Design and Analysis of Algorithm
|
|
- Farida Sutedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Design and Analysis of Algorithm Week 3: Notasi Asymptotic dan Kelas Dasar Efisiensi Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 1 / 57
2 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 2 / 57
3 Exercise 1 What the complexity of the following pseudocode x <- 0 for x <- 0 to n: for y <- 0 to n: a=c+d Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 3 / 57
4 Exercise 2 What the complexity of the following pseudocode x <- 0 for x <- 0 to n: for y <- x to n-3: a=c+d Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 4 / 57
5 Exercise 3 What the complexity of the following pseudocode x <- 0 for x <- 2 to n+2: for y <- x-1 to n: a=c+d Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 5 / 57
6 Example Example Find the time complexity of the following codes for basic operation addition (+) Some algorithms have logarithmic (base 2) complexity: 1. i = n; // i starts from n 2. while (i >= 1) 3. { 4. x = x + 1; // count this line 5. i = i / 2; // i becomes half at the end of every it 6. } Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 6 / 57
7 Example Iteration value of i (at the top of loop) number of times line 4 1 n 1 n n n 2 k 1 2 k k k+1 n Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 7 / 57
8 Example We are interested in what k is (because that s the number of times the line 4 is executed). In other words, T (n) = = (k 1) < kofthem > To derive k, we look at the relation at the last iteration (kth): Thus, T (n) = log 2 (n) 1 n 2 k = 0 log 2 ( n 2 k ) = log 2 (0) log 2 n log(2 k ) = log 2 (0) k log 2 (2) = log 2 n log 2 (0) k = log 2 n 1 Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 8 / 57
9 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 9 / 57
10 Pendahuluan Seperti yang sudah dibahas pada bab-bab sebelumnya, ruang lingkup analisis efisiensi berfokus pada naiknya orde jumlah operasi dasar sebagai indikator utama pada algoritma efisien. Untuk membandingkan tingkatan dari orde kenaikan kompleksitas waktu, Computer Scientist menggunakan tiga notasi berikut: 1 O (big oh), Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 10 / 57
11 Pendahuluan Seperti yang sudah dibahas pada bab-bab sebelumnya, ruang lingkup analisis efisiensi berfokus pada naiknya orde jumlah operasi dasar sebagai indikator utama pada algoritma efisien. Untuk membandingkan tingkatan dari orde kenaikan kompleksitas waktu, Computer Scientist menggunakan tiga notasi berikut: 1 O (big oh), 2 Ω (big omega), dan Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 10 / 57
12 Pendahuluan Seperti yang sudah dibahas pada bab-bab sebelumnya, ruang lingkup analisis efisiensi berfokus pada naiknya orde jumlah operasi dasar sebagai indikator utama pada algoritma efisien. Untuk membandingkan tingkatan dari orde kenaikan kompleksitas waktu, Computer Scientist menggunakan tiga notasi berikut: 1 O (big oh), 2 Ω (big omega), dan 3 Θ (big theta). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 10 / 57
13 Pendahuluan Dalam tulisan ini, pengenalan notasi di atas akan disampaikan secara tidak formal(informal) dalam beberapa contoh dan kemudian secara formal dalam bentuk definisi. Untuk materi selanjutnya kan diperkenalkan notasi: 1 Fungsi t(n) dan g(n) merupakan fungsi tidak negatif terdefinisi pada himpunan bilangan asli. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 11 / 57
14 Pendahuluan Dalam tulisan ini, pengenalan notasi di atas akan disampaikan secara tidak formal(informal) dalam beberapa contoh dan kemudian secara formal dalam bentuk definisi. Untuk materi selanjutnya kan diperkenalkan notasi: 1 Fungsi t(n) dan g(n) merupakan fungsi tidak negatif terdefinisi pada himpunan bilangan asli. 2 Fungsi t(n) akan berupa waktu dari berjalannya algoritma (yang biasanya terindikasi pada jumlah operasi dasar C(n)). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 11 / 57
15 Pendahuluan Dalam tulisan ini, pengenalan notasi di atas akan disampaikan secara tidak formal(informal) dalam beberapa contoh dan kemudian secara formal dalam bentuk definisi. Untuk materi selanjutnya kan diperkenalkan notasi: 1 Fungsi t(n) dan g(n) merupakan fungsi tidak negatif terdefinisi pada himpunan bilangan asli. 2 Fungsi t(n) akan berupa waktu dari berjalannya algoritma (yang biasanya terindikasi pada jumlah operasi dasar C(n)). 3 Fungsi g(n) akan berupa beberapa contoh fungsi yang digunakan sebagai perbandingan. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 11 / 57
16 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 12 / 57
17 informal O(g(n)) Secara tidak formal, O(g(n)) merupakan sebuah himpunan semua fungsi yang orde kenaikannya (order of growth) berada di bawah atau sama dengan fungsi orde kenaikan g(n). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 13 / 57
18 informal O(g(n)) Secara tidak formal, O(g(n)) merupakan sebuah himpunan semua fungsi yang orde kenaikannya (order of growth) berada di bawah atau sama dengan fungsi orde kenaikan g(n). Sebagai contoh: 1 n O(n 2 ), 2 100n + 5 O(n 2 ), n(n 1) O(n2 ). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 13 / 57
19 informal O(g(n)) Secara tidak formal, O(g(n)) merupakan sebuah himpunan semua fungsi yang orde kenaikannya (order of growth) berada di bawah atau sama dengan fungsi orde kenaikan g(n). Sebagai contoh: 1 n O(n 2 ), 2 100n + 5 O(n 2 ), n(n 1) O(n2 ). Jelas bahwa dua fungsi pertama adalah fungsi linier sehingga memiliki orde di bawah orde kenaikan fungsi g(n) = n 2. Sedangkan fungsi ke-tiga merupakan fungsi kuadratik yang memiliki orde kenaikan sama dengan fungsi n 2. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 13 / 57
20 informal O(g(n)) Dilain pihak, 1 n 3 / O(n 2 ), n 3 / O(n 2 ), 3 n 4 + n + 1 / O(n 2 ). r. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 14 / 57
21 informal O(g(n)) Dilain pihak, 1 n 3 / O(n 2 ), n 3 / O(n 2 ), 3 n 4 + n + 1 / O(n 2 ). Jelas bahwa, fungsi n 3 dan n 3 merupakan fungsi kubik yang memiliki orde kenaikan lebih dari n 2. Begitu pula dengan polinomial n 4 + n + 1 memiliki orde kenaikan orde empat. r. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 14 / 57
22 informal Ω(g(n)) Notasi ke-dua Ω(g(n)), menyatakan himpunan dari semua fungsi yang memiliki orde kenaikan lebih besar atau sama dengan g(n). Sebagai comtoh: Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 15 / 57
23 informal Ω(g(n)) Notasi ke-dua Ω(g(n)), menyatakan himpunan dari semua fungsi yang memiliki orde kenaikan lebih besar atau sama dengan g(n). Sebagai comtoh: 1 n 3 Ω(n 2 ), n(n 1) Ω(n2 ), tetapi 3 100n + 5 / Ω(n 2 ). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 15 / 57
24 informal Θ(g(n)) Terakhir, Θ(g(n)) merupakan himpunan semua fungsi yang memiliki orde kenaikan sama dengan g(n). Contoh semua fungsi kuadratik an 2 + bn + c dengan a > 0 berada pada Θ(n 2 ). Hal ini juga terjadi pada fungsi lain seperti n 2 + sin n dan n 2 + log n, kenapa? Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 16 / 57
25 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 17 / 57
26 Definisi O(g(n)) Definition Sebuah fungsi t(n) dikatakan berada dalam O(g(n)), dinotasikan sebagai t(n) O(g(n)), jika t(n) terbatas di atas oleh suatu konstanta positif dikalikan dengan fungsi g(n) untuk n yang terus membesar. Atau dapat dikatakan bahwa terdapat beberapa konstanta positif c dan beberapa bilangan bulat tak-negatif n 0 sehingga t(n) cg(n) for all n n 0. (4.1) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 18 / 57
27 Definisi O(g(n)) Dapat diilustrasikan melalui Gambar 1. Figure : Notasi Big-Oh: t(n) O(g(n)). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 19 / 57
28 Contoh O(g(n)) Example Mari kita buktikan secara formal 100n + 5 O(n 2 ). r. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 20 / 57
29 Contoh O(g(n)) Example Mari kita buktikan secara formal 100n + 5 O(n 2 ). Jelas bahwa 100n n + 5(untuk semua n 5), = 101n 101n 2. r. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 20 / 57
30 Contoh O(g(n)) Example Mari kita buktikan secara formal 100n + 5 O(n 2 ). Jelas bahwa 100n n + 5(untuk semua n 5), = 101n 101n 2. Sehingga terbukti terdapat c = 101 dan n 0 = 5. Catatan bahwa, definisi memberikan sembarang nilai c dan n 0, sehingga terdapat cara lain untuk membuktikan, Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 20 / 57
31 Contoh O(g(n)) Example Mari kita buktikan secara formal 100n + 5 O(n 2 ). Jelas bahwa 100n n + 5(untuk semua n 5), = 101n 101n 2. Sehingga terbukti terdapat c = 101 dan n 0 = 5. Catatan bahwa, definisi memberikan sembarang nilai c dan n 0, sehingga terdapat cara lain untuk membuktikan, yaitu 100n n + 5n(untuk semua n 1), = 105n 105n 2. Sehingga terbukti dengan c = 105 dan n 0 = 1. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 20 / 57
32 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 21 / 57
33 Definisi Ω(g(n)) Definition Sebuah fungsi t(n) dikatakan berada dalam Ω(g(n)), dinotasikan sebagai t(n) Ω(g(n)), jika t(n) terbatas di bawah oleh suatu konstanta positif dikalikan dengan fungsi g(n) untuk n yang terus membesar. Atau dapat dikatakan bahwa terdapat beberapa konstanta positif c dan beberapa bilangan bulat tak-negatif n 0 sehingga t(n) cg(n) untuk setiap n n 0. (4.2) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 22 / 57
34 Definisi Ω(g(n)) Dapat diilustrasikan melalui Gambar 2. Figure : Notasi Big-Omega: t(n) Ω(g(n)). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 23 / 57
35 Contoh Ω(g(n)) Example Akan dibuktikan bahwa n 3 Ω(n 2 ): n 3 n 2 untuk semua n 0. Sehingga terbukti dengan c = 1 dan n 0 = 0. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 24 / 57
36 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 25 / 57
37 Definisi Θ(g(n)) Definition Sebuah fungsi t(n) dikatakan berada dalam Θ(g(n)), dinotasikan sebagai t(n) Θ(g(n)), jika t(n) terbatas di atas dan bawah oleh suatu konstanta positif dikalikan dengan fungsi g(n) untuk n yang terus membesar. Atau dapat dikatakan bahwa terdapat beberapa konstanta positif c 1 dan c 2 dan beberapa bilangan bulat tak-negatif n 0 sehingga c 2 g(n) t(n) c 1 g(n) untuk setiap n n 0. (4.3) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 26 / 57
38 Definisi Θ(g(n)) Dapat diilustrasikan melalui Gambar 3. Figure : Notasi Big-Theta: t(n) Θ(g(n)). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 27 / 57
39 Contoh Θ(g(n)) Example Akan dibuktikan bahwa 1 2 n(n 1) Θ(n2 ). Perta akan dibuktikan untuk pertaksamaan sebelah kanan (batas atas): 1 2 n(n 1) = 1 2 n2 1 2 n 1 2 n2 untuk semua n 0. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 28 / 57
40 Contoh Θ(g(n)) Example Akan dibuktikan bahwa 1 2 n(n 1) Θ(n2 ). Perta akan dibuktikan untuk pertaksamaan sebelah kanan (batas atas): 1 2 n(n 1) = 1 2 n2 1 2 n 1 2 n2 untuk semua n 0. Kedua, akan dibuktikan pertaksamaan sebelah kiri (batas bawah) 1 2 n(n 1) = 1 2 n2 1 2 n 1 2 n2 1 2 n 1 2 n untuk semua n 2. = 1 4 n2 Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 28 / 57
41 Contoh Θ(g(n)) Example Akan dibuktikan bahwa 1 2 n(n 1) Θ(n2 ). Perta akan dibuktikan untuk pertaksamaan sebelah kanan (batas atas): 1 2 n(n 1) = 1 2 n2 1 2 n 1 2 n2 untuk semua n 0. Kedua, akan dibuktikan pertaksamaan sebelah kiri (batas bawah) 1 2 n(n 1) = 1 2 n2 1 2 n 1 2 n2 1 2 n 1 2 n untuk semua n 2. = 1 4 n2 Sehingga terbukti dengan c 2 = 1 4, c 1 = 1 2 dan n 0 = 2. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 28 / 57
42 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 29 / 57
43 Teorema polinomial Theorem Jika diberikan fungsi polinomial berderajan m, T (n) = a m n m + am 1n m a 1 n + a 0 maka T (n) O(n m ). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 30 / 57
44 Teorema Theorem Andaikan T 1 (n) O(f (n)) and T 2 (n) O(g(n)), maka Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 31 / 57
45 Teorema Theorem Andaikan T 1 (n) O(f (n)) and T 2 (n) O(g(n)), maka 1 T 1 (n) + T 2 (n) O(f (n)) + O(f (n)) O(max(f (n), g(n))) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 31 / 57
46 Teorema Theorem Andaikan T 1 (n) O(f (n)) and T 2 (n) O(g(n)), maka 1 T 1 (n) + T 2 (n) O(f (n)) + O(f (n)) O(max(f (n), g(n))) 2 T 1 (n)t 2 (n) O(f (n))o(g(n)) = O(f (n)g(n)) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 31 / 57
47 Teorema Theorem Andaikan T 1 (n) O(f (n)) and T 2 (n) O(g(n)), maka 1 T 1 (n) + T 2 (n) O(f (n)) + O(f (n)) O(max(f (n), g(n))) 2 T 1 (n)t 2 (n) O(f (n))o(g(n)) = O(f (n)g(n)) 3 O(cf (n)) = co(f (n)), c adalah sembarang konstanta Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 31 / 57
48 Teorema Theorem Andaikan T 1 (n) O(f (n)) and T 2 (n) O(g(n)), maka 1 T 1 (n) + T 2 (n) O(f (n)) + O(f (n)) O(max(f (n), g(n))) 2 T 1 (n)t 2 (n) O(f (n))o(g(n)) = O(f (n)g(n)) 3 O(cf (n)) = co(f (n)), c adalah sembarang konstanta 4 f (n) O(f (n)) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 31 / 57
49 Contoh Example Misalkan T 1 (n) O(n) dan T 2 (n) O(n 2 ), maka 1 T 1 (n) + T 2 (n) O(max(n, n 2 )) = O(n 2 ) 2 T 1 (n)t 2 (n) = O(n n 2 ) = O(n 3 ) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 32 / 57
50 Contoh Example O(5n 2 ) = O(n 2 ) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 33 / 57
51 Contoh Example Diketahui T (n) = (n + 2) log(n 2 + 1) + 5n 2 maka kompleksitas waktu O(n)-nya adalah? r. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 34 / 57
52 Contoh Example Diketahui T (n) = (n + 2) log(n 2 + 1) + 5n 2 maka kompleksitas waktu O(n)-nya adalah? Misalkan T (n) = (n + 2) log(n 2 + 1) + 5n 2 = f (n)g(n) + h(n) r. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 34 / 57
53 Contoh Example Diketahui T (n) = (n + 2) log(n 2 + 1) + 5n 2 maka kompleksitas waktu O(n)-nya adalah? Misalkan T (n) = (n + 2) log(n 2 + 1) + 5n 2 = f (n)g(n) + h(n) Dengan pencarian satu-satu didapat: 1 f (n) = (n + 2) O(n) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 34 / 57
54 Contoh Example Diketahui T (n) = (n + 2) log(n 2 + 1) + 5n 2 maka kompleksitas waktu O(n)-nya adalah? Misalkan T (n) = (n + 2) log(n 2 + 1) + 5n 2 = f (n)g(n) + h(n) Dengan pencarian satu-satu didapat: 1 f (n) = (n + 2) O(n) 2 g(n) = log(n 2 + 1), karena 3 h(n) = 5n 2 O(n 2 ) log(n 2 + 1) log(2n 2 ) = log 2 + log n 2 = log log n 3 log n untuk n > 2 Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 34 / 57
55 Contoh Example Maka, T (n) = (n + 2) log(n 2 + 1) + 5n 2 O(n)O(log n) + O(n 2 ) = O(n log n) + O(n 2 ) = O(max(n log n, n 2 )) = O(n 2 ) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 35 / 57
56 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 36 / 57
57 Kelas 1 Kelas Nama Komentar 1 constant Efisinsi kasus terbaik. Kompleksitas O berarti waktu pelaksanaan algoritma adalah tetap, tidak bergantung pada ukuran masukan. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 37 / 57
58 Kelas log n Kelas Nama Komentar log n logarithmic Kompleksitas waktu logaritmik berarti laju pertumbuhan waktunya berjalan lebih lambat daripada pertumbuhan n. Algoritma yang termasuk kelompok ini adalah algoritma yang memecahkan persoalan besar dengan mentransformasikannya menjadi beberapa persoalan yang lebih kecil yang berukuran sama (misalnya algoritma pencarian biner). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 38 / 57
59 Kelas n Kelas Nama Komentar n linear Algoritma yang waktu pelaksanaannya lanjar umumnya terdapat pada kasus yang setiap elemen masukannya dikenai proses yang sama, misalnya algoritma pencarian beruntun. Bila n dijadikan dua kali semula, maka waktu pelaksanaan algoritma juga dua kali semula. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 39 / 57
60 Kelas n log n Kelas Nama Komentar n log n linearithmic Waktu pelaksanaan yang n log n terdapat pada algoritma yang memecahkan persoalan menjadi beberapa persoalan yang lebih kecil, menyelesaikan tiap persoalan secara independen, dan menggabung solusi masing- masing persoalan. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 40 / 57
61 Kelas n 2 Kelas Nama Komentar n 2 quadratic Algoritma yang waktu pelaksanaannya kuadratik hanya praktis digunakan untuk persoalan yang berukuran kecil. Umumnya algoritma yang termasuk kelompok ini memproses setiap masukan dalam dua buah looping bersarang, misalnya pada algoritma urut maks. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 41 / 57
62 Kelas n 3 Kelas Nama Komentar n 3 cubic Seperti halnya algoritma kuadratik, algoritma kubik memproses setiap masukan dalam tiga buah looping bersarang, misalnya algoritma perkalian matriks. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 42 / 57
63 Kelas 2 n Kelas Nama Komentar 2 n exponential Algoritma yang tergolong kelompok ini mencari solusi persoalan secara brute force, misalnya pada algoritma mencari sirkuit Hamilton. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 43 / 57
64 Kelas n! Kelas Nama Komentar n! factorial Seperti halnya pada algoritma eksponensial, algoritma jenis ini memproses setiap masukan dan menghubungkannya dengan n 1 masukan lainnya, misalnya algoritma Persoalan Pedagang Keliling (Travelling Salesperson Problem). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 44 / 57
65 Tabel fungsi kenaikan Nilai masing-masing fungsi untuk kenaikan n. log n n n log n n 2 n 3 2 n Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 45 / 57
66 Plot fungsi kenaikan Figure : Nilai masing-masing fungsi untuk kenaikan n. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 46 / 57
67 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 47 / 57
68 Limit orde Untuk mempermudah mengidentifikasi kompleksitas waktu O, Ω dan Θ, maka cara membandingkan dapat pula dilakukan. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 48 / 57
69 Limit orde Untuk mempermudah mengidentifikasi kompleksitas waktu O, Ω dan Θ, maka cara membandingkan dapat pula dilakukan. Definition Terdapat tiga kasus utama dalam membandingkan waktu komputasi: t(n) 0, artinya t(n) memiliki orde lebih rendah dari g(n) lim n g(n) = c, artinya t(n) memiliki orde sama dengan g(n), artinya t(n) memiliki orde lebih tinggi dari g(n) Catatan bahwa dua kasus pertama mengidentifikasikan t(n) O(g(n)), dua kasus terakhir mengidentifikasikan t(n) Ω(g(n)) dan kasus ke-dua mengidentifikasikan t(n) Θ(g(n)) Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 48 / 57
70 Contoh Example Bandingkan orde kenaikan 1 2 n(n 1) dan n2. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 49 / 57
71 Contoh Example Bandingkan orde kenaikan 1 2 n(n 1) dan n2. lim n 1 2n(n 1) n 2 = 1 2 lim n 2 n n n 2 = 1 2 lim (1 1 n n ) = 1 2 Karena hasil limitnya merupakan konstanta positif, yang berarti bahwa memiliki orde sama, maka dapat dinotasikan sebagai 1 2 n(n 1) Θ(n2 ). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 49 / 57
72 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 50 / 57
73 References References 1 Anany, L. (2003). Introduction to the design and analysis of algorithms. Villanova University. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 51 / 57
74 Outline 1 Review 2 Pendahuluan Pendahuluan 3 Pengantar tidak formal Pengantar informal 4 Formal Definition Notasi O Notasi Ω Notasi Θ 5 Properti notasi asimptotik Theorems 6 Kelas Dasar Efisiensi Kelas Dasar Efisiensi 7 Menggunakan Limit untuk membnadingkan orde kenaikan Limit orde 8 References References Dr. 9PutuExercise Harry Gunawan (Telkom University) Design and Analysis of Algorithm 52 / 57
75 Exercises 1 Tentukan notasi Ω dan Θ untuk T (n) = 2n 2 + 6n + 1. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 53 / 57
76 Exercises 1 Tentukan notasi Ω dan Θ untuk T (n) = 2n 2 + 6n Tentukan notasi O, Ω dan Θ untuk T (n) = 5n 3 + 6n 2 log n. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 53 / 57
77 Exercises 1 Tentukan notasi Ω dan Θ untuk T (n) = 2n 2 + 6n Tentukan notasi O, Ω dan Θ untuk T (n) = 5n 3 + 6n 2 log n. 3 Tentukan notasi O, Ω dan Θ untuk T (n) = n. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 53 / 57
78 Exercises 1 Tentukan notasi Ω dan Θ untuk T (n) = 2n 2 + 6n Tentukan notasi O, Ω dan Θ untuk T (n) = 5n 3 + 6n 2 log n. 3 Tentukan notasi O, Ω dan Θ untuk T (n) = n. 4 Tentukan notasi O untuk T (n) = n. Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 53 / 57
79 Exercises 1 Tentukan notasi Ω dan Θ untuk T (n) = 2n 2 + 6n Tentukan notasi O, Ω dan Θ untuk T (n) = 5n 3 + 6n 2 log n. 3 Tentukan notasi O, Ω dan Θ untuk T (n) = n. 4 Tentukan notasi O untuk T (n) = n. 5 Tentukan notasi O untuk T (n) = (n + 1)(n + 3)/(n + 2). Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 53 / 57
80 Exercise 1 Tentukan notasi O, Ω dan Θ dari pseudocode x <- 0 for x <- 0 to n: for y <- 0 to n: a=c+d Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 54 / 57
81 Exercise 2 Tentukan notasi O, Ω dan Θ dari pseudocode x <- 0 for x <- 0 to n: for y <- x to n-3: a=c+d Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 55 / 57
82 Exercise 3 Tentukan notasi O, Ω dan Θ dari pseudocode x <- 0 for x <- 2 to n+2: for y <- x-1 to n: a=c+d Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 56 / 57
83 The end of week 3 Thank you for your attention! Dr. Putu Harry Gunawan (Telkom University) Design and Analysis of Algorithm 57 / 57
Design and Analysis of Algorithm
Design and Analysis of Algorithm Week 5: Kompleksitas waktu algoritma rekursif part 2 Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry
Lebih terperinciPendahuluan. Ukuran input (input s size)
Kompleksitas Algoritma Sesi 14 Pendahuluan Sebuah algoritma tidak saja harus benar, tetapi juga harus mangkus (efisien). Algoritma yang mangkus ialah algoritma yang meminimumkan kebutuhan waktu dan ruang.
Lebih terperinciAturan Untuk Menentukan Kompleksitas Waktu Asimptotik. Penjelasannya adalah sebagai berikut: T(n) = (n + 2) log(n 2 + 1) + 5n 2
Aturan Untuk Menentukan Kompleksitas Waktu Asimptotik 1. Jika kompleksitas waktu T(n) dari algoritma diketahui, Contoh: (i) pada algoritma cari_maksimum T(n) = n 1 = O(n) (ii) pada algoritma pencarian_beruntun
Lebih terperinciKompleksitas Algoritma
Kompleksitas Algoritma Pendahuluan Mengapa kita memerlukan algoritma yang mangkus? Waktu komputasi (dalam detik) 10 5 10 4 10 3 10 2 1 0 1 10-1 1 hari 1 jam 1 detik 1 menit 5 1 0 1 5 2 0 10-4 x 2 n 10-6
Lebih terperinciKompleksitas Algoritma
Kompleksitas Algoritma Bahan Kuliah IF2120 Matematika Disktit Rinaldi M/IF2120 Matdis 1 Rinaldi M/IF2120 Matdis 2 Pendahuluan Sebuah masalah dapat mempunyai banyak algoritma penyelesaian. Contoh: masalah
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 4 Kompleksitas waktu algoritma rekursif part 1
Design and Analysis of Algorithms CNH2G3- Week 4 Kompleksitas waktu algoritma rekursif part 1 Dr. Putu Harry Gunawan (PHN) Quiz I 1. Tentukan operasi dasar, c op dan C(n) untung masing-masing algoritma
Lebih terperinciBAB III ANALISIS KOMPLEKSITAS ALGORITMA
BAB III ANALISIS KOMPLEKSITAS ALGORITMA 3.1 Kompleksitas Algoritma Suatu masalah dapat mempunyai banyak algoritma penyelesaian. Algoritma yang digunakan tidak saja harus benar, namun juga harus efisien.
Lebih terperinciDesign and Analysis of Algorithm
Design and Analysis of Algorithm Week 7: Brute Force Algorithm Part 2: Exhaustive Search Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry
Lebih terperinciDesign and Analysis of Algorithm
Design and Analysis of Algorithm Week 4: Kompleksitas waktu algoritma rekursif part 1 Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry
Lebih terperinciKompleksitas Algoritma
Kompleksitas Algoritma Pendahuluan Sebuah algoritma tidak saja harus benar, tetapi juga harus mangkus (efisien). Algoritma yang bagus adalah algoritma yang mangkus. Kemangkusan algoritma diukur dari berapa
Lebih terperinciMatematika Diskrit Kompleksitas Algoritma. Instruktur : Ferry Wahyu Wibowo, S.Si., M.Cs.
Matematika Diskrit Kompleksitas Algoritma Instruktur : Ferry Wahyu Wibowo, S.Si., M.Cs. Pendahuluan Sebuah masalah dapat mempunyai banyak algoritma penyelesaian. Contoh: masalah pengurutan (sort), ada
Lebih terperinciAlgoritma dan Struktur Data
Algoritma dan Struktur Data Click to edit Master subtitle style Pertemuan 3 Pengantar Analisis Efisiensi Algoritma Analisa efisiensi algoritma bertujuan mengestimasi waktu dan memori yang dibutuhkan untuk
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 5 Kompleksitas waktu algoritma rekursif part 2: Metode Karakteristik
Design and Analysis of Algorithms CNH2G3- Week 5 Kompleksitas waktu algoritma rekursif part 2: Metode Karakteristik Dr. Putu Harry Gunawan (PHN Review 1. Tentukan kompleksitas waktu Big-Oh untuk relasi
Lebih terperinciPendahuluan. Sebuah algoritma tidak saja harus benar, tetapi juga harus efisien. Algoritma yang bagus adalah algoritma yang efektif dan efisien.
Pendahuluan Sebuah algoritma tidak saja harus benar, tetapi juga harus efisien. Algoritma yang bagus adalah algoritma yang efektif dan efisien. Algoritma yang efektif diukur dari berapa jumlah waktu dan
Lebih terperinciDesign and Analysis Algorithm
Design and Analysis Algorithm Pertemuan 02 Drs. Achmad Ridok M.Kom Fitra A. Bachtiar, S.T., M. Eng Imam Cholissodin, S.Si., M.Kom Aryo Pinandito, MT Contents 31 2 Analisis Algoritma Analisis Efisiensi
Lebih terperinciAlgoritma dan Struktur Data. Performansi Algoritma
Algoritma dan Struktur Data Performansi Algoritma Teknik Informatika Universitas Muhammadiyah Malang 2016 Mana yang lebih baik? pilihan 1 : Algoritma biasa dengan komputer yang cepat. pilihan 2 : Menggunakan
Lebih terperinciDesign and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 04
Design and Analysis Algorithm Ahmad Afif Supianto, S.Si., M.Kom Pertemuan 04 Contents 31 2 Asymptotic Analysis Brute Force Algorithm 1 2 Asymptotic Analysis Asymptotic Notation Think of n as the number
Lebih terperinciPengantar Analisa Algoritma
Pengantar Analisa Algoritma Pendahuluan Suatu permasalahan memungkinkan untuk diselesaikan dengan lebih dari satu algoritma (pendekatan) Bagaimana kita memilih satu diantara beberapa algoritma tersebut.
Lebih terperinciPengantar Strategi Algoritmik. Oleh: Rinaldi Munir
Pengantar Strategi Algoritmik Oleh: Rinaldi Munir 1 Masalah (Problem) Masalah atau persoalan: pertanyaan atau tugas yang kita cari jawabannya. Contoh-contoh masalah: 1. [Masalah pengurutan] Diberikan senarai
Lebih terperinciBAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI 2.1. Pengertian Algoritma Algoritma adalah prosedur komputasi yang didefinisikan dengan baik yang mengambil beberapa nilai yaitu seperangkat nilai sebagai input dan output yang menghasilkan
Lebih terperinciBAB II TINJAUAN PUSTAKA. Kriptografi (cryptography) berasal dari Bahasa Yunani: cryptós artinya
BAB II TINJAUAN PUSTAKA 2.1 Kriptografi Kriptografi (cryptography) berasal dari Bahasa Yunani: cryptós artinya secret (rahasia), sedangkan gráphein artinya writing (tulisan), jadi kriptografi berarti secret
Lebih terperinciKompleksitas Algoritma
Kompleksitas Algoritma Sebuah algoritma tidak saja harus benar, tetapi juga harus mangkus (efisien). Algoritma yang bagus adalah algoritma yang mangkus. Kemangkusan algoritma diukur dari berapa jumlah
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 7 Brute Force Algorithm Part 2: Exhaustive Search
Design and Analysis of Algorithms CNH2G3- Week 7 Brute Force Algorithm Part 2: Exhaustive Search Dr. Putu Harry Gunawan (PHN) Daftar Isi 1 Pendahuluan..................................... 1 2 Traveling
Lebih terperinciAlgoritma dan Kompleksitas Algoritma
Algoritma dan Kompleksitas Algoritma Algoritma Algoritma adalah urutan logis langkah-langkah penyelesaian masalah yang ditinjau secara sistematis. Asal Usul Algoritma Kata ini tidak muncul dalam kamus
Lebih terperinciDesign and Analysis of Algorithm
Design and Analysis of Algorithm Week 6: Brute Force Algorithm Part 1: Design Strategy Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry
Lebih terperinciBAB II TINJAUAN PUSTAKA. Kriptografi adalah ilmu sekaligus seni untuk menjaga keamanan pesan (message).
BAB II TINJAUAN PUSTAKA 2.1 Kriptografi Kriptografi adalah ilmu sekaligus seni untuk menjaga keamanan pesan (message). Kata cryptography berasal dari kata Yunani yaitu kryptos yang artinya tersembunyi
Lebih terperinciPERBANDINGAN KOMPLEKSITAS ALGORITMA PENCARIAN BINER DAN ALGORITMA PENCARIAN BERUNTUN
PERBANDINGAN KOMPLEKSITAS ALGORITMA PENCARIAN BINER DAN ALGORITMA PENCARIAN BERUNTUN Yudhistira NIM 13508105 Mahasiswa Program Studi Teknik Informatika ITB Jalan Ganesha No.10 Bandung e-mail: if18105@students.if.itb.ac.id
Lebih terperinciPENGGUNAAN BIG O NOTATION UNTUK MENGANALISA EFISIENSI ALGORITMA
PENGGUNAAN BIG O NOTATION UNTUK MENGANALISA EFISIENSI ALGORITMA Ikhsan Fanani NIM : 13505123 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : ikhsan_fanani@yahoo.com
Lebih terperinciCHAPTER 3 ALGORITHMS 3.1 ALGORITHMS
CHAPTER 3 ALGORITHMS 3.1 ALGORITHMS Algoritma Definisi 1. Algoritma adalah himpunan hingga perintah yang terinci dalam melakukan perhitungan atau pemecahan masalah. Contoh 1. Program komputer adalah suatu
Lebih terperinciLogika dan Algoritma Yuni Dwi Astuti, ST 2
ALGORITMA Istilah algoritma pertama kali diperkenalkan oleh seorang ahli matematika yaitu Abu Ja far Muhammad Ibnu Musa Al Khawarizmi. Yang dimaksud dengan algoritma adalah : Urutan dari barisan instruksi
Lebih terperinciDesign and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 05
Design and Analysis Algorithm Ahmad Afif Supianto, S.Si., M.Kom Pertemuan 05 Contents 31 2 3 Brute Force Algorithm 2 Exhaustive Search Teknik Heuristik 2 Algoritma Brute Force 2 3 Pencocokan String (String
Lebih terperinciAnalisa Kompleksitas Algoritma. Sunu Wibirama
Analisa Kompleksitas Algoritma Sunu Wibirama Referensi Cormen, T.H., Leiserson, C.E., Rivest, R.L., Stein, C., Introduction to Algorithms 2nd Edition, Massachusetts: MIT Press, 2002 Sedgewick, R., Algorithms
Lebih terperinciALGORITHM. 2 Analysis Algorithm. Dahlia Widhyaestoeti, S.Kom dahlia74march.wordpress.com
ALGORITHM 2 Analysis Algorithm Dahlia Widhyaestoeti, S.Kom dahlia.widhyaestoeti@gmail.com dahlia74march.wordpress.com Analysis Suatu Algoritma Studi yang menyangkut analis algoritma ada 2 hal : 1. Perbandingan
Lebih terperinciSetelah mempelajari topik Analisis Algoritma di kuliah SDA, ada beberapa kompetensi yang perlu Anda kuasai:
Setelah mempelajari topik Analisis Algoritma di kuliah SDA, ada beberapa kompetensi yang perlu Anda kuasai: Menentukan kompleksitas waktu (Big-Oh) dari beberapa algoritma (logaritmik, linier, kuadratik,
Lebih terperinciAnalisis Kecepatan Sorting Dengan Notasi Big O
Analisis Kecepatan Sorting Dengan Notasi Big O Rama Aulia NIM : 13506023 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung E-mail : ramaaulia@yahoo.co.id Abstrak Sorting
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 8 Greedy Algorithm
Design and Analysis of Algorithms CNH2G3- Week 8 Greedy Algorithm Dr. Putu Harry Gunawan (PHN) Daftar Isi 1 Greedy Algorithm.................................. 1 2 Contoh-contoh Algoritma Greedy........................
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Deret Taylor Deret Taylor dinamai berdasarkan seorang matematikawan Inggris, Brook Taylor (1685-1731) dan deret Maclaurin dinamai berdasarkan matematikawan Skotlandia, Colin
Lebih terperinciPenyelesaian Barisan Rekursif dengan Kompleksitas Logaritmik Menggunakan Pemangkatan Matriks
Penyelesaian Barisan Rekursif dengan Kompleksitas Logaritmik Menggunakan Pemangkatan Matriks Luqman Arifin Siswanto - 13513024 Program Sarjana Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciKompleksitas Algoritma dalam menentukan Solvabilitas Sliding N-Puzzle
Kompleksitas Algoritma dalam menentukan Solvabilitas Sliding N-Puzzle Audry Nyonata, 13515087 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciPersamaan Diferensial Parsial CNH3C3
Persamaan Diferensial Parsial CNH3C3 Week 4: Separasi Variabel untuk Persamaan Panas Orde Satu Tim Ilmu Komputasi Coordinator contact: Dr. Putu Harry Gunawan phgunawan@telkomuniversity.ac.id 1 Persamaan
Lebih terperinciAnalisis dan Strategi Algoritma
Analisis dan Strategi Algoritma Deskripsi Mata Kuliah Konsep dasar analisis algoritma Beberapa jenis algoritma 28/02/2011 2 Standar Kompetensi Mahasiswa mampu membandingkan beberapa algoritma dan menentukan
Lebih terperinciDesign and Analysis of Algorithm
Design and Analysis of Algorithm Week 1: Introduction Dr. Putu Harry Gunawan 1 1 Department of Computational Science School of Computing Telkom University Dr. Putu Harry Gunawan (Telkom University) Design
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Konsep Dasar Algoritma Algoritma adalah kumpulan instruksi atau perintah yang dibuat secara jelas dan sistematis berdasarkan urutan yang logis (logika) untuk penyelsaian suatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Algoritma Istilah algoritma (algorithm) berasal dari kata algoris dan ritmis, yang pertama kali diungkapkan oleh Abu Ja far Mohammed Ibn Musa al Khowarizmi (825 M) dalam buku
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Pada bab ini dituliskan beberapa aspek teoritis berupa definisi teorema sifat-sifat yang berhubungan dengan teori bilangan integer modulo aljabar abstrak masalah logaritma diskret
Lebih terperinciBAB 2 LANDASAN TEORI. Algoritma Optimal Mismatch ini mencari data secara berurut pada tiap
BAB 2 LANDASAN TEORI 2.1 Algoritma Optimal Mismatch Algoritma Optimal Mismatch ini mencari data secara berurut pada tiap karakter dalam teks sehingga pencarian seperti ini disebut pencarian sekuensial
Lebih terperinciAnalisis Algoritma Bubble Sort
Analisis Algoritma Bubble Sort Ryan Rheinadi NIM : 13508005 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan Ganesha 10, Bandung e-mail: if18005@students.if.itb.ac.id
Lebih terperinciKomparasi Algoritma Mergesort dengan Quicksort pada Pengurutan Data Integer
Komparasi Algoritma Mergesort dengan Quicksort pada Pengurutan Data Integer Atika Azzahra Akbar 13514077 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciFungsi Analitik (Bagian Pertama)
Fungsi Analitik (Bagian Pertama) Supama Jurusan Matematika, FMIPA UGM Yogyakarta 55281, INDONESIA Email:maspomo@yahoo.com, supama@ugm.ac.id (Pertemuan Minggu IV) Outline 1 Fungsi Variabel Kompleks 2 Pemetaan/Transformasi/Mappings
Lebih terperinciHubungan Kompleksitas Algoritma dengan Cara Belajar
Hubungan Kompleksitas Algoritma dengan Cara Belajar Ryan Ignatius Hadiwijaya / 13511070 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 3 Notasi Asymptotic dan Kelas Dasar Efisiensi
Desig ad Aalysis of Algorithms CNH2G3- Week 3 Notasi Asymptotic da Kelas Dasar Efisiesi Dr. Putu Harry Guawa (PHN) Review. What the complexity of the followig pseudocode for to : for y
Lebih terperinciAnalisis Algoritm. Fundamentals of the Anlysis of Algorithm Efficiency
Analisis Algoritm Fundamentals of the Anlysis of Algorithm Efficiency Hendri Karisma Program Studi Teknik Informatika Universitas Komputer Indonesia 2013 Review An algorithm is a sequence of unambiguous
Lebih terperinciAnalisa dan Perancangan Algoritma. Ahmad Sabri, Dr Sesi 1: 9 Mei 2016
Analisa dan Perancangan Algoritma Ahmad Sabri, Dr Sesi 1: 9 Mei 2016 Apakah algoritma itu? Asal istilah: Al Khwarizmi (± 800 M), matematikawan dan astronomer Persia. Pengertian umum: "suatu urutan langkah-langkah
Lebih terperinciReview Teori P dan NP
IF5110 Teori Komputasi Review Teori P dan NP Oleh: Rinaldi Munir Program Studi Magister Informatika STEI-ITB 1 2 Pendahuluan Kebutuhan waktu algoritma yang mangkus bervariasi, mulai dari O(1), O(log log
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2. Information Retrieval Information Retrieval atau sering disebut temu kembali infromasi adalah suatu sistem yang mampu melakukan penyimpanan, pencarian, dan pemeliharaan informasi.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Algoritma Istilah algoritma (algorithm) berasal dari kata algoris dan ritmis, yang pertama kali diungkapkan oleh Abu Ja far Mohammed Ibn Musa al Khowarizmi (825 M) dalam buku
Lebih terperinciAlgoritma Brute Force (lanjutan)
Algoritma Brute Force (lanjutan) Contoh lain Mencari Pasangan Titik yang Jaraknya Terdekat Persoalan: Diberikan n buah titik (2-D atau 3- D), tentukan dua buah titik yang terdekat satu sama lain. y p 5
Lebih terperinciPROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO. Oky Dwi Nurhayati, ST, MT
PROGRAM STUDI S1 SISTEM KOMPUTER UNIVERSITAS DIPONEGORO Oky Dwi Nurhayati, ST, MT email: okydn@undip.ac.id Anany Levitin, Introduction to the Design & Analysis of Algorithms, Addison-Wesley, 2003. Enem,
Lebih terperinciPengantar Strategi Algoritma
PROGRAM STUDI TEKNIK INFORMATIKA Sekolah Teknik Elrektro dan Informatika INSTITUT TEKNOLOGI BANDUNG Pengantar Strategi Algoritma Bahan Kuliah IF2211 Strategi Algoritma RINALDI MUNIR Lab Ilmu dan Rekayasa
Lebih terperinciKompleksitas Algoritma dalam Strategi Algoritma Sorting
Kompleksitas Algoritma dalam Strategi Algoritma Sorting Emilia Andari Razak/13515056 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciDesign and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 07
Design and Analysis Algorithm Ahmad Afif Supianto, S.Si., M.Kom Pertemuan 07 Contents 31 2 3 4 35 Divide and Conguer MinMax Problem Closest Pair Sorting Problem Perpangkatan 2 Algoritma divide and conquer
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 1 Edisi.,Volume,. Bulan.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) Edisi.,Volume,. Bulan.. ISSN : 289-933 ANALISIS METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION UNTUK PENGENALAN SEL KANKER OTAK Novita Handayani Teknik Informatika
Lebih terperinciAlgoritma Brute Force (lanjutan)
Algoritma Brute Force (lanjutan) Contoh-contoh lain 1. Pencocokan String (String Matching) Persoalan: Diberikan a. teks (text), yaitu (long) string yang panjangnya n karakter b. pattern, yaitu string dengan
Lebih terperinciANALISIS PERBANDINGAN ALGORITMA SELECTION SORT DENGAN MERGE SORT
ANALISIS PERBANDINGAN ALGORITMA SELECTION SORT DENGAN MERGE SORT Disusun untuk memenuhi tugas UTS mata kuliah : Analisis Algoritma Oleh : Eka Risky Firmansyah 1110091000043 Program Studi Teknik Informatika
Lebih terperinciPertemuan 9 : Interpolasi 1 (P9) Interpolasi. Metode Newton Metode Spline
Pertemuan 9 : Interpolasi 1 (P9) Interpolasi Metode Newton Metode Spline Pertemuan 9 : Interpolasi 2 Interpolasi Newton Polinomial Maclaurin dan polinomial Taylor menggunakan satu titik pusat, x 0 untuk
Lebih terperinciKompleksitas Komputasi
Kompleksitas Komputasi Big O Notation O(f(n)) Kompleksitas komputasi pada sebuah algoritma dibagi menjadi dua bagian, yaitu Kompleksitas Waktu T(n) Kompleksitas Ruang S(n) Kompleksitas Waktu diukur dari
Lebih terperinciBab 2 LANDASAN TEORI. 2.1 Definisi Graf
Bab 2 LANDASAN TEORI 2.1 Definisi Graf Suatu graf G terdiri dari himpunan tak kosong terbatas dari objek yang dinamakan titik dan himpunan pasangan (boleh kosong) dari titik G yang dinamakan sisi. Himpunan
Lebih terperinciDesign and Analysis Algorithm
Design and Analysis Algorithm Pertemuan 05 Drs. Achmad Ridok M.Kom Imam Cholissodin, S.Si., M.Kom M. Ali Fauzi, S.Kom., M.Kom. Ratih Kartika Dewi, ST, M.Kom 1 Contents 31 1.1 Algoritma Brute Force Exhaustive
Lebih terperinciPertemuan ke-10: UJI PERBANDINGAN, DERET BERGANTI TANDA, KEKONVERGENAN MUTLAK, UJI RASIO, DAN UJI AKAR
Pertemuan ke-0: UJI PERBANDINGAN, DERET BERGANTI TANDA, KEKONVERGENAN MUTLAK, UJI RASIO, DAN UJI AKAR Departemen Matematika FMIPA IPB Bogor, 205 (Departemen Matematika FMIPA IPB) Kalkulus II Bogor, 205
Lebih terperinciAnalisis Algoritma. Jimmy Tirtawangsa. Universitas Telkom 2014
Analisis Algoritma Jimmy Tirtawangsa Universitas Telkom 2014 Daftar Isi (1) Motivasi (2) Kompleksitas dan Optimalitas (3) Struktur data (4) Teknik 2 analisis algoritma (5) Struktur graf (6) Problem Sulit/Intraktabel
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
5 BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas landasan teori, penelitian terdahulu, kerangka berpikir, dan hipotesis yang mendasari penyelesaian Traveling Salesman Problem dalam menentukan lintasan
Lebih terperinciLEMBAR AKTIVITAS SISWA INDUKSI MATEMATIKA
Nama Siswa Kelas : : LEMBAR AKTIVITAS SISWA INDUKSI MATEMATIKA Latihan 1 1. A. NOTASI SIGMA 1. Pengertian Notasi Sigma Misalkan jumlah n suku pertama deret aritmatika adalah S n = U 1 + U 2 + U 3 + + U
Lebih terperinciRespect, Professionalism, & Entrepreneurship. Mata Kuliah : Kalkulus Kode : CIV 101. Limit Fungsi. Pertemuan - 2
Respet, Proessionalism, & Entrepreneurship Mata Kuliah : Kalkulus Kode : CIV 101 SKS : 3 SKS Limit Fungsi Pertemuan - Respet, Proessionalism, & Entrepreneurship Kemampuan Akhir yang Diharapkan Mahasiswa
Lebih terperinciVariabel Banyak Bernilai Real 1 / 1
Fungsi Variabel Banyak Bernilai Real Turunan Parsial dan Turunan Wono Setya Budhi KK Analisis dan Geometri, FMIPA ITB Variabel Banyak Bernilai Real 1 / 1 Turunan Parsial dan Turunan Usaha pertama untuk
Lebih terperinciDefinisi 4.1 Fungsi f dikatakan kontinu di titik a (continuous at a) jika dan hanya jika ketiga syarat berikut dipenuhi: (1) f(a) ada,
Lecture 4. Limit B A. Continuity Definisi 4.1 Fungsi f dikatakan kontinu di titik a (continuous at a) jika dan hanya jika ketiga syarat berikut dipenuhi: (1) f(a) ada, (2) lim f(x) ada, (3) lim f(x) =
Lebih terperinciAplikasi Divide and Conquer pada Perkalian Large Integer untuk Menghitung Jumlah Rute TSP Brute Force
Aplikasi Divide and Conquer pada Perkalian Large Integer untuk Menghitung Jumlah Rute TSP Brute Force Martin Lutta Putra - 13515121 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciMA3231 Analisis Real
MA3231 Analisis Real Hendra Gunawan* *http://hgunawan82.wordpress.com Analysis and Geometry Group Bandung Institute of Technology Bandung, INDONESIA Program Studi S1 Matematika ITB, Semester II 2016/2017
Lebih terperinciPersamaan Diferensial Parsial CNH3C3
Persamaan Diferensial Parsial CNH3C3 Week 11-12: Finite Dierence Method for PDE Wave Eqs Tim Ilmu Komputasi Coordinator contact: Dr. Putu Harry Gunawan phgunawan@telkomuniversity.ac.id 1 Masalah Gelombang
Lebih terperinciBAB I DASAR-DASAR PEMODELAN MATEMATIKA DENGAN PERSAMAAN DIFERENSIAL
BAB I DASAR-DASAR PEMODELAN MATEMATIKA DENGAN PERSAMAAN DIFERENSIAL Pendahuluan Persamaan diferensial adalah persamaan yang memuat diferensial Kita akan membahas tentang Persamaan Diferensial Biasa yaitu
Lebih terperinciFungsi Analitik (Bagian Kedua)
Fungsi Analitik (Bagian Kedua) Supama Jurusan Matematika, FMIPA UGM Yogyakarta 5528, INDONESIA Email:maspomo@yahoo.com, supama@ugm.ac.id (Pertemuan Minggu V) Outline Limit Menuju Tak Hingga 2 Fungsi Kontinu
Lebih terperinciPersamaan Diferensial Parsial CNH3C3
Persamaan Diferensial Parsial CNH3C3 Week 5: Separasi Variabel untuk Persamaan Panas Orde Satu - Tim Ilmu Komputasi Coordinator contact: Dr. Putu Harry Gunawan phgunawan@telkomuniversity.ac.id 1 Review
Lebih terperinciTINJAUAN PUSTAKA. Pada bagian ini akan diberikan konsep dasar graf dan bilangan kromatik lokasi pada
II. TINJAUAN PUSTAKA Pada bagian ini akan diberikan konsep dasar graf dan bilangan kromatik lokasi pada suatu graf sebagai landasan teori penelitian ini. 2. Konsep Dasar Graf Teori dasar mengenai graf
Lebih terperinciStudi Mengenai Perbandingan Sorting Algorithmics Dalam Pemrograman dan Kompleksitasnya
Studi Mengenai Perbandingan Sorting Algorithmics Dalam Pemrograman dan Kompleksitasnya Ronny - 13506092 Jurusan Teknik Informatika Institut Teknologi Bandung Email : if16092@students.if.itb.ac.id 1. Abstract
Lebih terperinciPENGENALAN BINARY INDEXED TREE DAN APLIKASINYA
PENGENALAN BINARY INDEXED TREE DAN APLIKASINYA Listiarso Wastuargo-13508103 Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung hallucinogenplus@yahoo.co.id ABSTRAK Makalah ini membahas tentang
Lebih terperinciTeori Kompleksitas (Bagian 2)
IF5110 Teori Komputasi Teori Kompleksitas (Bagian 2) Oleh: Rinaldi Munir Program Studi Magister Informatika STEI-ITB 1 Travelling Salesperson Problem Persoalan optimasi. Termasuk ke dalam kelas persoalan
Lebih terperinciSieve of Eratosthenes, Algoritma Bilangan Prima
Sieve of Eratosthenes, Bilangan Prima M. R. Al-ghazali NIM. 13509068 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciMatematika I : Limit. Dadang Amir Hamzah. Dadang Amir Hamzah Matematika I Semester I / 79
Matematika I : Limit Dadang Amir Hamzah 2015 Dadang Amir Hamzah Matematika I Semester I 2015 1 / 79 Outline 1 limit Introduction to Limit Rigorous Study of Limits Limit Theorem Limit Involving Trigonometric
Lebih terperinciAlgoritma Brute Force (Bagian 2) Oleh: Rinaldi Munir Bahan Kuliah IF2251 Strategi Algoritmik
Algoritma Brute Force (Bagian 2) Oleh: Rinaldi Munir Bahan Kuliah IF2251 Strategi Algoritmik 1 Contoh-contoh lain 1. Pencocokan String (String Matching) Persoalan: Diberikan a. teks (text), yaitu (long)
Lebih terperinciInformatics Class A UISI CALCULUS I WEEK 2 DAY 2
Informatics Class A UISI CALCULUS I WEEK 2 DAY 2 SLIDE AND ASSIGNMENT teachingnation.wordpress.com OUTLINE Recap Equalities Functions Domain and Range Graph Operations on Functions Inverse Trigonometry
Lebih terperinciMENENTUKAN PERPANGKATAN MATRIKS TANPA MENGGUNAKAN EIGENVALUE
MENENTUKAN PERPANGKATAN MATRIKS TANPA MENGGUNAKAN EIGENVALUE Rini Pratiwi 1*, Rolan Pane 2, Asli Sirait 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika dan Ilmu
Lebih terperinciTransformasi Laplace
TKS 43 Matematika II Transformasi Laplace (Laplace Transform) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya PENDAHULUAN Pengertian Transformasi Transformasi adalah teknik atau formula
Lebih terperinciGraf untuk soal nomor 7
Program Studi Teknik Informatika Nama : Sekolah Teknik Elektro dan Informatika NIM : Institut Teknologi Bandung T.tangan: Solusi Kuis ke-4 IF2120 Matematika Diskrit (3 SKS) Graf, Pohon, dan Kompleksitas
Lebih terperinciEksplorasi Algoritma Brute Force, Greedy, dan Dynamic Programming untuk Persoalan Integer Knapsack
Eksplorasi Algoritma Brute Force, Greedy, dan Dynamic Programming untuk Persoalan Integer Knapsack Muhamad Pramana Baharsyah, Sulistyo Unggul Wicaksono 2, Teguh Pamuji 3, Rinaldi Munir 4 Abstrak Laboratorium
Lebih terperinciDesign and Analysis of Algorithms CNH2G3- Week 6 Brute Force Algorithm Part 1: Design Strategy
Design and Analysis of Algorithms CNH2G3- Week 6 Brute Force Algorithm Part 1: Design Strategy Dr. Putu Harry Gunawan (PHN) Daftar Isi 1 Introduction and Definitions........................... 2 2 Contoh-contoh
Lebih terperinciPersamaan Diferensial Parsial CNH3C3
Persamaan Diferensial Parsial CNH3C3 Week 10: Finite Dierence Method for PDE Heat Eqs Tim Ilmu Komputasi Coordinator contact: Dr. Putu Harry Gunawan phgunawan@telkomuniversity.ac.id 1 Masalah Persamaan
Lebih terperinciEFISIENSI ALGORITMA DAN NOTASI O-BESAR
EFISIENSI ALGORITMA DAN NOTASI O-BESAR Subandijo Computer Science Department, School of Computer Science Binus University Jl. K.H. Syahdan No. 9, Palmerah, Jakarta Barat 11480 subandijo1030@gmail.com ABSTRACT
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengolahan Citra Digital Citra digital dapat didefinisikan sebagai fungsi dua variabel yaitu f(x,y), dimana x dan y adalah koordinat spasial dan nilai f(x,y) adalah intensitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Definisi Kamus Kamus menurut KBBI (Kamus Besar Bahasa Indonesia) merupakan buku acuan yang memuat kata dan ungkapan, biasanya disusun menurut abjad berikut keterangan dan makna,
Lebih terperinci11. FUNGSI MONOTON (DAN FUNGSI KONVEKS)
11. FUNGSI MONOTON (DAN FUNGSI KONVEKS) 11.1 Definisi dan Limit Fungsi Monoton Misalkan f terdefinisi pada suatu himpunan H. Kita katakan bahwa f naik pada H apabila untuk setiap x, y H dengan x < y berlaku
Lebih terperinciMemahami definisi barisan tak hingga dan deret tak hingga, dan juga dapat menentukan
4 BARISAN TAK HINGGA DAN DERET TAK HINGGA JUMLAH PERTEMUAN : 5 PERTEMUAN TUJUAN INSTRUKSIONAL KHUSUS : Memahami definisi barisan tak hingga dan deret tak hingga, dan juga dapat menentukan kekonvergenan
Lebih terperinci