ALGORITMA DAN PEMROGRAMAN III MATERI Analisa Algoritma Algoritma
![ALGORITMA DAN PEMROGRAMAN III ALGORITMA DAN PEMROGRAMAN III](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-1.jpg)
![MATERI � Analisa Algoritma � Algoritma Greedy � Exploring Graph � Algoritma Probabilistic MATERI � Analisa Algoritma � Algoritma Greedy � Exploring Graph � Algoritma Probabilistic](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-2.jpg)
![PENILAIAN � Kuliah 50% � Praktikum 50% ◦ Tugas 20% ◦ UTS 30% ◦ PENILAIAN � Kuliah 50% � Praktikum 50% ◦ Tugas 20% ◦ UTS 30% ◦](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-3.jpg)
![ANALISA ALGORITMA � Algoritma membantu kita memahami skalabilitas program kita � Analisa algoritma memberi ANALISA ALGORITMA � Algoritma membantu kita memahami skalabilitas program kita � Analisa algoritma memberi](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-4.jpg)
![Prinsip Perbandingan Algoritma Apa yang membuat sebuah algoritma dikatakan LEBIH BAIK dari algoritma yang Prinsip Perbandingan Algoritma Apa yang membuat sebuah algoritma dikatakan LEBIH BAIK dari algoritma yang](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-5.jpg)
![Ukuran Efisiensi Waktu � Efisiensi suatu algoritma tidak dapat diukur dengan satuan waktu (detik, Ukuran Efisiensi Waktu � Efisiensi suatu algoritma tidak dapat diukur dengan satuan waktu (detik,](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-6.jpg)
![Efisiensi Waktu � Efisiensi waktu dalam algoritma diukur dengan satuan n (problem size) � Efisiensi Waktu � Efisiensi waktu dalam algoritma diukur dengan satuan n (problem size) �](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-7.jpg)
![Problem size Problem size](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-8.jpg)
![Menentukan Operasi Dominan � Operasi dominan merupakan operasi yang paling banyak dilakukan untuk memecahkan Menentukan Operasi Dominan � Operasi dominan merupakan operasi yang paling banyak dilakukan untuk memecahkan](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-9.jpg)
![Contoh � Pada algoritma menentukan max/min operasi dominannya adalah operasi perbandingan “<“ atau “>” Contoh � Pada algoritma menentukan max/min operasi dominannya adalah operasi perbandingan “<“ atau “>”](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-10.jpg)
![Menentukan fungsi langkah g(n) � g(n) = banyak kali operasi dominan dilakukan dalam (n) Menentukan fungsi langkah g(n) � g(n) = banyak kali operasi dominan dilakukan dalam (n)](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-11.jpg)
![Menentukan kompleksitas waktu O(f(n)) � Suatu algoritma dengan fungsi langkah g(n) dikatakan mempunyai kompleksitas Menentukan kompleksitas waktu O(f(n)) � Suatu algoritma dengan fungsi langkah g(n) dikatakan mempunyai kompleksitas](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-12.jpg)
![Efisiensi Algoritma � Faktor-faktor yang menentukan banyak langkah antara lain : 1. Banyaknya operator Efisiensi Algoritma � Faktor-faktor yang menentukan banyak langkah antara lain : 1. Banyaknya operator](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-13.jpg)
![SEKUENSIAL � Misalkan dalam algoritma terdapat blok statement, masing-masing mempunyai banyak langkah : S SEKUENSIAL � Misalkan dalam algoritma terdapat blok statement, masing-masing mempunyai banyak langkah : S](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-14.jpg)
![Contoh Sekuensial �x x*y operasi 1 =1 � y a * sin(x) operasi 1, Contoh Sekuensial �x x*y operasi 1 =1 � y a * sin(x) operasi 1,](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-15.jpg)
![Soal � Hitung banyak langkah dari algoritma berikut : read(panjang) read(lebar) luas panjang * Soal � Hitung banyak langkah dari algoritma berikut : read(panjang) read(lebar) luas panjang *](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-16.jpg)
![Percabangan Bentuk IF k THEN S 1 ELSE S 2 k = kondisi dengan Percabangan Bentuk IF k THEN S 1 ELSE S 2 k = kondisi dengan](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-17.jpg)
![Percabangan � Kasus terbaik mempunyai banyak langkah c + min (P 1, P 2) Percabangan � Kasus terbaik mempunyai banyak langkah c + min (P 1, P 2)](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-18.jpg)
![Percabangan C=1 P 1 = 2 P 2 = 1 Kasus terburuk = c Percabangan C=1 P 1 = 2 P 2 = 1 Kasus terburuk = c](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-19.jpg)
![Perulangan (Loop) � Yang dianalisa hanya For Loop � Bentuk umum For variable nilai Perulangan (Loop) � Yang dianalisa hanya For Loop � Bentuk umum For variable nilai](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-20.jpg)
![Perulangan (Loop) � Kasus I Statement S mempunyai banyak langkah yang tidak tergantung nilai Perulangan (Loop) � Kasus I Statement S mempunyai banyak langkah yang tidak tergantung nilai](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-21.jpg)
![Perulangan (Loop) Banyak Langkah = (akhir – awal + 2) + (akhir – awal Perulangan (Loop) Banyak Langkah = (akhir – awal + 2) + (akhir – awal](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-22.jpg)
![Perulangan (Loop) � Kasus II Banyak langkah S bergantung nilai Counter Contoh : For Perulangan (Loop) � Kasus II Banyak langkah S bergantung nilai Counter Contoh : For](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-23.jpg)
- Slides: 23
![ALGORITMA DAN PEMROGRAMAN III ALGORITMA DAN PEMROGRAMAN III](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-1.jpg)
ALGORITMA DAN PEMROGRAMAN III
![MATERI Analisa Algoritma Algoritma Greedy Exploring Graph Algoritma Probabilistic MATERI � Analisa Algoritma � Algoritma Greedy � Exploring Graph � Algoritma Probabilistic](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-2.jpg)
MATERI � Analisa Algoritma � Algoritma Greedy � Exploring Graph � Algoritma Probabilistic
![PENILAIAN Kuliah 50 Praktikum 50 Tugas 20 UTS 30 PENILAIAN � Kuliah 50% � Praktikum 50% ◦ Tugas 20% ◦ UTS 30% ◦](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-3.jpg)
PENILAIAN � Kuliah 50% � Praktikum 50% ◦ Tugas 20% ◦ UTS 30% ◦ UAS 50%
![ANALISA ALGORITMA Algoritma membantu kita memahami skalabilitas program kita Analisa algoritma memberi ANALISA ALGORITMA � Algoritma membantu kita memahami skalabilitas program kita � Analisa algoritma memberi](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-4.jpg)
ANALISA ALGORITMA � Algoritma membantu kita memahami skalabilitas program kita � Analisa algoritma memberi gambaran informasi tentang ‘perilaku program’ kita � Mempelajari bagaimana menerapkan algoritma yang baik untuk kasus tertentu membedakan profesi system analyst dan programmer
![Prinsip Perbandingan Algoritma Apa yang membuat sebuah algoritma dikatakan LEBIH BAIK dari algoritma yang Prinsip Perbandingan Algoritma Apa yang membuat sebuah algoritma dikatakan LEBIH BAIK dari algoritma yang](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-5.jpg)
Prinsip Perbandingan Algoritma Apa yang membuat sebuah algoritma dikatakan LEBIH BAIK dari algoritma yang lain? � Kompleksitas waktu (Time Complexity) � Kompleksitas ruang (Space Complexity) Kecenderungan saat ini: � ruang (hard disk) semakin murah � kapasitas data yang diproses semakin besar � waktu pemrosesan harus semakin cepat Kompleksitas waktu menjadi variabel yang sangat penting
![Ukuran Efisiensi Waktu Efisiensi suatu algoritma tidak dapat diukur dengan satuan waktu detik Ukuran Efisiensi Waktu � Efisiensi suatu algoritma tidak dapat diukur dengan satuan waktu (detik,](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-6.jpg)
Ukuran Efisiensi Waktu � Efisiensi suatu algoritma tidak dapat diukur dengan satuan waktu (detik, milidetik dsb), karena waktu tempuh algoritma sangat tergantung pada : ◦ ◦ ◦ Banyaknya data Spesifikasi komputer Hardware Compiler software Tegangan listrik Lain-lain
![Efisiensi Waktu Efisiensi waktu dalam algoritma diukur dengan satuan n problem size Efisiensi Waktu � Efisiensi waktu dalam algoritma diukur dengan satuan n (problem size) �](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-7.jpg)
Efisiensi Waktu � Efisiensi waktu dalam algoritma diukur dengan satuan n (problem size) � 4 langkah untuk menentukan ukuran efisiensi waktu antara lain : ◦ ◦ Menentukan problem size (n) operasi dominan fungsi langkah g(n) kompleksitas waktu O(f(n)) Big Oh
![Problem size Problem size](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-8.jpg)
Problem size
![Menentukan Operasi Dominan Operasi dominan merupakan operasi yang paling banyak dilakukan untuk memecahkan Menentukan Operasi Dominan � Operasi dominan merupakan operasi yang paling banyak dilakukan untuk memecahkan](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-9.jpg)
Menentukan Operasi Dominan � Operasi dominan merupakan operasi yang paling banyak dilakukan untuk memecahkan suatu permasalahan. � Operasi dominan ini sangat tergantung pada permasalahan dan operasi yang dilakukan yang banyaknya tergantung pada n
![Contoh Pada algoritma menentukan maxmin operasi dominannya adalah operasi perbandingan atau Contoh � Pada algoritma menentukan max/min operasi dominannya adalah operasi perbandingan “<“ atau “>”](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-10.jpg)
Contoh � Pada algoritma menentukan max/min operasi dominannya adalah operasi perbandingan “<“ atau “>” � Pda algoritma searching operasi dominannya adalah operasi “=“
![Menentukan fungsi langkah gn gn banyak kali operasi dominan dilakukan dalam n Menentukan fungsi langkah g(n) � g(n) = banyak kali operasi dominan dilakukan dalam (n)](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-11.jpg)
Menentukan fungsi langkah g(n) � g(n) = banyak kali operasi dominan dilakukan dalam (n)
![Menentukan kompleksitas waktu Ofn Suatu algoritma dengan fungsi langkah gn dikatakan mempunyai kompleksitas Menentukan kompleksitas waktu O(f(n)) � Suatu algoritma dengan fungsi langkah g(n) dikatakan mempunyai kompleksitas](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-12.jpg)
Menentukan kompleksitas waktu O(f(n)) � Suatu algoritma dengan fungsi langkah g(n) dikatakan mempunyai kompleksitas waktu O(f(n)) jika terdapat konstanta c>0 sedemikian hingga : g(n) ≤ c. f(n) untuk n > n 0 ◦ Algoritma Max. Min g(n)= 2 n-2 O(n) ◦ Algoritma Bubblesort g(n) = n 2/2 -n/2 O(n 2)
![Efisiensi Algoritma Faktorfaktor yang menentukan banyak langkah antara lain 1 Banyaknya operator Efisiensi Algoritma � Faktor-faktor yang menentukan banyak langkah antara lain : 1. Banyaknya operator](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-13.jpg)
Efisiensi Algoritma � Faktor-faktor yang menentukan banyak langkah antara lain : 1. Banyaknya operator dasar yang digunakan 2. Assigment (konstanta c) 3. Function Call 4. Struktur Program - Sekuensial - Percabangan - Kalang (loop)
![SEKUENSIAL Misalkan dalam algoritma terdapat blok statement masingmasing mempunyai banyak langkah S SEKUENSIAL � Misalkan dalam algoritma terdapat blok statement, masing-masing mempunyai banyak langkah : S](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-14.jpg)
SEKUENSIAL � Misalkan dalam algoritma terdapat blok statement, masing-masing mempunyai banyak langkah : S 1 banyak langkah P 1 S 2 banyak langkah P 2 S 3 banyak langkah P 3 Sn banyak langkah Pn Total banyak langkah blok-blok statement tersebut adalah
![Contoh Sekuensial x xy operasi 1 1 y a sinx operasi 1 Contoh Sekuensial �x x*y operasi 1 =1 � y a * sin(x) operasi 1,](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-15.jpg)
Contoh Sekuensial �x x*y operasi 1 =1 � y a * sin(x) operasi 1, procedure 1 = 2 � Readln(b) assigment 1 =1 � Writeln (x+y+b) assigment 1 operasi 2 =3 Banyak langkah =7
![Soal Hitung banyak langkah dari algoritma berikut readpanjang readlebar luas panjang Soal � Hitung banyak langkah dari algoritma berikut : read(panjang) read(lebar) luas panjang *](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-16.jpg)
Soal � Hitung banyak langkah dari algoritma berikut : read(panjang) read(lebar) luas panjang * lebar keliling 2 * (panjang + lebar) write(luas) write(keliling)
![Percabangan Bentuk IF k THEN S 1 ELSE S 2 k kondisi dengan Percabangan Bentuk IF k THEN S 1 ELSE S 2 k = kondisi dengan](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-17.jpg)
Percabangan Bentuk IF k THEN S 1 ELSE S 2 k = kondisi dengan banyak langkah c S 1 , S 2 = blok statement dengan banyak langkah P 1, P 2
![Percabangan Kasus terbaik mempunyai banyak langkah c min P 1 P 2 Percabangan � Kasus terbaik mempunyai banyak langkah c + min (P 1, P 2)](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-18.jpg)
Percabangan � Kasus terbaik mempunyai banyak langkah c + min (P 1, P 2) � Kasus terburuk mempunyai banyak langkah c + max (P 1, P 2) Operator dasar logika : AND, OR, NOT dihitung 1 langkah
![Percabangan C1 P 1 2 P 2 1 Kasus terburuk c Percabangan C=1 P 1 = 2 P 2 = 1 Kasus terburuk = c](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-19.jpg)
Percabangan C=1 P 1 = 2 P 2 = 1 Kasus terburuk = c + max (P 1, P 2) = 1 + max(2, 1) = 3
![Perulangan Loop Yang dianalisa hanya For Loop Bentuk umum For variable nilai Perulangan (Loop) � Yang dianalisa hanya For Loop � Bentuk umum For variable nilai](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-20.jpg)
Perulangan (Loop) � Yang dianalisa hanya For Loop � Bentuk umum For variable nilai awal To nilai akhir Step S
![Perulangan Loop Kasus I Statement S mempunyai banyak langkah yang tidak tergantung nilai Perulangan (Loop) � Kasus I Statement S mempunyai banyak langkah yang tidak tergantung nilai](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-21.jpg)
Perulangan (Loop) � Kasus I Statement S mempunyai banyak langkah yang tidak tergantung nilai counter For counter : awal To akhir S Counter ≤ Akhir S dieksekusi sebanyak akhir – awal + 2 kali Counter = counter + 1 S dieksekusi sebanyak akhir – awal + 1 kali
![Perulangan Loop Banyak Langkah akhir awal 2 akhir awal Perulangan (Loop) Banyak Langkah = (akhir – awal + 2) + (akhir – awal](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-22.jpg)
Perulangan (Loop) Banyak Langkah = (akhir – awal + 2) + (akhir – awal + 1) (p + 1) Contoh : For i = 1 to n x: =x+5 y: =y+x
![Perulangan Loop Kasus II Banyak langkah S bergantung nilai Counter Contoh For Perulangan (Loop) � Kasus II Banyak langkah S bergantung nilai Counter Contoh : For](https://slidetodoc.com/presentation_image_h2/7f2200bcd5823ab0aadfaed423eea19a/image-23.jpg)
Perulangan (Loop) � Kasus II Banyak langkah S bergantung nilai Counter Contoh : For i : = 1 To n x : = x + y For j : = i To n y : = i + j
Contoh pemrograman konvensional
Apa yang dimaksud dengan pemrograman konvensional?
Bahasa pemrograman konvensional
Contoh pemrograman konvensional
Algoritma dan pemrograman
Apa yang dimaksud dengan algoritma pemrograman
Algoritma dan pemrograman menggunakan python
Scopes programming language
Hamlet act iii scene ii
Contoh laporan analisa dan evaluasi
Penyusunan dari laporan sumber dan penggunaan kas adalah
Rangkaian logika kombinasi
Analisa dan desain rangkaian sekuensial
Algoritma pemrograman 2
Konsep dualitas
Kurva expansion path
Tulang ikan udinus
Analisa numerik teknik sipil
Apa yang dimaksud analisis titrimetri
Korelasi adalah
Rumus analisis pearls
Analisa persoalan adalah
Analisa usaha tani padi 2021
Gred spm 2015