BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Dari berbagai masalah yang sering muncul dalam kehidupan kita, optimasi selalu
menarik untuk diperbincangkan. Dalam pemrograman, optimasi pun memiliki tempatnya
tersendiri. Baik itu menjadi masalah yang harus dipecahkan, maupun keharusan dalam
membuat program yang optimal. Knapsack adalah salah satu masalah yang sering muncul
dalam kasus optimasi dan kombinatorial. Knapsack sendiri terdiri dari beberapa varian, yaitu
0-1Knapsack, Knapsack Terbatas, dan Knapsack Tak Terbatas. Ada berbagai macam
algoritma yang dapat digunakan untuk memecahkan masing- masing varian, dan yang akan
kita bahas pada tulisan ini adalah Algoritma greedy yang digunakan untuk menjawab
permasalahan 0-1 Knapsack.

1.2 PERUMUSAN MASALAH

Berdasarkan latar belakang masalah, maka yang menjadi permasalahan adalah
bagaimana mengaplikasikan Heuristic search agar dapat digunakan untuk mengatasi masalah
knapsack. Permasalahan knapsack atau rucksack adalah permasalahan optimasi
kombinatorial, ilustrasinya adalah : “Diberikan sekumpulan barang, masing-masing dengan
berat dan nilai, kita harus dapat menentukan jumlah dari masing-masing barang untuk
dimasukan dalam sebuah wadah sehingga total beratnya kurang dari sama dengan berat yang
telah ditentukan, dan total nilainya harus sebesar mungkin.”

1.3 BATASAN MASALAH

Adapun pembatasan masalah dalam penulisan makalah ini adalah sebagai berikut :
1. Hanya membahas knapsack 0/1
2. Membahas masalah knapsack dengan menggunakan algoritma greedy (Greedy by profit)
dan implementasinya dalam bin packing problem.

1.4 TUJUAN

1
 Adapun tujuan dari aplikasi knapsack ini adalah untuk menghasilkan solusi yang
optimal pada permasalahan knapsack dengan menggunakan algoritma greedy.
BAB II
PEMBAHASAN

2.1 KNAPSACK 0/1

Knapsack adalah tas atau karung yang digunakan untuk memasukkan sesuatu.
Tapi tidak semua barang bisa ditampung kedalam karung tersebut. Karung tersebut hanya
dapat menyimpan beberapa objek dengan total ukurannya (weight) lebih kecil atau sama
dengan ukuran kapasitas karung.
Knapsack problem memiliki tiga jenis persolan, yaitu:
1. Knapsack 0/1
Sesuatu yang dimasukkan kedalam karung dimensinya harus dimasukkan semua
atau tidak sama sekali.
2. Knapsack Bounded
Sesuatu yang dimasukkan kedalam karung dimensinya bisa dimasukkan
sebagaian atau seluruhnya.
3. Knapsack Unbounded

Ada beberapa strategi algoritma yang bisa menghasilkan solusi optimal,

diantaranya adalah Brute Force, algotitma genetika, Algoritma greedy. Pada makalah ini
masalah knapsack 0/1 akan diselesaikan dengan Greedy Algorithm yaitu solusi yang mencari
nilai optimum. Algoritma ini memecahkan permasalahan langkah per langkah, yaitu:
1. Mengambil pilihan terbaik yang bisa diperoleh saat itu juga tanpa memperhatikan
konsekuensi kedepan (prinsip “take what you can get now!”).
2. Berharap bahwa dengan memilih optimum lokal pada setiap langkah akan berakhir dengan
optimum global.

2
 Pada Greedy Algorithm ada beberapa strategi yang digunakan untuk memilih
objek yang akan dimasukkan kedalam knapsack:
1. Greedy by profit.
Pada setiap langkah, knapsack diisi dengan objek yang mempunyai keuntungan terbesar.
Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang paling
menguntungkan terlebih dahulu.
2. Greedy by weight..
Pada setiap langkah, knapsack diisi dengan objek yang mempunyai berat paling ringan.
Strategi ini mencoba memaksimumkan keuntungan dengan memasukkan sebanyak
mungkin objek ke dalam knapsack.
3. Greedy by density.
Pada setiap langkah, knapsack diisi dengan objek yang mempunyai densitas, pi /wi
terbesar. Strategi ini mencoba memaksimumkan keuntungan dengan memilih objek yang
mempunyai keuntungan per unit berat terbesar.

2.2 MASALAH KNAPSACK

Masalah Knapsack merupakan sebuah persoalan yang menarik. Dalam dunia
nyata permasalahan Knapsack ini sering sekali digunakan terutama pada bidang (jasa)
pengangkutan barang (seperti pengangkutan peti kemas dalam sebuah kapal). Dalam usaha
tersebut, diinginkan suatu keuntungan yang maksimal untuk mengangkut barang yang ada
dengan tidak melebihi batas kapasitas yang ada. Berdasarkan persoalan tersebut, diharapkan
ada suatu solusi yang secara otomatis dalam mengatasi persoalan itu. Problem Knapsack
adalah permasalahan optimasi kombinatorial, dimana kita harus mencari solusi terbaik dari
banyak kemungkinan yang dihasilkan.

2.3 PENYELESAIAN MASALAH

Berikut adalah beberapa cara penyelesaian knapsack :
1. Brute Force

3
 Brute force adalah pendekatan straightforward untuk menyelesaikan
masalah,umumnya sangat bergantung pada pernyataan masalah dan definisi dari konsep.
Jika terdapat n item untuk dipilih, maka akan ada 2n kemungkinan kombinasi dari item-
item tersebut untuk ditempatkan di Knapsack. Sebuah item dapat terpilih atau tidak
dalam kombinasi tersebut. Angka 0 dan 1 akan dibangkitkan sepanjang n. Jika ith
menunjukkan 0 maka item tersebut tidak terpilih dan jika 1 maka item tersebut dipilih.
2. Algoritma Genetika
Algoritma genetik merupakan algoritma komputer yang mencari suatu solusi-
solusi baik dalam permasalah yang memiliki sejumlah besar kemungkinan pemecahan
yang ada. Semua algoritma-algoritma genetik dimulai dengan kumpulan solusi ( yang
diwakili oleh kromosom) yang biasa disebut populasi. Suatu populasi baru diciptakan
dari solusi-solusi yang ada dalam suatu populasi tua diharapkan dapat menjadi suatu
populasi lebih baik. Solusi-solusi yang telah dipilih dalam membentuk solusi baru
(anak/offspings) akan diseleksi menurut fitness mereka. Semakin solusi-solusinya
tersebut cocok maka akan lebih banyak kesempatan mereka dalam produksi kembali.
Proses ini diulangi sampai kondisi yang diinginkan didapat.
Kebanyakan agoritma genetik berdasarkan atas element-elemen berikut:
“populasi dari kromosom, pemilihan berdasarkan fitness, penyilangan dalam
mendapatkan offspings baru, dan mutasi acak dalam offsprings baru”.
3. Algoritma Greedy
Teknik pemrograman dengan menggunakan Greedy sering digunakan untuk
permasalahan optimasi. Secara umum teknik ini menggunakan heuristic untuk mencari
solusi suboptimum sehingga diharapkan solusi optimum. Strategi greedy yang dapat
diterapkan pada 0/1 Knapsack Problem :
1. Pilih item yang memiliki nilai maksimum dari item-item yang tersedia, hal ini akan
menambah nilai dari Knapsack secara cepat.
2. Pilih item yang memiliki bobot minimum dari item-item yang ada sehingga kapasitas
terisi secara perlahan dan dapat memuat lebih banyak item.
3. Pilih item yang memiliki nilai tinggi untuk bobot/berat

4
 Setelah tiga strategi tersebut diterapkan dan diuji, maka didapat hasil terbaik
dating dari aturan ketiga, yaitu memilih item bernilai tinggi dari rasio bobot terhadap
berat.
2.4 STUDY KASUS
2.4.1 KNAPSACK 0/1(BIN PACKING)
Diketahui 4 barang yang akan disimpan pada suatu tempat yang memiliki
kapasitas maksimal sebesar 16 Kg. Berat masing-masing barang adalah 6 Kg, 5 Kg, 10
Kg, dan 5 Kg dimana setiap barang memiliki profit sebesar masing-masing 12, 15, 50,
dan 10. Tentukan barang mana saja yang dapat disimpan ke dalam tempat penyimpanan
sehingga diperoleh nilai profit yang maksimal.

2.4.2 PENYELESAIAN
Tinjau persoalan 0/1 Knapsack dengan n = 4.
w1 = 2; p1 = 12
w2 = 5; p1 = 15
w3 = 10; p1 = 50
w4 = 5; p1 = 10
Kapasitas knapsack W = 16
Solusi dengan algoritma greedy:
Properti objek Greedy
i wi pi pi /wi
by profitt
1 6 12 2 0
2 5 15 3 1
3 10 50 5 1
4 5 10 2 0
Total bobot 15
Total keuntungan 65

Kapasitas m=16 ( w1,w2,w3,w4 = 6,5,10,5 )

( p1,p2,p3,p4 = 12,15,50,10 )
Pilih objek dengan nilai profit terbesar(pi), susun data dengan kriteria:
( p3,p2,p1,p4 = 50,15,12,10)

5
(w3,w2,w1,w4 = 10,5,6,5)
1. PROCEDURE GREEDY KNAPSACK (P, W, X, n) nama prosedur/proses
2. REAL P(1:n), W(1:n), X(1:n), M, isi variabel yang digunakan
3. INTEGER i, n variabel yang digunakan
4. X(1:n) = 0
5. isi = M
6. FOR i = 1 TO n DO
7. IF W(i) > isi THEN EXIT ENDIF
8. X(i) = 1
9. isi = isi – W(i)
10. REPEAT
11. IF i ≤ n THEN X(i) = isi/W(i) ENDIF
12. END GREEDY KNAPSACK akhir prosedur/proses Proses kegiatan dimulai dari
langkah ke- 4 sampai dengan 11. X(1:4) = 0, artinya X(1)=0, X(2)=0, X(3)=0,
X(4)=0
isi = M = 16 Pengulangan untuk i = 1 sampai dengan 4

Untuk i = 1
Apakah W(1) > isi
Apakah 10 > 16, jawabnya tidak, karena tidak maka perintah dibawah IF dikerjakan.
nilai probabilitas untuk objek pada urutan pertama (X1)X(1) = 1
isi = 16 – 10 = 6
mengulang untuk perulangan FORREPEAT
Untuk i = 2
Apakah W(2) > isi
Apakah 5 > 6, jawabnya tidak, karena tidak maka perintah dibawah IF dikerjakan.
nilai probabilitas untuk objek pada urutan pertama (X1)X(1) = 1

Isi=6-5=1

mengulang untuk perulangan FORREPEAT

6
Untuk i=3

Apakah W(3)>isi

Apakah 6>1, jawabnya ya. Karena ya maka perintah EXIT dikerjakan yaitu keluar dari
perulangan for.

Untuk i=4

Apakah W(4)>isi

Apakah 5>1, jawabnya ya. Karena ya maka perintah EXIT dikerjakan yaitu keluar dari
perulangan for.

Hasil dari procedure diatas adalah memilih semua objek yang lebih kecil dari isi, yaitu
w1 dan w2 yang memiliki bobot masing-masing 10 dan 5 dan yang memiliki profit 50
dan 15.

Jadi, hasilnya adalah 65.

7
2.5 PROGRAM
2.5.1 LISTING PROGAM

8
 2.5.2 OUTPUT
_

BAB III
PENUTUP

KESIMPULAN

9
1. Knapsack adalah permasalahan kombinasi yang melibatkan optimasi, dan terdapat variasi
masalah dilihat dari jumlah tiap barang i yang ditangani dengan menggunakan Knapsack
0/1.
2. Pemecahan masalah 0-1 Knapsack menggunakan Algoritma Greedy melibatkan
kombinatorial dan optimasi.

DAFTAR PUSTAKA
1. http://www.informatika.org/~rinaldi/Stmik/2007-
2008/Makalah2008/MakalahIF2251-2008-017.pdf
2. http://www.cs.rpi.edu/~beevek/files/ai-heuristic-search.pdf

10
3. http://hendryprihandono.wordpress.com/2009/01/03/knapsack-problem-dengan-
algoritma-dan-metode-greedy/
4. http://www.es.ele.tue.nl/education/5MC10/Solutions/knapsack.pdf
5. http://www.informatika.org/~rinaldi/Stmik/Makalah/MakalahStmik16.pdf
6. http://www.scribd.com/doc/30550680/Algoritma-Greedy

11