BERPIKIR ALGORITMIK

-

 1.Jenis Data dlam Penelitian

    Filosofi berfukir komputasional identik dengan proses berpikir dalam menyelesaikan masalah dengan cara menerapkan model ilmu komputer (informatika).Dengan demikian anda di tuntut berpola pikir runtut,teratur,detail,jelas,serta memiliki nilai input dan output yang di hasilkan 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 di inputkan,diolah,dan di hasilkan merupakan sebuah data yang dapat di baca,di hitung,dan di analisis.

    Secara umum,di kenal dua jenis data,yaitu Data kuantitatif dan Data kualitatif.

2.Teknologi Komputational Thinking

a.Definisi dan Karakter

     Istilah berpikir komputasional diadopsi darikonsep CT atau 

komputational thingking yang pertama kali di perkenalkan oleh jeannete wing pada maret 2006 sebagai bentuk model dan mekanisme penelesaian masalah melalui tahapan analisis masalah,desain sistem,dan implementasi  menggunakan pendekatan ilmu komputer.

Jika dilihat dari sisi penerapanya,,CT memiliki dua aspek penting,yaitu sebagai berikut:

1) CT sebagai tahapan dan mekanisme pemikiran dan penalaran manusia tanpa bantuan teknologi.

2) CT sebagai metode pemecahan maslah (problrm solving) yang di desain agar dapat di jalankan manusia atau dengan bantuan mesin komputer atau melibatkan krdua resource tersebut.

b.Elemen computational thinking

   Memiliki enam bagian penting yaitu sebagai berikut:

  • Abstraction
  • Algorithmic thinking
  • Automation
  • Decomposition
  • Debugging
  • Generalization
c.Atificial intelligence (al)
   Definisi  AL dapat di bedakan dari beberapa persepsi,antara lain sebagai berikut:
  • Persepsi kecerdasan
  • Persepsi riset
  • Persepsi potensi bisnia
  • Persepsi logika pemrograman.
         Terdapat beberapa perbedaan antara kecerdasan buatan dan pemrogaman tersruktur yang dapat dilihat pada tabel berikut:

No. aspek Artificial
intelligence		 Pemrograman
konvesional
1. Metode proses
pengerjaan		 Menggunakan
metode simbolis
 menerapkan algoritme
2. Kelengkapan input
data		 Boleh tidak l
lengkap		 Harus lengkap
3. Fitur pencarian Heuristik Menggunakan algoritme
4. Konsentrasi Knowlwdge Data dan informasi
5. Keterangan
penjelas		 Tesedia Kadang ada kadang
todak
6. Struktur penulisan
sumber kode		 Modul atau fungsi
terpisah dari
pengetahuan		 Modul atau fungsi
terintrogasi dengan
data
7. Karakter output Kuantitatif Kualitatif
8. Maintenance dan
upgrade		 Mudah Relatif sulit
9. Penalaran Tersedia Kadang tidak
d.Sistem pakar
   Kelabihan sistem pakar dalam penunjangan pekerjaan meliputi hal seperti berikut:
  • Memiliki basis data pengetahuan ralatif besar
  • Mampu menyimpan data pakar dalam jangka waktu yang lama
  • Mampu melakukan perhitungan secara tepat dan cepat.
  • Mampu menyajikan data dan informasi dengan akurat
  • Memperbaiki peforma kerja sistem.
  • Mengurangi delay pekerjaan dan meningkatkan responsibilitas sistem.
3) Komponen sistem pakar
    Untuk mendukung proses kerja sistem pakar,dan beberapa elemen penting yang harus tersedia,yaitu sebagai berikut:
  • Sistem akuisisi pengetahuan
  • Knowledge base
  • Infrence machine
  • User interface
  • Blackboard atau tempat kerja
  • Justifier atau subsistem penjelas
  • Subsistem perbaikan pengetahuan.
4.Modul utam dalam sistem pakar:
  • Modul penerimaan pengetahuan 
  • Modul konsultasi
  • Modul penjelasan
5.Bentuk sistem pakar:
  • Berdiri sendiri
  • Terintegasi.
  • Terhubung ke sistem lain.
  • Sistem mengabdi.
e.DEcision support system
  1.Pengertian DSS
     DSS pada dasarnya adalah sistem informasi sebagai hasis proses berfikir secara komputasi yang di ciptakan engineer atau programmer,dengan tujuan memberikan bantuan pertimabangan pengambilan keputusan terhadap sesuatu permasalahan.
2.Karakteristik DSS
    Dengan karakteristik tersebut,seharusnya DSS mampu memberikan keuntungan bagi penggunanya.
3.Tahapan pengambilan keputusan
     Yaitu:
  • Tahapan intelegasi
  • Tahapan desain
  • Tahapan pilihan
  • Tahapan implementasi.
3.Penerapan teknologi CT
    Berikut adalah beberapa contoh penerapan teknologi CT:
  • Biometric sytem
  • Face recognition
  • Voice atau recognition
  • Figerprint recognition
  • Computer-Aided diagnosis (CAD)
  • Ooptical character recognition
  • Mchine vision
  • Data mining.
4.Enkripsi ROTI3
Konsep enskripsi dan deskripsi
    Enkripsi adalah metode atau mekanisme mengubah atau mengonversi format data menjadi bentuk lain yang tidak mudah di baca dan di pahami.Hasil enskripsi di sebut dengan ciphertext.

Komentar

Posting Komentar