PERTEMUAN 9

LARIK ATAU ARRAY

LARIK ATAU ARRAY
adalah tipe terstruktur yang terdiri dari
sejumlah komponen yang mempunyai tipe
data yang sama.
Variabel Array terdiri dari :
1. Array Berdimensi Satu
2. Array Berdimensi Dua
1. Array Berdimensi Satu
Bentuk Umum :
Tipe_Data Nama_Variabel [ukuran]

Contoh:
int nilai [6];
jumlah elemen
nama array
tipe data elemen array
2. Array Berdimensi Dua
Bentuk Umum :
Tipe_Data Nama_Variabel [index-1] [index-2]
Contoh:
int nilai [2] [3] ;
jumlah kolom
jumlah baris
nama array
tipe data elemen array
Contoh I :
int i, j ;
int tabel [3] [2] ;
for (i=0; i<=2 ; i++)
{
for (j=0; j<=1 ; j++)
{
cout<< “data ke - ”<< i << j<<endl;
cout<< “nilai =“ ;
cin>> tabel [ i ] [ j ];
}
} Tabel[0][0] Tabel[0][1]

Hasil Tabel Tabel[1][0] Tabel[1][1]

Tabel[2][0] Tabel[2][1]
Contoh II :
Diberikan matriks A sebagai berikut :
1 1 1 1
0 1 1 1
0 0 1 1
0 0 0 1

Perintah pokok yg digunakan pd pengisian

matriks A adalah :

A[i,j] = 1, jika i <=j , A[i,j] = 0, jika i > j

Latihan :
1. Diberikan matriks A sebagai berikut :
1 2 3 4
0 2 3 4
0 0 3 4
0 0 0 4

Perintah pokok yg digunakan pd pengisian

matriks A adalah :
2. Diberikan matriks A sebagai berikut :
1 0 0 0
2 2 0 0
3 3 3 0
4 4 4 4

Perintah pokok yg digunakan pd

pengisian matriks A adalah .
3. Diberikan matriks A sebagai berikut :
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

Perintah pokok yg digunakan pd pengisian

matriks A adalah :
4. Diberikan algoritma sbb :
int i ;
int nilai[4];
for(i=0;i<=3;i++)
{
a[i] = 2 * i + 1;
cout<<a[i];
}

Algoritma di atas akan menghasilkan nilai .....

5. Diberikan algoritma sbb, diketahui nilai dari array
x[0]=10, x[1]=12, x[2]=12, x[3]=10 dan y[0]=2,
y[1]=3, y[2]=4, y[3]=5

int i;
int x[4], y[4];
float hasil ;
hasil=0;
for(i=0; i<=3; i++)
hasil = hasil + x[i] / y[i];
cout<<“hasil=“<<hasil;

Maka nilai hasil dari algoritma diatas adalah......

 Tugas Kelompok (max 5 orang)
Buatlah program dengan menggunakan C++
1. Penjumlahan dua buah matriks
2. Pengurangan dua buah matriks
Ket :
• Masing-masing kelompok dapat memilih salah satu
dari program di atas.
• Listing program & output dicetak
• Nama, Nim dan Kelas dicetak di listing program
 PERTEMUAN 10

METODE DEVIDE AND

CONQUER
• Bentuk Umum Proses Metode D And C dpt
dilihat sbb : n input

n input I n input II n input III n input K

Subproblem I Subprob. II Subprob. III Subprob. K

Subsolusi I Subsolusi II Subsolusi III Subsolusi K

Solusi Optimal
 SORTING
1. Metode Selection Sort
2. Metode Buble Sort
3. Metode Merge Sort
4. Metode Quick Sort
5. Metode Insertion.

Hal yg mempengaruhi Kecepatan Algoritma Sort :

Jumlah Operasi Perbandingan & Jumlah Operasi
Pemindahan Data
SELECTION SORT

Tehnik pengurutan dgn cara pemilihan

elemen atau proses kerja dgn memilih
elemen data terkecil utk kemudian
dibandingkan & ditukarkan dgn elemen pd
data awal, dst s/d seluruh elemen shg akan
menghasilkan pola data yg telah disort.
Prinsip Kerja dari Teknik Selection Sort ini
adalah :

1. Pengecekan dimulai data ke-1 sampai

dengan data ke-n
2. Tentukan bilangan dengan Index terkecil
dari data bilangan tersebut
3. Tukar bilangan dengan Index terkecil
tersebut dengan bilangan pertama ( I = 1 )
dari data bilangan tersebut
4. Lakukan langkah 2 dan 3 untuk bilangan
berikutnya ( I= I+1 ) sampai didapatkan
urutan yg optimal.
Contoh : 22 10 15 3 8 2

Iterasi 1
1 2 3 4 5 6
Langkah 1 : 22 10 15 3 8 2
Langkah 2 : 22 10 15 3 8
2
Langkah 3 : 2 10 15 3 8 22
Langkah 4 : Ulangi langkah 2 dan 3 .
Iterasi 2

Langkah 1: 2 10 15 3 8 22
Langkah 2: 2 10 15 3 8 22
Langkah 3: 2 3 15 10 8 22
Langkah 4: Ulangi langkah 2 dan 3 .

Lakukan Iterasi selanjutnya sampai iterasi

ke-6
BUBBLE SORT
Tehnik Sort yg bekerja dgn menggunakan prinsip
gelembung (bubble) udara yg akan bergerak
naik ke atas secara satuper satu.
Prinsip Kerja dari Bubble Sort adalah :
1. Pengecekan mulai dari data ke-1 sampai data
ke-n
2. Bandingkan data ke-n dengan data sebelumnya
(n-1)
3. Jika lebih kecil maka pindahkan bilangan
tersebut dengan bilangan yg ada didepannya
( sebelumnya ) satu persatu (n-1,n-2,n-3,....dst)
4. Jika lebih besar maka tidak terjadi pemindahan
5. Ulangi langkah 2 dan 3 s/d sort optimal.
Contoh : 22 10 15 3 8 2

terasi 1
1 2 3 4 5 6
Langkah 1 : 22 10 15 3 8 2
Langkah 2 : 22 10 15 3 8 2
Langkah 3 : 22 10 15 3 2 8
Langkah 4 : Ulangi langkah 2 dan 3

Hasil iterasi 1 : 2 22 10 15 3 8
Iterasi 2
Langkah 1 : 2 22 10 15 3 8
Langkah 2 : 2 22 10 15 3 8
- 8>3, maka 8 tidak pindah,
untuk selanjutnya bandingkan
data sebelunya yaitu 3.
Langkah 3 : 2 22 10 3 15 8
Langkah 4 : Ulangi langkah 2 dan 3
Hasil Iterasi 2 : 2 3 22 10 15 8
Lakukan Iterasi selanjutnya sampai iterasi ke- 6
QuickSort
Metode QuickSort sering disebut metode partition
exchange sort, Diperkenalkan oleh C.A.R. Hoare. Pada
metode ini jarak kedua elemen yang akan ditukarkan
nilainya ditentukan cukup besar.
Misal ada N elemen dalam keadaan urut turun, adalah
mungkin untuk mengurutkan N elemen tersebut dengan
N/2 kali, yakni pertama kali menukarkan elemen paling kiri
dengan paling kanan, kemudian secara bertahap menuju
ke elemen yang ada di tengah. Tetapi hal ini hanya bisa
dilakukan jika kita tahu pasti bahwa urutannya adalah urut
turun.
Secara garis besar metode ini dijelaskan sebagai berikut,
misal kita akan mengurutkan vektor A yang mempunyai N
elemen. Kita pilih sembarang dari vektor tersebut, biasanya
elemen pertama misalnya X. kemudian semua elemen
tersebut disusun dengan menempatkan X pada posisi J
sedemikian rupa sehingga elemen ke 1 sampai ke j-1
mempunyai nilai lebih kecil dari X dan elemen ke J+1
sampai ke N mempunyai nilai lebih besar dari X. Dengan
demikian kita mempunyai dua buah subvektor, subvektor
pertama nilai elemennya lebih keci dari X, subvektor kedua
nilai elemennya lebih besar dari X.
 Pada langkah berikutnya, proses diatas diulang pada
kedua subvektor, sehingga kita akan mempunyai empat
subvektor. Proses diatas diulang pada setiap subvektor
sehingga seluruh vektor semua elemennya menjadi
terurutkan.
Contoh:
23 45 12 24 56 34 27 23 16

Subvektor Kiri Subvektor Kanan

12 23 16 23 45 24 56 34 27

12 23 16 23 24 34 27 45 56

12 16 23 23 24 34 27 45 56

12 16 23 23 24 27 34 45 56

Sumber: Struktur Data (Insap Santosa, 2006 hal: 337-340)

INSERTION SORT
Prinsip dasar Insertion adalah secara berulang-ulang
menyisipkan / memasukan setiap elemen. ke dlm
posisinya / tempatnya yg benar.
1. Prinsip Kerja Insertion Sort adalah
2. Pengecekan mulai dari data ke-1 sampai data ke-n
3. Bandingkan data ke-I ( I = data ke-2 s/d data ke-n )
4. Bandingkan data ke-I tersebut dengan data
sebelumnya (I-1), Jika lebih kecil maka data
tersebut dapat disisipkan ke data awal sesuai dgn
posisisi yg seharusnya
5. Lakukan langkah 2 dan 3 untuk bilangan
berikutnya ( I= I+1 ) sampai didapatkan urutan yg
optimal.
Contoh : 22 10 15 3 8 2
Iterasi 1
1 2 3 4 5 6
Langkah 1: 22 10 15 3 8 2
Langkah 2: 22 10 15 3 8 2
Langkah 3: 10 22 15 3 8 2
Langkah 4: Ulangi langkah 2 dan 3
Iterasi 2

Langkah 1: 10 22 15 3 8 2
Langkah 2: 10 22 15 3 8 2
Langkah 3: 10 15 22 3 8 2
Langkah 4: Ulangi langkah 2 dan 3

Lakukan Iterasi selanjutnya sampai iterasi

ke- 6
Catatan : Setiap ada pemindahan, maka elemen.
Yang sudah ada akan di insert sehingga akan
bergeser kebelakang.
MERGE SORT
Prinsip Kerja Merge Sort adalah :
• Kelompokan deret bilangan kedalam 2 bagian,
4 bagian, 8 bagian, ......dst  (2n)
• Urutkan secara langsung bilangan dalam
kelompok tsb.
• Lakukan langkah diatas untuk kondisi bilangan
yg lain sampai didapatkan urutan yg optimal .
Contoh : 22 10 15 3 8 2

Iterasi 1
1 2 3 4 5 6
Langkah 1 : 22 10 15 3 8 2
Langkah 2 : 10 22 3 15 2 8

Iterasi 2
Langkah 1 : 10 22 3 15 2 8
Langkah 2 : 3 10 15 22 2 8
Iterasi 3

Langkah 1 :3 10 15 22 2 8

Langkah 2 :2 3 8 10 15 22
 PERTEMUAN 11

TEHNIK SEARCHING
TEHNIK SEARCHING

Tehnik Pencarian :
1. Tehnik Pencarian Tunggal :
a. Tehnik Sequential Search / Linier Search
b. Tehnik Binary Search

2. Tehnik Pencarian Nilai MAXMIN :

a. Tehnik StraitMAXMIN
b. Tehnik D and C
1. Tehnik Pencarian Tunggal :

a. Linear/Sequential Search ( Untuk data yg

belum terurut / yg sudah terurut )
Pencarian yg dimulai dari record-1 diteruskan ke
record selanjutnya yaitu record-2, ke-3,..., sampai
diperoleh isi record sama dengan informasi yg
dicari
Algoritma :
1. Tentukan I = 1
2. Ketika Nilai (I) <> X Maka Tambahkan I = I +1
3. Ulangi langkah No. 2 sampai Nilai(I) = X
4.Jika Nilai (I) = N+1 Maka Cetak “Pencarian Gagal”
selain itu Cetak “ Pencarian Sukses “
b. Binary Search ( Untuk data yg sudah
terurut )

Digunakan mencari sebuah data pd himp.data-

data yg tersusun secara urut, yaitu data yg
telah diurutkan dr besar ke kecil/sebaliknya.
Proses dilaksanakan pertama kali pd bgn
tengah dr elemen himpunan, jk data yg dicari
ternyata < elemen bagian atasnya, maka
pencarian dilakukan dr bagian tengah ke
bawah.
Algoritma :
1. Low = 1 , High = N
2. Ketika Low <= High Maka kerjakan langkah No .3,
Jika tidak Maka kerjakan langkah No.7
3. Tentukan Nilai Tengah dengan rumus
mid = ( Low + High ) Div 2
4. Jika X < Nil. Tengah Maka High = Mid –1
5. Jika X > Nil. Tengah Maka Low = Mid +1
6. Jika X = Nil. Tengah Maka Nil. Tengah = Nil. Yg
dicari
7. Jika X > High Maka Pencarian GAGAL
2. Tehnik Pencarian MAXMIN
Searcing dengan Tehnik STRAITMAXMIN

Menentukan / mencari elemen max & min.

Pada Himpunan yg berbentuk array linear.
Waktu tempuh/time complexity yg digunakan
untuk menyelesaikan pencarian hingga
mendapatkan solusi yg optimal terbagi atas
best case,average case dan worst case.
Algoritma untuk mencari elemen MaxMin :
PROCEDURE
STRAITMAXMIN(A,n,i,max,min)
int i,n, A [n], max,min
max  min  A[0]
FOR i  1 To n
IF A[i] > max; max  A[i];
ELSE IF A[i] < min ; min  A[i] ENDIF
ENDIF
REPEAT
END STRAITMAXMIN
 BEST CASE
• Keadaan yg tercapai jika elemen pada
himpunan A disusun secara increasing
(menaik). Dengan perbandingan waktu n - 1
kali satuan operasi.

• Contoh : Terdapat himp.A yg berisi 4 buah

bilangan telah disusun secara increasing
dengan A[0] = 2, A[1] = 4, A[2]=5, A[3]=10.
Tentukan / cari Bilangan Max&Min serta
jumlah operasi perbandingan yg dilakukan.
• Penyelesaian
untuk masalah tersebut dapat digunakan
procedure STRAITMAXMIN yg menghasilkan
bilangan Min=2 & bilangan Max=10,
Operasi perbandingan data mencari bilangan
MaxMin dari himpunan tersebut (n-1) =3 kali
operasi perbandingan.
 WORST CASE
• Terjadi jika elemen dalam himp. disusun
secara decreasing (menurun). Dengan.
Oprasi perbandingan sebanyak 2(n-1)
kali satuan operasi.
• Contoh : Mencari elemen MaxMin &
jumlah oprasi perbandingan yg dilakukan
terhadap himp.A yg disusun decreasing.
A[0]=80, A[1]=21, A[2]=6, A[3]=-10
Penyelesaian
• untuk masalah tersebut dengan proses
STRAITMAXMIN adalah elemen
max=80 & elemen min=-10, Operasi.
perbandingan untuk elemen Maxmin
tersebut adalah 2(4-1) = 6 kali satuan
operasi.
 AVERAGE CASE
• Jika pencarian elemen MaxMin dilakukan pada
elemen dalam himpunan yg tersusun secara
acak (tidak decreasing/tidak increasing).
Jumlah oprasi. Perbandingan yg dilakukan
adalah rata-rata waktu tempuh best case &
worst case, yaitu ½ [ (n-1) + 2(n-1) ] = ( 3n/2 -1
) kali.

• Contoh, Pada himpuan A yg berisi { 5,-4, 9,7 }

dilakukan pencarian elemen max & min
dengan menggunakan proses
STRAITMAXMIN. Berapa elemen maxmin yg
didapatkan & jumlah oprasi perbandingan yg
dilakukan.
• Penyelesaiannya :
Elemen max=9, & elemen min=-4.
Jumlah operasi perbandingan adalah ( 3.
4/2 - 1) = 5 kali satuan operasi.
Searching dengan Tehnik DANDC
• Dengan Prinsip Dasar Metode Devide &
akan dapat dipecahkan suatu
permasalahan proses Searching elemen
Max&Min dengan teknik DANC
• Contoh : Tentukan elemen MaxMin suatu
array A yg terdiri 9 bil. :
A[1] = 22, A[4] = -8, A[7] = 17
A[2] = 13, A[5] = 15, A[8] = 31
A[3] = -5, A[6] = 60, A[9] = 47
 Penyelesaian :

1,9

1,5 6,9

1,3 4,5 6,7 8,9

1,2 3,3
Lalu Proses tree call dr setiap elemen yg ditunjuk pada
bagan tree tersebut diatas. Dengan cara, membalik
terlebih dahulu posisi tree dr bawah ke atas. Lalu
mengisinya dengan elemen-elemnnya sesuai dengan
bagan tree. Perhatikan bagan tree call ini :
1,2 22,13 3,3 -5,-5

1,3 22,-5 4,5 -8,15 6,7 60,17 8,9 31,47

6,9 60,17
1,5 22,-8

1,9 60,-8
 PERTEMUAN 12

METODE GREEDY
 METODE GREEDY
Untuk mendapatkan solusi optimal dr
permasalahan yg mempunyai dua kriteria
yaitu Fungsi Tujuan/Utama & nilai
pembatas (constrain)
Proses Kerja Metode Greedy :

Untuk menyeselesaikan suatu permasalahan dgn

n input data yg terdiri dari beberapa fungsi
pembatas & 1 fungsi tujuan yg diselesaikan dgn
memilih beberapa solusi yg mungkin (feasible
solution/feasible sets), yaitu bila telah memenuhi
fungsi tujuan/obyektif.
Metode GREEDY digunakan dlm penyelesaian
masalah - masalah :
1. Optimal On Tape Storage Problem
2. Knapsack Problem
3. Minimum Spanning Tree Problem
4. Shortest Path Problem.
1. Optimal Storage On Tapes Problem
Permasalahan Bagamana mengoptimalisasi
storage/memory dalam komputer agar data yg
disimpan dapat termuat dgn optimal.

Misalkan terdapat n program. yg akan disimpan

didalam pita (tape).Pita tsb mempunyai panjang
maks. sebesar L, masing2 prg. yg akan
disimpan mempunyai panjang L1,L2,L3 ...,Ln.
Cara penyimpanan adalah penyimpanan secara
terurut (sequential).
 L1 L2 L3 ... Ln
Persoalan = Bagamana susunan penyimpanan
program2 tersebut sehingga
L1 + L2 + L3 + ... + Ln = L ?

Pemecahannya = jika program.2 tersebut disimpan dlm

Order, dimisalkan adalah Order I, yaitu : j
sama dengan  tik maka akan didapat
k=1
 n
Mean Retrieval Time (MRT) =  tj /n
j=1

n j
dan Optimal Storage = D(I) =   lik
j=1
k=1
Contoh,
Misal terdapat 3 buah prg.(n=3) yg masing2
mpy panjang prg. (I1,I2,I3)=(5,10,3).
Tentukan urutan penyimpanannya scr
berurutan (sequential) agar optimal....!
Penyelesaiannya :
Dari 3 program tersebut akan didapat 6
buah kemungkinan order, yg didapat dr
nilai faktorial 3 3! (ingat faktorial n!).

ORDERING D(I)
1,2,3 5 + (5+10) + (5+10+3) = 38
1,3,2 5 + (5+3) + (5+3+10) = 31
2,1,3 10 + (10+5) + (10+5+3) = 43
2,3,1 10 + (10+3) + (10+3+5) = 41
3,1,2 3 + (3+5) + (3+5+10) = 29
3,2,1 3 + (3+10) + (3+10+5) = 34
Dari tabel tersebut, didapat Susunan /
order yg optimal,sbb :
susunan pertama untuk program ke tiga
susunan kedua untuk program kesatu
susunan ketiga untuk program kedua
METODE GREEDY (lanjutan)
2. KNAPSACK Problem
Kasus : Terdapat n obyek (Xi;i=1,2,3,....n)
yang masing-masing mempunyai berat
(weight)/ Wi & masing-masing memiliki nilai
(profit)/Pi yg berbeda-beda.
Masalah :
Bagamana obyek-obyek tersebut dimuat /
dimasukan kedalam ransel (knapsack) yg
mempunyai kapasitas maks. = M. Sehingga
timbul permasalahan sbb:
Bagaimana memilih obyek yg akan dimuat dr
n obyek yg ada sehingga nilai obyek termuat
jumlahnya sesuai dgn kapasitas( M)
Jika semua obyek harus dimuat kedalam
ransel maka berapa bagian dr setiap obyek yg
ada dapat dimuat kedalam ransel sedemikian
shg nilai kum. maks. & sesuai dgn kapasitas
ransel ?
Penyelesaian Knapsack Problem :
1. Dengan Secara Matematika
2. Dengan Kriteria Greedy.
3. Dengan Algoritma Pemrograman Greedy.
Penyelesaian Knapsack Dengan Secara
Matematika

Fungsi tujuan = fungsi utama/obyektif = fungsi yg mjd

penyelesaian permasalahan dgn mendptkan solusi yg
optimal.

Solusi dimaksud = menemukan nilai/profit yg maks.

utk jml obyek yg dimuat dlm ransel shg sesuai
kapasitas.
n
Fungsi Tujuan Maksimum :  Pi Xi
I=1
Fungsi pembatas = fungsi subyektif = fungsi yg
bertujuan untuk memberikan batas maks. dr setiap obyek
untuk dapat dimuat dalam ransel sehingga kapasitasnya
tdk melebihi dr jumlah maks.daya tampung ransel.
n
Fungsi Pembatas :  Wi Xi  M
i=1
dimana : 0  Xi  1; Pi >0;Wi>0

Catatan : karena dengan menggunakan Matematikan

sangat sulit dan rumit maka tidak dibahas lebih
mendalam.
Penyelesaian Dengan Kriteria Greedy.
Konsep dr kriteria yg ditawarkan oleh metode
Greedy yaitu :
Pilih obyek (barang) dengan nilai Pi maximal atau
terbesar
Pilih obyek (barang) dengan berat Wi minimal
dahulu.
Pilih obyek (barang) dgn perbandingan nilai &
berat yaitu Pi/Wi yang terbesar.
Penyelesaiannya : Dengan Kriteria
Greedy.
Diketahui bahwa kapasitas M = 20kg ,
Dengan jumlah barang n=3
Berat Wi masing-masing barang
(W1, W2, W3) = (18, 15, 10)
Nilai Pi masing-masing barang
(P1, P2, P3) = (25, 24, 15)
Pilih barang dengan Nilai Profit Maksimal
P1 = 25  X1 = 1, dimisalkan sebagai
batas atas nilai
P2 = 24  X2 = 2/15, dihitung dengan
Fungsi Pembatas
P3 = 15  X3 = 0, dimisalkan sebagai
batas bawah nilai
Pilih barang dengan Berat Minimal
W1 = 18  X1 = 0, sebagai batas bawah
W2 = 15  X2 = 2/3,dihitung dgn Fungsi Pembatas
W3 = 10  X3 = 1, sebagai batas atas
Pilih barang dgn menghitung perbandingan yg
terbesar dr Profit dibagi Berat (Pi/Wi) yg diurut
secara tidak naik, yaitu :

P1/W1 = 25/18  karena terkecil maka X1 = 0

P2/W2 = 24/15  karena terbesar maka X2 = 1
P3/W3 = 15/10 dengan Fungsi pembatas
X3 = 1/2.
 Dibuatkan tabel berdasarkan elemen dr
ke-3 kriteria metode Greedy

Solusi ke (X1,X2,X3)  WiXi PiXi

Pi Max ( 1, 2/15, 0) 20 28.2

( 0, 2/3, 1) 20 31.0
Wi Min
Pi/Wi max ( 0, 1, 1/2 ) 20 31.5

Nilai profit maksimal = 31.5 dengan komposisi

yang sama
 Pertemuan 13

Penyelesaian Dengan
Algoritma Pemrograman
Greedy.
 Pertemuan 13
Penyelesaian Dengan Algoritma Pemrograman Greedy.
Algoritma GREEDY KNAPSACK.
PROCEDURE GREEDY KNAPSACK ( W, x, n)
float W[n], x[n], M, isi;
Int i, n;
x(1 : 1)  0 ; isi  M ;
FOR i  1 TO n
{
IF W[i] > M ; EXIT ENDIF
x[i]  1
isi  isi – W[i]
}
IF i  n ; x[i]  isi / W[i] ENDIF
END_GREEDY KNAPSACK
Efektif jk data (Pi/Wi) disusun scr non decreasing dahulu.
Penyelesaiannya : Dengan Algoritma Prg. Greedy.

Diket. bhw kapasitas M = 20kg, dgn jmlh brg n=3

Berat Wi masing2 brg = (W1, W2, W3) = (18, 15, 10)
Nilai Pi masing2 brg = (P1, P2, P3) = (25, 24, 15)
Lakuk’ p’urutan scr tdk naik thdp hasil Pi/Wi, misalnya :

P1/Wi  25/18 = 1,39 menjadi urutan ke 3

P2/W2  24/15 = 1,60 menjadi urutan ke 1
P3/W3  15/10 = 1.50 menjadi urutan ke 2
Sehingga m’hasilk’ pola urutan data yg baru,yaitu
W1,W2,W3  15, 10, 18 dan P1,P2,P3  24, 15, 25
Lalu data2 tsb diinputk’ pd Alg. Greedy, terjadi proses :

x(1:n)  0 ; isi  20 ; i = 1
W(i) > isi ?  15 > 20 ?  kondisi SALAH
x(1) = 1  b’arti bhw brg tsb dpt dimuat seluruhnya.
Isi = 20 - 15 kapasitas ransel b’kurang dgn sisa 5kg
i =2
W(2) > isi ??  10 > 5 ??  kondisi BENAR
x(2)=5/10=1/2benda 10kg hanya dpt dimuat 1/2 bgn
yaitu 5 kg.
i=3
Endif  diakhiri krn ransel sdh penuh (max =20kg)

Profit nilai yang didapat adalah : P1 + P2 + P3 yaitu:

24.1+ 15.1/2 + 18.0 = 24 + 7.5 = 31.5
PROBLEMA DAN MODEL GRAPH DALAM METODE
GREEDY ( Lanjutan )
1. TRAVELLING SALESMAN
Untuk menentukan waktu perjalanan seorang
salesman seminimal mungkin.
Permasalahan:
Setiap minggu sekali, seorang petugas kantor
telepon berkeliling untuk mengumpulkan coin-coin
pada telepon umum yang dipasang diberbagai
tempat. Berangkat dari kantornya, ia mendatangi
satu demi satu telepon umum tersebut dan akhirnya
kembali ke kantor lagi. Masalahnya ia menginginkan
suatu rute perjalanan dengan waktu minimal.
MODEL GRAPH :

8 7 10
1 2
12 9
11 9
11 5 10
8 3
4

Misalnya : Kantor pusat adalah simpul 1 dan misalnya

ada 4 telepon umum, yg kita nyatakan sebagai simpul 2,
3, 4 dan 5 dan bilangan pada tiap-tiap ruas menunjukan
waktu ( dalam menit ) perjalanan antara 2 simpul .
Langkah penyelesaian :
1. Dimulai dari simpul yg diibaratkan sebagai
kantor pusat yaitu simpul 1 .
2.Dari simpul 1 pilih ruas yg memiliki waktu yg
minimal.
3. Lakukan terus pada simpul – simpul yg lainnya
tepat satu kali yg nantinya Graph akan
membentuk Graph tertutup karena perjalanan
akan kembali ke kantor pusat.
4. Problema diatas menghasilkan waktu
minimalnya adalah 45 menit dan diperoleh
perjalanan sbb :
Problema diatas menghasilkan waktu minimalnya
adalah 45 menit dan diperoleh perjalanan sbb :
7

1 2
12
8 5
10
4 3

8
2. MINIMUM SPANNING TREE
Kasus MST Problem = m’cari min.biaya (cost) spanning
tree dr setiap ruas (edge) graph yg m’btk pohon (tree).
Solusi dr p’masalah’ ini :
a. Dgn memilih ruas suatu graph yg memenuhi kriteria dr
optimisasi yg m’hasilk’ biaya min.
b. Penambah’ dr setiap ruas pd seluruh ruas yg m’btk
graph akan m’hasilk’ nilai/biaya yg kecil (minimum
cost).

Kriteria2 dr spanning tree, yakni :

1. Setiap ruas pada graph harus terhubung (conected)
2. Setiap ruas pd graph hrs mpy nilai (label graph)
3. Setiap ruas pd graph tdk mpy arah (graph tdk berarah)
Proses Total minimum cost terbentuknya graph dgn
tahapan sbb:
• Dari graph yg tetbentuk, apakah memenuhi kriteria
MST.
• Lakukan secara urut dr simpul ruas awal s/d ruas
akhir
• Pada setiap simpul ruas perhatikan nilai/cost dr
tiap-tiap ruas
• Ambil nilai yg paling kecil (jarak tertpendek setiap
ruas).
• Lanjutkan s/d semua simpul ruas tergambar pd
spanning tree
• Jumlahkan nilai/cost yg dipilih tadi.
 10
1 2
45 50
30
40
4 35 3
25
20 5
55
15
6
3. SHORTEST PATH PROBLEM
Permasalahan : menghitung jalur terpendek dr sbh graph
berarah.
Kriteria utk permasalahan jalur terpendek/SP problem tsb :
1. Setiap ruas pd graph hrs mpy nilai (label graph)
2. Setiap ruas pd graph tdk hrs terhubung (unconnected)
3. Setiap ruas pd graph tsb hrs mempunyai arah (graph
berarah).
 45

A 50 B 10 E

10 20 15 20 35

30

C D F
15 3
Penyelesaian:

Jalur Panjang jarak

A– C 10
A– C – D 25
A– C – D – B 45
A– E 45
PROBLEMA DAN MODEL GRAPH DALAM METODE
GREEDY

1. PEWARNAAN ( COLORING )

Problema pemberian warna kepada semua

simpul, sedemikian sehingga 2 simpul yang
berdampingan ( ada ruas menghubungkan
ke dua simpul tersebut ) mempunyai warna
yang berbeda . Banyak warna yang
dipergunkan , diminta seminimal mungkin
Contoh : C

D
B

E
A
Permasalahan :
Menentukan pola lampu lalulintas dengan jumlah
fase minimal, dan pada setiap fase tidak ada perjalanan
yang saling melintas . Perjalanan yang diperbolehkan
adalah : A ke B, A ke C, A ke D, B ke C, B ke D, E ke B,
E ke C dan E ke D
 Langkah-langkah penyelesaian masalah :
1. Tentukan simpul dari perjalanan yang diperbolehkan
( untuk peletakan simpulnya bebas )
2.Tentukan ruas untuk menghubungkan 2 simpul yg
menyatakan 2 perjalanan yg saling melintas

AC BD EB

AB BC EC

AD
ED
3. Beri warna pada setiap simpul dengan warna
warna baru.
- Bila Simpul berdampingan maka berilah warna
lain.
- Bila simpul tidak bedampingan maka berilah
warna yang sama
H
P AC BD EB H

AB BC EC M

AD
P ED
4. Kita lihat Bahwa simpul AB , BC dan ED tidak
dihubungkan oleh suatu ruas jadi untuk simpul tersebut
tidak pernah melintas perjalanan-perjalanan lain dan
simpul tersebut selalu berlaku lampu hijau

5. Tentukan pembagian masing –masing simpul yang

sudah diberikan warna.
Putih = ( AC, AD )
Hitam = ( BD, EB )
Merah = ( EC )
Catatan :
Pembagian simpul berdasarkan simpul yang tidak
langsung berhubungan seminimal mungkin ( BISA
DILAKUKAN DENGAN BEBERAPA KEMUNGKINAN )

6.Dari langkah ke 5 diperoleh 3 fase, sehingga bisa kita

simpulkan keseluruhan situasi dan hasilnya dapat
dinyatakan dengan :
Fase 1:

HIJAU AC, AD, AB, BC, ED

MERAH BD, EB, EC

Fase 2:

HIJAU BD, EB, AB, BC, ED

MERAH AC, AD, EC

Fase 3 :

HIJAU EC, AB, BC, ED

MERAH AC, AD, BD, EB

Contoh : C

D
B

E
A
Permasalahan :
Menentukan pola lampu lalulintas dengan jumlah
fase minimal, dan pada setiap fase tidak ada perjalanan
yang saling melintas . Perjalanan yang diperbolehkan
adalah : A ke B, A ke C, A ke D, B ke C, B ke D, E ke B,
E ke C dan E ke D
 Langkah-langkah penyelesaian masalah :
1. Tentukan simpul dari perjalanan yang diperbolehkan
( untuk peletakan simpulnya bebas )
2.Tentukan ruas untuk menghubungkan 2 simpul yg
menyatakan 2 perjalanan yg saling melintas

AC BD EB

AB BC EC

AD
ED
3. Beri warna pada setiap simpul dengan warna
warna baru.
- Bila Simpul berdampingan maka berilah warna
lain.
- Bila simpul tidak bedampingan maka berilah
warna yang sama
H
P AC BD EB H

AB BC EC M

AD
P ED
4. Kita lihat Bahwa simpul AB , BC dan ED tidak
dihubungkan oleh suatu ruas jadi untuk simpul tersebut
tidak pernah melintas perjalanan-perjalanan lain dan
simpul tersebut selalu berlaku lampu hijau

5. Tentukan pembagian masing –masing simpul yang

sudah diberikan warna.
Putih = ( AC, AD )
Hitam = ( BD, EB )
Merah = ( EC )
Catatan :
Pembagian simpul berdasarkan simpul yang tidak
langsung berhubungan seminimal mungkin ( BISA
DILAKUKAN DENGAN BEBERAPA KEMUNGKINAN )

6.Dari langkah ke 5 diperoleh 3 fase, sehingga bisa kita

simpulkan keseluruhan situasi dan hasilnya dapat
dinyatakan dengan :
Fase 1:

HIJAU AC, AD, AB, BC, ED

MERAH BD, EB, EC

Fase 2:

HIJAU BD, EB, AB, BC, ED

MERAH AC, AD, EC

Fase 3 :

HIJAU EC, AB, BC, ED

MERAH AC, AD, BD, EB