G.Berpikir Algoritmik

 1.Jenis data dalam penelitian 

    Filosofi berbipikir komputasional identik dengan proses berpikir dalam menyelesaikan masalah dengan cara menerapkan model ilmu komputer ( informatika).Metode ini sering dilenal dengan istilah algoritmik ,yaitu seolah olah melakukan penalaran yang mirip dengan cara kerja komputer.Nilai yang diinputkan, diolah,dan dihasilkan merupakan sebuah data yang dapat dibaca, dihitung, dan dianalisis.

secara umum,dikenal dua jenis data yaitu sebagai berikut

a.  Data Kuantitatif

   Data kuantitatif adalah jenis data yang direpresentasikan dalam bentuk nominal angka,misalnya data kuantitatif yang memuat model skor 1 - 4.

b.  Data kualitatif

    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 pertama kali diperkenalkan oleh Jeannette Wing pada maret 2006 sebagai model dan mekanisme penyelesaian masalah melalui tahapan analisis masalah,desain sistem,dan impelemntasi menggunakan pendekatan ilmu komputer.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 masalah (problem solving) yang didesain agar dapat dijalankan manusia atau dengan bantuan mesin komputer atau melibatkan resource tersebut

b.  Elemen Computational Thinking

    Computatinal thinkingmemiliki enam bagian penting,yaitu sebagai berikut 

1) Abstraction

  Abstraction adalah proses mengidentifikasi permasalahan dan mengumpulkan potongan-potongan informasi yang belum bisa terbaca menjadi data yang siap dijadikan dasar melakukan proses selanjutnya.

2) Algorithmic thinking 

   merupakan langkah terstruktur dan sistematis untuk menyelesaikan permasalahan yang ditemukan

3) Automation

   merupakan bagian penting dalam CT yang bekerja secara otomatis dalam mengeksekusi setiap instruksi yang diberikan komputer secara berulang ulang,cepat,dan efisien

4) Decomposition

   Merupakan proses penguraian komponen - komponen dalam permasalahan agar mudah dipahami,dipecahkan,kemudian dikembangkan dan dilakukan percobaan serta evaluasi.

5) Debugging

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

6) Generalization

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

C. Artifical intelligence(AI)

   Artificial intelligence atau kecerdasan buatan kecerdasan buatan adalah salah satu implementasi dari berpikir komputasi atau CT yang bertujuan memprogam komputer agar mampu berpikir,mempertimbangkan dan memutuskan,serta mengeksekusi pekerjaan selayaknya manusia.

1) Persepsi kecerdasan

   Pendekatan dalam sisi kecerdasan akan mengacu pada potensi pengembangan teknologi komputer pintar sehingga mampu bekerja seperti manusia.

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) Persepsi potensi bisnis

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

4) Persepsi logika pemrogaman 

    Sudut pandang AI dalam teknik pemrogaman merupakan salah satu bentuk implementasi dalam menciptakan rule-rule logika yang dapat dimasukkan ke database kecerdasan mesin ketika 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.

a) mempunyai pengetahuan dan keahlian setingkat pakar manusia.

b) Memiliki modul atau fungsi yantg dapat mempertimbangkan keputusan menggunakan model simbolis.

c) Keberagaman dan tingkat kedalaman pengetahuan berasal dari kumpulan pakar.

     2) Kelebihan sistem pakar  

    kelebihan penggunaan sistem pakar dalam menunjang pekerjaan sehari hari meliputi hal seperti berikut.

a) Memiliki basis data pengetahuan relatif besar.

b) Mampu menyimpan data pakar dalam jangka waktu yang lama

c) Mampu melakukan perhitungan secara cepat dan cepat.

    3) Komponen sistem pakar

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

a) Sistem akusisi pengetahuan 

    Sistem akuisisi pengetahuan bertugas melakukan akuisisi pengetahuan, keahlian, dan data kepakaran dari para pakar ke dalam sistem komputer.

b) Knowledge base 

     Knowledge base merupakan data atau sistem penyimpanan data kepakaran yeng telah diakuisisi sebelumya.

c) Inference machine 

    Mesin inferensi menjadi core atau inti sistem yanag berperan sebagai pengontrol dan penerjemah aturan, metodolgi,fungsi pertimbangan,analisis,dan perumusan konkluksi.

d) User interface

     User interface merupakan antar muka yang digunakan untuk menjebatani interaksi anatara user dan sistem pakar,misalnya dalam bentuk GUI.

e) Blackboard atau tempat kerja

    Blackboard adalah ketersedian ruang memori yang bertugas menyimpan database knowledge atau aturan baru bahkan berperan sebagai penyimpan hipotesis dan simpulan sementara

f)  Justifier atau subsistem penejelas 

    Justifier merupakan fitur yang dapat menelusuri validitas simpulan atau keputusan yang diambil berdasarkan rujukan yang jelas.

g) Subsistem perbaikan pengetahuan 

    Subsistem merupakan sistem yang disediakan untuk mengevaluasi dan memperbaiki proses pengolahan kepakaran dalam ssitem itu sendiri.

4) Modul utama dalam sistem pakar

     Terdapat tiga modul utama yang menyusun sistem pakar,yaitu sebagai berikut.

 a)Modul penerimaan pengetahuan( knowledge acquisition mode) 

b) Modul Konsultasi ( consultatin mode ) 

c)Modul penjelasan ( Explanation mode )

5) Bentuk sistem pakar

     Sistem pakar terbagi menjadi empat bentuk,yaitu sebagai berikut

a) Berdiri sendiri( independent)

     Sistem ini dapat bekerja dan berdiri sendiri tanpa bantuan software dan hardware lain.

b) Terintegrasi ( integrated )

      Sistem pakar yang terintegrasi dalam modul subprogam konvensional atau aplikasi tetentu.

c) Terhubung ke sistem lain ( connected to other system )

     Bentuk ini merupakan model koneksi menyimpan pengetahuan kepakaran dalam sistem manajemen database.

d) Sistem mengabdi ( service system )

   Sistem pakar dalam komputer yang digunakan sebagai layanan khusus terhadap pekerjaan tertentu 

e.  Decision support system 

    1) Pengertian DSS

       Decisison support system (DSS) pada dasarnya adalah sistem informasi sebagai hasil proses berpikir secara komputasi yang diciptakan engineer dan progammer,dengan tujuan memberikan bantuan pertimbangan pengambilan keputusan terhadap suatu permasalahan.

     2) Krakteristik DSS 

       Suatu sistem dapat dikategorikan sebagai DSS apabila memiliki beberapa karakter, antara lain sebagai berikut.

a) Mempermudah manajemen dalam mengambil keputusan dengan mempertimbangkan data-data dahulu.

b) Memiliki grapichal interface yang menarik dan mudah digunakan untuk berinteraksi antara user dan sistem DSS dengan porsi kontrol user terhadap sistem yang lebih besar.

c) Mampu diintegrasikan dengan sistem lain

    3) Tahapan pengampilan keputusan 

   Keputusan yang ditampilkan sebagai solusi terbaik dari beberapa aspek oleh DSS harus melewati beberapa tahapan sebagai berikut.

a) Tahapan intelegensi merupakan fase mengidentifikasi masalah beserta peluan pemecahnnya berdasarkan data yang dimiliki.

b) Tahapan desain merupakan fase mencocokkan,menemukan,mengembangkan,serta menganalisis pola masalah terhadap data yang ada.

c) Tahapan pilihan adalah proses mempersempit batasan pilihan solusi yang ditawarkan dan diambil oleh sistem bedasarkan presntase kebenaran terbesar.

d) Tahapan implementasi adalah proses akhir yang berisi saran dan pilihan solusi yang ditampilkan sistem pada user.

4). Komponen sistem

   Unruk menjalankan keempat tahapan tersebut,sistem DSS harus menyediakan beberapa modul penting dalam proses pengambilan keputusannya,yaitu sebagai berikut.

a) Data mangement, meruapakan keseluruhan data yang menyimpan informasi tentang database permasalahan,analisis,serta solus yang terbaik.

b) Model management, berguna untuk memberikan dukungan logika,analisis, serta kemampuan menampilkan plilihan solusi terbaik. 

c) Communication,merupakan modul yang menjadi kontrol interaktif antara user solusi terbaik.

d) Knowledge management,berperan sebagai modul pendukung terhadap komponen lainnya dalam DSS.

3.  Penerapan Teknologi CT

    Konsep berpikir komputasional atau computational thinking bertujuan memudahkan pekrjaan manusia dengan cara menerapkan disiplin ilmu komputer.

a.   Biometric system

    Biometric system merupakan teknologi pengenalan,pemindai,dan pengidentifikasi karateristik fisik dan biologis manusia,yang disimpan dalam bank data digital.

1)  Physiological characteristics 

     metode identifikasi ini difokuskan pada ciri fisik manusia seperti kontur wajah, retina dan bola mata, pola sidik jari, suara dan lainnya

2)  Behavional characteristics

      metode identifikasi ini menggunakan pola deteksi cara hidup dan gerak manusia.

b.  Face recognition

    Face recognation merupakan revolusi teknologi diera industri 4.0 yang mampu mengidentifikasi dan memvalidasi data seseorang berdasarkan gambar dan pola wajah manusia.Konsep kerja sistem ini adalah melakukan pendataan pola wajah meliputi jarak antara kedua bola mata,kedalaman mata,jarak antara dagu dan jidat, kontur bibir,pipi dagu, rahang telinga, dan rambut,kemudian disimpan dalam bank data digital.

c.  Voice atau speech recognition

    Speech recognatition merupakan teknologi pendeteksi data yang berasal dari ucapan atau suara yang diubah menjadi data digital.Salah satu contoh penerapan teknologi ini adalah Google Voice yang disematkan dalam layanan smarthphone.

d.   Finggerprint recognition

      Fingerprint recognition merupakan teknologi yang akan merekam dan mencatat pola sidik jari manusia kedalam bank dat ditigal.biasanya teknologi ini juga diintegrasikan dengan fitur keamanan lainnya.

e.   Computer-Aided Diagnosis( CAD ) 

    CAD merupakan sistem diagnosis yang digunakan untuk mendeteksi gejala penyakit dalam bidang kedokteran. Teknologi ini sudah diterapkan dalam berbagai bidang medis,seperti deteksi dan analisis darah, kanker, peru-paru, jantung dan lainnya.

f.   Optical character recognition ( OCR) 

     OCR adalah salah satu jenis AI yang mampu membgaca dokumen cetak atau tulisan tangan  di kertas melalui proses scaning,yang kemudian di ekstrak dalam bentuk file teks yang dapat diedit tanpa perlu mengetik secara manual.

1)  Menjadi tool yang berguna untuk memudahkan entri data melalui proses scanning.

2)  Mengubah dokumen cetak menjadi file digital yang dapat diedit.

3)  Mengubah format dokumen hasil tulisan tangan menjadi digital.

g.  Machine vision 

     Teknologi machine vision memiliki konsep brupa kecerdasan mesin yang mampu menggantikan manusia dalam melihat,mengenali,mengidentifikasi,menangkap,dan menganalisis objek gambar sehingga dapatb menyajikan opsi keputusana bagi pemggunanya.Berikut adalah contoh penerapan machine vision dalam kehidupan sehari-hari.

1) Teknologi sensor, scanning,dan AI 6dalam robot.

2)  Perangkat spy atau mata-mata    

3)  Mengidentifikasi komponen produk seperti bagian mesin.

h.  Data mining

    1) Konsep data mining 

        Definisi data mining dari beberapa versi, antara lain sebagai berikut.

*  Sebagai tool untuk mendeteksi , melakukan,idemtifikasi dan penelusran,serta mengakumulasi data dalam jumlah besar guna menemukan pola tertentu 

*  Metode pengekstrak informasi yang awalnya belum memiliki arti dan kurang menarik dalam rangkaian penyimpanan data besar.

*  Mekanisme analisis data besar guna mencari pola atau pattern menggunakan algoritme tertentu.

2)  Faktor dan model data mining 

     Kebutuhan akan dukungan sistem dat mining dalam sebuah organisasi muncul karehna beberapa faktor berikut.

*  Space data semakin besar ukuran dan jumlah record nya

*  Proses data warehousing telah dilakukan pada tahap sebelumnya.

*  Dukungan layanan komputasi yang semakin terjangkau.

  Untuk mencari pola informasi dalam rangkaian data besar mengguanakan data mining,Anda dapat menggunakan salah satu jenis mode operasi berikut.

a) Metode verifikasi

    Mekanisme pencarian dan identifikasi dilakukan dengan pendekatan secara top down, dengan hipotesis dari user diambil pertama kali, kemudian divalidasi untuk membuktikan kebenaran data berikut.

b) Metode knowledge discovery

    Pada metode ini, digunakan pendekatan dari bawah atau bottom up.

*  Directed knowledge discovery,proses analisis dilakukan dengan memvalidasi kebenaran nilai target field

*  Undirected knowledge discovery , sistem tidak membutuhkan nilai target field karena akan langsung mencari dan menganalisis pattern dalam data besar.