Minggu, 29 Maret 2020
Selasa, 24 Maret 2020
Senin, 23 Maret 2020
Sabtu, 21 Maret 2020
Pengertian Machine learning dan contohnya
Machine learning adalah aplikasi dari disiplin ilmu kecerdasan buatan (Artificial Intelligence) yang menggunakan teknik statistika untuk menghasilkan suatu model otomatis dari sekumpulan data, dengan tujuan memberikan komputer kemampuan untuk “belajar”. Pembelajaran mesin atau machine learning memungkinkan komputer mempelajari sejumlah data (learn from data) sehingga dapat menghasilkan suatu model untuk melakukan proses input-output tanpa menggunakan kode program yang dibuat secara eksplisit. Proses belajar tersebut menggunakan algoritma khusus yang disebut machine learning algorithms. Terdapat banyak algoritma machine learning dengan efesiensi dan spesifikasi kasus yang berbeda-beda. Machine learning adalah cabang aplikasi dari Artificial Intelligence (Kecerdasan Buatan) yang focus pada pengembangan sebuah sistem yang mampu belajar "sendiri" tanpa harus berulang kali di program oleh manusia.
Aplikasi Machine learning membutuhkan Data sebagai bahan belajar (training) sebelum mengeluarkan output. Aplikasi sejenis ini juga biasanya berada dalam domain spesifik alias tidak bisa diterapkan secara general untuk semua permasalahan.
Sebagai contoh: Aplikasi Pengenalan Gambar, Aplikasi Asisten pribadi seperti Siri, Google dll, Chat Bot, Pengenal Wajah, Mobil otonom dan domain-domain spesifik lainnya.
B. Konsep Dasar dan Cara kerja Machine Learning
Secara fundamental cara kerja machine learning adalah belajar seperti manusia dengan menggunakan contoh-contoh dan setelah itu barulah dapat menjawab suatu pertanyaan terkait. Proses belajar ini menggunakan data yang disebut train dataset. Berbeda dengan program statis, machine learning diciptakan untuk membentuk program yang dapat belajar sendiri.
Secara (matematika) sederhana, rumus umum Machine learning :
Y = f(X)
Dimana:
Y = Output ,
X = Input,
f = fungsi (function)
Dimana secara singkat bisa katakan bahwa Machine Learning itu memenuhi kaidah :
Output = f(Input)
Atau dengan kata lain, Output (Y) dari machine learning adalah hasil dari pengolahan fungsi (f) terhadap Input (X)
Machine Learning meningkat karena faktor data mining dan analisis Bayesian lebih populer dari sebelumnya. Pengolahan komputasi yang lebih murah dan lebih bertenaga termasuk penyimpanan data yang terjangkau merupakan peningkatan. Semua hal ini secara cepat dan otomatis menghasilkan model yang dapat menganalisis data yang lebih besar dan lebih komplek memberikan hasil yang lebih cepat dan akurat dalam skala yang sangat besar.
Prediksi nilai tinggi bisa mengarah pada keputusan dan tindakan cerdas secara real-time tanpa campur tangan manusia. Salah satu kunci untuk menghasilkan gerakan cerdas secara real-time merupakan pembuatan model otomatis.
Bagian Machine Learning
Ketika Anda melihat situs web yang kompleks seperti Facebook, Amazon, atau Netflix, kemungkinan besar situs ini berisi beberapa model Machine Learning. Dari model yang didapatkan, kita dapat melakukan prediksi yang berbeda, tergantung pada tipenya. Jika hasil prediksi bersifat diskrit, maka dinamakan proses klasifikasi. Sistem pembelajaran mesin terdiri dari tiga bagian utama, yaitu:
- Model: sistem yang membentuk prediksi atau identifikasi.
- Parameter: sinyal atau faktor yang digunakan oleh model untuk membentuk keputusannya.
- Pemelajaran: sistem yang menyesuaikan parameter dan model dalam prediksi versus hasil aktual.
Bayangkan bahwa Anda adalah seorang guru. Anda ingin mengidentifikasi jumlah waktu belajar siswa untuk mencapai nilai terbaik dalam tes. Anda beralih lagi ke Machine learning untuk solusi tersebut. Salah satu teknik pengaplikasian machine learning adalah supervised learning. Seperti yang dibahas sebelumnya, machine learning tidak akan bekerja tanpa data. Model itu sendiri bergantung pada parameter yang digunakan untuk mengatur perhitungannya. Dalam contoh ini, parameter adalah jam yang digunakan saat belajar untuk hasil nilai tes yang diterima.
Sistem pembelajaran mesin benar-benar akan menggunakan persamaan matematis untuk mengekspresikan semuanya, secara efektif ini akan membentuk garis tren dari apa yang diharapkan. Oleh karena itu hal yang pertama kali disiapkan adalah data. Data biasanya akan dibagi menjadi 2 kelompok, yaitu data training dan data testing.
Bagaimana Machine Learning Bekerja?
Machine learning memiliki dua jenis teknik: Supervised Learning, yang melatih model pada data input dan output yang diketahui sehingga dapat memprediksi keluaran masa depan dan Unsupervised Learning, yang menemukan pola tersembunyi atau struktur intrinsik pada data masukan.
Penerapan metode Machine Learning dalam beberapa tahun terakhir telah berkembang di mana-mana dalam kehidupan sehari-hari. Machine Learning bukanlah hal baru dalam lanskap ilmu komputer. Machine Learning mengaitkan proses struktural dimana setiap bagian menciptakan versi mesin yang lebih baik.
- Supervised Learning
Pembelajaran mesin yang diawasi menciptakan model yang melancarkan prediksi berdasarkan bukti adanya ketidakpastian. Algoritma pembelajaran yang diawasi memerlukan seperangkat data masukan dan tanggapan yang diketahui terhadap data (output) dan melatih model untuk menghasilkan prediksi yang masuk akal untuk respon terhadap data baru. Gunakan pembelajaran ini jika Anda ingin mengetahui data output yang ingin Anda prediksi. Pembelajaran ini diawasi menggunakan teknik klasifikasi dan regresi untuk mengembangkan model prediktif.
Teknik klasifikasi memprediksi respons diskrit – misalnya, apakah email itu asli atau spam, atau apakah tumor itu kanker atau tidak. Model klasifikasi mengklasifikasikan data masukan ke dalam kategori tersebut. Aplikasi yang umum termasuk pencitraan medis. Misalnya aplikasi untuk pengenalan tulisan, maka anda harus menggunakan klasifikasi untuk mengenali huruf dan angka.
Jika Anda bisa melakukannya, Anda memiliki landasan yang dapat Anda gunakan pada satu dataset ke dataset yang akan dicoba lagi selanjutnya. Anda bisa mengisi waktu seperti mempersiapkan data lebih lanjut dan memperbaiki hasilnya nanti, begitu Anda lebih percaya diri. Dalam pengolahan citra dan penglihatan komputer, teknik pengenalan pola tanpa pemeriksaan digunakan untuk deteksi objek dan segmentasi. Algoritma yang umum mengadakan klasifikasi yang meliputi dukungan mesin vektor (SVM).
- Unsupervised Learning
Ini menemukan pola tersembunyi atau struktur intrinsik dalam data. Ini digunakan untuk menarik kesimpulan dari kumpulan data yang terdiri dari data masukan tanpa respon berlabel. Clustering adalah teknik belajar tanpa pengamatan yang umum. Ini digunakan untuk analisis data eksplorasi dalam menemukan pola atau pengelompokan tertutup dalam data. Aplikasi untuk analisis cluster meliputi analisis urutan gen, riset pasar dan pengenalan objek.
Misalnya, jika sebuah perusahaan telepon seluler ingin mengoptimalkan lokasi di mana mereka membangun menara telepon seluler, mereka dapat menggunakan pembelajaran mesin untuk memperkirakan jumlah kelompok orang yang bergantung pada menara mereka. Telepon hanya bisa berbicara dengan satu menara sekaligus, sehingga tim menggunakan algoritma pengelompokan untuk merancang peletakan menara seluler terbaik dalam mengoptimalkan penerimaan sinyal bagi kelompok dan dari pelanggan mereka.
Algoritma yang umum mengadakan clustering meliputi k-means dan k-medoids, hirarki clustering, model campuran Gaussian, model Markov tersembunyi, peta pengorganisasian sendiri, clustering fuzzy c-means dan clustering subtraktif.
C. Metode Algoritma Machine Learning
Supervised machine learning algorithms
Supervised machine learning adalah algoritma machine learning yang dapat menerapkan informasi yang telah ada pada data dengan memberikan label tertentu, misalnya data yang telah diklasifikasikan sebelumnya (terarah). Algoritma ini mampu memberikan target terhadap output yang dilakukan dengan membandingkan pengalaman belajar di masa lalu.Unsupervised machine learning algorithms
Unsupervised machine learning adalah algoritma machine learning yang digunakan pada data yang tidak mempunyai informasi yang dapat diterapkan secara langsung (tidak terarah). Algoritma ini diharapkan mampu menemukan struktur tersembunyi pada data yang tidak berlabel.Semi-supervised machine learning algorithms
Semi-supervised machine learning adalah algoritma yang digunakan untuk melakukan pembelajaran data berlabel dan tanpa label. Sistem yang menggunakan metode ini dapat meningkatkan efesiensi output yang dihasilkan.Reinforcement machine learning algorithms
Reinforcement machine learning adalah algoritma yang mempunyai kemampuan untuk berinteraksi dengan proses belajar yang dilakukan, algoritma ini akan memberikan poin (reward) saat model yang diberikan semakin baik atau mengurangi poin (error) saat model yang dihasilkan semakin buruk. Salah satu penerapannya adalah pada mesin pencari.
Contoh Penerapan Machine Learning
Hasil Pencarian Search Engine
Google dan mesin pencari lainnya seperti Bing dan Yandex sudah dari dulu menerapkan machine learning untuk melakukan perangkingan laman suatu website. Setiap mesin pencari mempunyai resep tersendiri pada algoritma pencarian yang digunakan. Dalam praktiknya ketika kita mengetik kata kunci, Google akan menampilkan hasil pencarian yang paling mendekati kata kunci tersebut. Apabila kita memilih suatu halaman dan menghabiskan banyak waktu pada halaman tersebut, Google akan mendeteksi bahwa halaman tersebut sesuai dengan kata kunci yang kita masukkan. Begitu pula, saat kita melihat halaman pencarian berikutnya misalnya halaman 2, 3, dan seterusnya. Google akan mendeteksi adanya ketidaksesuaian kata kunci dengan hasil pencarian yang dihasilkan. Begitulah data tersebut terkumpul dan dianalisis menggunakan machine learning oleh Google Search Engine, untuk menghasilkan hasil pencarian yang dinamis dan berkualitas.Rekomendasi Produk Marketplace
Perkembangan teknologi menyebabkan penggunaan marketplace semakin diminati baik dari sisi penjual dan pembeli. Hampir semua orang menggunakan marketplace, misalnya Tokopedia, Bukalapak, dan Shopee. Tiap detik bisa dipastikan terjadi transaksi antar pedagang dan pembeli. Untuk meningkatkan pengalaman pengguna, setiap akun perlu menampilkan rekomendasi produk yang sesuai dengan minat pembelian pembeli. Untuk melakukan ini secara otomatis dan real time, tentunya machine learning sangat menentukan keakuratan rekomendasi produk tiap pembeli di akunnya.Pengalaman Pengguna Sosial Media
Tidak bisa dipungkiri, walaupun tidak dapat mengalahkan mesin pencari sebagai situs terpopuler. Sosial media merupakan situs yang paling lama diakses oleh penggunanya berdasarkan data Alexa. Sosial media seperti Facebook dan Twitter menggunakan machine learning sehingga penggunanya betah untuk terus melihat layar gadget. Berikut beberapa peningkatan pengalaman pengguna yang merupakan aplikasi dari machine learning.Orang yang Mungkin Anda kenal
Facebook mengumpulkan informasi pengguna, baik dari informasi umum seperti tempat tinggal, alamat sekolah, alamat kerja, dan kesukaan hingga log aktivitas seperti data percakapan, posting, dan profil yang sering dilihat (stalking). Sehingga bisa dilakukan prediksi teman yang mungkin sama di dunia nyata.Pengenalan Wajah
Facebook dapat mengetahui bahwa suatu gambar yang diunggah memuat wajah orang-orang. Sehingga pengguna dapat memberikan tag wajah pada area wajah di gambar. Seiring berjalannya waktu dengan banyaknya foto yang diunggah, facebook akan mengenali wajah-wajah penggunanya. Ini memungkinkan facebook melakukan tag secara otomatis wajah orang-orang pada gambar baru yang diunggah.Pos pada Beranda
Facebook akan mengumpulkan aktivitas tiap penggunanya, orang yang sering diajak berkomunikasi, posting yang sering disukai, hingga grup yang sering dilihat. Hal ini digunakan untuk menampilkan prioritas postingan yang ditampilkan pada beranda akun penggunanya. Sehingga peluang terjadinya interaksi terhadap pos yang tampil semakin tinggi.
Konten yang Ditampilkan Periklanan Digital
Google Adword adalah media periklanan digital terpopuler di dunia. Adword menampilkan iklan-iklan pada situs web yang menjadi publisher di Google Adsense. Iklan yang ditampilkan adalah iklan yang bersifat dinamis atau berubah-ubah. Google Adword mengumpulkan data situs berdasarkan topik, kemudian menampilkan iklan-iklan yang relevan dengan topik tersebut. Disamping itu Google Adword juga menggunakan cookies, sebagai referensi aktivitas pengunjung suatu website terkait situs-situs yang dikunjungi sebelumnya. Adword melakukan akumulasi terhadap 2 faktor tersebut, sehingga dapat ditampilkan iklan yang sesuai dengan pengunjung website.
Penerapan machine learning pada industri periklanan Google Asisten Pribadi Virtual
Gadget telah dilengkapi dengan asisten pribadi virtual, baik laptop maupun smartphone, misalnya: Cortana di Microsoft Windows, Siri di Iphone, dan Google Now di Android. Asisten virtual ini dapat membantu penggunanya untuk melakukan pencarian di internet, menanyakan jalan, cuaca, melakukan panggilan telepon, hingga membuka aplikasi. Di Windows, cortana bahkan mempelajari penggunanya untuk memberikan rekomendasi perintah yang akan dilakukan.Penyaring Pesan Spam
Machine learning memegang andil yang sangat besar untuk melakukan penyaringan (filter) spam baik di email, website, hingga media komunikasi berbasis software. Algoritma pohon keputusan (decision tree) merupakan cikal bakal dari algoritma spam filtering, untuk menentukan suatu pesan termasuk spam atau bukan.Online Fraud Detection
Online fraud detection adalah metode yang digunakan untuk mendeteksi suatu transaksi digital sah atau tidak. Online fraud detection digunakan oleh semua bank baik bank umum maupun bank virtual seperti paypal. Online fraud detection menggunakan machine learning untuk melakukan perlindungan (cybersecurity) terhadap pencucian uang, pendeteksian transaksi palsu, hingga deteksi pembobolan akun bank digital.Videos Surveillance
Videos surveillance atau pengawasan video merupakan teknologi baru yang merupakan penerapan dari machine learning yang disematkan pada CCTV untuk mendeteksi suatu tindak kejahatan atau kecelakaan. Di negara-negara maju, CCTV sudah digunakan untuk melakukan pencarian penjahat yang masih buron.Diagnosa Medis
Di negara Inggris, diagnosa medis menggunakan bantuan chatbot sudah marak dilakukan. Chatbot ini bernama Babylon Health. Ini dilengkapi dengan speech recognition untuk mempermudah berbicara dengan penggunanya. Dalam perkembangan selanjutnya, analisis diagnosa medis dengan kontak fisik mulai dikembangkan dengan deep learning.Mobil Kendali Otomatis
Mobil kendali otomatis merupakan penerapan serta pengembangan dari machine learning yaitu machine vision. Mobil kendali otomatis merupakan penerapan machine learning yang kompleks dan dengan resiko langsung yang tinggi. Banyak hal yang harus dipelajari oleh mobil, mulai dari rambu-rambu lalulintas, arah dan tujuan, kondisi jalan, traffic light, kondisi manusia sekitarnya, dan sensor lainnya yang terintegrasi.
Referensi Sumber
Ralf Herbrich & Thore Graepel. 2018. INTRODUCTION TO MACHINE LEARNING with APPLICATIONS in INFORMATION SECURITY. California: CRC Press
Minggu, 15 Maret 2020
English Task : Technology for our lives
TECHNOLOGY FOR OUR LIVES
Technology
is the usage and knowledge of tools, techniques, crafts, systems or methods of organization. Technology nowadays constantly
seems to seep its way into our daily routines. Everything we do is somehow
connected with technology, whether it for working or studying and helping our
life. Without technology, life would be more difficult than it already is,
knowledge would be limited and more difficult to achieve. The task of
technology is to create a better and easier living for ourselves and for the
world.
Now I will take some example of technology today,
such as Personal digital
assistant (PDA) that lightweight, a hand-held computer designed for use as a
personal organizer with communications capabilities; also called a handheld, Electric Cars
With Plug In Technology, Laser (Light
Amplification Stimulated Emission Of Radiation) Is a Mechanism of emitting of
light within Electromagnetic Wave radiation based process of stimulated
emission, hand phone, mp3 players and so on.
Looking
back in time, we realize how much our lives have changed due to the fruits of
technology. It has provided us with freedom and less consumption of time and
resources. A nation's economic growth can be measured according to the level of
technology. This is because a number of factors are responsible for affecting an
individual's life style. The most important factor for deciding the working of
a particular technology is the presence of competition. Technology has affected
society and its surroundings in a number of ways. In many societies, technology
has helped develop more advanced economies (including today's global economy)
and has allowed the rise of a leisure class.
With the
advent of technology, people are building bridges to decrease the distances in
their mind. One basic drawback that has taken place is that people are becoming
lethargic due to high trends in technology. It is shortening our ability to pay
attention. Robotics, automation and computerization are on the go for changing
our lives. Implementation of robotics will give higher efficiency and cheaper
labor, thereby increasing unemployment rate.
Technology is
so integrated with our lives today. Various influences, both positive and
negative, of technology already we feel together.
POSITIVE:
The
positive effect is that it accelerates what one person can do. With tech you
can make one person do much job in same time and do things quickly and better.
With tech, you can protect yourself by encrypting all your transmissions,
however it makes it that much easier for someone to protect truly harmful
transmissions like child porn or criminal activity. Overall, and in a modern
sense, tech decentralizes the power and control over the media and distributes
it to regular people creating a more democratic society. In the same way, it
destabilizes society by challenging the authority of institutions within that
society who need to centralize power to maintain that control that does provide
stability. However, the emergence of tech will show that old institutions are
no longer needed or have to modify.
NEGATIVE
The
reality is that today’s society is so dependent on technology. for example
almost every family has a television, there are even families who have more
than one television. In addition, almost everyone has a mobile phone that can
be used to access the internet and open facebook or twitter. as a result,
people spent much time in front of the television and browse the internet for updating status on
facebook and twitter, or play games on line through mobile phone, laptop.
Without parent’s guide the children can be access the porn sites or bad ones
that very unsuitable for them because they can not filter whether is true and
false exactly.
In
our opinion, now the community is very spoiled with technology and highly dependent
on technology. For example to calculate ( sum, subtraction, division) we rarely
use our brainpower, but rather use the calculator to solve them.
In
other hand technology sometimes makes bigger unemployment because the job that
was taken by 100 people now can do by a machine just a click. Unemployment is a
serious problem for government because sometimes increase the criminal because
they can’t have enough money for fill up the life budget.
Now
the other side of technology is not so green. It is because of improvised
technology only that we have seen nuclear and atomic wars. Many technological
processes produce unwanted by-products, known as pollution, and deplete natural
resources, to the detriment of the Earth and its environment.
Hence, one
must know how to balance between manpower and automation. In the world of
automation, cars have created freedom as well as concrete jungle. Technology is
affecting our near future so it becomes our responsibility to streamline it in
the right direction.
Penggunaan Article A, An, dan The
Penggunaan
Article A, An, dan The
Dalam
TOEFL, penggunaan kata sandang (article) a,
an, dan the
merupakan salah satu aspek yang paling sering ditanyakan. Di
lain pihak, penggunaan article sering kita remehkan, walaupun harus kita akui
bahwa penggunaannya sering membingungkan, khususnya dalam menentukan perlu
tidaknya kita menambahkan article di depan noun.
Perbedaan
penggunaan article A vs AN.
Sebagai
article, ‘ a ‘ dan ‘ an ‘ artinya adalah satu. Dalam bahasa Indonesia, kedua
article ini dapat diterjemahkan menjadi sebuah/seorang/seekor/sehelai dst. Hal
ini tergantung dari noun yang mengikutinya. Misalnya,
- an apple = sebuah apel
- a lady = seorang wanita
- a tiger = seekor harimau
- a leaf = sehelai daun, dst.
Penggunaan
A dan AN
1.
a dan an hanya dapat
diikuti oleh singular nouns (benda tunggal), tetapi tidak pernah secara langsung
diikuti oleh uncountable nouns (benda tidak dapat dihitung). Olehnya itu, akan
INCORRECT jika anda menulis,
- I need a water. (water:
uncountable noun)
- I just ate a bread. (bread:
uncountable noun)
- She just heard a bad news
about her parents.
(news: uncountable noun)
Kalimat
ini akan menjadi benar jika article a
dihilangkan atau jika di depan uncountable nouns (i.e. water
dan bread) ditambahkan penakar (container) atau pengukur yang berfungsi untuk
menyatakan berapa banyak/volume/ukuran dari uncountable nouns tersebut.
- I need water.
Atau
I need a
glass of water.
- I just ate bread. Atau: I just
ate a big
slice of bread.
- She just heard bad news about her parents. Atau: She just
heard a piece
of bad news about her parents.
Kapan kita gunakan a
dan kapan kita gunakan
an dapat dibaca pada topik Noun (part 2): Countable. Selain
itu, noun yang tergolong ke dalam uncountable noun juga harus diketahui, sebab
article a
dan an
tidak digunakan jika diikuti oleh uncountable nouns.
2.
a dan
an digunakan
untuk mengekspresikan sebuah singular noun secara umum (in general).
Contoh:
- A football is usually made
of leather. ( leather = kulit. Note: dalam konteks ini, jangan
gunakan kata skin.
Leather adalah
animal skin yang sudah diolah).
- An artist should keep a good
relationship with fans.
3. a
dan an
digunakan untuk merujuk ke sebuah singular noun yang belum pernah
disebutkan sebelumnya.
Contoh:
- I met a guy last
night.
- My company just built a new
skyscraper. (skyscraper = gedung pencakar langit)
Penggunaan
article THE
1.
The
umumnya digunakan untuk merujuk noun yang sudah pernah disebutkan sebelumnya.
Dengan adanya the,
noun yang dimaksud menjadi lebih spesifik. Noun tersebut bisa countable, bisa
juga uncountable noun. Jika countable noun, noun tersebut bisa singular, bisa
juga plural. Dalam hal ini, the
dapat berarti tersebut
atau itu,
atau kadang-kadang ini.
Contoh:
- I met a guy last night. The guy
asked my number and whether I would go out for a date. (number = nomor
telepon, date = kencan). Dalam kalimat ini, the bisa
digantikan dengan that.
- The water in my well is
contaminated. (well = sumur, contaminated = terkontaminasi). Dalam kalimat
ini, the tidak
pas kalau digantikan dengan that,
karena “water” di kalimat ini sudah diterangkan oleh “in my well“.
Coba terjemahkan, terasa janggal bukan?
- Three students didn’t
perform well in my exam. The
(three) students hadn’t studied hard enough before the exam.
Dalam kalimat ini, kata three
adalah optional: bisa digunakan, bisa juga dihilangkan,
karena maknanya sudah dipahami oleh lawan bicara atau pembaca. Di kalimat
ini, the dapat
digantikan dengan those/these. Jika
anda masih ragu dalam penggunaan those/these, akan lebih aman jika anda
gunakan the.
- There are many persons
named Agnes Monica on Facebook. You will have hard time to find the Agnes
Monica who sings Matahariku.
Sebaliknya, the tidak
digunakan jika kita membicarakan uncountable nouns atau plural nouns secara
umum (in general).
Contoh:
- Water needs to be conserved. (Air
perlu dikonservasi/dilindungi).
- Sugar is sweet. (Gula (rasanya)
manis).
- Durians are very smelly.
(Duarian-durian sangat bau/baunya keras).
- Lazy students hardly get good grades. (Murid-murid yang malas hampir tidak pernah mendapat nilai-nilai
bagus).
2. Kata seperti breakfast, lunch, dinner, supper (=
dinner), school, church, home, dan college pada umumnya tidak membutuhkan
article. Tetapi, jika noun ini dirujuk, barulah article the diperlukan.
Contoh:
- We go to school everyday.
Starting next week, however, the
school will be bulldozed by the government. (be bulldozed
= diratakan dengan tanah dengan menggunakan bulldozer).
- Jenny and I just finished
having lunch
at the cafetaria. I thanked her because she paid for the lunch.
- I am very tired. I’d like
to go home.
3.
Rules yang lain dalam menentukan apakah the
digunakan atau tidak, dapat dilihat pada tabel berikut. Note:
the
yang digunakan pada nouns di tabel berikut pada umumnya tidak berarti
“tersebut”, olehnya itu, tidak dapat digantikan dengan that.
|
Gunakan THE untuk:
|
Jangan gunakan THE untuk:
|
|
Nama samudra, laut, sungai,
teluk, plural lakes (nama danau yang terdiri dari 2 danau atau lebih). |
Nama danau |
|
Nama pegunungan |
Nama gunung |
|
Earth, moon, sun |
Nama planet (selain bumi), rasi bintang |
|
Nama sekolah, universitas, college jika sekolah, universitas, college
ditempatkan di depan. |
Nama sekolah, universitas, college jika sekolah, universitas, college
ditempatkan di belakang. |
|
Ordinal number sebelum nouns |
Cardinal number setelah nouns |
|
Nama perang (kecuali perang dunia) |
|
|
Nama negara yang terdiri dari 2 kata atau lebih (kecuali Great
Britain) |
Nama negara jika hanya terdiri dari satu kata |
|
|
Nama benua |
|
|
Nama state/province |
|
Dokumen bersejarah |
|
|
|
Nama Olahraga |
|
|
Noun abstract |
|
|
Bidang ilmu |
|
|
Nama hari raya |
Contoh:
- Bryan Adams was born in
- The Great Lakes consist of five lakes one
of which is
- The earth travels around the sun,
and so does Mars.
Modal Auxiliary
Modal Auxiliary
Modal auxiliary, merupakan kata bantu yang berhubungan dengan perasaan dan
pengandaian. Dapat digunakan untuk semua subyek, baik tunggal maupun jamak.
Tanpa mengalami perubahan bentuk.
Macam-macam modal auxiliary :
A Will
be going to akan
B Can
be able to bisa, sanggup
C May
have permission to boleh, meminta izin
D Might
possibility mungkin, kemungkinan
E Should
ought to sebaiknya, seharusnya
F Must
have to harus, musti, pasti.
( Bisa digunakan untuk kal present dan future. )
G Could
be able to bolehkah
Will
Will digunakan untuk menyatakan :
kegiatan yang akan terjadi
Contoh : I will go toSemarang
kemauan
Contoh : I will help you
kebenaran abadi
Contoh : Stone will sink in the water
permintaan secara halus
Contoh : Will you come in please ?
janji atau tekad yang akan dilakukan
Contoh : I will ask her if I see her
Bentuk umum penggunaan will
Subject + will + verb + object + complement
Will + subject + verb + object + complement ?
Contoh:
He will be here at 6:00 (future only)
Will you please pass the salt ?
Macam-macam modal auxiliary :
A Will
be going to akan
B Can
be able to bisa, sanggup
C May
have permission to boleh, meminta izin
D Might
possibility mungkin, kemungkinan
E Should
ought to sebaiknya, seharusnya
F Must
have to harus, musti, pasti.
( Bisa digunakan untuk kal present dan future. )
G Could
be able to bolehkah
Will
Will digunakan untuk menyatakan :
kegiatan yang akan terjadi
Contoh : I will go to
kemauan
Contoh : I will help you
kebenaran abadi
Contoh : Stone will sink in the water
permintaan secara halus
Contoh : Will you come in please ?
janji atau tekad yang akan dilakukan
Contoh : I will ask her if I see her
Bentuk umum penggunaan will
Subject + will + verb + object + complement
Will + subject + verb + object + complement ?
Contoh:
He will be here at 6:00 (future only)
Will you please pass the salt ?
Can
Can dapat digunakan untuk menyatakan :
kesanggupan atau kemahiran seseorang
Contoh : he can lift the big box
menyatakan izin
Contoh : you can go home now
menyatakan kemungkinan
Bentuk umum dari can adalah :
1. Subject + can + be + complementary (adj, noun, adv)
Contoh :
We can be clever.
You can be sick.
They can be present.
2. Subject + can + verb + object
Contoh :
We can speak english.
You can see me tomorrow.
They can finish the work on time.
May
May digunakan untuk menyatakan :
permintaan dan izin
suatu kemungkinan
penolakan izin untu melakukan sesuatu jika digunakan dalam kaimat negatif
Contoh : the students may not smoke in te class
mendoakan kondisi sesorang atau sesuatu
1. May + subject + verb + object + complement
Contoh:
May i see the picture now ?.
May we visit you tommorow ?.
May the join the meeting ?.
2. Subject + May + verb + object (memberi ijin)
Contoh:
You may leave the room.
They may join the meeting.
Might
Might digunakan untuk :
kalimat tidak langsung
kemungkinan yang lebih lemah dari may
Contoh : she might come last night
izin yang lebih halus dari may
Contoh : might I know your name ?
Bentuk umum penggunaan might :
Subject + Might + verb + complement
Contoh:
Linda goes to that bulding every morning. She might be a worker there.
Boby wants to buy a book. He might go to a bookstore.
Burhan is not at home. He might go to his office.
Should
Should digunakan untuk menyatakan :
perintah yang tidak terlaksana
Contoh : you should have recieved my letter
anjuran atau nasehat
Contoh : we should take a rest
kemungkinan yang tidak terjadi
Contoh : we should obey our parents
Bentuk umum dari penggunaan should :
Subject + Should + verb + complement
Contoh:
She should do well on the test.
The lady should take medicine and rest.
Must
Must digunakan untuk menyatakan :
suatu keharusan
Contoh : I must do my homework
kemungkinan yang kuat
sutu larangan, digunakan apabila digunakan dalam kalimat negatif
Contoh : she musn't do that
Subject + Must + verb + object + complement
Example:
Jenny can play piano well. She must practice a lot.
Mr. Will has many companies. He must be rich.
Might
Might digunakan untuk :
kalimat tidak langsung
kemungkinan yang lebih lemah dari may
Contoh : she might come last night
izin yang lebih halus dari may
Contoh : might I know your name ?
Bentuk umum penggunaan might :
Subject + Might + verb + complement
Contoh:
Linda goes to that bulding every morning. She might be a worker there.
Boby wants to buy a book. He might go to a bookstore.
Burhan is not at home. He might go to his office.
Could
Could digunakan untuk menyatakan :
kemampuan dimasa lampau
Contoh : he could play volleyball when he was young
permintaan izin yang lebih formal
Contoh : could you helpme for a momment ?
kemungkinan yang ada namun belum diputuskan
Contoh : you could meet him in his home or his office
Bentuk umum dari could :
Subject + Could + verb
Kata kerja could dapat diganti dengan mengunakan kata to be + able to untuk menyatakan usaha keras untuk memperoleh sesuatu.
Contoh : I am able to pay him
sumber : http://student.eepis-its.edu/~bay/UTS/could.htm
Langganan:
Postingan (Atom)
