SlideShare a Scribd company logo
1 of 19
Ajeng Savitri P, M.Kom
Analysis & Strategy
of Algorithm
Pertemuan 8
OBJECTIVE
 To learn what Greedy Algorithm is
 To learn Greedy elements
Intro
 Persoalan optimasi (optimization problems)
merupakan persoalan yang menuntut pencarian solu
si optimum.
 Persoalan optimasi ada dua macam:
 Maksimasi (maximization)
 Minimasi (minimization)
Intro
• Solusi optimum (terbaik) adalah solusi yang bernilai
minimum atau maksimum dari sekumpulan alternati
f solusi yang mungkin.
• Elemen persoalan optimasi:
– kendala (constraints)
– fungsi objektif(atau fungsi optiamsi)
Solusi yang memenuhi semua kendala disebut
solusi layak (feasible solution).
Solusi layak yang mengoptimumkan fungsi optimasi
disebut solusi optimum.
Greedy
 Algoritma greedy merupakan metode yang paling
populer untuk memecahkan persoalan optimasi.
 Greedy = rakus, tamak, loba, ….
 Prinsip greedy adalah: “take what you can get now!”
 Algoritma greedy membentuk solusi langkah per
langkah (step by step).
Contoh Penggunaan Greedy
 Memilih beberapa jenis investasi (penanaman modal
)
 Mencari jalur tersingkat dari Bandung ke Surabaya
 Memilih jurusan di Perguruan Tinggi
 Bermain kartu remi
Terdapat banyak pilihan yang perlu dieksplorasi pa
da
setiap langkah solusi.
Oleh karena itu, pada setiap langkah harus dibuat
keputusan yang terbaik dalam menentukan pilihan.
Keputusan yang telah diambil pada suatu langkah ti
dak dapat diubah lagi pada langkah selanjutnya
Pendekatan yang digunakan di dalam algoritma gree
dy
adalah membuat pilihan yang “tampaknya”
memberikan perolehan terbaik, yaitu dengan memb
uat
pilihan optimum lokal (local optimum) pada setiap
langkah dengan harapan bahwa sisanya mengarah k
e
solusi optimum global (global optimum).
 Algoritma greedy adalah algoritma yang memecah
kan masalah langkah per langkah, pada setiap lan
gkah:
 mengambil pilihan yang terbaik yang dapat diperoleh p
ada
saat itu tanpa memperhatikan konsekuensi ke depan
(prinsip “take what you can get now!”)
 berharap bahwa dengan memilih optimum lokal pada se
tiap langkah akan berakhir dengan optimum global.
Elemen Algoritma Greedy
1. Himpunan kandidat
Berisi elemen-elemen pembentuk solusi.
2. Himpunan solusi
Berisi kandidat-kandidat yang terpilih sebagai solusi persoalan.
3. Fungsi seleksi (selection function)
Memilih kandidat yang paling memungkinkan mencapai solusi
optimal. Kandidat yang sudah dipilih pada suatu langkah tidak
pernah dipertimbangkan lagi pada langkah selanjutnya.
Elemen Algoritma Greedy (lanjutan)
4. Fungsi kelayakan (feasible)
Memeriksa apakah suatu kandidat yang telah dipilih dapat
memberikan solusi yang layak, yakni kandidat tersebut bersama-
sama dengan himpunan solusi yang sudah terbentuk tidak
melanggar kendala (constraints) yang ada. Kandidat yang layak
dimasukkan ke dalam himpunan solusi, sedangkan kandidat yang
tidak layak dibuang dan tidak pernah dipertimbangkan lagi.
5. Fungsi obyektif
Fungsi yang memaksimumkan atau meminimumkan nilai solusi
(misalnya panjang lintasan, keuntungan, dan lain-lain).
Contoh Masalah
 Persoalan:
Diberikan uang senilai 32. Tukar uang tersebut
dengan koin-koin uang 1, 5, 10, dan 25. Berapa jumla
h minimum koin yang diperlukan untuk penukaran
tersebut?
Jawaban
 Uang senilai 32 dapat ditukar dengan cara berikut:
32 = 1 + 1 + … + 1 (32 koin)
32 = 5 + 5 + 5 + 5 + 10 + 1 + 1 (7 koin)
32 = 10 + 10 + 10 + 1 + 1 (5 koin)
… dan seterusnya
 Minimum: 32 = 25 + 5 + 1 + 1 ~~~~ hanya 4 koi
n
Penjelasan
 Strategi greedy yang digunakan adalah:
Pada setiap langkah, pilihlah koin dengan nilai sebesar mungkin
dari himpunan koin yang tersisa dengan syarat (kendala) tidak
melebihi nilai uang yang ditukarkan.
 Tinjau masalah menukarkan uang 32 penyelesaian :
Langkah 1: pilih 1 buah koin 25 (Total = 25)
Langkah 2: pilih 1 buah koin 5 (Total = 25 + 5 = 30)
Langkah 3: pilih 2 buah koin 1 (Total = 25+5+1+1= 32)
 Solusi: Jumlah koin minimum = 4 (solusi optimal!)
Penjelasan dengan Menggunakan Greedy
 Himpunan kandidat:
Himpunan koin yang merepresentasikan nilai 1, 5, 10, 25, pali
ng sedikit mengandung satu koin untuk setiap nilai.
 Himpunan solusi:
Total nilai koin yang dipilih tepat sama jumlahnya dengan
nilai uang yang ditukarkan (32).
 Fungsi seleksi:
Pilihlah koin yang bernilai tertinggi dari himpunan kandidat
yang tersisa.
Penjelasan dengan Menggunakan Greedy
 Fungsi layak:
memeriksa apakah nilai total dari himpunan koin yang
dipilih tidak melebihi jumlah uang yang harus dibayar.
 Fungsi obyektif
jumlah koin yang digunakan minimum.
REFFERENCE
 Munir, Rinaldi. Diktat Kuliah “Kompleksitas Algoritma”, Departemen T
eknik Informatika ITB
 Levitin, Anany. 2012. Introduction to the Design and Analysis of A
lgorithms, 3rd Edition.Addison Wesley
Terima Kasih
ajeng.savitri@teknokrat.ac.id
https://teknokrat.ac.id/en/
https://spada.teknokrat.ac.id/

More Related Content

What's hot

Perbandingan algoritma brute force , divide and conquer
Perbandingan algoritma brute force , divide and conquerPerbandingan algoritma brute force , divide and conquer
Perbandingan algoritma brute force , divide and conquerohohervin
 
Bab 12 metode greedy
Bab 12 metode greedyBab 12 metode greedy
Bab 12 metode greedyrisal07
 
Metody Gredy
Metody GredyMetody Gredy
Metody Gredyirwanhs
 
Analisis Algoritma - Langkah Desain Algoritma
Analisis Algoritma - Langkah Desain AlgoritmaAnalisis Algoritma - Langkah Desain Algoritma
Analisis Algoritma - Langkah Desain AlgoritmaAdam Mukharil Bachtiar
 
TEKNIK MENENTUKAN KOMPOSISI BUAH PADA MASALAH PENGANGKUTAN DENGAN MENGGUNAKAN...
TEKNIK MENENTUKAN KOMPOSISI BUAH PADA MASALAH PENGANGKUTAN DENGAN MENGGUNAKAN...TEKNIK MENENTUKAN KOMPOSISI BUAH PADA MASALAH PENGANGKUTAN DENGAN MENGGUNAKAN...
TEKNIK MENENTUKAN KOMPOSISI BUAH PADA MASALAH PENGANGKUTAN DENGAN MENGGUNAKAN...faisalpiliang1
 
Matematika Diskrit - 11 kompleksitas algoritma - 02
Matematika Diskrit - 11 kompleksitas algoritma - 02Matematika Diskrit - 11 kompleksitas algoritma - 02
Matematika Diskrit - 11 kompleksitas algoritma - 02KuliahKita
 
Desain dan analisis algoritma
Desain dan analisis algoritmaDesain dan analisis algoritma
Desain dan analisis algoritmaDiki Rosandy
 
Algoritma divide and conquer (lanjutan)
Algoritma divide and conquer (lanjutan)Algoritma divide and conquer (lanjutan)
Algoritma divide and conquer (lanjutan)Edho Pratama
 
Cbr penggunaan turunan (penerapan masalah masalah turunan maksimum dan minimum)
Cbr penggunaan turunan (penerapan masalah masalah turunan maksimum dan minimum)Cbr penggunaan turunan (penerapan masalah masalah turunan maksimum dan minimum)
Cbr penggunaan turunan (penerapan masalah masalah turunan maksimum dan minimum)Linda Rosita
 
Dualitas & analisis sensitivitas
Dualitas & analisis sensitivitasDualitas & analisis sensitivitas
Dualitas & analisis sensitivitasSukni Asmecis
 

What's hot (15)

Perbandingan algoritma brute force , divide and conquer
Perbandingan algoritma brute force , divide and conquerPerbandingan algoritma brute force , divide and conquer
Perbandingan algoritma brute force , divide and conquer
 
Bab 12 metode greedy
Bab 12 metode greedyBab 12 metode greedy
Bab 12 metode greedy
 
Metody Gredy
Metody GredyMetody Gredy
Metody Gredy
 
Analisis Algoritma - Langkah Desain Algoritma
Analisis Algoritma - Langkah Desain AlgoritmaAnalisis Algoritma - Langkah Desain Algoritma
Analisis Algoritma - Langkah Desain Algoritma
 
Analisis algoritma
Analisis algoritmaAnalisis algoritma
Analisis algoritma
 
12 metode greedy
12 metode greedy12 metode greedy
12 metode greedy
 
TEKNIK MENENTUKAN KOMPOSISI BUAH PADA MASALAH PENGANGKUTAN DENGAN MENGGUNAKAN...
TEKNIK MENENTUKAN KOMPOSISI BUAH PADA MASALAH PENGANGKUTAN DENGAN MENGGUNAKAN...TEKNIK MENENTUKAN KOMPOSISI BUAH PADA MASALAH PENGANGKUTAN DENGAN MENGGUNAKAN...
TEKNIK MENENTUKAN KOMPOSISI BUAH PADA MASALAH PENGANGKUTAN DENGAN MENGGUNAKAN...
 
Matematika Diskrit - 11 kompleksitas algoritma - 02
Matematika Diskrit - 11 kompleksitas algoritma - 02Matematika Diskrit - 11 kompleksitas algoritma - 02
Matematika Diskrit - 11 kompleksitas algoritma - 02
 
Desain dan analisis algoritma
Desain dan analisis algoritmaDesain dan analisis algoritma
Desain dan analisis algoritma
 
Algoritma divide and conquer (lanjutan)
Algoritma divide and conquer (lanjutan)Algoritma divide and conquer (lanjutan)
Algoritma divide and conquer (lanjutan)
 
Cbr penggunaan turunan (penerapan masalah masalah turunan maksimum dan minimum)
Cbr penggunaan turunan (penerapan masalah masalah turunan maksimum dan minimum)Cbr penggunaan turunan (penerapan masalah masalah turunan maksimum dan minimum)
Cbr penggunaan turunan (penerapan masalah masalah turunan maksimum dan minimum)
 
Bahan Ajar Limit Fungsi
Bahan Ajar Limit FungsiBahan Ajar Limit Fungsi
Bahan Ajar Limit Fungsi
 
Limit fungsi aljabar hotma purba SMAN 3 bungo
Limit fungsi aljabar hotma purba SMAN 3 bungoLimit fungsi aljabar hotma purba SMAN 3 bungo
Limit fungsi aljabar hotma purba SMAN 3 bungo
 
Dualitas & analisis sensitivitas
Dualitas & analisis sensitivitasDualitas & analisis sensitivitas
Dualitas & analisis sensitivitas
 
EKMA4413 - Riset Operasi - Modul 3
EKMA4413 - Riset Operasi - Modul 3EKMA4413 - Riset Operasi - Modul 3
EKMA4413 - Riset Operasi - Modul 3
 

Similar to Algoritma Greedy

algoritma_greedy.ppt
algoritma_greedy.pptalgoritma_greedy.ppt
algoritma_greedy.pptsayfa3
 
Analisis Algoritma - Strategi Algoritma Greedy
Analisis Algoritma - Strategi Algoritma GreedyAnalisis Algoritma - Strategi Algoritma Greedy
Analisis Algoritma - Strategi Algoritma GreedyAdam Mukharil Bachtiar
 
Algoritma-Greedy-(2016).ppt
Algoritma-Greedy-(2016).pptAlgoritma-Greedy-(2016).ppt
Algoritma-Greedy-(2016).pptsayfa3
 
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkapPertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkapAbrianto Nugraha
 
Sistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .pptSistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .pptFernandaSuryaIllahi
 
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017Muthiara Widuri
 
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017Muthiara Widuri
 
BAB 1 - BERPIKIR KOMPUTASIONAL OK.pptx
BAB 1 - BERPIKIR KOMPUTASIONAL OK.pptxBAB 1 - BERPIKIR KOMPUTASIONAL OK.pptx
BAB 1 - BERPIKIR KOMPUTASIONAL OK.pptxMelissaAritonang2
 
Pengertian informasi
Pengertian informasiPengertian informasi
Pengertian informasiLhya Baha
 
Micro teaching konsep logika algoritma
Micro teaching konsep logika algoritmaMicro teaching konsep logika algoritma
Micro teaching konsep logika algoritmaApriyanto_apo
 
Informatika Kelas 7.pptx
Informatika Kelas 7.pptxInformatika Kelas 7.pptx
Informatika Kelas 7.pptxHadiSalam2
 
Teori bab 11
Teori bab 11Teori bab 11
Teori bab 11evrylove
 
Teori bab 11 sistem informasi manajemen
Teori bab 11 sistem informasi manajemenTeori bab 11 sistem informasi manajemen
Teori bab 11 sistem informasi manajemenYuliani_muharromah
 
Teori bab 11 sistem informasi manajemen
Teori bab 11 sistem informasi manajemenTeori bab 11 sistem informasi manajemen
Teori bab 11 sistem informasi manajemenYulius_Purwanto
 
Sstem pendukung pengambilan keputusan bab 11
Sstem pendukung pengambilan keputusan bab 11Sstem pendukung pengambilan keputusan bab 11
Sstem pendukung pengambilan keputusan bab 11Jejak Kelana
 

Similar to Algoritma Greedy (20)

algoritma_greedy.ppt
algoritma_greedy.pptalgoritma_greedy.ppt
algoritma_greedy.ppt
 
Analisis Algoritma - Strategi Algoritma Greedy
Analisis Algoritma - Strategi Algoritma GreedyAnalisis Algoritma - Strategi Algoritma Greedy
Analisis Algoritma - Strategi Algoritma Greedy
 
Algoritma-Greedy-(2016).ppt
Algoritma-Greedy-(2016).pptAlgoritma-Greedy-(2016).ppt
Algoritma-Greedy-(2016).ppt
 
informatika 2.pptx
informatika 2.pptxinformatika 2.pptx
informatika 2.pptx
 
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkapPertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
Pertemuan 5 optimasi_dengan_alternatif_terbatas_-_lengkap
 
Sistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .pptSistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .ppt
 
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
 
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
Sim, muthiara, hapzi, sistem pengambilan keputusan, universitas mercubuana, 2017
 
12 metode greedy
12 metode greedy12 metode greedy
12 metode greedy
 
12 metode greedy
12 metode greedy12 metode greedy
12 metode greedy
 
Pertemuan 12 Algoritma Greedy
Pertemuan 12 Algoritma GreedyPertemuan 12 Algoritma Greedy
Pertemuan 12 Algoritma Greedy
 
BAB 1 - BERPIKIR KOMPUTASIONAL OK.pptx
BAB 1 - BERPIKIR KOMPUTASIONAL OK.pptxBAB 1 - BERPIKIR KOMPUTASIONAL OK.pptx
BAB 1 - BERPIKIR KOMPUTASIONAL OK.pptx
 
Pengertian informasi
Pengertian informasiPengertian informasi
Pengertian informasi
 
Micro teaching konsep logika algoritma
Micro teaching konsep logika algoritmaMicro teaching konsep logika algoritma
Micro teaching konsep logika algoritma
 
Informatika Kelas 7.pptx
Informatika Kelas 7.pptxInformatika Kelas 7.pptx
Informatika Kelas 7.pptx
 
SIM TEORI BAB 11
SIM TEORI BAB 11SIM TEORI BAB 11
SIM TEORI BAB 11
 
Teori bab 11
Teori bab 11Teori bab 11
Teori bab 11
 
Teori bab 11 sistem informasi manajemen
Teori bab 11 sistem informasi manajemenTeori bab 11 sistem informasi manajemen
Teori bab 11 sistem informasi manajemen
 
Teori bab 11 sistem informasi manajemen
Teori bab 11 sistem informasi manajemenTeori bab 11 sistem informasi manajemen
Teori bab 11 sistem informasi manajemen
 
Sstem pendukung pengambilan keputusan bab 11
Sstem pendukung pengambilan keputusan bab 11Sstem pendukung pengambilan keputusan bab 11
Sstem pendukung pengambilan keputusan bab 11
 

More from Ajeng Savitri

Software Testing Documentation
Software Testing DocumentationSoftware Testing Documentation
Software Testing DocumentationAjeng Savitri
 
Software Productivity Measurement
Software Productivity MeasurementSoftware Productivity Measurement
Software Productivity MeasurementAjeng Savitri
 
Software Testing Strategy (Part 2)
Software Testing Strategy (Part 2)Software Testing Strategy (Part 2)
Software Testing Strategy (Part 2)Ajeng Savitri
 
Software Testing Strategy
Software Testing StrategySoftware Testing Strategy
Software Testing StrategyAjeng Savitri
 
Object Oriented Testing
Object Oriented TestingObject Oriented Testing
Object Oriented TestingAjeng Savitri
 
Testing Technique (Part 2)
Testing Technique (Part 2)Testing Technique (Part 2)
Testing Technique (Part 2)Ajeng Savitri
 
Methodology Selection Strategy
Methodology Selection Strategy Methodology Selection Strategy
Methodology Selection Strategy Ajeng Savitri
 
Software Testing - Software Quality (Part 2)
Software Testing - Software Quality (Part 2)Software Testing - Software Quality (Part 2)
Software Testing - Software Quality (Part 2)Ajeng Savitri
 
Software Testing - Software Quality
Software Testing - Software QualitySoftware Testing - Software Quality
Software Testing - Software QualityAjeng Savitri
 
Computer Evolution and Performance
Computer Evolution and PerformanceComputer Evolution and Performance
Computer Evolution and PerformanceAjeng Savitri
 
Software Testing - Introduction
Software Testing - IntroductionSoftware Testing - Introduction
Software Testing - IntroductionAjeng Savitri
 
Requirement Gathering
Requirement GatheringRequirement Gathering
Requirement GatheringAjeng Savitri
 

More from Ajeng Savitri (20)

Software Testing Documentation
Software Testing DocumentationSoftware Testing Documentation
Software Testing Documentation
 
Software Productivity Measurement
Software Productivity MeasurementSoftware Productivity Measurement
Software Productivity Measurement
 
Debugging (Part 2)
Debugging (Part 2)Debugging (Part 2)
Debugging (Part 2)
 
Debugging
DebuggingDebugging
Debugging
 
Software Testing Strategy (Part 2)
Software Testing Strategy (Part 2)Software Testing Strategy (Part 2)
Software Testing Strategy (Part 2)
 
Software Testing Strategy
Software Testing StrategySoftware Testing Strategy
Software Testing Strategy
 
Object Oriented Testing
Object Oriented TestingObject Oriented Testing
Object Oriented Testing
 
Testing Technique (Part 2)
Testing Technique (Part 2)Testing Technique (Part 2)
Testing Technique (Part 2)
 
Testing Technique
Testing TechniqueTesting Technique
Testing Technique
 
Testing Plan
Testing PlanTesting Plan
Testing Plan
 
Methodology Selection Strategy
Methodology Selection Strategy Methodology Selection Strategy
Methodology Selection Strategy
 
Software Testing - Software Quality (Part 2)
Software Testing - Software Quality (Part 2)Software Testing - Software Quality (Part 2)
Software Testing - Software Quality (Part 2)
 
Software Testing - Software Quality
Software Testing - Software QualitySoftware Testing - Software Quality
Software Testing - Software Quality
 
Computer Evolution and Performance
Computer Evolution and PerformanceComputer Evolution and Performance
Computer Evolution and Performance
 
Software Testing - Introduction
Software Testing - IntroductionSoftware Testing - Introduction
Software Testing - Introduction
 
Sequence Diagram
Sequence DiagramSequence Diagram
Sequence Diagram
 
Activity Diagram
Activity DiagramActivity Diagram
Activity Diagram
 
Use Case Diagram
Use Case DiagramUse Case Diagram
Use Case Diagram
 
Requirement Gathering
Requirement GatheringRequirement Gathering
Requirement Gathering
 
Business Value
Business ValueBusiness Value
Business Value
 

Algoritma Greedy

  • 1. Ajeng Savitri P, M.Kom Analysis & Strategy of Algorithm Pertemuan 8
  • 2. OBJECTIVE  To learn what Greedy Algorithm is  To learn Greedy elements
  • 3. Intro  Persoalan optimasi (optimization problems) merupakan persoalan yang menuntut pencarian solu si optimum.  Persoalan optimasi ada dua macam:  Maksimasi (maximization)  Minimasi (minimization)
  • 4. Intro • Solusi optimum (terbaik) adalah solusi yang bernilai minimum atau maksimum dari sekumpulan alternati f solusi yang mungkin. • Elemen persoalan optimasi: – kendala (constraints) – fungsi objektif(atau fungsi optiamsi)
  • 5. Solusi yang memenuhi semua kendala disebut solusi layak (feasible solution). Solusi layak yang mengoptimumkan fungsi optimasi disebut solusi optimum.
  • 6. Greedy  Algoritma greedy merupakan metode yang paling populer untuk memecahkan persoalan optimasi.  Greedy = rakus, tamak, loba, ….  Prinsip greedy adalah: “take what you can get now!”  Algoritma greedy membentuk solusi langkah per langkah (step by step).
  • 7. Contoh Penggunaan Greedy  Memilih beberapa jenis investasi (penanaman modal )  Mencari jalur tersingkat dari Bandung ke Surabaya  Memilih jurusan di Perguruan Tinggi  Bermain kartu remi
  • 8. Terdapat banyak pilihan yang perlu dieksplorasi pa da setiap langkah solusi. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan. Keputusan yang telah diambil pada suatu langkah ti dak dapat diubah lagi pada langkah selanjutnya
  • 9. Pendekatan yang digunakan di dalam algoritma gree dy adalah membuat pilihan yang “tampaknya” memberikan perolehan terbaik, yaitu dengan memb uat pilihan optimum lokal (local optimum) pada setiap langkah dengan harapan bahwa sisanya mengarah k e solusi optimum global (global optimum).
  • 10.  Algoritma greedy adalah algoritma yang memecah kan masalah langkah per langkah, pada setiap lan gkah:  mengambil pilihan yang terbaik yang dapat diperoleh p ada saat itu tanpa memperhatikan konsekuensi ke depan (prinsip “take what you can get now!”)  berharap bahwa dengan memilih optimum lokal pada se tiap langkah akan berakhir dengan optimum global.
  • 11. Elemen Algoritma Greedy 1. Himpunan kandidat Berisi elemen-elemen pembentuk solusi. 2. Himpunan solusi Berisi kandidat-kandidat yang terpilih sebagai solusi persoalan. 3. Fungsi seleksi (selection function) Memilih kandidat yang paling memungkinkan mencapai solusi optimal. Kandidat yang sudah dipilih pada suatu langkah tidak pernah dipertimbangkan lagi pada langkah selanjutnya.
  • 12. Elemen Algoritma Greedy (lanjutan) 4. Fungsi kelayakan (feasible) Memeriksa apakah suatu kandidat yang telah dipilih dapat memberikan solusi yang layak, yakni kandidat tersebut bersama- sama dengan himpunan solusi yang sudah terbentuk tidak melanggar kendala (constraints) yang ada. Kandidat yang layak dimasukkan ke dalam himpunan solusi, sedangkan kandidat yang tidak layak dibuang dan tidak pernah dipertimbangkan lagi. 5. Fungsi obyektif Fungsi yang memaksimumkan atau meminimumkan nilai solusi (misalnya panjang lintasan, keuntungan, dan lain-lain).
  • 13. Contoh Masalah  Persoalan: Diberikan uang senilai 32. Tukar uang tersebut dengan koin-koin uang 1, 5, 10, dan 25. Berapa jumla h minimum koin yang diperlukan untuk penukaran tersebut?
  • 14. Jawaban  Uang senilai 32 dapat ditukar dengan cara berikut: 32 = 1 + 1 + … + 1 (32 koin) 32 = 5 + 5 + 5 + 5 + 10 + 1 + 1 (7 koin) 32 = 10 + 10 + 10 + 1 + 1 (5 koin) … dan seterusnya  Minimum: 32 = 25 + 5 + 1 + 1 ~~~~ hanya 4 koi n
  • 15. Penjelasan  Strategi greedy yang digunakan adalah: Pada setiap langkah, pilihlah koin dengan nilai sebesar mungkin dari himpunan koin yang tersisa dengan syarat (kendala) tidak melebihi nilai uang yang ditukarkan.  Tinjau masalah menukarkan uang 32 penyelesaian : Langkah 1: pilih 1 buah koin 25 (Total = 25) Langkah 2: pilih 1 buah koin 5 (Total = 25 + 5 = 30) Langkah 3: pilih 2 buah koin 1 (Total = 25+5+1+1= 32)  Solusi: Jumlah koin minimum = 4 (solusi optimal!)
  • 16. Penjelasan dengan Menggunakan Greedy  Himpunan kandidat: Himpunan koin yang merepresentasikan nilai 1, 5, 10, 25, pali ng sedikit mengandung satu koin untuk setiap nilai.  Himpunan solusi: Total nilai koin yang dipilih tepat sama jumlahnya dengan nilai uang yang ditukarkan (32).  Fungsi seleksi: Pilihlah koin yang bernilai tertinggi dari himpunan kandidat yang tersisa.
  • 17. Penjelasan dengan Menggunakan Greedy  Fungsi layak: memeriksa apakah nilai total dari himpunan koin yang dipilih tidak melebihi jumlah uang yang harus dibayar.  Fungsi obyektif jumlah koin yang digunakan minimum.
  • 18. REFFERENCE  Munir, Rinaldi. Diktat Kuliah “Kompleksitas Algoritma”, Departemen T eknik Informatika ITB  Levitin, Anany. 2012. Introduction to the Design and Analysis of A lgorithms, 3rd Edition.Addison Wesley