Road Map 2024 - Data Science

The realm of data science encompasses a broad spectrum of skills and methods designed to extract valuable insights from data. This interdisciplinary field can be leveraged across many domains, encompassing business, healthcare, education, social media, and beyond. Yet, becoming a data scientist is no small feat, necessitating arduous learning, practice, and experience. In this blog post, I aim to offer a data science roadmap to guide you through your journey toward becoming a proficient data scientist.

The data science roadmap involves four main stages: data collection, analysis, modeling, and communication. Each stage has its sub-stages and tools that need to be mastered. Let’s explore these stages in detail.

I. Data collection

Data collection is the first stage of the data science roadmap. It involves finding, acquiring, and storing data from various sources, such as databases, APIs, web scraping, surveys, etc. Data collection also consists of cleaning and preprocessing the data to prepare it for analysis and modeling.

• SQL: SQL is a language for querying and manipulating data from relational databases. SQL is essential for data scientists who work with structured data.
• Python: Python is a general-purpose programming language that has many libraries and frameworks for data science, such as pandas, Numpy, etc. Python is widely used for data collection, analysis, modeling, and communication.
• R: R is another programming language that is popular among data scientists who work with statistical analysis and visualization. R has many packages and tools for data science, such as tidyverse, R shiny, etc.
• Web scraping: Web scraping is a technique for extracting data from websites using tools like BeautifulSoup, Selenium, Scrapy, etc. Web scraping can be useful for collecting unstructured or semi-structured data from the web.
• APIs: APIs are interfaces that allow you to access data from various platforms and services, such as Twitter, Google Maps, Spotify, etc. APIs can be useful for collecting real-time or dynamic data from the web.

II. Data analysis

Data analysis is the second stage of the data science roadmap. It involves exploring, summarizing, and visualizing the data to understand its characteristics, patterns, trends, and relationships. Data analysis also involves applying statistical methods and tests to validate hypotheses and draw conclusions from the data.

• Exploratory data analysis (EDA): EDA is a process of exploring the data using descriptive statistics and visualizations to gain insights and intuition about the data. EDA can help you identify outliers, missing values, distributions, correlations, etc. Check out this https://medium.com/@david-analytics/eda-with-pandas-profiling-7a0f37b75f95 on EDAs
• Data visualization: Data visualization is the representation of data in graphical or pictorial forms, such as charts, graphs, and maps. It is a powerful tool for effectively and intuitively communicating insights and findings.
• Statistical analysis: Statistical analysis involves applying mathematical and statistical methods to data to draw meaningful conclusions. It can be used to test hypotheses, compare groups (Anova), identify relationships (Regression and Correlation), Time series, and more.
• Python: Python has many libraries and frameworks for data analysis and visualization, such as Pandas, Numpy, matplotlib, seaborn, plotly, etc.
• R: R has many packages and tools for data analysis and visualization, such as tidyverse, ggplot2, R shiny, etc.

III. Data modeling

Data modeling is the third stage of the data science roadmap. It involves building and evaluating machine learning models that can learn from the data and make predictions or recommendations based on the data. Data modeling also involves optimizing and tuning the models to improve their performance and accuracy.

• Machine learning: Machine learning is a branch of artificial intelligence that uses algorithms and techniques to learn from the data and make predictions or recommendations based on the data. Machine learning can be divided into three types: supervised learning (e.g., regression, classification), unsupervised learning (e.g., clustering, dimensionality reduction), and reinforcement learning (e.g., Q-learning, deep Q-network).
• Deep learning: Deep learning is a subset of machine learning that uses neural networks to learn from complex and high-dimensional data. Deep learning can be applied to various domains, such as computer vision (e.g., image recognition, face detection), natural language processing (e.g., text generation, sentiment analysis), and speech recognition (e.g., speech-to-text, text-to-speech).
• Python: Python has many libraries and frameworks for machine learning and deep learning, such as scikit-learn, tensorflow, keras, pytorch, etc.
• R: R has some packages and tools for machine learning and deep learning, such as caret, mlr, h2o, Keras, etc.

IV. Data communication

Data communication is the fourth and final stage of the data science roadmap. It involves presenting and communicating the results and insights from the data analysis and modeling to various stakeholders, such as clients, managers, peers, etc. Data communication also involves creating reports, dashboards, and stories that can convey the value and impact of the data science project.

• Storytelling: Storytelling is a technique for creating a narrative that can engage and persuade the audience with the data. Storytelling can help you explain the problem, solution, and outcome of the data science project clearly and compellingly.
• Presentation: Presentation is a technique for delivering the data story to the audience using slides, videos, audio, etc. The presentation can help you showcase your skills and expertise as a data scientist and demonstrate the value and impact of your work.
• Report: A report is a technique for documenting the data story in a written format, such as PDF, Word, etc. A report can help you provide details and evidence for your findings and recommendations.
• Dashboard: A dashboard is a technique for creating interactive and dynamic visualizations that can display the data story in a graphical format, such as charts, graphs, maps, etc. The dashboard can help you monitor and track the performance and progress of the data science project.
• Python: Python has some libraries and frameworks for data communication, such as Jupiter Notebook, streamlit, dash, etc.
• R: R has some packages and tools for data communication, such as markdown, knitr, shiny, etc.

“You can only stop yourself from achieving greatness if you let your doubts and fears overpower your faith and courage”

in conclusion, this blog post offers a comprehensive roadmap for aspiring data scientists, outlining the four main stages of data collection, analysis, modeling, and communication. Within each stage, there are sub-stages and specific tools to master. I hope this guide serves as a helpful resource for your data science journey in 2024, providing both guidance and inspiration. Keep in mind that the path to becoming a data scientist is not fixed or linear, but rather an iterative and flexible process that depends on your unique goals, interests, and background. So don’t hesitate to tailor this roadmap to your individual needs and preferences. Remember do not gree for (Allow) laziness this year. Best of luck on your learning journey!

Read More

Pendahuluan Quantum Computation | Komputasi Modern

 MAKALAH

KOMPUTASI MODERN

(Teknik Informatika)

NAMA KELOMPOK :

ALFHARIZKY FAUZI : 50417462

FARHAN MEDITAMA GUNAWAN : 52417187

FADHIIL HABIB ISPAN : 52417026

RICKY WIDIANTO : 55417145

UNIVERSITAS GUNADARMA

2021

Quantum Computation

Merupakan Komputer atau alat hitung yang menggunakan mekanika kuantum seperti superposisi dan entanglement (keterkaitan), yang digunakan untuk peng-operasi-an data. Perhitungan jumlah data pada komputasi klasik dihitung dengan bit, sedangkan perhitungan jumlah data pada komputer kuantum dilakukan dengan qubit. Prinsip dasar komputer kuantum adalah bahwa sifat kuantum dari partikel dapat digunakan untuk mewakili data dan struktur data, dan bahwa mekanika kuantum dapat digunakan untuk melakukan operasi dengan data ini. Dalam hal ini untuk mengembangkan komputer dengan sistem kuantum diperlukan suatu logika baru yang sesuai dengan prinsip kuantum.

Dalam bahasa Indonesia yaitu komputer kuantum, merupakan komputer yang memanfaatkan fenomena-fenomena dari mekanika kuantum, seperti quantum superposition dan quantum entanglement, yang digunakan untuk pengoperasian data. Quantum Computation itu sendiri adalah suatu bidang studi yang memfokuskan kepada teknologi komputer yang sedang berkembang berdasarkan prinsip-prinsip dari teori kuantum. Dimana dijelaskan mulai dari sifat serta perilaku energi dan materi pada kuantum (atom dan subatom) tingkat. Quantum Computing adalah alat hitung yang menggunakan sebuah fenomena mekanika kuantum, misalnya superposisi dan keterkaitan untuk melakukan operasi data. Dalam komputasi klasik, jumlah data dihitung dengan bit. Dalam komputer kuantum, hal ini dilakukan dengan qubit. 

Prinsip dasar komputer kuantum adalah bahwa sifat kuantum dari partikel dapat digunakan untuk mewakili data dan struktur data dan bahwa mekanika kuantum dapat digunakan untuk melakukan operasi dengan data ini. Dalam hal ini untuk mengembangkan komputer dengan sistem kuantum diperlukan suatu logika baru yang sesuai dengan prinsip kuantum. Walaupun komputer kuantum masih dalam pengembangan, telah dilakukan eksperimen dimana operasi komputasi kuantum dilakukan atas sejumlah kecil Qubit. Riset baik secara teoritis maupun praktik terus berlanjut dalam laju yang cepat, banyak pemerintah nasional dan agensi pendanaan militer mendukung riset komputer kuantum untuk pengembangannya, baik untuk keperluan rakyat maupun masalah keamanan nasional seperti kriptanalisis. Perhitungan jumlah data pada komputasi klasik dihitung dengan bit, sedangkan perhitungan jumlah data pada komputer kuantum dilakukan dengan qubit. Prinsip dasar komputer kuantum adalah bahwa sifat kuantum dari partikel dapat digunakan untuk mewakili data dan struktur data, dan bahwa mekanika kuantum dapat digunakan untuk melakukan operasi dengan data ini. Dalam hal ini untuk mengembangkan komputer dengan sistem kuantum diperlukan suatu logika baru yang sesuai dengan prinsip kuantum.

Komputer kuantum dapat jauh lebih cepat dari komputer konvensional pada banyak

masalah, salah satunya yaitu masalah yang memiliki sifat berikut :

1) Satu-satunya cara adalah menebak dan mengecek jawabannya berkali-kali

2) Terdapat n jumlah jawaban yang mungkin

3) Setiap kemungkinan jawaban membutuhkan waktu yang sama untuk mengeceknya

4) Tidak ada petunjuk jawaban mana yang kemungkinan benarnya lebih besar: memberi

jawaban dengan asal tidak berbeda dengan mengeceknya dengan urutan tertentu.

Teknologi komputer pada zaman globalisasi saat ini telah berkembang pesat, sehingga komputer dengan teknologi lama mulai tergantikan dengan teknologi yang baru yang pastinya sudah lebih canggih. Kita bisa melihat contohnya pada teknologi pemrosesan Quantum Computing yang merupakan alat hitung menggunakan sebuah fenomena mekanika kuantum. Dapat diambil contohnya seperti penggunaan superposisi dan keterkaitan (entanglement) untuk proses operasi data. Dalam komputer klasik jumlah data dihitung dengan bit, sedangkan dalam komputer kuantum jumlah data dihitung dengan qubit. Adapun prinsip dasar komputer kuantum yang perlu kita tahu adalah bahwa sifat kuantum dari partikel dapat digunakan untuk mewakili data dan struktur data. Selain itu prinsip lainnya adalah bahwa mekanika kuantum dapat digunakan untuk melakukan operasi pada data tersebut. Oleh karena itu, untuk mengembangkan komputer dengan sistem kuantum diperlukan logika baru yang tentunya sesuai dengan prinsip quantum ini.

“Quantum computing adalah cara melakukan komputasi dengan memanfaatkan fenomena pada fisika yang disebut superposition (superposisi) dan entanglement (keterkaitan kuantum) yang berdampak pada proses perhitungan yang jauh lebih cepat dibanding komputer biasa untuk beberapa permasalahan tertentu seperti masalah pencarian kunci pada kriptografi, simulasi dunia fisik dan machine learning,” kata Amril Syalim selaku dosen dan peneliti bidang cyber security, cryptography, dan cloud computing di Fakultas Ilmu Komputer Universitas Indonesia (UI).

komputer kuantum juga tidak akan digunakan untuk menggantikan komputer yang dipakai saat ini, karena tidak semua masalah komputasi bisa dihitung oleh komputer kuantum lebih cepat dibanding komputer biasa.

Sebagai contoh, komputer kuantum bisa dimanfaatkan untuk memperbaiki dan mempercepat perhitungan seperti simulasi cuaca, pemecahan kode enkripsi, dan proses pembelajaran mesin. Namun, untuk pekerjaan office seperti Microsoft Word, Excel, bahkan juga aplikasi web, aplikasi mobile akan tetap menggunakan komputer biasa.

Dalam skala kecil, komputer kuantum sudah terbukti bisa diimplementasikan. Namun, untuk skala besar supaya dapat menghitung dengan data dalam jumlah besar, masih banyak masalah yang perlu diselesaikan sehingga untuk sekarang ini belum ada komputer kuantum yang bisa digunakan untuk menyelesaikan masalah dalam skala besar di dunia nyata.

Sejarah singkat

• Pada tahun 1970-an pencetusan atau ide tentang komputer kuantum pertama kali muncul oleh para fisikawan dan ilmuwan komputer, seperti Charles H. Bennett dari IBM, Paul A. Benioff dari Argonne National Laboratory, Illinois, David Deutsch dari University of Oxford, dan Richard P. Feynman dari California Institute of Technology (Caltech).

• Feynman dari California Institute of Technology yang pertama kali mengajukan dan menunjukkan model bahwa sebuah sistem kuantum dapat digunakan untuk melakukan komputasi. Feynman juga menunjukkan bagaimana sistem tersebut dapat menjadi simulator bagi fisika kuantum.

• Pada tahun 1985, Deutsch menyadari esensi dari komputasi oleh sebuah komputer kuantum dan menunjukkan bahwa semua proses fisika, secara prinsipil, dapat dimodelkan melalui komputer kuantum. Dengan demikian, komputer kuantum memiliki kemampuan yang melebihi komputer klasik.

• Pada tahun 1995, Peter Shor merumuskan sebuah algoritma yang memungkinkan penggunaan komputer kuantum untuk memecahkan masalah faktorisasi dalam teori bilangan.

• Sampai saat ini, riset dan eksperimen pada bidang komputer kuantum masih terus dilakukan di seluruh dunia. Berbagai metode dikembangkan untuk memungkinkan terwujudnya sebuah komputer yang memiliki kemampuan yang luar biasa ini. Sejauh ini, sebuah komputer kuantum yang telah dibangun hanya dapat mencapai kemampuan untuk memfaktorkan dua digit bilangan. Komputer kuantum ini dibangun pada tahun 1998 di Los Alamos, Amerika Serikat, menggunakan NMR (Nuclear Magnetic Resonance).

Entanglement

Quantum entanglement adalah salah satu fenomena paling unik di dunia Quantum Fisika. Fenomena ini memungkinkan dua atom untuk mempunyai properti yang sama atau berlawanan satu sama lain, tanpa adanya interaksi diantara keduanya. Jadi meskipun jarak memisahkan dua atom itu, keduanya akan tetap terhubung seketika seolah ada sinyal yang mampu mempengaruhi keadaan mereka yang bergerak lebih cepat dari kecepatan cahaya. Agak sulit untuk membayangkan fenomena ini di dalam kejadian sehari-hari. Namun kita dapat membuat perumpamaan sebagai berikut.

Pengoperasian Data Qubit

Sebuah qubit adalah unit dasar informasi dalam sebuah komputer kuantum. Sementara sedikit dapat mewakili hanya satu dari dua kemungkinan seperti 0 / 1, ya / tidak, qubit dapat mewakili lebih: 0 / 1, 1 dan 0, probabilitas terjadinya setiap saat dikombinasikan dengan qubit lebih, dan semua yang secara bersamaan. Secara umum komputer kuantum dengan qubit n bisa dalam superposisi sewenang-wenang hingga 2n negara bagian yang berbeda secara bersamaan (ini dibandingkan dengan komputer normal yang hanya dapat di salah satu negara n 2 pada satu waktu).

Untuk memanipulasi sebuah qubit, maka menggunakan Quantum Gates (Gerbang Kuantum). Cara kerjanya yaitu sebuah gerbang kuantum bekerja mirip dengan gerbang logika klasik. Gerbang logika klasik mengambil bit sebagai input, mengevaluasi dan memproses input dan menghasilkan bit baru sebagai output.

Quantum Gates

Quantum Gates / Gerbang Quantum merupakan sebuah aturan logika / gerbang logika yang berlaku pada quantum computing. Prinsip kerja dari quantum gates hampir sama dengan gerbang logika pada komputer digital. Jika pada komputer digital terdapat beberapa operasi logika seperti AND, OR, NOT, pada quantum computing gerbang quantum terdiri dari beberapa bilangan qubits, sehingga quantum gates lebih susah untuk dihitung daripada gerang logika pada komputer digital.

Algoritma Shor

Algoritma yang ditemukan oleh Peter Shor pada tahun 1995. Dengan menggunakan algoritma ini, sebuah komputer kuantum dapat memecahkan sebuah kode rahasia yang saat ini secara umum digunakan untuk mengamankan pengiriman data. Kode yang disebut kode RSA ini, jika disandikan melalui kode RSA, data yang dikirimkan akan aman karena kode RSA tidak dapat dipecahkan dalam waktu yang singkat. Selain itu, pemecahan kode RSA membutuhkan kerja ribuan komputer secara paralel sehingga kerja pemecahan ini tidaklah efektif.

Algoritma Shor bergantung pada hasil dari teori bilangan. Hasil ini adalah: fungsi periodik. Dalam konteks algoritma Shor, n akan menjadi bilangan yang akan difaktorkan. Jika dua bilangan tersebut adalah coprime itu berarti bahwa pembagi umumnya adalah 1. Perhitungan fungsi ini untuk jumlah eksponensial, dari itu akan mengambil waktu eksponensial pada komputer klasik. Algoritma Shor memanfaatkan paralelisme kuantum untuk melakukan jumlah eksponensial operasi dalam satu langkah.

Implementasi Quantum Computing

1. Pada 19 Nov 2013 Lockheed Martin, NASA dan Google semua memiliki satu misi yang sama yaitu mereka semua membuat komputer kuantum sendiri. Komputer kuantum ini adalah superkonduktor chip yang dirancang oleh sistem D – gelombang dan yang dibuat di NASA Jet Propulsion Laboratories. 

NASA dan Google berbagi sebuah komputer kuantum untuk digunakan di Quantum Artificial Intelligence Lab menggunakan 512 qubit D -Wave Two yang akan digunakan untuk penelitian pembelajaran mesin yang membantu dalam menggunakan jaringan syaraf tiruan untuk mencari set data astronomi planet ekstrasurya dan untuk meningkatkan efisiensi searchs internet dengan menggunakan AI metaheuristik di search engine heuristic. 

A.I. seperti metaheuristik dapat menyerupai masalah optimisasi global mirip dengan masalah klasik seperti pedagang keliling, koloni semut atau optimasi swarm, yang dapat menavigasi melalui database seperti labirin. Menggunakan partikel terjerat sebagai qubit, algoritma ini bisa dinavigasi jauh lebih cepat daripada komputer konvensional dan dengan lebih banyak variabel. 

Penggunaan metaheuristik canggih pada fungsi heuristic lebih rendah dapat melihat simulasi komputer yang dapat memilih sub rutinitas tertentu pada komputer sendiri untuk memecahkan masalah dengan cara yang benar-benar cerdas . Dengan cara ini mesin akan jauh lebih mudah beradaptasi terhadap perubahan data indrawi dan akan mampu berfungsi dengan jauh lebih otomatisasi daripada yang mungkin dengan komputer normal.

2. Pada tahun 2000, IBM sudah membuat quantum computer dengan 5 qubits dengan atom sebagai prosesornya. dan D-Wave perusahaan komputer asal Vancouver, Canada merilis kabar bahwa pihaknya telah mampu untuk beroperasi dengan prinsip quantum yang jauh lebih cepat dari komputer yang ada saat ini. 

Komputer yang diberi nama ―Orion‖ ini, menggunakan teknik cetakan rata yang sistematis, dipadukan dengan sebuah chip niobium superkonduksi dan suhu ultra rendah, dapat mengerjakan 16 qubit. Chip inti harus dingin hingga mendekati titik nol absolut (-125.15ºC), agar supaya dalam proses perhitungannya tetap dalam kondisi kuantum. 

Perusahaan D-Wave menuturkan, bahwa komputer kuantum ini bisa mengoperasikan 64 ribu hitungan secara bersamaan, dan prototipe komputer kuantum yang diperlihatkannya pada 13 Februari 2007 merupakan komputer tipe bisnis yang pertama di dunia, di dalamnya ditanami chip kuantum yang dapat mengoperasikan 16 qubit.

3. Beberapa waktu lalu para ilmuwan di pusat penelitian di Almaden telah berhasil menjalankan kalkulasi komputer kuantum yang paling rumit hingga saat ini. Mereka berhasil membuat seribu triliun molekul yang didesain khusus dalam sebuah tabung menjadi sebuah komputer kuantum 7-Qubit yang mampu memecahkan sebuah versi sederhana perhitungan matematika yang merupakan inti dari banyak diantara system kriptografis pengamanan data (data security cryptographic system). Keberhasilan ini memperkuat keyakinan bahwa suatu saat komputer - komputer kuantum akan mampu memecahkan problem yang demikian kompleks yang selama ini tidak mungkin dapat dipecahkan oleh super komputer - super komputer yang paling hebat meski dalam tempo jutaan tahun sekalipun.

4. Dalam edisi jurnal ilmiah nature yang terbit beberapa waktu lalu, sebuah tim bersama sama mahasiswa tingkat graduate dari universitas stanford melaporkan demonstrasi pertama dari "Algoritma Shor" sebuah metode yang dikembangkan tahun 1994 oleh ilmuwan AT & T Peter Shor untuk menggunakan komputer kuantum yang futuristik untuk menemukan faktor-faktor dari sebuah bilangan. Bilangan-bilangan yang diperkalikan satu dengan yang lain untuk memperoleh bilangan asli. Saat ini, pemfaktoran (factoring) sebuah bilangan besar masih terlalu sulit bagi komputer konvensional meskipun begitu mudah untuk diverifikasi. Itulah sebabnya pemfaktoran bilangan besar ini banyak digunakan dalam metode kriptografi untuk melindungi data.

5. Beberapa waktu lalu para ilmuwan di pusat penelitian di Almaden telah berhasil menjalankan kalkulasi komputer kuantum yang paling rumit hingga saat ini. Mereka berhasil membuat seribu triliun molekul yang didesain khusus dalam sebuah tabung menjadi sebuah komputer kuantum 7-Qubit yang mampu memecahkan sebuah versi sederhana perhitungan matematika yang merupakan inti dari banyak diantara system kriptografis pengamanan data (data security cryptographic system). Keberhasilan ini memperkuat keyakinan bahwa suatu saat komputer - komputer kuantum akan mampu memecahkan problem yang demikian kompleks yang selama ini tidak mungkin dapat

dipecahkan oleh super komputer - super komputer yang paling hebat meski dalam tempo jutaan tahun sekalipun.

6. AI seperti metaheuristik dapat menyerupai masalah optimisasi global mirip dengan masalah klasik seperti pedagang keliling. Koloni semut atau optimasi swarm yang dapat menavigasi melalui database seperti labirin. Menggunakan partikel terjerat sebagai Qubit, algoritma ini bisa dinavigasi jauh lebih cepat daripada komputer konvensional dan dengan lebih banyak variabel. Penggunaan metaheuristik canggih pada fungsi heuristic lebih rendah dapat melihat simulasi komputer yang dapat memilih sub rutinitas tertentu pada komputer sendiri untuk memecahkan masalah dengan cara yang benar-benar cerdas, dengan cara ini mesin akan jauh lebih mudah beradaptasi terhadap perubahan data indrawi dan akan mampu berfungsi dengan jauh lebih otomatisasi daripada yang mungkin dengan komputer normal.

Read More

KOMPUTASI MODERN | Komputasi Modern

 MAKALAH

KOMPUTASI MODERN

(Teknik Informatika)

NAMA KELOMPOK :

ALFHARIZKY FAUZI : 50417462

FARHAN MEDITAMA GUNAWAN : 52417187

FADHIIL HABIB ISPAN : 52417026

RICKY WIDIANTO : 55417145

UNIVERSITAS GUNADARMA

                        2021

KOMPUTASI MODERN

Komputasi diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritma. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Pada zaman sekarang ini, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.

Secara umum ilmu komputasi adalah bidang ilmu yang mempunyai perhatian pada penyusunan model matematika dan teknik penyelesaian numerik serta penggunaan komputer untuk menganalisis dan memecahkan masalah-masalah ilmu (sains). Dalam penggunaan praktis, biasanya berupa penerapan simulasi komputer atau berbagai bentuk komputasi lainnya untuk menyelesaikan masalah-masalah dalam berbagai bidang keilmuan, tetapi dalam perkembangannya digunakan juga untuk menemukan prinsip-prinsip baru yang mendasar dalam ilmu.

Bidang ini berbeda dengan ilmu komputer (computer science), yang mengkaji komputasi, komputer dan pemrosesan informasi. Bidang ini juga berbeda dengan teori dan percobaan sebagai bentuk tradisional dari ilmu dan kerja keilmuan. Dalam ilmu alam, pendekatan ilmu komputasi dapat memberikan berbagai pemahaman baru, melalui penerapan model-model matematika dalam program komputer berdasarkan landasan teori yang telah berkembang, untuk menyelesaikan masalah-masalah nyata dalam ilmu tersebut.

Pengertian Komputasi Modern

Komputasi modern adalah sebuah konsep sistem yang menerima intruksi-intruksi dan menyimpannya dalam sebuah memory, memory disini bisa juga dari memory komputer. Oleh karena pada saat ini kita melakukan komputasi menggunakan komputer maka bisa dibilang komputer merupakan sebuah komputasi modern. Konsep ini pertama kali digagasi oleh John Von Neumann (1903-1957). Beliau adalah ilmuan yang meletakkan dasar-dasar komputer modern. Von Neumann telah menjadi ilmuwan besar abad 21. Von Neumann memberikan berbagai sumbangsih dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer yang disalurkan melalui karya-karyanya . Beliau juga merupakan salah satu ilmuwan yang terkait dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu. Kejeniusannya dalam matematika telah terlihat semenjak kecil dengan mampu melakukan pembagian bilangan delapan digit (angka) di dalam kepalanya.

Dalam kerjanya komputasi modern menghitung dan mencari solusi dari masalah yang ada, dan perhitungan yang dilakukan itu meliputi:

• Akurasi (big, Floating point)

• Kecepatan (dalam satuan Hz)

• Problem Volume Besar (Downsizing atau paralel)

• Modeling (NN & GA)

• Kompleksitas (Menggunakan Teori big O)

Sejarah Komputasi Modern

John von Neumann (1903-1957) adalah ilmuan yang meletakkan dasar-dasar komputer modern. Dalam hidupnya yang singkat, Von Neumann telah menjadi ilmuwan besar abad 21. Von Neumann meningkatkan karya-karyanya dalam bidang matematika, teori kuantum, game theory, fisika nuklir, dan ilmu komputer. Beliau juga merupakan salah seorang ilmuwan yang sangat berpengaruh dalam pembuatan bom atom di Los Alamos pada Perang Dunia II lalu.

Von Neumann melahirkan di Budapest, Hungária pada 28 Desember 1903 dengan nama Neumann Janos. Dia adalah anak pertama dari pasangan Neumann Miksa dan Kann Margit. Di sana, nama keluarga diletakkan di depan nama asli. Sehingga dalam bahasa Inggris, nama orang tuanya menjadi Max Neumann. Pada saat Max Neumann memperoleh gelar, maka namanya berubah menjadi Von Neumann. Setelah bergelar doktor dalam ilmu hukum, dia menjadi pengacara untuk sebuah bank. Pada tahun 1903, Budapest terkenal sebagai tempat lahirnya para manusia genius dari bidang sains, penulis, seniman dan musisi.

Von Neumann juga belajar di Berlin dan Zurich dan mendapatkan diploma pada bidang teknik kimia pada tahun 1926. Pada tahun yang sama dia mendapatkan gelar doktor pada bidang matematika dari Universitas Budapest. Keahlian Von Neumann terletak pada bidang teori game yang melahirkan konsep seluler automata, teknologi bom atom, dan komputasi modern yang kemudian melahirkan komputer. Kejeniusannya dalam matematika telah terlihat semenjak kecil dengan mampu melakukan pembagian bilangan delapan digit (angka) di dalam kepalanya.

Setelah mengajar di Berlin dan Hamburg, Von Neumann pindah ke Amerika pada tahun 1930 dan bekerja di Universitas Princeton serta menjadi salah satu pendiri Institute for Advanced Studies.

Dipicu ketertarikannya pada hidrodinamika dan kesulitan penyelesaian persamaan diferensial parsial nonlinier yang digunakan, Von Neumann kemudian beralih dalam bidang komputasi. Sebagai konsultan pada pengembangan ENIAC, dia merancang konsep arsitektur komputer yang masih dipakai sampai sekarang. Arsitektur Von Neumann adalah komputer dengan program yang tersimpan (program dan data disimpan pada memori) dengan pengendali pusat, I/O, dan memori.

Masalah yang dipecahkan pada Komputasi Modern:

1. Akurasi (Floating Point)

Tipe data floating point memiliki range penyimpanan numerik yang besar, sehingga dapat digunakan oleh komputer untuk melakukan komputasi yang akurat.

2. Kecepatan (Hz)

Komputasi harus dapat dilakukan dalam waktu yang cepat ketika mengolah suatu data. Sehingga perlu metode kecepatan untuk mengolah perhitungan dalam waktu singkat.

3. Problem Volume Besar (Downsizing/Parallel)

Data yang besar dapat menjadi masalah jika ada yang terlewatkan. Digunakan metode Downsizing atau paralel pada komputasi modern untuk menangani masalah volume yang besar

4. Modelling (NN & GA)

Perlu memodelkan algoritma tertentu untuk menyelesaikan masalah yang komplek. Seperti: Neural Network (Jaringan Syaraf Tiruan) / Genetic Algorithm) model, dan lainnya

5. Kompleksitas

Kompleksitas komputasi adalah cabang dari teori komputasi dalam ilmu komputer yang berfokus pada mengklasifikasikan masalah komputasi sesuai dengan kesulitan inheren mereka

Karakteristik Komputasi Modern

Karakteristik dari komputasi modern diantaranya :

• Komputer-komputer penyedia sumber daya bersifat heterogeneous karena terdiri dari berbagai jenis perangkat keras, sistem operasi, serta aplikasi yang terpasang.

• Komputer-komputer terhubung ke jaringan yang luas dengan kapasitas bandwidth yang beragam.

• Komputer maupun jaringan tidak terdedikasi, bisa hidup atau mati sewaktu-waktu tanpa jadwal yang jelas.

 

Jenis Komputasi Modern

Jenis-jenis komputasi modern ada 3 , yaitu :

 

1. Mobile Computing  

Mobile computing merupakan salah satu kemajuan teknologi komputer yang membuatnya mampu berkomunikasi menggunakan jaringan tanpa kabel sehingga mudah dibawa ataupun berpindah tempat (bukan komputasi nirkabel). Contoh perangkatnya adalah GPS, tipenya semisal smartphone, dan lain sebagainya.

2. Grid Computing

Pada Grid Computing, komputasinya menggunakan komputer yang terpisah oleh geografis, lalu didistribusikan dan terhubung dengan jaringan untuk menyelesaikan masalah komputasi yang berskala besar.  Contohnya :

• E-Learning (contohnya Access Grid)

• Visualization

• Medical Images (contohnya e DiaMoND project)

• Computer-Aided Drug Discovery (contohnya Molecular Modeling Laboratory di University of North Carolina)

3. Cloud Computing

Cloud computing merupakan gabungan dari pemanfaatan komputasi dan pengembangan berbasis Internet. Cloud Computing adalah suatu metode komputasi dimana kapabilitas terkait teknologi informasi disajikan sebagai suatu layanan, sehingga pengguna dapat mengaksesnya lewat Internet tanpa mengetahui apa yang ada didalamnya, ahli dengannya, atau memiliki kendali terhadap infrastruktur teknologi yang membantunya. Contohnya : Google Drive, iCloud, Windows Azure.

 

Yang membedakan ketiganya yaitu :

1. Dari segi teknologi yang digunakan, komputasi grid dan cloud menggunakan komputer sedangkan Komputasi mobile menggunakan handphone .

2. Dari segi biaya untuk tenaga komputasi, komputasi grid dan cloud lebih murah dibandingkan dengan komputasi mobile  .

3. Dari segi tempat, Komputasi grid dan cloud membutuhkan tempat yang khusus sedangkan komputasi mobile tidak membutuhkan tempat dan mudah dibawa kemana-mana.

4. Dari segi proses, untuk komputasi cloud prosesnya membutuhkan jaringan internet sebagai penghubungnya, komputasi grid proses tergantung pengguna mendapatkan server atau tidak, dan komputasi mobile proses tergantung si pengguna.

 

 

Model Komputasi

Komputasi modern memiliki tiga model dasar komputasional yaitu fungsional, logika, dan imperatif. Sebagai tambahan terhadap satuan nilai-nilai dan operasi yang berhubungan, masing-masing model komputasional mempunyai satu set operasi yang digunakan untuk menggambarkan komputasi.

1. Model Fungsionalitas
   Model fungsionalitas terdiri dari satu set nilai-nilai, fungsi-fungsi dan operasi aplikasi fungsi dan komposisi fungsi. Fungsi dapat mengambil fungsi lain sebagai argumentasi dan mengembalikan fungsi sebagai hasil (higher-order function). Suatu program adalah koleksi definisi fungsi-fungsi dan suatu komputasi adalah aplikasi fungsi.

2. Model Logika
   Model logika terdiri dari satu set nilai-nilai, definisi hubungan dan kesimpulan logis. Program terdiri dari definisi hubungan dan suatu komputasi adalah suatu bukti(suatu urutan kesimpulan).

3. Model Imperative
   Model imperatif terdiri dari satu set nilai-nilai yang mencakup suatu keadaan dan operasi tugas untuk memodifikasi pernyataan. Pernyataan adalah set pasangan nilai-nama dari konstanta dan variabel. Program terdiri dari urutan tugas dan suatu komputasi terdiri dari urutan pernyataan.

Contoh Implementasi :

• Bidang Fisika

Implementasi pada bidang Fisika ada Computational Physics yang mempelajari suatu gabungan antara Fisika, Komputer Sains dan Matematika Terapan untuk memberikan solusi pada kejadian dan masalah yang kompleks pada dunia nyata, baik dengan menggunakan simulasi juga penggunaan algoritma yang tepat.

Contoh : sebagai pemecahan masalah di bidang fisika seperti projectile parabola dan simulasi gerak

• Bidang Matematika

Pada bidang Matematika terdapat Numerical Analysis yaitu sebuah algoritma dipakai untuk menganalisa masalah – masalah matematika.

Contoh : Algoritma yang sering kita pakai pada saat membuat Program atau Aplikasi.

• Bidang Kimia

Pada bidang kimia ada Computational Chemistry yaitu penggunaan ilmu komputer untuk  membantu menyelesaikan masalah kimia, contohnya penggunaan super komputer untuk menghitung struktur dan sifat molekul.

contoh : Website “Expanding the limits of computational chemistry” Website ini contoh penerapan dan pengembangan dari komputasi kimia dimana terdapat info tentang apa yang mereka kerjakan pada bidang tersebut dan juga menyediakan software pembantu bagi mereka yang ingin memperdalam ilmu di bidang Komputasi kimia.

• Bidang Ekonomi

Pada bidang Ekonomi terdapat Computational Economics yang mempelajari titik pertemuan antara ilmu ekonomi dan ilmu komputer mencakup komputasi keuangan, statistika, pemrograman yang didesain khusus untuk komputasi ekonomi dan pengembangan alat bantu untuk pendidikan ekonomi.

Contoh : Paypal dan Ovo merupakan implementasi dari computational Economic yang memegang peran pada bidang keuangan

• Bidang Geologi

Pada bidang geologi teori komputasi biasanya digunakan untuk pertambangan, sebuah sistem komputer digunakan untuk menganalisa bahan-bahan mineral dan barang tambang yang terdapat di dalam tanah.

Contoh : ArcGIS  adalah  salah  satu  software  yang  dikembangkan  oleh  ESRI  (Environment  Science & Research Institute) yang merupakan kompilasi fungsi- fungsi dari berbagai macam software GIS yang berbeda seperti GIS desktop, server, dan GIS berbasis web.

• Bidang Geografi

Pada bidang Geografi biasanya digunakan untuk peramalan cuaca, di Indonesia khususnya ada salah satu instansi Negara dengan nama BMKG (Badan Meteorologi Klimatologi dan Geofisika) yakni instansi negara yang meneliti mengamati tentang Meteorologi, Klimatologi kualitas udara dan Geofisika supaya tetap sesuai dengan perundang undangan yang berlaku di Indonesia.

Read More