Algoritma Brute Force

Oleh: Rinaldi Munir

Bahan Kuliah
IF2211 Strategi Algoritma

Program Studi Informatika

Sekolah teknik Elektro dan Informatika, ITB, 2014

Definisi Brute Force

Brute force : pendekatan yang lempang (straightforward)
untuk memecahkan suatu persoalan
Biasanya didasarkan pada:
pernyataan pada persoalan (problem statement)
definisi konsep yang dilibatkan.
Algoritma brute force memecahkan persoalan dengan
sangat sederhana,
langsung,
jelas (obvious way).
Just do it! atau Just Solve it!

Contoh-contoh
(Berdasarkan pernyataan persoalan)
1. Mencari elemen terbesar (terkecil)
Persoalan: Diberikan sebuah senarai
yang beranggotakan n buah bilangan
bulat (a1, a2, , an). Carilah elemen
terbesar di dalam senarai tersebut.
Algoritma brute force: bandingkan setiap elemen
senarai untuk menemukan elemen terbesar
4

Jumlah operasi perbandingan elemen: n 1

Kompleksitas waktu algoritma: O(n).
5

2. Pencarian beruntun (Sequential Search)

Persoalan: Diberikan senarai yang berisi n buah bilangan bulat
(a1, a2, , an). Carilah nilai x di dalam senara tersebut. Jika
x ditemukan, maka keluarannya adalah indeks elemen
senarai, jika x tidak ditemukan, maka keluarannya adalah
-1.
Algoritma brute force (sequential search): setiap elemen senarai
dibandingkan dengan x. Pencarian selesai jika x ditemukan
atau elemen senarai sudah habis diperiksa.

Jumlah perbandingan elemen: n

Kompleksitas waktu algoritma: O(n).
Adakah algoritma pencarian elemen yang lebih mangkus daripada brute7
force?

Contoh-contoh
(Berdasarkan definisi konsep yang terlibat)
1. Menghitung an (a > 0, n adalah bilangan bulat
tak-negatif)

Definisi:
an = a a a (n kali) , jika n > 0
=1
, jika n = 0
Algoritma brute force: kalikan 1 dengan a
sebanyak n kali
8

function pangkat(a : real, n : integer) real

{ Menghitung a^n }
Deklarasi
i : integer
hasil : real
Algoritma:
hasil 1
for i 1 to n do
hasil hasil * a
end
return hasil

Jumlah operasi kali: n

Kompleksitas waktu algoritma: O(n).
Adakah algoritma perpangkatan yang lebih mangkus daripada brute force?
9

2. Menghitung n! (n bilangan bulat tak-negatif)

Definisi:
n! = 1 2 3 n
=1

, jika n > 0
, jika n = 0

Algoritma brute force: kalikan n buah bilangan,

yaitu 1, 2, 3, , n, bersama-sama

10

function faktorial(n : integer) integer

{ Menghitung n! }
Deklarasi
i : integer
fak : real
Algoritma:
fak 1
for i 1 to n do
fak fak * i
end
return fak

Jumlah operasi kali: n

Kompleksitas waktu algoritma: O(n).
11

3. Mengalikan dua buah matriks, A dan B

Definisi:
Misalkan C = A B dan elemen-elemen matrik dinyatakan
sebagai cij, aij, dan bij

Algoritma brute force: hitung setiap elemen hasil perkalian satu

per satu, dengan cara mengalikan dua vektor yang panjangnya n.
12

Jumlah operasi kali; n3 dan operasi tambah: n3, total 2n3

Kompleksitas waktu algoritma: O(n3)
Adakah algoritma perkalian matriks yang lebih mangkus daripada brute force?
13

4. Tes Bilangan Prima

Persoalan: Diberikan sebuah bilangan bilangan bulat
positif. Ujilah apakah bilangan tersebut merupakan
bilangan prima atau bukan.
Definisi: bilangan prima adalah bilangan yang hanya
habis dibagi oleh 1 dan dirinya sendiri.
Algoritma brute force: bagi n dengan 2 sampai n.
Jika semuanya tidak habis membagi n, maka n adalah
bilangan prima.

14

Adakah algoritma pengujian bilangan prima yang lebih mangkus

daripada brute force?

15

5. Algoritma Pengurutan Brute Force

Algoritma apa yang memecahkan masalah
pengurutan secara brute force?
Bubble sort dan selection sort!
Kedua algoritma ini memperlihatkan
teknik brute force dengan sangat jelas
sekali.

16

Selection Sort
Pass ke 1:
1. Cari elemen terkecil mulai di dalam s[1..n]
2. Letakkan elemen terkecil pada posisi ke-1 (pertukaran)
Pass ke-2:
1. Cari elemen terkecil mulai di dalam s[2..n]
2. Letakkan elemen terkecil pada posisi 2 (pertukaran)
Ulangi sampai hanya tersisa 1 elemen
Semuanya ada n 1 kali pass
17

Sumber gambar: Prof. Amr Goneid

Department of Computer Science, AUC

18

Jumlah perbandingan elemen: n(n 1 )/2

Jumlah pertukaran: n 1
Kompleksitas waktu algoritma diukur dari jumlah perbandingan: O(n2).
Adakah algoritma pengurutan yang lebih mangkus?

19

Bubble Sort
Mulai dari elemen ke-1:
1. Jika s2 < s1, pertukarkan
2. Jika s3 < s2, pertukarkan

3. Jika sn 1 < sn, pertukarkan

satu kali pass

Ulangi lagi untuk pass ke-2, 3, .., n 1 dst

Semuanya ada n 1 kali pass

20

Sumber gambar: Prof. Amr Goneid

Department of Computer Science, AUC
21

Jumlah perbandingan elemen: n(n 1 )/2

Jumlah pertukaran (kasus terburuk): n(n 1)/2
Kompleksitas waktu algoritma diukur dari jumlah perbandingan: O(n2).
Adakah algoritma pengurutan yang lebih mangkus?

22

6. Mengevaluasi polinom

Persoalan: Hitung nilai polinom

p(x) = anxn + an-1xn-1 + + a1x + a0
untuk x = t.

Algoritma brute force: xi dihitung secara brute force

(seperti perhitungan an). Kalikan nilai xi dengan ai, lalu
jumlahkan dengan suku-suku lainnya.

23

function polinom(input t : real)real

{ Menghitung nilai p(x) pada x = t. Koefisien-koefisein polinom
sudah disimpan di dalam a[0..n].
Masukan: t
Keluaran: nilai polinom pada x = t.
}
Deklarasi
i, j : integer
p, pangkat : real

Algoritma:
p 0
for i n downto 0 do
pangkat 1
for j 1 to i do {hitung xi }
pangkat pangkat * t
endfor
p p + a[i] * pangkat
endfor
return p

Jumlah operasi perkalian: n(n 2)/2 + (n + 1)

Kompleksitas waktu algoritma: O(n2).

24

Perbaikan (improve):
function polinom2(input t : real)real
{ Menghitung nilai p(x) pada x = t. Koefisien-koefisein polinom
sudah disimpan di dalam a[0..n].
Masukan: t
Keluaran: nilai polinom pada x = t.
}
Deklarasi
i, j : integer
p, pangkat : real
Algoritma:
p a[0]
pangkat1
for i 1 to n do
pangkat pangkat * t
p p + a[i] * pangkat
endfor
return p

Jumlah operasi perkalian: 2n

Kompleksitas algoritma ini adalah O(n).
Adakah algoritma perhitungan nilai polinom yang lebih mangkus
daripada brute force?

25

Karakteristik Algoritma Brute Force

1. Algoritma brute force umumnya tidak cerdas dan tidak
mangkus, karena ia membutuhkan jumlah komputasi yang
besar dan waktu yang lama dalam penyelesaiannya.

Kata force mengindikasikan

tenaga ketimbang otak
Kadang-kadang algoritma brute
force disebut juga algoritma naif
(nave algorithm).

26

2. Algoritma brute force lebih cocok untuk persoalan

yang berukuran kecil.
Pertimbangannya:
- sederhana,
- implementasinya mudah
Algoritma brute force sering digunakan sebagai
basis pembanding dengan algoritma yang lebih
mangkus.
27

4.

Meskipun bukan metode yang mangkus, hampir semua persoalan dapat

diselesaikan dengan algoritma brute force.
Sukar menunjukkan persoalan yang tidak dapat diselesaikan dengan
metode brute force.
Bahkan, ada persoalan yang hanya dapat diselesaikan dengan metode
brute force.
Contoh: mencari elemen terbesar di dalam senarai.
Contoh lainnya?
When in doubt, use brute force (Ken Thompson, penemu
sistem operasi UNIX)

28

Contoh-contoh lain
1. Pencocokan String (String Matching)
Persoalan: Diberikan
a. teks (text), yaitu (long) string dengan
panjang n karakter
b. pattern, yaitu string dengan panjang m
karakter (asumsi: m < n)

Carilah lokasi pertama di dalam teks

yang bersesuaian dengan pattern.
29

Algoritma brute force:

1. Mula-mula pattern dicocokkan pada awal teks.
2. Dengan bergerak dari kiri ke kanan, bandingkan
setiap karakter di dalam pattern dengan karakter
yang bersesuaian di dalam teks sampai:
semua karakter yang dibandingkan cocok atau
sama (pencarian berhasil), atau
dijumpai sebuah ketidakcocokan karakter
(pencarian belum berhasil)
3. Bila pattern belum ditemukan kecocokannya dan
teks belum habis, geser pattern satu karakter ke
kanan dan ulangi langkah 2.
30

Contoh 1:
Pattern: NOT
Teks: NOBODY NOTICED HIM

1
2
3
4
5
6
7
8

NOBODY NOTICED HIM

NOT
NOT
NOT
NOT
NOT
NOT
NOT
NOT
31

Contoh 2:
Pattern: 001011
Teks: 10010101001011110101010001

1
2
3
4
5
6
7
8
9

10010101001011110101010001
001011
001011
001011
001011
001011
001011
001011
001011
001011
32

procedure PencocokanString(input P : string, T : string,

n, m : integer, output idx : integer)
{ Masukan: pattern P yang panjangnya m dan teks T yang
panjangnya n. Teks T direpresentasika sebagai string
(array of character)
Keluaran: lokasi awal kecocokan (idx)
}
Deklarasi
i : integer
ketemu : boolean
Algoritma:
i0
ketemufalse
while (i n-m) and (not ketemu) do
j1
while (j m) and (Pj = Ti+j ) do
jj+1
endwhile
{ j > m or Pj Ti+j }
{ kecocokan string ditemukan }
if j = m then
ketemutrue
else
ii+1 {geser pattern satu karakter ke kanan teks }
endif
endfor
{ i > n m or ketemu }
if ketemu then
idxi+1
else
idx-1
endif

Kompleksitas algoritma: O(nm) pada kasus terburuk

O(n) pada kasus rata-rata.

33

2. Mencari Pasangan Titik yang

Jaraknya Terdekat (Closest Pairs)
Persoalan: Diberikan n buah titik (2-D atau 3D), tentukan dua buah titik yang terdekat satu
sama lain.

34

 Jarak dua buah titik, p1 = (x1, y1) dan p2 = (x2,

y2) dihitung dengan rumus Euclidean:

Algoritma brute force:

1. Hitung jarak setiap pasang titik.
2. Pasangan titik yang mempunyai jarak terpendek
itulah jawabannya.
Algoritma brute force akan menghitung sebanyak
C(n, 2) = n(n 1)/2 pasangan titik dan memilih
pasangan titik yang mempunyai jarak terkecil.

Kompleksitas algoritma adalah O(n2).

35

Kompleksitas algoritma: O(n2).

36

Kekuatan dan Kelemahan Metode

Brute Force
Kekuatan:
1. Metode brute force dapat digunakan untuk memecahkan
hampir sebagian besar masalah (wide applicability).
2. Metode brute force sederhana dan mudah dimengerti.
3. Metode brute force menghasilkan algoritma yang layak untuk
beberapa masalah penting seperti pencarian, pengurutan,
pencocokan string, perkalian matriks.
4. Metode brute force menghasilkan algoritma baku (standard)
untuk tugas-tugas komputasi seperti penjumlahan/perkalian n
buah bilangan, menentukan elemen minimum atau
maksimum di dalam tabel (list).
37

Kelemahan:
1.

Metode brute force jarang menghasilkan

algoritma yang mangkus.

2.

Beberapa algoritma brute force lambat sehingga

tidak dapat diterima.

3.

Tidak sekontruktif/sekreatif teknik pemecahan

masalah lainnya.

38

Algoritma Brute Force dalam Sudoku

Sudoku adalah adalah permainan teka-teki (puzzle) logik
yang berasal dari Jepang. Permainan ini sangat populer di
seluruh dunia.
Contoh sebuah Sudoku:

39

 Kotak-kotak di dalam Sudoku harus diisi dengan

angka 1 sampai 9 sedemikian sehingga:
1. tidak ada angka yang sama (berulang) pada setiap baris;
2. tidak ada angka yang sama (berulang) pada setiap kolom;
3. tidak ada angka yang sama (berulang) pada setiap
bujursangkar (persegi) yang lebih kecil.

40

Algoritma Brute Force untuk Sudoku:

1. Tempatkan angka 1 pada sel pertama. Periksa apakah
penempatan 1 dibolehkan (dengan memeriksa baris, kolom,
dan kotak).
2. Jika tidak ada pelanggaran, maju ke sel berikutnya. Tempatkan
1 pada sel tersebut dan periksa apakah ada pelanggaran.
3. Jika pada pemeriksaan ditemukan pelanggaran, yaitu
penempatan 1 tidak dibolehkan, maka coba dengan
menempatkan 2.
4. Jika pada proses penempatan ditemukan bahwa tidak satupun
dari 9 angka diperbolehkan, maka tinggalkan sel tersebut
dalam keadaan kosong, lalu mundur satu langkah ke sel
sebelumnya. Nilai di sel tersebut dinaikkan 1.
5. Ulangi sampai 81 buah sel sudah terisi solusi yang benar.

Exhaustive Search
Exhaustive search:
teknik pencarian solusi secara solusi brute
force untuk masalah-masalah kombinatorik;
biasanya di antara objek-objek kombinatorik
seperti permutasi, kombinasi, atau himpunan
bagian dari sebuah himpunan.

42

Langkah-langkah metode exhaustive search:

1. Enumerasi (list) setiap solusi yang mungkin

dengan cara yang sistematis.
2. Evaluasi setiap kemungkinan solusi satu per
satu, simpan solusi terbaik yang ditemukan
sampai sejauh ini (the best solusi found so far).
3. Bila pencarian berakhir, umumkan solusi terbaik
(the winner)

Meskipun algoritma exhaustive secara teoritis

menghasilkan solusi, namun waktu atau
sumberdaya yang dibutuhkan dalam pencarian
solusinya sangat besar.
43

Contoh-contoh exhaustive search

1. Travelling Salesperson Problem
Persoalan: Diberikan n buah kota serta diketahui
jarak antara setiap kota satu sama lain. Temukan
perjalanan (tour) terpendek yang melalui setiap
kota lainnya hanya sekali dan kembali lagi ke kota
asal keberangkatan.

44

Persoalan TSP tidak lain adalah menemukan

sirkuit Hamilton dengan bobot minimum.

Algoritma exhaustive search untuk TSP:

1. Enumerasikan (list) semua sirkuit Hamilton dari

graf lengkap dengan n buah simpul.
2. Hitung (evaluasi) bobot setiap sirkuit Hamilton
yang ditemukan pada langkah 1.
3. Pilih sirkuit Hamilton yang mempunyai bobot
terkecil.
45

Contoh 4:
TSP dengan n = 4, simpul awal = a
a
10
d

12
5

b
9

15

8
c

Rute perjalananan terpendek adalah

acbda
adbca
dengan bobot = 32.
46

 Untuk n buah simpul semua rute perjalanan

dibangkitkan dengan permutasi dari n 1 buah
simpul.
Permutasi dari n 1 buah simpul adalah
(n 1)!
Pada contoh di atas, untuk n = 6 akan terdapat
(4 1)! = 3! = 6
buah rute perjalanan.
47

 Jika diselesaikan dengan exhaustive search,

maka kita harus mengenumerasi sebanyak (n
1)! buah sirkuit Hamilton, menghitung setiap
bobotnya, dan memilih sirkuit Hamilton dengan
bobot terkecil.
Kompleksitas waktu algoritma exhaustive search
untuk persoalan TSP sebanding dengan (n 1)!
dikali dengan waktu untuk menghitung bobot
setiap sirkuit Hamilton.
Menghitung bobot setiap sirkuit Hamilton
membutuhkan waktu O(n), sehingga
kompleksitas waktu algoritma exhaustive search
untuk persoalan TSP adalah O(n n!).
48

 Perbaikan: setengah dari rute perjalanan adalah

hasil pencerminan dari setengah rute yang lain,
yakni dengan mengubah arah rute perjalanan
1 dan 6
2 dan 4
3 dan 5
maka dapat dihilangkan setengah dari jumlah
permutasi (dari 6 menjadi 3).
Ketiga buah sirkuit Hamilton yang dihasilkan:
a

12

10
d

8
15

12

15

b
10
c

b
5

8
c

49

 Untuk graf dengan n buah simpul, kita

hanya perlu mengevaluasi (n 1)!/2 sirkuit
Hamilton.
Untuk ukuran masukan yang besar, jelas
algoritma exhaustive search menjadi
sangat tidak mangkus.
Pada persoalan TSP, untuk n = 20 akan
terdapat (19!)/2 = 6 1016 sirkuit Hamilton
yang harus dievaluasi satu per satu.
50

 Sayangnya, untuk persoalan TSP tidak ada

algoritma lain yang lebih baik daripada
algoritma exhaustive search.
Jika anda dapat menemukan algoritma
yang mangkus untuk TSP, anda akan
menjadi terkenal dan kaya!
Algoritma yang mangkus selalu
mempunyai kompleksitas waktu dalam
orde polinomial.
51

2. 1/0 Knapsack Problem

52

 Persoalan: Diberikan n buah objek dan

sebuah knapsack dengan kapasitas
bobot K. Setiap objek memiliki properti
bobot (weigth) wi dan
keuntungan(profit) pi.
Bagaimana memilih memilih objek-objek yang
dimasukkan ke dalam knapsack sedemikian
sehingga memaksimumkan keuntungan. Total
bobot objek yang dimasukkan ke dalam
knapsack tidak boleh melebihi kapasitas
knapsack.

53

 Persoalan 0/1 Knapsack dapat kita pandang

sebagai mencari himpunan bagian (subset)
dari keseluruhan objek yang muat ke dalam
knapsack dan memberikan total keuntungan
terbesar.

54

 Solusi persoalan dinyatakan sebagai:

X = {x1, x2, , xn}
xi = 1, jika objek ke-i dipilih,
xi = 0, jika objek ke-i tidak dipilih.

55

Formulasi secara matematis:

56

Algoritma exhaustive search:

1. Enumerasikan (list) semua himpunan
bagian dari himpunan dengan n objek.
2. Hitung (evaluasi) total keuntungan dari
setiap himpunan bagian dari langkah 1.
3. Pilih himpunan bagian yang memberikan
total keuntungan terbesar.
57

Contoh: n = 4, K = 16
Objek Bobot
Profit ($)
1
2
20
2
5
30
3
10
50
4
5
10
Langkah-langkah pencarian solusi 0/1
Knapsack secara exhaustive search
dirangkum dalam tabel di bawah ini:
58

Himpunan bagian objek yang memberikan keuntungan maksimum

adalah {2, 3} dengan total keuntungan adalah 80.
59
Solusi: X = {0, 1, 1, 0}

 Banyaknya himpunan bagian dari sebuah

himpunan dengan n elemen adalah 2n.
Waktu untuk menghitung total bobot objek yang
dipilih = O(n)
Sehingga, Kompleksitas algoritma exhaustive
search untuk persoalan 0/1 Knapsack = O(n. 2n).
TSP dan 0/1 Knapsack, adalah contoh persoalan
eksponensial.

60

Latihan
(yang diselesaikan secara exhaustive search)
1.

(Masalah Penugasan) Misalkan terdapat n orang dan n buah

pekerjaan (job). Setiap orang akan di-assign dengan sebuah
pekerjaan. Penugasan orang ke-i dengan pekerjaan ke-j
membutuhkan biaya sebesar c(i, j). Bagaimana melakukan
penugasan sehingga total biaya penugasan adalah seminimal
mungkin? Misalkan instansiasi persoalan dinyatakan sebagai
matriks C sebagai berikut
Job 1 Job 2 Job 3
9
2
7

C 6
4
3

8
1
5
7
6
9

Job 4
8 Orang a
7 Orang b

4 Orang c
4 Orang d
61

2.

(Masalah partisi). Diberikan n buah bilangan bulat

positif. Bagilah menjadi dua himpunan bagian disjoint
sehingga setiap bagian mempunyai jumlah nilai yang
sama (catatan: masalah ini tidak selalu mempunyai
solusi).
Contoh: n = 6, yaitu 3, 8, 4, 6, 1, 2, dibagidua menjadi
{3, 8, 1} dan {4, 6, 2} yang masing-masing jumlahnya
12.
Rancang algoritma exhaustive search untuk masalah ini.
Cobalah mengurangi jumlah himpunan bagian yang
perlu dibangkitkan.

62

3. (Bujursangkar ajaib). Bujursangkar ajaib

(magic square) adalah pengaturan n buah
bilangan dari 1 hingga n2 di dalam bujursangkar
yang berukuran n x n sedemikian sehingga
jumlah nilai setiap kolom,baris, dan diaginal
sama. Rancanglah algoritma exhaustive search
untuk membangkitkan bujursangkar ajaib orde
n.

63

Exhaustive Search
di dalam Kriptografi
Di dalam kriptografi, exhaustive search
merupakan teknik yang digunakan penyerang
untuk menemukan kunci enkripsi dengan cara
mencoba semua kemungkinan kunci.
Serangan semacam ini dikenal dengan nama
exhaustive key search attack atau brute force
attack.

64

 Contoh: Panjang kunci enkripsi pada algoritma

DES (Data Encryption Standard) = 64 bit.
Dari 64 bit tersebut, hanya 56 bit yang digunakan
(8 bit paritas lainnya tidak dipakai).
Jumlah kombinasi kunci yang harus dievaluasi oleh
pihak lawan adalah sebanyak
(2)(2)(2)(2)(2) (2)(2) = 2 56 =
7.205.759.403.7927.936
Jika untuk percobaan dengan satu kunci
memerlukan waktu 1 detik, maka untuk jumlah
kunci sebanyak itu diperlukan waktu komputasi
kurang lebih selama 228.4931.317 tahun!
65

 Algoritma exhaustive search tidak

mangkus sebagaimana ciri algoritma
brute force pada umumnya
Namun, nilai plusnya terletak pada
keberhasilannya yang selalu
menemukan solusi (jika diberikan
waktu yang cukup).
66

Mempercepat Algoritma
Exhaustive Search
Algoritma exhaustive search dapat diperbaiki
kinerjanya sehingga tidak perlu melakukan
pencarian terhadap semua kemungkinan solusi.
Salah satu teknik yang digunakan untuk
mempercepat pencarian solusi, di mana
exhaustive search tidak praktis, adalah teknik
heuristik (heuristic).
Dalam exhaustive search, teknik heuristik
digunakan untuk mengeliminasi beberapa
kemungkinan solusi tanpa harus
mengeksplorasinya secara penuh.

67

 Heuristik adalah teknik yang dirancang untuk

memecahkan persoalan dengan mengabaikan
apakah solusi dapat terbukti benar secara
matematis
Contoh dari teknik ini termasuk menggunakan
tebakan, penilaian intuitif, atau akal sehat.
Contoh: program antivirus menggunakan polapola heuristik untuk mengidentifikasi dokumen
yang terkena virus atau malware.

68

Sejarah
Heuristik adalah seni dan
ilmu menemukan (art and
science of discovery).
Kata heuristik diturunkan dari
Bahasa Yunani yaitu eureka
yang berarti menemukan
(to find atau to discover).
Matematikawan Yunani yang bernama Archimedes
yang melontarkan kata "heureka", dari sinilah kita
menemukan kata eureka yang berarti
69
I have found it.

 Heuristk mengacu pada teknik memecahkan

persoalan berbasis pengalaman, dari proses
pembelajaran, dan penemuan solusi meskipun
tidak dijamin optimal.
Heuristik berbeda dari algoritma:
- heuristik berlaku sebagai panduan (guideline),
- sedangkan algoritma adalah urutan langkahlangkah penyelesaian persoalan.
Metode heuristik menggunakan terkaan, intuisi,
dan common sense. Secara matematis tidak
dapat dibuktikan, namun sangat berguna.
70

 Heuristik mungkin tidak selalu memberikan

hasil optimal, tetapi secara ekstrim ia berguna
pada pemecahan masalah.
Heuristik yang bagus dapat secara dramatis
mengurangi waktu yang dibutuhkan untuk
memecahkan masalah dengan cara
mengeliminir kebutuhan untuk
mempertimbangkan kemungkinan solusi yang
tidak perlu.

71

 Heuristik tidak menjamin selalu dapat

memecahkan persoalan, tetapi seringkali
memecahkan persoalan dengan cukup baik untuk
kebanyakan persoalan, dan seringkali pula lebih
cepat daripada pencarian solusi secara exhaustive
search.
Sudah sejak lama heuristik digunakan secara
intensif di dalam bidang intelijensia buatan
(artificial intelligence).

72

 Contoh penggunaan heuristik untuk mempercepat algoritma

exhaustive search

Contoh: Masalah anagram. Anagram adalah penukaran huruf

dalam sebuah kata atau kalimat sehingga kata atau kalimat yang
baru mempunyai arti lain.
Contoh-contoh anagram (semua contoh dalam Bahasa Inggris):
lived devil
tea eat
charm march
73

 Bila diselesaikan secara exhaustive search, kita harus mencari

semua permutasi huruf-huruf pembentuk kata atau kalimat,
lalu memerika apakah kata atau kalimat yang terbentuk
mengandung arti.
Teknik heuristik dapat digunakan untuk mengurangi jumlah
pencarian solusi. Salah satu teknik heuristik yang digunakan
misalnya membuat aturan bahwa dalam Bahasa Inggris huruf c
dan h selalu digunakan berdampingan sebagai ch (lihat contoh
charm dan march), sehingga kita hanya membuat permutasi
huruf-huruf dengan c dan h berdampingan. Semua permutasi
dengan huruf c dan h tidak berdampingan ditolak dari
pencarian.
74