KESENJANGAN DIGITAL

1 Konsep Dasar Dari Kesenjangan Digital (Digital Divide) 

      Istilah ”kesenjangan digital” secara sederhana dijelaskan sebagai ketidaksamaan dalam hal akses pada komputer dan internet antara kelompok yang didasarkan pada satu atau lebih identifikasi sosial dan kultural. Sebagai contoh kesenjangan digital adalah perbedaan akses pada komputer dan internet antara kelompok wanita dan pria, usia tua dan muda. 

    Berdasarkan OECD tahun 2001, kesenjangan digital didefinisikan sebagai berikut: "....the gap between individuals, households, businesses and geographic areas at different socio-economic levels with regard both to their opportunities to access information and communication technologies (ITs) and to their use of the Internet for a wide variety of activities ".

    Berdasarkan pengertian tersebut dapat disimpulkan bahwa kesenjangan terjadi antara tingkat individu, rumah tangga,bisnis, dan area geografi yang tingkat sosial ekonominya berbeda, berdasarkan kesempatan mereka untuk mengakses teknologi informasi dan komunikasi. 

     Kesenjangan digital membahas mengenai kesenjangan antara individu yang memiliki akses dan yang mampu menggunakan teknologi komunikasi dan komputer secara efektif dengan individu yang tidak mampu serta tidak memiliki akses. 

     Mengurangi kesenjangan digital berarti membahas mengenai pengaksesan internet dan sumber dayanya, penggunaan teknologi telekomunikasi dan komputer untuk bekerja, berkomunikasi, mencari informasi, membuat dan membentuk pengetahuan yang berfungsi efektif, dan pada akhirnya menciptakan sebuah komunitas yang lebih baik dan meningkatkan kualitas kehidupan masyarakat.

2. PENYEBAB TERJADINYA KESENJANGAN DIGITAL :

1. 1. Infrastruktur
2. 2. Kekurangan skill (SDM)
3. 3. Kekurangan isi / materi (content)
4. 4. Kurangnya pemanfaatan akan internet itu sendiri
5. 
   

3. Dampak kesenjangan digital 

A. Dampak Positif : 

Dampak positif kesenjangan digital bagi sebagian orang yang belum mengenal atau menerapkan teknologi adalah masyarakat dapat termotifasi untuk ikut ambil bagian dalam peningkatan teknologi informasi.

B. Dampak Negatif:

1. Bagi mereka yang mampu menghasilkan teknologi dan sekaligus memanfaatkan teknologi memiliki peluang lebih besar untuk mengelola sumber daya ekonomi, sementara yang tidak memiliki teknologi harus puas sebagai penonton saja. Akibatnya yang kaya semakin kaya dan yang miskin tetap miskin.

2. Kemajuan Teknologi Informasi itu terlahir dari sebuah kemajuan zaman, bahkan mungkin ada yang menolak anggapan, semakin tinggi tingkat kemajuan yang ada, semakin tinggi pula tingkat kriminalitas yang terjadi.

4. SOLUSI MENGURANGI KESENJANGAN DIGITAL

a. Penyedian infrastruktur yang memadai

b. Memberikan penyuluhan tenteng kemajuan teknologi informasi

c. Pembangunan fasilitas telekomunikasi antara kota dan desa

Contoh Soal dan Penyelesaian Dengan Divide and Conquer

Merge Sort

Merge sort, seperti namanya, merupakan algoritma yang dirancang untuk melakukan pengurutan terhadap sekumpulan bilangan. Ide utama dari merge sort sama dengan algoritma perhitungan total yang telah kita lakukan sebelumnya, yaitu membagi-bagikan keseluruhan list menjadi komponen kecil, dan kemudian mengurutkan komponen tersebut dan menggabungkannya kembali menjadi sebuah list besar.

Berikut adalah merge sort yang diimplementasikan dalam bahasa python:

def merge_sort(lst):
    if len(lst) <= 1:
        return lst

    mid = len(lst) // 2
    left = merge_sort(lst[:mid])
    right = merge_sort(lst[mid:])

    return merge(left, right)

def merge(left, right):
    result = []

    while len(left) > 0 or len(right) > 0:
        if len(left) > 0 and len(right) > 0:
            if left[0] <= right[0]:
                result.append(left.pop(0))
            else:
                result.append(right.pop(0))
        elif len(left) > 0:
            result.append(left.pop(0))
        elif len(right) > 0:
            result.append(right.pop(0))

    return result

Dari kode di atas terlihat bahwa merge sort memiliki dua bagian, yang dituliskan dalam dua buah fungsi: merge dan merge_sort. Fungsi merge_sort memiliki logika dan cara kerja yang sama dengan fungsi penjumlahan total yang kita bangun sebelumnya, dengan perbedaan pada bagian yang melakukan penggabungan list (return merge(left, right)).

Penggabungan list sendiri dilakukan dengan cukup sederhana dan gamblang, yaitu hanya membandingkan elemen-elemen dari dua buah list yang dikirimkan satu per satu, untuk kemudian disimpan ke dalam variabel result secara terurut. Untuk lebih jelasnya, mari kita coba bedah algoritma pada fungsi merge, langkah demi langkah.

Misalkan kita memanggil fungsi merge seperti berikut:

left  = [3, 5]
right = [1, 4]
merge(left, right)

Note

Ingat bahwa list pada variabel left maupun right harus sudah terurut jika ukuran list lebih dari 1. Fungsi merge dengan argumen list berukuran > 1 hanya dipanggil dari hasil merge dua buah list berukuran satu dalam kasus merge_sort.

Jika kita mengikuti langkah demi langkah pada kode, maka pada setiap iterasi while kita akan mendapatkan nilai masing-masing variabel sebagai berikut:

# Awal fungsi
left   = [3, 5]
right  = [1, 4]
result = []

# Iterasi 1
left   = [3, 5]
right  = [4]
result = [1]

# Iterasi 2
left   = [5]
right  = [4]
result = [1, 3]

# Iterasi 3
left   = [5]
right  = []
result = [1, 3, 4]

# Iterasi 4
left   = []
right  = []
result = [1, 3, 4, 5]

Penggabungan seperti di atas dilakukan pada setiap submasalah yang telah dipecah oleh merge_sort, sampai kita mendapatkan sebuah list dengan ukuran yang sama pada list awal. Untuk mempermudah pengertian, gambar di bawah menunjukkan proses pemecahan dan penggabungan kembali dari merge sort:

Langkah Kerja Merge Sort

Proses divide terjadi ketika kotak dan panah berwarna merah, sementara conquer dan combine terjadi ketika kotak dan panah diberi warna biru. Proses conquer merupakan proses di mana kita mengurutkan elemen dalam list, dan combine adalah ketika kita menggabungkan hasil urutan dari list tersebut.

Binary Search

Binary search merupakan salah satu algoritma pencarian yang paling efisien, dengan kompleksitas O(logn). Algoritma ini memanfaatkan teknik divide and conquer dengan memecah lingkup pencarian data menjadi setengahnya pada setiap kali divide. Kekurangan dari binary search yaitu bahwa algoritma ini hanya dapat digunakan pada sebuah data atau lsit yang telah terurut.
Langsung saja, implementasi binary search menggunakan python:

def binary_search(data, search_val, min_idx, max_idx):
    if max_idx < min_idx:
        print("%d not found in list"%search_val)
        return -1

    mid_idx = (min_idx + max_idx) // 2
    if data[mid_idx] > search_val:
        return binary_search(data, search_val, min_idx, mid_idx - 1)
    elif data[mid_idx] < search_val:
        return binary_search(data, search_val, mid_idx + 1, max_idx)
    else:
        print("%d found in index %d"%(search_val, mid_idx))
        return mid_idx

Mari kita lihat cara kerja binary search. Misalkan kita diberikan data berupa list bilangan seperti berikut:

[1, 2, 4, 6, 7, 8, 9, 10]

dan diminta untuk mencari letak angka 2 pada list tersebut. Sebelum mulai menjalankan algoritma, pastinya kita harus mengetahui nilai-nilai awal terelbih dahulu. Adapun nilai awal yang dibutuhkan untuk fungsi binary_search adalah sebagai berikut:

data       = [1, 2, 4, 6, 7, 8, 9, 10]
search_val = 2
min_idx    = 0
max_idx    = len(data) - 1 # 7

Nilai indeks minimal (batas awal pencarian) yang pertama tentunya adalah 0, dengan nilai maksimal (batas akhir pencarian) adalah ukuran dari list itu sendiri. Di langkah awal binary search, dilakukan perhitungan terhadap nilai tengah dari min_idx dan max_idx terlebih dahulu, untuk mendapatkan titik awal pencarian. Perhitungan nilai tengah dilakukan pada kode berikut:

mid_idx = (min_idx + max_idx) // 2

Setelah mendapatkan nilai tengah, kita lalu melakukan cek apakah nilai dari data pada indeks tersebut lebih besar atau lebih kecil dibandingkan nilai yang akan kita cari (2). Langkah pengecekan ini dilakukan pada perintah if berikut:

if data[mid_idx] > search_val:
    # nilai lebih besar daripada 2
elif data[mid_idx] < search_val:
    # nilai lebih kecil daripada 2
else:
    # nilai adalah 2 (ditemukan)

Dalam kasus ini, nilai dari mid_idx adalah 3, dan karena data[3] berisi 6, maka kita akan melakukan pemotongan terhadap seluruh nilai pada data setelah 6, karena nilai tersebut sudah pasti tidak diperlukan lagi (ingat, data harus terurut pada binary search). Kita lalu memanggil fungsi binary_search lagi, kali ini dengan mencari hanya pada submasalah (list) berikut (perhatikan bagaimana pada pemanggilan binary_search yang kedua nilai max_idx kita ubah menjadi mid_idx - 1):

[1, 2, 4]

Dan dengan mengaplikasikan logika yang sama dengan tahap sebelumnya, kita akan langsung menemukan bilangan yang dicari.

1. Misalnya diketahui table A yang berukuran n eleman sudah berisi nilai integer. Kita ingin menentukan nilai minimum dan nilai maksimum sekaligus di dalam table tersebut. Misalkan tabel A berisi elemen-elemen sebagai berikut :
Ide dasar algoritma secara Divide and Conquer :

Ukuran table hasil pembagian dapat dibuat cukup kecil sehingga mencari minimum dan maksimum dapat diselesaikan (SOLVE) secara lebih mudah. Dalam hal ini, ukuran kecil yang dipilih adalah 1 elemen atau 2 elemen.

Algoritma MinMaks :

1. Untuk kasus n = 1 atau n = 2,

SOLVE : Jika n = 1, maka min = maks = An. Jika n = 2, maka bandingkan kedua elemen untuk menentukan min dan maks.

2. Untuk kasus n > 2,

• DIVIDE : Bagi dua table A secara rekursif menjadi dua bagian yang berukuran sama, yaitu bagian kiri dan bagian kanan.

•  CONQUER : Terapkan algoritma Divide and Conquer untuk masing-masing bagian, dalam hal ini min dan maks dari table bagian kiri dinyatakan dalam peubah min1 dan maks1, dan min dan maks dari table bagian kanan dinyatakan dalam peubah min2 dan maks2.

• COMBINE : Bandingkan min1 dan min2 untuk menentukan min table A, serta bandingkan maks1 dan maks2 untuk menentukan maks table A.

Contoh Soal dan Penyelesaian Dengan Metode Greedy

1. Kita diberikan sebuah knapsack (ransel) yang dapat menampung berat maksimum 15 Kg dan sehimpunan benda A = {a₀, a₁, a₂, a₃} yang berbobot (dalam Kg) W = {5,9,2,4}. Setiap benda tersebut diberikan nilai profit P = {100, 135, 26, 20}. Jika kita diperbolehkan memasukkan zi bagian dari benda ai yang ada ke dalam knapsack dimana 0 ≤ zi ≤ 1 , maka tentukanlah Z = {z0,z1,z2,z3} agar diperoleh total profit yang maksimal !

Penelesaian :

Dik : n = 4; M = 15;

        W = { 5,9,2,4 };

        P = { 100,135,26,20 },

Dit : total profit yang maksimal ?

Barang ke -	Berat(Wi)	Keuntungan(Pi)	Pi/Wi
Z0	5	100	20
Z1	9	135	15
Z2	2	26	13
Z3	4	20	5

Z ← 0

cu ← 15

i = 0

karena W(0) 〈 cu yaitu : 5 〈 15 berarti : Z(0) ← 1

cu ← 15 - 5 = 10

i = 1

karena W(1) 〈 cu yaitu : 9 〈 10 berarti : Z(1) ← 1

cu ← 10 - 9 = 1

i = 2

karena W(2) 〉 cu yaitu : 2 〉 1 berarti : keluar dari loop (exit)

Karena 2 ≤ 3 maka Z(2) ← cu/W(2) = 1/2 = 0,5

Jadi optimisasi masalah knapsack diperoleh bila Z = { 1; 1; 0,5; 0 }

Sehingga Q = 1 x 100 + 1 x 135 + 0,5 x 26 + 0 x 20

= 100 + 135 + 13 + 0

= 248

2. Misal terdapat 3 buah prg.(n=3) yg masing-masing mempunyai panjang persegi.

(I1, I2 ,I3) = (5, 10, 3). Tentukan urutan penyimpanannya secara berurutan ( sequential )

agar optimal....!

Penyelesaiannya :

Dari 3 program tersebut akan didapat 6 buah kemungkinan order, yg didapat dari 

nilai faktorial 3 --> 3! (ingat faktorial n!).

ORDERING	D ( I )
1,2,3 1,3,2 2,1,3 2,3,1 3,1,2 3,2,1	5 + (5+10) + (5+10+3) = 38 5 + (5+3) + (5+3+10) = 31 10 + (10+5) + (10+5+3) = 43 10 + (10+3) + (10+3+5) = 41 3 + (3+5) + (3+5+10) = 29 3 + (3+10) + (3+10+5) = 34

Dari tabel tersebut, didapat Susunan / order yg optimal adalah :

susunan pertama untuk program ke tiga = 3

susunan kedua untuk program kesatu = 5

susunan ketiga untuk program kedua = 10