Algoritma, Struktur Data, dan Efisiensi Program
Belajar merancang langkah penyelesaian masalah, memilih cara menyimpan informasi, serta memahami mengapa dua program yang menghasilkan jawaban sama belum tentu memiliki kinerja yang sama.
Ketika belajar pemrograman, kita mungkin merasa bahwa membuat program yang berjalan tanpa error sudah merupakan pencapaian yang cukup. Namun, dalam pengembangan perangkat lunak, ada hal lain yang tidak kalah penting: apakah program tersebut menyelesaikan masalah dengan cara yang tepat dan efisien?
Bayangkan sebuah aplikasi yang harus mencari satu nama dari daftar berisi sepuluh juta pengguna. Program tersebut mungkin berhasil menemukan nama yang dicari, tetapi bagaimana jika proses pencariannya membutuhkan waktu sangat lama? Bagaimana jika penggunaan memorinya terlalu besar sehingga aplikasi menjadi lambat?
Persoalan seperti ini berkaitan dengan tiga konsep penting dalam ilmu komputer, yaitu algoritma, struktur data, dan efisiensi program.
Daftar Isi
1. Mengenal Algoritma
Algoritma adalah serangkaian langkah logis dan sistematis untuk menyelesaikan suatu masalah atau mencapai tujuan tertentu.
Algoritma sebenarnya tidak hanya digunakan dalam pemrograman. Dalam kehidupan sehari-hari, kita juga sering mengikuti urutan langkah untuk menyelesaikan pekerjaan.
Pengandaian: membuat secangkir teh
Ketika ingin membuat secangkir teh, kita dapat menyusun langkah-langkah seperti berikut:
- Siapkan gelas, teh, gula, dan air.
- Panaskan air hingga mendidih.
- Masukkan teh ke dalam gelas.
- Tuangkan air panas.
- Tambahkan gula sesuai kebutuhan.
- Aduk hingga tercampur.
- Teh siap diminum.
Urutan tersebut merupakan algoritma sederhana. Jika langkahnya tidak jelas atau dilakukan secara tidak tepat, hasil akhirnya bisa berbeda.
Dalam pemrograman, prinsipnya serupa. Kita harus menentukan langkah penyelesaian masalah sebelum menerjemahkannya menjadi instruksi yang dapat dijalankan komputer.
Algoritma dan program, apakah sama?
Keduanya berkaitan, tetapi tidak sama. Algoritma merupakan rancangan langkah penyelesaian masalah, sedangkan program adalah implementasi algoritma menggunakan bahasa pemrograman tertentu.
Masalah
Menentukan persoalan yang ingin diselesaikan.
Algoritma
Menyusun langkah logis untuk memperoleh solusi.
Program
Menerjemahkan algoritma menjadi kode Python atau bahasa lain.
Eksekusi
Menjalankan program dan memeriksa hasilnya.
Contohnya, kita ingin membuat program untuk menghitung rata-rata tiga nilai. Algoritmanya adalah membaca tiga nilai, menjumlahkannya, membagi hasilnya dengan tiga, kemudian menampilkan rata-rata.
nilai_1 = 80
nilai_2 = 90
nilai_3 = 70
total = nilai_1 + nilai_2 + nilai_3
rata_rata = total / 3
print("Rata-rata:", rata_rata)
Program tersebut merupakan implementasi sederhana dari algoritma menghitung rata-rata.
2. Karakteristik Algoritma yang Baik
Tidak semua urutan instruksi otomatis menjadi algoritma yang baik. Sebuah algoritma perlu memiliki karakteristik tertentu agar dapat digunakan untuk menyelesaikan masalah secara benar.
1. Input
Memiliki masukan atau data yang digunakan dalam proses, meskipun beberapa algoritma dapat berjalan tanpa input eksplisit.
2. Output
Menghasilkan keluaran atau solusi yang diharapkan.
3. Kejelasan
Setiap langkah harus memiliki makna yang jelas dan tidak menimbulkan penafsiran ganda.
4. Berhingga
Proses harus selesai setelah sejumlah langkah yang terbatas.
5. Efektif
Setiap langkah dapat dilakukan dan memberikan kontribusi terhadap penyelesaian masalah.
6. Benar
Algoritma harus menghasilkan solusi yang sesuai dengan kebutuhan untuk seluruh kondisi yang ditentukan.
Contoh algoritma yang tidak efektif
Misalnya, kita ingin mencari nilai terbesar dari tiga angka. Salah satu cara adalah membandingkan setiap angka secara sistematis.
angka_1 = 12
angka_2 = 25
angka_3 = 18
terbesar = angka_1
if angka_2 > terbesar:
terbesar = angka_2
if angka_3 > terbesar:
terbesar = angka_3
print("Nilai terbesar:", terbesar)
Algoritma tersebut memiliki langkah yang jelas dan menghasilkan nilai terbesar. Jika jumlah angka bertambah, pendekatan serupa dapat dikembangkan menggunakan perulangan.
3. Representasi Algoritma
Sebelum algoritma diterjemahkan menjadi kode, kita dapat menggambarkannya menggunakan beberapa cara. Dua representasi yang sering digunakan dalam pembelajaran adalah pseudocode dan flowchart.
A. Pseudocode
Pseudocode adalah penulisan langkah algoritma menggunakan bahasa sederhana yang menyerupai instruksi pemrograman, tetapi tidak terikat pada aturan sintaks bahasa tertentu.
Contoh: menentukan apakah sebuah angka termasuk genap atau ganjil.
MULAI
BACA angka
JIKA angka MOD 2 = 0
TAMPILKAN "Genap"
JIKA TIDAK
TAMPILKAN "Ganjil"
SELESAI
Pseudocode membantu kita berfokus pada logika penyelesaian masalah tanpa harus memikirkan sintaks Python terlebih dahulu.
B. Flowchart
Flowchart atau diagram alir merupakan representasi algoritma menggunakan simbol-simbol grafis. Setiap simbol memiliki fungsi tertentu.
| Simbol | Nama | Fungsi |
|---|---|---|
| Oval | Terminator | Menandai awal atau akhir algoritma. |
| Jajar genjang | Input/Output | Menerima input atau menampilkan output. |
| Persegi panjang | Process | Menunjukkan proses atau perhitungan. |
| Belah ketupat | Decision | Menentukan percabangan berdasarkan kondisi. |
| Panah | Flowline | Menunjukkan arah alur proses. |
Contoh alur menentukan bilangan genap atau ganjil dapat digambarkan sebagai berikut:
"Genap"
"Ganjil"
Ilustrasi alur keputusan bilangan genap atau ganjil.
Setelah algoritma dirancang, kita dapat menerjemahkannya ke dalam Python:
angka = int(input("Masukkan angka: "))
if angka % 2 == 0:
print("Bilangan genap")
else:
print("Bilangan ganjil")
4. Mengenal Struktur Data
Ketika program mulai mengolah banyak informasi, kita membutuhkan cara untuk menyimpan dan mengorganisasi data. Cara pengorganisasian tersebut disebut struktur data.
Struktur data membantu program menyimpan, mengakses, menambahkan, mengubah, dan menghapus informasi sesuai kebutuhan.
Pengandaian: mengatur barang di rumah
Bayangkan kita memiliki banyak barang. Jika semuanya diletakkan begitu saja di lantai, kita akan kesulitan menemukan barang yang dibutuhkan. Sebaliknya, jika barang disusun ke dalam lemari, kotak, atau rak berdasarkan kategori, pencarian menjadi lebih mudah.
Struktur data bekerja dengan prinsip yang serupa. Data diorganisasi menggunakan bentuk penyimpanan tertentu agar dapat dikelola secara efektif.
Python menyediakan beberapa struktur data bawaan yang sering digunakan:
| Struktur Data | Karakteristik | Contoh Penggunaan |
|---|---|---|
| List | Berurutan, dapat diubah, boleh memiliki nilai duplikat. | Daftar nilai murid. |
| Tuple | Berurutan, tidak dapat diubah setelah dibuat. | Koordinat lokasi. |
| Set | Menyimpan elemen unik, tidak menggunakan indeks posisi. | Kumpulan kategori tanpa duplikasi. |
| Dictionary | Menyimpan pasangan key dan value. | Data pengguna berdasarkan ID. |
5. List dan Operasinya
List merupakan salah satu struktur data yang paling sering digunakan dalam Python. List dapat menyimpan banyak nilai dalam satu variabel dan memungkinkan elemen ditambahkan, diubah, atau dihapus.
A. Membuat list
buah = ["Apel", "Jeruk", "Mangga"]
print(buah)
Hasil program:
['Apel', 'Jeruk', 'Mangga']
B. Mengakses elemen list
Setiap elemen list memiliki indeks. Indeks Python dimulai dari angka 0.
buah = ["Apel", "Jeruk", "Mangga"]
print(buah[0])
print(buah[1])
print(buah[-1])
Hasil program:
Apel
Jeruk
Mangga
C. Menambahkan dan menghapus data
buah = ["Apel", "Jeruk"]
# Menambahkan elemen
buah.append("Mangga")
# Menghapus elemen
buah.remove("Apel")
print(buah)
Hasil program:
['Jeruk', 'Mangga']
D. Mengolah list menggunakan perulangan
List dapat dipadukan dengan perulangan untuk mengolah seluruh elemen secara berurutan.
nilai = [80, 90, 75, 85, 95]
total = 0
for angka in nilai:
total += angka
rata_rata = total / len(nilai)
print("Jumlah nilai:", total)
print("Rata-rata:", rata_rata)
List cocok digunakan ketika kita perlu menyimpan kumpulan data yang urutannya penting dan jumlah elemennya dapat berubah.
6. Tuple, Set, dan Dictionary
A. Tuple: kumpulan data yang tidak dapat diubah
Tuple mirip dengan list, tetapi elemennya tidak dapat diubah setelah tuple dibuat.
koordinat = (10, 20)
print(koordinat[0])
print(koordinat[1])
Tuple cocok digunakan untuk data yang secara konseptual tidak perlu diubah, misalnya pasangan koordinat atau konfigurasi tetap.
B. Set: kumpulan elemen unik
Set digunakan untuk menyimpan elemen tanpa duplikasi. Jika ada nilai yang sama, set hanya menyimpan satu kemunculan nilai tersebut.
angka = {1, 2, 2, 3, 3, 4}
print(angka)
Hasil program:
{1, 2, 3, 4}
Set juga mendukung operasi himpunan seperti gabungan, irisan, dan selisih.
kelompok_a = {"Andi", "Budi", "Citra"}
kelompok_b = {"Budi", "Dina", "Eko"}
print("Gabungan:", kelompok_a | kelompok_b)
print("Irisan:", kelompok_a & kelompok_b)
print("Selisih:", kelompok_a - kelompok_b)
Operasi tersebut dapat digunakan untuk membandingkan dua kumpulan data.
C. Dictionary: menyimpan data berdasarkan pasangan key-value
Dictionary menyimpan data menggunakan pasangan kunci (key) dan nilai (value). Struktur ini berguna ketika kita ingin mengakses informasi berdasarkan identitas tertentu, bukan berdasarkan posisi indeks.
murid = {
"nama": "Andi",
"kelas": "X-1",
"nilai": 90
}
print(murid["nama"])
print(murid["nilai"])
Hasil program:
Andi
90
Kita juga dapat mengubah atau menambahkan informasi:
murid["nilai"] = 95
murid["jurusan"] = "Informatika"
print(murid)
Memilih struktur data yang tepat
Pemilihan struktur data sebaiknya disesuaikan dengan kebutuhan pengolahan informasi.
- Gunakan tuple jika membutuhkan kumpulan data berurutan yang tidak perlu diubah.
- Gunakan set jika membutuhkan elemen unik dan operasi himpunan.
- Gunakan dictionary jika membutuhkan hubungan antara kunci dan nilai.
7. Mengenal Stack dan Queue
Selain struktur data bawaan seperti list, tuple, set, dan dictionary, terdapat konsep struktur data lain yang penting dalam ilmu komputer. Dua di antaranya adalah stack dan queue.
A. Stack: Last In, First Out (LIFO)
Stack menggunakan prinsip Last In, First Out, artinya data yang terakhir dimasukkan akan menjadi data pertama yang dikeluarkan.
Pengandaian: bayangkan tumpukan piring. Piring yang terakhir diletakkan di atas tumpukan biasanya menjadi piring pertama yang diambil.
Ilustrasi stack
Stack dapat dibuat menggunakan list Python dengan operasi append() dan pop().
stack = []
# Menambahkan data
stack.append("A")
stack.append("B")
stack.append("C")
print("Stack:", stack)
# Mengambil data paling atas
data = stack.pop()
print("Data diambil:", data)
print("Stack sekarang:", stack)
Hasil program:
Stack: ['A', 'B', 'C']
Data diambil: C
Stack sekarang: ['A', 'B']
Contoh penerapan stack adalah fitur undo, riwayat pemanggilan fungsi, dan mekanisme kembali ke halaman sebelumnya pada aplikasi tertentu.
B. Queue: First In, First Out (FIFO)
Queue menggunakan prinsip First In, First Out, yaitu data yang pertama masuk akan menjadi data pertama yang keluar.
Pengandaian: bayangkan antrean di loket. Orang yang datang lebih dahulu akan dilayani lebih dahulu.
Ilustrasi queue
A masuk lebih dahulu dan menjadi data pertama yang dilayani (front).
Untuk membuat queue di Python, kita dapat menggunakan deque dari modul collections.
from collections import deque
antrian = deque()
# Menambahkan data ke belakang
antrian.append("Andi")
antrian.append("Budi")
antrian.append("Citra")
print("Antrian:", antrian)
# Mengambil data paling depan
dilayani = antrian.popleft()
print("Dilayani:", dilayani)
print("Antrian sekarang:", antrian)
Hasil program:
Antrian: deque(['Andi', 'Budi', 'Citra'])
Dilayani: Andi
Antrian sekarang: deque(['Budi', 'Citra'])
Penggunaan deque lebih sesuai daripada menghapus elemen pertama list secara berulang, karena operasi penambahan dan penghapusan pada kedua ujung deque dirancang agar efisien.
8. Algoritma Pencarian (Searching)
Searching merupakan proses menemukan data tertentu dari sekumpulan data. Contohnya, mencari nama murid dalam daftar, mencari produk berdasarkan kode, atau mencari sebuah kata dalam kumpulan dokumen.
Ada banyak algoritma pencarian. Dua konsep dasar yang penting untuk dipahami adalah linear search dan binary search.
A. Linear Search
Linear search bekerja dengan memeriksa elemen satu per satu mulai dari awal hingga data ditemukan atau seluruh elemen selesai diperiksa.
Misalnya, kita ingin mencari angka 30 dalam daftar berikut:
data = [10, 20, 30, 40, 50]
Proses pencarian:
- Periksa angka 10. Bukan angka yang dicari.
- Periksa angka 20. Bukan angka yang dicari.
- Periksa angka 30. Data ditemukan.
Implementasi linear search:
def linear_search(data, target):
for indeks in range(len(data)):
if data[indeks] == target:
return indeks
return -1
angka = [10, 20, 30, 40, 50]
hasil = linear_search(angka, 30)
if hasil != -1:
print("Data ditemukan pada indeks:", hasil)
else:
print("Data tidak ditemukan")
Linear search dapat digunakan pada data yang belum diurutkan. Namun, jika jumlah data sangat besar, pencarian satu per satu dapat membutuhkan banyak pemeriksaan.
B. Binary Search
Binary search menggunakan pendekatan berbeda. Algoritma ini membandingkan target dengan elemen tengah, kemudian mengabaikan setengah bagian data yang tidak mungkin berisi target.
Syarat penting: data harus sudah terurut berdasarkan urutan yang sesuai.
Misalnya, kita ingin mencari angka 70 dari daftar:
[10, 20, 30, 40, 50, 60, 70, 80, 90]
Langkah pencarian:
- Periksa elemen tengah, yaitu 50.
- Karena 70 lebih besar dari 50, pencarian dilanjutkan pada bagian kanan.
- Periksa elemen tengah bagian kanan, yaitu 70.
- Data ditemukan.
Implementasi binary search:
def binary_search(data, target):
kiri = 0
kanan = len(data) - 1
while kiri <= kanan:
tengah = (kiri + kanan) // 2
if data[tengah] == target:
return tengah
elif data[tengah] < target:
kiri = tengah + 1
else:
kanan = tengah - 1
return -1
angka = [10, 20, 30, 40, 50, 60, 70, 80, 90]
hasil = binary_search(angka, 70)
print("Indeks:", hasil)
Hasil program:
Indeks: 6
Perbandingan linear search dan binary search
| Aspek | Linear Search | Binary Search |
|---|---|---|
| Cara kerja | Memeriksa elemen satu per satu. | Membagi ruang pencarian menjadi dua bagian. |
| Data harus terurut? | Tidak. | Ya. |
| Kasus terburuk | O(n). | O(log n). |
| Kesesuaian | Data kecil atau belum terurut. | Data terurut dengan pencarian berulang. |
9. Algoritma Pengurutan (Sorting)
Sorting merupakan proses mengurutkan data berdasarkan aturan tertentu, misalnya dari nilai terkecil ke terbesar atau berdasarkan abjad.
Pengurutan data sering digunakan dalam aplikasi untuk menampilkan peringkat, menyusun daftar harga, mengurutkan tanggal, atau mengelola kumpulan informasi.
A. Bubble Sort
Bubble sort merupakan algoritma pengurutan sederhana yang bekerja dengan membandingkan dua elemen bersebelahan. Jika urutannya salah, kedua elemen tersebut ditukar.
Proses ini diulang hingga seluruh data berada dalam urutan yang benar.
angka = [5, 3, 8, 1, 2]
n = len(angka)
for i in range(n):
for j in range(0, n - i - 1):
if angka[j] > angka[j + 1]:
angka[j], angka[j + 1] = angka[j + 1], angka[j]
print(angka)
Hasil program:
[1, 2, 3, 5, 8]
Bubble sort mudah dipahami untuk mempelajari konsep pengurutan, tetapi tidak cocok untuk data berukuran besar karena jumlah perbandingannya dapat meningkat secara kuadratik.
B. Selection Sort
Selection sort bekerja dengan mencari elemen terkecil dari bagian data yang belum terurut, kemudian menempatkannya pada posisi yang seharusnya.
angka = [5, 3, 8, 1, 2]
for i in range(len(angka)):
indeks_min = i
for j in range(i + 1, len(angka)):
if angka[j] < angka[indeks_min]:
indeks_min = j
angka[i], angka[indeks_min] = angka[indeks_min], angka[i]
print(angka)
C. Menggunakan fungsi sorting Python
Dalam penggunaan sehari-hari, kita tidak selalu perlu menulis algoritma sorting sendiri. Python menyediakan fungsi bawaan yang dapat digunakan untuk mengurutkan data.
angka = [5, 3, 8, 1, 2]
# Menghasilkan list baru yang terurut
hasil = sorted(angka)
print(hasil)
# Mengurutkan list secara langsung
angka.sort()
print(angka)
Hasil program:
[1, 2, 3, 5, 8]
[1, 2, 3, 5, 8]
Fungsi sorted() menghasilkan list baru, sedangkan list.sort() mengubah urutan list yang dipanggil secara langsung. Implementasi sorting bawaan Python menggunakan algoritma Timsort, yang dirancang untuk bekerja baik pada berbagai pola data nyata.
10. Memahami Efisiensi Program dan Big O
Dua program dapat menghasilkan jawaban yang sama, tetapi membutuhkan sumber daya yang berbeda. Salah satu program mungkin hanya memerlukan beberapa langkah, sedangkan program lain harus melakukan ribuan operasi.
Untuk membandingkan efisiensi algoritma, kita mengenal konsep kompleksitas waktu (time complexity) dan kompleksitas ruang (space complexity).
A. Time complexity
Time complexity menggambarkan bagaimana jumlah operasi suatu algoritma bertambah seiring meningkatnya ukuran input.
Time complexity bukan sekadar waktu dalam detik. Pengukuran ini lebih berfokus pada pola pertumbuhan jumlah operasi ketika ukuran data semakin besar.
B. Space complexity
Space complexity menggambarkan kebutuhan ruang atau memori yang digunakan algoritma, termasuk ruang tambahan yang diperlukan selama proses berlangsung.
Misalnya, sebuah algoritma mungkin cepat tetapi membutuhkan banyak memori tambahan. Algoritma lain mungkin lebih hemat memori, tetapi memerlukan lebih banyak waktu. Pemilihan solusi perlu mempertimbangkan kebutuhan aplikasi.
C. Mengenal notasi Big O
Big O notation merupakan cara untuk menggambarkan batas atas pertumbuhan kompleksitas algoritma secara asimtotik. Dalam analisis dasar, Big O sering digunakan untuk membahas perilaku kasus terburuk.
Berikut beberapa kompleksitas yang umum ditemukan:
| Kompleksitas | Nama | Gambaran | Contoh |
|---|---|---|---|
O(1) | Constant | Jumlah operasi relatif tetap. | Mengakses elemen list berdasarkan indeks. |
O(log n) | Logarithmic | Jumlah operasi bertambah secara logaritmik. | Binary search. |
O(n) | Linear | Jumlah operasi sebanding dengan ukuran data. | Linear search. |
O(n log n) | Linearithmic | Pertumbuhan lebih cepat dari linear, tetapi lebih lambat dari kuadratik. | Merge sort dan Timsort pada kasus umum/terburuk sesuai batasnya. |
O(n²) | Quadratic | Jumlah operasi dapat meningkat sebanding dengan kuadrat ukuran data. | Bubble sort standar. |
O(2ⁿ) | Exponential | Jumlah operasi bertambah sangat cepat. | Beberapa solusi rekursif brute force. |
D. Membandingkan pertumbuhan kompleksitas
Misalnya, kita memiliki data dengan ukuran berbeda. Perkiraan jumlah operasi berdasarkan beberapa kompleksitas dapat digambarkan sebagai berikut.
| Jumlah data (n) | O(1) | O(log₂ n) | O(n) | O(n²) |
|---|---|---|---|---|
| 10 | 1 | ~4 | 10 | 100 |
| 100 | 1 | ~7 | 100 | 10.000 |
| 1.000 | 1 | ~10 | 1.000 | 1.000.000 |
| 10.000 | 1 | ~14 | 10.000 | 100.000.000 |
Angka pada tabel merupakan gambaran pertumbuhan matematis, bukan hasil pengukuran waktu eksekusi Python. Performa nyata juga dipengaruhi perangkat keras, implementasi, ukuran data, dan karakteristik input.
11. Membandingkan Efisiensi Program dengan Python
Sekarang kita akan melihat bagaimana pemilihan struktur data dan algoritma dapat memengaruhi cara program bekerja.
A. Mengakses data berdasarkan indeks
List memungkinkan kita mengakses elemen berdasarkan indeks secara langsung.
buah = ["Apel", "Jeruk", "Mangga", "Pisang"]
print(buah[2])
Akses elemen list berdasarkan indeks memiliki kompleksitas waktu O(1) untuk operasi standar.
B. Mencari data dalam list
Jika kita menggunakan operator in pada list, Python akan memeriksa elemen sampai menemukan nilai yang dicari atau mencapai akhir list.
nama = ["Andi", "Budi", "Citra", "Dina"]
if "Citra" in nama:
print("Nama ditemukan")
Pada kasus terburuk, pencarian dalam list membutuhkan waktu O(n).
C. Mencari data menggunakan set
Jika kebutuhan utama adalah memeriksa apakah suatu nilai terdapat dalam kumpulan data, set dapat menjadi pilihan yang lebih sesuai.
nama = {"Andi", "Budi", "Citra", "Dina"}
if "Citra" in nama:
print("Nama ditemukan")
Pemeriksaan keanggotaan pada set memiliki kompleksitas rata-rata O(1), meskipun pada kondisi terburuk dapat mencapai O(n).
D. Membandingkan penggunaan list dan set
| Operasi | List | Set |
|---|---|---|
| Mengakses berdasarkan indeks | Didukung, O(1). | Tidak didukung. |
| Mencari keberadaan elemen | O(n). | Rata-rata O(1). |
| Menyimpan duplikasi | Bisa. | Tidak. |
| Mempertahankan urutan | Ya. | Tidak menjamin urutan berdasarkan posisi. |
Contoh ini menunjukkan bahwa struktur data bukan hanya menentukan bagaimana data disimpan, tetapi juga dapat memengaruhi efisiensi operasi yang dilakukan terhadap data tersebut.
E. Mengukur waktu eksekusi sederhana
Python menyediakan modul time dan timeit untuk membantu mengukur waktu eksekusi. Untuk pengukuran sederhana, kita dapat menggunakan time.perf_counter().
import time
angka = list(range(1_000_000))
mulai = time.perf_counter()
hasil = 999_999 in angka
selesai = time.perf_counter()
print("Ditemukan:", hasil)
print("Waktu:", selesai - mulai, "detik")
Pengukuran tersebut menunjukkan waktu yang dibutuhkan satu operasi dalam kondisi tertentu. Hasilnya dapat berbeda pada perangkat dan kondisi eksekusi yang berbeda.
timeit, lakukan beberapa pengulangan, dan bandingkan operasi yang benar-benar setara. Jangan mengambil kesimpulan hanya dari satu kali pengukuran.
12. Latihan dan Tantangan
Latihan berikut dirancang untuk menguji kemampuan merancang algoritma, memilih struktur data, dan memahami efisiensi program.
Mencari nilai terbesar
Buat program yang menerima kumpulan angka, kemudian menentukan nilai terbesar tanpa menggunakan fungsi max().
Contoh data: [12, 45, 23, 67, 34].
Lihat petunjuk
Anggap elemen pertama sebagai nilai terbesar sementara. Bandingkan dengan elemen berikutnya. Jika ditemukan angka yang lebih besar, perbarui nilai tersebut.
Mengelola data murid
Buat dictionary untuk menyimpan beberapa data murid. Setiap murid memiliki nama, kelas, dan nilai.
Kemudian buat program untuk:
- Menampilkan seluruh nama murid.
- Menghitung rata-rata nilai.
- Mencari data murid berdasarkan nama atau ID.
- Menambahkan data murid baru.
Membandingkan linear search dan binary search
Buat dua fungsi pencarian untuk menemukan angka tertentu dalam kumpulan data.
Gunakan data terurut untuk binary search. Bandingkan jumlah pemeriksaan yang dilakukan kedua algoritma ketika mencari elemen yang berada di bagian akhir data.
Lihat petunjuk
Tambahkan variabel penghitung yang bertambah setiap kali algoritma membandingkan elemen dengan target. Perhatikan bahwa hasil pengukuran bergantung pada posisi target dan kondisi pencarian.
Mengurutkan nilai murid
Buat program untuk mengurutkan nilai murid dari yang tertinggi ke terendah.
Coba selesaikan dengan bubble sort, kemudian bandingkan dengan fungsi sorted() menggunakan parameter reverse=True.
Menentukan kompleksitas algoritma
Perhatikan potongan kode berikut:
for i in range(n):
print(i)
for j in range(n):
for k in range(n):
print(j, k)
Tentukan kompleksitas waktu dari kedua bagian perulangan tersebut secara terpisah dan gabungannya.
Lihat petunjuk
Perulangan pertama berjalan sebanyak n kali. Perulangan kedua memiliki dua tingkat perulangan yang masing-masing berjalan sebanyak n kali. Dalam notasi Big O, suku dengan pertumbuhan paling dominan menentukan kompleksitas keseluruhan.
Membangun sistem pencarian buku perpustakaan
Buat program sederhana untuk mengelola koleksi buku perpustakaan.
Program harus memiliki fitur:
- Menyimpan data buku menggunakan dictionary atau list.
- Menambahkan dan menghapus buku.
- Mencari buku berdasarkan judul atau kode.
- Mengurutkan buku berdasarkan judul.
- Menampilkan buku yang tersedia.
Tantangan tambahan: Bandingkan cara pencarian menggunakan list dan dictionary. Jelaskan struktur data mana yang lebih sesuai untuk pencarian berdasarkan kode unik buku dan mengapa.
13. Kesimpulan: Membangun Program yang Lebih Efisien
Algoritma, struktur data, dan efisiensi program merupakan konsep yang saling berkaitan dalam pengembangan perangkat lunak. Memahami ketiganya membantu kita tidak hanya membuat program yang berjalan, tetapi juga merancang solusi yang lebih tepat dan sesuai dengan kebutuhan.
Algoritma
Menentukan langkah-langkah logis untuk menyelesaikan masalah.
Struktur Data
Mengorganisasi informasi agar mudah disimpan, diakses, dan diolah.
Efisiensi Program
Menilai kebutuhan waktu dan memori ketika program dijalankan.
Beberapa hal penting yang perlu diingat:
- Algoritma yang baik harus jelas, benar, dan memiliki proses yang berakhir.
- Struktur data harus dipilih berdasarkan karakteristik dan kebutuhan pengolahan informasi.
- Linear search dapat digunakan pada data yang belum terurut, sedangkan binary search membutuhkan data terurut.
- Algoritma sorting memiliki tingkat efisiensi yang berbeda.
- Big O membantu memahami pertumbuhan kebutuhan komputasi ketika ukuran input meningkat.
- Solusi terbaik tidak selalu yang paling rumit, tetapi yang paling sesuai dengan masalah dan batasan yang dihadapi.
Dengan memahami konsep-konsep tersebut, kita memiliki bekal untuk membangun program yang lebih kompleks. Kita juga mulai dapat menilai mengapa sebuah solusi lebih baik daripada solusi lainnya, bukan hanya berdasarkan apakah program tersebut menghasilkan jawaban yang benar.
Membangun Proyek Pemrograman Python
Setelah mempelajari fundamental Python, fungsi, modul, OOP, serta algoritma dan struktur data, langkah berikutnya adalah menggabungkan seluruh kemampuan tersebut dalam proyek yang lebih utuh.
Kita akan belajar menentukan kebutuhan aplikasi, merancang struktur program, membagi pekerjaan menjadi modul, mengolah data, menguji hasil, dan mengembangkan aplikasi secara bertahap.
0 comments:
Posting Komentar