Ilovepdf Merged

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
,
. . .
LINGKUP MATERI
Graf Berarah, Derajat
Masalah Aliran Simpul pada Graf
Maksimal Berarah
Keterhubungan
Graf Berarah,
Masalah Jalur
Matriks dan Graf
Terpendek
Berarah
Automata Hingga Mesin Stata

Hingga
• ( ( . . . .. . .: :. .
. . . . .
•) .: . . . ( , ) : ..
.: . . . .
• .. :. . . . . . :. . -
. .. : A . : A : A . . .. : A .
A A A A : A . - . .: .
• . .. . . :. . -D Í
- . DÍ
(A. . :. ., . A . . :.
• )2 )1 ( : 2 21 I 2 (
I I I I II
• ,2 2 2 2 E2 I : AE= 2 : 2D2 2
2 24 D
• .E2 I : 2D2 2 : 4: D 2
: AE= 2
• )2 2A D:2A : AE= D :
D:2A : AE= =2: G2
• , )2 = 2A : AE=
• , )2 = 2A : AE=
• , E2 2 , 2 , 2A2D :=: 2D
32 2: 3E2 2 2
A E2 2 : 2D: 2 : :D2 )E 2 2 2
• ) , ( : =2 2 =. 2 . = .
2 .=.
• =. .:. D A E
.: DD E D AEE . . . =.
. 2=.=.
• =. 2 : . )
• ) ( =2 2 =. 2 . = 2 .=.
=. .:. D A E .: D
A A E. .. =. 2=.=.
( , . ( ( .. , )
, ( (. . ) (
= 2 ) .=:. 2 : (: = . . ,: A2= . :. .= .
• ( ) (, 1 0 0
2 :A 0 A = A=
, :0 2 A 2 A A
=: A 2
• 2 C : D : A :
C A C : A :C A = A=
• (- 1 0 2 :
• 1 0 2 : D :
• 2 = A2
• 2 C = A2 C
• 2 D = A2 D
( - = A . C A ) 2
) (
• A 4 :2 4 A A 4
:=A
• ) =2 1 : 2 = A 2 21
• ) ( 2 1 : 2 = :=A 12 4
12: A4 2 = A 2 21
• DD (E D( E D (E D( EE A 2 A 2
1 A 4 : A D( E D (E
• D2 2 2 2 E A 2 A ) 2 1 :=A
4 2A 4 A
2= ,A 2 3 : . B2 A 1 :
( )
• ) , : : . :
. , ., : .: .
• ) .: ,.: :
. : ,.:,.
• ) ) . ,.: : .
. . . : ,.:,.
• A, .,
:. :
• A, ., :.
,.:
: . ( : ). : .: :
( )
• , . , . . : , (
:: : A
. ,
• : : . .
, A , , .
, , A , ,
• : . . . , . : :
, A , , . (. . :
, , A , ,
: ( ) .
. , . 1 1
)
1 . (
2
. , . 1 1
)
1 . (
2 . 1
, ,
1 .
1 1 , 1
• ,/ - ./
• ,/ / . -/ -A
• (/ ,/ / . -/ -A
• ( . ,/ . /
/, . /
• ( . /, ,/ / . /
/, . /
/ )/ / .
). . , : . : Î, . .: Î
0 jika ruas y tidak bersisian dengan simpul X

. :( !
1 jika ruas y bersisian dengan simpul X
di mana M(X, y) adalah elemen matrik baris X kolom y
: . . . . = : .: . . .
) , = = = Î, := . Î
1 Jika simpul X adalah simpul awal ruas Yi
: ( . !−1 Jika simpul X adalah simpul akhir ruas Yi
0 Jika simpul X tidak bersisian dengan ruas Yi
di mana M(X, Yi) adalah elemen matrik baris X kolom Yi
: = : : : = :
) , = = = .Î,
0 jika tidak ada ruas dari simpul X ke simpul Y

: ( . !
1 jika ada ruas dari simpul X ke simpul Y
di mana M(X, Y) adalah elemen matrik baris X kolom Y
: = : : : = :
) , = = = .Î,
1 jika ruas (X, Y) E

: ( . !
0 jika ruas (X, Y) E
: = : : : = :
,
( . ) ,
,
( . ) ,
: , , : . : . .
. (. : ) . :
• 5 : ; IG I = B8I ; 8 B=) 65 DGK 8 I D C J D 8C B :=
61 DGK 8 I D C J D 8C 4 I D C 8 8C 3 C D D G A
• B C 8;8C8 IJ I D C I D C 8C=8 J 8;8C8 BKDGKC8 B8C D8J
• 2G A N 8 J 8 ;8C8D G I I =C:=D A D A B C I D C I8
; 8 J ; 8 IJ G I I C8 AKJ 8;G C B8C D8J
• , D G CC G ( 65 ) K : 61 ) K , 4) 3 ) K7 8 N
7 8 N : 7 8 N :, 7 8, N , 7 8, N 7 8, N 7 8 N 7 8 N
B C J G ; B) , Þ 8-6 7 Þ 8 .6 7 Þ : 6 7
38C D8J KDKD) , Þ 8-6 7 Þ 8 ,6 7 Þ 8 8-6 7 Þ 8 8 ,6 7 Þ 8 8 8-6 7 Þ
8 8 8 ,6 7 Þ Þ 8 8 -6 7 Þ 8 8 .6 7 8 .6 7 Þ 8 :.6 7 Þ
8 ::.6 7 Þ Þ 8 :D .6 7 Þ 8 :D 6 7 Þ 8 :D; 6 7 Þ
8 :D;; 6 7 Þ Þ 8 :D;G 6 7 Þ : D C 6(7
\ 8 ; 8I CB8 8DD8 ; 8J8I) 0 ) K : D C LD ³ C ³
,I G 2K8 8 4 B B 1 = D8J B8 5 I J8I K 8;8 D8

• -- : ;
: . : :. : : :
. : . .
• ; : : : 5 : :
. - 5
• ; : . : :
: : :
:; : :
• : : ) : 5 :,
• ( : .
• . . .
:
: : :; :A :
• ,1 A A :A A B B
; ; ; ; ; A )A BA
• ( ) ; B: A A B A A A = =A ; =: ; B:
A A ; ; B: A A D :
• BA : A : B A B A BA=; A
Æ Æ Æ
Æ Æ Æ
Æ Æ
Æ Æ Æ 1 1 ,1, ,
• ) A A A ; A A ; ; ; =: B 1 , ,
, , ,
• = A= :; A :; A A ; ), : = A=
:; A A=:
B - =; A . C A (B ;
• , : : , : : : :
1 1 )
• : ,: :. : , 1 (
,: :. : , 1 : . 5
5 5 : :
• , A1 5 , : , , :
, ), ,
• ( , : , 4 , :
, A1 5 ) , A1 5
1 5( ) ( ) 1 5
• , : , : , : : , ) , : ,
:
: ( . ) : : ,
• : :C BC C = : C D, ( C D DC = C
: A DC DC A: A: DC = C :
• , ( :B B: : B: := D BC C
• A: DC C , ( : G C C A A A
I J . I J I G HJ :B : :C C D A
• : : DC , ( : : M= DC DC G G HK
&A B D A . : ) A= C: : AB:C B D A=
• 0M M J G , 7:3 9C H KJ G C 7:3 9 BC 6- 0 3 - M A U
A U J = - - :- D JG CJ D
• 5GI G N 7:3 G G B J Z K I M N U B J ZTTUTV
) ( & -
( ( & - (+
: P G G N P G M N ,
0 0 0 0 0 0
( ← string input
0 0 0 0 0 0 3 )( +
: G M N ,
1 .PCN 5 CI GI 4 DM K GI GSC PG P 2 B K
. , , , , ,
,
. . .
LINGKUP MATERI
Graf Berarah, Derajat
Masalah Aliran Simpul pada Graf
Maksimal Berarah
Keterhubungan
Graf Berarah,
Masalah Jalur
Matriks dan Graf
Terpendek
Berarah
Automata Hingga Mesin Stata

Hingga
Masalah Jalur Terpendek
(Shortest Path)
Masalah Jalur Terpendek merupakan masalah

mendasar dalam graf yakni menemukan jalur
terpendek dari sebuah simpul (A) ke simpul
lainnya(B).
Berbagai Masalah Jalur Terpendek (Shortest Path)
IF FE C F
2 HI E H, E H
C
0 FDIH C ICHI
C CHI C E C
2 DFH GH 0 H FGH
20
F C 2DG L
2I GH DC GH F C G
GHF G HIF H GHIF

E HF G ( F DCHD
( DC H . FD F 4GHIC
K CGDJ C J
. C CHI C 1 J
) F F J E . FD F
4GHIC K CGDJ C
J
Terdapat beberapa algoritma sederhana (dan efisien)
yang dapat digunakan untuk menyelesaikan masalah
jalur terpendek. Ada 3 buah Algoritma terbaik yang biasa
dipakai:
Algoritma Dijkstra,
Algoritma Bellman-Ford, dan
Algoritma Floyd.
Perhatikan Perbedaan diantara
ketiga Algoritma tersebut
Algoritma Dijkstra
Algoritma Dijkstra – adalah sebuah solusi untuk masalah
jalur terpendek (dari sebuah sumber/source) dalam Teori
Graf.
Algoritma ini dapat digunakan untuk graf berarah maupun

tidak. Semua ruas dari graf harus berbobot tidak negatif.
Input: Graf berbobot D(V,A) atau G(V,E) dimana sebagai

sumbernya adalah simpul v ∈ V, dengan semua ruasnya
berbobot tidak negatif
Output: Panjang jalur terpendek dari sumber (simpul v ∈ V)

ke semua simpul lainnya
Pendekatannya
Algoritma akan menghitung jarak dari titik awal v ke u,
untuk setiap simpul u, yaitu bobot jalur terpendek antara
v dan u. Algoritma mencatat himpunan simpul yang
jaraknya telah dihitung. Setiap simpul memiliki label D
yang terkait dengannya. Untuk setiap simpul u, D[u]
menyimpan perkiraan jarak antara v dan u. Algoritma
akan memperbaharui nilai D[u] ketika menemukan jalur
yang lebih pendek dari v ke u. Ketika sebuah simpul u
ditambahkan ke ‘data Permanen’, labelnya D[u] sama
dengan jarak aktual (akhir) antara simpul awal v dan
simpul u
33
Algoritma DIJKSTRA
Telah dipelajari pada materi
terdahulu
• Misal diberikan suatu Graf sederhana terhubung berbobot dimana akan
ditentukan lintasan terpendek dari simpul a ke z.
• Inisialisasi label simpul a dengan 0 dinotasikan L0 (a) = 0 dan simpul v lainnya
dengan ∞, L0 (v) = ∞. Label ini bermakna “panjang” dari lintasan terpendek
dari a ke v.
• Akan dibangun suatu himpunan simpul terpilih S, dengan inisialisasi pada
“iterasi ke-0” S0 = ∅.
• Misalkan Sk menyatakan himpunan simpul terpilih setelah k buah iterasi. Sk
dibangun dengan menambahkan suatu simpul yang tidak ada di Sk-1 ke Sk-1
dan memiliki label terkecil.
• Misalkan v adalah suatu simpul yang tidak ada di Sk. Lk (v) yang merupakan
label dari v bermakna “panjang” dari lintasan terpendek dari a ke v dengan
melalui simpul yang ada di Sk, diperbaharui dengan :
Lk (a, v) = min { Lk-1 (a, v), Lk-1 (a,v) + w (u,v) }
pseudocode Dijkstra
Dijkstra(v1, v2): while List is not empty:
for each vertex v: v := remove List vertex with minimum
// Initialization distance.
v's distance := infinity. mark v as known.
v's previous := none. for each unknown neighbor n of v:
v1's distance := 0. dist := v's distance + edge (v, n)'s weight.
List := {all vertices}.
if dist is smaller than n's distance:
n's distance := dist.
n's previous := v.
reconstruct path from v2 back to v1,

following previous pointers. 35
Contoh Kasus: Inisialisasi awal
0 ∞
distance(source) = 0 distance (vertex lainnya kecuali
2
A B source) = ∞
4 1 3 10
2 2 ∞
∞ C D E
5 8 ∞ 4 6
1
F G
∞ ∞
Simpul F disini berupa
Muara / Sink
36
Contoh Kasus: Inisialisasi awal dilengkapi
Matriks
0 ∞
2
A B source) = ∞
* 2 * 1 * * 4 1 3 10
* * * 3 10 *
2 2
4 * * * * 5 ∞ C D E ∞
* * 2 * 2 8 5 8 ∞ 4 6
* * * * * * F 1
G
* * * * * *
∞ ∞
* * * * * 1
* 2 * 1 * * Ambil sebuah simpul dari List dengan jarak paling kecil dari sumber
Data Graf dalam bentuk Matriks 37
Contoh Kasus: Inisialisasi awal dilengkapi Data
iterasi
0 ∞
2
A B source) = ∞
4 1 3 10
Data Jarak dan Status

untuk Iterasi ke-i ∞ C 2
D 2
E ∞
5 8 ∞ 4 6
0 ∞ ∞ ∞ ∞ ∞ ∞ F 1
G
T
∞ ∞
Ambil sebuah simpul dari List dengan jarak paling kecil dari sumber (A)
38
Contoh Kasus: Mengupdate jarak
tetangga terdekat
0 2
2
A B
4 1 3 10

D 2
E ∞
5 8 1 4 6
0 ∞ ∞ ∞ ∞ ∞ ∞ F 1
G distance(B) = 2
T distance(D) = 1
∞ ∞
0 2 ∞ 1 ∞ ∞ ∞
T
39
Contoh Kasus: Menghapus dari daftar simpul
yang memiliki jarak terkecil (D)
0 2
2
A B
4 1 3 10

D 2
E ∞
5 8 1 4 6
0 2 ∞ 1 ∞ ∞ ∞ F 1
G
T
∞ ∞
2 0 2 ∞ 1 ∞ ∞ ∞
T
40
Contoh Kasus: Mengupdate jarak
tetangga terdekat
0 2
2
A B
4 1 3 10

untuk Iterasi ke-i 3 C 2
D 2
E 3
5 8 1 4 6
0 2 ∞ 1 ∞ ∞ ∞ F 1
G distance(C) = 1 + 2 = 3
T distance(E) = 1 + 2 = 3
9 5 distance(F) = 1 + 8 = 9
0 2 3 1 3 9 5 distance(G) = 1 + 4 = 5
T
41
yang memiliki jarak terkecil (B)
0 2
2
A B
4 1 3 10

D 2
E 3
5 8 1 4 6
0 2 3 1 3 9 5 F 1
G
T
9 5
0 2 3 1 3 9 5
T
42
yang memiliki jarak terkecil (E)
0 2
2
A B
4 1 3 10

D 2
E 3
5 8 1 4 6
0 2 3 1 3 9 5 F 1
G
T Tidak ada update
9 5 jarak
0 2 3 1 3 9 5
T
43
yang memiliki jarak terkecil (C)
0 2
2
A B
4 1 3 10

D 2
E 3
5 8 1 4 6
0 2 3 1 3 9 5 F 1
G distance(F) = 3 + 5 = 8
T
8 5
0 2 3 1 3 8 5
T
44
yang memiliki jarak terkecil (G)
0 2
2
A B
4 1 3 10

D 2
E 3
5 8 1 4 6
0 2 3 1 3 8 5 F 1
G
T Distance sebelumnya
6 5
0 2 3 1 3 6 5
distance(F) = min (8, 5+1) = 6
T
45
yang memiliki jarak terkecil (F)
0 2
2
A B
4 1 3 10

D 2
E 3
5 8 1 4 6
0 2 3 1 3 6 5 F 1
G
T
6 5
0 2 3 1 3 6 5 Hasil
T Selesai
46
Algoritma Dijkstra dapat
digunakan pada Graf tidak
berarah
Hasil
Kasus
Algoritma Bellman-Ford
Algoritma Bellman-Ford membantu kita menemukan
jalur terpendek dari sebuah simpul ke semua simpul lain
dari sebuah graf berbobot. Ini mirip dengan algoritma
Dijkstra, bedanya algoritma Bellman-Ford ini dapat
bekerja dengan ruas yang memiliki bobot negatif.
Mengapa seseorang memiliki kasus dimana ruas dari
graf ada yang berbobot negatif dalam kehidupan nyata?
Ruas berbobot negatif mungkin tampak tidak berguna
pada awalnya, tetapi itu sebenarnya dapat menjelaskan
banyak fenomena seperti arus kas, panas yang
dilepaskan atau diserap dalam reaksi kimia, dll.
Pseudocode Bellman-Ford
function bellmanFord(G, S)
for each vertex V in G
distance[V] ← infinite
previous[V] ← NULL
distance[S] ← 0
for each vertex V in G
for each edge (U,V) in G
tempDistance ← distance[U] + edge_weight(U, V)
if tempDistance < distance[V]
distance[V] ← tempDistance
previous[V] ← U
for each edge (U,V) in G
If distance[U] + edge_weight(U, V) < distance[V}
Error: Negative Cycle Exists
return distance[], previous[]
Kita perlu mengelola jarak jalur setiap simpul. Kita bisa
menyimpannya dalam array ukuran v, di mana v adalah
jumlah simpul.
Kita juga ingin bisa mendapatkan jalur terpendeknya,
tidak hanya mengetahui panjang jalur terpendek. Untuk
ini, kita memetakan setiap simpul ke simpul yang
terakhir memperbarui panjang jalurnya.
Setelah algoritma selesai, kita dapat mundur dari simpul
tujuan ke simpul sumber untuk menemukan jalurnya
tersebut.
Penggunaan Bellman-Ford pada
kasus yang sama dengan
sebelumnya Sumber = A
2
4 1 3
10
2
2
5 8 4
6
1
Iterasi yang terjadi pada
penggunaan Algoritma
Bellman-Ford
iterasi ke-1 --> untuk ruas (A,B) = 2 iterasi ke-1 --> untuk ruas (C,A) = 4
karena d(B) = 1000 > d(A) + bobot(A,B) = 0 + 2 = 2 karena d(A) = 0 tidak > d(C) + bobot(C,A) = 1000 + 4 = 1004
jadi d(B) menjadi = 2 tidak ada yang dilakukan. jadi d(A) tetap = 0
predecessor(B) menjadi = 1 iterasi ke-1 --> untuk ruas (C,F) = 5
iterasi ke-1 --> untuk ruas (A,D) = 1
karena d(F) = 1000 tidak > d(C) + bobot(C,F) = 1000 + 5 = 1005
karena d(D) = 1000 > d(A) + bobot(A,D) = 0 + 1 = 1
tidak ada yang dilakukan. jadi d(F) tetap = 1000
jadi d(D) menjadi = 1
iterasi ke-1 --> untuk ruas (D,C) = 2
predecessor(D) menjadi = 1
karena d(C) = 1000 > d(D) + bobot(D,C) = 1 + 2 = 3
iterasi ke-1 --> untuk ruas (B,D) = 3
jadi d(C) menjadi = 3
karena d(D) = 1 tidak > d(B) + bobot(B,D) = 2 + 3 = 5
predecessor(C) menjadi = 4
tidak ada yang dilakukan. jadi d(D) tetap = 1
iterasi ke-1 --> untuk ruas (D,E) = 2
iterasi ke-1 --> untuk ruas (B,E) = 10
karena d(E) = 1000 > d(B) + bobot(B,E) = 2 + 10 = 12 karena d(E) = 12 > d(D) + bobot(D,E) = 1 + 2 = 3
jadi d(E) menjadi = 12 jadi d(E) menjadi = 3
predecessor(E) menjadi = 2 predecessor(E) menjadi = 4

Lanjutan ke-1
iterasi ke-1 --> untuk ruas (D,F) = 8 iterasi ke-2 --> untuk ruas (A,B) = 2
karena d(F) = 1000 > d(D) + bobot(D,F) = 1 + 8 = 9 karena d(B) = 2 tidak > d(A) + bobot(A,B) = 0 + 2 = 2
jadi d(F) menjadi = 9 tidak ada yang dilakukan. jadi d(B) tetap = 2
predecessor(F) menjadi = 4 iterasi ke-2 --> untuk ruas (A,D) = 1
iterasi ke-1 --> untuk ruas (D,G) = 4 karena d(D) = 1 tidak > d(A) + bobot(A,D) = 0 + 1 = 1
karena d(G) = 1000 > d(D) + bobot(D,G) = 1 + 4 = 5 tidak ada yang dilakukan. jadi d(D) tetap = 1
jadi d(G) menjadi = 5 iterasi ke-2 --> untuk ruas (B,D) = 3
predecessor(G) menjadi = 4 karena d(D) = 1 tidak > d(B) + bobot(B,D) = 2 + 3 = 5
iterasi ke-1 --> untuk ruas (E,G) = 6 tidak ada yang dilakukan. jadi d(D) tetap = 1
karena d(G) = 5 tidak > d(E) + bobot(E,G) = 3 + 6 = 9 iterasi ke-2 --> untuk ruas (B,E) = 10
tidak ada yang dilakukan. jadi d(G) tetap = 5 karena d(E) = 3 tidak > d(B) + bobot(B,E) = 2 + 10 = 12
iterasi ke-1 --> untuk ruas (G,F) = 1 tidak ada yang dilakukan. jadi d(E) tetap = 3
karena d(F) = 9 > d(G) + bobot(G,F) = 5 + 1 = 6 iterasi ke-2 --> untuk ruas (C,A) = 4
jadi d(F) menjadi = 6 karena d(A) = 0 tidak > d(C) + bobot(C,A) = 3 + 4 = 7
predecessor(F) menjadi = 7 tidak ada yang dilakukan. jadi d(A) tetap = 0
Gambaran Iterasi
keseluruhan Keterangan: 1000 = ∞
Simpul A B C D E F G
Langkah 1 0 1000 1000 1000 1000 1000 1000
Langkah 2 Iterasi ke-1 0 2 3 1 3 6 5
Langkah 3 (Iterasi ke-7) 0 2 3 1 3 6 5
Lanjutan, akhirnya...
iterasi ke-7 --> untuk ruas (D,E) = 2 Data Predecessor
karena d(E) = 3 tidak > d(D) + bobot(D,E) = 1 + 2 = 3
before(B) = A
tidak ada yang dilakukan. jadi d(E) tetap = 3
before(C) = D
iterasi ke-7 --> untuk ruas (D,F) = 8 before(D) = A
karena d(F) = 6 tidak > d(D) + bobot(D,F) = 1 + 8 = 9 before(E) = D
tidak ada yang dilakukan. jadi d(F) tetap = 6 before(F) = G
iterasi ke-7 --> untuk ruas (D,G) = 4 before(G) = D
karena d(G) = 5 tidak > d(D) + bobot(D,G) = 1 + 4 = 5
tidak ada yang dilakukan. jadi d(G) tetap = 5

jalur terpendek dari A ke G adalah A -> D -> G dengan jarak = 5
iterasi ke-7 --> untuk ruas (E,G) = 6 jalur terpendek dari A ke F adalah A -> D -> G -> F dengan jarak = 6
karena d(G) = 5 tidak > d(E) + bobot(E,G) = 3 + 6 = 9 jalur terpendek dari A ke E adalah A -> D -> E dengan jarak = 3
tidak ada yang dilakukan. jadi d(G) tetap = 5
jalur terpendek dari A ke D adalah A -> D dengan jarak = 1
iterasi ke-7 --> untuk ruas (G,F) = 1
karena d(F) = 6 tidak > d(G) + bobot(G,F) = 5 + 1 = 6

jalur terpendek dari A ke C adalah A -> D -> C dengan jarak = 3
tidak ada yang dilakukan. jadi d(F) tetap = 6 jalur terpendek dari A ke B adalah A -> B dengan jarak = 2
Hasil yang diperoleh
0 2 2
1
2
3 2
1
4 3
1
6 5
Hasil Akhir
Kasus Ruas Negatif
2 -2
3
5
0 4
2 -2
2 2
3
jalur terpendek dari A ke D adalah A -> D dengan jarak = 2
jalur terpendek dari A ke C adalah A -> D -> B -> C dengan jarak = 2
jalur terpendek dari A ke B adalah A -> D -> B dengan jarak = 4
Algoritma Floyd-Warshall
Algoritma Floyd-Warshall adalah algoritma untuk
mencari jalur terpendek antara semua pasangan simpul
dalam sebuah graf berbobot. Algoritma ini berfungsi
untuk graf berbobot berarah dan tidak berarah. Namun,
algoritma ini tidak berfungsi untuk graf dengan siklus
negatif (yang mengandung jumlah/total bobot siklus
negatif).
Algoritma Floyd-Warhshall disebut juga sebagai
algoritma Floyd, algoritma Roy-Floyd, algoritma Roy-
Warshall, atau algoritma WFI. Algoritma ini
menggunakan pendekatan pemrograman dinamis untuk
Pseudocode Floyd-Warshall
n = no of vertices
A = matrix of dimension n*n
for k = 1 to n
for i = 1 to n
for j = 1 to n
Ak[i, j] = min (Ak-1[i, j], Ak-1[i, k] + Ak-1[k, j])
return A
Contoh Kasus
4,3
2 2,5 4,6
3
5,9
1,5 0,85
0,45
0,4
2,5
2,5 1,4
0,9 1,7
0,55
Tabel Data
A B C D E F G H I J
A * 3 2,5 * * * * * * *
B * * 2,5 * 1,5 2 * * * *
C * * * 0,55 0,99 * * * * *
D * * * * * * * * * 1,7
E * * * 1,4 * * * * 0,85 0,4
F * * * * * * 2,5 * * *
G * * * * * * * 4,6 * *
H * * * * * * * * 4,3 *
I * * * * * * * * * 5,9
J * * * * 0,45 * * * * *
Data awal
Iterasi ke-1
Iterasi ke-10 (terakhir)
Masalah Aliran Maksimal
(Maximum Flow)
Apa itu Aliran Jaringan?
Aliran jaringan adalah graf berarah D = (V, A) sedemikian rupa
masing-masing ruas memiliki kapasitas non-negatif c (u, v) ≥0
Dua simpul dibedakan pada di Graf tersebut yaitu:
Sumber (dilambangkan dengan s): Derajat masuk ke simpul ini
adalah 0.
Muara (dilambangkan dengan t): Derajat keluar dari simpul ini
adalah 0
Aliran dalam jaringan adalah fungsi bernilai integer yang didefinisikan
pada ruas-ruas dari G yang memenuhi 0 ≤ f (u, v) ≤ c (u, v), untuk
setiap ruas (u, v) pada Graf.
Contoh Aliran 7 9: 9
) 8 6
9:8 9 ) 8 6 6 7 9: 97 8 9 : 9
19 9 ) 8 6 62 , 806 (
19 9 ) 8 6 62 , 806 =
1 ) 8 6 62 , 806 =
1 : : ) 8 6 62 , 806 =
1 : : ) 8 6 62 , 806 (
Menentukan Aliran
Maksimal
Untuk menentukan atau menghitung aliran maksimal
dari suatu Graf, dapat dilakukan dengan beberapa cara:
- Menggunakan intuisi
- Menggunakan Algoritma (Ford-Fulkerson)
- Max Flow Min Cut
Kasus 1 dengan menggunakan
Intuisi
Pada umumnya untuk kasus sederhana dapat kita
gunakan intuisi
1 1 2 -
1 1 2 -
1 1 2 -
-
Algoritma Ford-Fulkerson
FORDFULKERSON(G,E,s,t) AUGMENT(f,P)
FOREACH e Î E b ¬ bottleneck(P)
f(e) ¬ 0 FOREACH e Î P
Gf ¬ residual graph IF (e Î E)
WHILE (there exists augmenting // backwards arc
path P)
f(e) ¬ f(e) + b
f ¬ augment(f, P)
ELSE
update Gf
// forward arc
ENDWHILE
f(eR) ¬ f(e) - b
RETURN f
RETURN f
.
,
,
4 5
15 . 1 . 2 4 5 4 31
3 3 12 ) 3 5 34 ( 5
3( 3 . 2 45 444
4 5
15 . 1 . 2 4 5 4 31
3 3 12 ) 3 5 34 ( 5
3( 3 . 2 45 444
4 5
15 . 1 . 2 4 5 4 31
3 3 12 ) 3 5 34 ( 5
3( 3 . 2 45 444
4 5
15 . 1 . 2 4 5 4 31
3 3 12 ) 3 5 34 ( 5
3( 3 . 2 45 444
4 5
15 . 1 . 2 4 5 4 31
3 3 12 ) 3 5 34 ( 5
3( 3 . 2 45 444
2 3
41 2 3 1. .22
1 . . 24 3-
-1 -1 2 -
- . -1
1 1 1 -
1 1 -
1 1 -
, , , ,
Alternatif lain untuk menghitung
Aliran Maksimal
Max Flow Min Cut
Maximum Flow Minimum Cut-Set
Bahwa Aliran Maksimal diperoleh pada Cut-Set bernilai Minimum
Cut-Set (Himpunan Potong)
Ada Subgraf S dari graf terhubung G, yang bila kita ambil /
pindahkan dari G, akan menyebabkan G tidak terhubung .
Kalau tidak ada Subgraf sejati R dari S, yang pemindahannya
juga menyebabkan G tidak terhubung, maka S disebut Cut-Set
dari G.
{(A,B)}, {(A,C)}, {(B,C)} masing2 bukan Cut-Set
{(A,B), (A,C)}, adalah Cut-Set
{(A,B), (B,C)}, adalah Cut-Set
{(C,A), (C,B)}, adalah Cut-Set
{(A,B), (A,C), (B,C)} masing2 bukan Cut-Set
Cut-Set menggunakan ‘garis
pemotong’
Cut-Set yang terdapat pada K4 berikut ini adalah seperti yang
diwakili oleh garis merah putus-putus. Pada K4 tersebut terdapat
6 buah Cut-Set.
{(B,A), (B,C), (B,D)}
{(A,D), (A,C), (B,D), (B,C)}
{(A,C), (B,C), (D,C)}

Kasus 1 dengan Max Flow Min Cut
20 15 18
16 Cut-Set yang digunakan untuk menentukan
Aliran Maksimal adalah Cut-Set yang
memisahkan antara sumber (source) dan
muara (sink)
Kasus 2 dengan Max Flow Min Cut
8
5
Kasus 3
Contoh Cut-Set yang dapat dihitung
20
18 17
15
Daftar Pustaka
Suryadi, H.S. Teori Graf Dasar, Jakarta: Gunadarma
Discrete Mathematics and Its Applications (3rd edition). Kenneth H Rosen. McGraw-Hill Inc.
Singapore, 1995
L Toscano, S Stella, and E Milotti, Using graph theory for automated electric circuit solving,
[tersedia: https://core.ac.uk/download/pdf/53745212.pdf]
Rinaldi Munir, Diktat Kuliah Matematika Diskrit Bandung:ITB

MIT OCW
Ghidoni, S., Nanni, L., Brahnam, S., and Menegatti, E. 2014. Texture Descriptors Based on
Dijkstra's Algorithm for Medical Image Analysis. Studies in Health Technology and Informatics
207:74-82.
Ustun, T.S., Ozansoy, C., and Zayegh, A. 2011. Implementation of Dijkstra's algorithm in a
dynamic microgrid for relay hierarchy detection. DOI: 10.1109/SmartGridComm.2011.6102370
BackTracking
(RUNUT BALIK) Dr. Ernastuti
Dr. Desti Riminarsih
Dr. Nola Marina
LINGKUP MATERI
ü Pengertian Algoritma:
1. BackTracking
2. Branch & Bound
1 3. Review Pohon Berakar (Rooted Tree)
4. Traversal:
ü Penerapan Teknik
BackTracking pada The Sum of
6 Pre Order, In Order, Post Order
Subset Problem
2
ü Algoritma:
1. Depth First Search
5 2. Breadth First Search
ü Penerapan Teknik BackTracking
Pada ProblemPewarnaan Graf ü Perbedaan Algoritma
BackTracking dan Branch&
Bound
4 3
ü Penerapan Teknik BackTracking
ü Penerapan Teknik BackTracking pada problem yang sebelumnya
pada 4 Queen Problem & 8 diselesaikan dengan Teknik Brute
Queen Problem Force
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
Pengertian Algoritma Backtracking
ü Runut-balik (backtracking) adalah algoritma yang
berbasis pada DFS (Depth-First Search) untuk mencari
solusi persoalan secara lebih mangkus.
ü Pencarian solusi dilakukan dengan cara menelusuri
suatu struktur berbentuk pohon berakar secara
preorder.
ü hanya mempertimbangkan pencarian yang mengarah ke
solusi saja
ü perbaikan dari algoritma brute force, sehingga secara
otomatis waktu yang dibutuhkan untuk menyelesaikan
permasalahannya juga lebih cepat
ü Algoritma backtracking pertama kali dikenalkan oleh
D.H. Lehmer pada tahun 1950.
ü R.J Walker, Golomb dan Baumert menyajikan uraian
Pengertian Algoritma Branch & Bound
Branch & Bound

ü Digunakan untuk persoalan optimisasi yang
meminimalkan atau memaksimalkan suatu fungsi
Persamaan algoritma Branch &
objektif, yang tidak melanggar batasan
Bound dengan algoritma
(constraints) persoalan backtracking :
ü Algoritma Branch and Bound (B&B) merupakan q Pencarian solusi dengan
sebuah metode pencarian di dalam ruang solusi pembentukan pohon ruang status
secara sistematis, sehingga dalam pencarian q‘Memangkas’ simpul yang tidak
solusinya B&B membentuk pohon ruang status ‘mengarah’ ke solusi
ü Setiap simpul diberi sebuah nilai cost yang
digunakan untuk menentukan ekspansi ke simpul
berikutnya.
Review Pohon Berakar
ü Suatu pohon berakar R adalah suatu pohon
dimana ada satu simpul r yang ditunjuk r
sebagai akar (root) dari R.
ü Pada pohon R hanya terdapat satu jalur
antara simpul r dengan simpul lain v pada
pohon tersebut.
ü Panjang jalur antara simpul r dengan simpul
v disebut level atau kedalaman simpul v
ü Simpul bukan akar yang berderajat nol
disebut daun
R: pohon Berakar
ü Jalur antara suatu simpul dengan suatu daun
disebut cabang atau branch
Traversal Graf
Algoritma traversal graf yaitu mengunjungi simpul pada graf terhubung dengan cara yang
sistematik :
• Pencarian melebar (breadth first search/BFS)
• Pencarian mendalam (depth first search/DFS)
Simpul yang pertama

dikunjungi adalah simpul Simpul yang pertama
anak disebelah kiri dari dikunjungi adalah semua
simpul akar hingga anak dari simpul
semua level terkunjungi, akar ,selanjutnya
selanjutnya untuk mengunjungi simpul anak
simpul anak di sebelah pada level berikutnya
kanan lakukan hal yang
hingga semua simpul
sama.
dikunjungi.
Depth First Search/DFS Breadth First Search/BFS
Traversal Graf
Algoritma traversal graf yaitu mengunjungi simpul dengan cara yang
sistematik :
Pre Order : mengunjungi tree dengan alur

Root  Leftchild  Rightchild
Traversal Graf
Algoritma traversal graf yaitu mengunjungi simpul dengan cara yang
sistematik :
Pre Order : mengunjungi tree dengan alur
Root  Leftchild  Rightchild
In Order : mengunjungi tree dengan alur

Leftchild  Root Rightchild
Post Order : mengunjungi tree dengan alur

Leftchild  Rightchild Root
BFS dan DFS
Breadth First Search Depth First Search
• Traversal dimulai dari simpul v. Traversal dimulai dari simpul v.
• Algoritma: • Algoritma:
1. Kunjungi simpul v 1. Kunjungi simpul v
2. Kunjungi semua simpul yang 2. Kunjungi simpul w yang bertetangga dengan
bertetangga dengan simpul terlebih simpul v.
dahulu. 3. Ulangi DFS mulai dari simpul w.
3. Kunjungi simpul yang belum 4. Ketika mencapai simpul u sedemikian sehingga
dikunjungi dan bertetangga dengan semua simpul yang bertetangga dengannya telah
simpul-simpul yang tadi dikunjungi, dikunjungi, pencarian dirunut-balik (backtrack) ke
demikian seterusnya. simpul terakhir yang dikunjungi sebelumnya dan
mempunyai simpul w yang belum dikunjungi.
5. Pencarian berakhir bila tidak ada lagi simpul yang
belum dikunjungi yang dapat dicapai dari simpul
yang telah dikunjungi.
BFS dan DFS
Breadth First Search Depth First Search
Perbedaan Algoritma Branch & Bound dan Backtracking
Backtracking Branch & Bound

ØPembentukan pohon ruang Ø Pembentukan pohon ruang status
status dibangun dengan skema dibangun dengan skema BFS.
DFS. Ø Untuk mempercepaat pencarian
Ø Hanya mempertimbangkan solusi maka di setiap simpul yang
pencarian yang mengarah ke diekspansi diberi cost untuk
solusi saja menentukan simpul mana yang
akan di ekspansi selanjutnya.
Properti Umum Metode Backtracking
Penerapan Bactracking
1. Penerapan Teknik BackTracking pada problem yang

sebelumnya diselesaikan dengan Teknik Brute Force
2. Permainan 4-Queen Problem & 8-Queen Problem
3. Problem Pewarnaan Graf (Graph Colouring)
4. The Sum of Subset Problem
Algoritma Brute Force & BackTracking
ü Saat ini banyak program komputer yang
memanfaatkan teknologi AI atau kecerdasan
buatan.
ü Umumnya, kecerdasan buatan diprogram
untuk dapat menyelesaikan suatu
permasalahan yang memiliki serangkaian
sub-masalah lain yang masing-masing
memiliki banyak kemungkinan solusi. Dalam
hal ini, solusi yang dipilih untuk satu sub-
masalah akan berpengaruh pada
kemungkinan solusi sub-masalah berikutnya.
ü Algoritma yang dapat digunakan untuk
menemukan seluruh atau sebagian solusi
untuk permasalahan seperti ini diantaranya
brute force dan backtracking
Algoritma Brute Force & BackTracking
ü Algoritma Brute Force dan BackTracking mencari
solusi dari suatu masalah dengan cara membuat
kandidat-kandidat solusi secara bertahap.
ü Namun, BackTracking dapat dikatakan lebih
sebagai penyempurnaan dari algoritma brute Contoh (BackTracking)
force. Jika terdapat sebuah kata yang terdiri atas 8 huruf,
ü Pada pencarian solusi dengan Brute Force, kemudian program diminta untuk membentuk
program akan membuat seluruh kemungkinan suatu kata baru yang terdiri dari 2 huruf vokal dan
solusi, baru kemudian menguji satu persatu 2 konsonan.
apakah solusi yang telah dibuat dapat memenuhi Ketika pencarian sampai pada huruf ke-tiga dan
spesifikasi solusi akhir yang dicari. ketiga huruf tersebut merupakan konsonan, maka
ü Sedangkan algoritma BackTracking akan kandidat solusi ini akan langsung gugur. Program
berhenti memproses suatu kandidat solusi tidak akan melanjutkan pencarian huruf ke-empat.
segera setelah sampai pada suatu tahap dimana
kandidat solusi tersebut terbukti tidak
mengarah pada solusi akhir.
Algoritma BackTracking
ü Algoritma backtracking pertama kali diperkenalkan oleh
D.H. Lehmer pada tahun 1950.
ü Dalam perkembangan algoritma ini, beberapa ahli seperti
Rwalker, Golomb, dan Baumert menyajikan uraian umum
tentang backtracking dan penerapannya dalam berbagai
persoalan dan aplikasi.
ü Algoritma backtracking adalah sebuah algoritma yang
berbasis depth-first search (DFS) dalam pencarian solusi
pada pohon ruang status yang dibangun secara dinamis.
ü Algoritma ini membangun solusi parsial (partial solution)
dari sebuah kandidat solusi dan mengevaluasi solusi
parsial tersebut pada suatu waktu. Jika solusi parsial yang
dibangun tidak memenuhi syarat, maka kandidat solusi
tersebut tidak akan dibangun lebih lanjut dan dilakukan
backtrack ke kandidat solusi lain yang memenuhi syarat.
ü Algoritma backtracking dilakukan secara berulang-ulang
hingga menemukan sebuah solusi yang sesuai dengan
Algoritma BackTracking
Langkah-langkah pencarian solusi pada algoritma
backtracking adalah sebagai berikut.
1. Solusi dicari dengan membentuk lintasan dari akar
ke daun. Simpul yang telah dilahirkan dinamakan
simpul hidup dan simpul hidup yang diperluas
dinamakan simpul-E (Expand node).
2. Jika lintasan yang diperoleh dari perluasan simpul-E
tidak mengarah ke solusi, maka simpul itu akan
menjadi simpul mati yang tidak dapat diperluas lagi.
3. Jika posisi terakhir ada di simpul mati, maka
pencarian dilakukan dengan membangkitkan simpul
anak yang lainnya dan jika tidak ada simpul anak
maka dilakukan backtracking ke simpul induk.
4. Pencarian dihentikan jika kita telah menemukan
solusi atau tidak ada simpul hidup yang dapat
ditemukan.
ü Kelemahannya, algoritma BackTracking ini hanya ü Mekanisme penyelesaian dengan
bisa diaplikasikan terbatas pada tipe menggunakan backtracking berprinsip pada
permasalahan yang memiliki solusi yang dapat metode rekursif. Untuk menyelesaikan
dicari secara sistematis dan bertahap. keseluruhan masalah, dibutuhkan sebuah
solusi untuk sub-masalah pertama, kemudian
ü Terdapat masalah-masalah yang tidak bisa
submasalah-submasalah lainnya akan dicoba
diselesaikan dengan menggunakan BackTracking,
untuk diselesaikan secara rekursif
misalnya menemukan suatu nilai yang diminta
berdasarkan solusi pertama tersebut.
pada tabel yang tidak terurut. Namun ketika
algoritma ini dapat diaplikasikan, BackTracking
ü Jika kemungkinan solusi yang sedang dicoba
dapat bekerja jauh lebih cepat dari Brute Force
gagal, atau jika tujuan program adalah untuk
karena jumlah kandidat solusi yang dapat
menemukan seluruh solusi yang mungkin,
„dibuang‟ dengan BackTracking cukup besar.
maka dilakukan backtrack untuk menguji
ü Algoritma backtracking berbasis pada DFS (depth- kemungkinan solusi selanjutnya. Proses
first search) atau pencarian mendalam dengan backtrack akan selesai ketika tidak ada lagi
tujuan mencari solusi permasalahan secara lebih solusi yang mungkin untuk menyelesaikan
mangkus sub-masalah paling awal.
ü Salah satu fungsi yang dimiliki oleh algoritma BackTracking dan menjadi ciri khasnya
adalah fungsi pemangkasan (pruning).
ü Andaikan tahap-tahap pencarian solusi suatu masalah direpresentasikan dalam bentuk
pohon solusi, proses pemangkasan akan dilakukan terhadap simpul-simpul yang tidak
mengarah kepada solusi.
ü Jika suatu simpul telah dipangkas, simpul-simpul yang menjadi anak dan turunan dari
simpul tersebut otomatis tidak akan diproses, karena memangkas sebuah simpul sama
halnya membuang seluruh lintasan yang berada di bawah simpul tersebut.
Pada gambar terlihat simpul yang dipangkas adalah simpul d dan f.

Akibat pemangkasan tersebut, simpul k yang merupakan anak simpul
d, serta simpul l dan m yang merupakan anak simpul f tidak akan
diproses.
ü Algoritma Backtracking banyak digunakan dalam

pembuatan permainan komputer, misalnya tic-tac-toe,
labirin, dan catur.
ü Selain itu algoritma ini merupakan metode paling efisien
untuk parsing dan banyak masalah optimasi
kombinatorial lainnya.
Ilustrasi proses pemangkasan (pruning)
Strategi Brute Force
Contoh:
Diketahui 3 Kartu yang terdiri dari 2 Kartu Merah dan 1 Kartu Kuning.
Ketiga kartu akan ditempatkan pada 3 posisi yang berurutan.
Ada berapa banyak cara untuk menyusun ketiga kartu tersebut?
Contoh:
1
2 Banyaknya cara menyusun kartu ada

3 ! = 3 * 2 * 1 = 6 cara/solusi
3
6
Strategi Brute Force SOLUSI:
X1 X2 X2
Contoh:
State Space Tree
1
2 X1= M X1= B X1= K

Ada 6 solusi
3
X2= B X2= K X2= M X2= K X2= M X2= B
4
5
X3= K X3= B
X3= K X3= M X3= B X3= M
6
Banyaknya cara menyusun kartu ada M,B,K M,K,B B,M,K K,B,M

B,K,M K,M,B
3 ! = 3 * 2 * 1 = 6 cara
Contoh:
Ketiga kartu akan ditempatkan pada 3 posisi yang berurutan. Ada 6 solusi
State Space Tree
1
2 X1= M X1= B X1= K
3
X2= B X2= K X2= M X2= K X2= M X2= B
4
5
X3= K X3= B
X3= K X3= M X3= B X3= M
6
Banyaknya cara menyusun kartu ada M,B,K M,K,B B,M,K K,B,M

B,K,M K,M,B
3 ! = 3 * 2 * 1 = 6 cara solusi
Backtracking dari Brute Force
Contoh: Bounding Function:
Kartu Kuning tidak diizinkan
berada di posisi tengah
Ketiga kartu akan ditempatkan pada 3 posisi yang berurutan, dengan
syarat Kartu Kuning tidak diizinkan berada di posisi tengah. Ada 1 solusi
State Space Tree
1
X1= M
X2= B
X3= K
M,B,K
Diketahui 3 Kartu yang terdiri dari 2 Kartu Merah dan 1 Kartu Kuning. berada di posisi tengah
State Space Tree
1
2 X1= M
X2= B X2= K
X
X3= K
M,B,K
State Space Tree
1
2 X1= M X1= B
3
X2= B X2= K X2= M
X
X3= K
X3= K
M,B,K B,M,K

State Space Tree
1
2 X1= M X1= B
3
X2= B X2= K X2= M X2= K
4
X X
X3= K
X3= K
M,B,K B,M,K

State Space Tree
1
2 X1= M X1= B X1= K
3
X2= B X2= K X2= M X2= K X2= M
4
X X
5
X3= K
X3= K X3= B
M,B,K B,M,K K,M,B

Contoh:
syarat Kartu Kuning tidak diizinkan berada di posisi tengah.
State Space Tree Ada 4 solusi
1
2 X1= M X1= B X1= K
3
X2= B X2= K X2= M X2= K X2= M X2= B
4
X X
5
X3= K
X3= K X3= B X3= M
6
Banyaknya cara menyusun kartu M,B,K B,M,K K,M,B K,B,M

ada 4 cara solusi

N-Queen Problem
N-Queens Problem adalah

Bagaimana kita harus menempatkan N buah Ratu
pada papan Catur N x N,
di mana setiap Ratu tersebut tidak saling memakan 1 2 3 4
(under attack),
1 Q1
serta tidak ada 2 (dua) Ratu yang terletak dalam
1. satu baris yang sama 2 Q3
2. satu kolom yang sama 3 Q2
3. satu diagonal yang sama 4 Q4
State Space Tree
N-Queen Problem
N-Queens Problem
adalah bagaimana menempatkan N buah bidak ratu
dalam suatu papan catur berukuran N x N sedemikian
rupa sehingga tidak satupun dari bidak ratu tersebut
dapat memakan bidak ratu yang lain dalam satu
gerakan.
Sesuai dengan gerakan bidak ratu standar, suatu bidak
ratu hanya dapat bergerak lurus dalam satu kolom,
baris, atau diagonal.
Untuk itu sebuah solusi harus dapat mengatur
penempatan bidak ratu sehingga tidak ada dua bidak
Ruang gerak bidak Ratu
yang terletak dalam suatu kolom, baris, atau diagonal
dalam permainan catur
yang sama.
Pencarian solusi untuk kasus N < 4
ü Menurut riset Neil Sloane: dalam N-
Queens Problem, untuk N = 1, 2, dan 3, jumlah solusi yang valid 1-Queen Problem
masing-masing adalah 1, 0, 0. Artinya, untuk N < 4, solusi
hanya tersedia untuk N = 1. Papan Catur 1 x 1
Ada 1 solusi
ü Untuk N = 1, cukup jelas bahwa solusi dapat ditemukan, karena
kemungkinan cara penempatan bidak ratu hanya 1 dan tidak
mungkin ada bidak yang saling memakan karena hanya ada 1
buah bidak ratu.
Papan Catur 2 x 2
ü Sebaliknya, untuk N = 2, cukup jelas bahwa tidak ada solusi
yang mungkin. Pada suatu papan catur 2 x 2, dimanapun bidak Tidak ada solusi
ratu pertama diletakkan, bidak tersebut akan dapat mencapai
petak lain dalam papan dalam satu gerakan, sehingga tidak 2-Queen Problem
ada tempat yang memungkinkan untuk meletakkan bidak ratu
yang kedua.
3-Queen Problem
Papan Catur 3 x 3
Penempatan dua bidak pertama untuk N = 3
Terlihat bahwa setelah penempatan

dua buah bidak Ratu, tidak ada
petak dalam papan catur yang dapat
ditempati oleh bidak Ratu ke-tiga.
Tidak meghasilkan Solusi satupun

Bounding Funtion/Solusi akhir:

tidak boleh ada 2 (dua) Ratu yang
terletak dalam
1. satu baris yang sama
2. satu kolom yang sama
3. satu diagonal yang sama
3-Queen Problem
Papan Catur 3 x 3
Penempatan dua bidak pertama untuk N = 3
Terlihat bahwa setelah penempatan

dua buah bidak Ratu, tidak ada
petak dalam papan catur yang dapat
ditempati oleh bidak Ratu ke-tiga.

Papan Catur 3 x 3
SOLUSI:
X1 X2 X2
X1=Q1
X1=Q2 X1=Q3
Tidak meghasilkan satu Solusipun
State Space Tree

X2=Q1 Q2 Q3
Q3 Q1 Q1 Q2 Q3
Q2
X3=Q1 Q2 Q1 Q2 Q3Q1 Q2 Q3 Q1 Q2 Q3 Q1 Q2 Q1 Q1 Q3 Q1 Q2 Q3
Q2 Q3 Q2 Q3 Q1 Q2
3-Queen Problem X1= X2= X3=
Q1 Q3 Q2
ü Jumlah kemungkinan tidak ada Ratu dalam kolom dan

baris yang sama adalah 3! = 6 kemungkinan.
Papan Catur 3 x 3
ü Namun demikian, dari 6 kemungkinan yang ada, tidak
satupun yang mengarah pada solusi akhir (yaitu tidak
ada Ratu dalam diagonal yang sama)
X
State Space Tree
X1=Q1
X1=Q2 X1=Q3
SOLUSI: X1 X2 X3

Q3
Q1 Q1 Q2
X2=Q2 Q3
Solusi akhir: tidak boleh ada 2
(dua) Ratu yang terletak dalam
1. satu baris yang sama Q2 Q3 Q1
X3=Q3 Q2 Q1
X X X X X X
Q3 Q1 Q2

Papan Catur 3 x 3
ada Ratu dalam diagonal yang sama) X
X1=Q1
X1=Q2 X1=Q3
SOLUSI: X1 X2 X3

Q3
Q1 Q1 Q2
X2=Q2 Q3
State Space Tree

Q2 Q3 Q1 Q1
X3=Q3 Q2
X X X X X X
Q2 Q1 Q3

Papan Catur 3 x 3
ada Ratu dalam diagonal yang sama) X
X1=Q1
X1=Q2 X1=Q3
SOLUSI: X1 X2 X3

Q3
Q1 Q1 Q2
X2=Q2 Q3
State Space Tree Q3

X3=Q3 Q2 Q1 Q1
Q2
X X X X X X
3-Queen Problem X1= X2= X3= X1= X2= X3= X1= X2= X3=
Q1 Q3 Q2 Q3 Q1 Q2 Q3 Q1 Q2


ada Ratu dalam diagonal yang sama)
X X X
Papan Catur 3 x 3
X1=Q1
X1=Q2 X1=Q3
SOLUSI: X1 X2 X3

Q1 Q3
Q1 Q2
X2=Q2 Q3
State Space Tree

Q2 Q3 Q1
X3=Q3 Q1
Q2
X X X X X X
Pencarian solusi dengan Backtracking
N-Queens Problem (N≥ 4)
N-Queens Problem
ü Apabila permasalahan ini dicoba untuk diselesaikan
menggunakan algoritma brute force, maka program akan
membentuk seluruh kemungkinan solusi, baru kemudian
menguji apakah solusi tersebut memenuhi spesifikasi
yang diinginkan.
ü Untuk nilai N relatif kecil, contohnya N = 8, pencarian

solusi dengan cara ini masih dapat diaplikasikan, namun
untuk nilai N ekstrem besar, contohnya N = 1.000.000,
pencarian dengan teknik brute force sangat boros
memori dan tidak mangkus.
ü Untuk itu, penyelesaian N-Queens Problem lebih baik

dicari dengan menggunakan algoritma backtracking.
Pencarian solusi dengan teknik ini akan mengurangi
penggunaan memori, karena teknik backtracking akan
N-Queens Problem
ü Proses pencarian solusi secara bertahap dapat
dimisalkan sebagai suatu pohon solusi. Tiap-tiap
langkah akan menjadi suatu simpul dalam pohon
solusi tersebut.
ü Untuk tiap N-Queens Problem, dengan menerapkan
syarat bahwa dua buah bidak ratu tidak dapat
terletak dalam suatu kolom yang sama, pohon
solusi yang terbentuk adalah pohon N-ary teratur.
ü Artinya, tiap-tiap simpul yang terbentuk akan
memiliki N buah anak.
ü Akar pohon solusi tersebut adalah papan kosong
atau belum ada bidak catur yang diletakkan. Pohon
inilah yang kemudian akan digunakan untuk proses
backtracking.
N-Queens Problem
ü Algoritma pencarian solusi dengan Backtracking diproses
secara rekursif seperti pemrosesan pohon pada umumnya.
ü Mekanisme algoritma ini adalah secara Depth First Searh
(DFS), yaitu dengan mengunjungi satu persatu simpul
yang ada dalam pohon solusi dan menguji apakah simpul
tersebut memenuhi spesifikasi simpul yang dapat
ditempati oleh sebuah bidak ratu.
ü Seandainya simpul tersebut bukan merupakan simpul
yang valid, maka simpul tersebut akan dipangkas, dan
proses pencarian berlanjut ke salah satu saudara
kandung simpul (sibling) tersebut.
ü Apabila tidak ada lagi saudara kandung simpul yang
dapat diuji, maka pencarian akan bergerak mundur
(backtrack) ke orangtua simpul, lalu dilanjutkan ke
saudara kandung orangtua simpul. Proses akan berakhir
ketika proses backtrack telah kembali ke akar pohon N-
4-Queens Problem (16)!/(16-4)!=(4×4)!/(4×3)!=43.680
1+ 4 + 4*4 + 4*4*4 + 4*4*4*4 = 1 + 4 + 16 + 64 + 256 = 341

4-Queens Problem
Pada kenyataannya, dari riset Neil Sloane, jumlah
solusi N-Queens Problem untuk nilai N = 4 hanya
ada 2 solusi.
Kedua solusi yang ditawarkan itupun sebenarnya
merupakan satu susunan yang sama, hanya
dicerminkan terhadap sumbu vertikal (hasil yang
sama juga diperoleh dengan mencerminkan
terhadap sumbu horizontal).
4-Queens Problem Untuk menggambarkan lebih jelas proses kerja
algoritma backtracking, akan dimisalkan
penempatan empat bidak ratu pada papan catur
Dengan menggunakan algoritma tersebut, urutan pencarian berikut ini:
solusi untuk N = 4 adalah sebagai berikut:
1) Akar pohon adalah suatu papan catur 4 x 4 yang masih
kosong.
2) Dibentuk suatu pohon solusi, dengan simpul-simpul aras
ke-1 adalah petak-petak pada kolom ke-1, simpul-simpul aras
ke-2 adalah petak-petak pada kolom ke-2, dan seterusnya .
Simpul disusun dengan cara petak yang paling atas dalam
papan catur diletakkan di simpul paling kiri (diproses
pertama).
3) Dengan menggunakan algoritma yang telah dibuat
sebelumnya, bidak-bidak ratu akan dicoba untuk diletakkan
pada papan tersebut.
4) Proses akan berakhir jika seluruh solusi telah ditemukan
dan tidak ada lagi solusi yang mungkin. Papan catur 4 x 4 untuk penjelasan
langkah penyelesaian
4-Queens Problem ( 2 Solusi )
Bounding Funtion/Solusi akhir:
terletak dalam
Bounding Function/Solusi akhir:
terletak dalam
jumlah solusi N-Queens

Problem untuk nilai N = 4
hanya 2 solusi.
1. [ A2, B4, C1, D3 ]
2. [ A3, B1, C4, D2 ]
[ A2, B4, C1, D3 ] [ A3, B1, C4, D2 ]
8-Queens Problem
8-Queens Problem
Membangun & Menghitung Solusi

Solusi 8-Queen Problem (92 solusi)
Teka-teki 8 Ratu memiliki 92 solusi berbeda. Jika solusi yang berbeda hanya dengan operasi simetri rotasi dan
refleksi papan dihitung sebagai satu solusi, maka teka-teki memiliki 12 solusi. Ini disebut solusi Dasar;
Perwakilan masing-masing ditampilkan di bawah ini.
Solusi Dasar biasanya memiliki delapan varian (termasuk bentuk aslinya) yang diperoleh dengan memutar 90,
180, atau 270 ° dan kemudian memantulkan masing-masing dari empat varian rotasi di cermin dalam posisi
tetap.
Namun, jika solusi setara dengan rotasinya sendiri 90 ° (seperti yang terjadi pada satu solusi dengan lima
ratu pada papan 5 × 5), solusi mendasar itu hanya akan memiliki dua varian (itu sendiri dan pantulannya).
Jika suatu solusi setara dengan rotasinya sendiri 180 ° (tetapi tidak dengan rotasinya 90 °), ia akan memiliki
empat varian (itu sendiri dan pantulannya, rotasinya 90 ° dan pantulannya).
Jika n> 1, tidak mungkin solusi setara dengan pantulannya sendiri karena itu akan membutuhkan dua ratu
untuk saling berhadapan.
Dari 12 solusi dasar untuk masalah dengan delapan ratu pada papan 8 × 8, tepat satu (solusi 12 di bawah)
sama dengan rotasinya sendiri 180 °, dan tidak ada yang sama dengan rotasinya 90 °;
Dengan demikian, banyaknya solusi berbeda adalah (11 × 8) + (1 × 4) = 92.
12 Solusi Dasar dari Problem 8-QUEEN
12 Solusi Dasar dari Problem 8-QUEEN
Tabel berikut memberikan sejumlah solusi untuk menempatkan N ratu pada N × N papan
Catur, baik solusi Dasar maupun solusi Semua
N Solusi Dasar Solusi Semua

1 1 1
11 341 2.680
2 0 0
12 1.787 14.200
3 0 0
13 9.233 73.712
4 1 2
14 45.752 365.596
5 2 10
15 285.053 2.279.184
6 1 4
16 1.846.955 14.772.512
7 6 40
17 11.977.939 95.815.104
8 12 92
18 83.263.591 666.090.624
9 46 352
19 621.012.754 4.968.057.848
10 92 724
20 4.878.666.808 39.029.188.884

21 39.333.324.973 314.666.222.712
22 336.376.244.042 2.691.008.701.644
23 3.029.242.658.210 24.233.937.684.440
24 28.439.272.956.934 227.514.171.973.736
25 275.986.683.743.434 2.207.893.435.808.352
26 2.789.712.466.510.289 22.317.699.616.364.044
27 29.363.495.934.315.694 234.907.967.154.122.528
Tabel berikut memberikan sejumlah solusi untuk menempatkan N ratu pada N × N papan,
baik solusi Dasar dan maupun solusi Semua

1 1 1
11 341 2.680
2 0 0
12 1.787 14.200
3 0 0
13 9.233 73.712
4 1 2
14 45.752 365.596
5 2 10
15 285.053 2.279.184
6 1 4
16 1.846.955 14.772.512
7 6 40
17 11.977.939 95.815.104
8 12 92
18 83.263.591 666.090.624
9 46 352
19 621.012.754 4.968.057.848
10 92 724
20 4.878.666.808 39.029.188.884
N= 8
Solusi Dasar = 12 N Solusi Dasar Solusi Semua
Solusi Semua = 92 21 39.333.324.973 314.666.222.712
22 336.376.244.042 2.691.008.701.644
N= 4 23 3.029.242.658.210 24.233.937.684.440
Solusi Dasar = 1 24 28.439.272.956.934 227.514.171.973.736
Solusi Semua = 2 25 275.986.683.743.434 2.207.893.435.808.352
(dg cara mirror) 26 2.789.712.466.510.289 22.317.699.616.364.044
27 29.363.495.934.315.694 234.907.967.154.122.528
#include<stdio.h> int place(int k,int i)
#include<math.h> {
Program
int j;
N=Queen Problem void printboard(int n); for(j=1;j<k;j++)
void fourQueen(int k,int n); {
int place(int k,int i); if((x[j]==i)||abs(x[j]-i)==abs(j-k))
int x[100]; return 0;
}
void NQueen(int k,int n) return 1;
{ }
int i;
for(i=1;i<=n;i++) void printboard(int n)
{ {
if(place(k,i)==1) int i;
{ x[k]=i; for(i=1;i<=n;i++)
if(k==n) printf("%d ",x[i]);
{ }
printf("Solution\n");
printboard(n); void main()
} {
else int n;
NQueen(k+1,n); printf("Enter Value of N:");
} scanf("%d",&n);
} NQueen(1,n);
} }
Kompleksitas Waktu
N Queen Problem --> O ( N ! )

Graph Colouring Problem
Bounding Funtion:
mewarnai simpul-simpul dalam
Graf sedemikian sehingga tidak
ada 2 simpul bertetangga yang
mempunyai warna sama.
Diberikan: 1
Sebuah Graf G = (V,E) dan 3 buah Warna {R,G,B},
5
V={1,2,3,4,5} dan E={ (1,2), (1,5), (2,3), (2,5), (3,4), (3,5), (4,5)} 2
PROBLEM:
4
Kita harus mewarnai simpul-simpul dalam Graf G(V,E) 3
sedemikian sehingga tidak ada 2 (dua) simpul yang
bertetangga mempunyai warna yang sama.
SOLUSI:
Maka dengan 3 buah warna (R,G,B} ada berapa solusi susunan
dalam mewarnai simpul-simpul {1,2,3,4,5} yang mana tidak X
ada warna sama untuk setiap pasang simpul yang bertetangga. 1 2 3 4 5
Bounding Funtion:

R
SOLUSI: 1
R
X 5
1 2 3 4 5 2
4
3
Bounding Funtion:

R
SOLUSI: 1
R G RX
X 5
1 2 3 4 5 2 G
4
3
Bounding Funtion:

R
SOLUSI: 1
R G R RX
X 5
1 2 3 4 5 2 G
4
3
R
Bounding Funtion:

R
SOLUSI: 1
R G R G RX
X 5
1 2 3 4 5 2 G
4
3
RX R
G
Bounding Funtion:

R
SOLUSI: 1
R G R G B RX
X RX
5
1 2 3 4 5 GX 2 G
B
4
3
RX R
G
Bounding Funtion:

R
SOLUSI: 1
R G R G B RX
X RX
5
1 2 3 4 5 GX 2 G
B
4
3
1. Apakah ada Solusi yang lain? RX R
2. Permasalahan ini seperti Permutasi atau mencoba G
semua kemungkinan dan cukup ambil 1 (satu) yang
memenuhi tujuan penyelesaian graf berwarna.
3. Kita dapat selesaikan dengan metode Backtracking.
Di mana Kita ingin tahu apakah Graf dapat diwarnai
dengan M warna atau tidak?
Graph Colouring Problem ( 3 Warna R,G,B )
Contoh: 1 2
Diberikan Graf G(V,E) sederhana.
V= {1,2,3,4} dan E= {(1,2),(2,3),(3,4),(4,1)}
Dan 3 warna {R,G,B}.  m = 3
4 3
Problem:
Kita harus mewarnai simpul-simpul ini
sedemikian sehingga tidak ada 2 (simpul)
bertetangga yang mempunyai warna sama.
SOLUSI:
Permasalahan ini dapat diselesaikan dengan
Teknik Backtracking. X
Metode penyelesaian masalah dengan 1 2 3 4 5
Bactracking adalah cara membangun (me-
generate) suatu STATE SPACE TREE.
SOLUSI:
Pencarian solusi dengan Backtracking 1 2
( 3 Warna R,G,B ) X
1 2 3 4
4 3
State Space Tree
X1=R
X1=G X1=B
X2=R R G B
G B R G B
X3=R G B R R G B R G B R G B
G B R R R G B R
G B G B G B
X4=R G B RG B
Graph Coloring Problem ( 3 Warna R,G,B )
1 2
X1= R X1= G X1= B
4 3 X2= R X2= G
X2= B
X
X3= R X3= B
Bounding Funtion: X3= G
Graf sedemikian sehingga tidak X
ada 2 simpul bertetangga yang X4= R
X4= R X4= G X4= B
mempunyai warna sama. X4= G
X4= B
X X X
R,G,R,G R,G,R,B R,G,B,G
Graph Coloring Problem ( 3 Warna R,G,B )
1 2
X1= R X1= G X1= B
4 3 X2= R X2= G
X2= B
Solusi 1 X
R G R G X3= R X3= B
1 2 3 4 X3= G
Solusi 2 X
R G R B X4= R
X4= R X4= G X4= B
X4= G
1 2 3 4 X4= B
Solusi 3 X X X
R G B G R,G,R,G R,G,R,B R,G,B,G
1 2 3 4 Dan seterusnya .. periksa simpul-simpul lain dengan urutan
traversal DFS sampai Kembali ke simpul root.
Proses BackTracking
Dengan menggunakan Teknik BackTracking
dan selalu mengecek ke-valid-an apakah
memenuhi bounding functionnya, maka cara
Backtracking dapat memperkecil (me-
reduce) waktu kompleksitas algoritma
dibanding bila menggunakan teknik Brute
Force.

The Sum of Subset Problem
Sum of Subset Problem
merupakan persoalan berupa
menentukan subset (sub
himpunan) yang memiliki jumlah
tertentu.
Diberikan sebuah himpunan W yang
berisi n buah bobot. Cari subset-
subset Si dari himpunan W yang
mana bila k bobot dalam Si
dijumlahkan maka jumlahnya tepat
sama dengan M, dimana Si adalah
himpunan yang berisi semua subset
dari W
State Space Tree
1
2 17
10 18 25
3
4 7 11 14 19 22 26 29
5 6 8 9 12 13 15 16 20 21 23 24 27 28 30 31
State Space Tree (pohon ruang status) yaitu semua kemungkinan solusi
dari persoalan yang diorganisasikan dalam bentuk pohon.
Apakah bobot sudah terurut dari kecil ke besar?

Jika belum maka harus diurutkan,
hal ini berkaitan dengan Fungsi Pembatas
0
5 0
1
5
0
5 0
1
5
2
7
0
5 0
1
5
2 1
7 5
4
0
B
Tidak memenuhi
fungsi pembatas,
penelusuran
dihentikan
0
5 0
1
5
2
7
4 2
0 7
B
0
5 0
1
5
2
7
4 2
0 7
B
4
2
B
0
5 0
1
5
2
7
4 2
0 7
B
4 2
2 7
B
0
5 0
1
5
2
7
4 2
0 7
B
4 2
2 7
B
4
5
0
5 0
1
5
2
7
4 2
0 7
B
4 2
2 7
B
4 2
5 7
B B
0
5 0
1
5
2 1
7 5
4 2
0 2 8
B 7
2
4 8
4 2 3
2 7 B
B 2
4
4 8
6
5 2 B
B B
7
B
0
5 0
1
5
2 1
7 5
4 1
0 2 2 5
B 7 8
4
4 2 2 3
3
2 7 8 0
B B
4 2 2
4
5 7 8
6
B B B
B
0
5 0
1
5
2 1
7 5
4 1
0 2 2 5
B 7 8
4
4 2 2 3 1
3
2 7 8 0 5
B B
4 2 2 3 1
4
5 7 8 2 5
6
B B B B B
B
Silahkan dicoba sendiri

Algoritma Backtracking untuk persoalan sum of subsets
PROCEDURE SUMOFSUB(s,k,r)
GLOBAL INTEGER M,n
GLOBAL REAL W(1:n)
GLOBAL BOOLEAN X(1:n)
REAL r,s; INTEGER k,j
X(k) = 1
IF s + W(k) = M THEN PRINT (X( j), j  1 TO k)
ELSE
IF s + W(k) + W(k+1)  M THEN
CALL SUMOFSUB(s+W(k), k+1, r-W(k))
ENDIF
ENDIF
IF s + r - W(k)  M AND s + W(k)  M THEN
X(k) 0
CALL SUMOFSUB(s, k+1, r-W(k))
ENDIF
END SUMOFSUB
Referensi
Halida Astatin, “Pemanfaatan Pohon dalam Realisasi Algoritma Backtracking untuk Memecahkan N-
Queens Problem”, Program Studi Teknik Informatika, STEI ITB
R. Munir , “Algoritma Runut-balik (Backtracking)” , Bahan Kuliah IF2211 Strategi Algoritma, Program
Studi Teknik Informatika ,Sekolah Teknik Elektro dan Informatika ITB, 2021, [tersedia :
https://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2020-2021/Algoritma-backtracking-2021-
Bagian1.pdf ], (diakses : 4 Mei 2021)
Data Structure & Algorithms - Tree Traversal,
[tersedia :https://www.tutorialspoint.com/data_structures_algorithms/tree_traversal.htm], (diakses: 4
Mei 2021)
B. Prasetiyo dan M.R.Hidayah, "Penggunaan Metode Depth First Search (DFS) dan Breadth First Search
(BFS) pada Strategi Game Kamen Rider Decade Versi 0.3," Scientific Journal of Informatics, Vol. 1, No. 2,
Hal. 161-167, November 2014
Teneng, J. Purwadi, dan E. Kurniawan, "Penerapan Algoritma Backtracking Pada Permainan Math Maze,"
Jurnal Informatika, vol.6, no.1, hal.57-67, 2010
S. Pemberton, "The Computer as Extended Phenotype (Computers, Genes and
Referensi
Rio Dwi Putra Perkasa,"Penerapan Algoritma Branch & Bound dan Backtracking pada Game
Flow,"Makalah IF2211 Strategi Algoritma, Semester II Tahun 2016/2017, [tersedia:
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwjQ4Y_VwK_wAhXG
ZCsKHQEvC9QQFjACegQIDxAD&url=https%3A%2F%2Finformatika.stei.itb.ac.id%2F~rinaldi.munir%2F
Stmik%2F2016-2017%2FMakalah2017%2FMakalah-IF2211-2017-
032.pdf&usg=AOvVaw2hWWz2jpBj5rS6usGk18vB]
Rinaldi Munir, Nur Ulfa Maulidevi, Masayu Leylia Khodra, Algoritma Branch & Bound, Bahan Kuliah IF2211
Strategi Algoritma, Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika ITB,
2021,[ tersedia: https://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2020-2021/Algoritma-Branch-
and-Bound-2021-Bagian1.pdf] (diakses: 4 Mei 2021)
Rinaldi Munir & Nur Ulfa Maulidevi, "Breadth/Depth First Search (BFS/DFS) (Bagian 1)," Bahan Kuliah
IF2211 Strategi Algoritmik, Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika ITB
2021, [tersedia: https://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2020-2021/BFS-DFS-2021-
Bag1.pdf ],(diakses: 4 Mei 2021)
Terima kasih
Definsi:
• Relasi rekursi (recurrence relation) adalah model
umpan balik (feedback) di mana keluaran (output)
pada waktu-waktu lampau menjadi asupan (input)
untuk masa depan.
• Relasi rekursi adalah cara menentukan nilai suku
suatu barisan (sequence) berdasarkan nilai suku-
suku sebelumnya.
Dr. Asep Juarna, Teknik Informatika Universitas Gunadarma

Pertumbuhan tabungan di bank:
• Pada awal tahun pertama ditabungkan uang
sejumlah P1 dengan bunga tahunan b%.
• Posisi tabungan pada awal tahun ke-:
2: P2 = (1 + b/100)P1
3: P3 = (1 + b/100)P2 = (1 + b/100)2P1
⁞
n: Pn = (1 + b/100)n-1P1 , n ≥ 2
Pertumbuhan tabungan di bank:
• Contoh soal: P1 = Rp. 1.000.000, b = 2 (2%).
• Posisi tabungan pada awal tahun ke-6
P6 = (1 + 2/100)5  Rp. 1.000.000
= 1.104.081
• Posisi tabungan pada awal tahun ke-13
P13 = (1 + 2/100)12  Rp. 1.000.000
= 1.268.242
Pertumbuhan pasangan kelinci di peternakan:
• Setiap pasang kelinci menghasilkan sepasang keturunan setelah dua
bulan, dan selanjutnya setiap bulan. Mula-mula terdapat sepasang
kelinci yang baru dilahirkan.
• Banyaknya pasangan kelinci pada awal bulan ke-:
1: F1 = 1 % (bibit)
2: F2 = 1 % (masih tetap 1 pasang, bibit)
3: F3 = 1 + 1 = 2 (bibit + K(1)) %K(1): keturunan ke-1 dari bibit
4: F4 = 2 + 1 = 3 (bibit + K(1) + K(2)) % K(2): keturunan ke-2 dari bibit
5: F5 = 3 + 2 = 5 (bibit + K(1) + K(2) + K(3) + K(1.1)) 1 𝑛=1
⁞ % K(1.1): keturunan ke-1 dari K(1) 𝐹𝑛 = ቐ 1 𝑛=2
𝐹𝑛−1 + 𝐹𝑛−2 𝑛 ≥ 3
n: Fn = Fn-1 + Fn-2 % Barisan Fibonacci: 1, 1, 2, 3, 5, 8, 13, ...
Pertumbuhan pasangan kelinci di peternakan: How to get
this..?
• Barisan Fibonacci: Fn = Fn-1 + Fn-2 : 1, 1, 2, 3, 5, 8, 13, ...
• Formula eksplisit deret Fibonacci suku ke-n:
• n Fn-eksplisit Fn n Fn-eksplisit Fn n Fn-eksplisit Fn

1 1 1 15 609,999689 610 31 1346269 1346269
2 1,309016994 1 16 987,0002111 987 32 2178309 2178309
3 1,963525492 2 17 1596,999879 1597 33 3524578 3524578
4 3,099796735 3 18 2584,00008 2584 34 5702887 5702887
5 4,97694935 5 19 4180,999953 4181 35 9227465 9227465

Menara Hanoi (MH): • Jika n = 1: butuh 1 langkah (Ki→Ka)
• Pindahkan n cakram satu persatu • Jika n = 2: butuh 3 langkah (Ki→Te,
dari tiang kiri (Ki) ke tiang kanan (Ka) Ki→Ka, Te→Ka) ≡ MH(2,Ki,Te,Ka)
dengan bantuan tiang tengah (Te), • Jika n = 3: butuh 7 langkah:
ketentuan: di tiang manapun cakram (Ki→Ka, Ki→Te, Ka→Te, Ki→Ka,
besar harus di bawah cakram kecil.
Te→Ki, Te→Ka, Ki→Ka) ≡
• Berapa langkah yang diperlukan? H(2,Ki,Ka,Te), MH(1,Ki,Ka),
H(2,Te,Ki,Ka)
• Jika n = n: H(n-1,Ki,Ka,Te),
MH(1,Ki,Ka), H(n-1,Ki,Te,Ka)
•  Hn = 2Hn-1How+ 1 to
, butuh 2 n-1
get this..?
langkah
Relasi Rekursi:
• Trivial: Pn = (1 + b/100)n-1P1; diketahui P1
• Linier, Homogen, koefisien konstan: Fn = Fn-1 + Fn-2 ; F1 = F2 = 1
• Linier, Homogen, koefisien konstan: an = an-1 + 2an-2; a0 = 2, a1 = 7
• Linier, Homogen, koefisien konstan, BENTUK UMUM:
an = c1an-1 + c2an-2 + ... + ckan-k; ck ≠ 0, orde k, nilai awal a0, a1, ..., ak-1
• Linier, Non-homogen, koefisien konstan: an = 3an-1 + 2n; a1 = 3.
• Linier, Non-homogen, koefisien konstan: Hn = 2Hn-1 + 1; H1 = 1
• Linier, Non-homogen, koefisien konstan, BENTUK UMUM:
an = c1an-1 + c2an-2 + ... + ckan-k + f(n)
RR dibahas: Linier & koef. konstan  RR Homogen (f(n)=0)/Non-Homogen,
(Linier: hanya ada aj, tidak ada aj2 atau aiaj; koefisien konstan: ci konstanta)
Hn = 2Hn-1 + 1; H1 = 1 Pertumbuhan a, indeks, b:
• Hn = 2Hn-1 + 1 2 n-1 1
= 2(2Hn-2 + 1) + 1 = 4Hn-2 + 3 4 n-2 3
= 4(2Hn-3 +1) + 3 = 8Hn-3 + 7 8 n-3 7
= 8(2Hn-4 +1) + 7 = 16Hn-4 + 15 16 n-4 15
= 16(2Hn-5 +1) + 15 = 32Hn-5 + 31 32 n-5 31  32=25; 31=32-1
⁞ ⁞ ⁞
⁞
a n-(n-1) b  a = 2n-1; b=a-1
= aH1 + b = aHn-(n-1) + b
Hn = a + b (karena H1=1)
Hn = 2n-1 + 2n-1 - 1 = 2n - 1

Metode penyelesaian “akar karakteristik”
• Bentuk Umum (BU) RR: an = c1an-1 + c2an-2 + ... + ckan-k; ck ≠ 0 % orde k
• Diberikan k nilai awal (NA): a0, a1, a2, ..., ak-1 ( RR an berlaku untuk n  k)
• Bentuk Solusi (BS): an = rn
• Substitusi BS ke BU  Pers. Karakteristik (PK): rn = c1rn-1 + c2rn-2 + ... + ckrn-k
• Bagi PK dg. rn-k  PK: rk = c1rk-1 + c2rk-2 + ... + ck  rk - c1rk-1 - c2rk-2 - ... - ck = 0
• Selesaikan PK: akan diperoleh k akar karakteristik (AK) berbeda r1, r2, ..., rk,
atau beberapa akarnya sama ri = rj (terdegenerasi, ada multiplisitas)
• Jika k = 2 dan r1 ≠ r2  Solusi: an = c1r1n + c2r2n
• k = 2 dan r1 = r2 = r (akar = r, multiplisitas 2)  Solusi: an = c1rn + c2nrn
• k = 3 dan r1 = r2 = r2 = r (akar = r, mult. 3)  Solusi: an = c1rn + c2nrn + c3n2rn
• Akar: 2, 2, 2, 5, 5, 9  Solusi: an = (c11+c12n+c13n2)2n + (c21+c22n)5n + c39n
Contoh 1. an = 6an-1 - 9an-2 (n ≥ 2); NA: a0 = 6, a1 = 9
•  Pers. Karalteristik PK: r2 - 6r + 9 = 0  (r - 3)2 = 0
•  2 akar karakteristik AK sama: r1 = r2 = 3, terdegenerasi dengan multiplisitas
2.
•  Solusi RR: an = c13n + c2n3n
• Masukkan nilai awal
• n = 0  a0 = 6 = c130 + c2030 = c1  c1 = 6
• n = 1  a1 = 9 = c131 + c2131 = 3c1 + 3c2  c1 + c2 = 3  c2 = 3 - c1 = 3 - 6 = -3
•  Nilai koefisien: c1 = 6, c2 = -3
•  Solusi RR: an = 63n - 3n3n = (6 - 3n)3n

Contoh 2. Fn = Fn-1 + Fn-2; Barisan Fibonacci, (n ≥ 3); NA: F1 = 1, F2 = 1
1± 1+4 1± 5
•  PK: r2 - r - 1 = 0  Selesaikan dengan rumus ABC: r = =
2 2
1+ 5 1− 5
•  2 akar: dan
2 2
𝒏 𝒏
1+ 5 1− 5
•  Solusi RR: Fn = c1 + c2
2 2
• F1 = 1 = c1 1+ 5 + c 1− 5
2  Solusi RR:
2 2
2 2
1+ 5 1− 5
• F2 = 1 = c1 + c2
2 2
•  Nilai koefisien: c1 = 1/ 5, c2 = −1/ 5

Contoh 3. an = 6an-1 - 11an-2 + 6an-3 (n ≥ 3); NA: a0 = 2, a1 = 5, a2 = 15
•  PK: r3 - 6r2 + 11r - 6 = 0  (r2 - 3r + 2)(r-3) = 0  (r-1)(r-2)(r-3) = 0
•  3 akar karakteristik berbeda: r1=1, r2=2, dan r3=3
•  Solusi RR: an = c11n + c22n + c33n
• n = 0  a0 = 2 = c 1 + c 2 + c 3 1 1 1 𝑐1 2
1 2 3 𝑐2 = 5
• n = 1  a1 = 5 = c1 + 2c2 + 3c3  𝑐  Ac = b  c = A-1b
1 4 9 3 15
• n = 2  a2 = 15 = c1 + 4c2 + 9c3 Selesaikan dengan MS Excel
•  Nilai koefisien: c1 = 1, c2 = -1, c3 = 2 c = MMULT(MINVERSE(A);c)
•  Solusi RR: an = 1 - 2n + 23n
• (n=0: 1-20+230=2; n=1: 1-21+231=5; n=2: 1-22+232=15; n=3: 1-23+233=47; ... )
Contoh 4. 4an - 20an-1 + 17an-2 - 4an-3 (n ≥ 3); NA: a0 = 5, a1 = 14, a2 = 25
•  PK: 4r3 - 20r2 + 17r - 4 = 0  r3 - 5r2 + 4¼r - 1 = 0  (r2 - r + ¼)(r - 4) = 0
 (r - ½)2(r - 4) = 0
•  2 akar karakteristik (½ dan 4), AK (½) terdegenerasi dengan multiplisitas 2.
•  Solusi RR: an = (c11 + c12n)(½)n + c24n
• a0 = 5 = c11 + c2
1 0 1 𝑐11 5
• a1 = 14 = ½c11 + ½c12 + 4c2 1/2 1/2 4 𝑐12 = 14
• a2 = 25 = ¼c11 + ½c12 + 16c2 1/4 1/2 16 𝑐2 25
•  Nilai koefisien: c11 = 4, c12 = 16, c2 = 1
•  Solusi RR: an = (4 + 16n)(½)n + 4n
• BENTUK UMUM: an = c1an-1 + c2an-2 + ... + ckan-k + f(n)
• Solusi ≡ Solusi total = Solusi homogen + Solusi Khusus  an = an(h) + an(k)
• an(h) : solusi atas komponen homogen RR, yaitu: an = c1an-1 + c2an-2 + ... + ckan-k
• Suku non homogen yang dibahas: f(n) = Pt(n)sn (polinomial & eksponensial)
Pt(n) polinomial derajat t,
s akar karakteristik (AK) RR homogen /
bukan.
• Misalkan f(n) = 7n3  BS (Bentuk Solusi): an(k) = p1n3 + p2n2 + p3n + p4
• Misalkan f(n) = -9n4n, 4 bukan AK homogen  BS: an(k) = (p1n + p2)4n
• Misalkan f(n) = 6n24n, 4 adalah AK homogen multiplisitas 3
 BS: an(k) = n3(p1n2 + p2n + p3)4n
Contoh 1.
RR: an + 5an-1 + 6an-2 = 3n2
• f(n) = 3n2 (suku polinomial Pt(n) dari Pt(n)sn,)  BS: an(k) = p1n2 + p2n + p3
• Substitusi BS ke ruas kiri RR: (p1n2 + p2n + p3) + 5(p1(n-1)2 + p2(n-1) + p3) +
6(p1(n-2)2 + p2(n-2) + p3) = 12p1n2 - (34p1-12p2)n + (29p1-17p2+12p3)
• Bandingkan ruas kanan hasil substitusi dengan ruas kanan RR, diperolah:
12p1 = 3 12 0 0 𝑝1 3 diperoleh:
34 −12 0 𝑝2 = 0
34p1-12p2 = 0 29 −17 12 𝑝3 0
p1 = 1Τ4 , p2 = 17Τ24 , p3 = 115Τ288
29p1-17p2+12p3 = 0
𝟏 𝟏𝟕 𝟏𝟏𝟓
•  an(k) = n2 + n+
𝟒 𝟐𝟒 𝟐𝟖𝟖

Contoh 2.
RR: an = 6an-1 - 9an-2 - 3n  an - 6an-1 + 9an-2 = -3n
• PK: r2 - 6r + 9 = 0  (r - 3)2 = 0  AK: r = 3, multplisitas 2
• f(n) = -3n (p1sn dari Pt(n)sn)  BS: an(k) = n2p13n
• Substitusi BS ke ruas kiri RR: (n2p13n) - 6((n-1)2p13n-1) + 9((n-2)2p13n-2)
= ((1-2+1)n2p13n+(4-4)np13n-(2-4)p13n = -2n2p13n + 2p13n
• Bandingkan ruas kanan hasil substitusi dengan ruas kanan RR, diperolah:
3
2p1 = -3  p1 = -
2
𝟑
 an(k) = - n23n
𝟐

Contoh 1.
RR (relasi rekursi) Menara Hanoi: Hn = 2Hn-1 + 1  Hn - 2Hn-1 = 1; SB: H1 = 1
• BS (bentuk solusi): Hn(h) = rn
 PK (persamaan karakteristik): r - 2 = 0  AK (akar karakteristik): r = 2
 Hn(h) = c12n
• f(n) = 1 (Komponen Pt(n) = dari Pt(n)sn)  BS: Hn(k) = p1
 Substitusi BS ke RR: p1 = 2p1 + 1  p1 = -1
 Hn(k) = -1
• Solusi total, BS: Hn = Hn(h) + Hn(k) = c12n - 1
 SB: H1 = 1  1 = c121 - 1 = 2c1 - 1  2c1 = 2  c1 = 1
 Solusi total: Hn = 2n - 1

1
Contoh 2. RR: an = 3an-1 + 2n  an - 3an-1 = 2n ; SB: a1 = 3
2
• BS: an(h) = rn  PK: r - 3 = 0  AK: r = 3  an(h) = c13n
• f(n) = 2n (Komponen Pt(n) = dari Pt(n)sn)  BS: an(k) = p1n + p2
 Substitusi BS ke RR: (p1n + p2) - 3(p1(n-1) + p2) = 2n
 (p1-3p1)n+(p2+3p1-3p2)=-2n  -2p1n+(3p1-2p2)=2n  -2p1=2; 3p1-2p2 = 0
3 𝟑
 p1 = -1; p2 = -  an(k) = -n -
2 𝟐
𝟑
• Solusi total, BS: an = an(h) + an(k) = c13n - n -
𝟐
1 1 3 6
 SB: a1 = 3  3 = c131 - 1 -  c1 = = 2
2 2 2 3
𝟑
 Solusi total: an = 23n - n -
𝟐
Contoh 3.
RR: an - 4an-1 = 53n ; SB: a0 = 2
• f(n) = 53n (ada Pt(n) dan sn dari Pt(n)sn, 3 (dari 3n) bukan AK)  BS: an(k) = p13n
4
 Substitusi BS ke RR: p13n - 4p13n-1 = 53n  p1(1 - )3n = 53n
3
 p1 = -15  an(k) = - 153n = -153n
• Solusi total, BS: an = an(h) + an(k) = c14n - 153n
 SB: a0 = 2  2 = c140 - 1530  c1 = 17
 Solusi total: an = 174n - 153n

Contoh 4. RR: an - 3an-1 = n2 + 5n + 3; SB: a0 = 1
• f(n) = n2+5n+3 (komponen Pt(n) dari Pt(n)sn)  BS: an(k) = p1n2+p2n+p3
Substitusi BS ke RR: (p1n2+p2n+p3) -3(p1(n-1)2+p2(n-1)+p3)= n2 + 5n + 3
(p1-3p1)n2+(p2+6p1-3p2)n+(p3-3p1+3p2-3p3)=-2p1n2+(6p1-2p2)n+(-3p1+3p2-
2p3)
1 3
-2p1=1p1=- ; 6p1-2p2=5p2=-4; -3p1+2p2-2p3=3p3=-4
2 4
1 3
• Solusi total, BS: an = an(h) + an(k) = c13n - n2 - 4n - 4
2 4
1 3 3
 SB: a0 = 1  1 = c130 - 02 - 40 - 4  c1 = 5
2 4 4
3 1 3
 Solusi total: an = 5 3n - n2 - 4n - 4
4 2 4
Contoh 5.
RR: an - 3an-1 = 53n; SB: a0 = 2
• f(n) = 53n (ada Pt(n) dan sn dari Pt(n)sn, 3 (dari 3n) = AK)  BS: an(k) = np13n
Substitusi BS ke RR: (np13n) -3((n-1)p13n-1) = (n-n+1)p13n = p13n = 53n  p1=5
• Solusi total, BS: an = an(h) + an(k) = c13n + 5n3n
 SB: a0 = 2  2 = c130 + 5030  c1 = 2
 Solusi total: an = 23n + 5n3n

Graf Bipartit untuk Model Optimasi
Pemasangan (Matching) Pengemudi
dan Penumpang
pada Taksi Online
dengan Skema Sharing Platform
Helen Burhan
Lingkup Materi:
1. Review:
- Graf Bipartit
- Matching pada Graf Bipartit
- Perfect Matching pada Graf Bipartit
2. Masalah Pemasangan (Matching) Pengemudi dan Penumpang pada
Taksi Online
3. Skema Sharing Platform
4. Graf Bipartit untuk Model Optimasi Pemasangan (Matching)
Pengemudi dan Penumpang pada Taksi Online
Review: Graf
Bipartit
Suatu Graf 𝐺 = (𝑉, 𝐸)disebut Graf Bipartit,
jika:
• Himpunan simpul (node) dari G dapat
dibagi (partite) menjadi 2 subhimpunan
yang saling lepas, sebut A dan B,
• Simpul-simpul di A hanya akan
bertetangga (adjacent) atau membentuk sisi
(edge) dengan simpul-simpul di B
Review: Graf
Bipartit
Sehingga:
• Himpunan simpul (node) dari G:
𝑉 = 𝐴 ∪ 𝐵, dengan 𝐴 ∩ 𝐵 = ∅
• Himpunan sisi (edge) dari G:
𝐸 = {(𝑎, 𝑏)|𝑎 ∈ 𝐴, 𝑏 ∈ 𝐵}
Review: Matching pada Graf
Bipartit
Matching pada Graf Bipartit G adalah
• Suatu kumpulan sisi yang dipilih dari
graf G,
sedemikian sehingga sisi – sisi
tersebut
tidak mempunyai simpul-simpul
insidensi yang sama
Review:
Maximum Matching
pada Graf Bipartit
Maximum matching pada Graf Bipartit G

adalah matching yang dapat dibentuk
dengan banyak sisi yang maksimum.
Review:
Maximum Matching
pada Graf Bipartit
Note:
Pada Maximum matching, penambahan satu
sisi akan menyebabkan kumpulan sisi yang
terpilih bukan menjadi matching lagi.
Masalah Pemasangan (Matching) Pengemudi dan Penumpang
pada Taksi Online
“Mendapatkan pasangan pengemudi dan penumpang

taksi online yang dapat mengoptimalkan tujuan dari
masing-masing pengemudi dan penumpang”
Tujuan dari Tujuan dari

Pengemudi Taksi Online: Penumpang Taksi Online:
- Max keuntungan - Min waktu tunggu penjemputan
- Min biaya operasional - Min biaya Operasional
Asumsi: Terdapat 2 Perusahaan penyedia layanan taksi

online,
yaitu Platform Merah dan Platform Biru
Masalah Pemasangan (Matching) Pengemudi dan Penumpang pada Taksi Online
Skema Sharing
Platform:
“Pengemudi dari Platform Merah dapat Melayani Penumpang
dari Platform Biru, begitu juga sebaliknya, dimana terdapat
pembagian keuntungan yang diperhitungkan”
Karakteristik layanan dengan sharing platform:
• Waktu tunggu penumpang untuk dijemput oleh kendaraan lebih sedikit.

• Profit pengemudi lebih besar.
 biaya operasional yang lebih sedikit dengan menjemput penumpang
beda platform yang lokasi penjemputan lebih dekat dari lokasi
pengemudi
Pemasangan (Matching) Pengemudi dan Penumpang pada Taksi Online
Graf Bipartit untuk Model Optimasi Matching
Pengemudi dan Penumpang dengan Skema Sharing Platform
Penumpang Pengemudi
Graf Bipartit G(V,E):
- Himpunan Simpul,
V = Penumpang ∪ Pengemudi =
𝑃11 , 𝑃12 , 𝑃21 , 𝑃22 , 𝑉11 , 𝑉12 , 𝑉21 , 𝑉22
- Himpunan Sisi,
E : himpunan dari semua simpul
penumpang yang bertetangga
dengan simpul pengemudi.
𝐸 = { 𝑃𝑖𝑗 , 𝑉𝑖𝑗 : 𝑃𝑖𝑗 ∈
𝑃𝑒𝑛𝑢𝑚𝑝𝑎𝑛𝑔,
𝑉𝑖𝑗 ∈ 𝑃𝑒𝑛𝑔𝑒𝑚𝑢𝑑𝑖;𝑖, 𝑗 = 1,2}
Model Optimasi Matching Pengemudi dan Penumpang dengan Skema
Sharing Platform:
Maximum Weighted Bipartite Matching
𝑽𝒊𝒋
𝑁𝑜𝑡𝑒: 𝑾𝑷 menyatakan bobot
𝒊𝒋
proporsi antara keuntungan
pengemudi dengan waktu tunggu
penjemputan
Penerapan Teori Graf di Bidang Transportasi
Dr. Nahdalina
Teknik Sipil Universitas Gunadarma
Materi bahasan
• Pendekatan Teori Graf dalam Model Sistem Jaringan
Transportasi
• Rute terpendek
• Arus maksimum
• Contoh penerapan Teori Graf dalam Pemilihan Rute
• Pendekatan Teori Graf dalam Program Aplikasi Sistem
Jaringan Transportasi VISUM
Pendekatan Teori Graf dalam Model Sistem Jaringan Transportasi
• Rute terpendek
• Digunakan untuk menentukan waktu tercepat, jarak terpendek
atau biaya termurah dari tempat asal ke tujuan dalam suatu
jaringan.
• Arus Maksimum
• Digunakan untuk menentukan arus maksimum yang dapat dilalui
dalam suatu system jaringan transportasi yang mempunyai
batasan kapasitas
Diagram jaringan menentukan rute
terpendek
Pesedur pelabelan
Label diberikan untuk setiap simpul. Label berisikan 2
angka yang dipisahkan oleh koma: angka pertama
menunjukkan kumulatif jarak dari simpul asal di
sepanjang jalur tersebut, sedangkan angka kedua
menunjukkan nomor simpul dari simpu sebelumnya di
sepanjang jalur tersebut.
Simpul 2 (5,1) : jarak 5 unit dari simpul 1 Simpul 2 (5,1) : jarak 5 unit dari simpul 1
Simpul 3 (8,1): jarak 8 unit dari simpul 1 Simpul 3 (8,1): jarak 8 unit dari simpul 1
Simpul 5 (18,2) : jarak 18 unit (5+13) dari simpul 2
Simpul 6 (23,4) : jarak 23 unit (7+16) dari simpul 4
Diagram jaringan menentukan rute
terpendek
Koreksi/Update Label
Simpul 5 berubah dari (18,2) menjadi (15,3)
Simpul 6 berubahn dari (23,4) menjadi (21,5)
Hasil pemilihan rute terpendek dari simpul 1 ke simpul 6
adalah 21 unit melalui rute simpul 1 ke simpul 3, simpul 3
ke simpul 5 dan simpul 5 ke simpul 6
Simpul 2 (5,1) : jarak 5 unit dari simpul 1 Simpul 2 (5,1) : jarak 5 unit dari simpul 1
Simpul 5 (15,3) : jarak 15 unit (8+7) dari simpul 3 Simpul 5 (15,3) : jarak 15 unit (8+7) dari simpul 3
Simpul 6 (23,4) : jarak 23 unit (7+16) dari simpul 4 Simpul 6 (21,5) : jarak 21 unit (15+6) dari simpul 5
Diagram jaringan menentukan arus
maksimum
Simpul 1 : input = 6 Simpul 1 : input = 6+2=8

Simpul 1, rute (1-2) : kapasitas = 10, input = 6, output = 6, kapasitas sisa = 10- Simpul 1, rute (1-2) : kapasitas = 10, input = 8, output = 8, kapasitas sisa = 10-
6=4 8=2
Simpul 1, rute (1-3) : kapasitas = 3, input = 0, output = 0, kapasitas sisa = 3-0=3 Simpul 1, rute (1-3) : kapasitas = 3, input = 0, output = 0, kapasitas sisa = 3-0=3
Simpul 4, rute (2-4) : input = 6 Simpul 4, rute (2-4) : input = 6
Simpul 4 : output = 6+0=6 Simpul 4 : output = 6+2=8
Diagram jaringan menentukan arus
maksimum
Simpul 1 : input = 6+2=8 Simpul 1 : input = 6+2+3=11

Simpul 1, rute (1-2) : kapasitas = 10, input = 8, output = 8, kapasitas sisa = 10- Simpul 1, rute (1-2) : kapasitas = 10, input = 8, output = 8, kapasitas sisa = 10-
8=2 8=2
Simpul 4 : output = 6+2=8 Simpul 4 : output = 6+5=11
Contoh penerapan teori graf dalam Pemilihan Rute
pada jaringan jalan sederhana
2
1 (11, 1.2, 5.0, 12000) (12, 2.4, 11.0, 12500)
102
101 6
(13, 1.5, 2.6, 20000) (15, 1.5, 6.1, 13500)
7
(14, 3.7, 2.5, 19000)
8
• 5 centroid (angka 1-5) : 5 simpul zona asal
(16, 2.0, 6.2, 14500)
dan tujuan
(24, 1.65, 2.1, 9000) • 10 simpul antara (node) (angka 6-10 dan
103
(17, 2.1, 2.3, 13750) (18, 2.3, 7.9, 19250) 10 101-105) : 10 simpul pertemuan ruas jalan
3 9
(20, 2.0, 2.0, 17500) (23, 2.1, 12.0, 15200)
atau simpang
(19, 2.5, 10.3, 18000) 105
• 14 ruas jalan (angka 11-24)
(21, 2.7, 8.8, 14500)
(22, 2.7, 7.4, 18500) 5

104
4
Catatan : (No. ruas, jarak, IRI, LHRT)
Contoh penerapan teori graf dalam Pemilihan Rute (Hasil
optimasi rute terpendek)
Centroid Panjang Ruas Panjang Total 1 (11, 1.2, 5.0, 12000) (12, 2.4, 11.0, 12500)
2
(O-D) 11 12 13 14 15 16 17 18 19 20 21 22 23 24 (km) 101 6

102
Panjang 1.2 2.4 1.5 3.7 1.5 2.0 2.1 2.3 2.5 2.0 2.4 2.7 2.1 1.65 (13, 1.5, 2.6, 20000) (15, 1.5, 6.1, 13500)
(14, 3.7, 2.5, 19000)

Jalan 7 8
1-1 0 (16, 2.0, 6.2, 14500)

(24, 1.65, 2.1, 9000)
1-2 1.2 2.4 3.6 (17, 2.1, 2.3, 13750) (18, 2.3, 7.9, 19250) 10
1-3 1.5 2 3.5 3

103
9
(20, 2.0, 2.0, 17500) (23, 2.1, 12.0, 15200)
1-4 1.5 2 2.5 6.0
(19, 2.5, 10.3, 18000) 105
1-5 1.5 2 2.5 2.7 8.7 (21, 2.7, 8.8, 14500)
5
2-1 1.2 2.4 3.6 104
(22, 2.7, 7.4, 18500)
2-2 0
2-3 1.2 2.4 1.5 2 7.1 Catatan : (No. ruas, jarak, IRI, LHRT)
4
2-4 1.5 2.4 1.65 5.55

2-5 1.5 2.1 1.65 5.25
3-1 1.5 2 3.5 • Pendekatan rute terpendek bersifat statis,
3-2 1.2 2.4 1.5 2 7.1 tidak optimal dalam model pemilihan rute
3-3 0 pada kondisi lalu lintas yang cukup tinggi
3-4 2.5 2.5
• Pendekatan rute tercepat bersifat dinamis,
3-5 2.5 2.7 5.2
optimal dalam model pemilihan rute pada
4-1 1.5 2 2.5 6.0
4-2 1.5 2.4 1.65 5.55 kondisi lalu lintas yang cukup tinggi akan
4-3 2.5 2.5 tetapi belum tentu menghasilkan biaya
4-4 0 termurah
4-5 2.7 2.7 • Pendekatan rute termurah bersifat dinamis,
5-1 1.5 2 2.5 2.7 8.7 optimal dalam model pemilihan rute pada
5-2 1.5 2.1 1.65 5.25 kondisi lalu lintas yang tinggi di perkotaan,
5-3 2.5 2.7 5.2 merupakan kombinasi rute terpendek dan
5-4 2.7 2.7 tercepat
5-5 0
Pendekatan Teori Graf dalam Sistem Jaringan
Transportasi menggunakan Program Aplikasi VISUM
• VISUM is a comprehensive, flexible software system for transportation
planning, travel demand modelling and network data management.
• VISUM is used on all continents for metropolitan, regional, state wide and
national planning applications.
• Designed for multimodal analysis, VISUM integrates all relevant modes of
transportation (i.e., car, car passenger, goods vehicles, bus, train,
motorcycles, bicycles and pedestrians) into one consistent network
model.
• VISUM provides a variety of assignment procedures and 4-stage
modelling components which include trip-end based as well as activity
based approaches.
Identifikasi diagram jaringan dari peta jaringan
transportasi
• Membuat dan mengidentifikasi diagram
jaringan yang terdiri dari link (ruas) dan
node (simpul) dari peta jaringan
transportasi
• Membuat database atribut diagram
jaringan; terdiri dari panjang jalan/rute,
kapasitas, kecepatan, pergerakan asal
tujuan dll)
•
Pergerakan lalu lintas antar centroid/zona
Pembebanan lalu lintas pada jaringan jalan
• Pembebanan lalu lintas di ruas jalan dapat

berupa pendekatan Linear User Cost
Equilibrium (LUCE), Incremental loading,
Dynamic User Equilibrium (DUE), Stochastic
equilibrium, dll.
Terima Kasih
3/4/22, 1:01 PM 1 pesan baru
Dashboard / My courses /
ATA 2021/2022 | 3-FTI | Terapan Teori Graf | TEAM TEACHING /
M1: Pendahuluan Teori Graf
/
Kuis M1: Pendahuluan Teori Graf (Kelas Pagi)
Question 1 Suatu barisan simpul dan ruas dengan ruas yang berbeda disebut :
Not yet
answered
Select one:
Marked out of
a. Sirkuit
1.00
b. Path
c. Trail
d. Walk
Clear my choice
Kuis M1: Pendahuluan Teori Graf (Kelas

◄ Video M1: Pendahuluan Teori Graf Jump to...
Malam) ►
1
Online
https://v-class.gunadarma.ac.id/mod/quiz/attempt.php?attempt=5406626&cmid=841445 1/2
3/4/22, 1:02 PM 1 pesan baru
/
Question 2 Suatu barisan simpul dan ruas dengan simpul yang berbeda disebut :
Not yet
answered
Select one:
Marked out of
a. Trail
1.00
b. Walk
c. Path
d. Sirkuit
Clear my choice

Malam) ►
1
Online
https://v-class.gunadarma.ac.id/mod/quiz/attempt.php?attempt=5406626&cmid=841445&page=1 1/2
3/4/22, 1:02 PM Kuis M1: Pendahuluan Teori Graf (Kelas Pagi) (page 3 of 20)
/
Question 3 Suatu simpul yang memiliki derajat simpul sebanyak 1 disebut :

Not yet
answered
Select one:
Marked out of
a. Simpul terpencil
1.00
b. Simpul ganjil
c. Simpul bergantung
d. Simpul genap
Clear my choice

Malam) ►
1
Online
/
Question 4 Order suatu graf adalah :

Not yet
answered
Select one:
Marked out of
a. Jumlah dari derajat simpul-simpulnya
1.00
b. Derajat simpul
c. Banyaknya ruas pada Graf
d. Banyaknya simpul pada graf
Clear my choice

Malam) ►
1
Online
/
Question 5 Suatu graf yang tidak mengandung ruas disebut :

Not yet
answered
Select one:
Marked out of
a. Graf simpul
1.00
b. Multigraf
c. Graf Hampa
d. Graf sederhana
Clear my choice

Malam) ►
1
Online
/
Question 6 Size suatu graf adalah :

Not yet
answered
Select one:
Marked out of
a. Banyaknya simpul pada graf
1.00
b. Jumlah dari derajat simpul-simpulnya
c. Derajat simpul
d. Banyaknya ruas pada Graf
Clear my choice

Malam) ►
1
Online
3/4/22, 1:04 PM 1 pesan baru
/
Question 7 Derajat suatu graf adalah :

Not yet
answered
Select one:
Marked out of
a. Banyaknya ruas pada Graf
1.00
b. Banyaknya simpul pada graf
c. Jumlah dari derajat simpul-simpulnya
d. Derajat simpul
Clear my choice

Malam) ►
1
Online
/
Question 8 Suatu graf yang setiap 2 simpulnya terdapat jalur yang menghubungkan kedua simpul tersebut dikenal dengan :
Not yet
answered
Select one:
Marked out of
a. Graf sederhana
1.00
b. Graf Terhubung
c. Graf genap
d. Graf tidak sederhana
Clear my choice

Malam) ►
1
Online
3/4/22, 1:05 PM 1 pesan baru
/
Question 9 Suatu simpul terpencil memiliki derajat simpul sebanyak :

Not yet
answered
Select one:
Marked out of
a. 1
1.00
b. 3
c. 2
d. 0
Clear my choice

Malam) ►
1
Online
3/4/22, 1:05 PM 1 pesan baru
/
Question 10 Jika suatu graf G = (V, E) maka graf H =(V’, E’) dimana V’ subhimpunan dari V dan E’ subhimpunan dari E disebut :
Not yet
answered
Select one:
Marked out of
a. Pseudograf
1.00
b. Multigraf
c. Subgraf
d. Graf Sederhana
Clear my choice

Malam) ►
1
Online
3/4/22, 1:06 PM 1 pesan baru
/
Question 11 Suatu Graf adalah kumpulan dari:

Answer saved
Marked out of Select one:

1.00
a. Simpul dan Ruas
b. Simpul
c. Baris dan kolom
d. Ruas
Clear my choice

Malam) ►
1
Online
/
Question 12 Suatu simpul yang tidak mengandung ruas disebut :

Not yet
answered
Select one:
Marked out of
a. Simpul mati
1.00
b. Simpul ganjil
c. Simpul terpencil
d. Simpul nol
Clear my choice

Malam) ►
1
Online
/
Question 13 Berikut ini yang bukan operasi pada graf adalah :

Not yet
answered
Select one:
Marked out of
a. Penjumlahan
1.00
b. Irisan
c. Selisih
d. Gabungan
Clear my choice

Malam) ►
1
Online
3/4/22, 1:07 PM 1 pesan baru
/
Question 14 Bila diketahui 2 buah graf : G1(V1,E1) dan G2(V2,E2), maka Selisih G2 – G1 adalah :
Not yet
answered
Select one:
Marked out of
a. Graf dengan himpunan V nya = V2 dan himpunan E nya = E1 – E2
1.00
b. Graf dengan himpunan V nya = V1 dan himpunan E nya = E2 – E1
c. Graf dengan himpunan V nya = V1 dan himpunan E nya = E1 – E2
d. Graf dengan himpunan V nya = V2 dan himpunan E nya = E2 – E1
Clear my choice

Malam) ►
1
Online
3/4/22, 1:08 PM 1 pesan baru
/
Question 15 Suatu ruas yang menghubungkan simpul dengan dirinya sendiri disebut :
Not yet
answered
Select one:
Marked out of
a. Ruas berarah
1.00
b. Ruas sejajar
c. Ruas tak berarah
d. Loop
Clear my choice

Malam) ►
1
Online
/
Question 16 Ilmuwan yang mendapat julukan Bapak Teori Graf adalah:

Not yet
answered
Select one:
Marked out of
a. Isac Newton
1.00
b. Leonhard Euler
c. Al Khawarizmi
d. Archimedes
Clear my choice

Malam) ►
1
Online
/
Question 17 Suatu barisan simpul dan ruas dengan ruas yang berbeda dimana derajat setiap simpulnya adalah 2 disebut :
Not yet
answered
Select one:
Marked out of
a. Walk
1.00
b. Trail
c. Path
d. Sirkuit
Clear my choice

Malam) ►
1
Online
/
Question 18 Derajat dari suatu simpul pada graf adalah :

Not yet
answered
Select one:
Marked out of
a. Banyaknya ruas pada Graf
1.00
b. Banyaknya simpul pada graf
c. Banyaknya ruas yang terhubung dengan simpul
d. Banyaknya simpul yang bertetangga
Clear my choice

Malam) ►
1
Online
/
Question 19 Suatu simpul yang memiliki derajat simpul bilangan ganjil disebut :
Not yet
answered
Select one:
Marked out of
a. Simpul terpencil
1.00
b. Simpul mati
c. Simpul ganjil
d. Simpul nol
Clear my choice

Malam) ►
1
Online
3/4/22, 1:10 PM 1 pesan baru
/
Question 20 Suatu graf dengan derajat setiap simpulnya sama disebut :

Not yet
answered
Select one:
Marked out of
a. Graf Terhubung
1.00
b. Graf Reguler
c. Multigraf
d. Graf Sederhana
Clear my choice

Malam) ►
1
Online
Dashboard / My courses / ATA 2021/2022 | 3-FTI | Terapan Teori Graf | TEAM TEACHING / M2 - Graf Tidak Berarah dan Graf Berbobot
/ Kuis M2 - Graf Tidak Berarah dan Graf Berbobot (KHUSUS KELAS PAGI)
Question 2 Algoritma yang dapat digunakan untuk menentukan Shortest Path (lintasan terpendek) pada suatu graf adalah...
Answer saved

5.00
a. Algoritma Dijkstra
b. Algoritma Euler
c. Algoritma Bisection
d. Algoritma Cauchy
Clear my choice
← Literasi M2 - Graf Tidak Berarah dan Kuis M2 - Graf Tidak Berarah dan Graf
Graf Berbobot
Jump to...
Berbobot (KHUSUS KELAS MALAM) →
Obrolan
Question 4 Graf tidak berarah dapat disajikan dengan menggunakan beberapa bentuk, KECUALI…
Answer saved

5.00
a. Matriks bersisian
b. Senarai bersisian
c. Matriks ketetanggaan
d. Senarai ketetanggaan
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 6 Graf berbobot memiliki nilai bobot pada…

Answer saved

5.00
a. Matriks ketetanggaannya
b. Vertexnya
c. Simpulnya
d. Ruasnya
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 10 Jika diketahui suatu matriks ketetanggaan dari suatu graf memiliki 4 baris dan 4 kolom, maka banyaknya simpul pada
Answer saved graf tersebut adalah…
Marked out of
5.00 Select one:
a. 4
b. 8
c. 16
d. 256
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 11 Dua buah graf yang sama tetapi secara geometri berbeda disebut graf yang saling…
Answer saved

5.00
a. Adjacency
b. Lintasan Euler
c. Isomorfis
d. Bersisian
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 13 Pada Traveling Salesman Problem, jika suatu graf memiliki 5 simpul, maka banyaknya sirkuit yang harus diperiksa nilai
Answer saved bobot totalnya adalah…
Marked out of
5.00 Select one:
a. 12
b. 3
c. 24
d. 6
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 14 Jika diketahui G(V) = {1,2,3,4,5} dan G(E) = {(1,2), (1,3), (2,3), (3,4)} pada suatu graf G (V,E), maka banyaknya simpul pada
Answer saved G adalah…
Marked out of
5.00 Select one:
a. Tak terdefinisi
b. 4
c. 5
d. 0
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 15 Pada matriks bersisian dari suatu graf G, jika simpul i bersisian dengan ruas j maka nilai dari elemen pada baris i kolom j-
Answer saved nya adalah…
Marked out of
5.00 Select one:
a. -1
b. 1
c. Tak terdefinisi
d. 0
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 1 Graf yang mempunyai sirkuit Euler disebut …

Answer saved

5.00
a. Graf komplit (lengkap)
b. Graf sederhana
c. Graf Euler
d. Graf Hamilton
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 12 Pada Traveling Salesman Problem, sang salesman ingin mengunjungi setiap... pada graf tepat 1 kali dengan bobot total
Answer saved minimal.
Marked out of
5.00 Select one:
a. Ruas
b. Busur
c. Sisi
d. Simpul
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 16 Salah satu sifat dari matriks ketetanggaan adalah…

Answer saved

5.00
a. Banyaknya baris lebih dari banyaknya kolom
b. Banyaknya baris sama dengan banyaknya kolom
c. Banyaknya baris dua kali dari banyaknya kolom
d. Banyaknya kolom lebih dari banyaknya baris
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 17 Menurut ROS99, dua buah graf isomorfik jika memiliki ... yang sama.
Answer saved

5.00
a. Senarai ketetanggaan
b. Senarai bersisian
c. Matriks ketetanggaan
d. Matriks bersisian
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 18 Jika diketahui G1(V) = {1,2,3,4} dan G1(E) = {(1,2), (1,4), (2,3), (2,4), (3,4)} untuk suatu graf (V, E), maka elemen pada baris
Answer saved 1 kolom 2 dari matriks ketetanggaannya adalah…
Marked out of
5.00 Select one:
a. 2
b. 3
c. 0
d. 1
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 19 Salah satu syarat graf pada Traveling Salesman Problem adalah…
Answer saved

5.00
a. Graf merupakan graf komplit
b. Banyak simpulnya ganjil
c. Banyak simpulnya genap
d. Graf berbentuk graf bipartisi
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 20 Lintasan ... pada suatu graf adalah lintasan yang melewati setiap simpul pada graf tersebut tepat 1 kali.
Answer saved

5.00
a. Hamilton
b. Euler
c. Cauchy
d. Dijkstra
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 3 Jika diketahui G(V) = {1,2,3,4,5} dan G(E) = {(1,2), (1,3), (2,3), (3,4)} pada suatu graf G (V,E), maka banyaknya ruas pada G
Answer saved adalah…
Marked out of
5.00 Select one:
a. 0
b. 5
c. 4
d. Tak terdefinisi
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 5 Graf tidak berarah G adalah graf Euler jika dan hanya jika setiap simpul berderajat...
Answer saved

5.00
a. Genap
b. Ganjil
c. Bilangan prima
d. Bilangan bulat
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 7 Array (senarai) adalah kumpulan ... yang disusun secara baris (m) dan kolom (n).
Answer saved

5.00
a. Elemen Homogen
b. Graf berarah
c. Graf tidak berarah
d. Elemen Heterogen
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 8 Lintasan yang melalui masing-masing ruas di dalam graf tepat satu kali disebut…
Answer saved

5.00
a. Sirkuit Hamilton
b. Lintasan Hamilton
c. Sirkuit Euler
d. Lintasan Euler
Clear my choice
Graf Berbobot
Jump to...
Obrolan
Question 9 Kumpulan Bilangan yang disusun secara baris (m) dan kolom (n) disebut...
Answer saved

5.00
a. Graf
b. Sirkuit
c. Lintasan
d. Matriks
Clear my choice
Graf Berbobot
Jump to...
Obrolan
3/18/22, 12:42 PM Kuis M3 - Graf Planar dan Pewarnaan Graf (KELAS PAGI): Attempt review
Pertemuan M3 - Graf Planar dan Pewarnaan Graf
/
Kuis M3 - Graf Planar dan Pewarnaan Graf (KELAS PAGI)
Started on Friday, 18 March 2022, 12:37 PM

State Finished
Completed on Friday, 18 March 2022, 12:42 PM
Time taken 5 mins 6 secs
Grade 100.00 out of 100.00
Question 1 Bilangan kromatik dari graf cycle C8 adalah

Correct
Mark 5.00 out of Select one:

5.00
a. 4
b. 6
c. 8
d. 2 
Question 2 Jika graf G berkromatik 5 dan memiliki 5 simpul, maka G adalah

Correct

5.00
a. graf lengkap 
b. graf cycle
c. graf bipartisi
d. graf yang memiliki 5 ruas
Question 3 Graph berikut adalah graph planar, kecuali:

Correct

5.00
a. C(9)
b. K(4,3) 
c. K(4)
d. W(5)
Question 4 Algoritma Welch Powell tidak selalu akurat. Ketidakakuratan algoritma tersebut kemungkinan dapat terjadi bila
Correct

5.00
a. derajat semua simpulnya berbeda 1
Online
b. derajat simpulnya kecil
c. derajat simpulnya besar
d. derajat semua simpulnya sama 
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=5563771&cmid=842347 1/4
Question 5 Bilangan kromatik dari graf lengkap K7 adalah

Correct

5.00
a. 7 
b. 1
c. 3
d. 5
Question 6 Bilangan kromatik dari graf bipartisi lengkap K3,5 adalah

Correct

5.00
a. 4
b. 5
c. 3
d. 2 
Question 7 Derajat sebuah region pada sebuah graph planar ditentukan oleh:
Correct

5.00
a. Jumlah derajat simpul dan jumlah ruas
b. Sejumlah perjalanan yang ada pada graph
c. Sebuah rangkaian simpul
d. Panjang perjalanan tertutup yang memagarinya 
Question 8 Algoritma Welch Powell digunakan untuk menyelesaikan masalah pewarnaan

Correct

5.00
a. simpul 
b. region
c. derajat
d. ruas
Question 9 Graf pohon (tree) dapat diwarnai minimal dengan

Correct

5.00
a. 2 warna 
b. 4 warna
c. 5 warna
d. 3 warna
Question 10 Graf bipartisi lengkap K7,4 ruasnya dapat diwarnai minimal dengan
Correct

5.00
a. 3 warna
b. 11 warna
c. 7 warna 
d. 4 warna
Question 11 Sebuah graph dikatakan graph planar jika:

Correct

5.00
a. Memiliki penyajian dimana ruas-ruas tidak berpotongan. 
b. Graph merupakan graph sederhana
c. Dapat digambarkan sebagai graph terhubung
d. Mengandung cycle
Question 12 Sifat berikut dimiliki oleh semua graph planar:

Correct

5.00
a. Tidak terhubung
b. Sederhana
c. Terhubung
d. Memiliki region 
Question 13 Jika diketahui bahwa G berkromatik 1, maka G hanya memiliki

Correct

5.00
a. ruas
b. satu simpul
c. satu ruas
d. simpul 
Question 14 Graf lengkap K10 ruasnya dapat diwarnai minimal dengan

Correct

5.00
a. 7 warna
b. 9 warna 
c. 10 warna
d. 8 warna
Question 15 Bilangan kromatik dari graf cycle C15 adalah

Correct

5.00
a. 15
b. 3 
c. 10
d. 2
Question 16 Jika n(V) menyatakan banyaknya simpul graph, n(E)menyatakan banyaknya ruas graph, n(R) menyatakan banyaknya
Correct region pada graph planar, maka pernyataan yang benar adalah
Mark 5.00 out of
5.00 Select one:
a. n(E) + n(R) = 2 + n(V)
b. n(V) = n(R) - n(E)
c. n(R) = n(V) + n(E)
d. n(V) + n(R) = 2 + n(E). 
Question 17 Graf lengkap K15 ruasnya dapat diwarnai minimal dengan

Correct

5.00
a. 15 warna 
b. 12 warna
c. 14 warna
d. 13 warna
Question 18 Jika sebuah graph planar memiliki 4 simpul dan 4 ruas, maka dual dari graph tersebut memiliki:
Correct

5.00
a. 4 region dan 2 ruas
b. 2 region dan 4 simpul
c. 2 simpul dan 4 region 
d. 4 simpul dan 4 region
Question 19 Sebuah graph planar terhubung memiliki 5 region dan 7 simpul. Banyaknya ruas pada graph tersebut adalah:
Correct

5.00
a. 8
b. 12
c. 4
d. 10 
Question 20 Pada Algoritma Welch Powell , terdapat langkah pengurutan

Correct

5.00
a. simpul berdasarkan derajatnya
b. derajat berdasarkan simpulnya
c. simpul berdasarkan derajatnya dari kecil ke besar
d. simpul berdasarkan derajatnya dari besar ke kecil 
◄ Literasi M3 - Graf Planar dan Kuis M3 - Graf Planar dan Pewarnaan Graf
Jump to...
Pewarnaan (KELAS MALAM) ►
3/25/22, 12:30 PM 1 pesan baru
Pertemuan M4 - Graf Pohon
/
Kuis M4 - Graf Pohon (KELAS PAGI)
Started on Friday, 25 March 2022, 12:13 PM

State Finished
Completed on Friday, 25 March 2022, 12:30 PM
Grade 100.00 out of 100.00
Question 1 Graf T yang terhubung dengan 8 buah simpul dan 7 buah ruas adalah
Correct

5.00
a. Graf Lengkap
b. Graf Cycle
c. Graf Roda
d. Graf Pohon 
Question 2 Pernyataan berikut ini merupakan pernyataan yang ekuivalen dengan pernyataan "G adalah pohon", KECUALI...
Correct

5.00
a. G memiliki n buah simpul 
b. G terhubung dan semua ruasnya adalah jembatan
c. Setiap pasang simpul di dalam G mempunyai lintasan tunggal
d. G tidak mengandung sirkuit dan penambahan satu ruas pada graf akan membuat hanya satu sirkuit
Question 3 Pada graf Pohon Berakar (rooted tree), simpul yang berderajat nol (atau tidak mempunyai anak) adalah:
Correct

5.00
a. Simpul saudara kandung (sibling)
b. Simpul daun (leaf) 
c. Simpul anak (child/children)
d. Simpul akar (root)
Question 4 Suatu subgraf dari graf G yang mengandung semua simpul dari G, dan merupakan suatu pohon disebut...
Correct

5.00
a. Graf Hamilton
b. Graf Euler
c. Pohon biner
d. Pohon rentangan 
1
Online
3/25/22, 12:30 PM 1 pesan baru
Question 5 Contoh algoritma yang digunakan untuk membangun pohon rentangan minimal adalah…
Correct

5.00
a. Euler
b. Dijkstra
c. Hamilton
d. Kruskal 
Question 6 Pohon Biner ( 2-ary tree) adalah Pohon Berakar yang setiap simpul cabangnya mempunyai paling banyak
Correct

5.00
a. 4 buah anak
b. 2 buah anak 
c. 3 buah anak
d. 5 buah anak
Question 7 Panjang jalur antara simpul r (akar) dengan simpul v disebut...

Correct

5.00
a. Level atau kedalaman simpul v 
b. Derajat simpul v
c. Bobot simpul v
d. Tetangga dari simpul v
Question 8 Definisi "simpul dalam" pada suatu pohon adalah...

Correct

5.00
a. Simpul yang mempunyai anak 
b. Simpul berderajat genap
c. Simpul berderajat ganjil
d. Simpul yang tidak mempunyai anak
Question 9 Algoritma pembentukan pohon rentangan minimal dengan cara memilih ruas dari graf yang berbobot terkecil yang
Correct bersisian dengan pohon yang telah terbentuk dan tidak membentuk sirkuit adalah algoritma…
Mark 5.00 out of
5.00 Select one:
a. Prim 
b. Hamilton
c. Dijkstra
d. Kruskal
Question 10 Sifat dari Algoritma Prim dan Kruskal adalah...

Correct

5.00
a. Tidak menghasilkan solusi optimal
b. Melibatkan sejumlah genap simpul dari suatu pohon
c. Melibatkan sejumlah ganjil simpul dari suatu pohon
d. Bersifat Greedy 
1
Online
3/25/22, 12:30 PM 1 pesan baru
Question 11 Graf G yang terhubung dengan 8 buah simpul adalah sebuah pohon bila memiliki
Correct

5.00
a. 8 buah ruas
b. 7 buah ruas 
c. 10 buah ruas
d. 9 buah ruas
Question 12 Pada graf Pohon Berakar (rooted tree), yang dimaksud dengan derajat sebuah simpul adalah
Correct

5.00
a. Jumlah simpul daun (leaf)
b. Jumlah simpul anak (child/children) 
c. Jumlah simpul akar (root)
d. Jumlah simpul saudara kandung (sibling)
Question 13 Jika setiap pasangan simpul di dalam suatu graf G hanya mempunyai jalur/lintasan tunggal maka graf G adalah:
Correct

5.00
a. Graf Lengkap
b. Graf Cycle
c. Graf Pohon 
d. Graf Roda
Question 14 Graf G yang terhubung yang mengandung sirkuit adalah

Correct

5.00
a. Pohon Biner
b. Pohon Rentangan
c. Bukan Pohon 
d. Pohon berakar
Question 15 Pohon Biner adalah

Correct

5.00
a. Pohon n-ary dengan n = 2 
b. Pohon n-ary dengan n = 4
c. Pohon n-ary dengan n = 3
d. Pohon n-ary dengan n = 5
Question 16 Pohon n-ary adalah...

Correct

5.00
a. Pohon berakar yang mempunyai paling banyak n buah ruas
b. Pohon berakar yang setiap simpul cabangnya mempunyai paling sedikit n buah anak
c. Pohon berakar yang setiap simpul cabangnya mempunyai paling banyak n buah anak 
d. Pohon berakar yang mempunyai paling sedikit n buah ruas
1
Online
3/25/22, 12:30 PM 1 pesan baru
Question 17 Pohon Rentangan diperoleh dengan ...

Correct

5.00
a. Memutus sirkuit di dalam graf 
b. Memutus lintasan di dalam graf
c. Membuang 1 buah ruas di dalam graf
d. Membuang 1 buah simpul di dalam graf
Question 18 Algoritma Prim selesai dilakukan jika...

Correct

5.00
a. Jika n - 1 ruas telah ditambahkan 
b. Banyaknya ruas sudah genap
c. Jika 2n ruas telah ditambahkan
d. Banyaknya ruas sudah sama dengan derajat dari akar
Question 19 Level maksimum dari suatu pohon merupakan...

Correct

5.00
a. Banyaknya akar dari pohon tersebut
b. Panjang lintasan minimum antar 2 simpul sembarang di pohon tersebut
c. Tinggi atau kedalaman pohon tersebut 
d. Banyaknya daun dari pohon tersebut
Question 20 Beberapa terapan Pohon Biner antara lain

Correct

5.00
a. Pohon sintaks
b. Pohon Keputusan 
c. Pohon rentangan minimal
d. Pohon berakar
◄ Literasi M4 - Graf Pohon Jump to... Kuis M4 - Graf Pohon (KELAS MALAM) ►
1
Online
4/1/22, 1:48 PM 1 pesan baru
Pertemuan M5 - Graf Berarah Dan Implementasinya
/
Kuis M5 (KELAS PAGI) - Graf Berarah Dan Implementasinya
Started on Friday, 1 April 2022, 1:39 PM

State Finished
Completed on Friday, 1 April 2022, 1:48 PM
Time taken 9 mins 1 sec
Grade 100.00 out of 100.00
Question 1 Graf terdiri dari ruas-ruas dan simpul-simpul. Jika informasi yang akan diolah dengan program komputer adalah ruas-ruas
Correct graf maka struktur data yang tepat adalah:
Mark 5.00 out of
5.00 Select one:
a. matriks bertetangga
b. senarai bertetangga
c. matriks bersisian 
d. senarai bersisian
Question 2 Fungsi utama automata hingga adalah:

Correct

5.00
a. menentukan bilangan kromatis
b. menentukan lintasan terpendek
c. memeriksa kebenaran kalimat 
d. memeriksa keberadaan perjalanan Euler
Question 3 "Jejak berarah di mana setiap simpulnya (dengan demikian juga setiap ruasnya) berbeda" adalah definisi dari:
Correct

5.00
a. siklus berarah
b. perjalanan Euler
c. jejak berarah
d. lintasan berarah 
Question 4 "Barisan ruas dengan arah yang sama yang menghubungkan sebarisan simpul tertentu" adalah definisi dari:
Correct

5.00
a. jejak berarah
b. siklus
c. lintasan berarah
d. perjalanan berarah 
1
Online
4/1/22, 1:48 PM 1 pesan baru
Question 5 Mesin stata hingga adalah varian dari automata hingga. Tuple mesin stata hingga yang tidak ada dalam 5 tuple automata
Correct hingga adalah:
Mark 5.00 out of
5.00 Select one:
a. fungsi output 
b. fungsi transisi
c. alfabet input
d. stata awal
Question 6 Algoritma yang digunakan untuk menentukan Jalur Terpendek Semua Pasang Simpul (All Pairs Shortest Path) adalah:
Correct

5.00
a. Algoritma Ford-Fulkerson
b. Algoritma Dijkstra
c. Algoritma Bellman-Ford
d. Algoritma Floyd 
Question 7 Algoritma yang digunakan untuk menentukan Jalur Terpendek yang hanya tidak mengandung ruas berbobot negatif
Correct (Negative Arcs) adalah:
Mark 5.00 out of
5.00 Select one:
a. Algoritma Floyd
b. Algoritma Dijkstra 
c. Algoritma Ford-Fulkerson
d. Algoritma Bellman-Ford
Question 8 Algoritma yang digunakan untuk menentukan Aliran Maksimal adalah:

Correct

5.00
a. Algoritma Ford-Fulkerson 
c. Algoritma Floyd
d. Algoritma Bellman-Ford
Question 9 Automata hingga dispesifikasi dengan 5 tuple. Jika automata hingga tersebut dinyatakan sebagai graf maka tuple yang
Correct dinyatakan sebagai ruas graf adalah:
Mark 5.00 out of
5.00 Select one:
a. stata
b. stata awal
c. transisi 
d. alfabet
1
Online
4/1/22, 1:48 PM 1 pesan baru
Question 10 Algoritma yang digunakan untuk menentukan Jalur Terpendek yang mengandung ruas berbobot negatif (Negative Arcs)
Correct adalah:
Mark 5.00 out of
5.00 Select one:
a. Algoritma Bellman-Ford 
c. Algoritma Floyd
d. Algoritma Ford-Fulkerson
Question 11 Salah satu tupel automata hingga adalah simbol alfabet dibaca yang dalam grafnya dinyatakan sebagai:
Correct

5.00
a. node
b. ruas
c. node ganda
d. bobot 
Question 12 "Perjalanan berarah di mana setiap ruasnya berbeda" adalah definisi dari:
Correct

5.00
a. lintasan berarah
b. perjalanan Hamilton berarah
c. jejak berarah 
d. siklus berarah
Question 13 Automata hingga dispesifikasi dengan 5 tuple. Jika automata hingga tersebut dinyatakan sebagai graf maka tuple yang
Correct dinyatakan sebagai simpul graf adalah:
Mark 5.00 out of
5.00 Select one:
a. stata awal
b. transisi
c. alfabet
d. stata 
Question 14 Sebuah graf berarah dikatakan terhubung kuat jika terdapat:

Correct

5.00
a. terdapat sebuah lintasan berarah antara setiap pasang simpulnya. 
b. terdapat sebuah perjalanan Hamilton berarah antara setiap pasang simpulnya.
c. terdapat sebuah siklus berarah antara setiap pasang simpulnya.
d. terdapat sebuah perjalanan Euler berarah antara setiap pasang simpulnya.
1
Online
4/1/22, 1:48 PM 1 pesan baru
Question 15 Salah satu tupel automata hingga adalah stata yang dalam grafnya dinyatakan sebagai:
Correct

5.00
a. node
b. node ganda 
c. bobot
d. ruas
Question 16 Pada Graf Lengkap K3, dapat kita temukan Cut-Set (Himpunan Potong) sebanyak
Correct

5.00
a. 4
b. 1
c. 3 
d. 2
Question 17 Pada Graf Lengkap K4 dengan V={A,B,C,D}, maka yang bukan merupakan Cut-Set (Himpunan Potong) adalah:
Correct

5.00
a. {(A,B),(A,C),(C,D),(B,D)}
b. {(A,B),(B,C),(B,D)}
c. {(A,B),(A,C),(A,D)}
d. {(A,B),(A,C),(A,D),(C,D)} 
Question 18 Dalam implementasi graf dengan struktur data matriks, matriks simetris dihasilkan ketika:
Correct

5.00
a. graf tidak berarah diimplementasikan dengan matriks bertetangga 
b. graf berarah diimplementasikan dengan matriks bertetangga
c. graf tidak berarah diimplementasikan dengan matriks bersisian
d. graf berarah diimplementasikan dengan matriks bertetangga
Question 19 Pada Graf Lengkap K4, dapat kita temukan Cut-Set (Himpunan Potong) sebanyak
Correct

5.00
a. 6 
b. 4
c. 3
d. 2
Question 20 Mesin stata hingga adalah varian dari automata hingga. Tuple automata hingga yang tidak ada dalam 5 tuple mesin stata
Correct hingga adalah:
Mark 5.00 out of
5.00 Select one:
a. stata awal
b. himpunan stata penerima 
c. fungsi transisi
d. alfabet input
1
Online
4/1/22, 1:48 PM 1 pesan baru
◄ Literasi M5 - Graf Berarah Dan Kuis M5 (KELAS MALAM) - Graf Berarah

Jump to...
Implementasinya Dan Implementasinya ►
1
Online
4/8/22, 11:59 AM 1 pesan baru
Pertemuan M6 - Permasalahan Tata Letak Fasilitas
/
Kuis M6 (Kelas PAGI) - Permasalahan Tata Letak Fasilitas
Started on Friday, 8 April 2022, 11:49 AM

State Finished
Completed on Friday, 8 April 2022, 11:59 AM
Time taken 10 mins
Marks 20.00/20.00
Grade 100.00 out of 100.00
Question 1 Implementasi teori graf dapat digunakan untuk permasalahan berikut kecuali :
Correct

1.00
a. Penjadwalan proyek
b. Permasalahan tata letak fasilitas
c. Masalah Transportasi
d. Masalah Komunikasi 
The correct answer is: Masalah Komunikasi
Question 2 Graf yang mempunyai simpul yang dihubungkan dengan lebih dari satu ruas dinamakan dengan:
Correct

1.00
a. Graf lengkap
b. multipel Graf 
c. Graf sederhana
d. Graf null
The correct answer is: multipel Graf
Question 3 Berikut ini adalah metode yang digunakan untuk penyelesaian masalah tata letak fasilitas, keculi:
Correct

1.00
a. Quadratic assignment problem
b. Graph Based Construction Methods
c. Systematic Layout Planing 
d. Analytical hierarchy Problem
The correct answer is: Systematic Layout Planing
1
Online
4/8/22, 11:59 AM 1 pesan baru
Question 4 Kepanjangan dari PERT adalah:

Correct

1.00
a. planning, evaluation, review, and technique
b. program, evaluation, review, and technique
c. program evaluation and review technique 
d. planning evaluation and review technique
The correct answer is: program evaluation and review technique
Question 5 Tujuan metode konstruksi berbasis graf adalah :

Correct

1.00
a. menemukan graf dengan banyaknya simpul minimum
b. menemukan graf dengan jumlah bobot busur minimum
c. menemukan graf dengan jumlah bobot busur maksimum 
d. menemukan graf dengan banyaknya simpul maksimum
The correct answer is: menemukan graf dengan jumlah bobot busur maksimum
Question 6 Pada metode konstruksi berbasis graf, berdasarkan from to chart pada tahap awal dilakukan :
Correct

1.00
a. pemilihan sepasang departemen dengan bobot terbesar 
b. pemilihan dua pasang departemen dengan bobot yang sama
c. pemilihan dua pasang departemen dengan bobot terbesar
d. pemilihan sepasang departemen dengan bobot terkecil
The correct answer is: pemilihan sepasang departemen dengan bobot terbesar
Question 7 Berikut ini adalah aturan dasar jaringan proyek:

Correct

1.00
a. Aktivitas harus mengalir dari event bernomor rendah ke event bernomor tinggi 
b. Aktivitas bisa dimulai bersamaan dengan aktivitas pendahulunya
c. Diagram hanya memiliki 1 inisial event dan 2 terminal event
d. Aktivitas harus mengalir dari event bernomor tinggi ke event bernomor rendah
The correct answer is: Aktivitas harus mengalir dari event bernomor rendah ke event bernomor tinggi
1
Online
4/8/22, 11:59 AM 1 pesan baru
Question 8 Permasalahan pada tata letak fasilitas adalah :

Correct

1.00
a. bagaimana menempatkan departemen terbaik
b. bagaimana menempatkan setiap departemen ke lokasi tertentu di fasilitas 
c. bagaimana mengatur hubungan setiap departemen di fasilitas
d. bagaimana menentukan departemen terbaik
The correct answer is: bagaimana menempatkan setiap departemen ke lokasi tertentu di fasilitas
Question 9 From to chart disebut juga dengan:

Correct

1.00
a. Tranversal Chart
b. Translation Chart
c. Transition Chart
d. Travel Chart 
The correct answer is: Travel Chart
Question 10 Permasalahan tata letak fasilitas direncanakan untuk meminimalkan, kecuali:

Correct

1.00
a. total pemanfaatan ruang 
b. total biaya
c. total penundaan
d. total waktu perjalanan
The correct answer is: total pemanfaatan ruang
Question 11 Tiga nilai estimasi pada penyusunan jadwal dengan metode PERT antara lain:
Correct

1.00
a. waktu kritis, waktu yang paling mungkin, waktu pesimistis dari setiap durasi.
b. waktu optimistis, waktu yang paling mungkin, waktu pesimistis dari setiap durasi. 
c. waktu pesimistis, waktu yang tidak mungkin, waktu kritis dari setiap durasi.
d. waktu optimistis, waktu yang tidak mungkin, waktu pesimistis dari setiap durasi.
The correct answer is: waktu optimistis, waktu yang paling mungkin, waktu pesimistis dari setiap durasi.
1
Online
4/8/22, 11:59 AM 1 pesan baru
Question 12 Fungsi utama PERT/CPM adalah:

Correct

1.00
a. perencanaan
b. evaluasi
c. kontrol
d. penjadwalan 
The correct answer is: penjadwalan
Question 13 Pada metode konstruksi berbasis graf, departemen diwakili dengan:

Correct

1.00
a. Simpul ganjil
b. Ruas
c. Simpul 
d. Ruas Berbobot
The correct answer is: Simpul
Question 14 Anak panah pada jaringan proyek merepresentasikan:

Correct

1.00
a. Peristiwa
b. Dummy
c. Kegiatan 
d. Kejadian
The correct answer is: Kegiatan
Question 15 CPM merupakan kepanjangan dari :

Correct

1.00
a. Critical Planning Method
b. Critical Path Method 
c. Critical Planning and Method
d. Critical Method
The correct answer is: Critical Path Method
1
Online
4/8/22, 11:59 AM 1 pesan baru
Question 16 Tujuan yang ingin dicapai dalam penyelesaian masalah tata letak fasilitas adalah:
Correct

1.00
a. Menghasilkan Block Plan yang menunjukkan posisi relatif dari semua departemen 
b. Menghasilkan departemen dengan posisi terbaik
c. Mengumpulkan semua departemen
d. Menghasilkan relasi terbaik antar departemen
The correct answer is: Menghasilkan Block Plan yang menunjukkan posisi relatif dari semua departemen
Question 17 Graf yang semua ruasnya merupakan ruas berarah disebut dengan:
Correct

1.00
a. graf sederhana
b. graf tak berarah
c. graf tak sederhana
d. graf berarah 
The correct answer is: graf berarah
Question 18 Sebuah proyek terdiri dari puluhan sampai ribuan kegiatan. Kegiatan kritis adalah kegiatan yang:
Correct

1.00
a. harus didahulukan
b. harus dilaksanakan persis sesuai jadwal 
c. biayanya paling besar
d. merupakan intisari dari proyek
The correct answer is: harus dilaksanakan persis sesuai jadwal
Question 19 Permasalahan pada transportasi adalah :

Correct

1.00
a. bagaimana mengatur distribusi dari sumber penyedia produk ke tempat-tempat yang membutuhkan secara
maksimal dengan biaya yang termurah.
b. bagaimana mengatur alat transportasi agar digunakan secara optimal dengan biaya yang termurah.
c. bagaimana mengatur hubungan setiap sumber-sumber penyedia produk
d. bagaimana mengatur distribusi dari sumber penyedia produk ke tempat-tempat yang membutuhkan secara
optimal dengan biaya yang termurah. 
The correct answer is: bagaimana mengatur distribusi dari sumber penyedia produk ke tempat-tempat yang
membutuhkan secara optimal dengan biaya yang termurah.
1
Online
4/8/22, 11:59 AM 1 pesan baru
Question 20 Berikut ini adalah elemen-elemen dalam algoritma greedy, kecuali:

Correct

1.00
a. Fungsi Kelayakan
b. Fungsi Objektif
c. Fungsi Seleksi
d. Fungsi Bijektif 
The correct answer is: Fungsi Bijektif
◄ Materi M6: Permasalahan Tata Letak Kuis M6 (Kelas MALAM) - Permasalahan

Jump to...
Fasilitas Tata Letak Fasilitas ►
1
Online
4/22/22, 12:13 PM Kuis M7 - Algoritma (KHUSUS KELAS PAGI): Attempt review
Pertemuan M7 - Algoritma
/
Kuis M7 - Algoritma (KHUSUS KELAS PAGI)
Started on Friday, 22 April 2022, 11:57 AM

State Finished
Completed on Friday, 22 April 2022, 12:13 PM
Grade 100.00 out of 100.00
Question 1 Hal berikut adalah kriteria dari sebuah algoritma, kecuali

Correct 1
Mark 5.00 out of Select one: Online

5.00
a. Ada output
b. Jumlah langkah berhingga
c. Murah 
d. Berakhir
Question 2 Suatu proses (teknik) yang memanggil dirinya sendiri, disebut teknik:
Correct

5.00
a. Iteratif
b. Representatif
c. Rekursif 
d. Kondusif
Question 3 Hal berikut tidak terasuk dalam teori kompleksitas

Correct

5.00
a. Best case
b. Worst case
c. Null case 
d. Average case
Question 4 Kompleksitas waktu terburuk dari sebuah algoritma dinyatakan dalam notasi:
Correct

5.00
a. Big Theta.
b. Big Omega.
c. Big Oh. 
d. Big Box.
Question 5 Permainan Menara Hanoi dengan 64 piring diselesaikan dalam 18.446.744.073.709.551.615 langkah. Apabila setiap 1
Correct langkah membutuhkan waktu 1 detik, maka permainan Menara Hanoi dengan 64 piring akan diselesaikan dalam waktu:
Mark 5.00 out of
5.00 Select one:
a. 585 hari
b. 585 milyar tahun 
c. 585 jam
d. 585 tahun
Question 6 Konsep Menara Hanoi merupakan salah satu dari contoh proses teknik:
Correct

5.00
a. Kondusif
1
b. Rekursif 
Online
c. Representatif
d. Iteratif
Question 7 Pernyataan yang tidak benar adalah

Correct

5.00
a. Jika T(n) = 15, maka O(n) = 15. 
b. Jika T(n) = 7n^2 - 2n + 3, maka O(n) = n^2.
c. Jika T(n) = (n+3)/2, maka O(n) = n.
d. Jika T(n) = n + n(log n), maka O(n) = n(log n).
Question 8 Terdapat beberapa cara dalam menuliskan sebuah algoritma, diantaranya adalah
Correct

5.00
a. menggunakan Bahasa Indonesia
b. menggunakan bahasa semu (pseudocode) 
c. menggunakan gambar
d. menggunakan simbol-simbol operasi matematika
Question 9 Kompleksitas Waktu algoritma menghitung nilai faktorial n! adalah

Correct

5.00
a. 1 hari
b. O(1)
c. O(n) 
d. 1 jam
Question 10 Running time dari sebuah algoritma dipengaruhi oleh

Correct

5.00
a. Besar dan jenis input.
b. Jenis operasi
c. Jenis operasi, banyaknya langkah, dan jenis input. 
d. Banyaknya langkah
Question 11 Worst case terjadi pada algoritma linear search algorithm ketika
Correct

5.00
a. Item terdapat pada bagian akhir array 
b. Item tidak terdapat pada array
c. Item yang dicari terletak di tengah array
d. Item terdapat pada bagian awal array
Question 12 Instruksi Pengulangan pada teknik Iteratif menggunakan

Correct

5.00
a. PRINT
b. IF
1
c. STOP Online
d. FOR, WHILE, dan DO-WHILE 
Question 13 Pernyataan yang benar adalah

Correct

5.00
a. Kompleksitas waktu adalah fungsi dari ukuran input (data). 
b. Kompleksitas waktu adalah fungsi dari prosesor.
c. Kompleksitas waktu adalah fungsi dari waktu.
d. Kompleksitas waktu adalah fungsi dari ruang.
Question 14 Instruksi Pengulangan pada teknik Rekursif menggunakan

Correct

5.00
a. FOR, WHILE, dan DO-WHILE
b. PRINT
c. IF 
d. STOP
Question 15 Jika running time sebuah algoritma dinyatakan sebagai T(n) = 0.75n^2 + 2n^3 + 5n, maka kompleksitas algoritma
Correct tersebut dapat dinyatakan dalam bentuk sebuah fungsi
Mark 5.00 out of
5.00 Select one:
a. Linier
b. Kubik 
c. Eksponensial
d. Logaritma
Question 16 Kompleksitas Waktu algoritma Menghitung Bilangan Fibonacci ke n adalah

Correct

5.00
a. 1 jam
b. O(1)
c. O(n) 
d. 1 hari
Question 17 Studi menyangkut analisis algoritma mencakup 2 (dua) hal, yaitu

Correct

5.00
a. perbandingan biaya, dan perbandingan memory.
b. perbandingan running time, dan perbandingan memory. 
c. perbandingan running time, perbandingan biaya, dan perbandingan memory
d. perbandingan running time, dan perbandingan biaya.
Question 18 Nilai Faktorial dari 4! adalah

Correct

5.00
a. 6
b. 24 
1
c. 120 Online
d. 2
Question 19 Nilai Faktorial dari 5! Adalah

Correct

5.00
a. 6
b. 120 
c. 2
d. 24
Question 20 Jika diketahui Bilangan Fibonacci F(1) = 1 dan Bilangan Fibonacci F(2)=1, maka Bilangan Fibonacci F(5) =
Correct

5.00
a. 8
b. 5 
c. 13
d. 3
Kuis M7 - Algoritma (KHUSUS KELAS

◄ Literasi M7 - Algoritma Jump to...
MALAM) ►
13/05/22 11.53 1 pesan baru
Pertemuan M9 - Relasi Rekursi
/
Kuis M9 - Relasi Rekursi (KHUSUS KELAS PAGI)
Started on Friday, 13 May 2022, 11:48 AM

State Finished
Completed on Friday, 13 May 2022, 11:52 AM
Grade 100.00 out of 100.00
Question 1 Berikut ini adalah relasi rekursi, kecuali:

Correct

5.00
a. nilai hari ini ditentukan oleh nilah kemarin dan lusa
b. nilai hari ini ditentukan oleh nilah besok dan lusa
c. nilai hari ini ditentukan oleh nilai kemarin 
d. nilai hari ini ditentukan oleh nilai kemarin dan besok
Question 2 Bentuk solusi relasi rekursi homogen adalah:

Correct

5.00
a. a(n) = n/r
b. a(n) = n^r
c. a(n) = r^n 
1
d. a(n) = n*r Online
Question 3 Jika persamaan karakteristik dari relasi rekursi mempunya 3 akar, yaitu 2, 2, dan 3, maka bentuk solusinya adalah:
Correct

5.00
a. a(n) = a*2^n + b*3^n
b. a(n) = (a+b*n)*2^n + c*3^n 
c. a(n) = (a*n+b*n)*2^n + c*3^n
d. a(n) = (a+b)*2^n + c*3^n
Question 4 Relasi rekursi disebut linier jika nilai f(n) pada relasi rekursi tersebut:
Correct

5.00
a. konstan
b. 0 
c. fungsi polinom n saja
d. fungsi eksponen n saja
13/05/22 11.53 1 pesan baru
Question 5 Fungsi pembangkit dari suatu barisan akan berbentuk:

Correct

5.00
a. deret pangkat 
b. barisan eksponensial
c. deret biasa
d. deret aritmatika
Question 6 Relasi rekursi disebut berkoefisien konstan jika pada formula relasi rekursi tersebut:
Correct

5.00
a. c(i) fungsi dari a(i) dan a(j)
b. c(i) fungsi dari a(i)
c. c(i) fungsi dari n
d. c(i) konstan 
Question 7 Banyaknya langkah untuk memindahkan 5 cakram dari tiang kiri ke tiang kanan adalah:
Correct

5.00
a. 32 langkah
b. 31 langkah 
c. 16 langkah
d. 15 langkah
Question 8 Relasi rekursi disebut linier jika formula relasi rekursi tersebut: 1
Correct Online
5.00
a. mengandung suku sqrt(a(i))
b. mengandung suku a(i)*a(j)
c. hanya mengandung suku a(i) 
d. mengandung suku a(i)^2
Question 9 Jika persamaan karakteristik dari relasi rekursi mempunya dua akar berbeda r1 dan r2 maka bentuk solusinya adalah:
Correct

5.00
a. a(n) = r1^n + r2^n
b. a(n) = c(1)*r1^n + c(2)*r2^n 
c. a(n) = r1^n*r2^n
d. a(n) = r1^n/r2^n
Question 10 Bentuk solusi dari relasi rekursi a(n) = 4*a(n-1) - 3*a(n-2) adalah:
Correct

5.00
a. a(n) = c(1)*1^n + c(2)*3^n 
b. a(n) = 1^n/3^n
c. a(n) = 1^n*3^n
d. a(n) = 1^n + 3^n
13/05/22 11.53 1 pesan baru
Question 11 Fungsi pembangkit dapat digunakan untuk, kecuali:

Correct

5.00
a. menentukan akar sistem persamaan linier 
b. memecahkan relasi rekurensi
c. membuktikan identitas kombinatorik
d. memecahkan berbagai masalah counting
Question 12 Bentuk solusi khusus dari relasi rekursi a(n) = a(n-1) - 2*a(n-2) + 7 adalah:
Correct

5.00
a. a(n)(k) = a 
b. a(n)(k) = a*n^2 + b*n + c
c. a(n)(k) = a*n^3 + b*n^2 + c*n + d
d. a(n)(k) = a*n + b
Question 13 Pertumbuhan pasangan kelinci di peternakan mengikuti relasi rekursi Fibonacci; pada bulan kelima ada 5 pasang yaitu:
Correct

5.00
a. bibit, 1 pasang anak bibit, 3 pasang cucu bibit
b. bibit, 4 pasang anak bibit
c. bibit, 3 pasang anak bibit, 1 pasang cucu bibit 
d. bibit, 2 pasang anak bibit, 2 pasang cucu bibit
Question 14 Langkah pertama memindahkan 3 cakram dari tiang kiri ke tiang kanan adalah: 1
Correct Online
5.00
a. pindahkan cakram teratas dari kiri ke tengah
b. pindahkan cakram teratas dari tengah ke kiri
c. pindahkan cakram teratas dari tengah ke kanan
d. pindahkan cakram teratas dari kiri ke kanan 
Question 15 Pertumbuhan pasangan kelinci di peternakan yang mengikuti relasi rekursi Fibonacci mempunyai asumsi berikut, kecuali:
Correct

5.00
a. sepasang kelinci dilahirkan pada setiap kelinci melahirkan
b. tidak ada kelinci mati
c. kelinci melahirkan pertama kali pada umur 2 bulan dan sesudahnya tiap bulan
d. kelinci melahirkan setiap bulan 
Question 16 Dua suku berurutan barisan Fibonacci adalah 987 dan 610; suku sebelum keduanya adalah:
Correct

5.00
a. antara 610 dan 987
b. 597
c. 377 
d. tidak bisa ditentukan
13/05/22 11.53 1 pesan baru
Question 17 Fungsi pembangkit dari barisan ( 1, 3, 9, 27,...) adalah:

Correct

5.00
a. 1/(x-3)
b. 1/(1-x)
c. 1/(1-3x) 
d. 1/(3-x)
Question 18 Jika suku pertama dan kedua barisan Fibonacci keduanya bernilai satu maka suku ke-8 adalah:
Correct

5.00
a. 21 
b. 13
c. 55
d. 34
Question 19 Akar karakteristik dari relasi rekursi a(n) = 4*a(n-1) - 3*a(n-2) adalah:
Correct

5.00
a. 1 dan 2
b. 1 dan 4
c. 1 dan 3 
d. 3 dan 4
Question 20 Pada awal tahun 2019 si A menyimpan uangnya sebesar Rp.500 juta di Bank X dan dijanjikan bunga 5% pertahun. Pada 1
Correct awal tahun 2024 tabungan si A adalah sekitar: Online

Mark 5.00 out of
5.00 Select one:
a. Rp.579 juta
b. Rp.551 juta
c. Rp.638 juta 
d. Rp.608 juta
Kuis M9 - Relasi Rekursi (KHUSUS KELAS

◄ Literasi M9 - Relasi Rekursi Jump to...
MALAM) ►
14/06/22 23.56 Kuis M10 - Aplikasi Graf (KELAS PAGI): Attempt review
Dashboard /
Courses /
Program Sarjana /
ATA 2021/2022 | 3-FTI | Terapan Teori Graf | TEAM TEACHING
/
Pertemuan M10 - Aplikasi Graf (PERT / CPM) /
Kuis M10 - Aplikasi Graf (KELAS PAGI)
SIGIT PRASETYO 57419199
Started on Friday, 20 May 2022, 11:33 AM

State Finished
Completed on Friday, 20 May 2022, 12:27 PM
Marks 14.00/20.00
Grade 70.00 out of 100.00
Question 1 Pada tabel Penjadwalan Proyek 2 tercantum data berikut untuk sub-proyek e: ST-slack(10,14), dan CT-slack(15,19). Dari
Correct data tersebut disimpulkan bahwa sub-proyek A mempunyai keleluasaan waktu (slack time) untuk mulai dikerjakan pada
Mark 1.00 out of selang waktu:
1.00
Select one:
a. 5 satuan waktu 
b. 14 satuan waktu
c. 6 satuan waktu
d. 10 satuan waktu
The correct answer is: 5 satuan waktu
Response history
Step Time Action State Marks
1 20/05/22, 11:33 Started Not yet answered
2 20/05/22, 11:35 Saved: 5 satuan waktu Answer saved
3 20/05/22, 12:27 Attempt finished Correct 1.00
file:///C:/Users/Kiki/Downloads/4x4=8.html.html 1/11
Question 2 Pada perencanaan penjadwalan proyek dengan metoda PERT/CPM, peran PERT adalah menentukan:
Correct

1.00
a. semua sub-proyek penerus (langsung) setiap subproyek
b. semua sub-proyek pendahulu (langsung) setiap subproyek
c. waktu penyelesaian proyek sampai setiap sub-proyek 
d. critical path
The correct answer is: waktu penyelesaian proyek sampai setiap sub-proyek
Response history
2 20/05/22, 11:37 Saved: waktu penyelesaian proyek sampai setiap sub-proyek Answer saved
Question 3 Diberikan deskripsi masalah penjadwalan proyek yang terdiri dari empat kolom berikut: kode sub-proyek, nama sub-
Incorrect proyek, durasi penyelesaian sub proyek, kode-kode sub-proyek pendahulu langsung. Jika masalah penjadwalan proyek
Mark 0.00 out of tersebut diimplementasikan sebagai graf maka pasangan dua kolom yang menjadi nama (atau label) simpul graf adalah:
1.00
Select one:
a. durasi penyelesaian sub proyek dan kode-kode sub-proyek pendahulu langsung
b. kode sub-proyek dan durasi penyelesaian sub proyek
c. kode-kode sub-proyek pendahulu langsung dan durasi penyelesaian sub proyek
d. kode sub-proyek dan nama sub-proyek 
The correct answer is: kode sub-proyek dan durasi penyelesaian sub proyek
Response history
2 20/05/22, 12:18 Saved: kode sub-proyek dan nama sub-proyek Answer saved
3 20/05/22, 12:27 Attempt finished Incorrect 0.00
Question 4 Pada graf penjadwalan proyek, START adalah simpul graf dengan ciri:
Correct

1.00
a. waktu = TC terkecil
b. waktu = TC = waktu penyelesaian sub-proyek
c. waktu = TC terbesar
d. waktu = 0 
The correct answer is: waktu = 0
Response history
2 20/05/22, 11:44 Saved: waktu = 0 Answer saved
Question 5 Sub-proyek E mempunyai dua sub-proyek pendahulu langsung A dan B, jika ST(A) = ST(B) di mana ST = start time, TC(A)
Incorrect > TC(B) di mana TC(X) = waktu penyelesaian sub-proyek (X), maka pernyataan yang benar tentang waktu luang (slack
Mark 0.00 out of time) adalah:
1.00
Select one:
a. waktu luang (B) = TC(A)
b. tidak bisa ditentukan
c. waktu luang (A) = TC(A) - TC(B)
d. waktu luang (B) = TC(A) - TC(B) 
The correct answer is: tidak bisa ditentukan
Response history
2 20/05/22, 12:26 Saved: waktu luang (B) = TC(A) - TC(B) Answer saved
Question 6 Sub-proyek F mempunyai dua sub-proyek pendahulu langsung D dan E, jika ST(D) = ST(E) di mana ST = start time, TC(D)
Correct > TC(E) di mana TC(X) = waktu penyelesaian sub-proyek (X), D termasuk ke dalam lintasann kritis sedangkan E tidak, maka
Mark 1.00 out of pernyataan yang benar tentang waktu luang (slack time) adalah:
1.00
Select one:
a. waktu luang (D) = TC(D) - TC(E)
b. tidak ada
c. waktu luang (E) = TC(D)
d. waktu luang (E) = TC(D) - TC(E) 
The correct answer is: waktu luang (E) = TC(D) - TC(E)
Response history
2 20/05/22, 12:26 Saved: waktu luang (E) = TC(D) - TC(E) Answer saved
Question 7 Sub-proyek E mempunyai dua sub-proyek pendahulu langsung A dan B; start time (ST) subproyek E adalah:
Incorrect

1.00
a. Max(CT(A), CT(B)) = angka terbesar di antara CT(A) dan CT(B)
b. CT(A) = waktu penyelesaian proyek sampai sub-proyek A
c. Min(CT(A), CT(B)) = angka terkecil di antara CT(A) dan CT(B)
d. CT(B) = waktu penyelesaian proyek sampai sub-proyek B 
The correct answer is: Max(CT(A), CT(B)) = angka terbesar di antara CT(A) dan CT(B)
Response history
2 20/05/22, 12:25 Saved: CT(B) = waktu penyelesaian proyek sampai sub-proyek Answer saved
B
3 20/05/22, Attempt finished Incorrect 0.00

12:27
Question 8 P pada akronim CPM adalah kepanjangan dari:

Correct

1.00
a. path 
b. project
c. program
d. predecessor
The correct answer is: path
Response history
2 20/05/22, 12:09 Saved: path Answer saved
Question 9 P pada akronim PERT adalah kepanjangan dari:

Correct

1.00
a. path
b. predecessor
c. program 
d. project
The correct answer is: program
Response history
2 20/05/22, 12:18 Saved: program Answer saved
Question 10 Pada tabel Penjadwalan Proyek 1 tercantum data berikut untuk sub-proyek C: ST-slack(0,3), dan CT-slack(4,7). Dari data
Correct tersebut disimpulkan bahwa sub-proyek A bisa dijadwalkan untuk dimulai pada TC berikut, kecuali:
Mark 1.00 out of
1.00 Select one:
a. 2
b. 4 
c. 3
d. 0
The correct answer is: 4
Response history
2 20/05/22, 12:08 Saved: 4 Answer saved
Correct proyek, durasi penyelesaian sub proyek, kode-kode sub-proyek pendahulu langsung. Kolom yang tidak penting dalam
Mark 1.00 out of analisa PERT/CPM adalah:
1.00
Select one:
a. nama sub-proyek 
b. durasi penyelesaian sub proyek
c. kode-kode sub-proyek pendahulu langsung
d. kode sub-proyek
The correct answer is: nama sub-proyek
Response history
2 20/05/22, 12:19 Saved: nama sub-proyek Answer saved
Question 12 Pada tabel Penjadwalan Proyek 2 tercantum data berikut untuk sub-proyek e: ST-slack(10,14), dan CT-slack(15,19). Dari
Correct data tersebut disimpulkan bahwa sub-proyek A mempunyai keleluasaan waktu (slack time) untuk selesai dikerjakan pada
Mark 1.00 out of selang waktu:
1.00
Select one:
a. 6 satuan waktu
b. 14 satuan waktu
c. 10 satuan waktu
d. 5 satuan waktu 
The correct answer is: 5 satuan waktu
Response history
2 20/05/22, 12:08 Saved: 5 satuan waktu Answer saved
Correct proyek, durasi penyelesaian sub proyek, kode-kode sub-proyek pendahulu langsung. Jika masalah penjadwalan proyek
Mark 1.00 out of tersebut diimplementasikan sebagai graf maka kolom yang menjadi nama (atau label) simpul graf adalah:
1.00
Select one:
a. kode sub-proyek 
b. kode-kode sub-proyek pendahulu langsung
c. nama sub-proyek
d. durasi penyelesaian sub proyek
The correct answer is: kode sub-proyek
Response history
2 20/05/22, 12:19 Saved: nama sub-proyek Answer saved
3 20/05/22, 12:20 Saved: kode sub-proyek Answer saved
Correct > TC(E) di mana TC(X) = waktu penyelesaian sub-proyek (X), D termasuk ke dalam lintasann kritis sedangkan E tidak, maka
1.00
Select one:
a. waktu luang (E) = TC(D)
b. tidak ada
c. waktu luang (D) = TC(D) - TC(E)
d. waktu luang (E) = TC(D) - TC(E) 
Response history
Question 15 Waktu penyelesaian (completion time, CT) sebuah proyek adalah waktu penyelesaian sampai sampai sub-proyek tertentu
Incorrect di mana sub-proyek tersebut:
Mark 0.00 out of
1.00 Select one:
a. tidak punya sub-proyek penerus dan mempunyai angka CT terbesar
b. tidak punya sub-proyek penerus
c. tidak punya sub-proyek pendahulu langsung 
d. tidak punya sub-proyek penerus dan mempunyai angka CT terbesar
The correct answer is: tidak punya sub-proyek penerus dan mempunyai angka CT terbesar
Response history
2 20/05/22, 12:11 Saved: tidak punya sub-proyek pendahulu langsung Answer saved
Question 16 Pada perencanaan penjadwalan proyek dengan metoda PERT/CPM, peran CPM adalah menentukan:
Correct

1.00
a. critical path 
b. waktu penyelesaian proyek sampai setiap sub-proyek
c. semua sub-proyek pendahulu (langsung) setiap subproyek
d. semua sub-proyek penerus (langsung) setiap subproyek
The correct answer is: critical path
Response history
2 20/05/22, 12:11 Saved: critical path Answer saved
Question 17 Yang dimaksud dengan "sub-proyek pendahulu langsung" (immediate predecessor sub-projects) adalah:
Incorrect

1.00
a. satu atau lebih sub-proyek yang mendahului langsung sebuah sub-proyek
b. nol atau lebih sub-proyek yang mendahului sebuah sub-proyek 
c. satu atau lebih sub-proyek yang mendahului sebuah sub-proyek
d. nol atau lebih sub-proyek yang mendahului langsung sebuah sub-proyek
The correct answer is: satu atau lebih sub-proyek yang mendahului langsung sebuah sub-proyek
Response history
1 20/05/22, Started Not yet

11:33 answered
2 20/05/22, Saved: nol atau lebih sub-proyek yang mendahului langsung sebuah Answer saved
12:13 sub-proyek
3 20/05/22, Saved: nol atau lebih sub-proyek yang mendahului sebuah sub- Answer saved
12:15 proyek
4 20/05/22, Attempt finished Incorrect 0.00

12:27
Question 18 Salah satu hal yang menjadi perhatian dalam metoda PERT/CPM adalah bahwa sebuah sub-proyek mempunyai:
Incorrect

1.00
a. satu atau lebih sub-proyek pendahulu
b. nol atau lebih sub-proyek pendahulu 
c. nol atau lebih sub-proyek pendahulu langsung
d. satu atau lebih sub-proyek pendahulu langsung
The correct answer is: nol atau lebih sub-proyek pendahulu langsung
Response history
2 20/05/22, 12:14 Saved: nol atau lebih sub-proyek pendahulu Answer saved
Question 19 Pelaksanaan sebuah proyek dimulai dengan melaksanakan sub-proyek dengan ciri berikut:
Correct

1.00
a. tidak punya sub-proyek pendahulu langsung 
b. tidak punya sub-proyek penerus
c. tidak punya sub-proyek pendahulu langsung dan waktu penyelesaiannya terkecil
d. tidak punya sub-proyek pendahulu langsung dan waktu penyelesaiannya terbesar
The correct answer is: tidak punya sub-proyek pendahulu langsung
Response history
2 20/05/22, 12:17 Saved: tidak punya sub-proyek pendahulu langsung Answer saved
Correct < TC(E) di mana TC(X) = waktu penyelesaian sub-proyek (X), D termasuk ke dalam lintasann kritis sedangkan E tidak, maka
1.00
Select one:
a. waktu luang (E) = TC(D) - TC(E) 
b. waktu luang (E) = TC(D)
c. waktu luang (D) = TC(D) - TC(E)
d. tidak ada
Response history
Kuis M10 - Aplikasi Graf (KELAS MALAM)

◄ Materi M10 - Aplikasi Graf (PERT/CPM) Jump to...
►
6/24/22, 12:46 PM Kuis M11 - Algoritma Backtracking (KHUSUS KELAS PAGI): Attempt review
Pertemuan M11 - Algoritma Back Tracking
/
Kuis M11 - Algoritma Backtracking (KHUSUS KELAS PAGI)
Started on Friday, 24 June 2022, 12:39 PM

State Finished
Completed on Friday, 24 June 2022, 12:46 PM
Grade 100.00 out of 100.00
Question 1 Algoritma backtracking pada tahun 1950 pertama kali diperkenalkan oleh:
Correct

5.00
a. Rwalker
b. Baumert
c. Golomb
d. D.H. Lehmer 
Question 2 Langkah-langkah pencarian solusi pada algoritma backtracking, jika lintasan yang diperoleh dari perluasan simpul-E
Correct (Expand Node) tidak mengarah ke solusi, maka simpul itu akan menjadi :
Mark 5.00 out of
5.00 Select one:
a. Simpul Daun yang berguguran
b. Simpul Akar yang ditanam
c. Simpul hidup yang terus di-expand
d. Simpul mati yang tidak dapat diperluas lagi. 
Question 3 Kompleksitas Waktu membangun Pohon pada Permasalahan Colouring Graph adalah :
Correct

5.00
a. O( N!) 
b. O( N X N)
c. O( N)
d. O(Log N)
Question 4 Diketahui 3 Kartu yang terdiri dari 2 Kartu Merah dan 1 Kartu Kuning. Ketiga kartu akan ditempatkan pada 3 posisi yang
Correct berurutan, dengan syarat Kartu Kuning tidak diizinkan berada di posisi tengah. Ada berapa banyak seluruh kemungkinan
Mark 5.00 out of solusi yang dibangun bila menggunakan algoritma Brute Force:
5.00
Select one:
a. 4 kemungkinan solusi
b. 3 kemungkinan solusi
c. 5 kemumgkinan solusi
d. 6 kemungkinan solusi 
Question 5 Tahap-tahap pencarian solusi yang ditelusuri oleh algoritma Bactracking dapat dimisalkan sebagai suatu pohon solusi
Correct berbentuk:
Mark 5.00 out of
5.00 Select one:
a. Pohon Berakar (Rooted Tree) 
b. Pohon Rentangan (Spanning Tree)
c. Pohon Sintaks (Syntax Tree)
d. Pohon Berdaun
Question 6 Solusi pada algoritma backtracking dicari dengan membentuk lintasan dari akar ke daun. Simpul yang telah dilahirkan
Correct dinamakan simpul hidup dan simpul hidup yang diperluas dinamakan :
Mark 5.00 out of
5.00 Select one:
a. Simpul Daun
b. Simpul-E (Expand node) 
c. Simpul Mati
d. Simpul Akar
Question 7 Bounding Function (Solusi Akhir) pada permasalahan Sum Of Subset adalah:
Correct

5.00
a. Mencari subset-subset yang memiliki jumlah lebih kecil sama dengan M
b. Mencari subset-subset yang memiliki jumlah lebih besar dari M
c. Mencari subset-subset yang memiliki jumlah sama dengan M 
d. Mencari subset-subset yang memiliki jumlah lebih kecil dari M
Question 8 Langkah-langkah pencarian solusi pada algoritma backtracking, jika posisi terakhir ada di simpul mati, maka pencarian
Correct dilakukan dengan membangkitkan simpul anak (sibling) yang lainnya, dan jika tidak ada simpul anak (sibling) maka
Mark 5.00 out of dilakukan :
5.00
Select one:
a. Branch & Bounding ke simpul akar
b. Backtracking ke simpul akar
c. Backtracking ke simpul induk. 
d. Branch & Bounding ke simpul induk
Question 9 Algoritma backtracking adalah sebuah algoritma yang berbasis depth-first search (DFS) yang dibangun secara dinamis
Correct dalam pencarian solusi pada :
Mark 5.00 out of
5.00 Select one:
a. Pohon Rentangan (Spanning Tree)
b. Pohon Ruang Status (State Space Tree) 
c. Pohon Biner ( Binary Tree)
d. Pohon Sintaks (Syntax Tree)
Question 10 Algoritma Backtracking dapat dikatakan lebih sebagai penyempurnaan dari :

Correct

5.00
a. Algoritma Kruskal
b. Algoritma Welch Powel
c. Algoritma Brute Force 
d. Algoritma Branch & Bound
Correct berurutan, dengan syarat Kartu Kuning tidak diizinkan berada di posisi tengah. Ada berapa banyak seluruh kemungkinan
Mark 5.00 out of solusi yang dibangun bila menggunakan algoritma Back Tracking.:
5.00
Select one:
a. 4 kemungkinan solusi 
b. 3 kemungkinan solusi
c. 6 kemungkinan solusi
d. 5 kemumgkinan solusi
Question 12 Pencarian solusi pada algoritma backtracking dihentikan jika:

Correct

5.00
a. Telah ditemukan solusi atau tidak ada simpul hidup yang dapat ditemukan. 
b. Telah ditemukan simpul anak (sibling)
c. Telah ditemukan simpul daun (leaf)
d. Telah ditemukan simpul induk (parent)
Question 13 Salah satu fungsi yang dimiliki oleh algoritma backtracking dan menjadi ciri khasnya adalah fungsi pemangkasan
Correct (pruning). Andaikan tahap-tahap pencarian solusi suatu masalah direpresentasikan dalam bentuk pohon solusi, proses
Mark 5.00 out of pemangkasan akan dilakukan terhadap simpul-simpul :
5.00
Select one:
a. Yang mengarah kepada solusi
b. Yang tidak mengarah kepada solusi. 
c. Yang mengarah ke simpul induk
d. Yang tidak mengarah ke simpul induk
Question 14 Backtracking (Runut-balik) adalah algoritma yang berbasis pada …. untuk mencari solusi persoalan secara lebih mangkus.
Correct

5.00
a. DFS (Depth-First Search) 
b. Post Order Traversal
c. In Order Traversal
d. BFS (Breadth-First Search)
Question 15 Algotitma Brute force dan Backtracking, keduanya adalah algoritma yang mencari solusi dari suatu masalah dengan cara
Correct membuat kandidat-kandidat solusi secara bertahap. Pada pencarian solusi dengan brute force,
Mark 5.00 out of
5.00 Select one:
a. Program akan melakukan penelusuran secara Pre Order Traversal
b. Program akan berhenti memproses suatu kandidat solusi segera setelah sampai pada suatu tahap dimana kandidat
solusi tersebut terbukti tidak mengarah pada solusi akhir (bounding function).
c. Program akan melakukan penelusuran secara Depth First Searh (DFS)
d. Program akan membuat seluruh kemungkinan solusi, baru kemudian menguji satu persatu apakah solusi yang
telah dibuat dapat memenuhi spesifikasi solusi akhir (bounding function) yang dicari. 
Question 16 Bounding Function (Solusi Akhir) permasalahan Colouring Graph adalah:

Correct

5.00
a. Mewarnai simpul-simpul dalam Graf sedemikian sehingga tidak ada 2 simpul bertetangga yang mempunyai warna
sama. 
b. Mewarnai ruas-ruas dalam Graf sedemikian sehingga tidak ada 2 ruas bersisian yang mempunyai warna sama.
c. Mewarnai simpul-simpul dan ruas-ruas dalam Graf sedemikian sehingga tidak ada 2 simpul bertetangga dan 2 ruas
bersisian yang mempunyai warna sama.
d. Mewarnai simpul-simpul dalam Graf sedemikian sehingga semua simpul satu sama lain mempunyai warna berbeda
Question 17 Kemungkinan penempatan 8 buah bidak Ratu (8-Queen) pada suatu papan catur 4 x 4 secara sembarang tanpa ada
Correct syarat khusus adalah (8×8)!/(8×7)!=
Mark 5.00 out of
5.00 Select one:
a. 4.426.165.368 kemungkinan 
b. 16.777.216 kemungkinan
c. 40.320 kemungkinan
d. 12 kemungkinan.
Correct berurutan, dengan syarat Kartu Kuning tidak diizinkan berada di posisi tengah. Banyaknya cara untuk menyusun ketiga
Mark 5.00 out of kartu tersebut adalah:
5.00
Select one:
a. 5 cara solusi
b. 2 cara solusi
c. 3 cara solusi
d. 4 cara solusi 
Question 19 Jumlah solusi untuk menempatkan 5 ratu pada 5 × 5 papan catur, baik solusi Dasar maupun solusi Semua masing-masing
Correct adalah:
Mark 5.00 out of
5.00 Select one:
a. 12 dan 92
b. 1 dan 2
c. 2 dan 10 
d. 92 dan 724
Question 20 Mekanisme penyelesaian dengan menggunakan backtracking berprinsip pada metode:

Correct

5.00
a. Kondusif
b. Rekursif 
c. Iteratif
d. Interaktif
Kuis M9 - Backtracking (KHUSUS KELAS

◄ Literasi M11 - Algoritma Back Tracking Jump to...
MALAM) ►
01/07/22 11.56 1 pesan baru
ATA 2021/2022 | 3-FTI | Terapan Teori Graf | TEAM TEACHING
/
Pertemuan M12 - Aplikasi Teori Graf pada Teknik Elektro /
Kuis M12 - Aplikasi Graf pada Teknik Elektro (Kelas Pagi)
Started on Friday, 1 July 2022, 11:51 AM

State Finished
Completed on Friday, 1 July 2022, 11:55 AM
Question 1 Internet Protocol version 6 (IPv6) memiliki salah satu fitur umum yaitu multicasting menggunakan konsep :
Correct

1.00
a. tree
b. spanning tree 
c. root tree
d. leave tree
Question 2 Kumpulan dari elemen elektrik yang saling terhubung disebut dengan :
Correct

1.00
a. Rangkaian Induktor
b. Rangkaian Elektrik 
c. Rangkaian Kapasitor
d. Rangkaian Resistor
Question 3 Ilmuwan yang mengembangkan aplikasi teori graf pada rangkaian elektrik adalah :
Correct

1.00
a. Alan Turing
b. Leonhard Euler
c. G. Kirchhoff
d. J. C. Maxwell 
Question 4 Implementasi teori graf dapat digunakan untuk permasalahan berikut :

Correct

1.00
a. Rangkaian Elektrik
b. Masalah Transportasi
c. Jaringan Komputer
d. A,B,C Benar 
1
Online
01/07/22 11.56 1 pesan baru
Question 5 Berikut ini merupakan topologi jaringan komputer kecuali :

Correct

1.00
a. ring
b. bus
c. star
d. mass 
Question 6 Pada jaringan nirkabel representasi graf untuk node merupakan kecuali :
Correct

1.00
a. ipad
b. smart phone
c. Peralatan mobile
d. media transmisi 
Question 7 Kumpulan dari komputer dan komponen perangkat keras lainnya yang saling terhubung dengan menggunakan jalur
Correct komunikasi sehingga dapat saling berbagi informasi dan sumber daya disebut :
Marked out of
1.00 Select one:
a. Rangkaian komputer
b. Jaringan komunikasi
c. Jaringan Komputer 
d. Jaringan Informasi
Question 8 Jaringan komputer dapat direpresentasikan dalam suatu graf dimana setiap vertex dapat berupa :
Correct

1.00
a. router
b. switch
c. komputer
d. semua jawaban benar 
Question 9 Topologi jaringan yang direpresentasikan dalam graf lengkap adalah :

Correct

1.00
a. bus
b. star
c. mesh 
d. ring
1
Online
01/07/22 11.56 1 pesan baru
Question 10 Setiap elemen pada rangkaian elektrik diatur oleh hubungan khusus yang dikenakan pada dua variabel edgenya yang
Correct mengikuti hukum berikut :
Marked out of
1.00 Select one:
a. Hukum tegangan Kirchhoff
b. semua jawaban salah
c. Hukum arus Kirchhoff dan Hukum tegangan Kirchhoff. 
d. Hukum arus Kirchhoff
Question 11 Graf yang semua ruasnya merupakan ruas berarah disebut dengan:
Correct

1.00
a. graf tak sederhana
b. graf sederhana
c. graf berarah 
d. graf tak berarah
Question 12 Jika suatu graf lengkap memiliki 5 vertices maka banyaknya ruas yang dimiliki adalah :
Correct

1.00
a. 7
b. 8
c. 10 
d. 9
Question 13 Elemen elektrik dua-terminal direpresentasikan dengan edge yang terdiri dari dua variabel yaitu :
Correct

1.00
a. edge voltage dan cross variable
b. edge current dan through variable
c. edge current dan edge arus
d. edge voltage dan edge current 
Question 14 Topologi Ring pada jaringan komputer direpresentasikan dalam bentuk graf yaitu :
Correct

1.00
a. directed graph
b. acycle graph
c. undirected graph
d. cycle graph 
Question 15 Suatu graf sederhana dimana setiap simpul memiliki derajat simpul sebanyak dua disebut :
Correct

1.00
a. cycle graph  1
b. directed graph
Online
c. acycle graph
d. undirected graph
01/07/22 11.56 1 pesan baru
Question 16 Media transmisi atau jalur yang menghubungkan antara peralatan pada jaringan komputer direpresentasikan dalam graf
Correct berupa :
Marked out of
1.00 Select one:
a. vertex
b. node
c. simpul
d. edge 
Question 17 Model panggilan telepon dapat direpresentasikan dalam bentuk :

Correct

1.00
a. graf berarah
b. simpel graf berarah
c. multigraf berarah 
d. graf sederhana
Question 18 Bandwidth pada jaringan nirkabel dapat direpresentasikan sebagai bobot dari :
Correct

1.00
a. Edge 
b. Simpul
c. Vertex
d. Node
Question 19 Tokoh yang memperkenalkan penggunaan teori graf untuk memprediksi tingkah laku dari suatu rangkaian elektrik adalah
Correct :
Marked out of
1.00 Select one:
a. G. Kirchhoff 
b. Leonhard Euler
c. Alan Turing
d. J. C. Maxwell
Question 20 Rangkaian elektrik direpresentasikan dalam bentuk graf berikut :

Correct

1.00
a. graf tak berarah
b. graf sederhana
c. graf berarah 
d. graf tak sederhana
◄ Materi M12 - Aplikasi Graf pada Teknik Kuis M12 - Aplikasi Graf pada Teknik
Jump to...
Elektro Elektro (Kelas Malam) ►
1
Online
08/07/22 12.15 Kuis M13 - Program Dinamis (KHUSUS KELAS PAGI) (page 1 of 20)
Pertemuan M13 - Program Dinamis
/
Kuis M13 - Program Dinamis (KHUSUS KELAS PAGI)
Question 1 Pelopor penggunaan program dinamis adalah:

Answer saved

5.00
a. Richard Bellman
b. Al Khawarizmi
c. Aristoteles
d. Leonhard Euler
Clear my choice
Kuis M13 - Program Dinamis (KHUSUS

◄ Literasi M13 - Program Dinamis Jump to...
KELAS MALAM) ►
https://v-class.gunadarma.ac.id/mod/quiz/attempt.php?attempt=6731864&cmid=964802 1/2
/
Question 2 Pada permasalahan lintasan terpendek, rute ditentukan untuk:

Answer saved

5.00
a. Memaksimumkan jarak
b. Meminimumkan biaya
c. Meminimumkan jarak
d. Memaksimumkan biaya
Clear my choice

KELAS MALAM) ►
/
Question 3 Pada pemecahan masalah dengan program dinamis, dilakukan hal berikut kecuali:
Answer saved

5.00
a. Menentukan relasi fungsi
b. Menyajikan masalah dalam bentuk multistage graf
c. Menentukan relasi rekurence
d. Menentukan relasi perulangan
Clear my choice

KELAS MALAM) ►
/
Question 4 Berikut ini adalah contoh penerapan program dinamis kecuali:

Answer saved

5.00
a. Sum of Subset problem
b. Capital Budgeting Problem
c. Shortest path problem
d. I/O Knapsack problem
Clear my choice

KELAS MALAM) ►
/
Question 5 Jika solusi total/ global optimal, maka bagian solusi sampai tahap ke-k juga optimal merupakan:
Answer saved

5.00
a. Prinsip optimalitas
b. Prinsip serakah
c. Prinsip forward
d. Prinsip greedy
Clear my choice

KELAS MALAM) ►
/
Question 6 Pada permasalahan O/I knapsack problem, tujuan yang ingin dicapai adalah:
Answer saved

5.00
a. Memaksimumkan cost
b. Memaksimumkan profit
c. Meminimumkan profit
d. Meminimumkan cost
Clear my choice

KELAS MALAM) ►
/
Question 7 Program dinamis dapat dilakukan dengan pendekatan berikut:

Answer saved

5.00
a. Forward atau Backward
b. Multistage graf
c. Grafik
d. Tabel
Clear my choice

KELAS MALAM) ►
/
Question 8 Metode rancangan algoritma yang dapat dipakai bila pemecahan masalah yang mungkin dipandang sebagai hasil dari
Answer saved rangkaian keputusan-keputusan disebut:
Marked out of
5.00 Select one:
a. Program Dinamis
b. Program Paralel
c. Program Berbasis Objek
d. Program Linier
Clear my choice

KELAS MALAM) ►
/
Question 9 Jika solusi total optimal, maka bagian solusi sampai tahap ke-k juga optimal disebut dengan prinsip:
Answer saved

5.00
a. Optimalitas
b. Disjoint
c. Minimum
d. Maksimum
Clear my choice

KELAS MALAM) ►
/
Question 10 Cost pada tahap k +1= (Cost yang dihasilkan pada tahap k )+ (Cost dari tahap k ke tahap k +1) merupakan konsep
Answer saved pendekatan:
Marked out of
5.00 Select one:
a. For loop
b. Forward
c. Backup
d. Backward
Clear my choice

KELAS MALAM) ►
/
Question 11 Pada program dinamis, rangkaian keputusan yang optimal dibuat dengan menggunakan:
Answer saved

5.00
a. Prinsip greedy
b. Prinsip optimalitas
c. Prinsip serakah
d. Prinsip forward
Clear my choice

KELAS MALAM) ►
/
Question 12 Sebuah graf berarah dimana bentuk tersebut dibagi dalam lebih dari sama dengan 2 disjoint set V1 disebut:
Answer saved

5.00
a. Graf Sederhana
b. Network
c. Multistage Graf
d. Tree
Clear my choice

KELAS MALAM) ►
/
Question 13 Pada permasalahan lintasan terpendek, status diwakili sebagai:

Answer saved

5.00
a. Simpul
b. Graf
c. Matriks
d. Ruas
Clear my choice

KELAS MALAM) ►
/
Question 14 Lintasan terpendek pada setiap tahap dinyatakan dalam bentuk:

Answer saved

5.00
a. Relasi fungsi
b. Fungsi jarak
c. Relasi rekurens
d. Fungsi biaya
Clear my choice

KELAS MALAM) ►
/
Question 15 Pada program dinamis, rangkaian keputusan yang dihasilkan:

Answer saved

5.00
a. satu
b. lebih dari satu
c. tak hingga
d. unik
Clear my choice

KELAS MALAM) ►
/
Question 16 Jika hubungan perulangan dirumuskan menggunakan pendekatan maju (forward approach) maka untuk menentukan
Answer saved solusi diselesaikan dengan:
Marked out of
5.00 Select one:
a. Semua jawaban salah
b. Backward approach
c. Forward reasoning
d. Backward reasoning
Clear my choice

KELAS MALAM) ►
/
Question 17 Algoritma greedy dan program dinamis sama-sama memecahkan masalah secara bertahap, namun perbedaannya adalah:
Answer saved

5.00
a. Pada Algoritma greedy hanya satu rangkaian keputusan yang dihasilkan
b. Program dinamis menggunakan konsep serakah
c. Algoritma greedy manjamin tercapainya solusi optimal
d. Pada program dinamis hanya satu rangkaian keputusan yang dihasilkan
Clear my choice

KELAS MALAM) ►
/
Question 18 Proses menyimpan nilai yang diperoleh pada setiap tahap pada program dinamis disebut:
Answer saved

5.00
a. rekursif
b. efektifitas
c. memorization
d. memoization
Clear my choice

KELAS MALAM) ►
/
Question 19 Salah satu karakteristik program dinamis berikut ini adalah:

Answer saved

5.00
a. Ongkos (cost) pada suatu tahap selalu konstan
b. Persoalan hanya terdiri dari satu tahap (stage)
c. Masing-masing tahap hanya terdiri dari satu status (state)
d. Persoalan dapat dibagi menjadi beberapa tahap (stage)
Clear my choice

KELAS MALAM) ►
/
Question 20 Program dinamis memiliki karakteristik sebagai berikut kecuali:

Answer saved

5.00
a. Terdapat kendala/constraint dalam optimasi
b. Terdapat sejumlah berhingga solusi yang mungkin.
c. Solusi pada setiap tahap/stage dibangun dari solusi tahap sebelumnya
d. Solusi setiap tahap tidak berkaitan dengan tahap sebelumnya
Clear my choice

KELAS MALAM) ►
, ,
LINGKUP MATERI
Operasi pada Graf Kelahiran Teori Graf
Graf secara
Keterhubungan
formal
Graf
Subgraph
Derajat pada Graf
Kelahiran Teori Graf
Misteri Jembatan
Konigsberg
Bagaimana dapat melalui ketujuh

jembatan tepat satu kali, yakni bermula
dari satu tempat/daratan (A, B, C atau D)
dan kembali ke tempat semula
Kelahiran Teori Graf
Leonhard Euler 1736
Mampu mengungkap misteri Jembatan Konigsberg
Representasi graf keadaan

jembatan Konigsberg oleh Euler
Graf
Adalah struktur diskrit yang
terdiri atas simpul dan ruas yang
menguhubungkan simpul-simpul.
Graf Secara Formal
Sebuah Graf G didefinisikan sebagai
Koleksi atau pasangan dari dua
himpunan V dan E
G = ( V,E )
V : Himpunan Vertex / simpul / node /

titik
E : Himpunan Edge / ruas / sisi

Graf Secara Formal
Contoh:
! = {a, b, c, d, e}
E = { (a,b),(b,c),(c,d),(c,e),(d,e) }
Graf Secara Formal
Contoh: jika ruas memiliki nama
! = {a, b, c, d, e}
+ = {,1, ,2, ,3, ,4, ,5}

Tipe Ruas
Berarah
Pasangan terurut dari simpul.
Direpresentasikan sebagai (u, v) yang
u v memiliki arah dari simpul u ke v.
Tak berarah
Pasangan tak terurut dari simpul .
u v Direpresentasikan sebagai {u, v} dengan
mengabaikan arah dan memperlakukan
kedua simpul ujung secara bergantian.
Tipe Ruas
Loop (Gelung)
Ruas yang menghubungkan simpul yang sama yaitu
tepi yang menghubungkan simpul dengan dirinya
sendiri.
Direpresentasikan sebagai {u, u} = {u}
Multiple Edges (Ruas Berganda)

Ruas sejajar, yaitu dua atau lebih ruas yang
menghubungkan sepasang simpul yang sama.
Tipe Graf : Graf Sederhana
( ) ,
Graf sederhana terdiri dari V, suatu himpunan tak ( ), ) , ( ,,
kosong dari simpul, dan E, suatu himpunan pasangan
tak terurut dari elemen simpul yang berbeda.
w
Graf Sederhana: Graf Lengkap
Graf lengkap/Complete graph: Kn
Graf dengan n simpul dan setiap pasang simpulnya terhubung oleh satu ruas.
Derajat setiap simpul sama.
Contoh: K1, K2, K3, K4
K1 K2 K3
K4
Graf Sederhana: Cycle
Cycle: Cn
Graf dengan n ≥ 3 yang terdiri atas n simpul v1, v2, v3 … vn
dan ruas (v1, v2), (v2, v3), (v3, v4) … (vn-1, vn), (vn, v1)
Contoh : C3, C4
C3 C4
Graf Sederhana: Roda/Wheels
Roda/ Wheels Wn, diperoleh dengan menambahkan simpul tambahan ke cycle Cn dan
menghubungkan semua simpul ke simpul baru ini dengan ruas baru.
Contoh: W3, W4
W3 W4
Graf Sederhana: Bipartisi
• Graf sederhana G disebut Bipartisi, jika V dapat dipartisi menjadi dua himpunan disjoint
V1 dan V2 sehingga setiap ruas dalam graf menghubungkan simpul
di V1 dan simpul V2
• Tidak ada sisi di G yang menghubungkan dua simpul di V1 atau dua simpul di V2)
Contoh : V1 = {v1, v2, v3} and V2 = {v4, v5, v6},
v4
v1
v5
v2
v6
v3
V1 V2
Graf Sederhana: Bipartisi
Lengkap
Graf Bipartisi lengkap Km,n adalah graf bipartisi yang semua simpul
pada V (G1) terhubung dengan setiap simpul pada V(G2) dan sebaliknya
Contoh: K2,3, K3,3
K2,3 K3,3
Tipe Graf : Multigraf
Graf yang mengandung ruas sejajar
2 ) )1) 2(1
3
) ) )
u
3(1 1),(,( e1 e2
w
e3
v
Tipe Graf : Pseudograph
Graf yang mengandung gelung/loop
,/
3 1 24 3 4
u
e1 w e4
e2
,
v e3
Terminologi Graf Tak Berarah
Berdampingan/ neighbour
u v
simpul u dan v disebut berdampingan k
bila terdapat ruas ( u, v )
w
Order
Banyaknya simpul dari suatu graf
2
Size/ ukuran 4
4 2
Banyaknya ruas dari suatu graf
SubGraf
Sebuah subgraf dari suatu graf G = (V, E) adalah suatu graf H =(V’, E’) dimana V’
subhimpunan dari V dan E’ subhimpunan dari E
Contoh : Graf G dengan V = {u, v, w}, E = {(u, v), (v, w), (w, u)}
H1 , H2 adalah subgraph dari graf
u u u
v w v w v w
G H1 H2
Operasi pada Graf
1. Gabungan G1 È G2
2. Irisan G1 Ç G2
3. Selisih G1 - G2
4. Penjumlahan Ring G1 Å G2
Operasi pada Graf
Bila diketahui 2 buah graf : G1(V1,E1) dan
G2(V2,E2), maka :
1. Gabungan G1 È G2
graf dengan himpunan V nya = V1 È V2
dan himpunan E nya = E1 È E2
2. Irisan G1 Ç G2
graf dengan himpunan V nya = V1 Ç V2
dan himpunan E nya = E1 Ç E2
Operasi pada Graf
Bila diketahui 2 buah graf : G1(V1,E1) dan G2(V2,E2), maka :
3. Selisih G1 - G2
graf dengan himpunan V nya = V1 dan himpunan E nya = E1 - E2
Selisih G2 – G1
graf dengan himpunan V nya = V2 dan himpunan E nya = E2 – E1
4. Penjumlahan Ring G1 Å G2
graf yang dihasilkan dari
(G1 È G2) – (G1 Ç G2) atau (G1 - È (G2 - G1)
Operasi pada Graf
Graf Null/Hampa
Suatu graf dikatakan graf null/hampa bila graf tersebut tidak
mengandung ruas.
Contoh : G1. V ≠ ∅. Dan E= ∅

Penghapusan/Deletion
Penghapusan dapat dilakukan pada simpul ataupun ruas.
1) Penghapusan Simpul .
Notasinya : G – {V}
Contoh :
Pemendekan/Shorting
Pemendekan/Shorting adalah menghapus simpul yang dihubungkan oleh 2 ruas
(simpul berderajat 2), lalu menghubungkan titik-titik ujung yang lain dari kedua
ruas tersebut.
Contoh :
Derajat Graf
Derajat simpul adalah banyaknya ruas yang terhubung ke simpul tersebut.
Derajat graf adalah jumlah dari derajat simpul-simpulnya.
Derajat dari sebuah loop adalah dua
deg (a) = 2
Contoh Graf G : deg (b) = 4
deg (c) = 4
deg (d) = 1
deg (e) = 3
deg (f) = 4
deg (g) = 0
+
Jenis Simpul
Simpul Ganjil
bila derajat simpulnya merupakan
bilangan ganjil
Simpul Genap
bila derajat simpulnya merupakan
bilangan genap
Keterhubungan pada Graf
Walk Path / Jalur
barisan simpul dan ruas Walk dengan simpul
yang berbeda
Cycle / Sirkuit
Contoh
1) A, B, C, D, E, F, C, A, B, D, C ® Walk 7) A, B, D, E, F, C, A ® Cycle
2) A, B, C, D, E, F, C, A ® Trail 8) C, E, F ® Path
3) A, B, C, A ® Cycle 9) B, D, C, B ® Cycle
4) A, B, D, C, B, D, E ® Walk 10) C, A, B, C, D, E, C, F, E ® Trail
5) A, B, C, D, E, C, F ® Trail 11) A, B, C, E, F, C, A ® Trail
6) 6) A, B, D, C, E, D ® Trail
Graf Terhubung
• Suatu graf G disebut terhubung jika untuk setiap 2
simpul dari graf terdapat jalur yang menghubungkan
kedua simpul tersebut.
• Setiap Subgraf terhubung dari suatu graf disebut
komponen dari G bila subgraf tersebut tidak
terkandung dalam subgraf terhubung lain yang lebih
besar.
• Jarak antara 2 simpul dalam graf G adalah panjang
jalur terpendek antara ke-2 simpul tersebut.
• Diameter suatu graf terhubung G adalah maksimum
jarak antara simpul-simpul G
Cutset
Subgraf S dari graf terhubung G disebut Cut-Set jika subgraf S dipindahkan dari G, akan
menyebabkan G tidak terhubung .
Graf Regular
TERAPAN Dr. Ernastuti
TEORI GRAF Dr. Nola Marina
Dr. Aini Suri Talita
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.
Gambarkan GRAF G(V,E) 1
1. Berapa jumlah simpul di dalam graf G?

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
2. Berapa jumlah ruas di dalam graf G?
Graf G

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
Graf G

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
Graf G

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
Graf G

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
Graf G

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 }
Graf G
Gambar GRAF G(V,E) selesai dibuat 7

Graf G(V,E):
𝑽 = {𝟏, 𝟐 𝟑, 𝟒}
𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , (𝟐, 𝟒), 𝟑, 𝟒 } Jumlah simpul = 4
Jumlah ruas = 5
Graf G
LINGKUP MATERI
1 PENYAJIAN GRAF TAK BERARAH
2 GRAF ISOMORFIS
3 LINTASAN DAN SIRKUIT EULER
4 LINTASAN DAN SIRKUIT HAMILTONIAN
5 GRAF BERBOBOT
6 SHORTEST PATH PROBLEMS

LINGKUP MATERI Penyajian Graf Tidak Berarah:
Adjacency Matrices
Shortest Path Problem: Incidence Matrices
Algoritma Dijkstra 6 1 Adjacency List
Traveling Salesman Problem
2
Weighted Graphs 5 Graf Isomorfis &
Graf Berbobot/Graf Berlabel Sifat invariantnya
3
4
Lintasan & Sirkuit
Lintasan & Sirkuit
Hamiltonian
Euler
DEFINISI:
MATRIKS
Kumpulan Bilangan yang 3 1 10 0 5

disusun secara baris (𝒎) 1 0 12 1 3
dan kolom (𝒏 ). 𝑨𝟒×𝟓 =
1 7 3 1 1
Notasi: 0 1 4 0 2
𝐴𝑚×𝑛 =[𝑎𝑖𝑗 ] 𝒏=𝟓
𝒎=𝟒
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
DEFINISI: 𝑎23 =12
MATRIKS
3 1 10 0 5
Kumpulan Bilangan yang
disusun secara baris (𝒎) 𝑨𝟒×𝟓 = 1 0 12 1 3
dan kolom (𝒏 ). 1 7 3 1 1
Notasi: 0 1 4 0 2
𝐴𝑚×𝑛 =[𝑎𝑖𝑗 ]
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
DEFINISI: 𝑎23 =12 𝑎45 =2
MATRIKS
3 1 10 0 5
Kumpulan Bilangan
yang disusun secara 𝑨𝟒×𝟓 = 1 0 12 1 3
baris (𝒎) dan kolom (n) 1 7 3 1 1
Notasi: 0 1 4 0 2
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
DEFINISI:
MATRIKS
𝑎23 =12 𝑎45 =2
3 1 10 0 5
Kumpulan Bilangan yang
disusun secara baris (𝒎) 𝑨𝟒×𝟓 = 1 0 12 1 3
dan kolom (𝒏 ). 1 7 3 1 1
Notasi: 0 1 4 0 2
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
𝑎31 =1
𝑎𝑟𝑖𝑠 𝑛𝑖𝑎 𝑎𝑑𝑖
DEFINISI: 𝑢𝑚𝑖 𝑖𝑐ℎ𝑎 𝑗𝑜𝑛
ARRAY (SENARAI/ LIST) A[3,3] =
𝑘𝑎𝑙 𝑡𝑖𝑎 𝑎𝑏𝑖
Kumpulan elemen Homogen
yang disusun secara baris (𝒎)
dan kolom (𝒏 ). 3 1 10 0 5
Notasi:
B[4,5] = 1 0 12 1 3
S[1. . 𝒎,1. . 𝒏]=[𝑠𝑖𝑗 ]
1 7 3 1 1
0 1 4 0 2
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
dan kolom (𝒏 ). 3 1 10 0 5
Notasi:
B[4,5] = 1 0 12 1 3
S[1. . 𝒎,1. . 𝒏]=[𝑠𝑖𝑗 ]
1 7 3 1 1
0 1 4 0 2
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏
𝑎23 = ′𝑗𝑜𝑛′
dan kolom (𝒏 ). 3 1 10 0 5
Notasi:
B[4,5] = 1 0 12 1 3
S[𝒎,𝒏]=[𝑠𝑖𝑗 ]
1 7 3 1 1
0 1 4 0 2
𝒊 = 𝟏, 𝟐, . . 𝒎 𝒋 = 𝟏, 𝟐, . . 𝒏 𝑏23 = 12
1
1 Penyajian Graf Tidak Berarah
1.1 MATRIKS KETETANGGAAN (adjacency matrices)
1.2 MATRIKS BERSISIAN (incidency matrices)
1.3 SENARAI KETETANGGAAN (adjacency list)

1.1 Penyajian Graf Tidak Berarah
1.1 Matriks Ketetanggaan (adjacency matrix)
𝐴𝑛×𝑛 =[𝑎𝑖𝑗 ]
𝒊 = 𝟏, 𝟐, . . 𝒏 Simpul
𝒋 = 𝟏, 𝟐, . . 𝒏 Simpul
1, jika simpul 𝒊 dan simpul 𝒋 bertetangga

𝑎𝑖𝑗=
0, jika simpul 𝒊 dan simpul 𝒋 tidak bertetangga
PPT模板下载：www.1ppt.com/moban/ 行业PPT模板：www.1ppt.com/hangy e/
节日PPT模板：www.1ppt.com/jieri/ PPT素材：www.1ppt.com/sucai/
PPT背景图片：www.1ppt.com/beijing/ PPT图表：www.1ppt.com/tubiao/
精美PPT下载：www.1ppt.com/xiazai/ PPT教程： www.1ppt.com/powerpoint/
PPT课件：www.1ppt.com/kejian/ 字体下载：www.1ppt.com/ziti/
工作总结PPT：www.1ppt.com/xiazai/z ongjie/ 工作计划：www.1ppt.com/xiazai/jihua/
商务PPT模板：www.1ppt.com/moban/ shangw u/ 个人简历PPT：www.1ppt.com/xiazai/jia nli/
毕业答辩PPT：www.1ppt.com/xiazai/dabian/ 工作汇报PPT：www.1ppt.com/xiaza i/huiba o/
1.1
• Matriks Ketetanggaan (adjacency matrix)
Contoh 1:
Matriks Ketetanggaan
G1 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒}
G1 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , 𝟐, 𝟒 , 𝟑, 𝟒 } 𝐴4×4 =
1 2 3 4
1 0 1 1 0
1 0 1 1
2 
3 1 1 0 1
 
Graf G1
4 0 1 1 0
1.1
Contoh 1:
G1 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒}
Matriks Ketetanggaan
G1 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , 𝟐, 𝟒 , 𝟑, 𝟒 } 𝐴4×4 =
𝑎12 1 2 3 4
1 0 1 1 0
𝑎21 1 0 1 1
2 
3 1 1 0 1
 
Graf G1
4 0 1 1 0
Derajat tiap simpul Vi :
Untuk graf tak-berarah:
❑ Derajat simpul adalah banyaknya ruas yang terhubung ke

simpul tersebut.
n
❑ d(vi ) = a
j =1
ij
Derajat tiap simpul d(vi)
Graph • Matriks Ketetanggaan
1 2 3 4 +
1 0 1 1 0  2
1 0 1 1 3
2  
3 1 1 0 1 3
4 0 1 1 0 2
Derajat simpul d(1) = 2 Derajat simpul d(1) = 0+1+1+0 = 2

1.1
Contoh 2:
G2 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓} Matriks Ketetanggaan
G2 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟑 , 𝟐, 𝟑 , 𝟑, 𝟒 }
𝐴5×5 =
1 2 3 4 5
1 0 1 1 0 0
2 1 0 1 0 0
3 1 1 0 1 0
4 0 0 1 0 0
Graf G2
5 0 0 0 0 0
1.2 Matriks Bersisian (incidency matrix)
𝐴𝑛×𝑚 =[𝑎𝑖𝑗 ]
𝒊 = 𝟏, 𝟐, . . 𝒏 Simpul
𝒋 = 𝟏, 𝟐, . . 𝒎 Sisi /Ruas
1, jika simpul 𝒊 bersisian dengan 𝐫𝐮𝐚𝐬 𝒋

𝑎𝑖𝑗=
0, jika simpul 𝒊 tidak bersisian dengan 𝐫𝐮𝐚𝐬 𝒋
PPT模板下载：www.1ppt.com/moban/ 行业PPT模板：www.1ppt.com/hangy e/
节日PPT模板：www.1ppt.com/jieri/ PPT素材：www.1ppt.com/sucai/
PPT背景图片：www.1ppt.com/beijing/ PPT图表：www.1ppt.com/tubiao/
精美PPT下载：www.1ppt.com/xiazai/ PPT教程： www.1ppt.com/powerpoint/
PPT课件：www.1ppt.com/kejian/ 字体下载：www.1ppt.com/ziti/
工作总结PPT：www.1ppt.com/xiazai/z ongjie/ 工作计划：www.1ppt.com/xiazai/jihua/
商务PPT模板：www.1ppt.com/moban/ shangw u/ 个人简历PPT：www.1ppt.com/xiazai/jia nli/
毕业答辩PPT：www.1ppt.com/xiazai/dabian/ 工作汇报PPT：www.1ppt.com/xiaza i/huiba o/
1.
•
Contoh 3: Matriks Bersisian

G3 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒 }
G3 𝑬 = {𝒆𝟏 , 𝒆𝟐 , 𝒆𝟑 , 𝒆𝟒 , 𝒆𝟓 , 𝒆𝟔 } 𝐴4×6 =
e1
e1 e2 e3 e4 e5
1 2
e2 1 1 1 0 1 0
e4 e3
2 1 1 1 0 0
3
e5 3 0 0 1 1 1
Graf G3
4 4 0 0 0 0 1
•
Contoh 3: Matriks Bersisian

G5 𝑽 = {𝒗𝟏, 𝒗𝟐, 𝒗𝟑, 𝒗𝟒, 𝒗𝟓 }
G5 𝑬 = {𝒆𝟏 , 𝒆𝟐 , 𝒆𝟑 , 𝒆𝟒 , 𝒆𝟓 , 𝒆𝟔 , , 𝒆𝟕 , 𝒆𝟖 } 𝐴5×8 =
Graf G5
1.3 • Senarai Ketetanggaan (adjacency list)
Contoh 4:
Senarai Ketetanggaan
G4 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒}
G4 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟑 , 𝟐, 𝟑 , 𝟐, 𝟒 , 𝟑, 𝟒 }
Simpul Simpul Tetangga

1 2, 3
2 1, 3, 4
3 1, 2, 4
4 2, 3
Graf G4
•
1.3 Senarai Ketetanggaan (adjacency list)
Contoh 5: Senarai Ketetanggaan

G2 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓}
G2 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟑 , 𝟐, 𝟑 , 𝟑, 𝟒 } Simpul Simpul Tetangga
1 2, 3
2 1, 3
3 1, 2, 4
4 3
Graf G2
5 -
1
MATRIKS KETETANGGAAN (adjacency matrices)
1.1 CIRI: a. Matriks adalah Bujur Sangkar (n x n) → n = jumlah simpul
b. Jumlah Ruas = (Jumlah semua nilai baris dan kolom)/2
c. Nilai-nilai elemen matriks segitiga atas simetri dengan segitiga bawah
1.2
MATRIKS BERSISIAN (incidency matrices)
a. Matriks adalah Persegi Empat (m x n) → m = jumlah simpul, n = jumlah sisi
b. Jumlah Ruas = (Jumlah semua nilai baris dan kolom)/2
1.3
SENARAI KETETANGGAAN (adjacency list)
a. Array (m x n) → m = jumlah simpul, n < m
b. Jumlah Ruas = (Jumlah semua elemen pada semua baris )/2
3. Senarai Ketetanggaan
Simpul Simpul Tetangga
Graf
1 2, 3
e2
2 1, 4 e1
e5
3 1, 2, 3
4 3,4
e4 e3
2. Matriks Bersisian
1. Matriks Ketetanggan
𝐴4×5 e1 e2 e3 e4 e5
1 2 3 4
1 1 1 0 0 0 1 0 1 1 0
2 0 1 1 0 1 2
1 0 1 1
𝐴4×4

3 1 0 0 1 1 3 1 1 0 1
 
4 0 0 1 1 1 4 0 1 1 0
CONTOH SOAL (1)
Diketahui Graf G(V,E): Jawab:
G 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓}
G 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟑 , 𝟐, 𝟑 , 𝟑, 𝟒 }
Pertanyaan:
1. Berapa jumlah simpul pada Graf G? 1. Jumlah simpul = 5

2. Berapa jumlah ruas pada Graf G?
2. Jumlah ruas = 4
CONTOH SOAL (2)
Diketahui Graf G1(V,E) Jawab: 𝟏 𝟐 𝟑 𝟒
G1 𝑽 = {𝟏, 𝟐, 𝟑, 𝟒} 1 0 1 0 1
G1 𝑬 = { 𝟏, 𝟐 , 𝟏. 𝟒 , 𝟐, 𝟑 , 𝟐, 𝟒 , 𝟑, 𝟒 } 2 1 0 1 1
3 0 1 0 1
Pertanyaan: 4 1 1 1 0
1. Berapa jumlah simpul pada graf G1?
2. Berapa jumlah ruas pada graf G1?
1. Jumlah simpul = 4
Pada Matriks Adjacency 𝐴4×4 dari graf G1 2. Jumlah ruas = 5
3. Berapa Nilai 𝑎12 =? dan 𝑎24 =? 3. 𝑎12 =1 dan 𝑎24 =1
4. Berapa Nilai 𝑎13 =? dan 𝑎34 =? 4. 𝑎41 =0 dan 𝑎34 =1
CONTOH SOAL (3) Jawab:
1. 𝟎 𝟏 𝟎 𝟏
Diketahui 𝟏 𝟎 𝟏 𝟏
𝟎 𝟏 𝟎 𝟏
Matriks Adjacency 𝐴4×4 dari graf G2: 𝟏 𝟏 𝟏 𝟎
𝑎11 =0; 𝑎12 =1; 𝑎13 =0; 𝑎14 =1
𝑎21 =1; 𝑎22 =0; 𝑎23 =1; 𝑎24 =1 Jumlah simpul = 4
𝑎31 =0; 𝑎32 =1; 𝑎33 =0; 𝑎34 =1
+
𝑎41 =1; 𝑎42 =1; 𝑎43 =1; 𝑎44 =0 2. 𝟎 𝟏 𝟎 𝟏 2
𝟏 𝟎 𝟏 𝟏 3
Pertanyaan: 𝟎 𝟏 𝟎 𝟏 2
1. Berapa jumlah simpul pada graf G2? 𝟏 𝟏 𝟏 𝟎 3
+
10
2. Berapa jumlah ruas pada graf G2?
Jumlah ruas = 10/2 = 5
2 Graf Isomorfis (Isomorphic Graph)
Dua buah graf yang sama tetapi secara geometri berbeda disebut graf
yang saling isomorfis.
Dua buah graf, G1 dan G2 dikatakan isomorfis jika terdapat

korespondensi satu-satu antara simpul-simpul keduanya dan antara
ruas-ruas keduanya sedemikian sehingga hubungan kebersisian tetap
terjaga.
2 Graf Isomorfis (Isomorphic Graph)
Dengan kata lain, misalkan ruas e bersisian dengan simpul u dan v di
G1, maka ruas e’ yang berkoresponden di G2 harus bersisian dengan
simpul u’ dan v’ yang di G2.
Dua buah graf yang isomorfis adalah graf yang sama, kecuali penamaan
simpul dan ruasnya saja yang berbeda. Ini benar karena sebuah graf
dapat digambarkan dalam banyak cara.
1 Graf ISOMORFISMenurut DEO74, dua buah graf
2
Dua buah graf G dan G* disebut isomorfik jika memenuhi 3 syarat,
isomorfis jika terdapat korespondensi mempunyai:
satu-satu antar simpul-simpul dan 1. jumlah simpul yang sama
2. jumlah ruas yang sama
ruas-ruasnya
3. jumlah simpul berderajat tertentu yg
Jika G(V,E) dan G*(V*,E*) adalah 2 buah sama
Graf.
f: V → V* suatu fungsi satu-satu dan
pada, sedemikian sehingga (u,v) adalah
ruas dari G jika dan hanya jika (f(u),f(v)) Menurut ROS99, dua buah graf
adalah ruas dari G*. isomorfik jika matrik adjacency-
Maka f disebut fungsi yang isomorfisma nya sama.
dan G& G* adalah graf yang isomorfis.
1 Graf ISOMORFIS
2
Graf A dan R
Dua buah graf G dan G* disebut
isomorfis jika terdapat korespondensi
satu-satu antar simpul-simpul dan
ruas-ruasnya
G(V,E) dan G*(V*,E*) adalah 2 buah Graf. Graf X dan K
f: V → V* suatu fungsi satu-satu dan pada,
sedemikian sehingga (u,v) adalah ruas dari G
jika dan hanya jika (f(u),f(v)) adalah ruas dari
G*.
Maka f disebut fungsi yang isomorfisma dan Graf F dan T
G& G* adalah graf yang isomorfis.
21 Graf ISOMORFIS Graf A dan R
Dua buah graf G dan G* disebut

isomorfis jika terdapat korespondensi
satu-satu antar simpul-simpul dan
ruas-ruasnya
Graf X dan K
Graf F dan T
Graf V dan T
2 1 Graf ISOMORFIS
Menurut DEO74, dua buah graf isomorfis Dari kelima graf S,T, V,
jika memenuhi 3 syarat, mempunyai: X, Z graf mana yang
1. jumlah simpul yang sama isomorfis?
3. jumlah simpul berderajat tertentu yg sama
Graf S Graf T Graf V Graf X Graf Z

2 1 Graf ISOMORFIS
1. Jumlah Simpul = 5
Menurut DEO74, dua buah graf isomorfik 2. Jumlah Ruas = 4
3. 2 simpul berderajat 1
jika memenuhi 3 syarat, mempunyai: 3 simpul berderajat 2
1. jumlah simpul yang sama
3. jumlah simpul berderajat tertentu yg sama
Graf S, V &
T
saling
Graf S Graf T Graf V Graf X Graf Z isomorfis
2 1 Graf ISOMORFIS 1. Jumlah Simpul = 5
2. Jumlah Ruas = 4
3 simpul berderajat 2
Menurut DEO74, dua buah graf isomorfik
jika memenuhi 3 syarat, mempunyai: Graf S, V &
1. jumlah simpul yang sama T
2. jumlah ruas yang sama saling
3. jumlah simpul berderajat tertentu yg sama isomorfis
2. Jumlah Ruas = 4
1.Jumlah Simpul = 5
2.Jumlah Ruas = 4
Graf S Graf T Graf V Graf X Graf Z 1 simpul berderajat 1
1 Graf ISOMORFIS
2 Graf A dan R
saling
2. Jumlah Ruas = 5 isomorfis
1. Jumlah Simpul = 5 Graf X dan K

2. Jumlah Ruas = 4 saling
3. 1 simpul berderajat 4 isomorfis
1.Jumlah Simpul = 5
2. Jumlah Ruas = 4 Graf F dan T
3. 1 simpul berderajat 3 saling
1 simpul berderajat 2 isomorfis
2 1 Graf ISOMORFIS
Menurut ROS99, dua buah graf isomorfik
jika matrik adjacency-nya sama.
Graf S, V &
T
saling
Graf S Graf T Graf V Graf X Graf Z isomorfis
2 1 Graf ISOMORFIS
Menurut ROS99, dua buah graf isomorfik
jika matriks adjacency-nya sama.
Graf S, V &
T
saling
isomorfis
Graf S Graf T Graf V Graf X Graf Z

1 Graf ISOMORFIS
2 Graf A dan R
saling
isomorfis
Graf X dan K
saling
isomorfis
Graf F dan T
saling
isomorfis
1 Graf ISOMORFIS
2
3 d c v w
1 2 a b x y
Graf G1 Graf G2 Graf G3
G1 isomorfis dengan G2,

tetapi G1 tidak isomorfis dengan G3
1 Graf ISOMORFIS
2
z
a v w
e
c
b d
Graf G1 x Graf G2 y
Graf G1 dan Graf G2 isomorfis

a b c d e x y w v z
a 0 1 1 1 0 x 0 1 1 1 0
1 0 1 0 0 y 1 0 1 0 0
b    
c 1 1 0 1 0 w 1 1 0 1 0
  v  
d 1 0 1 0 1 1 0 1 0 1
e 0 0 0 1 0 z 0 0 0 1 0
1 Graf ISOMORFIS
2
Dua buah graf isomorfis

1 Graf ISOMORFIS
2
Tiga buah graf isomorfis

1 Graf ISOMORFIS
2
Dari definisi graf isomorfis dapat dikemukakan bahwa

dua buah graf isomorfis memenuhi ketiga syarat berikut
[DEO74]:
1. Mempunyai jumlah simpul yang sama.

2. Mempunyai jumlah ruas yang sama
3. Mempunyai jumlah simpul yang sama berderajat tertentu
1 Graf ISOMORFIS
2
✓Ketiga syarat [DEO74] ternyata belum cukup menjamin.
✓Pemeriksaan secara visual perlu dilakukan.
w
u
x
y
1. Jumlah Simpul = 6 v 1. Jumlah Simpul = 6

2. Jumlah Ruas = 5 2. Jumlah Ruas = 5
3. 3 simpul berderajat 1 3. 3 simpul berderajat 1
2 simpul berderajat 2 2 simpul berderajat 2
1 simpul berderajat 3 1 simpul berderajat 3
3 Lintasan dan Sirkuit Euler
✓ Lintasan Euler ialah lintasan yang melalui masing-masing ruas
di dalam graf tepat satu kali.
✓ Sirkuit Euler ialah sirkuit yang melewati masing-masing ruas

tepat satu kali.
✓ Graf yang mempunyai sirkuit Euler disebut graf Euler (Eulerian

graph). Graf yang mempunyai lintasan Euler dinamakan juga
graf semi-Euler (semi-Eulerian graph).
✓ Lintasan Euler pada graf (a) : 3, 1, 2, 3, 4, 1
✓ Lintasan Euler pada graf (b) : 1, 2, 4, 6, 2, 3, 6, 5, 1, 3
✓ Sirkuit Euler pada graf (c) : 1, 2, 3, 4, 7, 3, 5, 7, 6, 5, 2, 6,1
2 2 2 3
1 1
(a) (b) (c) 5

3
4 1 4
3 4 5 6 6 7
Lintasan Euler pada graf (a): 3, 1, 2, 3, 4, 1
2 2 2 3
1 1
(a) (b) (c) 5

3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
(a) (b) (c) 5

3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
(a) (b) (c) 5

3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
(a) (b) (c) 5

3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
Lintasan Euler pada graf (b): 1, 2, 4, 6, 2, 3, 6, 5, 3, 1, 5
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
Lintasan Euler pada graf (b): 1, 2, 4, 6, 2, 3, 6, 5, 3, 1,5
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START 3 4 5 6 6 7
FINISH
Sirkuit Euler pada graf (c) : 1, 2, 3, 4, 7, 3, 5, 7, 6, 5, 2, 6,1
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
START 3 4 5 6 6 7
FINISH
Sirkuit Euler pada graf (c) : 1, 2, 3, 4, 7, 3, 5, 7, 6, 5, 2, 6, 1
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
FINISH
START 3 4 5 6 6 7
FINISH
❑ Lintasan Euler pada graf (a): 3, 1, 2, 3, 4, 1
❑ Lintasan Euler pada graf (b): 1, 2, 4, 6, 2, 3, 6, 5, 3, 1, 5
❑ Sirkuit Euler pada graf (c) : 1, 2, 3, 4, 7, 3, 5, 7, 6, 5, 2, 6, 1
2 2 2 3
1 1
FINISH START
(a) (b) (c) 5
3
4 1 4
START
FINISH
START 3 4 5 6 6 7
FINISH
TEOREMA 1
Graf tidak berarah memiliki lintasan Euler jika dan hanya jika
terhubung dan memiliki dua buah simpul berderajat ganjil
atau tidak ada simpul berderajat ganjil sama sekali
Graf tidak berarah memiliki lintasan Euler jika
dan hanya jika terhubung dan memiliki dua
TEOREMA 1 buah simpul berderajat ganjil atau tidak ada
simpul berderajat ganjil sama sekali
2 1 2 2 3
1
Graf (a),(b) & (c) 5

memiliki lintasan Euler
3
4 1 4
5 6 6 7
= simpul berderajat ganjil 3
(a)
4
(b) (c)
Graf (a) dan (b) mempunyai Graf (c) tidak mempunyai
2 simpul berderajat ganjil simpul berderajat ganjil sama
sekali
TEOREMA 2
❑ Graf tidak berarah G adalah graf Euler (memiliki sirkuit Euler) jika dan
hanya jika setiap simpul berderajat genap.
❑ Catatan:
Graf yang memiliki sirkuit Euler pasti mempunyai lintasan Euler, tetapi tidak
sebaliknya)
Graf Bulan sabit Muhammad = ???
a t
d g
f
c k
e h
s
b
Graf Bulan sabit Muhammad = ??? Setiap simpul berderajat
genap
d(a)= 2
a t d(b)= 2
d(c)= 4
d g
d(d)= 4
f d(e)= 4
c k
d(f)= 4
d(g)= 4
e h
d(h)= 4
s d(k)= 4
b
d(t)= 2
d(s)= 2
Graf tidak berarah G adalah graf Euler (memiliki sirkuit Euler) jika dan
Graf Bulan sabit Muhammad adalah Graf Euler Setiap simpul berderajat
❑ Memiliki Sirkuit dan Lintasn Euler genap
d(a)= 2
t d(b)= 2
a d(c)= 4
d g
d(d)= 4
f d(e)= 4
c k
d(f)= 4
d(g)= 4
e h
d(h)= 4
s d(k)= 4
b
d(t)= 2
d(s)= 2
Graf tidak berarah G adalah graf Euler (memiliki sirkuit Euler) jika dan
Sirkuit Euler pada graf G1 : a, c, f, e, c, b, d, e, a, d, f, b, a
Graf G2 dan G3 tidak mempunyai lintasan maupun sirkuit Euler
G2 dan G3 mempunyai >2
simpul berderajat Ganjil
Semua simpul pada a
G1 berderajat Genap d b 1 2 a b
e c 4 5 c d e
f
G1 G2 G3
(a) dan (b) graf semi-Euler (a) dan (b) mempunyai 2
(c) dan (d) graf Euler simpul berderajat Ganjil
(e) dan (f) bukan graf semi-Euler atau graf Euler

2 1 1 2 2 3
(a)
(a) (b)
(b)
3 (c)
(c)
5
4 1 4
3 4 5 6 6 7
Semua simpul
(e) dan (f) mempunyai >2
pada (c) dan (d) a
simpul berderajat Ganjil
berderajat Genap(d)
d b (e) 1 2 (f) a b
3
(d) (e) (f)
e c 4 5 c d e
f
LINTASAN DAN SIRKUIT HAMILTON (HAMILTON PATHS AND CIRCUITS)
Suatu lintasan x0, x1, …, xn-1, xn, pada suatu Suatu sirkuit x0, x1, …, xn-1, xn, x0 (dengan
Graf G = (V, E) disebut Lintasan Hamilton n > 1) pada suatu graf G = (V,E) disebut
Sirkuit Hamilton (Hamilton circuit) jika
(Hamilton path) jika V = { x0, x1, …, xn-1, xn }
x0, x1, …, xn-1, xn merupakan Lintasan
dan xi ≠ xj untuk 0 ≤ i < j ≤ n.
Hamilton.
Suatu lintasan tertutup (sirkuit)

Suatu lintasan yang melewati
yang melewati semua simpul di G
semua simpul di G tepat 1 kali
tepat 1 kali
Contoh 1 Lintasan dan Sirkuit Hamilton
a b Tentukan apakah Graf G memiliki sirkuit

Hamilton! Jika tidak, bagaimana
dengan lintasan Hamilton?
G
e c
a b
d
G
e c
d
Tentukan apakah Graf G memiliki sirkuit

a b Hamilton! Jika tidak, bagaimana
dengan lintasan Hamilton?
d c
G
a b
d c
G
b g
a
Tentukan apakah Graf G memiliki
sirkuit Hamilton! Jika tidak,
bagaimana dengan lintasan
d c e f Hamilton?
G
Tidak memiliki lintasan maupun

sirkuit Hamilton karena setiap
lintasan yang dibangun harus
melalui ruas {a,b}, {e,f}, dan {c, d}
lebih dari sekali
Beberapa Sifat Graf Berkaitan dengan Sirkuit Hamilton
• Suatu graf dengan sebuah simpul berderajat satu tidak mungkin memiliki
sirkuit Hamilton
• Jika suatu simpul pada graf memiliki derajat 2 maka semua ruas yang insiden
dengan simpul tersebut harus menjadi bagian dari sirkuit Hamilton
• Jika suatu sirkuit telah melewati suatu simpul dan 2 dari ruas yang insiden
dengan simpul tersebut telah digunakan, maka simpul tersebut dan semua
sisa ruas yang insiden dengannya tidak perlu lagi dipertimbangkan untuk
menjadi bagian dari sirkuit Hamilton
Teorema DIRAC
• Jika G adalah suatu Graf Sederhana (Simple Graph) dengan n buah simpul
dan 𝑛 ≥ 3 sedemikian sehingga derajat dari masing-masing graf
setidaknya 𝑛/2, maka G memiliki suatu sirkuit Hamilton
a b • deg (a) = 3
• deg (b) = 3
• deg (c) = 2
G • deg (d) = 2
d c • n/2 = 4/2 = 2
Graf berbobot (Weighted Graphs)
• Graf dimana pada ruasnya ditetapkan suatu nilai (bobot)
• Bobot yang dimaksud dapat bermakna berbagai hal, misalnya jarak dari suatu kota ke
kota lain, waktu tempuh penerbangan dari suatu kota ke kota lain, biaya perjalanan
dari suatu kota ke kota lain, waktu respons komputer, dsb.
Newark
Newark
G1 20
G2 $0.60
42 Woodbridge
Trenton $1.00 Woodbridge
Trenton
35
30 $0.75
60 40 Asbury Park $0.70
$0.00 Asbury Park
Camden 75 $0.00
Camden $1.25
55 Atlantic City
$1.25 Atlantic City
85 45
$0.00 $0.75
Cape May
Cape May
Masalah lintasan terpendek (shortest path)
Lintasan Terpendek Dari
Satu Tempat Ke Tempat
Lain
IP routing untuk
menentukan Open
Shortest Path First
(OSPF)
Jejaring Sosial –
Suggestion List Of Friends
Ekstrasi fitur tekstur

pada citra medis Gambar 1. Contoh
(Ghidoni et al., 2014) Microgrid (Ustun,
Ozansoy, and Zayegh,
Menentukan Relay 2011)
Hierarchy pada Microgrid
(Ustun, Ozansoy, and
Zayegh, 2011)
Algoritma DIJKSTRA
• Misal diberikan suatu Graf sederhana terhubung berbobot dimana akan ditentukan lintasan
terpendek dari simpul a ke z.
• Inisialisasi label simpul a dengan 0 dinotasikan L0 (a) = 0 dan simpul v lainnya dengan ∞, L0 (v) =
∞. Label ini bermakna “panjang” dari lintasan terpendek dari a ke v.
• Akan dibangun suatu himpunan simpul terpilih S, dengan inisialisasi pada “iterasi ke-0” S0 = ∅.
• Misalkan Sk menyatakan himpunan simpul terpilih setelah k buah iterasi. Sk dibangun dengan
menambahkan suatu simpul yang tidak ada di Sk-1 ke Sk-1 dan memiliki label terkecil.
• Misalkan v adalah suatu simpul yang tidak ada di Sk. Lk (v) yang merupakan label dari v
bermakna “panjang” dari lintasan terpendek dari a ke v dengan melalui simpul yang ada di Sk,
diperbaharui dengan :
Lk (a, v) = min { Lk-1 (a, v), Lk-1 (a,v) + w (u,v) }
dengan u adalah simpul yang ditambahkan pada Sk-1 untuk membentuk Sk.
• Proses selesai jika z telah terpilih dalam himpunan simpul S.
Contoh 1 Pengunaan Algoritma Dijkstra untuk
Menentukan Lintasan Terpendek (bag. 1)
b 5 d
6
4 Gunakan Algoritma Dijkstra untuk
8 z
a 1 2 menentukan lintasan terpendek antara
2 3 simpul a dan z pada Graf G1
c 10 e
G1
1 2 3
b ∞ d∞ b 4(a) d∞
b 5 d
4 5 6 4 5 6
4 6 8 8 z ∞
0 a 1 2 z ∞ 0 a 1 2
a 1 8 2 z
2 2 10 3 2 10 3
3
c 10 e c ∞ e ∞ c 2(a) e ∞
S0 = ∅ S1 = {a}
4 b 3 (a,c) d 10 (a,c) 5 b 3 (a,c) d 8 (a,c, b)

4 5 6 5
4 6
0 a 1 8 2 z ∞
0 a 1 8 2 z ∞
2 10 3
2 10 3
c 2 (a) e 12 (a,c)
c 2 (a) e 12 (a,c)
S2 = {a, c}
S3 = {a, c, b}
b 3 (a,c)
6 d 8 (a,c, b)
7 b 3 (a,c) d 8 (a,c, b)
4 5 6
8 4 5 6
0 a 1 2 z 14 (a, c, b, d)
0 a 1 8 2 z 13 (a, c, b, d, e)
2 10 3 2 10 3
e 10 (a,c, b, d) c 2 (a) e 10 (a,c, b, d)
c 2 (a)
S5 = {a, c, b, d,
S4 = {a, c, b, d}
e}
b 3 (a,c)
8 d 8 (a,c, b)
4 5 6 9 b d
5
0 a 1 8 2 z 13 (a, c, b, d, e) 6
4
a 1 8 2 z
2 10 3
2 3
c 2 (a) e 10 (a,c, b, d) c 10 e
S6 = {a, c, b, d, e, z}
Newark
20
Trenton
42 Woodbridge G1 merupakan graf berbobot yang
35 merepresentasikan jalan utama di New
30
60 40 Asbury Park Jersey dan jarak antar kotanya.
Camden 75 Gunakan Algoritma Dijkstra untuk
55 Atlantic City menentukan lintasan terpendek dari
85 45 Newark ke Camden.
Cape May
G1
Newark
2 Newark 0
1 20
S0 = ∅ 20
42 Woodbridge
Trenton 42 Woodbridge ∞
35 ∞ Trenton
30 35
60 40 Asbury Park
30
75 60 40 Asbury Park ∞
Camden
∞ Camden 75
55 Atlantic City
85 45 55 Atlantic City ∞
Cape May 85 45
Cape May ∞
3
Newark 0 4 Newark 0
S2 = {Newark,
S1 = {Newark} 20 20
Woodbridge}
42 Woodbridge 20 (Newark) 62 (N,W) 42 Woodbridge 20 (Newark)
∞ Trenton
Trenton
35 35
30 30
60 40 Asbury Park ∞ 40 Asbury Park 55 (N, W)
60
∞ Camden 75 75
80 (N,W)
55 Atlantic City ∞ 55 Atlantic City ∞
Camden
85 45 85 45
Cape May ∞ Cape May ∞
Contoh 2 Pengunaan Algoritma
5 Newark 0
S3 = {Newark,
Dijkstra untuk Menentukan Lintasan
Woodbridge, Asbury 20 Terpendek (bag. 4)
Park}
42 Woodbridge 20 (Newark)
62 (N,W) Trenton 6
35 Newark 0
30
40 Asbury Park 55 (N, W) S4 = {Newark,
60
Woodbridge, Asbury 20
75
Park, Trenton}
80 (N,W) Camden 55 Atlantic City 130 (N, W, AP) 42 Woodbridge 20 (Newark)
85 45 62 (N,W) Trenton
35
Cape May ∞ 30
40 Asbury Park 55 (N, W)
60
75
80 (N,W) Camden 55 Atlantic City 130 (N, W, AP)
85 45
Cape May ∞
7 Newark 0 Newark
S5 = {Newark, Woodbridge,
Asbury Park, Trenton, 8 20
Camden} 20
42 42 Woodbridge
Woodbridge 20 (Newark) Trenton
62 (N,W) Trenton
35
35 30
30 40 Asbury Park
40 60
60 Asbury Park 55 (N, W)
Camden 75
75
55 Atlantic City
80 (N,W) Camden 55 Atlantic City 130 (N, W, AP) 85 45
85 45
Cape May
Cape May 165 (N, W, C)
Newark ke Cape May? -> N, W, C, CM ; 165

TRAVELING SALESMAN PROBLEM (TSP)
TSP: Seorang salesman ingin

mengunjungi setiap n buah kota
Saginaw tepat satu kali dan kembali ke
113 kota tempat dia memulai
Grand Rapids perjalanannya. Untuk
137 142 98
meminimalkan jarak tempuh
perjalanannya, pilihan rute mana
167 147 yang harus dia pilih?
56
Detroit
135
Kalamazoo 58
133 Hamiltonian Circuit dengan bobot
total minimal pada graf berbobot,
G1 Toledo komplit dan tidak berarah
Contoh 1 Traveling Salesman Problem (bag. 1)
Saginaw
• Asumsikan salesman mulai perjalanan di
113 Detroit
Grand Rapids 137 142 98 • Periksa semua kemungkinan perjalanan
yang mungkin untuk mengunjungi 4
kota lainnya tepat 1 kali dan kembali ke
167 147 Detroit
56
Detroit • Terdapat total 24 buah circuit yang
135 mungkin yaitu (5-1)!
• Urutan yang terbalik (misal ABCDE dan
Kalamazoo 58 EDCBA) akan memberikan total bobot
133 ( jarak tempuh) yang sama, sehingga
sisa 12 circuit yang harus diperiksa
G1 Toledo
Rute Total jarak yang

ditempuh (mil)
Detroit-Toledo-Grand Rapids-Saginaw-Kalamazoo-Detroit 610
Detroit-Toledo-Grand Rapids-Kalamazoo-Saginaw-Detroit 516
Detroit-Toledo-Kalamazoo-Saginaw-Grand Rapids-Detroit 588
Detroit-Toledo-Kalamazoo-Grand Rapids-Saginaw-Detroit 458
Detroit-Toledo-Saginaw-Kalamazoo-Grand Rapids-Detroit 540
Detroit-Toledo-Saginaw-Grand Rapids-Kalamazoo-Detroit 504
Detroit-Saginaw-Toledo-Grand Rapids-Kalamazoo-Detroit 598
Detroit-Saginaw-Toledo-Kalamazoo-Grand Rapids-Detroit 576
Detroit-Saginaw-Kalamazoo-Toledo-Grand Rapids-Detroit 682
Detroit-Saginaw-Grand Rapids-Toledo-Kalamazoo-Detroit 646
Detroit-Grand Rapids-Saginaw-Toledo-Kalamazoo-Detroit 670
Detroit-Grand Rapids-Toledo-Saginaw-Kalamazoo-Detroit 728
Saginaw
113
Grand Rapids 137 98
142
167 147
56
Detroit
135
Kalamazoo 58
133
G1 Toledo
Detroit-Toledo-Kalamazoo-Grand Rapids-Saginaw-Detroit 458

Trik Mempermudah Mendaftarkan Kemungkinan Rute
1 2 3 4
2 1 2 1 4 2
3 4 3 4 3 1
3 3 1 4 2 4 3
4 2 4 2 3 4 1 4 1 3 2 1 1 2 1 2 3
4 3 4 2 3 2 4 3 4 1 3 1 4 1 4 2 1 2 1 3 1 2 3 2
Contoh 2 Traveling Salesman Problem
a
b • Selesaikan Masalah TSP pada G1
3
dengan cara menentukan bobot
5
total untuk semua Hamiltonian
2 6
circuit yang mungkin dan
4
menentukan yang menghasilkan
d 7 c bobot total paling minimal.
G1
a
b
Rute Bobot Total 3
a,b,c,d,a 18 5
a,b,d,c,a 19 2 6
a,c,b,d,a 17 4
d 7 c
G1
Daftar Pustaka
Discrete Mathematics and Its Applications (3rd edition). Kenneth H Rosen. McGraw-Hill Inc. Singapore,
1995
L Toscano, S Stella, and E Milotti, Using graph theory for automated electric circuit solving, [tersedia:
https://core.ac.uk/download/pdf/53745212.pdf]

Ghidoni, S., Nanni, L., Brahnam, S., and Menegatti, E. 2014. Texture Descriptors Based on Dijkstra's
Algorithm for Medical Image Analysis. Studies in Health Technology and Informatics 207:74-82.
Ustun, T.S., Ozansoy, C., and Zayegh, A. 2011. Implementation of Dijkstra's algorithm in a dynamic
microgrid for relay hierarchy detection. DOI: 10.1109/SmartGridComm.2011.6102370
PENERAPAN TEORI GRAF
DI BIDANG TEKNIK INDUSTRI
Dr. Rakhma Oktavina

Prodi Teknik Industri Universitas Gunadarma
Teori Graf
⚫ Graf merupakan diagram yang memuat informasi
tertentu dan dilambangkan dengan suatu
keterhubungan antar titik.
⚫ Graf menggambarkan berbagai macam struktur yang
ada, misalnya: struktur organisasi, rute jalan, bagan
alir pengambilan mata kuliah, dan lain-lain.
⚫ Tujuan Graf adalah untuk menggambarkan obyek-
obyek agar lebih mudah dimengerti.
Komponen Graf
⚫ Himpunan simpul / verteks / titik / node yang dilambangkan
dengan V= V(G) = {v1, v2, ..., vn}, yang berhingga dan tidak
kosong.
⚫ Himpunan ruas / garis / edge yang dilambangkan dengan E=
E(G) = {e1, e2, ..., em}, yang berhingga dan boleh kosong.
⚫ Setiap ruas menghubungkan dua simpul.
⚫ Suatu graf dinyatakan dengan G (V, E), dimana simpul dinyatakan
dengan titik dan ruas dinyatakan dengan garis.
Jenis Graf
⚫ Graf yang tidak mempunyai ruas dinamakan graf kosong
(null graph) (f).
⚫ Graf yang mempunyai simpul yang dihubungkan dengan
lebih dari satu ruas dinamakan multiple graph
(multigraph) (e).
⚫ Graf yang semua ruasnya tidak berarah dinamakan graf
tak berarah(undirected graph) (a,b,c).
⚫ Graf yang semua ruasnyaberarah dinamakan graf
berarah(directed graph atau digraph) (d,e).
⚫ Graf yang setiap simpulnya dihubungkan ke simpul yang
lain disebut graf lengkap (complete graph) (b).
⚫ Graf yang tidak mempunyai gelang atau ruas ganda
dinamakan graf sederhana (simple
Graph) (a, b, d)
.
• Graf yang mempunyai gelang atau ruas ganda dinamakan

graf tidak sederhana (unsimple graph) (c, e)
Jalan (Walk)
• Jalan adalah urutan simpul dan ruas yang bergantian tidak kosong dan
berhingga yangdimulai dan diakhiri dengan simpul, dimana setiap ruas
menghubungkan dua simpul (sebelum dan sesudah ruas tersebut). Dalam
lintasan, simpul dan ruas bisa diulang.
• Jalan dengan panjang n dari simpul u ke w dituliskan sebagai: v1, e1, v2, e2,
..., vn-1, en-1, vn, en dengan v1 = u, vn = w, vj-i dan vi adalah simpul simpul
ujung ruas ei.
● Jalan Tertutup : Jika simpul awal = simpul akhir (v0 = vk)
● Jalan Terbuka : Jika simpul awal  simpul akhir (Vo  Vk)

Jejak/Tapak (Trail)
• Jejak/Tapak merupakan lintasan dimana semua ruasnya berlainan (tidak

diulang), sedangkan simpulnya boleh diulang.
• Jejak/Tapak dengan panjang n dari simpul u ke w dituliskan sebagai: v1, e1,
v2, e2, ..., vn-1, en-1, vn,en dengan v1 = u, vn = w, ei ≠ ej untuk i  j.
Lintasan/Jalur (Path)
• Litasan/Jalur merupakan tapak dimana semua simpulnya berlainan, kecuali

jika jalur tersebut merupakan jalur tertutup sehingga simpul awal sama dengan
simpul akhir.
• Lintasan/Jalur dengan panjang n dari simpul u ke w dituliskan sebagai: v1, e1,
v2, e2, ..., en-1, vn-1, en, vn dengan v1 = u, vn = w, ei ≠ ej untuk i  j dan vk ≠
vm untuk k  m.
● Setiap lintasan adalah jejak, tetapi jejak tidak harus berupa lintasan
Sirkuit (Circuit)
• Sirkuit adalah jalur yang tertutup.
• Sirkuit dengan panjang n dari simpul u kembali ke u lagi dituliskan sebagai: v1,
e1, v2, e2, ..., en-1, vn-1, en, vn dengan v1 = vn = u, ei  ej untuk i j dan
vkvm untuk k  m.
● Setiap siklus adalah sirkuit, tetapi sirkuit tidak harus berupa siklus
Siklus (Cycle)
⚫ Merupakan jalan (walk) tertutup dimana tidak
ada simpul lain yang diulangi selain simpul awal
dan akhir
Konsep Simpul/Titik Sisi
Jalan (Walk) Boleh berulang Boleh berulang
Jejak (Trail) Boleh berulang Boleh berulang
Lintasan (Path) Tidak berulang Tidak berulang

Contoh:
APLIKASI GRAF
⚫ Masalah Penjadualan Produksi / Proyek (Network Analysis)
⚫ Masalah Transportasi (Shortest Rute)
⚫ Masalah Penugasan (Hungarian Method)
⚫ Masalah Perencanaan Tata Letak fasilitas (Branch and Bound)
⚫ Masalah Penentuan Lokasi Pabrik (Teori Weber)
⚫ Masalah Optimasi Kejadian Deterministik dan Probabilistik
(Dynamic Programming)
⚫ dll
A. MASALAH PENJADUALAN PRODUKSI
⚫ Penjadwalan produksi merupakan proses pengalokasian sumber daya

(resource) untuk setiap proses yang akan dilakukan (Vollmann et al.,
2005).
⚫ Penjadwalan produksi merupakan proses pengambilan keputusan untuk
menghasilkan output melalui proses pengelompokan, pemilihan dan
penetuan waktu penggunaan sumber daya (resource) yang dimiliki
Penjadwalan produksi adalah proses untuk mengambil keputusan kapan
dan dimana pekerjaan akan dilakukan untuk menghasikan output tertentu.
Contoh Kasus
⚫ Kasus : Perancangan Jadual Produksi Jamu Dengan Prosedur Cara Proses Produksi Obat Yang
Baik (CPPOB) (Oktavina, R.,dan Retno M, 2011)
⚫ Metodologi : Analisis Jaringan Kerja (Network Analysis) dengan Project Evaluation and
Review (PERT ) dan Critical Path Method (CPM)
⚫ Penelitian ini bertujuan untuk (1) mengidentifikasikan tahapan proses produksi jamu yang
baik sesuai standar CPOTB, (2) mengidentifikasik dan mengumpulkan data mengenai proses
produksi, jenis aktivitas, dan informasi lain yang diperlukan dari bagian arsip di beberapa
perusahaan jamu yang telah memenuhi standar Cara Produksi Obat Tradisional yang Baik
(CPOTB) pada proses produksinya, (3) membuat algoritma penjadualan proses produksi
industri jamu yang memenuhi standar CPOTB dalam bentuk jaringan kerja.
⚫
Metodologi
METODA JARINGAN KERJA (NETWORK)
- Berdasarkan waktu kegiatan

* Metoda Critical Path Method (CPM)
* Metoda Program Evaluation and Review Technique (PERT)
- Berdasarkan alur kegiatan (lambang yang digunakan):
* Activity On Arrow (AOA) PERT DAN CPM
* Activity On Node (AON) PDM (Precedence Diagram Method)
PEMBUATAN JARINGAN KERJA (NETWORK)
1. Mengidentifikasi dan merumuskan kegiatan

- Lingkup kerja proyek
- Sasaran proyek
- Sumberdaya proyek
- Hubugan antar kegiatan/sub kegiatan
Batas/definisi yang erat hubungannya dengan analisis jaringan kerja adalah sbb:
• Kegiatan (activity) merupakan bagian dari lingkup proyek yang memiliki waktu awal dan akhir, sehingga
untuk melaksanakannya memerlukan sumberdaya (waktu, uang, tenaga, dll)
• Jaringan kerja (network) merupakan grafik yang menggambarkan urutan kegiatan-kegiatan proyek,
termasuk hubungan yang satu dengan yang lain.
• Kejadian (even) merupakan tanda selesainya satu atau lebih kegiatan
• Jalur (path) merupakan garis yang menghubungkan kegiatan pada jaringan kerja
• Jalur kritis (critical path) merupakan jalur yang terdiri dari kegiatan-kegiatan yang bila terlambat akan
mengakibatkan keterlambatan penyelesaian proyek
Data Aktivitas
Pada Proses
Produksi Jamu
Dengan
Prosedur
CPPOB
2. Estimasi Waktu Penyelesian Proyek
- Ditentukan oleh tim proyek berdasarkan konsensus bersama antar anggota tim atau pengalaman
proyek sejenis
- Dua pendekatan estimasi:
(a) Menggunakan 3 nilai : Optimistik (a), Umum (m), dan
Pesimistik (b) PERT
(b) menggunakan 1 nilai waktu, digunakan untuk proyek yang sudah ada waktu rata-rata (waktu
baku)
CPM
Penentuan Estimasi Waktu Menggunakan Program Evaluation and Review Technique (PERT)
Te = (a + 4m + b)/ 6
Dimana: Te = Taksiran waktu

V = variansi
V = ((b-a )/ 6)2 untuk 0 dan 100%
Atau
V = ((b-a) / 3,2) 2 untuk 5% (tingkat kepercayaan 95%)

Contoh:
Kode aktivitas Aktivitas pendahulu Taksiran waktu penyelesaian (bln)

Optimistik Umum Pesimistik Te
(a) (m) (b)
A - 1 2 3 2
B - 2 3 4 3
C - 3 4 5 4
D A 2 4 6 4
E A 2 3 10 4
F B 1 3 5 3
G C 1 4 7 4
H D 1 3 11 4
I B,G 4 4 4 4
J H 1 3 11 4
K E,F 5 7 15 8
L I 1 1 1 1
Network Proses Produksi Jamu Dengan Prosedur CPPOB
Identifikasi Aktivitas Kritis
Jalur kritis berkaitan dengan semua kegiatan kritis dapat ditentukan. Prosedur mendapatkan jalur kritis sama
seperti yang terdapat pada langkah ke delapan metode PERT yaitu Max. varians. Cara lain untuk mengetahui
apakah suatu kegiatan kritis atau tidak adalah dengan melihat nilai Total Folat dan Free Float (S atau Tf dan SF
atau FF ) dengan metode CPM.
Jika kegiatan (i, j) kritis maka S atau TF = 0 dan jika S atau TF = 0 maka kegiatan (i, j) kritis.
Bukti: Dari persamaan (9) TF = LC - EC , yang dapat dituliskan sebagai LC - EC + ES – ES atau dengan
persamaan (10) diperoleh TF = (LC – ES ) – FF . Berdasarkan persamaan (5), jika kegiatan (i, j) kritis maka LC =
ES , sehingga TF = – FF . Karena FF  0 maka TF = 0. Sebaliknya jika TF = 0 maka LC = EC , sehingga LC –
ES = EC – ES , ruas kiri menjadi SL dan ruas kanan = ES + D – (ES + D ) sehingga SL = 0 dengan
menambahkan ESi pada kedua ruas di persamaan LCj = EC maka dengan cara sama diperoleh SL = 0 sehingga
terbukti kegiatan (i, j) kritis.
Dari pembuktian terlihat pula jika (i, j) kritis maka SF atau FF = 0, tetapi hal sebaliknya tidak berlaku. Solusi
analisis jaringan kerja dengan metode CPM didasarkan pada kuantitas ES , LC , EC , LS , TF dan FF .
Solusi Dengan Metode PERT
● Penyusunan jadwal dengan melibatkan tiga nilai estimasi dari durasi setiap kegiatan dikenal sebagai
metode PERT (Project Evaluation and Review Technique).
● Ketidakpastian penentuan durasi setiap kegiatan dalam metode PERT dicerminkan dengan tiga nilai
estimasi yaitu waktu optimistis, waktu yang paling mungkin dan waktu pesimistis dari durasi setiap.
● Ketiga nilai ini diperoleh berdasarkan pengalaman manajer produksi dalam memperkirakan lamanya
waktu proses sebagaimana dijelaskan pada bagian sebelumnya.
● Prosedur metode PERT untuk mendapatkan solusi analisis network:
1. Representasi data network berupa pasangan (i, j) untuk setiap kegiatan yang terlibat dan
representasi grafis berupa (diagram anak panah) dari semua aktifitas dalam suatu proyek
2. Perkiraan durasi setiap kegiatan berupa waktu tercepat ( optimistis) a, waktu terlama b
(pesimistis) dan waktu yang paling mungkin terjadi (ekspektasi) m. Sehingga dengan tiga perkiraan
itu, distribusi durasi suatu kegiatan dapat diasumsikan mengikuti distribusi normal. Dengan
parameter distribusi adalah: rerata durasi dari setiap kegiatan: dan yaitu
variansi dari durasi untuk setiap kegiatan/aktivitas.
Solusi Dengan Metode CPM
Selain nilai ES di setiap simpul, nilai LF di setiap simpul sebagaimana yang terdapat pada metode
PERT diperlukan juga:
1. Nilai LS , kegiatan (i, j) dihitung dengan formula: LF = LF – D
2. Nilai EC , waktu tercepat menyelesaikan kegiatan (i, j) dihitung dengan formula EFij = ES + D
3. Nilai S atau TF , Total float dari kegiatan (i, j) dihitung dengan formula:
TF = LF – ES – D atau
TF = LF – EC atau
TF = LS – ES .
4. Nilai SF atau FF free float dari kegiatan (i ,j) dihitung dengan formula:
FF = ES – ES – D atau FF = ES -
EF .
⚫ Penggabungan Solusi CPM dan PERT : PERT TYPE SYSTEM
Metode analysis jaringan kerja PERT dan

CPM digunakan dalam satu kerangka kerja
untuk menghasilkan jadwal kegiatan sesuai
kebutuhan.
Output dari Metode PERT dijadikan input dari

metode CPM yang nantinya digunakan
kembali bersama output dari metode CPM
untuk menyusun jadwal kegiatan
.
⚫ B. Masalah Transportasi (Shortest Rute)
⚫ Metode Transportasi merupakan suatu metode yang
digunakan untuk mengatur distribusi dari sumber-
sumber yang menyediakan produk yang sama ke
tempat-tempat yang membutuhkan secara optimal
dengan biaya yang termurah.
⚫
⚫ Alokasi produk ini harus diatur sedemikian rupa

karena terdapat perbedaan biaya-biaya alokasi dari
satu sumber atau beberapa sumber ke tempat
tujuan yang berbeda.
Algoritma
⚫ Greedy
⚫ Jarak pendek / rute lokal
⚫ Dijkstra
⚫ Breadth First
⚫ Hill Climbing Rute antar kota (Traveling
⚫ Depth First Salesman problem)
⚫ Nearest neighbor Jarak dan kapasitas
⚫ Tabu Search angkut kendaraan
⚫ dll
Contoh Kasus
Kasus :
Pencarian Rute terpendek Dengan Algoritma
Greedy (Hayati, E.N. dan Antoni Y, 2014)
Tujuan :
Menentukan rute optimum dari Kecamatan
Ngaliyan ke Kecamatan Sampangan
sehingga mempunyai jarak terpendek.
Lintasan : Nama daerah dari kecamatan

Ngaliyan sampai kecamatan Sampangan
yang akan dilalui disimbolkan dengan abjad
A sampai dengan L, sedangkan daerah
disimbolkan dengan lingkaran (node)
Rute yang dilewati dari kecamatan Ngaliyan ke kecamatan Kendeng
Algoritma Greedy
Algoritma greedy adalah algoritma yang memecahkan masalah langkah demi langkah, pada setiap
langkah :
a. Mengambil pilihan yang terbaik yang dapat diperoleh saat itu
b. Berharap bahwa dengan memilih optimum local pada setiap langkah akan mencapai optimum
global. Algoritma greedy mengasumsikan bahwa optimum lokal merupakan bagian dari optimum
global.
Persoalan optimasi dalam konteks algoritma greedydisusun oleh elemen-elemen sebagai berikut:
a. Himpunan kandidat, C. Himpunan ini berisi elemen-elemen pembentuk solusi. Pada setiap
langkah, satu buah kandidat diambil dari himpunannya.
b. Himpunan solusi, S. Merupakan himpunan dari kandidat-kandidat yang terpilih sebagai solusi
persoalan. Himpunan solusi adalah himpunan bagian dari himpunan kandidat.
c. Fungsi seleksi – dinyatakan sebagai predikat SELEKSI – merupakan fungsi yang pada setiap
langkah memilih kandidat yang paling mungkin untuk mendapatkan solusi optimal. Kandidat yang
sudah dipilih pada suatu langkah tidak pernah dipertimbangkan lagi pada langkah selanjutnya.
d. Fungsi kelayakan (feasible) – dinyatakan dengan predikat LAYAK – merupakan fungsi yang
memeriksa apakah suatu kandidat yang telah dipilih dapat memberikan solusi yang layak, yakni
kandidat tersebut bersama-sama dengan himpunan solusi yang sudah terbentuk tidak melanggar
kendaara yang ada.
e. Fungsi obyektif, merupakan fungsi yang memaksimumkan atau meminimumkan nilai solusi.
Prosedur Algoritma Greedy
a. Periksa semua sisi yang langsung bersisian dengan simpul a. Pilih sisi yang
bobotnya terkecil.Sisi ini menjadi lintasan terpendek pertama, sebut saja L(1).
b. Tentukan lintasan terpendek kedua dengan cara berikut:

i. hitung: d(i) = panjang L(1) + bobot sisi dari simpul akhir L(1) ke simpul i yang
lain
ii. pilih d(i) yang terkecil
Bandingkan d(i) dengan bobot sisi (a, i). Jika bobot sisi (a, i) lebih kecil daripada
d(i), maka L(2) = L(1) U (sisi dari simpul akhir L(i) ke simpul i)
c. Dengan cara yang sama, ulangi langkah 2 untuk menentukan lintasan terpendek
berikutnya.
Graf dari node A sampai dengan node L dan bobot tiap-tiap sisi
(bobot menyatakan jarak dari setiap node satu ke node lain).
Lintasan pertama yang harus dipilih dari node A ke node B

(sisi AB) dengan bobot 2.
Memilih sisi yang berdekatan dengan sisi AB, yaitu sisi BC dengan
bobot 2 dan sisi BD dengan bobot 2. Dengan memilih sisi AB maka
bobot totalnya 4 demikian juga memilih sisi BD maka bobot totalnya 4.
Sehingga memilih sisi BC dan sisi BD.
Selanjutnya memilih sisi yang berdekatan dengan sisi BC,
yaitu sisi CE dengan bobot 0,22 sehingga bobot totalnya
4,22. Sisi yang berdekatan dengan sisi BD adalah sisi DC
dengan bobot 3, sehingga bobot totalnya 7, sisi DG juga
berdekatan dengan sisi BD dengan bobot 2,5 sehingga
bobot totalnya 6,5. Jadi memilih sisi DG karena mempunyai
bobot lebih kecil.
Selanjutnya memilih sisi yang berdekatan dengan sisi CE, yaitu
sisi EL dengan bobot 12 jadi bobot totalnya 16,22.Sisi GI dengan
bobot 2 berdekatan dengan sisi DG, jadi bobot totalnya 9.
Selanjutnya memilih sisi yang berdekatan dengan sisi GI, yaitu

sisi IK dengan bobot 2 jadi bobot totalnya 10,5.
Selanjutnya memilih sisi yang berdekatan dengan sisi IK, yaitu sisi KJ
dengan bobot 1 sehingga bobot totalnya 11,5 dan sisi KL dengan
bobot 3,5 jadi bobot totalnya 14. Sehingga memilih sisi KJ karena
mempunyai bobot lebih kecil
Selanjutnya memilih sisi yang berdekatan dengan sisi KJ, yaitu sisi
JL dengan bobot 0,5 sehingga bobot totalnya 12
Rute yang optimal dengan jarak yang paling pendek adalah :

A→ B → D → G → I → K → J → L dengan jarak 12, yaitu
Ngaliyan → SPBU Ngaliyan → Pasadena → Kalipancur →
Simongan → SPBU Jembatan Besi → Menoreh → Sampangan.
⚫ C. Masalah Tata Letak Fasilitas
Tata letak fasilitas adalah tata cara pengaturan fasilitas-fasilitas pabrik untuk menunjang proses
produksi, dengan menempatkan mesin atau fasilitas penunjang lain secara efektif dan efisien pada
area yang telah disediakan, sehingga dapat meminimasi pergerakan dari fasilitas satu kefasilitas
lainnya, dengan memperhatikan beberapa hal yaitu :
1. Luas dan bentuk bangunan
2. Area untuk penempatan mesin/fasilitas penunjang produksi lainnya
3. Ruang untuk pergerakan material
4. Area penyimpanan
5. Ruang pergerakan pekerja
Penelitian yang pernah dilakukan sebelumnya (Heragu, 2008) dinyatakan bahwa metode Graph
Theoretic Approach dapat digunakan untuk merancang tata letak pabrik dengan mengidentifikasi
Maximal Planar Adjacency Graph (PAG).
Metode Graph Theoretic Approach digunakan dengan cara trial and error dan mempertimbangkan
total momen untuk menentukan kedekatan masing-masing departemen.
Graph Theoretic Approach merupakan salah satu algoritma heuristik yang dikembangkan oleh
Stefan Hetzl dan Peter Mutzel, untuk mengidentifikasi Maximal PlanarAdjacency Graph (PAG).
Departemen-departemen yang harus saling berdekatan dapat diketahui melalui Maximal PAG
tersebut.
Contoh Kasus
⚫ Kasus : Usulan perbaikan Tata Letak Pabrik di PT. A Dengan Metode Graph Theoretic Approach (Elly
Setia Budi, Julius Mulyono, Dian Retno Sari Dewi). Jurnal I lmiah Widya Teknik Vol. 13 - No. 1 -
Tahun 2014. ISSN 1412-7350.
⚫ Deskripsi Kasus:
⚫ Tempat penelitian dilakukan pada PT. A, sebuah industri yang bergerak pada bidang manufaktur yang
memproduksi furniture dan merupakan perusahaan job shop. Beberapa macam produk yang
dihasilkan, seperti meja belajar dan meja komputer. Layout lantai produksi PT. A tidak pernah berubah
secara signifikan dari awal pendirian. Selama ini hanya dilakukan peletakan mesin baru pada area
yang kosong. Pada lantai produksi PT. A akan dilakukan perancangan tata letak yang dapat
meminimasi total momen perpindahan yang terjadi dengan menggunakan Graph Theoretic Approach.
Layout usulan didapatkan dengan membuat Maximal PAG dari beberapa iterasi, kemudian dianalisis
lebih lanjut untuk mencari solusi dari permasalahan ini.
Langkah-langkah Pembuatan Maximal PAG dengan Metode GTA
1. Tentukan pasangan mesin dalam flow matrix yang memiliki aliran perpindahan terbesar.
Letakkan node-node tersebut dalam PAG baru dan hubungkan.
2. Dari baris node-node yg terhubung tersebut pada flow matrix, carilah node yang belum ada di
PAG dan memiliki aliran perpindahan terbanyak dengan node yang telah terhubung di PAG.
3. Perbarui PAG dengan menghubungkan node terpilih dengan node-node pada PAG (yang terpilih
pd langkah ke-1). Hal iniakan membentuk triangular face pada PAG. Pilihlah permukaan ini dan
lanjutkan ke langkah ke-4.
4. Dari setiap kolom pada flow matrix, dimana node belum ada di PAG, lakukan penjumlahan dari
aliran masuk ke baris yang ada di node-node dari permukaan segitiga terpilih. Pilihlah kolom
dengan jumlahan terbesar. Perbarui PAG dengan meletakkan node di antara permukaan terpilih
dan hubungkan node tersebut dengan node-node dari permukaan terpilih tersebut. Hal ini akan
membentuk 3 permukaan segitiga baru.
5. Secara arbiter, pilihlah salah satu permukaan yang telah terbentuk dan lanjutkan ke langkah ke-
4. Kemudian ulangi langkah ke-5 sampai semua node telah masuk ke dalam PAG.
Pengumpulan Data
⚫ Data yang diperlukan meliputi data yang berkaitan dengan proses produksi, massa masing-
masing part yang akan dipindahkan, total momen perpindahan awal, luasan lantai produksi,
hingga penataan departemen yang digunakan pada lantai produksi di PT. A.
⚫ Pengumpulan data dilakukan dengan cara wawancara kepada pihak perusahaan yang
bersangkutan dan observasi langsung pada perusahaan terkait. Produk yang dijadikan objek
penelitian adalah seluruh produk yang biasanya diproduksi hingga saat penelitian dilakukan.
⚫ Produk yang menjadi obyek adalah meja komputer (GT47476, OL61611, AF85885) dan meja
belajar (P12133, H43477). Produk bersifat knockdown. Bahan baku utama yang digunakan
adalah kayu PB (Particle Board) dan pipa besi.
Data Parts Produk
Data Permintaan Produk Per Bulan Data Routing Process Masing-masing Part
Data Departemen Di Lantai Produksi A

Pengolahan Data
⚫ Pembuatan layout awal lantai produksi perusahaan
Jumlah Mesin Per Departemen
⚫ Pembuatan layout Usulan Perbaikan
1. Menghitung perpindahan Iterasi 0
massa yang terjadi antar Dari seluruh node yang tersedia, dipilih jumlah
masing-masing aliran perpindahan massa yang paling besar,
departemen. yaitu node 14 dan 16 (sebesar 15406,5 kg).
Kemudian node 14 dan 16 dihubungkan.
Iterasi 1
Dipilih busur 14–16, node 13 memiliki jumlah
aliran perpindahan terbesar dengan node 14
dan 16 (sebesar 13183,0029 kg). Kemudian
node 13 yang terpilih dan dihubungkan dengan
node 14dan 16.
Iterasi 2
Dipilih busur 13-14-16, node 1 memiliki jumlah
aliran perpindahan terbesar dengan node 13, 14,
dan 16 (11113,8876 kg). Kemudian node 1 yang
terpilih dan dihubungkan dengan node 13, 14,
dan 16.
Iterasi 3
terpilih dan dihubungkan dengan node 1, 13,
dan 14.
Iterasi 4
terpilih dan dihubungkan dengan node 1, 13, dan
16.
Iterasi 14
Dipilih busur 11-13-14, node 15 (terakhir)
memiliki jumlah aliran perpindahan terbesar
dengan node 11, 13, dan 14 (211,2668 kg).
Kemudian node 15 yang terpilih dan
dihubungkan dengan node 11, 13, dan 14.
Kemudian dibuat from to chart dan flow matrix sebagai alat bantu dalam pengerjaan
menggunakan metode GTA. Setelah itu dilakukan pembuatan maximal PAG dari
menghubungkan node-node yang terpilih.
From To Chart
Flow Matrix
Hasil Iterasi dengan Menggunakan GTA
⚫ 2. Menggambarkan dual dari maximal PAG untuk mengetahui departemen yang seharusnya berdekatan. Dari dual
maximal PAG dapat digambarkan layout usulan dengan mengikuti langkah algoritma heuristik baru yang
mempertimbangkan bobot antar masing-masing departemen. Setelah itu dilakukan perhitungan total momen
perpindahan dari layout usulan untuk dibandingkan dengan total momen perpindahan layout awal.
Step 1 : Gambarlah permukaan seluruh departemen dalam bentuk persegi
Step 2 : Carilah departemen yang paling banyak dilalui oleh aliran produksi. Depertemen (i)
tersebut akan menjadi pusat dan diletakkan di bagian tengah pada penggambaran layout
usulan. Tandai i = i* , artinya departemen yang telah terpilih tidak dapat dipilih kembali.
Step 3 : Pemilihan departemen selanjutnya dilihat dari Dual Maximal PAG. Pilih
departemen yang bersinggungan langsung dengan garis lengkung departemen sebelumnya
(i*). Akan terdapat beberapa pilihan departemen.
Step 4 : Pilih salah satu departemen baru (i) dengan melihat bobot perpindahan terbesar yang
terhubung dengan departemen sebelumnya (i*).
Step 5 : Letakkan departemen berikutnya yang terpilih pada salah satu sisi departemen pusat
tersebut. Jika bobot antar hubungan departemen adalah yang paling besar, maka usahakan
peletakkannya segaris (dilihat dari titik berat) karena perhitungan jarak menggunakan
rectilinear. Serta beri garis penghubung antar departemen yang menunjukan tingkat
kedekatan. Warna merah (tingkat 70-100% dari bobot terbesar) menunjukkan sangat dekat,
warna biru(tingkat 40-70% dari bobot terbesar) menunjukkan dekat, warna hijau (tingkat
10-40% dari bobot terbesar) menunjukkan cukup dekat, dan warna kuning (tingkat 0,5-10%
dari bobot terbesar) menunjukkan biasa. Hal inididasari oleh bobot perpindahan antar
departemen.
Step 6 : Pemilihan departemen berikutnya
mempertimbangkan bobot terbesar yang terkait pada
⚫ 3. Usulan layout yang baru disesuaikan dengan
departemen-departemen yang telah dipilih sebelumnya. keadaan luas dan jumlah mesin perusahaan. Setiap
Letakkan seluruh departemen hingga menjadi layout perpindahan yang terjadi dihitung secara rectilinear
Area Allocatiaon Diagram (AAD) yang belum memiliki
dimensi (belum menggunakan ukuran departemen yang dan diasumsikan perpindahan dimulai dan diakhiri
sesungguhnya). pada titik berat (centroid) mesin.
Step 7 : Ubah bentuk dari setiap departemen yang
berbentuk persegi, menjadi ukuran yang sebenarnya.
Perhatikan juga jika ada jarak yang ditentukan untuk
aisle.
Step 8 : Selanjutnya, perlihatkan batas ukuran luasan

bangunan atau lantai produksi yang bersangkutan. Total
panjang dan lebar dari keseluruhan departemen tidak
boleh melebihi panjang dan lebar bangunan atau lantai
produksi
Step 9 : Bila ada departemen yang berada di luar batas,

maka layout akan diatur hingga seluruh departemen
berada dalam batasan dengan tetap mengacu pada
tingkat kedekatan yang telah terlihat pada AAD tanpa
dimensi. Pengaturan dapat berupa dengan pemindahan,
penggeseran, atau merotasi departemen (menjadi
portrait atau landscape) untuk memberikan ruang bagi Layout Usulan Perbaikan
departemen lain.
Hasil
⚫ Dari hasil perhitungan yang telah dilakukan, layout usulan 1 dapat mengurangi total momen
perpindahan sejumlah 1.155.006,2603 kg.m dengan persentase minimasi 47,9323 % dari
layout awal yaitu dengan total momen perpindahan sejumlah2.409.663,0894 kg.m.
⚫ Terjadi perbedaan jumlah mesin hasil perhitungan dengan jumlah mesin yang saat ini
digunakan. Hal ini memperlihatkan bahwa pemakaian jumlah mesin seharusnya dapat
dikurangi. Jumlah mesin awal 34 unit, hasil setelah perhitungan 27 unit.
GRAPH PLANAR DAN PEWARNAAN GRAPH
Dr. D. L. Crispina Pardede, D.E.A.
Dr. Ricky Agus Tjiptanata, S.T., S.Si., M.M.
LINGKUP MATERI
Penerapan
Pewarnaan Simpul 6 1 Graph Planar
Algoritma 5 2 Dual dari Graph

Planar
Pewarnaan Simpul
Bilangan 4 3 Pewarnaan Simpul

Kromatik
Graph Planar
Graph yang dapat digambarkan pada bidang datar
tanpa ada ruas yang berpotongan
Graph Planar
Bagaimana memeriksa apakah sebuah graph merupakan graph
planar?
A B
A B A B
C D
C D C D
Beri nama semua Gambar semua ruas Ruas dapat digambar tanpa ada ruas
simpul graph tanpa ada yang yang berpotongan.
berpotongan. Jadi, graph tersebut merupakan graph
planar.
Graph Planar
Beberapa jenis graph Apakah semua graph tersebut
merupakan
Cn: Cycle dengan n simpul
graph planar?
Kn: Graph lengkap dengan n simpul
Km,n: Graph biparti lengkap dengan m+n simpul
Tn: Pohon dengan n simpul
Wn: Graph roda (wheel) dengan n+1 simpul
Graph Planar
Cn: Cycle dengan n simpul
Cn adalah Graph Planar untuk sembarang n

Graph Planar
Kn: Graph lengkap dengan n simpul
K1 K2 K3 K4 K5 K6 K7
Kn adalah Graph Planar untuk n  4 Kn bukan Graph Planar untuk n > 4

Graph Planar
Km,n: Graph biparti lengkap dengan m+n simpul
K3,3
K12 K1,3 K2,2 K2,3 Tidak Planar
Km,n adalah graph planar jika tidak mengandung graph bagian K3,3
Graph Planar
Tn: Pohon dengan n simpul
Tn adalah graph planar untuk sembarang n.

Graph Planar
Wn : Graph roda (wheel) dengan n+1 simpul
W3 W4
Wn adalah graph planar untuk sembarang n.

Dodecahedron Sebagai Graph
Planar
Leonardo da Vinci (1452-1519)
Octahedron Sebagai Graph
Planar
Icosahedron Sebagai Graph
Planar
Region Pada Graph Planar
Graph planar memiliki Region (daerah) yang dibatasi oleh sebuah
perjalanan tertutup (cycle).
REGION II
REGION I
Derajat Region pada graph planar ditentukan oleh panjang
perjalanan tertutup yang membatasi region.
REGION II
REGION I
Derajat (REGION I) = 5.
Derajat (REGION II) = 5.
Jumlah derajat semua region pada graph planar sama dengan dua
kali banyaknya ruas graph tersebut.
REGION II
REGION I
Jumlah ruas = 5 Derajat (REGION I) = 5.
Jumlah derajat region = 10
Ada berapa region pada graph G = (V,E)?
Hitung derajat setiap regionnya.
Apakah jumlah derajat region sama dengan dua kali jumlah ruas graph?
G = (V,E) I
A B Derajat (REGION I) = 3.
III
Derajat (REGION III) = 3.
II IV
Derajat (REGION IV) = 3.
C D Jumlah derajat region = 12
E  = 6
Formula Euler Pada Graph Planar
Pada graph planar G=(V,E) berlaku n(V) - n(E) + n(R) = 2.
dimana
n(V) : banyaknya simpul.
n(E) : banyaknya ruas.
n(R) : banyaknya region.
Formula Euler Pada Graph Planar
Diketahui graph planar G=(V,E).
G=(V,E) Jelas bahwa
II n(V) = 4
A B
n(E) = 6
III
I Terdapat 4 (empat) region,
IV
yaitu region I, II, III, IV.
C D Jadi, n(R) = 4
n(V) - n(E) + n(R) = 4 – 6 + 4 = 2

Dual dari Graph Planar
Graph Dual adalah dual dari graph planar.
Region dari graph planar menjadi Simpul pada graph dualnya.
Dual dari Graph Planar
G = (V,E) GD = (VD, ED)
I
I
A B
II III
IV
III II IV
C D
Pewarnaan Graf (Graph Coloring)
Pewarnaan Graf adalah pemberian warna terhadap simpul dari graf sedemikian sehingga dua simpul
yang berdampingan (atau bertetangga) mempunyai warna yang berbeda (atau tidak sama). Dikenal juga
sebagai pewarnaan simpul (Vertex Coloring).
C
Kita katakan graf G berwarna n bila graf tersebut menggunakan n warna.
Contoh 1:
K3
K2
A A B A B
G1 G2 G3
G1 berwarna 1
G2 berwarna 2 3 buah graf berbeda
G3 berwarna 3
Pewarnaan Graf (Graph Coloring)
Contoh 2: 3 buah graf yang sama, tetapi menggunakan jumlah warna yang berbeda
G1 G2 G3
G1 berwarna 4
G2 berwarna 3
G3 berwarna 2 TANTANGAN pada pewarnaan graf ini adalah Penggunaan Jumlah Warna
yang paling sedikit
Bilangan Kromatik
Penggunaan Jumlah Warna pada graf yang paling sedikit dikenal dengan bilangan Kromatik.
Jumlah minimum warna yang dibutuhkan dalam pewarnaan graf G disebut bilangan Kromatik dari G.
Ditulis dengan K(G) atau (G)

Contoh 3:
Graf K4 memiliki bilangan kromatik 4

K4
Bilangan Kromatik
Contoh 4:
A A A
G B
F B
E B
F C
E C
D C D E D
K5 K6 K7
Graf Lengkap Kn akan memiliki bilangan kromatik n

Bilangan Kromatik
Contoh 5:
G1
G2
Graf G1 dan G2 (berupa graf Tree / Pohon)
memiliki bilangan kromatik 2
Bilangan Kromatik
Contoh 6:
B3,3 K3,3
Graf B3,3 merupakan Graf Bipartisi, Sedangkan Graf K3,3 merupakan Graf Bipartisi Lengkap.
Keduanya memiliki bilangan kromatik 2
Bilangan Kromatik
Contoh 6:
B3,3 K3,3
Graf B3,3 di atas dapat dipartisi menjadi 2, yakni partisi kiri dan partisi kanan. Sedangkan Graf K3,3 di atas
dapat dipartisi menjadi 2, yakni partisi atas dan bawah
Graf Bipartisi memiliki bilangan Kromatik 2
Teorema:
Pernyataan berikut adalah ekivalen:
(1) G Berwarna 2
(2) G adalah Bipartisi
(3) Setiap sirkuit dalam G mempunyai panjang genap
Teorema tersebut dapat terlihat pada contoh 5 dan 6 sebelumnya.

Terlihat pula bahwa graf pohon (Tree) merupakan graf bipartisi.
Bilangan Kromatik
Contoh 7:
A A
A A
H B
F B G B
E B
G C
F C
E C
F D
D C E D
D E
C5 C6 C7 C8
Graf Cycle genap akan memiliki bilangan kromatik 2,

sedangkan Graf Cycle ganjil akan memiliki bilangan kromatik 3
Dalam melakukan pemberian warna simpul (sekaligus menentukan bilangan kromatik) pada pewarnaan
graf, kita dapat melakukannya berdasarkan intuisi kita.
Untuk graf dengan ukuran kecil (baik jumlah simpul maupun jumlah ruas nya sedikit), maka penggunaan
intuisi masih dapat dilakukan dengan akurat.
Sedangkan untuk graf dengan ukuran besar, kita membutuhkan langkah-langkah yang lebih jelas dan
teratur. Hal ini juga diperlukan bila kita melakukannya dengan bantuan komputer. Untuk itu diperlukan
suatu algoritma.
Salah satu algoritma yang ada dan banyak dipergunakan adalah Algoritma Welch Powell.
Algoritma Pewarnaan Graf
Algoritma Welch Powell
Secara umum, langkah-langkah algoritma Welch Powell sebagai berikut:
Mula-mula kita urutkan semua simpul berdasarkan derajatnya, dari derajat besar ke derajat kecil.
Ambil warna pertama, warnai simpul pertama (dalam urutan simpul tadi), kemudian simpul berikutnya
yang tidak berdampingan, terus menerus, berdasarkan urutan, sampai sudah tidak bisa digunakannya
warna tersebut.
Kemudian kita lanjutkan dengan warna kedua, dan seterusnya, sampai semua simpul telah diberi warna.
Algoritma Pewarnaan Graf
Algoritma ini memberikan cara mewarnai sebuah graf dengan memberi label simpul-simpulnya sesuai
dengan urutan derajatnya.
Langkah 1 (melabel simpul sesuai dengan urutan derajatnya). Label simpul V1, V2, ..., Vn sedemikian
hingga derajat (V1) ≥ derajat (V2) ≥ ... ≥ derajat (Vn).
Langkah 2 (warnai simpul yang belum berwarna pertama dari urutan yang ada, dengan sebuah warna
baru. Berikan warna yang belum digunakan (warna baru) pada simpul belum berwarna yang pertama
dari urutan simpul yang ada. Berikan warna baru ini pada setiap simpul belum berwarna yang tidak
berdampingan/bertetangga/berdekatan dengan setiap simpul yang telah diwarnai dengan warna baru
tersebut. Lakukan hal itu pada semua simpul dalam urutan yang ada secara terurut,
Langkah 3 (memeriksa apakah simpul grafnya telah diwarnai semua). Jika masih terdapat simpul yang
belum berwarna, maka kembalilah ke langkah 2.
Langkah 4 (selesai). Pewarnaan graf telah dilakukan.
Contoh : Langkah 1: Membuat urutan simpul berdasarkan derajat simpul dari
A besar ke kecil
Simpul A B C D E
E B Derajat Simpul 4 3 3 3 3
D C
Contoh : Langkah 2: Ambil Warna baru. Warnai simpul yang belum berwarna dari
A urutan terkiri sampai dengan terkanan, sebanyak mungkin
Simpul A B C D E
Warna
Langkah 3: Ulangi langkah 2 bila masih ada simpul yang belum berwarna
dengan menggunakan warna baru
D C
Simpul A B C D E
Warna W1
D C
Simpul A B C D E
Warna W1 W2 W2
D C
Simpul A B C D E
Warna W1 W2 W3 W2 W3
D C
Selesai. Diperoleh jumlah warna minimumnya adalah 3

Sebuah ketidakakuratan dalam
penggunaan Algoritma Welch Powell
Simpul A B C D E F G H
A
H B
Derajat Simpul 4 4 4 4 4 4 4 4
Warna
G C
F D
E
A
H B
Warna W1 W1
G C
F D
E
A
H B
Warna W1 W2 W1 W2
G C
F D
E
A
H B
Warna W1 W2 W3 W1 W2 W3
G C
F D
E
A
H B
Warna W1 W2 W3 W1 W2 W3 W4
G C
F D
E
A
H B
Warna W1 W2 W3 W1 W2 W3 W4 W5
G C
F D
Selesai. Diperoleh jumlah warna minimumnya adalah 5

Simpul A E B C D F G H
A
H B
Warna W1 W1 W2 W3 W5 W2 W3 W5
G C
F D
Selesai. Diperoleh jumlah warna minimumnya (yang benar)

adalah 4
Penerapan Pewarnaan Graf
Penerapan pewarnaan Graf, yang dalam hal ini merupakan masalah penentuan bilangan bilangan
kromatik dari sebuah masalah.
Beberapa contoh permasalahan yang dapat diselesaikan dengan menggunakan model graf, khususnya
dalam konteks penentuan bilangan kromatiknya, disajikan seperti berikut ini:
- Penjadwalan
- Penggunaan Ruangan
- Pewarnaan Lahan (Peta)
- Pewarnaan Garis
Permasalahan yang dapat diselesaikan dengan menggunakan pewarnaan graf adalah
permasalahan yang dapat dibawa kedalam model graf, dimana setiap ruas garis yang dibentuk
mencerminkan sesuatu yang tidak boleh bersamaan
Contoh Permasalahan 1:
Berikut ini adalah Daftar Mahasiswa yang mengambil Mata Kuliah yang diselenggarakan pada semester
ini.
Untuk Ujian Akhir Semester, Anda diminta untuk menyusun jadwal ujian tersebut. Guna
meningkatkan prestasi mahasiswa, maka jadwal tersebut dibuat sedemikian sehingga setiap
mahasiswa maksimal hanya mengikuti ujian 1 mata kuliah dalam 1 hari. Sedangkan untuk
mempercepat proses koreksi, dialokasikan jumlah hari pelaksanaan ujian seminimal mungkin.
Langkah Penyelesaian:
1. Buat Model Graf dari permasalahan tersebut
1
2. Mencari solusi dengan menggunakan algoritma Welch Powell
7 2
6 3
5 4
Model Graf diperoleh dengan membuat simpul yang

mewakili Mata Kuliah
1
7 2
6 3
5 4
Model Graf dilanjutkan dengan membuat ruas yang

mewakili Mata Kuliah yang tidak boleh dijadwalkan
bersamaan waktunya (tidak boleh pada hari yang sama)
1
7 2
6 3
5 4

mewakili Mata Kuliah yang tidak boleh dijadwalkan
bersamaan waktunya (tidak boleh pada hari yang sama)
1
7 2
6 3
5 4
Model Graf yang diperoleh

Berikut ini tabel yang menunjukkan hubungan antara simpul, derajat simpul, dan warna.
1
7 2
Simpul 2 4 6 1 3 5 7
Derajat Simpul 4 4 4 3 3 3 3
Warna
6 3
Penyelesaian dengan menggunakan Algoritma Welch Powell,

dimana simpul diurutkan berdasarkan derajatnya
5 4
1
7 2
Simpul 2 4 6 1 3 5 7
Derajat Simpul 4 4 4 3 3 3 3
Warna W1 W1 W1 W2 W2 W2 W2
6 3
Bilangan kromatiknya 2
5 4
Jadi, banyak minimum hari berbeda yang dibutuhkan ada 2, yaitu:
Hari ke-1 jadwal ujian MK 2,4,6 (SIA, PBO, SBP)
Hari ke-2 jadwal ujian MK 1,3,5,7 (Graf dan Analisis Algoritma, SBD 1, IMK, Grafik Komputer)
Ada 6 jenis zat kimia yang perlu disimpan di gudang. Beberapa pasang dari zat itu tidak dapat disimpan
di tempat yang sama, karena campuran gasnya bersifat eksplosif. Untuk zat-zat semacam itu perlu
dibangun ruangan-ruangan terpisah yang dilengkapi ventilasi dan penyedot udara keluar yang berlainan.
Jika lebih banyak ruangan dibutuhkan, berarti lebih banyak biaya yang dikeluarkan. Karena itu perlu
diketahui berapa banyak minimal ruangan yang diperlukan untuk dapat menyimpan semua zat kimia itu
dengan aman.
Berikut ini adalah daftar pasangan zat kimia yang tidak dapat disimpan di tempat/ruangan yang sama.
Zat kimia tidak dapat bersama dengan zat kimia
A B, D
B A, D, E, F
C E
D A, B, F
E B, C
F B, D
Berapa banyak minimal ruangan berbeda untuk menyimpan semua zat kimia itu secara aman?
A
Zat kimia tidak dapat bersama dengan zat kimia F B
A B, D
B A, D, E, F
C E
D A, B, F
E B, C E C
F B, D
D
Model Graf diperoleh dengan membuat simpul yang
mewakili Zat Kimia
A
A B, D
B A, D, E, F
C E
D A, B, F
E B, C E C
F B, D
D
mewakili Zat Kimia yang tidak dapat saling bersama dalam
sebuah ruangan
A
A B, D
B A, D, E, F
C E
D A, B, F
E B, C E C
F B, D
Model Graf yang diperoleh

A
Simpul B D A E F C F B
Derajat Simpul 4 3 2 2 2 1
Warna
Penyelesaian dengan menggunakan Algoritma Welch Powell, E C

dimana simpul diurutkan berdasarkan derajatnya
D
A
Simpul B D A E F C F B
Bilangan kromatiknya 3 E C
Jadi, banyak minimum ruang berbeda atau terpisah yang
dibutuhkan ada 3, yaitu:
ruangan 1 menyimpan zat B dan C
D
ruangan 2 menyimpan zat D dan E
ruangan 3 menyimpan zat A dan F
Pada penggambaran peta lahan seperti di bawah ini, dikehendaki dapat terlihat jelas batas lahannya.
Untuk maksud itu, maka lahan tersebut akan diberi warna. Yang diinginkan adalah penggunaan jumlah
warna seminimal mungkin.
B
A
K
D E
C
G H
F
I J
Model Graf diperoleh dengan

membuat simpul yang
mewakili Lahan
B
A
K
D E
C
G H
F
I J
Model Graf dilanjutkan
dengan membuat ruas yang
mewakili Lahan-lahan yang
B tidak boleh berwarna sama
A
K
D E
C
G H
F
I J
Model Graf dari Permasalahan
B
A
K
D E
C
G H
F
I J
Simpul K E F B C D G H I A J
Derajat Simpul 8 5 5 4 4 4 4 4 4 3 3
Warna W1 W2 W2 W3 W3 W1 W1 W3 W3 W2 W2
Penyelesaian Model Graf

menggunakan Algoritma
Welch Powell, diperoleh hasil
B seperti di atas
A
K
D E
C
G H
F
I J
Simpul K E F B C D G H I A J
Derajat Simpul 8 5 5 4 4 4 4 4 4 3 3
Warna W1 W2 W2 W3 W3 W1 W1 W3 W3 W2 W2
Pewarnaan yang telah

dilakukan pada Model Graf
sesuai hasil Algoritma Welch
B Powell seperti di atas
A
K
D E
C
G H
F
I J
Proses pengembalian hasil model graf
ke permasalahan semula
B
A
K
D E
C
G H
F
I J
Hasil Pemberian Warna Lahan
B
A
K
D E
C
G H
F
I J
Berikut ini diminta untuk memberikan warna pada ruas yang ada, dimana ruas-ruas yang menempel
(incidence) dengan simpul yang sama, harus memiliki warna yang berbeda.
G1 G2 G3
Pemberian warna pada ruas, merupakan bentuk pewarnaan graf yang diimplementasikan pada obyek
ruas dari graf
B B
Model Graf diperoleh dengan
membuat simpul yang
E
mewakili Ruas
F
A C A C A C
D D B
G1 G2 G3
B B
Model Graf dilanjutkan
dengan membuat ruas yang
E
mewakili ruas-ruas yang tidak
F boleh berwarna sama
A C A C A C
D D B
G1 G2 G3
Model Graf dari Permasalahan
B B
E
F
A C A C A C
D D B
G1 G2 G3
Simpul A B C D E F
G2
B B
Penyelesaian Model Graf
menggunakan Algoritma
E
Welch Powell, diperoleh hasil
F seperti di atas dan di bawah
A C A C A C
D D B
G1 G3
Simpul A B C D Simpul A B C
Derajat Simpul 2 2 2 2 Derajat Simpul 2 2 2
Warna W1 W2 W1 W2 Warna W1 W2 W3
Simpul A B C D E F
G2
B B
Pewarnaan yang telah
dilakukan pada Model Graf
E
sesuai hasil Algoritma Welch
F Powell seperti di atas dan di
A C A C A C bawah
D D B
G1 G3
Simpul A B C D Simpul A B C
Derajat Simpul 2 2 2 2 Derajat Simpul 2 2 2
Warna W1 W2 W1 W2 Warna W1 W2 W3
Proses pengembalian hasil model graf
ke permasalahan semula
:
B B
E
F
A C A C A C
D D B
G1 G2 G3
Hasil Pemberian Warna Ruas
G1 G2 G3
Teorema dalam pewarnaan ruas
Teorema 1
Jika G adalah graf sederhana yang derajat maksimum simpulnya adalah m,
maka bilangan kromatiknya (G) adalah m  (G)  m+1
Hubungan antara banyaknya simpul graf lengkap dan bilangan kromatik untuk graf itu dapat dirumuskan dalam
teorema berikut ini.
Teorema 2
(Kn) = n, jika n ganjil dan n > 1
(Kn) = n-1, jika n genap
Teorema 3
Jika G adalah graf sederhana bipartisi yang derajat maksimum simpulnya adalah m,
maka (G) = m.
Daftar Pustaka
Discrete Mathematics and Its Applications (3rd edition). Kenneth H Rosen. McGraw-Hill Inc. Singapore,
1995

GRAF POHON
Dr. Ernastuti
Dr. Nola Marina
Dr. Aini Suri Talita
LINGKUP MATERI
Penyelesaian Masalah
Pohon Rentangan Minimal :
1. Algortma Kruskal 1 Pengertian Pohon pada Graf
2. Algoritma Prims
6
Pohon Berakar
2
(Rooted Tree)
Pemodelan Masalah 5
dengan graf Pohon: 3
Masalah Pohon 4 Penerapan Pohon
Rentangan Minimal Berakar
Pohon Rentangan
(Spanning Tree)
G raf
Adalah struktur diskrit yang terdiri
atas simpul dan ruas yang
menghubungkan simpul-simpul.
G raf
Secara umum graf dapat didefinisikan sebagai
kumpulan simpul yang dihubungkan dengan ruas
Pohon ( Tree )
Pohon (Tree) adalah graf terhubung yang tidak mengandung sirkuit.
T1 T2 a
a b
b
a b a b
c d
c d
c d c d
e f
e f
e f e f
bukan pohon
pohon pohon bukan pohon
Graf Terhubung & Sirkuit
o Suatu Graf G disebut terhubung apabila untuk
setiap dua simpul dari graf G selalu terdapat jalur
yang menghubungkan kedua simpul tersebut.
o Sirkuit atau cycle adalah suatu lintasan tertutup

dengan derajat setiap simpul dua.
Pohon ( Tree )
T4
T3
T1 T2 a
a b
b
a b a b
c d
c d
c d c d
e f
e f
e f e f
pohon pohon bukan pohon bukan pohon

Pohon ( Tree )
T1 & T2 adalah Pohon
1. terhubung
2. tidak mengandung sirkuit. T4
T3
T1 T2 a b
a b
a b a b
c d
c d
c d c d
e f e f
e f e f
bukan pohon bukan pohon

pohon pohon
Pohon ( Tree ) T3 bukan Pohon:
mengandung
sirkuit (a, d, f, a)
1. terhubung
T3
T1 T2 a b
a b
a b a b
c d
c d
c d c d
e f e f
e f e f

pohon pohon
Pohon ( Tree ) T3 bukan Pohon:
mengandung
T4 bukan Pohon:
Tidak Terhubung.
sirkuit (a, d, f, a) Tidak ada ruas (a,b)
1. terhubung
T3
T1 T2 a b
a b
a b a b
c d
c d
c d c d
e f e f
e f e f

pohon pohon
T1 T2 T3
T1, T2 & T3 Graf Pohon

1. terhubung
2. tidak mengandung
sirkuit.
3 d c v w
4 G1,G2 & G3 bukan Pohon

Karena Mengandung Sirkuit
1 2 a b x y
G1 G2 G3
G1 G2
G1,G2, G3, G4 & G5 bukan Pohon

Karena Mengandung Sirkuit
G1 G2 G3
w
T1 u T2
T1 & T2 bukan Graf Pohon
x
y Karena Mengandung Sirkuit
T4 w Bukan Graf Pohon

T3 u
Karena Tidak Terhubung
x
y
T5 T6 w
u
Graf Pohon
1. terhubung
x 2. tidak mengandung sirkuit.
y
v
w
T1 u T2
x
y Karena Mengandung Sirkuit
T3 u T4 w
x T3 & T4 bukan Graf Pohon

y
Karena Tidak Terhubung
v
T5 T6 w
u
Graf Pohon
1. terhubung
x 2. tidak mengandung sirkuit.
y
v
w
T1 u T2
x
y Karena mengandung Sirkuit
T4 w T3 & T4 bukan Graf Pohon

T3 u
Karena tidak Terhubung
x
y
T5 T6 w
u
x T5 & T6 adalah Graf Pohon

y 1. terhubung
2. tidak mengandung sirkuit.
v
Teorema Graf Pohon
Suatu Graf G dengan n buah simpul adalah sebuah Pohon jika:
(1) G terhubung & tak mengandung sirkuit,

atau
(2) G tidak mengandung sirkuit & mempunyai n-1 buah ruas,
atau
(3) G mempunyai n-1 buah ruas & terhubung
Graf T
dengan 8 simpul → (n = 8) & 7 ruas → (n-1)
e1 e2
PERIKSA !!
e7 Apakah Graf T adalah POHON ?
e3
e6 e5 e4
Graf T
dengan 8 simpul (n = 8) & 7 ruas (n-1)
1
T adalah Pohon
T terhubung & tidak mengandung sirkuit
e1 e2
e7 e3
e6 e5 e4
Graf T
1
T adalah Pohon
e1 e2
e7 e3 2
T tidak mengandung sirkuit & mempunyai n-1 ruas

e6 e5 e4 → Jumlah ruas = 7
Graf T
1
T adalah Pohon
e1 e2
e7 e3 2
T tidak mengandung sirkuit & mempunyai n-1 ruas

e6 e5 e4 → Jumlah ruas = 7
3 T mempunyai n-1 ruas & terhubung

→ Jumlah ruas = 7
G bukan pohon
Suatu Graf G adalah Pohon jika dan Pasangan simpul (a,b) a b
hanya jika terdapat satu dan hanya Jalur a,c,b
Jalur a,d,b
satu jalur diantara setiap pasang Jalur a,d,c,b
simpul dari Graf G. G
BUKAN
T1 adalah pohon POHON
Pasangan simpul (a,b) Jalur a,d,b T2 adalah pohon d c
Pasangan simpul (a,c) Jalur a,d,c Pasangan simpul (a,b) Jalur a,d,b
Pasangan simpul (a,d) Jalur a,d Pasangan simpul (a,c) Jalur a,c
Pasangan simpul (b,c) Jalur b,d,c Pasangan simpul (a,d) Jalur a,d
Pasangan simpul (b,d) Jalur b,d Pasangan simpul (b,c) Jalur b,d,a,c
Pasangan simpul (c,d) Jalur c,d Pasangan simpul (b,d) Jalur b,d
Pasangan simpul (c,d) Jalur c,a,d
a b b
a
T1 T2
POHON
POHON
d c
c d
Suatu Graf G adalah Pohon jika dan hanya
jika terdapat satu dan hanya satu jalur
diantara setiap pasang simpul dari Graf G.
T1 adalah pohon
Pasangan simpul (a,b) Jalur a,d,b
Pasangan simpul (a,c) Jalur a,d,c
Pasangan simpul (a,d) Jalur a,d
Pasangan simpul (b,c) Jalur b,d,c
Pasangan simpul (b,d) Jalur b,d
Pasangan simpul (c,d) Jalur c,d
a b
T1
d c
T1 adalah pohon
a b
T1
d c
T1 adalah pohon
a b
T1
d c
G bukan pohon
Suatu Graf G adalah Pohon jika dan hanya a b
jika terdapat satu dan hanya satu jalur Pasangan simpul (a,b)
1 Jalur a,c,b
diantara setiap pasang simpul dari Graf G. 2 Jalur a,d,b
3 Jalur a,d,c,b G
T1 adalah pohon
Pasangan simpul (a,b) Jalur a,d,b d c
a b
T1
d c
G bukan pohon
1 Jalur a,c,b
3 Jalur a,d,c,b G
T1 adalah pohon
a b
T1
d c
G bukan pohon
1 Jalur a,c,b
3 Jalur a,d,c,b G
T1 adalah pohon
a b
T1
d c
G bukan pohon
satu jalur diantara setiap pasang Jalur a,d,b
Jalur a,d,c,b
T1 adalah pohon
Pasangan simpul (b,c) Jalur b,d,c T2 adalah pohon
Pasangan simpul (b,d) Jalur b,d Pasangan simpul (a,b) Jalur a,d,b
Pasangan simpul (c,d) Jalur c,d Pasangan simpul (a,c) Jalur a,c
a b b
a
T1 T2
d c
c d
G bukan pohon
Jalur a,d,c,b
T1 adalah pohon
Pasangan simpul (b,d) Jalur b,d T2 adalah pohon
Pasangan simpul (c,d) Jalur c,d Pasangan simpul (b,c) Jalur b,d,a,c
a b b
a
T1 T2
d c
c d
G bukan pohon
Jalur a,d,c,b
BUKAN
a b b
a
T1 T2
POHON
POHON
d c
c d
G bukan pohon
Jalur a,d,c,b
BUKAN
a b b
a
T1 T2
POHON
POHON
d c
c d
Kesimpulan
Sifat-sifat (properti) pohon
Misalkan G = (V, E) adalah graf terhubung dan tak-berarah dan jumlah simpulnya n.
Maka, semua pernyataan di bawah ini adalah ekivalen:

1. G adalah pohon.
2. Setiap pasang simpul di dalam G mempunyai jalur/lintasan tunggal.
3. G terhubung dan memiliki m = n – 1 buah ruas.
4. G tidak mengandung sirkuit dan memiliki m = n – 1 buah ruas.
5. G tidakmengandung sirkuit dan penambahan satu ruas pada graf akan
membuat hanya satu sirkuit.
6. G terhubung dan semua ruasnya adalah jembatan.
Pernyataan di atas dapat dikatakan sebagai definisi lain dari pohon.

Jenis Graf Pohon
1. Pohon Berakar ( Rooted Tree )
a) Pohon Ekspresi ( Expression Tree)
b) Pohon Keputusan (Decision Tree)
c) Pohon Tata Bahasa ( Syntax Tree)
2. Pohon Rentangan ( Spanning Tree )

a) Pohon Rentangan Minimal ( Spanning Tree)
Terminologi pada Pohon Berakar
1 Anak (child atau children) & Orangtua (parent)
b, c, & d adalah anak-anak simpul a
a adalah orangtua dari anak-anak itu
a
b
c d
e
f g
k
h i j
l m
a
2 Lintasan (path)
b
c d
Lintasan dari a ke j adalah a, b, e, j.
Panjang lintasan dari a ke j adalah 3. e
f g
k
h i j
3 Saudara kandung (sibling)
f adalah saudara kandung e, tetapi g bukan l m
saudara kandung e, karena orangtua

mereka berbeda.
4 Upapohon (subtree) a
b
c d
e
f g
k
h i j
l m
4 Derajat (degree)
Derajat sebuah simpul
adalah jumlah upapohon (atau jumlah anak)
pada simpul tersebut.
Jadi, derajat yang dimaksudkan di sini adalah

derajat-keluar (kebawah).
Derajat a adalah 3
Derajat maksimum dari semua simpul Derajat b adalah 2
merupakan derajat pohon itu sendiri. Pohon di
atas berderajat 3 Derajat d adalah 1
Derajat c adalah 0
6 Daun (leaf)
Simpul yang berderajat nol (atau tidak
mempunyai anak) disebut daun.
Simpul h, i, j, f, c, l, dan m adalah daun.
7 Simpul Dalam (internal nodes)

Simpul yang mempunyai anak disebut c d
simpul dalam.
Simpul b, d, e, g, dan k adalah simpul
dalam.
.
Level ke
a
0
8 Tingkat (level) b 1
c d
e 2
f g
k 3
h i j
4
l m
9 Tinggi (height) atau Kedalaman (depth)

Level maksimum dari suatu pohon disebut tinggi atau
kedalaman pohon tersebut.
Pohon di atas mempunyai tinggi 4.

Pohon Berakar (rooted tree)
o Panjang jalur antara simpul r
dengan simpul v disebut level
o Suatu pohon berakar R adalah atau kedalaman simpul v.
suatu pohon di mana ada satu
simpul r yang ditunjuk sebagai
akar (root) dari R. o Simpul bukan akar, yang
berderajat nol disebut daun.
o Pada pohon R hanya terdapat
satu jalur antara simpul r o Jalur antara suatu simpul
dengan simpul lain v pada dengan suatu daun disebut
pohon pohon tersebut. cabang (branch).
Suatu pohon berakar R adalah sebuah Akar (root) dari R
pohon di mana ada satu simpul r yang
ditunjuk sebagai akar (root) dari R.
r
R: pohon Berakar
Simpul bukan akar, yang berderajat nol Akar (root) dari R
disebut daun.
r
Simpul d, h, f, i & j
disebut simpul DAUN
(Berderajat Nol)
R: pohon Berakar
KEDALAMAN (LEVEL)
Pohon Berakar (rooted tree) Akar (root) dari R

Panjang jalur antara simpul r dengan simpul v
disebut level atau kedalaman simpul v.
r
Level 0
Level 1
Level 2
Level 3
R: pohon Berakar
Pohon & 2 buah pohon berakar POHON BERAKAR
yang dihasilkan dari pemilihan dua Simpul Akar : b
simpul berbeda sebagai akar ( b & d)
POHON
POHON BERAKAR
Simpul Akar : e
Simpul D A U N Simpul Akar : b
Simpul bukan akar, yang berderajat nol
disebut daun.
Simpul Daun:
a, c, f, g & h
Simpul Akar : e
Simpul Daun:
g, h, a, c & f
pohon 4-ary
Pohon n-ary
Pohon berakar yang setiap simpul
cabangnya mempunyai paling banyak p
n buah anak disebut pohon n-ary.
pohon 3-ary
pohon 2-ary
Pohon Biner ( pohon 2-ary/ Binary Tree )
A. Adalah pohon n-ary dengan n = 2
B. Setiap simpul di dalam pohon biner mempunyai
paling banyak 2 buah anak
C. Dibedakan antara anak kiri (left child) dan anak
kanan (right child)
kanan (right child)
B1 B2
B1 & B2 adalah dua buah pohon biner yang berbeda
d anak kiri b d anak kanan b

kanan (right child)
B1 B2
B1 & B2 adalah dua buah pohon biner yang berbeda
d anak kiri b d anak kanan b

Pohon biner penuh

Terapan Pohon Biner
1. Pohon Ekspresi
daun → operand
simpul dalam → operator
Pohon ekspresi (a + b) * (c / (d + e))

Terapan Pohon Biner
a:b
2. Pohon Keputusan a>b b>a
a:c b:c
a >c c>a b>c c>b
b:c c>a>b a:c c>b>a
b>c c>b a >c c>a
a>b>c a>c>b b>a>c b>c>a
Pohon keputusan untuk mengurutkan 3 buah elemen

Terapan Pohon Berakar ( m-ary )
1. POHON SINTAKS KALIMAT
→ Bhs. Indonesia
SUBJEK PREDIKAT
KT SANDANG KT BENDA KT KEADAAN KT KERJA OBJEK
KT BENDA KT KEADAAN
SI KUCING KECIL MENENDANG BOLA BESAR

Terapan Pohon Berakar ( m-ary )
2. POHON SINTAKS SENTENCE
→ Bhs. Inggris
SUBJECT PREDICATE
ARTICLE ADJECTIVE NOUN VERB OBJECT
ARTICLE ADJECTIVE NOUN
THE LITTLE CAT KICKS A BIG BALL

Jenis Graf Pohon
1. Pohon Berakar ( Rooted Tree )
a) Pohon Ekspresi ( Expression Tree)
b) Pohon Keputusan (Decision Tree)
c) Pohon Tata Bahasa ( Syntax Tree)
2. Pohon Rentangan ( Spanning Tree )

a) Pohon Rentangan Minimal ( Spanning Tree)
Pohon Rentangan (spanning tree)
❖ Pohon Rentangan dari graf terhubung ❖ Pohon Rentangan adalah suatu
adalah upagraf (subgraph) merentang subgraf dari graf G yang
yang berupa pohon. mengandung semua simpul dari
G, dan merupakan suatu pohon.
❖ Pohon Rentangan diperoleh dengan
memutus sirkuit di dalam graf.
G T1 T2 T3 T4
❖ Setiap graf terhubung mempunyai paling sedikit satu
buah pohon rentangan.
❖ Pohon Rentangan dari graf terhubung
adalah upagraf (subgraph) merentang
yang berupa pohon.
❖ Pohon Rentangan diperoleh

dengan memutus sirkuit di
dalam graf.
Pohon Rentangan dari graf G
Graf G
4 Simpul
6 Ruas
Pohon Rentangan Minimum
❖ Graf terhubung-berbobot mungkin mempunyai lebih dari 1 pohon rentangan.
❖ Pohon rentangan yang berbobot minimum –dinamakan pohon rentangan
minimum (minimum spanning tree).
a a
45
55 d d
25 30 25 30
c h c h
b b
40 20 40 20
50
5 15 5 15
g g
e e
35 10 10
f f
Aplikasi Pohon Rentangan
1. Jumlah ruas jalan seminimum mungkin yang
menghubungkan semua kota sehingga setiap kota
tetap terhubung satu sama lain.
2. Perutean (routing) pesan pada jaringan komputer.
Router Pohon Rentangan multicast

Jaringan Komputer Subnetwork
Pemodelan Masalah
Pohon Rentangan Minimal
Masalah 1:
Bagaimana membangun suatu jaringan pipa sistem pengiriman air untuk beberapa
desa. Jaringan pipa tersebut akan dibangun di antara desa-desa tersebut dengan
biaya seekonomis mungkin.
Pemodelan Masalah
Kita dapat memodelkan masalah ini menggunakan graf berbobot, dengan:
simpul mewakili desa
ruas mewakili jalur pipa yang mungkin dipasang di antara dua desa,
bobot mewakili biaya pembuatan pipa pada jalur yang diwakili oleh
ruasnya.
1. Graf haruslah terhubung karena seluruh desa harus dilalui pipa tersebut.
2. Graf tidak boleh mengandung sirkuit, karena alasan ekonomis, sehingga graf ini harus
berupa pohon rentang.
3. Pilih salah satu dari pohon rentang yang dapat dibuat, yang paling ekonomis (jumlah
total bobotnya paling kecil: pohon rentang minimal)
Pemodelan Masalah
Masalah 2:
“Sebuah perusahaan berencana membangun jaringan komunikasi yang
menghubungkan 5 komputer pusat nya. Setiap pasang komputer pusat ini dapat
dihubungkan dengan saluran telepon yang disewa. “
Bagaimana membangun jaringan komunikasi ini sehingga dipastikan bahwa ada

saluran yang melalui setiap pusat komputer dengan total biaya jaringan minimal?
Pemodelan Masalah
Kita dapat memodelkan masalah ini menggunakan graf berbobot, dengan:
simpul mewakili komputer pusat
ruas mewakili saluran telepon yang mungkin dipasang ,
bobot mewakili tarif sewa dari saluran yang diwakili oleh ruasnya.
Kita bisa mengatasi masalah ini dengan mencari pohon rentangan yang menghasilkan jumlah bobot ruas
pohon minimal. Pohon rentangan seperti itu disebut
Pohon Rentangan Minimal/

Minimum Spanning Tree(MST)
Masalah Pohon Rentangan Minimal
Pohon rentangan minimal dari suatu graf berbobot terhubung adalah
“pohon rentangan yang memiliki jumlah bobot terkecil.”
Bobot dari pohon rentangan :
“Jumlah bobot semua ruas pada pohon merentang

tersebut.”
b 𝑒2 c
b 4 c
𝑒5
G1 𝑒1 𝑒3 3
G1 2 6
a 𝑒4 d
a 5 d
𝑉 = {a, b, c, d}
𝐸 = {𝑒1, 𝑒2, 𝑒3, 𝑒4, 𝑒5}

b 4 c b 4 c
3
1 2 2 6
Berikut pohon rentangan a 5d a d

yang dapat dibuat dari graf G1: Jumlah bobot= 12 Jumlah bobot=12
4 4
b c b c
3 2 4 6
a 5 d a 5 d
Jumlah bobot= 11 Jumlah bobot= 15
b c b 4 c
5 6 3
2 6 2
a 5 d a d
Jumlah bobot= 13 Jumlah bobot= 9
b c
3
7 6 Maka pohon rentangan minimal
dari graf G1 adalah subpohon yang ke 6,
a 5 d dengan jumlah bobot paling kecil, yaitu
Jumlah bobot=14 2+3+4=9
Secara umum, bagaimana kita menemukan Pohon Rentangan Minimal

untuk graf berbobot terhubung G?
Kita dapat mencoba menghitung semua subpohon dari G, jika graf

berukuran kecil (seperti graf G1 pada contoh sebelumnya).
Tetapi cara ini akan rumit untuk graf yang berukuran besar.
Algoritma
Penyelesaian Masalah Pohon
Rentangan Minimal
Dua algoritma untuk membangun pohon rentangan
minimal.
Algoritma Prim Algoritma greedy adalah prosedur yang membuat
pilihan optimal di setiap langkahnya.
Algoritma Kruskal
Konsep greedy tidak menjamin bahwa solusi optimal
global/keseluruhan dihasilkan. Namun algoritma
Keduanya dilakukan dengan secara berturut-turut Prim dan Kruskal adalah algoritma greedy yang
menambahkan ruas dengan bobot terkecil dari ruas menghasilkan solusi optimal.
pohon tersebut dengan syarat tertentu.
Keduanya merupakan algoritma greedy.
Algoritma Prim dan Kruskal
1. Konsep dasar yang digunakan dalam algoritma Prim adalah pada setiap langkah,
pilih ruas dari graf G yang berbobot minimal yang terhubung dengan pohon yang
telah terbentuk, dan tidak membentuk sirkuit.
2. Konsep dasar yang digunakan dalam algoritma Kruskal adalah pada setiap
langkah, pilih ruas dari graf G yang berbobot minimal (tidak harus terhubung
dengan pohon yang sudah tebentuk), dan ruas tersebut tidak membentuk sirkuit.
3. Mungkin ada lebih dari satu pohon rentangan minimal untuk suatu graf berbobot
terhubung, tapi bobotnya tetap sama.
4. Algoritma Prim dan Kruskal akan selalu berhasil menemukan pohon rentangan
minimal tetapi pohon rentangan minimal yang dihasilkan tidak selalu unik
Algoritma Prim
1. Mulai dengan memilih ruas dengan bobot terkecil.
2. Secara berturut-turut, tambahkan ruas pohon dengan bobot terkecil
yang bersisian dengan simpul yang sudah ada di pohon (yang tidak
membentuk sirkuit sederhana jika ruas tersebut ditambahkan).
3. Hentikan proses jika n - 1 ruas telah ditambahkan.
Pseudocode Algoritma Prim
procedure Prim(G: weighted connected undirected graph with n
vertices)
T := a minimum-weight edge
for i := 1 to n − 2
e := an edge of minimum weight incident to a vertex in T
and not forming a simple circuit in T if added to T
T := T with e added
return T {T is a minimum spanning tree of G}
Contoh Penerapan Algoritma Prim
Terapkan algoritma Prim
terhadap soal pada slide 9
b 4 c
3
G1 2 6
Jumlah bobot = 2+3+4=9
a 5 d
Graf G2
𝑉 = {a, b, c, d, e, f, g, h, 𝑖, j, k, l }
𝑏𝑎𝑛𝑦𝑎𝑘 𝑠𝑖𝑚𝑝𝑢𝑙 = 𝑛 = |𝑉| = 12

pilihan ruas bobot
𝑛 − 1 = 12 − 1 = 11 → 𝑆𝑇𝑂𝑃
Pohon Rentangan Minimal dari graf G2 yang dihasilkan menggunakan algoritma Prim,
dengan total bobot=24:
Algoritma Kruskal
1. Pilih ruas dalam graf dengan bobot minimal.
2. Berturut-turut tambahkan ruas dengan bobot minimal yang tidak
membentuk sirkuit sederhana jika ruas tersebut ditambahkan.
3. Hentikan proses jika n - 1 ruas telah dipilih.
Pseudocode Algoritma Kruskal
procedure Kruskal(G: weighted connected undirected graph with n
vertices)
T := empty graph
for i := 1 to n − 1
e := any edge in G with smallest weight that does not form
a simple circuit when added to T
T := T with e added
return T {T is a minimum spanning tree of G}
Contoh Penerapan Algoritma
Kruskal pilihan ruas bobot
Contoh Penerapan Algoritma
Kruskal
Pohon Rentangan Minimal dari graf G2 yang dihasilkan menggunakan algoritma Kruskal,
dengan total bobot=24:
Daftar Pustaka
Discrete Mathematics and Its Applications (3rd edition). Kenneth H Rosen. McGraw-Hill Inc.
Singapore, 1995

Ilovepdf Merged

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

Ilovepdf Merged

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.

Automata Hingga Mesin Stata

0 jika ruas y tidak bersisian dengan simpul X

0 jika tidak ada ruas dari simpul X ke simpul Y

1 jika ruas (X, Y) E

,I G 2K8 8 4 B B 1 = D8J B8 5 I J8I K 8;8 D8

Automata Hingga Mesin Stata

Masalah Jalur Terpendek merupakan masalah

GHF G HIF H GHIF

1+ 4 + 44 + 444 + 4444 = 1 + 4 + 16 + 64 + 256 = 341