Tugas mandiri Algoritma dan struktur data

METODE GREEDY DAN DYNAMIC PROGRAMMING

INDAH AYUSTINA H12111251 Ayundahindahamid.blogspot.com

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PEGETAHUAN ALAM UNIVERSITAS HASNUDDIN 2012/2013

A. METODE GREEDY Metode Greedy merupakan metode yang membentuk solusi langkah per

langkah. Pada setiap langkah tersebut akan dipilih keputusan yang paling optimal. Keputusan tersebut tidak perlu memperhatikan keputusan selanjutnya yang akan diambil, dan keputusan tersebut tidak dapat diubah lagi pada langkah selanjutnya. 1. Prinsip Metode Greeedy Prinsip utama metode greedy adalah take what you can get now. Maksud dari prinsip tersebut adalah bahwa pada setiap langkah dalam metode greedy, kita

mrngambil keputusan yang paling optimal untuk langkah tersebut tanpa memperhatikan konsekuensi pada langkah selanjutnya. Kita namakan solusi tersebut dengan optimum lokal. Kemudian saat pengambilan nilai optimum lokal pada setiap langkah, diharapkan tercapai optimum global, yaitu tercapainya solusi optimum yang melibatkan keseluruhan langkah dari awal sampai akhir. (http://blogs.mervpolis.com/roller/yudhy/entry/pengertian_metode_greedy_dan_algorit ma) 2. penerapan Konsep Misalnya daerah A memiliki 5 satuan koin untuk pembayaran yaitu $ 1, $ 5, $ 10, $ 100,$200. Andaikan seseorang mempunyai uang sebesar $12.352 , maka berapa kemungkinan jumlah koin paling sedikit yang dimilikinya? Penyelesaian: 1. himpunan solusi yang mungkin adalah{ $ 1, $ 5, $ 10, $ 100, $200}

2. himpunan solusi yang mungkin untuk $152 adalah {$ 1, $ 5, $ 10, $ 100}

3. himpunan solusi yang mungkin untuk $52 adalah {$ 1, $ 5 , $ 10}

4. himpunan solusi yang mungkin untuk $ 2 adalah {$ 1}

Jadi solusi terbaik untuk jumlah koin minimum yang dimilikinya adalah 61+1+5+2 = 69 buah koin. 3. Kelebihan dan Kekurangan dari Metode Greedy a. Kelebihan Tidak membutuhkan memoisasi karena solusi terbaik dilihat tanpa mempertimbangkan penyelesaian sebelumnya. Sangat berguna jika pencarian solusi 100% memakan waktu terlalu lama. Algoritma greedy menerapkan metode pencarian terkontrol dengan melakukan pilihan yang memberikan hasil optimal sementara. Mudah diimplementasikan, algoritma greedy sangat mudah untuk diimplementasikan pada persoalan-persoalan yang ada. Efisien, algoritma greedy merupakan algoritma yang sangat efisien karena algoritma ini selalu berusaha memilih hasil optimal b. Kekurangan Tidak semua jenis masalah dapat diselesaikan dengan Metode Greedy. Tingkat ketepatannya adalah lebih kecil dibandingkan dengan metode Dynamic Programming.

B. 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. Pada penyelesaian persoalan dengan metode ini: 1. terdapat sejumlah berhingga pilihan yang mungkin, 2. solusi pada setiap tahap dibangun dari hasil solusi tahap sebelumnya, kita menggunakan persyaratan optimasi dan kendala untuk membatasi sejumlah pilihan yang harus dipertimbangkan pada suatu tahap. Pada program dinamis, rangkaian keputusan yang optimal dibuat dengan menggunakan Prinsip Optimalitas. Prinsip Optimalitas: jika solusi total optimal, maka bagian solusi sampai tahap ke-k juga optimal.

C. PENYELESAIAN MASALAH Contoh kasus : Perhatikan graf di bawah ini tentukan lintasan terpendek yang mungkin dilaluai dari kota A ke kota L dengan metode greedy dan dynamic programming. E 6 4 4 A 3 5 D 4 I 2 6 5 2 C 5 6 H F 4 3 2 K 6 3 J 5 L

5 B 3

Step1

step 2

step 3

Metode greedy : 1. Untuk langkah pertama kita ambil untuk step pertama jarak terdekat yaitu A-C =2 jam. 2. untuk kestep ke dua kita ambil dari kota c ke kota F = 4jam. 3. untuk langkah ketiga kita ambil dari kota F-J = 3 jam. 4. untk langkah ke empat kita ambil dari J-L = 5 jam. Jadi langkah nya adalah A-C-F-J-L =2+4+3+5= 14 jam. Metode dynamic programming: Step 2 1. distribusi (E) = {A,B,E} cost (E) = 8 2.distribusi (F) = {A,C,F} cost (F) =6 3. distribusi (G) = {A,C,G} cost (G)= 7 4.distribusi (H)= {A,D,H} cost (H) = 5 5. distribusi (I)= {A,D,I} cost (I)= 7 Step 3 1. distribusi (J) ={A,C,F,J} cost(J)= 6+3 =9 2. distribusi (K)= {A,D,H,K} cost (K) = 5+2=7 jadi solusinya adalah {A,D,H,K,L}= 7+6= 13 jam

TUGAS Terdapat 5 jenis kotak yaitu

Akan dimasukkan ke kotak dibawah ini berapa paling sedikit kotak yang bisa dimasukkan dengan kotak dibawah ini. Gunakan metode greedy dan dynamic programming 35 cm

15 cm

Metode greedy: Kita gabungkan kotak jenis D sehingga seperti pada gambar di bawah ini. Luas = 8m x 8m = 64m2 Kita masukkan kotak disamping ke dalam kotak utamasehingga seperti pada gambar dibawah.

Kita gabungkan kotak menjadi seperti pada gambar di samping dan dimasukkan pada daerah sisa yang belum terisi pada gambar diatas sehingga hasilnya adalah

Kita ambil kotak seperti gambar di bawah.

untuk mengisi gambar diatas maka hasilnya adalaah

Luas sisa

= luas I + luas II + lias kotak III = (1 x 12) + (1 x 35) + (3 x 2) = 12 + 35 + 6 = 53 m2 Sisanya tidak optimal, itulah merupakan kekurangan dari metode Greey , banyak kemungkinan yang bisa kita ambil. Metode dynamic programming a. Kotak dibagi menjadi seperti bagian di bawah :

b. Kemudian kotak dibagi menjadi beberapa bagian yaitu menjadi 5 bagian.

c. Selanjutnya kotak yang di atas di bagi seperti gambar di bawah:

d. kotak diatas sesuai kotak disamping dengan bentuk seperti di bawah.

e. Selanjutnya kotak yang belum terisi dibagi lagi seperti pada gambar

berikut.

f.

Kotak yang kosong di atas diisi pada kotak di bawah

kotak yang telah dibuat.seperti terlihat

g. Kotak yang masih kosong di isi dengan kotak yang mungkin masuk pada kotak di atas. Kotak yang mungkin bisa masuk pada kotak di atas adalah kotak C. sehingga dapat dilihat seperti pada gambar berikut

h. Kotak di atas tidak dapat lagi di isi kotak , maka kita dapat menghitung menghitung jumlah kotak yang terisi pada kotak di atas yaitu 37. 36 diantaranya kotak B dan sisanya kotak C. Dan sisanya dapat dihitung senagai berikut: Sisa Luas kotak = Luas I + Luas II = (4 x 1) + (3 x3) =4+9 = 13 m2 Jadi, kesimpulannya Metode Dynamic Programming lebih optimal dari pada Metode Greedy.