Nadila Danti Lestari - Menjawab Level 2 Nomor 14 dan 15

 Nama : Nadila Danti Lestari

NIM    : 202031038

Kelas    : G

Mata kuliah : Teknik Kompilasi

Menjawab soal level 2 pada nomor 14 dan 15 

14. Apa saja metode yang dipakai untuk mengirimkan parameter pada teknik kompilasi, jelaskan masing-masing metode tersebut dengan studi kasus

Jawab:

Dalam konteks teknik kompilasi, terdapat beberapa metode yang digunakan untuk mengirimkan parameter antara pemanggilan dan pemanggil fungsi. Berikut ini adalah beberapa metode yang umum digunakan:

1. Penyampaian dengan Nilai (Pass-by-Value):

   Metode ini mengirimkan nilai parameter ke fungsi pemanggil dengan menyalin nilainya ke dalam lokasi memori yang baru. Dalam hal ini, perubahan pada parameter dalam fungsi pemanggil tidak akan mempengaruhi nilai asli parameter di luar fungsi.

   Contoh:

   ```

   void changeValue(int x) {

       x = 10;

   }

   int main() {

       int num = 5;

       changeValue(num);

       // Nilai num tetap 5 karena metode pass-by-value

       return 0;

   }

   ```

2. Penyampaian dengan Referensi (Pass-by-Reference):

Metode ini mengirimkan referensi atau alamat dari parameter ke fungsi pemanggil. Dengan demikian, perubahan pada parameter dalam fungsi akan mempengaruhi nilai asli parameter di luar fungsi.

   Contoh:

   ```

   void changeValue(int& x) {

       x = 10;

   }

  

   int main() {

       int num = 5;

       changeValue(num);

       // Nilai num berubah menjadi 10 karena metode pass-by-reference

       return 0;

   }

   ```

3. Penyampaian dengan Pointer (Pass-by-Pointer):

Metode ini mengirimkan pointer yang berisi alamat dari parameter ke fungsi pemanggil. Dalam fungsi, parameter dapat diakses melalui dereferensi pointer, dan perubahan pada parameter akan mempengaruhi nilai asli parameter di luar fungsi.

   Contoh:

   ```

   void changeValue(int* x) {

       *x = 10;

   }

   

   int main() {

       int num = 5;

       changeValue(&num);

       // Nilai num berubah menjadi 10 karena metode pass-by-pointer

       return 0;

   }

   ```

Metode yang digunakan untuk mengirimkan parameter bergantung pada bahasa pemrograman yang digenean dan kebutuhan spesifik dari program yang dikembangkan.Sebagai tambahan, berikut adalah beberapa metode tambahan yang dapat digunakan dalam beberapa bahasa pemrograman:

4. Penyampaian dengan Nilai-Konstan (Pass-by-Value/Pass-by-Value-Constant):

   Metode ini mirip dengan penyampaian dengan nilai, tetapi digunakan khusus untuk parameter konstan yang tidak dapat diubah dalam fungsi. Ini memastikan bahwa parameter konstan tetap tidak dapat diubah di dalam fungsi.

   Contoh (C++):

   ```

   void printValue(const int x) {

       // x tidak dapat diubah di dalam fungsi

       cout << x << endl;

   }

  

   int main() {

       int num = 5;

       printValue(num);

       return 0;

   }

   ```

5. Penyampaian dengan Nilai Default (Default Parameter Value):

   Metode ini memungkinkan penggunaan nilai default untuk parameter jika tidak ada nilai yang diberikan saat pemanggilan fungsi. Hal ini membantu menghindari kesalahan saat memanggil fungsi dengan jumlah argumen yang kurang.

   Contoh (Python):

   ```

   def greet(name="Anonymous"):

       print("Hello, " + name + "!")

  

   greet()  # Output: Hello, Anonymous!

   greet("John")  # Output: Hello, John!

   ```

6. Penyampaian dengan Jumlah Variabel (Variable Arguments):

   Metode ini memungkinkan fungsi menerima jumlah variabel parameter yang tidak pasti. Dalam beberapa bahasa pemrograman, seperti C/C++, dapat digunakan variabel argumen (variadic arguments) dan manipulasi berdasarkan list atau array.

   Contoh (C++):

   ```

   #include <iostream>

   #include <cstdarg>

  

   int sum(int count, ...) {

       va_list args;

       va_start(args, count);

  

       int total = 0;

       for (int i = 0; i < count; i++) {

           int num = va_arg(args, int);

           total += num;

       }

  

       va_end(args);

       return total;

   }

  

   int main() {

       int result = sum(4, 1, 2, 3, 4);

       std::cout << result << std::endl;  // Output: 10

       return 0;

   }

   ```

Metode-metode ini merupakan contoh umum yang digunakan dalam berbagai bahasa pemrograman. Namun, ada perbedaan dalam implementasi dan istilah yang digunakan tergantung pada bahasa pemrograman yang digunakan.

15. Salah satu peran pengurai dalam teknik kompilasi adalah mengatasi kesalahan syntax, jelaskan 4 strategi dalam pemulihan kesalahan tersebut!

Jawab:

Dalam teknik kompilasi, pengurai (parser) memiliki peran penting dalam mengatasi kesalahan syntax atau kesalahan dalam struktur gramatikal program. Ketika parser menemui kesalahan syntax, beberapa strategi pemulihan kesalahan dapat diterapkan. Berikut adalah empat strategi umum yang digunakan:

1. Pemulihan Kesalahan dengan Melewatkan Token (Token Skipping):

   Strategi ini melibatkan pengabaian token yang menyebabkan kesalahan dan melanjutkan proses parsing dengan token berikutnya. Parser akan mencoba menemukan titik yang tepat untuk melanjutkan analisis sintaksis, berdasarkan informasi yang tersedia dalam tabel gramatikal atau aturan bahasa.

   Contoh:

   ```

   if (condition)

       // Kode yang valid di sini

   else

       // Kode yang valid di sini

 

   // Kesalahan: Tidak ada token "else" setelah "if" tanpa blok kode

   ```

2. Pemulihan Kesalahan dengan Penyisipan Token (Token Insertion):

   Strategi ini melibatkan penyisipan token yang hilang atau salah ke dalam struktur syntax yang tidak valid. Pemulihan ini memungkinkan parser melanjutkan analisis dengan harapan menemukan struktur yang valid di sekitarnya.

 Contoh:

   ```

   if (condition)

       // Kode yang valid di sini

   else

       // Kode yang valid di sini

 

   // Kesalahan: Kurang kurung kurawal "{" setelah "else"

   ```

3. Pemulihan Kesalahan dengan Penggantian Token (Token Replacement):

   Strategi ini melibatkan penggantian token yang salah dengan token yang benar. Parser mencoba mengenali token yang benar yang akan menghasilkan struktur syntax yang valid.

   Contoh:

   ```

   for (int i = 0; i < 10; i++)

       // Kode yang valid di sini

 

   // Kesalahan: "fro" sebagai kesalahan ketik untuk "for"

   ```

4. Pemulihan Kesalahan dengan Hapus Token (Token Deletion):

   Strategi ini melibatkan penghapusan token yang salah atau ekstra yang mengakibatkan kesalahan syntax. Dengan menghapus token yang tidak valid, parser dapat melanjutkan analisis dengan harapan menemukan struktur yang valid di sekitarnya.

   Contoh:

   ```

   while (condition)

       // Kode yang valid di sini

 

   // Kesalahan: Kurang tanda kurung ")" setelah "condition"

   ```

Pilihan strategi pemulihan kesalahan dapat bervariasi tergantung pada bahasa pemrograman dan implementasi pengurai yang digunakan. Tujuan dari pemulihan kesalahan syntax adalah untuk memberikan umpan balik yang berguna kepada pengembang dalam menemukan dan memperbaiki kesalahan dalam kode sumber.

 

NAMA                       : NADILA DANTI LESTARI

NIM                            : 202031038

KELAS                      : G

MATA KULIAH        : TEKNIK KOMPILASI

 

SOAL:

Mencari studi kasus perusahaan yang berhubungan dengan Teknik Kompilasi!

 

PENJELASAN:  

Salah satu studi kasus yang relevan dengan penerapan teknik kompilasi adalah perusahaan yang mengembangkan kompilator bahasa pemrograman. Berikut adalah contoh studi kasusnya:

Perusahaan JetBrains

Perusahaan JetBrains adalah perusahaan teknologi yang fokus pada pengembangan bahasa pemrograman baru yang inovatif. Mereka ingin menciptakan bahasa pemrograman yang efisien, aman, dan mudah digunakan. Tim pengembang di perusahaan JetBrains menggunakan teknik kompilasi untuk menerjemahkan kode program dalam bahasa pemrograman tersebut menjadi instruksi-instruksi yang dapat dijalankan oleh mesin komputer.

Proses pengembangan bahasa pemrograman di perusahaan JetBrains melibatkan beberapa tahap dalam penerapan teknik kompilasi:

1. Desain Bahasa Pemrograman: Tim pengembang merancang sintaksis, semantik, dan fitur-fitur bahasa pemrograman baru. Mereka mempertimbangkan kebutuhan pengguna, kemudahan penggunaan, dan efisiensi dalam desain bahasa tersebut.

2. Implementasi Analisis Leksikal dan Sintaksis: Tim pengembang mengimplementasikan analisis leksikal dan sintaksis untuk memvalidasi dan menguraikan kode program dalam bahasa pemrograman. Mereka menggunakan alat-alat seperti generator lexer dan parser untuk membangun komponen ini.

3. Analisis Semantik dan Pemeriksaan Tipe: Setelah analisis sintaksis, tim pengembang melakukan analisis semantik dan pemeriksaan tipe data. Mereka memastikan penggunaan variabel yang benar, kesesuaian tipe data, dan konsistensi dalam penggunaan elemen bahasa pemrograman.

4. Generasi Kode Antarmedia (Intermediate Code): Setelah tahap analisis, tim pengembang menghasilkan kode antarmedia, yang merupakan representasi internal dari kode program yang dapat dijalankan oleh mesin komputer. Kode antarmedia ini dapat berupa kode perantara (intermediate representation) seperti pohon sintaksis abstrak (abstract syntax tree) atau kode perantara berbasis tumpukan (stack-based intermediate representation).

5. Optimasi Kode: Perusahaan JetBrains juga melibatkan teknik optimasi kode dalam kompilator mereka. Tim pengembang menerapkan strategi optimasi seperti eliminasi kode yang tidak perlu, optimasi ekspresi, penggabungan instruksi, dan banyak lagi untuk meningkatkan performa program yang dihasilkan.

6. Generasi Kode Mesin: Tahap terakhir melibatkan pengambilan kode antarmedia dan penghasilan kode mesin yang dapat dijalankan langsung oleh mesin komputer. Kode mesin ini biasanya dalam bentuk instruksi mesin spesifik atau kode bahasa rakitan.

Dengan menerapkan teknik kompilasi dalam pengembangan bahasa pemrograman mereka, perusahaan JetBrains dapat memastikan kualitas dan keberlanjutan bahasa pemrograman yang mereka kembangkan. Mereka juga dapat meningkatkan performa dan keamanan program yang ditulis dalam bahasa pemrograman tersebut.

Perusahaan JetBrains mengembangkan berbagai alat dan lingkungan pengembangan terintegrasi (Integrated Development Environment/IDE) yang didesain untuk berbagai bahasa pemrograman. Beberapa produk populer dari JetBrains meliputi:

1. IntelliJ IDEA: IntelliJ IDEA adalah IDE yang sangat populer untuk pengembangan aplikasi Java. IDE ini menyediakan fitur-fitur canggih seperti analisis kode yang cerdas, refactorisasi kode, pengujian otomatis, dan integrasi dengan berbagai alat pengembangan lainnya.

2. PyCharm: PyCharm adalah IDE yang dikembangkan oleh JetBrains untuk pengembangan aplikasi Python. IDE ini menyediakan dukungan penuh untuk bahasa Python, termasuk penyelesaian kode, debugging, pengujian otomatis, dan alat pengembangan web.

3. RubyMine: RubyMine adalah IDE untuk pengembangan aplikasi Ruby dan Ruby on Rails. IDE ini menyediakan fitur-fitur seperti analisis kode, penyelesaian kode cerdas, debugging, dan alat pengembangan web yang terintegrasi.

4. PhpStorm: PhpStorm adalah IDE yang ditujukan untuk pengembangan aplikasi berbasis PHP. IDE ini menyediakan alat pengembangan PHP yang lengkap, termasuk fitur-fitur seperti refactorisasi kode, penyelesaian kode, dan debugging.

Selain IDE tersebut, JetBrains juga mengembangkan alat-alat untuk bahasa pemrograman lain seperti Kotlin (Kotlin Native, Kotlin/JS), JavaScript (WebStorm), dan lain-lain. Perusahaan ini terus berinovasi dan berkontribusi pada pengembangan bahasa pemrograman dengan produk-produk yang mereka kembangkan.

JetBrains juga aktif dalam komunitas pengembang dan mendukung bahasa pemrograman open-source dengan menyediakan versi komunitas gratis dari beberapa produk mereka. Hal ini memungkinkan pengembang dari berbagai latar belakang untuk menggunakan alat-alat berkualitas tinggi dalam pengembangan perangkat lunak mereka.

Perusahaan Google

Google memiliki beberapa proyek atau studi kasus yang berhubungan dengan kompilasi. Berikut ini adalah beberapa contoh atau studi kasus proyek Google terkait dengan kompilasi:

 

LLVM

Google merupakan kontributor aktif dalam pengembangan proyek LLVM (Low-Level Virtual Machine). LLVM adalah infrastruktur pengembangan perangkat lunak yang mencakup kompilator, assembler, dan tools lainnya. Google menggunakan LLVM dalam banyak produk dan proyek internal mereka. Mereka berkontribusi pada pengembangan proyek LLVM dan menggunakan LLVM sebagai komponen kunci dalam proyek-proyek seperti bahasa pemrograman Go dan Swift.

Meskipun Google menggunakan LLVM dalam berbagai proyek dan produknya, Google bukanlah kontributor utama dalam pengembangan proyek LLVM. Google lebih fokus pada pengembangan dan kontribusi terhadap proyek-proyek seperti V8 dan TensorFlow.

LLVM (Low-Level Virtual Machine) adalah proyek open-source yang dikembangkan oleh LLVM Foundation dan memiliki kontributor dari berbagai perusahaan dan komunitas, termasuk Google. LLVM menyediakan infrastruktur kompilasi yang kuat dengan komponen seperti kompilator, linker, optimizer, dan tools lainnya.

Google menggunakan LLVM dalam beberapa proyek internalnya, tetapi kontribusi utama Google dalam kompilasi berfokus pada pengembangan V8, mesin JavaScript yang digunakan di browser Chrome, dan TensorFlow, platform machine learning. Google telah melakukan inovasi dan peningkatan signifikan pada kedua proyek tersebut untuk meningkatkan kinerja dan efisiensi kompilasi. Jadi, meskipun Google terlibat dalam proyek LLVM, mereka bukanlah kontributor utama dalam pengembangan proyek tersebut. Namun, mereka berfokus pada pengembangan V8 dan TensorFlow yang berhubungan dengan kompilasi.

V8

V8 adalah mesin JavaScript open-source yang dikembangkan oleh Google. Mesin ini bertanggung jawab untuk mengkompilasi dan menjalankan kode JavaScript di browser Chrome. V8 menggunakan teknik kompilasi Just-In-Time (JIT) untuk mengoptimalkan kinerja eksekusi JavaScript. Google secara terus-menerus mengembangkan V8 dengan inovasi baru untuk meningkatkan kinerja JavaScript di browser Chrome, meskipun sekarang juga digunakan di aplikasi lain di luar lingkungan browser. Berikut ini beberapa informasi lebih lanjut tentang V8:

·  Kompilasi Just-In-Time (JIT): V8 menggunakan teknik kompilasi Just-In-Time (JIT) untuk meningkatkan kinerja eksekusi JavaScript. JIT compilation adalah pendekatan yang mengkompilasi kode JavaScript menjadi kode mesin secara dinamis saat program berjalan. Ini memungkinkan V8 untuk menghasilkan kode yang dioptimalkan untuk eksekusi langsung.

·  Optimisasi Kode: V8 memiliki kemampuan untuk melakukan optimisasi kode secara dinamis saat program berjalan. Melalui analisis dan pemantauan kinerja kode JavaScript, V8 dapat menerapkan berbagai teknik optimisasi, seperti inlining, eliminasi pembuatan objek yang tidak perlu, dan penghilangan kode mati. Ini membantu meningkatkan kecepatan dan efisiensi eksekusi kode JavaScript.

·   Ekosistem Node.js: V8 juga digunakan sebagai mesin runtime dalam platform Node.js. Node.js memungkinkan pengembang untuk menjalankan JavaScript di sisi server, dan V8 berperan penting dalam menyediakan kinerja yang tinggi dan efisien dalam eksekusi kode JavaScript di lingkungan Node.js.

·  Pengembangan Terbuka: V8 dikembangkan sebagai proyek open-source, yang berarti kode sumbernya tersedia untuk umum dan dapat diakses oleh komunitas pengembang. Hal ini memungkinkan kolaborasi dan kontribusi dari berbagai pihak, serta memungkinkan pengguna untuk mempelajari dan memodifikasi V8 sesuai kebutuhan mereka.

·    V8 telah mengalami banyak inovasi dan pengembangan dari Google dan komunitas pengembang yang berkontribusi. Ini telah memberikan kontribusi signifikan terhadap peningkatan performa dan kemampuan eksekusi JavaScript di browser Chrome dan platform Node.js.

 

Bazel

Bazel adalah sistem build open-source yang dikembangkan oleh Google. Bazel memberikan infrastruktur untuk mengompilasi, menguji, dan membangun perangkat lunak dengan efisien. Bazel mendukung berbagai bahasa pemrograman dan dapat digunakan untuk proyek-proyek besar yang melibatkan banyak komponen yang saling tergantung. Google menggunakan Bazel secara luas untuk mengelola build dan kompilasi dalam proyek-proyek internal mereka. Sistem ini dirancang untuk memudahkan pengembangan perangkat lunak yang besar, terutama proyek-proyek dengan dependensi yang kompleks dan berbagai komponen yang saling terhubung. Berikut ini beberapa informasi lebih lanjut tentang Bazel:

·   Build dan Kompilasi Efisien: Bazel menyediakan cara efisien untuk melakukan build dan kompilasi perangkat lunak. Bazel menggunakan pendekatan yang disebut "incremental build" yang memungkinkan hanya bagian yang berubah dari proyek yang dikompilasi ulang, mengurangi waktu yang diperlukan untuk membangun proyek secara keseluruhan. Bazel juga dapat memanfaatkan caching sehingga kompilasi hanya dilakukan jika ada perubahan yang relevan dalam kode sumber atau dependensi.

·  Skalabilitas: Bazel didesain untuk skalabilitas, artinya ia mampu mengelola proyek-proyek yang sangat besar dengan ratusan ribu atau bahkan jutaan file sumber. Bazel menggunakan pendekatan yang terpusat pada dependensi, yaitu hanya membangun komponen yang berubah atau yang bergantung pada perubahan, daripada membangun seluruh proyek.

·   Bahasa Pemrograman yang Didukung: Bazel mendukung berbagai bahasa pemrograman, termasuk C++, Java, Python, Objective-C, Go, dan banyak lagi. Ini memungkinkan pengembang untuk menggunakan Bazel dalam beragam proyek dengan bahasa pemrograman yang berbeda.

·  Platform yang Mendukung: Bazel dapat digunakan di berbagai platform, termasuk Linux, macOS, dan Windows. Ini memungkinkan pengembang untuk menggunakan Bazel dalam berbagai lingkungan pengembangan perangkat lunak.

·  Ekosistem Build dan Toolchain: Bazel memiliki ekosistem yang berkembang dengan dukungan dan integrasi dengan berbagai alat pengembangan dan build lainnya. Misalnya, Bazel dapat berintegrasi dengan Git untuk manajemen versi, dan juga mendukung integrasi dengan berbagai alat tes, seperti Google Test dan JUnit.

·   Bazel telah digunakan secara luas di dalam Google untuk mengelola proyek-proyek yang kompleks. Selain itu, Bazel juga digunakan oleh berbagai organisasi dan komunitas pengembang di luar Google yang menghargai fitur-fitur skalabilitas, efisiensi, dan fleksibilitas yang ditawarkan oleh sistem build ini.

 

TensorFlow

TensorFlow adalah platform open-source untuk komputasi numerik dan machine learning. Google mengembangkan TensorFlow dengan menggunakan infrastruktur kompilasi yang kuat. TensorFlow menyediakan kompiler khusus yang mengoptimalkan graf komputasi untuk performa yang lebih baik pada berbagai perangkat keras. Kompilasi dalam TensorFlow memungkinkan pengguna untuk mengoptimalkan dan menjalankan model machine learning dengan efisien. Platform ini dirancang untuk mempermudah pengembangan dan pelatihan model machine learning dengan menggunakan graf komputasi yang terdiri dari serangkaian operasi matematika. Berikut ini beberapa informasi lebih lanjut tentang TensorFlow:

· Graf Komputasi: TensorFlow memungkinkan pengguna untuk mendefinisikan dan menjalankan graf komputasi. Graf ini terdiri dari serangkaian operasi matematika yang membentuk aliran data dari input ke output. TensorFlow menggunakan model pemrograman berorientasi graf yang memungkinkan para pengembang untuk membangun, melatih, dan menerapkan model machine learning dengan fleksibilitas tinggi.

·  Multi-platform: TensorFlow mendukung berbagai platform, termasuk desktop, server, perangkat mobile, dan lingkungan cloud. Ini memungkinkan pengguna untuk mengembangkan dan menjalankan model machine learning di berbagai lingkungan dengan menggunakan TensorFlow.

·   Pustaka dan Alat Tambahan: TensorFlow menyediakan pustaka utama yang mencakup fungsi-fungsi dasar untuk komputasi numerik dan pembelajaran mesin. Selain itu, TensorFlow juga memiliki ekosistem yang luas dengan berbagai pustaka dan alat tambahan yang dikembangkan oleh komunitas, seperti Keras (interface tingkat tinggi untuk membangun model machine learning), TensorFlow.js (implementasi TensorFlow untuk JavaScript), dan TensorFlow Lite (untuk aplikasi di perangkat mobile dan edge devices).

·   Kompatibilitas dengan Hardware: TensorFlow dapat dioptimalkan untuk berbagai jenis perangkat keras, termasuk CPU, GPU, dan TPU (Tensor Processing Unit). Ini memungkinkan pengguna untuk memanfaatkan kekuatan komputasi yang tersedia pada hardware yang mereka gunakan, meningkatkan kinerja dan efisiensi komputasi.

·  Komunitas Pengembang: TensorFlow memiliki komunitas pengembang yang aktif, dengan sumber daya belajar, tutorial, dan dokumentasi yang kaya. Komunitas ini berkontribusi pada pengembangan TensorFlow dan berbagi pengetahuan serta pengalaman dalam penggunaan platform ini.

·  TensorFlow telah digunakan dalam berbagai aplikasi dan proyek machine learning, termasuk pengenalan wajah, deteksi objek, pemrosesan bahasa alami, dan banyak lagi. Dengan kemampuannya yang kuat dan fleksibel, TensorFlow telah menjadi salah satu platform yang populer dan banyak digunakan dalam pengembangan model machine learning di berbagai industri.

Ini hanya beberapa contoh proyek Google yang berhubungan dengan kompilasi. Google terus aktif dalam mengembangkan teknologi kompilasi dan berkontribusi pada proyek-proyek open-source untuk meningkatkan performa dan efisiensi perangkat lunak di berbagai domain.