Pengertian Dan Penjelasan Algoritma Greedy

Algoritma greedy merupakan metode yang
paling populer untuk memecahkan persoalan
optimasi.

• Persoalan optimasi (optimization problems):
> persoalan mencari solusi optimum.

• Hanya ada dua macam persoalan optimasi:
1. Maksimasi (maximization)
2. Minimasi (minimization)
Persoalan minimasi

Contoh 1: tersedia banyak koin 1, 5, 10, 25

• Uang senilai A = 32 dapat ditukar dengan
banyak cara berikut:
32 = 1 + 1 + ... + 1 (32 koin)
32 = 5 + 5 + 5 + 5 + 10 + 1 + 1 (7 koin)
32 = 10 + 10 + 10 + 1 + 1 (5 koin)
... dst
• Minimum: 32 = 25 + 5 + 1 + 1 (4 koin)

• Greedy = rakus, tamak, loba, ...

• Prinsip greedy: “take what you can get now!”.

• Algoritma greedy membentuk solusi langkah per
langkah (step by step).

• Pada setiap langkah, terdapat banyak pilihan yang
perlu dievaluasi.

• Oleh karena itu, pada setiap langkah harus dibuat
keputusan yang terbaik dalam menentukan pilihan.

• Pada setiap langkah, kita membuat pilihan
optimum lokal (local optimum)

• dengan harapan bahwa langkah sisanya
mengarah ke solusi optimum global
(global optimm).

• Algoritma greedy adalah algoritma yang
memecahkan masalah langkah per langkah;

pada setiap langkah:
1. mengambil pilihan yang terbaik yang
dapat diperoleh pada saat itu tanpa
memperhatikan konsekuensi ke depan
(prinsip “take what you can get now!”)

2. berharap bahwa dengan memilih optimum
lokal pada setiap langkah akan berakhir
dengan optimum global.

• Tinjau masalah penukaran uang:

Strategi greedy:
Pada setiap langkah, pilihlah koin dengan nilai
terbesar dari himpunan koin yang tersisa.

• Misal: A = 32, koin yang tersedia: 1, 5, 10, dan 25
Langkah 1: pilih 1 buah koin 25 (Total = 25)
Langkah 2: pilih 1 buah koin 5 (Total = 25 + 5 = 30)
Langkah 3: pilih 2 buah koin 1 (Total = 25+5+1+1= 32)

• Solusi: Jumlah koin minimum = 4 (solusi optimal!)

Elemen-elemen algoritma greedy:
1. Himpunan kandidat, C.
2. Himpunan solusi, S
3. Fungsi seleksi (selection function)
4. Fungsi kelayakan (feasible)
5. Fungsi obyektif

Dengan kata lain:
algoritma greedy melibatkan pencarian sebuah
himpunan bagian, S, dari himpunan kandidat, C;
yang dalam hal ini, S harus memenuhi beberapa
kriteria yang ditentukan, yaitu menyatakan suatu solusi
dan S dioptimisasi oleh fungsi obyektif.

Pada masalah penukaran uang:
• Himpunan kandidat: himpunan koin yang
merepresentasikan nilai 1, 5, 10, 25, paling sedikit
mengandung satu koin untuk setiap nilai.

• Himpunan solusi: total nilai koin yang dipilih tepat
sama jumlahnya dengan nilai uang yang ditukarkan.

• Fungsi seleksi: pilihlah koin yang bernilai tertinggi dari
himpunan kandidat yang tersisa.

• Fungsi layak: memeriksa apakah nilai total dari
himpunan koin yang dipilih tidak melebihi jumlah uang
yang harus dibayar.

• Fungsi obyektif: jumlah koin yang digunakan minimum.

Skema umum algoritma greedy:

function greedy(input C: himpunan_kandidat) himpunan_kandidat
{ Mengembalikan solusi dari persoalan optimasi dengan algoritma greedy
Masukan: himpunan kandidat C
Keluaran: himpunan solusi yang bertipe himpunan_kandidat
}
Deklarasi
x : kandidat
S : himpunan_kandidat
Algoritma:
S > {} { inisialisasi S dengan kosong }
while (not SOLUSI(S)) and (C  {} ) do
x > SELEKSI(C) { pilih sebuah kandidat dari C}
C > C - {x} { elemen himpunan kandidat berkurang satu }
if LAYAK(S > {x}) then
S > S > {x}

endif
endwhile
{SOLUSI(S) or C = {} }
if SOLUSI(S) then
return S
else
write(’tidak ada solusi’)
endif

> Pada akhir setiap lelaran, solusi yang terbentuk adalah optimum lokal.
> Pada akhir kalang while-do diperoleh optimum global. 11

• Warning: Optimum global belum tentu merupakan solusi

optimum (terbaik), tetapi sub-optimum atau pseudo-
optimum.

• Alasan:
1. Algoritma greedy tidak beroperasi secara menyeluruh
terhadap semua alternatif solusi yang ada
(sebagaimana pada metode exhaustive search).

2. Terdapat beberapa fungsi SELEKSI yang berbeda,
sehingga kita harus memilih fungsi yang tepat jika kita
ingin algoritma menghasilkan solusi optiamal.

• Jadi, pada sebagian masalah algoritma greedy tidak
selalu berhasil memberikan solusi yang optimal.

• Contoh 2: tinjau masalah penukaran