Service Provide By IP
Protokol Internet bertanggung jawab untuk mengatasi hosts dan routing datagram (paket) dari host sumber ke host tujuan di satu atau lebih jaringan IP. Untuk tujuan ini Internet Protocol mendefinisikan sistem pengalamatan yang memiliki dua fungsi. Alamat mengidentifikasi host dan menyediakan layanan lokasi logis. Setiap paket ditandai dengan header yang berisi meta-data untuk tujuan pengiriman. Proses penandaan juga disebut enkapsulasi.
IP adalah protokol connection less dan tidak memerlukan setup sirkuit sebelum transmisi.
Reliability
prinsip desain dari protokol Internet mengasumsikan bahwa infrastruktur jaringan secara inheren tidak dapat diandalkan pada setiap elemen jaringan tunggal atau media transmisi dan itu bersifat dinamis dalam hal ketersediaan link dan node. Tidak ada pemantauan pusat atau fasilitas pengukuran kinerja ada yang melacak atau mempertahankan kondisi jaringan. Untuk kepentingan mengurangi kompleksitas jaringan, kecerdasan dalam jaringan sengaja sebagian besar berada di node akhir setiap transmisi data, cf. prinsip end-to-end. Router di jalur transmisi hanya meneruskan paket ke gateway lokal berikutnya dikenal cocok dengan awalan routing untuk alamat tujuan.
Sebagai konsekuensi dari desain ini, Internet Protocol pengiriman hanya menyediakan upaya terbaik dan layanan juga dapat dicirikan sebagai tidak bisa diandalkan. Dalam bahasa arsitektur jaringan itu adalah sambungan-protokol kurang, berbeda dengan modus connection-oriented apa yang disebut transmisi. Kurangnya kehandalan memungkinkan salah satu kejadian kesalahan berikut terjadi:
* Data korup
* Hilang paket data
* Duplikat kedatangan
* Out-of-order pengiriman paket, artinya, jika paket 'A' dikirimkan sebelum paket 'B', paket 'B' mungkin tiba sebelum paket 'A'. Karena routing dinamis dan tidak ada memori dalam jaringan tentang jalur paket sebelumnya, ada kemungkinan bahwa paket pertama yang dikirim mengambil jalan lagi ke tujuannya.
Bantuan hanya bahwa Protokol Internet menyediakan dalam Versi 4 (IPv4) adalah untuk memastikan bahwa header paket IP adalah kesalahan-gratis melalui perhitungan checksum di node routing. Hal ini memiliki efek samping dari membuang paket dengan header yang buruk di tempat. Dalam hal ini tidak diperlukan pemberitahuan akan dikirim ke salah satu simpul akhir, meskipun fasilitas tersebut ada di Internet Control Message Protocol (ICMP) untuk melakukannya.
IPv6, di sisi lain, telah meninggalkan penggunaan checksum header IP untuk kepentingan forwarding cepat melalui routing elemen dalam jaringan.
Resolusi atau koreksi dari setiap isu-isu reliabilitas merupakan tanggung jawab dari protokol lapisan atas. Sebagai contoh, untuk menjamin agar dalam pengiriman-order lapisan atas mungkin harus data cache sampai dapat dikirimkan ke aplikasi.
Selain isu-isu reliabilitas, ini bersifat dinamis dan keanekaragaman Internet dan komponen-komponennya tidak memberikan jaminan bahwa setiap jalan tertentu sebenarnya mampu, atau cocok untuk, melakukan transmisi data yang diminta, bahkan jika jalur tersebut tersedia dan dapat diandalkan. Salah satu kendala teknis adalah ukuran paket data yang diijinkan pada link yang diberikan. Sebuah aplikasi harus memastikan bahwa menggunakan karakteristik transmisi yang tepat. Beberapa tanggung jawab ini terletak juga pada protokol lapisan atas antara aplikasi dan IP. Fasilitas ada untuk memeriksa unit transmisi maksimum (MTU) ukuran link lokal, serta jalan diproyeksikan seluruh ke tujuan ketika menggunakan IPv6. Lapisan internetworking IPv4 memiliki kemampuan untuk secara otomatis fragmen datagram asli ke unit yang lebih kecil untuk transmisi. Dalam kasus ini, IP tidak memberikan kembali fragmen disampaikan pemesanan out-of-order.
Transmission Control Protocol (TCP) adalah contoh dari sebuah protokol yang akan menyesuaikan ukuran segmen yang lebih kecil dari MTU tersebut. User Datagram Protocol (UDP) dan Internet Control Message Protocol (ICMP) mengabaikan ukuran MTU sehingga memaksa IP untuk datagrams fragmen kebesaran.
IP addressing and routing
Mungkin aspek yang paling kompleks IP alamat IP dan routing. Mengatasi mengacu pada bagaimana host ditugaskan menjadi alamat IP dan bagaimana subnetwork dari alamat host IP dibagi dan dikelompokkan bersama. IP routing dilakukan oleh semua host, tetapi yang paling penting oleh router internetwork, yang biasanya menggunakan salah satu protokol gateway interior (IGPs) atau protokol gateway eksternal (EGPs) untuk membantu membuat keputusan datagram IP forwarding di jaringan IP terhubung.
Version history
Pada bulan Mei 1974, Institute of Engineers Listrik dan Elektronika (IEEE) menerbitkan sebuah makalah berjudul Penulis koran, Vint Cerf dan Bob Kahn, "A Protokol Interkoneksi Jaringan Packet." Menggambarkan sebuah protokol internetworking untuk berbagi sumber daya dengan menggunakan paket- beralih di antara node. Sebuah komponen kontrol pusat dari model ini adalah "Transmission Control Program (TCP) yang dimasukkan kedua link connection-oriented dan layanan datagram antara host. Transmisi monolitik Control Program kemudian dibagi menjadi sebuah arsitektur modular terdiri dari Transmission Control Protocol pada layer connection-oriented dan Protokol Internet pada layer (datagram) internetworking. Model ini menjadi dikenal secara informal sebagai TCP / IP, yang secara formal itu selanjutnya dirujuk sebagai Internet Protocol Suite.
Protokol Internet merupakan salah satu unsur menentukan yang mendefinisikan Internet. Protokol internetworking dominan di Layer Internet yang digunakan saat ini adalah IPv4, dengan nomor 4 ditugaskan sebagai nomor versi protokol formal dibawa dalam setiap datagram IP. IPv4 dijelaskan dalam RFC 791 (1981).
Penerus IPv4 adalah IPv6. Its modifikasi yang paling menonjol dari versi 4 adalah sistem pengalamatan. IPv4 menggunakan alamat 32-bit (c. 4 miliar, atau 4,3 × 109, alamat), sedangkan IPv6 menggunakan alamat 128-bit (c. 340 undecillion, atau 3,4 × 1038 alamat). Meskipun Penerapan IPv6 telah lambat, pada Juni 2008, semua sistem pemerintah Amerika Serikat telah menunjukkan dukungan infrastruktur dasar untuk IPv6 (jika hanya pada tingkat backbone).
Versi angka 0 sampai 3 adalah versi pengembangan dari IPv4 digunakan antara 1977 dan 1979. [rujukan?] Versi angka 5 digunakan oleh Internet Stream Protocol, sebuah protokol streaming eksperimental. Versi nomor 6 sampai 9 diusulkan untuk model berbagai protokol yang dirancang untuk menggantikan IPv4: Sipp (Simple Internet Protocol Plus, sekarang dikenal sebagai IPv6), TP / IX (RFC 1475), PIP (RFC 1621) dan Tuba (TCP dan UDP dengan Bigger Alamat, RFC 1347). Nomor versi 6 itu akhirnya dipilih sebagai tugas resmi untuk protokol Internet pengganti, kemudian distandarisasi sebagai IPv6.
Sebuah Permintaan lucu untuk Komentar yang membuat pusat IPv9 protokol alur cerita yang diterbitkan pada tanggal 1 April 1994 oleh IETF. Hal ini dimaksudkan sebagai sebuah lelucon Hari April Fool. proposal protokol lain bernama "IPv9" dan "IPv8" telah juga sempat muncul, meskipun ini datang dengan dukungan sedikit atau tanpa dari industri yang lebih luas dan akademisi.
Referensi :
http://en.wikipedia.org/wiki/Internet_Protocol
Minggu, 24 Oktober 2010
Selasa, 12 Oktober 2010
Penelitian Jurnal Internasional Information Communication Technology
PERCOBAAN DAN HASIL
Menjalankan berbagai pluralitas suara penggolong dari tiga dasar belajar algoritma yang dihasilkan dari kombinasi dari lima algoritma pada data set tersebut menyebabkan satu set data yang keluar ke tiga kelompok, kinerja akurasi menengah, dan kinerja akurasi baik yang dilakukan dengan membagi rentang antara angka akurasi terendah dan angka akurasi tertinggi dalam tiga kelompok.
Karena tujuan utama adalah untuk melampirkan kinerja akurasi yang baik dengan karakteristik data spesifik menetapkan jenis, yang akurasi data yang baik adalah salah satu analisis cluster yang dilakukan dalam percobaan.
Hasil dari data akurasi data yang buruk menunjukkan bahwa semua kombinasi algoritma dilakukan dengan buruk tingginya jumlah kelas, ini lebih terekspos bahkan di set akurasi data media dan baik, umumnya sebagai jumlah kelas penurunan kinerja meningkatkan akurasi. 4.0.1 Hasil dari eksperimen awal dari algoritma k-means mengisyaratkan antara 3 dan 6 cluster, sehingga jumlah dari cluster adalah diatur ke Penayangan pertama pengelompokan jelas menunjukkan bahwa jumlah kasus adalah satu-satunya yang menonjol pada variabel yang digunakan dalam menentukan cluster seperti terlihat pada putaran 1 clustering .
Arti penting dari variabel lainnya dapat terpapar dengan mengeluarkan variabel utama (jumlah contoh) dari berjalan berikutnya eksperimental clustering. Tingkat berikutnya berjalan mengekspos pentingnya lainnya variabel yang dibayangi dengan jumlah kasus pada penayangan pertama.
Penayangan kedua pengelompokan mengungkapkan bahwa jumlah atribut adalah penentu terbesar dari kelompok sebagai ditampilkan dalam Tabel IX, X, XI dan XII. Analisis menunjukkan bahwa Bayes menggabungkan baik dengan KNN untuk agak rendah jumlah kelas, kombinasi dengan algoritma berdasarkan aturan membawa turun kinerja akurasi apakah jumlah atribut rendah atau tinggi, dan kombinasi dengan pohon-pohon keputusan umumnya tidak memiliki pengaruh besar pada kinerja kombinasi akurasi.
Seperti yang terlihat dalam Tabel IX, X, XI dan XII, sebagian besar pengamatan jatuh ke dalam cluster 1 dan 2 didominasi oleh Bayes / KNN kombinasi, dengan akurasi tertinggi dan akurasi pusat juga berada dalam kelompok. Hal ini juga dapat mengamati bahwa Bayes / KNN kombinasi dibawa turun ketika semakin banyak atribut dan juga saat dikombinasikan dengan aturan algoritma berbasis . Hal ini juga dapat dengan jelas dicatat bahwa kombinasi yang memiliki pelabuhan C45Tree/Tree tidak ada perubahan yang signifikan dalam performa akurasi.
KESIMPULAN DAN KERJA MASA DEPAN
Penemuan pertama dari pembagian pengelompokan data yang dihasilkan menjadi kelompok-kelompok adalah bahwa terlepas dari set kombinasi akurasi kinerja terburuk itu dipamerkan dalam set data yang memiliki sejumlah besar kelas untuk diprediksi. Ini adalah implikasi bahwa semakin tinggi jumlah kelas untuk prediksi dalam suatu kumpulan data, semakin sulit untuk belajar dari set data.
Karena jumlah contoh adalah variabel menonjol hanya sebelum pengecualian dari clustering percobaan dengan variabel lain muncul sebagai yang signifikan, maka jumlah kasus tidak berguna menentukan cluster akhirnya, kemudian rendering tidak meta sangat relevan-pengetahuan untuk penggolong kombinasi.
Temuan utama adalah bahwa jumlah atribut dalam kumpulan data muncul sebagai penentu paling signifikan kinerja untuk kombinasi berbagai classifier.
Dari hasil itu adalah menyindir bahwa kombinasi dari Bayesian dan K-Nearest Neighbor algoritma menghasilkan substansial kinerja yang baik, bagaimanapun, kinerja menurunkan dengan jumlah kelas. Hasil lebih lanjut mengekspos bahwa kombinasi yang mencakup Aturan algoritma dilakukan berdasarkan rata-rata buruk. Temuan lain adalah bahwa kombinasi dengan dua metode pohon keputusan tidak secara signifikan mengubah performa yang dihasilkan dari kombinasi ditetapkan.
Untuk evaluasi pekerjaan di masa depan temuan dari analisis clustering akan dilakukan dan dibandingkan dengan lainnya kombinasi set tanpa informasi clustering apriori. Dalam pencarian untuk hasil yang lebih pragmatis, percobaan akan di masa akan datang dilakukan dengan menggunakan domain yang spesifik data set dunia dan nyata berbagai karakteristik data akan diperluas dalam rangka untuk menemukan pola lebih bermakna.
RESEARCH CAPACITY
Tidak adanya penelitian asli yang berarti dapat berakar kecuali dan sampai ada kapasitas untuk mendukungnya. Kapasitas ini terdiri dari personil lokal dengan bunga yang cukup mendalam untuk memulai penelitian dan juga pendanaan peneliti baik oleh lembaga atau lembaga donor lainnya. Pendanaan datang menjadi dua bentuk. Pertama dalam waktu yang diberikan kepada peneliti dan yang kedua adalah dana yang sebenarnya untuk membeli yang dibutuhkan sumber daya untuk penelitian. Banyak rekan dari Afrika bahwa saya memiliki kesempatan untuk berbicara dengan memberikan kurangnya kapasitas penelitian sebagai alasan mengapa Afrika adalah menemukan begitu sulit untuk bootstrap yang asli sendiri penelitian. Mereka menyatakan bahwa untuk sementara dikendalikan di sana, investasi waktu, pada individu peneliti, dan uang untuk membeli sumber daya yang dibutuhkan tidak tersedia secara lokal di sejumlah negara.
BENEFITS OF RESEARCH
Karena penelitian asli sebagian besar didorong oleh keinginan sendiri, biasanya sulit, terutama untuk pendanaan lembaga, untuk membenarkan pengeluaran dalam hal uang dan waktu dan untuk menunjukkan efektivitas penelitian. Namun, dengan fokus pada kekurangan ini mengurangi manfaat yang sangat besar asli penelitian pada institusi, industri dan negara, jika tidak benua. Untuk institusi pendidikan tinggi, manfaat yang besar termasuk:
• membawa uang dari lembaga riset eksternal. Uang ini dapat digunakan dalam berbagai cara di dalam institusi tersebut.
• mendapatkan pengakuan internasional dari kecakapan lembaga penelitian melalui filling paten, dan jurnal dan buku publikasi.
• dapat mengakibatkan pengaturan dari inkubator bisnis lokal start-up perusahaan terkemuka untuk menciptakan kerja.
Di Afrika untuk menyalakan arti riset asli dan memeliharanya, ia harus menghentikan ke
menjamurnya penelitian bayangan dengan menghentikan membayar "peneliti" biaya fasilitasi untuk menghadiri lokal konferensi, makalah ini, dan benar-benar "melakukan" penelitian. Ada kasus di mana para donor telah diberi uang untuk institusi pendidikan tinggi Afrika membanggakan penelitian hanya untuk dibagi antara fakultas anggota atau lelang kepada penawar tertinggi dengan kertas palsu hanya ditulis untuk tujuan akuntabilitas dana.
Saya menyerukan kepada semua akademisi Afrika dan peneliti untuk datang ke piring, mengembangkan keinginan untuk riset asli dan mengikuti hati mereka apakah ada uang atau tidak. Mari kita gunakan kebaruan ICT dan menemukan semangat baru untuk ICT untuk mempercepat pengembangan dan kapasitas bangunan melalui riset asli ICT.
Sekali lagi biarkan aku menyelesaikan dengan menyebut peneliti Afrika untuk mempertimbangkan mengajukan kertas Anda penelitian, dengan aplikasi ICT untuk isu-isu masa depan jurnal ini. Kami berkomitmen untuk membawa keluar yang terbaik dari Afrika ke arena global peneliti. Journal, seperti konferensi adik, The Konferensi Internasional Tahunan Komputasi dan Riset ICT, akan menerima surat-surat di komputer ilmu, komputer rekayasa, rekayasa perangkat lunak, komunikasi data dan jaringan komputer, sistem informasi, teknologi informasi dan TIK untuk pembangunan berkelanjutan dan lainnya yang terkait daerah.
Referensi
http://www.ijcir.org/volume1-number2/IJCIR%20IssueN2.pdf
Menjalankan berbagai pluralitas suara penggolong dari tiga dasar belajar algoritma yang dihasilkan dari kombinasi dari lima algoritma pada data set tersebut menyebabkan satu set data yang keluar ke tiga kelompok, kinerja akurasi menengah, dan kinerja akurasi baik yang dilakukan dengan membagi rentang antara angka akurasi terendah dan angka akurasi tertinggi dalam tiga kelompok.
Karena tujuan utama adalah untuk melampirkan kinerja akurasi yang baik dengan karakteristik data spesifik menetapkan jenis, yang akurasi data yang baik adalah salah satu analisis cluster yang dilakukan dalam percobaan.
Hasil dari data akurasi data yang buruk menunjukkan bahwa semua kombinasi algoritma dilakukan dengan buruk tingginya jumlah kelas, ini lebih terekspos bahkan di set akurasi data media dan baik, umumnya sebagai jumlah kelas penurunan kinerja meningkatkan akurasi. 4.0.1 Hasil dari eksperimen awal dari algoritma k-means mengisyaratkan antara 3 dan 6 cluster, sehingga jumlah dari cluster adalah diatur ke Penayangan pertama pengelompokan jelas menunjukkan bahwa jumlah kasus adalah satu-satunya yang menonjol pada variabel yang digunakan dalam menentukan cluster seperti terlihat pada putaran 1 clustering .
Arti penting dari variabel lainnya dapat terpapar dengan mengeluarkan variabel utama (jumlah contoh) dari berjalan berikutnya eksperimental clustering. Tingkat berikutnya berjalan mengekspos pentingnya lainnya variabel yang dibayangi dengan jumlah kasus pada penayangan pertama.
Penayangan kedua pengelompokan mengungkapkan bahwa jumlah atribut adalah penentu terbesar dari kelompok sebagai ditampilkan dalam Tabel IX, X, XI dan XII. Analisis menunjukkan bahwa Bayes menggabungkan baik dengan KNN untuk agak rendah jumlah kelas, kombinasi dengan algoritma berdasarkan aturan membawa turun kinerja akurasi apakah jumlah atribut rendah atau tinggi, dan kombinasi dengan pohon-pohon keputusan umumnya tidak memiliki pengaruh besar pada kinerja kombinasi akurasi.
Seperti yang terlihat dalam Tabel IX, X, XI dan XII, sebagian besar pengamatan jatuh ke dalam cluster 1 dan 2 didominasi oleh Bayes / KNN kombinasi, dengan akurasi tertinggi dan akurasi pusat juga berada dalam kelompok. Hal ini juga dapat mengamati bahwa Bayes / KNN kombinasi dibawa turun ketika semakin banyak atribut dan juga saat dikombinasikan dengan aturan algoritma berbasis . Hal ini juga dapat dengan jelas dicatat bahwa kombinasi yang memiliki pelabuhan C45Tree/Tree tidak ada perubahan yang signifikan dalam performa akurasi.
KESIMPULAN DAN KERJA MASA DEPAN
Penemuan pertama dari pembagian pengelompokan data yang dihasilkan menjadi kelompok-kelompok adalah bahwa terlepas dari set kombinasi akurasi kinerja terburuk itu dipamerkan dalam set data yang memiliki sejumlah besar kelas untuk diprediksi. Ini adalah implikasi bahwa semakin tinggi jumlah kelas untuk prediksi dalam suatu kumpulan data, semakin sulit untuk belajar dari set data.
Karena jumlah contoh adalah variabel menonjol hanya sebelum pengecualian dari clustering percobaan dengan variabel lain muncul sebagai yang signifikan, maka jumlah kasus tidak berguna menentukan cluster akhirnya, kemudian rendering tidak meta sangat relevan-pengetahuan untuk penggolong kombinasi.
Temuan utama adalah bahwa jumlah atribut dalam kumpulan data muncul sebagai penentu paling signifikan kinerja untuk kombinasi berbagai classifier.
Dari hasil itu adalah menyindir bahwa kombinasi dari Bayesian dan K-Nearest Neighbor algoritma menghasilkan substansial kinerja yang baik, bagaimanapun, kinerja menurunkan dengan jumlah kelas. Hasil lebih lanjut mengekspos bahwa kombinasi yang mencakup Aturan algoritma dilakukan berdasarkan rata-rata buruk. Temuan lain adalah bahwa kombinasi dengan dua metode pohon keputusan tidak secara signifikan mengubah performa yang dihasilkan dari kombinasi ditetapkan.
Untuk evaluasi pekerjaan di masa depan temuan dari analisis clustering akan dilakukan dan dibandingkan dengan lainnya kombinasi set tanpa informasi clustering apriori. Dalam pencarian untuk hasil yang lebih pragmatis, percobaan akan di masa akan datang dilakukan dengan menggunakan domain yang spesifik data set dunia dan nyata berbagai karakteristik data akan diperluas dalam rangka untuk menemukan pola lebih bermakna.
RESEARCH CAPACITY
Tidak adanya penelitian asli yang berarti dapat berakar kecuali dan sampai ada kapasitas untuk mendukungnya. Kapasitas ini terdiri dari personil lokal dengan bunga yang cukup mendalam untuk memulai penelitian dan juga pendanaan peneliti baik oleh lembaga atau lembaga donor lainnya. Pendanaan datang menjadi dua bentuk. Pertama dalam waktu yang diberikan kepada peneliti dan yang kedua adalah dana yang sebenarnya untuk membeli yang dibutuhkan sumber daya untuk penelitian. Banyak rekan dari Afrika bahwa saya memiliki kesempatan untuk berbicara dengan memberikan kurangnya kapasitas penelitian sebagai alasan mengapa Afrika adalah menemukan begitu sulit untuk bootstrap yang asli sendiri penelitian. Mereka menyatakan bahwa untuk sementara dikendalikan di sana, investasi waktu, pada individu peneliti, dan uang untuk membeli sumber daya yang dibutuhkan tidak tersedia secara lokal di sejumlah negara.
BENEFITS OF RESEARCH
Karena penelitian asli sebagian besar didorong oleh keinginan sendiri, biasanya sulit, terutama untuk pendanaan lembaga, untuk membenarkan pengeluaran dalam hal uang dan waktu dan untuk menunjukkan efektivitas penelitian. Namun, dengan fokus pada kekurangan ini mengurangi manfaat yang sangat besar asli penelitian pada institusi, industri dan negara, jika tidak benua. Untuk institusi pendidikan tinggi, manfaat yang besar termasuk:
• membawa uang dari lembaga riset eksternal. Uang ini dapat digunakan dalam berbagai cara di dalam institusi tersebut.
• mendapatkan pengakuan internasional dari kecakapan lembaga penelitian melalui filling paten, dan jurnal dan buku publikasi.
• dapat mengakibatkan pengaturan dari inkubator bisnis lokal start-up perusahaan terkemuka untuk menciptakan kerja.
Di Afrika untuk menyalakan arti riset asli dan memeliharanya, ia harus menghentikan ke
menjamurnya penelitian bayangan dengan menghentikan membayar "peneliti" biaya fasilitasi untuk menghadiri lokal konferensi, makalah ini, dan benar-benar "melakukan" penelitian. Ada kasus di mana para donor telah diberi uang untuk institusi pendidikan tinggi Afrika membanggakan penelitian hanya untuk dibagi antara fakultas anggota atau lelang kepada penawar tertinggi dengan kertas palsu hanya ditulis untuk tujuan akuntabilitas dana.
Saya menyerukan kepada semua akademisi Afrika dan peneliti untuk datang ke piring, mengembangkan keinginan untuk riset asli dan mengikuti hati mereka apakah ada uang atau tidak. Mari kita gunakan kebaruan ICT dan menemukan semangat baru untuk ICT untuk mempercepat pengembangan dan kapasitas bangunan melalui riset asli ICT.
Sekali lagi biarkan aku menyelesaikan dengan menyebut peneliti Afrika untuk mempertimbangkan mengajukan kertas Anda penelitian, dengan aplikasi ICT untuk isu-isu masa depan jurnal ini. Kami berkomitmen untuk membawa keluar yang terbaik dari Afrika ke arena global peneliti. Journal, seperti konferensi adik, The Konferensi Internasional Tahunan Komputasi dan Riset ICT, akan menerima surat-surat di komputer ilmu, komputer rekayasa, rekayasa perangkat lunak, komunikasi data dan jaringan komputer, sistem informasi, teknologi informasi dan TIK untuk pembangunan berkelanjutan dan lainnya yang terkait daerah.
Referensi
http://www.ijcir.org/volume1-number2/IJCIR%20IssueN2.pdf
Langganan:
Postingan (Atom)
