14. KOMPLEKSITAS ALGORITMA. Untuk keperluan analisis algoritma, kita perlu mengetahui seberapa cepat pertumbuhan atau perkembangan suatu fungsi. Pertumbuhan.

Slides:



Advertisements
Presentasi serupa
Eko Aribowo Teknik Informatika Universitas Ahmad Dahlan
Advertisements

Metode Analisis Asymtotic
BILANGAN BULAT TUGAS MEDIA PEMBELAJARAN MATEMATIKA PENERAPAN KONSEP
TURUNAN FUNGSI ALJABAR
Komposisi Fungsi.
Determinan Trihastuti Agustinah.
KARAKTERISTIK BILANGAN BULAT MODULO m YANG MEMILIKI AKAR PRIMITIF
CS1023 Pemrograman Komputer
TIM DOSEN MATEMATIKA DISKRIT
Tim Matematika Diskrit
Kompleksitas Algoritma
Desain dan Analisis Algoritma
Algoritma dan Struktur Data
HIMPUNAN TERORDE PARSIAL DAN HIMPUNAN TERORDE TOTAL
MATEMATIKA DISKRIT Kompleksitas Algoritma Kelompok 9
Kompleksitas Algoritma
Kompleksitas Waktu Asimptotik
Algoritma Indriati ,ST .,M.Kom.
Kompleksitas Algoritma
BAB I BILANGAN BULAT Mengenal Bilangan Bulat
Pertemuan-3 Laju Pertumbuhan Fungsi : Pengertian, motivasi dan manfaat
14. KOMPLEKSITAS ALGORITMA.
ALGORITMA DAN BILANGAN BULAT
Desain dan Analisis Algoritma
GRUP SIKLIK.
Pertemuan 3 ALGORITMA & FUNGSI KOMPLEKSITAS
UJI DATA BERPASANGAN Data berpasangan adalah data yang memiliki dua perlakuan berbeda pada objek atau sampel yang sama Data berpasangan (n
Mata kuliah :K0144/ Matematika Diskrit Tahun :2008
Matakuliah Teori Bilangan
Bilangan Bulat Matematika Diskrit.
Kompleksitas Algoritma
Notasi Asimptotik Team Fasilkom.
Strategi Algoritma Kuliah 2 : Kompleksitas Algoritma
MATERI PERKULIAHAN ANALISIS ALGORITMA
Bab 4 Limit dan Kesinambungan Fungsi
Mata kuliah :K0362/ Matematika Diskrit Tahun :2008
PENGANTAR STRUKTUR DATA
CSG523/ Desain dan Analisis Algoritma
Matakuliah : Algoritma & Struktur Data Versi Materi
Pertemuan 26 PRAKTEK ANALISIS ALGORITMA
MATERI PERKULIAHAN ANALISIS ALGORITMA
MENENTUKAN FPB DENGAN ALGORITMA EUCLIDES
LATIHAN 26 Buatlah sebuah algoritma untuk menampilkan jumlah faktor pembagi bilangan X, dengan X adalah 1 hingga N ! Misal Jumlah faktor dari 1 adalah.
Permutasi dan Kombinasi
Matakuliah : T0034/Perancangan & Analisis Algoritma
Algoritma Indriati ,ST .,M.Kom.
Induksi Matematik  .
NOTASI ASIMTOTIK (ASYMTOTIC NOTATION)
Mesin Turing.
Identitas dosen Suherman, ST Address : Cilegon
Pertemuan 3 ARRAY DIMENSI BANYAK.
Notasi Asymtotik Pertemuan 2.
QUANTIFIER (KUANTOR) dan Induksi matematika
Analisa Algoritma 3 SKS.
Soal Latihan Pertemuan 02 Network Programming
Review Algoritma 1 Teks Algoritma terdiri dari tiga bagian :
Analisa Algoritma Asimtotik.
Kompleksitas Algoritma
Notasi Sigma Budiharti.
Pengantar Teknologi Informasi
Kompleksitas Waktu Asimtotik
FAKTORIAL.
Dr. Mufid Nilmada, SSi., MMSI
FUNGSI DUA VARIABEL ATAU LEBIH
Notasi Asimptotik Team Fasilkom.
Definisi Pertidaksamaan
Quantifier (Kuantor) dan Induksi matematika
Notasi Asimptotik Team Fasilkom.
Desain dan Analisis Algoritma
QUANTIFIER (KUANTOR) dan Induksi matematika
Transcript presentasi:

14. KOMPLEKSITAS ALGORITMA

Untuk keperluan analisis algoritma, kita perlu mengetahui seberapa cepat pertumbuhan atau perkembangan suatu fungsi. Pertumbuhan fungsi berkaitan erat dengan waktu yang diperlukan oleh sebuah komputer untuk menyelesaikan suatu tugas tertentu. Notasi-notasi yang digunakan untuk membandingkan pertumbuhan adalah: 14.1 PERTUMBUHAN FUNGSI

Notasi O besar (big O) Definisi Jika terdapat f(n) dan g(n), serta bilangan positif C dan n 0 maka f(n) = O (g(n)) sedemikian, sehingga 0  f(n)  Cg(n) untuk  n  n 0 Dengan kata lain pertumbuhan f(n) tidak akan melebihi Cg(n) Cg(n) disebut batas atas (upper bound) Pasangan C dan n 0 tidak unik. Artinya ada beberapa C dan n 0. f(n) = O(g(n)) dibaca : f(n) is big “O” of g(n)

f(n) Cg(n) n n0n0 f(n) = O (g(n))

Contoh 14.1 Tunjukkan bahwa n 2 + 2n + 1 = O(n 2 ) Penyelesaian n 2 + 2n + 1  n 2 + 2n 2 + n 2 n 2 + 2n + 1  4n 2 untuk n  1 Jadi C = 4 ; n 0 = 1 atau C = 3 ; n 0 = 2 atau C = 2 ; n 0 = 3

Notasi  Definisi Jika terdapat f(n) dan g(n), serta bilangan positif C dan n 0 maka f(n) =  (g(n)) sedemikian, sehingga 0  Cg(n)  f(n) untuk  n  n 0 Cg(n) disebut batas bawah (lower bound) Pasangan C dan n 0 tidak unik. Artinya ada beberapa C dan n 0.

f(n) Cg(n) n n0n0 f(n) =  (g(n))

Contoh 14.2 Tunjukkan bahwa 8n 3 + 5n =  (n 3 ) Penyelesaian 8n 3 + 5n  8n 3 untuk n  1 Jadi C = 8 ; n 0 = 1 atau C = 7 ; n 0 = 1 atau C = 6 ; n 0 = 1 dst.

Notasi  Definisi Jika terdapat f(n) dan g(n), maka f(n) =  (g(n)), jika terdapat bilangan positif C 1 dan C 2 dan n 0 sedemikian, sehingga memenuhi : 0  C 1 g(n)  f(n)  C 2 g(n) untuk  n  n 0 Dengan kata lain, f(n) =  (g(n)) jika f(n) = O(g(n)) dan f(n) =  (g(n)) untuk  n  n 0. f(n) =  (g(n)) dibaca “f(n) adalah tetha g(n)” atau f(n) order g(n)

f(n) =  (g(n)) f(n) C 1 g(n) n n0n0 C 2 g(n)

Contoh 14.3 Tunjukkan bahwa a) 2n 2 + n – 7 dan b) 5n 2 – 2n =  (n 2 ) Penyelesaian a)C 1 n 2  2n 2 + n – 7  C 2 n 2 n 2  2n 2 + n – 7  3n 2 untuk n  4 C 1 = 1, C 2 = 3, n 0 = 4 b) C 1 n 2  5n 2 – 2n  C 2 n 2 3n 2  5n 2 – 2n  5n 2 untuk n  1 C 1 = 3, C 2 = 5, n 0 = 1

nn2n2 3n23n2 5n 2 – 2n5n25n

nn2n2 4n24n2 5n 2 – 2n5n25n

o (little o) f(n) = o(g(n) jika pertumbuhan f(n) lebih lambat dari pertumbuhan g(n) untuk n yang sangat besar. Secara formal f(n) = o(g(n), jika Contoh 14.4 Tunjukkan bahwa 2n 2 = o(n 3 ) Penyelesaian: f(n) = 2n 2 g(n) = n 3

 (little omega) f(n) =  (g(n) jika pertumbuhan f(n) lebih cepat dari pertumbuhan g(n) untuk n yang sangat besar. Secara formal f(n) =  (g(n), jika Contoh 14.5 Tunjukkan bahwa 2n 3 =  (n 2 ) Penyelesaian f(n) = 2n 3 g(n) = n 2