Langsung ke konten utama

Merubah Format Tanggal MySQL ke Format Indonesia di PHP

     Apakah agan pernah bermain dengan format Date atau Datetime di MYSQL ?? dan pernah berfikir untuk menampilkannya kedalam format indonesia ?? kali ini saya mau menulis sedikit pengalaman saya tentang tanggal.

    Default dari format Date atau tanggal di MYSQL adalah Y-m-d atau 2000-10-15 ( untuk menunjukkan tanggal 15 bulan oktober tahun 2000). Namun penulisan seperti itu kurang familiar di indonesia yang menggunakan format d-m-Y. Untuk merubahnya kita bisa menggunakan fungsi yang sudah disediakan oleh php untuk memanipulasi string yaitu explode. berikut contohnya.


list($tahun,$bulan,$tanggal) = explode("-",'2015-10-15');

di atas adalah kode untuk memisahkan / memotong string berdasarkan karakter "-" dan menyimpannya ke dalam variabel yang sudah di siapkan di dalam list. Lalu dari variabel di atas bisa kita ubah menjadi nama bulan menggunakan if-else atau percabangan lainnya.


switch ($bulan) {
    case "01":
        $bln = "Januari";
        break;
    case "02":
        $bln = "Februari";
        break;
    case "03":
        $bln = "Maret";
        break;
    case "04":
        $bln = "April";
        break;
    case "05":
        $bln = "Mei";
        break;
    case "06":
        $bln = "Juni";
        break;
    case "07":
        $bln = "Juli";
        break;
    case "08":
        $bln = "Agustus";
        break;
    case "09":
        $bln = "September";
        break;
    case "10":
        $bln = "Oktober";
        break;
    case "11":
        $bln = "November";
        break;
    case "12":
        $bln = "Desember";
        break;
    default:
        echo "Bulan Salah";
}

di atas adalah kode untuk merubah format angka bulan menjadi nama bulan yang di simpan di variabel $bln. Kemudian variabel tersebut di sambung kembali untuk menghasilkan output yang di inginkan.

return $tanggal." ".$bln." ".$tahun;

untuk kode lengkapnya sebagai berikut


function get_tanggal($date){
  list($tahun,$bulan,$tanggal) = explode("-",$date);
  switch ($bulan) {
    case "01":
        $bln = "Januari";
        break;
    case "02":
        $bln = "Februari";
        break;
    case "03":
        $bln = "Maret";
        break;
    case "04":
        $bln = "April";
        break;
    case "05":
        $bln = "Mei";
        break;
    case "06":
        $bln = "Juni";
        break;
    case "07":
        $bln = "Juli";
        break;
    case "08":
        $bln = "Agustus";
        break;
    case "09":
        $bln = "September";
        break;
    case "10":
        $bln = "Oktober";
        break;
    case "11":
        $bln = "November";
        break;
    case "12":
        $bln = "Desember";
        break;
    default:
        echo "Bulan Salah";
  }
  return $tanggal." ".$bln." ".$tahun;
}

untuk penggunaan sebagai berikut.


$tanggal = get_tanggal('2015-05-16');

echo $tanggal;

selamat mencoba.

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