G. Berpikir Algoritmik

 1. Jenis Data dalam Penelitian

       Filoso berfikir komputasional idektik dengan proses berfikir dalam menyelesaikan masalah dengan cara menrapkan model ilmu komputer (informatika). Dengan demikian, anda dituntut berpola pikir runtut, teratur, detail, jelas, serta memiliki nilai input dan output yang dihasilkan dalam memecahkan suatu permasalahan. Secara umum, dikenal dua jenis data, yaitu sebagai berikut:

-Data kuantitatif

-Data kualitatif

2. Teknologi Computational Thinking

  a. Defisi dan karakter

      Istilah berfikir komputational diadopsi dari konsep CT atau compitational thinking yang pertama 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 elemen penting, yaitu sebagai berikut:

-Abstraction

-Algorthmic thinking

-Automation

-Decomposition

-Debugging

-generalization

c. Artifical intelligence

     Artifical intelligence adalah salah satu implementasi dari berpikir komputasi yang bertujuan memprogam komputer. defimisi AI dapat dibedakan persepsi, antara lain sebagai berikut:

-Persepsi kecerdasan

-Persepsi riset

-Persepsi potensi bisnis

-Persepsi logika pemograman

d. Sistem pakar

  1. Definisi sistem pakar

       Expert system 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 pangkat pakar yang tinggi.

2. Kelebihan sistem pakar 

        Kelebihan penggunaan sistem pakar dalam menunjang pekerjaan sehari-hari meliputi hal seperti berikut:

-Memiliki basis data pengetahuan relatif besar

-Mampu menyimpan data pakar dalam jangka waktu yang lama

-Mampu melakukan perhitungan secara cepat dan tepat

-Mampu menyajikan data dan informasi dengan akurat

-Memperbaiki performa kerja sistem

-Mengurangi delay pekerjaan dan meningkatkan responsibilitas sistem.

3. Komponen sistem pakar

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

-Sistem akuisisi pengetahuan

-Knowledge base

-Inference machine

-User interface

-Blackboard atau tempat kerja

-Justifier atau subsistem penjelas

-Subsistem perbaikan pengetahuan

4. Modul utama dalam sistem pakar

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

-Modul penerimaan pengetahuan(knowledge acquisition mode)

-Modul konsultasi(consultation mode)

Modul penjelasan(explanation mode)

5. Bentuk sistem pakar

-Berdiri sendiri

-Terintegrasi

-Terhubung ke sistem lain

-Sistem mengabdi

e. Decition support sistem

    1. Pengertian DSS

            DDS pada dasarnya adalah sistem informasi sebagai hasil proses berfikir secara komputasi yang diciptakan enginner atau progammer, dengan tujuan memberikan bantuan pertimbangan pengambilan keputusan terhadap suatu permasalahan.

    2. Karakteristik DSS

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

-Mempermudah manajemen

-Memiliki grapichal interface

-Mampu mendeteksi

-Mampu diintregasikan dengtan sistem lain

     3. Tahapan pengambilan keputusan

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

-Tahapan intelegensi

-Tahapan desain

-Tahapan pilihan

-Tahapan implementasi

      4. Komponen sistem

-Data management

-Model management

-Communication

-Kwoledge management

3. Penerapan teknologi CT

        Bertujuan memudahkan pekerjaan manusia dengan cara menerapkan disiplin ilmu kompoter, yang diimplementasikan dalam bentuk software, hardware, atau kombinasi keduanya.

   a. Biometric sistem

         Biometric sistem merupakan teknologi pengenalan, pemindai, dan mengidentifikasi karakteristik fisik dan biologis manusia, yang disimpan dalam bank data digital.

 b. Face recognition

          Face regonition merupakan revolusi teknologi di era industri 4.0 yang mampu mengidentifikasi dan memvalidasi data seseorang berdasarkan gambar dan pola wajah manusa. 

   c. Voice atau speech recognition

          Speech recognition merupakan teknologi pendeteksi data yang berasan dari ucapan atau suara yang di ubah menjadi data digital. 

    d. Fingerprint recognition

           Fingerprint recognition merupakan teknologi yang akan merekam dan mencatat pola sidik jari manusia kedalam bank data digital.

     e. Computer-Aided Diagnosis (CAD)

            CAD merupakan sistem diagnosis yang digunakan untuk mendeteksi gejala penyakit dalam bidang kedokteran.

      f. Optical Charakter recognition (OCR)

             OCR adalah salah satu jenis AI yang mampu membaca dokumen cetak atau tulisan tangan di kertas melalui proses scaning, yang kemudian diekstrak dalam bentuk file teks y7ang 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, mengenali, mengidentifikasi, menangkap, dan menganalisis objek gambar sehingga dapat menyajikan opsi keputusan bagi penggunanya.

       h. Data mining

           1. Konsep data mining   

           2. Faktor dan model data mining

4. Enkripsi ROT13

       a. Konsep enkripsi dan dskripsi

            Enkripsi adalah metode atau mekanisme mengubah atau mengonversi format data menjadi bentuk lain yang tidak mudah dibaca dan dipahami. 

            Dekripsi adalah metode untuk mengembalikan data enkripsi ke bentuk plaintext sesuai aslinya. Untuk membuat ekripsi dan dekripsinya, Anda harus mampu membuat proses logika secara sistematis yang di sebut logika.

        b. Algoritme ROT13

            Detail pemograman dan teknik enkripsi mendalam akan dibahas dalam bab Analisis Data dan Dampak Sosial Informatika