Kembali ke materi
Publik
Koding dan Kecerdasan Artifisial

ALGORITMA & PEMROGRAMAN LANJUT

Basuki RosyidiSemua Kelas15 September 2026

Menghubungkan Logika Manusia dengan Bahasa Mesin

๐Ÿง  1. TIGA LOGIKA DASAR PEMROGRAMAN

Pondasi utama untuk membuat program komputer yang terstruktur dan sistematis.

  • โžก๏ธ Logika Urutan (Sequence): Instruksi dieksekusi baris per baris secara berurutan dari atas ke bawah.

  • ๐Ÿ”€ Logika Percabangan (Selection): Mengambil keputusan berdasarkan suatu kondisi, contohnya menggunakan fungsi if-then.

  • ๐Ÿ”„ Logika Perulangan (Looping): Mengeksekusi blok kode secara berulang selama kondisinya masih terpenuhi, seperti menggunakan for atau while.

๐Ÿ“ฆ 2. ALGORITMA TERSTRUKTUR: PENCARIAN & PENGURUTAN

Cara komputer menyusun, menyimpan, dan mencari data secara efisien.

Struktur Data Array: Tempat menyimpan banyak nilai dalam satu variabel, di mana setiap nilainya (elemen) memiliki indeks posisi unik yang selalu dimulai dari angka 0.

๐Ÿ” Algoritma Pencarian (Searching):

  • Sequential Search: Memeriksa data satu per satu secara berurutan dari awal hingga akhir. Keunggulannya: data tidak perlu diurutkan terlebih dahulu.

  • Binary Search: Mencari dengan cara membelah dua data secara berulang. Syarat utamanya: data wajib diurutkan dulu! Namun, prosesnya jauh lebih cepat dari pencarian sekuensial.

๐Ÿงน Algoritma Pengurutan (Sorting):

  • Selection Sort: Memilih nilai yang paling kecil/besar dari data acak, lalu menukarnya ke posisi paling awal.

  • Insertion Sort: Memilih elemen satu per satu lalu menyisipkannya di posisi yang tepat pada data yang sudah terurut (prosesnya persis seperti orang menyusun kartu di tangan).

๐Ÿค– 3. ALGORITMA MACHINE LEARNING (KECERDASAN ARTIFISIAL)

Metode agar komputer bisa memprediksi dan belajar dari sekumpulan data.

  • ๐ŸŒณ Decision Tree (Pohon Keputusan): Algoritma prediksi berbentuk struktur pohon bercabang (Root Node, Decision Node, Leaf Node) untuk mencapai kesimpulan akhir.

  • ๐Ÿ“ˆ Linear Regression: Prediksi nilai berdasarkan hubungan sebab-akibat antar dua variabel (contoh: memprediksi berat badan berdasarkan nilai tinggi badan).

  • ๐Ÿ”ต K-Means Clustering: Mengelompokkan data acak menjadi beberapa klaster berdasarkan jarak kemiripan terdekat dengan titik pusat kelompok (Sentroid).

  • ๐Ÿ“Š Naive Bayes: Klasifikasi atau prediksi data baru menggunakan perhitungan probabilitas (peluang) dari data yang sudah diketahui sebelumnya berdasarkan Teorema Bayes.

๐Ÿ› 4. DEBUGGING: SENI MEMBASMI KESALAHAN KODE

Program tidak bisa jalan? Kenali 3 jenis eror (bug) utama saat membuat program!

  • โŒ Syntax Error (Salah Tata Bahasa): Kesalahan penulisan kode yang tidak sesuai aturan bahasa pemrograman (seperti kurang tanda ; atau salah ejaan huruf). Komputer akan langsung menolak menjalankan program!

  • ๐Ÿค” Logic Error (Salah Logika): Program berjalan lancar tanpa terdeteksi eror oleh sistem, tetapi hasil akhirnya salah (contoh: rumus matematikanya keliru).

  • ๐Ÿ’ฅ Runtime Error (Gagal Saat Berjalan): Program tiba-tiba crash atau berhenti saat sedang dijalankan (contoh: sistem dipaksa melakukan pembagian bilangan dengan angka 0).

Buka Lampiran