Prediksi Kasus Penyebaran COVID-19 Menggunakan Sigmoid Logistic Function dengan Python

        Assalamu'alaikum Wr. Wb. Pada postingan ini saya akan membagikan cara memprediksi penyebaran kasus COVID-19 di Indonesia menggunakan Logistic Sigmoid Function dengan Bahasa Pemrograman Python pada Google Colab. Metode ini dilakukan dengan cara memetakan (fitting) kurva jumlah kasus penyebaran ke dalam fungsi logistik sigmoid sehingga dapat diperoleh hasil prediksi dari kurva sigmoid yang parameternya dimasukkan ke persamaan Logistic Function. Persamaan yang digunakan dalam perhitungan dengan metode tersebut yaitu:

Bentuk kurva dari fungsi sigmoid dapat dilihat pada gambar di bawah.

Fungsi Sigmoid

        Namun pada postingan ini tidak akan dijelaskan secara rinci bagaimana cara perhitungannya. Jika Anda ingin mengetahuinya dapat mengunjungi link berikut.

• https://en.wikipedia.org/wiki/Logistic_function
• https://courses.lumenlearning.com/ivytech-collegealgebra/chapter/build-a-logistic-model-from-data/

        Sedangkan untuk persamaan dan parameter yang digunakan sebagai pemodelan pada program ini dapat dilihat pada link berikut.

• https://medium.com/analytics-vidhya/predicting-the-spread-of-covid-19-coronavirus-in-us-daily-updates-4de238ad8c26

Langkah-langkah yang harus dilakukan adalah:

1. Unduh dataset penyebaran COVID-19 per hari (format *.csv) di Indonesia di sini:
   https://data.humdata.org/dataset/indonesia-covid-19-cases-recoveries-and-deaths-per-province
2. Buka file-nya pada Ms. Excel kemudian hapus baris kedua kemudian Save untuk mempermudah dalam pemrograman sehingga tidak perlu dihapus pada DataFrame-nya.
   
3. Setelah disimpan, upload dataset tersebut ke Github. Jika tidak memiliki akun Github Anda dapat menyimpan dataset tersebut pada direktori penyimpanan sementara yang disediakan oleh Google Colab. Caranya cukup mudah dan hanya mengubah sedikit kode seperti pada gambar berikut.
   
4. Selanjutnya buka Google Colab dan masukkan sourcecode untuk import library yang dibutuhkan di bawah ini.
   
   1. import numpy as np
   2. import pandas as pd
   3. import matplotlib.pyplot as plt
   4. import plotly.express as px
   5. from scipy.optimize import curve_fit
   6. from datetime import datetime, timedelta
5. Untuk mengambil dataset yang telah di-upload ke Github, tambahkan kode berikut.
   
   1. !apt-get install subversion > /dev/null
   2. 
      
   3. !svn export https://github.com/Vidi005/COVID-19-Prediction-Indonesia/trunk/datasets > /dev/null
6. Selanjutnya ubah nama header tabel dan tampilkan tabelnya untuk mempermudah dalam pengecekan.
   
   1. data=pd.read_csv("datasets/Daily-Update IDN-COVID19 - Sheet5.csv")
   2. data=data.rename(columns={"Date": "Tanggal",                                                     
   3.                           "New_case_per_day": "Terkonfirmasi",
   4.                           "Death_cases_perDay": "Meninggal",
   5.                           "Recovered-cases_perDay": "Sembuh",
   6.                           "Treatment_cases_perDay": "Aktif",
   7.                           "Recovered_cases": "Jumlah Sembuh",
   8.                           "Total_death": "Jumlah Meninggal",
   9.                           "Patient_under_treatment": "Jumlah Aktif",
   10.                           "Cumulative_cases": "Jumlah Kasus"})
   11. data.head(-1)
7. Tampilkan juga visualisasi data kasus per harinya dalam bentuk grafik garis agar mudah dilihat perkembangannya.
   
   1. fig = plt.figure(figsize=(7, 4))
   2. fig.set_figheight(10)
   3. fig.set_figwidth(15)
   4. 
      
   5. plt.subplot(2, 2, 1)
   6. plt.plot(data.aggregate("Terkonfirmasi",axis=0), marker="o", color="orange")
   7. plt.xlabel("Hari ke-n")
   8. plt.ylabel("Terinfeksi")
   9. plt.title("Terkonfirmasi per-hari", size=15)
   10. plt.grid(zorder = 0)
   11. 
       
   12. plt.subplot(2, 2, 2)
   13. plt.plot(data.aggregate("Meninggal",axis=0), marker="o", color="black")
   14. plt.xlabel("Hari ke-n")
   15. plt.ylabel("Meninggal")
   16. plt.title("Kematian per-hari", size=15)
   17. plt.grid(zorder = 0)
   18. 
       
   19. plt.subplot(2, 2, 3)
   20. plt.plot(data.aggregate("Sembuh",axis=0), marker='o')
   21. plt.xlabel("Hari ke-n")
   22. plt.ylabel("Pasien Sembuh")
   23. plt.title("Sembuh per-hari", size=15)
   24. plt.grid(zorder = 0)
   25. 
       
   26. plt.subplot(2, 2, 4)
   27. plt.plot(data.aggregate("Aktif",axis=0), marker='o', color="purple")
   28. plt.xlabel("Hari ke-n")
   29. plt.ylabel("Pasien Aktif")
   30. plt.title("Dalam Pengobatan per-hari", size=15)
   31. plt.grid(zorder = 0)
   32. plt.show()
8. Hasil output-nya akan seperti ini.
   
9. Tampilkan juga grafik perkembangan dari jumlah kasusnya.
   
   1. fig = plt.figure(figsize = (10, 7))
   2. fig.set_figheight(10)
   3. fig.set_figwidth(15)
   4. 
      
   5. plt.subplot(2, 2, 1)
   6. plt.plot(data.aggregate("Jumlah Kasus",axis=0), marker="o", color="red")
   7. plt.xlabel("Hari ke-n")
   8. plt.ylabel("Jumlah Pasien")
   9. plt.title("Total Terkonfirmasi", size=15)
   10. plt.grid(zorder = 0)
   11. 
       
   12. plt.subplot(2, 2, 2)
   13. plt.plot(data.aggregate("Jumlah Meninggal",axis=0), marker="o", color="chocolate")
   14. plt.xlabel("Hari ke-n")
   15. plt.ylabel("Jumlah Pasien")
   16. plt.title("Total Kematian", size=15)
   17. plt.grid(zorder = 0)
   18. 
       
   19. plt.subplot(2, 2, 3)
   20. plt.plot(data.aggregate("Jumlah Sembuh",axis=0), marker="o", color="lime")
   21. plt.xlabel("Hari ke-n")
   22. plt.ylabel("Jumlah Pasien")
   23. plt.title("Total Sembuh", size=15)
   24. plt.grid(zorder = 0)
   25. 
       
   26. plt.subplot(2, 2, 4)
   27. plt.plot(data.aggregate("Jumlah Aktif",axis=0), marker="o", color="pink")
   28. plt.xlabel("Hari ke-n")
   29. plt.ylabel("Jumlah Pasien")
   30. plt.title("Total Aktif", size=15)
   31. plt.grid(zorder = 0)
   32. plt.show()
10. Setelah program dijalankan output-nya akan seperti ini.
    
11. Kemudian buat fungsi kurva fungsi logistik untuk memetakan grafik penyebaran jumlah kasusnya pada fungsi sigmoid.
    
    1. def plot_predict(case, future_days):
    2.     def avg_err(pcov):
    3.         return np.round(np.sqrt(np.diag(pcov)).mean(), 2)
    4. 
       
    5.     # function to be minimized
    6.     def f_sigmoid(x, a, b, c):
    7.         # a = sigmoid midpoint
    8.         # b = curve steepness (logistic growth)
    9.         # c = max value
    10.         return (c / (1 + np.exp(-b*(x-a))))
    11. 
        
    12.     inception = 0    
    13.     graph = data.groupby("Tanggal")[["Jumlah Kasus", "Jumlah Meninggal", "Jumlah Sembuh"]].sum().reset_index()[inception:]
    14.     y = graph[case]
    15.     x = np.arange(len(y))
    16. 
        
    17.     # fitting the data on the logistic function
    18.     popt_sig, pcov_sig = curve_fit(f_sigmoid, x, y, method="dogbox", bounds=([12., 0.001, y.mean()],[120., 2.5, 10*y.max()]))
    19.     print(popt_sig)
    20.     peakday = datetime.strftime(datetime.strptime(graph["Tanggal"][inception], "%Y-%m-%d")+timedelta(days=int(popt_sig[0])), "%Y-%m-%d")
    21.     plt.figure(figsize=(14,7))
    22. 
        
    23.     x_m = np.arange(len(y)+future_days)
    24.     y_m = f_sigmoid(x_m, *popt_sig)
    25. 
        
    26.     print("Prediksi:")
    27.     for i in range(1,90):
    28.         pday = datetime.strftime(datetime.strptime(graph["Tanggal"][inception], "%Y-%m-%d")+timedelta(days=len(y)+i-1), "%Y-%m-%d")
    29.         print("%s: %d" % (pday, y_m[len(y)+i-1]))    
    30.         plt.plot(x[-1]+i, y_m[len(y)+i-1], marker="o", c="g")        
    31.     plt.plot(x, y, c="g", marker="o", label="Prediksi")    
    32. 
        
    33.     # creating the matplotlib visualization
    34.     plt.plot(x_m, y_m, c="gray", marker="x", label="Sigmoid | error: "+str(avg_err(pcov_sig))) 
    35.     plt.text(x_m[-1]+.5, y_m[-1], str(int(y_m[-1])), size = 10)
    36.     
    37.     plt.plot(x, y, c="r", marker="o", label = case)
    38.     plt.xlabel("Hari ke- ")
    39.     plt.ylabel("Jumlah Terinfeksi")
    40.     plt.legend(prop={"size": 15})
    41.     plt.title("Prediksi Penyebaran COVID-19 Indonesia", size=15)
    42.     plt.axvline(x[-1])
    43.     plt.text(x[-1]-.5, y_m[-1], str(graph["Tanggal"][len(y)+inception-1]), size = 10)
    44.     plt.axvline(int(popt_sig[0]))
    45.     plt.text(int(popt_sig[0]), 1, "Puncak: Hari ke - " + str(int(popt_sig[0])) + " (" + peakday + ")", size = 10)   
    46.     plt.grid(zorder = 0) 
    47.     plt.show()
12. Setelah itu tambahkan kode berikut untuk menampilkan hasil prediksinya.
    
    1. plot_predict("Jumlah Kasus", 90)
13. Output-nya akan seperti ini.
    
    Dapat dilihat dari hasil prediksi tersebut bahwa terdapat error yang cukup besar, hal itu disebabkan masih fluktuatifnya kurva dari jumlah kasus terkonfirmasi per harinya sehingga masih sulit untuk diprediksi. Hasil prediksi dengan metode ini akan semakin akurat jika kurva perkembangan kasusnya sudah mulai menurun dan tidak terjadi lagi peningkatan jumlah kasus per harinya. Sehingga perlunya pembaruan dataset kembali jika kurvanya masih fluktuatif. Untuk puncak kasus tersebut merupakan nilai tengah dari hari ke-n.
    Program tersebut diatur untuk memprediksi sampai 90 hari ke depan, Anda dapat mengubahnya sesuai keinginan dengan syarat prediksi jumlah kasus tidak boleh melebihi kurva fungsi sigmoid yang ditentukan.
    
    Angka 120 pada fungsi tersebut yang ditandai digunakan untuk panjang rentang kurva sigmoid.
    
    Sedangkan angka 90 digunakan untuk menampilkan hasil prediksi selama 90 hari. Hasil prediksi pertama diperoleh lebih rendah dari kasus sebelumnya dikarenakan adanya error pada sigmoid sebesar 505,88. Hal itu disebabkan hasil prediksi hanya mengikuti bentuk dari kurva sigmoid yang di-fit-kan ke dalam kurva penyebaran kasusnya.
14. Buat fungsi baru pada baris kode baru untuk menampilkan hasil per harinya.
    
    1. def plot_predict(case, future_days):
    2.     def avg_err(pcov):
    3.         return np.round(np.sqrt(np.diag(pcov)).mean(), 2)
    4. 
       
    5.     # function to be minimized
    6.     def f_sigmoid(x, a, b, c):
    7.         # a = sigmoid midpoint
    8.         # b = curve steepness (logistic growth)
    9.         # c = max value
    10.         return (c / (1 + np.exp(-b*(x-a))))
    11. 
        
    12.     day = 0    
    13.     graph_day = data.groupby("Tanggal")[["Jumlah Kasus", "Meninggal", "Sembuh"]].sum().reset_index()[day:]    
    14.     y = graph_day[case]
    15.     x = np.arange(len(y))
    16. 
        
    17.     popt_sig, pcov_sig = curve_fit(f_sigmoid, x, y, method="dogbox", bounds=([12., 0.001, y.mean()],[120., 2.5, 10*y.max()]))
    18.     print(popt_sig)    
    19.     peakday = datetime.strftime(datetime.strptime(graph_day["Tanggal"][day], "%Y-%m-%d")+timedelta(days=int(popt_sig[0])), "%Y-%m-%d")
    20.     plt.figure(figsize=(14,7))
    21. 
        
    22.     x_m = np.arange(len(y)+future_days)
    23.     y_m = f_sigmoid(x_m, *popt_sig)
    24.     
    25.     for i in range(1,90):
    26.         pday = datetime.strftime(datetime.strptime(graph_day["Tanggal"][day], "%Y-%m-%d")+timedelta(days=len(y)+i-1), "%Y-%m-%d")          
    27.         plt.plot(x[-1]+i, (y_m[len(y)+i])-(y_m[len(y)+i-1]), marker="o", c="g")
    28.     
    29.     #plt.plot(x_m, (y_m-y_m[i-1]), c="gray", marker="x")
    30.     plt.plot(data.aggregate("Terkonfirmasi",axis=0), marker="o", color="orange", label="Kasus per hari")            
    31.     plt.axvline(x[-1])
    32.     plt.text(x[-1]-.5, y_m[0], str(graph_day["Tanggal"][len(y)+day-1]), size = 10)
    33.     plt.axvline(int(popt_sig[0]))
    34.     plt.text(int(popt_sig[0]), 1, "Puncak: Hari ke - " + str(int(popt_sig[0])) + " (" + peakday + ")", size = 10)
    35.     plt.xlabel("Hari ke-n")
    36.     plt.ylabel("Terinfeksi")
    37.     plt.title("Prediksi Penyebaran per-hari", size=15)
    38.     plt.plot(x[-1]+i, (y_m[len(y)+i])-(y_m[len(y)+i-1]), c="g", marker="o", label="Prediksi")
    39.     plt.legend(prop={"size": 15})
    40.     plt.grid(zorder=0)
    41.     plt.show
15. Terakhir, tampilkan hasil prediksinya.
    
    1. plot_predict("Jumlah Kasus", 90)
16. Hasilnya seperti di bawah ini.
    

        Dari hasil prediksi tersebut belum tentu dipastikan kebenarannya karena adanya kemungkinan parameter yang digunakan oleh negara lain tidak sesuai dengan kondisi penyebaran kasus COVID-19 di Indonesia. Prediksi kasus penyebaran virus dengan metode tersebut mungkin dapat digunakan sebagai edukasi saja bagaimana cara memprediksinya secara matematis dan menerapkannya pada bahasa pemrograman Python. Selamat mencoba.

Program yang sudah jadi dapat dilihat di sini.

Catatan:

Dataset yang digunakan pada postingan ini menggunakan dataset telah yang diperbaharui pada 28 Mei 2020. Untuk memperbarui dataset-nya dapat dilakukan kembali langkah 1-3 dan jalankan kembali programnya.

Mengganti Warna Latar Belakang pada Windows Photo Viewer

        Assalamu'alaikum Wr. Wb. Di kesempatan ini saya akan membagikan postingan cara mengganti warna latar belakang (Background) dari aplikasi "Windows Photo Viewer". Tutorial ini dapat diterapkan dari versi Windows 7, 8, 8.1 sampai Windows 10. Tutorial ini saya buat agar warna tampilan latar belakang Windows Photo Viewer yang sebelumnya hanya warna putih dapat diganti dengan warna yang diinginkan sehingga tidak merasa bosan dengan warna yang itu-itu saja. Caranya pun cukup mudah dan tidak memerlukan aplikasi tambahan atau pihak ketiga apapun.
        Okee ikuti langkah-langkahnya di bawah ini:

1. Buka jendela "Run" dengan menekan kombinasi tombol Window+R pada keyboard, lalu ketik "regedit" dan klik "OK" atau tekan Enter pada keyboard.
   
2. Setelah terbuka jendela Registry Editor, buka folder "Viewer" yang berada di direktori "Computer\HKEY_CURRENT_USER\SOFTWARE\Microsoft\Windows Photo Viewer\Viewer". Kemudian klik ganda pada "BackgroundColor".
   
3. Selanjutnya edit value data setelah kode "ff" yang merupakan kode warna pada jendela pop up "Edit DWORD Value" dan biarkan untuk pengaturan lainnya.
   
4. Untuk mendapatkan kode warna yang sesuai dengan keinginan, maka buka aplikasi Photoshop yang sudah ada di PC/Laptop kalian. Jika tidak ada dapat mencarinya secara manual di internet. Jika sudah terbuka Photoshop-nya klik ganda pada Color background/foreground.
   
5. Pada jendela "Color Picker" klik warna yang diinginkan kemudian akan tampak kode warnanya dan salin dan tempatkan setelah kode "ff" tadi pada Edit DWORD Value di Registry Editor.
   
6. Sesudah itu tutup jendela Registry Editor-nya kemudian bukalah file yang berformat foto/gambar menggunakan Windows Photo Viewer. Caranya seperti berikut.
   
7. Selesai, warna latar belakang Windows Photo Viewer sudah berhasil diganti.
   

        Terima kasih sudah mengunjungi blog saya, jangan sungkan untuk berkomentar

Mengatasi Windows 10 Cortana Search Box Tidak Berfungsi

        Assalamu'alaikum Wr. Wb. Pada kesempatan kali ini saya akan membagikan cara untuk mengatasi masalah Cortana Search Box di Windows 10 yang error atau tidak berfungsi (tidak bisa menampilkan hasil pencarian aplikasi ataupun web). Mungkin Anda pernah mengalaminya dan mulai kinap saat tidak bisa mencari aplikasi yang terpasang di Windows 10 Anda karena sebelumnya belum pernah ada kejadian error seperti ini.

Tampilan Cortana Search Box Windows 10 yang error

        Okee langsung saja ke permasalahan yang akan kita selesaikan, ada beberapa cara yang dapat dilakukan untuk mengatasi error pada Cortana Search Box di Windows 10. Namun di sini hanya akan membahas dua cara saja.

• Cara 1 : Mematikan Cortana pada proses latar belakang

1. Buka "Task Manager" dengan cara seperti pada screenshot di bawah.
2. Klik Tab "Processes" kemudian pada menu "Background processes" scroll ke bawah cari nama Cortana. Selanjutnya klik "End Process" di pojok kanan bawah.
   
3. Setelah itu Cortana Search Box akan hilang sesaat dan me-restart kembali. Biasanya Cortana Search Box sudah langsung bisa digunakan kembali. Jika tidak maka gunakan cara 2.

• Cara 2 : Mendaftarkan Ulang Cortana dengan Windows Powershell.

1. Buka Task Manager, caranya sama seperti cara 1 pada langkah 1.
   
2. Setelah terbuka jendela Task Manager, klik menu File pada kemudian pilih Run new task.
   
3. Pada jendela pop up "Create new task", ketik "powershell" pada kotak "Open:", centang Create this task with Admin, kemudian klik "OK" atau tekan Enter.
   
4. Masukkan perintah yang diberi huruf tebal ini pada jendela Windows Powershell "Get-AppXPackage -AllUsers | Foreach {Add-AppxPackage -DisableDevelopmentMode -Register "$($_.InstallLocation)\AppXManifest.xml"}".
   
5. Restart PC/Laptop Anda untuk memastikan apakah sudah berfungsi kembali.
6. Selesai.

Terima kasih telah berkunjung ke blog saya. Semoga bermanfaat.

Menonaktifkan Windows Update di Windows 10 Secara Halus Tanpa Disable Windows Update Service

        Assalamu'alaikum Wr. Wb. Pada postingan kali ini saya ingin membagikan trik yang sangat bermanfaat bagi Anda yang menggunakan Windows 10 dan sering terhubung ke internet dengan tethering dari hotspot HP Anda sendiri. Karena Windows 10 ini akan terus-menerus update secara otomatis di latar belakang tanpa sepengetahuan user-nya maka dapat membuat kuota Anda terkuras habis hanya karena Windows Update. Hal ini tidak akan menjadi masalah jika Anda menggunakan WiFi di tempat umum karena tidak ada batas kuota internetnya.

        Trik menonaktifkan Windows Update secara halus ini berbeda dengan cara mendisable Windows Update secara paksa karena tidak akan membuat aplikasi bawaan Microsoft Store yang tidak dapat digunakan untuk mendownload atau mengupdate aplikasi. Jika dilakukan dengan Disable Windows Update maka akan terjadinya error pada aplikasi Microsoft Store.

        Untuk mengatasi hal tersebut maka ikuti langkah-langkahnya seperti di bawah ini.

1. Buka jendela "Run", kemudian ketik "gpedit.msc" pada kotak run.
   
2. Kemudian klik "OK" atau bisa juga menekan tombol "Enter" pada keyboard.
   
3. Pada jendela "Local Group Policy Editor" Pilih "Computer Configuration" → "Administrative Templates" → "Network" → "QoS Packet Scheduler".
   
4. Pada jendela "Limit reserveable bandwidth" klik "Enabled" dan isi Bandwidth limit 0.
   
5. Selanjutnya pada jendela "Local Group Policy Editor" Pilih "Computer Configuration" → "Administrative Templates" → "Windows Components" → "Store". Kemudian buka dan atur kedua pengaturannya yang tertera pada gambar.
   
6. Pada masing-masing jendelanya pilih "Enabled" → klik "Apply" → klik "OK".
   
7. Selanjutnya pada jendela "Local Group Policy Editor" Pilih "Computer Configuration" → "Administrative Templates" → "Windows Components" → "Windows Update". Kemudian buka "Configure Automatic Update" seperti pada gambar.
   
8. Pada jendela "Configure Automatic Update" konfigurasikan seperti pada screenshot di bawah.
   
9. Masih pada posisi "Windows Update", buka "Defer Windows Update".
   
10. Kemudian buka "Select when Feature Update are received".
    
11. Atur seperti pada gambar, kemudian isikan nilai maksimal 180 pada defer feature update karena hanya dibatasi selama 180 hari oleh pihak Microsoft.
12. Kembali dan kemudian buka "Select when Quality Update are received".
    
13. Konfigurasikan seperti pada gambar, kemudian isikan nilai maksimal 30 pada defer feature update karena hanya dibatasi selama 30 hari oleh pihak Microsoft.
14. Selanjutnya pada jendela "Local Group Policy Editor" Pilih "User Configuration" → "Administrative Templates" → "System" kemudian buka Windows Automatic Updates.
    
15. Pada jendela "Windows Automatic Updates" atur seperti pada gambar.
    
16. Setelah itu tutup jendela "Local Group Policy Editor" dan buka "Windows Settings" kemudian klik Update & security yang tampak pada gambar.
    
17. Pilih Advanced options pada menu "Windows Update".
    
18. Kemudian konfigurasikan seperti pada gambar di bawah.
    

Selesai !!

• Jika ada notifikasi windows update klik saja "Get Updates" tetapi tidak perlu diupdate, langsung saja tutup jendela windows update-nya.

Disable Driver Signature Enforcement di Windows 10

        Assalamu'alaikum Wr. Wb. Kali ini saya akan berbagi tips bagaimana cara men-Disable driver signature enforcement pada Windows 10. Fungsi dari tips ini yaitu agar dapat memasang dan menjalankan berbagai macam driver yang tidak dikenal oleh windows. Tips ini seringkali digunakan untuk memasang driver yang digunakan sebagai downloader pada mikrokontroler dan juga bisa dipakai untuk memasang driver yang berfungsi untuk flashing firmware pada HP karena biasanya driver jenis itu tidak dikenal oleh windows, sehingga diblokir aksesnya baik untuk memasang ataupun untuk menjalankannya.

        Okee... langsung saja kita lakukan caranya seperti berikut.

1. Restart PC/Laptop anda seperti biasa, atau juga bisa menekan kombinasi tombol Alt+F4.
   
2. Setelah di-restart, tunggu sampai menyala kembali dan langsung tekan F8 segera sesaat sesudah melewati bios atau logo merk/vendor PC/Laptop anda. Jika anda menggunakan dual OS seperti saya maka masih ada waktu sekitar 10 detik untuk menekan tombol F8-nya sebelum masuk ke sistem operasi yang akan dijalankan seperti pada tampilan ini.
   
3. Sesudah menekan tombol F8 pada keyboard maka akan tampil menu seperti berikut. Kemudian tekan angka 7 atau tombol fungsi F7 pada keyboard sesuai dengan urutan angkanya.
   

        Selamat anda sudah berhasil melakukan Disable driver signature. Selanjutnya anda dapat memasang dan menjalankan driver yang akan digunakan.
        Jika masih bingung dengan langkah-langkah di atas bisa tonton videonya di bawah ini.

Note :

• Disable Driver Signature Enforcement di Windows 10 ini hanya bersifat sementara, jika PC kita sudah dimatikan atau direstart maka akan aktif lagi driver signature enforcement-nya. Sehingga jika ingin mematikannya lagi perlu dilakukan langkahnya kembali dari awal.

Mengaktifkan Test Mode di Windows 10

        Assalamu'alaikum Wr. Wb. pada kesempatan kali ini saya akan membagikan tips bagaimana cara mengaktifkan Test Mode di Windows 10. Fitur Test Mode sangat berguna bagi agan² yang suka bermain² dengan mikrokontroler seperti Arduino dan ATmega serta yang suka flashing berbagai macam jenis HP menggunakan PC/Laptop dengan Sistem Operasi Windows 10. Jika fitur ini tidak diaktifkan ketika melakukan hal-hal tersebut maka bisa jadi driver yang dipasang yang dibutuhkan dalam melakukan download/flash program/firmware tidak dapat berfungsi sebagaimana mestinya, atau bahkan driver tersebut tidak dapat di-install sama sekali. Hal itu terjadi karena biasanya driver tersebut tidak dikenal oleh Microsoft Windows, sehingga diblokir oleh windows untuk memasang/menjalankan driver yang tidak dikenal.
        Untuk mengaktifkan Test Mode ini cukup mudah caranya. Bisa menggunakan software pihak ketiga ataupun tanpa software tambahan. Namun di tutorial ini hanya dijelaskan caranya tanpa menggunakan software apapun, hanya dengan Command Prompt.

1. Pertama ketik "cmd" pada Cortana Search Box, kemudian klik kanan pada Command Prompt dan klik kiri pada menu Run as administrator seperti pada screenshot di bawah.
   
2. Bisa juga dengan klik kanan di bagian taskbar yang kosong, kemudian pilih "Task Manager".
   
3. Setelah muncul window "Task Manager", Klik menu File kemudian klik "Run new task".
   
4. Pada jendela pop up "Create new task" ketik "cmd" dan beri centang kemudian klik "OK".
   
5. Sesudah muncul jendela cmd-nya, ketik perintah "bcdedit -set TESTSIGNING on" dan Enter.
   
6. Setelah itu, restart PC/Laptop agan maka akan muncul watermark seperti berikut di pojok kanan bawah. Itu tandanya PC agan sudah berhasil masuk ke "Test Mode". Maka jangan heran ketika muncul watermark tersebut karena bukan berarti windows agan bajakan atau tidak diaktivasi ya. Kalo windows yang tidak diaktivasi munculnya watermark "Activate Windows" dengan tulisan yang cukup besar dan tetap muncul di seluruh aplikasi. Kalau untuk "Test Mode" ini hanya akan muncul di depan wallpaper saja tidak tembus sampai ke aplikasi lainnya.
   
7. Untuk mengembalikannya lagi seperti semula maka tinggal ketik saja perintah "bcdedit -set TESTSIGNING off" pada cmd lalu tekan tombol Enter pada keyboard.
   

Sekian tips dari saya, semoga bermanfaat...