3 Contoh Algoritma Greedy Dalam Kehidupan Sehari Hari Bahasa Indonesia

Algoritma Flowchart Menghitung Nilai y dari Persamaan y = 2x + 5

Contoh algoritma flowchart dalam kehidupan sehari-hari yang berikutnya adalah menghitung persamaan.

Algoritma flowchart tidak hanya digunakan untuk menyelesaikan permasalahan umum saja, tapi juga soal-soal hitungan matematika yang biasa dikerjakan siswa/siswi sekolah.

Contoh Algoritma Flowchart dalam Kehidupan Sehari-hari

Contohnya, membuat kopi dimulai membuka bungkus kopi, masukan kopi kedalam cangkir, menambahkan gula, memasak air hingga mendidih, memasukan air mendidih kedalam cangkir, mengaduk hingga tercampur, dan selesai.

Nah, itu dia adalah algoritma.

Lalu apa itu flowchart?

Flowchart merupakan penggambaran secara grafik dari tahapan atau urutan penyelesaian masalah dengan menggunakan sekumpulan simbol. Simbol-simbol yang digunakan merepresentasikan kegiatan tertentu.

Flowchart atau biasa disebut diagram alir adalah cara penyajian dari suatu algoritma program.

Contoh membuat kopi di atas dapat dimasukan ke dalam flowchart dengan menggunakan simbol-simbol tertentu untuk menggambarkan prosesnya.

Sampai sini kamu sudah mendapat gambarannya belum? Untuk lebih jelasnya, lihat contoh algoritma flowchart dalam kehidupan sehari-hari di bawah ini, ya.

26 Simbol-Simbol Flowchart beserta Fungsinya Lengkap

Algoritma Flowchart Mengirim Surat Melalui Jasa Pengiriman

8 Aplikasi Mind Map Gratis Untuk HP dan PC Terbaik

Algoritma Memasak Resep Masakan

Ketika Anda memasak, resep masakan adalah contoh algoritma yang sangat jelas. Setiap resep berisi langkah-langkah sistematis yang harus diikuti secara berurutan untuk mencapai hasil akhir berupa hidangan yang diinginkan.

Misalnya, pembuatan kue melibatkan langkah-langkah mulai dari menyiapkan bahan, mencampur, mengaduk, memanggang, hingga menyajikan.

Jika Anda tidak mengikuti langkah-langkah tersebut secara urut, hasilnya mungkin tidak sesuai dengan apa yang Anda harapkan.

Kelebihan dan manfaat

Algoritma greedy adalah algoritma apa pun yang mengikuti metode heuristik dalam pemecahan masalah untuk membuat pilihan optimal secara lokal di setiap tahap.[1] Dalam banyak permasalahan, strategi greedy tidak menghasilkan solusi optimal, tetapi suatu heuristik greedy dapat menghasilkan solusi optimal lokal yang mendekati solusi optimal global dalam jangka waktu yang wajar.

Misalnya, strategi greedy untuk masalah penjual keliling (yang memiliki kompleksitas komputasi tinggi) adalah heuristik berikut: "Pada setiap langkah perjalanan, kunjungi kota terdekat yang belum dikunjungi." Heuristik ini tidak bertujuan untuk menemukan solusi terbaik, tetapi ia berakhir dalam sejumlah langkah yang wajar. Yang mana menemukan solusi optimal untuk masalah yang kompleks biasanya memerlukan banyak langkah yang tidak masuk akal. Dalam optimasi matematis, algoritma greedy secara optimal dapat menyelesaikan masalah kombinatorial yang memiliki sifat matroid dan memberikan hampiran faktor konstan untuk masalah optimasi dengan struktur submodular.

Algoritme greedy menghasilkan solusi yang baik pada beberapa masalah matematis, tetapi tidak pada masalah lainnya. Sebagian besar masalah yang algoritma greedy kerjakan memiliki dua properti:

Dimulai dari A, algoritma greedy yang mencoba menemukan nilai maksimum dengan mengikuti kemiringan terbesar akan menemukan maksimum lokal di "m", tanpa menyadari maksimum global di "M".

Untuk mencapai nilai terbesar, pada setiap langkah, algoritma greedy akan memilih apa yang tampak sebagai pilihan langsung yang optimal, sehingga ia akan memilih 12 dan bukannya 3 pada langkah kedua, dan tidak akan mencapai solusi terbaik, yaitu 99.

Algoritme greedy gagal menghasilkan solusi optimal untuk banyak masalah lain dan bahkan mungkin menghasilkan solusi unik yang paling buruk . Salah satu contohnya adalah masalah travelling salesman yang disebutkan di atas: untuk setiap jumlah kota, terdapat penetapan jarak antar kota dimana heuristik tetangga terdekat menghasilkan tur terburuk yang mungkin terjadi.[3] Untuk kemungkinan contoh lainnya, lihat efek cakrawala.

Algoritme greedy dapat dikategorikan sebagai algoritma yang 'berpandangan sempit', dan juga 'tidak dapat dipulihkan'. Algoritma ini hanya ideal untuk permasalahan yang memiliki 'substruktur optimal'. Meskipun demikian, untuk banyak masalah sederhana, algoritma yang paling cocok adalah algoritma greedy. Namun, penting untuk dicatat bahwa algoritma greedy dapat digunakan sebagai algoritma seleksi untuk memprioritaskan pilihan dalam pencarian, atau algoritma branch-and-bound. Ada beberapa variasi pada algoritma serakah:

Algoritma greedy memiliki sejarah panjang dalam studi optimasi kombinatorial dan ilmu komputer teoretis. Heuristik serakah diketahui memberikan hasil yang kurang optimal pada banyak masalah,[4] sehingga pertanyaan yang wajar adalah:

Sejumlah besar literatur menjawab pertanyaan-pertanyaan ini untuk kelas masalah umum, seperti matroid, serta untuk masalah khusus, seperti set cover.

Matroid adalah struktur matematika yang menggeneralisasi konsep independensi linier dari ruang vektor ke himpunan sembarang. Jika suatu masalah optimasi mempunyai struktur matroid, maka algoritma greedy yang sesuai akan dapat menyelesaikannya secara optimal.[5]

Sebuah fungsi f {\displaystyle f} didefinisikan pada himpunan bagian dari suatu himpunan Ω {\displaystyle \Omega } disebut submodular, jika untuk setiap S , T ⊆ Ω {\displaystyle S,T\subseteq \Omega } kita mempunyai f ( S ) + f ( T ) ≥ f ( S ∪ T ) + f ( S ∩ T ) {\displaystyle f(S)+f(T)\geq f(S\cup T)+f(S\cap T)} .

Misalkan seseorang ingin mencari sebuah himpunan S {\displaystyle S} yang memaksimalkan f {\displaystyle f} . Algoritma greedy, yang membangun satu himpunan S {\displaystyle S} dengan menambahkan elemen secara bertahap yang meningkatkan f {\displaystyle f} paling banyak pada setiap langkah, menghasilkan keluaran sebuah himpunan yang paling sedikit ( 1 − 1 / e ) max X ⊆ Ω f ( X ) {\displaystyle (1-1/e)\max _{X\subseteq \Omega }f(X)} .[6] Artinya, keserakahan bermain dalam faktor konstan ( 1 − 1 / e ) ≈ 0.63 {\displaystyle (1-1/e)\approx 0.63} sama baiknya dengan solusi optimal.

Jaminan serupa dapat dibuktikan ketika kendala tambahan, seperti batasan kardinalitas, [7] diterapkan pada keluaran. Meskipun sering kali diperlukan sedikit variasi pada algoritma greedy. Lihat[8] untuk ikhtisarnya.

Masalah lain yang mana algoritma greedy memberikan jaminan yang kuat, tetapi bukan solusi optimal, termasuk

Banyak dari permasalahan ini memiliki batas bawah yang sesuai, yaitu algoritma greedy tidak berkinerja lebih baik daripada jaminan dalam kasus terburuk.

Algoritme greedy biasanya (tetapi tidak selalu) gagal menemukan solusi optimal secara global karena algoritma tersebut biasanya tidak beroperasi secara mendalam pada semua data. Algoritma jenis ini dapat membuat komitmen pada pilihan-pilihan tertentu terlalu dini, sehingga mencegah mereka untuk menemukan solusi terbaik secara keseluruhan nantinya. Misalnya, semua algoritma pewarnaan serakah yang diketahui untuk masalah pewarnaan graf dan semua masalah NP-lengkap lainnya tidak secara konsisten menemukan solusi optimal. Namun, algoritma jenis ini berguna karena mereka cepat berpikir dan sering memberikan hampiran yang baik secara optimal.

Jika algoritma greedy dapat dibuktikan menghasilkan optimal global untuk kelas masalah tertentu, biasanya algoritma ini menjadi metode pilihan karena lebih cepat dibandingkan metode optimasi lain seperti pemrograman dinamis. Contoh algoritma greedy tersebut adalah algoritma Kruskal dan algoritma Prim untuk mencari pohon rentang minimum serta algoritma untuk mencari pohon Huffman optimal.

Algoritmq greedy juga muncul di perutean jaringan. Dengan menggunakan routing serakah, sebuah pesan diteruskan ke node tetangga yang “paling dekat” dengan tujuan. Gagasan tentang lokasi sebuah node (dan karenanya "kedekatan") dapat ditentukan oleh lokasi fisiknya, seperti dalam perutean geografis yang digunakan oleh jaringan ad hoc . Lokasi mungkin juga merupakan konstruksi buatan seperti dalam perutean dunia kecil dan tabel hash terdistribusi.

Algoritma Flowchart Mengganti Ban Mobil yang Pecah di Jalan

Contoh-contoh Algoritma Flowchart dalam Kehidupan Sehari-hari- Tahukah kamu apa itu algoritma? Tanpa disadari setiap hari kita melakukan algoritma, loh.

Misalnya membuat kopi, memasak nasi, bikin kue, mengganti bohlam lampu, dan lain sebagainya.

Algoritma merupakan tahapan-tahapan logis yang disusun secara berurutan untuk menyelesaikan suatu masalah.

Yuk, simak ulasan selengkapnya mengenai contoh algoritma flowchart berikut ini!

Algoritma Pencarian di Internet

Saat Anda mencari informasi di internet melalui mesin pencari seperti Google, Anda menggunakan algoritma pencarian.

Algoritma ini memproses kata kunci yang Anda masukkan dan menampilkan hasil yang paling relevan berdasarkan sejumlah faktor, seperti popularitas situs, konten yang paling baru, dan relevansi informasi.

Contoh algoritma dalam kehidupan sehari-hari yang satu ini merupakan yang paling umum digunakan di era digital.

Baca juga: Mengenal Bukit Algoritma, Proyek Pemerintah untuk Membuat Silicon Valley

Algoritma tidak hanya diterapkan dalam dunia pemrograman atau komputer, tetapi juga dalam kehidupan sehari-hari yang mungkin terkesan remeh.

Beberapa contoh algoritma dalam kehidupan sehari-hari, mulai dari memasak hingga mengatur waktu, membutuhkan serangkaian langkah sistematis untuk membantu kita menyelesaikan tugas-tugas dengan lebih efisien.

Memahami bagaimana algoritma bekerja dapat membantu kita dalam mengoptimalkan berbagai aktivitas dan membuat keputusan yang lebih baik dalam kehidupan sehari-hari.

KOMPAS.com - Istilah algoritma erat kaitannya dengan teknik pemecahan masalah pada sistem komputasi. Misalnya saja dalam ilmu komputer, algoritma membentuk dasar pemorograman komputer yang digunakan untuk memecahkan masalah mulai dari penyortiran dan pencarian sederhana hingga kompleks, seperti Artificial Intelligence (AI) dan Machine Learning.

Dalam AI dan Machine Learning, algoritma digunakan untuk mengembangkan sistem yang dapat melakukan tugas-tugas seperti pengenalan gambar, pemrosesan bahasa alami, dan pengambilan keputusan.

Namun algoritma sendiri tak hanya berkutat pada sistem ilmu komputer, matematika, atau data. Tanpa disadari dalam kehidupan sehari-hari, aktivitas yang kita lakukan merupakan bagian dari algoritma. Untuk uraian lebih lanjut berikut ini beberapa contoh algoritma dalam ilmu komputer dan kehidupan sehari-hari.

Baca juga: Pengertian Algoritma Pencarian dan Jenis-jenisnya

Berikut ini beberapa contoha algoritma dalam ilmu komputer

Pencarian binary juga dikenal sebagai pencarian biner, adalah algoritma pencarian yang digunakan untuk mencari elemen tertentu dalam suatu daftar atau larik yang sudah diurutkan.

Metode ini bekerja dengan membandingkan elemen tengah dari daftar dengan elemen yang ingin dicari, dan berlanjut dengan membagi daftar menjadi dua bagian, kemudian mengabaikan salah satu bagian berdasarkan hasil perbandingan. Proses ini terus berlanjut hingga elemen yang dicari ditemukan atau daftar berkurang menjadi kosong.

Dalam konteks algoritma dan pemrograman, "Fibonacci" merujuk pada deret Fibonacci atau Sekuens Fibonacci, yang merupakan urutan angka yang dihasilkan berdasarkan aturan matematis tertentu. Deret Fibonacci sangat sering digunakan dalam berbagai algoritma dan masalah pemrograman. Salah satu contoh paling terkenal adalah perhitungan bilangan Fibonacci.

Pencarian Linear adalah salah satu jenis algoritma pencarian yang digunakan untuk mencari suatu elemen tertentu dalam kumpulan data atau daftar dengan cara menginspeksi satu per satu elemen dalam urutan linear, dari awal hingga akhir, hingga elemen yang dicari ditemukan atau seluruh daftar telah diperiksa.

Algoritma Pemilihan Pakaian

Memilih pakaian untuk dipakai juga bisa dihitung sebagai algoritma. Setiap orang biasanya memiliki serangkaian kriteria dalam memilih pakaian, seperti cuaca, kesempatan, atau suasana hati.

Langkah-langkah pemilihan ini dilakukan secara berurutan, mulai dari memeriksa kondisi cuaca, mempertimbangkan jenis acara, hingga memilih warna yang cocok.