Space-time tradeoff adalah cara untuk menyelesaikan suatu masalah atau kalkulasi dengan waktu

yang lebih cepat tetapi menggunakan lebih banyak memori(storage space) atau waktu yang lebih
lama tetapi menggukanan sedikit memori(storage space).

Efisiensi waktu dan efisiensi memori adalah dua hal yang berlawanan. Semakin sedikit waktu yang
dibutuhkan maka akan semakin banyak memori yang dibutuhkan, begitu pula sebaliknya semakin
banyak waktu yang dibutuhkan maka semakin banyak pula memori yang dibutuhkan.

Sorting by Counting
Counting Sort adalah algoritma pengurutan efektif dan efisien yang melakukan pengurutan dengan ide dasar
meletakkan elemen pada posisi yang benar, dimana penghitungan posisi yang benar dilakukan dengan cara
menghitung (counting) elemen-elemen dengan nilai lebih kecil atau sama dengan elemen tersebut. Contoh
sederhana saja jika terdapat 12 elemen yang lebih kecil daripada x, maka x akan mendapatkan posisinya di
posisi 13.

Keungggulan Algoritma Counting Sort

Keunggulan dari algoritma counting sort adalah dapat mengurutkan dengan waktu yang lebih singkat, karena
tidak membandingkan dengan elemen lain.

Kelemahan Algoritma Counting Sort

Kelemahan algoritma counting sort adalah menggunakan array yang terlalu banyak.

Source code

// C Program for counting sort

#include <stdio.h>

#include <string.h>

#define RANGE 255

//Fungsi main yang diurutkan diberikan string arr[] dengan urutan alphabet

void countSort(char arr[])

// The output character array that will have sorted arr

char output[strlen(arr)];

// Create a count array to store count of inidividul

// characters and initialize count array as 0

int count[RANGE + 1], i;

memset(count, 0, sizeof(count));

// Store count of each character

 for(i = 0; arr[i]; ++i)

++count[arr[i]];

// Change count[i] so that count[i] now contains actual

// position of this character in output array

for (i = 1; i <= RANGE; ++i)

count[i] += count[i-1];

// Build the output character array

for (i = 0; arr[i]; ++i)

output[count[arr[i]]-1] = arr[i];

--count[arr[i]];

// Copy the output array to arr, so that arr now

// contains sorted characters

for (i = 0; arr[i]; ++i)

arr[i] = output[i];

// Driver program to test above function

int main()

char arr[] = "geeksforgeeks";//"applepp";

countSort(arr);

printf("Sorted character array is %sn", arr);

return 0;

}
Flowchart Start

Input kata
geeksforgeeks

Buat count array untuk

menyimpan data

Menyimpan nilai dari setiap

karakter

Karakter diurutkan sesuai nilai

alphabet

Output kata
menjadi
eeeefggkkors

END
Input Enhancement in String Matching: Horspool’s
and Boyer-Moore Algorithm

Pada bagian ini, kita melihat bagaimana teknik input enhancement dapat diterapkan pada
masalah matching string. Ingat bahwa masalah pencocokan string memerlukan pencarian
terjadinya string karakter m yang disebut pola dalam string karakter n yang lebih panjang
yang disebut teks.

Karena jumlah maksimum uji coba tersebut adalah n - m + 1 dan, dalam kasus terburuk,
perbandingan yang perlu dilakukan pada masing - masing, efisiensi kasus terburuk dari
algoritma brute force adalah kelas O (nm) . Rata-rata, bagaimanapun, kita harus
mengharapkan hanya beberapa perbandingan sebelum pergeseran pola, dan untuk teks
bahasa alami acak, efisiensi kasus rata-rata memang ternyata berada di O (n + m).

Beberapa algoritma yang lebih cepat telah ditemukan. Kebanyakan dari mereka
memanfaatkan gagasan peningkatan input: preprocess pola untuk mendapatkan beberapa
informasi tentang hal itu, menyimpan informasi ini dalam sebuah tabel, dan kemudian
menggunakan informasi ini selama pencarian pola yang sebenarnya dalam teks tertentu.
Inilah ide di balik dua algoritma yang paling dikenal dari tipe ini: algoritma Knuth-Morris-Pratt
[Knu77] dan algoritma Boyer-Moore [Boy77].

Perbedaan utama antara kedua algoritma ini terletak pada cara mereka membandingkan
karakter dari sebuah pola dengan rekan mereka dalam sebuah teks: algoritma Knuth-Morris-
Pratt melakukannya dari kiri ke kanan, sedangkan algoritma Boyer-Moore melakukannya
dari kanan ke kiri. Karena gagasan terakhir mengarah ke algoritma yang lebih sederhana,
inilah satu-satunya yang akan kita kejar di sini. (Perhatikan bahwa algoritma Boyer-Moore
dimulai dengan menyelaraskan pola terhadap karakter awal teks; jika percobaan pertama
gagal, itu menggeser pola ke kanan. Ini adalah perbandingan dalam percobaan yang
dilakukan algoritma kanan ke kiri, mulai dengan karakter terakhir dalam pola.)

Meskipun ide dasar algoritma Boyer-Moore sederhana, penerapan sebenarnya dalam

metode kerja kurang begitu. Oleh karena itu, kita memulai diskusi kita dengan versi
sederhana dari algoritma Boyer-Moore yang disarankan oleh R. Horspool [Hor80]. Selain
menjadi lebih sederhana, algoritma Horspool tidak selalu kurang efisien dibandingkan
algoritma Boyer-Moore pada string acak.
Horspool’s Algorithm
Pertimbangkan, sebagai contoh, mencari pola BARBER dalam beberapa teks:

Dimulai dengan R terakhir dari pola dan bergerak dari

kanan ke kiri, kita membandingkan pasangan karakter yang sesuai dalam pola dan teksnya.
Jika semua karakter pola cocok, substring yang cocok ditemukan. Kemudian pencarian bisa
dihentikan sama sekali atau dilanjutkan jika terjadi kemunculan pola yang sama.

Jika terjadi ketidakcocokan, kita perlu menggeser pola ke kanan. Jelas, kami ingin
melakukan perubahan besar mungkin tanpa mempertaruhkan kemungkinan kehilangan
substring yang sesuai dalam teks. Algoritma Horspool menentukan ukuran pergeseran
seperti itu dengan melihat karakter c dari teks yang sesuai dengan karakter terakhir dari
pola. Ini adalah kasus bahkan jika karakter c sendiri sesuai dengan mitranya dalam pola.

Boyer-Moore Algorithm

Sekarang kita garis bawahi algoritma Boyer-Moore itu sendiri. Jika perbandingan pertama
dari karakter paling kanan dalam pola dengan karakter c yang sesuai di dalam teks gagal,
algoritma melakukan hal yang persis sama dengan algoritma Horspool. Yakni, menggeser
pola ke kanan dengan jumlah karakter yang diambil dari tabel precomputed seperti yang
dijelaskan sebelumnya.

Kedua algoritma tersebut bertindak secara berbeda, namun setelah beberapa bilangan
positif k (0 <k <m) dari karakter pola dicocokkan dengan sukses sebelum terjadi
ketidaksesuaian:
Dalam situasi ini, algoritma Boyer-Moore menentukan ukuran pergeseran dengan
mempertimbangkan dua kuantitas. Yang pertama dipandu oleh karakter teks c yang
menyebabkan ketidakcocokan dengan mitranya dalam pola. Dengan demikian, ini disebut
pergeseran simbol buruk. Alasan di balik pergeseran ini adalah alasan yang kami gunakan
dalam algoritma Horspool. Jika c tidak sesuai dengan pola, kita ubah pola untuk hanya
melewatkan huruf c ini di teks. Dengan mudah, ukuran pergeseran ini dapat dihitung dengan
rumus t1 (c) - k dimana t1 (c) adalah entri pada tabel precomputed yang digunakan oleh
algoritma Horspool (lihat di atas) dan k adalah jumlah karakter yang cocok:
B Tree

B – tree adalah sebuah tree yang dapat menyimpan data secara berurutan dan
memungkinkan untuk pencarian, akses sekuensial, penambahan, serta penghapusan dalam
waktu yang relatif singkat. B – tree adalah generalisasi dari binary search tree, di mana
setiap node dapat memiliki lebih dari 2 chlidren. Tidak seperti self – balancing binary search
trees, B – tree lebih dikhususkan untuk sistem yang membutuhkan pembacaan dan
penulisan data dalam jumlah yang relatif besar / banyak. B – tree biasadigunakan untuk
database dan filesystem.

Dalam B – tree, internal nodes (non - leaf) dapat memiliki variabel jumlah node
anak dalam batas yang sudah ditentukan. Ketika sebuah data ditambahkan atau dihapus
dari sebuah node, jumlah node anak dari tree tersebut berubah. Dengan tujuan untuk
mempertahankan batas yang sudah ditentukan tersebut, internal nodes dapat bergabung
atau berpisah. Karena berbagai batas dari node – node anak diijinkan, maka B – tree tidak
perlu menyeimbangkan diri sesering mungkin layaknya self – balancing search trees,tetapi
hal semacam ini akan membuang – buang tempat yang ada, karena setiap node yang ada
tidak terisi semua. Batas bawah dan batas atas pada jumlah node anak biasanya tetap
untuk implementasi tertentu. Sebagai contoh, pada 2 – 3 tree, setiap internal node hanya
dapat memiliki 2 atau 3 node – node anak.

Jumlah cabang (anak node) dari sebuah node akan satu lebih banyak dari jumlah
kunci yang tersimpan dalam node. Dalam sebuah 2-3 B – tree, node internal akan
menyimpan baik satu kunci (dengan 2 buah node anak) atau dua kunci (dengan tiga node
anak). Sebuah B- tree kadang – kadang digambarkan dengan parameter (d + 1) – (2d +
1) atau yang lebih mudah dengan urutan cabang tertinggi, (2d + 1).

Sebuah B – tree akan tetap seimbang dengan syarat semua node – node daun
(node terluar) berada dalam kedalaman yang sama. Kedalaman ini akan bertambah secara
perlahan – lahan sebagai satu syarat yang ditambahkan pada sebuah tree, tetapi
pertambahan pada keseluruhan kedalaman jarang terjadi, dan sebagai hasilnya pada
semua node - node daun menjadi satu node lebih jauh dari root – nya.

B – tree memiliki keuntungan substansial atas implementasi alternatif ketika waktu

untuk mengakses sebuah node menjadi jauh melebihi waktu akses antara sesama node.
Hal ini biasanya terjadi ketika node – node tersebut berada pada penyimpanan sekunder
seperti diks drives. Dengan memaksimalkan jumlah dari anak – anak node dari setiap node
– node internal, ketinggian tree tersebut akan berkurang dan jumlah akses node yang mahal
(lama) akan berkurang.

Searching

Searching dalam B – tree mirip dengan searching dalam binary search tree. Dimulai
dari root, tree akan dilaluli secara rekursif dari atas sampai bawah (root sampai node
terluar). Dalam setiap level, search memilih sebuah child pointer (subtree) yang
memisahkan nilai – nilai pada kedua sisi dari nilai pencarian.

Binary search biasanya (tapi tidak selalu) digunakan dalam setiap node untuk
menemukan nilai – nilai pemisahan dan nilai penting dari child tree.

Insertion

Setiap penambahan dimulai dari sebuah node daun (node terluar). Untuk
menambahkan sebuah elemen (data) baru.

Pencarian dilakukan pada tree untuk menemukan node terluar di mana elemen
baru (data) harus ditambahkan. Tambahkan data baru tersebut ke dalam node dengan
langkah – langkah berikut :

1. Jika node berisi lebih sedikit dari jumlah elemen (data) maksimum yang
sudah ditentukan, maka terdapat ruangan untuk elemen yang baru (data
baru). Tambahkan elemen baru tersebut ke dalam node, jaga data – data
dalam node tetap teratur.

2. Jika node – node sudah penuh, sehingga terbagi rata menjadi 2 node,

 Sebuah median tunggal dipilih dari antara unsur – unsur daun dan
elemen baru.
 Nilai yang kurang dari median diletakkan pada node baru sebelah
kiri dan nilai yang lebih dari median diletakkan pada node baru
sebelah kanan, dengan median bertindak sebagai nilai pemisah.
 Tambahkan nilai pemisah pada node parent, yang akan
menyebabkan node tersebut akan memisah, dan seterusnya. Jika
node tidak memiliki parent (yaitu jika node adalah root), buat root
baru di atas node tersebut (menambahkan tinggi dari tree tersebut).
Deletion

Ada 2 cara mengenai penghapusan dari sebuah B – tree,

 Temukan dan hapus data itu, kemudian atur ulang tree untuk mengembalikan
keseimbangannya

atau

 Lakukan single pass pada tree tersebut, tetapi sebelum masuk pada sebuah node,
atur ulang tree sehingga setelah data yang akan dihapus ditemukan. Data tersebut
dapat dihapus tanpa memicu terjadinya atur ulang kembali.