

Email : valensiusjimy27@gmail.com
RPubs : https://rpubs.com/valensiusjimy/
Jurusan : Statistika
Address : Jalan Promoter 41, Lengkong Gudang Timur,
Tanggerang Selatan, BANTEN. 15321
Soal Nomor 1
Carilah Definisi Algoritma dan Struktur Data Dalam Berbagai Bidang Ilmu (Contoh: Sains Data, Fisika, Teknik Informatika, dan Sistem Informasi)!
Jawaban Nomor 1
Sains Data
Secara Sains Data dapat diartikan bahwa Algoritma dan Struktur Data merupakan sebuah langkah logis yang disusun secara sistematis dan terarah untuk mengolah dan menganalisa sebuah kumpulan data. Dan bertujuan untuk mendapatkan informasi yang kita inginkan, dapat berbentuk statistik atau hitungan lainnya.
Fisika
Dalam bidang ilmu Fisika, Algoritma dan Struktur Data adalah cara kita mengolah data yang didapat melalui sebuah hipotesis atau fenomena alam. Dan nantinya akan kita uji menggunakan langkah atau step yang efisien untuk membuktikan suatu hipotesis, agar nantinya menghasilkan sebuah informasi yang benar adanya.
Soal Nomor 2
Sebagai Mahasiswa, BUatlah Algoritma dan Flowchart yang Anda Lakukan Untuk Mencapai Kelulusan Sarjana Dengan IPK Minimal 3,5 dari Universitas Matana!
Jawaban Nomor 2
Algoritma
Menjadi seorang mahasiswa adalah sebuah keharusan bagi kita kaum pelajar. Namun, dalam perjalanannya, banyak sekali hal sulit yang harus ditaklukan. Goal utama dari seorang mahasiswa dan bahkan orangtuanya adalah dapat lulus dengan tepat waktu, juga lulus dengan nilai yang membanggakan. Berikut ini adalah sebuah langkah yang dapat dijadikan acuan untuk menempuh jenjang perkuliahan dan dapat lulus dengan nilai minimal 85, terutama di kampus tercinta kita, Matana University.
1. Mendaftar di Kampus Matana
2. Memilih Jalur Beasiswa
a Jika YA, harus mengisi data diri, nilai rapot,
sertifikat, ujian, lalu pembayaran
b Jika TIDAK, isi data diri, lalu pembayaran
3. Mengikuti Enter Matana
4. Gabung ke Grub Kelas Prodi
5. Mengambil KRS dan Pantau Jadwal Matkul
6. Menjadi Mahasiswa Rajin, Aktif, dan Inisiatif Tinggi
7. Mengerjakan Tugas dengan target nilai 90
8. Hadir disetiap Jam Pembelajaran
9. Mendapat nilai UTS min 80
10. Mendapat nilai UAS min 83
11. Total Nilai adalah 85,05, lalu ambil KHS
12. Pastikan Mendapat nilai 85 di Setiap semester
13. Lulus Sarjana dengan Nilai min 85 di Matana
Soal Nomor 3
Mengapa Anda Perlu Belajar Algoritma dan Struktur Data?
Jawaban Nomor 3
Di era digital seperti saat ini sangat diperlukan dan bahkan diharuskan untuk mengenal, serta mempelajari Algoritma dan Struktur Data. Sebab, era digital juga dapat dikatakan sebagai “Big Data” mengharuskan kita untuk lebih peka dan hatam terhadap komputansi, terutama aspek Algoritma dan Struktur Data. Pada saat ini hampir semua elemen kehidupan sudah dikuasai dengan bidang komputansi. Jika kita hanya menjadi pengikut dan penonton saja, maka kita akan jauh tertinggal. Kita harus pahami dan sadari, bahwa Algoritma dan Struktur Data sudah seharusnya kita kuasai, untuk menguatkan pondasi kita dalam kehidupan era digital seperti saat ini. Lalu, apakah kita belajar hal ini hanya untuk dapat bertahan dan berjuang pada kehidupan digital ini? TENTU TIDAK! Dalam benak saya terlintas beberapa alasan lain mengapa kita perlu belajar bahkan menguasai Algoritma dan Struktur Data, berikut ini adalah alasannya :
1. Bersaing Pada Kehidupan Nyata
2. Belajar Mengenal Berbagai Macam Algoritma dan Struktur Data
dan Dapat Membandingkan Mana yang Lebih Efektif
3. Melatih Kita Untuk Memiliki Analisa yang Tajam
4. Memacu Kita Menjadi Pribadi yang Gigih. Karena Ketika Mencoba
Membuat Sebuah Algoritma dan Struktur Data Nantinya akan ada
Error System. Disinilah Kita Harus Terus Mencoba
5. Menyadarkan Kita Bahwa Kehidupan ini Harus Direncanakan Dengan Sistematis
6. Dapat Selektif Untuk Menentukan Mana yang Benar dan Salah dalam Sebuah Data atau juga Problema
Soal Nomor 4
Sebutkan 3 Bahasa Pemrograman yang Paling Banyak Digunakan dalam Sains Data, Berikan Penjelasan, Kelebihan, Kekurangan, dan Hubungan Bahasa Pemrograman yang Satu dengan lainnya!
Jawaban Nomor 4
Adapun 3 jenis bahasa pemrograman yang paling sering digunakan dalam bidang Sains Data, yaitu :
Python
Bahasa pemrograman Python dibuat pada akhir tahun 1980-an oleh Guido van Rossum di Centrum Wiskunde and Informatica, Belanda. Implementasinya dimulai pada tahun 1989, tepatnya pada bulan Desember. Bahasa ini mampu menangani pengecualian dan berinteraksi dengan sistem operasi Amoeba.Bahasa pemrograman Python digadang-gadang adalah salah satu bahasa level tinggi yang banyak digunakan untuk Sains Data. Sintaks Python membantu dalam menyelesaikan masalah dengan langkah yang lebih sedikit jika dibandingkan dengan bahasa pemrograman lainnya. Python banyak dikembangkan dilingkup yang luas dan besar, seperti Youtube dan Instagram. Dalam sebuah hal pastinya ada kekurangan dan kelebihan, berikut adalah kekurangan dan kelebihan Python :
Kekurangan
a. Python bekerja lebih lambat dari bahasa lainnya
b. Terlalu bergantung pada fitur library
c. Sering muncul kesalahan Run Time
Kelebihan
a. Tidak perlu menulis kode lengkap secara manual
karena sudah ada fitur library
b. Kode Python dapat diletakkan dalam bahasa lain
c. Meningkatkan produktivitas dan efisien dalam segi waktu
R
R adalah bahasa yang digunakan dalam komputansi statistik yang pertama kali dikembangkan oleh Ross Ihaka dan Robert Gentlement di University of Auckland, New Zealand. Bahasa ini bisa digunakan untuk mengimplementasikan algoritma machine learning. Ditambah lagi bahasa ini dapat dikatakan ramah terhadap Sains Data. R sangat diminati oleh para developer, karena kualitasnya yang ciamik, walau dengan harga yang gratis. Adapaun kekurangan dan kelebihan bahasa R, yaitu :
Kekurangan
a. Terlalu banyak command
b. Kemungkinan loop cukup besar
c. Mengganti nama variabel cukup rumit
Kelebihan
a. Gratis dan kualitasnya cukup bagus
b. Banyak komunitas yang mengembangkannya
c. Efektif dalam pengelolaan data, karena ukuran
file yang kecil
SQL
Structured Query Language atau SQL adalah salah satu jenis bahasa komputansi yang digunakan untuk mengakses data yang terdapat dan tersimpan di dalam sebuah database. Bahasa ini juga banyak diminati oleh orang banyak, terutama oleh Database Management System, karena dapat membantu mengimplementasikan dari pengolahan suatu database. SQL dimulai dari sebuah artikel seorang peneliti yang bernama *Jhonny Oracle yang berisi pembahasan mengenai ide pembuatan basis data relasional pada tahun 1970. Dalam perjalanannya, SQL kurang diminati, terutama oleh pemula, hal itu disebabkan harga software ini yang mahal. Berikut ini adalah kekurangan dan kelebihan SQL** dalam dunia pemrograman :
Kekurangan
a. Software berlisensi dan harga yang mahal
b. Bahasa pemrogramannya terbatas
c. Hanya untuk database berskala kecil atau ringan
Kelebihan
a. Tingkat Security Data yang tinggi
b. Dapat membuat mirroring database
c. COcok untuk build program apps
Pada intinya setiap bahasa pemrograman adalah sama, yaitu untuk mengolah, menganalisa, dan menyimpan data dengan efisien. Namun, yang membedakan adalah bahasanya saja. Dan pada setiap bahasa pemrograman pasti ada kelebihan dan kekurangannya masing-masing. Maka dari itu, kita harus pandai untuk memilih menggunakannya, sesuai dengan kebutuhan dan tujuan kita saja.
---
title: "Algoritma dan Struktur Data"
subtitle: "Tugas 1"
author: "Valensius Jimy (20214920005)"
date: "`r format(Sys.Date(), '%B %d, %Y')`"
output: 
  html_document: 
    html_document: null
    code_folding: hide
    toc: yes
    toc_float:
      collapsed: yes
    number_sections: yes
    code_download: yes
    theme: spacelab
    css: style1.css
    highlight: monochrome
---


<img style="float: right; margin: 0px 100px 0px 0px; width:25%" src="myfoto.jpg"/> 

```{r logo, echo=FALSE,fig.align='center', out.width = '30%'}
knitr::include_graphics("matana.png")
```

Email &nbsp;&nbsp;&nbsp;&nbsp;&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;:  valensiusjimy27@gmail.com <br>
RPubs  &nbsp;&nbsp;&nbsp;&nbsp;&nbsp; &nbsp; &nbsp; &nbsp;: https://rpubs.com/valensiusjimy/ <br>
Jurusan &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;: [Statistika](https://matanauniversity.ac.id/?ly=academic&c=sb) <br>
Address  &nbsp; &nbsp; &nbsp; &nbsp; : Jalan Promoter 41, Lengkong Gudang Timur, <br>
&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp; Tanggerang Selatan, BANTEN. 15321

****

# Soal Nomor 1

Carilah Definisi Algoritma dan Struktur Data Dalam Berbagai Bidang Ilmu (Contoh: **Sains Data**, **Fisika**, **Teknik Informatika**, dan **Sistem Informasi**)!

# Jawaban Nomor 1

## Sains Data

&ensp;Secara **Sains Data** dapat diartikan bahwa Algoritma dan Struktur Data merupakan sebuah langkah logis yang disusun secara sistematis dan terarah untuk mengolah dan menganalisa sebuah kumpulan data. Dan bertujuan untuk mendapatkan informasi yang kita inginkan, dapat berbentuk statistik atau hitungan lainnya.

## Fisika

&ensp;Dalam bidang ilmu **Fisika**, Algoritma dan Struktur Data adalah cara kita mengolah data yang didapat melalui sebuah hipotesis atau fenomena alam. Dan nantinya akan kita uji menggunakan langkah atau *step* yang efisien untuk membuktikan suatu hipotesis, agar nantinya menghasilkan sebuah informasi yang benar adanya.

## Teknik Informatika

&ensp;Lalu, dalam bidang ilmu **Teknik Informatika** dapat diartikan suatu perintah untuk menyelesaikan suatu *problem komputansi*. Dan didukung dengan adanya pengolahan data atau analisa data yang diselesaikan menggunakan bahasa pemograman yang berorientasi obyek.

## Sistem Informasi

&ensp;Dan terakhir, dalam bidang ilmu **Sistem informasi**, Algoritma dan Struktur Data lebih menekankan bagaimana kita dapat memilih pengolahan data mana yang lebih baik, agar langkah atau perintah yang kita rencanakan dapat berjalan dengan efisien. Jika perintah dapat berjalan dengan efisien, maka penyelesaian masalahpun dapat berlangsung dengan efisien. 




# Soal Nomor 2

Sebagai Mahasiswa, BUatlah Algoritma dan *Flowchart* yang Anda Lakukan Untuk Mencapai Kelulusan Sarjana Dengan **IPK** Minimal 3,5 dari Universitas Matana!

# Jawaban Nomor 2

## Algoritma 

&ensp; Menjadi seorang mahasiswa adalah sebuah keharusan bagi kita kaum pelajar. Namun, dalam perjalanannya, banyak sekali hal sulit yang harus ditaklukan. *Goal* utama dari seorang mahasiswa dan bahkan orangtuanya adalah dapat lulus dengan tepat waktu, juga lulus dengan nilai yang membanggakan. Berikut ini adalah sebuah langkah yang dapat dijadikan acuan untuk menempuh jenjang perkuliahan dan dapat lulus dengan nilai minimal 85, terutama di kampus tercinta kita, **Matana University.**

**1.** Mendaftar di Kampus Matana<br>
**2.** Memilih Jalur Beasiswa<br>
&ensp;**a** Jika YA, harus mengisi data diri, nilai rapot,<br>&ensp; sertifikat, ujian, lalu pembayaran<br>
&ensp;**b** Jika TIDAK, isi data diri, lalu pembayaran<br>
**3.** Mengikuti Enter Matana<br>
**4.** Gabung ke Grub Kelas Prodi<br>
**5.** Mengambil **KRS** dan Pantau Jadwal Matkul<br>
**6.** Menjadi Mahasiswa *Rajin*, *Aktif*, dan *Inisiatif Tinggi*<br>
**7.** Mengerjakan Tugas dengan target nilai 90<br>
**8.** Hadir disetiap Jam Pembelajaran<br>
**9.** Mendapat nilai **UTS** min 80<br>
**10.** Mendapat nilai **UAS** min 83<br>
**11.** Total Nilai adalah **85,05**, lalu ambil **KHS**<br>
**12.** Pastikan Mendapat nilai 85 di Setiap semester<br>
**13.** Lulus Sarjana dengan Nilai min 85 di Matana<br>

## Flowchart

```{r image1, echo=FALSE, fig.cap="Flowchart 1 : Lulus Sarjana dengan minimal nilai 85 di Kampus Matana",fig.align='center', out.width = '100%'}
knitr::include_graphics("flowchart.png")
```


# Soal Nomor 3

Mengapa Anda Perlu Belajar Algoritma dan Struktur Data?

# Jawaban Nomor 3

&ensp; Di era digital seperti saat ini sangat diperlukan dan bahkan diharuskan untuk mengenal, serta mempelajari **Algoritma dan Struktur Data**. Sebab, era digital juga dapat dikatakan sebagai *"Big Data"* mengharuskan kita untuk lebih peka dan hatam terhadap komputansi, terutama aspek **Algoritma dan Struktur Data**. Pada saat ini hampir semua elemen kehidupan sudah dikuasai dengan bidang komputansi. Jika kita hanya menjadi pengikut dan penonton saja, maka kita akan jauh tertinggal. Kita harus pahami dan sadari, bahwa **Algoritma dan Struktur Data** sudah seharusnya kita kuasai, untuk menguatkan pondasi kita dalam kehidupan era digital seperti saat ini. Lalu, apakah kita belajar hal ini hanya untuk dapat bertahan dan berjuang pada kehidupan digital ini? **TENTU TIDAK!** Dalam benak saya terlintas beberapa alasan lain mengapa kita perlu belajar bahkan menguasai **Algoritma dan Struktur Data**, berikut ini adalah alasannya :

**1.** Bersaing Pada Kehidupan Nyata<br>
**2.** Belajar Mengenal Berbagai Macam Algoritma dan Struktur Data <br> &ensp;dan Dapat Membandingkan Mana yang Lebih Efektif<br>
**3.** Melatih Kita Untuk Memiliki Analisa yang Tajam<br>
**4.** Memacu Kita Menjadi Pribadi yang Gigih. Karena Ketika Mencoba <br> &ensp; Membuat Sebuah Algoritma dan Struktur Data Nantinya akan ada <br> &ensp; Error System. Disinilah Kita Harus Terus Mencoba<br>
**5.** Menyadarkan Kita Bahwa Kehidupan ini Harus Direncanakan Dengan Sistematis<br>
**6.** Dapat Selektif Untuk Menentukan Mana yang Benar dan Salah dalam Sebuah Data atau juga Problema<br>


# Soal Nomor 4

Sebutkan 3 Bahasa Pemrograman yang Paling Banyak Digunakan dalam Sains Data, Berikan **Penjelasan**, **Kelebihan**, **Kekurangan**, dan **Hubungan Bahasa Pemrograman yang Satu dengan lainnya**!

# Jawaban Nomor 4

Adapun 3 jenis bahasa pemrograman yang paling sering digunakan dalam bidang **Sains Data**, yaitu :

## Python

&ensp; Bahasa pemrograman **Python** dibuat pada akhir tahun 1980-an oleh *Guido van Rossum* di Centrum Wiskunde and Informatica, Belanda. Implementasinya dimulai pada tahun 1989, tepatnya pada bulan Desember. Bahasa ini mampu menangani pengecualian dan berinteraksi dengan sistem operasi *Amoeba*.Bahasa pemrograman **Python** digadang-gadang adalah salah satu bahasa level tinggi yang banyak digunakan untuk Sains Data. Sintaks Python membantu dalam menyelesaikan masalah dengan langkah yang lebih sedikit jika dibandingkan dengan bahasa pemrograman lainnya. **Python** banyak dikembangkan dilingkup yang luas dan besar, seperti Youtube dan Instagram. Dalam sebuah hal pastinya ada kekurangan dan kelebihan, berikut adalah kekurangan dan kelebihan **Python** :

### Kekurangan
&ensp; **a.** Python bekerja lebih lambat dari bahasa lainnya<br>
&ensp; **b.** Terlalu bergantung pada *fitur library*<br>
&ensp; **c.** Sering muncul kesalahan Run Time<br>

### Kelebihan
&ensp; **a.** Tidak perlu menulis kode lengkap secara manual<br> &ensp;&ensp; karena sudah ada fitur library<br>
&ensp; **b.** Kode Python dapat diletakkan dalam bahasa lain<br>
&ensp; **c.** Meningkatkan produktivitas dan efisien dalam segi waktu<br>

## R

&ensp; **R** adalah bahasa yang digunakan dalam komputansi statistik yang pertama kali dikembangkan oleh *Ross Ihaka* dan *Robert Gentlement* di University of Auckland, New Zealand. Bahasa ini bisa digunakan untuk mengimplementasikan *algoritma machine learning*. Ditambah lagi bahasa ini dapat dikatakan ramah terhadap *Sains Data*. **R** sangat diminati oleh para developer, karena kualitasnya yang ciamik, walau dengan harga yang **gratis**. Adapaun kekurangan dan kelebihan bahasa **R**, yaitu : 

### Kekurangan 
&ensp; **a.** Terlalu banyak command<br>
&ensp; **b.** Kemungkinan *loop* cukup besar<br>
&ensp; **c.** Mengganti nama variabel cukup rumit<br>

### Kelebihan
&ensp; **a.** Gratis dan kualitasnya cukup bagus<br>
&ensp; **b.** Banyak komunitas yang mengembangkannya<br>
&ensp; **c.** Efektif dalam pengelolaan data, karena ukuran<br> &ensp;  file yang kecil

## SQL

&ensp; *Structured Query Language* atau **SQL** adalah salah satu jenis bahasa komputansi yang digunakan untuk mengakses data yang terdapat dan tersimpan di dalam sebuah database. Bahasa ini juga banyak diminati oleh orang banyak, terutama oleh *Database Management System*, karena dapat membantu mengimplementasikan dari pengolahan suatu database. **SQL** dimulai dari sebuah artikel seorang peneliti yang bernama *Jhonny Oracle** yang berisi pembahasan mengenai ide pembuatan basis data relasional pada tahun 1970. Dalam perjalanannya, **SQL** kurang diminati, terutama oleh pemula, hal itu disebabkan harga software ini yang mahal. Berikut ini adalah kekurangan dan kelebihan **SQL** dalam dunia pemrograman :

### Kekurangan 
&ensp; **a.** Software berlisensi dan harga yang mahal<br>
&ensp; **b.** Bahasa pemrogramannya terbatas<br>
&ensp; **c.** Hanya untuk database berskala kecil atau ringan<br>

### Kelebihan
&ensp; **a.** Tingkat Security Data yang tinggi<br>
&ensp; **b.** Dapat membuat mirroring database<br>
&ensp; **c.** COcok untuk build program apps<br>

&ensp; Pada intinya setiap bahasa pemrograman adalah sama, yaitu untuk mengolah, menganalisa, dan menyimpan data dengan efisien. Namun, yang membedakan adalah bahasanya saja. Dan pada setiap bahasa pemrograman pasti ada kelebihan dan kekurangannya masing-masing. Maka dari itu, kita harus pandai untuk memilih menggunakannya, sesuai dengan kebutuhan dan tujuan kita saja. 
