PERAN ALGORITMA DALAM MANAJEMEN BIG

DATA DAN MASALAH KOMPLEKSITAS

PENGATURAN SERTA PERHITUNGAN BIG DATA

KELOMPOK IV
BAHAN KAJIAN

1. Algoritma secara umum

2. Algoritma yang berhubungan dengan data secara khusus

3. Teori kompleksitas dan contohnya di dunia nyata

4. Optimasi / trade-off antara kompleksitas dan kecepatan pemrosesan data

5. Exponential growth

6. Strategi atau Cara untuk mereduksi kompleksitas data

 1. Algoritma secara umum
A. Definisi
 Algoritma adalah sistim kerja komputer memiliki brainware, hardware, dan
software. Software terbangun atas susunan program) dan syntax (cara
penulisan/pembuatan program). Algoritma berperan penting dalam penyusunan
program atau syntax .
 Algoritma adalah susunan yang logis dan sistematis untuk memecahkan suatu
masalah atau untuk mencapai tujuan tertentu. Dalam dunia komputer, algoritma
sangat berperan penting dalam pembangunan suatu software. Dalam dunia sehari-
hari, mungkin tanpa kita sadari algoritma telah masuk dalam kehidupan kita.
 Algoritma berbeda dengan logaritma. Logaritma merupakan operasi matematika
yang merupakan kebalikan dari eksponen atau pemangkatan. Contoh logaritma
seperti bc= a ditulis sebagai blog a = c (b disebut basis).
b. Struktur logaritma

1. Sekuensial (runtunan)
Pada struktur sekuensial ini langkah-
langkah yang dilakukan dalam
algoritma diproses secara berurutan.
Dimulai dari langkah pertama,
kedua, dan seterusnya. 2. Struktur seleksi
Struktur seleksi menyatakan pemilihan langkah
yang didasarkan oleh suatu kondisi atau
pengambilan suatu keputusan. Struktur ini
ditandai selalu dengan bentuk flowcart decision
(flowcart yang berbentuk belah ketupat).

3. Struktur perulangan
Struktur ini memberikan suatu perintah atau
tindakkan yang dilakukan beberapa kali.
 2. ALGORITMA YANG BERHUBUNGAN DENGAN
SECARA KHUSUS

 Algoritma adalah sederetan langkah-langkah logis yang

disusun secara sistematis untuk memecahkan suatu
masalah. Disebut Logis karena setiap langkah bisa
diketahui dengan pasti. Algoritma lebih merupakan alur
pemikiran untuk menyelesaikan suatu pekerjaan atau
suatu masalah.
 Struktur data adalah cara penyimpanan , pengorganisasian
, dan pengaturan data di dalam media penyimpanan
komputer sehingga data tersebut dapat digunakan secara
efisien.
Jenis- jenis tipe data
 Tipe data primitive
(sederhana)
Tipe data primitive adalah
tipe data yang hanya
mampu menyimpan satu
nilai pada setiap satu
variabel. tipe data ini ini
merupakan tipe data dasar
yang sering digunakan
program.
 Tipe data composite
Tipe data ini lawan dari
tipe date primitive, tipe
data composite dapat
menampung banyak nilai.
Antara lain :
Array, Record atau Struct ,
Image, Date Time , Object,
Subrange, Enumerasi,
 3. TEORI KOMPLEKSITAS

 Kompleksitas merupakan kajian atau studi terhadap sistem kompleks . kata

“kompleksitas” berasal dari bahasa latin  complexice yang artinya ‘totalitas’
atau ‘keseluruhan’, sebuah ilmu yang mengkaji totalitas sistem dinamik
secara keseluruhan (Dimitrov, 2003).
 Secara sederhana, dapat dikatakan bahwa sebuah sistem dikatakan
kompleks jika sistem itu terdiri dari banyak komponen atau sub-unit yang
saling berinteraksi dan mempunyai perilaku yang menarik, namun, secara
bersamaan tidak kelihatan terlaulu jelas jika dilihat sebagai hasil dari
interaksi antar sub-unit yang diketahui (Parwani, 2002).
Contoh penerapannya dalam kehidupan nyata:

Misalnya, untuk menekan risiko operasi suatu mesin,

pemilik industri mungkin ingin melakukan pemeliharaan
seminggu sekali, yang sebenarnya mungkin tidak
diperlukan, dan akan memakan biaya.
Solusinya adalah memanfaatkan data operasi dan perilaku
mesin tersebut, data pendapatan yang sudah didapatkan,
serta anggaran untuk pemeliharaan dan pengoperasian.
Ketiga sumber data ini bisa digunakan untuk mendapatkan
profil risiko yang dapat ditoleransi oleh bisnis, dengan biaya
minimum.
Ada dua macam kompleksitas algoritma, yaitu :
 Kompleksitas waktu, T(n), diukur dari jumlah tahapan komputasi yang
dibutuhkan untuk menjalankan algoritma sebagai fungsi dari ukuran
masukan n.
 Kompleksitas ruang, S(n), diukur dari memori yang digunakan oleh
struktur data yang terdapat di dalam algoritma sebagai fungsi dari ukuran
masukan n.

Dengan menggunakan besaran kompleksitas waktu/ruang algoritma, kita

dapat menentukan laju peningkatan waktu (ruang) yang diperlukan algoritma
dengan meningkatnya ukuran masukan n.
 4. OPTIMASI ATAU TRADE-OFF ANTARA KOMPLEKSITAS
DAN KECEPATAN PEMROSESAN DATA
 Karena kompleksitas dari sistem Big Data, dibutuhkan
kemampuan teknis beragam untuk dapat
mengimplementasikannya.
 Berdasarkan proses kerja Big Data pada umumnya yaitu
Collect, Store, Transform, dan Analysis

1). Data Collection Data yang akan diproses dalam sistem

Big Data biasanya diambil dari website atau API
(Application program interface), pada umumnya dengan
menggunakan teknik crawling.
2). Data Warehouse Data yang telah diambil dari berbagai macam sumber
akan disimpan dalam server yang sudah disiapkan untuk sistem Big Data.
Sesuai dengan namanya, Big Data membutuhkan kapasitas penyimapanan
data yang sangat besar, karena masuknya data yang sangat besar dan beragam
ke dalam server setiap harinya
3) Data Transformation Salah satu sifat dari Big Data selain ukuran data yang
sangat besar, juga jenis data yang sangat beragam. Agar data-data tersebut
dapat dianalisis dengan baik, maka terkadang data-data tersebut perlu diubah
ke dalam format lain sehingga memungkinkan untuk dianalisis.
4) Data Analysis Tahapan terakhir yaitu menganalisis data yang sudah diambil
dan dikumpulkan sebelumnya, mengolah data tersebut menjadi informasi,
hingga menjadi hasil statistik jika diperlukan.
 5. EXPONENTIAL GROWTH
 Exponential growth adalah sebuah model pertumbuhan kuantitas, yaitu saat
tingkat pertumbuhan sebanding (proporsional) dengan besar kuantitas itu
sendiri. Dengan kata lain, jika kuantitas tersebut dianalisis dalam setiap
interval waktu (misalnya, hari atau jam), kuantitas pada saat tertentu
merupakan hasil kali dari kuantitas sebelumnya
 Exponential growth memberikan laju pertumbuhan relatif dari populasi yang
bergantung pada populasi saat ini sementara laju pertumbuhan linier tidak
bergantung pada laju pertumbuhan saat ini, dan karenanya, menghitung laju
pertumbuhan eksponensial lebih disukai. Tingkat pertumbuhan eksponensial
membantu dalam memprediksi prospek masa depan.
 Contoh Pertumbuhan seperti ini dapat ditemui dalam berbagai aktivitas atau
fenomena, misalnya naiknya harga akibat inflasi, bertambahnya utang akibat
bunga, perkembangbiakan mikroorganisme dalam kultur biologi,
penyebaran virus, dan penyebaran fenomena internet
seperti meme dan video viral.
 6. STRATEGI ATAU CARA UNTUK MEREDUKSI
KOMPLEKSITAS DATA

 Kompleksitas dari suatu algoritma merupakan ukuran

seberapa banyak komputasi yang diterapkan pada
algoritma tersebut untuk menyelesaikan permasalahannya.
 Reduksi adalah algoritma untuk mengubah
satu masalah menjadi masalah lain. Pengurangan yang
cukup efisien dari satu masalah ke masalah lainnya dapat
digunakan untuk menunjukkan bahwa masalah kedua
setidaknya sama sulitnya dengan masalah pertama.
 Secara intuitif, masalah A dapat direduksi menjadi masalah B jika
algoritma untuk menyelesaikan masalah B secara efisien (jika ada)
juga dapat digunakan sebagai subrutin untuk menyelesaikan masalah
A secara efisien.
 Jika ini benar, menyelesaikan A tidak bisa lebih sulit daripada
menyelesaikan B. "Lebih sulit" berarti memiliki perkiraan yang lebih
tinggi dari sumber daya komputasi yang diperlukan dalam konteks
tertentu (misalnya, kompleksitas waktu yang lebih tinggi ,
persyaratan memori yang lebih besar, kebutuhan mahal untuk inti
prosesor perangkat keras tambahan untuk solusi paralel dibandingkan
dengan solusi utas tunggal, dll.).
 Adanya reduksi dari A ke B dapat dituliskan dalam notasi singkatan A
≤ m B, biasanya dengan subskrip pada ≤ untuk menunjukkan jenis
reduksi yang digunakan.
DISKUSI
Pertanyaan 1 ( Nelci )
Ada dua macam kompleksitas algoritma,waktu dan
ruang. Untuk pengukuran struktur nya apakah sama atau
tidak
Jawab :
Untuk kompleksitas waktu, pengukuran struktur nya di
ukur dari jumlah nya
Untuk kompleksitas ruang, pengukuran struktur nya di
ukur dari memori nya
Pertanyaan 2 ( Kelompok 1 )
Secara intuitif, masalah A dapat direduksi menjadi masalah
B.
Tolong berikan contoh nya seperti apa/
Jawab :
Reduksi adalah algoritma untuk mengubah
satu masalah menjadi masalah lain. Misal nya masalah A ke
masalah B.sehingga masalah A dapat terpecahkan oleh
masalah B, contohnya dalam aplikasi BPJS jika menginput
data BPJS menggunakan no BPJS tidak dapat di temukan
bias dengan solusi mnggunakan no NIK KTP.
TERIMAKASIH