Pembahasan 1: Struktur dan Logika Bahasa Pemrograman

Standar Kompetensi :
Memahami ruang kerja bahasa pemrograman MatLab dan Python.
Sub pokok bahasan :
1. Bahasa Pemrograman Matlab dan Python
2. Editor, Interpreter dan Compiler
3. Algoritma dan Pemrograman I
4. Hello World

1. Bahasa Pemrograman dan Lingkungan Kerja Matlab dan Python

MATLAB, singkatan dari "MATrix LABoratory," adalah sebuah
lingkungan komputasi numerik dan bahasa pemrograman yang dikembangkan
oleh MathWorks. MATLAB dirancang untuk mempermudah pengolahan, analisis,
dan visualisasi data numerik, terutama dalam konteks matriks dan vektor.

Berikut adalah beberapa fitur utama MATLAB:

1. Bahasa Pemrograman MATLAB:

MATLAB memiliki bahasa pemrograman sendiri yang mudah dipahami,

terutama bagi mereka yang memiliki latar belakang dalam ilmu teknik atau
matematika. Bahasa ini memungkinkan pengguna untuk melakukan operasi
matematika kompleks dan manipulasi matriks dengan mudah.

2. Manipulasi Matriks:

MATLAB dirancang khusus untuk memudahkan manipulasi matriks dan

vektor. Banyak operasi matematika dasar, seperti penjumlahan, perkalian, invers,
dan dekomposisi matriks, dapat dilakukan dengan sintaks yang ringkas.
3. Fungsi dan Toolbox:

MATLAB menyediakan berbagai fungsi bawaan dan toolbox untuk

berbagai aplikasi, seperti pemrosesan sinyal, pengolahan citra, pengolahan data,
statistika, dan lainnya. Toolbox ini memungkinkan pengguna untuk memperluas
kemampuan MATLAB sesuai kebutuhan mereka.

4. Visualisasi Data:

MATLAB memiliki kemampuan visualisasi data yang kuat. Pengguna

dapat membuat grafik 2D dan 3D, plot fungsi matematika, dan membuat
visualisasi data kompleks dengan mudah.

5. Aplikasi dalam Ilmu Teknik dan Ilmu Pengetahuan:

MATLAB banyak digunakan dalam berbagai bidang, termasuk ilmu

teknik, fisika, matematika terapan, keuangan, biomedis, dan lainnya. Ini
digunakan untuk pemodelan, simulasi, analisis data, dan tugas komputasi numerik
lainnya.

6. Simulink:

MATLAB dilengkapi dengan Simulink, sebuah lingkungan simulasi dan

pemodelan grafis. Simulink memungkinkan pengguna untuk membangun model
sistem dinamis menggunakan diagram blok, yang sangat berguna untuk simulasi
sistem kontrol, komunikasi, dan lainnya.

7. Kode Sumber Terbuka:

Sebagian besar fungsi dan toolbox MATLAB adalah kode sumber terbuka,
yang berarti pengguna dapat melihat dan memodifikasinya sesuai kebutuhan
mereka.

MATLAB sangat populer di kalangan insinyur, ilmuwan, dan profesional

teknis karena kemampuannya dalam menangani komputasi numerik dan analisis
data. Meskipun MATLAB dapat digunakan sebagai alat independen, seringkali
digunakan bersama dengan bahasa pemrograman lain atau perangkat lunak lain
untuk aplikasi yang lebih luas.

Lingkungan kerja MATLAB memiliki beberapa komponen utama yang

membantu pengguna dalam pengembangan dan eksekusi kode. Berikut adalah
elemen-elemen utama dalam lingkungan kerja MATLAB:

1. MATLAB Command Window:

Command Window adalah tempat di mana Anda dapat memasukkan

perintah MATLAB secara langsung dan melihat hasilnya. Ini adalah antarmuka
interaktif yang memungkinkan eksekusi perintah satu per satu.

2. Editor MATLAB:

MATLAB menyediakan editor kode terintegrasi yang memungkinkan

Anda membuat, mengedit, dan menyimpan skrip MATLAB atau fungsi. Anda
dapat menjalankan skrip atau fungsi langsung dari editor.

3. Workspace:

Workspace adalah tempat di mana MATLAB menyimpan semua variabel

dan nilai yang saat ini ada dalam sesi kerja Anda. Anda dapat melihat dan
mengelola variabel-variabel ini melalui Command Window atau MATLAB
Workspace Window.

4. Command History:

Command History menyimpan sejarah perintah yang telah dieksekusi

dalam sesi MATLAB saat ini. Ini memudahkan pengulangan atau modifikasi
perintah sebelumnya.

5. MATLAB Toolstrip:

Toolstrip menyediakan akses ke berbagai alat dan fungsi MATLAB,

termasuk pengaturan lingkungan kerja, pendekatan cepat ke fungsi umum, dan
tutorial interaktif.
6. Current Folder:

Current Folder menunjukkan direktori kerja saat ini. Anda dapat

mengelola file dan folder di sini, serta memilih direktori untuk menyimpan atau
membuka file.

7. Figure Window:

MATLAB menyediakan Figure Window untuk menampilkan plot dan

visualisasi data. Anda dapat mengonfigurasi dan memanipulasi grafik dengan
mudah melalui antarmuka ini.

8. Simulink:

Simulink adalah alat grafis MATLAB yang digunakan untuk pemodelan,

simulasi, dan analisis sistem dinamis. Ini memungkinkan pembuatan model sistem
secara visual dengan menggunakan blok-blok.

9. MATLAB Live Editor:

Live Editor menyediakan lingkungan interaktif untuk menulis dan

mengeksekusi kode MATLAB, serta menambahkan teks, gambar, dan formula
matematika dalam satu dokumen.

10. MATLAB Apps:

MATLAB menyediakan sejumlah aplikasi bawaan untuk tugas-tugas

khusus, seperti pemrosesan sinyal, analisis data, dan desain kontrol. Apps ini
dapat diakses melalui Command Window atau MATLAB Toolstrip.

11. Script Files (.m):

Skrip MATLAB adalah file teks yang berisi serangkaian perintah

MATLAB. Anda dapat membuat, menyimpan, dan menjalankan skrip untuk
menjalankan sejumlah tugas secara berurutan.
12. Function Files (.m):

Fungsi MATLAB adalah file teks yang berisi definisi fungsi. Fungsi ini
dapat digunakan secara berulang dalam kode Anda untuk membagi logika
menjadi bagian yang lebih terkelola.

Lingkungan kerja MATLAB dirancang untuk mendukung pengembangan

dan eksekusi kode dengan cepat, serta menyediakan antarmuka yang interaktif dan
visual untuk analisis data dan visualisasi.

** Check Point **

Python adalah bahasa pemrograman tingkat tinggi yang serbaguna, mudah

dipahami, dan memiliki sintaks yang bersih. Dikembangkan oleh Guido van
Rossum dan pertama kali dirilis pada tahun 1991, Python telah menjadi salah satu
bahasa pemrograman yang paling populer dan digunakan secara luas di berbagai
bidang.

Beberapa ciri khas Python meliputi:

1. Sintaks yang Mudah Dipahami:

Python memiliki sintaks yang bersih dan mudah dipahami, membuatnya

sangat cocok untuk pemula dan mempermudah pembacaan dan penulisan kode.

2. Interpretasi:

Python adalah bahasa pemrograman berbasis interpretasi, yang berarti

kode Python dapat dijalankan langsung tanpa memerlukan langkah-langkah
kompilasi terlebih dahulu. Hal ini membuat pengembangan dan pengujian lebih
fleksibel.

3. Tipe Data Dinamis:

 Python menggunakan pendekatan tipe data dinamis, yang berarti Anda
tidak perlu mendeklarasikan tipe variabel secara eksplisit. Python akan secara
otomatis menyesuaikan tipe data variabel sesuai dengan nilai yang diberikan.

4. Mendukung Pemrograman Berorientasi Objek (OOP):

Python mendukung paradigma pemrograman berorientasi objek, yang

memungkinkan pembuatan dan penggunaan kelas dan objek.

5. Ekosistem yang Kaya:

Python memiliki ekosistem yang sangat kaya dengan berbagai

perpustakaan dan framework, seperti NumPy untuk komputasi numerik, Pandas
untuk manipulasi data, Django untuk pengembangan web, TensorFlow dan
PyTorch untuk pembelajaran mesin, dan banyak lagi.

6. Komunitas yang Besar:

Python memiliki komunitas yang besar dan aktif, yang berarti Anda dapat
dengan mudah menemukan dukungan, dokumentasi, dan sumber daya online.

7. Platform Independen:

Python dapat dijalankan di berbagai platform, termasuk Windows, macOS,

dan Linux, sehingga memudahkan portabilitas kode.

8. Pengembangan Cepat:

Python memungkinkan pengembangan perangkat lunak yang cepat dan

efisien. Kode Python seringkali lebih singkat dibandingkan dengan bahasa
pemrograman lain untuk mencapai fungsi yang sama.

9. Dukungan untuk Integrasi:

Python dapat diintegrasikan dengan bahasa pemrograman lain, seperti C

dan C++, sehingga memungkinkan penggunaan kode yang telah ada dan
optimalisasi kinerja.

10. Dukungan Komprehensif untuk Pembelajaran Mesin dan Kecerdasan Buatan:

 Python telah menjadi bahasa pemrograman yang sangat populer untuk
pengembangan aplikasi pembelajaran mesin dan kecerdasan buatan, dengan
banyak perpustakaan dan framework yang tersedia.

Python digunakan dalam berbagai bidang, termasuk pengembangan

perangkat lunak, analisis data, kecerdasan buatan, pengembangan web,
pemrograman jaringan, dan masih banyak lagi. Keberagaman penggunaan dan
sifat serbaguna membuat Python menjadi pilihan yang populer di kalangan
pengembang dan organisasi.

Lingkungan kerja Python dapat bervariasi tergantung pada jenis proyek

yang Anda kerjakan dan preferensi pribadi Anda. Berikut adalah beberapa elemen
umum dalam lingkungan kerja Python:

1. Interpreter Python:

Python adalah bahasa pemrograman berbasis interpretasi, yang berarti

Anda dapat menjalankan skrip Python langsung tanpa mengompilasi. Anda bisa
mengakses interpreter Python dari terminal atau menggunakan IDE (Integrated
Development Environment) seperti IDLE, Jupyter Notebook, atau IPython.

2. Text Editor atau Integrated Development Environment (IDE):

Anda dapat menggunakan berbagai teks editor atau IDE untuk menulis dan
mengelola kode Python. Beberapa IDE populer untuk Python termasuk PyCharm,
Visual Studio Code, Atom, Sublime Text, dan banyak lagi. IDE menyediakan
fitur-fitur seperti highlighting sintaks, auto-completion, debugging, dan integrasi
dengan tools lain.

4. Package Manager:

PIP (Python Package Index) adalah manajer paket resmi untuk Python
yang memungkinkan Anda menginstal, mengelola, dan menghapus paket Python.
Anda dapat menginstal paket dengan menggunakan perintah `pip install
nama_paket`.
# python
pip install nama_paket

5. Debugger:

Python menyediakan debugger bawaan, dan banyak IDE juga memiliki

fitur debugging yang kuat untuk membantu Anda melacak bug dan memahami
eksekusi program.

6. Jupyter Notebooks:

Jupyter Notebooks memberikan lingkungan interaktif untuk

menggabungkan kode, teks naratif, dan visualisasi dalam satu dokumen. Mereka
sangat populer di bidang ilmu data dan pembelajaran mesin.

7. Cloud Services:

Beberapa proyek Python mungkin memanfaatkan layanan cloud seperti AWS,

Google Cloud, atau Microsoft Azure untuk penyimpanan data, pemrosesan, dan
penyediaan aplikasi.

Setiap pengembang Python dapat memilih kombinasi alat dan teknologi

yang paling sesuai dengan preferensi dan kebutuhan proyek mereka. Yang
terpenting adalah memahami cara menggunakan alat-alat ini untuk membangun,
mengelola, dan mengembangkan proyek Python secara efisien.

** Check Point **
2. Algoritma dan Pemrograman

Algoritma adalah serangkaian langkah-langkah terstruktur dan terorganisir

untuk menyelesaikan masalah atau mengeksekusi tugas tertentu. Algoritma dapat
dianggap sebagai resep atau panduan yang memandu cara melakukan suatu
pekerjaan atau mencapai suatu tujuan. Algoritma dapat ditulis untuk berbagai
konteks, termasuk matematika, ilmu komputer, dan proses bisnis.

Algoritma memiliki beberapa karakteristik penting:

- Langkah-langkah Terdefinisi: Setiap langkah dalam algoritma harus jelas dan

terdefinisi dengan baik.

- Input dan Output: Algoritma menerima input, memprosesnya, dan menghasilkan

output yang diharapkan.

- Terminasi: Algoritma harus berhenti setelah jumlah langkah tertentu atau ketika
tujuan tertentu telah dicapai.

- Efisien: Sebuah algoritma dianggap baik jika dapat menyelesaikan tugas dengan
cara yang efisien, meminimalkan penggunaan sumber daya seperti waktu dan
ruang.

Pemrograman adalah proses membuat program komputer dengan

menggunakan bahasa pemrograman tertentu. Program adalah kumpulan instruksi
yang ditulis untuk mengeksekusi suatu tugas atau menyelesaikan suatu masalah.
Pemrograman melibatkan penulisan kode komputer yang mengikuti sintaks dan
aturan bahasa pemrograman tertentu.

Pemrograman dapat dilakukan dalam berbagai bahasa pemrograman

seperti Python, Java, C++, dan lainnya. Menguasai pemrograman memungkinkan
seseorang untuk merancang dan membuat perangkat lunak yang dapat
menyelesaikan masalah atau tugas tertentu. Pemrograman juga membutuhkan
pemahaman yang baik tentang algoritma untuk mengembangkan solusi yang
efisien.

3. Hello World

# python
print("Hello, World!")

% matlab
disp('Hello, World!');

** Check Point **
Pembahasan 2: Tipe Data, Operator, dan Input

Standar Kompetensi :
Memahami variable, tipe data dan dasar operasi aritmatika dan logika
dalam bahasa pemrograman MatLab dan Python.
Sub Pokok Bahasan :
1. Variabel dan Tipe Data
2. Input dan Output Dasar
3. Operasi Dasar (Aritmatika dan Logika)

1. Tipe Data dan Variabel

Dalam pemrograman, variabel adalah suatu tempat penyimpanan yang diberi

nama untuk menyimpan nilai atau informasi. Variabel memungkinkan
programmer untuk memberi label atau menetapkan nama kepada suatu data
sehingga dapat diakses dan diubah dengan mudah.

Setiap variabel memiliki nama yang unik dalam suatu lingkup atau cakupan
tertentu, seperti fungsi atau blok kode. Saat Anda membuat variabel, Anda juga
mendefinisikan tipe data yang dapat disimpan di dalamnya.

Tipe data merujuk pada jenis nilai yang dapat disimpan dan dioperasikan oleh
sebuah program komputer. Tipe data memungkinkan sistem untuk memahami
cara mengelola dan menyimpan informasi. Beberapa tipe data umum meliputi:

1. Integer: Representasi bilangan bulat (contoh: 1, 42, -10).

2. Float (Floating Point): Representasi bilangan desimal atau pecahan (contoh:
3.14, -0.5).

3. String: Urutan karakter (contoh: "Hello, World!").

4. Boolean: Representasi nilai kebenaran, yaitu `True` atau `False`.

Dalam bahasa pemrograman tertentu, seperti Python dan MATLAB, tipe data juga
dapat mencakup struktur data kompleks seperti list, tuple, array, dict dan lainnya.

===================== BATAS PERTEMUAN

1==================

# Integer
angka_bulat = 42
print("Bilangan Bulat:", angka_bulat)

# Float
bilangan_desimal = 3.14
print("Bilangan Desimal:", bilangan_desimal)

# String
teks = "Hello, World!"
print("String:", teks)

# Boolean
benar = True
print("Boolean:", benar)

# List (Daftar)
daftar_angka = [1, 2, 3, 4]
print("List (Daftar):", daftar_angka)

# Tuple
tuple_angka = (5, 6, 7, 8)
print("Tuple:", tuple_angka)

# Set (Himpunan)
himpuan_angka = {1, 2, 3, 4}
print("Set (Himpunan):", himpuan_angka)

# Dictionary
data_siswa = {'Nama': 'John', 'Umur': 25, 'Nilai': 85}
print("Dictionary:", data_siswa)

# Matriks (List of Lists)

matriks = [
[1, 2, 3],
[4, 5, 6],
[7, 8, 9]
]
print("Matriks:")
for baris in matriks:
print(baris)

% Integer
angka_bulat = 42;
disp(['Bilangan Bulat: ', num2str(angka_bulat)])

% Float
bilangan_desimal = 3.14;
disp(['Bilangan Desimal: ', num2str(bilangan_desimal)])

% String
teks = 'Hello, World!';
disp(['String: ', teks])
% Boolean
benar = true;
disp(['Boolean: ', num2str(benar)])

% Array
array = [1 2 3]
disp([Array: ', num2str(array)])

% Matriks
matriks = [
1, 2, 3;
4, 5, 6;
7, 8, 9
];
disp('Matriks:')
disp(matriks)

% Cell Array
cell_array = {'Apple', 'Banana', 'Orange'};
disp(['Cell Array: ', cell2str(cell_array)])

** Check Point **

Anda dapat mencari tahu tipe data dengan menggunakan syntax:

# Contoh variabel
angka_bulat = 42
bilangan_desimal = 3.14
teks = "Hello, World!"
# Memeriksa tipe data
print(type(angka_bulat)) # <class 'int'>
print(type(bilangan_desimal)) # <class 'float'>
print(type(teks)) # <class 'str'>
% Contoh variabel
angka_bulat = 42;
bilangan_desimal = 3.14;
teks = 'Hello, World!';

% Memeriksa tipe data

disp(class(angka_bulat)) % double
disp(class(bilangan_desimal)) % double
disp(class(teks)) % char

** Check Point **

2. Input dan Output (I/O)

Input dan output (I/O) merujuk pada proses pertukaran informasi antara
program komputer dan lingkungannya. Ini melibatkan pengambilan masukan dari
pengguna (input) dan penyajian hasil atau komunikasi dengan pengguna (output).
Contoh operasi I/O termasuk:

1. Input:

Pengguna memasukkan data melalui keyboard, mouse, atau perangkat

lainnya. Misalnya, `input()` di Python atau `input` di MATLAB digunakan untuk
menerima masukan pengguna.

2. Output:

Program menampilkan hasil atau pesan ke layar atau perangkat keluaran

lainnya. Misalnya, `print()` di Python atau `disp` di MATLAB digunakan untuk
menampilkan keluaran.

Contoh sederhana I/O dalam Python dan Matlab:

# Input
user_input = input("Masukkan angka: ")
# Output
print("Anda memasukkan angka:", user_input)

% Input
user_input = input('Masukkan angka: ');
% Output
disp(['Anda memasukkan angka: ', num2str(user_input)]);

Dalam kedua contoh di atas, program meminta pengguna memasukkan

suatu nilai, dan kemudian program memberikan keluaran yang mencakup nilai
yang dimasukkan oleh pengguna.

** Check Point **

3. Operator dan Logika

Operator adalah simbol atau fungsi yang digunakan untuk melakukan operasi
pada satu atau lebih operand. Operasi dapat melibatkan aritmetika, perbandingan,
logika, dan lainnya, tergantung pada jenis operator yang digunakan. Contoh
operator umum termasuk:

1. Aritmetika

2. Perbandingan

3. Logika: `and`, `or`, `not`

Berikut penggunaan operator umum dalam python.

# aritmatika
result = x + y # Penjumlahan
result = x - y # Pengurangan
result = x * y # Perkalian
result = x / y # Pembagian
result = x % y # Modulo
result = x**y # Pangkat

# perbandingan
result = x == y # Sama dengan
result = x != y # Tidak sama dengan
result = x > y # Lebih besar dari
result = x < y # Lebih kecil dari
result = x >= y # Lebih besar atau sama dengan
result = x <= y # Lebih kecil atau sama dengan

# logika
result = (x > 0) and (y > 0) # Dan
result = (x > 0) or (y > 0) # Atau
result = not (x > 0) # Negasi

Berikut penggunaan operator umum dalam matlab.

% aritmatika
result = x + y; % Penjumlahan
result = x - y; % Pengurangan
result = x * y; % Perkalian
result = x / y; % Pembagian
result = x \ y; % Pembagian invers
result = x ^ y; % Pangkat

% perbandingan
result = x == y; % Sama dengan
result = x ~= y; % Tidak sama dengan
result = x > y; % Lebih besar dari
result = x < y; % Lebih kecil dari
result = x >= y; % Lebih besar atau sama dengan
result = x <= y; % Lebih kecil atau sama dengan
% logika
result = (x > 0) && (y > 0); % Dan
result = (x > 0) || (y > 0); % Atau
result = ~ (x > 0); % Negasi

** Check Point **
Pembahasan 3 : Pernyataan berkondisi (Kondisi dan Percabangan)

Standar Kompetensi
Memahami konsep dan penerapan pernyataan berkondisi dan pernyataan
berkondisi bersarang (nested condition) dengan penggunaan operator.
Sub pokok bahasan
1. Penggunaan if-else untuk keputusan.
2. Kondisi bersarang (nested conditions).

Secara singkat, kondisi dalam pemrograman merujuk pada evaluasi suatu

ekspresi atau pernyataan yang menghasilkan nilai kebenaran (True atau False).
Pada Python dan Matlab, kondisi umumnya diimplementasikan menggunakan
pernyataan if, elif (python), else if (matlab), dan else.

1. Penggunaan if-else untuk keputusan.

✓ Statement if dalam Python dan Matlab

Pernyataan if digunakan untuk mengeksekusi blok kode jika suatu kondisi

bernilai True.

# python
x = 10
if x > 5:
print("Nilai x lebih besar dari 5")

% matlab
x = 10;
if x > 5
disp('Nilai x lebih besar dari 5');
end

✓ Statement If-Else

Pernyataan else menangani blok kode jika kondisi if tidak terpenuhi.

# python
x = 3
if x > 5:
print("Nilai x lebih besar dari 5")
else:
print("Nilai x tidak lebih besar dari 5") print("Nilai x
tidak lebih besar dari 5")

% matlab
x = 3;
if x > 5
disp('Nilai x lebih besar dari 5');
else
disp('Nilai x tidak lebih besar dari 5');
end

✓ Statement If-Elif-Else

Pernyataan elif digunakan untuk mengecek kondisi tambahan.

# python
x = 5
if x > 5:
 print("Nilai x lebih besar dari 5")
elif x == 5:
print("Nilai x sama dengan 5")
else:
print("Nilai x kurang dari 5")

% matlab
x = 5;
if x > 5
disp('Nilai x lebih besar dari 5');
elseif x == 5
disp('Nilai x sama dengan 5');
else
disp('Nilai x kurang dari 5');
end

✓ Operasi And

Menggabungkan dua kondisi dengan operator and.

# python
x = 7
if x > 5 and x < 10:
print("Nilai x di antara 5 dan 10")
% python
x = 7;
if x > 5 && x < 10
disp('Nilai x di antara 5 dan 10');
end

✓ Operasi Or
Menggabungkan dua kondisi dengan operator or.

# python
x = 3
if x < 5 or x > 10:
print("Nilai x kurang dari 5 atau lebih besar dari 10")

% matlab
x = 3;
if x < 5 || x > 10
disp('Nilai x kurang dari 5 atau lebih besar dari 10');
end

✓ Operasi not

# Contoh operasi not di Python

x = True
result_not = not x # False
print(result_not)

% Contoh operasi not di MATLAB

x = true;
result_not = ~x; % false
disp(result_not)

** Check Point **

2. Kondisi bersarang (nested conditions).

✓ Kondisi Bersarang

x = 10
if x > 5:
if x < 15:
print("Nilai x di antara 5 dan 15")
# contoh kompleks
nilai = 75

if nilai >= 70:

if nilai == 100:
print(“Nilai sempurna!”)
else:
print(“Selamat, Anda lulus!”)
else:
print(“Maaf, Anda belum lulus.”)

% matlab
nilai = 75;
if nilai >= 70
if nilai == 100
disp(‘Nilai sempurna!’);
else
disp(‘Selamat, Anda lulus!’);
end
else
disp(‘Maaf, Anda belum lulus.’);
end

** Check Point **
Pembahasan 4 : Pernyataan Perulangan (for dan while)

Standar Kompetensi
Memahami konsep dan penerapan perulangan dengan menggunakan for dan
while.
Sub pokok bahasan
1. Penggunaan perulangan for dan while
2. Kombinasi perulangan dan kondisi

Secara singkat, perulangan (looping) adalah konsep dalam pemrograman

yang memungkinkan eksekusi berulang dari suatu blok kode atau pernyataan. Ini
membantu mengotomatiskan tugas yang sama atau serupa tanpa harus menulis
ulang kode secara berulang.

1. Penggunaan perulangan for dan while

✓ Penggunaan for dengan range

Menggunakan for untuk mengulangi blok kode sejumlah kali.

# python
for i in range(5):
print(i)

% matlab
for i = 1:5
disp(i);
end

✓ Iterasi Melalui List

Menggunakan for untuk mengiterasi melalui elemen-elemen dalam list.

# python
fruits = ["apel", "jeruk", "pisang"]
for fruit in fruits:
print(fruit)

% matlab
fruits = {'apel', 'jeruk', 'pisang'};
for i = 1:length(fruits)
disp(fruits{i});
end

✓ Perulangan dengan Kondisi

Menggunakan while untuk mengulangi blok kode selama suatu kondisi

terpenuhi.

# python
count = 0
while count < 5:
print(count)
count += 1
% matlab
count = 0;
while count < 5
disp(count);
 count = count + 1;
end

✓ Perulangan Bersarang dengan for

Menggunakan perulangan bersarang dengan dua variabel.

for i in range(3):
for j in range(2):
print(i, j)
# perulangan bersarang untuk matriks (matrix) di Python
# Inisialisasi matriks
matrix = [[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]
# Perulangan bersarang untuk mengakses dan menampilkan setiap
elemen matriks
for i in range(len(matrix)):
for j in range(len(matrix[0])):
print(matrix[i][j])

% matlab
for i = 1:3
for j = 1:2
disp([i, j]);
end
end
% perulangan bersarang untuk matriks (matrix) di Matlab
% Inisialisasi matriks
matrix = [1, 2, 3; 4, 5, 6; 7, 8, 9];
% Perulangan bersarang untuk mengakses dan menampilkan setiap
elemen matriks
for row = 1:size(matrix, 1)
for col = 1:size(matrix, 2)
disp(matrix(row, col));
end
end

** Check Point **

2. Penggabungan perulangan dan kondisi dalam Python dan MATLAB

# Inisialisasi list
numbers = [1, 2, 3, 4, 5]
# Perulangan dan kondisi untuk menampilkan angka ganjil
for number in numbers:
if number % 2 != 0:
print(f"{number} adalah angka ganjil")
else:
print(f"{number} adalah angka genap")

% Inisialisasi vektor
numbers = [1, 2, 3, 4, 5];
% Perulangan dan kondisi untuk menampilkan angka ganjil
for i = 1:length(numbers)
if mod(numbers(i), 2) ~= 0
disp([num2str(numbers(i)), ' adalah angka ganjil']);
else
disp([num2str(numbers(i)), ' adalah angka genap']);
end
end

** Check Point **
Pembahasan 5 : Fungsi

Standar Kompetensi
Memahami konsep dan penerapan fungsi pada Python dan Matlab
Sub pokok bahasan
1. Algoritma dan pemrograman 2 + Pseudocode
2. Struktur fungsi
3. Pembuatan dan pemanggilan fungsi

Dalam bahasa pemrograman, "fungsi" adalah blok kode yang dirancang

untuk melakukan tugas tertentu atau menghasilkan keluaran tertentu berdasarkan
input yang diberikan. Fungsi digunakan untuk mengorganisir dan
mendekomposisi program menjadi bagian-bagian yang lebih kecil, mudah
dikelola, dan dapat digunakan kembali.

Fungsi memiliki beberapa karakteristik utama, termasuk:

1. Input (Parameter): Fungsi dapat menerima input atau parameter yang digunakan
untuk melakukan operasi di dalamnya.

2. Output (Return Value): Fungsi dapat menghasilkan output atau nilai kembalian
setelah menyelesaikan operasinya.

3. Pemanggilan (Function Call): Fungsi dipanggil dari bagian lain dalam program
untuk menjalankan kode di dalamnya.
4. Deklarasi (Function Declaration): Fungsi perlu dideklarasikan sebelum
digunakan, yang mencakup jenis input yang diterima, jenis output yang
dihasilkan, dan nama fungsi.

1. Algoritma dan Pemrograman 2

Seperti yang sudah dibahas pada pertemuan 1, . Algoritma dapat dianggap

sebagai resep atau panduan yang memandu cara melakukan suatu pekerjaan atau
mencapai suatu tujuan. Sedangkan pemrograman adalah kumpulan instruksi yang
ditulis untuk mengeksekusi suatu tugas atau menyelesaikan suatu masalah.
Gambaran sederhananya, algoritma adalah suatu langkah langkah dari sebuah
proses, dan pemrograman adalah Bahasa yang digunakan untuk melakukan
langkah langkah tersebut. algoritma dalam perhitungan luas persegi panjang.

Berikut adalah langkah-langkah atau algoritma untuk menghitung luas persegi

panjang:

1. Input:
o Masukkan panjang (P) dari persegi panjang.
o Masukkan lebar (L) dari persegi panjang.
2. Hitung Luas:
o Hitung luas persegi panjang dengan menggunakan rumus luas =
panjang x lebar.
3. Output:
o Tampilkan hasil perhitungan luas.

Berikut adalah representasi algoritma dalam pseudocode:

Input:
Masukkan panjang (P) persegi panjang
Masukkan lebar (L) persegi panjang
Proses:
luas = P x L
Output:
Tampilkan luas

2. Struktur Fungsi

Sebuah fungsi memiliki sebuah struktur yang disebut sebagai staruktur

fungsi, secara umum fungsi memiliki nama fungsi, parameter, dan output. Setiap
Bahasa pemrograman memiliki penulisan fungsi yang berbeda namun strukturnya
tetap sama.

Struktur fungsi dalam python untuk mencari luas persegi panjang

def hitung_luas_persegi_panjang(panjang, lebar):

"""
Nama : hitung_luas_persegi_panjang.
Parameters:
- panjang (float): Panjang persegi panjang.
- lebar (float): Lebar persegi panjang.
Returns:
- float: Luas persegi panjang.
"""
luas = panjang * lebar
return luas
# Contoh penggunaan fungsi
luas_persegi_panjang =
hitung_luas_persegi_panjang(panjang_input, lebar_input)
print("Luas persegi panjang:", luas_persegi_panjang)

Struktur fungsi dalam matlab untuk mencari luas persegi Panjang.

function luas = hitungLuasPersegiPanjang(panjang, lebar)

% nama : hitungLuasPersegiPanjang.
% Input:
% - panjang (double): Panjang persegi panjang.
 % - lebar (double): Lebar persegi panjang.
% Output:
% - luas (double): Luas persegi panjang.
luas = panjang * lebar;
end
% Contoh penggunaan fungsi
luas_persegi_panjang = hitungLuasPersegiPanjang(panjang_input,
lebar_input);
fprintf('Luas persegi panjang: %f\n', luas_persegi_panjang);

** Check Point **
Pertemuan 6. Struktur data dasar dalam sains (Geofisika)

Standar Kompetensi
Memahami struktur data dalam sains berupa data 1D dan 2D.
Sub pokok bahasan
1. List dan Array
2. Matriks
2. Pengindeksan dan pemotongan (slicing).

Dalam Ilmu Geofisika, pemahaman mengenai konsep data (struktur data)

merupakan hal yang sangat penting. Geofisika adalah cabang ilmu yang
menggunakan prinsip-prinsip fisika untuk memahami perilaku bumi dan
lingkungannya. Penerapan konsep array dan matriks dapat memberikan kerangka
kerja yang kuat untuk menganalisis dan memodelkan data geofisika.

1. List dan Array

List merupakan kumpulan data yang dapat berisi elemen-elemen dengan

tipe data yang berbeda. Misalnya, list dapat berisi kombinasi integer, float, string,
dan tipe data lainnya.

Array adalah Kumpulan data yang Lebih homogen, artinya semua elemen
dalam array harus memiliki tipe data yang sama. NumPy array, salah satu tipe
array yang umum digunakan, biasanya memiliki tipe data yang seragam.

# list
my_list = [1, 2, 3, 4, 5]
# array
import numpy as np
my_array = np.array([1, 2, 3, 4, 5])

% List di MATLAB disebut sebagai cell array

my_cell_array = {'Mobil', 'Motor', 'Sepeda', 42, [1, 2, 3]};
% Array numerik di MATLAB
my_numeric_array = [1, 2, 3, 4, 5];
2. Matriks

Matriks adalah suatu struktur data matematika yang terdiri dari baris dan
kolom elemen-elemen. Secara umum, matriks memiliki bentuk mm×nn, di mana
mm adalah jumlah baris dan nn adalah jumlah kolom. Matriks sangat umum
digunakan dalam berbagai aplikasi, termasuk dalam pemodelan matematika,
statistik, pengolahan sinyal, dan berbagai bidang ilmu lainnya.

# impor modul
import numpy as np

# Membuat matriks 3x3

matriks_Python = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

% Membuat matriks 3x3

matriks_MATLAB = [1, 2, 3; 4, 5, 6; 7, 8, 9];

3. Pengindeksan dan pemotongan (Slicing)

Pengindeksan merujuk pada proses mengakses elemen tertentu dari array

atau matriks dengan menyebutkan posisi atau indeksnya. Indeks dimulai dari 1
atau 0 tergantung pada konvensi indeks yang digunakan oleh bahasa
pemrograman tersebut.

# Pengindeksan pada array

import numpy as np # import module bantu dan inisialisasi
# aliasnya
my_numpy_array = np.array([1, 2, 3, 4, 5])
elemen_ke_3 = my_numpy_array [2] # Mengakses elemen ketiga
print("Elemen ke-3:", elemen_ke_3)

# Membuat array 2D (matriks) 3x3

my_matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# Mengakses elemen tertentu
elemen_ke_2_3 = my_matrix[1, 2] # Mengakses elemen baris ke-2,
kolom ke-3
print(f"Elemen baris 2, kolom 3: {elemen_ke_2_3}")

% Membuat array 1x6

my_array = [10, 20, 30, 40, 50, 60];
% Mengakses elemen tertentu
elemen_ke_3 = my_array(3); % Mengakses elemen ke-3
disp(['Elemen ke-3: ', num2str(elemen_ke_3)]);

% Pengindeksan pada matriks

my_matrix = [1, 2, 3; 4, 5, 6; 7, 8, 9];
elemen_ke_2_3 = my_matrix(2, 3); % Mengakses elemen baris ke-
2, kolom ke-3
disp(['Elemen baris 2, kolom 3:', num2str(elemen_ke_2_3)]);

Pemotongan (slicing) merujuk pada proses mengambil sejumlah elemen

dari suatu array atau matriks. Dalam konteks matriks, ini biasanya dilakukan
dengan menentukan rentang baris dan kolom yang diinginkan.

# Pemotongan pada array

my_numpy_array = np.array([1, 2, 3, 4, 5])
potongan = my_numpy_array[1:4] # Mengambil elemen dari indeks
1 hingga 3
print("Pemotongan:", potongan)
# Pemotongan pada matriks

my_matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# Pemotongan untuk mengambil sejumlah elemen
subset_matrix = my_matrix[0:2, 1:3]
print("Matriks Asli:")
print(my_matrix)
print("\nPemotongan Matriks:")
print(subset_matrix)

% Membuat array 1D
my_array = [1, 2, 3, 4, 5, 6, 7, 8, 9];
% Pemotongan untuk mengambil sejumlah elemen
subset_array = my_array(2:5);
% Menampilkan hasil
disp(my_array);
disp(subset_array);

% Pemotongan pada matriks

my_matrix = [1, 2, 3; 4, 5, 6; 7, 8, 9];
pemotongan = my_matrix(1:2, 2:3); % Mengambil potongan dari
baris 1 hingga 2 dan kolom 2 hingga 3disp(pemotongan);

** Check Point **
Pembahasan 7: Dokumentasi dan Pemahaman Kode

Standar Kompetensi :
Membaca dan memahami dokumentasi serta mengutamakan kebiasaan
penulisan kode yang baik dalam MATLAB dan Python.

Sub Pokok Bahasan :

1. Membaca dan Memahami Dokumentasi
2. Penekanan pada Kebiasaan Penulisan Kode yang Baik

** Check Point **
Pembahasan 8: Pemecahan Masalah dan Proyek Kecil (MatLab dan Python)

Standar Kompetensi :
Mampu menerapkan keterampilan yang telah dipelajari dalam konteks proyek
kecil.

Sub Pokok Bahasan :

1. Studi kasus : pengolahan data sederhana (matriks dan array).

1. Pengolahan data bertipe array 1D

Soal Cerita :
Keajaiban Bola-Bola Magis

Seorang penyihir memberikan 10 bola dengan diameter 4 sampai 40 dengan

kelipatan 4 (cm) kepada sekelompok anak-anak. Nama anak anak tersebut adalah
"Olivia", "Jack", "Emma", "Ethan", "Sophia", "Mason", "Ava",
"Liam", "Isabella", "Noah". Setiap bola memiliki kekuatan magis unik dan
besar dan kekuatannya ditentukan oleh volume bola. Bagaimana anak-anak
tersebut dapat menentukan siapa pemilik kekuatan magis paling besar?
2. Pengolahan data bertipe array 2D
Soal Cerita :
Detektif As-Shuhada : Pencarian Impostor dalam Matrix Misterius

Di suatu dunia futuristik, sebuah pusat pengendali utama yang mengatur

kestabilan sistem kritis di seluruh planet menggunakan teknologi mutakhir
berbentuk matriks 1000x1500. Namun, suatu hari, sistem ini mengalami gangguan
serius. Seorang impostor misterius berhasil menyusup ke dalam matriks dan
mengancam keamanan seluruh sistem.

Seorang agen keamanan pilihan, tercatat sebagai as-Syuhada, ditugaskan untuk

menemukan dan menghentikan impostor tersebut sebelum terlambat. Dia
diberikan akses ke matriks 1000x1500 yang menjadi habitat bagi impostor
tersebut. Matriks ini terdiri dari elemen-elemen nol, kecuali satu elemen yang
berisi nilai random yang menunjukkan keberadaan impostor.

agen memulai pencariannya dengan menggunakan algoritma pencarian yang

canggih. Di dalam matriks yang luas dan kompleks ini, dia harus berhati-hati agar
tidak mengganggu fungsi normal dari elemen-elemen nol lainnya. Setiap kali Zara
memeriksa suatu elemen, elemen tersebut berubah menjadi dua, menunjukkan
pemindaian yang telah dilakukan.

Waktu terus berjalan, dan agen menyadari bahwa dia harus menemukan impostor
tersebut sebelum sistem sebelum mengalami kegagalan total.

Dengan kecerdasan dan kehati-hatian, Zara berhasil mengidentifikasi elemen yang

berbeda dan menemukan keberadaan impostor dalam matriks. Dia segera
memberikan laporan kepada pusat pengendali, dan impostor pun dihapus dari
sistem, mengembalikan keamanan dan stabilitas ke seluruh dunia.