MAKALAH MATEMATIKA

ALGORITMA GREEDY

DISUSUN OLEH : MIMIN SUMINAR 41101255 TI-A1 STEFANUS NUGROHO 41101274 TI-A2 PRAYOGI 41101363 TI-A2 SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER STMIK IKMI CIREBON
Jalan Perjuangan 10B Majasem Telp.0231 ± 490480, 490481 Cirebon Websites : www.ikmi.ac.id Email : stmik _ikmi@yahoo.com

0

Kami mempunyai pemikiran untuk menerapkan Algoritma Branch & Bound pada prinsip pencarian solusi. Pendahuluan Prinsip pencarian lintasan terpendek memegang peranan yang penting selama ini. Dengan penerapan ini akan ditemukan solusi yang benar untuk semua kondisi tanpa mengurangi kemangkusan dari algoritma. 1 . algoritma yang selama ini sering digunakan untuk memecahkan masalah tersebut adalah algoritma dijkstra. Hal ini dikarenakan pada algoritma dijkstra kita membandingkan semua lintasan yang mungkin dari simpul awal ke simpul akhir.1. Tapi algoritma dijkstra yang selama ini kami pelajari.membutuhkan waktu yang lama untuk menemukan solusinya.

Oleh karena itu. «. Keputusan tersebut tidak perlu memperhatikan keputusan selanjutnya yang akan diambil. lalu kita namakan solusi tersebut dengan optimum lokal. y 2 . yaitu tercapainya solusi optimum yang melibatkan keseluruhan langkah dari awal sampai akhir. y Algoritma greedy merupakan metode yang paling populer untuk memecahkan persoalan optimasi.2. pada setiap langkah dalam algoritma greedy kita ambil keputusan yang paling optimal untuk langkah tersebut tanpa memperhatikan konsekuensi pada langkah ± langkah selanjutnya. Keputusan yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah selanjutnya. Greedy = rakus. tamak. Pendekatan yang digunakan di dalam algoritma greedy adalah membuat pilihan yang ³tampaknya´ memberikan perolehan terbaik. Pada setiap langkah tersebut akan dipilih keputusan yang paling optimal. Contoh masalah sehari-hari yang menggunakan prinsip greedy: o Memilih beberapa jenis investasi (penanaman modal) o Mencari jalur tersingkat dari Bandung ke Surabaya o Memilih jurusan di Perguruan Tinggi o Bermain kartu remi y Algoritma greedy membentuk solusi langkah per langkah (step by step). Dengan cara pengambilan nilai optimum lokal pada setiap langkah diharapkan akan tercapainya optimum global. yaitu dengan membuat pilihan optimum lokal (local optimum) pada setiap langkah dengan harapan bahwa sisanya mengarah ke solusi optimum global (global optimm). dan keputusan tersebut tidak dapat diubah lagi pada langkah ± langkah selanjutnya. Dalam makalah ini. loba. Algoritma Greedy Definisi Algoritma Greedy Algoritma Greedy membentuk solusi langkah per langkah. kami menggunakan algoritma Dijkstra untuk dibandingkan dengan algoritma B&B. y Terdapat banyak pilihan yang perlu dieksplorasi pada setiap langkah solusi. y y Prinsip greedy adalah: ³take what you can get now!´. Maksud dari prinsip tersebut adalah sebagai berikut. Prinsip utama algoritma greedy adalah prinsip ³take what you can get now!´. pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan.

Tinjau masalah menukarkan uang 32 dengan koin 1. mengambil pilihan yang terbaik yang dapat diperoleh pada saat itu tanpa memperhatikan konsekuensi ke depan (prinsip ³take what you can get now!´) 2. pilihlah koin dengan nilai sebesar mungkin dari himpunan koin yang tersisa dengan syarat (kendala) tidak melebihi nilai uang yang ditukarkan. Skema Umum Algoritma Greedy Algoritma greedy disusun oleh elemen-elemen berikut: 1. Contoh 1 (Masalah Penukaran uang): Persoalan: Diberikan uang senilai A. Tukar A dengan koin-koin uang yang ada. pada setiap langkah: 1. kita berharap optimum lokal menjadi optimum global. 5. Berapa jumlah minimum koin yang diperlukan untuk penukaran tersebut? Contoh: tersedia koin-koin 1. dan 25: Langkah 1: pilih 1 buah koin 25 (Total = 25) Langkah 2: pilih 1 buah koin 5 (Total = 25 + 5 = 30) Langkah 3: pilih 2 buah koin 1 (Total = 25+5+1+1= 32) Solusi: Jumlah koin minimum = 4 (solusi optimal!) Pada setiap langkah di atas kita memperoleh optimum lokal. Bila algoritma berakhir. y Pada setiap langkah diperoleh optimum lokal. Himpunan kandidat. 5. dan 25 Uang senilai 32 dapat ditukar dengan cara berikut: 32 = 1 + 1 + « + 1 (32 koin) 32 = 5 + 5 + 5 + 5 + 10 + 1 + 1 (7 koin) 32 = 10 + 10 + 10 + 1 + 1 (5 koin) « dan seterusnya Minimum: 32 = 25 + 5 + 1 + 1 ) hanya 4 koin Strategi greedy yang digunakan adalah: Pada setiap langkah. dan pada akhir algoritma kita memperoleh optimum global (yang pada contoh ini merupakan solusi optimum). 10.y Algoritma greedy adalah algoritma yang memecahkan masalah langkah per langkah. berharap bahwa dengan memilih optimum lokal pada setiap langkah akan berakhir dengan optimum global. 10. 3 .

keuntungan. 5. 5. Pseudo-code algoritma greedy adalah sebagai berikut: procedure greedy(input C: himpunan_kandidat. Fungsi seleksi (selection function) Memilih kandidat yang paling memungkinkan mencapai solusi optimal. 4. Fungsi obyektif. 4. Fungsi seleksi: pilihlah koin yang bernilai tertinggi dari himpunan kandidat yang tersisa. 3. 2. 5. Kandidat yang sudah dipilih pada suatu langkah tidak pernah dipertimbangkan lagi pada langkah selanjutnya. yaitu fungsi yang memaksimumkan atau meminimumkan nilai solusi (misalnya panjang lintasan. 10. Fungsi obyektif: jumlah koin yang digunakan minimum. 25. Himpunan solusi: total nilai koin yang dipilih tepat sama jumlahnya dengan nilai uang yang ditukarkan. elemen-elemen algoritma greedy-nya adalah: 1. dan lain-lain). Himpunan kandidat: himpunan koin yang merepresentasikan nilai 1.Berisi elemen-elemen pembentuk solusi. Algoritma: Sn{} { inisialisasi S dengan kosong } 4 . Himpunan solusi Berisi kandidat-kandidat yang terpilih sebagai solusi persoalan. sedangkan kandidat yang tidak layak dibuang dan tidak pernah dipertimbangkan lagi. Contoh pada masalah penukaran uang. 3. Kandidat yang layak dimasukkan ke dalam himpunan solusi. Fungsi kelayakan (feasible) Memeriksa apakah suatu kandidat yang telah dipilih dapat memberikan solusi yang layak. 2. output S : himpunan_solusi) { menentukan solusi optimum dari persoalan optimasi dengan algoritma greedy Masukan: himpunan kandidat C Keluaran: himpunan solusi S } Deklarasi x : kandidat. paling sedikit mengandung satu koin untuk setiap nilai. yakni kandidat tersebut bersama-sama dengan himpunan solusi yang sudah terbentuk tidak melanggar kendala (constraints) yang ada. Fungsi layak: memeriksa apakah nilai total dari himpunan koin yang dipilih tidak melebihi jumlah uang yang harus dibayar.

Solusi persoalan dinyatakan sebagai tupel X = {x1. daripada menggunakan algoritma yang lebih rumit untuk menghasilkan solusi yang eksak. atau xi = 0 jika di tidak dipilih. «. Pada akhir kalang while-do diperoleh optimum global. maka keoptimalannya itu dapat dibuktikan secara matematis y (Sekali Lagi) Masalah Penukaran Uang Misalkan koin-koin dinyatakan dalam himpunan-ganda (multiset) {d1. maka algoritma greedy sering berguna untuk menghasilkan solusi yang menghampiri (approximation) optimum. pada sebagian masalah algoritma greedy tidak selalu berhasil memberikan solusi yang benar-benar optimum. d2. x2. Jika jawaban terbaik mutlak (benar-benar optimum) tidak diperlukan. Namun adakalanya optimum global merupakan solusi sub-optimum atau pseudo-optimum. y Bila algoritma greedy optimum. xn}. 2. Obyektif persoalan adalah Minimisasi F = § x i i !1 n (fungsi obyektif) 5 . Alasan: y 1. «. { pilih sebuah kandidat dari C} Cn C .while (belum SOLUSI(S)) and (C { {} ) do xnSELEKSI(C). pemilihan fungsi SELEKSI: Mungkin saja terdapat beberapa fungsi SELEKSI yang berbeda.{x} { elemen himpunan kandidat berkurang satu } if LAYAK(S Š {x}) then SnS Š {x} endif endwhile {SOLUSI(S) sudah diperoleh or C = {} } y Pada akhir setiap lelaran. sehingga kita harus memilih fungsi yang tepat jika kita ingin algoritma bekerja dengan benar dan menghasilkan solusi yang benar-benar optimum y Karena itu. dn}. Misalkan uang yang akan ditukar dengan sejumlah koin adalah A. algoritma greedy tidak beroperasi secara menyeluruh terhadap semua alternatif solusi yang ada (sebagaimana pada metode exhaustive search). solusi yang terbentuk adalah optimum lokal. sedemikian sehingga xi = 1 jika di dipilih.

y y y Contoh 2. 4. maka perlu mengurutkan himpunan koin dalam urutan yang menurun (noninceasing order). oleh karena itu kompleksitas algoritma exhaustive search untuk masalah ini adalah O(n ™ 2n ). maka terdapat 2n kemungkinan nilai X. pilihlah koin dengan nilai sebesar mungkin dari himpunan koin yang tersisa dengan syarat tidak melebihi nilai uang yang ditukarkan. Solusi dengan algoritma greedy: 7=5+1+1 Solusi yang optimal: 7 = 4 + 3 ( 3 koin) ( 2 koin) tidak optimal (b) Koin: 10. «. 3. y Agar pemilihan koin berikutnya optimal. (a) Koin: 5. maka kompleksitas algoritma greedy ditentukan dari kompleksitas algoritma pengurutan. 1 Uang yang ditukar: 15 Solusi dengan algoritma greedy: 6 . bergantung pada koin mata uang yang digunakan. Waktu yang dibutuhkan untuk mengevaluasi fungsi obyektif adalah O(n). Pemecahan Masalah dengan Algoritma Greedy y Strategi greedy yang digunakan dalam memilih koin berikutnya: Pada setiap langkah. Apakah algoritma greedy untuk masalah penukaran uang ini selalu menghasilkan solusi optimum? Jawabannya: tidak selalu. xn } adalah 0 atau 1.dengan kendala §d x ! A i !1 i i n Algoritma Exhaustive Search y Karena setiap elemen X = {x1. x2. 7. dan 1 Uang yang ditukar = 7. Jika himpunan koin sudah terurut menurun. maka kompleksitas algoritma greedy adalah O(n). Jika waktu pengurutan diperhitungkan.

15 = 10 + 1 + 1 + 1 + 1 + 1 (6 koin) Solusi yang optimal: 15 = 7 + 7 + 1 (hanya 3 koin) (c) Koin: 15. Misalkan kita mempunyai tiga pelanggan dengan t1 = 5.25) y Satu koin 10 sen ($5 + $1 + 25c + 10c = $6. kita dapat memilih: y Satu buah uang kertas senilai $5 y Satu buah uang kertas senilai $1 ($5 + $1 = $6)) y Satu koin 25 sen ($5 + $1 + 25c = $6. dan 1 Uang yang ditukar: 20 Solusi dengan algoritma greedy: 20 = 15 + 1 + 1 + 1 + 1 + 1 Solusi opgtimal: 20 = 10 + 10 (6 koin) (2 koin) y Untuk sistem mata uang dollar AS. Waktu pelayanan untuk setiap pelanggan sudah ditetapkan sebelumnya. kasir di bank.39) Bagaimana dengan mata uang rupiah Indonesia? Minimisasi Waktu di dalam Sistem (Penjadwalan) Persoalan: Sebuah server (dapat berupa processor. yaitu pelanggan i membutuhkan waktu ti.35) y Empat koin 1 sen ($5 + $1 + 25c + 10c + 1c + 1c + 1c + 1c = $6. algoritma greedy selalu memberikan solusi optimum. 10. pompa. dan crown Swedia. t2 = 10. dll) mempunai n pelanggan (customer. euro Eropa. client) yang harus dilayani. 7 . n T= § i !1 (waktu di dalam sistem untuk pelanggan i) Karena jumlah pelanggan adalah tetap. t3 = 3. Misalnya untuk menukarkan $6. Kita ingin meminimumkan total waktu di dalam sistem.39 dengan uang kertas (bill) dan koin sen (cent). meminimumkan waktu di dalam sistem ekivalen dengan meminimumkan waktu rata-rata. Contoh 3.

y Agar proses pemilihan pelanggan berikutnya optimal. n Keluaran: urutan pelanggan yang dilayani } Deklarasi i : integer 8 . «. 2. 1. oleh karena itu kompleksitas algoritma exhaustive search untuk masalah ini adalah O(nn!) Pemecahan Masalah dengan Algoritma Greedy Strategi greedy untuk memilih pelanggan berikutnya adalah: Pada setiap langkah. setiap pelanggan dinomori 1. 2. 2.maka enam urutan pelayanan yang mungkin adalah: Urutan T ================================= 1. 2: 5 + (5 + 3) + (5 + 3 + 10) = 31 2. 2: 3 + (3 + 5) + (3 + 5 + 10) = 29 n (optimal) 3. 3: 5 + (5 + 10) + (5 + 10 + 3 ) = 38 1. 3. 3: 10 + (10 + 5) + (10 + 5 + 3) = 43 2. 1: 3 + (3 + 10) + (3 + 10 + 5) = 34 Pemecahan Masalah dengan Algoritma Exhaustive Search y y Urutan pelangan yang dilayani oleh server merupakan suatu permutasi Jika ada n orang pelanggan. maka perlu mengurutkan waktu pelayanan seluruh pelanggan dalam urutan yang menaik. maka tedapat n! urutan pelanggan. 1: 10 + (10 + 3) + (10 + 3 + 5) = 41 3. 3. Jika waktu pengurutan tidak dihitung. Waktu yang dibutuhkan untuk mengevaluasi fungsi obyektif adalah O(n). maka kompleksitas algoritma greedy untuk masalah minimisasi waktu di dalam sistem adalah O(n). procedure PenjadwalanPelanggan(input n:integer) { Mencetak informasi deretan pelanggan yang akan diproses oleh server tunggal Masukan: n pelangan. 1. masukkan pelanggan yang membutuhkan waktu pelayanan terkecil di antara pelanggan lain yang belum dilayani.

meminimumkan n k ij 1 e j e n T= §§ t k !1 j !1 untuk semua kemungkinan permutasi ij. Persoalan Knapsack (a) 0/1 Knapsack n maksimasi F = § i !1 px i i dengan kendala (constraint) §w x eW i !1 i i n yang dalam hal ini. .. objek tersebut tidak bisa dikeluarkan lagi. «. Terdapat beberapa strategi greedy yang heuristik yang dapat digunakan untuk memilih objek yang akan dimasukkan ke dalam knapsack: y 9 .1 berikut: Teorema 3.. 2. xi = 0 atau 1. 2. Algoritma Exhaustive Search y i = 1. Sekali objek dimasukkan ke dalam knapsack. Keoptimuman ini dinyatakan dengan Teorema 3. n Algoritma exhaustive search untuk persoalan 0/1 Knapsack mempunyai kompleksitas O(n ™ 2n).Algoritma: {pelanggan 1. i. Algoritma Greedy y Masukkan objek satu per satu ke dalam knapsack. n sudah diurut menaik berdasarkan ti} for in1 to n do write(µPelanggan µ. Jika t1 e t2 e « e tn maka pengurutan ij = j..1. µ dilayani!¶) endfor Pemilihan srategi greedy untuk penjadwalan pelanggan akan selalu menghasilkan solusi optimum.

p1 = 10 Kapasitas knapsack W = 16 Solusi dengan algoritma greedy: Properti objek pi pi /wi 12 2 15 3 50 5 10 2 Total bobot Total keuntungan Greedy by weight 1 1 0 1 16 37 Solusi Optimal 0 1 1 0 15 65 y i 1 2 3 4 wi 6 5 10 5 profit 0 1 1 0 15 65 density 0 1 1 0 15 65 y Pada contoh ini. Greedy by profit. Tinjau persoalan 0/1 Knapsack lain dengan 6 objek: 10 . Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang mempunyai keuntungan per unit berat terbesar. Pada setiap langkah.1. p1 = 15 w3 = 10. knapsack diisi dengan objek yang mempunyai keuntungan terbesar. Contoh 4. p1 = 50 w4 = 5. Pada setiap langkah. knapsack diisi dengan objek yang mempunyai densitas.. 3. Pemilihan objek berdasarkan salah satu dari ketiga strategi di atas tidak menjamin akan memberikan solusi optimal. w1 = 2. Greedy by weight. Strategi ini mencoba memaksimumkan keuntungan dengan memasukkan sebanyak mungkin objek ke dalam knapsack. algoritma greedy dengan strategi pemilihan objek berdasarkan profit dan density memberikan solusi optimal. Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang paling menguntungkan terlebih dahulu. p1 = 12 w2 = 5. Bahkan ada kemungkinan ketiga stategi tersebut tidak memberikan solusi optimum. Tinjau persoalan 0/1 Knapsack dengan n = 4. pi /wi terbesar. 2. sedangkan pemilihan objek berdasarkan berat tidak memberikan solusi optimal. Contoh 4 berikut memberikan ilustrasi kedua kasus ini. Pada setiap langkah. Greedy by density. knapsack diisi dengan objek yang mempunyai berat paling ringan.

4 20 4 0. n n maksimasi F = § i !1 px i i dengan kendala (constraint) §w x eW i !1 i i n yang dalam hal ini. i = 1. n Algoritma Exhaustive Search 11 . 0 e xi e 1. p6 = 2 Kapasitas knapsack W = 100 Properti objek wi pi pi /wi 100 40 0. Kesimpulan: Algoritma greedy tidak selalu berhasil menemukan solusi optimal untuk masalah 0/1 Knapsack. p2 = 35 w3 = 45. Solusi optimal permasalah ini adalah X = (0.0 5 2 0. p1 = 40 w2 = 50. «.2 10 10 1. 0) dengan total keuntungan = 55.4 Total bobot Total keuntungan Greedy by weight 0 0 1 1 1 1 80 34 Solusi Optimal 0 1 1 0 0 0 100 55 i 1 2 3 4 5 6 profit 1 0 0 0 0 0 100 40 density 0 1 0 1 1 1 85 51 y Pada contoh ini. 1. 1. untuk i = 1. tetapi 0 e xi e 1.4 50 35 0. 0. «. p4 = 4 w5 = 10. 0.7 45 18 0. 2. (b) Fractional Knapsack Serupa dengan persoalan 0/1 Knapsack di atas. algoritma greedy dengan ketiga strategi pemilihan objek tidak berhasil memberikan solusi optimal. 2.w1 = 100. p3 = 18 w4 = 20. p5 = 10 w6 = 5.

4 15 24 1. w1 = 18.y Oleh karena 0 e xi e 1.2 density 0 1 1/2 20 31. y 12 . i = 1. Pemecahan Masalah dengan Algoritma Greedy y Ketiga strategi greedy yang telah disebutkan di atas dapat digunakan untuk memilih objek yang akan dimasukkan ke dalam knapsack.6 10 15 1. p1 = 15 Kapasitas knapsack W = 20 Solusi dengan algoritma greedy: Properti objek wi pi pi /wi 18 25 1. Algoritma persoalan fractional knapsack: 1. Hitung harga pi/wi .5 Total bobot Total keuntungan Greedy by weight 0 2/3 1 20 31.. maka kita perlu mengurutkan objek terlebih dahulu berdasarkan p i /wi dalam urutan yang menurun. Solusi optmal persoalan knapsack di atas adalah X = (0. maka terdapat tidak berhinga nilai-nilai xi.5 y Penyelesaian persoalan knapsack yang memakai strategi pemilihan objek berdasarkan pi /wi terbesar memberikan keuntungan yang maksimum (optimum). 2. p1 = 25 w2 = 15.0 i 1 2 3 profit 1 2/15 0 20 28. . p1 = 24 w3 = 10. 1/2) yang memberikan keuntungan maksimum 31. 1.. Persoalan Fractional Knapsack menjadi malar (continuous) sehingga tidak mungkin dipecahkan dengan algoritma exhaustive search. Urutkan seluruh objek berdasarkan nilai pi/wi yang menurun 3. sehingga objek berikutnya yang dipilih adalah objek sesuai dalam urutan itu. Contoh 5. Panggil SolveFractinonalKnapsack untuk mencari solusi optimum..5. y y Agar proses pemilihan objek berikutnya optimal. Tinjau persoalan fractional knapsack dengan n = 3. n 2.

. Urutkan seluruh objek berdasarkan nilai pi/wi yang menurun 3. harus dilakukan prosedur pendahuluan sebagai berikut : 1..procedure SolveFractionalKnapsack(input p. else MasihMuatUtuhnfalse endif endwhile { i > n or not MasihMuatUtuh } 13 . Hitung harga pi/wi . W : real. 2. Baru kemudian panggil procedure SolveFractionalKnapsack ini } Deklarasi i : integer. w. output x : Tabel. n : integer. kapasitas : real. MasihMuatUtuh : boolean. i = 1. Algoritma: for in1 to n do xi n 0 { inisialisasi setiap fraksi objek i dengan 0 } endfor kapasitasnW { kapasitas knapsack awal } TotalUntungn0 in1 MasihMuatUtuhntrue while (i e n) and (MasihMuatUtuh) do if wi e kapasitas then xin1 TotalUntungnTotalUntung + pi kapasitasnkapasitas . n 2. TotalUntung : real) { Penyelesaian persoalan fractional knapsack dengan algoritma greedy yang menggunaka strategi pemilihan objek berdasarkan density (pi/wi) Asumsi: Sebelum pemanggilan SolveFractionalKnapsack. .. : Tabel.wi ini+1.

pengelolaan memori dan yang terutama adalah masalah efektifitas.if i e n then { objek terakhir yang akan dimasukkan} xi n kapasitas/wi TotalUntungnTotalUntungt + xi *pi endif y Kompleksitas waktu asimptotik algoritma di atas (dengan mangabaikan waktu pengurutan objek) adalah O(n). Hal ini dinyatakan dalam Teorema 3. Jika p1/w1 u p2/w2 u .. u pn/wn maka algoritma greedy dengan strategi pemilihan objek berdasarkan pi /wi terbesar menghasilkan solusi yang optimum. Masalah pencarian lintasan terpendek dapat diselesaikan dengan berbagai cara antara lain dengan algoritma dijkstra dan dengan algoritma B&B. y Teorema 3. Algoritma greedy untuk persoalan fractional knapsack dengan strategi pemilihan objek berdasarkan pi /wi terbesar akan selalu memberikan solusi optimal. 14 . kami menyimpulkan bahwa algoritma B&B memiliki kemampuan yang lebih baik dibanding dijkstra dalam hal waktu yang dibutuhkan. Kesimpulan Algoritma greedy sangat mudah untuk diimplementasikan tetapi hasil yang didapatkan tidak selalu merupakan hasil yang optimal hal ini dikarenakan algoritma greedy tidak melakukan operasi terhadap semua kemungkinan yang ada serta banyaknya fungsi seleksi yang dapat kita pilih sehingga belum tentu fungsi yang kita pilih merupakan fungsi yang tepat..2.2 berikut ini. Dari hasil analisis di atas.

Sign up to vote on this title
UsefulNot useful