G. BERPKIR ALGORITMIK

 G. BERPIKIR ALGORITMIK

1. Jenis Data dalam Penelitian

Filosofi berpikir komputasional identik dengan proses berpikirdalam menyelesaikan masalah dengan cara menerapkan model ilmu komputer [informatika]. Dengan demikian, anda dituntut berpola pikir runtut, teratur, detail, jelas, serta memiliki nilai input dan outputyang dihasilkan dalam memecahkan suatu permasalahan. Metode ini sering dikenal dengan istilah berpikir algoritmik, yaitu seolah-olah melakukan penalaran yang mirip dengan cara kerja komputer. Nilai yang diinputkan, diolah dan dihasilkan meruoakan sebuah data yang dibaca, dihitung, dan dianalisis. Secara umum, dikenal dua jenis data, yaitu sebai berikut.

A. Data Kuantitatif adalah jenis data yang direpresentasikan dalam bentuk nomimal angka, misalnya data kuantitatif yang memuat model angka slor antara 1-4.

B. Data Kualitatif merupakan tipe data yang tidak dapat diukur nilainya dalam bentuk angka, biasanya berupa kalimat, kata, gambar, dan model.

2. Teknologi Computational Thinking

A. Definisi dan Karakter

Istilah berpikir komputasional diadopsi dari konsep CT atau Computational Thinking yang petama kali diperkenalkan oleh Jeannette Wing pada Maret 2006 sebagai bentuk model dan mekanisme penyelesaian masalah melalui tahapan analisis masalah, desain sistem, dan implementasi menggunakan pendekatan ilmu komputer.

B. Elemen Computational Thinking

Computational thinking memiliki enam bagian penting, yaitu sebagai berikut.

1] Abstraction adalah proses mengidentifikasi permasalahan dan mengumpulkan potongan-potongan informasi yang belum bisa terbaca menjadi data yang siap dijadikan dasar melakukan proses selanjutnya. Kemampuan dalam abstraksi ini harus dapat menentukan beberapa pilihan solusi pemecahan masalah yang sulit menjadi lebih mudah.

2] Algorithmic thinking merupakan langkah terstruktur dan sistematis untuk menyelesaikan pertmasalahan yang ditemukan.

3] Automation merupakan bagian penting dalam CT yang berkerja secara otomatis dalam mengeksekusi setiap instruksi yang diberikan komputer secara berulang-ulang, cepat, dan efisien.

4] Decompotion merupakan proses penguraian komponen-komponen dalam permasalahan agar mudah dipahami, dipecahkan, kemudian dikembangkan dan dilakukan percobaan serta evaluasi.

5] Debugging adalah tahapan melakukan analisis dan evaluasi secara menyeluruh terhadap kemampuan, kapabilitas, serta performa sisetem. 

6] Generalization dapat dikatakan sebagai langkah untuk mengenali, mengidentifikasi pola, kesamaan, dan korelasi hubungan antar modul serta menganalisis fitur-fitur dalam sistem.

C. Artificial Intelligence [AI] 

Artificial Intelligence atau kecerdasan buatan adalah salah satu implementasi dari berpikir komputasi atau CT yang bertujuan memprogam komputer agar mampu berpikir, mempertimbangkan dan memutuskan, serta mengeksekusi pekerjaan layaknya manusia. Definisi AI dapat dibedakan dari beberapa persepsi, anatara lain sebagai berikut.

1] Persepsi kecerdasan 

Pendekatan dalam sisi kecerdasan akan mengacupada potensi pengembangan teknologi komputer pintar sehingga mampu bekerja seperti manusia, misalnya robot hewan, robot pelayanan kafe, aplikasi pendeteksi gangguan kejiwaan, dan sebagainya.

2] Persepsi riset

Sisi pendekatan AI sebagai disiplin ilmu baru yang mampu menciptakan Software, Hardware, atau perpaduan keduanya menjadi cerdas layaknya manusia atau bahkan melebihi kepandaian manusia.

3] Dari sisi bisnis, AI mampu memberikan dukungan layanan dan analisis yang cepat, cepat, dan andal sehingga berpotensi meningkatkan keuntungan bisnis yang dijalankan.

4] Sudut pandng AI dalam teknik pemprogaman merupakan salah satu bentuk iplementasi dalam menciptakan rule-rule logika yang dapat dimasukkan ke detabase kecerdasan mesin ketika kita menjalankan pekerjaannya.

D. Sistem Pakar

1] Definisi sistem pakar

Expert system atau sistem pakar merupakan salah satu cabang dari disiplin ilmu Artificial Intelligence dalam menyediakan data informasi serta menyelesaikan permasalahan berdasarkan pengetahuan dan pengalaman manusia yang dianggap memiliki tingkat pakar yang tinggi, seperti  kedokteran, teknik, dan lainnya.

2] Kelebihan sistem pakar

Pada dasarmya, sistem pakar adalah sistem yang menampung, menyimpan, dan mengolah setiap data yang berisi kepakaran atau keahlian seorang atau tim pakar ke dalam sistem komputer. 

3] Komponen sistem pakar 

Untuk mendukung proses kerja sistem pakar, ada beberapa elemen penting ysng harus tersedia, yaitu sebagai berikut. 

A. Sistem akuisi pengetahuan

B. Knowledge base

C. Inference machine

D. User interface

E. Backboarx atau tempat kerja

F. Justifier atau subsistem penjelas

G. Subsistem perbaikan pengetahuan

4] Modul utama dalam sistem pakar

a] Modul penerima pengetahuan

b] Modul konsultasi

c] Modul penjelasan

5] Bentuk sistem pakar

a] Berdiri sendiri

b] Terintegrasi

c] Terhubung kesistem lain

d] Sistem mengabdi

E]. Decision support system

1] Pengertian DSS

DSS pada dasarnya adalah sistem informasi sebagai hasil berpikir secara komputasi yang diciptakan enginner atau programmer, dengan tujuan memberikan bantuan pertimbangan pengambilan keputusan terhadap suatu permasalahan.

2] Karakteristik DSS

A] Mempermudah manajemen dalam mengambil keputusan dengan mempertimbangkan data-data terdahulu.

B. Memiliki graphical interface yang menarik dan mudah digunakan untuk berinteraksi anatara user terhadap sistem DSS, dengan porsi kontrol user terhadap sistem lebih besar.

C. Mampu mendeteksi, mengidentifikasi, menganalisis, serta mengambil keputusan terhadap permasalahan, baik dengan hierariki terstruktur, semiterstruktur, maupun tidak terstruktur.

D. Mampu diintegrasikan dengan sistem lain.

3] Tahapan pengambilan keputusan

 a] Tahapan intelegensi

 b] Tahapan desain

 c] Tahapan pilihan

 d] Tahapan implementasi

4] Komponen sistem 

  a] Data management

  b] Model management

  c] Communication

  d] Knowledge

3. Penerapan Teknologi

  a] Biometric system

  b] Face recognition

  c] Voice atau speech recognition

  d] Fingerprint recognition

  e] Computer-Aided Diagnosis [CAD]

  f] Optical Chatacter Recognition [OCR]

  g] Machine vision

  h] Data mining

 1. Konsep data mining

 2. Faktor dan model data mining

4. Enkripsi ROT13

a] Konsep enkripsi dan dekripsi

b] Algoritme ROT13