CRITICAL BOOK REPORT

“Pewarnaan Graf”

DOSEN PENGAMPU :
Marlina Setia Sinaga, S.Si., M.Si.
NIP. 197405272005012001

OLEH :

Nama : Riadil Jannah Sihombing

NIM : 4172230006

Kelas : Matematika Nondik B 2017

Mata Kuliah : Optimasi Kombinatorik

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
2020
 KATA PENGANTAR

Dengan menyebut nama Tuhan yang Maha Pengasih lagi Maha

Panyayang, saya panjatkan puja dan puji syukur atas kehadirat-Nya, yang telah
melimpahkan rahmat, hidayah, dan inayah-Nya kepada saya, sehingga saya dapat
menyelesaikan tugas CBR ini tentang “Pewarnaan Graf”.

CBR ini telah saya kerjakan dengan semaksimal mungkin. Dan harapan
saya semoga CBR ini dapat menambah pengetahuan dan pengalaman bagi para
pembaca, Untuk ke depannya dapat memperbaiki bentuk maupun menambah isi
CBR agar menjadi lebih baik lagi. Terlepas dari semua itu, saya menyadari
sepenuhnya bahwa masih ada kekurangan baik dari segi susunan kalimat maupun
tata bahasanya. Oleh karena itu dengan tangan terbuka saya menerima segala
saran dan kritik dari pembaca.

Akhir kata saya berharap semoga tugas CBR ini dapat memberikan
manfaat maupun inpirasi terhadap pembaca. Dan saya mengucapkan terima kasih.

Padangsidimpuan, 30 September 2020

Penulis

i
 DAFTAR ISI

Kata Pengantar....................................................................................................i
Daftar Isi...............................................................................................................ii
Bab I Pendahuluan..............................................................................................1
1.1. Latar Belakang......................................................................................1
1.2. Rumusan Masalah.................................................................................1
1.3. Tujuan...................................................................................................1
Bab II Pembahasan.............................................................................................2
Bab III Kesimpulan dan Saran..........................................................................28
3.1 Kesimpulan................................................................................................28
3.2 Saran..........................................................................................................28
Daftar Pustaka.....................................................................................................29

ii
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Teori graf pertama kali diperkanalkan oleh Leonard Euler (L. Euler) pada
tahun 1736. Di kota Konigsberg (sebelah timur Negara bagian Prrusia, Jerman)
yang sekarang bernama kota Kalilingrad, terdapat sungai Pregel yang mengalir
mengitari sebuah pulau yang bercabang menjadi dua anak sungai. Ada tujuh buah
jembatan yang menghubungkan daratan yang disebelah sungai tersebut. Euler
memikirkan kemungkinan untuk menyebrangi semua jembatan tepat satu kali dan
kembali ke tempat semula. Solusi yang Euler tawarkan tersebut dikenal dengan
teori graf. Salah satu topik yang menarik pada graf adalah masalah pewarnaan
graf (graph coloring problem). Bidang ini memiliki sejarah yang sangat menarik
dan teori-teorinya telah menimbulkan banyak perdebatan pada kalangan
matematikawan. Masalah pewarnaan graf diyakini pertama kali muncul sebagai
pewarmanaan graf. Ada tiga macam pewarnaan graf, yaitu pewarnaan simpul,
pewarnaan sisi, dan pewarnaan wilayah (region) atau kombinasi ketiganya. Pada
tulisan ini yang akan dibahas adalah pewarnaan simpul. Pewarnaan simpul adalah
memberi warna pada simpul-simpul suatu graf sedemikian hingga setiap dua
simpul yang bertetangga mempunyai warna yang berbeda. Dua simpul yang
bertetangga adalah dua simpul yang dihubungkan oleh sebuah sisi.
Dalam pewarnaan graf, bukan hanya sekedar mewarnai simpul-simpul dalam
warna yang berbeda dengan warna simpul tetangganya saja, namun juga
menginginkan agar banyaknya warna yang digunakan sedikit mungkin.
Banyaknya warna minimum yang dapat digunakan untuk mewarnai simpul-
simpul disebut bilangan kromatik dari graf G yang dinotasikan dengan (κ(G)).
Algoritma Greedy adalah salah satu algoritma yang dapat digunakan untuk
memberi warna pada simpul-simpul graf dan berusaha memecahkan masalah
dengan cara mengambil pilihan terbaik atau solusi optimum yang diperoleh saat
itu tanpa menganalisis dampak yang akan terjadi dari pemilihan solusi terbaik saat
ini. Dengan kata lain algoritma Greedy berusaha mencari solusi optimum lokal
dan berharap dari optimum-optimum lokal tersebut ditemukan optimum global.

1.2 Rumusan Masalah

 Apa kelebihan dan kekurangan pada kedua buku ?
 Buku mana yang lebih mudah dipahami ?
1.3 Tujuan
 Untuk mengetahui kelebihan dan kekurangan pada kedua buku
 Untuk memilih buku mana yang lebih mudah dipahami

1
 BAB II
PEMBAHASAN

Ringkasan Buku II

2.1 Masalah Pewarnaan Graf

2.1.1 Pengantar Pewarnaan Graf

Masalah pewarnaan simpul dari graf umumnya menggunakan sedikit

mungkin jumlah warna, tergantung syarat bahwa tidak ada dua simpul yang
berdekatan yang memiliki dua warna yang sama. Masalah ini dikenal sebagai
masalah pewarnaan graf (GCP).

2.1.1.1 Penerapan Masalah Pewarnaan Graf

Penerapan yang sederhana contohny menjadwalkan ujian sekolah ke

dalam periode waktu, dimana kursus tertentu dipilih satu siswa sepanjang tahun
melibatkan berbagai mata pelajaran. Maka tidak perlu ada dua ujian yang
dijadwalkan dalam periode waktu yang sama jika ada siswa yang mengambil
kedua mata kuliah yang sesuai (Neufield, dkk., 1974).

Sebagai contoh, misalkan tujuh mata pelajaran ditawarkan,

x 1 , x 2 , x 3 , x 4 , x 5 , x6 , x 7 yang mana dua atau tiga harus dipilih dan dari 35 siswa,

8 mengambil
x 2 , x 4 , x7 , 4 mengambil x 6 , x7 , 1 mengambil x 1 ,x 2 , 2

mengambil
x 1 , x 2 , x 6 , 11 mengambil x 1 , x 5 , x 6 ,8 mengambil x1 , x3 , x5 ,

dan 1 mengambil
x 3 ,x 4 dimana diinginkan untuk menetapkan jadwal ujian
periode waktu minimum.

2
 Gambar 2.1

Informasi diatas dipresentasikan dalam bentuk graf G dengan simpul-

simpul bersesuaian dengan subyek dan bergabung dengan sebuah busur mana saja
dua simpul yang mewakili mata pelajaran yang diambil bersama oleh satu atau
lebih siswa.

Masalah penjadwalan ujian ke dalam periode waktu yang paling sedikit

dapat diselesaikan dengan mempartisi himpunan simpul

{ x 1 , x2 , x 3 , x 4 , x 5 , x 6 , x7 } menjadi jumlah terkecil dari himpunan bagian

terputus-putus sehingga tidak ada dua simpul dalam setiap himpunan bagian
digabungkan dengan busur, yaitu dengan menyelesaikan masalah pewarnaan
untuk graf G, dimana warna berhubungan dengan waktu.

Dalam contoh di atas, jumlah minimum periode waktu adalah 4, dengan

banyak jadwal optimal yang berbeda dengan { x 1 , x 4 }; { x2 , x 5 }; { x3 , x 6 } ; { x 7 } .

2.1.1.2 Definisi dan Konsekuensi Elementer dengan Pewarnaan Graf

Pewarnaan dari graf G adalah cara pemberian warna pada semua simpul G
sehingga simpul yang gerdekatan tidak berwarna sama. Bilangan kromatik dari

graf G dilambangkan dengan γ (G) adalah jumlah minimum warna yang

dibutuhkan untuk mewarnai G. Bilangan independen G dilambangkan dengan

α ( G ) adalah jumlah simpul terbesar G.

Berikut ini konsekuensi dari definisi diatas :

3
 (i) Karena dalam setiap pewarnaan graf, tidak ada simpul berwarna
identic yang dapat berdekatan, semua simpul dari setiap klik harus
diberi warna berbeda.
(ii) Setiap himpunan simpul yang berwarna sama haruslah himpunan
independen
(iii) Tidak ada klik Q dari G dapat memiliki lebih dari satu simpul yang
sama

2.1.1.3 Beberapa hasil yang diketahui tentang pewarnaan

Teorema 1 : Sebuah graf memiliki 2 warna jika dan hanya jika tidak
terdapat siklus dengan panjang ganjil.

Teorema 2 : Setiap graf planar dapat diberi warna 5.

2.1.2 Berbagai Formulasi Masalah Pewarnaan Graf

Seperti masalah dalam teori graf komputasi, GCP dapat dirumuskan dalam
beberapa cara sebagai masalah umum (0,1) pemrograman integer. Namun,
formulasi seperti itu tidak mengarah pada metode praktis untuk menyelesaikan
GCP karena jumlah variable yang diperlukan bahkan untuk graf berukuran
sedang. Akibatnya, formulasi lain seperti (0,1) dari jenis yang lebih spesifik telah
diusulkan untuk GCP.

2.1.2.1 Formulasi sebagai Himpunan Partisi

Dalam setiap pewarnaan G yang memungkinkan, himpunan simpul yang

diwarnai secara identic haruslah himpunan independen G.

GCP setara dengan :

t
min z= ∑ w j
i=1
t
∑ e ij w j =1i= 1,… , n
j =1
w j =0,1 j=1 ,…, t

Dalam formulasi ini, jumlah variable (karena sama dengan jumlah himpunan
independen graf G) cukup besar.

4
 p
min z= ∑ y j
i=1
t
∑ e ij y j ≥1 i=1 ,…, n
j =1
y j =0,1 j=1 ,…, p

Untuk pertidaksamaan dengan kemungkinan pewarnaan berlebih.

Formulasi ini jauh lebih baik daripada yang sebelumnya, ini metode solusi
yang layak untuk GCP, karena ada algoritma yang efisien. Metode yang lebih
spesifik untuk memecahkan masalah disimpulkan dengan menjelaskan beberapa
hasil sederhana, yang sering memungkinkan pengurangan jumlah pekerjaan yang
terlibat dalam penyelesaian GCP.

2.1.3 Pengurangan Elementer dalam Ukuran Soal

(i) Misalkan
x s dan x t adalah dua simpul dari graf G=( X , Γ ) dengan

Γx s ⊆ Γx t . Terlihat bahwa warna apapun yang layak untuk simpul x t

juga akan layak untuk

x s , sehingga hanya perlu menggunakan algoritma
' '
untuk mewarnai secara optimal (sub) graf G =( X , Γ ) .
(ii) Sekali lagi, misalkan grafik G berisi himpunan artikulasi yang merupakan
klik, Q, dari kardinalitas p, katakanlah. Artinya, menghilangkan Q dari
grafik akan membagi grafik menjadi dua, hari, komponen disjoin,
G=( X 1 , Γ 1 )
dan
G=( X 2 , Γ 2 )
, dimana X 1 ∪X 2 =X −Q sehingga

pewarnaan dari X 1 tidak terpengaruh oleh pewarnaan X 2 , dan

sebaliknya.

2.2 Algoritma Pewarnaan Graf Urutan Verteks.

2.2.1 Algoritma Dasar dan Beberapa Variasinya
2.2.1.1 Algoritma Pewarnaan Simpul-demi-Simpul

5
 Berikut ini kita asumsikan bahwa simpul-simpul G=( X , Γ ) memiliki
urutan sekuensial terkait (pada tahap ini sewenang-wenang) 1 2 n . x ,x ,..., x
Algoritme dasar dan terkenal (Brown, 1972) untuk menemukan pewarnaan
optimal G kemudian menetapkan warna ke simpul G dalam urutan menaik dari
indeksnya sebagai berikut.
Awalnya kami menetapkan warna 1 ke x dan kemudian mewarnai simpul
yang tersisa secara berurutan dengan menetapkan ke simpul i x ,2≤i≤n
warna
C ( xi )
diwakili oleh bilangan bulat terendah yang belum ditetapkan ke salah satu
x
simpul indeks lebih rendah dari i yang berdekatan dengan i . Artinya, setiap
simpul secara berurutan diberi warna layak terendah, sehingga
C ( x i ) ≤max j<i {C ( x i ) }+1 , i=1,2, . .. , n
.

Jika
xn telah diwarnai dengan cara ini, pewarnaan G yang layak akan
dicapai dengan menggunakan q1 , katakanlah, warna di mana
q1 =max 1≤i≤n {C ( x i ) }
Meskipun pewarnaan ini jarang menjadi optimal (setelah
lintasan pertama), q, jelas akan berfungsi sebagai batas atas untuk fase algoritme
berikutnya, di mana kami mencoba untuk menghasilkan pewarnaan yang layak
menggunakan q 2≤q1 −1 q2 <q, -1 warna. Untuk mencapai ini kita tentu saja

harus mewarnai ulang (setidaknya) simpul-simpul yang telah kita beri warna q1 .
Karenanya kami mundur ke simpul
x k , dimana x k+1 adalah simpul dengan
indeks terendah yang telah diberi warna q1 .
x
Kami kemudian mencoba mewarnai k dengan warna alternatif terkecil
C x
(layak) yang lebih besar dari warna ( k ) saat ini. Jika tidak ada warna
alternatif, c, yang lebih kecil dari q1 , kita mundur ke x k . Sebaliknya jika
c <q 1 , kita mewarnai ulang x k dengan c, dan melanjutkan ke depan seperti
x
sebelumnya, mewarnai k+1 dengan warna terkecil yang layak, dll., Sampai saat
x, diwarnai atau beberapa titik x, tercapai yang membutuhkan warna q1 .

Dalam kasus pertama pewarnaan yang layak menggunakan q 2 <q 1 ,

warna telah diperoleh, dan dengan mengganti q1 , dengan q 2 dalam prosedur
di atas kita mundur lagi dalam upaya untuk menemukan pewarnaan menggunakan
q3 ≤q2 −1 warna; sedangkan dalam kasus terakhir kita mundur lagi dari x 1 ,
dan melanjutkan seperti sebelumnya. Ketika kita akhirnya berusaha untuk
mundur melewati x 1 , algoritma berakhir dengan q sebagai bilangan kromatik

6
dari G, di mana q adalah bilangan bulat terkecil dimana pewarnaan yang layak
C x
telah diperoleh, dengan pewarnaan aktual diberikan oleh ( i ) di kekuatan
pada saat itu.
Contoh Perhatikan grafik 7-titik G pada Gambar 8.3.

Gambar 2.2
C ( xi)
Nilai berurutan dari yang ditetapkan ke vertex dari G sebagai berikut:
C ( x 5 ) =3
C ( x 4 ) =2 C ( x5 )=1 C ( x 6 )=3
C ( x 5 ) =3
C ( x 4 ) =3 C ( x 5 ) =1 C ( x6 ) =3
C ( x 5 ) =2 C ( x6 ) =3
C ( x 3 )=3 C ( x 4 ) =1 C ( x5 )=2 C ( x 6 )=3
C ( x 5 ) =3
C ( x 4 ) =2 C ( x5 )=1 C ( x 6 )=3
C ( x 5 ) =3
C ( x 4 ) =3 C ( x 5 ) =1 C ( x6 ) =3
C ( x 5 )=2 C ( x 6 ) =3 C ( x 7 )=1

Jadi pewarnaan telah ditemukan yang melibatkan hanya 3 warna, yaitu

viz . {( x1 , x 7 ) , ( x2 , x 5 ) , ( x 3 , x 4 , x 6 ) }
,dan karena tidak ada kemungkinan mundur
lebih lanjut, algoritme berakhir, dengan γ ( G ) =3 .

7
2.2.1.2 Peningkatan ke Simple Algoritma
Dalam presentasi yang diberikan di atas, kita telah secara implisit
x i , tidak dapat diwarnai dengan warna
memanfaatkan fakta bahwa jika simpul
yang digunakan untuk simpul sebelumnya ( i−1 ) , maka kita hanya perlu
mempertimbangkan penetapan warna q+1 hingga
x i , di mana
q=max j <i {C ( x i ) }
sebagai satu-satunya alternatif untuk percabangan maju pada
tahap ini. Hasil ini, yang secara resmi dibuktikan dalam (Brown, 1972), secara
alami mengarah ke beberapa batasan ukuran pohon pencarian.
Khususnya, kita tahu bahwa satu-satunya warna yang akan ditetapkan ke
simpul x 1 , selama proses algoritme adalah warna 1. Demikian pula, satu-satunya
alternatif yang akan dipertimbangkan untuk simpul x 2 adalah warna 1 dan 2,
tergantung pada apakah x 1 , dan x 2 , memiliki warna yang sama atau berbeda.

Jadi, jika x 2 , berbatasan dengan x 1 , (sehingga tidak dapat diwarnai sama)

maka satu-satunya warna yang dipertimbangkan untuk x 2 adalah warna 2.
Mengulangi argumen ini, kita melihat bahwa jika simpul
x ,x ,..., x
1 2 p
merupakan sebuah klik, akan ada satu warna yang ditetapkan untuk masing-
masing sepanjang jalannya algoritma; oleh karena itu algoritme dapat dihentikan
ketika semua penelusuran mundur dari simpul
x p+1 telah diselesaikan, sehingga
sekali lagi mengurangi pencarian.

2.2.2 Algoritma Pencarian Dikotomis

Meskipun metode yang baru saja dijelaskan mengarah pada algoritma
yang efektif untuk pewarnaan graf, mereka tidak benar-benar melibatkan prinsip-
prinsip teori-graf yang berkaitan dengan masalah itu sendiri. Maka wajar untuk
mencari metode solusi yang didasarkan pada beberapa konsep teoretis grafik yang
mendasari, dan ini kita lakukan di bagian selanjutnya dari bab ini. Jadi, sekarang
kita membahas metode dari tipe yang berbeda (Zykov, 1952) yang juga dapat
digolongkan sebagai pendekatan simpul-demi-simpul.
2.2.2.1 Metode Asli Zykov

Mari kita pertimbangkan sembarang dua simpul tak bersebelahan, x1 ,

dan x 2 , katakanlah, dari graf n-simpul G=( X , Γ ) yang akan diwarnai.

Sekarang setiap pewarnaan yang layak dari G harus jatuh ke dalam salah satu dari
dua kelas yang saling eksklusif berbeda, masing-masing terdiri dari pewarnaan di
mana x 1 dan x 2 , diberi warna yang sama (mana pun itu) dan di mana x 1 ,

8
dan x 2 diberi warna berbeda . Dalam kasus sebelumnya, G adalah warna-
setara dengan (n - 1) -vertex pseudo-graph, G, diperoleh dengan menggabungkan
x 1 , dan x 2 menjadi satu 'pseudo-vertex x̄ 1 , yang digabungkan ke semua

simpul dari Γx 1∪Γx 2 ,. Dalam kasus terakhir, karena x 1 dan x 2 harus

diwarnai berbeda, maka tidak penting apakah x 1 , bersebelahan atau tidak
dengan x 2 , sehingga G setara dengan warna pada grafik n-simpul
G+ =( X , Γ − ) diperoleh dari G dengan menjumlahkan busur ( x 1 , x2 ) .

Prosedur yang sama kemudian diterapkan ke masing-masing grafik

(dikurangi) baru ini, dll., Dengan seluruh proses berlanjut sampai tidak ada graf
tereduksi yang tersisa yang berisi pasangan simpul yang tidak bersebelahan,
dalam hal ini γ ( G ) akan menjadi bilangan kromatik minimum dari salah satu
graf tidak dapat dipercaya dan terhubung sepenuhnya ini.
Dengan demikian pewarnaan yang optimal dari G adalah salah satu yang
diasosiasikan dengan graf terhubung lengkap dari simpul terkecil yang diperoleh
dengan metode dikotomis di atas, pewarnaan sebenarnya ditentukan dengan
mewarnai dengan warna yang sama simpul-simpul yang telah digabungkan satu
sama lain selama berlangsungnya algoritma.

Gambar 2.3 γ ( G ) −min ( 5,4,4,4,3,4,3,3 )

2.2.2.2 Perbaikan pada Algoritma Dasar

9
 Terlihat dengan jelas bahwa algoritma di atas relatif rumit baik dalam
waktu komputasi dan penyimpanan di mana (a) banyak grafik yang dikurangi
akan dihasilkan yang pada perhitungan akhir tidak akan berpengaruh pada
penentuan. dari bilangan kromatik; dan lebih dari itu, (b) ada kemungkinan
besar sejumlah besar grafik tereduksi yang isomorfik, atau hampir isomorfik, satu
sama lain, sehingga menyebabkan replikasi yang besar ketika masing-masing
grafik ini kemudian (secara individual) berkurang.

Dengan maksud untuk meningkatkan efisiensi algoritma ini, varian

pencarian pohon kedalaman-pertama dari metode ini telah diusulkan (Corneil dan
Graham, 1973). Algoritma ini memanfaatkan fakta bahwa jumlah simpul, q,
dalam setiap graf tereduksi yang terhubung sepenuhnya yang dihasilkan

  G
merupakan batas atas yang jelas pada , sehingga tidak perlu untuk
bercabang dari graf tereduksi (pada tahap mana pun) yang berisi klik dari
kardinalitas q. Juga, dengan memilih dua simpul yang tidak bersebelahan untuk
dipertimbangkan pada cabang manapun sebagai elemen dari bagian dari simpul
'terhubung dengan rapat' bila memungkinkan seseorang dapat mencoba untuk
mengarahkan pencarian secara heuristik dengan tujuan untuk menghasilkan
reduksi yang terhubung sepenuhnya grafik sedini mungkin.

Namun, seperti yang ditunjukkan oleh hasil komputasi dalam Corneil dan
Graham (1973), modifikasi ini, meskipun sangat meningkatkan algoritme, tidak
dapat sepenuhnya mengatasi kelemahan bawaan dari metode utama. Oleh karena
itu, pada bagian berikut, kami mempertimbangkan kelas yang sama sekali
berbeda dari algoritme pewarnaan grafik yang juga didasarkan pada aspek
teoretis-grafik dari GCP.

2.3 Algoritma Pewarnaan Graf Urutan Warna

Terlihat di atas bahwa masalah pewarnaan graf (GCP) dapat dirumuskan,

dan dipecahkan, sebagai masalah yang mencakup himpunan yang lebih umum
(sCP) dengan menggunakan himpunan independen maksimal (MI) dari grafik
yang diberikan sebagai set penutup. Teorema 8.4 di bawah ini, yang menjadi
dasar pendekatan sCP, sebenarnya dapat digunakan untuk mendapatkan pencarian

10
pohon secara langsung. Metode ini melibatkan, pada setiap tahap pencarian,
pewarnaan simultan dari semua simpul yang diusulkan untuk menetapkan warna
tertentu. Jadi, seseorang dapat secara ekuivalen memperlakukan pendekatan ini
sebagai penugasan himpunan simpul ke warna, dalam urutan warna yang
berurutan. Bagian ini menjelaskan strategi seperti itu, dari permulaannya sebagai
algoritma pencarian pohon pertama-luas yang sederhana, melalui serangkaian
modifikasi, yang akhirnya mengarah pada prosedur pencarian pohon kedalaman
pertama yang menggunakan grafik lebih lanjut hasil teoretis.

2.3.1 Pendahuluan

Dasar untuk semua algoritma sekuensial warna dari bagian ini adalah
teorema berikut (Christofides, 1971).

G  X , 
Teorema 8.4 Setiap graf dapat diwarnai secara optimal dengan
pewarnaan dengan warna pertama beberapa himpunan independen

maksimal, M 1 , dari G kemudian mewarnai dengan warna kedua beberapa

himpunan independen maksimal, M 2 , dari G1  G  M , dan begitu

Gk   X k ,  
seterusnya sampai semua simpul telah diwarnai, di mana

k
X k  X  j 1 M j G0  G .
dengan , dan

Algoritma pencarian pohon pertama yang lengkap berdasarkan langsung

pada teorema ini diberikan dalam Christofides (1971), metode itu sendiri lebih
mudah dijelaskan dengan memperkenalkan konsep subset r-colourable maksimal,

M r , dari grafik G sebagai subset maksimal dari simpul G yang membutuhkan

tidak lebih dari r warna untuk pewarnaan yang layak. (Jadi, himpunan
independen G adalah 1-dapat-warnai, dan hanya himpunan bebas yang 1-

  G
berwarna, sedangkan jelas merupakan bilangan bulat terkecil yang X,
himpunan puncak G, dapat diwarnai; famili dari MIS dari G mewakili himpunan
bagian maksimal 1 yang dapat diberi warna dari G, sementara itu dengan mudah
terlihat bahwa X itu sendiri adalah himpunan bagian berwarna-y maksimal yang

11
unik). Teorema 8.4 kemudian menyiratkan bahwa hanya himpunan bagian yang
dapat diberi warna maksimal yang perlu dipertimbangkan untuk pewarnaan
potensial. Lebih jauh lagi, seperti yang dapat dengan mudah dibuktikan dengan

kontradiksi keluarga, M r , (dimana M menunjukkan keluarga himpunan M, dll.)

M  jr 
Dari himpunan bagian maksimal r-colourable, , dari G dapat ditentukan dari

keluarga M r 1 dengan menggunakan relasi pengulangan berikut:

M ir   M ir 1 M k1  Gr' 1 

2.3.2 Perbaikan pada Algoritma Sederhana

Daripada menentukan secara langsung semua SIM dari grafik

G '  G  M  jr 
, pada setiap tahap, seseorang dapat memanfaatkan fakta bahwa

M  M ir 
semua SIM dari harus dalam bentuk , di mana M adalah sebuah MIS

dari grafik asli G, untuk menentukan


M G  M ir   langsung dari
M  G

(Roschke dan Furtado, 1973).

Perbaikan lebih lanjut dapat dicapai dengan pemangkasan search-true

sebagai berikut. Diberikan setiap pewarnaan optimal dari graf G yang simpul x,
adalah x6

Gambar 2.4

12
 C  xi 
menetapkan warna , jelas terlihat bahwa seseorang dapat

memperoleh pewarnaan optimal ekivalen dimana beberapa simpul tertentu, x0 ,

katakanlah, diberi warna tertentu, c , katakanlah. Ide sederhana ini dapat
diterapkan pada algoritma pencarian pohon dari bagian sebelumnya, untuk
mengurangi ukuran pohon pencarian, dengan menentukan (pada tahap manapun)
beberapa simpul spesifik yang akan diberi warna berikutnya dalam urutan.
warna.

Lebih khusus lagi, pada tahap pertama dari algoritme seseorang hanya
j *
perlu mempertimbangkan MIS tersebut, M 1 , yang berisi beberapa simpul x1
tertentu dari X . Demikian pula, pada setiap tingkat r kita hanya perlu

G  M  jr 
mempertimbangkan untuk mencabangkan lebih lanjut MIS tersebut,

xr*  X  M  jr 1
yang berisi beberapa simpul , pilihan yang jelas untuk x * adalah

simpul yang dimiliki Ms paling sedikit dari


G  M rj1 M 0j   .
Dilaporkan dalam Roschke dan modifikasi di atasnya, jika digabungkan
ke dalam algoritme penelusuran pohon dasar, akan menghasilkan peningkatan
efisiensi yang signifikan. Rtado (1973) dan Wang (1974). Contoh Kami
mengilustrasikan algoritme yang dimodifikasi dengan menemukan pewarnaan
optimal untuk grafik G (diambil dari Wang, 1974).

Masalah Pewarnaan-Graf mewakili subgrafik ke-j dari simpul yang

belum diwarnai yang akan diukur pada setiap tingkat r, M, mewakili himpunan
simpul yang akan diberi warna r (sehingga mengarah ke subgraf G), sedangkan
urutan dalam dimana node dianggap untuk tujuan percabangan ditunjukkan oleh
indeks di kanan atas setiap node.

2.3.3 Pendekatan Ekuivalen Kedalaman-Pertama

Pencarian pohon luas-pertama yang baru saja dijelaskan dapat dengan

mudah disesuaikan dengan prosedur kedalaman-pertama dengan cara biasa.

13
Kami merinci di bawah deskripsi yang tepat dari algoritma pewarnaan grafik
kedalaman-pertama (Wang, 1974) yang sesuai dengan metode yang dijelaskan di
bagian sebelumnya.

2.3.3.1 Algoritma Pewarnaan Graf Kedalaman-Pertama

M  G q X
Langkah 0 Hitung , keluarga MIS dari G . Himpunan dan

C  j   j , j  1,..., q
menginisialisasi .

Langkah 1 Himpunan G '  G, r  1 .

Langkah 2 Jika r  q pergi ke 8, jika tidak lanjutkan ke 3.

Langkah 3 Turunkan M (G') (dari M (G)) dan tetapkan x * sebagai simpul

diperoleh dalam jumlah himpunan terkecil dalam M (G '), katakanlah ini
1 2 m
adalah M r , M r ,..., M r

Langkah 4 Set pr  m, hr  0 .

Langkah 5 Jika hr  pr , lanjutkan ke 8, jika tidak naikkan hr  hr  1 dan

lanjutkan ke Langkah 6.

Langkah 6 Atur M '  mr , G '  G ' M ' . Jika G '   lanjutkan ke 7, jika tidak,
h

tambahkan r  r  1 dan kembali ke Langkah 2.

Langkah 7 Pewarnaan yang layak menggunakan warna telah dicapai, yaitu


M 1h1 , M 2h2 ,..., M rhr ; set q  r dan tentukan C  j   xi xi  M j
hj
 untuk
j  1,..., r .

  G  q
Langkah 8 Jika r  1 , STOP dengan dan fungsi pewarnaan terkait

C  .
, jika tidak atur r  r  1, G '  G ' M r , dan kembali ke Langkah 5.
h

14
 Contoh Pohon pencarian yang diperoleh saat menerapkan algoritme di
atas ke grafik G pada Gambar 8.5 pada dasarnya mirip dengan yang digambarkan
pada Gambar 8.6, tetapi dengan node yang dipertimbangkan dalam urutan yang
berbeda. Jadi pertama-tama kita akan melanjutkan ke bawah jalur paling kiri dari
pohon dengan mempertimbangkan node 1, 2, 4, dan 7, dan seterusnya
menghasilkan simpul lebih lanjut (berasal dari 7) dengan menetapkan warna 4 ke

M 41   x6 
kumpulan simpul . Pada tahap ini pewarnaan yang layak menggunakan
4 warna tercapai dan kami akan mundur ke simpul 1 (melalui simpul 7, 4, dan 2
karena tidak ada alternatif percabangan untuk ini node) dan kemudian
melanjutkan ke jalur alternatif dalam upaya untuk menemukan pewarnaan yang
melibatkan 3 warna atau kurang.

Saat pewarnaan seperti itu ditemukan, kami menggunakan yang terakhir

ini untuk memperbarui solusi yang layak yang ditemukan sebelumnya dan
mundur sekali lagi, tetapi karena tidak ada alternatif percabangan lebih lanjut,
algoritme akan berhenti dengan solusi optimal yang identik yang ditemukan
dalam contoh sebelumnya.

2
(Perlu dicatat bahwa jika kita akan mempertimbangkan M 1 untuk tujuan

percabangan sebelum M 11 , sehingga pewarnaan pertama yang mungkin

dihasilkan adalah
M 1
2
, M 22 , M 32 , hanya sebanyak node yang akan dianggap
digunakan dalam metode luas-pertama dari Gambar 8.6, karena simpul 7 tidak
akan dipertimbangkan karena batas cut-off.

Selanjutnya kami mempertimbangkan algoritma pencarian pohon untuk

pewarnaan grafik yang melibatkan strategi alternatif dalam upaya untuk
mengurangi ukuran lebih lanjut dari pohon pencarian.

2.3.4 Algoritma Ganda untuk Pewarnaan Graf

Pada bagian ini kami menjelaskan algoritma pencarian pohon kedalaman-

pertama, berdasarkan Teorema 8.5 di bawah, yang (relatif terhadap algoritma

15
berdasarkan Teorema 8.4) selanjutnya membatasi pilihan set yang akan
dipertimbangkan pada setiap tahap pencarian pohon.

2.3.4.1 Teorema Persimpangan dan Beberapa Konsekuensi

Akan ditunjukkan keluarga klik G dengan ukuran maksimum (selanjutnya

disebut klik maksimurn G) sebagai:


Qˆ  G   Qi Qi  Q  G  , Qi    G  
Q̂  G   Q  G 
di mana Q (G) mewakili keluarga klik G (sehingga ).

Teorema 2.5 (Teorema Persimpangan) (Korman, 1975) Jika untuk graf G,

  G    G
, maka pewarnaan optimal G dapat diperoleh dengan

terlebih dahulu mewarnai dengan warna 1 dan MIS G , misalkan M 1 ,

sedemikian rupa sehingga

M 1  Qi  1 Qi  Qˆ  G 

kemudian diwarnai dengan warna 2 sebuah MIS dari graf G1 , katakanlah

M 2 , sedemikian sehingga

M 2  Qi  1 Qi  Qˆ  G1 
, dll.

sampai semua simpul dari G diwarnai; dimana, seperti sebelumnya,

k
X k  X  M j
Gk   X k ,   j 1
dengan

Ringkasan Buku II
3.1 Masalah Empat Warna
Dapatkah peta pada bidang atau permukaan bola diberi warna tidak lebih
dari empat warna sehingga tidak ada dua negara yang berdekatan memiliki warna
yang sama? Setiap negara harus terdiri dari satu wilayah yang terhubung dan
negara-negara yang berdekatan adalah yang memiliki garis batas yang sama dan

16
bukan hanya satu titik yang sama. Banyak hasil luar biasa dalam teori graf telah
diperoleh sebagai produk sampingan dari upaya untuk membuktikan atau
menyangkal dugaan empat warna terkenal yang menegaskan bahwa pewarnaan
seperti itu selalu mungkin. Masalahnya bukanlah hal baru, setelah mencapai
popularitas lebih dari seratus tahun yang lalu dan kehormatan ketika
matematikawan besar Inggris Cayley mengumumkan bahwa dia telah mencoba
dan gagal untuk menyelesaikannya.
Banyak bukti keliru telah disajikan selama bertahun-tahun dan ohe, oleh
Kempe pada tahun 1879, sebenarnya berdiri selama sepuluh tahun sampai
Heawood menunjukkan kesalahan dalam pembuktiannya pada tahun 1890. Pada
saat itu Heawood membuktikan teorema lima warna, 'menunjukkan bahwa lima
warna selalu cukup untuk mewarnai peta seperti itu. Kami akan menunjukkan
bahwa untuk membuktikan konjektur empat warna sudah cukup untuk
menetapkan hasil untuk peta trivalen, yaitu untuk peta dengan tiga negara pada
simpul cach.
Teorema I Jika setiap peta planar trivalen dapat diwarnai dalam empat
warna, maka setiap peta planar dapat diwarnai dalam empat warna.
Pembuktian
Pembuktiannya mengikuti dengan memperkenalkan sebuah negara baru
yang kecil di setiap simpul dengan derajat yang lebih besar dari tiga (Gambar
10.1). Sekarang petanya trivalen.

Gambar 3.1

Jika dapat diwarnai dalam empat warna, kita dapat menciutkan masing-
masing negara baru ini menjadi beberapa titik dan peta asli akan diwarnai dengan
empat warna. Kami tidak akan membuktikan teorema lima warna di sini, tetapi
kami akan membuktikan teorema menarik yang mirip dengan yang kita bahas di
Bab 9 dan yang digunakan dalam bukti teorema lima warna.
Teorema 2 Setiap peta planar di mana setidaknya tiga sisi bertemu di
setiap simpul memiliki wajah dengan paling banyak lima sisi di perbatasannya.
Pembuktian

17
 Misalkan p adalah jumlah rata-rata sisi per titik dan q jumlah rata-rata sisi
per sisi pada peta. Kemudian p≥3 . Jika tidak ada wajah seperti itu dengan
paling banyak lima sisi, maka q≥6 . Seperti pada Soal 4 dari Latihan 9.1 kita
membuktikan 3 F ≥E+6 sehingga 6 F≥2E+ 12> 2 E . Tapi karena
q≥6 dan qF≥2 E , kita punya 6 F≤2 E , yang merupakan kontradiksi.
Ini membuktikan teorema tersebut.
Perhatikan penggunaan metode rata-rata dalam bukti ini. Sementara kami
terutama tertarik pada grafik planar, kami menyebutkan di sini generalisasi
masalah pewarnaan peta ke permukaan genus yang lebih tinggi. Suatu permukaan
adalah dari genus p≥1 jika dapat didistorsi menjadi (atau "secara topologis
setara dengan ") permukaan yang diperoleh dengan menambahkan pegangan p ke
bola. Jadi bidang dan bola memiliki genus 0. Gambar 10.2 menunjukkan
permukaan dari genus satu; bola memiliki satu pegangan yang ditambahkan
padanya. Jarum, cangkir, jangkar , donat, dan cincin kawin, semuanya memiliki
permukaan genus 1. Tombol dua lubang, teko kopi, dan pretzel berlubang dua
memiliki permukaan dari genus dua. Mungkin yang mengejutkan, masalah
pewarnaan peta telah dipecahkan untuk permukaan dari genus positif, (teorema
pewarnaan Heawood) sedangkan empat kontur warna tampaknya ditakdirkan
untuk ada untuk beberapa waktu.

Gambar 3.2
Teorema pewarnaan peta Heawood dinyatakan sebagai dugaan pada tahun
1890 dan dibuktikan selama beberapa tahun oleh Ringel dan Youngs. Kasus
terakhir diselesaikan hanya pada tahun 1968. Teorema ini dinyatakan di sini tanpa
bukti. Dalam pernyataan teorema, simbol [x] adalah bilangan bulat terbesar nsx.
Teorema 3 (Teorema pewarnaan peta Heawood) permukaan genus p
1
dengan p≥1 , dapat ditunjukkan bahwa
[ 2
( 7+ √1+48 p )
warna sudah
]
cukup dan mungkin diperlukan. Untuk mewarnai peta pada a Harus ditunjukkan
bahwa sementara bagian mudah dari empat kontur warna adalah untuk
menunjukkan bahwa empat warna mungkin diperlukan, bagian mudah dari
1
dugaan Heawood adalah untuk menunjukkan bahwa
[ 2
( 7+ √1+48 p ) ] warna
sudah cukup. Heawood sendiri melakukan ini pada tahun 1890.

18
 Perhatikan bahwa jika p = 0 dalam Teorema 3, permukaan yang terlibat
1
adalah bidang atau bola dan
[ 2 ]
( 7 + √1+ 48 ( 0 ) ) =4
sehingga p = 0 dalam
Teorema Heawood setara dengan teorema empat warna. Sejumlah hasil mengenai
konjektur empat warna telah diumumkan baru-baru ini tetapi belum terselesaikan.
Saat buku ini dicetak, hasil terbaik yang diketahui tampaknya jadi semua peta
dengan kurang dari 36 negara dapat diwarnai dengan empat warna.
3.2 Mewarnai Grafik
Sebelumnya kami menunjukkan bahwa masalah pewarnaan peta adalah
kasus khusus dari masalah pewarnaan grafik. Grafik G yang sesuai dengan peta
dapat diperoleh dengan mengambil interior titik untuk setiap wilayah peta sebagai
simpul G dan dengan menggabungkan dua simpul G dengan sebuah tepi jika
kawasan yang bersangkutan pada peta memiliki batas yang sama. Syarat
pewarnaan peta, yaitu dua daerah dengan batas yang sama harus diberi warna
berbeda, menjadi syarat dua simpul yang berdekatan pada graf G harus diberi
warna berbeda, yaitu syarat pewarnaan graf G yang tepat.
Jika sebuah peta (mewakili negara-negara yang masing-masing terdiri dari
satu wilayah yang terhubung dengan negara-negara yang berdekatan memiliki
garis batas dan bukan hanya satu titik yang sama) digambar pada bidang, maka
grafik yang sesuai G adalah grafik planar, yaitu grafik yang dapat digambar pada
bidang sedemikian rupa sehingga ujung-ujungnya hanya berpotongan pada
simpul. Telah ditunjukkan di Bagian 1.3 bahwa grafik pada Gambar 1.21
bukanlah grafik planar. Oleh karena itu, kami melihat bahwa masalah pewarnaan
peta setara dengan masalah pewarnaan graf planar. Mengingat bahwa P (G , λ )
adalah kependekan dari jumlah cara mewarnai graf G dengan 2 warna atau
kurang, empat konjektur warna yang terkenal, bahwa setiap peta planar dapat
diwarnai paling banyak dalam empat warna, dapat diformulasi ulang sebagai 10.2
Mewarnai Grafik Pada Bagian 1.4 kami menunjukkan bahwa masalah pewarnaan
peta adalah kasus khusus dari masalah pewarnaan grafik. Grafik G yang sesuai
dengan peta dapat diperoleh dengan mengambil interior titik untuk setiap wilayah
peta sebagai simpul G dan dengan menggabungkan dua simpul G dengan sebuah
tepi jika kawasan yang bersangkutan pada peta memiliki batas yang sama. Syarat
pewarnaan peta, yaitu dua daerah dengan batas yang sama harus diberi warna
berbeda, menjadi syarat dua simpul yang berdekatan pada graf G harus diberi
warna berbeda, yaitu syarat pewarnaan graf G yang tepat.
Jika sebuah peta (mewakili negara-negara yang masing-masing terdiri dari
satu wilayah yang terhubung dengan negara-negara yang berdekatan memiliki
garis batas dan bukan hanya satu titik yang sama) digambar pada bidang, maka
grafik yang sesuai G adalah grafik planar, yaitu grafik yang dapat digambar pada
bidang sedemikian rupa sehingga ujung-ujungnya hanya berpotongan pada

19
simpul. Telah ditunjukkan di Bagian 1.3 bahwa grafik pada Gambar 1.21
bukanlah grafik planar.
Oleh karena itu, kami melihat bahwa masalah pewarnaan peta setara
dengan masalah pewarnaan graf planar. Mengingat bahwa P (G , λ ) adalah
kependekan dari jumlah cara mewarnai graf G dengan 2 warna atau kurang, empat
konjektur warna yang terkenal, bahwa setiap peta planar dapat diwarnai paling
banyak dalam empat warna, dapat diformulasi ulang sebagai

P (G , 4 )≠0 jika G adalah planar

Jika P (G , 4 )=0 berarti G tidak bisa diwarnai didalam empat warna

3.3 Lebih lanjut tentang Polinomial Kromatik

Berbagai jalan pintas tersedia di mana penghitungan polinomial kromatik

(sebelumnya dipelajari di Bagian 1.4, 3.3, dan 5.6) dapat difasilitasi. Beberapa di
antaranya terkandung dalam teorema berikut. Ide-ide ini menggambarkan cara di
mana teknik matematika apa pun dapat dikembangkan menjadi alat yang efektif
dengan studi lebih lanjut.

TEOREMA 1 Jika graf G terdiri dari k komponen G1 , G2 ,..., Gr , maka

P  G,    P  G1 ,   P  G2 ,   ...P  Gk ,  
.

(Hal ini dinyatakan untuk k = 2 dalam Teorema 4 dari Bagian 5.6)

Pembuktian. Karena komponen-komponennya saling lepas, pewarnaan

masing-masing sangat tidak bergantung pada pewarnaan yang lain. Karenanya
jumlah cara mewarnai seluruh grafik hanyalah hasil kali dari jumlah pewarnaan
komponen yang terpisah (prinsip perkalian).

Dalam teorema di atas kami menggunakan istilah "subgraf" dan berasumsi

bahwa pembaca memiliki gagasan intuitif tentang arti istilah tersebut. Graf H
adalah sub-graf dari graf G jika simpul H adalah simpul G dan jika tepi H adalah

sisi G. Pada Gambar 10.3, H1 adalah subgraf dari G tetapi H 2 bukan.

Dalam teorema berikut kami menggunakan istilah "tumpang tindih dalam

grafik lengkap" seperti yang diterapkan pada dua subgrafik X dan Y dari grafik G.

20
Kita mengatakan bahwa dua subgrafik X dan Y dari grafik G tumpang tindih
dalam grafik lengkap jika himpunan simpul dari X dan BAGH,

Gambar 3.3

Y memiliki k simpul yang sama dan jika setiap pasangan dari k simpul ini
bergabung dengan sebuah sisi di X dan Y.

CONTOH I Subgraf X dan Y dari grafik G (Gambar 10.4) tumpang tindih secara
lengkap grafik pada tiga simpul.

Gambar 3.4

TEOREMA 2 Jika dua buah graf X dan Y saling tumpang tindih dalam
satu graf utuh pada k simpul, maka polinomial kromatik graf G yang
merupakan kumpulan dari semua simpul dan sisi-sisi X dan Y adalah

P X , P Y,
 k

Bukti. Karena bagian persekutuan dari X dan Y adalah graf lengkap pada k
 k
simpul, banyaknya cara pewarnaannya adalah  (Teorema 2, Bagian 5.6).

P  X ,    k
Untuk setiap pewarnaan dari k simpul ini akan ada cara mewarnai

p  Y ,    k
simpul yang tersisa dari X dan cara mewarnai simpul yang tersisa
dari Y . Karenanya jumlah totalnya pewarnaan adalah

21
 P  X ,   P  Y ,   P  X ,   .P  Y ,  
 k . . 
 k  k  k

sesuai kebutuhan.

CONTOH 2 Grafik X dari Contoh 1 berisi subgraf lengkap pada tiga simpul.
Tunjukkan bahwa banyaknya cara mewarnai kedua simpul yang tersisa adalah

P  X ,     3
(seperti pada bukti Teorema 2).

Solusi. Dengan menggunakan teknik iteratif dari Bagian 5.6 kita dapat menulis
(Gambar 10.5).

Gambar 3.5

Jadi

P  X ,      5  3  4   2  3
   3   2  4  5 

Sehingga

P  X ,     3   2  4  5

Sifat-Sifat Polinomial Kromatik

Sekarang kita akan membuat daftar tanpa bukti beberapa sifat dari
polinomial kromatik P (G, 1) dari graf G. Kita misalkan n menunjukkan jumlah
simpul G.

22
 TEOREMA 4 Polinomial kromatik pada n-gon adalah

   1   1    1 .
n n

Gambar 4.6

P  G,  
TEOREMA 5 Derajat adalah n.

P  G,  
TEOREMA 6 Koefisien  dalam
n
adalah 1.

TEOREMA 7 P (G , λ ) tidak memiliki suku tetap.

TEOREMA 8 Istilah dalam P (G , λ ) bergantian dalam tanda.

TEOREMA 9 Nilai absolut dari koefisien kedua P (G , λ ) adalah banyaknya

rusuk pada G.
n−1
TEOREMA 10 Jika G adalah graf terhubung, maka P (G , λ ) ≤λ ( λ−t ) untuk
sembarang bilangan bulat positif λ .
TEOREMA 11 Kondisi yang perlu dan cukup untuk graf G yang memiliki n
n−1
simpul untuk menjadi pohon adalah bahwa P (G , λ ) ≤λ ( λ−t )
r
TEOREMA 12 Jika G dihubungkan maka nilai absolut dari koefisien λ dalam

P (G , λ ) tidak kurang dari (n−1

r−1 ) .

bukan nol pada P (G , λ )

r
Akibat Bilangan terkecil r yang memiliki koefisien λ
adalah jumlah komponen G.
Masalah Yang Tidak Terselesaikan
Ada banyak masalah yang belum terpecahkan mengenai polinomial
kromatik yang dapat dengan mudah dirumuskan; kami hanya akan menyebutkan
beberapa. Pertama dan yang paling utama adalah pertanyaan, "Apa yang membuat
polinomial kromatik"? Kami telah menyebutkan berbagai kondisi yang

23
diperlukan untuk suatu polinomial menjadi polinomial kromatik dari beberapa
graf (Teorema 5, 6, 7, 8, 10), tetapi tidak ada yang cukup. Misalnya, polinomial

λ 4 −3 λ3 +3 λ 2
memenuhi kondisi ini tetapi bukan polinomial kromatik dari grafik
manapun. Masalah mengkarakterisasi polinomial kromatik belum terpecahkan.
Masalah lain yang belum terpecahkan dengan nada yang sama adalah menentukan
bilangan apa yang dapat menjadi akar dari polinomial kromatik.
Properti yang sangat terlihat ketika seseorang memeriksa beberapa
polinomial kromatik itu n penurunan; dua koefisien yang berurutan mungkin
sama, tetapi tampaknya orang tidak pernah mengamati koefisien yang diapit oleh
koefisien yang lebih besar, dan wajar untuk menduga bahwa koefisien selalu
berperilaku seperti ini. Sangat mudah untuk menunjukkan bahwa koefisien
dibatasi dalam besaran absolut yang pertama kali koefisien berkerut dalam
besaran absolut, dan dengan koefisien yang sesuai dalam polinomial kromatik dari
grafik lengkap pada jumlah simpul yang sama (buktinya akan ditinggalkan
sebagai latihan untuk pembaca); dan tentunya batas atas ini pertama-tama
meningkat dan kemudian menurun. Tetapi apakah ini benar untuk semua
polinomial kromatik masih merupakan pertanyaan terbuka.
Sekali lagi, kenaikan dan penurunan koefisien ini menunjukkan bahwa
untuk nilai besar n koefisien dalam polinomial kromatik dari kebanyakan grafik
pada n simpul mungkin mendekati beberapa distribusi statistik unimodal yang
terkenal.
Jelas bahwa grafik yang berbeda mungkin memiliki polinomial kromatik
yang sama. Misalnya, semua pohon dengan n simpul memiliki polinomial
berwarna yang sama. Secara lebih sederhana, grafik yang berbeda pada Gambar
10.8 memiliki polinomial kromatik yang sama.

Gambar 3.7

3.5 Lemma Sperner

Teorema 1 : Misalkan titik interior ke segmen garis AB diberi label A atau

B dengan apapun. Kemudian ada jumlah ganjil dari segmen garis kecil berlabel
AB atau BA.

24
 Gambar 3.8

Bukti. Bukti induktif diberikan. Tambahkan satu poin ke AB. Jika titik ini diberi
label A atau B, salah satu segmen kecil yang dihasilkan diberi label AB. Andaikan
teorema benar jika n poin diambil di segmen AB dan anggap jumlah segmen
berlabel AB atau BA adalah angka ganjil.

Lemma Sperner (1928) Pertimbangkan sebuah partisi menjadi segitiga yang

lebih kecil dengan memilih sejumlah titik di sisi segitiga atau dibagian dalamnya.
Beri label titik di sisi AB dengan A atau B, tandai titik-titik di sisi BC dengan B
atau C, tandai titik-titik di sisi CA dengan C atau A, dan beri label titik-titik
interior A, B, C dengan apapun. Maka banyaknya segitiga kecil berlabel ABC
adalah ganjil.

Gambar 3.9

Bukti. Pertimbangkan semua segitiga kecil dan hitung semua tepinya berlabel AB.
Jika segmen interior diberi label AB, maka dihitung 2 kali, segmen eksterior AB
hanya dihitung sekali. Jika segitiga kecil tidak diberi label ABC maka tidak ada
sisi yang berlabel AB atau 2 sisinya diberi label AB.

Tempatkan titik-titik disepanjang keliling dan dibagian dalam polygon. Ini

menghasilkan triangulasi polygon. Dalam sebuah triangulasi, segitiga hanya
terhubung pada simpul. Misalnya, perhatikan ABCD segiempat yang ditunjukkan
gambar dibawah ini. Dalam hal ini titik E ada di sisi AC segitiga ABC. ABCD
segiempat belum di triangulasi.

25
 Gambar 3.10 Gambar 3.11

Teorema 2 : Perhatikan setiap triangulasi dari sebuah polygon P. Misalkan

Npadalah banyaknya ruas garis pada keliling P dan N T jumlah segitiga dalam
triangulasi P. Np dan NT memiliki paritas yang sama.

Bukti. Misalkan N1 adalah banyaknya ruas garis interior. Karena setiap ruas garis
pada keliling termasuk dalam satu segitiga sementara setiap ruas garis dalam
berada di sisi dua segitiga, jumlah total sisi semua segitiga dalam segitiga tersebut
adalah:

2N1 + Np = 3NT

Oleh karena itu,

Np – NT = 2NT – 2N1 = 2(NT – N1)

Yaitu Np – NT adalah bilangan genap. Perbedaan antara dua bilangan bulat genap
hanya jika bilangan bulatnya ganjil atau genap. Dengan demikian teorema tersebut
terbukti. Teorema 2 melibatkan pembagian polygon menjadi segitiga.

Gambar 3.12

26
 Teorema 3 : Misalkan polygon P dibagi menjadi polygon. N p banyaknya
ruas garis pada keliling, dan No banyaknya polygon interior dengan jumlah sisi
ganjil, memiliki paritas yang sama.

Corrolary. Misalkan semua diagonal polygon cembung dengan n sisi digambar

untuk mendekomposisi polygon, maka No banyaknya subpoligon yang diproduksi
memiliki jumlah sisi ganjil, memiliki paritas yang sama dengan n.

Gambar 3.13

Perbandingan Buku I dan Buku II

No. Buku I Buku II

1. Penjelasan konsep/definisi Penjelasan konsep/definisi

(sejenis) yang dibahas buku I
misalnya ditinjau dari variasi
contoh soal,
media/grafik/gambar/illustrasi
sangat baik
(sejenis) yang dibahas buku II
seperti ditinjau dari variasi
contoh soal,
media/grafik/gambar/illustrasi
sangat baik karena disertai
pembuktian teorema

2. Kedalaman penjelasan Kedalaman penjelasan

konsep/definisi (sejenis) yang
dibahas pada buku I misalnya
ditinjau dari variasi contoh soal,
media/grafik/gambar/illustrasi
baik disbanding buku II
konsep/definisi (sejenis) yang
dibahas pada buku II
misalnya ditinjau dari variasi
contoh soal,
media/grafik/gambar/illustrasi
kurang baik

3. Dalam buku I memiliki Dalam buku II juga memiliki

pendahuluan/illustrasi awal pendahuluan/illustrasi awal
sebagai pengantar terhadap sebagai pengantar terhadap
teorema /sifat (sejenis) yang teorema /sifat (sejenis) yang

27
 dibahas kedua buku tersebut, dibahas kedua buku tersebut,
kemudian kaji/kritisi kemudian kaji/kritisi

4. Buku I dan buku II memiliki Buku I dan buku II memiliki

kesamaan berbagai prinsip / kesamaan berbagai prinsip /
teorema / dalil / sifat yang teorema / dalil / sifat yang
dibahas dibahas
5. Dalam buku I tidak adanya Dalam buku II memiliki
penjelasan prinsip/teorema/ penjelasan prinsip/teorema/
dalil/sifat yang dibahas misalnya dalil/sifat yang dibahas
dilihat dari cara pembuktian, misalnya dilihat dari cara
variasi contoh soal, media/grafik/ pembuktian, variasi contoh
gambar/illustrasi soal, media/grafik/
gambar/illustrasi
6. Dalam buku I, kelengkapan dan Dalam buku II, kelengkapan
variasi soal latihan soalnya dan variasi soal latihan
kurang lengkap soalnya lumayan lengkap
7. kelebihan buku I adalah kelebihan buku II adalah
materinya lengkap disertai materinya lengkap disertai
gambar pewarnaan graf yang gambar pewarnaan graf yang
lengkap juga lengkap juga da nada
pembuktian teorema
8. Kelemahan buku I adalah contoh Kelemahan buku I adalah
soal dan soal yang diberikan latihan soal yang ada di akhir
sedikit bab kurang lengkap

28
 BAB III
KESIMPULAN DAN SARAN
3.1 Kesimpulan

Buku yang lebih mudah dipahami adalah buku I, karena penjelasannya detail,
lengkap, dan terperinci. Selain itu materi dalam buku I juga lengkap dimana jumlah
materi pewarnaan graf ada 30 halaman. Berbeda dengan buku II yang hanya 15
halaman.

3.2 Saran

Agar pembaca tidak hanya mempelajari dua sumber saja dalam memahami
materi pewarnaan graf. Pembaca perlu mencari referensi lain lagi agar pemahaman
materi lebih kuat dan perbanyak mengerjakan contoh soal dan soal.

29
 DAFTAR PUSTAKA

Nicos Christofides, et all. 1978. Combinatorial Optimization. John Wiley & Sons.
New York.
Berman G., and Fryer K.D. 1972. Introduction to Combinatorics. Academic
Press, New York and London

30