PROPOSAL SKRIPSI
Oleh:
David Al Nurul Huda Abdul Kabib
3420190095
2023
PENERAPAN MINIMUM SPANNING TREE PADA HASIL
STUDY MATEMATIKA KELAS XI SEMESTER 1 DI MA
SALAFIYAH DENGAN MENGGUNAKAN ALGORITMA
KOMBINASI (PRIM-KRUSKAL)
PROPOSAL SKRIPSI
Oleh:
David Al Nurul Huda Abdul Kabib
3420190095
2023
ii
HALAMAN PERSETUJUAN
NIM : 3420190095
Telah disetujui dan dinyatakan memenuhi syarat untuk diajukan dalam ujian
proposal skripsi.
Pembimbing I
Pembimbing II
iii
MOTO
Usaha dan keberanian tidak cukup tanpa tujuan dan arah perencanaan.
PERSEMBAHAN
Proposal skripsi ini penulis persembahkan untuk :
Untuk kedua orang tuaku tercinta, terimaksih atas doa, kasih sayang dan jerih
payah perjuangan yang senantiasa mengiringi langkahku. Meski aku belum
mampu membalas kasih sayang mu dengan sempurna, aku akan berusaha sebaik
mungkin agar aku tidak mengecewakanmu dan membuatmu bangga terhadapku.
iv
KATA PENGANTAR
Alhamdulillah segala puji bagi Allah SWT yang telah memberikan
hidayah, ilmu , kesehatan, dan kesempatan yang sangat berharga, sehingga penulis
dapat menyelesaikan proposal skripsi yang berjudul “Penerapan minimum
spanning tree (MST) pada hasil study matematika kelas XI semester 1 dengan
menggunakan algoritma kombinasi prim-kruskal di MA SALAFIYAH” ini dapat
terselesaikan dengan baik dan tepat waktu meskipun masih banyak kekurangan
dalam pembuatan proposal skripsi, baik dari penataan dan ide untuk
menyempurnakan karya ini. Sebagai salah satu syarat untuk menyelesaikan
Program Sarjana (S1) Jurusan Pendidikan Matematika, Fakultas Keguruan dan
Ilmu Pendidikan, Universitas Nahdlatul Ulama Sunan Giri Bojonegoro.
v
7. Teman-teman seperjuangan Program Studi Pendidikan Matematika Angkatan
2019 Fakultas Keguruan dan Ilmu Pendidikan, Universitas Nahdlatul Ulama
Sunan Giri Bojonegoro, atas semua dukungan, semangat, serta kerjasamanya.
8. Seluruh civitas akademik Program Studi Pendidikan Matematika, Fakultas
Keguruan dan Ilmu Pendidikan, Universitas Nahdlatul Ulama Sunan Giri
Bojonegoro, yang telah memberikan dukungan moril kepada penulis.
Penulis
vi
DAFTAR ISI
HALAMAN SAMPUL ............................................................................................ i
vii
3.1. Jenis Penelitian dan Desain Penelitian ..................................................21
DAFTAR PUSTAKA
viii
DAFTAR TABEL
ix
DAFTAR BAGAN
x
DAFTAR GAMBAR
xi
BAB I
PENDAHULUAN
1
2
(Wamiliana, 2022:3). Teori graf adalah cabang matematika diskrit yang menarik
untuk membahas masalah yang berkaitan dengan masalah sehari-hari (Wibisiono,
2008). Meskipun graf adalah model matematika yang sangat rumit dan
menantang, graf dapat menjadi jawaban yang sangat praktis untuk beberapa
masalah. Oleh karena itu, representasi graf tergantung pada sifat data dan operasi
yang dilakukan pada data kasus tertentu (Jusuf, 2009).
Dalam teori graf, terdapat metode yang dapat diaplikasikan dalam
permasalahan pendidikan, yaitu minimum spanning tree (MST). Beberapa
algoritma dalam penentuan minimum spanning tree antara lain algoritma prim,
kruskal, dan solin (Wamiliana, 2022). Dalam penelitian ini, metode yang
digunakan adalah modifikasi dari dua metode tersebut, yaitu prim dan kruskal.
Contoh penerapan MST dalam pendidikan dengan metode kombinasi adalah
penelitian yang dilakukan (Rismawati, 2017). Algoritma prim yang
dikombinasikan dengan algoritma kruskal menghasilkan suatu solusi pada
permasalahan pendidikan. Penelitan Rismawati (2017) membahas permasalahan
pencarian materi yang mendominasi pada matei stastika, peluang, trigonometri,
dan lingkaran, pada penelitian tersebut menghasilkan analisis minimum spanning
tree (MST) dapat menjadi solusi untuk mencari materi yang mendominasi dan
materi yang sangat mempengaruhi materi lainnya pada pelajaran matematika.
Berdasarkan pengamatan penulis di suatu sekolahan di MA salafiyah Desa
Prambontergayang, Kecamatan Soko, Kabupaten Tuban diperoleh informasi data
yang tersimpan hanya berupa nilai raport, nilai ujian nasional (UN), nilai ujian
sekolah (US) dan data pekerjaan orang tua siswa. Data-data tersebut hanya
tersimpan, tanpa pernah dilakukan pencarian nilai kesamaan/dominasi antar
materi supaya adanya evaluasi nilai dari data tersebut, untuk kedepannya
diharapkan nilai siswa dapat meningkat. Sehingga data-data yang terdapat
disekolah tidak dibiarkan begitu saja, perihal hal ini pula yang menimbulkan
pihak sekolah kurang berminat mengumpulkan data-data lain misalkan nilai ujian
masing-masing mata pelajaran, nilai uji inteligensi dan kepribadian siswa, dan
data siswa yang melanjutkan sekolah atau tidak melanjutkan sekolah dan lain-lain.
Padahal kalau dilihat dari manfaat yang akan diperoleh jika data-data tersebut
diolah dan dilakukan analisa stastika maka akan memberikan suatu gambaran
3
keadaan siswa dan keadaan pendidikan di sekolah tersebut sehingga baik kepala
sekolah maupun guru mengetahui benar permasalahan yang ada disekolah,
sehingga dapat menentukan langkah-langkah yang akan ditempuh dalam upaya
peningkatan pendidikan ke depannya.
Oleh karena itu pentingnya mempelajari matematika tersebut sehingga
diperlukan peningkatan prestasi belajar matematika siswa. Guru mempunyai
peranan yang sangat fundamental dalam proses pembelajaran. Dengan kata lain,
tercapai tidaknya tujuan pembelajaran matematika di sekolah bergantung pada
kompetensi yang dimiliki guru baik kompetensi pedagogis maupun kompetensi
akademis. Untuk itu guru memerlukan kemapuan untuk melakukan analisa
stastika dari data nilai ujian matematika siswa karena hasil dari pengolahan data
tersebut guru mengetahui langkah yang harus ditempuh untuk meningkatkan
prestasi belajar siswa khususnya pada pada mata pelajaran matematika. Dengan
demikian mengetahui hasil study dengan pengoptimalan minimum spanning tree
dengan menggunakan algoritma modifikasi sangat diperlukan. Banyak sistem
yang dapat membantu dalam mengatasi hasil study dan memaksimalkan
pembuatan nilai hasil belajar. Algoritma Modifikasi (prim-Kruskal) yang nantinya
digunakan untuk memecahkan masalah pada hasil study matematika kelas XI
semester 1. Oleh karena itu penulis mengambil judul “Penerapan minimum
spanning tree pada hasil study matematika kelas XI semester 1 di MA salafiyah
dengan menggunakan metode algoritma modifikasi (prim-kruskal)”.
1.2 Rumusan Masalah
Berdasarkan identifikasi yang telah diuraikan di atas.rumusan masalah dalam
penelitian ini adalah :
1. Bagaimana penerapan minimum spanning tree pada hasil study matematika
kelas XI semester 1 di MA salafiyah prambon tergayang dengan algoritma
modifikasi (prim-kruskal) ?
2. Bagaimana analisis korelasi pada penerapan minimum spanning tree dengan
menggunakan algoritma modifikasi (prim-kruskal) pada hasil study
matematika ?
1.3 Tujuan Penelitian
Tujuan dari penelitian ini adalah mengetahui :
4
BAB II
DASAR TEORI DAN TINJAUAN PUSTAKA
1. Menentukan atau memilih sisi (edge) pada graf (G) dengan bobot yang paling
minimum, kemudian masukkan kedalam himpunan T (set of trees).
2. Kemudian pilih sisi (edge) (u,v) yang mempunyai bobot paling minimum lagi
tetapi bersisian dengan simpul di T , tetapi (u,v) kedalam T.
3. Ulangi langkah ke 2 sebanyak (n-2) kali atau sampai tidak ada lagi sisi (u,v)
yang dapat dimasukkan lagi ke T dengan memperhatikan ketentuan pada
langkah 2.
Menurut (Komputer et al, 2014)Secara sederhana algoritma prim terlebih dahulu
akan memilih suatu sisi pada sebuah graf berbobot dengan bobot yang paling kecil
atau minimum, kemudian sisi pertama tersebut akan dimasukkan kedalam sebuah
himpunan tree (T), selanjutnya akan dilihat sisi lainnya yang bertetanggaan
dengan sisi awal tersebut dan memilih lagi sisi dengan sisi awal tersebut dan
memilih lagi sisi dengan bobot yang paling minimum tetapi tidak membuat sirkuit
dalam T, kemudian mengulangi tahap yang sama sampai semua sisi pada graf
tidak ada lagi yang dapat dipilih dengan mempertimbangkan ketentuan diatas.
2.1.2 Algoritma Kruskal
Algoritma kruskal adalah algoritma dalam teori graf yang mencari Sebuah
minimum spanning tree untuk sebuah graf berbobot yang terhubung. Ini berarti
menemukan subset dari tepi yang membentuk sebuah pohon yang mencakup
setiap titik, dimana berat total dari semua tepi diatas pohon diminimalkan. Jika
grafik tidak terhubung, maka menemukan hutan rentang minimum (pohon rentang
minimum untuk setiap komponen terhubung). Algoritma kruskal juga tergolong
algoritma Gredy dalam teori graf yang digunakan dalam mencari minimum
spanning tree. Algoritma ini pertama kali muncul dalam prosiding American
Mathematical Society, ha 1956.
Ada 4 tahapan cara kerja untuk mendapatkan minimum spanning tree dari sebuah
graf berbobot dengan menggunakan algoritma kruskal yaitu :
1. Mengurutkan setiap sisi (edge) pada graf (G )dari bobot yang paling kecil
hingga terbesar.
2. Kemudian pilih sisi (edge) (u,v) yang mempunyai bobot paling minimum dan
masukkan kedalam himpunan T (set of trees).
7
3. Pilih sisi (u,v) lagi dengan bobot minimum berikutnya, dengan ketentuan tidak
membentuk sirkuit (cycle) di T ,lalu tambahkan sisi (u,v) tersebut dalam T
4. Ulangi langkah 3 sampai tidak ada lagi sisi yang dapat dimasukkan kedalam T
dengan ketentuan yang sama.
Menurut (Komputer et al., 2014) Secara sederhananya algoritma kruskal
terlebih dahulu akan mengurutkan setiap bobot sisi pada graf dari yang paling
minimum ke paling maksimum. Kemudian memilih sisi yang paling minimum
dan masukkan sisi tersebut ke himpulan tree (T). selanjutnya memilih sisi
dengan bobot minimum berikutnya dan memasukkan lagi ke T tetapi dengan
ketentuan tidak membentuk sirkuit (cycle) di T. mengulangi langkah yang
sama sampai semua sisi pada graf tidak ada lagi yang dapat dipilih dengan
mempertimbangkan ketentuan yang sama.
2.1.3 Kombinasi Algoritma Prim-Kruskal
Menurut Afrianti et al.(2021) algoritma kombinasi merupakan
penggabungan antara algoritma prim dan algoritma kruskal untuk menentukan
minimum spanning tree dengan hasil yang maksimal. Algorima prim dan kruskal
termasuk bagian dari algoritma gredy yang digunakan dalam menyelesaikan
masalah dan pada setiap langkah memiliki solusi optimal lokal yang diharapkan
akan membentuk solusi optimal global. Algoritma prim dan kruskal dapat
digunakan dalam mencari solusi optimum pada penentuan minimum spanning tree
pada graf. Dalam graf ini digunakan untuk mempresentasikan objek-objek disrit
dan hubungan antara objek-objek tersebut. Representasi visual dari graf
dinyatakan berupa objek sebagai noktah atau titik, sedangkan hubungan antara
objek-objek dinyatakan dalam bentuk garis.
Langkah - langkah dalam algoritma kombinasi sebagai berikut:
1. Pilih satu simpul 𝑣 ଵ yang mempunyai derajat minimum. Jika terdapat
simpul yang berderajat minimum lebih dari satu simpul maka tentukan
minimum spanning tree dari setiap simpulnya kemudian pilih rute yang
lebih optimal
2. Pilih sisi dalam 𝐺 yang berbobot minimum yang bersisian dengan simpul
di 𝑣 ଵ, masukkan kedalam pohon 𝑇. Jika terdapat lebih dari satu sisi yang
8
berbobot sama dan minimum maka tentukan minimum spanning tree dari
setiap kemungkinan kemudian pilih rute yang optimal.
3. Pilih sisi dari 𝐺 yang memiliki bobot minimum dan bersisian dengan
simpul di 𝑇, dengan syarat sisi tersebut tidak membentuk siklus.
4. Jika 𝐺 memiliki 𝑛 simpul, berhenti setelah 𝑛 − 1 sisi dipilih. Berikut ini
adalah contoh graf yang akan digunakan untuk menentukan minimum
spanning tree menggunakan algoritma kombinasi.
Berikut ini adalah contoh graf yang akan digunakan untuk menentukan
minimum spanning tree menggunakan algoritma kombinasi.
Akan ditentukan minimum spanning tree dari graf di atas dengan menggunakan
algorima modifikasi, dengan langkah-langkah sebagai berikut:
1. Pilih simpul yang berderajat minimum, yaitu simpul 𝐶
2. Memilih sisi dalam 𝐺 yang mempunyai bobot minimum yang bersisian dengan
simpul di 𝑣ଵ, masukkan kedalam pohon 𝑇. Sisi 𝐶𝐵 dengan bobot 3 maka
spanning tree yang dibentuk adalah
3. Memilih sisi dari 𝐺 yang memiliki bobot minimum dan bersisian dengan
simpul di 𝑇 , dengan syarat sisi tersebut tidak membentuk siklus. Sisi 𝐵𝐴
dengan bobot 2 maka spanning tree yang dibentuk adalah
Karena semua simpul telah terhubung maka minimum spanning tree yang
dihasilkan adalah 3+2+4+1+2+2+2+3+3+2+3+6=33 dengan model jalur pada
Gambar 2.1.3.13 keterangan tersebut menurut (Afrianti et al., 2021).
2.1.4 Korelasi Spearman
Korelasi spearman digunakan pada stastika nonparemetris tidak hanya
digunakan untuk mengukur hubungan linier tetapi juga digunakan untuk
mengukur hubungan linear tetapi juga hubungan nonlinear. Koefisien korelasi
spearman dilakukan dengan merangking data X dan Y, dinotasikan dengan
Ranking data didefinisikan sebagai data yang observasinya telah diganti dengan
ranking numerik dari terendah ke tertinggi. Untuk menghitung pertama diganti
nilai terkecil dari X dengan ranking 1, Nilai kedua terkecil dengan ranking 2 dan
seterusnya. Begitu juga dengan nilai variabel Y. Jika terdapat hubungan kuat
positif antara X dan Y, maka observasi X dengan ranking kecil berpasangan
dengan observasi di Y yang juga ranking kecil. Kemudian hubungan negatif
terjadi jika rangking besar pada observasi X berpasangan dengan rangking kecil
pada Y. Menurut Sörlin (2008) Koefisien korelasi Spearman (merupakan
koefisien korelasi pearson yang diterapkan pada pasangan ranking yang diperoleh
dengan mengganti nilai X dan Y dengan rangkingnya,dengan menggunakan
persamaan berikut :
( )
∑( )( )
( )( )
hubungan linear antara dua Variabel X dan Y ditaksir dengan koefisien. Korelasi
sampel r dengan : dimana = jumlah total observasi x = jumlah total observasi y =
jumlah total perkalian observasi x dan y = jumlah total observasi y kuadrat Data
yang digunakan dalam korelasi pearson sebaiknya memenui
persyaratan,diantaranya adalah Berskala interval / rasio, Variabel X dan Y harus
bersifat independen satu dengan yang lainnya,Variabel harus kuantitatif simetris
asumsi dalam korelasi pearson , diantaranya ialah: terdapat hubungan antara X
dan Y, Data berdistribusi normal, Variabel X dan Variabel Y simetis, Variabel X
tidak berfungsi sebagai variabel bebas dan Y sebagai Variabel tergantung.
𝐽𝐾 𝑛∑ ∑ ∑
√𝐽𝐾 𝐽𝐾 √(𝑛 ∑ (∑ ) ) (𝑛 ∑ (∑ ) )
Dimana:
∑ 𝑛
∑ ,
Kombinasi
Algoritma pada
minimum
spanning tree
17
18
Teknik pengumpulan data ini dilakukan dengan cara mengamati suatu fenomena
yang ada dan terjadi. Observasi yang dilakukan diharapkan dapat memperoleh
data yang sesuai atau relevan dengan topik penelitian. Hal yang akan diamati
adalah ialah hasil studi matematika kelas XI semester 1 di MA Salafiyah.
Observasi yang dilakukan, penelitian berada di lokasi tersebut dan membawa
lembar observasi yang sudah dibuat.
2. Wawancara (interview)
Wawancara adalah percakapan dengan maksud tertentu. Percakapan itu
dilakukan oleh dua pihak, yaitu pewawancara (interviewer) yang mengajukan
pertanyaan dan terwawancara (interview) yang memberikan jawaban atas
pertanyaan itu Lexy J. Moleong (2010:186)Ciri utama wawancara adalah kontak
langsung dengan tatap muka antara pencari informasi dan sumber informasi.
Dalam wawancara sudah disiapkan berbagai macam pertanyaan-pertanyaan tetapi
muncul berbagai pertanyaan lain saat meneliti. Melalui wawancara inilah peneliti
menggali data, informasi, dan kerangka keterangan dari subyek penelitian. Teknik
wawancara yang dilakukan adalah wawancara bebas terpimpin, artinya pertanyaan
yang dilontarkan tidak terpaku pada pedoman wawancara dan dapat diperdalam
maupun dikembangkan sesuai dengan situasi dan kondisi lapangan. Pada metode
ini, penulis akan melakukan wawancara secara langsung kepada guru matematika
kelas xi semester 1 dan siswa untuk mendapatkan informasi atau data-data seperti
data hasil nilai studi matematika, data siswa, pengaruh keterkaitan materi satu
dengan yang lainnya dan lain – lain.
3. Dokumentasi
Penggunaan dokumen sudah lama digunakan dalam penelitian sebagai
sumber data karena dalam banyak hal dokumen sebagai sumber data
dimanfaatkan untuk menguji, menafsirkan, bahkan untuk meramalkan Lexy J.
Moleong (2010:217). Adanya dokumentasi untuk mendukung data. Hal-hal yang
akan didokumentasikan dalam penelitian ini adalah data siswa, data nilai dan data
ruangan.
3.7 Teknik Analisis Data
Menurut Patton (1980 :268), analisa data merupakan proses mengatur urutan
data, mengorganisasikannya ke dalam suatu pola, kategori, dan suatu uraian dasar
21
sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang
disarankan oleh data.
Beberapa tahapan model analisis interaktif menurut Miles et al., (1992)
melalui empat tahap, yakni pengumpulan data, reduksi data, penyajian data dan
penarikan kesimpulan:
a) Pengumpulan data (data colection)
Data yang diperoleh dari hasil observasi, wawancara dan dokumentasi
dicatat dalam catatan lapangan yang terdiri dari dua aspek, yaitu deskripsi dan
refleksi. Catatan deskripsi merupakan data alami yang berisi tentang apa yang
dilihat, didengar, dirasakan dan dialami sendiri oleh penelitian tanpa adanya
pendapat dan penafsiran dari peneliti tentang fenomena yang dijumpai. Sedangkan
catatan refleksi yaitu catatan yang memuat kesan, komentar tafsiran peneliti
tentang temuan yang dijumpai dan merupakan bahan rencana pengumpulan data
untuk tahap berikutnya. Untuk mendapatkan catatan ini peneliti melakukan
wawancara dengan beberapa informan.
b) Pengolahan Data ( Data Processing )
Pengolahan Data adalah segala macam pengelolaan terhadap data atau
kombinasi - kombinasi dari berbagai macam pengelolaan terhadap data untuk
membuat data itu berguna sesuai hasil yang diinginkan. Menurut Jogiyanto (2005)
“Pengelolaan data adalah manipulasi dari data ke dalam bentuk yang lebih
berguna”. Dengan demikian dapat disimpulkan bahwa “Pengelolaan data
merupakan kegiatan yang dilakukan dengan menggunakan masukan berupa data
dan menghasilakan informasi yang bermanfaat untuk tujuan sesuai dengan yang
direncanakan”, Pada pengolahan data diperlukan analisis minimum spanning tree,
nilai korelasi spearman, dan nilai korelasi pearson .
1. Minimum spanning tree
Permasalahan umum dari minimum spanning tree adalah menentukan garis
garis (edge) dari suatu graf yang akan dipilih yang menghubungkan semua
titik yang ada pada graf tersebut dengan syarat tidak terbentuk sirkuit dan total
bobot dari garis tersebut adalah minimum. Untuk mendapatkan solusi yang
diharapkan, akan dipilih garis menurut kriteria optimasi yang menghasilkan
jarak minimum(Wamiliana, 2022:24).
22
3. Korelasi Pearson
Koefisien korelasi pearson untuk menerapkan koefisien korelasi antara dua
variabel yang masing-masing mempunyai skala pengukuran interval atau rasio
maka digunakan korelasi product moment yang dikembangkan oleh Karl pearson.
Koefisien korelasi Pearson mengukur kekuatan hubungan linear antara dua
variabel. Bila hubungan dua variabel tidaks linear, maka koefisien korelasi
pearson tidak menggambarkan kekuatan hubungan antara dua variabel. Korelasi
pearson dilambangkan dengan “r” bila diukur dalam populasi dan diberi lambang
“r” bila diukur dalam sampel Ronald E walpole (1995),ukuran hubungan linear
antara dua Variabel X dan Y ditaksir dengan koefisien. Korelasi sampel r dengan :
dimana = jumlah total observasi x = jumlah total observasi y = jumlah total
perkalian observasi x dan y = jumlah total observasi y kuadrat Data yang
23
Dimana:
∑ 𝑛
∑ ,
DAFTAR PUSTAKA
Afrianti, A., Effendi, E., & Welyyanti, D. (2021). Menentukan Minimum Spanning Tree
Menggunakan Algoritma Modifikasi Dari Algoritma Prim Dan Kruskal Dalam
Perencanaan Rute Wisata Yang Efisien. Jurnal Saintika Unpam : Jurnal Sains Dan
Matematika Unpam, 3(2), 103. https://doi.org/10.32493/jsmu.v3i2.6706
Bungin, Burhan, 1959. (2010). metode penelitian kuantitatif : komunikasi,ekonomi,dan
kebijakan publik serta ilmu-ilmu sosial lainnya / H.M. Burhan Bungin (Kencana).
Gulo, W. (2002). Metode penelitian. PT grasindo.
Husain, U. (1995). Metodologi penelitian social. Bumi aksara.
Jay L. Devore, R. peck. (2001). Statistics: The Exploration of Data Available TITLES
cengageNOW Series Thomson learning (Brooks/Col).
Jogiyanto, H. . (2005). Analisa dan Desain sistem informasi. Pendekatan Terstruktur Teori
Dan Praktik Aplikasi Bisnis.
Jusuf, H. (2009). Pewarnaan Graph pada Simpul untuk Mendeteksi Konflik Penjadwalan
Kuliah. 2009(November), 4–8.
Komputer, F. I., Informatika, P. S., Bhayangkara, U., Prim, A., & Tree, M. S. (2014).
Algoritma Prim Dan Kruskal Dalam Mencari Minimum Spanning Tree Pada Bahasa
Pemrograman C. Jurnal Sistem Informasi Universitas Suryadarma, 8(2).
https://doi.org/10.35968/jsi.v8i2.711
Lexy J. Moleong. (2010). Metodologi penelitian Kualitatif / penulis, Prof. DR. Lexy J.
Moleong, M.A. PT Remaja Rosdakarya.
Miles, M. B., Huberman, A. M., Rohidi, T. R., & Mulyarto. (1992). Qualitative data
analysis. In analisa data-Metodologi (Indonesia). UI press.
Patton, M. (1980). Qualitative Evaluation Methods. Open Access Library Journal.
Ramadhan, Z., Zarlis, M., Efendi, S., Putera, A., & Siahaan, U. (2018). Perbandingan
Algoritma Prim Dengan Algoritma Floyd-Warshall Dalam Menentukan Rute
Terpendek (Shortest Path Problem). Jurikom), 5(2), 136–139. http://ejurnal.stmik-
budidarma.ac.id/index.php/jurikom%7CPage%7C130
Rismawati, R. (2017). Penerapan Minimum Spanning Tree (MST) pada Nilai Ujian Materi
Statistika, Peluang, Trigonometri, dan Lingkaran. Jurnal Serambi Akademica, V(1),
13–24. http://www.ojs.serambimekkah.ac.id/serambi-akademika/article/view/265
26
Ronald E walpole. (1995). ilmu peluang dan stastika untuk insinyur dan ilmuwan. Ilmu
Peluang Dan Stastikan Untuk Insinyur Dan Ilmuan, institut Teknologi Bandung, 445.
Sörlin. (2008). Att ställa till en scen.
Sudibyo, N. A., Purwanto, T., & Rahmadi, D. (2020). Minimum Spanning Tree Pada
Distribusi Bahan Naskah USBN SD/MI Di Kabupaten Sragen. Riemann: Research of
Mathematics and Mathematics Education, 2(2), 64–69.
https://doi.org/10.38114/riemann.v2i2.97
Sugiyono. (2017). metode penelitian pendidikan (Alfabeta).
Wamiliana. (2022). Minimum Spanning Tree dan Desain Jaringan. In Pustaka Media.
Wamiliana, Kurniawan, D., & N.F, C. S. (2014). Perbandingan Kompleksitas Algoritma
Prim , Algoritma Kruskal , Dan Algoritma Sollin Untuk Menyelesaikan Masalah
Minimum Spanning Tree. 2(1), 60–67.
Wibisiono, S. (2008). Matematika Diskrit. Matematika Diskrit, Graha ilmu(Yogyakarta).