Introduction to Discrete & Data Structures Pengantar Struktur Diskrit & Data

A.Discrete A. Diskrit
1. Graph 1. Grafik
an abstract representation of a set of objects merupakan representasi abstrak dari himpunan objek
where some pairs of the objects are connected by links di mana beberapa pasang benda yang dihubungkan dengan
• undirected link
• directed • tidak diarahkan
• weighted • diarahkan
• tertimbang
2. Seven Bridges of Königsberg
1736 by Leonhard Euler graph theory and idea of topology 2. Tujuh Jembatan Königsberg
The city of Königsberg in Prussia (now Kaliningrad, Russia) teori graph dan gagasan tentang topologi1736 oleh
The problem: Leonhard Euler
to find a walk through the city that would cross each bridge Kota Königsberg di Prusia (sekarang Kaliningrad, Rusia)
once and only once. Masalahnya:
The islands could not be reached by any route other than the untuk menemukan berjalan melalui kota yang akan
bridges, and every bridge must have been crossed completely menyeberangi jembatan masing-masing sekali dan hanya
every time sekali.
Pulau-pulau tidak bisa dihubungi oleh rute selain jembatan,
3. Knight’s Tour dan setiap jembatan pasti telah menyeberangi sepenuhnya
• The knight is placed on the empty board setiap kali
• moving according to the rules of chess
• must visit each square exactly once 3. Knight's Tour
• Closed tour • Kesatria itu ditempatkan pada papan kosong
• Open tour • bergerak menurut aturan catur
• harus mengunjungi setiap persegi tepat satu kali
4. Tree • Ditutup tur
an acyclic connected graph where each node has a set of zero • Buka tur
or more children nodes, and at most one parent node
4. Pohon
5. Simple Traversing Alg  sebuah grafik yang terhubung asiklik mana masing-masing
-Depth First Search node memiliki seperangkat node nol atau lebih anak-anak, dan
-Breadth First Search pada node satu orangtua yang paling

6. Huffman coding 5. Wikipedia melintasi Alg

• An entropy encoding algorithm used for lossless data -Depth First Search
compression. Breadth-First Search
• variable-length code table
– based on the estimated probability of occurrence for each 6. Huffman coding
possible value of the source symbol • Sebuah algoritma pengkodean entropi digunakan untuk
kompresi data lossless.
7. Minimum Spanning Tree • variabel-panjang kode tabel
• Given a connected, undirected graph, a spanning tree of - Berdasarkan estimasi probabilitas kejadian setiap nilai
that graph is a subgraph kemungkinan sumber simbol
which is a tree and connects all the vertices together
• A minimum spanning tree (MST) is a spanning tree with 7. Minimum Spanning Tree
weight less than or equal to the weight of every other • Mengingat grafik, terhubung tidak diarahkan, pohon rentang
spanning tree dari graf yang merupakan graf
Ex: Prim’s Alg and Kruskal’s Alg yang pohon dan menghubungkan semua node bersama
• Sebuah pohon rentang minimum (MST) adalah pohon
8. Shortest path problem rentang dengan berat kurang dari atau sama dengan berat
•the shortest path problem is the problem of finding a path setiap pohon rentang lain
between two vertices (or Ex: Alg Alg Prim dan Kruskal's
nodes) such that the sum of the weights of its constituent
edges is minimized 8. Masalah jalan terpendek
Contoh: Dijkstra’s Alg • masalah jalan terpendek adalah masalah menemukan jalan
antara dua simpul (atau
9. Travelling Salesman Problem node) sehingga jumlah dari bobot dari ujung penyusunnya
Given a list of cities and their pairwise distances, the task is to diminimalkan
find a shortest Contoh: Alg Dijkstra
possible tour that visits each city exactly once
An optimal TSP tour through Germany’s 15 largest cities. 9. Travelling Salesman Problem
It is the shortest among 43 589 145 600 possible tours visiting Mengingat daftar kota dan jarak berpasangan mereka, tugas
each city exactly once. ini adalah untuk menemukan terpendek
mungkin wisata yang dilihat setiap kota tepat satu kali
B. Data Structure Sebuah TSP tur optimal melalui 15 kota terbesar di Jerman.
1. Composite types Ini adalah terpendek antara 43 589 145 600 mungkin wisata
data types which can be constructed in a programming mengunjungi setiap kota tepat satu kali.
language out of that language's basic primitive types and
other composite types B. Struktur Data
• Struct in C 1. Komposit jenis
struct Account { jenis data yang dapat dibangun dalam bahasa pemrograman
int account_number; yang keluar dari bahasa yang tipe primitif dasar dan jenis
char *first_name; komposit lainnya
char *last_name; • struct di C
float balance;}; Account struct (
• to create new var: struct Account myAccount; int account_number;
• to access: myAccount.account_number char * first_name;
char * last_name;
2. Arrays float saldo;);
• is a data structure consisting of a group of elements that are • untuk membuat var baru: struct Account myAccount;
accessed by indexing • untuk mengakses: myAccount.account_number
• In most PL each element has the same data type and the
array occupies a contiguous areaof storage 2. Array
• Multidimensional array • adalah sebuah struktur data yang terdiri dari sekelompok
• Static vs dynamic array elemen yang diakses oleh pengindeksan
• Pada sebagian besar PL setiap elemen memiliki tipe data
3. Pointers array yang sama dan menempati penyimpanan areaof
• data type whose value refers directly to (or "points to") berdekatan
another value stored elsewhere in the computer memory • Multidimensional array
using its address • Statis vs array dinamis
• Pointers to: data, functions
• allow largely unprotected access to memory addresses be 3. Pointer
very careful! • tipe data yang nilainya mengacu langsung ke (atau
Exp: pointer in C, Linked structures, Singly-linked list, List "menunjuk ke") nilai lain yang disimpan di tempat lain dalam
traversal, Insert & delete, Stack (an ADT and data structure memori komputer menggunakan alamat nya
based on the principle of Last In First Out (LIFO)) • Pointer ke: data, fungsi
• sebagian besar tidak dilindungi memungkinkan akses ke
4. Queue alamat memori sangat berhati-hati!
• a First-In-First-Out (FIFO) data structure Exp: pointer di C, Linked struktur, daftar sendiri-sendiri-linked,
• Operations: traversal Daftar, Sisipkan & menghapus, Stack (sebuah ADT
– addition of entities to the rear terminal position dan struktur data berdasarkan prinsip Terakhir Dalam First Out
– removal of entities from the front terminal position
• the queue performs the function of a buffer.
Queue implementations
• Sequential
• Circular
• Linked queue
5. Hash table
• a data structure that associates keys with values
• Lookup function:
– given a key (e.g., a person's name), find the corresponding
value (e.g., that person's telephone number).
6.Lookup
It works by transforming the key using a hash function into a
hash, a number that is used as an index in an array to locate
the desired location ("bucket") where the values should be
Introduction to Professionalism
1. Ethics
• Any society is based on a system of ethics
– rules by which the members of that society are expected to
abide for the mutual benefit of the society’s members.
• ethics define what is considered to be right and wrong.
• Any technology must be used within the accepted ethical
codes
– the more powerful the technology the more important that
it is used in an ethical manner
2. Non-traditional “wrong”
• Theft is considered wrong in most – if not all – ethical codes
• Traditionally: theft = one person is deprived of the
ownership and use of an object by
another
• Case with electronic software and data: the thief can take
something without depriving the original owner of its use
3. Protecting Software
What is to be protected
• The idea behind the programme (the algorithm)? > a patent.
– Difficult and expensive to obtain.
– Must be new inventions
• The software itself > the copyright
– electronic copyright is hard to enforce
(LIFO))
4. Antre
• sebuah Pertama-In-First-Out (FIFO) struktur data
• Operasi:
- Penambahan entitas untuk posisi belakang terminal
- Penghapusan entitas dari posisi terminal depan
• antrian melakukan fungsi buffer.
Antrian implementasi
• Sequential
• Edaran
• Linked antrian
5. Hash meja
• struktur data yang asosiasi kunci dengan nilai-nilai
• Lookup fungsi:
- Diberi (misalnya kunci, nama seseorang), menemukan nilai
yang sesuai (misalnya, orang itu nomor telepon).
6.Lookup
Ini bekerja dengan cara mengubah tombol menggunakan
fungsi hash ke hash, nomor yang digunakan sebagai indeks
dalam array untuk menemukan lokasi yang diinginkan
("ember") di mana nilai-nilai harus
Pengantar Profesionalisme
1. Etika
• Setiap masyarakat didasarkan pada sistem etika
- Aturan yang anggota masyarakat yang diharapkan untuk
mematuhi untuk kepentingan bersama anggota masyarakat.
etika • menentukan apa yang dianggap benar dan salah.
• Setiap teknologi harus digunakan dalam kode etik yang
berlaku
- Semakin kuat teknologi yang lebih penting yang digunakan
secara etis
2. Non-tradisional "salah"
• Pencurian dianggap salah di sebagian besar - jika tidak
semua - kode etis
• Secara tradisional: pencurian = satu orang ini dirampas dari
kepemilikan dan penggunaan objek oleh
lain
• Kasus dengan perangkat lunak dan data elektronik: pencuri
yang dapat mengambil sesuatu tanpa mencabut pemilik asli
penggunaannya
3. Melindungi Perangkat Lunak
Apa yang harus dilindungi
• Gagasan di balik program (algoritma)? > Paten.
- Sulit dan mahal untuk mendapatkan.
- Harus penemuan baru
• Perangkat lunak itu sendiri> hak cipta
4. IT and Internet add more complications
• In 1990’s Apple sued Microsoft on the basis that they had
stolen the ‘look and feel’ of their software
• Web contents:
– If a user in country X views a webpage containing material
that is illegal in that country, can any action be taken if the
owner of the webpage is in
country Y, where it is perfectly legal?
• Data protection
5. Professional Ethics
• Being a professional > having a job
• Being a professional means having the independence to
make decisions on the basis of special expertise, but being an
employee often means acting in the best interests of the
company
6. Professional organizations’ codes of ethics
• The Association for Computing Machinery (ACM) Code of
Ethics and Professional Conduct
• The Institute of Electrical and Electronic Engineers (IEEE)
Code of Ethics
• The Joint ACM/IEEE Software Engineering Code of Ethics
and Professional Practice
• The Data Processing Managers Association (DPMA, now the
Association of Information Technology Professionals [AITP])
Code of Ethics and Standards of Conduct
• The Institute for Certification of Computer Professionals
(ICCP) Code of Ethics
• The Canadian Information Processing Society Code of Ethics
• The British Computer Society Code of Conduct
7. Examples
• IEEE Code of Ethics
• www.ieee.org/portal/pages/iportals/aboutus/
ethics/code.html
• ACM Code of Ethics and Professional Conduct
• www.acm.org/about/code-of-ethics
Introduction to Computer-Based Systems Databases
A. COMPUTER-BASED SYSTEMS
1.Systems?
• A (usually complex) combination of elements which interact
with each other in different ways.
• A fundamental requirement: to be able to understand
systems and to control them
– In many areas of business, economics, biology, engineering,
politics etc.
• Increasingly computers are part of nearly all artificial
systems.
- Hak cipta elektronik sulit untuk menegakkan
4. IT dan Internet lebih menambah komplikasi
• Pada tahun 1990 Microsoft's Apple digugat atas dasar bahwa
mereka telah mencuri 'tampilan dan nuansa' perangkat lunak
mereka
• Web isi:
- Jika pengguna di negara X dilihat halaman web yang
mengandung materi yang ilegal di negara tersebut, dapat
diambil tindakan apapun jika pemilik halaman web dalam
Y negara, di mana yang sah?
• Perlindungan Data
5. Etika Profesional
• Menjadi> profesional, memiliki pekerjaan
• Menjadi seorang profesional berarti memiliki kemerdekaan
untuk membuat keputusan atas dasar keahlian khusus, tetapi
menjadi karyawan sering berarti bertindak dalam kepentingan
terbaik perusahaan
6. organisasi Profesional "kode etik
• Asosiasi untuk Mesin Komputer (ACM) Kode Etik dan
Perilaku Profesional
• Institute of Engineers Listrik dan Elektronika (IEEE) Kode Etik
• The Joint ACM / IEEE Rekayasa Perangkat Lunak Kode Etik
dan Praktek Profesional
• Pengolahan Data Asosiasi Manajer (DPMA, sekarang Asosiasi
Profesional Teknologi Informasi [AITP]) Kode Etik dan Standar
Perilaku
• Lembaga Sertifikasi Profesi Komputer (ICCP) Kode Etik
• Pengolahan Informasi Kode Etik Canadian Society
• Masyarakat Kode Etik Komputer Inggris
7. Contoh
• Kode Etik IEEE
• www.ieee.org/portal/pages/iportals/aboutus/ etika /
code.html
• ACM Kode Etik dan Perilaku Profesional
www.acm.org • / tentang / code-of-etika
Pengantar Sistem Komputer Berbasis Database
A. BERBASIS SISTEM KOMPUTER
1.Systems?
• A (biasanya kompleks) kombinasi dari unsur-unsur yang
berinteraksi satu sama lain dengan cara yang berbeda.
• Suatu persyaratan mendasar: untuk dapat memahami sistem
dan untuk mengontrol mereka
- Dalam banyak bidang bisnis, ekonomi, biologi, teknik, politik
dll
• Semakin komputer adalah bagian dari hampir semua sistem
buatan.
2.Some examples… 2.Some contoh ...
• Embedded Systems • Sistem Tertanam
• Real-Time Systems • Real-Time Systems
• Safety-Critical Systems • Keamanan-Sistem Kritis
• Distributed Systems • Sistem Terdistribusi
• Client-Server Systems • Client-Server Systems

3. Embedded Systems 3. Sistem Tertanam

• Systems that include computer technology, but the
computer is largely invisible
(‘embedded’)
– people are often unaware that there is acomputer involved.
4.Real-Time Systems
• Systems linked to events in the outside world.
• Those events take place according to imposed time
constraints and it is necessary that the computer component
of the system keeps up with the timing of those events in the
‘real world’.
Example: Air Traffic Controller, Antilock Braking Systems
5.Safety-Critical Systems
• Example: air traffic control system
• Special care has to be taken in the design and
implementation of such systems.
– Engineering approaches may be applied more carefully to
such projects.
– Another approach: application of formal methods
• …to ensure or prove that the most critical parts of the
system are absolutely bug-free
• Risk analysis
6.Distributed Systems
• The components of a computer system(processors,
memory, and so on) need not all be contained in a single box;
– they may be distributed in various ways
7.Client-Server Systems
• One particular form of distributed system
• A server generally has a rich set of resources (memory,
discs, processing power) available.
• A client has fewer resources, but can request a share of
resources from servers.
• Example: The Web
B. DATABASES
1. • Data is the most elementary kind of
information.
– Generally, data is that which can be represented
by numbers.
Data Information Knowledge
• Sistem yang meliputi teknologi komputer, tapi komputer
sebagian besar terlihat
('Tertanam')
- Orang-orang sering tidak menyadari bahwa ada acomputer
terlibat.
4.Real-Time Systems
• Sistem dikaitkan dengan kejadian-kejadian di dunia luar.
• Peristiwa-peristiwa terjadi sesuai dengan kendala waktu
yang ditetapkan, dan perlu bahwa komponen sistem komputer
terus sampai dengan waktu peristiwa-peristiwa di 'dunia
nyata'.
Contoh: Air Traffic Controller, Sistem pengereman anti
penguncian
5.Safety-Sistem Kritis 
• Contoh: sistem pengendalian lalu lintas udara 
• perawatan khusus harus diambil dalam desain dan
implementasi sistem tersebut. 
- Rekayasa pendekatan dapat diterapkan lebih hati-hati untuk
proyek-proyek tersebut. 
- Pendekatan lain: penerapan metode formal 
• ... untuk memastikan atau membuktikan bahwa bagian-
bagian yang paling kritis dari sistem ini adalah benar-benar
bebas bug 
• Analisis Risiko 
6. Sistem Terdistribusi 
• Komponen-komponen sistem komputer (prosesor, memori,
dan sebagainya) tidak perlu semua terkandung di kotak
tunggal; 
- Mereka boleh didistribusikan dengan berbagai cara 
7.Client-Server Systems 
• Salah satu bentuk khusus dari sistem terdistribusi 
• Sebuah server biasanya memiliki seperangkat yang kaya
sumber daya (memori, cakram, kekuatan pemrosesan) yang
tersedia. 
• klien A memiliki sumber daya lebih sedikit, tetapi dapat
meminta bagian sumber daya dari server. 
• Contoh: Web 
B. DATABASES 
– A database is a computer store of data 1. • Data adalah jenis yang paling dasar 
• ‘Information’ is usually used as the most informasi. 
general description of facts - Umumnya, data yang dapat diwakili 
• Knowledge = data + information + observation dengan angka-angka. 
+ experience + … Data Informasi Pengetahuan 
- Database adalah toko komputer data 
2. Transformations • 'Informasi' biasanya digunakan sebagai yang paling 
• Information Data umum deskripsi fakta 
– Digitizing books • Pengetahuan = data informasi observasi 
• Data Information   pengalaman ... 
– Data mining
2. Transformasi 
3. Organising data in a database • Data Informasi 
• The most common way: the relational model - Mendigitalkan buku 
• Data Informasi 
4.Relational Database - Data mining 
• A relational database consists of tables or files.
• Each table contains a set of records 3. Pengorganisasian data dalam database 
• Each record is made up of a set of fields • Cara yang paling umum: model relasional 

5.Database Management 4.Relational Database 

System (DBMS) • Sebuah database relasional terdiri dari tabel atau file. 
• To access the information and manipulate the database • Setiap tabel berisi kumpulan catatan 
• However the user interacts with the DBMS, the software will • Setiap record terdiri dari satu set bidang 
generate queries in a specialized query language
– The most widely used: Structured Query Language (SQL) 5. Manajemen Database 
– Example: SELECT Postcode FROM addresses WHERETown = System (DBMS) 
“York” • Untuk mengakses informasi dan memanipulasi database 
• Namun pengguna berinteraksi dengan DBMS, perangkat
6. Geographical Information Systems lunak akan menghasilkan query dalam bahasa query khusus 
• collection and storage of information that is geographically - Yang paling banyak digunakan: Structured Query Language
related (SQL) 
- Contoh: SELECT Kode Pos DARI alamat WHERETown = "York" 
7. Some issues
• Data integrity 6. Sistem Informasi Geografis 
• Security • Pengumpulan dan penyimpanan informasi geografis yang
• Distributed database terkait 

7. Beberapa masalah 
• Integritas data 
• Keamanan 
• Terdistribusi database
Introduction to Computer Graphics, Sound, Image Processing, Pengantar Komputer Grafis, Sound, Pengolahan Gambar,
Multimedia Multimedia
1. Computer Graphics 1. Grafik Komputer
Object Description -> CG processes -> Images / animation 2D / Obyek Deskripsi - proses CG> -> Foto animasi 2D / 3D
3D ...
… / /-Mug -------------
//-mug------------- Perbedaan (
difference { serikat (
union { silinder (
cylinder { <0, -0.5,0>, <0,0.5,0>, 0,5
<0,-0.5,0>, <0,0.5,0>, 0.5 pigmen Kuning ())
pigment {Yellow} } silinder (
cylinder { <0, -0.6,0>, <0, -0.5,0>, 0,45
<0,-0.6,0>, <0,-0.5,0>, 0.45 pigmen Kuning ())
pigment {Yellow} } torus (
torus { 0,3, 0,05
0.3, 0.05 pigmen) (Kuning
pigment {Yellow} memutar 90 * x
rotate 90*x menerjemahkan 0,5 * x)
translate 0.5*x } )
} silinder (
cylinder { <0, -0.48,0>, <0,0.55,0>, 0,45
<0,-0.48,0>, <0,0.55,0>, 0.45 Gray pigmen ())
pigment {Gray} } memutar 25 * y
rotate 25*y menerjemahkan <1.1,0.6, -0,5>
translate <1.1,0.6,-0.5> )
}
2. Pengolahan Citra
2. Image Processing Awal gambar -> Image Processing -> Lebih cocok gambar
Initial images -> Image Processing -> More suitable images Untuk: Film & Video,: rendering Kedokteran CT - volume
For : Films & Games, Medical: CT – volume rendering
3. Softwares
3. Softwares • Visio
• Visio • Auto CAD
• Auto CAD • 3ds Max (Autodesk)
• 3ds Max (Autodesk) • Maya (Autodesk)
• Maya (Autodesk) • Blender
• Blender POV-Ray •
• POV-Ray
4. ] Komputer [Sounds
4. [computer] Sounds • Akuisisi & rekaman
• Acquisitions & recording • Memproduksi & bermain
• Producing & playing • Penyimpanan
• Storing • Encoding & decoding
• Encoding & decoding • Analisis & pengakuan
• Analysis & recognition • Sintesis
• Synthesis Contoh
Examples • CD audio, WAV, MP3, MIDI, ...
• CD audio, WAV, MP3, MIDI, … • Pengenalan suara
• Speech recognition • Pidato teks
• Speech to text • Teks pidato
• Text to speech • Pidato pidato
• Speech to speech
5. Computer Vision
5. Computer Vision • Komputer visi membuat komputer belajar tentang
• Computer vision make a computer learn about bagaimana manusia dan hewan proses visual
how people and animals process visual informasi.
information. • Komputer visi berkaitan dengan kedua rendah
• Computer vision is concerned with both low dan tingkat tinggi pengolahan.
and high levels of processing. • Pada tingkat kesepakatan CV rendah dengan gambar visual
• At the low level CV deal with visual image
representation containing certain features
which are important (pixels, edges, colours,
and texture)
6. For:
- Industrial Application: Vegetable Separation, Carpet’s
Quality Inspection, Bottle’s Quality Inspection, Road Painting,
Virtual Television Advertising
- Garbage Processing
- Medical Imaging
- Traffic Application: Automobile navigation
- Biometrics: Face Detection and Recognition, Law
Enhancement
- Beyond Visible (I): Thermal Images -> Operate in infrared
frequency
- Beyond Visible (II): Radar Images -> Operate in microwave
frequency
- Beyond Visible (III): MRI and Astronomy -> Operate in radio
frequency
7. Low-Level Vision (image processing)
Image processing processes: set of operations performed on
images aiming at enhancing their quality and selecting useful
information, which will be processed by humans or other
algorithms
8. Mid-Level Vision (image analysis)
Includes extraction of symbolic information from pre-
processed images and analysis techniques of the visual
characteristics of the objects that are in the images
9. High-Level Vision(image understanding)
Aims at obtaining some “comprehension” of the observed
scene, as shape recognition
or spatial relationship among objects. It includes high-level
abstraction processes:
•Classification
•Identification
•Localization
10. Multimedia
• Information: represented in a digital form.
• it can be processed, communicated, and
presented on computer equipment
• different media are text, graphics,
photographs, video images and sound
Introduction to Human-Computer Interaction & Natural
Language Computing
A. HUMAN-COMPUTER INTERACTION
1. Why?
representasi mengandung fitur tertentu
yang penting (piksel, tepi, warna,
dan tekstur)
6. Untuk:
- Industri Aplikasi: Sayuran Pemisahan, Karpet's Inspeksi
Kualitas, Inspeksi Kualitas Botol's, Lukisan Road, Iklan televisi
Virtual
- Pengolahan Sampah
- Medical Imaging
- Lalu Lintas Aplikasi: navigasi Automobile
- Biometrics: Deteksi Wajah dan Pengakuan, Peningkatan
Hukum
- Beyond Visible (I): Gambar Termal - Beroperasi> pada
frekuensi inframerah
- Beyond Terlihat (II): Radar Foto -> Beroperasi pada frekuensi
gelombang mikro
- Beyond Terlihat (III): MRI dan Astronomi -> Beroperasi pada
frekuensi radio
7. Visi Tingkat Rendah (pengolahan citra)
Gambar proses pengolahan: seperangkat operasi yang
dilakukan pada gambar yang bertujuan meningkatkan kualitas
mereka dan memilih informasi yang bermanfaat, yang akan
diproses oleh manusia atau algoritma lainnya
8. Mid-Level Visi (analisa citra)
Termasuk ekstraksi informasi simbolis dari gambar pra-
diproses dan teknik analisis karakteristik visual dari objek yang
di gambar
9. Visi Tingkat Tinggi (pemahaman gambar)
Bertujuan untuk mendapatkan beberapa pemahaman "" dari
adegan diamati, sebagai bentuk pengakuan
atau hubungan antara objek-objek spasial. Termasuk proses
abstraksi tingkat tinggi:
• Klasifikasi
• Identifikasi
• Pelokalan
10. Multimedia
• Informasi: direpresentasikan dalam bentuk digital.
• dapat diolah, dikomunikasikan, dan
disajikan pada peralatan komputer
• media yang berbeda adalah teks, grafis,
foto, gambar video dan suara
Pengantar Interaksi Manusia-Komputer & Komputasi Bahasa
Alam 
A. INTERAKSI MANUSIA-KOMPUTER 
1. Mengapa? 
• These frustrations are often caused by the design of the
interface between the user and the software: the human
computer interface.
• the people who design the interface are not familiar with
tools, techniques and principles that have been developed to
improve interface design
2. Define: HCI
• "a discipline concerned with the design, evaluation and
implementation of interactive computing systems for human
use and with the study of major phenomena surrounding
them."
3. Guidance
a. Strive for consistency
b. Enable frequent user shortcuts
c. Offer informative feedback
d. Design dialogues to yield closure
e. Offer error prevention
f. Permit easy reversal of actions
g. Support internal locus of control
h. Reduce short-term memory load.
4. simply following rules is not enough
• People must be involved in the development and evaluation
of interfaces
• Techniques to eliciting the required knowledge:
– focus groups, interviews, questionnaires
– Prototyping: users get to try out something which looks like
the proposed design
5. Non (keyboard, screen and mouse)
• “Pervasive computing” everyware
B. NATURAL LANGUAGE COMPUTING
1. Issues
• natural languages (such as English or French) ambiguity
• it is desirable for a computer to have some level of
‘understanding’ of natural language.
– the user can generate input in natural language and the
program will be able to extract some form of meaning out of
it.
– Ideally that meaning should be the same as that which a
human listener would have extracted
2. recognition
• Speech recognition: translating the sounds of speech into
their textual representation
• A textual input – from a keyboard or a speech recognizer –
can then be processed in an attempt to extract its meaning
• frustrasi ini biasanya disebabkan oleh desain antarmuka
antara pengguna dan perangkat lunak: interface komputer
manusia. 
• orang-orang yang desain antarmuka tidak akrab dengan alat,
teknik dan prinsip-prinsip yang telah dikembangkan untuk
memperbaiki desain antarmuka 
2. Menetapkan: HCI 
• "disiplin yang berkaitan dengan desain, evaluasi dan
implementasi sistem komputer interaktif untuk digunakan
manusia dan dengan studi fenomena besar di sekitar
mereka." 
3. Bimbingan 
a. Upaya untuk konsistensi 
b. Cara pintas memungkinkan pengguna sering 
c. Penawaran umpan balik informatif 
d. Desain dialog untuk menghasilkan penutupan 
e. Penawaran pencegahan kesalahan 
f. Izin mudah tindakan pemulihan 
g. Dukungan lokus kontrol internal 
h. Mengurangi beban memori jangka pendek. 
4. hanya mengikuti aturan tidak cukup 
• Orang harus terlibat dalam pengembangan dan evaluasi
antarmuka 
• Teknik untuk eliciting pengetahuan yang dibutuhkan: 
- Kelompok fokus, wawancara, kuesioner 
- Prototyping: pengguna mendapatkan untuk mencoba
sesuatu yang tampak seperti desain yang diusulkan 
5. Tanpa (keyboard, layar dan mouse) 
• "Pervasif komputasi"? Everyware 
B. Komputasi ALAMI Bahasa 
1. Isu 
• Bahasa alami (seperti bahasa Inggris atau Perancis)?
Ambiguitas 
• itu diinginkan untuk sebuah komputer memiliki beberapa
tingkat 'pemahaman' bahasa alam. 
- Pengguna dapat menghasilkan masukan dalam bahasa alam
dan program ini akan mampu mengekstrak beberapa bentuk
makna dari itu. 
- Idealnya bahwa makna harus sama dengan yang pendengar
manusia akan memprosesnya 
2. pengakuan 
• Pengenalan suara: menerjemahkan suara menjadi
representasi tekstual pidato mereka 
• Sebuah masukan tekstual - dari keyboard atau pengenal
pidato - kemudian dapat diproses dalam upaya untuk
3. Context mengekstrak maknanya 
• Syntax of the language – grammar
– sentence = subject verb object 3. Konteks 
• Semantics – meaning • Sintaks dari bahasa - tata bahasa 
• ‘Anomalies’ in languages - Kalimat = objek subjek verba 
• Semantics - arti 
• 'Anomali' dalam bahasa
Introduction to Document Processing & Information Retrieval Pengantar Dokumen Pemrosesan & Information Retrieval 
A. DOCUMENT PROCESSING A. DOKUMEN PENGOLAHAN 
1. Word processing 1. Pengolah kata 
• “Document Processing” • "Dokumen Pengolahan" 
• The writer think about: • Penulis berpikir tentang: 
– The contents - Isi 
– The layout - Layout 
• WYSIWYG • WYSIWYG 
• Features: spelling checker, etc. • Fitur: pemeriksa ejaan, dll 

2. Text processing 2. Pengolahan teks 

• The writer concerned primarily on the content
• Marked-up document
• Most useful for scientific writing
• Latex
– \textnormal{Sometimes \emph{we \emph{discover}
unpleasant} truths.}
– Sometimes we discover unpleasant truths.
3. Document Protection
• Copyright
• Security
• Etc.
B. INFORMATION RETRIEVAL
1. Definitions
• Information retrieval (IR) is the science of searching for
documents, for information within documents, and for
metadata about documents, as well as that of searching
relational databases and the World Wide Web (wikipedia.org)
• The study of systems for indexing, searching, and recalling
data, particularly text or other unstructured forms.
(www.virtechseo.com/seoglossary.htm)
• (IR) part of computer science which studies the retrieval of
information (not data) from a collection of written
documents. The retrieved documents aim at satisfying a user
information need usually expressed in natural language.
(www.seomoz.org/blog/a-glossary-of-information-
retrievalterminology)
2. Text: Web
• Search engine
– PageRank
• Penulis prihatin terutama pada konten 
• Ditandai-up dokumen 
• Sebagian besar berguna untuk penulisan ilmiah 
• Lateks 
- \ Textnormal (Terkadang \ emph (kita \ emph (menemukan))
kebenaran yang tidak menyenangkan.) 
- Kadang-kadang kita menemukan kebenaran yang tidak
menyenangkan. 
3. Perlindungan Dokumen 
• Hak Cipta 
• Keamanan 
• Dll 
B. Information Retrieval 
1. Definisi 
• Pengambilan Informasi (IR) adalah ilmu untuk mencari
dokumen, untuk informasi dalam dokumen, dan untuk
metadata tentang dokumen, serta pencarian database yang
relasional dan World Wide Web (wikipedia.org) 
• Studi tentang sistem untuk pengindeksan, pencarian, dan
mengingat data, khususnya teks atau bentuk tidak terstruktur
lainnya. (Www.virtechseo.com / seoglossary.htm) 
• (IR) bagian dari ilmu komputer yang mempelajari proses
pengambilan informasi (tidak data) dari sebuah koleksi
dokumen tertulis. Dokumen diambil bertujuan memuaskan
kebutuhan informasi pengguna biasanya dinyatakan dalam
bahasa alami. (Www.seomoz.org / blog / a-glossary-of-
informasi-retrievalterminology) 
2. Teks: Web 
• mesin pencari 
- PageRank 
3. Text: Document
• tf-idf 3. Teks: Dokumen 
– Term Frequency • tf-IDF 
– Inverse Document Frequency - Jangka Frekuensi 
- Frekuensi Inverse Document
IIntroduction to Artificial Intelligence IIntroduction untuk Kecerdasan Buatan
1. 2 strands of AI 1. 2 untai AI
• To study the nature of intelligence • Untuk mempelajari sifat kecerdasan
– related to psychology; ‘cognitive’ - Terkait dengan psikologi; 'kognitif'
– Build model of intelligent behavior ?learn about the way - Membangun model perilaku cerdas? Belajar tentang cara
humans and other animals might achieve similar results manusia dan hewan lainnya dapat mencapai Hasil serupa
• To try to make computers perform tasks with intelligence • Untuk mencoba membuat komputer melakukan tugas
– “Computationally difficult” dengan
Example: Optical Character Recognition intelijen
- "Komputasi sulit"
2. AI tends to be applied to… Contoh: Karakter Pengakuan Optik
• Problems in which there is a lot of data and/or data that is
uncertain. 2. AI cenderung diterapkan pada ...
• Problems which are so complex that it can be proved that • Masalah yang di dalamnya ada banyak data dan / atau data
no algorithm exists that will solve them – or in some cases at yang tidak pasti.
least not in a reasonable time • Masalah yang begitu kompleks yang dapat dibuktikan bahwa
Example: chess computer tidak ada algoritma yang akan memecahkan mereka - atau
dalam beberapa kasus setidaknya tidak dalam waktu yang
3. philosophical debate wajar
• “what is intelligence, and how do we know if we find it – in Contoh: komputer catur
people or in machines?”
• two major camps: 3. perdebatan filosofis
– strong AI : • "apa yang kecerdasan, dan bagaimana kita tahu jika kita
• it is – or will be – possible to make computers think menemukan itu - pada orang atau mesin?"
– weak AI • dua kamp utama:
• we are interested in producing behavior in computers that - Kuat AI:
appears to be intelligent • itu adalah - atau akan - mungkin untuk membuat komputer
berpikir
4. Turing Test - Lemah AI
• proposed by Alan Turing in his 1950 paper Computing • kami tertarik dalam memproduksi perilaku di komputer yang
Machinery and Intelligence tampaknya cerdas
• Question:
"Can machines think?“ 4. Turing Test
• Revised question: • diusulkan oleh Alan Turing pada tahun 1950 korannya
"Can machines do what we (as thinking entities) can do?" Komputasi Mesin dan Intelijen
• Pertanyaan:
5. AI: Agents "Dapatkah mesin berpikir?"
• intelligent agents, rational agents . . . • Revisi pertanyaan:
• AI = "the study and design of intelligent agents," "Bisakah mesin melakukan apa yang kita (sebagai entitas
– an intelligent agent = a system that perceives its berpikir) bisa melakukan?"
environment and takes actions that maximize its chances of
success 5. AI: Agen
• cerdas agen, agen rasional. . .
6. Some problems • AI = "studi dan desain agen cerdas,"
• Deduction, reasoning, problem solving - Agen cerdas = suatu sistem yang memandang lingkungannya
• Knowledge representation dan mengambil tindakan yang memaksimalkan kesempatan
• Planning keberhasilannya
• Learning
• Natural language processing 6. Beberapa masalah
• Motion and manipulation • Pengurangan, penalaran, pemecahan masalah
• Perception • Pengetahuan representasi
• Social intelligence • Perencanaan
• Creativity • Belajar
• General intelligence • Alam pengolahan bahasa
• Gerak dan manipulasi
7. AI Tools • Persepsi
• Search and optimization • Sosial intelijen
– Search algorithm, Optimization, Evolutionary computation • Kreativitas
• Logic • Umum intelijen
– Logic programming, Automated reasoning, Fuzzy Logic, …
• Probabilistic methods for uncertain reasoning 7. AI Tools
– Bayesian network, Hidden Markov model, Kalman filter, • Cari dan optimasi
Decision theory, Utility theory - Algoritma pencarian, Optimasi, perhitungan Evolusi
• Classifiers and statistical learning methods • Logika
– Classifiers , Statistical classification, Machine learning, … - Logika pemrograman, otomatis penalaran, Fuzzy Logic, ...
• Neural networks • Probabilistik metode untuk alasan yang tidak pasti
• Control theory - Bayesian jaringan, Model Markov tersembunyi, filter Kalman,
• Programming language for AI teori keputusan, teori Utility
• Klasifayer dan statistik metode pembelajaran
8. Another examples - Klasifayer, Statistik klasifikasi, Mesin belajar, ...
• AI 2.0 • Jaringan Syaraf
– the system collaborates with a large number of people to • Kontrol teori
solve a problem, then collects, interprets, ranks and • Bahasa pemrograman untuk AI
integrates their solutions
8. Contoh lain
• AI 2,0
- Sistem bekerja sama dengan sejumlah besar orang untuk
memecahkan masalah, kemudian mengumpulkan,
menafsirkan, pangkat dan mengintegrasikan solusi mereka
Introduction to Security & Privacy Pengenalan Keamanan & Privasi
1. Cryptography: Requirements 1. Kriptografi: Persyaratan
• Basic: be able to turn plaintext into ciphertext in such a way • Dasar: dapat mengubah plaintext menjadi ciphertext
that only the intended recipient—the holder of the sedemikian rupa sehingga hanya penerima-dimaksudkan
decryption key— can recover the plaintext pemegang kunci dekripsi dapat memulihkan plaintext
• secrecy of the key, and not of the algorithm itself, is the only • kerahasiaan kunci, dan bukan dari algoritma itu sendiri,
thing that is needed to ensure the privacy of the data adalah satu-satunya yang diperlukan untuk menjamin privasi
data
2. RSA (cont)
• Choose two large prime numbers p and q (each 256 bits) 2. RSA (cont)
• Multiply p and q together to get n • Pilih dua bilangan prima besar p dan q (masing-masing 256
• Choose the encryption key e, such that e and (p - 1) x (q - 1) bit)
are relatively prime. • Multiply p dan q bersama-sama untuk mendapatkan n
• Two numbers are relatively prime if they have no common • Pilih kunci enkripsi e, sehingga e dan (p - 1) x (q - 1) adalah
factor greater than one relatif prima.
• Compute decryption key d such that d = e-1mod ((p - 1) x (q • Dua bilangan relatif prima jika mereka tidak memiliki faktor
- 1)) umum yang lebih besar dari satu
• Construct public key as (e, n) • Hitung kunci dekripsi d seperti yang d = e-1mod ((p - 1) x (q -
• Construct private key as (d, n) 1))
• Discard (do not disclose) original primes p and q • Membangun kunci publik sebagai (e, n)
• Buatlah sebagai kunci pribadi (d, n)
3. RSA: small example • Buang (tidak mengungkapkan) asli bilangan prima p dan q
• Suppose we pick p = 7 and q = 11.
• n = 7 × 11 = 77; ( p − 1) × (q − 1) = 60 3. RSA: contoh kecil
• Pick a value of e that is relatively prime to 60. We choose e • Misalkan kita memilih p = 7 dan q = 11.
=7 • n = 7 × 11 = 77; (p - 1) × (q - 1) = 60
• d = 7−1 mod ((7 − 1) × (11 − 1)) • Pilih nilai e yang relatif prima dengan 60. Kita memilih e = 7
– 7 × d = 1 mod 60 • d = 7-1 mod ((7 - 1) × (11 - 1))
– It turns out that d = 43, since 7 × 43 = 301 = 1 mod 60 - 7 × d = 1 mod 60
• So now we have the public key e, n = 7, 77 and the private - Ternyata d = 43, sejak 7 × 43 = 301 = 1 mod 60
key d, n = 43, 77 • Jadi sekarang kita memiliki kunci publik e, n = 7, 77 dan kunci
privat d, n = 43, 77
4. RSA: small example (cont’d)
• Encryption: Message = 9 4. RSA: kecil contoh (cont'd)
c = me mod n • Enkripsi: Pesan = 9
= 97 mod 77 c = n me mod
= 37 ?chipertext = 97 mod 77
• Decryption: Chipertext = 37 = 37? Chipertext
m = cd mod n • Dekripsi: chipertext = 37
= 3743 mod 77 m mod n = cd
= 9 ?plaintext = 3743 mod 77
= 9? Plaintext
5. Message Digest
• Cryptographic checksum 5. Pesan Digest
– just as a regular checksum protects the receiver from • Cryptographic checksum
accidental changes to the message, a cryptographic checksum - Hanya sebagai checksum biasa melindungi penerima dari
protects the receiver from malicious changes to the message. perubahan yang disengaja ke dalam pesan, sebuah checksum
• One-way function kriptografi melindungi penerima dari perubahan jahat untuk
– given a cryptographic checksum for a message, it is virtually pesan.
impossible to figure out what message produced that • Satu-fungsi cara
checksum; it is not computationally feasible to find two - Diberi checksum kriptografi untuk pesan, hampir tidak
messages that hash to the same cryptographic checksum. mungkin untuk mencari tahu apa pesan diproduksi checksum
• Relevance itu; komputasi tidak layak untuk menemukan dua pesan yang
– if you are given a checksum for a message and you are able hash ke checksum kriptografi yang sama.
to compute exactly the same checksum for that message, • Relevansi
then it is highly likely this message produced the checksum - Jika Anda diberi checksum untuk pesan dan Anda dapat
you were given. menghitung checksum yang sama persis untuk pesan itu, maka
kemungkinan besar pesan ini menghasilkan checksum yang
6. Authentication Protocols Anda diberikan.
• Three-way handshake
• Client & Server share a secret key 6. Protokol Otentikasi
• Trusted third party (Kerberos) • Tiga cara handshake
• Authentication Server • Klien & Server berbagi kunci rahasia
• A and B each share a secret key with S (KA & KB) • Trusted pihak ketiga (Kerberos)
• Public key authentication • Otentikasi Server
• A dan B masing-masing berbagi kunci rahasia dengan S (KA &
7. Message Integrity Protocols KB)
• Digital signature using RSA • otentikasi kunci publik
– special case of a message integrity where the code can only
have been generated by one participant 7. Pesan Protokol Integritas
– compute signature with private key and verify with public • Digital signature menggunakan RSA
key - Khusus kasus integritas pesan mana kode hanya dapat telah
• Keyed MD5 dihasilkan oleh salah satu peserta
– sender: m MD5(m k) E(k, private) - Menghitung tanda tangan dengan kunci pribadi dan
– sender: m MD5(m k) E(E(k, rcv-pub), private) memverifikasi dengan kunci publik
– receiver Bersemangat • MD5
• recovers random key using the sender’s public key - Pengirim: MD5 m (m k) E (k, swasta)
• applies MD5 to the concatenation of this random key - Pengirim: m MD5 (mk) E (E (k, RCV-pub), swasta)
message - Penerima
• MD5 with RSA signature • pulih kunci acak dengan menggunakan kunci publik pengirim
– sender: m E(MD5(m), private) • berlaku MD5 ke Rangkaian pesan ini kunci acak
– receiver • MD5 dengan tanda tangan RSA
• decrypts signature with sender’s public key - Pengirim: m E (MD5 (m), swasta)
• compares result with MD5 checksum sent with message - Penerima
• dekripsi signature dengan kunci publik pengirim
8. Key Distribution • membandingkan hasilnya dengan checksum MD5 dikirim
• Certificate dengan pesan
– special type of digitally signed document:
“I certify that the public key in this document belongs to the 8. Distribusi kunci
entity named in this document, signed X.” • Sertifikat
– the name of the entity being certified - Khusus tipe dokumen digital ditandatangani:
– the public key of the entity "Saya menyatakan bahwa kunci publik dalam dokumen ini
– the name of the certified authority dimiliki oleh entitas yang disebutkan dalam dokumen ini,
– a digital signature ditandatangani X."
• Certified Authority (CA) - Nama entitas yang bersertifikat
– administrative entity that issues certificates - Kunci publik entitas
– useful only to someone that already holds the CA’s public - Nama otoritas bersertifikat
key. - Tanda tangan digital
• Certified Authority (CA)
9. Key Distribution (cont) - Administrasi entitas bahwa isu-isu sertifikat
• Chain of Trust - Berguna hanya untuk orang yang sudah memegang kunci
– if X certifies that a certain public key belongs to Y, and Y publik CA.
certifies that another public key belongs to Z, then there
exists a chain of certificates from X to Z 9. Kunci Distribusi (cont)
– someone that wants to verify Z’s public key has to know X’s • Rantai Kepercayaan
public key and follow the chain - Jika X mengesahkan bahwa kunci publik tertentu milik Y, dan
• Certificate Revocation List Y mengesahkan kunci publik yang lain milik Z, maka terdapat
suatu rantai sertifikat dari X ke Z
10. Pretty Good Privacy (PGP) - Seseorang yang ingin memverifikasi kunci publik Z harus
• Used in email mengetahui kunci publik X dan ikuti rantai
• PGP integrity & authentication • Daftar Pencabutan Sertifikat

11. Secure Shell (SSH) 10. Pretty Good Privacy (PGP)

• provides a remote login service • Digunakan dalam email
• intended to replace the less secure Telnet and rlogin • PGP integritas & otentikasi
programs
11. Secure Shell (SSH)
12. Transport Layer Security (TLS) • menyediakan layanan remote login
• TLS, SSL, HTTPS • dimaksudkan untuk menggantikan Telnet kurang aman dan
rlogin program
13. IP Security (IPSec)
• a framework for providing all the security services
• consists of two pieces:
– The first piece is a pair of protocols that implement the
available security services.
• Authentication Header (AH): provides access control,
connectionless message integrity, authentication, and
antireplay protection
• Encapsulating Security Payload (ESP), which supports these
same services, plus confidentiality
– The second piece is support for key management, which fits
under an umbrella protocol known as ISAKMP: Internet
Security Association and Key Management Protocol
14. Firewalls
Rest of the Internet -> Firewall -> Local site
• Filter-Based Solution
– example
( 192.12.13.14, 1234, 128.7.6.5, 80 )
(*,*, 128.7.6.5, 80 )
– default: forward or not forward?
– how dynamic?
15. Proxy-Based Firewalls
• Problem: complex policy
• Example: web server
• Solution: proxy
• Design: transparent vs. classical
• Limitations: attacks from within
Introduction to Theoretical Computing
1. Computer “Science”?
• there are a set of mathematical results, tools and
techniques
• some of which have profound implications for what can or
cannot be done on computers
• and some of which are useful tools for the Computer
Scientist
2. Turing Machine
• the most important tools for theory
• not a real machine but a theoretical one, a basis for thought
experiments.
• It was ‘invented’ by mathematician Alan Turing even before
any real computers existed
• as the most elementary possible computer.
• It includes a tape containing symbols (zeros, ones and
12. Transport Layer Security (TLS)
• TLS, SSL, HTTPS
13. Keamanan IP (IPSec)
• kerangka kerja untuk menyediakan semua layanan
keamanan
• terdiri dari dua bagian:
- Potongan pertama adalah sepasang protokol yang
melaksanakan dinas keamanan yang tersedia.
• Authentication Header (AH): menyediakan kontrol akses,
integritas pesan connectionless, otentikasi, dan perlindungan
antireplay
• Keamanan encapsulating Payload (ESP), yang mendukung
berbagai layanan yang sama, ditambah kerahasiaan
- Bagian kedua adalah dukungan untuk manajemen kunci,
yang cocok di bawah payung protokol dikenal sebagai ISAKMP:
Internet Security Association dan Protokol Manajemen Kunci
14. Firewall
Istirahat Internet -> Firewall - situs Lokal>
• Filter Berbasis Solusi
- Contoh
(192.12.13.14, 1234, 128.7.6.5, 80)
(*,*, 128.7.6.5, 80)
- Default: maju atau tidak maju?
- Bagaimana dinamis?
15. Proxy-Based Firewall
• Masalah: kebijakan yang kompleks
• Contoh: Server web
• Solusi: proxy
• Desain: transparan vs klasik
• Keterbatasan: serangan dari dalam
Pengantar Komputasi Teoritis 
1. Komputer "Ilmu"? 
• ada satu set hasil matematika, alat dan teknik 
• beberapa implikasi yang sangat besar bagi apa yang dapat
atau tidak dapat dilakukan pada komputer 
• dan beberapa alat yang berguna untuk Scientific Komputer 
2. Mesin Turing 
• alat-alat yang paling penting untuk teori 
• bukan mesin yang sesungguhnya, tapi yang teoritis, dasar
pemikiran untuk percobaan. 
• Ini adalah 'diciptakan' oleh matematikawan Alan Turing
bahkan sebelum komputer nyata ada 
• sebagai komputer mungkin yang paling dasar. 
• Ini termasuk rekaman berisi simbol (nol, satu dan kosong). 
• Simbol dapat ditulis pada pita oleh mesin, dan juga dibaca
oleh itu. 
blanks).
• The symbols can be written on the tape by the machine, and
also read by it.
• The machine can be in any one of a number of states.
• The machine has a program which is just a set of
instructions of the form:
– If in state S, with symbol B on the tape then perform action
A.
3. Actions allowed:
• move the tape one place to the left
• move the tape one place to the right
• read the symbol in the current cell
• write a 1 on the tape
• write a 0 on the tape.
4. Church-Turing Thesis
• no computer that could ever be built could be more
powerful (in terms of what it can and cannot compute) than a
Turing Machine.
– all computers are equally limited
5. Limits to what can be done by computer
• There are problems that do not have computable solutions,
and it can be proved that it is not possible to write a
computer program to solve them.
• These problems are said to be undecidable or
noncomputable.
• The first-known such problem: the Halting Problem ?
undecideable over Turing Machine
6. Halting Problem
• Computer crash / hang
• It appears to be doing nothing and is unresponsive to any
inputs ?doing nothing very
fast (stuck in a loop)
• It would be useful if it were possible to write a program that
can test other programs and say whether it is the case that
the tested program will always halt – never become stuck in a
loop – for all the possible inputs to that program
7. Impossible
• In fact, it is possible to prove that it is logically impossible to
write such a checking program.
• This was a result first proved by Alan Turing – before
computers existed – and described in terms of his imaginary
Turing Machine
• Undecidable ≈ Halting Problem
8. Another difficulties
• efficient solution ≈ takes ≤ polynomial time and space
• Mesin tersebut dapat salah satu dari beberapa negara. 
• Mesin ini memiliki program yang hanya satu set instruksi
dalam bentuk: 
- Jika di negara S, dengan simbol B dalam rekaman, kemudian
melakukan tindakan A. 
3. Tindakan diizinkan: 
• memindahkan rekaman satu tempat ke kiri 
• memindahkan rekaman satu tempat ke kanan 
• membaca simbol dalam sel saat ini 
• menulis 1 pada pita 
• menulis 0 pada rekaman itu. 
4. Gereja-Turing Tesis 
• tidak ada komputer yang pernah dapat dibangun bisa lebih
kuat (dalam hal apa yang bisa dan tidak bisa menghitung) dari
Mesin Turing. 
- Semua komputer sama-sama terbatas 
5. Batas untuk apa yang dapat dilakukan oleh komputer 
• Ada masalah-masalah yang tidak memiliki solusi yang dapat
dihitung, dan dapat dibuktikan bahwa tidak mungkin untuk
menulis sebuah program komputer untuk menyelesaikannya. 
• Masalah-masalah ini dikatakan diputuskan atau
noncomputable. 
• Masalah seperti pertama-dikenal: Masalah Menghentikan?
Diputuskan atas Mesin Turing 
6. Menghentikan Masalah 
• Komputer crash / hang 
• Tampaknya harus melakukan apa-apa dan tidak responsif
terhadap setiap masukan? Melakukan apa-apa yang sangat 
cepat (terjebak dalam satu lingkaran) 
• Ini akan sangat berguna jika mungkin untuk menulis sebuah
program yang dapat menguji program lain dan mengatakan
apakah itu adalah kasus bahwa program diuji akan selalu
berhenti - tidak pernah menjadi terjebak dalam satu lingkaran
- untuk semua masukan mungkin untuk program yang 
7. Mustahil 
• Pada kenyataannya, adalah mungkin untuk membuktikan
bahwa secara logika tidak mungkin untuk menulis seperti
program pemeriksaan. 
• Ini adalah hasil pertama terbukti oleh Alan Turing - sebelum
komputer ada - dan digambarkan dalam bentuk imajinernya
Mesin Turing 
• Menghentikan Masalah diputuskan ≈ 
8. Kesulitan lain 
≈ • ≤ membutuhkan solusi efisien waktu dan ruang polinomial 
Jika 64 = n, maka 2n ≈ 1,84 x 1019 
If n = 64, then 2n ≈ 1.84 x 1019
Suppose that the computer could execute one million of the
instructions / second, then it would take 1.84 x 1013 seconds
(≈ 583,000 years)
9. For inefficient algorithm…
• we might tell our programmer not even to bother starting,
but perhaps to think about solving a simpler version of the
problem.
• we might be content with a solution that works for most –
but not all – inputs, or one
which we know will give something close to the best possible
(optimal) answer
10. Take a different realms
• if it is not possible to derive a perfect solution, then we are
moving towards the realms of Artificial Intelligence, which
tends to take a very different approach to its problems
• Exp: imprecise computation system
11. Error-free program
• One approach to ensuring good, bug-free software is:
– to build a mathematical representation of the program
– to prove its properties using the rules of logic
• it can be possible to prove that a particular program will
always behave in a particular way, regardless of the language
it is written in and the hardware on which it runs
Anggaplah bahwa komputer dapat mengeksekusi satu juta
instruksi / detik, maka akan mengambil 1,84 x 1013 detik (≈
583.000 tahun) 
9. Untuk algoritma tidak efisien ... 
• kita bisa kirim programmer kita bahkan tidak mengganggu
mulai, tapi mungkin untuk berpikir tentang memecahkan
sebuah versi sederhana dari masalah. 
• kita mungkin akan puas dengan solusi yang bekerja bagi
sebagian besar - tetapi tidak semua - input, atau satu 
yang kita tahu akan memberikan sesuatu yang dekat dengan
sebaik-baiknya (optimal) jawaban 
10. Ambil alam yang berbeda 
• jika tidak mungkin untuk mendapatkan solusi sempurna,
maka kita bergerak menuju realms Kecerdasan Buatan, yang
cenderung untuk mengambil pendekatan yang sangat berbeda
untuk masalah yang 
• Exp: sistem perhitungan tidak tepat 
11. Kesalahan-program gratis 
• Salah satu pendekatan untuk memastikan baik, software
bug-bebas adalah: 
- Untuk membangun sebuah representasi matematis dari
program 
- Untuk membuktikan sifat dengan menggunakan aturan
logika 
• dapat mungkin untuk membuktikan bahwa sebuah program
tertentu akan selalu berperilaku dengan cara tertentu,
terlepas dari bahasa yang tertulis di dalam dan perangkat
keras yang berjalan