Setengan Copas | Bohong Dalam Diam | Kebohongan tak selalu terucap. Kebohongan juga bisa terjadi saat yang tampak tak sejalan dengan yang tak tampak. Kebohongan semacam ini saya sebut bohong dalam diam.
Tampak seperti mendengarkan orang yang sedang berbicara padahal hanya menunggu kesempatan untuk bicara adalah salah satu contoh bohong dalam diam. Dia tampak mendengarkan padahal sejatinya tidak. Bahasa Jawa-nya “ngapusi”.
Begitu pula seseorang yang terlihat sedang beribadah dan berdoa padahal pikirannya melayang entah kemana, ini juga bohong dalam diam. Bermain, ngobrol, duduk bersama dengan orang-orang
Setengah Copas | Menyelami Keutamaan Shalat Dhuha Kita | Banyak yang belum memahami keutamaan shalat yang satu ini. Ternyata shalat Dhuha bisa senilai dengan sedekah dengan seluruh persendian. Shalat tersebut juga akan memudahkan urusan kita hingga akhir siang. Ditambah lagi shalat tersebut bisa menyamai pah
Di antara keutamaan shalat Dhuha adalah:
Pertama: Mengganti sedekah dengan seluruh persendian
Dari Abu Dzar, Nabi shallallahu ‘alihi wa sallam bersabda,
“Pada pagi hari diharuskan bagi seluruh persendian di antara kalian untuk bersedekah. Setiap bacaan tasbih (subhanallah) bisa sebagai sedekah, setiap bacaan tahmid (alhamdulillah) bisa sebagai
hay sobat..
Minggu kemaren saya mendapat tugas materi kapita selekta, sebenernya sih mudah tapi ribet juga,hhe.. Pada tugas kali ini dosen ngasih tugas untuk mencari tentang K-Nearest Neighbor (K-NN). Langsung dah saya nyari dan hasilnya kebanyakan sama, antara lain saya tulis dalam artikel ini. Ya sudahlah, tanpa bosa basi lagi langsung ke TKP.. ;)
Pengertian K-NN
K-Nearest Neighbor (K-NN) adalah suatu metode yang menggunakan algoritma supervised dimana hasil dari sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada K-NN. Tujuan dari algoritma ini adalah mengklasifikasi objek baru berdasakan atribut dan sampel latih. pengklasifikasian tidak menggunakan model apapun untuk dicocokkan dan hanya berdasarkan pada memori. Diberikan titik uji, akan ditemukan sejumlah K objek (titik training) yang paling dekat dengan titik uji. Klasifikasi menggunakan voting terbanyak di