PERTEMUAN 12 METODE GREEDY

dokumen-dokumen yang mirip
METODE GREEDY PERTEMUAN 12 METODE GREEDY

Syarat dan Ketentuan yang berlaku:

PERBANDINGAN PENYELESAIAN KNAPSACK PROBLEM SECARA MATEMATIKA, KRITERIA GREEDY DAN ALGORITMA GREEDY

PERBANDINGAN PENYELESAIAN KNAPSACK PROBLEM SECARA MATEMATIKA, KRITERIA GREEDY DAN ALGORITMAGREEDY

PERTEMUAN 15 REVEW/QUIZ

2. Sebuah prosedur langkah demi langkah yang pasti untuk menyelesaikan sebuah masalah disebut : a. Proses b. Program c. Algoritma d. Prosesor e.

Design and Analysis Algorithm

PENERAPAN METODE GREEDY KNAPSACK DALAM MENENTUKAN KOMPOSISI BUAH PADA MASALAH KERANJANG. Abstract

Sifat-sifat Fungsi Keanggotaan, Fuzzifikasi, Defuzzifikasi. Logika Fuzzy

PERMASALAHAN OPTIMASI 0-1 KNAPSACK DAN PERBANDINGAN BEBERAPA ALGORITMA PEMECAHANNYA

SILABUS MATA KULIAH: LOGIKA ALGORITMA

Aplikasi Algoritma Greedy pada Pemilihan Jenis Olahraga Ringan

BAB I PENDAHULUAN. Knapsack adalah suatu permasalahan dalam menentukan pemilihan objek

Design and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 06

METODE DEVIDE AND CONQUER

KATA PENGANTAR. Puji syukur kami panjatkan ke hadirat Alloh SWT atas terbentuknya Lembar Tugas

Relasi Tolerans & Relasi Ekivalen. Logika Fuzzy

TEKNIK INFORMATIKA. Teori Dasar Graf

Metode Simpleks Minimum

BAB: ANGGARAN VARIABEL

BAB I PENDAHULUAN. pada sektor masyarakat meluas dengan cepat[4]. menentukan tingkat kegiatan-kegiatan yang akan dilakukan, dimana masingmasing

MATERI 8 MODEL ARUS JARINGAN

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA GRAFIK

Minimum Spanning Trees algorithm

PERTEMUAN 10 METODE DEVIDE AND CONQUER

Model Linear Programming:

Penerapan Algoritma Greedy dalam Algoritma Penjadwalan Prosesor Tunggal Shortest Job First

Model Linear Programming:

METODE SIMPLEKS (THE SIMPLEX METHOD)

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

PERTEMUAN 10 METODE DEVIDE AND CONQUER

Program Dinamis (Dynamic Programming)

MANAJEMEN PERSEDIAAN

BAB II LANDASAN TEORI

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

BAB 2 LANDASAN TEORI. waktu yang diperlukan. Pengukuran waktu yang diperlukan dalam mengeksekusi suatu

Pendahuluan. Algoritma greedy merupakan metode yang paling populer untuk memecahkan persoalan optimasi.

Hubungan ekonomi dapat digambarkan dalam bentuk persamaan, tabel, atau grafik.

Implementasi Algoritma Greedy pada Permainan Ludo

Pemecahan Masalah Knapsack dengan Menggunakan Algoritma Branch and Bound

Hipotesis Statistik. 3. Terima H 1 (tolak H 0 ) dan populasi sebenarnya. memang H 0 benar = P(terima H 0 / pop H 0 )= 1-α

Pada dasarnya lebih sulit drpd classifier berdasar teori bayes, terutama untuk data dimensi tinggi.

EKSPLORASI ALGORITMA BRUTE FORCE, GREEDY DAN PEMROGRAMAN DINAMIS PADA PENYELESAIAN MASALAH 0/1 KNAPSACK

IF5110 Teori Komputasi. Teori Kompleksitas. (Bagian 1) Oleh: Rinaldi Munir. Program Studi Magister Informatika STEI-ITB

IMPLEMENTASI ALGORITMA GENETIKA PADA KNAPSACK PROBLEM UNTUK OPTIMASI PEMILIHAN BUAH KEMASAN KOTAK

PENGUAT DAYA KELAS A

METODE SIMPLEKS (MS)

Design and Analysis Algorithm. Ahmad Afif Supianto, S.Si., M.Kom. Pertemuan 09

Fuzzy Associative Memory (FAM) Logika Fuzzy

INVESTASI DALAM PERSEDIAAN

Penerapan Algoritma Greedy dalam Algoritma Disk Scheduling Shortest Seek Time First

What Is Greedy Technique

STATISTIKA: UKURAN LOKASI DATA. Tujuan Pembelajaran

Bab: Anggaran Material MINGGU KE 5 DAN 6

Perseroan membeli kembali saham yang beredar tetapi tidak bermaksud menghentikan saham tersebut. Pembelian kembali dilakukan karena berbagai tujuan,

BAB 4:PERSEDIAAN dan PENJUALAN

PENERAPAN DINAMIK PROGRAMMING (DP) dalam INDUSTRI & BISNIS

II. PARETO OPTIMALITY (PO) & CRITERION (PC)

BAB I PENDAHULUAN. yang dikemukakan oleh George Dantzig pada tahun Linear Programming (LP) adalah perencanaan aktivitas-aktivitas untuk

Algoritma greedy merupakan metode yang paling populer untuk memecahkan persoalan optimasi.

Model Arus Jaringan. Riset Operasi TIP FTP UB Mas ud Effendi

BRUTE FORCE & GREEDY

Penggunaan Turunan dalam Ekonomi

1. Pengertian Tahapan, Prosedur dan Teknik Audit

BAB 1 PENDAHULUAN. Permasalahan pemotongan bahan baku menjadi beberapa bagian untuk diproses

REPLACEMENT ANALYSIS REPLACEMENT ANALYSIS CAPITAL BUDGETING

IMPLEMENTASI ALGORITMA GREEDY UNTUK MENYELESAIKAN MASALAH KNAPSACK PROBLEM

18/09/2013. Ekonomi Teknik / Sigit Prabawa / 1. Ekonomi Teknik / Sigit Prabawa / 2

BAB II LANDASAN TEORI

Pada perkembangannya ternyata model transportasi ini dapat juga digambarkan dan diselesaikan dalam suatu bentuk jaringan

Kelayakan Proyek dan Keputusan Investasi

Relasi Tegas (Crips Relation)

EKONOMI PRODUKSI. PERTEMUAN KEDELAPAN: MAKSIMISASI TERKENDALA (Lanjutan)

MATEMATIKA BISNIS BUNGA

Pemrograman Linier (6)

OPERATIONS RESEARCH. oleh Bambang Juanda

BAB I PENDAHULUAN. Masalah knapsack adalah permasalahan optimasi yang mendasar. Masalah

BAB III ANALISIS ALGORITMA

LINIER PROGRAMMING Formulasi Masalah dan Pemodelan. Staf Pengajar Kuliah : Fitri Yulianti, MSi.

METODE INTERKONEKSI DUA JARINGAN DAN LETAK KONSENTRATOR

Eksplorasi Algoritma Brute Force, Greedy, dan Dynamic Programming untuk Persoalan Integer Knapsack

Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum

PRODUK BERSAMA DAN PRODUK SAMPINGAN (Joint. dan By Product)

MEDIA PEMBELAJARAN BIOLOGI CHAPTER 4 TAKSONOMI VARIABEL DAN POLA-POLA INSTRUKSIONAL PEMANFAATAN MEDIA PEMBELAJARAN

ALGORITMA GREEDY : MINIMUM SPANNING TREE. Perbandingan Kruskal dan Prim

Pertemuan ke-3. Oleh : Winda Aprianti, M.Si

Logika Klasik Misalkan himpunan klasik A dan B. P adl nilai kebenaran bahwa x A dan Q adl nilai kebenaran bahwa x B. jika x A maka T(P) = 1, jika x A

PENYELESAIAN MODEL LINEAR PROGRAMMING SECARA MATEMATIK (METODE SIMPLEKS)

DISTRIBUSI FREKUENSI. Oleh : Malim Muhammad, M.Sc.

Rangkaian RL dan RC Dengan Sumber

PERENCANAAN AGREGAT. Strategi dalam Perencanaan Agregat Metode Perencanaan Agregat. Prof. Dr. Ir. Zulkifli Alamsyah, M.Sc.

STATISTIKA. Pertemuan ke-1. By : Winda Aprianti, M.Si

METODE GREEDY. Secara matematis, masalah knapsack tersebut dapat ditulis sebagai berikut :

Pendekatan Maju (Forward) Dynamic Programming Untuk Permasalahan MinMax Knapsack 0/1

Abstraksi. Abstraksi. Abstraksi. Property SP (single short shortest path) 4/29/2010. Berapa pa th yang mungkin dari garaph G tadi?

PROFESI DAN AREA ILMU MANAJEMEN PROYEK

BAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika

BAB I PENDAHULUAN. Latar Belakang Masalah

Penyelesaian Berbagai Permasalahan Algoritma dengan Kombinasi Algoritma Brute Force dan Greedy

Materi UAS: 1. Indeks 2. Trend Linear dan Non Linear 3. Regresi dan korelasi sederhana

Transkripsi:

PERTEMUAN 12 METODE GREEDY

METODE GREEDY Untuk mendapatkan solusi optimal dr permasalahan yg mempunyai dua kriteria yaitu Fungsi Tujuan/Utama & nilai pembatas (constrain)

Proses Kerja Metode Greedy : Untuk menyeselesaikan suatu permasalahan dgn n input data yg terdiri dari beberapa fungsi pembatas & 1 fungsi tujuan yg diselesaikan dgn memilih beberapa solusi yg mungkin (feasible solution/feasible sets), yaitu bila telah memenuhi fungsi tujuan/obyektif.

Metode GREEDY digunakan dlm penyelesaian masalah - masalah : 1. Optimal On Tape Storage Problem 2. Knapsack Problem 3. Minimum Spanning Tree Problem 4. Shortest Path Problem.

1. Optimal Storage On Tapes Problem Permasalahan Bagamana mengoptimalisasi storage/memory dalam komputer agar data yg disimpan dapat termuat dgn optimal. Misalkan terdapat n program. yg akan disimpan Misalkan terdapat n program. yg akan disimpan didalam pita (tape).pita tsb mempunyai panjang maks. sebesar L, masing 2 prg. yg akan disimpan mempunyai panjang L 1,L 2,L 3...,L n. Cara penyimpanan adalah penyimpanan secara terurut (sequential).

L 1 L 2 L 3... L n Persoalan = Bagamana susunan penyimpanan program 2 tersebut sehingga L 1 + L 2 + L 3 +... + L n = L? Pemecahannya = jika program. 2 tersebut disimpan dlm Order, dimisalkan adalah Order I, yaitu : j sama dengan Σ t ik maka akan didapat k=1

Mean Retrieval Time (MRT) = Σ t j /n n j=1 n dan Optimal Storage = D(I) = Σ k=1 j Σ l ik j=1

Contoh, Misal terdapat 3 buah prg.(n=3) yg masing 2 mpy panjang prg. (I 1,I 2,I 3 )=(5,10,3). Tentukan urutan penyimpanannya scr berurutan (sequential) agar optimal...!

Penyelesaiannya : Dari 3 program tersebut akan didapat 6 buah kemungkinan order, yg didapat dr nilai faktorial 3 3! (ingat faktorial n!). ORDERING D ( I ) 1,2,3 5 + (5+10) + (5+10+3) = 38 1,3,2 5 + (5+3) + (5+3+10) = 31 2,1,3 10 + (10+5) + (10+5+3) = 43 2,3,1 10 + (10+3) + (10+3+5) = 41 3,1,2 3 + (3+5) + (3+5+10) = 29 3,2,1 3 + (3+10) + (3+10+5) = 34

Dari tabel tersebut, didapat Susunan / order yg optimal,sbb : susunan pertama untuk program ke tiga susunan kedua untuk program kesatu susunan ketiga untuk program kedua

METODE GREEDY (lanjutan) 2. KNAPSACK Problem Kasus : Terdapat n obyek (Xi;i=1,2,3,...n) yang masing-masing mempunyai berat (weight)/ Wi & masing-masing memiliki nilai (profit)/pi yg berbeda-beda.

Masalah : Bagamana obyek-obyek tersebut dimuat / dimasukan kedalam ransel (knapsack) yg mempunyai kapasitas maks. = M. Sehingga timbul permasalahan sbb: Bagaimana memilih obyek yg akan dimuat dr n obyek yg ada sehingga nilai obyek termuat jumlahnya sesuai dgn kapasitas( M) Jika semua obyek harus dimuat kedalam ransel maka berapa bagian dr setiap obyek yg ada dapat dimuat kedalam ransel sedemikian shg nilai kum. maks. & sesuai dgn kapasitas ransel?

Penyelesaian Knapsack Problem : 1. Dengan Secara Matematika 2. Dengan Kriteria Greedy. 3. Dengan Algoritma Pemrograman Greedy.

Penyelesaian Knapsack Dengan Secara Matematika Fungsi tujuan = fungsi utama/obyektif = fungsi yg mjd penyelesaian permasalahan dgn mendptkan solusi yg optimal. Solusi dimaksud = menemukan nilai/profit yg maks. utk jml obyek yg dimuat dlm ransel shg sesuai kapasitas. n Fungsi Tujuan Maksimum : Pi Xi I=1

Fungsi pembatas = fungsi subyektif = fungsi yg bertujuan untuk memberikan batas maks. dr setiap obyek untuk dapat dimuat dalam ransel sehingga kapasitasnya tdk melebihi dr jumlah maks.daya tampung ransel. Fungsi Pembatas : Wi Xi M i=1 dimana : 0 Xi 1; Pi >0;Wi>0 n Catatan : karena dengan menggunakan Matematikan sangat sulit dan rumit maka tidak dibahas lebih mendalam.

Penyelesaian Dengan Kriteria Greedy. Konsep dr kriteria yg ditawarkan oleh metode Greedy yaitu : Pilih obyek (barang) dengan nilai Pi maximal atau terbesar Pilih obyek (barang) dengan berat Wi dahulu. minimal Pilih obyek (barang) dgn perbandingan nilai & berat yaitu Pi/Wi yang terbesar.

Penyelesaiannya : Dengan Kriteria Greedy. Diketahui bahwa kapasitas M = 20kg, Dengan jumlah barang n=3 Berat Wi masing-masing barang (W 1, W 2, W 3 ) = (18, 15, 10) Nilai Pi masing-masing barang (P 1, P 2, P 3 ) = (25, 24, 15)

Pilih barang dengan Nilai Profit Maksimal P1 = 25 X1 = 1, dimisalkan sebagai batas atas nilai P2 = 24 X2 = 2/15, dihitung dengan Fungsi Pembatas P3 = 15 X3 = 0, dimisalkan sebagai batas bawah nilai

Pilih barang dengan Berat Minimal W1 = 18 X1 = 0, sebagai batas bawah W2 = 15 X2 = 2/3,dihitung dgn Fungsi Pembatas W3 = 10 X3 = 1, sebagai batas atas

Pilih barang dgn menghitung perbandingan yg terbesar dr Profit dibagi Berat (Pi/Wi) yg diurut secara tidak naik, yaitu : P1/W1 = 25/18 karena terkecil maka X1 = 0 P2/W2 = 24/15 karena terbesar maka X2 = 1 P3/W3 = 15/10 dengan Fungsi pembatas X3 = 1/2.

Dibuatkan tabel berdasarkan elemen dr ke-3 kriteria metode Greedy Solusi ke (X1,X2,X3) WiXi PiXi Pi Max ( 1, 2/15, 0) 20 28.2 Wi Min ( 0, 2/3, 1) 20 31.0 Pi/Wi max ( 0, 1, 1/2 ) 20 31.5 Nilai profit maksimal = 31.5 dengan komposisi yang sama