Ciri Algoritma Yang Baik

Ciri algoritma yang baik menurut Donald E.Knuth:<br /><ul><li>Input: ada minimal 0 input atau lebih</li><li>Ouput: ada minimal 1 output atau lebih</li><li>Definite: ada kejelasan apa yang dilakukan</li><li>Efective: langkah yang dikerjakan harus efektif</li><li>Terminate: langkah harus dapat berhenti (stop) secara jelas</li></ul>

Ciri Algoritma Yang Baik

Ciri algoritma yang baik menurut Donald E.Knuth: Input: ada minimal 0 input atau lebih Ouput: ada minimal 1 output atau lebih Definite: ada ...

Baca selengkapnya »

Algoritma menentukan Bilangan prima

<div>Algoritma :</div><div> </div><div>a.inisialisasi faktor, n, i, x</div><div>b.inputkan bilangan n</div><div>c.Proses looping :</div><div> 1.untuk i=1 sampai dengan n, i=i+1</div><div> 2.faktor =0</div><div> 3.Proses looping : </div><div> a)untuk x=1 sampai dengan i, x=x+1</div><div> b)Apakah i%x=0 ? Jika iya, maka faktor=faktor +1. </div><div> c)Jika tidak, kembali ke proses 3 a) </div><div> dApakah x =i ? jika tidak, maka kembali ke proses 3 a)</div><div> 4.pakah i= n ? jika tidak, kembali ke proses c1</div><div>d.Apakah faktor =2 ? jika iya, print ”Bilangan prima”</div><div>e.Jika tidak, print ” Bukan bilangan prima ”</div><div>f.Program selesai.<br /><br />source : <a href="http://arisalgoritma.blogspot.com/">arisalgoritma</a><br /></div>

Algoritma menentukan Bilangan prima

Algoritma : a.inisialisasi faktor, n, i, x b.inputkan bilangan n c.Proses looping : 1.untuk i=1 sampai dengan n, i=i+1 2....

Baca selengkapnya »

Algoritma Penjumlahan Matriks

<div>Algoritma :</div><div>a.inisialisasi matrik_a[ ][ ], matrik_b[ ][ ], matrik_c[ ][ ], a=0, b=0, i=0, j=0, baris, kolom</div><div>b.tentukan jumlah ordo matriks ( jumlah baris dan kolom)</div><div>c.Proses looping untuk memasukkan nilai pada matrik_a :</div><div>1.untuk a=0 sampai dengan banyaknya baris-1, a=a+1</div><div>a)untuk b=0 sampai dengan banyaknya kolom-1, b=b+1</div><div>b)inputkan matrik_a[a+1][b+1]</div><div>c)Apakah b<> jika tidak, kembali ke proses c.1.a</div><div>2.Apakah ad.Proses looping untuk memasukkan nilai pada matrik_b :</div><div>1.untuk i=0 sampai dengan banyak baris-1, i=i+1</div><div>a)untuk j=0 sampai dengan banyaknya kolom-1, j=j+1</div><div>b)inputkan matrik_b[i+1][j+1]</div><div>c)Apakah j<> jika tidak, kembali ke proses d.1.a</div><div>2.Apakah i <> <div>e.Proses looping untuk menambahkan matrik :</div><div>1.untuk a=0 sampai dengan banyaknya baris-1, a=a+1</div><div>a)untuk b=0 sampai dengan banyaknya kolom-1, b=b+1</div><div>b)matrik_c[a][b]= matrik_a[a+1][b+1] + matrik_b[i+1][j+1]</div><div>c)Apakah b<> jika tidak, kembali ke proses e.1. a</div><div>2.Apakah af.Proses looping untuk menampilkan matrik_c :</div><div>1.untuk a=0 sampai dengan banyaknya baris-1, a=a+1</div><div>a)untuk b=0 sampai dengan banyaknya kolom-1, b=b+1</div><div>b)Print matrik_c[a][b]c)Apakah b<> <div>2.Apakah ag.Program selesai.<br /><br /></div></div></div>source :<a href="http://arisalgoritma.blogspot.com/">arisalgoritma</a>

Algoritma Penjumlahan Matriks

Algoritma : a.inisialisasi matrik_a[ ][ ], matrik_b[ ][ ], matrik_c[ ][ ], a=0, b=0, i=0, j=0, baris, kolom b.tentukan jumlah ordo matriks (...

Baca selengkapnya »

Algoritma Perkalian Matriks

Algoritma :<br /><br />a.inisialisasi matrik_a[ ][ ], matrik_b[ ][ ], matrik_c[ ][ ], i=0, j=0, k=0, baris_a, kolom_a, kolom_b<br />b.inputkan baris_a, kolom_a, kolom_b<br />c.Proses looping untuk memasukkan nilai pada matrik_a :<br /><br />1.untuk i=0 sampai dengan banyak baris_a-1, i=i+1<br />a)untuk j=0 sampai dengan banyaknya kolom_a-1, j=j+1<br />b)inputkan matrik_b[i+1][j+1]<br />c)Apakah j< kolom_a ? jika tidak, kembali ke proses c.1.a<br /><br />2.Apakah i < baris_a ? jika tidak, kembali ke proses c 1.<br />d.Proses looping untuk memasukkan nilai pada matrik_b :<br /><br />1.untuk j=0 sampai dengan banyak kolom_a-1, j=j+1<br />a)untuk k=0 sampai dengan banyaknya kolom_a-1, k=k+1<br />b)inputkan matrik_b[j+1][k+1]<br />c)Apakah k< kolom_b ? jika tidak, kembali ke proses d.1.a<br /><br />2.Apakah j < kolom_a ? jika tidak, kembali ke proses d 1.<br />e.Proses looping untuk mengalikan matriks :<br />1.untuk i=0 sampai dengan banyak baris_a-1, i=i+1<br />a)untuk k=0 sampai dengan banyaknya kolom_b-1, k=k+1<br /><br />i)untuk j=0 sampai dengan kolom_a -1, j=j+1<br />ii)matrik_c[i][k] + = matrik_a[i][j] * matrik_b[j][k]<br />iii)Apakah j< kolom_a ? jika tidak, kembali ke proses i)<br /><br />b)Apakah k2.Apakah i < baris_a ? jika tidak, kembali ke proses e 1.<br />f.Proses looping untuk menampilkan matrik_c :<br /><br />1.untuk i=0 sampai dengan banyak baris_a-1, i=i+1<br />a)untuk k=0 sampai dengan banyaknya kolom_b -1, k=k+1<br />b)Print matrik_c[i][k]<br />c)Apakah k< kolom_b ? jika tidak, kembali ke proses f.1.a<br /><br />2.Apakah i < baris_a ? jika tidak, kembali ke proses f 1.<br />g.Program selesai.<br /><br />source : <a href="http://arisalgoritma.blogspot.com/">arisalgoritma</a>

Algoritma Perkalian Matriks

Algoritma : a.inisialisasi matrik_a[ ][ ], matrik_b[ ][ ], matrik_c[ ][ ], i=0, j=0, k=0, baris_a, kolom_a, kolom_b b.inputkan baris_a, kolo...

Baca selengkapnya »

Algoritma Genetika

<p> </p><div style="text-align: justify;"><b>1. Apakah Algoritma Genetika (Genetic Algorithm, GA)? </b></div><p style="text-align: justify;"> </p><div style="text-align: justify;"> </div><p style="text-align: justify;">Algoritma Genetika pada dasarnya adalah program komputer yang mensimulasikan proses evolusi. Dalam hal ini populasi dari kromosom dihasilkan secara random dan memungkinkan untuk berkembang biak sesuai dengan hukum-hukum evolusi dengan harapan akan menghasilkan individu kromosom yang prima. Kromosom ini pada kenyataannya adalah kandidat penyelesaian dari masalah, sehingga bila kromosom yang baik berkembang, solusi yang baik terhadap masalah diharapkan akan dihasilkan.</p><div style="text-align: justify;"> </div><p style="text-align: justify;">Algoritma Genetika ini banyak dipakai pada aplikasi bisnis, teknik maupun pada bidang keilmuan. Algoritma ini dapat dipakai untuk mendapatkan solusi yang tepat untuk masalah optimal dari satu variabel atau multi variabel. Sebelum algoritma ini dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan dalam fungsi tujuan, yang dikenal dengan fungsi <i>fitness</i>. Jika nilai <i>fitness</i> semakin besar, maka sistem yang dihasilkan semakin baik. Walaupun pada awalnya semua nilai <i>fitness</i> kemungkinan sangat kecil (karena algoritma ini menghasilkannya secara random), sebagian akan lebih tinggi dari yang lain. Kromosom dengan nilai <i>fitness</i> yang tinggi ini akan memberikan probabilitas yang tinggi untuk bereproduksi pada generasi selanjutnya. Sehingga untuk setiap generasi pada proses evolusi, fungsi <i> fitness</i> yang mensimulasikan seleksi alam, akan menekan populasi kearah <i> fitness</i> yang meningkat.</p><div style="text-align: justify;"> </div><p style="text-align: justify;">Algoritma genetika sangat tepat digunakan untuk penyelesaian masalah optimasi yang kompleks dan sukar diselesaikan dengan menggunakan metode yang konvensional. Sebagaimana halnya proses evolusi di alam, suatu algoritma genetika yang sederhana umumnya terdiri dari tiga operator yaitu: <i><b>operator reproduksi</b></i>, <i><b>operator crossover</b></i> (persilangan) dan <i><b> operator mutasi</b></i>. Struktur umum dari suatu algoritma genetika dapat didefinisikan dengan langkah-langkah sebagai berikut:</p><div style="text-align: justify;"> </div><ol style="text-align: justify;"><li>Membangkitkan populasi awal, Populasi awal ini dibangkitkan secara random sehingga didapatkan solusi awal. Populasi itu sendiri terdiri dari sejumlah kromosom yang merepresentasikan solusi yang diinginkan. </li><li>Membentuk generasi baru, Dalam membentuk digunakan tiga operator yang telah disebut di atas yaitu operator reproduksi/seleksi, crossover dan mutasi. Proses ini dilakukan berulang-ulang sehingga didapatkan jumlah kromosom yang cukup untuk membentuk generasi baru dimana generasi baru ini merupakan representasi dari solusi baru.</li><li>Evaluasi solusi, Proses ini akan mengevaluasi setiap populasi dengan menghitung nilai <i>fitness</i> setiap kromosom dan mengevaluasinya sampai terpenuhi kriteria berhenti. Bila kriteria berhenti belum terpenuhi maka akan dibentuk lagi generasi baru dengan mengulangi langkah 2. Beberapa kriteria berhenti yang sering digunakan antara lain:</li></ol><div style="text-align: justify;"> <blockquote> <ul><li>Berhenti pada generasi tertentu.</li><li>Berhenti setelah dalam beberapa generasi berturut-turut didapatkan nilai <i>fitness</i> tertinggi tidak berubah.</li><li>Berhenti bila dalam <i>n</i> generasi berikut tidak didapatkan nilai <i> fitness</i> yang lebih tinggi.</li></ul> </blockquote> </div><p style="text-align: justify;">Pada uraian berikut penulis mencoba membahas aplikasi algoritma genetika pada bidang sistem distribusi air bersih, karena selama ini penulis bekerja pada konsultan dalam bidang sistem air bersih, dan penulis menguasai sedikit tentang masalah ini.</p><div style="text-align: justify;"> </div><p style="text-align: justify;"><b>2. Aplikasi Optimasi GA pada Sistem Jaringan Pipa Air Bersih </b> </p><div style="text-align: justify;"> </div><p style="text-align: justify;">Dalam sistem air bersih aplikasi GA umumnya dapat digunakan dalam kalibrasi model hidrolis jaringan pipa dan optimasi perencanaan jaringan baru atau pengembangan jaringan untuk mendapatkan harga pipa yang paling murah dengan memilih diameter pipa dengan harga yang paling ekonomis tetapi tetap mememenuhi kriteria hidrolis yang ditentukan (misalnya: sisa tekan pada titik sadap minimal 30m). Sebagai contoh dalam optimasi jaringan dengan GA, kita dapat mengasumsikan diameter pipa yang akan dipilih sebagai kromosom dan dikodekan kedalam kode string biner. Contohnya adalah sebagai berikut:</p> <table style="border-collapse: collapse;" id="AutoNumber3" border="0" bordercolor="#111111" cellpadding="0" cellspacing="0" height="267" width="68%"> <tbody><tr> <td style="text-align: center;" align="center" height="19" width="33%"><u> <b>Kode Biner</b></u></td> <td style="text-align: center;" align="center" height="19" width="33%"><u> <b>Diameter Pipa (")</b></u></td> <td style="text-align: center;" align="center" height="19" width="33%"><u> <b>Harga Unit</b></u></td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 0000</b></td> <td style="text-align: center;" align="center" height="19" width="33%">1</td> <td style="text-align: center;" align="center" height="19" width="33%">2</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 0001</b></td> <td style="text-align: center;" align="center" height="19" width="33%">2</td> <td style="text-align: center;" align="center" height="19" width="33%">5</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 0010</b></td> <td style="text-align: center;" align="center" height="19" width="33%">3</td> <td style="text-align: center;" align="center" height="19" width="33%">8</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 0011</b></td> <td style="text-align: center;" align="center" height="19" width="33%">4</td> <td style="text-align: center;" align="center" height="19" width="33%"> 11</td> </tr> <tr> <td style="text-align: center;" align="center" height="20" width="33%"><b> 0100</b></td> <td style="text-align: center;" align="center" height="20" width="33%">5</td> <td style="text-align: center;" align="center" height="20" width="33%"> 16</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 0101</b></td> <td style="text-align: center;" align="center" height="19" width="33%">8</td> <td style="text-align: center;" align="center" height="19" width="33%"> 23</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 0110</b></td> <td style="text-align: center;" align="center" height="19" width="33%"> 10</td> <td style="text-align: center;" align="center" height="19" width="33%"> 32</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 0111</b></td> <td style="text-align: center;" align="center" height="19" width="33%"> 12</td> <td style="text-align: center;" align="center" height="19" width="33%"> 60</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 1000</b></td> <td style="text-align: center;" align="center" height="19" width="33%"> 14</td> <td style="text-align: center;" align="center" height="19" width="33%"> 60</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 1001</b></td> <td style="text-align: center;" align="center" height="19" width="33%"> 16</td> <td style="text-align: center;" align="center" height="19" width="33%"> 90</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 1010</b></td> <td style="text-align: center;" align="center" height="19" width="33%"> 18</td> <td style="text-align: center;" align="center" height="19" width="33%"> 130</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 1011</b></td> <td style="text-align: center;" align="center" height="19" width="33%"> 20</td> <td style="text-align: center;" align="center" height="19" width="33%"> 170</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 1100</b></td> <td style="text-align: center;" align="center" height="19" width="33%"> 22</td> <td style="text-align: center;" align="center" height="19" width="33%"> 300</td> </tr> <tr> <td style="text-align: center;" align="center" height="19" width="33%"><b> 1101</b></td> <td style="text-align: center;" align="center" height="19" width="33%"> 24</td> <td style="text-align: center;" align="center" height="19" width="33%"> 500</td> </tr> </tbody></table> <p>Maka kita akan mendapat urutan string biner sebagai berikut : </p> <table style="border-collapse: collapse;" id="AutoNumber4" border="0" bordercolor="#111111" cellpadding="0" cellspacing="0" width="95%"> <tbody><tr> <td width="17%"> <p align="left">String biner :</p></td> <td align="center" width="5%"><b>0000</b></td> <td align="center" width="6%"><b>0001</b></td> <td align="center" width="6%"><b>0010</b></td> <td align="center" width="6%"><b>0011</b></td> <td align="center" width="6%"><b>0100</b></td> <td align="center" width="6%"><b>0101</b></td> <td align="center" width="6%"><b>0110</b></td> <td align="center" width="6%"><b>0111</b></td> <td align="center" width="6%"><b>1000</b></td> <td align="center" width="6%"><b>1001</b></td> <td align="center" width="6%"><b>1010</b></td> <td align="center" width="6%"><b>1011</b></td> <td align="center" width="6%"><b>1100</b></td> <td align="center" width="6%"><b>1101</b></td> </tr> </tbody></table> <p style="text-align: justify;">Selanjutnya kita melakukan proses iterasi evolusi GA pada string biner kromosom ini, mengubah diameter pipa pada jaringan, lalu mengetes hasilnya pada program simulator hidrolis (mis: Epanet) dan diulang sampai kriteria berhenti pada evaluasi solusi tercapai. </p><div style="text-align: justify;"> </div><p style="text-align: justify;">Optimasi GA adalah alat yang ampuh yang dapat digunakan oleh pengelola air bersih dan konsultan untuk membantu mencari solusi yang mendekati optimal pada masalah perencanaan, perancangan dan operasi sistem air bersih. Optimasi GA tidak seharusnya dilihat sebagai pendekatan yang bersaing dengan analisa simulasi tradisional. Tetapi GA adalah langkah lanjutan dari analisa simulasi dimana dengan penggunaan GA akan didapat penghematan biaya 20% - 30%. </p><div style="text-align: justify;"> </div><p style="text-align: justify;">Dibawah ini akan kita lihat bagaimana GA dapat ditempatkan dalam proses studi dengan melihat langkah-langkah studi simulasi tradisional dan langkah-langkah dalam analisis optimasi GA: </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><b>2.1. Langkah-langkah pada Pendekatan Simulasi Tradisional </b> </p><div style="text-align: justify;"> </div><p style="text-align: justify;">Pada umumnya langkah-langkah pada master plan distribusi air bersih adalah sebagai berikut: </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><b><i>Langkah 1</i></b> - Pembuatan model sistem eksisting menggunakan EPANET, ALEID, H2ONet, MIKENet, KYPIPE, WaterCAD, dll. </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><b><i>Langkah 2</i></b> - Kalibrasi model berdasarkan pengukuran lapangan. </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><i><b>Langkah 3</b></i> - Tentukan kebutuhan air di masa yang akan datang yang harus dicapai dan disain dan kriteria kinerja yang harus dipenuhi. </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><b><i>Langkah 4</i></b> - Tambahkan pipa, reservoar, pompa dan valve pada sistem dan jalankan simulasi untuk melihat apakah simulasi dapat bekerja. </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><i><b>Langkah 5 </b></i>- Lanjutkan penyesuaian peningkatan yang diusulkan dengan cara coba-coba sampai ditemukan solusi yang tepat (atau limit biaya telah terlampaui). </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><b>2.2. Langkah-langkah yang diperlukan dalam aplikasi Optimasi GA</b> </p><div style="text-align: justify;"> </div><p style="text-align: justify;">Optimasi GA masuk ke dalam proses setelah langkah 1,2 dan 3 selesai. Dari pada menggunakan cara pendekatan coba-coba (trial-and-error) untuk evaluasi hasil solusi satu persatu pada langkah 4 dan 5, otomatisasi GA digunakan untuk mengidentifikasi biaya termurah, yang mendekati solusi optimal sebagai berikut: </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><i><b>Langkah 4</b></i> - Identifikasikan pilihan yang memungkinkan untuk pengadaan baru atau rehab dari pipa, reservoar, pompa dan valve dan pilihan operasi. </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><i><b>Langkah 5</b></i> - Formulasikan rutin GA untuk variabel-variabel dari keputusan tersebut. </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><i><b>Langkah 6</b></i> - Hubungkan model hidrolis pada rutin GA. </p><p style="text-align: justify;"><i><b>Langkah 7</b></i> - Lakukan dan jalankan GA dan dapatkan masukan dan arah dari ahli hidrolis. </p><div style="text-align: justify;"> </div><p style="text-align: justify;"><i><b>Langkah 8</b></i> - Finalisasikan alternatif yang dihasilkan dan verifikasi. </p><div style="text-align: justify;"> </div><p style="text-align: justify;">Pada umumnya langkah 5, 6, dan 7 telah tercakup dalam software aplikasi optimasi GA, sehingga lebih memudahakan untuk pengguna. Dengan demikian optimasi GA dengan mudah diintegrasikan pada proses studi pada tahap evaluasi alternatif. Data dan informasi yang dibutuhkan oleh GA sama persis dengan data yang dibutuhkan oleh engineer dalam menggunakan analisis simulasi. </p><div style="text-align: justify;"> </div><p style="text-align: justify;">Analisa GA membutuhkan: </p><div style="text-align: justify;"> </div><ul style="text-align: justify;"><li>Sistem simulasi model hidrolis </li><li>Daftar elemen (pipa, reservoar, pompa, valve) dan pilihan operasional yang seharusnya dipertimbangkan sebagai opsi dalam perencanaan </li><li>Harga dari tiap elemen yang dipakai </li><li>Daftar dari kriteria disain dan kinerja sisteim yang harus dicapai </li></ul><div style="text-align: justify;"> Untuk mendapat gambaran tentang penerapan aplikasi ini penulis telah membuat aplikasi demo untuk penerapan dalam optimasi jaringan pipa air bersih.</div><p> Tampilannya dapat dilihat pada gambar berikut ini:</p> <p><img border="0" src="http://www.bimacipta.com/images/gademo.jpg" style="width: 570px; height: 449px;" /></p> <p style="text-align: justify;">Setelah aplikasi dijalankan (tekan tombol Optimasi) akan telihat diameter pipa berubah misalnya pada pipa nomor 7 rancangan awal diameter pipa 14" berubah menjadi 10", pada pipa nomor 8 pipa diameter 8" tenyata cukup digunakan 1" saja. Biaya juga menurun dari 501.000 unit menjadi 419.000 unit saja dengan penghematan biaya 16,4%. Anda juga dapat lebih menurunkan biaya dengan menurunkan nilai Minimal sisa tekan (dalam meter), standar di Indonesia biasanya 10 - 15m saja.</p><div style="text-align: justify;"> </div><div style="text-align: justify;"> </div><p style="text-align: justify;"><b>3. Aplikasi pada bidang lain </b></p><div style="text-align: justify;"> </div><p style="text-align: justify;">Telah lebih dari 10-15 tahun GA digunakan dalam lingkungan aplikasi yang luas, seperti : </p><div style="text-align: justify;"> </div><ul style="text-align: justify;"><li>Disain jaringan listrik tegangan tinggi, penjadwalan konstruksi, management investasi. </li><li>Dalam bidang lain seperti: disain sirkuit terintegrasi (IC) untuk mendapatkan ukuran yang lebih kecil, perancangan mesin turbin gas untuk mendapatkan penggunaan bahan bakar yang effisien pada pesawat udara, perencanaan jaringan kabel filber optik. </li><li>dll. </li></ul>source:<br /><a href="http://www.bimacipta.com/ga.htm">www.bimacipta.com</a>

Algoritma Genetika

1. Apakah Algoritma Genetika (Genetic Algorithm, GA)? Algoritma Genetika pada dasarnya adalah program komputer yang mensimulasikan pro...

Baca selengkapnya »

Algoritma

<div style="text-align: justify;">Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap dari awal hingga akhir. Masalah tersebut dapat berupa apa saja, dengan catatan untuk setiap masalah, ada kriteria kondisi awal yang harus dipenuhi sebelum menjalankan algoritma. Algoritma akan dapat selalu berakhir untuk semua kondisi awal yang memenuhi kriteria, dalam hal ini berbeda dengan heuristik. Algoritma sering mempunyai langkah pengulangan (iterasi) atau memerlukan keputusan (logika Boolean dan perbandingan) sampai tugasnya selesai.<br /><br />Desain dan analisis algoritma adalah suatu cabang khusus dalam ilmu komputer yang mempelajari karakteristik dan performa dari suatu algoritma dalam menyelesaikan masalah, terlepas dari implementasi algoritma tersebut. Dalam cabang disiplin ini algoritma dipelajari secara abstrak, terlepas dari sistem komputer atau bahasa pemrograman yang digunakan. Algoritma yang berbeda dapat diterapkan pada suatu masalah dengan kriteria yang sama.<br /><br />Kompleksitas dari suatu algoritma merupakan ukuran seberapa banyak komputasi yang dibutuhkan algoritma tersebut untuk menyelesaikan masalah. Secara informal, algoritma yang dapat menyelesaikan suatu permasalahan dalam waktu yang singkat memiliki kompleksitas yang rendah, sementara algoritma yang membutuhkan waktu lama untuk menyelesaikan masalahnya mempunyai kompleksitas yang tinggi.<br /><br />Sejarah istilah "algoritma"<br /><br />Kata algoritma berasal dari latinisasi nama seorang ahli matematika dari Uzbekistan Al Khawārizmi (hidup sekitar abad ke-9), sebagaimana tercantum pada terjemahan karyanya dalam bahasa latin dari abad ke-12 "Algorithmi de numero Indorum". Pada awalnya kata algorisma adalah istilah yang merujuk kepada aturan-aturan aritmetis untuk menyelesaikan persoalan dengan menggunakan bilangan numerik arab (sebenarnya dari India, seperti tertulis pada judul di atas). Pada abad ke-18, istilah ini berkembang menjadi algoritma, yang mencakup semua prosedur atau urutan langkah yang jelas dan diperlukan untuk menyelesaikan suatu permasalahan.<span class="fullpost">Jenis-jenis Algoritma<br />Terdapat beragam klasifikasi algoritma dan setiap klasifikasi mempunyai alasan tersendiri. Salah satu cara untuk melakukan klasifikasi jenis-jenis algoritma adalah dengan memperhatikan paradigma dan metode yang digunakan untuk mendesain algoritma tersebut. Beberapa paradigma yang digunakan dalam menyusun suatu algoritma akan dipaparkan dibagian ini. Masing-masing paradigma dapat digunakan dalam banyak algoritma yang berbeda.</span><span class="fullpost"> * Divide and Conquer, paradigma untuk membagi suatu permasalahan besar menjadi permasalahan-permasalahan yang lebih kecil. Pembagian masalah ini dilakukan terus menerus sampai ditemukan bagian masalah kecil yang mudah untuk dipecahkan. Singkatnya menyelesaikan keseluruhan masalah dengan membagi masalah besar dan kemudian memecahkan permasalahan-permasalahan kecil yang terbentuk.</span><span class="fullpost"> * Dynamic programming, paradigma pemrograman dinamik akan sesuai jika digunakan pada suatu masalah yang mengandung sub-struktur yang optimal (, dan mengandung beberapa bagian permasalahan yang tumpang tindih . Paradigma ini sekilas terlihat mirip dengan paradigma Divide and Conquer, sama-sama mencoba untuk membagi permasalahan menjadi sub permasalahan yang lebih kecil, tapi secara intrinsik ada perbedaan dari karakter permasalahan yang dihadapi.</span><br /><span class="fullpost"> * Metode serakah. Sebuah algoritma serakah mirip dengan sebuah Pemrograman dinamik, bedanya jawaban dari submasalah tidak perlu diketahui dalam setiap tahap; dan menggunakan pilihan "serakah" apa yang dilihat terbaik pada saat itu.</span><br />source:<br /><a href="http://id.wikipedia.org/wiki/Algoritma">wikipedia</a></div>

Algoritma

Dalam matematika dan komputasi, algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterje...

Baca selengkapnya »