SlideShare a Scribd company logo
1 of 25
Oleh Amidatus Sholihat
Sistem Komputer:
 Perangkat Keras (Hardware)
 Perangkat Lunak (Software)
 Pengguna (Brainware)
Paradigma Rekayasa Perangkat Lunak:
 Daur Hidup Klasik (The classic life cycle)
 Prototipe (Prototype)
 Model Spiral (The Spiral Model)
Algoritma dan Struktur Data
Metode dalam menghasilkan suatu perangkat lunak
atau dikenal dengan nama RPL
 Daur Hidup Klasik (The Classic Life Cycle / Waterfall)
 Prototipe (Prototyping)
 Model Spiral (The Spiral Model)
a. Pengumpulan Kebutuhan
b. Analisa Kebutuhan
c. Desain
d. Pemrograman
e. Pengujian
f. Pemeliharaan
a. Pengumpulan Kebutuhan
b. Desain Cepat
c. Bangun prototipe
d. Evaluasi prototipe
e. Perbaikan prototipe, jika prototipe belum selesai
ulangi langkah b
f. Produk Perangkat Lunak
a. Perencanaan oleh pengembang
b. Analisa Resiko oleh pengembang dan pemesan
c. Rekayasa Perangkat Lunak
d. Evaluasi oleh pemesan, bila Rekayasa belum selesai
ulangi langkah a.
PROGRAM
ALGO
RITMA
STRUKTUR
DATA
deskripsi langkah-langkah penyelesaian
masalah yang tersusun secara logis
1. Ditulis dengan notasi khusus
2. Notasi mudah dimengerti
3. Notasi dapat diterjemahkan menjadi sintaks
suatu bahasa pemrograman
• Mencari nilai maksimum
• Mengurutkan data
• Mencetak bilangan ganjil dari 1 – 19
• Menyimpan data mahasiswa baru
• Mencetak data absensi
• Mengirim email berdasarkan jadual
• …….
1. Buka Data Absensi
2. Tentukan Mata Kuliah
3. Tentukan Kelas
4. Tentukan Format Absensi (4 / 14 kolom)
5. Tentukan banyak pencetakan
6. Ambil data mhs ke-1, lalu cetak
7. Ulangi langkah ke-6 sampai data habis
Is :Data Absensi terdiri dari 1 program studi
model logika/matematik yang secara
khusus mengorganisasi data
 Tipe data adalah jenis data yang mampu ditangani
oleh suatu bahasa pemrograman pada komputer.
 Tiap-tiap bahasa pemrograman memiliki tipe data
yang memungkinkan:
 Deklarasi terhadap variabel tipe data tersebut
 Menyediakan kumpulan operasi yang mungkin terhadap
variabel bertipe data tersebut
 Jenis obyek data yang mungkin
 Obyek Data adalah kumpulan elemen yang mungkin
untuk suatu tipe data tertentu.
 Mis: integer mengacu pada obyek data -32768 s/d 32767,
byte 0 s/d 255, string adalah kumpulan karakter maks 255
huruf
 Struktur Data adalah cara penyimpanan dan
pengorganisasian data-data pada memori komputer
maupun file secara efektif sehingga dapat
digunakan secara efisien, termasuk operasi-operasi
di dalamnya.
 Di dalam struktur data kita berhubungan dengan 2
aktivitas:
 Mendeskripsikan kumpulan obyek data yang sah sesuai
dengan tipe data yang ada
 Menunjukkan mekanisme kerja operasi-operasinya
 Contoh: integer (-32768 s/d 32767) dan jenis operasi yang
diperbolehkan adalah +, -, *, /, mod, ceil, floor, <, >, != dsb.
 Struktur data = obyek data + [operasi manipulasi
data]
 Dengan pemilihan struktur data yang baik, maka
problem yang kompleks dapat diselesaikan sehingga
algoritma dapat digunakan secara efisien, operasi-
operasi penting dapat dieksekusi dengan sumber
daya yang lebih kecil, memori lebih kecil, dan
waktu eksekusi yang lebih cepat.
 Tidak semua struktur data baik dan sesuai. Contoh
untuk problem data bank: pengupdate-an harus
cepat, sedangkan penambahan/penghapusan data
boleh lebih lambat.
• Struktur Data Statis – array/larik , rekord,
himpunan.
• Struktur Data Dinamis - list/senarai, queue
/antrian /giliran, tumpukan /stack /timbunan,
pohon, graf.
1 7 18 03 69 24 08 70
1 2 3 4 5 6 7 8
Array Asatu dimensi :
8 indeks (1 s/d 8) dan data 1, 7, 18 dst.
18 03 69
24 08 70
1
Array B dua dimensi (matriks) :
- jumlah baris 2, kolom 3
- data 18, 03, 69, 24, 08, 70.
2
1 2 3
List Berkait / Senarai
A
B C D
E F
Pohon dengan akar A
4
6
3
2
1
7
5
X
T S
Y
Graf dengan simpul X,
Y, T dan S
• Traversal (Traversing) : mengunjungi setiap elemen SD
• Pencarian (Searching) : menemukan elemen/lokasi pada SD
• Penyisipan (Inserting) : menambah elemen baru pada SD
• Penghapusan (Deleting) : menghapus elemen dari SD
Tempat
Penyimpanan Data
Operasi
terhadap data
 Mengenal bentuk organisasi penyimpanan data
dan pengoperasiannya.
 Menentukan kualitas informasi : akurat, tepat
pada waktunya dan relevan. Informasi dapat
dikatakan bernilai bila manfaatnya lebih efektif
dibandingkan dengan biaya mendapatkannya.
 Mengurangi duplikasi data (data redudancy)
 Hubungan data dapat ditingkatkan (data
relatability)
 Mengurangi pemborosan tempat simpanan luar
Queue concept and handling
Partition 4
Partition 3
Partition 2
Partition 1
Operating
System
0
100K
200K
400K
700K
Multiple
Input queues
Partition 4
Partition 3
Partition 2
Partition 1
Operating
System
0
100K
200K
400K
700K
a) Different input queue b) Single input queue
Queue concept and handling
Partition 3
Partition 2
Partition 1
Operating
System
0
100K
200K
400K
700K
Multiple
Input queues
Partition 4
Partition 3
Partition 2
Partition 1
Operating
System
0
100K
200K
400K
700K
a) Different input queue b) Single input queue
Partition 4

More Related Content

What's hot

Informatika Bab 6 Rifda Syifa Aquila 7D 28
Informatika Bab 6 Rifda Syifa Aquila 7D 28Informatika Bab 6 Rifda Syifa Aquila 7D 28
Informatika Bab 6 Rifda Syifa Aquila 7D 28SyifaAquila
 
Proses Data Mining
Proses Data MiningProses Data Mining
Proses Data Miningdedidarwis
 
Data mining week 1 - pengantar data mining
Data mining   week 1 - pengantar data miningData mining   week 1 - pengantar data mining
Data mining week 1 - pengantar data miningLye Lazar
 
Basdat minggu 01. pengenalan basis data
Basdat minggu 01. pengenalan basis dataBasdat minggu 01. pengenalan basis data
Basdat minggu 01. pengenalan basis dataSaddam Sevenfoldism
 
Basdat minggu 02. Basis Data dalam Sistem Informasi Dan Arsitektur Basis Data
Basdat minggu 02. Basis Data dalam Sistem Informasi Dan Arsitektur Basis DataBasdat minggu 02. Basis Data dalam Sistem Informasi Dan Arsitektur Basis Data
Basdat minggu 02. Basis Data dalam Sistem Informasi Dan Arsitektur Basis DataSaddam Sevenfoldism
 
ANALYTICS DATA AYSKA.pdf
ANALYTICS DATA AYSKA.pdfANALYTICS DATA AYSKA.pdf
ANALYTICS DATA AYSKA.pdfayskaqonita
 
Basdat minggu 03 database management system (dbms)
Basdat minggu 03   database management system (dbms)Basdat minggu 03   database management system (dbms)
Basdat minggu 03 database management system (dbms)Saddam Sevenfoldism
 
Data warehouse dan data mining dianvs.blogspot.com
Data warehouse dan data mining dianvs.blogspot.comData warehouse dan data mining dianvs.blogspot.com
Data warehouse dan data mining dianvs.blogspot.comsuleman ganteng
 
Pengantar basis data
Pengantar basis dataPengantar basis data
Pengantar basis dataSinath Sabado
 
Kuliah1 Struktur Data V1.0
Kuliah1 Struktur Data V1.0Kuliah1 Struktur Data V1.0
Kuliah1 Struktur Data V1.0Zidny Nafan
 
Pertemuan 10 (bab x basis data)
Pertemuan 10 (bab x basis data)Pertemuan 10 (bab x basis data)
Pertemuan 10 (bab x basis data)Soim Ahmad
 

What's hot (15)

Informatika Bab 6 Rifda Syifa Aquila 7D 28
Informatika Bab 6 Rifda Syifa Aquila 7D 28Informatika Bab 6 Rifda Syifa Aquila 7D 28
Informatika Bab 6 Rifda Syifa Aquila 7D 28
 
26813 9 arsitektur data mining
26813 9 arsitektur data mining26813 9 arsitektur data mining
26813 9 arsitektur data mining
 
Proses Data Mining
Proses Data MiningProses Data Mining
Proses Data Mining
 
Data mining week 1 - pengantar data mining
Data mining   week 1 - pengantar data miningData mining   week 1 - pengantar data mining
Data mining week 1 - pengantar data mining
 
Basdat minggu 01. pengenalan basis data
Basdat minggu 01. pengenalan basis dataBasdat minggu 01. pengenalan basis data
Basdat minggu 01. pengenalan basis data
 
Basdat minggu 02. Basis Data dalam Sistem Informasi Dan Arsitektur Basis Data
Basdat minggu 02. Basis Data dalam Sistem Informasi Dan Arsitektur Basis DataBasdat minggu 02. Basis Data dalam Sistem Informasi Dan Arsitektur Basis Data
Basdat minggu 02. Basis Data dalam Sistem Informasi Dan Arsitektur Basis Data
 
ANALYTICS DATA AYSKA.pdf
ANALYTICS DATA AYSKA.pdfANALYTICS DATA AYSKA.pdf
ANALYTICS DATA AYSKA.pdf
 
Basdat minggu 03 database management system (dbms)
Basdat minggu 03   database management system (dbms)Basdat minggu 03   database management system (dbms)
Basdat minggu 03 database management system (dbms)
 
Data warehouse dan data mining dianvs.blogspot.com
Data warehouse dan data mining dianvs.blogspot.comData warehouse dan data mining dianvs.blogspot.com
Data warehouse dan data mining dianvs.blogspot.com
 
Struktur data
Struktur dataStruktur data
Struktur data
 
Pengantar basis data
Pengantar basis dataPengantar basis data
Pengantar basis data
 
Kuliah1 Struktur Data V1.0
Kuliah1 Struktur Data V1.0Kuliah1 Struktur Data V1.0
Kuliah1 Struktur Data V1.0
 
Kelompok 5
Kelompok 5Kelompok 5
Kelompok 5
 
Pti5
Pti5Pti5
Pti5
 
Pertemuan 10 (bab x basis data)
Pertemuan 10 (bab x basis data)Pertemuan 10 (bab x basis data)
Pertemuan 10 (bab x basis data)
 

Viewers also liked

"Німіє слово і мовчать уста"
"Німіє слово і мовчать уста""Німіє слово і мовчать уста"
"Німіє слово і мовчать уста"2408868
 
COMM 119-Production Planning
COMM 119-Production PlanningCOMM 119-Production Planning
COMM 119-Production Planningprofluther
 
Cправа № 136-26.13/2-14 за ознаками вчинення Державіаслужбою порушення законо...
Cправа № 136-26.13/2-14 за ознаками вчинення Державіаслужбою порушення законо...Cправа № 136-26.13/2-14 за ознаками вчинення Державіаслужбою порушення законо...
Cправа № 136-26.13/2-14 за ознаками вчинення Державіаслужбою порушення законо...Agiya Zagrebelska
 
CASE Network Studies and Analyses 332 - Регуляторная среда и тенденции развит...
CASE Network Studies and Analyses 332 - Регуляторная среда и тенденции развит...CASE Network Studies and Analyses 332 - Регуляторная среда и тенденции развит...
CASE Network Studies and Analyses 332 - Регуляторная среда и тенденции развит...CASE Center for Social and Economic Research
 
Top 8 assistant category manager resume samples
Top 8 assistant category manager resume samplesTop 8 assistant category manager resume samples
Top 8 assistant category manager resume samplesNelsonPham012
 
Module outline jan2015
Module outline jan2015Module outline jan2015
Module outline jan2015KingEdge
 
Arild Sundberg: Digitalisering og anskaffelsesområdet
Arild Sundberg: Digitalisering og anskaffelsesområdetArild Sundberg: Digitalisering og anskaffelsesområdet
Arild Sundberg: Digitalisering og anskaffelsesområdetOslo Business Region
 
Many uses of ICT for Development of Mozambique
Many uses of ICT for Development of MozambiqueMany uses of ICT for Development of Mozambique
Many uses of ICT for Development of MozambiqueL. Neves Cabral Domingos
 
Seizing the Global Opportunity: Partnerships for Better Growth and a Better C...
Seizing the Global Opportunity: Partnerships for Better Growth and a Better C...Seizing the Global Opportunity: Partnerships for Better Growth and a Better C...
Seizing the Global Opportunity: Partnerships for Better Growth and a Better C...Sustainable Brands
 
The comparison of immunization
The comparison of immunizationThe comparison of immunization
The comparison of immunizationIJCNCJournal
 
The Real Profits Program
The Real Profits ProgramThe Real Profits Program
The Real Profits ProgramDaryl Urbanski
 
Workplace Monitoring After Stengart v. Loving Care Agency, April 14, 2010
Workplace Monitoring After Stengart v. Loving Care Agency, April 14, 2010Workplace Monitoring After Stengart v. Loving Care Agency, April 14, 2010
Workplace Monitoring After Stengart v. Loving Care Agency, April 14, 2010Employers Association of New Jersey
 
Cl group-project
Cl group-projectCl group-project
Cl group-projectKingEdge
 
"Святий Миколай - заступник скривджених"
"Святий Миколай - заступник скривджених""Святий Миколай - заступник скривджених"
"Святий Миколай - заступник скривджених"2408868
 

Viewers also liked (20)

"Німіє слово і мовчать уста"
"Німіє слово і мовчать уста""Німіє слово і мовчать уста"
"Німіє слово і мовчать уста"
 
COMM 119-Production Planning
COMM 119-Production PlanningCOMM 119-Production Planning
COMM 119-Production Planning
 
Cправа № 136-26.13/2-14 за ознаками вчинення Державіаслужбою порушення законо...
Cправа № 136-26.13/2-14 за ознаками вчинення Державіаслужбою порушення законо...Cправа № 136-26.13/2-14 за ознаками вчинення Державіаслужбою порушення законо...
Cправа № 136-26.13/2-14 за ознаками вчинення Державіаслужбою порушення законо...
 
ціни
ціниціни
ціни
 
CASE Network Studies and Analyses 332 - Регуляторная среда и тенденции развит...
CASE Network Studies and Analyses 332 - Регуляторная среда и тенденции развит...CASE Network Studies and Analyses 332 - Регуляторная среда и тенденции развит...
CASE Network Studies and Analyses 332 - Регуляторная среда и тенденции развит...
 
question 4
question 4question 4
question 4
 
Glödlampa
GlödlampaGlödlampa
Glödlampa
 
Top 8 assistant category manager resume samples
Top 8 assistant category manager resume samplesTop 8 assistant category manager resume samples
Top 8 assistant category manager resume samples
 
Module outline jan2015
Module outline jan2015Module outline jan2015
Module outline jan2015
 
Arild Sundberg: Digitalisering og anskaffelsesområdet
Arild Sundberg: Digitalisering og anskaffelsesområdetArild Sundberg: Digitalisering og anskaffelsesområdet
Arild Sundberg: Digitalisering og anskaffelsesområdet
 
Many uses of ICT for Development of Mozambique
Many uses of ICT for Development of MozambiqueMany uses of ICT for Development of Mozambique
Many uses of ICT for Development of Mozambique
 
Seizing the Global Opportunity: Partnerships for Better Growth and a Better C...
Seizing the Global Opportunity: Partnerships for Better Growth and a Better C...Seizing the Global Opportunity: Partnerships for Better Growth and a Better C...
Seizing the Global Opportunity: Partnerships for Better Growth and a Better C...
 
The comparison of immunization
The comparison of immunizationThe comparison of immunization
The comparison of immunization
 
The Real Profits Program
The Real Profits ProgramThe Real Profits Program
The Real Profits Program
 
Pocket Guide: Pharmacokinetics Made Easy - sample
Pocket Guide: Pharmacokinetics Made Easy - sample Pocket Guide: Pharmacokinetics Made Easy - sample
Pocket Guide: Pharmacokinetics Made Easy - sample
 
V.lakhansky choice
V.lakhansky choice V.lakhansky choice
V.lakhansky choice
 
Workplace Monitoring After Stengart v. Loving Care Agency, April 14, 2010
Workplace Monitoring After Stengart v. Loving Care Agency, April 14, 2010Workplace Monitoring After Stengart v. Loving Care Agency, April 14, 2010
Workplace Monitoring After Stengart v. Loving Care Agency, April 14, 2010
 
Cl group-project
Cl group-projectCl group-project
Cl group-project
 
"Святий Миколай - заступник скривджених"
"Святий Миколай - заступник скривджених""Святий Миколай - заступник скривджених"
"Святий Миколай - заступник скривджених"
 
minimum spanning tree
minimum spanning tree minimum spanning tree
minimum spanning tree
 

Similar to Sd pertemuan 1 & 2

Pengenalan struktur data teknologi informasi.ppt
Pengenalan struktur data teknologi informasi.pptPengenalan struktur data teknologi informasi.ppt
Pengenalan struktur data teknologi informasi.pptsosbudbappeda41
 
introductions struktur data dalam pengembangan
introductions struktur data dalam pengembanganintroductions struktur data dalam pengembangan
introductions struktur data dalam pengembanganssuser89dc1c
 
Pengenalan struktur data Pengenalan struktur data
Pengenalan struktur data Pengenalan struktur dataPengenalan struktur data Pengenalan struktur data
Pengenalan struktur data Pengenalan struktur dataBagusMahardika8
 
StrukDat Pertemuan 1 - Pengenalan Struktur Data.pptx
StrukDat Pertemuan 1 - Pengenalan Struktur Data.pptxStrukDat Pertemuan 1 - Pengenalan Struktur Data.pptx
StrukDat Pertemuan 1 - Pengenalan Struktur Data.pptxSuprapto60
 
Abstraksi tipe data
Abstraksi tipe dataAbstraksi tipe data
Abstraksi tipe dataFahuda E
 
Bab 1 abstraksi_tipe_data
Bab 1 abstraksi_tipe_dataBab 1 abstraksi_tipe_data
Bab 1 abstraksi_tipe_dataarii_manroe
 
basis data
basis databasis data
basis dataYuni
 
Materi kuliah-sistem-basis-data1
Materi kuliah-sistem-basis-data1Materi kuliah-sistem-basis-data1
Materi kuliah-sistem-basis-data1Fariszal Nova
 
Algoritma - Penjelasan struktur data
Algoritma - Penjelasan struktur dataAlgoritma - Penjelasan struktur data
Algoritma - Penjelasan struktur dataZombie Black
 
7. Sistem Pengolahan Data.pptx
7. Sistem Pengolahan Data.pptx7. Sistem Pengolahan Data.pptx
7. Sistem Pengolahan Data.pptxRenaHidayatus1
 
Aps09 design data_flowdiagram
Aps09 design data_flowdiagramAps09 design data_flowdiagram
Aps09 design data_flowdiagramArif Rahman
 

Similar to Sd pertemuan 1 & 2 (20)

Pengenalan struktur data teknologi informasi.ppt
Pengenalan struktur data teknologi informasi.pptPengenalan struktur data teknologi informasi.ppt
Pengenalan struktur data teknologi informasi.ppt
 
introductions struktur data dalam pengembangan
introductions struktur data dalam pengembanganintroductions struktur data dalam pengembangan
introductions struktur data dalam pengembangan
 
Pengenalan struktur data Pengenalan struktur data
Pengenalan struktur data Pengenalan struktur dataPengenalan struktur data Pengenalan struktur data
Pengenalan struktur data Pengenalan struktur data
 
Data dan struktur data
Data dan struktur dataData dan struktur data
Data dan struktur data
 
StrukDat Pertemuan 1 - Pengenalan Struktur Data.pptx
StrukDat Pertemuan 1 - Pengenalan Struktur Data.pptxStrukDat Pertemuan 1 - Pengenalan Struktur Data.pptx
StrukDat Pertemuan 1 - Pengenalan Struktur Data.pptx
 
Abstraksi tipe data
Abstraksi tipe dataAbstraksi tipe data
Abstraksi tipe data
 
Bab 1 abstraksi_tipe_data
Bab 1 abstraksi_tipe_dataBab 1 abstraksi_tipe_data
Bab 1 abstraksi_tipe_data
 
basis data
basis databasis data
basis data
 
Materi kuliah-sistem-basis-data1
Materi kuliah-sistem-basis-data1Materi kuliah-sistem-basis-data1
Materi kuliah-sistem-basis-data1
 
Algoritma - Penjelasan struktur data
Algoritma - Penjelasan struktur dataAlgoritma - Penjelasan struktur data
Algoritma - Penjelasan struktur data
 
Pertemuan 1 Sistem Basis Data.pptx
Pertemuan 1 Sistem Basis Data.pptxPertemuan 1 Sistem Basis Data.pptx
Pertemuan 1 Sistem Basis Data.pptx
 
7. Sistem Pengolahan Data.pptx
7. Sistem Pengolahan Data.pptx7. Sistem Pengolahan Data.pptx
7. Sistem Pengolahan Data.pptx
 
Tistrukdat1
Tistrukdat1Tistrukdat1
Tistrukdat1
 
struktur data
struktur datastruktur data
struktur data
 
Data
DataData
Data
 
Sbd ke1 2
Sbd ke1 2Sbd ke1 2
Sbd ke1 2
 
Pertemuan 1 OK.ppt
Pertemuan 1 OK.pptPertemuan 1 OK.ppt
Pertemuan 1 OK.ppt
 
Data
DataData
Data
 
Tipe data abstract
Tipe data abstractTipe data abstract
Tipe data abstract
 
Aps09 design data_flowdiagram
Aps09 design data_flowdiagramAps09 design data_flowdiagram
Aps09 design data_flowdiagram
 

Recently uploaded

KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANKONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANDevonneDillaElFachri
 
Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfjeffrisovana999
 
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksKISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksdanzztzy405
 
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Shary Armonitha
 
Geologi Jawa Timur-Madura Kelompok 6.pdf
Geologi Jawa Timur-Madura Kelompok 6.pdfGeologi Jawa Timur-Madura Kelompok 6.pdf
Geologi Jawa Timur-Madura Kelompok 6.pdfAuliaAulia63
 
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptx
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptxUKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptx
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptxzidanlbs25
 
Contoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningContoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningSamFChaerul
 

Recently uploaded (8)

Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
 
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANKONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
 
Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdf
 
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksKISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
 
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
 
Geologi Jawa Timur-Madura Kelompok 6.pdf
Geologi Jawa Timur-Madura Kelompok 6.pdfGeologi Jawa Timur-Madura Kelompok 6.pdf
Geologi Jawa Timur-Madura Kelompok 6.pdf
 
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptx
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptxUKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptx
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptx
 
Contoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningContoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data mining
 

Sd pertemuan 1 & 2

  • 2. Sistem Komputer:  Perangkat Keras (Hardware)  Perangkat Lunak (Software)  Pengguna (Brainware) Paradigma Rekayasa Perangkat Lunak:  Daur Hidup Klasik (The classic life cycle)  Prototipe (Prototype)  Model Spiral (The Spiral Model) Algoritma dan Struktur Data
  • 3. Metode dalam menghasilkan suatu perangkat lunak atau dikenal dengan nama RPL  Daur Hidup Klasik (The Classic Life Cycle / Waterfall)  Prototipe (Prototyping)  Model Spiral (The Spiral Model)
  • 4. a. Pengumpulan Kebutuhan b. Analisa Kebutuhan c. Desain d. Pemrograman e. Pengujian f. Pemeliharaan
  • 5. a. Pengumpulan Kebutuhan b. Desain Cepat c. Bangun prototipe d. Evaluasi prototipe e. Perbaikan prototipe, jika prototipe belum selesai ulangi langkah b f. Produk Perangkat Lunak
  • 6. a. Perencanaan oleh pengembang b. Analisa Resiko oleh pengembang dan pemesan c. Rekayasa Perangkat Lunak d. Evaluasi oleh pemesan, bila Rekayasa belum selesai ulangi langkah a.
  • 8. deskripsi langkah-langkah penyelesaian masalah yang tersusun secara logis 1. Ditulis dengan notasi khusus 2. Notasi mudah dimengerti 3. Notasi dapat diterjemahkan menjadi sintaks suatu bahasa pemrograman
  • 9. • Mencari nilai maksimum • Mengurutkan data • Mencetak bilangan ganjil dari 1 – 19 • Menyimpan data mahasiswa baru • Mencetak data absensi • Mengirim email berdasarkan jadual • …….
  • 10. 1. Buka Data Absensi 2. Tentukan Mata Kuliah 3. Tentukan Kelas 4. Tentukan Format Absensi (4 / 14 kolom) 5. Tentukan banyak pencetakan 6. Ambil data mhs ke-1, lalu cetak 7. Ulangi langkah ke-6 sampai data habis Is :Data Absensi terdiri dari 1 program studi
  • 11. model logika/matematik yang secara khusus mengorganisasi data
  • 12.  Tipe data adalah jenis data yang mampu ditangani oleh suatu bahasa pemrograman pada komputer.  Tiap-tiap bahasa pemrograman memiliki tipe data yang memungkinkan:  Deklarasi terhadap variabel tipe data tersebut  Menyediakan kumpulan operasi yang mungkin terhadap variabel bertipe data tersebut  Jenis obyek data yang mungkin
  • 13.  Obyek Data adalah kumpulan elemen yang mungkin untuk suatu tipe data tertentu.  Mis: integer mengacu pada obyek data -32768 s/d 32767, byte 0 s/d 255, string adalah kumpulan karakter maks 255 huruf  Struktur Data adalah cara penyimpanan dan pengorganisasian data-data pada memori komputer maupun file secara efektif sehingga dapat digunakan secara efisien, termasuk operasi-operasi di dalamnya.
  • 14.  Di dalam struktur data kita berhubungan dengan 2 aktivitas:  Mendeskripsikan kumpulan obyek data yang sah sesuai dengan tipe data yang ada  Menunjukkan mekanisme kerja operasi-operasinya  Contoh: integer (-32768 s/d 32767) dan jenis operasi yang diperbolehkan adalah +, -, *, /, mod, ceil, floor, <, >, != dsb.  Struktur data = obyek data + [operasi manipulasi data]
  • 15.  Dengan pemilihan struktur data yang baik, maka problem yang kompleks dapat diselesaikan sehingga algoritma dapat digunakan secara efisien, operasi- operasi penting dapat dieksekusi dengan sumber daya yang lebih kecil, memori lebih kecil, dan waktu eksekusi yang lebih cepat.  Tidak semua struktur data baik dan sesuai. Contoh untuk problem data bank: pengupdate-an harus cepat, sedangkan penambahan/penghapusan data boleh lebih lambat.
  • 16. • Struktur Data Statis – array/larik , rekord, himpunan. • Struktur Data Dinamis - list/senarai, queue /antrian /giliran, tumpukan /stack /timbunan, pohon, graf.
  • 17. 1 7 18 03 69 24 08 70 1 2 3 4 5 6 7 8 Array Asatu dimensi : 8 indeks (1 s/d 8) dan data 1, 7, 18 dst.
  • 18. 18 03 69 24 08 70 1 Array B dua dimensi (matriks) : - jumlah baris 2, kolom 3 - data 18, 03, 69, 24, 08, 70. 2 1 2 3
  • 19. List Berkait / Senarai
  • 20. A B C D E F Pohon dengan akar A
  • 21. 4 6 3 2 1 7 5 X T S Y Graf dengan simpul X, Y, T dan S
  • 22. • Traversal (Traversing) : mengunjungi setiap elemen SD • Pencarian (Searching) : menemukan elemen/lokasi pada SD • Penyisipan (Inserting) : menambah elemen baru pada SD • Penghapusan (Deleting) : menghapus elemen dari SD Tempat Penyimpanan Data Operasi terhadap data
  • 23.  Mengenal bentuk organisasi penyimpanan data dan pengoperasiannya.  Menentukan kualitas informasi : akurat, tepat pada waktunya dan relevan. Informasi dapat dikatakan bernilai bila manfaatnya lebih efektif dibandingkan dengan biaya mendapatkannya.  Mengurangi duplikasi data (data redudancy)  Hubungan data dapat ditingkatkan (data relatability)  Mengurangi pemborosan tempat simpanan luar
  • 24. Queue concept and handling Partition 4 Partition 3 Partition 2 Partition 1 Operating System 0 100K 200K 400K 700K Multiple Input queues Partition 4 Partition 3 Partition 2 Partition 1 Operating System 0 100K 200K 400K 700K a) Different input queue b) Single input queue
  • 25. Queue concept and handling Partition 3 Partition 2 Partition 1 Operating System 0 100K 200K 400K 700K Multiple Input queues Partition 4 Partition 3 Partition 2 Partition 1 Operating System 0 100K 200K 400K 700K a) Different input queue b) Single input queue Partition 4