1.

Apakah Itu Algoritma

Ditinjau dari asal-usul katanya, kata Algoritma sendiri mempunyai sejarah yang aneh. Orang
hanya menemukan kata algorism yang berarti proses menghitung dengan angka arab. Anda
dikatakan algorist jika Anda menghitung menggunakan angka arab. Para ahli bahasa
berusaha menemukan asal kata ini namun hasilnya kurang memuaskan. Akhirnya para ahli
sejarah matematika menemukan asal kata tersebut yang berasal dari nama penulis buku arab
yang terkenal yaitu Abu Jafar Muhammad Ibnu Musa Al-Khuwarizmi. Al-Khuwarizmi
dibaca orang barat menjadi Algorism. Al-Khuwarizmi menulis buku yang berjudul Kitab Al
Jabar Wal-Muqabala yang artinya Buku pemugaran dan pengurangan (The book of
restoration and reduction). Dari judul buku itu kita juga memperoleh akar kata Aljabar
(Algebra). Perubahan kata dari algorism menjadi algorithm muncul karena kata algorism
sering dikelirukan dengan arithmetic, sehingga akhiran sm berubah menjadi thm. Karena
perhitungan dengan angka Arab sudah menjadi hal yang biasa, maka lambat laun kata
algorithm berangsur-angsur dipakai sebagai metode perhitungan (komputasi) secara umum,
sehingga kehilangan makna kata aslinya. Dalam bahasa Indonesia, kata algorithm diserap
menjadi algoritma.
2. Definisi Algoritma

Algoritma adalah urutan langkah-langkah logis penyelesaian masalah yang disusun secara
sistematis dan logis. Kata logis merupakan kata kunci dalam algoritma. Langkah-langkah
dalam algoritma harus logis dan harus dapat ditentukan bernilai salah atau benar. Dalam
beberapa konteks, algoritma adalah spesifikasi urutan langkah untuk melakukan pekerjaan
tertentu. Pertimbangan dalam pemilihan algoritma adalah, pertama, algoritma haruslah benar.
Artinya algoritma akan memberikan keluaran yang dikehendaki dari sejumlah masukan yang
diberikan. Tidak peduli sebagus apapun algoritma, kalau memberikan keluaran yang salah,
pastilah algoritma tersebut bukanlah algoritma yang baik.
Pertimbangan kedua yang harus diperhatikan adalah kita harus mengetahui seberapa baik
hasil yang dicapai oleh algoritma tersebut. Hal ini penting terutama pada algoritma untuk
menyelesaikan masalah yang memerlukan aproksimasi hasil (hasil yang hanya berupa
pendekatan). Algoritma yang baik harus mampu memberikan hasil yang sedekat mungkin
dengan nilai yang sebenarnya.
Ketiga adalah efisiensi algoritma. Efisiensi algoritma dapat ditinjau dari 2 hal yaitu efisiensi
waktu dan memori. Meskipun algoritma memberikan keluaran yang benar (paling
mendekati), tetapi jika kita harus menunggu berjam-jam untuk mendapatkan keluarannya,
algoritma tersebut biasanya tidak akan dipakai, setiap orang menginginkan keluaran yang
cepat. Begitu juga dengan memori, semakin besar memori yang terpakai maka semakin
buruklah algoritma tersebut. Dalam kenyataannya, setiap orang bisa membuat algoritma yang
berbeda untuk menyelesaikan suatu permasalahan, walaupun terjadi perbedaan dalam
menyusun algoritma, tentunya kita mengharapkan keluaran yang sama. Jika terjadi demikian,
carilah algoritma yang paling efisien dan cepat.
3. Beda Algoritma dan Program

Program adalah kumpulan pernyataan komputer, sedangkan metode dan tahapan sistematis
dalam program adalah algoritma. Program ditulis dengan menggunakan bahasa
pemrograman. Jadi bisa disebut bahwa program adalah suatu implementasi dari bahasa
pemrograman. Beberapa pakar memberi formula bahwa :

Program = Algoritma + Bahasa (Struktur Data)

Bagaimanapun juga struktur data dan algoritma berhubungan sangat erat pada sebuah
program. Algoritma yang baik tanpa pemilihan struktur data yang tepat akan membuat
program menjadi kurang baik, demikian juga sebaliknya.
Pembuatan algoritma mempunyai banyak keuntungan di antaranya :

Pembuatan atau penulisan algoritma tidak tergantung pada bahasa pemrograman

manapun, artinya penulisan algoritma independen dari bahasa pemrograman dan
komputer yang melaksanakannya.

Notasi algoritma dapat diterjemahkan ke dalam berbagai bahasa pemrograman.

Apapun bahasa pemrogramannya, output yang akan dikeluarkan sama karena

algoritmanya sama.

Beberapa hal yang perlu diperhatikan dalam membuat algoritma :

Teks algoritma berisi deskripsi langkah-langkah penyelesaian masalah. Deskripsi

tersebut dapat ditulis dalam notasi apapun asalkan mudah dimengerti dan dipahami.

Tidak ada notasi yang baku dalam penulisan teks algoritma seperti notasi bahasa
pemrograman. Notasi yang digunakan dalam menulis algoritma disebut notasi
algoritmik.

Setiap orang dapat membuat aturan penulisan dan notasi algoritmik sendiri. Hal ini
dikarenakan teks algoritma tidak sama dengan teks program. Namun, supaya notasi
algoritmik mudah ditranslasikan ke dalam notasi bahasa pemrograman tertentu, maka
sebaiknya notasi algoritmik tersebut berkorespondensi dengan notasi bahasa
pemrograman secara umum.

Notasi algoritmik bukan notasi bahasa pemrograman, karena itu pseudocode dalam
notasi algoritmik tidak dapat dijalankan oleh komputer. Agar dapat dijalankan oleh
komputer, pseudocode dalam notasi algoritmik harus ditranslasikan atau
diterjemahkan ke dalam notasi bahasa pemrograman yang dipilih. Perlu diingat bahwa
orang yang menulis program sangat terikat dalam aturan tata bahasanya dan
spesifikasi mesin yang menjalannya.

Algoritma sebenarnya digunakan untuk membantu kita dalam mengkonversikan suatu

permasalahan ke dalam bahasa pemrograman.

Algoritma merupakan hasil pemikiran konseptual, supaya dapat dilaksanakan oleh

komputer, algoritma harus ditranslasikan ke dalam notasi bahasa pemrograman. Ada
beberapa hal yang harus diperhatikan pada translasi tersebut, yaitu :

a. Pendeklarasian variabel
Untuk mengetahui dibutuhkannya pendeklarasian variabel dalam penggunaan bahasa
pemrograman apabila tidak semua bahasa pemrograman membutuhkannya.
b. Pemilihan tipe data
Apabila bahasa pemrograman yang akan digunakan membutuhkan pendeklarasian variabel
maka perlu hal ini dipertimbangkan pada saat pemilihan tipe data.
c. Pemakaian instruksi-instruksi
Beberapa instruksi mempunyai kegunaan yang sama tetapi masing-masing memiliki
kelebihan dan kekurangan yang berbeda.
d. Aturan sintaksis
Pada saat menuliskan program kita terikat dengan aturan sintaksis dalam bahasa
pemrograman yang akan digunakan.
e. Tampilan hasil
Pada saat membuat algoritma kita tidak memikirkan tampilan hasil yang akan disajikan. Hal-
hal teknis ini diperhatikan ketika mengkonversikannya menjadi program.
f. Cara pengoperasian compiler atau interpreter.
Bahasa pemrograman yang digunakan termasuk dalam kelompok compiler atau interpreter.
4. Algoritma Merupakan Jantung Ilmu Informatika

Algoritma adalah jantung ilmu komputer atau informatika. Banyak cabang ilmu komputer
yang mengarah ke dalam terminologi algoritma. Namun, jangan beranggapan algoritma
selalu identik dengan ilmu komputer saja. Dalam kehidupan sehari-hari pun banyak terdapat
proses yang dinyatakan dalam suatu algoritma. Cara-cara membuat kue atau masakan yang
dinyatakan dalam suatu resep juga dapat disebut sebagai algoritma. Pada setiap resep selalu
ada urutan langkah-langkah membuat masakan. Bila langkah-langkahnya tidak logis, tidak
dapat dihasilkan masakan yang diinginkan. Ibu-ibu yang mencoba suatu resep masakan akan
membaca satu per satu langkah-langkah pembuatannya lalu ia mengerjakan proses sesuai
yang ia baca. Secara umum, pihak (benda) yang mengerjakan proses disebut pemroses
(processor). Pemroses tersebut dapat berupa manusia, komputer, robot atau alat-alat
elektronik lainnya. Pemroses melakukan suatu proses dengan melaksanakan atau
mengeksekusi algoritma yang menjabarkan proses tersebut.
Algoritma adalah deskripsi dari suatu pola tingkah laku yang dinyatakan secara primitif yaitu
aksi-aksi yang didefenisikan sebelumnya dan diberi nama, dan diasumsikan sebelumnya
bahwa aksi-aksi tersebut dapat kerjakan sehingga dapat menyebabkan kejadian.
Melaksanakan algoritma berarti mengerjakan langkah-langkah di dalam algoritma tersebut.
Pemroses mengerjakan proses sesuai dengan algoritma yang diberikan kepadanya. Juru
masak membuat kue berdasarkan resep yang diberikan kepadanya, pianis memainkan lagu
berdasarkan papan not balok. Karena itu suatu algoritma harus dinyatakan dalam bentuk yang
dapat dimengerti oleh pemroses. Jadi suatu pemroses harus:

Mengerti setiap langkah dalam algoritma.

Mengerjakan operasi yang bersesuaian dengan langkah tersebut.
5. Mekanisme Pelaksanaan Algoritma oleh Pemroses
Komputer hanyalah salah satu pemroses. Agar dapat dilaksanakan oleh komputer, algoritma
harus ditulis dalam notasi bahasa pemrograman sehingga dinamakan program. Jadi program
adalah perwujudan atau implementasi teknis algoritma yang ditulis dalam bahasa
pemrograman tertentu sehingga dapat dilaksanakan oleh komputer.
Kata algoritma dan program seringkali dipertukarkan dalam penggunaannya. Misalnya
ada orang yang berkata seperti ini: program pengurutan data menggunakan algoritma
selection sort. Atau pertanyaan seperti ini: bagaimana algoritma dan program
menggambarkan grafik tersebut?. Jika Anda sudah memahami pengertian algoritma yang
sudah disebutkan sebelum ini, Anda dapat membedakan arti kata algoritma dan program.
Algoritma adalah langkah-langkah penyelesaikan masalah, sedangkan program adalah
realisasi algoritma dalam bahasa pemrograman. Program ditulis dalam salah satu bahasa
pemrograman dan kegiatan membuat program disebut pemrograman (programming). Orang
yang menulis program disebut pemrogram (programmer). Tiap-tiap langkah di dalam
program disebut pernyataan atau instruksi. Jadi, program tersusun atas sederetan instruksi.
Bila suatu instruksi dilaksanakan, maka operasi-operasi yang bersesuaian dengan instruksi
tersebut dikerjakan komputer.
Secara garis besar komputer tersusun atas empat komponen utama yaitu, piranti masukan,
piranti keluaran, unit pemroses utama, dan memori. Unit pemroses utama (Central
Processing Unit CPU) adalah otak komputer, yang berfungsi mengerjakan operasi-
operasi dasar seperti operasi perbandingan, operasi perhitungan, operasi membaca, dan
operasi menulis. Memori adalah komponen yang berfungsi menyimpan atau mengingatingat.
Yang disimpan di dalam memori adalah program (berisi operasi-operasi yang akan
dikerjakan oleh CPU) dan data atau informasi (sesuatu yang diolah oleh operasi-operasi).
Piranti masukan dan keluaran (I/O devices) adalah alat yang memasukkan data atau program
ke dalam memori, dan alat yang digunakan komputer untuk mengkomunikasikan hasil-hasil
aktivitasnya. Contoh piranti masukan antara lain, papan kunci (keyboard), pemindai
(scanner), dan cakram (disk). Contoh piranti keluaran adalah, layar peraga (monitor),
pencetak (printer), dan cakram.

Mekanisme kerja keempat komponen di atas dapat dijelaskan sebagai berikut. Mula-mula
program dimasukkan ke dalam memori komputer. Ketika program dilaksanakan (execute),
setiap instruksi yang telah tersimpan di dalam memori dikirim ke CPU. CPU mengerjakan
operasioperasi yang bersesuaian dengan instruksi tersebut. Bila suatu operasi memerlukan
data, data dibaca dari piranti masukan, disimpan di dalam memori lalu dikirim ke CPU untuk
operasi yang memerlukannya tadi. Bila proses menghasilkan keluaran atau informasi,
keluaran disimpan ke dalam memori, lalu memori menuliskan keluaran tadi ke piranti
keluaran (misalnya dengan menampilkannya di layar monitor).
6. Belajar Memprogram dan Belajar Bahasa Pemrograman
Belajar memprogram tidak sama dengan belajar bahasa pemrograman. Belajar memprogram
adalah belajar tentang metodologi pemecahan masalah, kemudian menuangkannya dalam
suatu notasi tertentu yang mudah dibaca dan dipahami. Sedangkan belajar bahasa
pemrograman berarti belajar memakai suatu bahasa aturan-aturan tata bahasanya, pernyataan-
pernyataannya, tata cara pengoperasian compiler-nya, dan memanfaatkan pernyataan-
pernyataan tersebut untuk membuat program yang ditulis hanya dalam bahasa itu saja.
Sampai saat ini terdapat puluhan bahasa pemrogram, antara lain bahasa rakitan (assembly),
Fortran, Cobol, Ada, PL/I, Algol, Pascal, C, C++, Basic, Prolog, LISP, PRG, bahasabahasa
simulasi seperti CSMP, Simscript, GPSS, Dinamo. Berdasarkan terapannya, bahasa
pemrograman dapat digolongkan atas dua kelompok besar :

Bahasa pemrograman bertujuan khusus. Yang termasuk kelompok ini adalah Cobol
(untuk terapan bisnis dan administrasi). Fortran (terapan komputasi ilmiah), bahasa
rakitan (terapan pemrograman mesin), Prolog (terapan kecerdasan buatan), bahasa-
bahasa simulasi, dan sebagainya.

Bahasa perograman bertujuan umum, yang dapat digunakan untuk berbagai aplikasi.
Yang termasuk kelompok ini adalah bahasa Pascal, Basic dan C. Tentu saja
pembagian ini tidak kaku. Bahasabahasabertujuan khusus tidak berarti tidak bisa
digunakan untuk aplikasi lain. Cobol misalnya, dapat juga digunakan untuk terapan
ilmiah, hanya saja kemampuannya terbatas. Yang jelas, bahasabahasa pemrograman
yang berbeda dikembangkan untuk bermacam-macam terapan yang berbeda pula.
Berdasarkan pada apakah notasi bahasa pemrograman lebih dekat ke mesin atau ke bahasa
manusia, maka bahasa pemrograman dikelompokkan atas dua macam :

Bahasa tingkat rendah. Bahasa jenis ini dirancang agar setiap instruksinya langsung
dikerjakan oleh komputer, tanpa harus melalui penerjemah (translator). Contohnya
adalah bahasa mesin. CPU mengambil instruksi dari memori, langsung mengerti dan
langsung mengerjakan operasinya. Bahasa tingkat rendah bersifat primitif, sangat
sederhana, orientasinya lebih dekat ke mesin, dan sulit dipahami manusia. Sedangkan
bahasa rakitan dimasukkan ke dalam kelompok ini karena alasan notasi yang dipakai
dalam bahasa ini lebih dekat ke mesin, meskipun untuk melaksanakan instruksinya
masih perlu penerjemahan ke dalam bahasa mesin.

Bahasa tingkat tinggi, yang membuat pemrograman lebih mudah dipahami, lebih
manusiawi, dan berorientasi ke bahasa manusia (bahasa Inggris). Hanya saja,
program dalam bahasa tingkat tinggi tidak dapat langsung dilaksanakan oleh
komputer. Ia perlu diterjemahkan terlebih dahulu oleh sebuah translator bahasa (yang
disebut kompilator atau compiler) ke dalam bahasa mesin sebelum akhirnya
dieksekusi oleh CPU. Contoh bahasa tingkat tinggi adalah Pascal, PL/I, Ada, Cobol,
Basic, Fortran, C, C++, dan sebagainya.

Bahasa pemrograman bisa juga dikelompokkan berdasarkan pada tujuan dan fungsinya. Di
antaranya adalah :

7. Menilai Sebuah Algoritma

Ketika manusia berusaha memecahkan masalah, metode atau teknik yang digunakan untuk
memecahkan masalah itu ada kemungkinan bisa banyak (tidak hanya satu). Dan kita memilih
mana yang terbaik di antara teknikteknik itu. Hal ini sama juga dengan algoritma, yang
memungkinkan suatu permasalahan dipecahkan dengan metode dan logika yang berlainan.
Yang menjadi pertanyaan adalah bagaimana mengukur mana algoritma yang terbaik?.
Beberapa persyaratan untuk menjadi algoritma yang baik adalah :

Tingkat kepercayaannya tinggi (realibility). Hasil yang diperoleh dari proses harus
berakurasi tinggi dan benar.
 Pemrosesan yang efisien (cost rendah). Proses harus diselesaikan secepat mungkin
dan frekuensi kalkulasi yang sependek mungkin.

Sifatnya general. Bukan sesuatu yang hanya untuk menyelesaikan satu kasus saja, tapi
juga untuk kasus lain yang lebih general.

Bisa dikembangkan (expandable). Haruslah sesuatu yang dapat kita kembangkan

lebih jauh berdasarkan perubahan requirement yang ada.

Mudah dimengerti. Siapapun yang melihat, dia akan bisa memahami algoritma Anda.
Susah dimengertinya suatu program akan membuat susah di-maintenance (kelola).

Portabilitas yang tinggi (portability). Bisa dengan mudah diimplementasikan di

berbagai platform komputer.

Precise (tepat, betul, teliti). Setiap instruksi harus ditulis dengan seksama dan tidak
ada keragu-raguan, dengan demikian setiap instruksi harus dinyatakan secara eksplisit
dan tidak ada bagian yang dihilangkan karena pemroses dianggap sudah mengerti.
Setiap langkah harus jelas dan pasti.

Contoh : Tambahkan 1 atau 2 pada x.

Instruksi di atas terdapat keraguan.

Jumlah langkah atau instruksi berhingga dan tertentu. Artinya, untuk kasus yang sama
banyaknya, langkah harus tetap dan tertentu meskipun datanya berbeda.

Efektif. Tidak boleh ada instruksi yang tidak mungkin dikerjakan oleh pemroses yang
akan menjalankannya.

Contoh : Hitung akar 2 dengan presisi sempurna.

Instruksi di atas tidak efektif, agar efektif instruksi tersebut diubah.
Misal : Hitung akar 2 sampai lima digit di belakang koma.

Harus terminate. Jalannya algoritma harus ada kriteria berhenti. Pertanyaannya adalah
apakah bila jumlah instruksinya berhingga maka pasti terminate?

Output yang dihasilkan tepat. Jika langkah-langkah algoritmanya logis dan diikuti
dengan seksama maka dihasilkan output yang diinginkan.

Sedangkan kriteria Algoritma menurut Donald E. Knuth adalah :

1. Input: algoritma dapat memiliki nol atau lebih inputan dari luar.
2. Output: algoritma harus memiliki minimal satu buah output keluaran.
3. Definiteness (pasti): algoritma memiliki instruksi-instruksi yang jelas dan tidak
ambigu.
4. Finiteness (ada batas): algoritma harus memiliki titik berhenti (stopping role).
5. Effectiveness (tepat dan efisien): algoritma sebisa mungkin harus dapat dilaksanakan
dan efektif. Contoh instruksi yang tidak efektif adalah: A = A + 0 atau A = A * 1
Namun ada beberapa program yang memang dirancang untuk unterminatable : contoh Sistem
Operasi.
8. Penyajian Algoritma
Penyajian algoritma secara garis besar bisa dalam 2 bentuk penyajian yaitu tulisan dan
gambar. Algoritma yang disajikan dengan tulisan yaitu dengan struktur bahasa tertentu
(misalnya bahasa Indonesia atau bahasa Inggris) dan pseudocode. Pseudocode adalah kode
yang mirip dengan kode pemrograman yang sebenarnya seperti Pascal, atau C, sehingga lebih
tepat digunakan untuk menggambarkan algoritma yang akan dikomunikasikan kepada
pemrogram. Sedangkan algoritma disajikan dengan gambar, misalnya dengan flowchart.
Secara umum, pseudocode mengekspresikan ide-ide secara informal dalam proses
penyusunan algoritma. Salah satu cara untuk menghasilkan kode pseudo adalah dengan
meregangkan aturan-aturan bahasa formal yang dengannya versi akhir dari algoritma akan
diekspresikan. Pendekatan ini umumnya digunakan ketika bahasa pemrograman yang akan
digunakan telah diketahui sejak awal.

Flowchart merupakan gambar atau bagan yang memperlihatkan urutan dan hubungan antar
proses beserta pernyataannya. Gambaran ini dinyatakan dengan simbol. Dengan demikian
setiap simbol menggambarkan proses tertentu. Sedangkan antara proses digambarkan dengan
garis penghubung. Dengan menggunakan flowchart akan memudahkan kita untuk melakukan
pengecekan bagian-bagian yang terlupakan dalam analisis masalah. Di
samping itu flowchart juga berguna sebagai fasilitas untuk berkomunikasi antara pemrogram
yang bekerja dalam tim suatu proyek.
Ada dua macam flowchart yang menggambarkan proses dengan komputer, yaitu :

Flowchart sistem yaitu bagan dengan simbol-simbol tertentu yang menggambarkan

urutan prosedur dan proses suatu file dalam suatu media menjadi file di dalam media
lain, dalam suatu sistem pengolahan data. Beberapa contoh Flowchart sistem:

Flowchart program yaitu bagan dengan simbol-simbol tertentu yang

menggambarkan urutan proses dan hubungan antar proses secara mendetail di dalam
suatu program.

Kaidah-Kaidah Umum Pembuatan Flowchart Program

Dalam pembuatan flowchart Program tidak ada rumus atau patokan yang bersifat mutlak.
Karena flowchart merupakan gambaran hasil pemikiran dalam menganalisis suatu masalah
dengan komputer. Sehingga flowchart yang dihasilkan dapat bervariasi antara satu
pemrogram dengan yang lainnya. Namun secara garis besar setiap pengolahan selalu terdiri
atas 3 bagian utama, yaitu :

1. Input,
2. Proses pengolahan dan
3. Output

Untuk pengolahan data dengan komputer, urutan dasar pemecahan suatu masalah:

1. START, berisi pernyataan untuk persiapan peralatan yang diperlukan sebelum

menangani pemecahan persoalan.
2. READ, berisi pernyataan kegiatan untuk membaca data dari suatu peralatan input.
3. PROSES, berisi kegiatan yang berkaitan dengan pemecahan persoalan sesuai dengan
data yang dibaca.
4. WRITE, berisi pernyataan untuk merekam hasil kegiatan ke peralatan output.
5. END, mengakhiri kegiatan pengolahan.

Walaupun tidak ada kaidah-kaidah yang baku dalam penyusunan flowchart, namun ada
beberapa anjuran :

1. Hindari pengulangan proses yang tidak perlu dan logika yang berbelit sehingga
jalannya proses menjadi singkat.
2. Jalannya proses digambarkan dari atas ke bawah dan diberikan tanda panah untuk
memperjelas.
3. Sebuah flowchart diawali dari satu titik START dan diakhiri dengan END.

Berikut merupakan beberapa contoh simbol flowchart yang disepakati oleh dunia
pemrograman :
Untuk memahami lebih dalam mengenai flowchart ini, akan diambil sebuah kasus sederhana.

Kasus : Buatlah sebuah rancangan program dengan menggunakan flowchart, mencari luas
persegi panjang.

Solusi : Perumusan untuk mencari luas persegi panjang adalah :

L=p.l
di mana, L adalah Luas persegi panjang, p adalah panjang persegi, dan l adalah lebar persegi.

Keterangan :

1. Simbol pertama menunjukkan dimulainya sebuah program.

2. Simbol kedua menunjukkan bahwa input data dari p dan l.
3. Data dari p dan l akan diproses pada simbol ketiga dengan menggunakan perumusan
L = p. l.
4. Simbol keempat menunjukkan hasil output dari proses dari simbol ketiga.
5. Simbol kelima atau terakhir menunjukkan berakhirnya program dengan tanda End.

9. Struktur Dasar Algoritma

Algoritma berisi langkah-langkah penyelesaian suatu masalah. Langkah-langkah tersebut
dapat berupa runtunan aksi (sequence), pemilihan aksi (selection), pengulangan aksi
(iteration) atau kombinasi dari ketiganya. Jadi struktur dasar pembangunan algoritma ada
tiga, yaitu:

1. Struktur Runtunan
2. Digunakan untuk program yang pernyataannya sequential atau urutan.
3. Struktur Pemilihan
4. Digunakan untuk program yang menggunakan pemilihan atau penyeleksian kondisi.
5. Struktur Perulangan
6. Digunakan untuk program yang pernyataannya akan dieksekusi berulang-ulang.

Dalam Algoritma, tidak dipakai simbol-simbol / sintaks dari suatu bahasa pemrograman
tertentu, melainkan bersifat umum dan tidak tergantung pada suatu bahasa pemrograman
apapun juga. Notasi-notasi algoritma dapat digunakan untuk seluruh bahasa pemrograman
manapun.
Definisi Pseudo-code
Kode atau tanda yang menyerupai (pseudo) atau merupakan penjelasan cara menyelesaikan
suatu masalah. Pseudo-code sering digunakan oleh manusia untuk menuliskan algoritma.
Contoh kasus : mencari bilangan terbesar dari dua bilangan yang diinputkan
Solusi Pseudo-code :

1. Masukkan bilangan pertama

2. Masukkan bilangan kedua
3. Jika bilangan pertama > bilangan kedua maka kerjakan langkah 4, jika tidak, kerjakan
langkah 5.
4. Tampilkan bilangan pertama
5. Tampilkan bilangan kedua

Solusi Algoritma :

1. Masukkan bilangan pertama (a)

2. Masukkan bilangan kedua (b)
3. if a > b then kerjakan langkah 4
4. print a
5. print b

Contoh Lain Algortima dan Pseudo-code :

10. Tahapan dalam Pemrograman

Langkah-langkah yang dilakukan dalam menyelesaikan masalah dalam pemrograman dengan
komputer adalah :

Definisikan Masalah
Buat Algoritma dan Struktur Cara Penyelesaian
Menulis Program
Mencari Kesalahan
Uji dan Verifikasi Program
Dokumentasi Program
Pemeliharaan Program

sumber: https://andikafisma.wordpress.com/algoritma-dan-pemrograman/

Pengenalan Desain dan Analisis

Algoritma
Sebagai salah satu dasar dari ilmu komputer, algoritma merupakan hal yang sangat
penting untuk dikuasai oleh orang-orang yang berkecimpung di dunia ilmu komputer,
dari peneliti sampai ke praktisi. Tentunya penguasaan akan algoritma tidak cukup
hanya sampai pada tahap mengetahui dan menggunakan algoritma yang tepat untuk
menyelesaikan masalah. Seorang yang mengerti ilmu komputer harus juga mampu
merancang dan mengembangkan sebuah algoritma berdasarkan masalah-masalah
yang ditemui. Tulisan ini bertujuan untuk memberikan pengertian mendasar mengenai
perancangan (desain) dan pengembangan algoritma, agar pembaca dapat tidak hanya
menggunakan algoritma yang sudah ada, tetapi juga merancang dan mengembangkan
algoritma sesuai dengan masalah yang akan diselesaikan.
Selain memberikan dasar perancangan, tulisan ini juga membahas jenis-jenis
algoritma yang ada, untuk kemudian melakukan analisa terhadap beberapa algoritma
untuk setiap jenisnya. Analisis algoritma dilakukan dengan tujuan utama agar
pembaca dapat mengambil keputusan yang tepat dalam memilih algoritma untuk
solusi.

Apa itu Algoritma?

Sebelum membahas mengenai perancangan ataupun analisis algoritma, tentunya kita
terlebih dahulu harus mendefinisikan arti dari Algoritma. Apa itu algoritma?

Algoritma merupakan langkah-langkah (prosedur) yang harus dilakukan untuk

menyelesaikan sebuah masalah.

Program komputer umumnya dibangun dengan menggunakan beberapa algoritma

untuk menyelesaikan sebuah permasalahan. Misalnya sebuah program pencarian teks
seperti grep akan memerlukan algoritma khusus untuk membaca dan menelusuri file,
algoritma lain untuk mencari teks yang tepat di dalam file, dan satu algoritma lagi
untuk menampilkan hasil pencarian ke pengguna.
Dalam mendefinisikan algoritma, kita harus dapat mendefinisikan tiga hal utama
dengan jelas, yaitu:

1. Masalah, yaitu sebuah persoalan yang ingin diselesaikan oleh sebuah

algoritma.
2. Masukan, yaitu contoh data atau keadaan yang menjadi permasalahan.
3. Keluaran, yaitu bentuk akhir dari data atau keadaan setelah algoritma
diimplementasikan ke masukan. Keluaran merupakan hasil ideal yang
diinginkan dan dianggap telah menyelesaikan masalah.

Contoh (dan Solusi) Algoritma

Contoh dari sebuah definisi algoritma yang benar adalah sebagai berikut:

Masalah
Pengurutan sekumpulan nilai yang bernilai acak.
Masukan
Serangkaian data berukuran $n$.
Keluaran
Serangkaian data berukuran $n$, dengan urutan a1a2a3...an1an, di mana
ax adalah data pada posisi x dalam rangkaian.
Data masukan yang diinginkan merupakan rangkaian data, tanpa memperdulikan jenis
data (angka, huruf, teks, dan lainnya). Contoh dari nilai masukan adalah [2, 5, 1, 3,
4] ataupun ["Doni", "Andi", "Budi", "Clara"]. Data keluaran yang diinginkan,
tentunya adalah data masukan yang telah terurut: [1, 2, 3, 4, 5] dan ["Andi",
"Budi", "Clara", "Doni"].
Untuk menyelesaikan masalah yang diberikan di atas, kita dapat menggunakan
algoritma insertion sort. Kode di bawah menunjukkan implementasi insertion sort
pada bahasa pemrograman python:

def insertion_sort(data):
for i in range(0, len(data)):
insert_val = data[i]
hole_pos = i

while hole_pos > 0 and insert_val < data[hole_pos - 1]:

data[hole_pos] = data[hole_pos - 1]
hole_pos = hole_pos - 1

data[hole_pos] = insert_val

Implementasi insertion sort yang diberikan di atas menunjukkan bahwa pada

dasarnya sebuah prosedur yang harus dijalankan untuk mengubah data masukan
menjadi data keluaran, sehingga masalah dapat terselesaikan.

Algoritma yang Baik

Kita telah mengetahui dengan jelas makna dari algoritma, sehingga pertanyaan
selanjutnya adalah algoritma seperti apa yang dapat dikatakan sebagai algoritma
yang baik? Pada umumnya kita tidak ingin menggunakan algoritma yang salah untuk
menyelesaikan masalah karena hal ini dapat menyebabkan masalah tidak diselesaikan
dengan optimal, atau lebih buruknya, tidak diselesaikan sama sekali.
Sebuah algoritma yang baik memiliki sifat-sifat berikut:

4. Benar, di mana algoritma menyelesaikan masalah dengan tepat, sesuai dengan

definisi masukan / keluaran algoritma yang diberikan.
5. Efisien, berarti algoritma menyelesaikan masalah tanpa memberatkan bagian
lain dari apliikasi. Sebuah algoritma yang tidak efisien akan menggunakan
sumber daya (memori, CPU) yang besar dan memberatkan aplikasi yang
mengimplementasikan algoritma tersebut.
6. Mudah diimplementasikan, artinya sebuah algoritma yang baik harus dapat
dimengerti dengan mudah sehingga implementasi algoritma dapat dilakukan
siapapun dengan pendidikan yang tepat, dalam waktu yang masuk akal.

Pada prakteknya, tentunya ketiga hal tersebut tidak dapat selalu tercapai. Kebenaran
dari sebuah algoritma umumnya selalu dapat dicapai, setidaknya untuk nilai-nilai
masukan umum, tetapi efisiensi dan kemudahan implementasi tidak selalu didapatkan.
Begitupun, tentunya kita harus tetap berusaha mencapai ketiga hal tersebut dalam
merancang sebuah algoritma.
Pembuktian Kebenaran Algoritma
Kita telah mengetahui bahwa sebuah algoritma yang baik adalah algoritma yang
benar, efisien, dan mudah diimplementasikan. Pertanyaan berikutnya tentunya adalah,
bagaimana kita mengetahui bahwa sebuah algoritma telah benar? Algoritma yang
efisien itu seperti apa? Bagaimana kita mengukur kemudahan implementasi sebuah
algoritma?
Bagian ini akan membahas mengenai pertanyaan pertama, yaitu bagaimana kita dapat
mengetahui kebenaran sebuah algoritma. Tentunya efisiensi dan kemudahan
implementasi sebuah algoritma menjadi tidak penting jika algoritma tersebut tidak
dapat memberikan hasil yang benar.
Definisi dari kebenaran algoritma yang digunakan pada tulisan ini adalah sebagai
berikut:

Sebuah algoritma dikatakan telah benar jika algoritma tersebut dapat memberikan
keluaran yang benar jika menerima masukan sesuai dengan definisi algoritma
tersebut, dan algoritma tersebut terbukti akan selalu dapat diterminasi (berakhir).

Pembuktian kebenaran sebuah algoritma sendiri dapat dilakukan dengan beberapa

cara, misalnya:

7. Induksi Matematika,
8. Pembuktian kontradiktif,
9. Pembuktian kontrapositif, dan
10. Metode Formal.

Masing-masing alat pembuktian yang disebutkan memiliki kelebihan dan kekurangan

masing-masing, serta kasus pengunaan yang berbeda-beda. Perlu diingat juga bahwa
masih terdapat sangat banyak alat-alat pembuktikan lainnya yang dapat digunakan,
tetapi kita hanya membahas satu cara pembuktian (induksi matematika) saja sebagai
pengenalan cara membuktikan algoritma. Jika dibutuhkan, metode dan alat
pembuktian lain akan dijelaskan lagi pada bagian yang relevan.
Sekarang mari kita lihat penggunaan masing-masing alat tersebut untuk membuktikan
algoritma!

Induksi Matematika

Induksi matematika merupakan alat pembuktian matematis yang digunakan untuk

membuktikan pernyataan atau proses yang melibatkan perhitungan bilangan asli yang
berulang. Contoh dari rumus matematis yang dapat dibuktikan dengan menggunakan
induksi matematika yaitu perhitungan deret aritmatika, deret geometris, ataupun
sigma bilangan.
Pembuktian menggunakan induksi matematika dilakukan dengan dua langkah, yaitu:

11. Melakukan pembuktian kasus dasar (base case), yaitu membuktikan bahwa
sebuah pernyataan (fungsi) matematika atau algoritma bernilai benar jika
diaplikasikan pada bilangan pertama yang sah sesuai dengan spesifikasi fungsi
atau algoritma tersebut.
 12. Melakukan induksi, yaitu membuktikan bahwa kebenaran dari fungsi P(k+1)
jika kebenaran fungsi P(k) diketahui.

Dengan membuktikan kedua hal tersebut, kita dapat mengambil kesimpulan bahwa
sebuah fungsi matematika atau algoritma bernilai benar untuk semua bilangan asli.
Jika diimplementasikan dengan tepat, induksi matematika dapat juga digunakan untuk
membuktikan kebenaran algoritma rekursif seperti penelusuran pohon (tree).
Untuk lebih jelasnya, mari kita lihat beberapa contoh cara pembuktian yang dilakukan
dengan menggunakan induksi matematika.

Contoh 1: Deret Aritmatika

Misalkan kita diminta untuk membuktikan bahwa pernyataan matematika untuk

perhitungan deret aritmatika berikut:

1+2+3+...+n=n(n+1)2

adalah benar untuk semua bilangan bulat n1.

Untuk membuktikan pernyataan matematika di atas, terlebih dahulu kita harus
mengubah pernyataan matematika tersebut menjadi sebuah fungsi matematika:

P(k)=1+2+3+...+n=k(k+1)2
dan kemudian membuktikan kebenarannya menggunakan induksi matematika. Seperti
yang telah dijelaskan sebelumnya, kita harus menjalankan dua langkah untuk
melakukan pembuktian dengan induksi:

13. Pembuktian Kasus Dasar

Karena pernyataan matematika pada soal menyatakan bahwa pernyataan benar

untuk semua bilangan bulat k1, maka untuk pembuktian kasus dasar kita
harus membuktikan bahwa P(1) adalah benar untuk ruas kiri maupun ruas
kanan dari P(k).

P(1)=1111=1(1+1)2=1(2)2=22=1

karena hasil akhir dari ruas kanan dan ruas kiri adalah sama (1), maka dapat
dikatakan bahwa kasus dasar telah terbukti.

14. Induksi

Untuk pembuktian induksi, kita harus membuktikan bahwa P(k)P(k+1)

bernilai benar.
Langkah pertama yang dapat kita lakukan yaitu menuliskan fungsi matematis
dari P(k+1) terlebih dahulu:
 P(k+1)=1+2+...+k+(k+1)=(k+1)((k+1)+1)2
dan kemudian kita harus membuktikan bahwa ruas kiri dan ruas kanan dari
P(k+1) adalah sama. Pembuktian akan kita lakukan dengan melakukan
penurunan pada ruas kiri agar menjadi sama dengan ruas kanan:

1+2+...+k+(k+1)=(1+2+...+k)+(k+1)=k(k+1)2+(k+1)=k(k+1)+2
(k+1)2=k2+3k+22=(k+1)(k+2)2=(k+1)((k+1)+2)2

dan seperti yang dapat dilihat, ruas kiri dari P(k+1) telah menjadi sama
dengan ruas kanannya, sehingga dapat dikatakan bahwa tahap induksi telah
berhasil dibuktikan benar.

Dengan pembuktian kasus dasar dan induksi yang bernilai benar, kita dapat
menyimpulkan bahwa P(n) bernilai benar untuk n1.

Contoh 2: Pembuktian Hipotesa

Anda diminta untuk membuktikan hipotesa bahwa fungsi matematika n3n habis
dibagi 6 untuk semua bilangan bulat n2.
Langkah untuk membuktikan pernyataan tersebut sama dengan sebelumnya. Mulai
dari definisi ulang fungsi matematikanya:

P(k)=k3k
Dan kemudian lakukan induksi matematika, langkah demi langkah:

15. Pembuktian Kasus Dasar

Lakukan perhitungan P(2) (karena nilai k minimal 2) dan pastikan hasilnya

habis dibagi 6:

P(1)=232=82=6

karena 6mod6=0 maka telah dapat dibuktikan bahwa kasus dasar bernilai
benar.

16. Induksi

Jika P(k) benar habis dibagi 6, maka P(k+1), atau (k+1)3(k+1) harus
juga habis dibagi 6. Mari kita lakukan pembuktiannya:

P(k+1)=(k+1)3(k+1)=(k3+3k2+3k+1)k1=k33k2+2k=k33k2
+2k+kk=k33k2+3kk=k3k+3k2+3k=(k3k)+3k(k+1)

dan dapat dilihat bagaimana P(k+1) telah terbukti habis dibagi 6 karena:
 1. k3k habis dibagi 6, sesuai dengan hipotesa P(k), dan
2. 3k(k+1) habis dibagi 6 karena salah satu nikai dari k atau k+1 pasti
merupakan bilangan genap, yang jika dikalikan dengan 3 akan habis
dibagi 6.

Setelah berhasil menyelesaikan dua langkah induksi, kita dapat menyimpulkan

bahwa P(k)=k3k habis dibagi 6 untuk k2.

Induksi Matematika untuk Pembuktian Algoritma

Seperti yang dapat dilihat dari apa yang telah kita pelajari pada bagian sebelumnya,
induksi matematika jelas sangat berguna untuk membuktikan kebenaran sebuah
teorema atau fungsi yang melibatkan perhitungan bilangan bulat yang berulang.
Tetapi apa guna induksi matematika untuk membuktikan kebenaran sebuah
algoritma?
Sebuah algoritma kerap kali akan memiliki bagian yang melakukan perhitungan
bilangan atau data secara berulang. Kita dapat menggunakan konsep perulangan pada
pemrograman untuk menerapkan perhitungan bilangan ataupun data secara berulang.
Misalnya, algoritma berikut menghitung hasil kali dari dua buah bilangan bulat:

def kali(m, n):

if m < 0:
return -1 # error
else:
i = 0
result = 0

while(m != i):
result = result + n
i = i + 1

return result

yang secara matematis dapat dituliskan sebagai fungsi berikut:

f(m,n)=i=1nm;n0
atau lebih sederhananya:

mn=m+m+m+...+m n
kali

dan secara otomatis tentunya pernyataan matematis tersebut dapat kita buktikan
dengan menggunakan induksi matematika. Pembuktian perulangan yang lebih
kompleks sendiri dapat dilakukan dengan teknik yang dikenal dengan nama loop
invariant, yang tidak akan dijelaskan pada tulisan ini.

Pemodelan Masalah
Pada bagian sebelumnya kita telah melihat bagaimana sebuah algoritma dituliskan
menjadi fungsi matematika. Baik algoritma maupun fungsi matematika adalah sebuah
model, yang digunakan untuk menggambarkan masalah yang ditemui pada dunia
nyata, dan ingin diselesaikan, baik dengan menggunakan matematika ataupun
program komputer. Dengan memiliki model masalah kita dapat lebih mudah mengerti
masalah yang akan diselesaikan, yang akan menyebabkan solusi yang ditawarkan
menjadi lebih baik.
Tetapi pertanyaannya tentunya adalah, bagaimana kita membuat model yang benar
dari masalah-masalah yang ada? Bagian ini akan menjelaskan mengenai cara
pembangunan model, baik secara matematis maupun algoritmik, yang benar.

Jenis-Jenis Model

Sebelum mulai membangun model permasalahan, tentunya kita terlebih dahulu harus
mengetahui jenis-jenis model yang ada. Terdapat enam jenis model yang umum
digunakan untuk menggambarkan masalah dalam dunia algoritma / pemrograman,
yaitu:

17. Model Numerik

Model numerik merupakan model matematis yang paling sederhana, yang

dibuat untuk mendeskripsikan jumlah atau ukuran dari sesuatu. Model
numerik menggunakan angka (1, 2, 3, dst) untuk mendeskripsikan suatu hal.
Misalkan gambar di bawah:

Model Numerik Sapi

memberikan informasi sejumlah sapi yang ada di dalam kotak. Model numerik
paling sederhana dan informatif yang dapat kita ambil dari gambar tersebut
adalah Lima ekor Sapi atau Lima Sapi.

18. Model Simbolik

Jika kita mengembangkan model numerik lebih jauh, kita kemudian dapat
menambahkan simbol-simbol baru untuk melakukan pemrosesan terhadap
angka-angka yang ada pada model numerik. Terdapat empat buah simbol
dasar untuk pemrosesan angka, yaitu +,,,dan. Simbol = juga digunakan
untuk menandakan kesamaan nilai antara ruas kiri dan ruas kanan dari =.

Note

Simbol dan akan dituliskan sebagai dan / pada tulisan ini, karena kedua
simbol tersebut lebih umum digunakan pada lingkungan ilmu komputer.

Jadi, sebuah ekspresi matematika seperti ini:

10=52
dapat dikatakan adalah sebuah model simbolik. Tentunya operator-operator
numerik yang disebutkan sebelumnya memiliki aturan tertentu untuk
beropearsi. Aturan-aturan umum yang kita temui untuk operator numerik
yaitu:

1. Hukum Kumulatif, di mana a+b=b+a dan ab=ba.

2. Hukum Asosiatif, di mana a+(b+c)=(a+b)+c dan
a(bc)=(ab)c.
3. Hukum Distribusi, di mana a(b+c)=(ab)+(ac).
4. Hukum Invers, yaitu a+(a)=0 dan a * frac{1}{a} = 1.
5. Hukum Identitas, yaitu a+0=a$dan$a1=a.
6. Perkalian dengan 0, yaitu a0=0.

Penjelasan mengenai kegunaan dan cara kerja dari hukum-hukum tersebut

tidak akan dibahas lagi, karena dianggap telah diketahui oleh pembaca. Yang
perlu diperhatikan adalah bagaimana kita menuliskan simbol-simbol seperti
$a$ dan $b$, untuk melambangkan semua bilangan-bilangan yang mengikuti
hukum-hukum di atas. Simbol-simbol yang dapat melambangkan bilangan
atau nilai lain secara generik seperti ini dikenal dengan nama variabel.
Sebuah variabel merupakan simbol yang digunakan untuk merepresentasikan
nilai yang dapat berubah kapanpun, tergantung dari nilai yang kita berikan
kepada variabel tersebut. Variabel digunakan dalam model simbolik untuk
mewakili nilai-nilai yang dapat berubah sewaktu-waktu, misalnya nilai yang
harus dibaca dari masukan pengguna atau nilai yang diambil secara acak.
Sebuah model bahkan dapat terdiri dari hanya variabel saja, misalnya model
matematika untuk menghitung luas sebuah persegi panjang dapat dituliskan
seperti berikut:

L=pl

di mana p dan l mewakili panjang dan lebar persegi panjang, yang nilainya
selalu berbeda-beda, tergantung dengan persegi panjang yang akan dihitung
luasnya. Nilai L, yang merepersentasikan luas persegi panjang, sendiri
 bergantung kepada nilai p dan l, sehingga kita tidak akan mendapatkan nilai L
yang konstan.
Deklarasi variabel sendiri dilakukan dengan menggunakan perintah $let$,
seperti berikut:

let L=Luas Persegi

Selain model-model dengan variabel, tentunya kita juga memiliki model-
model yang memiliki bilangan konstan yang tidak berubah, misalnya untuk
menghitung luas segitiga:

L=12at
atau model untuk menghitung keliling lingkaran:

K=2r

Nilai-nilai yang tidak pernah berubah pada kedua model di atas (seperti 2, 12,
dan ) dikenal dengan nama konstanta. Perhatikan bahwa konstanta dapat
mencakup angka mentah seperti 2 ataupun simbol yang dikenal secara luas
seperti . Konstanta biasanya dideklarasikan pada awal model atau kamus
data program, dan tidak pernah berubah nilainya selama model tersebut
digunakan.
Dari berbagai komponen dan contoh model simbolik yang telah kita lihat,
dapat disimpulkan bahwa model simbolik merupakan model yang
menggambarkan interaksi dan operasi antar komponen numerik secara
abstrak. Abstraksi dari komponen numerik (angka) pada model simbolik
dilakukan dengan menggunakan variabel dan konstanta.

19. Model Spasial

Tidak semua permasalahan yang diselesaikan oleh matematika atau komputer

selalu berhubungan langsung dengan angka. Terkadang kita menjumpai juga
masalah-masalah yang berhubungan dengan representasi dunia nyata seperti
perhitungan jarak dua objek atau pencarian jalur terdekat untuk kendaraan.
Secara tradisional, model untuk penyelesaian masalah seperti ini digambarkan
dengan peta, graph, dan gambar-gambar teknis lainnya.
Untuk dunia komputer, model-model dunia nyata biasanya digambarkan
dengan menggunakan koordinat. Sistem koordinat yang paling populer
digunakan dalam hal ini adalah koordinat kartesius. Koordinat kartesius
merupakan sistem koordinat yang menggambarkan sebuah nilai riil di dalam
kumpulan nilai yang direpresentasikan dengan sebuah garis. Sistem kartesius
dapat digambarkan dalam banyak dimensi, sesuai dengan jumlah kumpulan
nilai yang digambarkan. Untuk memudahkan pengertian, gambar di bawah
memperlihatkan contoh sistem koordinat kartesius dua dimensi:
Sistem Koordinat Kartesius

Untuk menyederhanakan masalah, mayoritas algoritma dan solusi yang

dikembangkan dalam kuliah ini akan dilakukan dengan menggunakan sistem
kartesius dua dimensi. Sistem tiga dimensi dan satu dimensi dianggap dapat
diimplementasikan menggunakan konsep yang sama dengan sistem dua
dimensi.
Data pada sistem kartesius dua dimensi dapat direpresentasikan dalam bentuk
sebuah titik, yaitu kombinasi antara sumbu x dan sumbu y:

Titik pada Kartesius

atau sebuah garis, yang direpresentasikan dengan sebuah fungsi matematika:

Garis pada Kartesius

Dalam prakteknya, kita juga akan sering memerlukan informasi arah

pergerakan dari sebuah garis. Untuk merepresentasikan hal tersebut, kita
dapat menambahkan sebuah tanda panah pada garis:

Garis Berarah pada Kartesius

dan yang terakhir, kita dapat juga merepresentasikan sebuah bentuk atau
bidang, menggunakan kombinasi beberapa garis:
 Bidang pada Kartesius

Untuk melakukan pemrosesan data-data yang ada di dalam sistem kartesius,

kita dapat melakukan operasi terhadap titik-titik yang merepresentasikan data
tersebut. Titik-titik direpresentasikan dalam bentuk matriks atau array.
Misalnya, segitiga yang ada pada gambar di atas dapat direperesentasikan
sebagai matriks berikut:

[314312]
Dan kemudian tentunya kita dapat melakukan operasi-operasi matriks untuk
melakukan berbagai hal terhadap segitiga tersebut.

20. Model Logis

Model logis merupakan cara memodelkan masalah berdasarkan logika

matematika. Terdapat empat cabang utama dari logika matematika, yaitu teori
himpunan, teori model, teori rekursif, dan teori pembuktian. Masing-masing
teori memiliki cara pemodelan yang berbeda-beda, untuk merepresentasikan
masalah yang berbeda. Tulisan ini hanya akan membahas pemodelan logis
pada bidang himpunan, dan relevansinya dengan salah satu sistem yang paling
populer di dunia komputer: basis data.
Himpunan, seperti namanya, memodelkan sekumpulan entitas yang memiliki
atribut (ciri khas) tertentu. Dalam menentukan atribut tujuan dari pengunaan
himpunan lebih penting daripada kesamaan ciri khas dari entitas, sehingga
terkadang atribut dari elemen-elemen dalam himpunan tidak selalu dapat
dilihat dengan mudah. Misalnya, kita dapat mendeklarasikan sebuah himpunan
dengan nama Himpunan Barang dalam Handbag dengan isi berupa
handphone, gunting kuku, alat make-up, tissue, dompet, alat tulis, dan karet
gelang. Secara sekilas semua entitas yang ada di dalam himpunan tidak
terlihat memiliki atribut yang jelas, meskipun himpunan ini adalah himpunan
yang valid.
Terdapat dua aturan khusus yang harus dipenuhi oleh sebuah himpunan, yaitu:
 1. Himpunan harus didefinisikan dengan tepat. Sebuah entitas yang
ada di dunia hanya dapat memiliki dua status berkaitan dengan
himpunan yang didefinisikan: TERMASUK dalam himpunan atau
TIDAK TERMASUK. Tidak boleh ada elemen yang bersifat ambigu,
dalam arti tidak jelas masuk ke dalam himpunan atau tidak. Misalnya,
kita tidak dapat mendefinisikan sebuah himpunan yang berisi Orang
Tinggi karena tidak terdapat definisi dari tinggi yang jelas. Apakah
170 cm termasuk tinggi? 180?

Yang dapat kita definisikan ialah himpunan yang berisi Orang dengan
tinggi badan di atas 175 cm, sehingga tidak terdapat perdebatan
mengenai apakah 170 cm termasuk tinggi atau tidak.

2. Setiap elemen dalam himpunan harus unik. Sebuah himpunan tidak

boleh memiliki nilai ganda. Aturan ini menyebabkan banyak himpunan
yang ada di dunia nyata tidak dapat direpresentasikan dengan
himpunan matematika. Misalnya, kita dapat saja memiliki himpunan
sendok yang terdiri dari banyak sendok identik. Dalam himpunan
matematis, hal ini tidak diperbolehkan. Aturan ini juga menyebabkan
penggabungan himpunan menjadi sedikit berbeda. Himpunan berisi
angka 1, 2, 3, 4 jika digabungkan dengan himpunan 3, 4, 5, 6 akan
menghasilkan himpunan 1, 2, 3, 4, 5, 6. Ide nilai unik untuk setiap
elemen dalam himpunan ini lah yang menjadi dasar dari pengindeksan
dan primary key dari basis data relasional.

Pemodelan himpunan sendiri biasanya dilakukan dengan menggunakan

diagram Venn. Gambar di bawah memberikan contoh sebuah diagram Venn,
yang menggambarkan himpunan dari segi empat:

Contoh Diagram Venn

Dari gambar diagram Venn di atas, kita dapat melihat bagaimana seluruh
persegi adalah juga persegi panjang, dan baik persegi maupun persegi panjang
adalah merupakan segi empat. Jika kita menambahkan jenis segi empat
lainnya, misalnya trapesium, dapatkah anda menggambarkan diagram Venn-
nya?

21. Model Statistik

 Terdapat banyak permasalahan di dunia nyata yang tidak dapat dimodelkan
dengan mudah menggunakan keempat model matematis yang telah kita bahas
sebelumnya. Terkadang kita dihadapkan dengan permasalahan yang sangat
kompleks, sampai-sampai memodelkan dan menganalisa setiap situasi yang
mempengaruhi masalah tersebut akan menjadi sangat mahal, memerlukan
banyak orang, dan banyak waktu.
Sebagai contoh, bayangkan jika kita diminta untuk melakukan prakiraan
cuaca. Dengan menggunakan model matematis yang ada, kita akan
memerlukan sangat banyak kalkulasi, yang saling mempengaruhi satu sama
lainnya. Praktisnya, kita harus mampu melakukan simulasi terhadap seluruh
elemen yang ada di bumi untuk melakukan prakiraan cuaca dengan tepat. Hal
ini tentunya sangat tidak efektif untuk dilakukan. Lalu bagaimana para ahli
sekarang melakukan prakiraan cuaca?
Jawabannya adalah model statistik. Dengan mengumpulkan sampel data cuaca
pada masa lalu, kita dapat melihat kecenderungan atau tren cuaca yang akan
terjadi sesuai dengan keadaan cuaca kita sekarang. Pada dasarnya, sebuah
model statistik melakukan analisa tren terhadap sampel data yang relevan
untuk meniadakan ketidak pastian atau keadaan khusus. Dengan mengambil
keadaan rata-rata dari sekumpulan data, kita akan mendapatkan
kecenderungan dari sebuah keadaan jika dihadapkan dengan keadaan
umumnya.

Contoh Model Statistik

Gambar di atas menunjukkan contoh dari model statistik. Ingat, bahwa

kesimpulan yang dapat diambil dari sebuah model statistik hanyalah berupa
kecenderungan atau tren. Kita tidak bisa membuktikan sesuatu atau
memberikan hasil yang pasti menggunakan statistik. Dapat dikatakan bahwa
kalimat seperti statistik membuktikan ... pada tulisan ilmiah populer kurang
tepat.

22. Pseudocode

Semua model matematis yang telah dijelaskan sebelumnya merupakan model

matematika yang digunakan dan dimengerti oleh manusia. Jika ingin
 menggunakan model matematis tersebut di komputer, terlebih dahulu kita
harus melakukan konversi menjadi kode program yang dapat dibaca dan
dimengerti oleh komputer. Kode program sendiri dimodelkan dengan banyak
cara, dan yang paling relevan dengan algoritma ialah pseudocode.
Pseudocode memberikan langkah-langkah penyelesaian masalah dengan
menggunakan bahasa manusia, dengan sedikit batasan sesuai dengan konstruk
logika komputer. Pseudocode tidak memiliki konstruk untuk bahasa
pemrograman tertentu, sehingga pseudocode harus bisa diimplementasikan
dengan bahasa pemrograman apapun. Berikut adalah contoh pseudocode
sederhana:

for i = 1 to 5 do
print i
end for

Untuk penjelasan lebih mendetail tentang pseudocode, silahkan baca kembali

bahan kuliah untuk Pemrograman Dasar.

Kita telah melihat model matematis yang umum digunakan untuk menyelesaikan
masalah. Pertanyaan selanjutnya tentunya adalah: kapan kita menggunakan model A
dan kapan menggunakan model B? Bagaimana membuat model A menjadi kode
program yang dapat dijalankan oleh komputer?

Pengembangan Model

Proses pengembangan model dapat dilakukan dengan beberapa langkah yang telah
dibangun oleh para ahli matematika. Jika proses pengembangan model dilakukan
mengikuti langkah-langkah yang ada, idealnya kita akan mendapatkan model yang
tepat untuk permasalahan yang akan diselesaikan. Adapun langkah-langkah yang
harus diambil untuk membangun sebuah model yaitu:

23. Apakah masalah yang dihadapi merupakan masalah yang memerlukan solusi
matematis? Jika masalahnya merupakan masalah numerik (perhitungan angka)
atau logis, maka jawabannya sudah pasti ya. Jika solusi dari masalah berupa
pendapat, maka kemungkinan jawabannya adalah tidak.
24. Fakta-fakta relevan apa saja yang diketahui? Masalah umum yang dihadapi
saat akan membangun solusi adalah informasi yang terlalu banyak, yang
terkadang mencuri fokus kita dari akar masalah. Pisahkan antara fakta
(informasi) yang relevan dari keseluruhan informasi yang didapatkan.
25. Fakta atau informasi tambahan apa yang kita perlukan untuk menyelesaikan
masalah? Di mana atau bagaimana cara agar kita mendapatkan fakta-fakta
tersebut?
26. Adakah langkah atau metode alami untuk menyelesaikan masalahnya? Metode
alami artinya metode yang umumnya digunakan oleh manusia. Misalnya,
untuk menghitung total dari sekumpulan nilai kita dapat menambahkan
seluruh bilangan yang ada di dalam kumpulan nilai tersebut.
27. Apakah fakta-fakta yang ada dapat direpresentasikan oleh simbol matematis
dan dikategorikan menjadi fakta yang diketahui dan tidak diketahui?
28. Apakah terdapat model lama yang dapat digunakan atau disesuaikan untuk
menyelesaikan masalah kita?
 29. Jika terdapat model yang telah dikembangkan sebelumnya untuk masalah kita,
apakah model tersebut dapat diaplikasikan pada komputer?
30. Bagaimana kita dapat mengaplikasikan model dari solusi kita sehingga model
tersebut dapat dibuat menjadi program komputer dengan mudah?

Dengan menjalankan langkah-langkah di atas, idealnya kita akan mendapatkan sebuah

model solusi yang tepat untuk permasalahan kita. Untuk lebih jelasnya, mari kita
aplikasikan model masalah yang ada ke contoh sebuah kasus!

Contoh: Perhitungan Bunga Pinjaman

Kita diminta untuk mengembangkan sebuah program komputer untuk sebuah

perusahaan kredit ACME. Program yang akan kita kembangkan merupakan sistem
untuk menghitung total jumlah yang harus dibayar oleh peminjam uang per tahunnya.
Bunga pinjaman yang diberikan ACME adalah sebesar 15% per tahunnya.
Untuk membangun sistem perhitungan yang diminta, tentunya terlebih dahulu kita
harus membangun modal solusi untuk perhitungan bunganya. Mari kita ikuti langkah-
langkah untuk membangun model yang telah dijelaskan sebelumnya:

31. Apakah masalah yang dihadapi merupakan masalah yang memerlukan

solusi matematis?

Ya. Perhitungan total bunga bunga jelas akan melibatkan matematika.

32. Fakta-fakta relevan apa saja yang diketahui?

Bunga pinjaman sebesar 15% per tahun.

33. Fakta atau informasi tambahan apa yang kita perlukan untuk
menyelesaikan masalah?

Beberapa fakta tambahan yang harus ada tetapi tidak disebutkan secara
eksplisit pada deskripsi masalah:

1. Jumlah pinjaman awal. Untuk menghitung total pinjaman dengan

bunganya jelas kita harus mengetahui jumlah pinjaman awal terlebih
dahulu.
2. Lama pinjaman. Tanpa adanya lama pinjaman, kita tidak dapat
mengetahui dengan pasti total bunga yang harus ditambahkan.
34. Adakah langkah atau metode alami untuk menyelesaikan masalahnya?

Ya, lakukan perhitungan bunga tiap tahunnya, dan tambahkan hasil kalkulasi
tersebut sampai tahun pinjaman terakhir.

35. Apakah fakta-fakta yang ada dapat direpresentasikan oleh simbol

matematis?

Dari fakta-fakta yang kita dapatkan pada langkah kedua dan ketiga, kita dapat
mendefinisikan simbol matematis seperti berikut:
 let blet plet tlet T=bunga=jumlah pinjaman=waktu pinjaman
(per tahun)=total pinjaman
36. Apakah terdapat model lama yang dapat digunakan untuk
menyelesaikan masalah kita?

Ya, perhitungan bunga majemuk yang dimodelkan dengan rumus:

T=p(1+b)t.
37. Apakah model yang ada sebelumnya pada langkah 6 dapat diaplikasikan
pada komputer?

Kemungkinan tidak, karena perhitungan bunga majemuk merupakan

perhitungan yang tidak banyak diketahui orang (terutama pada bidang
pemrograman), dan juga memiliki banyak aturan kompleks yang harus
dimengerti terlebih dahulu.
Karena kasus yang sederhana, kita akan lebih mudah mengimplementasikan
algoritma kita sendiri, yang cukup melakukan iterasi dan menambahkan total
pinjaman setiap tahunnya. Mari kita coba kembangkan model iterasi yang
dapat digunakan.
Untuk tahun pertama, peminjam akan berhutang sebanyak:

T=p+(15%p)
selanjutnya, untuk tahun kedua hutangnya akan bertambah menjadi:

T=T+(15%T)

di mana T adalah nilai baru dari T. Kita cukup melakukan perhitungan yang
sama terus menerus, sebanyak $t$ kali untuk mendapatkan hasil akhir berupa
T yang menyimpan total hutang yang dipinjam. Jika dikembangkan, maka
model matematis akhir yang kita dapatkan adalah:

T=T+(15100T)
yang akan dijalankan sebanyak $t$ kali, dengan nilai $T$ yang bertambah
setiap iterasinya. Dengan informasi ini, kita dapat mengimplementasikan
pseudocode seperti berikut:

b = 15
T = 0

READ p, t

T = p

for i = 1 to t do
T = T + (15 / 100 * T)
end for
 WRITE T

yang kemudian akan kita implementasikan sebagai fungsi penghitung total

pinjaman.

38. Bagaimana kita dapat mengaplikasikan model dari solusi kita sehingga
model tersebut dapat dibuat menjadi program komputer dengan mudah?

Pseudocode yang ada sudah sangat jelas, dan baris per barisnya dapat
diimplementasikan secara langsung menggunakan bahasa pemrograman
apapun.

Setelah mendapatkan model penyelesaian masalah sampai pada pseudocode-nya, kita

kemudian dapat mengimplementasikan solusi yang dikembangkan menggunakan
bahasa pemrograman yang diinginkan. Berikut adalah contoh implementasi algoritma
tersebut pada python:

b = 15
T = 0
p = input("Masukkan jumlah pinjaman: ")
t = input("Masukkan lama pinjaman: ")

T = int(p)

for i in range(1, int(t)):

T = T + (15 / 100 * T)

print("Total pinjaman yang harus dibayarkan adalah: " + str(T))

Kesimpulan
Pada bagian ini kita telah mempelajari tentang ciri khas algoritma yang baik, yaitu
benar, efisien, dan mudah diimplementasikan. Kita juga mempelajari bagaimana
membuktikan sebuah algoritma adalah sebuah algoritma yang benar, dan bagaimana
mengembangkan algoritma yang benar, menggunakan model matematis.
Terdapat enam jenis model matematis yang kita bahas, beserta dengan cara
menggunakan model matematis tersebut ke kasus pada dunia nyata. Selanjutnya kita
akan mempelajari bagaimana mengembangkan algoritma yang efisien, beserta definisi
dari efisiensi algoritma tentunya.

Related Posts