Pengenalan Struktur Data

Pengenalan Komputer

Sistem Komputer :

1. Perangkat Keras (Hardware)
2. Perangkat Lunak (Software)
3. Pengguna (Brainware)

Paradigma Rekayasa Perangkat Lunak :

1. Daur Hidup Klasik (The classic life cycle)
2. Prototipe (Prototype)
3. Model Spiral (The Spiral Model)

Paradigma RPL

Metode dalam menghasilkan suatu perangkat lunak atau dikenal dengan nama RPL

1. Daur Hidup Klasik (The Classic  Life Cycle / Waterfall)
2. Prototipe (Prototyping)
3. Model Spiral (The Spiral Model)

Daur Hidup Klasik

1. Pengumpulan Kebutuhan
2. Analisa Kebutuhan
3. Desain
4. Pemrograman
5. Pengujian
6. Pemeliharaan

Prototipe

1. Pengumpulan Kebutuhan
2. Desain Cepat
3. Bangun prototipe
4. Evaluasi prototipe
5. Perbaikan prototipe, jika prototipe belum selesai ulangilang kah b
6. Produk Perangkat Lunak

Model Spiral

1. Perencanaan oleh pengembang
2. Analisa Resiko oleh pengembang dan pemesan
3. Rekayasa Perangkat Lunak
4. Evaluasi oleh pemesan, bila Rekayasa belum selesai ulangi langkah a.

Apa itu Struktur Data ?

Algoritma

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

Contoh Algoritma

1. Mencari nilai maksimum
2. Mengurutkan data
3. Mencetak bilangan ganjil dari 1 – 19
4. Menyimpan data mahasiswa baru
5. Mencetak data absensi
6. Mengirim email berdasarkan jadual

Contoh Algoritma Absensi

Is :Data Absensi terdiri dari 1 program studi

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

Struktur Data

model logika/matematik yang secara khusus mengorganisasi data 

PerbedaanTipe Data, Obyek Data, Struktur Data

• Tipe data adalah jenis data yang mampu ditangani oleh suatu bahasa pemrograman pada komputer.
• Tiap-tiap bahasa pemrograman memiliki tipe data yang memungkinkan :

1. Deklarasi terhadap variabel tipe data tersebut

2. 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. 

1. 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.

Aktivitas Struktur Data

• Di dalam struktur data kita berhubungan dengan 2 aktivitas :

              -  Mendeskripsikan kumpulan obyek data yang sahsesuai 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]

Hubungan SD dan Algoritma

1. 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.
2. Tidak semua struktur data baik dan sesuai.  Contoh untuk problem data bank: peng update-an harus cepat, sedangkan penambahan/penghapusan data boleh lebih lambat.

Struktur Data

• Struktur Data Statis– array/larik ,rekord, himpunan.
• Struktur Data Dinamis- list/senarai, queue /antrian /giliran, tumpukan /stack /timbunan, pohon, graf. 

Contoh Struktur Data

List Berkait / Senarai

Struktur Data

1. Traversal (Traversing) : mengunjungi setiap elemen SD
2. Pencarian (Searching) : menemukan elemen/lokasi pada SD
3. Penyisipan (Inserting) : menambah elemen baru pada SD
4. Penghapusan (Deleting) : menghapus elemen dari SD

Mengapa Perlu SD

• 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

Penarepan SD pada OS

Queue concept and handling