PENERAPAN ALGORITMA GREEDY PADA PERMASALAHAN

KNAPSACK UNTUK OPTIMASI PENGEMASAN PARCEL BUAH

ILKOM 2021/2022
Gusti Ayu Gita Mulya Sari1), Dwi Prima Handayani Putri2)
1
1915101011, 21915101012
Program Studi Ilmu Komputer
Jurusan Teknik Informatika, Universitas Pendidikan Ganesha
Jalan Udayana 11, Singaraja
Telepon (0362) 22570

Singaraja, 29 Mei 2022

ABSTRAK

Dalam kehidupan sehari-hari, terdapat berbagai hal yang harus diselesaikan. Salah satu pekerjaan
tersebut adalah membuat parcel buah. Menyusun buah pada parcel merupakan hal yang dapat dibilang
susah-susah gampang. Diperlukan sebuah algoritma yang tepat untuk dapat menyelesaikan permasalahan
penyusunan buah pada parcel agar parcel yang dijual dapat menghasilkan profit tertinggi. Selain itu, berat
dari parcel tersebut juga tidak boleh melewati berat yang sudah ditentukan. Salah satu algoritma yang
dapat diaplikasikan adalah Algoritma Greedy. Algoritma Greedy yang digunakan pada makalah ini adalah
1/0 Greedy Algorithm. Algoritma Greedy By Weight, Greedy by Profit, dan Greedy by Density akan
digunakan untuk menemukan solusi terbaik dari permasalahan penyusunan buah pada parcel.
Keseluruhan algoritma tersebut akan dibuat menjadi sebuah program computer menggunakan Bahasa
pemrograman Python. Selanjutnya, output dari setiap algoritma akan dibandingkan dan dipilih solusi yang
menghasilkan profit terbesar.

Kata Kunci : algoritma greedy, greedy by density, greedy by profit, greedy by weight

I. PENDAHULUAN parcel sehingga ditemukan profit yang paling

Latar Belakang
Dalam kehidupan sehari-hari, terdapat
berbagai hal yang harus diselesaikan. Hal-hal
tersebut bisa mencakup hal pendidikan, rumah
tangga, pekerjaan, atau lain sebagainya. Proses
untuk menyelesaikan suatu permasalahan biasanya
memiliki lebih dari satu solusi. Namun, solusi-
solusi yang muncul dapat dipilih sesuai dengan
kebutuhan. Proses untuk menyelesaikan suatu
pekerjaan menggunakan suatu urutan tertentu
disebut dengan algoritma. Selain itu, algoritma
merupakan perintah-perintah atau metode efektif
untuk memecahkan suatu masalah yang
diekspresikan dalam suatu rangkaian terbatas [4].
Dengan menggunakan suatu algoritma yang tepat,
proses untuk menemukan solusi terbaik pada suatu
permasalahan dapat dilakukan dengan lebih mudah
dan cepat.
Pada makalah ini, penulis akan membahas
mengenai bagaimana cara menyusun buah pada
besar. Menyusun buah pada parcel merupakan
hal yang dapat dibilang susah-susah gampang.
Biasanya, penjual parcel akan membatasi berat
pada parcel buah yang mereka jual. Selain itu,
penjual parcel buah juga perlu memikirkan
mengenai profit atau keuntungan yang mereka
dapatkan dari parcel yang mereka buat. Dalam
hal ini, penjual parcel harus memikirkan
algoritma yang tepat untuk menyusun buah pada
parcel yang mereka buat. Salah satu algoritma
yang dapat diimplementasikan untuk membantu
menyelesaikan permasalahan penjual parcel
buah adalah algoritma Greedy. Algoritma
Greedy merupakan suatu algoritma yang
menjadikan berat sebagai tumpuan utama.
Dengan latar belakang Algoritma Greedy,
penulis tertarik untuk mencoba menemukan
solusi untuk mencari tahu susunan buah mana
yang dapat memberikan penjual parcel profit
terbesar dengan berat tidak melebihi suatu batas
tertentu.
 Secara garis besar, Algoritma Greedy terbagi
menjadi dua, yaitu Fractional Greedy dan 1/0
Greedy. Namun, pada makalah ini, penulis akan
mencoba untuk mengaplikasikan Algoritma Greedy
1/0. Hal ini disebabkan karena buah merupakan
benda yang tidak dapat dibagi. Hanya ada pilihan
mengambil buah untuk dimasukkan ke parcel atau
tidak. Selain itu, Algoritma Greedy juga dibagi
menjadi tiga jenis, yaitu Greedy By Weight, Greedy
by Profit, dan Greedy by Density.
Berdasarkan apa yang telah dibahas
sebelumnya, pada makalah ini, penulis akan
mencoba untuk menyelesaikan permasalahan
pemilihan buah untuk sebuah parcel menggunakan
pendekatan Algoritma Greedy 1/0. Penulis akan
mencoba ketiga jenis algoritma yang sudah
disebutkan sebelumnya. Sebuah program akan
dibuat menggunakan bahasa pemrograman Python
untuk menemukan solusi profit tertinggi dari
permasalahan tersebut.
I.I Tujuan
1. Mengetahui pemecahan masalah mengenai
penyusunan parcel buah menggunakan
algoritma Greedy.
2. Mengetahui solusi penyusunan buah pada
parcel dari setiap algoritma Greedy yang
digunakan.
3. Mengetahui perbandingan hasil masing-
masing Algoritma Greedy yang digunakan
dan algoritma manakah yang menghasilkan
profit terbesar.
I.II Rumusan Masalah
1. Bagaimana cara memecahkan
permasalahan menyusun buah pada parcel
menggunakan algoritma Greedy?
2. Bagaimana solusi penyusunan buah pada
parcel dari setiap algoritma Greedy yang
digunakan?
3. Bagaimanakah perbandingan hasil masing-
masing Algoritma Greedy yang digunakan
dan algoritma manakah yang menghasilkan
profit terbesar?
I.III Pendekatan Pemecahan Masalah
Pada pendekatan pemecahan masalah, penulis
menggunakan langkah-langkah sebagai berikut:
1. Memahami Masalah
Penulis memahami bahwa
permasalahan pengemasan buah pada
sebuah parcel terkadang dapat menjadi
sebuah persoalan yang rumit. Seorang
penjual parcel buah harus memperhatikan
bobot maksimal dari parcel yang dibuat.
Selain itu, seorang penjual parcel buah
juga harus memperhitungkan
keuntungan dari parcel yang dibuat.
Penjual parcel buah pun harus
memikirkan strategi untuk mengemas
buah-buah tersebut agar sesuai kriteria
dan mendapatkan keuntungan yang
maksimal.
2. Membuat Rencana untuk Menyelesaikan
Masalah
Permasalahan pengemasan
buah-buahan pada sebuah parcel
seharusnya dapat diselesaikan dengan
sebuah pendekatan matematis. Salah
satu algoritma yang dapat
menyelesaikan permasalahan tersebut
adalah Algoritma Greedy. Algoritma
Greedy yang digunakan adalah
Algoritma Greedy 1/0 . Algoritma
Greedy 1/0 dipilih karena biasanya
buah-buahan pada sebuah parcel
dimasukkan secara utuh. Hanya terdapat
pilihan memasukkan buah tersebut ke
parcel atau tidak. Selain itu, pada
masalah ini akan diaplikasikan tiga jenis
algoritma greedy yaitu Greedy by
weight, Greedy by Profit, dan Greedy by
Density.
3. Melaksanakan Rencana yang Dibuat pada
Langkah Kedua
Pada tahap pelaksanaan, akan
dibuat suatu program menggunakan
bahasa pemrograman Python untuk
membantu penyelesaian permasalahan.
Python dipilih karena bahasa
pemrograman tersebut relatif mudah
untuk digunakan. Pada program tersebut
akan diinputkan berbagai macam pilihan
buah untuk dimasukkan ke dalam
sebuah parcel. Kemudian, keuntungan
per-buah akan dicari. Setelah itu,
algoritma greedy akan dijalankan untuk
menemukan susunan-susunan buah
yang dapat dimasukkan ke dalam
sebuah parcel. Terakhir, solusi-solusi
tersebut akan dibandingkan dan dipilih
solusi mana yang dapat menghasilkan
profit tertinggi.
4. Memeriksa Ulang Hasil yang Diperoleh
Debugging merupakan hal yang
harus dilakukan pada pengkodean.
Pemeriksaan inputan, jalannya program
dan output akan terus diperiksa sehingga
 dirasa program sudah dapat berjalan dengan
baik. Jika terdapat bug, maka hal tersebut
perlu segera diperbaiki. Pengecekan output
juga akan dilakukan, apakah output sudah
sesuai dengan rumus matematis atau tidak.
II. LANDASAN TEORI DAN METODE
II.I Landasan Teori
1. Optimasi
optimasi adalah suatu permasalahan
komputasional yang bertujuan untuk dapat
menemukan suatu solusi terbaik dari beberapa
solusi yang ada dengan memenuhi beberapa batasan
yang ada [2]. Optimasi merupakan suatu metode
untuk mendapatkan nilai maksimum atau minimum
dari suatu fungsi dengan tujuan untuk mencapai
hasil yang ideal sehingga bermanfaat untuk
meningkatkan performa dan produktivitas kinerja.
2. Permasalalahan Knapsack (Knapsack Problem)
Permasalahan knapsack merupakan salah satu
contoh dari permasalahan optimisasi kombinatorial,
dimana orang-orang dihadapkan pada permasalahan
dalam pemilihan benda yang dapat dimasukkan ke
dalam suatu wadah yang memiliki batasan kapasitas
daya tampung [1]. Sebagai contohnya, diberikan
satu set benda, dimana masing-masing benda
tersebut memiliki suatu berat dan nilai. Pada
permasalahan knapsack ini, akan ditentukan jumlah
setiap benda yang dapat dimasukkan ke dalam suatu
wadah, sehingga bobot totalnya bernilai kurang atau
sama dengan batasan kapasitas yang telah
diberikan, serta diperoleh keuntungan atau nilai
semaksimal mungkin.
Pada permasalahan knapsack, diberikan n
buah barang dengan barang i memiliki bobot 𝑣𝑖 dan
profit 𝑏𝑖 , serta sebuah knapsack dengan kapasitas 𝑉.
Jika 𝑋𝑖 merupakan total barang ke-i yang akan
ditempatkan pada knapsack dengan nilai 1 atau 0
[5]. Maka tujuan dari permasalahan knapsack dapat
dituliskan dengan fungsi sebagai berikut:
∑𝜋𝑖=1 𝑏𝑖 . 𝑣𝑖 (1)
dengan batasan:
∑𝜋𝑖=1 𝑣𝑖 . 𝑋𝑖 ≤ 𝑉 (2)
3. Algoritma Greedy
Algoritma greedy merupakan salah satu
algoritma yang populer untuk memecahkan
persoalan optimasi, walaupun solusi yang
dihasilkan tidak selalu optimum. Greedy secara
harfiah berartikan serakah atau tamak oleh karena
itu algoritma greedy merupakan algoritma yang
membangun solusi melalui serangkaian langkah-
langkah, sampai solusi lengkap untuk suatu
permasalahan tercapai. Pada setiap langkahnya,
algoritma ini akan melakukan pengambilan
secara “tamak” dari alternatif terbaik yang
tersedia, dengan harapan dapat menghasilkan
solusi optimal yang menyeluruh [3]. Prinsip
utama dari algoritma ini adalah mengambil
sebanyak mungkin apa yang dapat diperoleh
sekarang.
Dalam menyelesaikan permasalahan
knapsack dengan pendekatan greedy, terdapat 3
jenis strategi algoritma greedy yang dapat
diterapkan yaitu:
a. Greedy by Profit
Dimana pada setiap langkah, akan dipilih
objek yang memiliki profit atau keuntungan
terbesar. Langkah pertama yang dilakukan
dengan pendekatan algoritma greedy by profit
ini adalah mengurutkan barang secara menurun
(descending) berdasarkan profitnya. Setelahnya
akan diambil satu persatu barang yang dapat
ditampung sampai kapasitas knapsack penuh
atau tidak ada barang lagi yang bisa dimasukkan.
b. Greedy by Weight
Dimana pada setiap langkah, akan dipilih
objek yang memiliki berat atau bobot teringan.
Langkah pertama yang dilakukan dengan
pendekatan algoritma greedy by weight ini
adalah mengurutkan barang secara menaik
(ascending) berdasarkan beratnya. Setelahnya
akan diambil satu persatu barang yang dapat
ditampung sampai kapasitas knapsack penuh
atau tidak ada barang lagi yang bisa dimasukkan.
c. Greedy by Density
Dimana pada setiap langkah, akan dipilih
objek yang memiliki nilai 𝑝𝑖 /𝑤𝑖 terbesar.
Langkah pertama yang dilakukan dengan
pendekatan algoritma greedy by density ini
adalah mengurutkan barang secara menurun
(descending) berdasarkan nilai 𝑝𝑖 /𝑤𝑖 .
Setelahnya akan diambil satu persatu barang
yang dapat ditampung sampai kapasitas
knapsack penuh atau tidak ada barang lagi yang
bisa dimasukkan.
II.II Metode
Metode yang kami gunakan dalam
penelitian ini adalah algoritma greedy, dimana
kami menerapkan 3 strategi algoritma greedy
untuk memecahkan permasalahan integer
knapsack dalam pengemasan parsel buah. 3
strategi tersebut diantaranya adalah greedy by
profit, greedy by weight, dan greedy by density.
Adapun Langkah-langkah yang dilakukan untuk
memecahkan permasalahan ini yaitu:
1. Melakukan studi literatur terkait penerapan Tabel 2. Tabel Berat Buah Apel Merah per-
algoritma greedy dalam menyelesaikan gram serta Keuntungan Masing-Masing Buah
permasalahan integer knapsack (integer
No Berat Buah (gr) Keuntungan Per-
knapsack problem).
Buah
2. Menganalisa kasus dan melakukan identifikasi
permasalahan yang ditemui dalam penerapan 1. 200,185 3002,775
algoritma greedy.
3. Merancang algoritma dan melakukan 2. 199,021 2985,315
pengkodean (coding) menggunakan bahasa
pemrograman python untuk 3. 200,217 3003,255
mengimplementasikan algoritma greedy dalam
menyelesaikan permasalahan integer knapsack 4. 198,235 2973,525
dalam pengemasan parsel buah.
4. Melakukan analisis dan pembahasan hasil 5. 202,342 3035,13
program.
5. Membuat kesimpulan akhir dari hasil Tabel 3. Tabel Jumlah, Berat Total, dan Harga
penelitian. Beli Total Jeruk Sunkist per-kilo
III. HASIL DAN PEMBAHASAN Nama Jumlah Berat Harga
Barang Barang Total Beli
III.I Memecahkan Permasalahan Menyusun Total
Buah pada Parcel Menggunakan Algoritma
Greedy. Jeruk 6 1 kg Rp
Pada makalah ini digunakan tiga jenis Sunkist 48.000
algoritma greedy untuk menyelesaikan
permasalahan penyusunan buah pada parcel. Prosentase keuntungan per- 1kg pembelian buah
Namun, sebelum menjalankan algoritma-algoritma adalah 30%.
tersebut, keuntungan masing-masing buah akan Keuntungan Total
dihitung terlebih dahulu. = Harga Beli Total × Prosentase
= Rp 48.000 × 30%
Tabel 1. Tabel Jumlah, Berat Total, dan Harga Beli = Rp 14.400/kilo
Total Apel Merah per-kilo Keuntungan Per-Buah
Nama Jumlah Berat Harga = Keuntungan Total / Berat Buah
Barang Barang Total Beli (gr)
Total = Rp 14.400 / 1000 gr
= Rp 14,4/buah
Apel Merah 5 1 kg Rp
50.000 Tabel 4. Tabel Berat Buah Jeruk Sunkist per-
gram serta Keuntungan Masing-Masing Buah
Prosentase keuntungan per- 1kg pembelian buah No Berat Buah (gr) Keuntungan Per-
adalah 30%. Buah
Keuntungan Total
= Harga Beli Total × Prosentase 1. 166,044 2391,0336
= Rp 50.000 × 30%
2. 165,011 2376,1584
= Rp 15.000/kilo
Keuntungan Per-Buah 3. 166,036 2390,9184
= Keuntungan Total / Berat Buah (gr)
= Rp 15.000 / 1000 gr 4. 167,234 2408,1696
= Rp 15/buah
5. 167,245 2408,328

6. 168,430 2425,392
 Tabel 8. Tabel Berat Buah Kiwi per-gram serta
Tabel 5. Tabel Jumlah, Berat Total, dan Harga Beli Keuntungan Masing-Masing Buah Kiwi
Total Nanas per-kilo
No Berat Buah (gr) Keuntungan Per-
Nama Jumlah Berat Harga Buah
Barang Barang Total Beli
Total 1. 123,18 3375,132

Nanas 2 1,2 kg Rp 2. 128,35 3516,79

18.000
3. 121,54 3330,196

Prosentase keuntungan per- 1kg pembelian buah 4. 129,67 3552,958

adalah 30%.
Keuntungan Total 5. 125,67 3443,358
= Harga Beli Total × Prosentase
= Rp 18.000 × 30% 6. 127,98 3506,652
= Rp 5.400/kilo
Keuntungan Per-Buah 7. 123,77 3391,298
= Keuntungan Total / Berat Buah (gr)
8. 119,84 3283,616
= Rp 5.400 / 1200 gr
= Rp 4,5/buah
Tabel 9. Tabel Jumlah, Berat Total, dan Harga
Tabel 6. Tabel Berat Buah Nanas per-gram serta Beli Total Anggur Jari per-kilo
Keuntungan Masing-Masing Buah Nanas
Nama Jumlah Berat Harga
No Berat Buah (gr) Keuntungan Per- Barang Barang Total Beli
Buah Total

1. 601,218 2971,177 Anggur Jari 3 1 kg Rp

88.000
2. 598,782 2428,823
Prosentase keuntungan per- 1kg pembelian buah
Tabel 7. Tabel Jumlah, Berat Total, dan Harga Beli adalah 30%.
Total Kiwi per-kilo Keuntungan Total
Nama Jumlah Berat Harga = Harga Beli Total × Prosentase
Barang Barang Total Beli = Rp 88.000 × 30%
Total = Rp 26.400/kilo
Keuntungan Per-Buah
Kiwi 8 1 kg Rp = Keuntungan Total / Berat Buah
92.000 (gr)
= Rp 26.400 / 1000 gr
= Rp 26,4/buah
Persentase keuntungan per- 1kg pembelian buah
adalah 30%. Tabel 10. Tabel Berat Buah Anggur Jari per-
Keuntungan Total gram serta Keuntungan Masing-Masing Buah
= Harga Beli Total × Prosentase Anggur Jari
= Rp 92.000 × 30%
= Rp 27.600/kilo No Berat Buah (gr) Keuntungan Per-
Keuntungan Per-Buah Buah
= Keuntungan Total / Berat Buah (gr)
= Rp 27.600 / 1000 gr 1. 268,12 7078,368
= Rp 27,6/buah
2. 261,18 6895,152
 3. 264,88 6992,832

III.II Solusi Penyusunan Buah pada Parcel dari

Setiap Algoritma Greedy yang Digunakan.
Dengan menggunakan algoritma greedy
dalam menyelesaikan permasalahan pengemasan
parsel buah ini, terdapat beberapa strategi greedy
heuristic yang kami gunakan diantaranya yaitu
greedy by profit, greedy by weight, dan greedy by
density. Ketiga strategi tersebut diimplementasikan
ke dalam bahasa pemrograman python untuk
mempermudah dalam proses perhitungan.
Data buah yang diinputkan ke dalam program
adalah data buah yang telah dijabarkan pada bagian
III.I, dimana variabel-variabel yang diinputkan
meliputi nama buah, berat total buah, harga beli
total buah, jumlah buah per satuan, serta berat buah
per item. Setelah itu program akan melakukan
operasi untuk menghitung keuntungan buah per Gambar 1. Urutan Barang berdasarkan
itemnya. Persentase keuntungan per- 1kg Density (Greedy by Density)
pembelian buah ditetapkan sebesar 30%. maka dari
itu kita dapat hitung keuntungan total serta Setelah objek-objek diurutkan, kemudian
keuntungan per buahnya dengan rumus berikut: objek akan diambil satu persatu sampai kapasitas
Keuntungan Total parsel penuh atau sudah tidak ada objek lagi
= Harga Beli Total × Prosentase (3) yang bisa dimasukkan. Berikut merupakan hasil
Keuntungan Per-Buah output dari program yang dijalankan. Adapun
= Keuntungan Total / Berat Buah (4) untuk menjadi perhatian, penulis menetapkan
Keuntungan per buah ini nantinya dibutuhkan limit berat parcel buah yakni sebesar 2000 gr
untuk memecahkan permasalahan pengemasan atau 2kg.
buah dengan algoritma greedy.
1. Greedy by Denisty
Proses pertama yang dilakukan program
adalah mengurutkan objek-objek yang dalam hal ini
adalah buah, secara menurun (descending)
berdasarkan densitasnya.

Gambar 2. Hasil Algoritma Greedy by Density

2. Greedy by Profit
Proses pertama yang dilakukan program
adalah mengurutkan objek-objek yang dalam hal
ini adalah buah, secara menurun (descending)
berdasarkan profitnya.

Gambar 3. Urutan Barang berdasarkan Keuntungan
(Greedy by Profit)
Setelah objek-objek diurutkan, kemudian
objek akan diambil satu persatu sampai kapasitas
parsel penuh atau sudah tidak ada objek lagi yang
bisa dimasukkan. Berikut merupakan hasil output
dari program yang dijalankan. Adapun untuk
menjadi perhatian, penulis menetapkan limit berat
parcel buah
yakni sebesar 2000 gr atau 2kg.
Gambar 4. Hasil Algoritma Greedy by Profit
3. Greedy by Weight
Proses pertama yang dilakukan program
adalah mengurutkan objek-objek yang dalam hal
ini adalah buah, secara menaik (descending)
berdasarkan beratnya (weight).
Gambar 5. Urutan Barang berdasarkan Berat
(Greedy by Weight)
Setelah objek-objek diurutkan, kemudian
objek akan diambil satu persatu sampai kapasitas
parsel penuh atau sudah tidak ada objek lagi
yang bisa dimasukkan. Berikut merupakan hasil
output dari program yang dijalankan. Adapun
untuk menjadi perhatian, penulis menetapkan
limit berat parcel buah yakni sebesar 2000 gr
atau 2kg.

Gambar 6. Hasil Algoritma Greedy by Weight
permasalahan integer knapsack pada
pengemasan parsel buah. Untuk menyelesaikan
permasalahan tersebut digunakan strategi
algoritma greedy yaitu Greedy by Density,
Greedy by Profit, dan Greedy by Weight. Dari
hasil percobaan yang telah dilakukan dari ketiga
strategi algoritma greedy tersebut, yang
memberikan solusi optimal sehingga
memberikan keuntungan tertinggi dengan berat
paling mendekati kapasitas knapsack adalah
dengan menggunakan strategi Greedy by Profit.
Dimana keuntungan total yang didapatkan dari
strategi Greedy by Profit adalah 51.601 dan berat
total parsel adalah 1996,522.

III.III Perbandingan Hasil Masing-Masing V. KUTIPAN DAN DAFTAR PUSTAKA

Algoritma Greedy yang Digunakan dan [1] Agus Ambarwari, N. W. Y. (2016).
Algoritma yang Menghasilkan Profit Terbesar. Penerapan Algoritma Greedy Pada
Permasalahan Knapsack
Berdasarkan solusi yang didapatkan dari Untuk Optimasi Pengangkutan Peti Kemas.
setiap algoritma, dapat dibandingkan bahwa Iya,12(January),44.https://doi.org/10.1314
setiap algoritma menghasilkan solusi yang 0/RG.2.1.2775.6569
berbeda-beda. Hal tersebut dikarenakan setiap Jenis [2] Devita, R. N., & Wibawa, A. P. (2020).
algoritma greedy yang digunakan melakukan Teknik-teknik Optimasi Knapsack
pengurutan buah-buahan menggunakan cara yang Problem. Sains, Aplikasi, Komputasi Dan
berbeda-beda. Teknologi Informasi, 2(1), 35.
Berikut merupakan output keuntungan total dan https://doi.org/10.30872/jsakti.v2i1.3299
harga parcel dari setiap algoritma yang digunakan. [3] Ju, J., Wei, S. J., Savira, F., Suharsono, Y.,
Aragão, R., Linsi, L., Editor, B., Reeger,
U., Sievers, W., Michalopoulou, C., Mimis,
No. Algoritma Keuntungan Harga Jual
A., Editor, B., Ersbøll, E., Groenendijk, K.,
Total Parcel
Waldrauch, H., Waldrauch, H., Bader, E.,
1. Greedy by Rp 51.569 Rp 223.466 Lebhart, G., Neustädter, C., … Saillard, Y.
Density (2020). Title. In Journal of Chemical
Information and Modeling (Vol. 43, Issue).
2. Greedy by Rp 51.601 Rp 223.606 https://online210.psych.wisc.edu/wp-
Profit content/uploads/PSY-
210_Unit_Materials/PSY-
3. Greedy by Rp 42.000 Rp 182.000 210_Unit01_Materials/Frost_Blog_2020.p
Weight dfhttps:/www.economist.com/special-
report/2020/02/06/china-is-making-
Tabel 11. List Keuntungan Total dan Harga Jual
substantial-investment-in-ports-and-
Parcel Setiap Algoritma
pipelines-worldwidehttp:/
Pada Tabel 11, dapat dilihat bahwa Algoritma
[4] Maulana, G. G. (2015).Pembelajaran Dasar
Greedy by Profit menghasilkan solusi dengan
Algoritma Dan Pemrograman
keuntungan atau profit paling tinggi. Namun, harga
Menggunakan Al-Agoritma Berbasis
jual parcel pada algoritma tersebut juga paling
WEB. Angewandte Chemie International
tinggi jika dibandingkan dengan algoritma yang
Edition, 6(11), 951–952., 5–2
lainnya.
[5] Setemen, K. (2010). Implementasi
Algoritma Genetika Pada Knapsack
IV. KESIMPULAN
Problem Untuk Optimasi
Pada permasalahan optimasi pengemasan
Pemilihan Buah Kemasan Kotak. Seminar
parsel buah, algoritma greedy diimplementasikan
Nasional Aplikasi Teknologi Informasi,
sebagai salah satu cara untuk menyelesaikan
2010(Snati), 1907–5022