanya dari satu tempat melainkan beberapa tempat atau lebih.

Dalam kesempatan  ini saya menggunakan teknik Client server 


Database Sistem Penyimpanan Barang
Sistem ini adalah sistem penyimpanan dan pengeluaran barang untuk barang barang hadiah yang di pakai untuk keperluan marcendise untuk customer.Barang keluar karena permintaan sales untuk di berikan kepada customer dan tidak untuk di jual.dan barang masuk karena permintaan ke cabang pusat bukan dari produksi sendiri.Sistem ini menggunakan teknik replikasi untuk distribusi database.

Konfigurasi MySQL
Konfigurasi Di Komputer Server
            Komputer server dikonfigurasi agar SQL Server yang berada Di komputer server agar dapat di akses dari komputer Client.Alamat IP disesuaikan dengan IP server pada jaringan.
Sintax :
change master to master_host=’<IP server>,master_port=3306,master_user=’<user>’,master_password=’<password>’;





Hal ini di lakukan karena secara default IP SQL Server di set dengan alamat 127.0.0.1.
Dengan konfigurasi tersebut SQL Server sudah bisa di akses dari komputer lain yang terhubung dengan jaringan namun komputer client belum di izinkan untuk mengakses karena belum di beri hak akses ke SQL Server. Untuk memberikan hak akses kepada komputer client maka SQL Server perlu di konfigurasi.
Sintax :
Grant all privileges on <nama database>.<nama tabel> to <user> identified by ‘<password>’;
Sekarang Database sudah bisa di akses oleh komputer client yang tersambung dalam jaringan.

Screen Shoot konfigurasi di komputer Server

Konfigurasi Di Komputer Client
Untuk mengakses MySQL Server yang berada pada komputer server,maka client harus menyertakan IP server sebagai host yang ingin di akses.
Sintax :
Mysql –h <IP HOST> -u <user> -p <password>;
Contoh : 

Screen Shoot Di komputer Client
Demikian utorial ini,semoga dapat membantu teman teman yang sedang mencari referensi
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