Yuk Intip Algoritma Python yang Sering Ditanyakan saat Interview

Saat ini data science sedang menjadi perbincangan hangat, khususnya bagi pengamat industri 4.0 yang mulai melangkah ke dunia digitalisasi dan otomatisasi. Dengan munculnya industri 4.0, banyak perusahaan mulai mempersiapkan diri untuk menghadapi era tersebut. Salah satu caranya adalah dengan mulai memanfaatkan data science, big data, machine learning dan lain sebagainya untuk proses hulu hingga hilir, seperti proses produksi, distribusi, pemasaran, hingga pengajuan kredit. Untuk mempercepat proses peralihan dari manual atau konvensional menjadi proses yang otomatis, perusahaan membutuhkan sumber daya manusia yang kompeten baik di bidang data science, machine learning, maupun data analysis. Tak heran jika saat ini proses rekrutmen data scientist, data analyst, dan data engineer meningkat tajam dengan salah satu kompetensi yang diwajibkan oleh perusahaan adalah kemampuan bahasa pemrograman seperti algoritma python dan R yang baik.

Python adalah bahasa pemrograman yang cocok untuk mempelajari struktur data dan algoritma. Python dapat digunakan untuk membuat desain algoritma yang baik yang banyak digunakan di bidang data science dan teknologi machine learning. Tak heran jika setiap perusahaan mewajibkan data scientist untuk bekerja menggunakan python. Data analyst, data scientist, dan data engineer di sebuah perusahaan bertugas untuk mengumpulkan data, manajemen penyimpanan data, mengolah data, dan menginterpretasikan data. Hasil interpretasi ini nantinya akan digunakan oleh stakeholder perusahaan sebagai dasar pengambilan keputusan. Karena tugasnya yang sangat krusial, maka perusahaan akan mencari kandidat terbaik dengan proses rekrutmen yang panjang. Salah satu proses yang pasti ada dalam proses rekrutmen data analyst, data scientist, maupun data engineer adalah tes uji kompetensi. Dalam tes ini, kandidat yang terpilih akan mencoba mengerjakan soal yang harus diselesaikan menggunakan algoritma tertentu yang harus dikerjakan menggunakan python. Setelah itu, kandidat akan melakukan interview terkait algoritma yang digunakan untuk menyelesaikan soal tersebut. Pada artikel kali ini, DQLab akan memberikan "bocoran" algoritma apa yang biasanya digunakan dalam tes kompetensi. Tunggu apa lagi, let"s get started!

1. Algoritma Brute force

Algoritma brute force adalah metode untuk memecahkan masalah melalui komputasi dengan mencoba semua kemungkinan untuk menemukan suatu solusi. Contohnya, seorang calon data scientist diminta untuk mencari kombinasi kata sandi yang terdiri dari 4 digit angka. Algoritma brute force akan menguji setiap kemungkinan kombinasi angka 4 digit dari 0000 hingga 9999. Salah satu metode dalam algoritma brute force adalah metode linier search. Metode ini akan memeriksa setiap array dan elemen sampai menemukan kecocokan yang diminta. Keuntungan menggunakan algoritma brute force adalah adanya jaminan menemukan solusi. Selain itu, algoritma ini juga mudah dan langsung bisa diterapkan. Namun, algoritma ini juga memiliki kekurangan, yaitu proses menemukan solusinya tidak efisien.

Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan

2. Algoritma Divide and conquer

Algoritma divide and conquer merupakan algoritma yang melibatkan pemecahan masalah dengan membaginya menjadi subproblem NN menjadi lebih kecil. Setelah subproblem lebih kecil, masing-masing subproblem tersebut akan diselesaikan secara individu. Setelah itu, algoritma akan menggabungkan solusi dari subproblem hingga menjadi solusi untuk masalah awal. Keuntungan algoritma ini adalah sangat efisien dan powerful untuk menangani masalah general yang dapat dengan mudah dibagi menjadi subproblem. Algoritma ini juga sangat efektif dalam memanfaatkan memori. Kekurangan algoritma ini adalah karena menggunakan pendekatan rekursif, seringkali prosesnya menjadi lambat.

3. Notasi Big-O

Notasi big-O merupakan salah satu bentuk analisis asimtot yang menggambarkan seberapa lama suatu algoritma berjalan. Metode ini merupakan bahasa sederhana yang digunakan oleh developer untuk mendeskripsikan kinerja atau kompleksitas algoritma mereka dengan cepat. Seiring bertambahnya input yang dimasukan, big-O akan mendeskripsikan runtime dan waktu eksekusi dari suatu algoritma terhadap input N. Notasi big-O ini memiliki beberapa tipe yaitu, O(1), O(N), dan O(N^2).

Baca juga : Belajar Data Science: Pahami Penggunaan Machine Learning pada Python