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

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

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

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

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

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

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

euro Eropa. 7 . Misalkan kita mempunyai tiga pelanggan dengan t1 = 5. dll) mempunai n pelanggan (customer. dan crown Swedia. meminimumkan waktu di dalam sistem ekivalen dengan meminimumkan waktu rata-rata. Contoh 3. Misalnya untuk menukarkan $6. t3 = 3. yaitu pelanggan i membutuhkan waktu ti. Kita ingin meminimumkan total waktu di dalam sistem.35) y Empat koin 1 sen ($5 + $1 + 25c + 10c + 1c + 1c + 1c + 1c = $6. t2 = 10. algoritma greedy selalu memberikan solusi optimum.15 = 10 + 1 + 1 + 1 + 1 + 1 (6 koin) Solusi yang optimal: 15 = 7 + 7 + 1 (hanya 3 koin) (c) Koin: 15.39 dengan uang kertas (bill) dan koin sen (cent). n T= § i !1 (waktu di dalam sistem untuk pelanggan i) Karena jumlah pelanggan adalah tetap. kasir di bank. client) yang harus dilayani.25) y Satu koin 10 sen ($5 + $1 + 25c + 10c = $6.39) Bagaimana dengan mata uang rupiah Indonesia? Minimisasi Waktu di dalam Sistem (Penjadwalan) Persoalan: Sebuah server (dapat berupa processor. Waktu pelayanan untuk setiap pelanggan sudah ditetapkan sebelumnya. 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. 10. pompa.

procedure PenjadwalanPelanggan(input n:integer) { Mencetak informasi deretan pelanggan yang akan diproses oleh server tunggal Masukan: n pelangan. 2. 3: 5 + (5 + 10) + (5 + 10 + 3 ) = 38 1.maka enam urutan pelayanan yang mungkin adalah: Urutan T ================================= 1. Waktu yang dibutuhkan untuk mengevaluasi fungsi obyektif adalah O(n). setiap pelanggan dinomori 1. y Agar proses pemilihan pelanggan berikutnya optimal. 2: 3 + (3 + 5) + (3 + 5 + 10) = 29 n (optimal) 3. 2: 5 + (5 + 3) + (5 + 3 + 10) = 31 2. 3: 10 + (10 + 5) + (10 + 5 + 3) = 43 2. maka kompleksitas algoritma greedy untuk masalah minimisasi waktu di dalam sistem adalah O(n). 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 tedapat n! urutan pelanggan. 1: 10 + (10 + 3) + (10 + 3 + 5) = 41 3. «. maka perlu mengurutkan waktu pelayanan seluruh pelanggan dalam urutan yang menaik. Jika waktu pengurutan tidak dihitung. 3. masukkan pelanggan yang membutuhkan waktu pelayanan terkecil di antara pelanggan lain yang belum dilayani. n Keluaran: urutan pelanggan yang dilayani } Deklarasi i : integer 8 . 2. 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. 1. 1. 2. 3.

Terdapat beberapa strategi greedy yang heuristik yang dapat digunakan untuk memilih objek yang akan dimasukkan ke dalam knapsack: y 9 . Jika t1 e t2 e « e tn maka pengurutan ij = j. meminimumkan n k ij 1 e j e n T= §§ t k !1 j !1 untuk semua kemungkinan permutasi ij. n sudah diurut menaik berdasarkan ti} for in1 to n do write(µPelanggan µ. µ dilayani!¶) endfor Pemilihan srategi greedy untuk penjadwalan pelanggan akan selalu menghasilkan solusi optimum. «..1.1 berikut: Teorema 3. xi = 0 atau 1. n Algoritma exhaustive search untuk persoalan 0/1 Knapsack mempunyai kompleksitas O(n ™ 2n). Algoritma Exhaustive Search y i = 1. objek tersebut tidak bisa dikeluarkan lagi. 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. Algoritma Greedy y Masukkan objek satu per satu ke dalam knapsack.. 2. Sekali objek dimasukkan ke dalam knapsack. i. . Keoptimuman ini dinyatakan dengan Teorema 3.. 2.Algoritma: {pelanggan 1.

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

4 50 35 0. p4 = 4 w5 = 10.0 5 2 0. p6 = 2 Kapasitas knapsack W = 100 Properti objek wi pi pi /wi 100 40 0. untuk i = 1. n n maksimasi F = § i !1 px i i dengan kendala (constraint) §w x eW i !1 i i n yang dalam hal ini. p1 = 40 w2 = 50. p5 = 10 w6 = 5. 0. i = 1. «. p3 = 18 w4 = 20. algoritma greedy dengan ketiga strategi pemilihan objek tidak berhasil memberikan solusi optimal. 0) dengan total keuntungan = 55. 1.2 10 10 1. Kesimpulan: Algoritma greedy tidak selalu berhasil menemukan solusi optimal untuk masalah 0/1 Knapsack. (b) Fractional Knapsack Serupa dengan persoalan 0/1 Knapsack di atas. 0. p2 = 35 w3 = 45. 1. tetapi 0 e xi e 1. 0 e xi e 1. Solusi optimal permasalah ini adalah X = (0.4 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. 2.7 45 18 0. 2. «. n Algoritma Exhaustive Search 11 .4 20 4 0.w1 = 100.

n 2. y y Agar proses pemilihan objek berikutnya optimal.5. Panggil SolveFractinonalKnapsack untuk mencari solusi optimum. Hitung harga pi/wi . Urutkan seluruh objek berdasarkan nilai pi/wi yang menurun 3.0 i 1 2 3 profit 1 2/15 0 20 28. w1 = 18. Persoalan Fractional Knapsack menjadi malar (continuous) sehingga tidak mungkin dipecahkan dengan algoritma exhaustive search.. maka terdapat tidak berhinga nilai-nilai xi.2 density 0 1 1/2 20 31.. p1 = 25 w2 = 15. i = 1. Solusi optmal persoalan knapsack di atas adalah X = (0. p1 = 15 Kapasitas knapsack W = 20 Solusi dengan algoritma greedy: Properti objek wi pi pi /wi 18 25 1.y Oleh karena 0 e xi e 1. 2. . p1 = 24 w3 = 10. Tinjau persoalan fractional knapsack dengan n = 3.4 15 24 1. 1/2) yang memberikan keuntungan maksimum 31. y 12 . maka kita perlu mengurutkan objek terlebih dahulu berdasarkan p i /wi dalam urutan yang menurun..5 Total bobot Total keuntungan Greedy by weight 0 2/3 1 20 31.6 10 15 1. Contoh 5. 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.5 y Penyelesaian persoalan knapsack yang memakai strategi pemilihan objek berdasarkan pi /wi terbesar memberikan keuntungan yang maksimum (optimum). 1. Algoritma persoalan fractional knapsack: 1. sehingga objek berikutnya yang dipilih adalah objek sesuai dalam urutan itu.

wi ini+1. Baru kemudian panggil procedure SolveFractionalKnapsack ini } Deklarasi i : integer. MasihMuatUtuh : boolean.. output x : Tabel. TotalUntung : real) { Penyelesaian persoalan fractional knapsack dengan algoritma greedy yang menggunaka strategi pemilihan objek berdasarkan density (pi/wi) Asumsi: Sebelum pemanggilan SolveFractionalKnapsack. w.. Hitung harga pi/wi . 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 . i = 1. Urutkan seluruh objek berdasarkan nilai pi/wi yang menurun 3. .procedure SolveFractionalKnapsack(input p. kapasitas : real. W : real. n : integer. harus dilakukan prosedur pendahuluan sebagai berikut : 1. n 2. 2. else MasihMuatUtuhnfalse endif endwhile { i > n or not MasihMuatUtuh } 13 . : Tabel..

2 berikut ini. 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.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). Dari hasil analisis di atas. Jika p1/w1 u p2/w2 u . y Teorema 3. 14 . Masalah pencarian lintasan terpendek dapat diselesaikan dengan berbagai cara antara lain dengan algoritma dijkstra dan dengan algoritma B&B.2. kami menyimpulkan bahwa algoritma B&B memiliki kemampuan yang lebih baik dibanding dijkstra dalam hal waktu yang dibutuhkan. u pn/wn maka algoritma greedy dengan strategi pemilihan objek berdasarkan pi /wi terbesar menghasilkan solusi yang optimum.. Hal ini dinyatakan dalam Teorema 3.. Algoritma greedy untuk persoalan fractional knapsack dengan strategi pemilihan objek berdasarkan pi /wi terbesar akan selalu memberikan solusi optimal. pengelolaan memori dan yang terutama adalah masalah efektifitas.

Sign up to vote on this title
UsefulNot useful