CRITICAL JOURNAL REVIEW (CJR)

Dosen Pengampu: Martiano, M.kom

CRITICAL JOURNAL REVIEW

MK. STRUKTUR DATA
PRODI S1 PEND. TIK, FT

Skor Nilai:

Disusun oleh :

1. Fiya Monalisa (5193151005)

2. Putri Khairul Nisa Batubara (5193351004)
3. Nur Apna Pratama (5191151001)
4. Yosua Sitepu (5192451003)
5. Sulthan Ghalib Daulay (5193151004)

TEKNOLOGI INFORMATIKA DAN KOMPUTER

FAKULTAS TEKNIK

UNIVERSITAS NEGERI MEDAN

MARET 2020
 Kata Pengantar

Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa karena berkat dan
rahmatNya penulis dapat menyelesaikan CJR ini dengan baik. Terima kasih kepada bapak dosen
kami Bagoes Maulana S.Kom., M.Kom., yang telah mengajari dan membimbing kami dalam
mata kuliah struktur data. CJR ini bertujuan untuk menambah wawasan dan pengetahuan penulis
mengenai struktur data. Dalam penyusunan laporan CJR ini saya berpedoman pada rps yang
telah bapak berikan. Saya mengambil judul Signifikansi Mencari dan Menyortir dalam Struktur
Data karena menurut saya jurnal ini membahas secara detail mengenai signifikansi dalam
struktur data.
Laporan CJR ini akan membahas lebih lanjut lagi mengenai Signifikansi Mencari dan
Menyortir dalam Struktur Data agar kami lebih memahami bahasa pemograman yang lebih
lanjut. Di dalam CJR ini masih banyak kekurangan yang masih ada karena ini dibuat sesuai
dengan isi jurnal dan pengetahuan yang kami miliki. Jika ada terdapat salah kata atau apapun
kami minta maaf. Terima kasih.

Medan, Mei 2019

Kelompok 4

i
 Daftar Isi

Kata Pengantar.................................................................................................................. i
Daftar Isi............................................................................................................................. ii
BAB I PENDAHULUAN.................................................................................................. 1
1.1. Rasionalisasi Pentingnya CJR...................................................................................... 1
1.2. Tujuan Penulisan CJR................................................................................................... 1
1.3. Manfaat Penulisan CJR................................................................................................ 1
1.4. Identitas Jurnal yang Direview..................................................................................... 2
BAB II RINGKASAN ISI JURNAL................................................................................ 3
2.1. Ringkasan Jurnal Utama............................................................................................... 3
2.2. Ringkasan Jurnal Pembanding...................................................................................... 9
BAB III PEMBAHASAN DAN ANALISIS..................................................................... 13
3.1. Kelebihan Junal............................................................................................................ 13
3.2. Kekurangan Jurnal........................................................................................................ 13
BAB IV PENUTUP............................................................................................................ 14
4.1. Kesimpulan................................................................................................................... 14
Daftar Pustaka................................................................................................................... 16

ii
 BAB I

PENDAHULUAN

1.1. Rasionalisasi Pentingnya CJR

CJR adalah suatu bentuk tugas yang bertujuan untuk melatih mahasiswa dalam
mengkritik dan meringkas isi jurnal yang bertujuan untuk menambah wawasan serta
pengetahuan mahasiswa dalam mengetahui isi jurnal. Di dalam jurnal banyak pengetahuan
dan wawasan yang lebih luas dan dalam mengenai suatu materi yang kita review. Isi materi
dari jurnal berkaitan dengan terapan suatu materi terhadap kehidupan sehari-hari serta
penerapan metode Signifikansi Mencari dan Menyortir dalam Struktur Datadan
menggunakannya dalam dunia pendidikan.

1.2. Tujuan Penulisan CJR

1. Untuk mengetahui algoritma yang dipakai dalam signifikansi struktur data yang dibahas
dalam jurnal ini
2. Untuk mengetahu pencarian linier dan pencarian biner dalam struktur data.
3. Untuk mengetahui cara penyisipan sortir
4. Untuk mengetahui cara sortir data dengan cepat
5. Untuk menambah pengetahuan dan wawasan mengenai struktur data.

1.3. Manfaat Penulisan CJR

 Untuk menambah wawasan dan pengetahuan dari sebuah jurnal
 Meningkatkan pemikiran kritis dalam menganalisis sebuah jurnal
 Meningkatkan kreativitas mahasiswa dalam menulis jurnal

1
1.4. Identitas Jurnal yang Direview

Judul Buku : Significance of Searching and Sorting in Data Structures

Penulis artikel : Megharaja D.S, Rakshitha H J, Shwetha K
Volume jurnal : 05 Issue 04
Tahun Terbit : 4 April 2018
ISSN : 2395 – 0056
Alamat situs : https://www.irjet.net/archives/V5/i4/IRJET-V5I459.pdf

Identitas Jurnal Pembanding

Judul Buku : Implementasi Algoritma Fp-Growth Dalam Penentuan Pola Hubungan
Kecelakaan Lalu Lintas
Penulis artikel : Rizky Fitria1, Warnia Nengsih2, dan Dini Hidayatul Qudsi
Tahun Terbit : Febuari 13 2017
Alamat situs :https://media.neliti.com/media/publications/196590-ID-implementasi
algoritma-fp-growth-dalam-p.pdf

2
 BAB II
RINGKASAN ISI JURNAL

2.1. Ringkasan Jurnal Utama

Pendahuluan
Struktur data adalah format khusus untukmengatur dan menyimpan data. Jenis struktur data
umumtermasuk array, file, catatan, tabel, struktur pohon, dan sebagainya. Disetiap struktur data
dirancang untuk mengatur data agar sesuai dengan sebuah tujuan khusus sehingga dapat diakses
dan dikerjakan dengan cara yang tepat. Pencarian adalah proses menemukan sebuah item tertentu
dalam sekelompok item. Bahkan satu hari pun berlalu,ketika kita tidak perlu mencari sesuatu di
hari kita sehari-harihidup, seperti kunci mobil, charger ponsel, buku dll. Sama dengan
kehidupankomputer, ada begitu banyak data yang tersimpan di dalamnya, sehingga kapan pun
seorang pengguna meminta beberapa data, komputer harus mencari memorinya, mencari data
dan membuatnya tersedia bagi pengguna. Penyortiranmengacu pada penataan ulang item data
dalam urutan tertentu.Kami mengurutkan item pada daftar menjadi abjad atau angkamemesan.
Kami memiliki teknik Penyortiran terkenal untuk disortirelemen baik dalam urutan naik atau
turun. Mencaridan Penyortiran adalah masalah paling dasar dalam ilmu komputer,seperti yang
digunakan di sebagian besar aplikasi perangkat lunak. Komputermemiliki teknik sendiri untuk
mencari dan mengurutkan elemenmelalui ingatannya, yang kita lihat di sini.

1. Introduction:
Pencarian adalah proses menemukan nilai dalam daftar nilai.Dengan kata lain, Pencarian
adalah proses menemukan yang diberikannilai posisi dalam daftar nilai.Sortasi mengacu pada
operasi mengatur data dibeberapa urutan tertentu yaitu, menambah atau mengurangi
pesanan.Penyortiran dikategorikan sebagai penyortiran internal danpenyortiran eksternal.
Penyortiran internal berarti kami mengaturelemen dalam array yang hanya ada di komputer
utamaingatan. Sedangkan pemilahan eksternal adalah pemilahanelemen dari file eksternal
dengan membacanya dari sekunderingatan.

3
 2. Mencari Algoritma
Algoritma adalah urutan instruksi atau seperangkat aturanyang diikuti untuk menyelesaikan
tugas. Dalam diskusi ituberikut, kami menggunakan istilah pencarian istilah untuk menunjukkan
item untukyang kami cari. Kami menganggap daftar yang akan dicari adalaharray bilangan bulat,
meskipun algoritma ini akan berfungsi sama sepertitipe data primitif lainnya (ganda, karakter,
dll.). Kitalihat elemen array sebagai item dan array sebagai daftar.

1) Pencarian Linier
Pencarian Linear adalah salah satu pencarian dasar dan paling sederhanaalgoritma dan
juga disebut sebagai pencarian Sequentialalgoritma. Ini digunakan untuk daftar kecil yang tidak
disortir dan tidak teraturelemen. Dalam teknik ini kami mencari item kunci yang diberikan
didaftar dalam urutan linier yaitu, satu demi satu. Item yang akan pencarian sering disebut item
kunci. Algoritma pencarian linear ditemukanelemen yang diberikan dalam daftar elemen dengan
kompleksitas waktu O (n)di mana n adalah jumlah total elemen dalam daftar.

A. Implementasi Pencarian Linier

Berikut ini adalah langkah-langkah implementasi yang akan kami lakukanberikut:
1. Traverse array menggunakan for for.
2. Dalam setiap iterasi, bandingkan nilai item kuncidengan nilai array saat ini.
 Jika nilainya cocok, kembalikan indeks saat ini dariarray.
 Jika nilai tidak cocok, pindah keelemen array berikutnya.
3. Jika tidak ada yang cocok, kembalikan -1.

B. Kode Fungsi

4
C. Performa Pencarian Linier
Ketika membandingkan algoritma pencarian, kita harus melihat angkadiperlukan
perbandingan, karena kami tidak menukar nilai apa punsaat mencari. Seringkali, ketika
membandingkan kinerja, kamilihat tiga kasus:
Kasus terbaik : jumlah perbandingan dalam kasus ini adalah 1 yaitu,O (1)
Kasus terburuk: dibutuhkan perbandingan N dan sama dengan ukurandari array yaitu, O (n)
Kasus rata-rata: Rata-rata, istilah pencarian akansuatu tempat di tengah array yaitu, O (n).

2) Pencarian Biner
Pencarian biner adalah teknik pencarian sederhana yang bisa dilakukanditerapkan jika
barang-barang yang akan dibandingkan baik dalam naikatau urutan menurun. Ide umum yang
digunakan dalam pencarian binermirip dengan cara kami mencari alamat seseorang dibuku
alamat. Jelas kami tidak menggunakan pencarian linear.Sebagai gantinya, kami membuka buku
dari tengah dan namanyadibandingkan dengan elemen di tengah buku. Jikanama ditemukan,
alamat yang sesuai diambil danpencarian harus dihentikan. Jika tidak, kami juga mencaribagian
kiri buku atau bagian kanan buku. Jika namanyayang akan dicari kurang dari elemen tengah,
carike kiri sebaliknya, cari ke kanan. Prosedurdiulang sampai item Target ditemukan atau item
Target tidakditemukan.Implementasi Binary Search: Sambil mendesainProgram yang rendah
dianggap sebagai posisi pertamaelemen itu diinisialisasi ke 0 dan tinggi sebagai posisielemen
terakhir diinisialisasi ke n-1, elemen tengah. Posisi dapat diperoleh dengan menggunakan:
(low +high)
mid= ;
2
Elemen Target yang akan dicari dibandingkan denganelemen tengah. Jika mereka sama dengan
posisi item dalamarray dikembalikan. Jika kondisinya salah, elemen targetdapat hadir di bagian
kiri array atau di sebelah kananbagian dari array. Jika elemen Target kurang dari tengahelemen
maka bagian kiri array harus dibandingkandari low ke mid-1.Otherwise, bagian kanan array
memilikiuntuk dibandingkan dari pertengahan +1 ke tinggi.Akhirnya ketika rendah melebihi
tinggi, itu menunjukkan barang itu tidakditemukan dalam array.

5
A. Kode Fungsi

B. Performa Pencarian Biner

Kasus terbaik: Operasi yang dilakukan untuk mencapai elemenlangsung yaitu, O (1)
Kasus terburuk: Dalam skenario ini istilah pencarian tidak ada dalamarray, atau istilah pencarian
adalah item pertama atau terakhir dalam array. yaitu.,O (log n)
Kasus rata-rata: istilah pencarian ada di mana saja dalam daftar yaitu, O (logn).

1. Algoritma Penyortiran

1) Jenis Penyisipan
Sortasi penyisipan adalah metode yang sangat sederhana untuk mengurutkan angka
dalamurutan naik atau turun. Metode ini mengikutimetode tambahan. Itu bisa dibandingkan
dengan tekniknyabagaimana kartu diurutkan pada saat bermain game.Di sini sub-daftar
dipertahankan yang selalu diurutkan. Untukcontoh, bagian bawah array dipertahankandisortir.
Elemen yang akan dimasukkan dalam sublist yang diurutkan ini, harus menemukan daftar yang
sesuai dankemudian harusdisisipkan di sana.Oleh karena itu penyisipan nama macam. Algoritma
ini tidakcocok untuk set data besar.

A. Implementasi Penyisipan Sortir

Berikut ini adalah langkah-langkah yang terlibat dalam jenis penyisipan:
1. Kita mulai dengan membuat elemen kedua dari yang diberikanarray, yaitu elemen pada
indeks 1, kuncinya.
2. Kami membandingkan elemen kunci dengan elemensebelumnya, dalam hal ini, elemen
pada indeks 0:

6
  Jika elemen kunci kurang dari yang pertamaelemen, kami memasukkan elemen kunci
sebelumnyaelemen pertama.
 Jika elemen kunci lebih besar dari yang pertamaelemen, lalu kita masukkan setelah
yangpertamaelemen.
3. Kemudian, kita membuat elemen ketiga dari arraysebagai kunci dan akan
membandingkannya dengan elemen di sebelah kiridan masukkan di posisi yang tepat.
4. Dan kita terus mengulanginya, sampai arraynyadisortir.

B. Kode Fungsi

2) Semacam Cepat
Quick sort adalah algoritma penyortiran yang sangat efisien dandidasarkanpada partisi array
data menjadi array yang lebih kecil.Sortir cepat adalah algoritma divide and conquer untuk
mendapatkankeuntungan yang sama dengan jenis gabungan, saat tidak
menggunakanpenyimpanan tambahan.
A. Penerapan Quick Sort
Teknik penyortiran ini sangat cocok untuk set besardata. Pertama kita mempartisi array yang
diberikan menjadi dua sub-arraysedemikian rupa sehingga unsur-unsur ke kiri kurang dari kunci
elemen dan elemen ke arah kanan lebih besar dari kuncielemen.
Untuk mempartisi array menjadi dua sub-array, duavariabel indeks i dan j dipertahankan.
Variabel indeks Imenunjuk ke rendah + 1 di mana titik rendah ke elemen pertama danvariabel
indeks j menunjuk ke tinggi yang menunjuk ke yang terakhirelemen.

7
Item yang [rendah] digunakan sebagai elemen kunci. Kunci iniitem harus ditempatkan pada
posisi j sedemikian rupa sehingga [k] <= a [j] untukrendah <= k <j dan a [j]> = a [1] untuk j + 1
<= 1 <= tinggi. Ini bisa
dicapai dengan membandingkan kunci item dengan [i] dan a [j]. Menjagamenambah indeks i
setiap kali tombol> = a [i]. Segeraketika kondisi ini gagal, terus menurunkan indeks jsetiap kali
tombol <a [j]. Pada tahap ini jika saya kurang dari j, tukara [i] dengan [j] dan ulangi prosesnya.
Jika saya lebih besar dari ataumemberikan posisi elemen yang dipartisi. Sekarangelemen di
sebelah kiri a [j] semuanya kurang dari a [j] dan elemenke arah kanan itu lebih besar.

B. Algoritma Untuk Quick Sort

Input: a,n, item,key
partisi algoritma (a, rendah, tinggi)

algoritma quicksort (a, rendah, tinggi)

{
if low < high then
{
j=partition(a, low, high);
quicksort(a, low,j=1)
quicksort(a,j+1, high);
}
}

8
 2.2. Ringkasan Jurnal Pembanding
Pendahuluan
Penelitian yang dilakukan oleh [4] membahas ten-tang implementasi algoritma Fp growth
untuk me-nganalisis data transaksi yang terjadi disebuah toko kue yaitu L’Cheese pekanbaru.
Pada pengimple mentasiannya, peneliti menerapkan algoritma Fp-growth untuk menganalisis
pola pembelian pelang-gan dengan menganalisis penjualannya. Hasilnya berupa item yang
paling banyak terjual dan keter-kaitan antara dua item atau lebih yang nantinya ak-an berdampak
pada penjualan kue tersebut. Penelitian yang dilakukan oleh [5] mengana-lisis terhadap
penjualan sepeda motor untuk mengetahui sepeda motor mana yang lebih banyak diju-al, dan
berapa banyak persediaan yang diperlukan perusahaan untuk menyediakansepeda motor. Un-tuk
mengimplementasikan algoritma Fp-growth pada penelitian ini, dilihat dari banyaknya item yang
terjual, lalumembuat rangkaian tree dengan fp-tree untuk mengetahui banyaknya frequent
itemset yang terjadi. Peneliti [6] melakukan penelitian untuk mengetahui pola hubungan yang
sering terbentuk dari faktor-faktor penyebab terjadinya kecelakaan di ja-lan raya khususnya pada
Kabupaten Sleman. Pene-litian ini menggunakan metode associationrule algoritma apriori.
Faktor yang diambil dalam pe-nelitian ini adalah waktu, profesi, usia, jenis kela-min, dan Surat
Izin Mengemudi (SIM)
Pengemplementasi :
Mulai

Login

Cek validasi

Data kecelakaan, waktu kejadian

Pengolahan data dengan

Fp-growth

Pola kecelakaan lalu lintas

Selesai

9
METODE
Penelitian yang dibahas pada artikel ini merupakan penelitian untuk membangun sebuah
aplikasi desktop yang akan menganalisis pola hubungan kecelakaan lalu lintas menggunakan
metode association rule yaitu algoritma Fp-growth. Faktor yang diambil dalam penelitian ini
adalah waktu kejadian, jenis pekerjaan, usia, jenis kelamin, jenis kecelakaan, jenis luka, jenis
kendaraan dan jenis jalan
Teknik Association Rule

Analisis asosiasi adalah teknik data mining untuk menemukan aturan asosiatif antara
kombinasi sua- tu item. Contoh aturan asosiatif dari analisis pem- belian di suatu pasar swalayan
adalah seperti be- rapa besar kemungkinan seorang pelanggan mem- beli roti bersamaan dengan
susu [4]. Association Rule ditentukan oleh dua parameter, yaitu: 1) Sup- port adalah suatu ukuran
yang menunjukkan sebe- rapa besar tingkat dominasi/persentase suatu kom- binasi item dari
keseluruhan transaksi, 2) Confi- dence adalah suatu ukuran yang menunjukkan ku- atnya
hubungan antar item dalam aturan asosiatif. Metodologi yang mendasari metode ini adalah ana-
lisis pola frekuensi tinggi dan pembentukan aturan asosiatif.

Algoritma Fp-growth Algoritma

Fp-growth merupakan salah satu algoritma dari teknik association rule yang dapat
digunakan untuk menentukan himpunan data yang paling sering muncul (frequent itemset) dalam
sebuah kumpulan data [7]. Pengembangan dari algoritma apriori ini terletak dalam scanning
database dan akurasi rulesnya. Fp-growth lebih memberikan keuntungan karena hanya dilakukan
satu atau dua kali saja scanning database sedangkan apriori perlu melakukan scanning database
berulang ulang. Pada apriori akurasi rules-nya lebih tinggi daripada Fp-growth. Namun, karena
scanning dilakukan secara berulang, kecepatannya jadi lebih lambat. Walaupun begitu, kedua
algoritma ini memiliki tujuan yang sama yaitu menentukan frequent itemset [7]. Algoritma Fp-
growth memiliki tiga tahapan utama [8], yaitu: 1) Tahap pembangkitan Conditional Pattern Base,
merupakan sub-database yang berisi prefix path dan suffix pattern (pola akhiran); 2) Tahap
pembangkitan Conditional fp-tree, dimana pada tahap ini support count dari setiap item untuk
conditional pattern base dijumlahkan; 3) Tahap pencarian Frequent Itemset, merupakan lintasan
tunggal (single path), kemudian didapatkan frequent itemset dengan melakukan kombinasi item
untuk conditional fp-tree.

10
 Blok Diagram Sistem
Diagram blok sistem secara garis besar. Data kecelakaan lalu lintas yang dipe- roleh
dilakukan proses pre-processing terlebih da- hulu sehingga menghasilkan data yang siap digu-
nakan untuk proses mining. Data-data yang telah melewati proses tersebut akan di-mining-kan
deng- an algoritma Fp-growth untuk menghasilkan sebu- ah pola hubungan kecelakaan lalu
lintas.

Gam
bar 5. Halaman untuk melihat pola

HASIL DAN PEMBAHASAN

Tampilan Antarmuka

Gambar 5 merupakan tampilan dari sistem yang di- bangun. Halaman untuk melihat pola
tersebut akan menampilkan tree dan pola sesuai dengan tahun yang dipilih oleh pengguna
berdasarkan algoritma Fp-growth.

Pengujian dan Analisis

Pengujian dilakukan untuk mengukur tingkat kea- kurasian dari metode Fp-growth.
Pengujian ini me- nggunakan lift ratio, akan tetapi sebelumnya dila- kukan pengujian dalam
menentukan nilai mini- mum support dan confidence terbaik.

11
Pengujian Minimum Support dan Minimum Confi- dence

Pengujian nilai minimum support ini digunakan un- tuk mengetahui nilai minimum
support yang tepat yang akan digunakan dalam sistem. Nilai minimum support itu sendiri
merupakan syarat minimum ju- mlah kemunculan item secara bersamaan dalam ke-
seluruhan transaksi. Pengujian ini dilakukan dengan menguji coba data dengan nilai
minimum sup- port terendah yaitu 0.01. Berikut hasil pengujian nilai minimum support.
Berdasarkan Tabel 1 hasil yang didapat mela- lui pengujian minimum support pada
dataset 2013- 2013 didapatkan 18 pola dengan nilai rata rata sup- port yaitu 0.15
sedangkan pada dataset 2013-2015 yaitu 0.04. Sehingga peneliti mengambil nilai sup-
port terkecil yaitu 0.04 sebagai nilai support yang akan digunakan pada sistem penetuan
pola kece- lakaan ini. Pemilihan nilai minimum support yang paling kecil dikarenakan
nilai minimum support adalah nilai acuan dalam perhitungan sebuah item- set. Hanya
itemset yang nilai support nya sama atau lebih besar dari nilai minimum support saja
yang akan dijadikan sebuah pola. Hal ini juga dikare- nakan jika menggunakan nilai
minimum support
0.15 maka pada dataset 2013-2015 tidak akan ada pola yang berhasil terseleksi
dikarenakan tidak ad- anya pola yang memiliki nilai support 0.15 atau lebih, sehingga
peneliti menggunakan nilai 0.4 se- bagai nilai minimum support yang tepat.
Berdasarkan Tabel 2 hasil yang didapat mela- lui pengujian minimum confidence
pada dataset 2013-2013 dihasilkan 18 pola dengan nilai rata rata confidence sebesar 0.58.
Sedangkan pada dataset 2013-2015, dihasilkan 6 pola dengan nilai rata-rata yaitu 0.69.
Berdasarkan hasil tersebut, peneliti me- ngambil nilai confidence terkecil yaitu 0.58 yang
kemudian dibulatkan menjadi 0.6 sebagai nilai co- nfidence yang akan digunakan pada
sistem penen- tuan pola kecelakaan ini.

12
 BAB III
PEMBAHASAN

3.1 KELEBIHAN ISI JURNAL

Kelebihan Jurnal pada jurnal utama cover yang disajikan dalam jurnal ini sangat menarik
minat pembaca,tampilan seluruh jurnal sangat bagus dan menarik, dan materi yang disajikan
dalam jurnal ini sangat lengkap sehingga pembaca dapat menambah wawasan dan
pengetahuan mengenai pencarian dan penyortiran struktur data. Sedangkan kelebihan pada
jurnal pembanding, jurnal ini bagus bagi pembaca karena bahasa didalam isi jurnal ini sangat
mudah untuk dipahami. Cara penyampaian dalam metode bisadiperaktekkan dalam lalu
lintas, Dan pantas untuk terus di lanjutkan dengan adanya dan perkembangan teknologi.

3.2 KEKURANGAN ISI JURNAL

Pada kedua jurnal juga memiliki kekurangan,kekurangan pada jurnal utama ini kurang
menjelaskan secara rinci tentang sintak dalam pemograman yang dipakai. Sedang pada
jurnal pembanding, masih adanya kesalahan penulisan (typo) dan penggunaan tanda baca
yang kurang tepat.Sistematika penulisan jurnal tidak tersusun dengan baik mulai dari judul
penelitian, nama penulis, abstrak, pendahuluan, metode, hasil, pembahasan, dan kesimpulan

13
 BAB IV
PENUTUP
4.1 KESIMPULAN

Kesimpulan Jurnal Utama

Setiap pencarian danAlgoritma sorting memiliki kelebihan dan kekurangan.
Beberapaalgoritma penyortiran telah dibandingkan berdasarkanberbagai faktor seperti
kompleksitas, jumlah lintasan, jumlahperbandingan dll. Juga terlihat bahwa banyak
algoritmaberorientasi masalah sehingga kami akan mencoba membuatnya berorientasi
global.Karena itu, kita dapat mengatakan bahwa ada banyak karya masa depan yangadalah
sebagai berikut.
1) Hapus kerugian dari berbagai penyortiran mendasardan memilah terlebih dahulu.
2) Membuat penyortiran berorientasi masalah ke berorientasi global.
Pada akhirnya kami ingin mengatakan bahwa ada ruang lingkup yang sangat luasalgoritma
pengurutan dan pencarian dalam waktu dekat, danuntuk menemukan algoritma penyortiran
optimal, pekerjaan penyortiranAlgoritma akan berlangsung selamanya.Setiap algoritma sorting
memiliki kelebihan dan kelebihan masing-masingkerugian. Seleksi sortir O (N2) macam dan
sortir cepatO (NlogN) macam.Keuntungan dari Sort sort adalah jumlah swapadalah O (N), dan
kerugiannya adalah tidak berhenti lebih awal jikadaftar diurutkan dan terlihat pada setiap elemen
dalam daftar dibelok. Sangat cocok dalam kasus di mana Anda perlu memilih makselemen dalam
daftar. Dengan kompleksitas waktu yang sama dengan BubbleSortir o (n ^ 2), namun kinerjanya
lebih baik daripada BubbleMenyortir.Keuntungan dari Quick sort adalah bahwa itu adalah sort
tercepat danadalah O (NlogN) dalam jumlah perbandingan danjumlah swap dan kekurangannya
adalah algoritmaagak sulit dipahami.Pencarian beruntun dilakukan dengan melakukan
perbandingan nilai yang dicari dengan setiap elemen array, mulai dari indeks terkecil sampai
indeks terbesar yang terdefinisi. Pencarian dihentikan jika nilai yang dicari telah ditemukan atau
semua elemen sudah diperiksa. Mencari nilai terbesar atau terkecil adalah contoh lain dari proses
beurtan terhadap array.

14
 Kesimpulan Jurnal Pembanding
Berdasarkan uraian yang telah dijelaskan, maka da-pat diambilkesimpulan bahwa aplikasi
penentuan pola kecelakaan lalu lintas dengan algoritma Fp-growth yang dibangun dapat berjalan
dengan baik dan sesuai dengan tujuan yang diharapkan. Mes-kipun demikian, aplikasi ini hanya
membantu pi-hak terkait dalam membuat keputusan untuk memi-nimalisir terjadinya kecelakaan,
bukan untuk mem-buat keputusan dalam membuat kebijakan.

Demikianlah laporan CJR ini saya perbuat, saya mohon maaf jika ada kekurangan materi
atau kata – kata dalam laporan ini. Saya mohon kritik dan saran dari ibu dosen dan litelatur
lainnya.

15
 DAFTAR PUSTAKA

S. Megharaja dkk. 2018.Significance of Searching and Sorting in Data Structures.International

Research Journal of Engineering and Technology(IRJET). 2395 – 0056; 05 Issue 04.
https://www.irjet.net/archives/V5/i4/IRJET-V5I459.pdf
https://www.academia.edu/17143309/Struktur_Data_-_SORTING_PENGURUTAN_
[1]Ririanti.“Implementasi Algoritma FP-Grow-th pada Aplikasi Prediksi Persediaan Sepeda
Motor (Studi Kasus PT. Pilar Deli Labu-mas),” Pelita Informatika Budi Darma, vol. 6, pp. 139-
144, 2014.
[2]World Health Organization. (2017). Road tra-ffic injuries. [online] Available
At:http://www.who.int/violence_injury_prevention/road_traffic/en/ [Diakses pada 25 Okt. 2017].
[3]Bin.go.id. (2017). Kecelakaan Lalu Lintas Menjadi Pembunuh Terbesar Ketiga|Badan
Intelijen Negara Republik Indonesia. [online] Availableat:
http://www.bin.go.id/awas/detil/197/4/21/03/2013/kecelakaan-lalulintas-pembunuh-terbesar
ketiga [Diakses pada 25 Okt. 2017].
[4]Fitriany Sitanggang, L., “Aplikasi Data mini-ng Association Rule dengan Algoritma FP-
Growth Untuk Mengenali Pola Pembelian

16