Teorema Kuratowsky

Teorema Kuratowski (1930)

Lecture Note

Graf & Analisis Algoritma

Jurusan Sistem Informasi

Fakultas Ilmu Komputer & Teknologi Informasi

Universitas Gunadarma

Pertemuan ke-1

Teori Dasar Graf

Kelahiran Teori Graf

Teori Graf mulai dikenal pada saat seorang matematikawan bangsa Swiss, bernama Leonhard Euler, berhasil mengungkapkan Misteri Jembatan Konigsberg pada tahun 1736. Di Kota Konigsberg (sekarang bernama Kalilingrad, di Uni Soviet) mengalir sebuah sungai bernama sungai Pregel. Di tengah sungai tersebut terdapat dua buah pulau. Dari kedua pulau tersebut terdapat jembatan yang menghubungi ke tepian sungai dan diantara kedua pulau. Jumlah jembatan tersebut adalah 7 buah seperti gambar berikut :

Konon kabarnya, penduduk kota Konigsberg sering berjalan-jalan ke tempat tersebut pada hari-hari libur. Kemudian muncul suatu keinginan untuk dapat menikmati daerah tersebut dengan melalui ketujuh jambatan tepat satu kali, yakni bermula dari satu tempat (A, B, C atau D) dan kembali ke tempat semula. Mereka berusaha untuk memperoleh rute yang sesuai dengan keinginan tersebut, dengan selalu mencoba menjalaninya. Setelah mencoba berkali-kali dan karena sudah cukup lama tidak diperoleh rutenya, akhirnya penduduk tersebut mengirim surat kepada Euler. Euler dapat memecahkan masalah tersebut, yakni bahwa perjalanan / rute yang diinginkan (yakni berawal dari suatu tempat, melalui ketujuh jembatan tepat satu kali, dan kembali ke tempat semula) tidak mungkin dicapai.

Secara singkat, dalam tulisannya, Euler menyajikan keadaan jembatan Konigsberg tersebut seperti gambar berikut :

Dalam masalah di atas, daratan (tepian A dan B, serta pulau C dan D) disajikan sebagai titik dan jembatan disajikan sebagai ruas garis. Euler mengemukakan teoremanya yang mengatakan bahwa perjalanan yang diinginkan di atas (yang kemudian dikenal sebagai perjalanan Euler) akan ada apabila graf terhubung dan banyaknya garis yang datang pada setiap titik (derajat simpul) adalah genap.

Problema & Model Graf

Secara umum, langkah-langkah yang perlu dilalui dalam penyelesaian suatu masalah dengan bantuan komputer adalah sebagai berikut :

Problema ( Model Yang Tepat ( Algoritma ( Program Komputer

Contoh problema graf :

1. Petugas kantor telepon yang ingin mengumpulkan koin-koin dari telepon umum. Berangkat dari kantor & kembali ke kantornya lagi.

Yang diharapkan ( suatu rute perjalanan dengan waktu minimal.

Masalah di atas dikenal sebagai Travelling Salesman Problem

Sebagai contoh :

Untuk menyelesaikan masalah di atas dapat dipakai Algoritma Tetangga Terdekat (yakni menggunakan Metode Greedy)

2. Perancangan Lampu Lalu Lintas.

Yang diharapkan ( pola lampu lalu lintas dengan jumlah fase minimal.

Sebagai contoh :Untuk menyelesaikan masalah di atas dapat dipakai Algoritma Pewarnaan Graf (juga dikenal sebagai Graph Coloring, yakni menggunakan Metode Greedy)

Graf Secara Formal

Sebuah Graf G mengandung 2 himpunan :

(1). Himp. V, yang elemennya disebut simpul

( Vertex / point / titik / node

(2). Himp. E, yang merupakan pasangan tak terurut dari simpul-simpul, disebut ruas

( Edge / rusuk / sisi

Sehingga sebuah graf dinotasikan sebagai G ( V, E )

Contoh :

G ( V, E )

V = { A, B, C, D }

E = { ( A, B ), ( B, C ), ( C, D ), ( D, A ), ( B, D ) }

Secara Geometri :

Tidak ada ketentuan khusus dalam penyajian graf secara geometri, seperti dimana dan bagaimana menyajikan simpul dan ruas. Berikut contoh penyajian Graf yang sama, tetapi disajikan berbeda.

Beberapa istilah lain dalam graf :

Berdampingan

simpul U dan V disebut berdampingan bila terdapat ruas (U,V)

Order

banyaknya simpul

Size

banyaknya ruas

Self-loop (loop) / Gelung

ruas yang menghubungkan simpul yang sama ( sebuah simpul )

Ruas sejajar / berganda

ruas-ruas yang menghubungkan 2 simpul yang sama

Sebuah graf dikatakan multigraf bila graf tersebut mengandung ruas sejajar atau gelung. Sedangkan graf yang tidak mengandung ruas sejajar atau gelung dikenal sebagai graf sederhana, atau yang disebut graf. Adapun contoh multigraf adalah sebagai berikut.

Subgraf

G(V, E) adalah Subgraf dari G (V, E) bila : V ( V dan E ( E

Apabila E mengandung semua ruas di E yang kedua ujungnya di V , maka

G adalah Subgraf yang dibentuk oleh V (Spanning Subgraph)Contoh :

Graf berlabel

Graf berlabel/ berbobot adalah graf yang setiap ruasnya mempunyai nilai/bobot berupa bilangan non negatif.

Contoh :

Isomorfisma

G (V,E) dan G* (V*,E*) adalah 2 buah Graf.

f : V ( V * suatu fungsi satu-satu dan pada, sedemikian sehingga (u,v) adalah ruas dari G jika dan hanya jika (f (u),f(v)) adalah ruas dari G *

Maka f disebut fungsi yang isomorfisma dan G & G * adalah graf-graf yang isomorfis

Contoh :

Graf yang berbentuk huruf A & R, X & K, F & T, dan V & Z, di bawah ini adalah isomorfis.

Homomorfis

Jika G* dan G** diperoleh dari G dengan membagi beberapa ruas dari G oleh penambahan beberapa simpul pada ruas tersebut, maka kedua graf G* dan G** disebut homomorfis

Contoh :

Operasi pada Graf

Berdasarkan definisi graf (yang terdiri dari 2 himpunan) dan operasi pada himpunan, maka pada graf juga dapat dilakukan operasi-operasi. Bila diketahui 2 buah graf : G1(V1,E1) dan G2(V2,E2), maka :

1. Gabungan G1 ( G2 adalah graf dengan himpunan V nya = V1 ( V2 dan himpunan E nya = E1 ( E22. Irisan G1 ( G2 adalah graf dengan himpunan V nya = V1 ( V2 dan himpunan E nya = E1 ( E23. Selisih G1 - G2 adalah graf dengan himpunan V nya = V1 dan himpunan E nya = E1 - E2Sedangkan Selisih G2 G1 adalah graf dengan himpunan V nya = V2 dan himpunan E nya = E2 E14. Penjumlahan Ring G1 ( G2 adalah graf yang dihasilkan dari

(G1 ( G2) (G1 ( G2) atau (G1 - G2) ( (G2 - G1)

Contoh :

Graf Null / Hampa

Ada beberapa pengertian tentang graf null/hampa. Di sini akan dipakai pengertian bahwa suatu graf dikatakan graf null/hampa bila graf tersebut tidak mengandung ruas.

Contoh :

Suatu graf G dikatakan dikomposisikan menjadi K dan L bila G = K ( L dan K ( L = (Contoh :

Penghapusan / Deletion

Penghapusan dapat dilakukan pada simpul ataupun ruas.

1) Penghapusan Simpul .

Notasinya : G {V}

Contoh :

Penghapusan Simpul V22) Penghapusan Ruas .

Notasinya : G {e}

Contoh :

Penghapusan Ruas e3Pemendekan / Shorting

Pemendekan/Shorting adalah menghapus simpul yang dihubungkan oleh 2 ruas (simpul berderajat 2), lalu menghubungkan titik-titik ujung yang lain dari kedua ruas tersebut.

Contoh :

pemendekan terhadap simpul A dan C

Derajat Graf

Derajat graf adalah jumlah dari derajat simpul-simpulnya. Sedangkan derajat simpul adalah banyaknya ruas yang incidence (terhubung) ke simpul tersebut.

Contoh :

d (A) = 2

d (B) = 5

d (C) = 3

d (D) = 3

d (E) = 1

d (F) = 0

+

= 14 = 2 x Size

Berdasarkan derajat simpul, sebuah simpul dapat disebut :

Simpul Ganjil, bila derajat simpulnya merupakan bilangan ganjil

Simpul Genap, bila derajat simpulnya merupakan bilangan genap

Simpul Bergantung / Akhir, bila derajat simpulnya adalah 1

Simpul Terpencil, bila derajat simpulnya adalah 0

Keterhubungan

Dalam keterhubungan sebuah graf, akan dikenal beberapa istilah-istilah berikut :

1. Walk : barisan simpul dan ruas

2. Trail : Walk dengan ruas yang berbeda

3. Path / Jalur : Walk dengan simpul yang berbeda

4. Cycle / Sirkuit : Trail tertutup dengan derajat setiap simpul = 2

Contoh :

1) A, B, C, D, E, F, C, A, B, D, C ( Walk

2) A, B, C, D, E, F, C, A ( Trail

3) A, B, C, A ( Cycle

4) A, B, D, C, B, D, E ( Walk

5) A, B, C, D, E, C, F ( Trail

6) A, B, D, C, E, D ( Trail

7) A, B, D, E, F, C, A ( Cycle

8) C, E, F ( Path

9) B, D, C, B ( Cycle

10) C, A, B, C, D, E, C, F, E ( Trail

11) A, B, C, E, F, C, A ( Trail

Graf yang tidak mengandung cycle disebut dengan Acyclic

Contoh :

Suatu graf G disebut terhubung jika untuk setiap 2 simpul dari graf terdapat jalur yang menghubungkan kedua simpul tersebut.

Subgraf terhubung suatu graf disebut komponen dari G bila subgraf tersebut tidak terkandung dalam subgraf terhubung lain yang lebih besar.

Jarak antara 2 simpul dalam graf G adalah panjang jalur terpendek antara ke-2 simpul tersebut.

Diameter suatu graf terhubung G adalah maksimum jarak antara simpul-simpul G.

Ada Subgraf S dari graf terhubung G, yang bila kita ambil / pindahkan dari G, akan menyebabkan G tidak terhubung .

Kalau tidak ada Subgraf sejati R dari S, yang pemindahannya juga menyebabkan G tidak terhubung, maka S disebut Cut-Set dari G.

Graf Regular

Sebuah graf dikatakan graf regular bila derajat setiap simpulnya sama.

Contoh :

Pertemuan ke-2

Teori Dasar Graf (Lanjutan)

Matriks dan Graf

Untuk menyelesaikan suatu permasalahan model graf dengan bantuan komputer, maka graf tersebut disajikan dalam bentuk matriks. Matriks-matriks yang dapat menyajikan model graf tersebut antara lain :

Matriks Ruas

Matriks Adjacency

Matriks Incidence

Sebagai contoh, untuk graf seperti di bawah ini :

Maka,

Matriks Ruas :

Atau :

Matriks Adjacency :

Matriks Incidence :

Graf Planar

Sebuah graf dikatakan graf planar bila graf tersebut dapat disajikan (secara geometri) tanpa adanya ruas yang berpotongan. Sebuah graf yang disajikan tanpa adanya ruas yang berpotongan disebut dengan penyajian planar/map/peta.

Contoh :

Graf yang termasuk planar antara lain :

Tree / Pohon

Kubus

Bidang Empat

Bidang Delapan Beraturan

Tree / Pohon

Pada penyajian planar/map, dikenal istilah region. Derajat dari suatu region adalah panjang walk batas region tersebut

Contoh :

d ( r1 ) = 3

d ( r2 ) = 3

d ( r3 ) = 5

d ( r4 ) = 4

d ( r5 ) = 3

+

= 18 = 2 x SIZE

Region dengan batasnya gelung, maka d (r) = 1

Region dengan batasnya ruas sejajar, maka d (r) = 2

Formula Euler untuk Graf Planar

Untuk Graf Planar berlaku Formula Euler berikut :

V E + R = 2

Dimana p = jumlah simpul dan q = jumlah ruas

Graf Non-Planar

Sebuah graf yang tidak dapat disajikan (secara geometri) tanpa adanya ruas yang berpotongan dikenal sebagai graf non planar.

Contoh :

K3,3Utility Graph

K5 = Bintang

Teorema Kuratowski ( 1930 )

Suatu graf adalah Non-Planar jika dan hanya jika mengandung subgraf yang Homomorfis ke K3,3 atau ke K5Pewarnaan Graf

Pewarnaan graf adalah pemberian warna terhadap simpul-simpul graf dimana 2 buah simpul yang berdampingan tidak boleh mempunyai warna yang sama.

G berwarna n artinya graf tersebut menggunakan n warna.

Bilangan kromatis dari G = K(G) adalah jumlah minimum warna yang dibutuhkan.

Algoritma yang dapat digunakan untuk mendapatkan bilangan kromatis dari sebuah graf adalah Algoritma Welch-Powell.

Adapun langkah-langkahnya adalah :1. Urutkan simpul-simpul berdasarkan derajatnya.

Dari besar ke kecil.

2. Warnai.

Contoh :

Langkah 1 :

urutan simpulnya dari besar ke kecil adalah : E, C, G, A, B, D, F, H

Langkah 2 :

mewarnai :

warna Merah : E, A

warna Putih : C, D, H

warna Biru : G, B, F

Sehingga bilangan kromatis graf di atas adalah 3.

Teorema :

Pernyataan berikut adalah ekivalen :

(1) G berwarna 2

(2) G adalah bipartisi

(3) Setiap sirkuit dalam G mempunyai panjang genap

Graf Lengkap k dengan n simpul membutuhkan n warna

Teorema :

Suatu graf planar G adalah berwarna 5

Pewarnaan Region

Pewarnaan region dapat dilakukan (seperti pemberian warna pada wilayah-wilayah di peta) dengan cara membuat dual dari map tersebut. Gambarkan sebuah simpul baru pada masing-masing region suatu map M, kemudian buat sebuah ruas yang menghubungkan simpul pada 2 buah region yang berdampingan bila terdapat ruas sebagai batas / persekutuan kedua region tersebut. Buatlah tanpa adanya ruas baru yang berpotongan, maka akan terbentuk suatu map M*, yang disebut dual dari map M.

Setelah Dualnya terbentuk, dapar dilakukan pewarnaan terhadap simpul-simpulnya. Simpul-simpul tersebut mewakili region sebelumnya, sehingga warna yang digunakan untuk suatu simpul berarti warna yang dapat digunakan untuk pewarnaan region yang diwakilinya.

Teorema : suatu map M adalah berwarna 5

Setiap graf planar adalah berwarna (simpul) 4

Dibuktikan oleh Apple & Haken (1976) 2000 Graf, jutaan kasus.

Pertemuan ke-3

Pohon (Tree)

Pohon

Tree atau pohon adalah graf terhubung yang tidak mengandung sirkuit.

Untuk itu perlu diingat kebali bahwa :

Suatu Graf G disebut terhubung apabila untuk setiap dua simpul dari graf G selalu terdapat jalur yang menghubungkan kedua simpul tersebut.

Sirkuit atau cycle adalah suatu lintasan tertutup dengan derajat setiap simpul dua.

Contoh :

Sifat :

Suatu Graf G adalah Pohon jika dan hanya jika terdapat satu dan hanya satu jalur diantara setiap pasang simpul dari Graf G.

Teorema :

Suatu Graf G dengan n buah simpul adalah Pohon jika :

(1) G terhubung dan tak mengandung sirkuit, atau

(2) G tidak mengandung sirkuit dan mempunyai n-1 buah ruas, atau

(3) G mempunyai n-1 buah ruas dan terhubung

Pohon Rentangan

Suatu spanning tree atau pohon rentangan adalah suatu subgraf dari graf G yang mengandung semua simpul dari G, dan merupakan suatu pohon.

Contoh :

Contoh :

Pohon Rentangan Minimal

Apabila G suatu Graf berbobot (Suatu Network); maka pohon rentangan minimal dari graf adalah pohon rentangan dengan jumlah bobot terkecil.

Minimal spanning tree

Contoh :

Untuk mendapatkan pohon rentangan minimal dapat digunakan Algoritma berikut :

Solin

Kruskal

Prims

SOLIN

1. Urutkan ruas dari G menurut bobotnya; dari besar ke kecil.

2. Lakukan penghapusan ruas berdasarkan urutan yang sudah dilakukan; dengan ketentuan bahwa penghapusan ruas tersebut tidak menyebabkan graf menjadi tidak terhubung.

KRUSKAL

1. Urutkan ruas dari G menurut bobotnya; dari kecil ke besar.

2. Lakukan penambahan ruas berdasarkan urutan yang sudah dilakukan; dengan ketentuan bahwa penambahan ruas tersebut tidak menyebabkan adanya sirkuit.

PRIMS

= Kruskal + menjaga graf tetap terhubung

Untuk mencari pohon rentangan maksimal, dapat dilakukan dengan dengan cara merubah bobot tiap ruas menjadi (bobot yang lama)

Definisi :

Hutan atau foresi adalah graf yang tidak mengandung sirkuit.

( Pohon adalah hutan yang terhubung

Contoh :

Pertemuan ke-4

Berbagai Jenis Pohon (Tree)

Pohon Berakar

Suatu pohon berakar R adalah suatu pohon bersama dengan suatu simpul r yang dirancang/ditunjuk sebagai akar (root) dari R. Seperti diketahui bahwa hanya terdapat satu jalur antara r dengan simpul lain v pada pohon pohon tersebut. Panjang jalur antara r dengan simpul v disebut level atau kedalaman simpul v. Simpul bukan akar, yang berderajat satu disebut daun. Jalur antara suatu simpul dengan suatu daun disebut cabang (branch).

Berikut ini contoh pohon berakar.

Contoh :

Suatu pohon dapat dijadikan suatu pohon berakar cukup dengan mengangkat salah satu simpul sebagai akar. Dengan adanya akar, setiap ruas dari pohon seolah-olah mempunyai arah, yang bermula dari akar tersebut. Simpul u dikatakan mendahului simpul v jika jalur dari akar r ke v melalui u. Dikatakan u mendahului langsung v bila u mendahului v serta simpul u dan v berdampingan. Pada contoh di atas, a mendahului d, mendahului e, dan mendahului h.

Suatu pohon berakar dapat digunakan untuk menelusurisemua kemungkinan dari kejadian, dengan masing-masing kejadian dapat muncul dalam sejumlah hingga cara.

Bebarapa contoh lain yang penting dari pohon berakar adalah pohon binar (binary tree) dan pohon sintaks (syntax tree) atau pohon derivasi (derivation tree).

Pohon Binar

Dalam struktur data, pohon memegang peranan yang cukup penting. Struktur ini biasanya digunakan terutama untuk menyajikan data yang mengandung hubungan hirarkikal antara elemen-elemen mereka.

Bentuk pohon khusus yang lebih mudah dikelola dalam komputer adalah pohon binary. Bentuk ini merupakan bentuk pohon yang umum. Sebuah pohon binar T didefinisikan terdiri dari sebuah himpunan hingga elemen yang disebut simpul (node), sedemikian sehingga :

a. T adalah hampa (disebut pohon null) atau

b. T mengandung simpul R yang dipilih (dibedakan dari yang lain), disebut akar (root) dari T, dan simpul sisanya membentuk 2 pohon binar (subpohon kiri dan subpohon kanan dari R) T1 dan T2 yang saling lepas.

Perhatikan bahwa pendefinisian pohon binar di atas adalah rekursif. Jika T1 tidak hampa, maka simpul akarnya disebut suksesor kiri dari R. Hal serupa untuk akar dari T2 (tidak hampa) disebut suksesor kanan dari R.

Untuk menyajikan pohon binar, simpul akar adalah simpul yang digambar pada bagian paling atas. Sedangkan suksesor kiri digambarkan sebagai garis ke kiri bawah dan suksesor kanan sebagai garis ke kanan bawah.

Contoh :

Pohon Sintaks

Untuk menjelaskan mengenai bahasa secara teoritis dan formal, kita lihat terlebih dahulu sebuah kalimat sehari-hari dalam bahasa Indonesia, yaitu :

SI KUCING KECIL MENENDANG BOLA BESAR

Gambar penguraian kalimat di atas membentuk struktur pohon, yang disebut pohon sintaks dari kalimat. Disini kalimat dibagi-bagi berdasar jenis dan fungsi kata. Dari pelajaran bahasa Indonesia kita tahu bahwa kalimat di atas telah benar susunannya, atau telah benar tata bahasanya.

Pohon sintaks dari kalimat di atas dapat dilihat sebagai berikut :

Pertemuan ke-5

Graf Berarah

Graf Berarah

Di dalam situasi yang dinamis, seperti pada komputer digital ataupun pada sistem aliran (flow system), konsep graf berarah lebih sering digunakan dibandingkan dengan konsep graf tak berarah.

Suatu graf berarah (Directed Graph, yang dikenal sebagai Digraf) D terdiri dari 2 himpunan :

(1). Himp. V, yang elemennya disebut simpul

( Vertex / point / titik / node

(2). Himp. A, yang merupakan pasangan terurut dari simpul-simpul, disebut ruas berarah

( Arc / arkus

Sehingga sebuah digraf dinotasikan sebagai D ( V, A )

Contoh :

Sebuah graf berarah D(V,A), dengan :

1. V = { 1, 2, 3, 4 }

2. A = { (1,4), (2,1), (2,1), (4,2), (4,3), (2,3), (2,2) }

Arc (2,2) disebut gelung (self-loop), sedangkan arc (2,2) muncul 2 kali, disebut arc sejajar atau arc berganda.

Apabila arc suatu graf berarah mempunyai suatu bobot, graf berarah tersebut dinamakan suatu jaringan atau network.

Beberapa Pengertian dalam graf berarah :

Derajat ke luar (out degree) suatu simpul adalah banyaknya arc yang mulai / keluar dari simpul tersebut.

Derajat ke dalam (in degree) suatu simpul adalah banyaknya arc yang berakhir / masuk ke simpul tersebut.

Simpul berderajat ke dalam = 0 disebut sumber (source), sedangkan simpul berderajat ke luar = 0 disebut muara (sink).

Pengertian Walk, Trail, Path (Jalur) dan Sirkuit (Cycle) berlaku pula pada graf berarah, dimana harus sesuai dengan arah arc. Kalau tidak sesuai dengan arah arc-nya, maka disebut sebagai semi walk, semi path atau semi trail.Pada graf berarah terdapat 3 pengertian keterhubungan, yakni :

Terhubung lemah, jika terdapat suatu semi path antara setiap 2 simpul dari D.

Terhubung unilateral, jika antara setiap 2 simpul u dan v dari D, terdapat jalur dari u ke v atau dari v ke u.

Terhubung kuat, jika antara setiap 2 simpul u dan v dari D, terdapat jalur dari u ke v dan dari v ke u.

Contoh :

Relasi dan Matriks

Pandang D(V,A) suatu graf berarah tanpa arc sejajar, maka A adalah himpunan bagian dari V x V (produk Cartesis himpunan), jadi merupakan Relasi pada V. Sebaliknya bila R adalah Relasi pada suatu himpunan V, maka D(V,R) merupakan graf berarah tanpa arc sejajar. Jadi konsep Relasi dan konsep graf berarah tanpa arc sejajar adalah satu dan sama.

Misalkan D(V,A) suatu graf berarah dengan simpul v1, v2, , vm. Matriks M berukuran (mxm) merupakan matriks (matriks adjacency) dari D, dengan mendefinisikan sebagai berikut :

M = (Mij), dengan mij banyaknya arc yang mulai di vi dan berakhir di vjBila D tidak mengandung arc berganda, maka elemen M adalah 0 dan 1. Kalau Graf berarah mengandung arc berganda, elemen M merupakan bilangan bulat non negatif.

Jadi suatu matriks berukuran (mxm) yang elemennya bilangan bulat non negatif menyatakan secara tunggal suatu graf berarah dengan m simpul.

Contoh :

Teorema :

M adalah Matriks dari sutau graf berarah D, maka elemen baris ke i kolom ke j dari Matriks Mn menyatakan banyaknya walk dengan panjang n dari simpul vi ke simpul vj.

Algoritma Jalur Terpendek

Pandang D suatu graf berarah yang hingga dengan tiap-taip arc mempunyai bobot. Jadi D merupakan suatu network. Kita hendak menentukan Jalur Terpendek antara 2 simpul u dan v.

Gambar berikut merupakan suatu network. Kita ingin menghitung jalur terpendek dari simpul u ke simpul v.

Untuk dapat menentukan jalur terpendeknya, kita gunakan cara berikut :

Buat table jarak, dengan tiap kolom mewakili simpul yang ada, dan kita isikan data jarak dari satu simpul ke simpul lainnya sesuai dengan kolom yang ada. Usahakan diurut dari yang kecil ke besar.

uxyzabcv

uz = 2

ux = 4

uy = 6xy = 3

xa = 4

yc = 1

yb = 2 zy = 2

zc = 5ab = 2

av = 3bv = 3cv = 3

Kita mulai dengan simpul u sebagai simpul awal. Beri harga = 0. Ambil simpul dengan jarak terdekat dari u, dalam hal ini z (uz =2), kemudian tandai uz. Semua arc lain, yang berakhir di z kita hapus. Beri harga = 2 pada kolom z. Kemudian pada judul kolom yang telah diberi harga, kita tandai *. Hasil langkah tersebut dapat dilihat pada tabel berikut ini :

u* (0)xyz* (2)abcv

uz = 2

ux = 4

uy = 6xy = 3

xa = 4

yc = 1

yb = 2 zy = 2

zc = 5ab = 2

av = 3bv = 3cv = 3

Dari simpul u dan z (yang telah ditandai *), dicari simpul lain yang jaraknya terdekat dihitung dari u. Jadi harus diperhitungkan harga yang tertulis di judul kolom. Disini ux =4 merupakan nilai terkecil, sehingga kita beri harga pada kolom x = 4, kemudian kita hapus data yang berakhir dengan x dan kita beri tanda * pada judul kolom x. Hasil langkah tersebut dapat dilihat pada tabel berikut ini :

u* (0)x* (4)yz* (2)abcv

uz = 2

ux = 4

uy = 6xy = 3

xa = 4

yc = 1

yb = 2 zy = 2

zc = 5ab = 2

av = 3bv = 3cv = 3

Demikian proses dilanjutkan berturut-turut sebagai berikut :

u* (0)x* (4)y* (4)z* (2)abcv

uz = 2

ux = 4

uy = 6xy = 3

xa = 4

yc = 1

yb = 2 zy = 2

zc = 5ab = 2

av = 3bv = 3cv = 3

u* (0)x* (4)y* (4)z* (2)abc* (5)v

uz = 2

ux = 4

uy = 6xy = 3

xa = 4

yc = 1

yb = 2 zy = 2

zc = 5ab = 2

av = 3bv = 3cv = 3

u* (0)x* (4)y* (4)z* (2)ab* (6)c* (5)v

uz = 2

ux = 4

uy = 6xy = 3

xa = 4

yc = 1

yb = 2 zy = 2

zc = 5ab = 2

av = 3bv = 3cv = 3

u* (0)x* (4)y* (4)z* (2)a* (8)b* (6)c* (5)v

uz = 2

ux = 4

uy = 6xy = 3

xa = 4

yc = 1

yb = 2 zy = 2

zc = 5ab = 2

av = 3bv = 3cv = 3

u* (0)x* (4)y* (4)z* (2)a* (8)b* (6)c* (5)v* (8)

uz = 2

ux = 4

uy = 6xy = 3

xa = 4

yc = 1

yb = 2 zy = 2

zc = 5ab = 2

av = 3bv = 3cv = 3

Dari tabel terakhir, data yang kita gunakan adalah data yang ditandai kotak. Terlihat dari judul kolom masing-masing simpul, harga yang merupakan jarak terpendek dari simpul awal (dalam hal ini simpul u) ke simpul tersebut. Sebagai contoh, jarak terpendek dari u ke v adalah 8. Sedangkan dari u ke c adalah 5, dan seterusnya.

Jalur terpendek dari u ke v dapat ditentukan dengan cara mundur, yakni dari data yang ada yang berakhir dengan v adalah cv, kemudian yang berakhir dengan c adalah yc, yang berakhir dengan y adalah zy dan yang berakhir dengan z adalah u. Sehingga jalur yang dimaksud adalah : u ( z ( y ( c ( v

Penggambaran dari solusi tersebut adalah sebagai berikut :

Problema Aliran Maksimal

Tujuan dari problema aliran maksimal adalah mengatur jadwal pengiriman barang agar jumlah barang yang dikirimkan dari suatu simpul ke simpul lain (yang tertentu) adalah maksimum. Simpul yang mengirimkan (simpul awal) disebut sumber (source) dan simpul yang menerima kiriman disebut muara (sink). Antara sumber dan muara terdapat pula simpul lain yang disebut simpul perantara. Dalam hal ini ditetapkan bahwa simpul perantara tidak dapat menyimpan barang.

Contoh :

Untuk menyelesaikan problema aliran maksimal ini dapat digunakan beberapa cara, antara lain dengan menelusuri satu persatu jalur yang dapat dilalui ataupun dengan memanfaatkan max flow min cut. Adapun aliran maksimal dari contoh ini adalah 22.

Pertemuan ke-6

Graf Berarah (Lanjutan)

Mesin State Hingga

Mesin State Hingga merupakan suatu struktur abstrak yang didefinisikan terdiri atas :

(1) Himpunan hingga A, berisi simbol input

(2) Himpunan hingga S, berisi internal state

(3) Himpunan hingga Z, berisi simbol output

(4) Sebuah fungsi f : S x A ( S, disebut fungsi next-state

(5) Seubuah fungsi g : S x A ( Z disebut fungsi output

M ( A, S, Z, f, g)

M (A, S, Z, q0, f, g)

Contoh : M ( A, S, Z, f, g) dengan :

(1)A =(a,b)

(2) S=(q0, q1, q2)

(3) Z=( x, y, z)

(4) f:S x A ( S, yang didefinisikan sebagai :

f (qo, a) = q1

f (q0, b)= q2

f (q1, a) = q2

f (q1, b)= q1

f (q2, a) = qo

f (q2, b)= q1

(5) g : S x A ( Z, yang didefinisikan sebagai :

g (q0, a) = xg (q0, b)= y

g (q1, a) = xg (q1, b)= z

g (q2, a) = zg (q2, b)= y

Automata Hingga

Automata Hingga merupakan suatu struktur abstrak yang didefinisikan terdiri atas :

(1) Himpunan hingga A, berisi simbul input

(2) Himpunan hingga S, berisi internal state

(3) Himpunan T (dimana T ( S), elemennya disebut state penerima

(4) State awal (biasanya q0), anggota S

(5) Fungsi next-state f : S x A ( S

M (A, S, T, qo, f)

Contoh : M (A, S, T, qo, f) dengan :

(1) A = ( a, b ((2) S = ( q0, q1, q2 ((3) T = ( qo, q1 ((4) State awal = q0

(5) Fungsi next-state f : S x A ( S, yang didefinisikan sebagai tabel berikut :

fab

q0

q1

q2q0

q0

q2q1

q2

q2

Pertemuan ke-7

Algoritma

Algoritma

Istilah algoritma pertama kali diperkenalkan oleh seorang ahli matematika yaitu Abu Jafar Muhammad Ibnu Musa Al Khawarizmi.

Yang dimaksud dengan algoritma adalah :

Urutan dari barisan instruksi untuk menyelesaikan suatu masalah

Adapun algoritma dapat dinyatakan dalam bentuk : flow chart, diagram alur, bahasa semu

Sedangkan secara bahasa, algoritma berarti suatu metode khusus untuk menyelesaikan suatu masalah yang nyata (dari Webster Dictionary).

Dari suatu permasalahan yang akan diselesaikan, bisa terjadi terdapat lebih dari satu algoritma. Dalam memilih algoritma yang terbaik yang dapat digunakan, harus diperhatikan beberapa kriteria. Kriteria tersebut antara lain :

Efektif dan efisien

Jumlah langkahnya berhingga

Berakhir

Ada output

Terstruktur

Adapun langkah-langkah yang dilakukan dalam proses penyelesaian masalah dengan bantuan komputer adalah sebagai berikut :

Studi Tentang Algoritma

Hal-hal yang akan dipelajari mengenai studi algoritma yaitu :

1.Bagaimana Merencanakannya

2.Bagaimana Menyatakannya

3.Bagaimana Validitasnya

4.Bagaimana Menganalisisnya

5.Bagaimana Menguji suatu program

Merencanakan algoritma : Merupakan suatu studi tentang teknik variasi design (model)

Menyatakan algoritma : Menyatakannya dengan singkat, dibuat dalam bahasa pemrograman yang terstruktur, misalnya Pascal, C

Validitas algoritma : Memenuhi kebutuhan yang diinginkan, dan perhitungannya/solusinya selalu benar untuk semua kemungkinan input yang legal

Menganalisis algoritma : Perbandingan dari waktu perhitungan dan banyaknya storage/memori yang digunakan (efisiensi)

Menguji suatu program : Pengujian suatu program yang dilakukan dalam dua fase, yakni :

Fase Debugging :

(proses dari eksekusi program yang mengkoreksi kesalahan dalam bahasa pemrograman (logic & syntax)

Fase Profiling :

(program sudah benar

(melihat/mengukur waktu tempuh & storage

Analisis Algoritma

Sebagaimana studi tentang algoritma, maka faktor yang sangat diperhitungkan adalah faktor efisiensi, yang meliputi :

a.Waktu tempuh (running time)

banyaknya langkah

besar dan jenis input data

jenis operasi

jenis komputer dan kompilator

b.Jumlah memori yang dipakai

Dalam hal menganalisis algoritma, dikenal istilah kompleksitas.

Kompleksitas adalah :

Sebuah fungsi F(N) yang diberikan untuk waktu tempuh dan / atau kebutuhan storage dengan ukuran N input data

Kompleksitas ini dapat berupa kompleksitas waktu & memori

Beberapa definisi kompleksitas:

1. f(n) = ((g(n)) ( ( dua konstanta positif c dan n0 (

(f(n)( ( c(g(n)( ( n ( n0

2. f(n) = ((g(n)) ( ( konstanta positif c dan n0 (

(f(n)( ( c(g(n)( ( n ( n0

3. f(n) = ((g(n)) ( ( konstanta positif c1, c2 dan n0 (

c1(g(n)(( (f(n)( ( c2(g(n)( ( n ( n0

4. f(n) ( ((g(n)) ( ( sebuah konstanta positif n0 (

, ( n ( n0

Dari keempat definisi di atas, yang paling banyak digunakan untuk menganalisis algoritma adalah definisi 1 (Big Oh).

Teorema :

Jika f(n) = am nm + am-1 nm-1 + . . .+ a1 n + a0 adalah polinomial tingkat m, maka f(n) = ((nm)

Sebagai contoh :

f(n) = 3n5 + 4n4 + 10n2 + 56= ((n5 )

f(n) = 9n7 + 5n6 + 36= ((n7 )

f(n) = 8n9 = ((n9 )

f(n) = n6 + 19= ((n6 )

f(n) = 25= ((n0 ) = ((1)

Berikut ini adalah urutan dari Big Oh - Big Oh :

((1) ( ((log n) ( ((n) ( ((n log n) ( ((n2) ( ((n3) ( ((2n)

Berikut ini beberapa contoh analisis terhadap algoritma

Contoh 1 :

(i)c ( a + b

(ii)for i ( 1 to n do

c ( a + b

repeat

(iii) for i ( 1 to n do

for j ( 1 to n do

c ( a + b

repeat

repeat

Analisisnya :

banyaknya operasi +f(n)Big Oh

(i)1 kalif(n) = 1((1)

(ii)n kalif(n) = n((n)

(iii)n2 kalif(n) = n2((n2)

Contoh 2 :

Penjumlahan 2 buah matriks berorde (m X n) dan elemennya real

1.Set A[i,j], B[i,j], C[i,j] real

2.Untuk i ( 1 s/d m kerjakan

3.

untuk j ( 1 s/d n kerjakan

4.

C[i,j] ( A[i,j] + B[i,j]

5.

akhir j

6.akhir i

Analisisnya :

jumlah operasi + = mn kali

jumlah memori

= 3 mn x 4 = 12 mn

(asumsi : 1 elemen memerlukan 4 satuan memori/byte)

total

= 13 mn

Keadaan Dari Kompleksitas Waktu Algoritma

Keadaan dari kompleksitas waktu algoritma meliputi :

a.WORST Case ( nilai maksimum dari f(n) ( input yang mungkin

b.BEST Case ( nilai minimum dari f(n) ( input yang mungkin

c.AVERAGE Case ( nilai ekspektasi dari f(n)

Contoh 3 :

Menentukan lokasi suatu elemen pada array data secara linier

1.Set k:= 1 ; loc := 0

2.Repeat langkah 3 dan 4 While loc := 0 dan k ( n

3.

If Item := Data(k) then set loc := k

4.

Set k := k + 1

5.If loc := 0 then

Write Elemen tidak ada pada array data

ElseWrite loc adalah lokasi dari elemen6.Exit

Bila elemen (item) yang dicari merupakan elemen terakhir dari array tersebut atau tidak terdapat dalam array :

( WORST CASE

( F(n) = ((n)

Bila elemen (item) yang dicari merupakan elemen pertama dari array tersebut :

( BEST CASE

( F(n) = ((1)

Bila elemen (item) yang dicari berada diantara elemen pertama dan elemen terakhir dari array tersebut :

( AVERAGE CASE

Banyaknya elemen dalam array tersebut adalah n, maka probabilitas masing-masing elemen adalah 1/n

( F(n) = 1 . 1/n + 2 . 1/n + 3 . 1/n + . . . + n . 1/n

= ( 1 + 2 + 3 + . . . + n ) . 1/n

= (n + 1) . n/2 . 1/n

= (n + 1)/2

= 1/2 n + 1/2

= ((n)

Pertemuan ke-8

Teknik Iteratif & RekursifTeknik Iteratif

Teknik Iteratif merupakan suatu teknik pembuatan algoritma dengan pemanggilan procedure beberapa kali atau hingga suatu kondisi tertentu terpenuhi

Contoh :

Teknik Iteratif pada algoritma untuk menghitung faktorial dari bilangan bulat positif n, adalah sebagai berikut :

Function FAK (n : integer) : integer

FAK=1

For i = 1 TO n

FAK = FAK * i

NEXT i

END FAK

Gambaran jalannya proses algoritma tersebut adalah sebagai berikut :

Misal n = 5, maka :

FAK=1, kemudian

iFAK

11 * 1 = 1

21 * 2 = 2

32 * 3 = 6

46 * 4 = 24

524 * 5 = 120

Contoh :

BARISAN BILANGAN FIBBONACI

1, 1, 2, 3, 5, 8, 13, 21, . . .

Teknik Iteratif pada algoritma untuk menentukan suku ke-n dari barisan bilangan Fibbonaci, adalah sebagai berikut :

1.Set x, y, n, i, f : integer

2.x ( 1 ; y ( 1

3.If n ( 2 then

begin

4.

for i ( 3 to n do

begin

5.

F ( x + y

6.

x ( y

7.

y ( F

end

else

8.

F ( x

9.

Write(F)

End


Misal n = 5, maka :

x=1, y=1, kemudian

iFxy

31 + 1 = 212

41 + 2 = 323

52 + 3 = 535

Teknik Rekursif

Teknik Rekursif merupakan salah satu cara pembuatan algoritma dengan pemanggilan procedure atau function yang sama

Contoh :

Teknik Rekursif pada algoritma untuk menghitung faktorial dari bilangan bulat positif n, adalah sebagai berikut :

Function FAK (n : integer) : integer

1.If n := 0 then FAK := 1

2.Else FAK := n * FAK(n-1)


Misal n = 5, maka :

FAK(5) = 5 * FAK(4)

FAK(4) = 4 * FAK(3)

FAK(3) = 3 * FAK(2)

FAK(2) = 2 * FAK(1)

FAK(1) = 1 * FAK(0)

1

Contoh :

BARISAN BILANGAN FIBBONACI

1, 1, 2, 3, 5, 8, 13, 21, . . .

Teknik Rekursif pada algoritma untuk menentukan suku ke-n dari barisan bilangan Fibbonaci, adalah sebagai berikut :

Procedure F(n : integer) : integer

1.If n ( 2 then F(n) = 1

else F(n) = F(n-1) + F(n-2)

Endif

End


Misal n = 5, maka :

PERBEDAAN ANTARA TEKNIK ITERATIF DAN REKURSIF :

ITERATIFREKURSIF

Tidak ada variabel lokal baruAda variabel lokal baru

Program tidak sederhanaProgram menjadi lebih sederhana

Permainan Menara Hanoi

Contoh paling umum dari penggunaan teknik rekursif adalah pada permainan menara Hanoi. Berdasarkan legenda, pertama kali dimainkan secara manual oleh seorang pendeta Budha di Hanoi, sehingga permainan ini disebut Menara Hanoi. Dalam permainan ini, akan dipindahkan sejumlah piringan yang tidak sama besarnya dari satu tonggak ke tonggak lainnya, dengan diperbolehkan menggunakan (melewati) sebuah tonggak bantuan. Aturan permainannya adalah semua piringan pada tonggak A akan dipindahkan ke tonggak C (dapat dengan melewati tonggak bantuan B), dengan ketentuan bahwa pemindahan piringan dilakukan satu per satu dan piringan yang lebih besar tidak boleh diletakan di atas piringan yang lebih kecil. Untuk jelasnya lihat gambar berikut :

Menurut legenda tersebut dikatakan bahwa jika anda selesai memindahkan seluruh 64 piringan, pada saat itu juga dunia kiamat. Ini menurut legenda, yang mungkin juga benar. Secara umum, untuk menyelesaikan n buah piringan diperlukan pemindahan sebanyak 2n 1 kali. Bayangkan jika untuk setiap pemindahan memerlukan waktu 1 detik, maka berapa waktu yang diperlukan untuk menyelesaikan 64 buah piringan.

Pertemuan ke-9

Teknik Backtracking

Teknik Backtracking merupakan salah satu teknik dalam penyelesaian masalah secara umum (General Problem Solving). Adapun dasar dari teknik ini adalah suatu teknik pencarian (Teknik Searching). Teknik pencarian ini digunakan dalam rangka mendapatkan himpunan penyelesaian yang mungkin. Dari himpunan penyelesaian yang mungkin ini akan diperoleh solusi optimal atau memuaskan.

Teknik Backtracking ini diperkenalkan pertama kali oleh : D.H. Lehmer (1950),

Penulisan algoritmanya oleh : R.J. Walker (1960), dan

Variasi aplikasinya dikembangkan oleh : Golomb & Baumert (1960)

Berikut ini disajikan algoritma backtracking secara umum, yang menggunakan teknik iteratif :

PROCEDURE BACKTRACK(n)

INTEGER k,n; LOCAL x(1:n)

k ( 1

WHILE k > 0 DO

IF ada x(k) yang belum dicoba sedemikian sehingga

x(k) ( T(x(1), , x(k-1)) AND Bk(x(1), , x(k)) = TRUE

THEN

IF (x(1), , x(k)) adalah sebuah jalur (path) yang merupakan solusi

THEN PRINT (x(1), , x(k)) ENDIF

k ( k + 1

ELSE k ( k 1

ENDIF

REPEAT

END BACKTRACK

Sedangkan bentuk rekursifnya adalah sebagai berikut :

PROCEDURE RBACKTRACK(k)

GLOBAL n, x(1:n)

FOR setiap x(k) sedemikian sehingga

x(k) ( T(x(1), , x(k-1)) AND Bk(x(1), , x(k)) = TRUE

IF (x(1), , x(k)) adalah sebuah jalur (path) yang merupakan solusi

THEN PRINT (x(1), , x(k)) ENDIF

CALL RBACKTRACK(k + 1)

END RBACKTRACK

Contoh Pemakaian Teknik Backtracking :

The 8 - Queens Problem

The 4 - Queens Problem

Sum of Subsets

Graph Coloring

Hamilton Cycles

Knapsack Problem

Tic - Tac - Toe Game

The Travelling Salesman Problem

Sum of Subsets

Masalah utama dari Sum of Subsets adalah jika terdapat n bilangan real dan ingin dihitung semua kombinasi yang mungkin dari himpunan bilangan tersebut. Kombinasi yang diinginkan yaitu kombinasi yang jumlah seluruh elemennya sama dengan M (tertentu).

Sebelum kita selesaikan masalah tersebut dengan menggunakan teknik backtracking, perhatikan terlebih dahulu penyajian permasalahan dan penyelesaiannya dalam bentuk pohon.

Misalkan banyaknya bilangan real tersebut adalah 4 (n=4). Terdapat 2 jenis pohon pencarian, yakni Breadth First Search (BFS) yang menggunakan queue dan Depth First Search (DFS) yang menggunakan stack. Berikut penggambaran kedua jenis pohon tersebut.

Kedua bentuk penyajian pohon dari persoalan sum of subsets, merupakan tahapan pertama dalam proses mendapatkan solusi sesungguhnya (solusi optimal). Untuk mendapatkan solusi yang optimal dari ruang penyelesaian digunakan suatu algoritma lain. Algoritma tersebut menggunakan teknik backtracking, yang selanjutnya disebut dengan algoritma SUMOFSUB.

PROCEDURE SUMOFSUB(s,k,r)

GLOBAL INTEGER M,n

GLOBAL REAL W(1:n)

GLOBAL BOOLEAN X(1:n)

REAL r,s; INTEGER k,j

X(k) = 1

IF s + W(k) = M THEN PRINT (X(j), j ( 1 TO k)

ELSE

IF s + W(k) + W(k+1) ( M THEN

CALL SUMOFSUB(s+W(k), k+1, r-W(k))

ENDIF

ENDIF

IF s + r - W(k) ( M AND s + W(k) ( M THEN

X(k) 0

CALL SUMOFSUB(s, k+1, r-W(k))

ENDIF

END SUMOFSUB

Contoh :

Suatu himpunan terdiri dari 6 bilangan, yakni {5, 10, 12, 13, 15, 18} yang disusun secara tidak turun. Akan ditentukan himpunan-himpunan bagiannya, yang jumlah seluruh elemennya adalah 30.

Perhatikan simpul A, B dan C yang merupakan outputnya dalam bentuk tuple (1,1,0,0,1), (1,0,1,1) dan (0,0,1,0,0,1).

Pertemuan ke-10

Metode Devide And Conquer (DANDC) - Searching

Di dalam metode ini, kita mempunyai suatu fungsi untuk menghitung input. Kemudian n input tersebut dipartisi menjadi k subset input yang berbeda (1< k ( n) ( k subproblem

k subproblem ( k subsolusi ( solusi

Bentuk Umum dari Proses Metode DANDC :

Jika subproblem masih relatif cukup besar, maka metode DANDC dapat digunakan lagi untuk keadaan tersebut. Pemakaian ulang DANDC dinyatakan dengan teknik rekursif. Pemecahan menjadi k subproblem ini menunjukkan bahwa ia mempunyai sifat yang sama dengan problem aslinya (awalnya).

Algoritmanya secara umum :

PROCEDURE DANDC(p,q)

GLOBAL n,A(1:n); INTEGER m.p.q

IF SMALL(p,q) THEN G(p,q)

ELSE

M ( DIVIDE(p,q)

COMBINE(DANDC(p,m),DANDC(m+1,q))

ENDIF

END DANDC

SMALL(p,q) adlah fungsi yang bernilai boole yang menentukan apakah input q-p+1 berukuran cukup kecil ( solusi dapat dihitung tanpa pemecahan. Jika demikian halnya, maka fungsi G(p,q) yang dipanggil.

Pada keadaan lain fungsi DIVIDE(p,q) yang dipanggil.

Fungsi DIVIDE(p,q) menghasilkan integer yang menguraikan input menjadi 2 bagian. Misal m = DIVIDE(p,q), maka input dipecah ( A(p:m) dan A(m+1,q)

Metode DANDC biasa dipakai pada searching dan sorting.

Searching

Menentukan Bilangan Max dan Min

Sebelum kita lihat penggunaan metode DANDC-nya, maka kita lihat terlebih dahulu algoritmanya secara iteratif sebagai berikut :

PROCEDURE STRAITMAXMIN

INTEGER i,n

max ( min ( A(1)

For i ( 2 TO n DO

IF A(i) > max THEN max ( A(i)

bagian perbandingan

ELSE IF A(i) < min THEN min ( A(i) bagian perbandingan

ENDIF

ENDIF

REPEAT

END STRAITMAXMIN

Procedure STRAITMAXMIN tersebut akan menghasilkan 3 keadaan, yakni:

1. Best Case, bila datanya tersusun menaik, dengan banyak perbandingan adalah n-1

2. Worst Case, bila datanya tersusun menurun, dengan banyak perbandingan adalah 2(n-1)

3. Average Case, bila datanya tidak tersusun menaik ataupun menurun, dengan banyak perbandingan adalah 3(n-1)/2

Bila pada procedure STRAITMAXMIN tersebut, bagian perbandingannya diubah menjadi :

IF A(i) > max THEN max ( A(i) ENDIF

IF A(i) < min THEN min ( A(i) ENDIF

Maka Best Case = Worst Case = Average Case = 2(n-1)

Algoritmanya secara rekursif (dengan metode DANDC)

PROCEDURE MAXMIN(i,j,fmax,fmin)

INTEGER i,j; GLOBAL n,A(1:n)

CASE

: i=j; fmax ( fmin ( A(i)

: i=j-1; IF A(i) < A(j) THEN fmax ( A(j); fmin ( A(i)

ELSE fmax ( A(i); fmin ( A(j)

ENDIF

: ELSE

mid ( ( (i+j)/2 (

CALL MAXMIN(i,mid,gmax,gmin)

CALL MAXMIN(mid+1,j,hmax,hmin)

fmax ( MAX(gmax,hmax)

fmin ( MIN(gmin,hmin)

ENDCASE

END MAXMIN

Contoh :

A = { 22, 13, -5, -8, 15, 60, 17, 31, 47 }

Maka simulasi dari procedure MAXMIN tersebut adalah :

Jadi outputnya adalah max = 60 dan min = -8

Jumlah perbandingan elemennya, yang direpresentasikan oleh T(n) adalah :

T( ( n/2 ( ) +T( ( n/2 ( ) + 2; n > 2

T(n) {1; n = 2

0; n = 1

untuk n ( power value dari 2 = 2k dan k integer positif, maka :

T(n)= 2 T(n/2) + 2

= 2 (2 T(n/4) + 2) + 2

= 4 T(n/4) + 4 + 2 = 22 T(n/22) + 22 + 2

= 23 T(n/23) + 23 + 22 + 2

.

.

.

= 2k-1 T(2) + 2k-1 + 2k-2 + + 23 + 22 + 2

= 2k-1 +2k - 2

= 3n/2 - 2

Jadi T(n) = ((n)

Pertemuan ke-11

Metode Devide And Conquer (DANDC) - Sorting

Sorting

Untuk mengurutkan barisan n input elemen yang ditempatkan dalam suatu array.

Urutan yang diinginkan adalah urutan yang tidak turun (non decreasing).

Contoh barisan dengan urutan :

1. Menaik: 5, 8, 10, 12, 15, 16

2. Menurun: 20, 17, 15, 14, 12, 10

3. Tidak turun: 5, 9, 10, 12, 12, 15, 16

4. Tidak naik: 16, 15, 15, 12, 10, 8

Dari Metode Sorting yang ada, akan dibahas metode merge sort dan quick sort.

Merge Sort

Algoritma dari Merge Sort terdiri dari dua prosedur, yakni prosedur MERGESORT dan prosedur MERGE. Kedua prosedur tersebut tidak dapat dipisahkan satu dengan yang lainnya (terintegrasi).

PROCEDURE MERGESORT(low,high)

INTEGER low,high

IF low < high THEN

mid ( ( (low + high) / 2 (

CALL MERGESORT(low,mid)

CALL MERGESORT(mid+1,high)

CALL MERGE(low,mid,high)

ENDIF

END MERGESORT

PROCEDURE MERGE(low,mid,high)

INTEGER h,I,j,k,low,mid,high

GLOBAL A(low:high); LOCAL B(low:high)

h ( low; j ( mid + 1; i ( low

WHILE h ( mid AND j ( high DO

IF A(h) ( A(j) THEN B(i) ( A(h); h ( h+1

ELSE B(i) ( A(j); j ( j+1

ENDIF

i ( i+1

REPEAT

IF h > mid THEN FOR k ( j TO high DO

B(i) ( A(k); i ( i+1

REPEAT

ELSE FOR k ( h TO mid DO

B(i) ( A(k); i ( i+1

REPEAT

ENDIF

FOR k ( low TO high DO

B(k) ( A(k)

REPEAT

END MERGE

Contoh :

A(1:10) yakni :

A = { 310, 285, 179, 652, 351, 423, 861, 254, 450, 520 }

Representasi di dalam tree dari CALL MERGESORT sbb :

Representasi di dalam tree dari CALL MERGE sbb :

T(n) = ((n 2log n)

Quick Sort

Algoritma Quick Sort terdiri dari dua prosedur, yaitu prosedur PARTITION dan prosedur QUICKSORT.

PROCEDURE QUICKSORT(p,q)

IF p < q THEN

j ( q+1

CALL PARTITION(p,j)

CALL QUICKSORT(p,j-1)

CALL QUICKSORT(j+1,q)

ENDIF

END QUICKSORT

PROCEDURE PARTITION(m,p)

INTEGER m,p,i; GLOBAL A(m-1,p)

V ( A(m); i ( m

LOOP

LOOP i ( i+1 UNTIL A(i) ( V REPEAT

LOOP p ( p-1 UNTIL A(p) ( V REPEAT

IF i < p THEN CALL INTERCHANGE(A(i),A(p))

ELSE EXITREPEAT

A(m) ( A(p); A(p) ( V

END PARTITION

Contoh :

Suatu array A berisi elemen-elemen :

657075808560555045

123456789

Hasil tracenya adalah sebagai berikut :

ip12345678910

657075808560555045+(

29654575808560555070+(

38654550808560557570+(

47654550558560807570+(

56654550556085807570+(

65604550556585807570+(

54554550606585807570+(

43504555606585807570+(

32455055606585807570+(

109554550606570807585+(

98504555606570758085+(

87455055606570758085+(

Analisisnya :

Worst Case = ((n2)

Average Case = ((n log n)

Pertemuan ke-12

Metode Greedy

Masalah Knapsack

Kita diberikan sebuah knapsack (ransel) yang dapat menampung berat maksimum M dan sehimpunan benda A = {a0,a1,...,an-1} yang berbobot W = {w0,w1,...,wn-1}. Setiap benda tersebut diberikan nilai profit yang dinotasikan dengan P = {p0,p1,...,pn-1}. Jika kita diperbolehkan memasukkan zi bagian dari benda ai yang ada ke dalam knapsack dimana 0 SYMBOL 163 \f "Symbol"zi SYMBOL 163 \f "Symbol" 1 , maka kita dapatkan profit sebesar zi pi untuk benda ai tersebut.

Yang dimaksud dengan masalah knapsack adalah :

Bagaimana kita memilih atau menentukan zi untuk masing-masing benda ai dari keadaan di atas dengan tujuan mendapatkan total profit yang maksimal, dan dengan kendala bahwa total bobot dari benda-benda yang dimasukkan ke dalam knapsack tidak melebihi M.

Secara matematis, masalah knapsack tersebut dapat ditulis sebagai berikut :

maksimumkan

dengan kendala

dan 0 SYMBOL 163 \f "Symbol" zi SYMBOL 163 \f "Symbol" 1 , pi SYMBOL 241 \f "Symbol" 0 , wi SYMBOL 241 \f "Symbol" 0 , 0 SYMBOL 163 \f "Symbol" i SYMBOL 163 \f "Symbol" n-1

Sebuah solusi yang optimal adalah himpunan Z = {z0,z1,...,zn-1} yang memaksimalkan nilai Q dan memenuhi kendala-kendala yang ada.

Contoh :

Kita diberikan sebuah knapsack (ransel) yang dapat menampung berat maksimum 15 Kg dan sehimpunan benda A = {a0,a1,a2,a3} yang berbobot (dalam Kg) W = {5,9,2,4}. Setiap benda tersebut diberikan nilai profit P = {100,135,26,20}. Jika kita diperbolehkan memasukkan zi bagian dari benda ai yang ada ke dalam knapsack dimana 0 SYMBOL 163 \f "Symbol" zi SYMBOL 163 \f "Symbol" 1 , maka tentukanlah Z = {z0,z1,z2,z3} agar diperoleh total profit yang maksimal !

Algoritma Sekuensial Knapsack Metode Greedy

Salah satu cara untuk menyelesaikan masalah knapsack secara sekuensial adalah dengan pemakaian metode Greedy. Procedure tersebut disebut procedure GREEDY_KNAPSACK.

Sebelum procedure tersebut digunakan, benda-benda harus diurutkan rasio pi/wi -nya tidak menaik. Dengan kata lain :

p0/ w0 SYMBOL 179 \f "Symbol" p1 / w1 SYMBOL 179 \f "Symbol" ... SYMBOL 179 \f "Symbol" pn-1 / wn-1

Adapun procedure GREEDY_KNAPSACK adalah sebagai berikut :

procedure GREEDY_KNAPSACK(P,W,M,Z,n)

real P(0:n-1),W(0:n-1),Z(0:n-1),cu; {n = banyak benda}

integer i,n;

Z SYMBOL 172 \f "Symbol" 0 { Z(0), Z(1), . . . , Z(n-1) = 0}

cu SYMBOL 172 \f "Symbol" M

for i SYMBOL 172 \f "Symbol" 0 to n-1 do

if W(i) SYMBOL 241 \f "Symbol" cu then exit endif

Z(i) SYMBOL 172 \f "Symbol" 1

cu SYMBOL 172 \f "Symbol" cu - W(i)

repeat

if i SYMBOL 163 \f "Symbol" n-1 then Z(i) SYMBOL 172 \f "Symbol" cu/W(i) endif

end GREEDY_KNAPSACK

Jika algoritma ini digunakan untuk menyelesaikan masalah seperti pada contoh yang lalu, dimana n = 4; M = 15; W = { 5,9,2,4 }; P = { 100,135,26,20 }, maka akan terlihat hasil tracenya sebagai berikut :

Z SYMBOL 172 \f "Symbol" 0

cu SYMBOL 172 \f "Symbol" 15

i = 0

karena W(0) SYMBOL 225 \f "Symbol" cuyaitu : 5 SYMBOL 225 \f "Symbol" 15 berarti : Z(0) SYMBOL 172 \f "Symbol" 1

cu SYMBOL 172 \f "Symbol" 15 - 5 = 10

i = 1



i = 2

karena W(2) SYMBOL 241 \f "Symbol" cuyaitu : 2 SYMBOL 241 \f "Symbol" 1 berarti : keluar dari loop (exit)

Karena 2 SYMBOL 163 \f "Symbol" 3maka Z(2) SYMBOL 172 \f "Symbol" cu/W(2) = 1/2 = 0,5

Jadi optimisasi masalah knapsack diperoleh bila Z = { 1; 1; 0,5; 0 }

Sehingga Q = 1 x 100 + 1 x 135 + 0,5 x 26 + 0 x 20

= 100 + 135 + 13 + 0

= 248

Analisis :

Kompleksitas waktu dari algoritma Greedy_Knapsack ini adalah O(n). Tetapi jika data yang digunakan belum terurut rasio pi/wi -nya tidak menaik, maka diperlukan kompleksitas waktu sebesar O(n log n) untuk mengurutkan sebelumnya. Sehingga untuk masalah optimisasi knapsack, kompleksitas waktu dari algoritma ini akan lebih besar pada waktu proses pengurutannya.

Latihan :

Diketahui 3 buah benda dan sebuah knapsack dengan kapasitas maksimum 20. Berat dan profit dari masing-masing benda tersebut adalah (18, 15, 10) dan (25, 24, 15). Tentukanlah Z agar diperoleh total profit yang maksimal !

Jawab :

Pertama, kita periksa apakah rasio pi/wi -nya tidak menaik.

p0/w0 = 25/18

p1/w1 = 24/15

p2/w2 = 15/10

Terlihat bahwa syarat rasio pi/wi -nya tidak menaik belum terpenuhi. Jadi susunan (urutan) -nya untuk sementara kita ubah, agar syarat rasio pi/wi -nya tidak menaik terpenuhi dan kita dapat menyelesaikan masalah tersebut dengan procedure GREEDY_KNAPSACK.

Untuk itu, kita ubah sementara urutan benda-bendanya (setelah diperoleh jawaban sementara, kita kembalikan urutan ke susunan semula). Perubahan yang kita lakukan adalah sebagai berikut :

urutan ke-

(yang lama)urutan ke-

(yang baru)

02

10

21

sehingga syaratnya terpenuhi ;

24/15 SYMBOL 241 \f "Symbol" 15/10 SYMBOL 241 \f "Symbol" 25/18 SYMBOL 174 \f "Symbol" rasio pi/wi -nya tidak menaik

Sekarang kita sudah dapat menggunakan procedure GREEDY_KNAPSACK untuk menyelesaikan masalah tersebut. Adapun hasil trace-nya adalah sebagai berikut :

Z SYMBOL 172 \f "Symbol" 0

cu SYMBOL 172 \f "Symbol" 20

i = 0



i = 1

karena W(2) SYMBOL 241 \f "Symbol" cuyaitu : 10 SYMBOL 241 \f "Symbol" 5 berarti : keluar dari loop (exit)

Karena 1 SYMBOL 163 \f "Symbol" 2maka Z(1) SYMBOL 172 \f "Symbol" cu/W(1) = 5/10 = 0,5

Jadi diperoleh : Z(0) = 1 ; Z(1) = 0,5 ; Z(2) = 0

Sekarang urutannya kita kembalikan seperti semula, yakni :

urutan ke-

(yang saat ini)urutan ke-

(yang semula)Z(i)

200

011

120,5

Jadi optimisasi masalah knapsack diperoleh bila Z = { 0; 1; 0,5 }

Sehingga Q = 0 x 25 + 1 x 24 + 0,5 x 15

= 0 + 24 + 7,5

= 31,5

Pertemuan ke-13

Metode Greedy (Lanjutan)

Masalah Pohon Rentangan Minimal

Permasalahan umum dari pohon rentangan minimal adalah mencari minimum biaya (cost) pohon rentangan dari setiap ruas suatu graf yang membentuk pohon.

Setiap graf tidak dapat ditentukan pohon rentangan minimalnya. Adapun graf yang dapat kita tentukan pohon rentangan minimalnya adalah graf yang memenuhi ketiga syarat berikut :

1. graf tersebut harus terhubung

2. setiap ruas dari graf tersebut harus mempunyai nilai atau bobot (graf berlabel)

3. graf teresbut tidak berarah

Algoritma yang dapat digunakan untuk menyelesaikan masalah pohon rentangan minimal cukup banyak. Dalam pembahasan ini, algoritma yang akan dipakai adalah algoritma PRIMS.

Berikut ini akan disajikan langkah-langkah penyelesaian masalah pohon rentangan minimal dengan menggunakan algoritma PRIMS.

PROCEDURE PRIM(E,COST,n,T,mincost)

REAL COST(n,n),mincost

INTEGER NEAR(n),n,i,j,k,l,T(1:n-1,2)

(k,l) ( ruas dengan biaya atau bobot yang minimum

mincost ( COST(k,l)

(T(1,1),T(1,2)) ( (k,l)

FOR i ( 1 TO n DO

IF COST (i,l) < COST(i,k) THEN NEAR (i) (l

ELSE NEAR(i) ( k ENDIF

REPEAT i

NEAR(k) ( NEAR(l) ( 0

FOR i ( 2 TO n-1 DO

Pilih j (sebuah index) sedemikian sehingga NEAR(j) ( 0 AND COST(j,NEAR(j)) adalah minimum

(T(i,1),T(i,2)) ( (j,NEAR(j))

mincost ( mincost + COST(j,NEAR(j))

NEAR(j) ( 0

FOR k ( 1 TO n DO

IF NEAR(k) ( 0 AND COST(k,NEAR(k)) > COST(k,j)

THEN NEAR(k) ( j

ENDIF

REPEAT k

REPEAT i

IF mincost ( ~ THEN PRINT bukan pohon rentangan ENDIF

END PRIM

Contoh :

Perhatikan graf berikut ini :

Tentukanlah nilai pohon rentangan minimalnya, serta pohon yang membentuk pohon rentangan minimal tersebut.

Penyelesaian :

Dengan menggunakan algoritma PRIMS, prosesnya adalah sebagai berikut :

(k,l) ( (1,2)

mincost ( COST(1,2) = 10

(T(1,1),T(1,2)) ( (1,2)

i=1

COST (1,2) < COST(1,1) ?

10 < ~ ( TRUE : NEAR (1) (2

i=2

COST (2,2) < COST(2,1) ?

~ < 10 ( FALSE : NEAR (2) (1

i=3

COST (3,2) < COST(3,1) ?

50 < ~ ( TRUE : NEAR (3) (2

i=4

COST (4,2) < COST(4,1) ?

~ < 30 ( FALSE : NEAR (4) (1

i=5

COST (5,2) < COST(5,1) ?

40 < 45 ( TRUE : NEAR (5) (2

i=6

COST (6,2) < COST(6,1) ?

25 < ~ ( TRUE : NEAR (6) (2

NEAR(1) ( NEAR(2) ( 0

i = 2

Pilih j = 6 karena NEAR(6) ( 0 dan COST(6,NEAR(6)) adalah minimum

(T(2,1),T(2,2)) ( (6,2)

mincost ( 10 + COST(6,2) = 10 + 25 = 35

NEAR(6) ( 0

k = 1

NEAR(1) ( 0 dan COST(1,NEAR(1)) > COST(1,6) ?

0 ( 0 dan ~ > ~ ( FALSE dan FALSE ( FALSE

k = 2


0 ( 0 dan ~ > 25 ( FALSE dan TRUE ( FALSE

k = 3


2 ( 0 dan 50 > 15 ( TRUE dan TRUE ( TRUE : NEAR(3) = 6

k = 4



k = 5


2 ( 0 dan 40 > 55 ( TRUE dan FALSE ( FALSE

k = 6



i = 3


(T(3,1),T(3,2)) ( (3,6)

mincost ( 35 + COST(3,6) = 35 + 15 = 50

NEAR(3) ( 0

k = 1



k = 2



k = 3



k = 4


6 ( 0 dan 20 > ~ ( TRUE dan FALSE ( FALSE

k = 5



k = 6



i = 4


(T(4,1),T(4,2)) ( (4,6)

mincost ( 50 + COST(4,6) = 50 + 20 = 70

NEAR(4) ( 0

k = 1



k = 2



k = 3



k = 4



k = 5


3 ( 0 dan 35 > ~ ( TRUE dan FALSE ( FALSE

k = 6



i = 5


(T(5,1),T(5,2)) ( (5,3)

mincost ( 70 + COST(5,3) = 70 + 35 = 105

NEAR(5) ( 0

k = 1



k = 2



k = 3



k = 4



k = 5



k = 6



mincost ( ~ ?

105 ( ~ ( FALSE

( terdapat sebuah pohon rentangan, yang mempunyai nilai minimal = 105

Berikut adalah bentuk pohon rentangan minimalnya :

Pertemuan ke-14

Pemrograman Dinamis

Metode Umum

Pemrograman Dinamis adalah metode rancangan algoritma yang dapat dipakai bila pemecahan masalah yang mungkin dipandang sebagai hasil dari rangkaian keputusan-keputusan.

Untuk beberapa masalah dari masalah-masalah ynag dapat dipandang dengan cara ini, rangkaian optimal dari keputusan-keputusan mungkin dapat ditemukan dengan membuat satu dari keputusan-keputusan pada satu waktu dan jangan pernah membuat keputusan yang keliru.

Satu cara untuk memecahkan masalah-masalah yang mana ini tidak mungkin untuk membuat sebuah rangkaian dari langkah-langkah keputusan yang dapat dilakukan mengacu (mengarah) kepada rangkaian keputusan optimal adalah untuk mencoba semua kemungkinan rangkaian-rangkaian keputusan.

Pemrograman Dinamis seringkali secara drastic (spontan) mengurangi jumlah pembilangan dengan menghindari pembilangan dari beberapa rangkaian keputusan yang tidak memungkinkan menjadi optimal.

Dalam merumuskan hubungan-hubungan kembali pemrograman dinamis yang harus dipecahkan, seseorang dapat menggunakan 1 dari 2 pendekatan yang berbeda yaitu forward atau backward.

Multistage Graf

Sebuah multistage graf adalah sebuah graf berarah dimana bentuk tersebut dibagi dalam k ( 2 disjoint set V1.

Berikut ini adalah contoh sebuah graf 5 stage.

Algoritma untuk menyelesaikan masalah multistage graf, dengan pendekatan forward adalah sebagi berikut :

Procedure FGRAPH(E,k,n,P)

1.real COST(n), integer D(n-1), P(k), r, j, k, n

2.COST(n) SYMBOL 172 \f "Symbol" 0

3.for j SYMBOL 172 \f "Symbol" n-1 to 1 by -1 do

4.let r be a vertex such that SYMBOL 225 \f "Symbol" j , r SYMBOL 241 \f "Symbol" SYMBOL 206 \f "Symbol" E and c( j,r ) + COST(r) is minimum

5.COST(j) SYMBOL 172 \f "Symbol" c( j,r ) + COST(r)

6.D(j) SYMBOL 172 \f "Symbol" r

7.repeat

8.P(1) SYMBOL 172 \f "Symbol" 1 ; P(k) SYMBOL 172 \f "Symbol" n

9.for j SYMBOL 172 \f "Symbol" 2 to k-1 do

10.P(j) SYMBOL 172 \f "Symbol" D(P(j-1))

11.repeat

12.end FGRAPH

Contoh Soal

Graf & Analisis Algoritma

1. Orang yang dikenal sebagai bapak dari lahirnya (awal) teori graf adalah :

A. Solin dan Kruskal

B. Hamilton

C. Welch-Powell

D. Leonhard Euler

2. Bila size dari suatu graf adalah n, maka jumlah derajat grafnya adalah :

A. 2n-1

B. 2 (n-1)

C. 2n

D. 2n+1

3. Pada pohon, simpul yang bukan merupakan akar dan berderajat simpul 1 adalah :

E. Cabang

F. Daun

G. Brother

H. Level

4. Suatu bentuk graf yang terbentuk karena penambahan sejumlah vertex baru terhadap graf asal disebut :

A. Isomorfis

B. Isograf

C. Homomorfis

D. Isographic

5. Suatu tree yang mempunyai cabang / anak selalu 2 disebut :

A. Unary tree

B. Binary tree

C. Union tree

D. Threenary Tree

6. Graf yang tidak memiliki self loop atau ruas sejajar disebut :

A. multigraf

B. graf sederhana

C. graf null

D. graf lengkap

7. Algoritma Welch-Powell digunakan untuk mencari :

A. Minimal Spanning Tree

B. Aliran Maksimal

C. Bilangan Kromatik

D. Jalur Terpendek

8. Perjalanan (walk) yang semua simpul dalam barisan berbeda adalah

A. jalur (path)

B. lintasan ( trail)

C. sirkuit (cycle)

D. diameter

9. Graf regular adalah graf yang memiliki :

A. gelung atau self-loop

B. ruas sejajar

C. derajat setiap simpulnya berbeda

D. derajat setiap simpulnya sama

Untuk soal no. 10 s/d 16, gunakan graf di bawah ini :

10. Order dan Size dari graf G1 adalah :

A. 4 dan 12

B. 12 dan 16

C. 12 dan 17

D. 16 dan 12

11. Derajat dari graf G1 adalah :

A. 12

B. 24

C. 32

D. 34

12. Bilangan Kromatik dari graf G1 adalah :

A. 2

B. 3

C. 4

D. 5

13. Pada pewarnaan graf G1, simpul yang boleh menggunakan warna yang sama adalah :

A. A dan L

B. A dan B

C. C dan H

D. B dan H

14. Jarak antara simpul A dan G pada graf G1 adalah :

A. 2

B. 3

C. 4

D. 5

15. Graf G1 mempunyai diameter :

A. 2

B. 3

C. 4

D. 5

16. Yang merupakan jalur (path) dalam graf G1 adalah :

A. A,B,C,H,A

B. E,D,K,J,C,D

C. A,L,K,F

D. A,H,C,J,F

17. Graf G2 berikut ini, mempunyai region sebanyak :

A. 2

B. 3

C. 4

D. 5

18. Pembuatan jadwal kuliah pada suatu Perguruan Tinggi dapat diselesaikan dengan membawanya ke masalah graf, yakni masalah :

A. jalur terpendek

B. minimal spanning tree

C. pewarnaan graf

D. travelling salesman

19. Matriks adjasensi suatu graf bersifat :

A. simetris

B. refleksif

C. transitif

D. antisimetris

20. Pada graf berarah, simpul yang mempunyai derajat kedalam = 0 disebut :

A. muara

B. sumber

C. terpencil

D. artikulasi

21. Pada graf berarah, simpul yang mempunyai derajat keluar = 0 disebut :

A. muara

B. sumber

C. terpencil

D. artikulasi

22. Formula Euler untuk graf planar; dimana V adalah banyaknya simpul, E banyaknya ruas dan R banyaknya region, adalah :

A. V - R + E = 2

B. V - E + R = 2

C. V - E + 2 = R

D. V + E - R = -2

23. Yang bukan merupakan graf planar adalah :

A. graf kubus

B. graf segitiga

C. graf berbentuk pohon

D. graf lengkap dengan 5 simpul (K5)

24. Manakah dari pernyataan berikut yang paling benar ?

A. Graf Regular juga merupakan Graf Lengkap

B. Graf Lengkap juga merupakan Graf Regular

C. Graf Bipartisi juga merupakan Graf Regular

D. Graf Regular juga merupakan Graf Bipartisi

25. Bilangan Kromatik dari graf bipartisi adalah :

A. 2

B. 3

C. 4

D. 5

26. Suatu urutan dari barisan langkah-langkah guna menyelesaikan masalah disebut :

A. algoritma

B. semi algoritma

C. instruksi

D. semi instruksi

27. Suatu prosedur yang hanya akan berhenti jika menghasilkan penyelesaian yang diharapkan disebut :

A. algoritma

B. semi algoritma

C. instruksi

D. semi instruksi

28. Diagram alur dari proses penyelesaian masalah, yang paling benar adalah :

A. masalah ( semi algoritma ( model ( program ( eksekusi ( hasil

B. masalah ( model ( algoritma ( program ( eksekusi ( hasil

C. masalah ( algoritma ( model ( program ( eksekusi ( hasil

D. masalah ( program ( algoritma ( model ( eksekusi ( hasil

29. Penilaian dari suatu algoritma pertama kali dilihat dari :

A. efisiensi

B. efektivitas

C. terstruktur

D. ada output

30. Yang bukan termasuk kriteria dari suatu algoritma yang terbaik adalah :

A. efisiensi

B. terstruktur

C. berakhir

D. prosesnya cepat

31. Jika diketahui F(x) = 20 x7 + 12 x4 + 38 merupakan fungsi waktu tempuh, maka

A. F(x) = O(20 x7)

B. F(x) = 20 O(x7)

C. F(x) = O(x7 + x4)

D. F(x) = O(x7)

32. Bila terdapat 4 algoritma sorting (kita sebut algoritma A, B, C dan D), dimana algoritma A memiliki kompleksitas O(n2), algoritma B memiliki kompleksitas O(n3), algoritma C memiliki kompleksitas O(log n), dan algoritma D memiliki kompleksitas O(n), maka algoritma manakah dari keempat algoritma tersebut yang lebih baik ?

A. algoritma A

B. algoritma B

C. algoritma C

D. algoritma D

33. Diberikan sebuah algoritma sebagai berikut :

Set A[i,j], B[i,j], C[i,j] real

untuk i SYMBOL 172 \f "Symbol" 1 s/d n kerjakan

untuk j SYMBOL 172 \f "Symbol" 1 s/d n kerjakan

C[i,j] SYMBOL 172 \f "Symbol" A[i,j] + B[i,j]

akhir j

akhir i

Algoritma diatas merupakan algoritma untuk :

A. melakukan penjumlahan matriks

B. melakukan perkalian matriks

C. melakukan penjumlahan

D. melakukan perkalian

34. Algoritma pada soal nomor 33 mempunyai kompleksitas waktu :

A. O(n)

B. O(n2)

C. O(log n)

D. O(n3)


Function RAT (n : integer) : integer

If n := 1 then RAT := 1

Else RAT := n * RAT(n-1)

End Function

Algoritma di atas menggunakan teknik :

A. Backtracking

B. Rekursif

C. Greedy

D. Iteratif

36. Bila Algoritma pada soal nomor 35 berinput n = 5, maka outputnya adalah :

A. 120

B. 720

C. 7

D. 5040

37. Bila Algoritma pada soal nomor 35 berinput n = 5, maka pemanggilan ulang function RAT adalah :

A. 1 kali

B. 4 kali

C. 5 kali

D. n kali

38. Algoritma pada soal nomor 35 mempunyai kompleksitas waktu :

A. O(n)

B. O(log n)

C. O(n2)

D. O(n3)


Set x, y, n, i, f : integer

x SYMBOL 172 \f "Symbol" 1 ; y SYMBOL 172 \f "Symbol" 1

If n SYMBOL 241 \f "Symbol" 2 then

begin

for i SYMBOL 172 \f "Symbol" 3 to n do

begin

F SYMBOL 172 \f "Symbol" x + y

x SYMBOL 172 \f "Symbol" y

y SYMBOL 172 \f "Symbol" F

end

end

else

F SYMBOL 172 \f "Symbol" x

Write(F)

End

Algoritma di atas menggunakan teknik :

A. Iteratif

B. DANDC

C. Greedy

D. Rekursif

40. Bila Algoritma pada soal nomor 39 berinput n = 13, maka outputnya adalah :

A. 55

B. 233

C. 89

D. 144

41. Algoritma pada soal nomor 39 mempunyai keadaan kompleksitas waktu :

A. keadaan terbaik ( keadaan terburuk

B. keadaan terbaik = keadaan terburuk

C. keadaan terbaik > keadaan terburuk

D. keadaan terbaik < keadaan terburuk

42. Dasar dari teknik algoritma Backtracking adalah :

A. searching

B. merging

C. divide and conquer

D. sorting

43. Pencarian ruang solusi dengan menggunakan stack disebut juga dengan istilah :

A. Depth First Search

B. Breadth First Search

C. Binary Search

D. Mergesort

44. Pencarian ruang solusi dengan menggunakan queue disebut juga dengan istilah :

A. Depth First Search

B. Breadth First Search

C. Binary Search

D. Mergesort

45. Solusi yang diperoleh dengan cara Depth First Search berupa tupel yang :

A. berbeda secara teratur

B. seragam atau sama

C. sembarang

D. berbeda dan tidak teratur

46. Teknik Divide AND Conquer adalah teknik yang digunakan untuk merancang sebuah algoritma dengan cara :

A. memecah n input menjadi 2 subset input

B. memecah n input sebanyak k input, k < n

C. memecah n input sebanyak 2 input

D. memecah n input menjadi k subset input, 1 < k ( n

47. Perhatikan procedure berikut ini :

PROCEDURE STRAITMAXMIN(A,n,max,min)

INTEGER i,n

max ( min ( A(1)

FOR i ( 2 TO n DO

IF A(i) > max THEN max ( A(i)

ELSE IF A(i) < min THEN min ( A(i) ENDIF

REPEAT

END STRAITMAXMIN

Pada procedure STRAITMAXMIN di atas, akan tercapai keadaan terbaik bila :

A. elemen A(1: n) disusun secara menaik

B. elemen A(1: n) disusun secara menurun

C. elemen A(1: n) disusun secara acak

D. elemen A(1: n) disusun secara tidak naik

48. Bila diketahui sebuah prosedur sebagai berikut :

PROCEDURE XXX(A,n)

solusi ( 0 ......{solusi awal}

FOR i ( 1 TO n DO

x ( SELECT(A)

IF FEASIBLE (solusi,x)

THEN solusi ( UNION(solusi,x)

ENDIF

REPEAT

RETURN (solusi)

END XXX

Algoritma di atas adalah algoritma secara umum dari :

A. Metode DANDC

B. Teknik BackTracking

C. Pemrograman Dinamis

D. Metode Greedy

49. Pada permainan menara HANOI, algoritma yang paling baik adalah digunakannya teknik/metode :

A. Backtracking

B. Iteratif

C. Greedy

D. Rekursif

50. Pada permainan menara HANOI, bila banyaknya piringan adalah 5 buah, maka banyaknya pemindahan adalah sebanyak :

A. 15 kali

B. 16 kali

C. 31 kali

D. 32 kali

C

A

13,6,18

12,6,18

0,2,68

5,2,68

GRAF GSPANNING TREEn simpuln simpulm ruasn 1 ruas

0,5,33

m ( n 1)

Keterangan

Branch

Chord

BRANCH

(CABANG)

CHORD

10,4,46

12,4,46

0,4,46

23

27

0,3,58

10,3,58

5,3,58

15

14

25

22

29

11

17

Kata Benda

Kata Sandang

Kata Keadaan

Kata Kerja

Kata Benda

Kata Keadaan

Obyek

Kucing

Si

Kecil

Menendang

Bola

Subyek

Predikat

Besar

KALIMAT

K

J

H

B

I

F

E

D

G

C

A

j

i

h

a

g

f

e

d

Pohon Rentangan dari Graf G :

Graf G :

12,5,33

10,5,33

5,4,46

13,5,33

15,4,46

17,4,46

27,4,46

.

.

.

.

.

.

.

.

.

11

19

10

13

16

15

9

18

14

12

8

17

c

b

R

Sumber

D(V,A) :

1000

1000

0201

0010

V1

V3

V4

V2

Terhubung Kuat

Terhubung Unilateral

Terhubung Lemah

A

B

C

B

A

C

B

A

C

2

Matriks M

16

4

3

3

3

28

5

4

24

31

1

Depth First Search (DFS)

10

10

15,3,58

2

3

18

19

6

7

8

21

12

13

INPUT : Untai

OUTPUT : Untai

INPUT : Untai

OUTPUT : Diterima atau ditolak

Muara

Sumber

4

3

3

3

2

2

5

1

6

3

2

2

4

z

c

v

b

y

a

x

u

20

26

30

9

9

16

15

14

13

12

11

8

7

6

5

4

3

2

1

Breadth First Search (BFS)

Tonggak Tujuan (C)

Tonggak Bantu (B)

Tonggak Asal (A)

20,6,18

0,1,73

15,5,33

5,5,33

5

2

4

3

D

B

A

C

D

A

B

B

A

A

F

A

E

D

C

B

Subproblem 1

Input 2

Solusi Optimal

Input 1

Subsolusi 1

n input

Bagian dari state space tree dengan SUMOFSUB

B

Sungai Pregel

di Kalilingrad (Uni Soviet)

A

B

C

D

1

7

12 9

11 9

11 10

8

11

8

* waktu dalam menit

1

= Kantor

D

F

B

F

F

C

E

C

E

C

E

B

C

E

B

e2

C

D

A

e3

e1

e5

e4

( terdiri dari 4 simpul dan 5 ruas

C

A

D

A

A

BA

D

B

C

D

B

C

A

A

A

e2w12

A

e3

e4

e1

e5

e6

Multigraf

B

A

D

C

e4

e5

V4

V5

V2

V3

V1

e6

e5

e4

e3

e2

e1

e8

e7

B

C

F

E

D

A

e1

e3

e2

G :

e2

e5

e5

e1

e1

A

A

B

B

D

D

G :

G :

G subgraf dari G

G spanning subgrapf dari G

B

D

F

C

G

E

H

A

3

19

8

13

3

3

4

2

2

2

12

6

3

G

G*

G**

G2 G1

G1 - G2

G1 ( G2

G1 ( G2

G1 ( G2

G2

G1

e9

e10

e8

e7

e5

e6

E

A

B

D

C

e9

e10

D

C

e8

e7

e5

e6

E

A

B

D

C

e9

e10

e8

e7

e5

e6

e3

e1

e4

e2

E

A

B

D

C

G :

e3

e2

e4

C

B

e1

A

D

e9

e3

e10

e2

e4

C

B

e1

D

F

A

e8

e7

e5

e6

e3

e1

e4

e2

E

A

B

D

C

V1

V2

V3

V ( ( dan

E = (

G

L

K

D

A

A

A

B

B

B

C

C

C

D

V1

V1

V2

V3

V4

V5

V6

V7

V7

V6

V5

V4

V3

e1

e5

e5

e4

e4

e3

e2

e2

e1

A

D

D

C

B

B

E

D

A

B

F

C

b

d

h

e

g

c

k

f

a

EMBED Excel.Sheet.8

EMBED Excel.Sheet.8

EMBED Excel.Sheet.8

EMBED Excel.Sheet.8

K4

Graf Planar

Penyajian Planar

Kubus

Bidang Empat

Bidang Delapan Beraturan

r1

r4

r5

r2

r3

A

B

C

D

F

E

H

F

C

B

D

E

A

G

Subproblem 2

Subsolusi 2

Input 3

Subproblem 3

Subsolusi 3

Input k

Subproblem k

Subsolusi k

. . .

. . .

. . .

1

9

60

-8

17

60

9

6

-8

22

5

1

31

47

9

8

17

60

7

6

-8

15

5

4

-5

22

3

1

-5

-5

3

3

13

22

2

1

2

9

5

8

3

6

7

4

1

6,10

1,5

6,6

7,7

9,10

4,5

6,8

1,1

2,2

1,2

3,3

4,4

5,5

6,7

8,8

9,9

1,3

10,10

1,10

1,1,2

1,2,3

4,4,5

1,3,5

6,7,8

9,9,10

6,6,7

6,8,10

1,5,10

50

15

30

55

35

40

20

45

25

10

2

5

4

3

6

1

J

Graf G1

G

I

C

D

E

K

H

F

L

A

B

Graf G2

K

H

J

G

E

I

F

C

B

A

D

4

10

Muara

2

25

3

20

1

35

15

1

6

3

4

5

2

2

5

1

6

3

2

2

4

z

c

v

b

y

a

x

u

a

b

c

d

sumber

muara

8

4

10

0

4

5

5

10

0

0

0

7

Halaman 2

Rangkaian DigitalGraf & Analisis Algoritma

Halaman 2 dari 96 halamanRAT

_1144843633.xlsSheet1

n x 2

12

13

14

15

23

34

35

45

Sheet2

2 x n

11112334

23453455

Sheet3

V1V2V3V4V5

V101111

V210100

V311011

V410101

V510110

Sheet3 (2)

e1e2e3e4e5e6e7e8

V111011000

V210100000

V301100110

V400010101

V500001011

_1144843662.xlsSheet1

n x 2

12

13

14

15

23

34

35

45

Sheet2

2 x n

11112334

23453455

Sheet3

V1V2V3V4V5

V101111

V210100

V311011

V410101

V510110

Sheet3 (2)

e1e2e3e4e5e6e7e8

V111011000

V210100000

V301100110

V400010101

V500001011

_1144843686.xlsSheet1

n x 2

12

13

14

15

23

34

35

45

Sheet2

2 x n

11112334

23453455

Sheet3

V1V2V3V4V5

V101111

V210100

V311011

V410101

V510110

Sheet3 (2)

e1e2e3e4e5e6e7e8

V111011000

V210100000

V301100110

V400010101

V500001011

_1144843391.xlsSheet1

n x 2

12

13

14

15

23

34

35

45

Sheet2

11112334

23453455

Sheet3

V1V2V3V4V5

V101111

V210100

V311011

V410101

V510110

Sheet3 (2)

e1e2e3e4e5e6e7e8

V111011000

V210100000

V301100110

V400010101

V500001011

_1135235798.unknown

Teorema Kuratowsky

Documents

Transcript of Teorema Kuratowsky