0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
43 tayangan22 halaman
Dokumen ini membahas tentang kompleksitas waktu asimptotik algoritma, termasuk penjelasan tentang notasi O, Ω, dan Θ besar dan kelas efisiensi dasar seperti konstan, logaritma, linear, kuadrat, kubik, eksponensial, dan faktorial. Dokumen ini juga memberikan contoh perhitungan kompleksitas waktu dan menugaskan pembaca untuk menentukan kompleksitas waktu terbaik dan terburuk suatu algoritma pengujian
Dokumen ini membahas tentang kompleksitas waktu asimptotik algoritma, termasuk penjelasan tentang notasi O, Ω, dan Θ besar dan kelas efisiensi dasar seperti konstan, logaritma, linear, kuadrat, kubik, eksponensial, dan faktorial. Dokumen ini juga memberikan contoh perhitungan kompleksitas waktu dan menugaskan pembaca untuk menentukan kompleksitas waktu terbaik dan terburuk suatu algoritma pengujian
Dokumen ini membahas tentang kompleksitas waktu asimptotik algoritma, termasuk penjelasan tentang notasi O, Ω, dan Θ besar dan kelas efisiensi dasar seperti konstan, logaritma, linear, kuadrat, kubik, eksponensial, dan faktorial. Dokumen ini juga memberikan contoh perhitungan kompleksitas waktu dan menugaskan pembaca untuk menentukan kompleksitas waktu terbaik dan terburuk suatu algoritma pengujian
ANALISIS ALGORITMA • Kemampuan Akhir • Materi Ajar yang Diharapkan • Kompleksitas • Mahasiswa mampu menentukan waktu asimptotik: kompleksitas waktu • O-notation. asimptottik dari • -notation. sebuah algoritma • -notation. • Kelas Efisiensi Library • M. Sukani (Materi • Bahan Ajar Analisis kuliah Intro to dan Perancangan Program – STMIK Algoritma ERESHA) (PROGRAM STUDI S1 ILMU KOMPUTASI FAKULTAS INFORMATIKA TELKOM UNIVERSITY) Kompleksitas Waktu Asimptotik Tinjau 𝑇 𝑛 = 2𝑛2 + 6𝑛 + 1 Kompleksitas Waktu Asimptotik Contoh 1 Contoh 2 Aturan Untuk Menentukan Kompleksitas Waktu Asimptotik Basic Efficiency Classes Penjelasan masing-masing kelompok algoritma Penjelasan masing-masing kelompok algoritma 𝑶 (𝟐𝒏 ) Algoritma yang tergolong kelompok ini mencari solusi persoalan secara "brute force“. Bila n = 20, waktu pelaksanaan algoritma adalah 1.000.000. Bila n dijadikan dua kali semula, waktu pelaksanaan menjadi kuadrat kali semula!
𝑶 (𝒏!) Seperti halnya pada algoritma eksponensial,
algoritma jenis ini memproses setiap masukan dan menghubungkannya dengan n - 1 masukan lainnya, misalnya algoritma Persoalan Pedagang Keliling (Travelling Salesperson Problem) Bila n = 5, maka waktu pelaksanaan algoritma adalah 120. Bila n dijadikan dua kali semula, maka waktu pelaksanaan algoritma menjadi faktorial dari 2n. Notasi Omega-Besar dan Tetha- Besar Tugas Di bawah ini adalah algoritma (dalam notasi Pascal-like) untuk menguji apakah dua buah matriks, A dan B, yang masing-masing berukuran n x n, sama.
(a) Apa kasus terbaik dan terburuk untuk algoritma di atas?
(b) Tentukan kompleksitas waktu terbaik dan terburuk dalam notasi O.