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

1. Dengan penerapan ini akan ditemukan solusi yang benar untuk semua kondisi tanpa mengurangi kemangkusan dari algoritma.membutuhkan waktu yang lama untuk menemukan solusinya. Kami mempunyai pemikiran untuk menerapkan Algoritma Branch & Bound pada prinsip pencarian solusi. Tapi algoritma dijkstra yang selama ini kami pelajari. 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. Pendahuluan Prinsip pencarian lintasan terpendek memegang peranan yang penting selama ini.

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

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

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

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

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

10.39) Bagaimana dengan mata uang rupiah Indonesia? Minimisasi Waktu di dalam Sistem (Penjadwalan) Persoalan: Sebuah server (dapat berupa processor. meminimumkan waktu di dalam sistem ekivalen dengan meminimumkan waktu rata-rata. client) yang harus dilayani.35) y Empat koin 1 sen ($5 + $1 + 25c + 10c + 1c + 1c + 1c + 1c = $6.25) y Satu koin 10 sen ($5 + $1 + 25c + 10c = $6. 7 . Waktu pelayanan untuk setiap pelanggan sudah ditetapkan sebelumnya. Misalkan kita mempunyai tiga pelanggan dengan t1 = 5.15 = 10 + 1 + 1 + 1 + 1 + 1 (6 koin) Solusi yang optimal: 15 = 7 + 7 + 1 (hanya 3 koin) (c) Koin: 15. 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. dll) mempunai n pelanggan (customer. pompa. dan crown Swedia. algoritma greedy selalu memberikan solusi optimum. Kita ingin meminimumkan total waktu di dalam sistem. yaitu pelanggan i membutuhkan waktu ti. Contoh 3.39 dengan uang kertas (bill) dan koin sen (cent). euro Eropa. t3 = 3. t2 = 10. Misalnya untuk menukarkan $6. kasir di bank. n T= § i !1 (waktu di dalam sistem untuk pelanggan i) Karena jumlah pelanggan adalah tetap.

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

xi = 0 atau 1. 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.1. Sekali objek dimasukkan ke dalam knapsack. .. Algoritma Exhaustive Search y i = 1. «.Algoritma: {pelanggan 1.1 berikut: Teorema 3. 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. objek tersebut tidak bisa dikeluarkan lagi. n Algoritma exhaustive search untuk persoalan 0/1 Knapsack mempunyai kompleksitas O(n ™ 2n).. 2. 2. meminimumkan n k ij 1 e j e n T= §§ t k !1 j !1 untuk semua kemungkinan permutasi ij. Terdapat beberapa strategi greedy yang heuristik yang dapat digunakan untuk memilih objek yang akan dimasukkan ke dalam knapsack: y 9 .. µ dilayani!¶) endfor Pemilihan srategi greedy untuk penjadwalan pelanggan akan selalu menghasilkan solusi optimum. Keoptimuman ini dinyatakan dengan Teorema 3. i.

2. p1 = 15 w3 = 10. knapsack diisi dengan objek yang mempunyai densitas. Strategi ini mencoba memaksimumkan keuntungan dengan memasukkan sebanyak mungkin objek ke dalam knapsack. Tinjau persoalan 0/1 Knapsack dengan n = 4.. algoritma greedy dengan strategi pemilihan objek berdasarkan profit dan density memberikan solusi optimal. Pada setiap langkah. knapsack diisi dengan objek yang mempunyai keuntungan terbesar. w1 = 2. Greedy by profit. Bahkan ada kemungkinan ketiga stategi tersebut tidak memberikan solusi optimum. p1 = 12 w2 = 5. pi /wi terbesar. Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang paling menguntungkan terlebih dahulu. knapsack diisi dengan objek yang mempunyai berat paling ringan. Contoh 4. Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang mempunyai keuntungan per unit berat terbesar. Greedy by density. Contoh 4 berikut memberikan ilustrasi kedua kasus ini. Greedy by weight. Pada setiap langkah. 3. Tinjau persoalan 0/1 Knapsack lain dengan 6 objek: 10 . p1 = 50 w4 = 5.1. 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. Pada setiap langkah. Pemilihan objek berdasarkan salah satu dari ketiga strategi di atas tidak menjamin akan memberikan solusi optimal. sedangkan pemilihan objek berdasarkan berat tidak memberikan solusi optimal.

2.4 50 35 0. p3 = 18 w4 = 20.w1 = 100.0 5 2 0. p4 = 4 w5 = 10. p2 = 35 w3 = 45. Kesimpulan: Algoritma greedy tidak selalu berhasil menemukan solusi optimal untuk masalah 0/1 Knapsack. Solusi optimal permasalah ini adalah X = (0. 0. i = 1. «. 1. p6 = 2 Kapasitas knapsack W = 100 Properti objek wi pi pi /wi 100 40 0. «.4 20 4 0. algoritma greedy dengan ketiga strategi pemilihan objek tidak berhasil memberikan solusi optimal. (b) Fractional Knapsack Serupa dengan persoalan 0/1 Knapsack di atas. 0 e xi e 1. 2. untuk i = 1. 0) dengan total keuntungan = 55. 0. 1. p1 = 40 w2 = 50. tetapi 0 e xi e 1.2 10 10 1.7 45 18 0. n Algoritma Exhaustive Search 11 . p5 = 10 w6 = 5.4 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. n n maksimasi F = § i !1 px i i dengan kendala (constraint) §w x eW i !1 i i n yang dalam hal ini.

maka terdapat tidak berhinga nilai-nilai xi. Tinjau persoalan fractional knapsack dengan n = 3. 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. n 2. p1 = 25 w2 = 15.. 2. Algoritma persoalan fractional knapsack: 1. Urutkan seluruh objek berdasarkan nilai pi/wi yang menurun 3. 1.5 Total bobot Total keuntungan Greedy by weight 0 2/3 1 20 31.4 15 24 1. Hitung harga pi/wi .6 10 15 1. sehingga objek berikutnya yang dipilih adalah objek sesuai dalam urutan itu. 1/2) yang memberikan keuntungan maksimum 31. Solusi optmal persoalan knapsack di atas adalah X = (0.2 density 0 1 1/2 20 31. w1 = 18. p1 = 24 w3 = 10. y 12 ..5 y Penyelesaian persoalan knapsack yang memakai strategi pemilihan objek berdasarkan pi /wi terbesar memberikan keuntungan yang maksimum (optimum). maka kita perlu mengurutkan objek terlebih dahulu berdasarkan p i /wi dalam urutan yang menurun. . y y Agar proses pemilihan objek berikutnya optimal. Panggil SolveFractinonalKnapsack untuk mencari solusi optimum.y Oleh karena 0 e xi e 1..0 i 1 2 3 profit 1 2/15 0 20 28. Persoalan Fractional Knapsack menjadi malar (continuous) sehingga tidak mungkin dipecahkan dengan algoritma exhaustive search.5. i = 1. Contoh 5. p1 = 15 Kapasitas knapsack W = 20 Solusi dengan algoritma greedy: Properti objek wi pi pi /wi 18 25 1.

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

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

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.