Contoh lain
penerapan komputasi modern adalah di dibidang kesehatan, khususnya website
rumah sakit. Disini, saya menggunakan contoh website Rumah Sakit Pusat
Pertamina
Penerapan
komputasi modern khususnya cloud computing dapat dilihat dari pencarian jadwal
dokter dan juga pasien dapat membooking jadwal (melakukan pendaftaran) secara
online.
Berikut adalah
tampilan awal website :
Untuk pencarian
(search) dapat dilakukan dengan memilih pada menu utama yaitu Jadwal dokter
atau pada sidebar yaitu Praktek Dokter. Output yang ditampilkan sama. Berikut
ini adalah pencarian jadwal dokter menggunakan menu utama.
Pertama-tama,
pilih jadwal dokter. Kemudian, pilih spesialisasi maka akan muncul nama dokter
berdasarkan spesialisasinya. Lalu, pasien cukup memilih nama dokternya,
informasi mengenai dokter tersebut lengkap dengan jadwalnya akan tampil seperti
gambar berikut :
Untuk booking
jadwal, fasilitas ini sebenarnya hanya berlaku apabila pasien sudah mendaftar
sebelumnya dan memperoleh kartu pasien. Pasien cukup mengisi data pada formulir
yang tersedia seperti nama, nomor kartu, tempat tanggal lahir, alamat, telepon,
email, via contact, pilih poliklinik yang diinginkan, pilih dokter, formulir
seperti pada gambar berikut :
Komentar :
Menurut saya,
website ini sudah cukup baik. Pasien dapat dengan mudah memperoleh informasi
tentang dokter dan pasien dapat mencari dokter berdasarkan spesialisasi,
sehingga mempercepat pencarian sesuai dengan kebutuhan pasien. Satu hal yang
menjadi perbedaan situs Rumah Sakit Pusat Pertamina dengan situs rumah sakit
lainnya adalah, adanya layanan booking jadwal (pendaftaran secara online). Hal
ini sangat memberi kemudahan pada pasien apalagi untuk pasien yang bertempat
tinggal cukup jauh dari rumah sakit. Walaupun saya belum pernah menggunakan fasilitas
ini, salah seorang teman saya yang selalu memeriksakan diri di rumah sakait
tersebut mengatakan bahwa pendaftaran online jauh lebih praktis. Dan karena
pasien sudah mendafar terlebih dahulu melalui pendaftaran online, saat sampai
dirumah sakit pelayanannya akan lebih cepat dilaksanakan.Namun,
ada kekurangan pada website ini terutama dalam hal pencarian jadwal dokter.
Karena, pasien harus mencari jadwal berdasarkan nama dokter sedangkan tidak
semua pasien mengenal dokter tertentu apalagi jika pasien hanya ingin
mengetahui jadwal dokter umum atau hanya ingin mengetahui siapa saja dokter
yang bertugas pada hari tertentu. Pencarian berdasarkan nama dokter memang
dapat mempermudah untuk beberapa hal. Tapi, alangkah lebih baik jika pencarian
hanya didasarkan pada spesialisasi sehingga, output yang dikeluarkan adalah
nama-nama dokter sesuai spesialisai beserta jadwalnya.
Kompleksitas
Kompleksitas komputasi adalah cabang
dari teori komputasi dalam ilmu komputer yang berfokus pada mengklasifikasikan
masalah komputasi sesuai dengan kesulitan inheren mereka. Dalam konteks ini,
sebuah masalah komputasi dipahami sebagai tugas yang pada prinsipnya setuju
untuk menjadi dipecahkan oleh komputer. Informal, sebuah masalah komputasi
terdiri dari contoh-contoh masalah dan solusi untuk masalah ini contoh. Sebagai
contoh, primality pengujian adalah masalah menentukan apakah nomor yang
diberikan perdana atau tidak. Contoh-contoh masalah ini adalah bilangan asli,
dan solusi untuk sebuah contoh adalah ya atau tidak didasarkan pada apakah
nomor perdana atau tidak.
Masalah ini dianggap sebagai secara inheren
sulit jika memecahkan masalah yang memerlukan sejumlah besar sumber daya,
tergantung pada algoritma yang digunakan untuk memecahkan itu. Teori ini
formalizes intuisi, dengan memperkenalkan matematika model komputasi untuk
mempelajari masalah ini dan kuantitatif jumlah sumber daya yang dibutuhkan
untuk memecahkan mereka, seperti waktu dan penyimpanan. Ukuran kompleksitas
lain juga digunakan, seperti jumlah komunikasi (digunakan dalam kompleksitas
komunikasi), jumlah gerbang dalam rangkaian (digunakan dalam rangkaian
kompleksitas) dan jumlah prosesor (digunakan dalam komputasi paralel). Secara
khusus, teori kompleksitas komputasi menentukan batas-batas praktis tentang apa
yang komputer bisa dan tidak bisa lakukan.
Bidang-bidang terkait erat dalam ilmu komputer
teoritis analisis algoritma dan teori computability. Perbedaan utama antara
teori kompleksitas komputasi dan analisis algoritma adalah bahwa yang terakhir
ditujukan untuk menganalisis jumlah sumber daya yang dibutuhkan oleh algoritma
tertentu untuk memecahkan masalah, sedangkan yang pertama mengajukan pertanyaan
yang lebih umum tentang semua kemungkinan algoritma yang dapat digunakan untuk
memecahkan masalah yang sama. Lebih tepatnya, hal ini mencoba untuk
mengklasifikasikan masalah yang dapat atau tidak dapat diselesaikan dengan
tepat sumber daya terbatas. Pada gilirannya, memaksakan pembatasan pada sumber
daya yang tersedia adalah apa yang membedakan kompleksitas komputasi dari
computability teori: teori yang terakhir bertanya apa jenis masalah dapat
diselesaikan pada prinsipnya algorithmically.
Pemecahan Masalah Kompleksitas
(Menggunakan teori Big O)
Komputasi modern dirancang untuk
menangani masalah yang kompleks, sehingga diterapkan pada komputer. Dengan
menggunakan teori Big O, maka komputasi modern dapat melakukan perhitungan
untuk memecahkan masalah kompleksitas yang kerap dihadapi.
Apa itu teori Big O?
Notasi Big O merupakan suatu notasi matema tika
untuk menjelaskan batas atas dari magnitude suatu fungsi dalam fungsi
yang lebih sederhana. Dalam dunia ilmu komputer, notasi ini sering digunakan
dalam analisis kompleksitas algoritma. Notasi Big O pertama kali
diperkenalkan pakar teori bilangan Jerman, Paul Bachman tahun 1894, pada
bukunya yang berjudul Analytische Zahlentheorie edisi kedua. Notasi
tersebut kemudian dipopuler kan oleh pakar teori bilangan Jerman lainnya,
Edmund Landau, dan oleh karena itu, terkadang disebut sebagai symbol
Landau.
Notasi Big O sangat berguna saat
menganalis is efisiensi suatu algoritma. Sebagai contoh, waktu (atau jumlah
langkah) yang diperlukan oleh suatu algoritma untuk menyelesaikan tugas dengan
ukuran n adalah T( n) = 4 n -2 n+2. Untuk n yang besar, hasil perhitungan
n2 menjadi dominan, sehingga perhitungan yang lain dapat
diabaikan (misalnya saat n=500, 4n2 1000 kali lebih besar dari
2 n, sehingga mengabaikan 2n+2 tidak akan membawa efek yang besar pada tujuan
utama pada umumnya). Kemudian koefisien pada polinomial pun dapat dihilangkan
dengan alasan yang sama, sehingga dengan notasi big O, dapat disimpulkan:
T(n) E O(n2) bahwa algoritma di atas memiliki kompleksitas waktu
dengan orde O(n2).
Untuk membandingkan kompleksitas
algoritma yang satu dengan yang lain, dapat digunakan tabel jenis kompleksitas
di bawah, yang diurutkan berdasarkan kompleksitas yang paling baik ke yang
paling buruk.
Diberikan f dan g suatu fungsi dari himpunan bilangan
integer atau himpunan bilangan real pada suatu himpunan bilangan real.
Dikatakan f(x) adalah O(g(x)) jika terdapat sebuah konstanta C dan k sedemikian
sehingga :
| f(x) | < C | g(x) |
Dimana x > k, dibaca f(x) adalah
“big-oh” pada g(x).
Penjelasan :
Untuk menunjukkan f(x) adalah O(g(x)), hanya dibutuhkan
untuk menemukan satu pasangan konstanta C dan k sedemikian sehingga | f(x) |
< C|g(x)| jika x > k. Pasangan C, k yang memenuhi definisi tidak pernah
tunggal. Selanjutnya, jika satu pasangan ada, maka terdapat tak terbatas
pasangan yang lain. Sebuah cara sederhana untuk melihat hal tersebut adalah,
jika C, k adalah satu pasangan, pasangan yang lain C’, k’ dengan C < C’ dan
k < k’ juga memenuhi definisi, jika :
| f(x) | < C|g(x)| < C’ | g(x) |
dimana x > k’ > k.
Contoh :
Tunjukkan bahwa f(x) = x2 + 2 x + 1 adalah O(x2).
Penyelesaian :
Jika 0 < x2 + 2 x + 1 < x2 + 2 x2 + x2 = 4 x2
dimana x > 1, mengikuti f(x) adalah O(x2) untuk
menerapkan definisi pada notasi big-O, ambil C = 4 dan k = 1. disini tidak
perlu menggunakan nilai absolute jika semua fungsi pada persamaan ini adalah
positif ketika x bernilai positif.
Pendekatan yang lain adalah jika x > 2, maka 2 x
< x2. akibatnya jika x > 2, terlihat bahwa :
0 < x2 + 2 x + 1 < x2 + x2 + x2 =
3 x2
Dari definisi didapat C = 3 dan k = 2.
Pengamatan pada relasi f(x) adalah O(x2), x2 dapat
diganti dengan sebarang fungsi yang lain dengan nilai yang lebih besar dari x2,
misalnya f(x) adalah O(x3), f(x) adalah O(x2+2x+7) dan seterusnya. Hal ini juga
benar bahwa x2 adalah O(x2+2x+1), jika x2 < x2 + 2x +1 dimana x > 1. Dari
contoh tersebut diperoleh dua fungsi, f(x) = x2 + 2 x + 1 dan g(x) = x2,
sedemikian sehingga f(x) adalah O(g(x)) dan g(x) adalah O(f(x)).
Pernyataan terakhir dari pertidaksamaan x2 < x2 + 2
x + 1, dimana untuk semua x bilangan real tidak negative. Dikatakan kedua
fungsi f(x) dan g(x) bahwa keduanya mengikuti relasi big-O dengan order
atau pangkat yang sama.
Penjelasan :
Kenyataan bahwa f(x) adalah g(x) kadang-kadang ditulis f(x)
= O(g(x)). Bagaimanapun, tanda sama dengan pada notasi tersebut tidak dapat
dipresentasikan dengan sebuah persamaan sesungguhnya.
Selanjutnya, notasi tersebut mengambarkan bahwa
pertidaksamaan yang diperoleh menghubungkan nilai pada fungsi f dan g untuk
bilangan yang cukup besar pada domain fungsi tersebut.
Notasi big-O digunakan pada bidang matematika, khususnya
pada ilmu Komputer untuk analisa algoritma. Matematikawan jerman yang
memperkenalkan pertama kali notasi big-O pada tahun 1892 pada sebuah buku
tentang teori Bilangan. Notasi big-O kadang – kadang disebut juga dengan Simbol
Landau.
Ketika f(x) adalah O(g(x)), dan h(x) adalah sebuah fungsi
yang mempunyai nilai absolute lebih besar dari pada g(x) untuk bilangan x yang
cukup besar, mengikuti definisi diatas maka f(x) adalah O(h(x)). Dengan kata
lain, fungsi g(x) pada relasi f(x) adalah O(g(x)) dapat dipresentasikan dengan
sebuah fungsi dengan nilai absolute yang lebih besar.
| f(x) | < C |g(x)| jika x > k
Dan jika | h(x) | > | g(x) untuk
semua x > k, maka :
| f(x) | < C |h(x)| jika x > k
Oleh karena itu f(x) adalah O(h(x)).
Ketika notasi big-O digunakan, fungsi g pada relasi f(x)
adalah O(g(x)) dipilih dari nilai terkecil yang mungkin. Kadang – kadang dari
sebuah himpunan fungsi tertentu, misalnya fungsi tersebut pada bentuk xn ,
dimana n adalah bilangan integer positif.
Contoh Masalah :
Sebuah masalah komputasi dapat dilihat
sebagai sebuah koleksi yang tak terbatas kasus bersama-sama dengan solusi untuk
setiap contoh. Input string untuk sebuah masalah komputasi disebut sebagai
contoh masalah, dan tidak boleh bingung dengan masalah itu sendiri. Dalam teori
kompleksitas komputasi, masalah mengacu pada pertanyaan abstrak yang harus
dipecahkan. Sebaliknya, sebuah contoh dari masalah ini adalah ucapan yang agak
konkret, yang dapat digunakan sebagai masukan untuk masalah keputusan. Sebagai
contoh, perhatikan masalah primality pengujian. contoh adalah nomor dan
solusinya adalah "ya" jika nomor perdana dan "tidak" sebaliknya.
Bergantian, yang contoh adalah input tertentu untuk masalah, dan solusinya
adalah output sesuai dengan input yang diberikan.
Untuk lebih menyoroti perbedaan antara
masalah dan sebuah contoh, pertimbangkan contoh berikut versi keputusan dari
pedagang keliling masalah: Apakah ada rute dengan panjang maksimal 2000
kilometer melewati semua di Jerman 15 kota terbesar? Jawaban untuk masalah
khusus ini misalnya tidak banyak digunakan untuk menyelesaikan contoh-contoh
lain dari masalah, seperti meminta untuk pulang-pergi melalui semua pemandangan
di Milan yang jumlah paling banyak panjangnya 10km. Untuk alasan ini, teori
kompleksitas komputasi alamat masalah dan bukan masalah tertentu.
Tidak ada komentar:
Posting Komentar