Desain pembelajaran adalah praktik pengorganisasian media dan konten teknologi komunikasi untuk memfasilitasi komunikasi efektif antara guru dan siswa. Proses tersebut terdiri dari menentukan kondisi dasar pemahaman siswa, merumuskan tujuan pembelajaran, dan mengembangkan “perlakuan” berbasis media untuk memudahkan transisi. Idealnya, proses ini didasarkan pada teori pembelajaran yang telah teruji secara pedagogis dan dapat terjadi pada siswa secara individu, di bawah pengawasan guru, atau dalam masyarakat. Hasil pembelajaran ini dapat langsung diamati dan diukur secara ilmiah, atau disembunyikan sama sekali dan hanya berupa asumsi.

Perencanaan pembelajaran dapat dimaknai dari berbagai sudut pandang, sebagai suatu disiplin ilmu, sebagai ilmu pengetahuan, sebagai suatu sistem dan suatu proses. . Sebagai suatu ilmu, desain pembelajaran berkaitan dengan kajian dan teori tentang berbagai strategi serta proses pengembangan dan pelaksanaan pembelajaran. Sebagai ilmu, desain pembelajaran merupakan ilmu untuk menciptakan spesifikasi pengembangan, pelaksanaan, penilaian, serta pengelolaan situasi yang memberikan fasilitas pelayanan pembelajaran dalam skala makro dan mikro untuk berbagai mata pelajaran pada berbagai tingkatan. Sebagai sistem, desain pembelajaran merupakan pengembangan sistem pembelajaran dan sistem pelaksanaannya termasuk sarana serta prosedur untuk meningkatkan mutu belajar.

Sebagai suatu disiplin, desain pembelajaran secara historis dan tradisional berakar pada psikologi kognitif dan perilaku. Namun istilah ini sering dihubungkan dengan istilah yang berbeda dalam bidang lain, misalnya dengan istilah desain grafis. Walaupun desain grafis (dari perspektif kognitif) dapat memainkan peran penting dalam desain pembelajaran, tetapi keduanya adalah konsep yang terpisah.

Banyak dasar dari bidang desain pembelajaran yang diletakan saat Perang Dunia II, saat militer Amerika Serikat merasakan adanya kebutuhan untuk melatih dengan cepat sejumlah besar orang untuk melakukan tugas teknis yang rumit dalam bidang kemiliteran. Berdasarkan penelitian dan teori dari B.F. Skinner tentang operant conditioning, program pelatihan difokuskan pada perilaku yang tampak. Latihan dibagi menjadi beberapa bagian, dan setiap bagian latihan diperlakukan sebagai tujuan pembelajaran tersendiri. Pelatihan dirancang untuk memberi penghargaan pada tampilan yang benar dan memberikan koreksi untuk tampilan yang salah. Semua siswa diharapkan mampu memperoleh keterampilan jika diberi kesempatan pengulangan yang cukup dan umpan balik yang memadai. Setelah perang, keberhasilan model pendidikan masa perang terulang kembali dalam pendidikan komersial dan industri, pada tingkat lebih rendah di kelas dasar dan menengah.

1955. Benjamin S. Bloom menerbitkan taksonomi tiga bidang studi. Sasaran: Kognitif (apa yang kita ketahui atau pikirkan), afektif (apa yang kita rasakan atau sikap yang kita miliki), dan psikomotorik (apa yang kita lakukan). Taksonomi ini masih berpengaruh terhadap desain pembelajaran.

Dalam pertengahan kedua pada abad ke-20, teori belajar mulai dipengaruhi oleh perkembangan komputer digital.

Dalam tahun 1970-an, banyak pembuat teori mulai mengadopsi pendekatan "pemrosesan informasi" dalam desain pembelajaran. David Merrill misalnya mengembangkan Component Display Theory (CDT). Teori tersebut berkonsentrasi pada cara mempresentasikan materi pembelajaran (teknik presentasi).

Sumber: id.wikipedia.org

Tabu Search

Tabu Search (TS) adalah metode pencarian metaheuristik yang menggunakan metode pencarian lokal untuk optimasi matematis. Metode ini diciptakan oleh Fred W. Glover pada tahun 1986 dan diformalkan pada tahun 1989.

Pencarian lokal mengambil solusi potensial untuk suatu masalah dan memeriksa tetangga-tetangganya secara langsung (solusi yang mirip kecuali beberapa detail kecil) dengan harapan menemukan solusi yang lebih baik. Metode pencarian lokal memiliki kecenderungan untuk terjebak di wilayah suboptimal atau di dataran tinggi di mana banyak solusi memiliki tingkat kecocokan yang sama.

Tabu Search meningkatkan kinerja pencarian lokal dengan melonggarkan aturan dasarnya. Pertama, pada setiap langkah, gerakan yang memperburuk solusi dapat diterima jika tidak ada gerakan yang memperbaiki yang tersedia (seperti ketika pencarian terjebak pada minimum lokal yang ketat). Selain itu, larangan (dari situlah istilah "tabu" berasal) diberlakukan untuk mencegah pencarian kembali ke solusi yang sudah dikunjungi sebelumnya.

Implementasi dari Tabu Search menggunakan struktur memori yang menggambarkan solusi yang telah dikunjungi atau aturan-aturan yang diberikan oleh pengguna. Jika solusi potensial telah dikunjungi dalam periode waktu tertentu atau telah melanggar suatu aturan, maka solusi tersebut ditandai sebagai "tabu" (dilarang), sehingga algoritma tidak mempertimbangkan kemungkinan tersebut secara berulang-ulang.

Latar Belakang

Tabu Search adalah algoritma metaheuristik untuk memecahkan masalah optimasi kombinatorial (masalah yang memerlukan konfigurasi optimal dan pemilihan opsi).Aplikasi Tabu Search saat ini mencakup bidang-bidang seperti perencanaan sumber daya, telekomunikasi, desain VLSI, analisis keuangan, penjadwalan, perencanaan ruang, distribusi energi, teknik molekuler, logistik, pemilahan pola, manufaktur fleksibel, pengelolaan limbah, eksplorasi mineral, analisis biomedis, dan lingkungan.

Konservasi alam dan banyak lagi. Dalam beberapa tahun terakhir, jurnal dari berbagai bidang telah menerbitkan artikel tutorial dan studi komputasi yang mendokumentasikan keberhasilan Tabu Search dalam memperluas batas-batas masalah yang dapat diatasi secara efektif dan menghasilkan solusi yang kualitasnya seringkali jauh melebihi metode yang digunakan sebelumnya. Daftar lengkap penerapannya, termasuk penjelasan singkat tentang manfaat yang dihasilkan dari penerapan praktis.

Tipe Memory

Tabu Search, sebuah algoritma metaheuristik untuk optimasi kombinatorial, membawa inovasi dalam penanganan masalah kompleks dengan memanfaatkan metode pencarian lokal. Struktur memori Tabu Search, terbagi menjadi memori jangka pendek, menengah, dan panjang, memberikan keunggulan dalam mengatasi kendala-kendala yang umumnya dihadapi oleh metode pencarian lokal tradisional. Memori jangka pendek mencatat solusi-solusi terkini, melarang revisi hingga kadaluwarsa, sementara memori jangka menengah dan panjang menentukan aturan intensifikasi dan diversifikasi untuk membimbing pencarian ke arah yang optimal.

Implementasinya mencakup struktur memori yang merinci solusi-solusi yang sudah dikunjungi atau aturan-aturan pengguna. Keberhasilan Tabu Search terlihat dalam berbagai aplikasi, termasuk perencanaan sumber daya, desain VLSI, logistik, dan sektor lainnya, sering kali menghasilkan solusi yang melampaui kualitas metode-metode sebelumnya. Dengan penekanan pada struktur memori yang adaptif, Tabu Search memberikan kontribusi berharga dalam penyelesaian efisien masalah optimasi kompleks.

Contoh : Traveling Salesman Problem

Pencarian Tabu digunakan untuk menyelesaikan masalah traveling salesman (TSP). TSP sendiri adalah pertanyaan sederhana: Apa rute terpendek yang mengunjungi semua kota dalam daftar kota? Misalnya, jika Kota A dan Kota B berdekatan sedangkan Kota C berjauhan, maka total jarak perjalanan akan lebih pendek jika kota A dan B dikunjungi secara berurutan sebelum mengunjungi Kota C. Karena mencari solusi optimal sangatlah sulit (NP-hard),menggunakan metode pendekatan heuristik seperti pencarian lokal untuk mendapatkan solusi mendekati optimal.Untuk mendapatkan solusi TSP yang baik, penting untuk memanfaatkan struktur grafis.Pencarian Tabu sangat cocok sebagai metode metaheuristik untuk memecahkan masalah ini.

Ada strategi khusus yang terkait dengan pencarian Tabu, yang disebut metode rantai penggusuran, yang memungkinkan diperolehnya solusi TSP berkualitas tinggi secara efisien.Di sisi lain, pencarian tabu sederhana dapat digunakan untuk menemukan solusi yang memuaskan di TSP. Artinya solusi ini memenuhi kriteria cukup, meskipun belum seoptimal solusi yang memanfaatkan struktur grafik dengan baik. Proses pencarian dimulai dengan solusi awal, yang dapat dihasilkan secara acak atau dengan suatu algoritma.Untuk menciptakan solusi baru, kami menukar urutan kunjungan kedua kota tersebut dengan solusi potensial.

Total jarak yang ditempuh digunakan untuk mengevaluasi keunggulan suatu solusi dibandingkan dengan solusi lainnya. Untuk menghindari terjebak dalam pola kunjungan berulang atau solusi lokal yang lebih baik, solusi ditambahkan ke daftar tabu ketika solusi tersebut diterima dalam wilayah solusi tertentu.Proses pencarian berlanjut hingga kriteria penghentian tercapai, misalnya sejumlah iterasi tertentu. Setelah pencarian tabu sederhana dihentikan, hasil akhir akan mengembalikan solusi terbaik yang ditemukan selama proses eksekusi.

Disadur dari : en.wikipedia.org

Desain Instruksional (DI), juga dikenal sebagai Desain Sistem Instruksional dan awalnya dikenal sebagai Pengembangan Sistem Instruksional (PSI), adalah praktik merancang, mengembangkan, dan menyampaikan materi dan pengalaman pengajaran digital dan fisik secara sistematis dengan cara yang koheren dan konsisten. dapat diandalkan untuk memberikan informasi yang efektif, efisien, menarik, menghibur dan menginspirasi. Proses tersebut biasanya melibatkan penentuan keadaan dan kebutuhan siswa, menentukan tujuan akhir pengajaran, dan menciptakan “intervensi” yang memfasilitasi transisi. Hasil dari instruksi ini dapat diamati secara langsung dan diukur secara ilmiah, atau sepenuhnya disembunyikan dan diasumsikan. Ada banyak model desain pembelajaran, namun banyak juga yang didasarkan pada model ADDIE, yang memiliki lima tahap: analisis, desain, pengembangan, implementasi, dan evaluasi.

Robert M. Gagné dianggap sebagai salah satu pendiri PSI karena kehebatannya pengaruh. . karyanya "Kondisi pembelajaran" terhadap disiplin ilmu tersebut.

Asal usul

Sebagai sebuah bidang, desain pendidikan memiliki akar sejarah dan tradisional dalam psikologi kognitif dan perilaku, meskipun baru-baru ini konstruktivisme telah memengaruhi pemikiran di bidang tersebut. Hal ini karena ia lahir pada saat psikologi Amerika didominasi oleh paradigma perilaku. Ada juga yang menyatakan bahwa selain psikologi perilaku, asal muasal konsep ini juga dapat ditemukan pada rekayasa sistem. Meskipun pengaruh bidang-bidang ini sulit diukur, ada argumen bahwa bahasa dan “tampilan dan nuansa” bentuk awal desain kurikulum dan penerusnya berasal dari bidang teknologi ini. Secara khusus, hal ini berkaitan dengan model pengembangan pelatihan militer AS, yang didasarkan pada pendekatan sistem, yang digambarkan sebagai "gagasan untuk melihat suatu masalah atau situasi secara keseluruhan, dengan segala implikasinya, semua interaksi internalnya, semua dampaknya." hubungan eksternal, dan sepenuhnya menyadari tempatnya dalam konteks."
1950-an. tahun

Artikel oleh B.F. Skinner tahun 1954, "The Science of Learning and the Art of Teaching" merekomendasikan bahwa materi pembelajaran yang efektif, yang disebut materi pembelajaran terprogram, mencakup langkah-langkah kecil, pertanyaan berulang, dan umpan balik langsung; dan harus memungkinkan penyesuaian kecepatan sendiri. Robert F. Mager mempopulerkan penggunaan tujuan pembelajaran dalam artikelnya tahun 1962, "Mempersiapkan Tujuan untuk Pengajaran Terprogram." Artikel ini menjelaskan cara menulis tujuan, termasuk perilaku yang diinginkan, kondisi pembelajaran, dan evaluasi.

1960. tahun

Robert Glaser memperkenalkan "penelitian komparatif" pada tahun 1962. Berbeda dengan tes yang mengacu pada norma, yang mana kinerja individu dibandingkan dengan kelompok. , tes yang mengacu pada norma dirancang untuk menguji perilaku individu dalam kaitannya dengan norma objektif. Hal ini dapat digunakan untuk menilai perilaku dasar pembelajar dan seberapa besar pembelajar telah mengembangkan penguasaannya melalui pengajaran.

2010 - 2020

Pembelajaran online sudah menjadi hal sehari-hari. Kemajuan teknologi memungkinkan simulasi tingkat lanjut dengan pengalaman pembelajaran yang otentik dan realistis.

Pada tahun 2008, Asosiasi Komunikasi dan Teknologi Pendidikan (AECT) mengubah definisi teknologi pendidikan menjadi “penelitian dan praktik etis yang memfasilitasi pembelajaran dan meningkatkan kinerja melalui penciptaan. , penggunaan dan pengelolaan proses dan sumber daya teknologi."

Disadur dari Artikel : en.wikipedia.org

KOMPAS.com - Lembaga pemeringkatan universitas Times Higher Ecucation World University Rankings atau THE WUR merilis daftar universitas tebaik tahun 2022.

Dikutip dari THE WUR, penilaian tersebut mencakup 1.600 universitas di 99 negara di beragam wilayah, termasuk di Indonesia. Sebagai salah satu lembaga pemeringkatan universitas yang dipercaya oleh civitas pendidikan, THE WUR menganalisa peringkat universitas terbaik 2022 dengan memakai 13 indikator kerja. Melaui 13 indikator ini dipergunakan untuk mengukur kinerja lembaga universitas di 4 bidang, yaitu pengajaran, penelitian, transfer pengetahuan, dan pandangan internasional.

Pada peringkat pertama terdapat University of Oxford di Ingrris dengan overall score (skor keseluruhan) 95,7. Sementara di Indonesia, THE WUR menempatkan Universitas Indonesia (UI) di peringkat pertama sebagai universitas terbaik di Indonesia pada 2022. Lalu, mana saja universitas terbaik di Indonesia pada 2022 yang dirilis oleh THE WUR?

Daftar universitas terbaik di Indonesia 2022. Berikut ini ialah daftar universitas-universitas terbaik di Indonesia pada 2022 versi THE WUR:

1. Universitas Indonesia (UI) 

UI yang lokasinya di Kota Depok, Jawa Barat menduduki posisi pertama sebagai kampus terbaik di Indonesia pada 2022 dengan mempunyai nilai skor keseluruhan 27,2-31,9.

Pengajaran: 38,6

Penelitian: 20,7

Citations: 14,5

Pendapatan industri: 80,7

Pandangan internasional: 52,9

2. Institut Teknologi Bandung (ITB)

ITB yang lokasinya di Kota Bandung, Jawa Barat menduduki posisi kedua sebagai kampus terbaik di Indonesia pada 2022 dengan mempunyai nilai skor keseluruhan 22,4-27,1.

Pengajaran: 23,1

Penelitian: 20,7

Citations: 16,3

Pendapatan industri: 97,5

Pandangan internasional: 29,1

3. Universitas Pendidikan Indonesia (UPI)

UPI yang lokasinya di Kota Bandung menduduki posisi ketiga sebagai kampus terbaik di Indonesia pada 2022 dengan mempunyai nilai skor keseluruhan 22,4-27,1.

Pengajaran: 17,2

Penelitian: 9,3

Citations: 44,1

Pendapatan industri: 35,6

Pandangan internasional: 17,5.  

4. Universitas Airlangga (Unair)

Unair yang lokasinya di Kota Surabaya, Jawa Timur menempati posisi keempat sebagai kampus terbaik di Indonesia pada 2022 dengan mempunyai nilai skor keseluruhan 10,6-22,3.

Pengajaran: 21,5

Penelitian: 10,7

Citations: 18,3

Pendapatan industri: 36,5

Pandangan internasional: 34,5

5. Universitas Bina Nusantara (Binus)

Binus yang lokasinya di Kota Jakarta Barat menduduki posisi kelima sebagai kampus terbaik di Indonesia pada 2022 dengan mempunyai nilai skor keseluruhan 10,6-22,3.

Pengajaran: 17,7

Penelitian: 12,5

Citations: 13,3

Pendapatan industri: 38,6

Pandangan internasional: 35,3

6. Universitas Brawijaya (Unibraw)

Unibraw yang lokasinya di Kota Malang berada di posisi keenam sebagai kampus terbaik di Indonesia pada 2022 dengan mempunyai nilai skor keseluruhan 10,6,-22,3.

Pengajaran: 18,9

Penelitian: 9,6

Citations: 7,8

Pendapatan industri: 37,8

Pandangan internasional: 21,9

7. Universitas Diponegoro (Undip)

Undip yang lokasinya di Kota Semarang, Jawa Tengah menduduki posisi ketujuh sebagai kampus terbaik di Indonesia pada 2022 dengan mempunyai skor keseluruhan 10,6-22,3.

Pengajaran: 21,6

Penelitian: 10,5

Citations: 11,7

Pendapatan industri: 43,4

Pandangan internasional: 26,6

8. Universitas Gadjah Mada (UGM)

UGM yang lokasinya di Yogyakarta menduduki posisi kedelapan sebagai kampus terbaik di Indonesia pada 2022 dengan mempunyai skor keseluruhan 10,6-22,3.

Pengajaran: 23,4

Penelitian: 14,8

Citations: 12,5

Pendapatan industri: 67,5

Pandangan internasional: 39,6.

9. Universitas Hasanuddin (Unhas)

Unhas yang lokasinya di Kota Makassar menduduki posisi kesembilan sebagai kampus terbaik di Indonesia pada 2022 dengan mempunyai skor keseluruhan 10,6-22,3.

Pengajaran: 18,7

Penelitian: 10,1

Citations: 29,5

Pendapatan industri: 44,3

Pandangan internasional: 26,4

10. Institut Pertanian Bogor (IPB)

IPB yang lokasinya di Kota Bogor menduduki posisi kesepuluh sebagai kampus terbaik di Indonesia pada 2022 dengan mempunyai skor keseluruhan 10,6-22,3.

Pengajaran: 25,2

Penelitian: 10,3

Citations: 14,6

Pendapatan industri: 56,9

Pandangan internasional: 42,6

Selain 10 universitas tersebut, THE WUR juga merilis daftar universitas terbaik di Indonesia hingga urutan ke 19. Berikut daftar lanjutannya:

11. Universitas Padjadjaran (Unpad)
12. Universitas Sebelas Maret (UNS)
13. Institut Teknologi Sepuluh November (ITS)
14. Universitas Telkom
15. Universitas Bakrie
16. Universitas Kristen Satya Wacana (UKSW)
17. Universitas Sumatera Utara (USU)
18. Universitas Negeri Surabaya (Unesa)
19. Universitas Negeri Yogyakarta (UNY)

Disadur dari sumber kompas.com

Traveling Salesman Problem

Traveling Salesman Problem (TSP), menanyakan pertanyaan berikut: “Mengingat daftar kota dan jarak antara setiap pasangan kota, rute terpendek manakah yang dapat mengunjungi setiap kota tepat satu kali?” dan untuk kembali? Dia? Kampung halaman?” Ini adalah masalah NP-hard dalam optimasi kombinatorial, penting dalam ilmu komputer teoretis dan riset operasi. Masalah pembelanja yang bepergian dan masalah rute kendaraan merupakan generalisasi dari TSP.

Dalam teori kompleksitas komputasi, versi keputusan TSP (dengan panjang L, tugasnya adalah memutuskan apakah grafik memiliki paling banyak satu jalur dengan panjang L) termasuk dalam kelas masalah NP-lengkap.Oleh karena itu, ada kemungkinan bahwa waktu eksekusi kasus terburuk untuk algoritma TSP meningkat secara superpolinomik (tetapi tidak lebih dari eksponensial) dengan jumlah kota.

Masalah ini pertama kali dirumuskan pada tahun 1930 dan merupakan salah satu masalah optimasi yang paling banyak dipelajari. Ini digunakan sebagai titik referensi untuk banyak metode optimasi. Meskipun permasalahannya sulit secara komputasi, banyak heuristik dan algoritma yang sesuai telah diketahui, sehingga beberapa kejadian dengan puluhan ribu kota dapat diselesaikan sepenuhnya, dan bahkan permasalahan dengan jutaan kota dapat didekati dengan sepersekian 1%.

Sejarah

Asal usul masalah pekerja lapangan tidak jelas. Panduan perjalanan tahun 1832 menyebutkan masalah tersebut dan menyertakan contoh perjalanan di Jerman dan Swiss, tetapi tidak memuat penjelasan matematis.

TSP dirumuskan secara matematis pada abad ke-19 oleh matematikawan Irlandia William Rowan Hamilton dan matematikawan Inggris Thomas Kirkman. Permainan Icosian Hamiltonian adalah teka-teki rekreasional yang didasarkan pada penemuan siklus Hamiltonian. Bentuk umum TSP tampaknya pertama kali dipelajari pada tahun 1930-an oleh ahli matematika di Wina dan Harvard, terutama Karl Menger, yang mendefinisikan masalahnya, mempertimbangkan algoritma brute force yang terdefinisi dengan baik, dan mengamati ketidakoptimalan.

Traveling Salesman Problem (TSP) awalnya muncul pada tahun 1930an ketika Merrill M. Flood mencoba memecahkan tantangan perencanaan rute bus sekolah secara matematis. Menariknya, Hassler Whitney dari Universitas Princeton memberikan sentuhan pribadi pada masalah ini dengan menyebutnya sebagai “masalah 48 negara bagian,” sehingga memicu minat awal terhadap topik tersebut. Pada tahun 1950an dan 1960an, popularitas TSP meningkat setelah RAND Corporation menawarkan hadiah kepada mereka yang dapat menyelesaikannya.

Namun, titik kritis dalam pengembangan TSP terjadi pada tahun 1950an dan 1960an, ketika George Dantzig, Delbert Ray Fulkerson, dan Selmer M.Johnson dari RAND Corporation mengembangkan metode bidang potong untuk mengatasi masalah ini. Meskipun kontribusi ini tidak memberikan solusi algoritmik langsung, kontribusi ini memberikan dasar yang sangat penting untuk pengembangan metode solusi yang lebih akurat di masa depan.

Akhirnya, pada tahun 1959, Jillian Beardwood, JH Halton, dan John Hammersley memberikan solusi praktis dengan teorema Beardwood-Halton-Hammersley, menandai perkembangan lebih lanjut dalam pengobatan PST. Pada tahun 1960-an, ada pendekatan baru yang berfokus pada pembuatan batas bawah dengan mengalikan pohon rentang minimum suatu grafik. 

Hal ini membuka jalan bagi metode cabang-dan-gabung, yang menjadi pendekatan penting untuk mengatasi TSP.Selama dekade berikutnya, kemajuan signifikan dicapai pada akhir tahun 1970an dan 1980an, ketika Grötschel, Padberg, Rinaldi, dan peneliti lain memecahkan kasus TSP di 2.392 kota. Pada tahun 1990-an, muncul program Concorde dan TSPLIB yang berperan penting dalam pengembangan dan benchmarking algoritma TSP. Sebuah tonggak sejarah dicapai pada tahun 2006 dengan perhitungan rute optimal untuk 85.900 contoh masalah distribusi microchip perkotaan.Semua ini mencerminkan kemajuan luar biasa dalam pengobatan TSP selama beberapa dekade terakhir.

Deskrpsi 

Sebagai Masalah Grafik

TSP dapat dimodelkan sebagai graf tak berarah berbobot, sehingga kota adalah simpul dari graf tersebut, jalan adalah sisinya, dan jarak suatu lintasan adalah bobot sisinya. Ini adalah masalah minimalisasi yang dimulai pada titik tertentu dan berakhir setelah mengunjungi titik lain tepat satu kali. Seringkali modelnya berupa graf lengkap (yaitu setiap pasangan simpul dihubungkan oleh sebuah sisi). Jika tidak ada jalur antara dua kota, menambahkan sisi yang cukup panjang akan melengkapi grafik tanpa mempengaruhi jalur optimal.

Asimetris dan simetris
Pada TSP simetris, jarak antara dua kota sama besar pada setiap arah yang berlawanan sehingga membentuk grafik tidak berarah. Simetri ini mengurangi separuh jumlah solusi yang mungkin. Dalam TSP asimetris, jalur di kedua arah mungkin tidak ada atau jaraknya mungkin berbeda, sehingga menghasilkan grafik berarah. Kemacetan lalu lintas, jalan satu arah, dan tarif penerbangan kota dengan biaya keberangkatan dan kedatangan yang berbeda menjadi pertimbangan nyata yang secara asimetris dapat menimbulkan masalah TSP.

Disadur dari: en.wikipedia.org

Kesenjangan digital adalah kesenjangan akses terhadap teknologi digital, termasuk ponsel pintar, tablet, laptop, dan internet. Kesenjangan digital menciptakan fragmentasi dan kesenjangan dalam akses terhadap informasi dan sumber daya. Di era informasi, ketika teknologi informasi dan komunikasi (TIK) telah mengambil alih teknologi manufaktur sebagai basis konektivitas ekonomi dan sosial dunia, masyarakat yang tidak memiliki akses terhadap Internet dan teknologi informasi dan komunikasi lainnya berada pada posisi yang dirugikan secara sosio-ekonomi. karena mereka tidak dapat mencari dan memperoleh pekerjaan, berbelanja, dan belajar.

Ketika pandemi COVID-19 dimulai, pemerintah di seluruh dunia memberlakukan perintah tinggal di rumah yang menyerukan penutupan, karantina, pembatasan, dan penghentian aktivitas. Akibatnya, gangguan terhadap sekolah, layanan publik, dan perdagangan telah menyebabkan hampir separuh populasi dunia mencari cara hidup alternatif selama lockdown.

Metode-metode tersebut antara lain telemedicine, kelas virtual, belanja online, interaksi sosial berbasis teknologi, dan teletraining yang semuanya memerlukan akses internet berkecepatan tinggi atau broadband dan teknologi digital. Menurut survei yang dilakukan oleh Pew Research Center, 90% orang Amerika menganggap penggunaan Internet sebagai hal yang penting selama pandemi ini.

Menurut Pew Research Center, 59% anak-anak dari keluarga miskin kemungkinan besar akan menghadapi hambatan digital. ketika mereka selesai. tugas sekolah. Hambatan tersebut misalnya penggunaan ponsel untuk mengerjakan pekerjaan rumah, penggunaan Wi-Fi publik di rumah karena layanan internet yang tidak dapat diandalkan, dan tidak memiliki komputer di rumah. Kesulitan ini, yang dikenal sebagai tidak adanya pekerjaan rumah, mempengaruhi lebih dari 30% siswa sekolah dasar yang hidup di bawah garis kemiskinan dan secara tidak proporsional mempengaruhi siswa penduduk asli Amerika/Penduduk Asli Alaska, kulit hitam, dan Hispanik.

Jenis gangguan atau kesenjangan hak istimewa dalam pendidikan mencerminkan masalah yang terkait dengan pengucilan sistematis terhadap individu yang secara historis terpinggirkan dalam pendidikan dasar. Pandemi ini telah mengungkap kesenjangan yang menyebabkan kesenjangan dalam pembelajaran.

Kurangnya kesiapan teknologi, yang berarti kurangnya kepercayaan diri dan penggunaan perangkat secara mandiri, telah dilaporkan terjadi di kalangan penduduk lanjut usia di AS. lebih dari 50% melaporkan kurangnya pengetahuan tentang perangkat dan lebih dari sepertiganya kurang percaya diri. Selain itu, hasil serupa dapat ditemukan di beberapa negara Asia, di mana negara-negara berusia di atas 74 tahun melaporkan lebih sedikit penggunaan perangkat digital dan lebih sedikit kekacauan, menurut penelitian PBB. Aspek kesenjangan digital dan lansia menjadi jelas selama pandemi ini karena penyedia layanan kesehatan semakin bergantung pada telemedis untuk menangani kondisi kesehatan kronis dan akut.
.
Disadur dari Artikel : en.wikipedia.org