Validitas sumber data adalah konsep penting dalam penelitian dan pengumpulan informasi, karena menentukan seberapa akurat dan dapat dipercaya data yang digunakan. Berikut adalah materi ajar mengenai validitas sumber data yang bisa membantu dalam memahami dan mengevaluasi kualitas data:

1. Pengertian Validitas

Validitas merujuk pada sejauh mana suatu instrumen atau sumber data mengukur apa yang dimaksudkan untuk diukur. Dalam konteks sumber data, ini berarti seberapa akurat data tersebut mencerminkan fenomena atau informasi yang sebenarnya.

2. Jenis-Jenis Validitas

  • Validitas Internal: Menilai apakah data yang dikumpulkan benar-benar mencerminkan fenomena yang sedang diteliti. Ini seringkali berkaitan dengan metodologi penelitian, termasuk desain dan pengumpulan data.
  • Validitas Eksternal: Menilai sejauh mana hasil penelitian atau data dapat digeneralisasikan ke konteks atau populasi yang lebih luas di luar penelitian tersebut.
  • Validitas Konstruksi: Menilai apakah data yang dikumpulkan sesuai dengan teori atau konstruk yang dimaksudkan. Misalnya, apakah tes yang digunakan benar-benar mengukur kecerdasan atau bukan hal lain.
  • Validitas Isi: Menilai sejauh mana data mencakup keseluruhan aspek dari konstruk yang diukur. Misalnya, jika instrumen pengukuran mencakup semua dimensi penting dari fenomena yang diukur.

3. Faktor-Faktor yang Mempengaruhi Validitas Sumber Data

  • Keakuratan: Apakah data dikumpulkan dengan cara yang benar dan tanpa kesalahan?
  • Kredibilitas: Apakah sumber data terpercaya dan memiliki reputasi yang baik?
  • Keterbaruan: Apakah data tersebut terbaru dan relevan dengan kondisi saat ini?
  • Konsistensi: Apakah data yang dikumpulkan konsisten dengan data dari sumber lain atau dengan data sebelumnya?

4. Cara Mengevaluasi Validitas Sumber Data

  • Verifikasi Sumber: Periksa kredibilitas dan reputasi sumber data. Pastikan bahwa sumber tersebut adalah otoritatif dan terpercaya.
  • Cross-Check: Bandingkan data dengan sumber lain untuk memastikan konsistensi dan akurasi.
  • Metodologi Pengumpulan Data: Evaluasi metode yang digunakan untuk mengumpulkan data, termasuk apakah metode tersebut sesuai dan telah dilaksanakan dengan baik.
  • Uji Validitas Instrumen: Jika menggunakan instrumen seperti kuesioner atau tes, pastikan instrumen tersebut telah diuji untuk validitasnya.

5. Contoh Penerapan Validitas

  • Penelitian Sosial: Menggunakan survei untuk mengumpulkan data tentang sikap masyarakat. Validitas dapat diperiksa dengan memastikan bahwa pertanyaan dalam survei benar-benar mencerminkan sikap yang ingin diukur.
  • Analisis Data Keuangan: Memeriksa validitas laporan keuangan dengan memastikan bahwa data yang disajikan adalah akurat dan sesuai dengan standar akuntansi yang berlaku.

6. Kesalahan Umum dalam Evaluasi Validitas

  • Sumber Bias: Mengandalkan sumber data yang mungkin bias atau tidak obyektif.
  • Data Usang: Menggunakan data yang sudah tidak relevan lagi dengan konteks saat ini.
  • Metode yang Tidak Tepat: Menggunakan metode pengumpulan data yang tidak sesuai dengan fenomena yang diteliti.

Validitas internal adalah sejauh mana suatu penelitian dapat mengklaim bahwa hubungan sebab-akibat yang ditemukan dalam penelitian tersebut adalah benar-benar disebabkan oleh variabel independen (penyebab) dan bukan oleh faktor-faktor lain (konfunder). Dengan kata lain, seberapa yakin kita bahwa perubahan pada variabel dependen (akibat) memang benar-benar disebabkan oleh manipulasi variabel independen, bukan karena faktor-faktor eksternal.

Faktor-faktor yang Mempengaruhi Validitas Internal:

  1. Konfusi (Confounding):
    • Ketika variabel ketiga (konfunder) mempengaruhi baik variabel independen maupun dependen, dapat menyebabkan hubungan yang terlihat antara kedua variabel tersebut sebenarnya disebabkan oleh konfunder.
    • Contoh: Jika sebuah penelitian ingin mengetahui apakah olahraga meningkatkan kecerdasan, tetapi tidak mempertimbangkan faktor-faktor seperti nutrisi, tidur, dan lingkungan belajar, maka konfunder-konfunder ini dapat mempengaruhi hasil penelitian.
  2. Seleksi (Selection):
    • Ketika kelompok eksperimen dan kontrol tidak setara dari awal, dapat menyebabkan perbedaan hasil yang tidak disebabkan oleh manipulasi variabel independen.
    • Contoh: Jika penelitian membandingkan efektivitas dua metode pembelajaran, tetapi kelompok eksperimen terdiri dari siswa dengan IQ lebih tinggi, maka perbedaan hasil dapat disebabkan oleh perbedaan IQ, bukan oleh metode pembelajaran.
  3. Kematangan (Maturation):
    • Ketika perubahan yang terjadi pada subjek penelitian selama waktu penelitian dapat mempengaruhi variabel dependen, tanpa hubungan langsung dengan manipulasi variabel independen.
    • Contoh: Jika penelitian ingin mengetahui efektivitas program diet jangka panjang, tetapi perubahan fisiologis alami yang terjadi selama waktu penelitian dapat mempengaruhi berat badan, tanpa hubungan langsung dengan diet.
  4. Kemunduran (Mortality):
    • Ketika subjek penelitian keluar dari penelitian secara tidak acak, dapat menyebabkan bias dalam hasil.
    • Contoh: Jika penelitian jangka panjang kehilangan banyak peserta karena alasan kesehatan, maka hasil penelitian dapat terpengaruh oleh bias seleksi.
  5. Pengaruh Instrumen (Instrumentation):
    • Ketika perubahan dalam alat ukur atau prosedur pengukuran dapat mempengaruhi hasil penelitian.
    • Contoh: Jika kuesioner yang digunakan dalam penelitian direvisi selama penelitian, dapat menyebabkan perubahan dalam hasil.
  6. Pengaruh Tes (Testing):
    • Ketika pengambilan tes berulang kali dapat mempengaruhi kinerja subjek penelitian.
    • Contoh: Jika subjek penelitian mengikuti tes yang sama berulang kali, dapat menyebabkan peningkatan skor karena familiaritas dengan tes.

Strategi untuk Meningkatkan Validitas Internal:

  • Desain eksperimen yang kuat: Menggunakan desain eksperimen seperti kelompok kontrol, randomisasi, dan manipulasi variabel independen.
  • Kontrol konfunder: Mengidentifikasi dan mengontrol konfunder melalui teknik seperti matching, blocking, atau analisis kovarian.
  • Penggunaan instrumen yang valid dan reliabel: Memastikan bahwa alat ukur yang digunakan akurat dan konsisten.
  • Follow-up dan retensi peserta: Meminimalkan kehilangan peserta dengan strategi follow-up yang efektif.

Dengan memperhatikan faktor-faktor yang dapat mempengaruhi validitas internal dan menerapkan strategi yang tepat, peneliti dapat meningkatkan kepercayaan pada hasil penelitian dan memastikan bahwa hubungan sebab-akibat yang ditemukan adalah valid.

Validitas Eksternal: Memahami Generalisasi dalam Penelitian

Validitas eksternal adalah konsep penting dalam metode penelitian yang berkaitan dengan sejauh mana hasil penelitian dapat digeneralisasikan atau diterapkan ke populasi yang lebih luas atau ke situasi yang berbeda. Dengan kata lain, seberapa yakin kita bahwa temuan yang diperoleh dari sampel penelitian dapat mewakili populasi yang lebih besar atau berlaku dalam kondisi lain?

Pentingnya Validitas Eksternal

  • Generalisasi: Tujuan utama penelitian seringkali adalah untuk memahami fenomena yang lebih luas, bukan hanya terbatas pada sampel yang diteliti.
  • Penerapan: Hasil penelitian dengan validitas eksternal yang tinggi dapat digunakan untuk membuat keputusan, merancang kebijakan, atau mengembangkan intervensi yang lebih efektif.
  • Replikasi: Penelitian dengan validitas eksternal yang kuat lebih mudah direplikasi oleh peneliti lain dalam konteks yang berbeda.

Jenis-Jenis Validitas Eksternal

Secara umum, ada tiga jenis utama validitas eksternal:

  1. Validitas Populasi:
    • Sejauh mana hasil penelitian dapat digeneralisasikan ke populasi yang lebih besar.
    • Contoh: Hasil penelitian pada mahasiswa psikologi dapat digeneralisasikan ke mahasiswa psikologi lainnya secara keseluruhan.
  2. Validitas Temporal:
    • Sejauh mana hasil penelitian dapat digeneralisasikan ke waktu yang berbeda.
    • Contoh: Hasil penelitian tentang efektivitas suatu metode pembelajaran pada tahun 2023 dapat digeneralisasikan ke tahun-tahun mendatang.
  3. Validitas Ekologi:
    • Sejauh mana hasil penelitian dapat digeneralisasikan ke situasi atau lingkungan yang berbeda.
    • Contoh: Hasil penelitian dalam laboratorium dapat digeneralisasikan ke situasi dunia nyata.

Ancaman terhadap Validitas Eksternal

  • Sampel yang tidak representatif: Jika sampel penelitian tidak mewakili populasi yang ingin diteliti, hasil penelitian tidak dapat digeneralisasikan.
  • Efektivitas perlakuan: Perlakuan yang diberikan dalam penelitian mungkin hanya efektif dalam kondisi tertentu.
  • Reaktivitas peserta: Peserta penelitian mungkin berperilaku berbeda karena mereka tahu sedang diamati.
  • Situasi penelitian yang artifisial: Penelitian yang dilakukan dalam lingkungan yang sangat terkontrol mungkin menghasilkan hasil yang tidak berlaku di dunia nyata.

Meningkatkan Validitas Eksternal

  • Sampel acak: Memilih sampel secara acak dari populasi yang lebih besar dapat meningkatkan representativitas sampel.
  • Penelitian lapangan: Melakukan penelitian dalam lingkungan alami dapat meningkatkan validitas ekologis.
  • Replikasi: Menguji ulang penelitian dalam konteks yang berbeda dapat memperkuat keyakinan terhadap hasil penelitian.

Validitas konstruksi adalah sebuah konsep penting dalam dunia penelitian, khususnya dalam pengembangan dan evaluasi instrumen penelitian. Sederhananya, validitas konstruk mengukur seberapa akurat suatu instrumen (misalnya, kuesioner, tes, atau skala pengukuran) mengukur konsep atau sifat yang ingin diukur.

Konsep Inti

  • Konstruk: Konstruk adalah sifat atau karakteristik yang abstrak dan tidak dapat diamati secara langsung, seperti kepribadian, motivasi, atau sikap.
  • Instrumen: Instrumen adalah alat yang digunakan untuk mengukur konstruk tersebut.
  • Validitas: Validitas menunjukkan sejauh mana instrumen benar-benar mengukur apa yang seharusnya diukur.

Mengapa Validitas Konstruk Penting?

  • Akurasi Pengukuran: Validitas konstruk yang tinggi menjamin bahwa data yang diperoleh dari instrumen tersebut benar-benar merepresentasikan konstruk yang ingin diukur.
  • Interpretasi Hasil: Hasil penelitian yang menggunakan instrumen dengan validitas konstruk yang baik dapat diinterpretasikan dengan lebih akurat dan dapat diandalkan.
  • Generalisasi Hasil: Jika instrumen valid, hasil penelitian dapat digeneralisasikan ke populasi yang lebih luas.

Bagaimana Menguji Validitas Konstruk?

Ada beberapa metode yang umum digunakan untuk menguji validitas konstruk:

  1. Analisis Faktor:
    • Mengidentifikasi dimensi atau faktor yang mendasari item-item dalam instrumen.
    • Memastikan bahwa setiap faktor sesuai dengan dimensi teoritis dari konstruk yang diukur.
  2. Korelasi dengan Variabel Lain:
    • Membandingkan skor instrumen dengan skor pada variabel lain yang secara teoritis terkait dengan konstruk yang sama.
    • Korelasi yang tinggi menunjukkan validitas konstruk yang baik.
  3. Uji Konvergen dan Divergen:
    • Konvergen: Memastikan bahwa instrumen berkorelasi tinggi dengan instrumen lain yang mengukur konsep yang sama.
    • Divergen: Memastikan bahwa instrumen tidak berkorelasi tinggi dengan instrumen yang mengukur konsep yang berbeda.
  4. Judgmental:
    • Melibatkan ahli dalam bidang terkait untuk menilai apakah item-item dalam instrumen benar-benar mewakili konsep yang ingin diukur.

Contoh

Misalnya, Anda ingin mengukur tingkat kepuasan pelanggan terhadap suatu produk. Anda membuat kuesioner dengan beberapa pertanyaan. Untuk menguji validitas konstruk, Anda dapat:

  • Analisis Faktor: Mengidentifikasi apakah pertanyaan-pertanyaan tersebut mengelompok menjadi beberapa faktor, misalnya kepuasan terhadap kualitas produk, harga, dan layanan.
  • Korelasi: Membandingkan skor kepuasan pelanggan dengan skor pada variabel lain seperti niat pembelian ulang atau rekomendasi kepada orang lain.
  • Judgmental: Meminta ahli marketing untuk menilai apakah pertanyaan-pertanyaan dalam kuesioner benar-benar mencerminkan konsep kepuasan pelanggan.

Konsep Struktur Data dan Algoritma Standar

Struktur data dan algoritma adalah dua konsep fundamental dalam ilmu komputer yang saling terkait erat. Keduanya merupakan fondasi bagi pengembangan perangkat lunak yang efisien dan handal.

Struktur Data

Struktur data adalah cara mengatur data dalam memori komputer sedemikian rupa sehingga operasi yang dilakukan pada data tersebut dapat dilakukan secara efisien. Pemilihan struktur data yang tepat sangat bergantung pada jenis operasi yang sering dilakukan dan kompleksitas masalah yang ingin dipecahkan.

Contoh struktur data yang umum:

  • Array: Kumpulan elemen dengan tipe data yang sama, diakses menggunakan indeks.
  • Linked List: Kumpulan elemen yang terhubung satu sama lain melalui pointer.
  • Stack: Struktur LIFO (Last In First Out), elemen terakhir yang dimasukkan adalah yang pertama dikeluarkan.
  • Queue: Struktur FIFO (First In First Out), elemen pertama yang dimasukkan adalah yang pertama dikeluarkan.
  • Tree: Struktur hierarkis yang terdiri dari node dan edge.
  • Graph: Kumpulan node (vertex) yang saling terhubung oleh edge.
  • Hash Table: Struktur yang memungkinkan pencarian elemen secara cepat menggunakan fungsi hash.

Faktor yang perlu dipertimbangkan dalam memilih struktur data:

  • Waktu akses: Seberapa cepat data dapat diakses atau dimodifikasi.
  • Ruang penyimpanan: Berapa banyak memori yang dibutuhkan untuk menyimpan data.
  • Jenis operasi: Operasi apa saja yang sering dilakukan pada data (misalnya, pencarian, penambahan, penghapusan).

Algoritma

Algoritma adalah sekumpulan langkah-langkah terdefinisi dengan baik yang digunakan untuk menyelesaikan suatu masalah. Algoritma yang baik harus:

  • Benar: Menghasilkan output yang benar untuk setiap input yang valid.
  • Efisien: Menggunakan sumber daya (waktu dan memori) seminimal mungkin.
  • Jelas: Mudah dipahami dan diimplementasikan.

Notasi Big O:

Untuk mengukur efisiensi suatu algoritma, kita menggunakan notasi Big O. Notasi ini menggambarkan tingkat pertumbuhan waktu eksekusi algoritma seiring dengan bertambahnya ukuran input. Contoh notasi Big O:

  • O(1): Waktu eksekusi konstan, tidak bergantung pada ukuran input.
  • O(log n): Waktu eksekusi logaritmik, sangat efisien untuk data yang besar.
  • O(n): Waktu ekseksi linear, waktu eksekusi sebanding dengan ukuran input.
  • O(n^2): Waktu eksekusi kuadratik, kurang efisien untuk data yang besar.
  • O(2^n): Waktu eksekusi eksponensial, sangat tidak efisien untuk data yang besar.

Hubungan Antara Struktur Data dan Algoritma

Struktur data dan algoritma saling melengkapi. Struktur data yang tepat dapat membuat algoritma menjadi lebih efisien. Sebaliknya, algoritma yang baik dapat memaksimalkan potensi struktur data yang digunakan.

Contoh:

  • Pencarian dalam array: Jika data dalam array sudah terurut, kita dapat menggunakan algoritma binary search yang memiliki kompleksitas waktu O(log n).
  • Pengurutan data: Algoritma sorting seperti quicksort atau mergesort dapat digunakan untuk mengurutkan data dalam array atau linked list.
  • Implementasi graph: Algoritma Dijkstra atau A* dapat digunakan untuk mencari jalur terpendek dalam sebuah graph.

Validitas isi (content validity) merupakan salah satu aspek penting dalam pengukuran dan penilaian. Validitas isi mengacu pada sejauh mana suatu instrumen atau alat ukur secara tepat mewakili domain atau konstruk yang ingin diukur. Dengan kata lain, validitas isi memastikan bahwa pertanyaan atau item dalam instrumen tersebut relevan dan mencakup semua aspek yang penting dari konsep yang diukur.

Berikut adalah beberapa cara untuk menilai validitas isi:

  1. Expert Judgment: Minta pendapat ahli atau pakar di bidang terkait untuk menilai apakah instrumen tersebut mencakup semua aspek yang penting dan relevan. Mereka dapat memberikan masukan tentang kelengkapan, kejelasan, dan relevansi item-item dalam instrumen.
  2. Content Analysis: Analisis konten instrumen secara sistematis untuk memastikan bahwa item-itemnya sesuai dengan definisi konseptual yang digunakan. Hal ini dapat dilakukan dengan membandingkan item-item dengan kisi-kisi atau blue print instrumen.
  3. Item-to-Criterion Matrix: Buatlah matriks yang menunjukkan hubungan antara setiap item dalam instrumen dengan kriteria atau indikator yang relevan. Hal ini dapat membantu memastikan bahwa instrumen mencakup semua aspek yang penting.
  4. Pilot Testing: Uji coba instrumen pada sampel kecil untuk mendapatkan umpan balik tentang kejelasan, relevansi, dan waktu yang dibutuhkan untuk menyelesaikan instrumen. Hal ini dapat membantu mengidentifikasi masalah potensial dan memperbaiki instrumen sebelum digunakan secara luas.

Validitas isi adalah aspek penting dalam memastikan kualitas dan keandalan suatu instrumen pengukuran. Dengan menilai validitas isi, dapat dipastikan bahwa instrumen tersebut mengukur dengan tepat konsep yang ingin diukur.

Berikut adalah beberapa contoh pertanyaan yang dapat digunakan untuk menilai validitas isi:

  • Apakah item-item dalam instrumen mencakup semua aspek yang penting dari konsep yang diukur?
  • Apakah item-item dalam instrumen jelas dan mudah dipahami?
  • Apakah item-item dalam instrumen relevan dengan tujuan pengukuran?
  • Apakah item-item dalam instrumen bebas dari bias?
  • Apakah item-item dalam instrumen sesuai dengan tingkat pendidikan dan pengetahuan responden?

Dengan menjawab pertanyaan-pertanyaan ini, dapat dinilai apakah instrumen tersebut memiliki validitas isi yang baik.

Apa itu Berpikir Komputasional?

Melalui Berpikir komputasional (BK), kalian akan berlatih berpikir seperti

seorang ilmuwan Informatika, bukan berpikir seperti komputer karena

komputer adalah mesin.

Kegiatan utama dalam BK ialah penyelesaian masalah (problem solving),

untuk menemukan solusi yang efisien, efektif, dan optimal sehingga solusinya

bisa dijalankan oleh manusia maupun mesin. Dengan kata lain, kegiatan

dalam BK ialah mencari strategi untuk mengatasi persoalan. Persoalan apa

yang akan diselesaikan? Sebetulnya, hampir semua persoalan sehari-hari

mengandung konsep komputasi sehingga bisa diselesaikan dengan bantuan

mesin komputer. Sebagai contoh, robot yang bertugas melayani penjualan di

restoran atau mengantar makanan dan obat untuk pasien di rumah sakit yang

sudah dipakai di beberapa negara maju, sistem komputer untuk memantau

perkebunan sawit yang siap panen dan sebagainya. Sistem komputer pada

pada hakikatnya meniru dunia ini untuk dijadikan dunia digital sehingga

bisa membantu atau menggantikan manusia dalam melakukan pekerjaanpekerjaan yang sulit maupun membosankan.

Ada 4 fondasi berpikir komputasional yang dikenal dalam ilmu

Informatika, yaitu Abstraksi, Algoritma, Dekomposisi, dan Pola, yang sangat

mendasar dan secara garis besar dijelaskan sebagai berikut.

1. Abstraksi, yaitu menyarikan bagian penting dari suatu permasalahan dan

mengabaikan yang tidak penting sehingga memudahkan fokus kepada

solusi.

2. Algoritma, yaitu menuliskan otomasi solusi melalui berpikir algoritmik

(langkah-langkah yang terurut) untuk mencapai suatu tujuan (solusi).

Jika langkah yang runtut ini diberikan ke komputer dalam bahasa yang

dipahami oleh komputer, kalian akan dapat “memerintah” komputer

mengerjakan langkah tersebut.

3. Dekomposisi dan formulasi persoalan sedemikian rupa sehingga dapat

diselesaikan dengan cepat dan efisien serta optimal dengan menggunakan

komputer sebagai alat bantu. Persoalan yang sulit apalagi besar akan

menjadi mudah jika diselesaikan sebagian-sebagian secara sistematis.

4. Pengenalan pola persoalan, generalisasi serta mentransfer proses

penyelesaian persoalan ke persoalan lain yang sejenis.

BK perlu diasah dengan latihan rutin, mulai dari persoalan sederhana dan

kecil. Kemudian, secara bertahap, persoalannya ditingkatkan menjadi makin

besar, kompleks, dan rumit. Makin besar dan kompleks suatu persoalan,

solusinya makin membutuhkan komputer agar dapat diselesaikan secara

efisien. Pada tingkat SD dan SMP, strategi penyelesaian persoalan belum

secara khusus dirumuskan dalam bentuk algoritma. Pada tingkat SMA, kalian

akan belajar bagaimana caranya agar solusi masalahnya bisa dituliskan dalam

bentuk algoritma yang efisien dan siap dibuat menjadi program komputer.

Ruang permasalahan di dunia ini luas sekali, dan tentunya tak seorang

pun ingin hidupnya menghadapi persoalan. Setiap bidang juga mempunyai

persoalan dari sudut pandang bidang masing-masing, dan akan mengusulkan

penyelesaian dengan menggunakan konsep dan prinsip keilmuan bidangnya.

Kita belajar dari persoalan-persoalan yang ada dan pernah diusulkan

solusinya. Oleh karena itu, belajar penyelesaian persoalan ialah belajar dari

kasus-kasus dan solusinya. Namun, persoalan yang dibahas itu perlu di

adaptasi dengan konteks kita. Kita perlu membentuk pola persoalan dan pola

solusi dari latihan penyelesaiannya. Karena sangat banyak, latihan persoalan

perlu dipilih. Topik yang dipilih dalam BK untuk SMA dalam mata pelajaran

Informatika merupakan persoalan-persoalan mendasar terkait kehidupan

sehari-hari yang perlu dikuasai dan mengandung konsep Informatika yang

dominan. Bisa saja persoalan tersebut berkaitan dengan bidang lain, tetapi kita

akan fokus ke aspek informatika. Memusatkan penyelesaian persoalan dari

satu sudut pandang ini merupakan berpikir kritis! Dengan mempelajari dan

membahas latihan-latihan pada unit pembelajaran ini, diharapkan kalian akan

mendapatkan dasar pengetahuan yang diperlukan untuk menemukan solusisolusi yang membutuhkan program komputer. Melalui kasus yang dibahas,

kalian diharapkan dapat membentuk katalog solusi, yang saat dibutuhkan,

akan tinggal dipakai. Melalui kegiatan BK ini, kalian menabung potongan

solusi yang kelak dapat dirangkai menjadi pola solusi yang dibutuhkan untuk

persoalan nyata yang dihadapi.

A. Pencarian (Searching)

Hidup adalah pencarian yang tiada henti. Mari, kita berpikir ke pengalaman “mencari” dalam kehidupan sehari-hari. Perhatikan contoh berikut.

1. Pernahkah kalian merasa kebingungan saat mencari sebuah buku di lemari buku kalian? Atau bahkan di perpustakaan? Saat kalian meminta bantuan kepada petugas perpustakaan, mengapa dia dapat menemukan buku yang kalian cari dengan waktu yang lebih singkat? 

2. Suatu hari, kalian kehilangan baju seragam yang harus dipakai pada hari itu dan kalian mencarinya. Apa strategi kalian supaya baju tersebut cepat ditemukan?

3. Kalian mengingat sebuah potongan lirik lagu, tetapi tidak ingat judul lagu tersebut. Bagaimana kalian bisa menemukan lagu tersebut dengan cepat? Apa itu mencari? Mencari adalah menemukan “sesuatu” yang bisa berupa benda, angka, konsep, informasi yang memenuhi kriteria tertentu dalam suatu ruang pencarian. Masalah pencarian sangat umum ditemukan di dalam kehidupan, termasuk dalam dunia komputasi. Ketika melakukan suatu pencarian, kalian harus menemukan suatu benda atau objek yang memenuhi kriteria tertentu dari sekumpulan benda atau objek lain. Beberapa contoh dari masalah pencarian yang sering kalian temui ialah sebagai berikut.

1. Mencari buku dengan judul tertentu di rak buku perpustakaan.

2. Mencari pakaian batik seragam kalian di lemari yang berisi semua pakaian yang kalian miliki.

3. Mencari dokumen atau web tertentu dengan mesin pencari seperti Google.

Mencari benda nyata gampang, tinggal kita lihat dan kita cocokkan

dengan mata. Namun, mencari informasi atau konsep yang tidak kelihatan?

Hmmmmm… Tidak mudah!

(a) (b)

Gambar 2.2.


Pencarian (a) buku di perpustakaan, (b) informasi di internet Masalah pencarian dapat dibuat dalam bentuk yang lebih formal agar dapat diterapkan pada banyak kasus. Elemen pada masalah pencarian meliputi hal-hal berikut.

1. Sekumpulan benda atau objek.

2. Kriteria dari benda atau objek yang dicari.

3. Pengecekan benda atau objek, untuk memeriksa apakah ia memenuhi

kriteria pencarian.

B. Pengurutan (Sorting)

Saat merapikan sesuatu, misalnya koleksi buku, kita menyusun buku tersebut dengan menggunakan suatu aturan. Misalnya, jika kita memiliki koleksi buku cerita berseri, kemungkinan besar kita akan menyusunnya secara berurut dari volume pertama


hingga volume yang terbaru. Atau, ketika sedang berbaris, kita diminta untuk membentuk barisan berdasarkan tinggi badan. Hal-hal tersebut merupakan sebuah proses pengurutan atau sorting. Proses pengurutan akan menjadi bagian yang tidak terpisahkan dari program komputer atau aplikasi yang sering kita gunakan. Pada aktivitas ini, kita akan melihat bagaimana proses pengurutan dapat dilakukan dengan menggunakan berbagai strategi. Pelajarilah strateginya!

Pengurutan merupakan suatu permasalahan klasik pada komputasi yang dilakukan untuk mengatur agar suatu kelompok benda, objek, atau entitas diletakkan mengikuti aturan tertentu. Urutan yang paling sederhana misalnya mengurutkan angka secara terurut menaik atau menurun.

Biasanya, masalah pengurutan terdiri atas sekumpulan objek yang disusun secara acak yang harus diurutkan. Setelah itu, secara sistematis, posisi objek diperbaiki dengan melakukan pertukaran posisi dua buah objek. Hal ini dilakukan secara terus-menerus hingga semua posisi objek benar.