M6 - TT - Terapan Teori Graf Tekrek 3 Ok

ALGORITMA Dr.
Ernastuti
Dr. D. L. Crispina Pardede
Dr. Ricky Agus
LINGKUP MATERI
ü Pengertian Algoritma
1 ü Kriteria Algoritma yang

baik
ü Perbedaan Teknik Iteratif
dan Teknik Rekursif
6
2
ü Analisis Suatu Algoritma
5 ü Pengertian kompleksitas waktu:
Pengertian Teknik Rekursif worst case, average case, best
Penerapan Teknik Rekursif pada: case
ü Perhitungan Nilai Faktorial
ü Pembentukan Barisan Fibonacci
ü Masalah Menara Hanoi
3 ü Contoh-contoh Soal
4 Menghitung Kompleksitas
Pengertian Teknik Iteratif Waktu Algoritma
Penerapan Teknik Iteratif:
ü Perhitungan Nilai Faktorial
ü Pembentukan Barisan Fibonacci
PROBLEM
LANGKAH-LANGKAH
PENYELESAIN MASALAH MODEL yang TEPAT
Dengan bantuan KOMPUTER
Secara umum, langkah-langkah yang perlu dilalui ALGORITMA
dalam penyelesaian suatu masalah
dengan bantuan komputer
adalah sebagai berikut : PROGRAM
DATA
EKSEKUSI
Problema → Model Yang Tepat → Algoritma →
Program Komputer → Solusi
HASIL/SOLUSI
G raf G(V,E)
Adalah struktur diskrit yang terdiri atas himpunan
simpul (V) dan himpunan ruas (E), di mana setiap
ruas di dalam E menghubungkan simpul-simpul di
V.
G raf
Secara umum graf dapat didefinisikan sebagai
kumpulan simpul yang dihubungkan dengan ruas
PROBLEM
MODEL GRAF
MODEL GRAF
MATRIKS
ALGORITMA
ARRAY DATA PROGRAM
EKSEKUSI
HASIL/ SOLUSI
ALGORITMA
Pertama kali diperkenalkan oleh seorang ahli matematika
ABU JA’FAR MUHAMMAD IBNU MUSA AL KHAWARIZMI.
ALGORITMA
Abu Ja’far Muhammad Ibnu Musa Al Khawarizmi.
Algoritma adalah:
• Urutan dari barisan instruksi
untuk menyelesaikan suatu masalah.
• Sebuah metode atau sebuah proses
yang diikuti
untuk memecahkan sebuah masalah.
ALGORITMA
Algoritma adalah: Sebuah algoritma
• Urutan dari barisan instruksi menerima input dari sebuah masalah
untuk menyelesaikan suatu masalah. dan mengubahnya menjadi output.
Sebuah masalah dapat memiliki banyak
yang diikuti
algoritma.
ALGORITMA
yang diikuti
algoritma.
Algoritma adalah suatu metode khusus

untuk menyelesaikan suatu masalah
yang nyata (Webster Dictionary).
ALGORITMA
yang diikuti
algoritma.
Algoritma adalah suatu metode khusus Algoritma dapat dinyatakan dalam

untuk menyelesaikan suatu masalah bentuk diagram alir, bahasa semu.
yang nyata (Webster Dictionary).
ALGORITMA
Sebuah Algoritma Memiliki Sifat

• Harus “benar” (correct).
• Tersusun dari serangkaian langkah
konkrit (concrete steps)
• Tidak mengandung ambiguitas (no
ambiguity) tentang langkah mana
yang harus dilakukan berikutnya.
• Harus mengandung sejumlah hingga
(finite) langkah.
• Harus berakhir/berhenti (terminate).
ALGORITMA
Sebuah Algoritma Memiliki Sifat Kriteria untuk Menilai Sebuah Algoritma

• Harus “benar” (correct). • Efektif dan efisien
• Tersusun dari serangkaian langkah • Jumlah langkah berhingga
konkrit (concrete steps) • Berakhir
• Tidak mengandung ambiguitas (no • Ada output
ambiguity) tentang langkah mana • Terstruktur
yang harus dilakukan berikutnya.
• Harus mengandung sejumlah hingga
(finite) langkah.
• Harus berakhir/berhenti (terminate).
PROBLEM
PENYELESAIAN MASALAH
DENGAN MODEL yang TEPAT
BANTUAN KOMPUTER
ALGORITMA
Sebuah program komputer adalah

sebuah instant, atau penyajian konkrit, PROGRAM
DATA
dari sebuah algoritma dalam beberapa
bahasa pemrograman. EKSEKUSI
HASIL/SOLUSI
Bagaimana memilih satu pendekatan (algoritma)
dari sekian banyak algoritma yang ada?
Dua tujuan dari perancangan program (yang terkadang berlawanan):

1. Merancang algoritma yang mudah dimengerti, dikodekan, di-
debug.
2. Merancang algoritma yang menggunakan sumber daya
komputer secara efisien.
STUDI TENTANG ALGORITMA
Hal-hal yang dipelajari:

1. Bagaimana Merencanakannya
2. Bagaimana Menyatakannya
3. Bagaimana Validitasnya
4. Bagaimana Menganalisisnya
5. Bagaimana Menguji suatu program
Hal-hal yang dipelajari: Merencanakan algoritma

1. Bagaimana Merencanakannya merupakan suatu studi tentang
2. Bagaimana Menyatakannya teknik variasi design (model)

1. Bagaimana Merencanakannya Menyatakannya dengan singkat
2. Bagaimana Menyatakannya dalam bahasa pemrograman
3. Bagaimana Validitasnya yang terstruktur, misalnya
Pascal, C

1. Bagaimana Merencanakannya Validitas algoritma memenuhi
2. Bagaimana Menyatakannya kebutuhan yang diinginkan, dan
3. Bagaimana Validitasnya perhitungannya/solusinya
selalu benar untuk semua
kemungkinan input yang legal

3. Bagaimana Validitasnya Perbandingan waktu dan
4. Bagaimana Menganalisisnya banyaknya storage/memori
5. Bagaimana Menguji suatu program yang digunakan (efisiensi).

5. Bagaimana Menguji suatu program Pengujian program dilakukan
dalam dua fase: debugging dan
profiling.
FAKTOR EFISIENSI
1. Waktu tempuh (running time)

• banyaknya langkah
• besar dan jenis input data
• jenis operasi
• jenis komputer dan kompilator
2. Jumlah memori yang dipakai
PENGUKURAN EFISIENSI
1. Perbandingan empiris (run programs)
2. Analisis algoritma asimtotik
Faktor yg mempengaruhi running time:
• Bagi sebagian besar algoritma, running time tergantung pada

“ukuran” input.
• Running time dinyatakan sebagai T(n) untuk beberapa fungsi T
untuk kuran input n.
RUNNING TIME
best case
Sebagian besar algoritma mengubah average case
worst case
input menjadi output 120
Running time dari sebuah algoritma 100
berubah sesuai ukuran input
Running Time
80
60
Waktu rata-rata biasanya sulit untuk
ditentukan 40
20
Worst case running time 0
 Lebih mudah dianalisis
1000 2000 3000 4000
Input Size
 Penting bagi aplikasi seperti
games, finance dan robotics
STUDI EKSPERIMENTAL
Menulis program untuk 9000
mengimplementasi algoritma 8000
7000
Jalankan program dengan 6000
berbagai ukuran dan
Time (ms)
5000
komposisi input 4000
Gunakan sebuah metode 3000
untuk memperoleh running 2000
time yang tepat 1000
Plot hasilnya 0
0 50 100
Input Size
STUDI EKSPERIMENTAL
Menulis program untuk KETERBATASAN EKSPERIMEN
mengimplementasi algoritma
Implementasi algoritma bukanlah
Jalankan program dengan hal yang mudah
berbagai ukuran dan Hasil tidak menunjukkan running
komposisi input time pada input lain yang tidak
Gunakan sebuah metode digunakan dalam eksperimen.
untuk memperoleh running
Dalam membandingkan dua
time yang tepat
algoritma, harus menggunakan
Plot hasilnya
lingkungan perangkat keras dan
perangkat lunak yang sama
ANALISIS TEORITIS
Menggunakan deskripsi algoritma, bukan eksperimen
Menyatakan running time sebagai fungsi dari ukuran input, n.
Memperhatikan semua input yang mungkin
Memungkinkan pengukuran kecepatan algoritma bebas dari
lingkungan hardware/software
KOMPLEKSITAS ALGORITMA
KOMPLEKSITAS adalah:
Sebuah fungsi f(n) yang diberikan untuk waktu tempuh
dan/atau kebutuhan storage dengan ukuran n input data.
Kompleksitas dapat berupa kompleksitas waktu dan memori.

NOTASI ASIMPTOTIK
O(g(n))
O : BIG OH f(n)
 Upper Bound
f(n) = (g(n))   dua konstanta positif c dan n0

sedemikian hingga
f(n)  cg(n)  n  n0.
NOTASI BIG OH
CONTOH
Diketahui f(n) = 5n2 + 2n + 1
akan dibandingkan dengan g(n) = n2
untuk konstanta c = 8
berlaku f(n)  8n2 , untuk n  1, dan n0 = 1.
Jadi f(n) = 5n2 + 2n + 1 adalah O(n2) (dibaca big oh n kuadrat)

NOTASI ASIMPTOTIK
f(n)
W : OMEGA c(g(n))
 Lower Bound
f(n) = W(g(n))   konstanta positif c dan n0

sedemikian hingga
f(n)  cg(n)  n  n0
NOTASI BIG OMEGA
CONTOH
akan dibandingkan dengan g(n) = n2 .
untuk c = 5, n0 = 0
berlaku 5n2  f(n) , n  0 .
Jadi f(n) = 5n2 + 2n + 1 adalah W(n2)

NOTASI ASIMPTOTIK
 : THETA
 Tight Bound
f(n) = (g(n))   konstanta positif c1, c2 dan n0

sedemikian hingga
c1g(n) f(n)  c2g(n),  n  n0
NOTASI THETA
CONTOH
akan dibandingkan dengan g(n) = n2
untuk C1 = 5, C2 = 8, n0 = 1.
berlaku 5n2  f(n)  8n2 , n  0.
Jadi f(n) = 5n2 + 2n + 1 adalah (n2)

WORST CASE BIG OH

f(n) = (g(n))   dua konstanta positif c dan n0 sedemikian
hingga f(n)  cg(n)  nn0.
BEST CASE  BIG OMEGA
f(n) = W(g(n))   konstanta positif c dan n0 sedemikian
hinggaf(n)  cg(n)  n>n0
AVERAGE CASE  BIG THETA
f(n) = (g(n))   konstanta positif c1, c2 dan n0 sedemikian
hingga c1g(n)f(n) c2g(n), n>n0
TEOREMA
Jika f(n) = am nm + am-1 nm-1 + . . .+ a1 n + a0 adalah
polinomial tingkat m, maka f(n) = (nm)
CONTOH f(n) = 3n5 + 4n4 + 10n2 + 56 = (n5 )
f(n) = 9n7 + 5n6 + 36 = (n7 )
f(n) = 8n9 = (n9 )
f(n) = n6 + 19 = (n6 )
f(n) = 25 = (n0 ) = (1)
CONTOH ANALISIS ALGORITMA
(i) ca+b
(ii) for i  1 to n do
ca+b BAGAIMANA
repeat
ANALISISNYA?
(iii) for i  1 to n do
for j  1 to n do
ca+b
repeat
repeat
ANALISISNYA
(i) ca+b Banyaknya Operasi ‘+’ f(n) Big Oh
ca+b (i) 1 kali f(n) = 1 (1)
repeat
(ii) n kali f(n) = n (n)
for j  1 to n do (iii) n2 kali f(n) = n2 (n2)
ca+b
repeat
repeat
ANALISISNYA
ca+b (i) 1 kali f(n) = 1 (1)
repeat
ca+b
repeat
repeat
ANALISISNYA
ca+b (i) 1 kali f(n) = 1 (1)
repeat
ca+b
repeat
repeat
ANALISISNYA
ca+b (i) 1 kali f(n) = 1 (1)
repeat
ca+b
repeat
repeat
Penjumlahan 2 matriks riil berorde (m x n).
1. Set A[i,j], B[i,j], C[i,j] real

2. Untuk i  1 s/d m kerjakan
3. untuk j  1 s/d n kerjakan
4. C[i,j]  A[i,j] + B[i,j]
5. akhir j
6. akhir I
ANALISISNYA
Jumlah operasi ‘+’
Pada loop j = n
4. C[i,j]  A[i,j] + B[i,j] n
5. akhir j
6. akhir i
ANALISISNYA
Loop pada baris 3-4 dilakukan
sebanyak m kali
4. C[i,j]  A[i,j] + B[i,j] m
5. akhir j
6. akhir i
ANALISISNYA
Jadi, jumlah operasi ‘+’ = mn
4. C[i,j]  A[i,j] + B[i,j] n m
5. akhir j
6. akhir I
ANALISISNYA
1. Set A[i,j], B[i,j], C[i,j] real Asumsi: 1 elemen memerlukan 4 satuan
2. Untuk i  1 s/d m kerjakan memori/byte.
Jumlah elemen: 3
4. C[i,j]  A[i,j] + B[i,j]
5. akhir j
6. akhir I
ANALISISNYA
1. Set A[i,j], B[i,j], C[i,j] real Asumsi: 1 elemen memerlukan 4 satuan
2. Untuk i  1 s/d m kerjakan memori/byte.
Jumlah elemen: 3
Jadi, Jumlah memori = 3 mn x
4. C[i,j]  A[i,j] + B[i,j]
4
5. akhir j
= 12 mn
6. akhir I
1. Set A[i,j], B[i,j], C[i,j] real ANALISISNYA

2. Untuk i  1 s/d m kerjakan Jumlah operasi ‘+’ = mn
3. untuk j  1 s/d n kerjakan Jumlah memori = 12 mn
4. C[i,j]  A[i,j] + B[i,j] TOTAL = 13 mn
5. akhir j
6. akhir I
Menentukan lokasi suatu elemen pada array data secara linier
1. Set k:= 1 ; loc := 0
2. REPEAT langkah 3 dan 4
WHILE loc := 0 dan k  n
3. IF Item := Data(k) then set loc := k
4. Set k := k + 1
5. IF loc := 0 then
WRITE Elemen tidak ada pada array data
ELSE WRITE loc adalah lokasi dari elemen
6. EXIT
1. Set k:= 1 ; loc := 0 ANALISISNYA
3. IF Item := Data(k) then set loc := k Bila elemen (item) yang dicari
4. Set k := k + 1 merupakan elemen terakhir
5. IF loc := 0 then dari array tersebut
WRITE Elemen tidak ada pada array data atau tidak terdapat dalam
ELSE WRITE loc adalah lokasi dari elemen array, maka
6. EXIT WORST CASE  F(n) = (n)
4. Set k := k + 1 merupakan elemen pertama
5. IF loc := 0 then dari array tersebut, maka
WRITE Elemen tidak ada pada array data BEST CASE  F(n) = (1)
ELSE WRITE loc adalah lokasi dari elemen
6. EXIT
4. Set k := k + 1 berada di antara elemen
5. IF loc := 0 then pertama dan elemen terakhir
WRITE Elemen tidak ada pada array data dari array tersebut, maka
ELSE WRITE loc adalah lokasi dari elemen AVERAGE CASE  F(n) = (n)
6. EXIT
Materi Terapan Teori Graf M#6
1. Pengertian Algoritma
2. Kriteria Algoritma yang baik
3. Analisis Suatu Algoritma
4. Pengertian kompleksitas waktu: worst case, average case, best case
5. Pengertian Teknik Iteratif
Penerapan Teknik Iteratif pada:
(a) Perhitungan Nilai Faktorial
(b) Pembentukan Barisan Fibonacci
6. Pengertian Teknik Rekursif
Penerapan Teknik Rekursif pada:
(a) Perhitungan Nilai Faktorial
(b) Pembentukan Barisan Fibonacci
(c) Masalah Menara Hanoi
7. Perbedaan Teknik Iteratif dan Teknik Rekursif
Teknik Iteratif &
Teknik Rekursif
Pengertian Teknik Iteratif
Teknik Iteratif merupakan suatu teknik pembuatan algoritma
dengan pemanggilan procedure beberapa kali hingga suatu
kondisi tertentu terpenuh
Penerapan Teknik Iteratif:

(1) Perhitungan Nilai Faktorial
(2) Pembentukan Barisan Fibonacci
Nilai Bilangan Faktorial n!
Penerapan Teknik Iteratif (Bilangan FAKTORIAL)
FLOWCHART
Bilangan FAKTORIAL N! FAK=1,i=0
i = i + 1
FAK = FAK * i
i=N ?
Penerapan Teknik Iteratif (Bilangan FAKTORIAL n!)
ALGORITMA FAKTORIAL
Teknik Iteratif pada algoritma untuk menghitung
faktorial dari bilangan bulat positif n:
Pseudocode
Set FAK, i, n : integer
FAK = 1
for i = 1 to n
FAK = FAK * i
next i
ALGORITMA FAKTORIAL
Teknik Iteratif pada algoritma untuk
menghitung faktorial dari bilangan bulat
positif n:
Untuk n = 5, maka :
gambaran jalannya proses algoritma
Set FAK, i, n :integer
FAK=1, kemudian
FAK=1
for i = 1 to n i= FAK=
FAK = FAK * i
next i
ALGORITMA FAKTORIAL
positif n:
Untuk n = 5, maka :
FAK=1, kemudian
FAK=1
FAK = FAK * i
1 1*1=1
next i
ALGORITMA FAKTORIAL
positif n:
Untuk n = 5, maka :
FAK=1, kemudian
FAK=1
FAK = FAK * i
1 1*1=1
next i
2 1*2=2
ALGORITMA FAKTORIAL
positif n:
Untuk n = 5, maka :
FAK=1, kemudian
FAK=1
FAK = FAK * i
1 1*1=1
next i
2 1*2=2
3 2*3=6
ALGORITMA FAKTORIAL
positif n:
Untuk n = 5, maka :
FAK=1, kemudian
FAK=1
FAK = FAK * i
1 1*1=1
next i
2 1*2=2
3 2*3=6
4 6 * 4 = 24
ALGORITMA FAKTORIAL
positif n:
Untuk n = 5, maka :
FAK=1, kemudian
FAK=1
FAK = FAK * i
1 1*1=1
next i
2 1*2=2
3 2*3=6
4 6 * 4 = 24
5 24 * 5 = 120
Barisan Bilangan Fibonacci F(i)
FLOWCHART BIL. FIBONACCI
Penerapan Teknik Iteratif (Bilangan Fibonacci)
menentukan suku ke-n dari barisan bilangan
Fibbonaci, adalah sebagai berikut :
Misal n = 5, maka :
tersebut adalah sebagai berikut :
x=1, y=1, kemudian

Misal n = 5, maka :
x=1, y=1, kemudian
i F x y
3 1+1=2 1 2
Misal n = 5, maka :
x=1, y=1, kemudian
i F x y
3 1+1=2 1 2
4 1+2=3 2 3
Misal n = 5, maka :
x=1, y=1, kemudian
i F x y
3 1+1=2 1 2
4 1+2=3 2 3
5 2+3=5 3 5
Teknik Iteratif &
Teknik Rekursif
Rekursif (Recurcion)
REKURSIF (RECURCION)
Pengertian Teknik Rekursif
Teknik Rekursif merupakan salah satu cara pembuatan
algoritma dengan pemanggilan procedure atau function yang
sama
Penerapan Teknik Rekursif:

(1) Perhitungan Nilai Faktorial
(2) Pembentukan Barisan Fibonacci
(3) Menara Hanoi
NILAI FAKTORIAL n !
NILAI FAKTORIAL n !
NILAI FAKTORIAL n !
NILAI FAKTORIAL n !
NILAI FAKTORIAL n !
NILAI FAKTORIAL n !
Penerapan Teknik Rekursif (Bilangan FAKTORIAL n!)
ALGORITMA menghitung FAKTORIAL
Teknik Rekursif pada algoritma untuk menghitung
faktorial dari bilangan bulat positif n:
Pseudocode
function FAK(n: integer): integer
if n:= 0 then FAK := 1
else FAK := n * FAK(n-1)
ALGORITMA menghitung FAKTORIAL Untuk n = 5, maka :
Teknik Rekursif pada algoritma untuk
positif n:
function FAK(n: integer): integer


positif n:
Misal n = 5, maka :
function FAK(n: integer): integer Gambaran jalannya proses algoritma
FAK = 5 * FAK(4)

positif n:
Misal n = 5, maka :
FAK = 5 * FAK(4)
FAK = 5 * 4 * FAK(3)
ALGORITMA mehgitung FAKTORIAL

positif n:
Misal n = 5, maka :
FAK = 5 * FAK(4)
FAK = 5 * 4 * FAK(3)
FAK = 5 * 4 * 3 * FAK(2)

positif n:
Misal n = 5, maka :
FAK = 5 * FAK(4)
FAK = 5 * 4 * FAK(3)
FAK = 5 * 4 * 3 * FAK(2)
FAK = 5 * 4 * 3 * 2 * FAK(1)

positif n:
Misal n = 5, maka :
FAK = 5 * FAK(4)
FAK = 5 * 4 * FAK(3)
FAK = 5 * 4 * 3 * FAK(2)
FAK = 5 * 4 * 3 * 2 * FAK(1)
FAK = 5 * 4 * 3 * 2 * 1 * FAK(0)
Penerapan Teknik Rekursif (Bilangan Fibonacci)
menentukan Bilangan ke-n dari barisan
bilangan Fibbonaci, adalah sebagai berikut : Gambaran jalannya proses algoritma
tersebut untuk n = 5:
Procedure F(n : integer) : integer
If n  2 then F(n) = 1 3+2=5
else F(n) = F(n-1) + F(n-2)

2+1=3 1+1=2
Endif
End 1+1=2
Berapa Bilangan Fibonacci ke 5?
PERMAINAN MENARA HANOI
Penerapan Teknik Rekursif
Permainan Menara Hanoi
ü Contoh paling umum dari penggunaan teknik rekursif
adalah pada permainan menara Hanoi.
ü Berdasarkan legenda, pertama kali dimainkan secara

manual oleh seorang pendeta Budha di Hanoi, sehingga
permainan ini disebut Menara Hanoi.
ü Dalam permainan ini, akan dipindahkan sejumlah piringan

yang tidak sama besarnya dari satu tonggak ke tonggak Ketentuan:
lainnya, dengan diperbolehkan menggunakan (melewati)
sebuah tonggak bantuan. Pemindahan piringan dilakukan satu
( Jumlah Tonggak ada 3 yaitu: A, B, C ) per satu dan piringan yang lebih besar
tidak boleh diletakan di atas piringan
yang lebih kecil.
Permainan Menara Hanoi
ü Contoh paling umum dari penggunaan teknik rekursif
adalah pada permainan menara Hanoi.
ü Berdasarkan legenda, pertama kali dimainkan secara

manual oleh seorang pendeta Budha di Hanoi, sehingga
permainan ini disebut Menara Hanoi.
ü Dalam permainan ini, akan dipindahkan sejumlah piringan

yang tidak sama besarnya dari satu tonggak ke tonggak Ketentuan:
lainnya, dengan diperbolehkan menggunakan (melewati)
sebuah tonggak bantuan. Pemindahan piringan dilakukan satu
( Jumlah Tonggak ada 3 yaitu: A, B, C ) per satu dan piringan yang lebih besar
tidak boleh diletakan di atas piringan
yang lebih kecil.
Tower of Hanoi (3 piring)
Permainan Menara Hanoi ( 3 piring )
Diselesaikan
1 5 dalam 7 langkah
2 6
3 7
8
1 9
Diselesaikan
2 10 dalam 15 langkah
3 11
4 12
5 13
6 14
7 15
48
1
Diselesaikan
4 52
dalam 63 langkah
8 56
60
12
15 63
Permainan Menara Hanoi ( n piring )
Penyelesaian
ü Permainan ini dapat diselesaikan dalam 2n - 1 langkah,
di mana n adalah jumlah piring.
Diselesaikan
dalam 2n-1 langkah
ü Jika terdapat 64 piring yang harus dipindahkan, maka
dibutuhkan 264 - 1 atau 18.446.744.073.709.551.615 langkah.
ü Jika setiap langkah membutuhkan waktu 1 detik, maka

dibutuhkan sekitar 585 milyar tahun,
yaitu setara dengan 127 kali usia matahari sekarang.
Persamaan antara teknik iteratif dan rekursif
ITERATIF REKURSIF
1. Sama-sama merupakan bentuk 1. Sama-sama merupakan bentuk
perulangan. perulangan.
2. Sama-sama melakukan 2. Sama-sama melakukan

pengecekan kondisi terlebih pengecekan kondisi terlebih
dahulu sebelum mengulang. dahulu sebelum mengulang.
Perbedaan antara teknik iteratif dan rekursif
ITERATIF REKURSIF
1. Tidak ada variabel lokal baru 1. Ada variabel lokal baru
2. Program tidak sederhana 2. Program menjadi lebih sederhana

No
ITERATIF REKURSIF
3. Perulangan iteratif merupakan perulangan yang Perulangan rekursif merupakan salah satu metode
melakukan proses perulangan terhadap didalam pemrograman yang mana dalam sebuah
sekelompok intruksi. fungsi terdapat intruksi yang memanggil fungsi itu
Perulangan dilakukan dalam batasan syarat sendri, atau lebih sering disebut memanggil
tertentu. Ketika syarat tersebut tidak terpenuhi dirinya sendiri.
lagi maka perulangan akan berhenti.
4. Menggunakan FOR, WHILE, DO-WHILE Hanya menggunakan IF.
5. Dapat berjalan pada program yang terdiri dari Sedangkan rekursif merupakan fungsi.
prosedur (Tidak terdapat fungsi)
KELEBIHAN
ITERATIF REKURSIF
1. Kelebihan perulangan iteratif yaitu 1. Kelebihan perulangan rekursif yaitu
mudah dipahami dan mudah dilakukan sangat mudah untuk melakukan
debuging ketika ada perulangan yang perulangan dengan batasan yang
salah luas dalam artian melakukan
2. Ddapat melakukan nested loop atau perulangan dalam skala yang
yang disebut dengan looping bersarang. besar, dapat melakukan perulangan
dengan batasan fungsi.
3. Proses lebih singkat karena perulangan
terjadi pada kondisi yang telah
disesuaikan,
4. Jarang terjadi overflow karena batasan
dan syarat perulangan yang jelas.
KELEMAHAN
ITERATIF REKURSIF
1. Tidak dapat menggunakan batasan 1. Tidak bisa melakukan nested loop (looping
berupa fungsi. bersarang).
2. Perulangan dengan batasan yang luas 2. Membuat fungsi sulit untuk dipahami,
akan menyulitkan dalam pembuatan hanya cocok untuk persoalan tertentu saja.
program perulangan itu sendiri. 3. Memerlukan stack yang lebih besar, sebab
setiap kali fungsi dipanggil, variabel lokal dan
parameter formal akan ditempatkan ke stack
dan ada kalanya akan menyebabkan stack
tak cukup lagi (Stack Overum).
4. Proses agak berbelit-belit karena terdapat
pemangilan fungsi yang berulang-ulang dan
pemanggilan data yang ditumpuk.
TERIMAKSIH

M6 - TT - Terapan Teori Graf Tekrek 3 Ok

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

M6 - TT - Terapan Teori Graf Tekrek 3 Ok

Diunggah oleh

Hak Cipta:

Format Tersedia

ALGORITMA Dr.

1 ü Kriteria Algoritma yang

ARRAY DATA PROGRAM

Algoritma adalah suatu metode khusus

Algoritma adalah suatu metode khusus Algoritma dapat dinyatakan dalam

Sebuah Algoritma Memiliki Sifat

Sebuah Algoritma Memiliki Sifat Kriteria untuk Menilai Sebuah Algoritma

Sebuah program komputer adalah

Dua tujuan dari perancangan program (yang terkadang berlawanan):

Hal-hal yang dipelajari:

Hal-hal yang dipelajari: Merencanakan algoritma

Hal-hal yang dipelajari:

Hal-hal yang dipelajari:

Hal-hal yang dipelajari:

Hal-hal yang dipelajari:

1. Waktu tempuh (running time)

• Bagi sebagian besar algoritma, running time tergantung pada

Running time dari sebuah algoritma 100

berubah sesuai ukuran input

mengimplementasi algoritma 8000

Gunakan sebuah metode 3000

untuk memperoleh running 2000

time yang tepat 1000

Kompleksitas dapat berupa kompleksitas waktu dan memori.

f(n) = (g(n))   dua konstanta positif c dan n0

Jadi f(n) = 5n2 + 2n + 1 adalah O(n2) (dibaca big oh n kuadrat)

f(n) = W(g(n))   konstanta positif c dan n0

Jadi f(n) = 5n2 + 2n + 1 adalah W(n2)

f(n) = (g(n))   konstanta positif c1, c2 dan n0

Jadi f(n) = 5n2 + 2n + 1 adalah (n2)

WORST CASE BIG OH

1. Set A[i,j], B[i,j], C[i,j] real

1. Set A[i,j], B[i,j], C[i,j] real ANALISISNYA

Penerapan Teknik Iteratif:

x=1, y=1, kemudian

x=1, y=1, kemudian

x=1, y=1, kemudian

x=1, y=1, kemudian

Penerapan Teknik Rekursif:

function FAK(n: integer): integer

Teknik Rekursif pada algoritma untuk

Teknik Rekursif pada algoritma untuk

ALGORITMA mehgitung FAKTORIAL

ALGORITMA mehgitung FAKTORIAL

ALGORITMA mehgitung FAKTORIAL

else F(n) = F(n-1) + F(n-2)

ü Berdasarkan legenda, pertama kali dimainkan secara

ü Dalam permainan ini, akan dipindahkan sejumlah piringan

ü Berdasarkan legenda, pertama kali dimainkan secara

ü Dalam permainan ini, akan dipindahkan sejumlah piringan

ü Jika setiap langkah membutuhkan waktu 1 detik, maka

2. Sama-sama melakukan 2. Sama-sama melakukan

1. Tidak ada variabel lokal baru 1. Ada variabel lokal baru

2. Program tidak sederhana 2. Program menjadi lebih sederhana

4. Menggunakan FOR, WHILE, DO-WHILE Hanya menggunakan IF.

Anda mungkin juga menyukai