METODE GREEDY Metode Greedy digunakan untuk memecahkan persoalan optimasi.

. Persoalan optimasi adalah persoalan mencari solusi optimum Persoalan optimasi ada 2 Maksimasi Minimasi

Contoh Masalah Optimasi: Penukaran Uang Diberikan uang senilai A. Tukar A dengan koin-koin uang yang ada. Berapakah jumlah minimum koin yang diperlukan untuk penukaran uang tersebut. Persoalan Minimasi. Contoh 1: tersedia banyak koin 1, 5, 10, 25 32 = 1 + 1 + + 1 (32 koin) 32 = 5 + 5 + 5 + 5 + 10 + 1 + 1 (7 koin) 32 = 10 + 10 + 10 + 1 + 1 (5 koin) Minimum: 32 = 25 + 5 + 1 + 1 (4 koin)

Greedy = rakus, tamak Algoritma greedy membentuk solusi langkah per langkah (step by step). Pada setiap langkah terdapat banyak pilihan yang perlu dieksplorasi. Sehingga, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan. (keputusan yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah selanjutnya). Pada setiap langkah membuat pilihan optimum lokal Dengan harapan bahwa langkah sisanya mengarah kesolusi optimum global.

Metode Greedy digunakan dalam menyelesaikan masalah Optimal Storage on Tapes Problem Knapsack Problem Minimum Spanning Tree Problem Shortest Path Problem

DYNAMIC PROGRAM 1. Algoritma Program Dinamis Program dinamik adalah salah satu teknik matematika yang digunakan untuk mengoptimalkan proses pengambilan keputusan secara bertahap ganda. Inti dari teknik ini ialah membagi satu persoalan atas beberapa bagian persoalan (tahap), kemudian memecahkan tiap tahap sampai seluruh persoalan telah terpecahkan. Penggunanan program dinamik untuk mencari bobot minimum dari suatu pohon merentang merupkan salah satu alternatif selain penggunaan algoritma greedy. Prosedur pemecahan persoalan dlam program dinamik dilakukan secara rekursif. Ini berarti bahwa setiap kali diambil keputusan, diperhatikan keadaan yang dihasilkan oleh keputusan sebelumnya. Program Dinamik (Dynamic Programming) adalah metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage) sedemikian sehingga solusi dari persoalan dapat dipandang dari serangkaian keputusan yang saling berkaitan. Karakteristik penyelesaian masalah dengan algoritma program Dinamik : 1. terdapat sejumlah berhingga pilihan yang mungkin 2. solusi pada setiap tahap dibangun dari hasil solusi tahap sebelumnya. 3. Kita menggunakan persyaratan optimasi dankendala untuk membatasi sejumlah pilihan yang harus dipertimbangkan pada satu tahap Program dinamis (dynamic programming) yang ditemukan oleh Richard Bellman ada tahun 1953 merupakan suatu metode penyelesaian masalah di mana solusi persoalan dapat dipandang sebagai serangkaian keputusan yang saling berkaitan. Program dinamis merupakan salah satu metode yang mangkus yang biasanya digunakan untuk menyederhanakan persoalanpersoalan rekursif. Seperti halnya algoritma greedy, program dinamis juga merupakan suatu ancangan untuk menyelesaikan masalah optimasi. Hanya saja, pada metode greedy hanya satu rangkaian keputusan yang pernah dihasilkan, sedangkan dengan program dinamis lebih dari satu rangkaian keputusan. Program dinamis fokus pada bagian permasalahan yang tumpang-tindih (overlapping subproblems). Rangkaian keputusan dibuat dengan prinsip optimalitas (optimal substructure), di mana solusi optimal dari bagian solusi permasalahan bisa digunakan untuk menemukan solusi optimal untuk masalah secara keseluruhan. Penerapan program dinamis ini sangat luas. Di antaranya, yang sederhana, adalah untuk menghitung angka Fibonacci dan koefisien binomial. Teradapat syarat penyelesaian persoalan dengan metode ini (1) terdapat sejumlah berhingga pilihan yang mungkin, (2) solusi pada setiap tahap dibangun dari hasil solusi tahap sebelumnya, (3) kita menggunakan persyaratan optimasi dan kendala untuk membatasi sejumlah pilihan yang harus dipertimbangkan pada suatu tahap.

7 2 2 6 4 1 3 6 2 6 3 1 5 4 7 3 3 9 4
10

5 4 3 4

1 8 3

3 4

Gambar 1. Graf untuk persoalan lintasan terpendek Pada program dinamis, rangkaian keputusan yang optimal dibuat dengan menggunakan Prinsip Optimalitas. Prinsip Optimalitas: jika solusi total optimal, maka bagian solusi sampai tahap ke-k juga optimal. Prinsip optimalitas berarti bahwa jika kita bekerja dari tahap k ke tahap k + 1, kita dapat menggunakan hasil optimal dari tahap k tanpa harus kembali ke tahap awal. Jika pada setiap tahap kita menghitung ongkos (cost), maka dapat dirumuskan bahwa (Ongkos tahap k +1) = (ongkos yang dihasilkan pada tahap k ) + (ongkos dari tahap k ke tahap k + 1) Dengan prinsip optimalitas ini dijamin bahwa pengambilan keputusan pada suatu tahap adalah keputusan yang benar untuk tahap-tahap selanjutnya. Pada metode greedy hanya satu rangkaian keputusan yang pernah dihasilkan, sedangkan pada metode program dinamis lebih dari satu rangkaian keputusan. Hanya rangkaian keputusan yang memenuhi prinsip optimalitas yang akan dihasilkan. 2. Karakteristik Persoalan Program Dinamis Persoalan dapat dibagi menjadi beberapa tahap (stage), yang pada setiap tahap hanya diambil satu keputusan. Masing-masing tahap terdiri dari sejumlah status (state) yang berhubungan dengan tahap tersebut. Secara umum, status merupakan bermacam kemungkinan masukan yang ada pada tahap tersebut. Graf multitahap (multistage graph). Tiap simpul di dalam graf tersebut menyatakan status, sedangkan V1, V2, menyatakan tahap.

V1

V2

V3

V4

V5

2 9 6 3 7 1
10 12

4 8
11

Gambar 2. Graf yang menyatakan tahap (stage) dan status (state) Hasil dari keputusan yang diambil pada setiap tahap ditransformasikan dari status yang bersangkutan ke status berikutnya pada tahap berikutnya. Ongkos (cost) pada suatu tahap meningkat secara teratur (steadily) dengan bertambahnya jumlah tahapan. Ongkos pada suatu tahap bergantung pada ongkos tahap-tahap yang sudah berjalan dan ongkos pada tahap tersebut. Keputusan terbaik pada suatu tahap bersifat independen terhadap keputusan yang dilakukan pada tahap sebelumnya. Adanya hubungan rekursif yang mengidentifikasikan keputusan terbaik untuk setiap status pada tahap k memberikan keputusan terbaik untuk setiap status pada tahap k + 1. Prinsip optimalitas berlaku pada persoalan tersebut. Dua pendekatan yang digunakan dalam Pemrograman dinamis,yaitu maju (forward atau up-down) dan mundur (backward atau bottom-up). Misalkan x1, x2, , xn menyatakan peubah (variable) keputusan yang harus dibuat masing-masing untuk tahap 1, 2, , n. Maka, a. Program dinamis maju. Program dinamis bergerak mulai dari tahap 1, terus maju ke tahap 2, 3, dan seterusnya sampai tahap n. Runtunan peubah keputusan adalah x1, x2, , xn. b. Program dinamis mundur. Program dinamis bergerak mulai dari tahap n, terus mundur ke tahap n 1, n 2, dan seterusnya sampai tahap 1. Runtunan peubah keputusan adalah xn, xn-1, , x1. Secara umum, ada empat langkah yang dilakukan dalam mengembangkan algoritma program dinamis: a. Karakteristikkan struktur solusi optimal. b. Definisikan secara rekursif nilai solusi optimal. c. Hitung nilai solusi optimal secara maju atau mundur.

d. Konstruksi solusi optimal.

Contoh Persoalan 1: Lintasan Terpendek (Shortest Path) Tentukan lintasan terpendek dari simpul 1 ke simpul 10:
7 2 2 6 4 1 3 6 2 6 3 1 5 4 7 3 3 9 4
10

5 4 3 4

1 8 3

3 4

Penyelesaian dengan Program Dinamis Mundur Misalkan x1, x2, , x4 adalah simpul-simpul yang dikunjungi pada tahap k (k = 1, 2, 3, 4). Maka rute yang dilalui adalah 1x1x2x3x4 , yang dalam hal ini x4 = 10. Pada persoalan ini, 1. Tahap (k) adalah proses memilih simpul tujuan berikutnya (ada 4 tahap). 2. Status (s) yang berhubungan dengan masing-masing tahap adalah simpul-simpul di dalam graf. Relasi rekurens berikut menyatakan lintasan terpendek dari status s ke x4 pada tahap k:

f ( s) c
4

sx4

(basis)
k 1

f ( s ) min{c f ( x )} ,
k xk sx k k

(rekurens)

k = 1, 2, 3 Keterangan: a. xk : peubah keputusan pada tahap k (k = 1, 2, 3). b.

sx k

: bobot (cost) sisi dari s ke xk

c. fk(s, xk) : total bobot lintasan dari s ke xk d. fk(s) : nilai minimum dari fk(s, xk) Tujuan program dinamis mundur: mendapatkan f1(1) dengan cara mencari f4(s), f3(s), f2(s) terlebih dahulu. Tahap 4:

f ( s) c
4

sx 4

Solusi Optimum S 8 9 f4(s) 3 4 x4* 10 10

Catatan: xk* adalah nilai xk yang meminimumkan fk(s, xk). Tahap 3:

f ( s ) min{c f ( x )}
3 x3 sx 3 4 3

x3 s 5 6 7

f3(s, x3) = cs,x3 + f4(x3) 8 9 4 8 9 7 6 7

Solusi Optimum f3(s) 4 7 6

x3* 8 9 8

Tahap 2:

f ( s ) min{c f ( x )}
2 x2 sx 2 3 2

x2 s 2 3 4

f2(s, x2) = cs,x2 + f3(x2) 5 6 11 11 7 9 8 8

7 12 10 11

Solusi Optimum f2(s) 11 7 8

x2* 5 atau 6 5 5 atau 6

Tahap 1:

f ( s ) min{c f ( x )}
1 x1 sx1 2 1

x1 s 1

f1(s, x1) = cs,x1 + f2(x1) 2 3 13 11

4 11

Solusi Optimum f1(s) 11

x1* 3 atau 4

Solusi optimum dapat dibaca pada tabel di bawah ini: x1 3 1 5 4 6 9 10 11 8 10 11 x2 5 x3 8 x4 10 Panjang Lintasan Terpendek 11

Jadi ada tiga lintasan terpendek dari 1 ke 10, yaitu 1 3 5 8 10 1 4 5 8 10 1 4 6 9 10 yang mana panjang ketiga lintasan tersebut sama, yaitu 11.

Contoh Kasus dengan Metode Greedy Terdapat empat bentuk bangun persegi yang berbeda seperti dibawah ini ( A,B,C,D) . Dengan metode greedy susun keempat balok agar dapat masuk ke dalam kotak berbentuk persegi panjang yang luasnya 35x15 meter dengan menyisakan luas yang sangat kecil.

Penyelesaian : : 1. Membuat Kotak dari bangun B, diperoleh bangun F yang baru dengan luas 7 x 4 = 28

2. Kotak persegi panjang dibagi menjadi dua seperti ini . Tahap 1 (8 x 35)m .Tahap 2 (7x35)m

3. Ditahap 1 diambil satu keputusan : isi bagian atas seperti ini

4. Ditahap 2 diambil satu keputusan : isi bagian bawah seperti ini

Daerah yang berwarna merah : Luas Sisa Luas Sisa = Luas Keseluruhan Luas yang Terisi = (35x15) (18F+C) = 525 (18.28 + 8) = 525 (512 ) = 13

Contoh Kasus Dynamic Programming Untuk kasusnya sama dengan soal metode greedy. 1. Menyusun bangun yang mempunyai luas terbesar yakni bangun D menjadi berbentuk kotak seperti dibawah ini, kita peroleh bangun baru E (8x8 = 64 ).

2. Memasukkan E kedalam kotak persegi panjang hingga tidak bisa dimasukkan lagi.

Terlihat hanya 4 buah bangun E yang bisa dimasukkan, panjang kotak bersisa 35-(8x4) = 3m dan lebar kotak bersisa 15-8 = 7m 3. Tetap pada prinsip take what you can get now ,, kita masukkan lagi bangun yang terluas dan cukup menempati lebar 7m yakni bangun D yang disusun sedemikian rupa seperti ini

4. Tutup bagian yang terbuka dengan bangun C seperti ini

5. Panjang 7m tadi telah bersisa 7-6 = 1 m dan karena tidak ada bangun yang bersisi 1m maka sisanya sudah tidak bisa diisi bangun lagi. Tapi panjang sisa 3m masih bisa diisi oleh bangun C seperti ini

Daerah yang berwarna abu-abu : Luas Sisa Luas Sisa = Luas Keseluruhan Luas yang Terisi = (35x15) (4E+11C+8D) = 525 (4.64 + 11.8 + 8.16) = 525 (256 + 88 + 128 ) = 525 472 = 53 Dengan metode programming diperoleh Luas Sisa 53 Dengan metode greedy diperoleh Luas Sisa 13 .. luas sisa dengan metode greedy. dynamic programming Terlihat , dengan metode greedy luas sisa yang diperoleh lebih kecil .