Pendidikan lingkungan hidup adalah suatu proses untuk membangun populasi manusia di dunia yang sadar dan peduli terhadap lingkungan total (keseluruhan) dan segala masalah yang berkaitan dengannya, dan masyarakat yang memiliki pengetahuan, ketrampilan, sikap dan tingkah laku, motivasi serta komitmen untuk bekerja sama , baik secara individu maupun secara kolektif , untuk dapat memecahkan berbagai masalah lingkungan saat ini, dan mencegah timbulnya masalah baru. (UNESCO, Deklarasi Tbilisi, 1977)

Prinsip Pendidikan Lingkungan Hidup

1. Mempertimbangkan lingkungan sebagai suatu totalitas — alami dan buatan, bersifat teknologi dan sosial (ekonomi, politik, kultural, historis, moral, estetika);
2. Merupakan suatu proses yang berjalan secara terus menerus dan sepanjang hidup, dimulai pada zaman pra sekolah, dan berlanjut ke tahap pendidikan formal maupun non formal;
3. Mempunyai pendekatan yang sifatnya interdisipliner, dengan menarik/mengambil isi atau ciri spesifik dari masing-masing disiplin ilmu sehingga memungkinkan suatu pendekatan yang holistik dan perspektif yang seimbang.
4. Meneliti (examine) issue lingkungan yang utama dari sudut pandang lokal, nasional, regional dan internasional, sehingga siswa dapat menerima insight mengenai kondisi lingkungan di wilayah geografis yang lain;
5. Memberi tekanan pada situasi lingkungan saat ini dan situasi lingkungan yang potensial, dengan memasukkan pertimbangan perspektif historisnya;
6. Mempromosikan nilai dan pentingnya kerja sama lokal, nasional dan internasional untuk mencegah dan memecahkan masalah-masalah lingkungan;
7. Secara eksplisit mempertimbangkan/memperhitungkan aspek lingkungan dalam rencana pembangunan dan pertumbuhan;
8. Memampukan peserta didik untuk mempunyai peran dalam merencanakan pengalaman belajar mereka, dan memberi kesempatan pada mereka untuk membuat keputusan dan menerima konsekuensi dari keputusan tersebut;
9. Menghubungkan (relate) kepekaan kepada lingkungan, pengetahuan, ketrampilan untuk memecahkan masalah dan klarifikasi nilai pada setiap tahap umur, tetapi bagi umur muda (tahun-tahun pertama) diberikan tekanan yang khusus terhadap kepekaan lingkungan terhadap lingkungan tempat mereka hidup;
10. Membantu peserta didik untuk menemukan (discover), gejala-gejala dan penyebab dari masalah lingkungan;
11. Memberi tekanan mengenai kompleksitas masalah lingkungan, sehingga diperlukan kemampuan untuk berpikir secara kritis dengan ketrampilan untuk memecahkan masalah.
12. Memanfaatkan beraneka ragam situasi pembelajaran (learning environment) dan berbagai pendekatan dalam pembelajaran mengenai dan dari lingkungan dengan tekanan yang kuat pada kegiatan-kegiatan yang sifatnya praktis dan memberikan pengalaman secara langsung (first – hand experience).

Fokus

Pendidikan Lingkungan Hidup berfokus pada:

• Kepedulian dan sensitifitas terhadap lingkungan hidup dan tantangannya.
• Pengetahuan dan pemahaman tentang lingkungan hidup dan tantangannya.
• Perubahan perilaku terhadap lingkungan hidup dan mengembangkan peningkatan kualitas lingkungan hidup.
• Keahlian untuk mengantisipasi terjadinya permasalahan lingkungan hidup.
• Partisipasi untuk menerapkan pengetahuan dan keahlian terkait program lingkungan hidup.

Sejarah

Pada tahun 1977/1978 rintisan Garis‐garis Besar Program Pengajaran Lingkungan Hidup diujicobakan di 15 Sekolah Dasar Jakarta. Pada tahun 1979 di bawah koordinasi Kantor Menteri Negara Pengawasan Pembangunan dan Lingkungan Hidup (Meneg PPLH) dibentuk Pusat Studi Lingkungan (PSL) di berbagai perguruan tinggi negeri dan swasta, di mana pendidikan Analisis Mengenai Dampak Lingkungan (AMDAL mulai dikembangkan).

Tahun 1986, Pendidikan Lingkungan Hidup dan Kependudukan dimasukkan ke dalam pendidikan formal dengan dibentuknya mata pelajaran Pendidikan kependudukan dan lingkungan hidup (PKLH). Depdikbud merasa perlu untuk mulai mengintegrasikan PKLH ke dalam semua mata pelajaran

Sejak tahun 1989/1990, berbagai pelatihan tentang lingkungan hidup telah diperkenalkan oleh Departemen Pendidikan Nasional bagi guru-guru SD, SMP dan SMA termasuk Sekolah Kejuruan.

Tahun 1996 terbentuk Jaringan Pendidikan Lingkungan (JPL) antara LSM-LSM yang berminat dan menaruh perhatian terhadap pendidikan lingkungan. Hingga tahun 2004 tercatat 192 anggota JPL yang bergerak dalam pengembangan dan pelaksanaan pendidikan lingkungan. Tahun 2013, JPL melaksanakan Pertemuan Nasional Jaringan Pendidikan Lingkungan di Jogjakarta.

Pada tahun 1996 disepakati kerja sama pertama antara Departemen Pendidikan Nasional dan Kementerian Negara Lingkungan Hidup, No. 0142/U/1996 dan No Kep: 89/MENLH/5/1996 tentang Pembinaan dan Pengembangan Pendidikan Lingkungan Hidup tanggal 21 Mei 1996, yang diperbaharui pada tahun 2005 (nomor: Kep No 07/MenLH/06/2005 No 05/VI/KB/2005 tanggal 5 Juli 2005) dan tahun 2010. Sebagai tindak lanjut dari kesepakatan tahun 2005, pada tahun 2006 Kementerian Lingkungan Hidup mengembangkan program pendidikan lingkungan hidup pada jenjang pendidikan dasar dan menengah melalui program Adiwiyata. Program ini dilaksanakan di 10 sekolah di Pulau Jawa sebagai sekolah model dengan melibatkan perguruan tinggi dan LSM yang bergerak di bidang Pendidikan Lingkungan Hidup.

Kementerian Lingkungan Hidup sejah tahun 2006 mengembangkan Program Sekolah Adiwiyata. Sejak tahun 2006 sampai 2011 yang ikut partisipasi dalam program Adiwiyata baru mencapai 1.351 sekolah dari 251.415 sekolah (SD, SMP, SMA, SMK) Se‐Indonesia, diantaranya yang mendapat Adiwiyata mandiri : 56 sekolah, Adiwiyata: 113 sekolah, calon Adiwiyata 103 sekolah, atau total yang mendapat penghargaan Adiwiyata mencapai 272 Sekolah (SD, SMP, SMA, SMK) Se‐Indonesia.

Kategori Pendidikan Lingkungan Hidup

PLH dikategorikan menjadi:

1. PLH formal yaitu kegiatan pendidikan di bidang lingkungan hidup yang diselenggarakan melalui sekolah yang terdiri atas pendidikan dasar, menengah, dan tinggi yang dilakukan secara terstruktur dengan menggunakan metode pendekatan kurikulum yang terintegrasi maupun kurikulum yang monolitik atau tersendiri
2. PLH non-formal adalah kegiatan pendidikan di bidang lingkungan hidup yang dilakukan di luar sekolah yang dapat dilaksanakan secara terstruktur dan berjenjang, misalnya AMDAL, ISO, dan PPNS.

Sumber Artikel : Wikipedia

Matematika komputasional 

Matematika komputasi mencakup studi matematika dalam matematika serta bidang ilmiah di mana ilmu komputer memainkan peran sentral dan penting, menekankan algoritma, metode numerik, dan perhitungan simbolik.

Matematika komputasi terapan adalah penggunaan matematika untuk mengaktifkan dan meningkatkan perhitungan komputasi dalam matematika terapan. Matematika Komputasi juga dapat merujuk pada penggunaan komputer dalam matematika itu sendiri. Hal ini termasuk penggunaan komputer untuk perhitungan matematis (aljabar komputer), studi tentang apa yang dapat (dan tidak dapat) dikomputerisasi dalam matematika (metode efektif), perhitungan apa yang dapat dilakukan dengan teknologi saat ini (Teori Kompleksitas), dan demonstrasi apa yang diperlukan. mungkin dilakukan. diterima. dilakukan di komputer (tes asisten).

Bidang matematika komputasi

Matematika komputasi, sebagai cabang yang berkembang dari matematika terapan pada awal 1950-an, melibatkan beragam aspek yang mencakup ilmu komputasi atau komputasi ilmiah, yang mencakup pemecahan masalah matematika melalui simulasi komputer daripada metode analitik matematika terapan.

Disiplin ini mencakup penerapan metode numerik seperti aljabar linier numerik dan solusi numerik persamaan diferensial parsial, serta metode stokastik seperti metode Monte Carlo untuk mengatasi representasi ketidakpastian dalam konteks komputasi ilmiah.

Matematika komputasi juga mencakup analisis numerik dan teori metode numerik, kompleksitas komputasi, aljabar komputer, dan sistem aljabar komputer. Selain itu, penelitian berbantuan komputer diterapkan dalam berbagai bidang matematika, seperti logika, matematika diskrit, kombinatorik, teori bilangan, dan topologi aljabar komputasi.

Aspek kriptografi dan keamanan komputer, termasuk pengujian primalitas, faktorisasi, kurva eliptik, dan matematika blockchain, juga menjadi bagian dari matematika komputasi. Disiplin ini juga merambah ke linguistik komputasi, geometri aljabar komputasi, teori grup komputasi, geometri komputasi, teori bilangan komputasi, topologi komputasi, statistik komputasi, teori informasi algoritma, teori permainan algoritma, dan ekonomi matematika yang melibatkan penerapan matematika dalam ekonomi, keuangan, dan sebagian akuntansi. Ini juga mencakup eksplorasi matematika eksperimental.

Disadur dari : en.wikipedia.org

Ekonomi rumah tangga, ilmu domestik atau ilmu rumah adalah sebuah bidang studi^[1] yang mempelajari hubungan antara individu, keluarga, komunitas, dan lingkungan tempat mereka tinggal.

Sumber Artikel : Wikipedia

Feasible Region

Dalam optimasi matematis, wilayah, himpunan, ruang pencarian, atau ruang solusi yang layak adalah himpunan semua titik yang mungkin (kumpulan nilai dari variabel yang dipilih) dari suatu masalah optimasi yang memenuhi batasan masalah tersebut. , yang mungkin mengandung kesenjangan, persamaan dan ketidaksetaraan. pembatasan bilangan bulat. Ini adalah rangkaian solusi pertama yang mungkin untuk mengatasi masalah tersebut sebelum mempersempit kelompok kandidat.

Misalnya, pertimbangkan masalah meminimalkan fungsi sehubungan dengan variabel dan , tunduk pada dan Di sini himpunan layak adalah himpunan pasangan (x,y) yang nilai x paling sedikit 1 dan paling banyak 10 dan nilai y paling sedikit 5 dan paling banyak 12. Himpunan masalah yang layak terpisah dari fungsi tujuan, yang menyatakan kriteria yang akan dioptimalkan dan yang dalam contoh di atas adalah

Dalam banyak permasalahan, himpunan layak mencerminkan batasan bahwa satu atau lebih variabel tidak boleh negatif. Untuk permasalahan pemrograman yang hanya menggunakan bilangan bulat, himpunan bilangan bulat (atau bagiannya) adalah himpunan yang diperbolehkan. Dalam permasalahan program linier, himpunan layak adalah politop cembung: wilayah ruang multidimensi yang batasnya dibentuk oleh bidang hiper dan simpulnya adalah simpul.

Kepuasan kendala adalah proses menemukan titik di wilayah yang layak.

Daerah fisibel tertutup dari masalah program linier dengan tiga variabel adalah polihedron cembung.

Himpunan layak cembung

Dalam masalah pemrograman linier, serangkaian kendala linier menghasilkan wilayah layak cembung dari nilai-nilai yang mungkin untuk variabel-variabel tersebut. Dalam kasus dua variabel daerah ini berbentuk poligon sederhana cembung.

Himpunan layak cembung adalah himpunan yang ruas garis yang menghubungkan dua titik layak hanya melalui titik layak lainnya dan tidak melalui suatu titik di luar himpunan layak tersebut. Himpunan layak cembung muncul dalam banyak jenis masalah, termasuk masalah program linier, dan sangat menarik karena masalah dengan fungsi tujuan konveks yang dimaksimalkan umumnya lebih mudah diselesaikan jika ada solusi cembung. set yang diizinkan, dan setiap maksimum lokal juga merupakan maksimum global.

Tidak ada set yang layak

Jika kendala dari masalah optimasi saling bertentangan, tidak ada titik yang memenuhi semua kendala dan dengan demikian wilayah yang layak adalah himpunan nol. Dalam hal ini masalah tidak memiliki solusi dan dikatakan tidak layak.

Himpunan layak terbatas (atas) dan himpunan layak tak terbatas (bawah). Set di bagian bawah berlanjut selamanya ke arah kanan.

Himpunan layak terbatas dan tidak terbatas

Himpunan layak terbatas (atas) dan himpunan layak tak terbatas (bawah). Set di bagian bawah berlanjut selamanya ke arah kanan.

Himpunan yang dapat diwujudkan bisa terbatas atau tidak terbatas. Misalnya, himpunan nilai realisasi yang ditentukan oleh himpunan batasan {x ≥ 0, y ≥ 0} tidak terhingga karena tidak ada batasan jarak yang dapat ditempuh dalam arah tertentu selama berada dalam rentang nilai realisasi tetap. Sebaliknya, himpunan kemungkinan yang dibentuk oleh himpunan batasan {x ≥ 0, y ≥ 0, x + 2y ≤ 4} adalah terbatas karena amplitudo pergerakan ke segala arah dibatasi oleh batasan tersebut.

Untuk masalah program linier dengan n variabel, kondisi yang diperlukan tetapi tidak cukup untuk membatasi himpunan kemungkinan adalah jumlah batasan paling sedikit n + 1 (seperti yang ditunjukkan pada contoh di atas).

Ketika himpunan kemungkinan tidak terbatas, optimalitas mungkin terjadi atau tidak tergantung pada spesifikasi fungsi tujuan.Misalnya, jika wilayah layak ditentukan oleh himpunan batasan {x ≥ 0, y ≥ 0}, maka permasalahan pemaksimalan x + y adalah suboptimal karena setiap solusi yang mungkin dapat diperbaiki dengan meningkatkan x atau y; Namun jika permasalahannya meminimalkan x + y, maka terdapat permasalahan optimal (terutama pada (x, y) = (0, 0)).

Solusi kandidat

Dalam optimasi dan cabang matematika lainnya, serta dalam algoritma pencarian (cabang ilmu komputer), solusi kandidat adalah anggota dari himpunan solusi yang mungkin dalam domain yang mungkin dari suatu masalah tertentu. Solusi kandidat tidak harus berupa solusi yang mungkin atau masuk akal terhadap suatu masalah, namun hanya solusi yang memenuhi semua batasan; yaitu, dalam serangkaian solusi yang mungkin. Algoritma untuk menyelesaikan berbagai jenis masalah optimasi sering kali mereduksi himpunankemungkinan solusi menjadi subkumpulan solusi layak yang poin-poinnya tetap menjadi solusi layak, sementara solusi lain yang mungkin kemudian dikeluarkan sebagai kandidat.

Ruang semua kandidat solusi sebelum mengecualikan titik layak disebut wilayah layak, himpunan layak, ruang pencarian, atau ruang solusi. Ini adalah himpunan semua solusi yang mungkin yang memenuhi kondisi batas masalah. Kepuasan Kendala adalah proses menemukan titik-titik dalam suatu himpunan yang mungkin.

Algoritma genetika

Dalam kasus algoritma genetik thm, solusi kandidat adalah individu dalam populasi yang dikembangkan oleh algoritma.

Kalkulus

Dalam kalkulus, pencarian solusi optimal dilakukan dengan menggunakan uji turunan pertama: turunan pertama dari fungsi yang dioptimalkan ditetapkan sama dengan nol, dan nilai apa pun dari variabel terpilih yang memenuhi persamaan ini diperlakukan sebagai kandidat solusi (sementara mereka yang tidak dikecualikan dari daftar peringkat). Solusi potensial mungkin bukan solusi aktual dalam beberapa hal. Pertama, ini mungkin merupakan titik terendah ketika bertujuan untuk mencapai titik tertinggi (atau sebaliknya), dan kedua, mungkin tidak memberikan titik terendah atau tertinggi pada, melainkan sebuah pelana atau titik balik ketika ada jeda sementara dalam pertumbuhan lokal. . Jika tidak, fungsinya akan hilang. Solusi kandidat tersebut dapat dikecualikan dengan uji turunan kedua, yang pemenuhannya cukup untuk membuat solusi kandidat setidaknya optimal secara lokal.Ketiga, solusi potensial mungkin optimal secara lokal namun tidak optimal secara global.

Dalam mengambil antiturunan dari monomial bentuk  solusi kandidat menggunakan rumus kuadratur Cavalieri adalah Kandidat solusi ini sebenarnya benar kecuali jika

Pemrograman linier

Serangkaian kendala pemrograman linier pada dua variabel menghasilkan wilayah nilai yang mungkin untuk variabel tersebut. Masalah dua variabel yang dapat diselesaikan akan memiliki wilayah layak dalam bentuk poligon sederhana cembung jika dibatasi. Dalam algoritma yang menguji titik-titik yang layak secara berurutan, setiap titik yang diuji pada gilirannya merupakan solusi kandidat.

Dalam metode simpleks penyelesaian masalah program linier, sebuah simpul dari politop yang layak dipilih sebagai kandidat solusi awal dan diuji optimalitasnya; Jika ditolak sebagai titik optimal, simpul-simpul tetangga dianggap sebagai kandidat solusi berikutnya. Proses ini berlanjut hingga solusi yang diusulkan dianggap optimal.

Disadur dari: en.wikipedia.org

Kecakapan hidup (life skills) adalah kemampuan untuk beradaptasi dan berperilaku positif yang memungkinkan manusia menghadapi tuntutan dan tantangan hidup secara efektif. Konsep ini juga disebut sebagai kompetensi psikososial. Subjek kecakapan hidup sangat bervariasi tergantung pada norma-norma sosial dan harapan masyarakat. Umumnya semua jenis keterampilan yang berfungsi untuk kesejahteraan dan membantu individu untuk berkembang menjadi anggota masyarakat yang aktif dan produktif dianggap sebagai keterampilan hidup.

Sumber Artikel : Wikipedia

Heuristik

Dalam optimasi matematika dan ilmu komputer, adalah teknik yang dirancang untuk memecahkan masalah lebih cepat ketika metode klasik terlalu lambat atau untuk menemukan solusi perkiraan ketika metode klasik gagal untuk menemukan solusi yang tepat. . Hal ini dicapai dengan perdagangan optimalitas, kelengkapan, akurasi, atau presisi untuk kecepatan. Di satu sisi, itu bisa dianggap sebagai jalan pintas.

Fungsi heuristik,

fungsi yang memberi peringkat alternatif dalam algoritma pencarian pada setiap langkah percabangan berdasarkan informasi yang tersedia untuk memutuskan cabang mana yang akan diikuti. Misalnya, mungkin mendekati solusi yang tepat.

Definisi dan motivasi

Tujuan dari heuristik adalah untuk menghasilkan solusi dalam kerangka waktu yang wajar yang cukup baik untuk memecahkan masalah yang dihadapi. Solusi ini mungkin bukan yang terbaik dari semua solusi untuk masalah ini, atau mungkin hanya mendekati solusi yang tepat. Tapi tetap berharga karena menemukannya tidak membutuhkan waktu yang lama.

Heuristik dapat menghasilkan hasil sendiri, atau mereka dapat digunakan bersama dengan algoritma optimasi untuk meningkatkan efisiensinya (misalnya, mereka dapat digunakan untuk menghasilkan nilai benih yang baik). Hasil tentang NP-hardness dalam ilmu komputer teoretis menjadikan heuristik satu-satunya pilihan yang layak untuk berbagai masalah optimasi kompleks yang perlu diselesaikan secara rutin dalam aplikasi dunia nyata. Heuristik mendasari seluruh bidang Kecerdasan Buatan dan simulasi komputer berpikir, karena mereka dapat digunakan dalam situasi di mana tidak ada algoritma yang diketahui.

Trade-off

Kriteria trade-off untuk memutuskan apakah akan menggunakan heuristik untuk memecahkan masalah yang diberikan meliputi:

• Optimalitas: Ketika ada beberapa solusi untuk masalah yang diberikan, apakah heuristik menjamin bahwa solusi terbaik akan ditemukan? Apakah benar-benar perlu untuk menemukan solusi terbaik?
• Kelengkapan: Ketika ada beberapa solusi untuk masalah yang diberikan, dapatkah heuristik menemukan semuanya? Apakah kita benar-benar membutuhkan semua solusi? Banyak heuristik hanya dimaksudkan untuk menemukan satu solusi.
• Akurasi dan presisi: Dapatkah heuristik memberikan interval kepercayaan untuk solusi yang diklaim? Apakah bilah kesalahan pada solusi terlalu besar?
• Waktu eksekusi: Apakah ini heuristik paling terkenal untuk memecahkan masalah jenis ini? Beberapa heuristik berkumpul lebih cepat daripada yang lain. Beberapa heuristik hanya sedikit lebih cepat daripada metode klasik, dalam hal ini 'overhead' dalam menghitung heuristik mungkin berdampak negatif.

Dalam beberapa kasus, mungkin sulit untuk memutuskan apakah solusi yang ditemukan oleh heuristik cukup baik, karena teori yang mendasari heuristik tidak terlalu rumit.

Contoh

Masalah yang lebih sederhana

Salah satu cara untuk mencapai perolehan kinerja komputasi yang diharapkan dari heuristik terdiri dari pemecahan masalah yang lebih sederhana yang solusinya juga merupakan solusi untuk masalah awal.

Masalah penjual keliling

Contoh pendekatan dijelaskan oleh Jon Bentley untuk memecahkan masalah penjual keliling (TSP):

• Diberikan daftar kota dan jarak antara setiap pasangan kota, apa rute terpendek yang mungkin mengunjungi setiap kota tepat satu kali dan kembali ke kota asal?

sehingga dapat memilih urutan menggambar menggunakan pen plotter. TSP dikenal sebagai NP-hard sehingga solusi optimal untuk masalah ukuran sedang pun sulit untuk dipecahkan. Sebaliknya, algoritma serakah dapat digunakan untuk memberikan solusi yang baik tetapi tidak optimal (ini adalah perkiraan untuk jawaban yang optimal) dalam waktu yang cukup singkat. Heuristik algoritma serakah mengatakan untuk memilih apa pun yang saat ini merupakan langkah terbaik berikutnya terlepas dari apakah itu mencegah (atau bahkan membuat tidak mungkin) langkah baik nanti. Ini adalah heuristik dalam praktik yang mengatakan itu adalah solusi yang cukup baik, teori mengatakan ada solusi yang lebih baik (dan bahkan dapat mengatakan seberapa jauh lebih baik dalam beberapa kasus).

Mencari

Contoh lain dari heuristik membuat algoritma lebih cepat terjadi pada masalah pencarian tertentu. Awalnya, heuristik mencoba setiap kemungkinan pada setiap langkah, seperti algoritma pencarian ruang penuh. Tapi itu bisa menghentikan pencarian kapan saja jika kemungkinan saat ini sudah lebih buruk daripada solusi terbaik yang sudah ditemukan. Dalam masalah pencarian seperti itu, heuristik dapat digunakan untuk mencoba pilihan yang baik terlebih dahulu sehingga jalur yang buruk dapat dihilangkan lebih awal (lihat pemangkasan alfa-beta). Dalam kasus algoritma pencarian terbaik-pertama, seperti pencarian A*, heuristik meningkatkan konvergensi algoritma sambil mempertahankan kebenarannya selama heuristik dapat diterima.

Newell dan Simon: hipotesis pencarian heuristik

Dalam pidato penerimaan Penghargaan Turing mereka, Allen Newell dan Herbert A. Simon membahas hipotesis pencarian heuristik: sistem simbol fisik akan berulang kali menghasilkan dan memodifikasi struktur simbol yang diketahui sampai struktur yang dibuat cocok dengan struktur solusi. Setiap langkah berikutnya tergantung pada langkah sebelumnya, sehingga pencarian heuristik mempelajari jalan apa yang harus dikejar dan mana

perlu diabaikan dengan mengukur seberapa dekat langkah saat ini dengan solusi. Oleh karena itu, beberapa kemungkinan tidak akan pernah dihasilkan karena kemungkinannya kecil untuk menyelesaikan solusi.

Metode heuristik dapat menyelesaikan tugasnya dengan menggunakan pohon pencarian. Namun, alih-alih menghasilkan semua cabang solusi yang mungkin, heuristik memilih cabang yang lebih mungkin menghasilkan hasil daripada cabang lainnya. Ini selektif pada setiap titik keputusan, memilih cabang yang lebih mungkin menghasilkan solusi.

Perangkat lunak antivirus

Perangkat lunak antivirus sering menggunakan aturan heuristik untuk mendeteksi virus dan bentuk malware lainnya. Pemindaian heuristik mencari kode dan/atau pola perilaku yang umum pada kelas atau keluarga virus, dengan seperangkat aturan yang berbeda untuk virus yang berbeda. Jika file atau proses eksekusi ditemukan berisi pola kode yang cocok dan/atau melakukan rangkaian aktivitas tersebut, pemindai menyimpulkan bahwa file tersebut terinfeksi. Bagian paling canggih dari pemindaian heuristik berbasis perilaku adalah bahwa ia dapat bekerja melawan virus yang sangat acak yang memodifikasi/bermutasi (polimorfik) yang tidak dapat dengan mudah dideteksi dengan metode pemindaian string yang lebih sederhana. Pemindaian heuristik memiliki potensi untuk mendeteksi virus di masa depan tanpa mengharuskan virus untuk pertama kali terdeteksi di tempat lain, diserahkan ke pengembang pemindai virus, dianalisis, dan pembaruan deteksi untuk pemindai yang diberikan kepada pengguna pemindai.

Jebakan

Beberapa heuristik memiliki teori dasar yang kuat; mereka diturunkan secara top-down dari teori atau diperoleh berdasarkan data eksperimental atau dunia nyata. Yang lain hanyalah aturan praktis berdasarkan pengamatan atau pengalaman dunia nyata bahkan tanpa melihat teori. Yang terakhir terkena lebih banyak jebakan.

Ketika heuristik digunakan kembali dalam berbagai konteks karena telah terlihat "berfungsi" dalam satu konteks, tanpa terbukti secara matematis untuk memenuhi serangkaian persyaratan tertentu, ada kemungkinan bahwa kumpulan data saat ini tidak selalu mewakili kumpulan data masa depan ( lihat: overfitting) dan "solusi" yang diklaim itu ternyata mirip dengan kebisingan.

Analisis statistik dapat dilakukan ketika menggunakan heuristik untuk memperkirakan kemungkinan hasil yang salah. Untuk menggunakan heuristik untuk memecahkan masalah pencarian atau masalah knapsack, perlu untuk memeriksa apakah heuristik tersebut dapat diterima. Diberikan fungsi heuristik dimaksudkan untuk mendekati jarak optimal sebenarnya  ke simpul tujuan dalam grafik berarah  berisi  total simpul atau simpul berlabel  "diterima" berarti secara kasar bahwa heuristik meremehkan biaya untuk tujuan atau secara formal bahwa untuk semua di mana 

Jika heuristik tidak dapat diterima, heuristik mungkin tidak akan pernah menemukan tujuannya, baik dengan berakhir di jalan buntu grafik  atau dengan melompat-lompat di antara dua node dan dengan .

Disadur dari : en.wikipedia.org