Teks tersebut membahas penerapan metode Greedy Knapsack untuk menentukan komposisi buah-buahan yang dapat disimpan di lemari pendingin dengan kapasitas tertentu. Metode ini digunakan untuk menghitung kombinasi jenis dan jumlah buah yang memberikan nilai total maksimum sambil memenuhi kapasitas lemari. Hasilnya menunjukkan bahwa dengan menggunakan kriteria rasio profit dan bobot tertinggi, komposisi salak 67,7%,
PENERAPAN METODE GREEDY KNAPSACK DALAM MENENTUKAN KOMPOSISI BUAH PADA MASALAH...faisalpiliang1
Greedy method is frequently used to find optimal solutions of a problem. One of the problems that can be solved in Greedy method is Knapsack problem or basket for the shelter. Knapsack problems or basketball is how to choose or define the many objects from several existing objects that can be loaded into the basket in such a way so get the maximum cumulative value and according to the maximum capacity of the bucket.
The purpose of this paper is to solve the problem of determining the composition of the three (3) types of fruit available (and in every kind have value and weight for different or varied) by using a comparison of the value (profit) with the largest weight, and to determine how the shelter was able to take a four (4) types of fruit available is optimally.
TEKNIK MENENTUKAN KOMPOSISI BUAH PADA MASALAH PENGANGKUTAN DENGAN MENGGUNAKAN...faisalpiliang1
Teknik menentukan komposisi buah pada masalah pengangkutan dengan menggunakan metode greedy knapsack membahas cara menentukan jenis dan jumlah buah yang dapat diangkut secara optimal menggunakan truk berkapasitas 15 ton dengan mempertimbangkan berat dan nilai setiap jenis buah. Metode ini mengurutkan rasio antara nilai dan berat setiap buah secara menurun untuk menentukan solusi terbaik.
Algoritma greedy digunakan untuk memecahkan masalah optimasi dengan memilih solusi secara langkah demi langkah, dimana setiap langkah memilih alternatif terbaik berdasarkan fungsi seleksi. Algoritma ini tidak selalu menghasilkan solusi optimal global meskipun memberikan hasil yang mendekati optimal. Contoh penerapannya adalah masalah penukaran uang dan knapsack.
Dokumen tersebut berisi materi pelajaran Riset Operasi yang mencakup pengertian riset operasi, program linear metode grafik dan contoh soal. Topik utama yang disajikan adalah program linear untuk menyelesaikan masalah maksimisasi dan minimisasi menggunakan metode grafik.
PENERAPAN METODE GREEDY KNAPSACK DALAM MENENTUKAN KOMPOSISI BUAH PADA MASALAH...faisalpiliang1
Greedy method is frequently used to find optimal solutions of a problem. One of the problems that can be solved in Greedy method is Knapsack problem or basket for the shelter. Knapsack problems or basketball is how to choose or define the many objects from several existing objects that can be loaded into the basket in such a way so get the maximum cumulative value and according to the maximum capacity of the bucket.
The purpose of this paper is to solve the problem of determining the composition of the three (3) types of fruit available (and in every kind have value and weight for different or varied) by using a comparison of the value (profit) with the largest weight, and to determine how the shelter was able to take a four (4) types of fruit available is optimally.
TEKNIK MENENTUKAN KOMPOSISI BUAH PADA MASALAH PENGANGKUTAN DENGAN MENGGUNAKAN...faisalpiliang1
Teknik menentukan komposisi buah pada masalah pengangkutan dengan menggunakan metode greedy knapsack membahas cara menentukan jenis dan jumlah buah yang dapat diangkut secara optimal menggunakan truk berkapasitas 15 ton dengan mempertimbangkan berat dan nilai setiap jenis buah. Metode ini mengurutkan rasio antara nilai dan berat setiap buah secara menurun untuk menentukan solusi terbaik.
Algoritma greedy digunakan untuk memecahkan masalah optimasi dengan memilih solusi secara langkah demi langkah, dimana setiap langkah memilih alternatif terbaik berdasarkan fungsi seleksi. Algoritma ini tidak selalu menghasilkan solusi optimal global meskipun memberikan hasil yang mendekati optimal. Contoh penerapannya adalah masalah penukaran uang dan knapsack.
Dokumen tersebut berisi materi pelajaran Riset Operasi yang mencakup pengertian riset operasi, program linear metode grafik dan contoh soal. Topik utama yang disajikan adalah program linear untuk menyelesaikan masalah maksimisasi dan minimisasi menggunakan metode grafik.
Metode Greedy digunakan untuk memecahkan masalah optimasi dengan membuat pilihan optimum lokal pada setiap langkah agar mengarah pada solusi optimum global. Metode ini menerapkan prinsip "raku dan tamak" dimana pada setiap langkah membuat keputusan terbaik untuk mendapatkan solusi secara incremental. Metode Greedy diterapkan pada masalah seperti penukaran uang, penyimpanan data optimal, knapsack, dan pembuatan pohon minimal.
Dokumen tersebut membahas metode greedy dalam penyelesaian masalah optimasi. Metode ini mengambil keputusan lokal yang optimal pada setiap langkah untuk mencapai solusi global yang optimal. Beberapa contoh masalah yang dapat diselesaikan dengan metode ini adalah optimal storage, knapsack problem, minimum spanning tree, dan shortest path problem.
Dokumen tersebut membahas metode greedy dalam penyelesaian masalah optimasi. Metode ini mengambil keputusan secara lokal di setiap langkah untuk mencapai solusi global yang optimal. Beberapa contoh masalah yang dapat diselesaikan dengan metode ini adalah optimal storage, knapsack problem, minimum spanning tree, dan shortest path problem.
Dokumen tersebut membahas metode greedy untuk memecahkan masalah optimasi. Metode ini mengambil keputusan lokal yang optimal pada setiap langkah untuk mencapai solusi global yang optimal. Dibahas pula contoh-contoh masalah optimasi seperti penukaran uang, knapsack problem, dan penyimpanan program secara optimal yang dapat diselesaikan menggunakan metode greedy.
Knapsack problem adalah masalah memilih barang dengan mempertimbangkan berat dan nilai setiap barang untuk memaksimalkan keuntungan total dalam batasan kapasitas knapsack. Metode greedy digunakan dengan memilih barang berdasarkan nilai, berat, atau rasio nilai-berat untuk mendapatkan solusi. Masalah ini relevan dalam pengisian barang di gudang atau optimalisasi sumber daya.
Dokumen tersebut menjelaskan beberapa ukuran pemusatan data yang meliputi rata-rata, median, dan modus. Rata-rata digunakan untuk mewakili seluruh data, median adalah nilai tengah data yang telah diurutkan, sedangkan modus adalah nilai yang paling sering muncul. Dokumen ini juga memberikan contoh perhitungan ketiga ukuran pemusatan tersebut baik untuk data tunggal maupun kelompok.
TEKNIK MENENTUKAN KOMPOSISI HEADGEAR BOX DALAM UNDIVIDED RAGNAROK , UNDI...faisalpiliang1
Permainan Undivided Ragnarok merupakan permainan yang dilakukan secara online yang terhubung dengan internet dari seluruh dunia. Para pemain mengumpulkan poin dari beberapa
event /acara yang ada didalam permainan tersebut. Poin tersebut dapat ditukar dengan kotak penutup kepala (Headgear Box) sebagai aksesoris/avatar dari karakter pemainnya. Permainan Undivided Ragnarok memiliki 6 jenis headgear box. Tujuan dari penelitian ini adalah untuk membantu permasalahan optimasi penukaran headgear box sebesar 1.000 poin, bagaimana para pemain mengatur komposisi headgear yang akan ditukar, jenis headgear apa saja yang boleh dipilih dan seberapa banyak headgear tersebut ditukar, agar sesuaidengan perolehan nilai permainan sebesar 1.000 poin. Metode penelitian yang digunakan yaitu metode Greedy. Masalah adalah bagaimana memilih atau menentukan banyaknya headgear dari beberapa jenis headgear yang ada dalam headgear box sedemikian rupa sehingga bisa mendapatkan nilai maksimum dansesuai dengan kapasitas maksimum perolehan poin. Kesimpulan dari penelitian ini adalah dengan menggunakan metode Greedy dapat membantu menyelesaikan persoalan optimasi penukaran headgear box untuk mencari jumlah headgear box seminimal mungkin dengan komposisi tiga jenis Luxurious Headgearbox senilai 300 poin dan satu jenis Cola Headgear box sebesar 100 poin.
TEKNIK MENENTUKAN LINTASAN TERPENDEK PADA JARINGAN LOKAL KOMPUTER MENGGUNAKA...Joshua Rumagit
Oleh: Faisal Piliang
Program Studi Sistem Informasi, Fakultas Telematika, Universitas Trilogi Jalan Kampus Trilogi/d.h.STEKPI No. 1, Kalibata Jakarta, Indonesia Email : faisalpiliang@universitas-trilogi.ac.id
.
1. Papan program linier adalah alat peraga untuk menentukan daerah penyelesaian sistem pertidaksamaan linier dua variabel.
2. Cara membuatnya dengan menggambar sistem pertidaksamaan dan garis batasnya, sedangkan penggunaannya dengan mengetes titik-titik di dalam daerah tersebut.
3. Tujuannya adalah memudahkan siswa memahami konsep dasar program linier.
Ukuran Penyebaran Data
Dokumen ini membahas beberapa ukuran penyebaran data untuk mengukur seberapa jauh suatu data menyebar dari rata-ratanya, seperti jangkauan data, jangkauan antar kuartil, simpangan rata-rata, dan simpangan baku. Ukuran-ukuran ini berguna untuk membandingkan tingkat variasi dari dua himpunan data.
Dokumen tersebut memberikan penjelasan mengenai beberapa ukuran penyebaran data seperti jangkauan, simpangan rata-rata, simpangan standar, kuartil, dan persentil beserta contoh perhitungannya.
Ukuran Penyebaran Data
Dokumen ini membahas lima ukuran penyebaran data, yaitu jangkauan data, jangkauan antar kuartil dan simpangan kuartil, simpangan rata-rata, dan simpangan baku. Ukuran-ukuran ini digunakan untuk mengukur seberapa jauh suatu data menyebar dari rata-ratanya.
Comparison of Dynamic Programming Algorithm and Greedy Algorithm on Integer K...faisalpiliang1
At this time the delivery of goods to be familiar because the use of delivery of goods services greatly facilitate customers. PT Post Indonesia is one of the delivery of goods. On the delivery of goods, we often encounter the selection of goods which entered first into the transportation and held from the delivery. At the time of the selection, there are Knapsack problems that require optimal selection of solutions. Knapsack is a place used as a means of storing or inserting an object. The purpose of this research is to know how to get optimal solution result in solving Integer Knapsack problem on freight transportation by using Dynamic Programming Algorithm and Greedy Algorithm at PT Post Indonesia Semarang. This also knowing the results of the implementation of Greedy Algorithm with Dynamic Programming Algorithm on Integer Knapsack problems on the selection of goods transport in PT Post Indonesia Semarang by applying on the mobile application. The results of this research are made from the results obtained by the Dynamic Programming Algorithm with total weight 5022 kg in 7 days. While the calculation result obtained by Greedy Algorithm, that is total weight of delivery equal to 4496 kg in 7 days. It can be concluded that the calculation results obtained by Dynamic Programming Algorithm in 7 days has a total weight of 526 kg is greater when compared with Greedy Algorithm.
APLIKASI POINT OF SALE MULTI OUTLET DAN MULTI PAYMENT BERBASIS WEB DAN ANDROIDfaisalpiliang1
Dokumen tersebut membahas tentang perancangan aplikasi point of sale multi outlet dan multi payment berbasis web dan android. Aplikasi ini dirancang untuk memudahkan proses transaksi penjualan di beberapa outlet sekaligus dengan berbagai metode pembayaran. Proses perancangan meliputi pengumpulan data, analisis sistem, perancangan sistem, basisdata dan antarmuka. Hasilnya adalah aplikasi POS yang dapat memberikan laporan penjualan akurat dan memudahkan proses trans
Peningkatan Keterampilan Berbicara dengan Bercerita Menggunakan Komik Elektro...faisalpiliang1
Penelitian ini bertujuan untuk meningkatkan keterampilan berbicara anak usia 5-6 tahun di TK Setia Budhi dengan menggunakan komik elektronik tematik. Hasilnya menunjukkan peningkatan signifikan keterampilan berbicara anak dari 33,33% menjadi 80,55% setelah intervensi bercerita menggunakan komik elektronik."
COVID-19 and Disruption in Management and Education Academics: Bibliometric M...faisalpiliang1
COVID-19, What to do now? This issue has had devastating effects in all domains of society
worldwide. Lockdowns, the lack of freedom and social distancing meant the closure of a country’s
entire activity. Having effects at all levels, beside incalculable ones in health, it is argued that scientific
activity in education, business, economics and management suffered some of the most drastic impacts
of this pandemic. This study aims to map the scientific literature in these areas in the context of
COVID-19 and analyze its content through bibliometrics, which made it possible to highlight the
scarcity of studies on the topic, namely empirical studies on the effects of this pandemic on scientific
research and teaching/education. The results show there is a lack of peer-reviewed publications on
this topic, with the studies covered (93) via the threads used revealing only 28 articles coming within
the proposed objective. The bibliometrics corroborates that shortage. Finally, the contributions and
implications for theory and practice are presented, followed by the limitations and suggestions for
future research.
Mengukur Tingkat Kematangan Tata Kelola Sistem Informasi Akademik Menggunakan...faisalpiliang1
Dokumen tersebut membahas pengukuran tingkat kematangan tata kelola sistem informasi akademik menggunakan kerangka COBIT 4.1 dan Balanced Scorecard. Penelitian ini mengukur tingkat kematangan tata kelola sistem informasi akademik STIMIK Sepuluh Nopember Jayapura khususnya pada proses PO5 dan DS6 menggunakan COBIT dan perspektif keuangan Balanced Scorecard. Hasilnya menunjukkan tingkat kematangan saat ini berada pada level
Ringkasan dari dokumen tersebut adalah sebagai berikut:
Pertama, dokumen tersebut membahas tentang rancang bangun aplikasi e-learning bahasa Jepang berbasis web. Kedua, aplikasi ini dirancang menggunakan metode waterfall dan menampilkan entity relationship diagram serta data flow diagram. Ketiga, aplikasi ini bertujuan untuk memudahkan pembelajaran bahasa Jepang bagi pemula."
More Related Content
Similar to Penerapan Metode Greedy Knapsack dalam Menentukan Komposisi Buah-buahan
Metode Greedy digunakan untuk memecahkan masalah optimasi dengan membuat pilihan optimum lokal pada setiap langkah agar mengarah pada solusi optimum global. Metode ini menerapkan prinsip "raku dan tamak" dimana pada setiap langkah membuat keputusan terbaik untuk mendapatkan solusi secara incremental. Metode Greedy diterapkan pada masalah seperti penukaran uang, penyimpanan data optimal, knapsack, dan pembuatan pohon minimal.
Dokumen tersebut membahas metode greedy dalam penyelesaian masalah optimasi. Metode ini mengambil keputusan lokal yang optimal pada setiap langkah untuk mencapai solusi global yang optimal. Beberapa contoh masalah yang dapat diselesaikan dengan metode ini adalah optimal storage, knapsack problem, minimum spanning tree, dan shortest path problem.
Dokumen tersebut membahas metode greedy dalam penyelesaian masalah optimasi. Metode ini mengambil keputusan secara lokal di setiap langkah untuk mencapai solusi global yang optimal. Beberapa contoh masalah yang dapat diselesaikan dengan metode ini adalah optimal storage, knapsack problem, minimum spanning tree, dan shortest path problem.
Dokumen tersebut membahas metode greedy untuk memecahkan masalah optimasi. Metode ini mengambil keputusan lokal yang optimal pada setiap langkah untuk mencapai solusi global yang optimal. Dibahas pula contoh-contoh masalah optimasi seperti penukaran uang, knapsack problem, dan penyimpanan program secara optimal yang dapat diselesaikan menggunakan metode greedy.
Knapsack problem adalah masalah memilih barang dengan mempertimbangkan berat dan nilai setiap barang untuk memaksimalkan keuntungan total dalam batasan kapasitas knapsack. Metode greedy digunakan dengan memilih barang berdasarkan nilai, berat, atau rasio nilai-berat untuk mendapatkan solusi. Masalah ini relevan dalam pengisian barang di gudang atau optimalisasi sumber daya.
Dokumen tersebut menjelaskan beberapa ukuran pemusatan data yang meliputi rata-rata, median, dan modus. Rata-rata digunakan untuk mewakili seluruh data, median adalah nilai tengah data yang telah diurutkan, sedangkan modus adalah nilai yang paling sering muncul. Dokumen ini juga memberikan contoh perhitungan ketiga ukuran pemusatan tersebut baik untuk data tunggal maupun kelompok.
TEKNIK MENENTUKAN KOMPOSISI HEADGEAR BOX DALAM UNDIVIDED RAGNAROK , UNDI...faisalpiliang1
Permainan Undivided Ragnarok merupakan permainan yang dilakukan secara online yang terhubung dengan internet dari seluruh dunia. Para pemain mengumpulkan poin dari beberapa
event /acara yang ada didalam permainan tersebut. Poin tersebut dapat ditukar dengan kotak penutup kepala (Headgear Box) sebagai aksesoris/avatar dari karakter pemainnya. Permainan Undivided Ragnarok memiliki 6 jenis headgear box. Tujuan dari penelitian ini adalah untuk membantu permasalahan optimasi penukaran headgear box sebesar 1.000 poin, bagaimana para pemain mengatur komposisi headgear yang akan ditukar, jenis headgear apa saja yang boleh dipilih dan seberapa banyak headgear tersebut ditukar, agar sesuaidengan perolehan nilai permainan sebesar 1.000 poin. Metode penelitian yang digunakan yaitu metode Greedy. Masalah adalah bagaimana memilih atau menentukan banyaknya headgear dari beberapa jenis headgear yang ada dalam headgear box sedemikian rupa sehingga bisa mendapatkan nilai maksimum dansesuai dengan kapasitas maksimum perolehan poin. Kesimpulan dari penelitian ini adalah dengan menggunakan metode Greedy dapat membantu menyelesaikan persoalan optimasi penukaran headgear box untuk mencari jumlah headgear box seminimal mungkin dengan komposisi tiga jenis Luxurious Headgearbox senilai 300 poin dan satu jenis Cola Headgear box sebesar 100 poin.
TEKNIK MENENTUKAN LINTASAN TERPENDEK PADA JARINGAN LOKAL KOMPUTER MENGGUNAKA...Joshua Rumagit
Oleh: Faisal Piliang
Program Studi Sistem Informasi, Fakultas Telematika, Universitas Trilogi Jalan Kampus Trilogi/d.h.STEKPI No. 1, Kalibata Jakarta, Indonesia Email : faisalpiliang@universitas-trilogi.ac.id
.
1. Papan program linier adalah alat peraga untuk menentukan daerah penyelesaian sistem pertidaksamaan linier dua variabel.
2. Cara membuatnya dengan menggambar sistem pertidaksamaan dan garis batasnya, sedangkan penggunaannya dengan mengetes titik-titik di dalam daerah tersebut.
3. Tujuannya adalah memudahkan siswa memahami konsep dasar program linier.
Ukuran Penyebaran Data
Dokumen ini membahas beberapa ukuran penyebaran data untuk mengukur seberapa jauh suatu data menyebar dari rata-ratanya, seperti jangkauan data, jangkauan antar kuartil, simpangan rata-rata, dan simpangan baku. Ukuran-ukuran ini berguna untuk membandingkan tingkat variasi dari dua himpunan data.
Dokumen tersebut memberikan penjelasan mengenai beberapa ukuran penyebaran data seperti jangkauan, simpangan rata-rata, simpangan standar, kuartil, dan persentil beserta contoh perhitungannya.
Ukuran Penyebaran Data
Dokumen ini membahas lima ukuran penyebaran data, yaitu jangkauan data, jangkauan antar kuartil dan simpangan kuartil, simpangan rata-rata, dan simpangan baku. Ukuran-ukuran ini digunakan untuk mengukur seberapa jauh suatu data menyebar dari rata-ratanya.
Similar to Penerapan Metode Greedy Knapsack dalam Menentukan Komposisi Buah-buahan (16)
Comparison of Dynamic Programming Algorithm and Greedy Algorithm on Integer K...faisalpiliang1
At this time the delivery of goods to be familiar because the use of delivery of goods services greatly facilitate customers. PT Post Indonesia is one of the delivery of goods. On the delivery of goods, we often encounter the selection of goods which entered first into the transportation and held from the delivery. At the time of the selection, there are Knapsack problems that require optimal selection of solutions. Knapsack is a place used as a means of storing or inserting an object. The purpose of this research is to know how to get optimal solution result in solving Integer Knapsack problem on freight transportation by using Dynamic Programming Algorithm and Greedy Algorithm at PT Post Indonesia Semarang. This also knowing the results of the implementation of Greedy Algorithm with Dynamic Programming Algorithm on Integer Knapsack problems on the selection of goods transport in PT Post Indonesia Semarang by applying on the mobile application. The results of this research are made from the results obtained by the Dynamic Programming Algorithm with total weight 5022 kg in 7 days. While the calculation result obtained by Greedy Algorithm, that is total weight of delivery equal to 4496 kg in 7 days. It can be concluded that the calculation results obtained by Dynamic Programming Algorithm in 7 days has a total weight of 526 kg is greater when compared with Greedy Algorithm.
APLIKASI POINT OF SALE MULTI OUTLET DAN MULTI PAYMENT BERBASIS WEB DAN ANDROIDfaisalpiliang1
Dokumen tersebut membahas tentang perancangan aplikasi point of sale multi outlet dan multi payment berbasis web dan android. Aplikasi ini dirancang untuk memudahkan proses transaksi penjualan di beberapa outlet sekaligus dengan berbagai metode pembayaran. Proses perancangan meliputi pengumpulan data, analisis sistem, perancangan sistem, basisdata dan antarmuka. Hasilnya adalah aplikasi POS yang dapat memberikan laporan penjualan akurat dan memudahkan proses trans
Peningkatan Keterampilan Berbicara dengan Bercerita Menggunakan Komik Elektro...faisalpiliang1
Penelitian ini bertujuan untuk meningkatkan keterampilan berbicara anak usia 5-6 tahun di TK Setia Budhi dengan menggunakan komik elektronik tematik. Hasilnya menunjukkan peningkatan signifikan keterampilan berbicara anak dari 33,33% menjadi 80,55% setelah intervensi bercerita menggunakan komik elektronik."
COVID-19 and Disruption in Management and Education Academics: Bibliometric M...faisalpiliang1
COVID-19, What to do now? This issue has had devastating effects in all domains of society
worldwide. Lockdowns, the lack of freedom and social distancing meant the closure of a country’s
entire activity. Having effects at all levels, beside incalculable ones in health, it is argued that scientific
activity in education, business, economics and management suffered some of the most drastic impacts
of this pandemic. This study aims to map the scientific literature in these areas in the context of
COVID-19 and analyze its content through bibliometrics, which made it possible to highlight the
scarcity of studies on the topic, namely empirical studies on the effects of this pandemic on scientific
research and teaching/education. The results show there is a lack of peer-reviewed publications on
this topic, with the studies covered (93) via the threads used revealing only 28 articles coming within
the proposed objective. The bibliometrics corroborates that shortage. Finally, the contributions and
implications for theory and practice are presented, followed by the limitations and suggestions for
future research.
Mengukur Tingkat Kematangan Tata Kelola Sistem Informasi Akademik Menggunakan...faisalpiliang1
Dokumen tersebut membahas pengukuran tingkat kematangan tata kelola sistem informasi akademik menggunakan kerangka COBIT 4.1 dan Balanced Scorecard. Penelitian ini mengukur tingkat kematangan tata kelola sistem informasi akademik STIMIK Sepuluh Nopember Jayapura khususnya pada proses PO5 dan DS6 menggunakan COBIT dan perspektif keuangan Balanced Scorecard. Hasilnya menunjukkan tingkat kematangan saat ini berada pada level
Ringkasan dari dokumen tersebut adalah sebagai berikut:
Pertama, dokumen tersebut membahas tentang rancang bangun aplikasi e-learning bahasa Jepang berbasis web. Kedua, aplikasi ini dirancang menggunakan metode waterfall dan menampilkan entity relationship diagram serta data flow diagram. Ketiga, aplikasi ini bertujuan untuk memudahkan pembelajaran bahasa Jepang bagi pemula."
TEKNIK MENENTUKAN PERJALANAN PADA MASALAH PERSIMPANGAN DENGAN MENGGUNAKAN MET...faisalpiliang1
Metode Greedy adalah salah satu cara atau teknik merancang suatu algoritma. Metode Greedy digunakan untuk mendapatkan solusi optimal dari suatu permasalahan. Salah satu permasalahan yang dapat diselesaikan dalam metode Greedy adalah masalah Coloring Graphatau pewarnaan graf. Pewarnaan graf adalah proses pelabelan setiap simpul dalam graf dengan label tertentu (warna) sehingga tidak ada dua simpul bertetanggan yang memiliki warna yang sama. Pewarnaan graf dapat diaplikasikan dalam berbagai bidang atau masalah. Salah satu aplikasi pewarnaan graf adalah dalam masalah pewarnaan lampu lalulintas. Dalam pewarnaan lampu lalulintas, setiap jalur dinyatakan sebagai simpul dan sisi menggambarkan bahwa kedua jalur yang terhubung oleh sisi tersebut berjalan secarabersamaan sehingga terjadi konflik. Tujuan dari penerapan graf pada masalah pewarnaan lampu lalulintas adalah agar mengetahui jalur-jalur mana yang terjadi konflik dan jalur mana saja yang diperbolehkan. Adapun tantangan dari problem ini adalah bagaimana caranya mengusahakan agar jumlah warna yang diperlukan seminimal mungkin.
PENERAPAN METODE GREEDY DALAM OPTIMASI PENUKARAN UANG SEBESAR 125 RIBU RUPIAHfaisalpiliang1
Greedy method is the most popular method for solving the optimization problem; it is often also used to obtain the optimal solution of a problem. Issues optimization (optimization problems) is a matter of looking for the optimum solution. There are two kinds of optimization problems, namely maximization (maximization) and Minimize (minimization). The problem can be solved in such Greedy method is an optimization problem in exchange of money. In this journal, taken a case on the issue of how to optimize the exchange of money amounting to 125 thousand dollars?
Penerapan Algoritma Greedy Dalam Menentukan Rute Terpendek Puskesmas (Studi K...faisalpiliang1
1. Penelitian ini menggunakan algoritma Greedy untuk menentukan rute terpendek dari lokasi pengguna ke tujuh puskesmas di Kota Tanjungpinang berdasarkan koordinat simpul dan koneksi jalan.
Efektifitas Penerapan Metode AHP dalam Pemilihan Perangkat Lunak Pengolah Cit...faisalpiliang1
Sistem pendukung keputusan (SPK) dirancang untuk membantu pengambilan keputusan mulai dari mengidentifikasi masalah hingga mengevaluasi alternatif. Penelitian ini menganalisis penerapan metode AHP dalam pemilihan perangkat lunak pengolah citra dengan menggunakan kriteria manfaat dan biaya. Hasilnya memberikan urutan alternatif perangkat lunak berdasarkan nilai prioritas.
PENERAPAN METODE GREEDY COLORING DALAM MENYELESAIKAN MASALAH PERSIMPANGAN JALANfaisalpiliang1
AbstrakAbstrakAbstrakAbstrakGreedy method is one of the ways or techniques to design an algorithm that is widely used to find optimal solutions of a problem. One of the problems that can be solved in the method is the Greedy Graph Coloring Problem or graph coloring. One application is in the coloring of a graph coloring problem traffic lights. In the traffic light staining, each lane is expressed as a node and illustrates that the two sides are connected by a path that runs along the side of coming into conflict. The purpose of the application of the graph coloring problem is the traffic lights in order to determine which lines of conflict and where the lines are allowed. The challenge of this problem is how to see to it that the required number of colors to a minimum.
SISTEM PENUNJANG KEPUTUSAN PEMILIHAN PERANGKAT LUNAK PENGOLAH CITRA DENGAN ME...faisalpiliang1
Makalah ini membahas sistem pendukung keputusan untuk memilih perangkat lunak pengolah citra dengan menggunakan metode Analytical Hierarchy Process (AHP) dan Multi-Criteria Decision Making (MCDM). Metode ini digunakan untuk menentukan pilihan perangkat lunak pengolah citra berdasarkan kriteria manfaat dan biaya. Hasil akhirnya menunjukkan Dreamweaver sebagai pilihan utama, diikuti Frontpage dan Photoshop.
SISTEM PENUNJANG KEPUTUSAN PEMILIHAN PERANGKAT PEMROSESAN DATA MENGGUNAKAN ME...faisalpiliang1
Dokumen tersebut merupakan prosiding Konferensi Nasional Sistem Informasi 2015 yang diselenggarakan oleh Universitas Klabat bekerja sama dengan Institut Teknologi Bandung. Acara ini berisi ringkasan makalah yang dipresentasikan oleh para peneliti dan akademisi dari berbagai perguruan tinggi di Indonesia.
Sistem Penunjang Keputusan Pemilihan Sekolah Menengah Kejuruan Teknik Kompute...faisalpiliang1
Decision support system (DSS) is systems that can help a person to make decisions on the various types of options are done accurately and in accordance with the desired goals. Many problems can be solved by using decision support systems. In this research the decision support system is used to help the Junior High School (SMP) graduate students in determining the choice to enter or continue their education to a favorite Vocational High School of Computer Engineering and Networks (SMK TKJ) that anyone wants they select as an advanced stage subsequent education. The method used in this research is using Multi-Criteria Decision Making (MCDM) and Analytical Hierarchy Process (AHP), because it is the most widely used method in solving the problems that are multi-criteria, such as decision support systems to solve problems in determining the election into the favorite Vocational High School of Computer Engineering and Networks (SMK TKJ). The end result of this research is 44.8% weighted value of the respondents answers is chose the SMK TI 2, 29.3% weight value of the respondents answers is chose the SMK TI 1 and 25,9% weight value of the respondents answers is chose the SMK TI 3 as their favorite school.
ANALISIS DAN PERANCANGAN SISTEM INFORMASI PASIEN (SIPASIEN)faisalpiliang1
Dokumen tersebut membahas analisis dan perancangan sistem informasi pasien (SiPasien) untuk membantu klinik kecil dalam pengelolaan data pasien, rekam medis, dan obat. Sistem ini dirancang menggunakan metode waterfall dan pemodelan DFD serta ERD untuk menggambarkan aliran data dan hubungan entitasnya."
1. Artikel ini membahas sistem pendukung keputusan pemilihan perangkat lunak layanan pengolah pemungutan suara elektronik berdasarkan kriteria yang telah ditentukan menggunakan metode Analytical Hierarchy Process (AHP) dan Multi-Criteria Decision Making (MCDM).
2. Hasil penelitian menunjukkan bahwa urutan terbaik perangkat lunak layanan pemungutan suara elektronik adalah Online-Voting, Express-Vote, Simply-Voting, dan Online-Ballot.
STRATEGI OPTIMASI DALAM MENENTUKAN LINTASAN TERPENDEK UNDIVIDED RAGNAROK ASSA...faisalpiliang1
Menyelesaikan masalah jalur terpendek dari suatu kota ke kota berikutnya dengan menggunakan grafik. Algoritma kruskal dapat menyelesaikan masalah jalur terpendek.
OPTIMASI DIAGRAM LAYANAN PEMBELIAN DALAM MENDUKUNG MANAJEMEN HUBUNGAN PELANGGANfaisalpiliang1
Tiga kalimat ringkasan dokumen tersebut adalah:
Dokumen tersebut membahas pengoptimalan diagram layanan pembelian dalam mendukung manajemen hubungan pelanggan dengan menggunakan teknologi komunikasi informasi seperti SMS dan menggambarkannya lewat flowchart, ERD, dan DFD untuk memecahkan masalah layanan pembelian.
PENINGKATAN KUALITAS PENDIDIKAN ANAK DENGAN PEMBANGUNAN KOMIK ELEKTRONIKfaisalpiliang1
Penelitian ini bertujuan untuk merancang komik elektronik yang dapat meningkatkan kualitas pendidikan anak dengan memberikan informasi pembelajaran tentang memilih makanan sehat, lingkungan bersih, dan menggunakan metode survei, wawancara, dan rancang bangun untuk menghasilkan desain komik elektronik interaktif. Hasilnya adalah rancangan komik elektronik dengan berbagai halaman tentang makanan dan lingkungan yang dapat meningkatkan minat
THE EARTH BUILDING TAX AMNESTY SELECTION IN INCREASING LOCAL ORIGINAL INCOMEfaisalpiliang1
This document discusses using the analytical hierarchy process (AHP) method to determine the best option for an earth building tax amnesty in order to increase local original income. It reviews previous related research on optimizing land and building tax collection. The AHP method will be used to evaluate criteria such as economic benefits and tangible benefits of tax amnesty and tax imposition alternatives. Expert respondents will provide inputs through questionnaires and focus group discussions to define the criteria and alternatives and their relative importance. The results will help select the option that most increases local original income while reducing dependence on central government assistance.
THE EARTH BUILDING TAX AMNESTY SELECTION IN INCREASING LOCAL ORIGINAL INCOME
Penerapan Metode Greedy Knapsack dalam Menentukan Komposisi Buah-buahan
1.
2.
3.
4.
5.
6. 509
Penerapan Metode Greedy Knapsack Dalam
Menentukan Komposisi Buah-buahan Pada
Masalah Penyimpanan Lemari Pendingin
Faisal Piliang
Telematika Department, Trilogi University
Jl. Kampus Trilogi/STEKPI No.1 Kalibata Jakarta 12760
faisalpiliang@universitas-trilogi.ac.id
Abstrak—Tujuan dari penetilian ini untuk membantu
permasalahan kapasitas tempat penyimpanan buah-buahan
dalam lemari pendingin. Bagaimana kita mengatur komposisi
buah-buahan yang akan disimpan, jenis buah-buahan apa saja
yang boleh dipilih dan seberapa banyak buah-buahan tersebut
disimpan dalam lemari pendingin, agar sesuai dengan kapasitas
maksimum lemari pendingin. Metode penelitian ini
menggunakan metode Greedy Knapsack, karena metode greedy
sering digunakan untuk mencari solusi optimal dari suatu
masalah, salah satunya yaitu masalah knapsack. Masalah
knapsack adalah bagaimana memilih atau menentukan banyak
buah-buahan dari beberapa jenis buah-buahan yang ada yang
dapat dimuat ke dalam lemari pendingin sedemikian rupa
sehingga bisa mendapatkan nilai kumulatif maksimum dan
sesuai dengan kapasitas maksimum knapsack. Kesimpulan dari
penelitian ini adalah dengan menggunakan metode Greedy
Knapsack dapat membantu pemakai lemari pendingin dalam
menyelesaikan masalah penyimpanan buah-buahan dengan
komposisi buah salak 67.7%, mangga 100% dan jeruk 100%
dapat tersimpan dalam lemari pendingin.
Kata Kunci: Greedy Knapsack, Komposisi buah-buahan,
Kapasitas lemari pendingin.
I. PENDAHULUAN
Buah-buahan sangat bermanfaat bagi tubuh kita, karena
buah-buahan mengandung vitamin dan serat. Kita sering
membeli buah-buahan di pasar swalayan maupun di pasar
tradisional. Agar buah-buahan yang sudah kita beli tetap segar
dan bertahan lama, maka kita akan simpan ke dalam lemari
pendingin. Masalah yang timbul adalah kita dipusingkan
dengan kapasitas tempat penyimpanan yang terbatas padahal
kita diharuskan meletakkan beberapa jenis buah-buahan ke
dalam tempat lemari pendingin tersebut.
Bagaimana kita mengatur komposisi buah-buahan yang ada,
jenis buah apa saja yang dipilih dan seberapa banyak buah-
buahan tersebut disimpan? Dari permasalahan tersebut,
munculah suatu permasalahan yang dikenal dengan
“Permasalahan keranjang” atau lebih dikenal dengan
“Knapsack Problem”. Masalah knapsack merupakan suatu
permasalahan bagaimana memilih objek dari sekian banyak
objek yang ada dan berapa besar objek tersebut akan disimpan
sehingga diperoleh suatu penyimpanan yang optimal dengan
memperhatikan banyaknya objek yang ada dimana setiap
objek memiliki bobot dan nilainya masing-masing dengan
memperhatikan juga kapasitas dari media penyimpanan.
Metode Greedy merupakan salah satu cara untuk
mendapatkan solusi optimal dalam proses penyimpanan. Pada
metode greedy ini digunakan untuk mendapatkan solusi
optimal dari permasalahan yang mempunyai dua kriteria yaitu
Fungsi Tujuan/Utama dan Nilai Pembatas (Constrain). Fungsi
Tujuan hanya terdiri atas satu fungsi sedangkan Fungsi
Pembatas dapat terdiri atas lebih dari satu fungsi.
Rumusan masalah dalam penelitian ini yaitu pembelian
buah-buahan (Salak, Mangga, Jeruk, Pisang) yang memiliki
berat dan harga yang berbeda-beda satu dengan yang lainnya
yang akan disimpan kedalam lemari pendingin dengan
kapasitas maksimal lemari pendingin sebesar 100 kg.
Bagaimana cara untuk menentukan komposisi jenis buah-
buahan tersebut dapat dimuat secara optimal tanpa harus
mengulangi kembali?
Tujuan dari penelitian ini adalah untuk menerapkan atau
mengimplementasikan metode “Greedy Knapsack” dalam
menyelesaikan masalah kapasitas tempat penyimpanan buah-
buahan ke dalam lemari pendingin. Sedangkan manfaat dari
penelitian ini adalah dapat mengimplementasikan metode
greedy pada penyelesaian masalah knapsack, dan dapat
digunakan sebagai sarana dan informasi bagi lembaga
pendidikan serta sebagai kontribusi keilmuan bagi lembaga
terkait.
II. LANDASAN TEORI
Prinsip greedy merupakan metode yang paling populer
untuk menemukan solusi optimum dalam persoalan optimasi
(optimization problem) dengan membentuk solusi langkah per
langkah (step by step). Sesuai arti harfiah Greedy yang berarti
tamak, prinsip utama dari Algoritma ini adalah mengambil
sebanyak mungkin apa yang dapat diperoleh sekarang
(Rinaldi Munir, 2004).
Prinsip utama “Algoritma Greedy” adalah ”take what you
can get now!” maksud dari prinsip tersebut adalah sebagai
berikut: Pada setiap langkah dalam Algoritma Greedy, diambil
keputusan yang paling optimal untuk langkah tersebut tanpa
memperhatikan konsekuensi pada langkah selanjutnya.
Dinamakan solusi tersebut dengan optimum lokal. Kemudian
saat pengambilan nilai optimum lokal pada setiap langkah,
diharapkan tercapai optimum global, yaitu tercapainya solusi
optimum yang melibatkan keseluruhan langkah dari awal
sampai akhir (Budi Satrio dkk, 2006).
Pengkajian data sekunder tentang yang relevan terhadap
penelitian ini adalah sebagai berikut:
Penerapan Prinsip Greedy dalam Permainan Kartu Hearts.
(Adrian Edbert Luman, 2007). Tujuan dari penulisan ini
adalah untuk membantu pembaca dalam memenangkan
permainan kartu Hearts.
Metode Pencarian Langsung untuk Menyelesaikan
Problema Knapsack (Sri Wahyuni, 2009). Tujuan dari
7. 510
penulisan ini adalah untuk membantu proses pencarian
secara langsung dalam masalah keranjang.
Pendekatan Algoritma Greedy pada Duelmasters Trading
Card Game. (Aden Rohmana, 2010). Tujuan dari
penulisan ini adalah untuk membantu pembaca dalam
memenangkan permainan Duelmasters Trading Card.
Aplikasi Algoritma Greedy pada Pemilihan Jenis
Olahraga Ringan. (Ni Made Satvika Iswari, 2010) Tujuan
dari penulisan ini adalah untuk membantu proses
pemilihan jenis olahraga ringan yang digemari.
Aplikasi Algoritma Greedy untuk Optimasi Sistem
Booking Hotel Online. (Selly Yuvita, 2010). Tujuan dari
penulisan ini adalah untuk membantu proses reservasi
atau pembukuan pemesanan kamar hotel secara maya.
III. ANALISA DAN PEMBAHASAN MASALAH
1. Brute force yaitu penyelesaian dengan cara berikut:
Objek (n) = (1, 2, 3, 4)
Kapasitas (M) = 100
(W1, W2, W3, W4) = (60, 40, 50, 20)
(P1, P2, P3, P4) = (100, 80, 75, 50)
Nilai probabilitas 0 ≤ Xi ≤ 1
Solusi ke Nilai Probabilitas Fungsi Pembatas Fungsi Tujuan
∑ Wi.Xi ≤ M
∑ Pi.Xi (Maximum)
(X1, X2, X3, X4)
(W1.X1)+(W2.X2)+(W3.X3)+(W4.X4) ≤ M
∑ Pi.Xi (Max) =
(P1.X1)+(P2.X2)+(P3.X3) +(P3.X3)
Tabel 1. Penyelesaian Brute force
No (X1,X2,X3,X4) (W1.X1)+ (W2.X2)+ (W3.X3)+ (W4.X4) ∑Wi.Xi≤M
1 (1,1,0,0) 60 40 0 0 100
2 (1,0,4/5,0) 60 0 40 0 100
3 (1,1/2,0,1) 60 20 0 20 100
4 (1,0,2/5,1) 60 0 20 20 100
5 (0,1,1,1/2) 0 40 50 10 100
… … … … … …
No (X1,X2,X3,X4) (P1.X1)+ (P2.X2)+ (P3.X3)+ (P4.X4) ∑Pi.Xi(Max)
1 (1,1,0,0) 100 80 0 0 180
2 (1,0,4/5,0) 100 0 60 0 160
3 (1,1/2,0,1) 100 40 0 50 190
4 (1,0,2/5,1) 100 0 30 50 180
5 (0,1,1,1/2) 0 80 75 25 180
… … … … … …
Dengan cara ini sulit untuk menentukan yang paling optimal
sebab kita harus mencari nilai probabilitas yang tersebar
antara 0 dan 1, 0 ≤ Xi ≤ 1 untuk setiap objek. Cara ini
disarankan tidak digunakan.
2. Penyelesaian dengan greedy:
Objek (n) = (1, 2, 3, 4)
Kapasitas (M) = 100
(W1, W2, W3, W4) = (60, 40, 50, 20)
(P1, P2, P3, P4) = (100, 80, 75, 50)
Nilai probabilitas 0 ≤ Xi ≤ 1
Solusi ke Nilai Probabilitas Fungsi Pembatas Fungsi Tujuan
∑ Wi.Xi ≤ M
∑ Pi.Xi (Maximum)
(X1, X2, X3, X4)
(W1.X1)+(W2.X2)+(W3.X3)+(W4.X4) ≤ M
∑ Pi.Xi (Max) = (P1.X1)+(P2.X2)+(P3.X3) +(P3.X3)
a. Greedy by weight Pilih objek dengan bobot terkecil (Wi),
sehingga susunan data menjadi:
(W4, W2, W3, W1) = (20, 40, 50, 60)
(P4, P2, P3, P1) = (50, 80, 75, 100)
Tabel 2. Penyelesaian dengan Greedy by weight
(X4,X2,X3,X1) (W4.X4)+ (W2.X2)+ (W3.X3)+ (W1.X1) ∑Wi.Xi≤M
(1,1,4/5,0) 20 40 40 0 100
(X4,X2,X3,X1) (P4.X4)+ (P2.X2)+ (P3.X3)+ (P1.X1) ∑Pi.Xi(Max)
(1,1,4/5,0) 50 80 60 0 190
Sehingga nilai ∑ Pi.Xi (Max) = 190
8. 511
b. Greedy by profit, Pilih objek dengan profit terbesar (Pi),
sehingga susunan data menjadi:
(W1, W2, W3, W4) = (60, 40, 50,20)
(P1, P2, P3, P4) = (100, 80, 75, 50)
Tabel 3. Penyelesaian dengan Greedy by profit
(X1,X2,X3,X4) (W1.X1)+ (W2.X2)+ (W3.X3)+ (W4.X4) ∑Wi.Xi≤M
(1,1,0,0) 60 40 0 0 100
(X1,X2,X3,X4) (P1.X1)+ (P2.X2)+ (P3.X3)+ (P4.X4) ∑Pi.Xi(Max)
(1,1,0,0) 100 80 0 0 180
Sehingga nilai ∑ Pi.Xi (Max) = 180
c. Greedy by density Pilih objek dengan nilai perbandingan
profit dengan bobot yang terbesar (Pi /Wi)
Objek (n) = (1, 2, 3, 4)
Kapasitas (M) = 100
(W1, W2, W3, W4) = (60, 40, 50,20)
(P1, P2, P3, P4) = (100, 80, 75, 50)
perbandingan profit dengan bobot
P1/ W1 = 100/60 = 1.67
P2/ W2 = 80/40 = 2
P3/ W3 = 75/50 = 1,5
P4/ W4 = 50/20 = 2,5
Susun data sesuai kriteria, secara tidak naik (non increasing):
(P4, P2, P1, P3) = (50, 80, 100, 75)
(W4, W2, W1, W3) = (20, 40, 60, 50)
Tabel 4. Penyelesaian dengan Greedy by density
(X4,X2,X1,X3) (W4.X4)+ (W2.X2)+ (W1.X1)+ (W3.X3) ∑Wi.Xi≤M
(1,1,2/3,0) 20 40 40 0 100
(X4,X2,X1,X3) (P4.X4)+ (P2.X2)+ (P1.X1)+ (P3.X3) ∑Pi.Xi(Max)
(1,1,2/3,0) 50 80 66.67 0 196.67
Sehingga nilai ∑ Pi.Xi (Max) = 196.67
Dari 3 kriteria di atas dapat disimpulkan bahwa fungsi tujuan
yang bernilai maximum adalah 196,67 dengan fungsi
pembatasnya adalah 100 dan nilai probabilitasnya adalah (X4,
X2, X1, X3) = (1, 1, 2/3, 0), jadi disini yang memberikan hasil
optimal pada kriteria yang ke-3 yaitu Pilih objek dengan nilai
perbandingan profit dengan bobot yang terbesar (Pi/Wi).
Greedy by density Teknik ini akan efektif jika objek
disusun secara tidak naik (non increasing) berdasarkan nilai
Pi/Wi.
Data yang diketahui:
Objek (n) = (1, 2, 3, 4)
Kapasitas (M) = 100
(W1, W2, W3, W4) = (60, 40, 50,20)
(P1, P2, P3, P4) = (100, 80, 75, 50)
Nilai probabilitas 0 ≤ Xi ≤ 1
Solusi ke Nilai Probabilitas Fungsi Pembatas Fungsi Tujuan
∑ Wi.Xi ≤ M
∑ Pi.Xi (Maximum)
(X1, X2, X3, X4)
(W1.X1)+(W2.X2)+(W3.X3)+(W4.X4) ≤ M
∑ Pi.Xi (Max) = (P1.X1)+(P2.X2)+(P3.X3) +(P3.X3)
Susunan data sesuai kriteria perban-dingan profit dengan
bobot dengan bobot yang terbesar (Pi/Wi)
P1/ W1 = 100/60 = 1.67
P2/ W2 = 80/40 = 2
P3/ W3 = 75/50 = 1,5
P4/ W4 = 50/20 = 2,5
Susun data sesuai kriteria, secara tidak naik (non increasing):
(P4, P2, P1, P3) = (50, 80, 100, 75)
(W4, W2, W1, W3) = (20, 40, 60, 50)
Setelah mendapatkan susunan data yang terbaru masukkan
nilai kriteria di atas ke dalam algoritma greedy
Algoritma Greedy:
a. PROCEDURE GREEDY KNAPSACK (P, W, X, n)
b. Variabel yang digunakan REAL P(1:n), W(1:n), X(1:n),
M, isi
c. Variabel yang digunakan INTEGER i, n
d. X(1:n) = 0
e. isi = M
f. FOR i = 1 TO n DO
g. IF W(i) > isi THEN EXIT ENDIF
h. X(i) = 1
i. isi = isi – W(i)
j. REPEAT
k. IF i ≤ n THEN X(i) = isi/W(i) ENDIF
l. Akhir prosedur/proses END GREEDY KNAPSACK
Proses kegiatan dimulai dari langkah ke-d sampai dengan k.
X(1:4) = 0, artinya X(1) = 0, X(2) = 0, X(3) = 0, X(4) = 0;
isi = M = 100
Pengulangan untuk i = 1 sampai dengan 4:
Untuk i = 1
Apakah W(1) > isi
Apakah 20 > 100, jawabnya tidak, karena tidak maka perintah
dibawah IF dikerjakan.
Nilai probabilitas untuk objek pada urutan pertama (X1)
X(1) = 1
isi = 100 – 20 = 80
mengulang untuk perulangan FOR
REPEAT
Untuk i = 2
Apakah W(2) > isi
Apakah 40 > 80, jawabnya tidak, karena tidak maka perintah
dibawah IF dikerjakan.
Nilai probabilitas untuk objek pada urutan kedua (X2)
X(2) = 1
isi = 80 – 40 = 40
mengulang untuk perulangan FOR
REPEAT
Untuk i = 3
9. 512
Apakah W(3) > isi
Apakah 40 > 60, jawabnya tidak, karena tidak maka perintah
dibawah IF dikerjakan.
Nilai probabilitas untuk objek pada urutan ketiga (X3)
X(3) = 40/60 = 2/3
isi = 40 – 40 = 0
mengulang untuk perulangan FOR
REPEAT
Untuk i = 4
Apakah W(4) > isi
Apakah 50 > 0, jawabnya ya, karena ya maka perintah EXIT
dikerjakan, yaitu keluar dari pengulangan/FOR dan
mengerjakan perintah di bawah REPEAT.
Nilai probabilitas untuk objek pada urutan keempat (X4).
Apakah 4 ≤ 4, jawabnya ya, karena ya maka X(4) = 0/0 = 0.
Selesai (akhir dari prosedur greedy Knapsack).
Berarti untuk nilai X(4) = 0, sebab nilai probabilitas untuk
objek ke-4 tidak pernah dicari. Jadi susunan:
Susun data sesuai kriteria, secara tidak naik (non increasing):
(P4, P2, P1, P3) = (50, 80, 100, 75)
(W4, W2, W1, W3) = (20, 40, 60, 50)
Tabel 5. Penyelesaian dengan Algoritma Greedy
(X4,X2,X1,X3) (W4.X4)+ (W2.X2)+ (W1.X1)+ (W3.X3) ∑Wi.Xi≤M
(1,1,2/3,0) 20 40 40 0 100
(X4,X2,X1,X3) (P4.X4)+ (P2.X2)+ (P1.X1)+ (P3.X3) ∑Pi.Xi(Max)
(1,1,2/3,0) 50 80 66.67 0 196.67
Sehingga nilai ∑ Pi.Xi (Max) = 196.67
IV. KESIMPULAN
Penerapan algoritma greedy knapsack dapat dipakai untuk
menyelesaikan permasalahan tempat penyimpanan buah-
buahan didalam lemari pendingin. Dari analisa dan
pembahasan diatas didapatkan hasil akhir nilai ∑ Pi.Xi
(Maximum) adalah 196.67.
DAFTAR PUSTAKA
[1] Adrian Edbert Luman, 2003, “Penerapan Prinsip Greedy dalam
Permainan Kartu Hearts”. (diakses 01 November 2014).
[2] Aden Rohmana, 2010, “Pendekatan Algoritma Greedy pada
Duelmasters Trading Card Game”. (diakses 01 November 2014).
[3] Budi Satrio, dkk. 2006. Perbandingan Algoritma Greedy dan
Variannya Dalam Penyelesaian Persoalan Shortest Common
Superstring. www.informatika.org/MakalahStimik2006.pdf (diakses 01
November 2014).
[4] Faisal, 2014, “Penerapan Metode Greedy Coloring Dalam Menentukan
Perjalanan Pada Masalah Persimpangan”.
[5] Ni Made Satvika Iswari, 2010, “Aplikasi Algoritma Greedy pada
Pemilihan Jenis Olahraga Ringan. (diakses 01 November 2014).
[6] Rinaldi Munir, 2005, Diktat Kuliah Strategi Algoritmik IF2251
Strategi Algoritmik. Departemen Teknik Informatika ITB, Bandung.
[7] Satrio, etc, 2006, “Perbandingan Algoritma Greedy dan Variannya
Dalam Penyelesaian Persoalan Shortest Common Superstring”.
(diakses 01 November 2014).
[8] Selly Yuvita, 2010 , “Aplikasi Algoritma Greedy untuk Optimasi
Sistem Booking Hotel Online”. (diakses 01 November 2014).
[9] Sri Wahyuni, 2009, “Metode Pencarian Langsung untuk
Menyelesaikan Problema Knapscak”. (diakses 01 November 2014).
[10] Suryadi HS, Pengantar Algoritma dan Pemrograman, 1991, Pengantar
Analisa Algoritma, 1992, dan Teori Graph Dasar, 1994, Gunadarma,
Jakarta.