G.Berpikir Algoritmik

1.Jenis data dalam penelitian

     Secara umum dikenal dua jenis data, yaitu :

A.data kuantitatif, Merupakan jenis data yang dipresentasikan dalam bentuk notasi angka,misalnya skor antara 1 - 4

B.data kualitatif, Merupakan tipe data yang tidak dapat diukur nilainya dalam bentuk angka, 

2.Teknologi Computational Thinking(CT) 

    A.Definisi dan karakter   

    Tujuan dari ct adalah efektivitas  dan kecepatan pengambilan keputusan.dilihat dari sisi dan penerapannya,ct memiliki dua aspek antara lain:
1.cct, sebagai tahapan dan mekanisme pemikiran dan penalaran manusia tanpa bantuan teknologi.
2.ct, sebagai metode pemecahan masalah yang didesain agar dapat dijadikan dengan bantuan mesin komputer atau bisa juga melibatkan manusia. 
    Karakter ct ketika diimplementasikan sebagai alternatif pemecah masalah, yaitu ;

1.menentukan permasalahan yang akan diselesaikan dengan bantuan teknologi informasi dan komputer.

2.menerapkan metode algoritme dalam melakukan proses analisis.

3.memvisualisasikan data dan informasi melalui model dan simulasi.

4.proses yang dilakukan bekerja secara otomatis berdasarkan algoritme yang telah diatur.

5.fase identifikasi, pengumpulan data, proses analisis, serta menetapkan keputusan solusi, dilakukan secara cepat dan tepat dengan tujuan efisiensi proses.

6.mendukung proses generalisasi ataupun prifatisasi problem solving dalam bentuk umum.

      B.Elemen komputational thinking

    

    Komputational thinking memiliki enam bagian penting, antara lain:
1.abstraction
2.algorithmic thinking 
3.auto mation 
4.dekomposition 
5.debugging 
6.generalization

   
    C.artificial inteligence (AI)

     Artificial intelligence atau kecerdasan buatan adalah salah satu implementasi dari berpikir komputasi yang bertujuan memprogram komputer agar mampu melakukan pekerjaan layak nya manusia, seperti : 
1.persepsi keerdasan
2.persepsi rise
3.persepsi potesi bisnis
4.Persepsi logika pemrograman

    D.Sistem pakaran 

1.definisi sistem pakaran 
    Expert system atau sistem pakaran merupakan salah satu cabang dari disiplin ilmu AI dalam menyediakan data informasi seta menyelesaikan permasalahan berdasarkan pengetahuan dan pengalaman manusia yang memiliki tingkat pakar tinggi, fitur yang dimiliki oleh sistem pakar meliputi beberapa aspek, antara lain:
a.mempunyai pengnetahuan dan keahlian setingkat pakar manusia.
b.memiiki fungsi yang dapat mempertimbangkan keputusan menggunakan model simbolis.
c.keberagaman dan tingkat kedalaman pengetahuan berasal dari kumpulan para pakar.
d.mempunyai kemampuan yang dapat menganalisis secara otomatis setiap parameter input masalah.

2.kelebihan sistem pakar 
    Kelebihan penggunaan sistem pakar sebagai penunjang pekerjaan sehari-hari meliputi hal sebsgai berikut:
a.memiliki basis data pengetahuan relatif besar.
b.mampu menyimpan pakar dalam jangka waktu yang lama.
c.mampu melakukan perhitungan secara cepat dan tepat.
d.mampu menyajikan data dan informasi dengan akurat.
3.komponen sistem pakar
    Untuk mendukug sistem kerja pakar ada beberapa elemen penting, sebagai berikut:
a.sistem akuisisi pengetahuan
b.knowledge base
c.inference machine 
d.user interface
e.blackboard atau tempat kerja
f.justifier atau subsistem menjelas

g.subsistem perbaikan pengetahuan

4.modul utama dalam sistem pkar

    Terdapat tiga modul utama yang menyusun sistem pakar, uaitu antara lain:

a.modul penerimaan pengetahuan(knowledge acquation mode)

b.modul konsultasi(konsultation mode)

c.modul penjelasan(explanation mode)

5.bentuk sistem pakar 

    Sistem pakar terbagi menjadi empat bentuk, yaitu sebagai berikt:

a.berdiri sendiri(independent)

b.terintegrasi(integrated)

c.terhubung kesistem lain(konnected to other system)

e.decision support system

1.pengertian DSS

desicion support sistem pada dasarnya adalah sistem informasi sebagai hasil proses berpikir secara komputasi yang diciptakan engineer atau programmer.

2.karakterristik DSS

    a.mempermuda manajemen dalam mengambil keputusan dengan mempertimbangkan data-data terdahulu.

    b.memiliki graphcal yang menarik dan mudah digunakan untuk berinteraksi antara user dan sistemDSS.

    c.mampu mendektesi, dan mengambil keputusan terhadap masalah baik dengan hierarki terstruktur, semiterstruktur, maupun tidak terstruktur.

d.mampu berintegrasi dengan sistem lain.

3.tahapan pengambilan keputusan

    a.tahap intelegence 

    b.tahapan desain

    c.tahapan pilihan 

    d.tahapan implementasi

4.komponen sistem 

     untuk menjalan kan keempat tahapan tersebut sistem DSS harus menyediakan beberapa modul penting dalam dalam proses pengambilan keputusan, antara lain:

a.data management 

b.model management

c.communication

d.knowledge management

3.Penerapan teknologi CT

A.biometric system

    ada dua jenis biometric yang saat ini dikembangkan yaitu sebagai berikut

1.physiological characterictics

2.behavioral characteristics

B.face recognition

face recognition merupakan revolusi teknologi di era industri 4.0 yang mampu mengidentifikasi dan memvalidasi data seseorang berdasarkan gambar dan pola waja manusia.

C.voice recognition

 Voice recognition merupakan teknologi pendektesi data yang berasal dari ucapan atau suara yang diubah menjadi data  digital.

D.fingerprint recognition

fingerprint recognition merupakan teknologi yang akan mencatat pola sidik jari manusia kedalam bank data digital.

E.computer-aided diagnosis(CAD)

CAD adalah sistem diagnosis yang digunakan untuk mendektesi gejala penyakit dalam bidang kedokteran.

F.optical character recognition (OCR)

OCR merupakan sala satu jenis Al yang mampu membaca dokumen cetak atau tulisan tangan dikertas melalui proses scaning, yang kemudian diekstrak dalam bentuk file teks yang dapat di edit tanpa perlu mengetik secara manual.

G.machine vision 

teknologi machine vision memiliki konsep berupa kecerdasan mesin yang mampu menggantikan manusia dalam melihat dan menganalisis objek gambar sehingga dapat menyajikan opsi keputusan bagi penggunanya.

H.data mining

 1.konsep data mining 

definisi data mining dari beberapa versi, antara lain sebagai berikut:

1.sebagai tol untuk mendektesi, melakukan identifikasi, dan penelusuran serta akumulasi data dalam jumlah besar guna menemukan pola tertentu.

2.metode pengekstrat informasi yang awalnya belum memiliki arti dan kurang menarik dalam rangkaian penyimpanan data besar.

3.mekanisme data besar guna mencari pola atau pattern menggunakan algoritme tertentu.

2.faktor dan model data mining

4.Enkripsi ROT13

a.konsep enkripsi dan dekripsi

enkripsi sdalah metode atau mekanisme mengubah atau mengonfersi format data menjadi bentuk lain yang tidak muda dibaca dan dipahami. hasil dekripsi disebut dengan ciphertext.

b.algoritme ROT13