REPUBLIKA.CO.ID, YOGYAKARTA -- Gubernur DIY, Sri Sultan Hamengku Buwono X meminta kampus yang akan menggelar perkuliahan tatap muka untuk menyusun SOP. Di Oktober 2021 ini, beberapa perguruan tinggi di DIY sudah mulai menggelar perkuliahan tatap muka secara terbatas.

"Saya punya harapan dari kampus-kampus itu bisa mengkonsolidasi diri (dengan) LLDIKTI DIY, bagaimana lewat organisasi itu mempersamakan persepsi dan membangun SOP seperti yang dilakukan lembaga-lembaga lain seperti hotel-hotel dan (destinasi) pariwisata," kata Sultan di Kompleks Kepatihan, Yogyakarta, Kamis (7/10).

SOP yang disusun diharapkan dapat menjadi panduan bagi civitas academica dalam perkuliahan tatap muka. Terutama terkait penerapan protokol kesehatan pencegahan Covid-19.

"Bagaimana dia bisa mengawal protokol kesehatan dan sebagainya itu di kampusnya masing-masing, saya berharap lewat (SOP) itu bisa dibangun semua kampus," ujar Sultan.

Sultan juga menegaskan tidak akan menolerir jika terjadi penularan Covid-19 di lingkungan kampus. Pihaknya, kata Sultan, akan menghentikan perkuliahan tatap muka jika muncul klaster baru. "Kalau begitu ada yang merah ya diminta tutup, itu saja," jelasnya.

Sebelumnya, kampus di DIY juga sudah diminta untuk mendata mahasiswanya yang datang dari luar daerah. Ketua Satgas Percepatan Vaksinasi Pemda DIY, Sumadi mengatakan, pendataan dilakukan untuk memastikan mahasiswa yang datang sudah mendapatkan vaksin Covid-19.

"Supaya bisa mendata mahasiswa yang datang dari luar Pulau Jawa yang (capaian) vaksinasinya rata-rata masih di bawah (rendah). Jangan sampai ada yang dari luar Jawa masuk dan belum tervaksin sama sekali," kata Sumadi yang juga Asisten Bidang Pemerintahan dan Administrasi Umum Pemda DIY tersebut belum lama ini.

Sumadi menyebut, data yang sudah dikumpulkan oleh masing-masing kampus nantinya akan menjadi acuan untuk vaksinasi mahasiswa. Sebab, bagi mahasiswa yang belum divaksin, maka diimbau agar melakukan vaksinasi dalam rangka perkuliahan tatap muka.

Pasalnya, perkuliahan tatap muka secara terbatas direncanakan Oktober 2021 ini akan dimulai dilakukan oleh beberapa kampus. Sehingga, dimungkinkan akan banyak mahasiswa dari luar daerah yang masuk ke DIY.

"Pak Gubernur (DIY) sudah meminta pihak rektorat untuk mendata, komunikasikan kepada kami Pemda DIY atau nanti dengan TNI/Polri karena kami tidak menghendaki adanya klaster (penularan Covid-19 saat digelarnya perkuliahan tatap muka), kita harus sangat berhati-hati," ujar Sumadi.

Sumber: republika.co.id

 

Variabel Acak

Variabel acak (disebut juga variabel acak, variabel acak, atau variabel stokastik) adalah formalisasi matematis suatu besaran atau objek yang bergantung pada kejadian acak. Secara informal, kebetulan biasanya merupakan unsur fundamental dari kebetulan, misalnya dalam pelemparan dadu; Hal ini juga dapat mewakili ketidakpastian, seperti kesalahan pengukuran.

Namun, penafsiran probabilitas secara filosofis rumit dan tidak selalu mudah bahkan dalam kasus tertentu. Analisis matematis murni terhadap variabel acak tidak menimbulkan kesulitan dalam penafsiran dan dapat didasarkan pada pengaturan aksiomatik yang ketat.

Dalam bahasa matematika formal teori pengukuran, variabel acak didefinisikan sebagai fungsi terukur dari ruang ukuran probabilitas (disebut ruang sampel) ke ruang terukur. Hal ini memungkinkan kita untuk mempertimbangkan ukuran kemajuan yang disebut distribusi variabel acak. Oleh karena itu, distribusi adalah ukuran probabilitas pada himpunan semua nilai yang mungkin dari suatu variabel acak. Ada kemungkinan dua variabel acak memiliki distribusi yang identik tetapi berbeda secara signifikan; Misalnyabisa mandiri.

Adalah umum untuk mempertimbangkan kasus-kasus khusus dari variabel acak diskrit dan variabel acak kontinu absolut, yang berkaitan dengan apakah suatu variabel acak mengevaluasi pada subset yang dapat dihitung atau pada interval bilangan real. Ada kemungkinan penting lainnya, terutama dalam teori proses stokastik, di mana wajar jika kita memperhitungkan barisan acak atau fungsi acak.Variabel acak terkadang diasumsikan dievaluasi secara otomatis sebagai bilangan real, dan besaran acak lebih sering disebut sebagai elemen acak.

Contoh

Variabel acak diskrit

Pertimbangkan sebuah eksperimen di mana satu orang dipilih secara acak. Contoh variabel acak adalah tinggi badan seseorang. Secara matematis, variabel acak didefinisikan sebagai fungsi yang mewakili tinggi badan seseorang. Variabel acak dikaitkan dengan distribusi probabilitas yang memungkinkan kita menghitung probabilitas bahwa tinggi badan berada dalam subkumpulan nilai apa pun yang mungkin, misalnya probabilitas bahwa tinggi badan antara 180 dan 190 cm, atau probabilitas bahwa tinggi badan lebih kecil adalah dari 180 cm. dari 150 atau lebih dari 200 cm.

Variabel acak lainnya bisa berupa jumlah anak yang dimiliki seseorang; adalah variabel acak diskrit dengan nilai integer non-negatif. Hal ini memungkinkan penghitungan probabilitas untuk nilai integer individual (fungsi massa probabilitas (PMF)) atau untuk himpunan nilai, termasuk himpunan tak hingga. Misalnya, peristiwa yang menarik mungkin berupa “jumlah anak genap”. Untuk rangkaian kejadian berhingga dan tak terhingga, probabilitas dapat dicari dengan menjumlahkan PMF elemen; Artinyacara mempunyai jumlah anak genap adalah jumlah yang tidak terhingga

Disadur dari: en.wikipedia.org

REPUBLIKA.CO.ID, SURABAYA -- Dinas Pendidikan Kota Surabaya menyelenggarakan Penilaian Nasional Berbasis Komputer (ANBK) pada tingkat sekolah menengah (SMP) se-Kota Surabaya. Oleh karena itu, sekolah-sekolah yang lokasinya secara fisik sudah kembali menerapkan pembelajaran daring.

“Saat ini kami fokus pada penyusunan ANBK yang merupakan program pemerintah pusat. “ANBK ini akan menjangkau siswa kelas 8 dan dilaksanakan pada tanggal 4 hingga 7 Oktober 2021,” kata Wakil Direktur Divisi Pendidikan Menengah Disdik Surabaya Tri Aji Nugroho, Kamis (30 September).

Aji mengatakan: Benar . Kini, timnya dan pihak sekolah fokus menata sumber daya dan infrastruktur berupa komputer. Sebab, ANBK ibarat ujian nasional berbasis komputer. Diakuinya pula Kementerian Pendidikan Surabaya sedang melatih inspektur dan administrator. “Jadi kita tanya langsung di komputer untuk mengukur kapasitas dan jumlah siswa,” kata Aji, dalam rangka pengelolaan sekolah dan menengah serta pembatalan penerimaan dan pembuatan sarana dan prasarana. Kursus sekolah juga online. Pembelajaran daring akan terus berlangsung hingga ANBK berakhir.

"Rencananya kami akan online mulai hari ini, kemungkinan Senin (11/10) untuk siswa SMA juga. . Karena ANBK sudah selesai," kata.
\ nAji mengatakan, Disdik akan tetap menerapkan protokol kesehatan yang ketat selama pelaksanaan ANBK. Bahkan, pelaksanaan ANBK ini sudah dievaluasi oleh Satgas Covid-19 Surabaya sehingga pelaksanaannya dibagi dalam beberapa tahap. Masing-masing peserta hanya berjumlah 15 siswa. section.

“Kedepannya kami akan bekerja sama dengan dinas kesehatan untuk menata kembali tim mahasiswa yang akan mengikuti ANBK ini. “Karena kami ingin siswa sehat dan bergabung dengan ANBK agar maju,” ujarnya.

Aji mengatakan penghentian sementara pembelajaran tatap muka bukan karena adanya kelompok COVID-19. Sekolah di kota Surabaya. Aji mengaku sejauh ini timnya belum menemukan adanya klaster COVID-19 di sekolah tersebut.

Wali Kota Surabaya Eri Cahyadi mengakui ada seorang siswa SD yang positif COVID-19 setelah dilakukan tes acak. Dari penyelidikan terungkap bahwa siswa tersebut merupakan siswa luar kota yang baru saja bersekolah. “Sekarang, mereka bukanlah orang-orang yang selama ini mengerjakan CPU.” Kata Eli.

Eri setuju timnya akan melakukan tes acak setiap hari, memilih beberapa siswa dari setiap kelas. Menurutnya, uji coba acak ini penting sebagai bentuk tindakan pencegahan saat mengimplementasikan CPU.

Sumber: republika.co.id

 

Kursus interaktif adalah suatu bentuk pembelajaran yang memungkinkan pengguna berinteraksi langsung dengan materi yang disajikan. Dengan kursus ini, pengguna dapat mengontrol konten, kecepatan dan hasil pembelajaran. Berbeda dengan metode pembelajaran pasif seperti ceramah atau membaca buku, kursus interaktif memungkinkan pengguna untuk berpartisipasi aktif dan mempengaruhi proses pembelajaran.

Yang dimaksud dengan interaktivitas dalam kursus ini adalah kemampuan pengguna dalam berinteraksi dengan materi. Misalnya, pengguna dapat memilih jawaban yang benar untuk sebuah kuis, mengklik link untuk membaca lebih lanjut, atau memilih topik yang ingin mereka pelajari lebih lanjut. Interaktivitas ini memungkinkan pembelajaran yang lebih efektif karena pengguna terlibat secara aktif dan memiliki pemahaman materi yang lebih baik.

Kursus interaktif memiliki keuntungan sebagai berikut:

1. Penyesuaian: Pengguna dapat memilih materi yang paling sesuai bagi mereka. Dengan cara ini, pembelajaran dapat disesuaikan dengan kebutuhan dan minat individu.
2. Pembelajaran lebih menarik: Interaksi menjadikan pembelajaran lebih menarik dan menyenangkan. Pengguna tidak hanya membaca teks, tetapi juga berpartisipasi aktif dalam proses pembelajaran.
3. Pelacakan kemajuan: Kursus interaktif sering kali dilengkapi dengan fitur pelacakan kemajuan. Pengguna dapat melihat sejauh mana mereka telah memahami materi dan mengidentifikasi area yang memerlukan perbaikan.
4. Fleksibilitas: Pengguna dapat mengakses kursus ini kapan saja, di mana saja. Hal ini memungkinkan pembelajaran lebih fleksibel dan menyesuaikan jadwal individu.

Tantangan kursus interaktif meliputi:

1. Ketergantungan pada teknologi: Kursus interaktif memerlukan akses ke komputer atau ponsel cerdas. Bagi mereka yang tidak memiliki akses tersebut, pembelajaran menjadi lebih sulit.
2. Kesulitan dalam merancang materi interaktif: Penulis kursus harus memastikan bahwa materi yang disajikan mudah diakses dan memiliki nilai pendidikan yang tinggi.
3. Terakhir, kursus interaktif merupakan metode pembelajaran yang efektif dan menarik , memungkinkan pengguna untuk berpartisipasi aktif dalam proses pembelajaran. Seiring kemajuan teknologi, kursus semacam itu menjadi semakin relevan dan berdampak positif pada pendidikan kita.

Disadur dari Artikel : en.wikipedia.org

Jakarta - Times Higher Education (THE) merilis daftar universitas terbaik dalam skema THE Asia University Rankings 2022, Rabu(1/6/2022) kemarin.

THE Asia University Rankings 2022 merupakan peringkat universitas terbaik di Asia yang disusun berdasarkan keberhasilan kinerja suatu perguruan tinggi dalam menerapkan 17 indikator kerja yang diklasifikasikan menjadi 5 golongan penilaian. Besaran indikator penilaian dikenakan dengan bobot nilai masing-masing.

Untuk indikator pemeringkatan THE Asia University Rankings 2022, terdapat 5 kelompok yang menjadi acuan utama penilaian universitas terbaik di Asia ini. Inilah penjelasan lengkap kelompok indikatornya:

1. Pengajaran (25 persen)

Mengukur lingkungan pembelajaran di setiap kampus melalui survei tentang kualitas institusi dalam memberikan pengajaran sebesar 10%, rasio tenaga pendidik dan mahasiswa 4,5%, rasio mahasiswa doktor dan sarjana 2,25%, rasio gelar doktor bagi tenaga pendidik 6%, dan pendapatan institusional 2,25%.

2. Penelitian (30 persen)

Kelompok penilaian penelitian perguruan tinggi dinilai berdasarkan survei yang diambil dari kampus lain sebesar 15%, pendapatan dari penelitian 7,5%, dan produktivitas penelitian 7,5%. Untuk mengukur produktivitas, dihitung dari jumlah paper yang diterbitkan dalam jurnal akademik yang diindeks oleh basis data Scopus Elsevier per jenjang.

3. Sitasi (30 persen)

Indikator ini menunjukkan peran universitas dalam menyebarkan pengetahuan dan ide-ide baru. Penyitasian dalam penelitian menunjukkan kontribusi universitas dalam menghasilkan paper atau jurnal yang berkualitas.

4. Penilaian internasional (7,5 persen)

Selanjutnya, penilaian universitas terbaik diambil berdasarkan rasio mahasiswa lokal dan mahasiswa internasional sebesar 2,5%, rasio tenaga pendidik lokal dan tenaga pendidik yang berasal dari negara asing 2,5%, serta kolaborasi kampus dalam skala internasional 2,5%.

5. Capaian di dunia industri (7,5 persen)

Indikator ini menunjukkan kemampuan universitas dalam memberikan transfer pengetahuan berupa inovasi, penemuan, dan konsultasi untuk membantu industri. Penilaian ini juga ditujukan untuk melihat sejauh mana bisnis bersedia membayar jasa untuk penelitian dari universitas.

Didasarkan dari penilaian tersebut, Universitas Indonesia (UI) menempati peringkat pertama dengan total skor sejumlah 32,4 - 34,6. Inilah daftar lengkap universitas terbaik di Indonesia versi THE Asia University Rankings 2022.

14 Kampus Terbaik di Indonesia Versi THE Asia University Rankings 2022

1. Universitas Indonesia (UI)

Peringkat dunia: 201-250

Skor: 32,4 -34,6

2. Institut Teknologi Bandung (ITB)

Peringkat dunia: 301-350

Skor: 27,2-29,5

3. Universitas Pendidikan Indonesia (UPI)

Peringkat dunia: 351-400

Skor: 24,9-27,1

4. Universitas Airlangga (Unair)

Peringkat dunia: 401-500

Skor: 20,9-24,8

5. Universitas Gadjah Mada (UGM)

Peringkat dunia: 401-500

Skor: 20,9-24,8

6. Universitas Hasanuddin (Unhas)

Peringkat dunia: 401-500

Skor: 20,9-24,8

7. IPB University

Peringkat dunia: 401-500

Skor: 20,9-24,8

8. Universitas Sebelas Maret (UNS)

Peringkat dunia: 401-500

Skor: 20,9-24,8

9. Institut Teknologi Sepuluh Nopember (ITS)

Peringkat dunia: 401-500

Skor: 20,9-24,8

10. Telkom University

Peringkat dunia: 401-500

Skor: 20,9-24,8

11. BINUS University

Peringkat dunia: 501+

Skor: 13,4-20,8

12. Universitas Brawijaya (UB)

Peringkat dunia: 501+

Skor: 13,4-20,8

13. Universitas Diponegoro (Undip)

Peringkat dunia: 501+

Skor: 13,4-20,8

14. Universitas Padjadjaran (Unpad)

Peringkat dunia: 501+

Skor: 13,4-20,8

Selain universitas terbaik, terdapat 5 perguruan tinggi di Indonesia yang dicantumkan di THE Asia University Rankings 2022 sebagai reporter. Perguruan tinggi reporter ialah perguruan tinggi yang menyediakan data tetapi belum mencapai eligibility criteria untuk masuk peringkat.

Kelima perguruan tinggi reporter di Indonesia dalam THE Asia University Rankings 2022 yakni Bakrie University, Universitas Negeri Surabaya, Satya Wacana Christian University, Universitas Sumatera Utara, dan Universitas Negeri Yogyakarta.

Disadur dari sumber detik.com

Simulated Annealing

Simulated Annealing (SA) adalah teknik probabilistik untuk memperkirakan maksimum global suatu fungsi tertentu. Secara khusus, ini adalah metaheuristik untuk memperkirakan optimasi global dalam ruang pencarian masalah optimasi yang besar. Untuk sejumlah besar optima lokal, SA dapat menemukan optima global. Ini sering digunakan ketika ruang pencariannya terpisah (misalnya masalah penjual keliling, masalah kepuasan logis, prediksi struktur protein, dan perencanaan lokakarya). Untuk permasalahan di mana menemukan perkiraan optimal global lebih penting daripada menemukan optimal lokal yang tepat pada waktu yang tetap, simulasi anil bisa lebih baik daripada algoritma yang tepat seperti penurunan gradien atau cabang dan batas.

Nama algoritme ini berasal dari anil dalam metalurgi, suatu teknik di mana suatu material dipanaskan dan didinginkan secara terkendali untuk mengubah sifat fisiknya. Keduanya merupakan sifat material yang bergantung pada energi bebas termodinamikanya. Bahan pemanas dan pendingin mempengaruhi suhu dan energi bebas termodinamika, atau energi Gibbs. Simulasi anil dapat diterapkan pada masalah optimasi yang sulit secara komputasi di mana algoritma yang tepat gagal; Meskipun pendekatan ini umumnya menghasilkan solusi yang mendekati nilai minimum global, namun pendekatan ini cukup untuk memecahkan banyak permasalahan praktis.Masalah yang dipecahkan oleh SA saat ini dirumuskan menggunakan fungsi tujuan multivariabel, yang tunduk pada banyak batasan matematis.Dalam praktiknya, batasan ini dapat dipandang sebagai bagian dari fungsi tujuan.

Teknik serupa telah diperkenalkan secara independen beberapa kali, termasuk Pincus (1970), Khachaturyan et al. (1979,  1981), Kirkpatrick, Gelatt dan Vecchi (1983) dan Cerny (1985). Pada tahun 1983, Kirkpatrick, Gelatt Jr., Vecchi, menggunakan pendekatan ini untuk memecahkan masalah penjual. Mereka juga menyarankan nama saat ini Simulated Annealing.

Gagasan pendinginan lambat yang diterapkan dalam algoritma simulasi anil ditafsirkan sebagai penurunan perlahan dalam kemungkinan menerima solusi yang lebih buruk seiring dengan eksplorasi ruang solusi.Menerima solusi yang lebih buruk memungkinkan pencarian solusi optimal global yang lebih komprehensif. Secara umum, algoritma simulasi anil bekerja sebagai berikut. Suhu turun dari nilai positif awal menjadi nol.

Pada setiap langkah waktu, algoritme secara acak memilih solusi yang mendekati solusi saat ini, mengukur kualitasnya, dan bergerak ke arah solusi tersebut sesuai dengan probabilitas yang bergantung pada suhu untuk memilih solusi yang lebih baik atau lebih buruk daripada tetap pada angka 1 selama pencarian
masing-masing solusi. (atau positif). ) dan menurun menuju nol.

Simulasi dapat dilakukan dengan menyelesaikan persamaan kinetik fungsi kepadatan probabilitas atau menggunakan metode stochastic sampling. Metode ini merupakan adaptasi dari algoritma Metropolis-Hastings, metode Monte Carlo untuk menghasilkan keadaan pola sistem termodinamika, yang diterbitkan oleh N. Metropolis et al. pada tahun 1953.

Gambaran umum

Keadaan suatu sistem fisik dan fungsi E(s) yang harus diminimalkan adalah analog dengan energi dalam sistem dalam keadaan tersebut. Tujuannya adalah untuk membawa sistem dari keadaan awal yang berubah-ubah ke keadaan dengan energi serendah mungkin.

Iterasi dasar
Pada setiap langkah, heuristik anil yang disimulasikan memperhitungkan beberapa keadaan tetangga s* dari keadaan s saat ini dan memutuskan secara probabilistik apakah sistem dipindahkan ke keadaan s* atau tetap dalam keadaan s. Kemungkinan ini pada akhirnya menyebabkan sistem bertransisi ke keadaan energi yang lebih rendah. Biasanya, langkah ini diulangi hingga sistem mencapai kondisi yang cukup baik untuk aplikasi atau hingga anggaran komputasi tertentu habis.

Tetangga suatu negara
Optimalisasi solusi melibatkan evaluasi tetangga dari keadaan masalah, yang merupakan keadaan baru yang diciptakan oleh perubahan konservatif pada keadaan tertentu. Misalnya, dalam masalah penjual, setiap negara bagian biasanya didefinisikan sebagai permutasi kota-kota yang akan dikunjungi, dan tetangga suatu negara bagian adalah himpunan permutasi yang dibuat dengan menukarkan kedua kota tersebut. Cara-cara perubahan negara-negara bagian yang terdefinisi dengan baik untuk menciptakan negara-negara tetangga disebut “pergerakan”, dan pergerakan yang berbeda menghasilkan kumpulan negara-negara tetangga yang berbeda. Langkah-langkah ini umumnya menghasilkan perubahan minimal pada keadaan akhir dalam upaya untuk meningkatkan solusi secara bertahap melalui perbaikan berulang pada bagian-bagiannya (misalnya koneksi kota dalam masalah penjual).

Tidak ada jaminan bahwa heuristik sederhana seperti pendakian bukit, yang bergerak mencari satu demi satu tetangga terbaik dan berhenti ketika mereka telah mencapai solusi yang tidak ada tetangganya, akan menjadi solusi yang lebih baik, tidak dapat dijamin akan mengarah pada solusi yang lebih baik. solusi terbaik yang ada; Hasilnya mungkin hanya berupa optimum lokal, sedangkan solusi terbaik sebenarnya adalah optimum global, yang mungkin berbeda-beda.

Metaheuristik menggunakan tetangga suatu solusi untuk mengeksplorasi ruang solusi. Meskipun mereka lebih memilih tetangga yang lebih baik, mereka juga menerima tetangga yang lebih buruk agar tidak terjebak dalam optimal lokal. Mereka dapat menemukan titik optimal global jika dijalankan dalam jangka waktu yang cukup lama.

Jadwal Annealing

suatu algoritma yang memerlukan integrasi fungsi-fungsi yang berkaitan dengan fluktuasi suhu ke dalam karakteristik operasinya. Algoritma ini memerlukan penurunan suhu secara bertahap selama simulasi, dimulai dari suhu tinggi dan kemudian menurun pada setiap langkah sesuai dengan jadwal anil yang dapat ditentukan pengguna. Pendekatan ini memungkinkan sistem untuk pertama-tama menjelajahi wilayah ruang pencarian yang luas, mengabaikan
fitur kecil dari fungsi energi, kemudian bergerak menuju wilayah energi rendah yang semakin sempit, dan akhirnya turun sesuai dengan heuristik penurunan paling curam.

Meskipun bersifat teoritis, kemungkinan algoritma ini mencapai solusi optimal global meningkat hingga mendekati 1 seiring dengan perluasan program anil untuk setiap permasalahan yang terbatas. Namun, hasil teoritis ini penggunaannya terbatas karena waktu yang diperlukan untuk mencapai keberhasilan yang signifikan kemungkinan besar melebihi waktu yang diperlukan untuk melakukan pencarian menyeluruh dalam ruang solusi.

Disadur dari: en.wikipedia.org