Email             :
RPubs            : https://rpubs.com/aliciaarifin/
Jurusan          : Statistika
Address         : ARA Center, Matana University Tower
                         Jl. CBD Barat Kav, RT.1, Curug Sangereng, Kelapa Dua, Tangerang, Banten 15810.


1 Soal Nomor 1

Carilah Definisi Algoritma dan Struktur Data dalam berbagai bidang ilmu (Contoh: Sains Data, Fisika, Teknik Informatika, dan Sistem Informasi)!

1.1 Jawaban nomor 1

1.1.1 Sains data

proses pengolahan dan memvisualisasikan matematika dan statistik menggunakan algoritma pemograman untuk mendapatkan informasi yang dibutuhkan seperti membuat aplikasi statistik untuk memudahkan menghitung dari sekian banyaknya data.

1.1.2 Fisika

Metode pengujian dan pengolahan data yang digunakan untuk membayangkan dan menguji coba kejadian-kejadian untuk memprediksi dan mengetahui apa yang akan terjadi dan untuk mengembangkan ilmu pengetahuan dan teknologi.

1.1.3 Teknik Informatika

Cara belajar dan mengasah skill mengenai computer science, software engeneering , dan bidang lainnya menggunakan sistem komputasi

1.1.4 Sistem Informasi

Proses mendesign dan mengembangkan pemograman computer, dan menggunakan untuk membuat aplikasi.

2 Soal Nomor 2

Sebagai mahasiswa buatlah algoritma dan flowchart yang anda lakukan untuk mencapai kelulusan sarjana dengan IPK minimal 3.5 dari Universitas Matana.!

2.1 Jawaban nomor 2

  1. Mengetahui apa tujuan kuliah
  2. Mengisi KRS
  3. Membuat planner atau jadwal settiap pelajaran
  4. Bangun pagi maksimal 1 jam sebelum kelas dimulai
  5. Mandi atau cuci muka
  6. Makan
  7. Mereview ulang materi minimal 30 menit sebelum kelas dimulai
  8. Siapkan perlengkapan alat tulis dan buku yang diperlukan mata kuliah
  9. Pada saat kelas dimulai silent smartphone agar lebih fokus memahami materi
  10. Belajar dengan fokus hingga materi selesai disampaikan
  11. Bertanya jika ada materi yang kurang jelas atau ada yang ingin ditanyakan
  12. Tugas
  1. Ada ->Menyusun jadwal dan coba menyelesaikan tugas
  2. Tidak ada -> baca materi, Aktif organisasi / Webinar/ Ikut acara / refreshing
  1. Mereview dan mengulang materi dari pertemuan yang paling lama
  2. Masa Ujian
  3. Terima IPK 1-8
  4. LULUS

3 Soal Nomor 3

Mengapa anda harus belajar Algoritma dan Struktur Data?

3.1 Jawaban nomor 3

Karena jika kita belajar Algoritma dan Struktur Data kita jadi membuat program lebih efisien,mudah, dan simple. Secara tidak langsung, kita akan terpengaruh untuk mempraktekan algoritma dan Struktur Data pada kehidupan nyata. Contohnya dengan kita belajar algoritma, kita mulai berpikir logis dan menyusun hal seefesien mungkin, tidak ribet, sesuai dengan tujuan kita menggunakan data yang ada. kita jadi melakukan hal dengan prosedur walaupun prosedur tersebut tidak ada di kertas, melainkan sudah tertanam di otak kita.

Struktur Data membantu kita untuk menggunakan secara efisien, sedangkan algoritma membantu kita untuk mengoperasikan data tersebut dengan efisien. Algoritma dan Struktur Data juga melatih dan mengasah logika matematika. Contohnya jika salah maka benar, jika tidak benar maka salah. Belajar Algoritma dan Struktur Data membuat kita bisa mengetahui, melatih, dan membuat program yang bisa memudahkan kita dalam mengolah data.

Menurut saya Algoritma dan Stuktur Data juga diperlukan dalam dunia kerja. Secara tidak langsung kalau kita belajar dan memiliki skill yang cukup handal dalam mengaplikasikan algorima dan struktur data, kita bisa menunjukan kemampuan/skill itu dalam CV kita dan bisa menjadi nilai tambah ketika melamar kerja. Sekarang teknologi sudah berkembang sangat pesat, semuanya menjadi serba digital. Handal dalam algoritma dan struktur data adalah salah satu kriteria untuk kualifikasi.

4 Soal Nomor 4

Sebutkan 3 bahasa pemrograman yang yang paling banyak digunakan dalam Sains Data, Berikan penjelasan kelebihan, kekurangan, dan hubungan bahasa pemrogaman yang satu dengan yang lainnya.

4.1 Jawaban nomor 4

4.1.1 Pythons

Python cocok untuk pemula. Dibandingkan aplikasi lain, python lebih mudah untuk diaplikasikan dan digunakan oleh pemula.Bahasa python ini memiliki sintaks-sintaks yang cukup sederhana dan gampang dimengerti. Bahasa python juga mudah pengaplikasiannya untuk mengembangkan produk, seperti membuat software, situs, dan lain-lainnya. Python juga dapat digunakan setiap orang (gratis) dan laptop (macOS X, Windows,Linux,dan lain-lain).

Diantara kelebihan di atas, Python juga memiliki kekurangan. Meskipun banyak yang menggunakan python, tidak banyak ahli pemogramer yang menggunakan Bahasa ini jika dibandingkan dengan Java. Python tidak baik jika diperuntukan dalam pekerjaan multicore. Dulu python dikritik karena kecepatan yang lebih lambat dibandingkan bahasa pemograman yang komplikasi seperti C atau C++, tetapi masalah ini sudah diatasi dan dioptimalkan oleh python. Walaupun python memiliki library yang banyak dan luas, sehingga pengguna python terbiasa dengan fitur python dan akhirnya pengguna mengalami masalah jika ingin belajar atau beralih ke bahasa pemograman lainnya.

Python menyiapkan bahasa pemrograman optimasi untuk kegunaan bersama dengan perangkat bantu yang dibutuhkan untuk di integrasikan dengan bahasa pemrograman lain.

4.1.2 R

R dapat digunakan secara gratis dengan bebas. R juga populer di bidang sains data. R memiliki banyak package yang lengkap dengan fungsi yang sangat kuat. R memiliki package yang sangat lengkap mulai dari persiapan data, berbagai macam analisis, hingga proses diseminasi informasi. R juga bisa membuat visualisasi data yang sederhana hingga advance. R juga memiliki komunitas yang sangat baik dan sangat memudahkan Ketika melakukan analisis menggunakan R. dengan menggunakan R, proses berbagi dan berkolaborasi juga jadi lebih mudah.

Sampai sekarang perusahaan sering memasukkan skill R sebagai syarat saat melamar pekerjaan. R juga bisa digunakan di perangkat secara offline (Rstudio) maupun online (Rcloud). Bahasa pemograman R mudah untuk dipelajari, tetapi sulit atau cukup rumit dipelajari untuk pemula. R tidak harus dipelajari, tetapi kalau kita sangat bersinggungan dengan data, kita coba belajar R dan python (dua-duanya, tapi satu persatu).

4.1.3 Java

Bahasa Java ini bahasa pemograman yang banyak digunakan dan diaplikasikan pada berbagai macam software. Bahasa Java ini mudah dalam hal mengembangkan aplikasi, tetapi Java juga bisa dipakai untuk science data (mengolah data). Bahasa java merupakan salah satu bahasa yang sifatnya multiplatform (universal dan bisa digunakan dalam platform manapun). Bahasa java juga mudah untuk dipelajari. Banyak bahasa C yang pindah ke Java dan membuat pengguna semakin banyak.

Walapun banyak kelebihan dari Java, Java juga menggunakan memori yang cukup tingggi. Komputer yang digunakan untuk mengembangkan aplikasi java harus memiliki kapasitas RAM yang besar agar lebih optimal kinerjanya. Bahasa Java juga mudah mengalami dekompilasi. Source code dan juga script yang dibuat dapat dengan mudah diambil dan juga dibajak oleh orang lain, sehingga memuncukkan banyak hack dan juga pengcopyan dari aplikasi yang menggunakan bahasa pemograman Java.

4.1.4 Hubungan antara ketiga bahasa pemograman

Hubungan antara ketiga bahasa pemograman diatas memiliki persamaan yaitu ketiganya bisa digunakan untuk mengolah data sesuai dengan apa yang kita mau kita cari. Ketiga bahasa tersebut juga bisa digunakan oleh pemula, bisa digunakan di semua perangkat, dan gratis . Meskipun Java bisa digunakan untuk data science, R dan Python merupakan bahasa pemograman yang paling sering dipakai untuk data science. Walaupun bahasa pemoraman sulit dipelajari oleh pemula, dengan latihan kita bisa mengasah skill yang bisa jadi bekal kita untuk kemudian hari.

---
title: "Pengantar Algoritma dan Struktur Data"
subtitle: "Tugas 1"
author: "Alicia Arifin (20214920001)"
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: sandstone
    css: style1.css
    highlight: monochrome
---


<img style="float: right; margin: 0px 100px 0px 0px; width:25%" src="fotodiri.png"/> 

```{r logo, echo=FALSE,fig.align='center', out.width = '30%'}
knitr::include_graphics("logomatana.png")
```

Email &nbsp;&nbsp;&nbsp;&nbsp;&nbsp; &nbsp; &nbsp; &nbsp;&nbsp;:  ali.19arifin@gmail.com <br>
RPubs  &nbsp;&nbsp;&nbsp;&nbsp;&nbsp; &nbsp; &nbsp; &nbsp;: https://rpubs.com/aliciaarifin/ <br>
Jurusan &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;: [Statistika](https://matanauniversity.ac.id/?ly=academic&c=sb) <br>
Address  &nbsp; &nbsp; &nbsp; &nbsp; : ARA Center, Matana University Tower <br>
&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;&nbsp; Jl. CBD Barat Kav, RT.1, Curug Sangereng, Kelapa Dua, Tangerang, Banten 15810.

****

# 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
proses pengolahan dan memvisualisasikan matematika dan statistik menggunakan algoritma pemograman untuk mendapatkan informasi yang dibutuhkan seperti membuat aplikasi statistik untuk memudahkan menghitung dari sekian banyaknya data.

### Fisika
Metode pengujian dan pengolahan data yang digunakan untuk membayangkan dan menguji coba kejadian-kejadian untuk memprediksi dan mengetahui apa yang akan terjadi dan untuk mengembangkan ilmu pengetahuan dan teknologi.

### Teknik Informatika
Cara belajar dan mengasah skill mengenai computer science, software engeneering , dan bidang lainnya menggunakan sistem komputasi

### Sistem Informasi
Proses mendesign dan mengembangkan pemograman  computer, dan menggunakan untuk membuat aplikasi.




# 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
1.	Mengetahui apa tujuan kuliah
2.	Mengisi KRS
3.	Membuat planner atau jadwal settiap pelajaran
4.	Bangun pagi maksimal 1 jam sebelum kelas dimulai
5.	Mandi atau cuci muka
6.	Makan 
7.	Mereview ulang materi minimal 30 menit sebelum kelas dimulai
8.	Siapkan perlengkapan alat tulis dan buku yang diperlukan mata kuliah
9.	Pada saat kelas dimulai silent smartphone agar lebih fokus memahami materi
10.	Belajar dengan fokus hingga materi selesai disampaikan
11.	Bertanya jika ada materi yang kurang jelas atau ada yang ingin ditanyakan
12.	Tugas
  i.	Ada ->Menyusun jadwal dan coba menyelesaikan tugas
  ii.	Tidak ada -> baca materi, Aktif organisasi / Webinar/ Ikut acara / refreshing
13.	Mereview dan mengulang materi dari pertemuan yang paling lama 
14.	Masa Ujian
15.	Terima IPK 1-8
16.	LULUS


<img style="float: right; margin: 0px 100px 0px 0px" src="flowchart.png"/>




# Soal Nomor 3
Mengapa anda harus belajar Algoritma dan Struktur Data?


## Jawaban nomor 3
Karena jika kita belajar Algoritma dan Struktur Data kita jadi membuat program lebih efisien,mudah, dan simple. Secara tidak langsung, kita akan terpengaruh untuk mempraktekan algoritma dan Struktur Data pada kehidupan nyata. Contohnya dengan kita belajar algoritma, kita mulai berpikir logis dan menyusun hal seefesien mungkin, tidak ribet, sesuai dengan tujuan kita menggunakan data yang ada. kita jadi melakukan hal dengan prosedur walaupun prosedur tersebut tidak ada di kertas, melainkan sudah tertanam di otak kita.

Struktur Data membantu kita untuk menggunakan secara efisien, sedangkan algoritma membantu kita untuk mengoperasikan data tersebut dengan efisien. Algoritma dan Struktur Data juga melatih dan mengasah logika matematika. Contohnya jika salah maka benar, jika tidak benar maka salah. Belajar Algoritma dan Struktur Data membuat kita bisa mengetahui, melatih, dan membuat program yang bisa memudahkan kita dalam mengolah data. 

Menurut saya Algoritma dan Stuktur Data juga diperlukan dalam dunia kerja. Secara tidak langsung kalau kita belajar dan memiliki skill yang cukup handal dalam mengaplikasikan algorima dan struktur data, kita bisa menunjukan kemampuan/skill itu dalam CV kita dan bisa menjadi nilai tambah ketika melamar kerja. Sekarang teknologi sudah berkembang sangat pesat, semuanya menjadi serba digital. Handal dalam algoritma dan struktur data adalah salah satu kriteria untuk kualifikasi.




# Soal Nomor 4
Sebutkan 3 bahasa pemrograman yang yang paling banyak digunakan dalam Sains Data, Berikan penjelasan kelebihan, kekurangan, dan hubungan bahasa pemrogaman yang satu dengan yang lainnya.


## Jawaban nomor 4

### Pythons
Python cocok untuk pemula. Dibandingkan aplikasi lain, python lebih mudah untuk diaplikasikan dan digunakan oleh pemula.Bahasa python ini memiliki sintaks-sintaks yang cukup sederhana dan gampang dimengerti. Bahasa python juga mudah pengaplikasiannya untuk mengembangkan produk, seperti membuat software, situs, dan lain-lainnya. Python juga dapat digunakan setiap orang (gratis) dan laptop (macOS X, Windows,Linux,dan lain-lain). 

Diantara kelebihan di atas, Python juga memiliki kekurangan. Meskipun banyak yang menggunakan python, tidak banyak ahli pemogramer yang menggunakan Bahasa ini jika dibandingkan dengan Java. Python tidak baik jika diperuntukan dalam pekerjaan multicore.  Dulu python dikritik karena kecepatan yang lebih lambat dibandingkan bahasa pemograman yang komplikasi seperti C atau C++, tetapi masalah ini sudah diatasi dan dioptimalkan oleh python. Walaupun python memiliki library yang banyak dan luas, sehingga pengguna python terbiasa dengan fitur python dan akhirnya pengguna mengalami masalah jika ingin belajar atau beralih ke bahasa pemograman lainnya.

Python menyiapkan bahasa pemrograman optimasi untuk kegunaan bersama dengan perangkat bantu yang dibutuhkan untuk di integrasikan dengan bahasa pemrograman lain.


### R
R dapat digunakan secara gratis dengan bebas. R juga populer di bidang sains data. R memiliki banyak package yang lengkap dengan fungsi yang sangat kuat. R memiliki package yang sangat lengkap mulai dari persiapan data, berbagai macam analisis, hingga proses diseminasi informasi. R juga bisa membuat visualisasi data yang sederhana hingga advance. R juga memiliki komunitas yang sangat baik dan sangat memudahkan Ketika melakukan analisis menggunakan R. dengan menggunakan R, proses berbagi dan berkolaborasi juga jadi lebih mudah. 

Sampai sekarang perusahaan sering memasukkan skill R sebagai syarat saat melamar pekerjaan. R juga bisa digunakan di perangkat secara offline (Rstudio) maupun online (Rcloud).
Bahasa pemograman R mudah untuk dipelajari, tetapi sulit atau cukup rumit dipelajari untuk pemula. R tidak harus dipelajari, tetapi kalau kita sangat bersinggungan dengan data, kita coba belajar R dan python (dua-duanya, tapi satu persatu).

### Java
Bahasa Java ini bahasa pemograman yang banyak digunakan dan diaplikasikan pada berbagai macam software. Bahasa Java ini mudah dalam hal mengembangkan aplikasi, tetapi Java juga bisa dipakai untuk science data (mengolah data). Bahasa java merupakan salah satu bahasa yang sifatnya multiplatform (universal dan bisa digunakan dalam platform manapun). Bahasa java juga mudah untuk dipelajari. Banyak bahasa C yang pindah ke Java dan membuat pengguna semakin banyak. 

Walapun banyak kelebihan dari Java, Java juga menggunakan memori yang cukup tingggi. Komputer yang digunakan untuk mengembangkan aplikasi java harus memiliki kapasitas RAM yang besar agar lebih optimal kinerjanya. Bahasa Java juga mudah mengalami dekompilasi. Source code dan juga script yang dibuat dapat dengan mudah diambil dan juga dibajak oleh orang lain, sehingga memuncukkan banyak hack dan juga pengcopyan dari aplikasi yang menggunakan bahasa pemograman Java.


### Hubungan antara ketiga bahasa pemograman
Hubungan antara ketiga bahasa pemograman diatas memiliki persamaan yaitu ketiganya bisa digunakan untuk mengolah data sesuai dengan apa yang kita mau kita cari. Ketiga bahasa tersebut juga bisa digunakan oleh pemula, bisa digunakan di semua perangkat, dan gratis . Meskipun Java bisa digunakan untuk data science, R dan Python merupakan bahasa pemograman yang paling sering dipakai untuk data science. Walaupun bahasa pemoraman sulit dipelajari oleh pemula, dengan latihan kita bisa mengasah skill yang bisa jadi bekal kita untuk kemudian hari. 


