1. Definisi Algoritma Greedy Algoritma Greedy membentuk solusi langkah per langkah (step by step).

Terdapat banyak pilihan yang perlu di eksplorasi pada setiap langkah solusi, karenanya pada setiap langkah harus dibuat keputusann yang terbaik dalam menentukan pilihan.Keputusan yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah selanjutnya. Sebagai contoh, jika kita manggunakan algoritma Greedy untuk menempatkan komponen diatas papan sirkuit, sekali komponen telah diletakkan dan dipasang maka tidak dapat dipindahkan lagi. Pada setiap langkah diperoleh optimum lokal. Bila algoritma berakhir, kita berharap optimum lokal menjadi optimum global. 2.Skema umum Algoritma Greedy Algoritma greedy disusun oleh elemen-elemen berikut: 1.Himpunan kandidat. Berisi elemen-elemen pembentuk solusi. 2.Himpunan solusi Berisi kandidat-kandidat yang terpilih sebagai solusi persoalan. 3.Fungsi seleksi (selection function) Memilih kandidat yang paling memungkinkan mencapai solusi optimal. Kandidat yang sudah dipilih pada suatu langkah tidak pernah dipertimbangkan lagi pada langkah selanjutnya. 4.Fungsi kelayakan (feasible) Memeriksa apakah suatu kandidat yang telah dipilih dapat memberikan solusi yang layak, yakni kandidat tersebut bersama-sama dengan himpunan solusi yang sudah terbentuk tidak melanggar kendala (constraints) yang ada. Kandidat yang layak dimasukkan ke dalam himpunan solusi, sedangkan kandidat yang tidak layak dibuang dan tidak pernah dipertimbangkan lagi. 5.Fungsi obyektif, yaitu fungsi yang memaksimumkan atau meminimumkan nilai solusi(misalnya panjang lintasan, keuntungan, dan lain-lain).Contoh pada masalah Pemilihan Processor, berdasarkan benchmark elemen-elemen algoritma greedy-nya adalah: a.Himpunan kandidat: himpunan hardware yang terdiri dari Processor, Memory dan Graphic card b.Himpunan solusi: Kombinasi Processor , Memory dan Graphic card dengan Benchmark terbaik namun dengan total harga yang tidak melebihi budget maksimum c.Fungsi seleksi: Seleksi Processor, Memory dan Graphic card agar mendapat performa optimum dan tidak melebihi budget maksimum yang tersedia d.Fungsi obyektif: Budget maksimum yang tersedia

Evaluasi setiap kemungkinan solusi “satu per satu” dan simpan solusi terbaik yang ditemukan sampai sejauh ini (the best solusi found so far).Algoritma Brute Force ???  Brute force adalah sebuah pendekatan yang sangat jelas(straightforward) untuk memecahkan suatu persoalan. 3. keteraturan. atau trik-trik khusus. karena ia membutuhkan jumlah langkah yang besar/banyak dalam penyelesaiannya dan tentu saja membutuhkan waktu yang berbanding lurus dengan jumlah langkah penyelesaiannya. biasanya dapat membantu membantu untuk menemukan algoritma yang lebih cerdas dan lebih mangkus lagi. Enumerasi (list) setiap solusi yang mungkin dengan cara yang sistematis. biasanya didasarkan pada problem statement dan definisi konsep yang dilibatkan. Algoritma brute force seringkali merupakan pilihan yang kurang disukai karena ketidakmangkusannya itu. 2. Algoritma brute force memecahkan masalah dengan sangat sederhana. tapi kalau mencari pola2 dasar.  .  Cara kerja Algoritma Brute Force 1. Bila pencarian solusi berakhir. langsung dan dengan cara yang jelas . umumkan solusi terbaik (the winner) Karakteristik Algoritma Brute Force  Algoritma brute force sebenarnya bukanlah algoritma yang “cerdas” dan mangkus(efisien). Kadang-kadang algoritma brute force disebut juga algoritma naif (naïve algorithm).

. kesederhanaan brute force lebih diperhitungkan daripada ketidakmangkusannya.N] sehingga terurut menaik dengan metode pengurutan bubble sort.  Algoritma bubble sort mengimplementasikan teknik brute force dengan jelas sekali. Bayangkan.1 to n – 1 do for j <.untuk pengapungan pada setiap langkah } temp : integer { variabel untuk pertukaran } Algoritma: for i <..temp endif endfor endfor . Masukan : Array L yang sudah terdefenisi nilai-nilainya. Berikut contoh persoalan sorting yang dipecahkan dengan algoritma bubble sort: procedure BubbleSort (input/output L : arrayOfInt.n downto i + 1 do {looping menurun} if (L[j] < L[j-1]) then {tukar L[j] dengan L[j-1]} temp <. Keluaran: Array L yang terurut menaik sedemikian sehingga L[N] …  L[2] L[1] . tapi ada masalah yang hanya dapat dipecahkan secara brute force.L[j] L[j] <.. namun teknik brute force dapat diterapkan pada sebagian besar persoalan.L[j-1] L[j-1] <.sangat sulit menemukan masalah yang tidak dapat dipecahkan dengan teknik brute force. Algoritma brute force sering digunakan sebagai basis bila membandingkan beberapa alternatif algoritma yang mangkus. Untuk persoalan2 yang kecil. } Deklarasi i : integer { variabel untuk jumlah langkah } k : integer { variabel. input n : integer) { Mengurutkan array L[1. Meskipun brute force bukan merupakan teknik pemecahan masalah yang mangkus.

Algoritma backtracking bekerja secara rekursif dan melakukan pencarian solusi persoalan secar sistematis pada semua kemungkinan solusi yang ada. Langkah-langkah pencarian solusi dengan Backtracking dalah sebagai berikut : 1. x2. xn menyatakan peubah (variable) keputusan yang harus dibuat masing-masing untuk . maka pencarian dilakukan dengan membangkitkan simpul anak yang lainnya dan jika tidak ada simpul child maka dilakukan backtracking ke simpul parent. Dua pendekatan yang digunakan dalam Dynamic Progamming adalah maju (forward atau up-down) dan mundur (backward atau bottom-up). Prinsip dasar algoritma backtracking adalah mencoba semua kemungkinan solusi yang ada. Pencarian dihentikan jika kita telah menemukan solusi atau tidak ada simpul hidup yang diperlukan. Jika lintasan yang diperoleh dari perluasan simpul-E tidak mengarah ke solusi. Misalkan x1.[7] Pada penyelesaian persoalan dengan metode ini: (1) terdapat sejumlah berhingga pilihan yang mungkin. maka simpul itu akan menjadi simpul mati dimana simpul itu tidak akan diperluas lagi.Algoritma backtracking Algoritma backtracking merupakan salah satu metode pemecahan masalah yang termasuk dalam strategi yang berbasis pencarian pada ruang status. 3. Simpul yang sudah dilahirkan dinamakan simpul hidup dan simpul hidup yang diperluas dinamakan simpul-E 2. (2) solusi pada setiap tahap dibangun dari hasil solusi tahap sebelumnya. …. maka pencarian solusi dilakukan dengan menelusuri struktur berbentuk pohon berakar secara preorder. Solusi dicari dengan membentuk lintasan dari akar ke daun. Oleh karena algoritma ini berbasis pada algoritma Depth-First Search (DFS). 4. Jika posisi terakhir ada di simpul mati. Algoritma Dynamic Programming Program Dinamis (dynamic programming): metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage) sedemikian sehingga solusi dari persoalan dapat dipandang dari serangkaian keputusan yang saling berkaitan. (3) kita menggunakan persyaratan optimasi dan kendala untuk membatasi sejumlah pilihan yang harus dipertimbangkan pada suatu tahap.

terus mundur ke tahap n – 1. Program dinamis maju: Program dinamis bergerak mulai dari tahap 1. 4. a. 2. karena masalah-masalah yang terjadi dapat diatasi secara independen. ada empat langkah yang dilakukan dalam mengembangkana algoritma program dinamis: 1. …. Untuk menyelesaikan masalah-masalah yang besar.tahap 1. b. terus maju ke tahap 2. xn-1. Konstruksi solusi optimal. LIFO Branch and Bound • – • . Banyak arsitektur dan bahasa pemrograman paralel mendesain implementasinya (aplikasi) dengan struktur dasar dari algoritma divide and conquer. dan seterusnya sampai tahap 1. dan dibagi (dipecah) menjadi bagian yang lebih kecil dan menggunakan sebuah solusi untuk menyelesaikan problem awal adalah prinsip dasar dari pemrograman/strategi divide and conquer. BRANCH AND BOUND • • – – Metode Branch and Bound adalah sebuah teknik algoritma yang secara khusus mempelajari bagaimana caranya memperkecil Search Tree menjadi sekecil mungkin. …. Runtunan peubah keputusan adalah xn. xn. Program dinamis mundur: Program dinamis bergerak mulai dari tahap n. n – 2. 2. TEKNIK BRANCH AND BOUND FIFO Branch and Bound Adalah teknik Branch and Bound yang menggunakan bantuan queue untuk perhitungan Branch and Bound secara First In First Out. Algoritma Divide and Conquer Algoritma divide and conquer sudah lama diperkenalkan sebagai sumber dari pengendalian proses paralel. Maka. Bound yang artinya menghitung node mana yang merupakan active node (E-node) dan node mana yang merupakan dead node (D-node) dengan menggunakan syarat batas constraint (kendala). Karakteristikkan struktur solusi optimal. x1. Hitung nilai solusi optimal secara maju atau mundur. Secara umum. Sesuai dengan namanya. 3. 3. metode ini terdiri dari 2 langkah yaitu : Branch yang artinya membangun semua cabang tree yang mungkin menuju solusi. x2. dan seterusnya sampai tahap n. n. Runtunan peubah keputusan adalah x1. Definisikan secara rekursif nilai solusi optimal. ….

Pengertian Umum : Merupakan salah satu varian dari pemrograman dinamis. Artinya solusi-solusi tersebut dibentuk dari solusi yang berasal dari tahap sebelumnya dan ada kemungkinan solusi lebih dari satu. • Prinsip yang dipegang oleh pemrograman dinamis adalah prinsip optimalitas. . Sisi pada E diperbolehkan memiliki bobot negatif. Pengertian Algoritma Floyd-Warshall . Least Cost Branch and Bound Teknik ini akan menghitung cost setiap node. Contoh penerapan algoritma djikstra adalah lintasan terpendek yang menghubungkan antara dua kota berlainan tertentu (Single-source Singledestination Shortest Path Problems). Pemrograman dinamis mampu : • Mengurangi pengenumerasian (Pendaftaran) keputusan yang tidak mengarah ke solusi. Jadi pada algoritma greedy. dan melakukannya sekaligus untuk semua pasangan titik.E). Jumlah bobot sisi-sisi pada sebuah jalur adalah bobot jalur tersebut. Algoritma Dijkstra membutuhkan parameter tempat asal. Node yang memiliki cost paling kecil dikatakan memiliki kemungkinan paling besar menuju solusi. yaitu suatu metode yang melakukan pemecahan masalah dengan memandang solusi yang akan diperoleh sebagai suatu keputusan yang saling terkait. yaitu jika solusi total optimal. Algoritma ini menghitung bobot terkecil dari semua jalur yang menghubungkan sebuah pasangan titik. Analisis Algoritma Floyd-Warshall .– • – • – – – – Adalah teknik Branch and Bound yang menggunakan bantuan stack untuk perhitungan Branch and Bound secara Last In First Out. di mana pada setiap langkah dipilih sisi dengan bobot terkecil yang menghubungkan sebuah simpul yang sudah terpilih dengan simpul lain yang belum terpilih. dan tempat tujuan. Di sinilah peran pemrograman dinamis yang mencoba untuk memberikan solusi yang memiliki pemikiran terhadap konsekuensi yang ditimbulkan dari pengambilan keputusan pada suatu tahap. Definisi Strategi Algoritma Floyd Warshall Hal yang membedakan pencarian solusi menggunakan pemrograman dinamis (Warshall) dengan algoritma greedy adalah. Dalam beberapa kasus. bahwa keputusan yang diambil pada tiap tahap pada algoritma greedy hanya berdasarkan pada informasi yang terbatas. Cara kerja algoritma Dijkstra memakai stategi greedy. Algoritma Greedy gagal memberikan solusi terbaik karena kelemahan yang dimilikinya tadi. sehingga hanya nilai optimum yang diperoleh pada saat itu. MASALAH YANG DAPAT DIPECAHKAN Branch and Bound dapat digunakan untuk memecahkan berbagai masalah yang menggunakan Search Tree Traveling Salesman Problem N-Queen Problem 15 Puzzle Problem 0/1 Knapsack Problem Dijkstra adalah algoritma yang digunakan untuk mencari lintasan terpendek pada sebuah graf berarah. maka bagian solusi sampai suatu tahap (misalnya tahap ke-i) juga optimal. yang berupa daftar titik (node/vertex V) dan daftar sisi (edge E).Pengertian Wikipedia : Algoritma Floyd-Warshall memiliki input graf berarah dan berbobot (V. akan tetapi tidak diperbolehkan bagi graf ini untuk memiliki siklus dengan bobot negatif. Hasil akhir dari algoritma ini adalah jarak terpendek dari tempat asal ke tempat tujuan beserta rutenya. kita tidak memikirkan konsekuensi yang akan terjadi seandainya kita memilih suatu keputusan pada suatu tahap.

Misalkan pula terdapat suatu fungsi shortestPath(i. Graph : kumpulan dua himpunan yaitu himpunan titik ( vertex / simpul / node ) dan kumpulan dari garis ( edge ) Tree : graph tak berarah yang terhubung dan tidak mengandung sirkuit. k sebagai titik perantara. Jika grafik tidak terhubung. hingga perkiraan tersebut diketahui sebagai nilai optimal.Algoritma Floyd-Warshall membandingkan semua kemungkinan lintasan pada graf untuk setiap sisi dari semua simpul. Langkah-langkah untuk mencari bobot minimum: 1. maka forest akan memiliki pohon yang semakin sedikit. maka graf itu hanya memiliki satu pohon rentang minimum untuk satu dari komponen yang terhubung. melainkan hanyalah sebuah pohon yang merentang minimum. k) yang mengembalikan kemungkinan jalur terpendek dari i ke j dengan hanya memanfaatkan simpul 1 s. k+1. maka analogi ini disebut dengan growing forest. Ini berarti bahwa sebuah himpunan bagian dari edge yang membentuk suatu pohon yang mengandung node. hal 1956. Algoritma Kruskal akan terus menambahkan sisi – sisi ke dalam hutan yang sesuai hingga akhirnya tidak akan ada lagi forest dengan. j. Oleh sebab itu.. Seiring dengan berjalannya iterasi untuk setiap sisi. N (sebanyak N buah). Misalkan terdapat suatu graf G dengan simpul-simpul V yang masing-masing bernomor 1 s. tersebut tidak membentuk sirkuit di T. Ini berarti menemukan subset dari tepi yang membentuk sebuah pohon yang mencakup setiap titik . Algoritma lain untuk masalah ini termasuk Algoritma Prim . 3. Ambil sisi dari graph (G) yang berbobot minimum. Growing forest maksudnya adalah untuk membentuk pohon merentang minimum T dari grafG adalah dengan cara mengambil satu per satu sisi dari graf G dan memasukkannya ke dalam pohon yang telah terbentuk sebelumnya. masukkan dalam Tree ( T ). Algoritma Kruskal adalah algoritma dalam teori graph yang menemukan suatu pohon rentang minimum untuk terhubung dalam graf berbobot . Reverse-Hapus algoritma . Ulangi langkah 2 sebanyak (N -2 ) kali. Algoritma Kruskal adalah contoh dari algoritma rakus . Hal tersebut bisa terjadi karena adanya perkiraan pengambilkan keputusan (pemilihan jalur terpendek) pada setiap tahap antara dua simpul.d. di mana berat total dari semua tepi di atas pohon diminimalkan. Tujuan akhir penggunaan fungsi ini adalah untuk mencari jalur terpendek dari setiap simpul i ke simpul j dengan perantara simpul 1 s.d.d. kemudian tambahkan sisi tersebut ke dalam T. Algoritma Prim Menurut definisi dari Wikipedia Algoritma Prim adalah sebuah algoritma dalam teori graf untuk mencari pohon rentang minimum untuk sebuah graf berbobot yang saling terhubung. Sirkuit : simpul awal = simpul akhir 2. maka menemukan hutan rentang minimum (pohon rentang minimum untuk setiap komponen terhubung ) . di mana bobot keseluruhan dari semua edge dalam pohon diminimalisasikan. dan algoritma Borůvka's Dasar pembentukan algoritma Kruskal berasal dari analogi growing forest. Algoritma ini pertama kali muncul dalam Prosiding American Mathematical Society . Bila graf tersebut tidak terhubung. Pilih sisi yang mempunyai bobot minimum dan bersisian dengan simpul di T .tetapi sisi .

Sign up to vote on this title
UsefulNot useful