MERANGKUM MATERI KOMPLEKSITAS ALGORITMA

GREEDY DAN KOMPLEKSITAS WAKTU GREEDY

Untuk memenuhi tugas mata kuliah Desain Analisis Algoritma

Disusun Oleh :
Galang Setya Adji W. (21104410007)
Mohammad Amir Fatkhi Z. (21104410016)
Nugroho Gusti Bintang F. (21104410035)

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS ISLAM BALITAR
2023
 DEFINISI ALGORITMA GREEDY

1. Definisi Algoritma Greedy dari beberapa Ahli

a. Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, dan Clifford Stein (Penulis
"Introduction to Algorithms"):
"Algoritma Greedy adalah pendekatan dalam pemecahan masalah yang mencari solusi
optimal dengan mengambil keputusan yang tampaknya paling menguntungkan pada setiap
langkah saat ini, tanpa mempertimbangkan konsekuensi jangka panjang. Pada setiap
langkah, algoritma Greedy memilih opsi terbaik berdasarkan kriteria tertentu, berharap
bahwa serangkaian keputusan ini secara keseluruhan akan menghasilkan solusi yang
optimal."
b. Donald E. Knuth (Ilmuwan Komputer Terkemuka):
Donald E. Knuth mendefinisikan algoritma Greedy sebagai pendekatan yang "melakukan
suatu tindakan yang tampaknya paling menguntungkan pada saat ini, tanpa
mempertimbangkan kemungkinan dampaknya di masa depan."
c. David G. Luenberger (Penulis "Linear and Nonlinear Programming"):"Algoritma Greedy
adalah pendekatan yang fokus pada pengambilan keputusan segera yang tampaknya
menguntungkan pada saat itu. Ini adalah pendekatan berbasis kriteria segera yang digunakan
dalam pengambilan keputusan untuk mencapai hasil yang tampaknya optimal."
d. Vašek Chvátal (Ilmuwan Komputer dan Matematikawan Terkenal):
"Dalam konteks algoritma, Greedy mengacu pada strategi yang mengambil langkah terbaik
pada setiap langkah dengan harapan bahwa serangkaian langkah ini akan membawa kita ke
solusi yang baik. Ini adalah pendekatan yang sederhana namun kuat yang banyak digunakan
dalam optimasi dan pengambilan keputusan."
e. Jon Kleinberg dan Éva Tardos (Penulis "Algorithm Design"):"Algoritma Greedy adalah
pendekatan berbasis keputusan yang mencoba membangun solusi dengan mengambil langkah
terbaik pada setiap tahap, berdasarkan kriteria yang relevan saat ini. Algoritma Greedy
sering digunakan dalam situasi di mana kompleksitas waktu yang rendah dibutuhkan, dan
keputusan lokal yang optimal diharapkan mengarah ke solusi yang lebih besar yang optimal."
Dari definisi para ahli di atas, dapat disimpulkan bahwa algoritma greedy adalah pengambilan
keputusan berdasarkan informasi yang tersedia saat ini, dengan harapan bahwa serangkaian
keputusan ini akan mengarah pada solusi yang baik atau optimal secara keseluruhan. Pendekatan
Greedy sangat berguna dalam optimasi dan masalah pengambilan keputusan di mana solusi
optimal dapat dicapai dengan membuat keputusan segera yang tampaknya paling
menguntungkan.

2. Alur dan Cara Kerja Algoritma Greedy

Algoritma Greedy adalah pendekatan yang fokus pada pengambilan keputusan segera yang
tampaknya menguntungkan pada setiap langkah, berdasarkan kriteria tertentu, tanpa
mempertimbangkan konsekuensi jangka panjang.
Berikut adalah alur dan cara kerja umum dari algoritma Greedy:
a. Langkah 1: Inisialisasi
Menginisialisasi solusi awal dan variabel-variabel yang diperlukan.
b. Langkah 2: Seleksi Greedy
 Pada setiap langkah, algoritma Greedy akan memilih opsi terbaik berdasarkan kriteria
tertentu. Keputusan ini diambil berdasarkan informasi yang tersedia saat ini.
c. Langkah 3: Evaluasi Solusi Sementara
Setelah memilih opsi terbaik pada langkah tertentu, algoritma Greedy akan mengevaluasi
solusi sementara yang sedang dibangun. Ini melibatkan memeriksa apakah solusi sementara
ini memenuhi persyaratan masalah atau kriteria tertentu.
d. Langkah 4: Implementasikan Algoritma
Implementasikan algoritma yang telah dirancang dalam bahasa pemrograman yang sesuai.
Pastikan bahwa algoritma dapat menjalankan pengujian terhadap semua kemungkinan solusi
sesuai dengan logika yang telah Anda tentukan.
e. Langkah 5: Update Splusi Sementara
Jika solusi sementara memenuhi kriteria, maka solusi ini diterima sebagai solusi yang lebih
baik. Jika tidak, algoritma Greedy akan mengabaikan opsi tersebut dan mencari opsi lain yang
mungkin lebih baik.Langkah
f. Langkah 6: Iterasi
Langkah 2 hingga 4 diulang secara berulang hingga solusi akhir yang memenuhi persyaratan
ditemukan.
Penting untuk diingat bahwa algoritma Greedy tidak selalu menghasilkan solusi yang optimal,
tetapi seringkali menghasilkan solusi yang cukup baik dan efisien dalam waktu yang cepat. Kunci
dari algoritma Greedy adalah memilih opsi yang tampaknya paling menguntungkan pada setiap
langkah, berdasarkan pemahaman terhadap masalah dan kriteria yang relevan saat itu. Algoritma
Greedy sangat berguna dalam situasi di mana kompleksitas waktu yang rendah adalah prioritas
dan solusi yang mendekati optimal diterima.

3. Kompleksitas Algoritma Greedy dan Kompleksitas Waktu

a. Kompleksitas Algoritma Greedy:
Kompleksitas algoritma Greedy mengacu pada seberapa banyak sumber daya yang diperlukan
oleh algoritma Greedy untuk menyelesaikan masalah. Algoritma Greedy sering digunakan untuk
mencapai solusi yang cukup mendekati optimal dengan pendekatan berbasis keputusan yang
sederhana, seperti selalu memilih pilihan terbaik pada setiap langkah. Kompleksitas algoritma
Greedy dapat bergantung pada sejumlah faktor, seperti banyaknya pilihan yang harus
dipertimbangkan, jumlah langkah atau iterasi yang dilakukan, dan sumber daya lain yang
diperlukan. Namun, dalam banyak kasus, algoritma Greedy memiliki kompleksitas yang lebih
rendah daripada algoritma brute force karena mereka tidak perlu mencoba semua kemungkinan
solusi.
Contoh: Misalkan ingin memberikan kembalian dalam bentuk koin menggunakan sejumlah
koin yang tersedia (misalnya, koin dengan nilai 1, 5, 10, dan 25). Tujuannya adalah memberikan
kembalian dengan jumlah paling sedikit. Dalam kasus ini, algoritma Greedy yang sederhana
adalah dengan memilih koin dengan nilai terbesar yang dapat digunakan untuk memberikan
kembalian. Algoritma Greedy ini memiliki kompleksitas yang sangat rendah karena hanya
memerlukan beberapa operasi sederhana, yaitu pengurangan dan pemilihan koin.
b. Kompleksitas Waktu:
Kompleksitas waktu mengukur berapa lama waktu yang dibutuhkan oleh algoritma Greedy
untuk menyelesaikan tugas tertentu. Ini berfokus pada berapa lama algoritma akan berjalan
dalam satuan waktu tertentu tergantung pada ukuran inputnya. Kompleksitas waktu algoritma
Greedy sering diukur dalam notasi "O" (big O notation) dan memberikan perkiraan atas waktu
 eksekusi algoritma sebagai fungsi dari ukuran input. Algoritma Greedy sering memiliki
kompleksitas waktu yang lebih rendah daripada algoritma brute force karena mereka melakukan
sedikit perbandingan atau operasi dalam pemilihan keputusan berbasis keuntungan sejauh
mungkin. Dalam analisis algoritma Greedy, tujuan utama adalah memahami seberapa efisien
algoritma dalam menyelesaikan masalah dengan mempertimbangkan kriteria keputusan yang
digunakan. Pemilihan keputusan yang cerdas dan efisien adalah kunci dalam algoritma Greedy.
Kompleksitas waktu yang rendah adalah salah satu dari banyak keuntungan algoritma Greedy.
Contoh : Kompleksitas waktu algoritma Greedy dalam contoh ini bergantung pada jumlah
koin yang digunakan untuk memberikan kembalian. Jika jumlah koin yang digunakan adalah n,
kompleksitas waktu algoritma Greedy adalah O(n) karena hanya perlu melakukan n operasi
pengurangan dan pemilihan koin. Contoh ini mencerminkan bagaimana algoritma Greedy dapat
memiliki kompleksitas waktu yang rendah ketika digunakan untuk masalah sederhana dan
memiliki solusi yang cukup mendekati optimal. Namun, penting untuk diingat bahwa tidak
semua masalah cocok untuk pendekatan Greedy, dan ada beberapa masalah yang lebih kompleks
yang memerlukan pendekatan yang lebih canggih.

c. Review 10 Artikel Algoritma Greedy

(1) Perbandingan Algoritma K-Nearest Neighbor, Greedy dan Brute Force
dalam Menentukan Rute Pengiriman Barang
Nama Jurnal Bandung Conference Series: Mathematics
Volume dan Halaman Vol. 3 No. 1 (2023), Hal: 35-43
Tahun 2023
Penulis Muhamad Ihsan Maulidan, Gani Gunawan, M. Yusuf Fajar
Link Download https://doi.org/10.29313/bcsm.v3i1.6403
Reviewer Galang Setya Adji W., Nugroho Gusti Bintang F., Mohammad
Amir Fatkhi Z.
Tanggal Review 23 Oktober 2023
Latar Belakang Dalam era perkembangan e-commerce dan sistem jual beli
online, pengiriman barang menjadi kunci utama dalam
memastikan kepuasan pelanggan. Perusahaan pengiriman
barang seperti J&T Express Cicurug, Kabupaten Sukabumi,
Jawa Barat, berupaya untuk mengoptimalkan rute pengiriman
agar proses pengiriman menjadi lebih efisien. Untuk mengatasi
kompleksitas masalah ini, penelitian ini mengggunakan
algoritma Travelling Salesman Problem (TSP), dengan fokus
pada perbandingan tiga algoritma: K-Nearest Neighbor (KNN),
Greedy, dan Brute Force. Hasil penelitian ini memberikan
pandangan tentang metode yang paling efektif dalam
menentukan rute pengiriman optimal.
Permasalahan Perusahaan pengiriman barang seperti J&T Express di Cicurug,
Kabupaten Sukabumi, Jawa Barat, perlu mencari cara untuk
mengoptimalkan rute pengiriman barang mereka guna
meningkatkan efisiensi dan mengurangi biaya operasional.
Dalam konteks ini, masalahnya adalah menentukan algoritma
yang paling efektif untuk menentukan rute pengiriman optimal
 di antara tiga pilihan: K-Nearest Neighbor (KNN), Greedy, dan
Brute Force.
Tujuan penelitian Penelitian ini bertujuan untuk menentukan dan
membandingkan rute serta jarak tempuh optimal dalam
pengiriman barang menggunakan algoritma K-Nearest
Neighbor, algoritma Greedy, dan algoritma Brute Force.
Sumber data Peta geografis dan google maps
Metode penelitian Algoritma Greedy, KNN, dan Brute Force
Objek penelitian Pengiriman barang dan optimasi rute pengiriman barang oleh
perusahaan pengiriman, dengan fokus pada operasi perusahaan
J&T Express di Cicurug, Kabupaten Sukabumi, Jawa Barat,
Indonesia. Penelitian ini mengevaluasi dan membandingkan
tiga algoritma yang digunakan untuk menentukan rute
pengiriman optimal dalam konteks pengiriman barang.
Hasil penelitian • Algoritma K-Nearest Neighbor (KNN) menghasilkan total
jarak tempuh sepanjang 24,05 km.
• Algoritma Greedy menghasilkan total jarak tempuh sebesar
23,5 km.
• Algoritma Brute Force menghasilkan total jarak tempuh
sebesar 21,74 km.
Hasil penelitian menunjukkan bahwa algoritma Brute Force
menghasilkan rute pengiriman dan total jarak tempuh yang
lebih baik dibandingkan dengan algoritma K-Nearest Neighbor
dan algoritma Greedy dalam konteks pengiriman barang.
Kelebihan penelitian Perbandingan Algoritma: Penelitian ini menggambarkan
perbandingan antara tiga algoritma yang berbeda (K-Nearest
Neighbor, Greedy, dan Brute Force) dalam penyelesaian
masalah rute pengiriman. Ini dapat memberikan wawasan yang
berguna bagi perusahaan pengiriman barang dalam memilih
algoritma yang paling efisien.
Relevansi Bisnis: Penelitian ini berkaitan dengan industri
pengiriman barang online yang berkembang pesat. Hasil
penelitian ini dapat membantu perusahaan pengiriman, seperti
J&T Express, untuk meningkatkan efisiensi operasional
mereka, yang pada gilirannya dapat meningkatkan kualitas
layanan kepada pelanggan.
Kekurangan penelitian -
Diskusi / Rekomendasi Pemilihan Algoritma: Perusahaan pengiriman barang, seperti
J&T Express, sebaiknya mempertimbangkan penggunaan
algoritma Brute Force untuk penentuan rute pengiriman dalam
situasi di mana efisiensi dan optimalitas rute menjadi prioritas
utama.
Automatisasi Proses: Menggunakan algoritma Brute Force
mungkin memerlukan waktu lebih lama, terutama jika data titik
lokasi pengiriman banyak. Oleh karena itu, ada potensi untuk
 mengautomatisasi proses ini dengan menggunakan perangkat
lunak khusus untuk menghitung rute secara otomatis.
Pemantauan dan Evaluasi: Meskipun Brute Force
menghasilkan solusi optimal, perusahaan harus memantau dan
mengevaluasi efisiensi penggunaan algoritma ini dalam praktik
sehari-hari. Ini akan membantu memastikan bahwa
penggunaannya tetap efisien dalam situasi operasional yang
berbeda.
Kombinasi Algoritma: Terdapat juga potensi untuk
menggabungkan berbagai algoritma berdasarkan situasi
khusus. Misalnya, algoritma Brute Force dapat digunakan
untuk perencanaan rute secara periodik, sementara algoritma
yang lebih cepat seperti K-Nearest Neighbor atau Greedy
digunakan untuk perencanaan sehari-hari.
Pengembangan Lebih Lanjut: Penelitian lanjutan dapat
menjelajahi metode perbaikan dan penyesuaian algoritma
Brute Force untuk mengurangi waktu pemrosesan tanpa
mengorbankan optimalitas rute pengiriman.

(2)Pencarian Rute Terpendek Perjalanan Wisata di Kota Kediri dengan Algoritma

Nearest Neighbor Ber basis Greedy
Nama Jurnal Jurnal Ilmiah KOMPUTASI
Volume dan Halaman Volume 21 No : 2
Tahun 2022
Penulis Septian Dwi Pratama dan Yulian Findawati
Link Download https://doi.org/10.32409/jikstik.21.2.3047
Reviewer Galang Setya Adji W., Nugroho Gusti Bintang F., Mohammad
Amir Fatkhi Z.
Tanggal Review 23 Oktober 2023
Latar Belakang Kota Kediri adalah tujuan wisata yang populer, sering
dikunjungi oleh wisatawan lokal maupun luar daerah. Untuk
meningkatkan efisiensi perjalanan wisatawan di kota ini,
diperlukan pencarian rute terpendek antar tempat wisata.
Algoritma nearest neighbor berbasis greedy digunakan untuk
mencari rute terpendek, dengan fokus pada jarak minimum.
Permasalahan Permasalahan yang dihadapi adalah menentukan rute terpendek
antara titik-titik wisata di Kota Kediri. Algoritma nearest
neighbor berbasis greedy digunakan untuk mencapai tujuan ini.
Tujuan penelitian Penelitian ini bertujuan untuk mencari rute terpendek antara
tempat-tempat wisata di Kota Kediri menggunakan algoritma
nearest neighbor berbasis greedy. Hal ini bertujuan untuk
memberikan solusi yang lebih efisien bagi wisatawan dan
pemimpin rombongan.
Sumber data Sumber data untuk penelitian ini mencakup informasi tentang
lokasi tempat wisata di Kota Kediri dan jarak antar mereka.
 Data ini mungkin diperoleh dari peta geografis atau sumber
data geografis lainnya.
Metode penelitian Metode penelitian yang digunakan adalah algoritma nearest
neighbor berbasis greedy. Algoritma ini mencari rute terpendek
dengan pendekatan penyelesaian berdasarkan jarak minimum.
Objek penelitian Objek penelitian ini adalah pencarian rute terpendek antara
tempat-tempat wisata di Kota Kediri.
Hasil penelitian Hasil penelitian menunjukkan bahwa dengan menggunakan
algoritma nearest neighbor berbasis greedy, rute terpendek
dapat diidentifikasi. Dalam percobaan dengan enam tempat
wisata, ditemukan rute paling efektif sejauh 8,62 Km dalam
waktu tempuh 19 menit. Selain itu, hasil manual dan
menggunakan aplikasi memberikan jarak dan waktu tempuh
yang sama.
Kelebihan penelitian Konfirmasi Validitas Program: Penutup mengkonfirmasi
bahwa program yang dikembangkan untuk pencarian rute
terpendek di Kota Kediri melalui algoritma nearest neighbor
berbasis greedy adalah valid dan dapat menghasilkan rute
perjalanan, jarak, dan waktu tempuh yang akurat.
Waktu Eksekusi Cepat: Penutup mencatat bahwa program ini
memiliki waktu eksekusi yang cepat, bahkan untuk jumlah
tempat wisata yang besar. Hal ini menunjukkan skalabilitas
algoritma untuk menangani situasi yang lebih kompleks.
Manfaat Publik: Penutup menekankan manfaat program ini
bagi masyarakat umum yang membutuhkan informasi rute
terpendek ke tempat-tempat wisata di Kota Kediri. Ini dapat
membantu wisatawan dan pemimpin rombongan untuk
merencanakan perjalanan mereka dengan lebih efisien.
Kekurangan penelitian Kualitas Solusi: Penutup mengakui bahwa meskipun program
menghasilkan solusi yang baik, solusi tersebut hanyalah
mendekati yang terbaik. Ini berarti ada ruang untuk perbaikan
dalam hal optimalitas rute.
Tidak Ada Alternatif Metode: Penutup tidak menyebutkan
kemungkinan untuk mempertimbangkan atau mencoba metode
lain selain algoritma nearest neighbor berbasis greedy.
Mengadopsi variasi algoritma atau pendekatan lain mungkin
bisa menghasilkan solusi yang lebih optimal.
Diskusi / Rekomendasi Penelitian Lanjutan: Sebagai rekomendasi, penelitian
selanjutnya sebaiknya mengkaji dan mencoba metode-metode
lain yang mungkin lebih optimal dalam menentukan rute
terpendek. Ini dapat membantu memperbaiki kualitas solusi.
Pengembangan Aplikasi Mobile: Untuk meningkatkan
aksesibilitas dan ketergunaan, algoritma nearest neighbor
berbasis greedy yang digunakan dalam penelitian ini bisa
dikembangkan menjadi sebuah aplikasi mobile. Aplikasi ini
 dapat membantu wisatawan secara praktis dalam
merencanakan perjalanan mereka ke tempat-tempat wisata di
Kota Kediri.
Peningkatan Optimalitas: Dalam penelitian selanjutnya, perlu
mempertimbangkan metode yang lebih baik dan efisien untuk
memastikan hasil yang lebih optimal dalam penentuan rute
terpendek.
Evaluasi Kepuasan Pengguna: Selama pengembangan aplikasi
mobile, penting untuk memperhitungkan umpan balik
pengguna untuk memastikan aplikasi memenuhi kebutuhan
dan harapan mereka dalam merencanakan perjalanan wisata.

(3)Perancangan Aplikasi Game Maze Escape Dengan Menerapkan Algoritma Greedy

Untuk Pencarian Jalur Terpendek
Nama Jurnal Jurnal Sistem Komputer dan Informatika (JSON)
Volume dan Halaman Volume 3, Nomor 2
Tahun 2021
Penulis Nanda Sopianto dan Mesran
Link Download https://doi.org/10.30865/json.v3i2.3585
Reviewer Galang Setya Adji W., Nugroho Gusti Bintang F., Mohammad
Amir Fatkhi Z.
Tanggal Review 23 Oktober 2023
Latar Belakang Dalam era modern, permainan yang membutuhkan ruang fisik
luas dan konsumsi sumber daya besar, seperti permainan maze
tradisional, semakin langka. Namun, perkembangan teknologi
telah membuka peluang baru untuk permainan seperti "maze
escape" dalam bentuk simulasi komputer. Simulasi ini
menawarkan kesempatan untuk mengisi waktu luang,
menghibur, melatih otak, dan menghilangkan kejenuhan
dengan cara yang lebih efisien.
Permasalahan Permainan "maze escape" dalam simulasi komputer
memerlukan penentuan rute optimal yang memiliki jarak
terpendek. Masalah ini memerlukan pendekatan algoritma
untuk menemukan solusi yang meminimalkan jarak yang harus
ditempuh pemain.
Tujuan penelitian Tujuan dari penelitian ini adalah merancang sebuah permainan
yang dapat dimainkan untuk menghibur dan melatih otak
pemain. Selain itu, penelitian ini bertujuan untuk menentukan
rute paling optimal dalam permainan "maze escape" dengan
menggunakan pendekatan algoritma Greedy.
Sumber data Sumber data untuk penelitian ini mungkin melibatkan data
yang digunakan dalam permainan "maze escape" yang
dirancang. Ini termasuk peta permainan, koordinat awal dan
akhir, serta data jarak antara titik-titik dalam permainan.
Metode penelitian Penelitian ini menggunakan pendekatan algoritma Greedy
dalam menentukan rute optimal dalam permainan "maze
escape." Algoritma Greedy mengambil langkah demi langkah
yang diharapkan akan menghasilkan solusi optimal global
dengan membuat pilihan yang terlihat optimal pada setiap
langkah.
Objek penelitian Objek penelitian adalah permainan "maze escape" dalam
bentuk simulasi komputer. Penelitian berfokus pada
pemahaman dan penerapan algoritma Greedy untuk
menentukan rute terpendek dalam permainan ini.
Hasil penelitian Hasil penelitian ini adalah pengembangan permainan "maze
escape" yang dapat dimainkan untuk menghibur dan melatih
otak pemain. Selain itu, penelitian ini memberikan rute
terpendek dalam permainan tersebut berdasarkan pendekatan
algoritma Greedy, yang diharapkan dapat meningkatkan
pengalaman bermain dan tantangan intelektual bagi pemain.
Kelebihan penelitian Pemahaman Manfaat Pencarian Jalur Terpendek: Kesimpulan
ini menyampaikan pemahaman yang baik tentang manfaat
penting dari pencarian jalur terpendek dalam konteks
permainan "maze escape." Dengan menemukan jalur
terpendek, pemain dapat mencapai tujuan lebih cepat dan
efisien.
Penjelasan Implementasi Algoritma Greedy: Kesimpulan ini
menjelaskan bahwa algoritma greedy telah diimplementasikan
dengan sukses dalam permainan "maze escape." Ini
menunjukkan aplikasi praktis algoritma tersebut dalam konteks
yang relevan.
Kekurangan penelitian Tidak Menyebutkan Hasil Konkret: Kesimpulan tidak
menyertakan hasil konkret dari implementasi algoritma greedy
dalam permainan "maze escape." Informasi tentang efektivitas
algoritma atau dampaknya pada pengalaman bermain akan
menjadi nilai tambah.
Tidak Menyebutkan Metodologi: Kesimpulan tidak
memberikan wawasan tentang bagaimana algoritma greedy
diimplementasikan atau informasi tentang proses perancangan
perangkat lunak. Informasi ini akan membantu pembaca yang
tertarik untuk mengevaluasi atau mengikuti langkah-langkah
yang sama.
Diskusi / Rekomendasi Klarifikasi Hasil: Rekomendasi pertama adalah untuk
menyediakan informasi yang lebih rinci mengenai hasil dari
implementasi algoritma greedy dalam permainan "maze
escape." Ini dapat mencakup data perbandingan jarak antara
jalur terpendek dengan jalur alternatif atau pengukuran
efektivitas algoritma tersebut.
 Detail Metodologi: Memberikan informasi tentang bagaimana
algoritma greedy diimplementasikan dalam permainan,
termasuk langkah-langkah teknisnya, akan membantu pembaca
yang ingin mengulangi atau memodifikasi implementasi ini.
Eksplorasi Lebih Lanjut: Selain mengimplementasikan
algoritma greedy, penelitian selanjutnya dapat mengeksplorasi
algoritma lain atau teknik pencarian jalur terpendek yang dapat
meningkatkan pengalaman bermain.

(4) Optimasi
Pengaturan Steam Uap Menggunakan Algoritma Greedy Untuk Mendukung
Proses Prebusan Kelapa Sawit
Nama Jurnal Journal of Software Engineering and Information Systems

Volume dan Halaman 1, Hal 30-35

Tahun 2021
Penulis Sunanto, Faural Abadi
Link Download https://doi.org/10.37859/seis.v1i1.2815
Reviewer Galang Setya Adji W., Nugroho Gusti Bintang F., Mohammad
Amir Fatkhi Z.
Tanggal Review 23 Oktober 2023
Latar Belakang Artikel ini dimulai dengan mengidentifikasi pentingnya proses
perebusan dalam pengolahan kelapa sawit untuk mendapatkan
minyak kelapa sawit dengan kualitas yang optimal. Penekanan
diberikan pada masalah pengaturan steam uap yang tidak
optimal dan berpotensi mengakibatkan kehilangan minyak
yang tinggi.
Permasalahan Permasalahan utama yang diajukan dalam artikel ini adalah
masalah pengaturan steam uap yang tidak optimal pada proses
perebusan tandan buah segar kelapa sawit. Pengaturan ini saat
ini dilakukan secara manual dan kurang efisien.
Tujuan penelitian Tujuan penelitian dalam artikel ini adalah mengoptimalkan
pengaturan steam uap dalam proses perebusan kelapa sawit
dengan menggunakan algoritma Greedy. Hal ini bertujuan
untuk mengurangi kehilangan minyak dan meningkatkan hasil
proses perebusan.
Sumber data Artikel ini mengacu pada data dan informasi terkait proses
perebusan kelapa sawit, kondisi pabrik, dan tekanan steam uap.
Metode penelitian Metode penelitian yang digunakan adalah algoritma Greedy
dalam konteks optimasi pengaturan steam uap. Artikel
menjelaskan penggunaan metode ini untuk membagi steam
secara optimal ke dalam tiga bejana rebusan.
Objek penelitian Metode penelitian yang digunakan adalah algoritma Greedy
dalam konteks optimasi pengaturan steam uap. Artikel
 menjelaskan penggunaan metode ini untuk membagi steam
secara optimal ke dalam tiga bejana rebusan.
Hasil penelitian Artikel ini memberikan hasil penelitian yang mencakup
simulasi pengaturan steam uap menggunakan ESP32 dan
algoritma Greedy. Hasilnya adalah solusi optimal yang
meminimalkan kehilangan minyak dan meningkatkan efisiensi
proses.
Kelebihan penelitian Kelebihan penelitian ini adalah penggunaan algoritma Greedy
untuk mengoptimalkan pengaturan steam uap, yang dapat
mengurangi kehilangan minyak dan meningkatkan hasil
proses.
Kekurangan penelitian Kelebihan penelitian ini adalah penggunaan algoritma Greedy
untuk mengoptimalkan pengaturan steam uap, yang dapat
mengurangi kehilangan minyak dan meningkatkan hasil
proses.
Diskusi / Rekomendasi Artikel ini merekomendasikan pertimbangan untuk mengganti
ESP32 dengan PLC yang memenuhi standar industri, serta
mempertimbangkan faktor fungsional dalam implementasi di
lapangan.

(5)Prediksi Diabetes Menggunakan Algoritma Naive Bayes dan Greedy Forward

Selection
Nama Jurnal Jurnal Nasional Teknologi Dan Sistem Informasi
Volume dan Halaman Vol. 7, No.2, Hal. 61-69
Tahun 2021
Penulis Fitriyani F.
Link Download https://doi.org/10.25077/teknosi.v7i2.2021.61-69
Reviewer Galang Setya Adji W., Nugroho Gusti Bintang F., Mohammad
Amir Fatkhi Z.
Tanggal Review 23 Oktober 2023
Latar Belakang Diabetes adalah penyakit kronis yang mempengaruhi banyak
orang di seluruh dunia dan dapat menyebabkan komplikasi
serius jika tidak diobati atau diidentifikasi dengan cepat.
Permasalahan Diabetes dapat menyebabkan berbagai komplikasi kesehatan
serius, termasuk serangan jantung, stroke, kerusakan pembuluh
darah, saraf, dan organ tubuh lainnya. Oleh karena itu,
identifikasi awal diabetes sangat penting untuk mencegah dan
mengelola komplikasi ini.
Tujuan penelitian Penelitian ini bertujuan untuk memprediksi diabetes
menggunakan algoritma Naïve Bayes, serta menerapkan
seleksi fitur Greedy Forward Selection untuk memilih atribut
yang paling relevan.
Sumber data Sumber data penelitian bisa berasal dari berbagai sumber,
seperti survei, rekam medis pasien, data laboratorium, atau
bahkan dataset publik yang tersedia untuk penggunaan umum.
Metode penelitian Penelitian menggunakan algoritma Naïve Bayes, yang
merupakan algoritma klasifikasi probabilitas sederhana, dan
seleksi fitur Greedy Forward Selection. Seleksi fitur ini
digunakan untuk memilih fitur yang paling relevan dalam
dataset.
Objek penelitian
Hasil penelitian Penelitian ini menggunakan dataset diabetes dari UCI
Repository. Keterbatasan dataset tersebut dapat mempengaruhi
generalisasi hasil penelitian, karena dataset mungkin tidak
mencakup variasi yang cukup dalam kasus diabetes.
Kelebihan penelitian Penelitian ini mengusulkan model prediksi diabetes yang
menggunakan algoritma Naïve Bayes dan seleksi fitur Greedy
Forward Selection. Model ini menghasilkan akurasi yang baik
dalam mengidentifikasi diabetes.
Kekurangan penelitian Penelitian ini menggunakan dataset diabetes dari UCI
Repository. Keterbatasan dataset tersebut dapat mempengaruhi
generalisasi hasil penelitian, karena dataset mungkin tidak
mencakup variasi yang cukup dalam kasus diabetes.
Diskusi / Rekomendasi Penelitian ini mengusulkan model prediksi diabetes yang
menggunakan algoritma Naïve Bayes dan seleksi fitur Greedy
Forward Selection. Model ini menghasilkan akurasi yang baik
dalam mengidentifikasi diabetes.

Optimasi Penjadwalan Job Shop dengan Metode Algoritma Greedy

(6)
Nama Jurnal PROFISIENSI: Jurnal Program Studi Teknik Industri
Volume dan Halaman Vol. 8, No.2 ,Halaman 164-176
Tahun 2021
Penulis Hery Irwan
Link Download https://doi.org/10.33373/profis.v8i2.2810
Reviewer Galang Setya Adji W., Nugroho Gusti Bintang F., Mohammad
Amir Fatkhi Z.
Tanggal Review 23 Oktober 2023
Latar Belakang Dalam dunia industri, penjadwalan produksi sangat penting.
Persoalan penjadwalan timbul ketika beberapa pekerjaan harus
dikerjakan secara bersamaan dengan sumber daya yang
terbatas. Hal ini sering menjadi tantangan bagi perusahaan
manufaktur dalam meminimalkan waktu produksi, mengurangi
persediaan barang setengah jadi, dan memaksimalkan
penggunaan sumber daya. Penelitian ini berfokus pada
penjadwalan di lingkungan job shop, di mana banyak pekerjaan
dengan berbagai spesifikasi harus dikerjakan pada mesin yang
berbeda.
Permasalahan Permasalahan yang ingin dipecahkan dalam penelitian ini
adalah mencari penjadwalan produksi yang optimal dalam
lingkungan job shop. Ini mencakup penentuan urutan
 pekerjaan, waktu proses, dan mesin yang digunakan untuk
meminimalkan total waktu produksi, yang sering disebut
"makespan."
Tujuan penelitian Tujuan utama penelitian ini adalah untuk mengoptimalkan
penjadwalan produksi di lingkungan job shop dengan
menggunakan algoritma Greedy. Algoritma Greedy digunakan
untuk mencari solusi yang dapat meminimalkan makespan.
Selanjutnya, penelitian ini akan membandingkan hasil
penjadwalan algoritma Greedy dengan hasil penjadwalan
menggunakan Gantt Chart.
Sumber data Sumber data penelitian ini termasuk:
Data permintaan pelanggan.
Data backlog produksi.
Routing sheet (rincian tentang proses yang dilewati oleh setiap
pekerjaan).
Data waktu proses untuk setiap operasi.
Data kedatangan bahan baku.
Data kapasitas mesin.
Metode penelitian Metode penelitian yang digunakan adalah komperatif, di mana
penjadwalan menggunakan algoritma Greedy dibandingkan
dengan penjadwalan tanpa algoritma Greedy. Selain itu,
penelitian juga mencakup penggunaan Gantt Chart untuk
membandingkan hasil penjadwalan.
Objek penelitian Objek penelitian adalah penjadwalan produksi di lingkungan
job shop, di mana sejumlah pekerjaan dengan karakteristik
yang berbeda harus dikerjakan pada mesin yang tersedia.
Hasil penelitian Hasil penelitian menunjukkan bahwa algoritma Greedy
menghasilkan penjadwalan dengan total waktu produksi
tertentu, tetapi saat menggunakan Gantt Chart, terjadi
perbedaan dalam perhitungan kumulatif waktu, terutama untuk
mesin yang memiliki alternative. Sehingga, perbedaan waktu
yang dihasilkan oleh algoritma Greedy dan perhitungan
sebenarnya adalah salah satu hasil utama penelitian ini.
Kelebihan penelitian Kelebihan penelitian adalah penekanan pada optimasi
penjadwalan produksi, yang merupakan masalah penting dalam
industri manufaktur.
Kekurangan penelitian Salah satu kekurangan penelitian adalah keterbatasan algoritma
Greedy dalam menghitung waktu tunggu secara manual,
terutama ketika terdapat perbedaan waktu proses pada mesin
yang memiliki alternative.
Diskusi / Rekomendasi Penelitian ini menyarankan penggunaan metode atau alat bantu
yang lebih canggih, seperti perangkat lunak khusus, untuk
mengatasi keterbatasan algoritma Greedy dalam menghitung
waktu tunggu secara manual. Selain itu, penelitian lebih lanjut
 dapat dilakukan untuk mengembangkan algoritma penjadwalan
yang lebih efisien.

(7)Penerapan Algoritma Greedy Untuk Prediksi Efektifitas Penggunaan Daya Listrik

Nama Jurnal JSAI (Journal Scientific and Applied Informatics)
Volume dan Halaman Vol.3, No.3, Halaman 163-174
Tahun 2021
Penulis Febrian Dwi Putra, Zulfikar, Agus Sifaunajah
Link Download https://doi.org/10.36085/jsai.v3i3.1165
Reviewer Galang Setya Adji W., Nugroho Gusti Bintang F., Mohammad
Amir Fatkhi Z.
Tanggal Review 23 Oktober 2023
Latar Belakang Salah satu latar belakang utama adalah adanya permasalahan
penggunaan daya listrik yang tidak efisien. Banyak rumah
tangga atau organisasi menghadapi masalah dengan
penggunaan daya listrik yang tidak optimal, yang bisa
mengakibatkan pemborosan energi dan biaya yang lebih tinggi.
Permasalahan Banyaknya konsumsi listrik tanpa memperhatikan pola
penggunaan mengakibatkan penggunaan listrik yang tidak
efektif.
Tujuan penelitian Tujuan penelitian dalam artikel yang Anda berikan adalah
untuk mengembangkan sistem monitoring dan prediksi
efektivitas penggunaan daya listrik. Penelitian ini bertujuan
untuk membantu mengatur pola penggunaan daya listrik dalam
sebuah ruangan dengan menggunakan algoritma greedy.
Sistem ini bertujuan untuk mencapai efektivitas penggunaan
daya listrik yang tinggi dengan memprediksi pola penggunaan
listrik dan memastikan bahwa penggunaan listrik tidak
melebihi batas target intensitas konsumsi energi (IKE).
Sumber data Informasi tentang sumber data biasanya dapat ditemukan di
dalam artikel ilmiah itu sendiri, biasanya dalam bagian metode
atau daftar referensi.
Metode penelitian Penelitian menggunakan NodeMcu dan MQTT (Message
Queueing Telemetry Transport) untuk membaca nilai daya
listrik. Data ini kemudian diolah dengan menggunakan
algoritma greedy pada aplikasi Android. Standar nilai IKE
(Intensitas Konsumsi Energi) digunakan sebagai batasan dalam
proses algoritma greedy untuk memprediksi pola penggunaan
listrik yang efektif.
Objek penelitian Objek penelitian dalam studi yang Anda sebutkan adalah
pengembangan sistem monitoring dan penggunaan efektif daya
listrik. Studi tersebut bertujuan untuk menciptakan sistem yang
dapat membantu mengatur pola penggunaan daya listrik di
suatu ruangan dengan menggunakan algoritma Greedy.
Hasil penelitian Hasil pengujian menunjukkan bahwa penerapan algoritma
greedy dapat membantu mengatur pola penggunaan daya listrik
menjadi lebih efektif dengan nilai IKE yang lebih rendah
dibandingkan dengan penggunaan normal.
Kelebihan penelitian Penelitian ini menyajikan solusi inovatif untuk masalah
penggunaan listrik yang tidak efektif dengan menggabungkan
teknologi monitoring dan algoritma greedy.
Kekurangan penelitian Penelitian ini memperkenalkan konsep dan metode dalam
sebuah studi kasus yang mungkin belum mencakup berbagai
situasi penggunaan listrik. Pengujian lebih lanjut dalam
berbagai konteks dapat membantu mengidentifikasi
keunggulan dan batasan sistem yang lebih komprehensif.
Diskusi / Rekomendasi Hasil pengujian menunjukkan bahwa penerapan algoritma
greedy dapat membantu mengatur pola penggunaan daya listrik
menjadi lebih efektif dengan nilai IKE yang lebih rendah
dibandingkan dengan penggunaan normal.

(8) Optimasi
Rute Pendistribusian Gas Elpiji Menggunakan Algoritma Floyd
Warshall dan Algoritma Greedy
Nama Jurnal Jurnal Ilmiah Matematika dan Terapan
Volume dan Halaman Vol. 20, No. 1,Halaman 1-14
Tahun 2023
Penulis Elia Resita Ningrum, Ardhi Sanwidi, Rachmadania Akbarita,
dan Muhammad Nur Haqqul Qomaruddin

Link Download https://doi.org/10.22487/2540766x.2023.v20.i1.15568

Reviewer Galang Setya Adji W., Nugroho Gusti Bintang F., Mohammad
Amir Fatkhi Z.
Tanggal Review 21 Oktober 2023
Latar Belakang Gas elpiji merupakan kebutuhan yang penting karena
digunakan sebagai alat bantu memasak. Banyaknya kebutuhan
masyarakat terhadap gas elpiji diperlukan juga pendistribusian
yang efektif agar gas elpiji tersedia ketika masyarakat
membutuhkannya. Tahap pendistribusian gas elpiji memiliki
peran penting dalam penyampaian gas elpiji kepada pihak
konsumen.
Permasalahan Pengoptimalan jarak pada setiap pendistribusian dapat
memberi keuntungan kepada pihak agen karena
memungkinkan dapat mengurangi waktu tempuh kendaraan
pengangkut gas elpiji. Selain itu, selama melakukan rute
pendistribusian, kendaraan pengangkut gas elpiji memiliki
waktu dan biaya transportasi yang dapat di minimalisir.
Tujuan penelitian Penelitian ini bertujuan untuk mengetahui hasil rute terpendek
menggunakan algoritma Floyd Warshall dan algoritma Greedy
dan mengetahui lintasan terpendek yang lebih optimal diantara
 kedua algoritma tersebut. Optimasi rute pendistribusian dalam
penelitian ini dilakukan dengan meminimumkan jarak yang
akan ditempuh oleh kendaraan pendistribusian.
Sumber data Data primer (Data langsung yang diamati oleh penulis dari
google maps berupa peta dan jarak antar lokasi) dan data
sekunder (Alamat setiap pangkalan(outlet) dan jadwal
pendistribusian setiap pangkalan(outlet) yang diperoleh dari
PT. Petro Jaya Gas)
Metode penelitian Algoritma Floyd Warshall dan algoritma Greedy
Objek penelitian Gas Elpiji
Hasil penelitian Hasil perhitungan dengan algoritma Floyd Warshall dan
algoritma Greedy didapatkan algoritma Floyd Warshall dengan
jarak 14,57 km dan algoritma Greedy dengan jarak 13,13 km.
Sehingga metode yang lebih optimum untuk digunakan dalam
pemecahan permasalahan rute terpendek pendistribusian gas
elpiji pada PT Petro Jaya Gas adalah menggunakan algoritma
Greedy karena memiliki jarak yang lebih pendek yaitu dengan
melewati PT Rama Manggala Gas- PT Mayangkara LPG- Jl
Galunggung RT 03/02, Sukorejo, Sukorejo-Jl Mayang Tengah
RT 02/05, Sukorejo, Sukorejo- Jl. Mayang Tengah RT 03/RW
02, Sukorejo, Sukorejo- Jl. Bakung, Sukorejo, Sukorejo- Jl.
Kaliporong, Pakunden, Sukorejo- PT Hariputra Santosa Jaya
SPBU no 54.66103-Jl. Bengawan Solo, Pakunden, Sukorejo-
Jl. Jati GG 1 No 27 RT 02/12 Sukorejo, Sukorejo- Jl Jati No 65
RT 04/12 Sukorejo, Sukorejo- Jl. Jati RT 02/14 Sukorejo,
Sukorejo- Toko Buwana- Jl. Mawar, Sukorejo, Sukorejo.
Kelebihan penelitian Hasil penelitian menunjukkan bahwa Algoritma Greedy
menghasilkan jarak rute yang lebih pendek (13,13 km)
dibandingkan dengan Algoritma Floyd Warshall (14,57 km).
Hal ini menunjukkan bahwa Algoritma Greedy memberikan
solusi yang lebih optimal dalam hal perjalanan yang lebih
efisien.
Kekurangan penelitian Penelitian ini mungkin tidak mempertimbangkan faktor-faktor
eksternal yang dapat memengaruhi rute pendistribusian, seperti
lalu lintas jalan yang berubah-ubah atau kendala geografis yang
tidak terduga.
Diskusi / Rekomendasi Penting untuk mempertimbangkan faktor-faktor eksternal yang
dapat memengaruhi rute pendistribusian seperti lalu lintas,
cuaca, atau kendala geografis dalam perencanaan rute yang
lebih baik.
 (9) Perbandingan Algoritma Welch Powell dan Algoritma Greedy dalam Optimasi
Penjadwalan Ruang Kuliah Semester Genap Fakultas Teknik
Nama Jurnal JIMP : Jurnal Informatika Merdeka Pasuruan
Volume dan Halaman Vol. 7, No. 3,Halaman 87-95
Tahun 2022
Penulis Yohana Christela Oktaviani, Yosefina Finsensia Riti
Link Download https://doi.org/10.51213/jimp.v7i3.560
Reviewer Galang Setya Adji W., Nugroho Gusti Bintang F., Mohammad
Amir Fatkhi Z.
Tanggal Review 21 Oktober 2023
Latar Belakang Penjadwalan merupakan suatu proses yang dilaksanakan secara
terstruktur untuk mengefisiensikan waktu kerja serta
menghindari terjadinya constraint dalam suatu permasalahan.
Penjadwalan ini banyak diterapkan dalam dunia pendidikan,
salah satunya ialah penyusunan penjadwalan mata kuliah.
Permasalahan Penyusunan penjadwalan sendiri perlu dioptimalisasikan agar
proses perkuliahan dapat berjalan dengan lancar tanpa adanya
constraint antar mata kuliah. Seperti yang terjadi pada Fakultas
Teknik, Universitas Katolik Darma Cendika, dimana dalam
penyusunan penjadwalan ini belum terdapat informasi ruangan
kuliah.
Tujuan penelitian Penulis menyusun jurnal optimasi penjadwalan ruang kuliah
dengan membandingkan kinerja antara algoritma Welch
Powell dengan algoritma Greedy.
Sumber data 109 mata kuliah yang tersebar dari 4 Prodi Fakultas Teknik,
yakni Prodi Teknik Industri, Prodi Arsitektur, Prodi Ilmu
Informatika, serta Prodi Akupuntur dan Pengobatan Herbal
Metode penelitian Metode Komparatif
Objek penelitian Fakultas Teknik
Hasil penelitian Berdasarkan penelitian yang telah dilakukan, diperoleh hasil 7
warna kromatik yang selanjutnya diterapkan pada 7 ruang
perkuliahan Fakultas Teknik.
Kelebihan penelitian Penggunaan metode penelitian komparatif memberikan
gambaran yang jelas tentang perbandingan antara dua
algoritma yang digunakan, yaitu Welch Powell dan Greedy.
Hal ini membantu dalam menilai kinerja kedua algoritma
dengan lebih baik.
Kekurangan penelitian Penelitian ini hanya mencakup data dari Fakultas Teknik
Universitas Katolik Darma Cendika. Penelitian yang lebih
komprehensif mungkin memerlukan data dari berbagai institusi
pendidikan untuk hasil yang lebih umum dan representatif.
Diskusi / Rekomendasi Penelitian selanjutnya dapat mempertimbangkan penggunaan
algoritma kombinasi (hybrid) yang menggabungkan
keunggulan kedua algoritma Welch Powell dan Greedy untuk
mengoptimalkan penjadwalan.
 (10) Perbandingan Penerapan Algortima Dynamic Programming Dengan Algoritma
Greedy Dalam Menentukan Optimasi Posisi Pasar di Suatu Wilayah
Nama Jurnal JURNAL SIMETRIK
Volume dan Halaman Vol. 13, No. 1,Halaman 690-696
Tahun 2023
Penulis Ahmad Thariq
Link Download https://doi.org/10.31959/js.v13i1.1316
Reviewer Galang Setya Adji W., Nugroho Gusti Bintang F., Mohammad
Amir Fatkhi Z.
Tanggal Review 21 Oktober 2023
Latar Belakang Pasar merupakan tempat orang dalam suatu wilayah melakukan
suatu kegiatan jual beli, dalam suatu perkotaan, pasar moderen
sudah menjadi trend tersendiri. Bagi pemerintah penentuan
lokasi pasar, haruslah efektif dan efisien sehingga
memudahkan masyarakat dalam melakukan jual belinya
(Farma, 2019).
Permasalahan Ketepatan penempatan lokasi pasar merupakan hal yang sangat
penting bagi masyarakat di suatu wilayah. Banyaknya faktor
yang mempengaruhi menuntut pemerintah harus bijak dalam
mengambil keputusan. Salah satu faktor yang mempengaruhi
adalah dengan memperhitungkan kepadatan penduduk dan
jarak antar wilayahnya.
Tujuan penelitian Penelitian ini dilakukan penentuan lokasi pasar pada wilayah
lingkungan kelurahan allepolea, kecamatan lau, kabupaten
maros dengan menggunakan algoritma dynamic programming
yang dibandingkan dengan algoritma greedy sehingga
penempatan pasar dapat dibuat seoptimal mungkin
Sumber data Pasar di suatu wilayah
Metode penelitian Algoritma Dynamic Programming dan Algoritma Greedy
Objek penelitian Pasar
Hasil penelitian Dari hasil penelitian terlihat bahwa implementasi algoritma
dynamic programming didapatkan solusi optimum (OP) sama
dengan algoritma greedy dengan nilai 1102525.13 sampai pada
proses fungsi. Kedua algoritma tersebut walaupun
mendapatkan hasil optimal yang sama namun memliki
perbedaan pada waktu komputasi dimana penggunaan
algoritma dynamic programming akan secara teliti
membandingkan kandidat solusi yang paling optimal dengan
memperhatikan solusi sebelumnya, namun dengan waktu
komputasi yang lama. Sedangkan algoritma greedy walaupun
dengan waktu komputasi yang lebih singkat namun hanya
menggunakan optimum lokal sebagai kandidat solusi.
Kelebihan penelitian Penelitian ini mencapai solusi optimum yang sama baik dengan
penggunaan algoritma Dynamic Programming maupun
 algoritma Greedy, dengan nilai 1102525.13. Ini menunjukkan
bahwa kedua algoritma mampu memberikan hasil yang optimal
dalam konteks penempatan pasar.
Kekurangan penelitian Algoritma Dynamic Programming memerlukan waktu
komputasi yang lebih lama dibandingkan dengan algoritma
Greedy. Hal ini disebabkan oleh sifat komputasi yang teliti
dalam membandingkan kandidat solusi yang paling optimal
dengan mempertimbangkan solusi sebelumnya. Seiring dengan
meningkatnya ukuran masalah, waktu komputasi yang lebih
lama dapat menjadi masalah, terutama dalam situasi di mana
kecepatan pengambilan keputusan sangat penting.
Diskusi / Rekomendasi Pemilihan antara algoritma Dynamic Programming dan
algoritma Greedy harus dipertimbangkan berdasarkan trade-off
antara waktu komputasi dan kualitas solusi. Jika waktu
komputasi adalah faktor yang kritis, algoritma Greedy mungkin
lebih disukai. Namun, jika kualitas solusi lebih penting
daripada waktu komputasi, algoritma Dynamic Programming
dapat digunakan.

d. Contoh Masalah dan Simulasi

Contoh Masalah : Pemecahan uang logam
Pemecahan Uang, Anda memiliki uang sejumlah Rp 800 dan Anda memiliki tiga jenis koin
dengan denominasi Rp 100, Rp 200, dan Rp 500. Anda ingin menghitung berapa banyak koin
dari masing-masing jenis yang diperlukan untuk membayar jumlah uang yang diberikan.
Contoh Simulasi :
• Banyaknya Jenis Koin: 3
• Masukkan Jenis Koin (Rp): 100,200,500
• Masukkan Nilai yang Ingin Dipecah (Rp): 800

e. Implementasi Algoritma Brute Force

<!DOCTYPE html>
<html>
<head>
<link
href="https://cdn.jsdelivr.net/npm/tailwindcss@2.2.19/dist/tailwind.min.cs
s" rel="stylesheet">
</head>
<body class="text-center p-8">
<h1 class="text-2xl font-bold mb-4">Kalkulator Pecahan Uang</h1>
<form action="" method="post" class="max-w-md mx-auto">
<div class="mb-4">
<label for="n" class="block">Banyaknya Jenis Koin:</label>
<input type="number" name="n" required class="w-full px-3 py-2
border rounded-md" />
 </div>
<div class="mb-4">
<label for="x" class="block">Masukkan Jenis Koin (Rp):</label>
<input type="text" name="x" required class="w-full px-3 py-2
border rounded-md" />
</div>
<div class="mb-4">
<label for="uang" class="block">Masukkan Nilai yang Ingin
Dipecah (Rp):</label>
<input type="number" name="uang" required class="w-full px-3 py-
2 border rounded-md" />
</div>
<button type="submit" class="bg-blue-500 text-white px-4 py-2
rounded-md hover:bg-blue-700">Hitung</button>
</form>

<?php
if ($_SERVER["REQUEST_METHOD"] == "POST") {
$n = intval($_POST["n"]);
$x = explode(",", $_POST["x"]);
$uang = intval($_POST["uang"]);
$hasil = array();

for ($i = 0; $i < $n; $i++) {

$x[$i] = intval($x[$i]);
}

echo "<h2 class='text-2xl font-bold mt-4'>Hasil Algoritma

Greedy:</h2>";
echo "<ul class='text-left'>";
for ($i = 0; $i < $n; $i++) {
if ($x[$i] != 0) {
$hasil[$i] = intval($uang / $x[$i]);
$uang = $uang % $x[$i];
echo "<li>Koin Rp " . $x[$i] . "-an sebanyak: " . $hasil[$i]
. " keping</li>";
} else {
echo "<li>Koin Rp " . $x[$i] . " tidak valid (0 nilai
koin).</li>";
}
}
echo "</ul>";
}
?>
</body>
</html>
 KESIMPULAN
Kompleksitas algoritma dan kompleksitas waktu adalah konsep kunci dalam ilmu komputer
yang membantu kita memahami seberapa efisien algoritma dalam menyelesaikan tugas tertentu.
Dalam pengembangan perangkat lunak dan berbagai aspek kehidupan sehari-hari, pemahaman
tentang kompleksitas waktu sangat penting untuk mengoptimalkan kinerja sistem dan memenuhi
kebutuhan pengguna. Dengan memilih algoritma yang tepat, melakukan optimasi yang benar, dan
memahami dampaknya terhadap sumber daya komputasi, kita dapat menciptakan solusi yang lebih
efisien dan responsif dalam dunia yang semakin terhubung dan bergerak cepat.
 DAFTAR PUSTAKA
Oktaviani, Y. C., & Riti, Y. F. (2023, September 12). Perbandingan Algoritma Welch Powell dan
Algoritma Greedy dalam Optimasi Penjadwalan Ruang Kuliah Semester Genap Fakultas
Teknik. J I M P - Jurnal Informatika Merdeka Pasuruan, 7(3), 87.
https://doi.org/10.51213/jimp.v7i3.560
Thariq, A. (2023, June 26). Perbandingan Penerapan Algoritma Dynamic Programming dengan
Algoritma Greedy dalam Menentukan Optimasi Posisi Pasar di Suatu Wilayah. JURNAL
SIMETRIK, 13(1), 690–696. https://doi.org/10.31959/js.v13i1.1316
Ningrum, E. R., Sanwidi, A., Akbarita, R., & Qomaruddin, M. N. H. (2023, June 12). Optimasi Rute
Pendistribusian Gas Elpiji Menggunakan Algoritma Floyd Warshall Dan Algoritma
Greedy. JURNAL ILMIAH MATEMATIKA DAN TERAPAN, 20(1), 1–14.
https://doi.org/10.22487/2540766x.2023.v20.i1.15568
Maulidan, M. I., Gunawan, G., & Fajar, M. Y. (2023, January 28). Perbandingan Algoritma K-
Nearest Neighbor, Greedy dan Brute Force dalam Menentukan Rute Pengiriman Barang.
Bandung Conference Series: Mathematics, 3(1). https://doi.org/10.29313/bcsm.v3i1.6403
Pencarian Rute Terpendek Perjalanan Wisata di Kota Kediri dengan Algoritma Nearest Neighbor
Berbasis Greedy. (2022, June 30). Jurnal Ilmiah Komputasi, 21(2).
https://doi.org/10.32409/jikstik.21.2.3047
Sopianto, N., & Mesran, M. (2021, December 31). Perancangan Aplikasi Game Maze Escape Dengan
Menerapkan Algoritma Greedy Untuk Pencarian Jalur Terpendek. Jurnal Sistem Komputer
Dan Informatika (JSON), 3(2), 67. https://doi.org/10.30865/json.v3i2.3585
Rahmawati, E., & Agustina, C. (2021, December 22). Implementasi Algoritma Greedy dan Djikstra
untuk Efektifitas Rute Pariwisata Populer di Borobudur. Jurnal Teknologi Informasi Dan
Terapan, 8(2), 72–75. https://doi.org/10.25047/jtit.v8i2.216
Wungguli, D., Ibrahim, S. S., & Yahya, L. (2021, December 7). Perbandingan Algoritma Greedy Dan
Metode Branch And Bound Pada Penyelesaian Knapsack 0-1 Untuk Mengoptimalkan
Muatan Barang. JURNAL ILMIAH MATEMATIKA DAN TERAPAN, 18(2), 188–198.
https://doi.org/10.22487/2540766x.2021.v18.i2.15605
Sunanto, S., & Abadi, F. (2021, December 3). OPTIMASI PENGATURAN STEAM UAP
MENGGUNAKAN ALGORITMA GREEDY UNTUK MENDUKUNG PROSES
PEREBUSAN KELAPA SAWIT. Journal of Software Engineering and Information
Systems, 1(1). https://doi.org/10.37859/seis.v1i1.2815
Fitriyani, F. (2021, August 31). Prediksi Diabetes Menggunakan Algoritma Naive Bayes dan Greedy
Forward Selection. Jurnal Nasional Teknologi Dan Sistem Informasi, 7(2), 61–69.
https://doi.org/10.25077/teknosi.v7i2.2021.61-69
Irwan, H. (2020, December 30). Optimasi Penjadwalan Job Shop dengan Metode Algoritma Greedy.
PROFISIENSI: Jurnal Program Studi Teknik Industri, 8(2), 164–176.
https://doi.org/10.33373/profis.v8i2.2810
Putra, F. D. (2020, December 1). PENERAPAN ALGORITMA GREEDY UNTUK PREDIKSI
EFEKTIFITAS PENGGUNAAN DAYA LISTRIK. JSAI (Journal Scientific and Applied
Informatics), 3(3), 163–174. https://doi.org/10.36085/jsai.v3i3.1165
Hignasari, L. (2020, June 16). Komparasi Algoritma Cheapest Insertion Heuristic (CIH) Dan Greedy
Dalam Optimasi Rute Pendistribusian Barang. Jurnal Ilmiah Vastuwidya, 2(2), 31–39.
https://doi.org/10.47532/jiv.v2i2.87