PERTEMUAN 12
METODE GREEDY
Nama kelompok
1.
2.
3.
4.
6.
7.
8.
Program study komputerisasi akuntansi
AMIK BSI PONTIANAK
2017
KATA PENGANTAR
DAFTAR ISI
BAB 1
PENDAHULUAN
1.1 Latar belakang………………………………………………………………………… 4
1.2 Identifikasi makalah…………………………………………………………………... 4
1.3 Batasan masalah………………………………………………………………………. 4
1.4 Rumusan masalah…………………………………………………………………….. 4
1.5 Tujuan dan manfaat…………………………………………………………………... 4
BAB 2
PEMBAHASAN
2.1 Pengertian algoritma greedy …………………………………………………………. 5
BAB 3
PENUTUP
DAFTAR PUSTAKA
2|Page
BAB 1
PENDAHULUAN
Dengan menyebut nama Allah SWT yang Maha Pengasih lagi Maha Panyayang, Kami
panjatkan puja dan puji syukur atas kehadirat-Nya, yang telah melimpahkan rahmat, hidayah,
dan inayah-Nya kepada kami, sehingga kami dapat menyelesaikan makalah pertemuan 12
tentang logika dan algoritma tentang metode greedy.
Makalah ilmiah ini telah kami susun dengan maksimal dan mendapatkan bantuan dari
berbagai pihak sehingga dapat memperlancar pembuatan makalah ini. Untuk itu kami
menyampaikan banyak terima kasih kepada semua pihak yang telah berkontribusi dalam
pembuatan makalah ini.
Terlepas dari semua itu, Kami menyadari sepenuhnya bahwa masih ada kekurangan baik
dari segi susunan kalimat maupun tata bahasanya. Oleh karena itu dengan tangan terbuka
kami menerima segala saran dan kritik dari pembaca agar kami dapat memperbaiki makalah
ini.
Akhir kata kami berharap semoga makalah logika dan algoritma tentang metode greedy
bermafaat untuk pembaca.
Penyusun
1. ZULFIKAR
2. MILZAM ATIQI FATURRAHMAN
3. FLAVIANUS
4. RAJU
5. INDRI OKTAVIAN LESTARI
6. YUNIAR
7. LIDYA NATALIA
8. SITIDWIARDIANTI
9. DEWI APRILIA
3|Page
1.1. Latar Belakang
Pengertian Algoritma Greedy
Algoritma Greedy adalah salah satu jenis algoritma, algoritma greedy menggunakan
pendekatan penyelesaian masalah dengan mencari nilai maksimum sementara dalam
setiap langkahnya atau local maxium. Algoritma greedy biasanya memberikan solusi
yang mendekati nilai optimum dalam waktu yang cukup cepat. Metode ini banyak
digunakan dalam berbagai penyelesaian masalah
Penulis berharap Makalah ini memiliki manfaat bagi para pembaca, terutama bagi
penyusun sendiri. Dimana dengan adanya Makalah ini diharapkan mampu menambah
wawasan mengenai Statistika Deskriptif terutama dalam Distribusi Frekuensi dan Jenis
Grafiknya.
4|Page
BAB 2
PEMBAHASAN
Proses pemecahannya
1. Tentukan nilai panjang data (L), waktu penyimpanan (t) dan waktu rata-rata (MRT)
jika ada
2. Tentukan urutan penyimpanan datanya
3. Hitung total penyimpanan (jika ada kapasitas media penyimpanan maka total
tidak boleh melebihi)
4. Pilih total yang minimum (sesuai dengan unsur efisiensi dan efektifitas)
Contoh 1:
Diketahui 3 program yang akan disimpan dalam media penyimpanan dengan panjang
masing-masing 5, 10, dan 3. Bagaimana proses penyimpanan yang optimal dengan
metode greedy.
5|Page
Jawab
1. Tentukan nilai panjang, waktu, dan waktu rata-rata
Ada 3 program, dimisalkan panjangnya L1, L2, dan L3 dengan nilai L1=5, L2=10, dan
L3=3
Waktu, disini tidak diketahui, berarti dianggap waktu tidak mempengaruhi proses
penyimpanan, berarti tidak ada waktu rata-rata.
Berarti dalam kasus ini yang berpengaruh hanya panjang dari setiap datanya.
2. Urutan penyimpanan dengan menggunakan teknik faktorial sesuai dengan jumlah data.
Dari kasus diketahui jumlah data (n) adalah 3, berarti kombinasi yang dibutuhkan
adalah n!, yaitu 3!=3*2*1 = 6. Jadi dibutuhkan 6 langkah dalam proses penyusunannya.
6|Page
Contoh 2 :
Misalkan kita ingin bergerak dari titik A ke titik B, dan kita telah menemukan
beberapa jalur dari peta:
7|Page
Graph Sederhana dari Titik A ke B
Dari gambar di atas, kita dapat melihat bagaimana sebuah peta jalur perjalanan dapat
direpresentasikan dengan menggunakan graph, spesifiknya Directed Graph (graph berarah).
Maka dari itu, untuk menyelesaikan permasalahan jarak terpendek ini kita akan menggunakan
struktur data graph untuk merepresentasikan peta. Berikut adalah graph yang akan digunakan
dalam hitungan KM.
Graph Berarah dari Titik A ke B
Untuk mencari jarak terpendek dari A ke B, sebuah algoritma greedy akan menjalankan
langkah-langkah seperti berikut:
1. Kunjungi satu titik pada graph, dan ambil seluruh titik yang dapat dikunjungi dari titik
sekarang.
2. Cari local maximum ke titik selanjutnya.
3. Tandai graph sekarang sebagai graph yang telah dikunjungi, dan pindah ke local
maximum yang telah ditentukan.
4. Kembali ke langkah 1 sampai titik tujuan didapatkan.
Jika mengapliikasikan langkah-langkah di atas pada graph A ke B sebelumnya maka kita
akan mendapatkan pergerakan seperti berikut:
8|Page
Mulai dari titik awal (A). Ambil seluruh titik yang dapat dikunjungi.
9|Page
Langkah Kedua Greedy
2. Local maximum adaah ke D, dengan jarak 6.
Contoh 3 :
(Masalah Penukaran uang):
Persoalan: Diberikan uang senilai A. Tukar A dengan koin-koin uang yang ada. Berapa
jumlah minimum koin yang diperlukan untuk penukaran tersebut?
10 | P a g e
Strategi greedy yang digunakan adalah:
Pada setiap langkah, pilihlah koin dengan nilai sebesar mungkin dari himpunan koin yang
tersisa dengan syarat (kendala) tidak melebihi nilai uang yang ditukarkan.
Tinjau masalah menukarkan uang 32 dengan koin 1, 5, 10, dan 25:
Langkah 1: pilih 1 buah koin 1+1+1+1+1------= 32
Langkah 2: pilih 1 buah koin 5 (Total = 10+10+10+1+1=32
Langkah 3: pilih 2 buah koin 1 (Total = 25+5+1+1= 32)
Solusi: Jumlah koin minimum = 4 (solusi optimal!)
11 | P a g e
Tata cara penggunaan metode greedy dalam persoalan knapsack adalah
Masukkan objek satu per satu ke dalam knapsack. Sekali objek dimasukkan ke dalam
knapsack, objek tersebut tidak bisa dikeluarkan lagi.
Namun karena metode greedy hanya mempertimbangkan keuntungan local dengan harapan
mendapat keuntungan global –seperti yang sudah dijelaskan sebelumnya-, maka metode ini
juga tidak menjamin akan memberikan solusi optimal
Contoh 1:
Tinjau persoalan 0/1 Knapsack dengan n = 4.
w1 = 6; p1 = 12
w2 = 5; p1 = 15
w3 = 10; p1 = 50
w4 = 5; p1 = 10
Kapasitas knapsack W = 16
1 6 12 2 0 1 0 0
2 5 15 3 1 1 1 1
3 10 50 5 1 0 1 1
4 5 10 2 0 1 0 0
Total bobot 15 16 15 15
Total keuntungan 65 37 65 65
· Pada contoh diatas, algoritma greedy dengan strategi pemilihan objek berdasarkan profit
dan density memberikan solusi optimal, sedangkan pemilihan objek berdasarkan berat tidak
memberikan solusi optimal.
Kemudian perhatikan contoh berikut ini :
12 | P a g e
Contoh 2:
persoalan Knapsack lain dengan 6 objek:
w1 = 100; p1 = 40
w2 = 50; p2 = 35
w3 = 45; p3 = 18
w4 = 20; p4 = 4
w5 = 10; p5 = 10
w6 = 5; p6 = 2
Kapasitas knapsack W = 100
1 100 40 0,4 1 0 0 0
2 50 35 0,7 0 0 1 1
3 45 18 0,4 0 1 0 1
4 20 4 0,2 0 1 1 0
5 10 10 1,0 0 1 1 0
6 5 2 0,4 0 1 1 1
Total bobot 100 80 85 100
Total keuntungan 40 34 51 55
Pada contoh2, terlihat algoritma greedy dengan ketiga strategi pemilihan objek tidak
berhasil memberikan solusi optimal. Solusi optimal permasalah ini adalah X = (0, 1,
1, 0, 0, 1) dengan total keuntungan = 55.
13 | P a g e
BAB 3
PENUTUP
Demikianlah makalah yang kami buat semoga bermanfaat bagi orang yang
membacanya dan menambah wawasan bagi orang yang membaca makalah ini. Dan
penulis mohon maaf apabila ada kesalahan dalam penulisan kata dan kalimat yang
tidak jelas, mengerti, dan lugas mohon jangan dimasukan ke dalam hati.
Dan kami juga sangat mengharapkan yang membaca makalah ini akan bertambah
motivasinya dan mengapai cita-cita yang di inginkan, karena saya membuat makalah
ini mempunyai arti penting yang sangat mendalam.
Sekian penutup dari kami semoga berkenan di hati dan kami ucapkan terima kasih
yang sebesar-besarnya.
14 | P a g e
DAFTAR PUSTAKA
PENULISAN
Penulisan makalah ini didapat dari berbagai sumber,
Untuk menghormati karya yang ada di sumber penulis memasukan semua sumber
yang berasal :
penerbit
1.blog petang.com
Nama; sugeng 04-05-1998 / djokjakarta
Copyright 2016
2.evo deki.com
Nama ; deki 31-19-19990 / jakarta
Copy right 2014
15 | P a g e