Algoritma Flowchart Membuat Kopi
Kita mulai dengan contoh algoritma flowchart dalam kehidupan sehari-hari yang pertama, yaitu algoritma membuat kopi yang tadi Mamikos sebutkan di atas.
Algoritma Mengatur Keuangan Pribadi
Banyak orang secara tidak sadar menerapkan algoritma ketika mengatur keuangan pribadi.
Biasanya, mereka akan menerapkan langkah mulai dari menentukan pendapatan bulanan, mengalokasikan anggaran untuk kebutuhan sehari-hari, menyisihkan uang untuk tabungan, hingga menetapkan batas pengeluaran untuk hiburan.
Proses sistematis tersebut akan membantu Anda dalam menjaga keseimbangan keuangan.
Mencuci Pakaian Dengan Mesin Cuci
1. Masukkan pakaian kotor dan detergen ke dalam tabung mesin cuci.
2. Isi tabung dengan air bersuhu sesuai kebutuhan. Untuk menentukan volume air yang sesuai, mengaculah pada buku manual mesin cuci.
3. Jalankan siklus pencucian. Semakin banyak muatan mesin cuci, semakin panjang pula waktu yang diperlukan untuk mencucinya.
4. Setelah siklus pencucian selesai, keluarkan air melalui selang di bagian belakang mesin.
5. Isi kembali tabungnya dengan air bersih, lalu jalankan siklus pembilasan.
6. Setelah siklus pembilasan, pakaian Anda semestinya sudah bersih.
7. Keringkan pakaian menggunakan mesin cuci
7.1 Pada mesin cuci 1 tabung otomatis, pilih tombol pengering untuk mengeringkan pakaian
7.2 Pada mesin cuci 2 tabung, pindahkan cucian dari drum pencucian ke dalam drum sebelahnya untuk membuang sisa-sisa air berlebihan yang terserap kain.
8. Jika sudah selesai, segera keluarkan cucian dari mesin cuci dan gantung untuk mengeringkannya.
1. Cari mesin tiket yang tersedia di area stasiun keberangkatan
2. Check-in menggunakan nomor kode booking tiket dari struk atau bukti pembelian tiket
3. Masukkan data diri lengkap berupa nomor KTP di mesin cetak yang tersedia
4. Setelah itu, klik scan struk bukti pembelian tiket.
5. Klik cetak tiket, kemudian tiket kereta berupa boarding pass yang telah tercetak
1. Kumpulkan sampah dalam wadah/ tempat sampah
2. Kelompokkan sampah berdasarkan jenis nya, ada sampah organik, sampah anorganik, dan sampah residu
3.1 Sampah jenis organik adalah sampah yang bersifat mudah terurai di alam (mudah busuk)
3.2 Contohnya seperti sisa makanan, daun-daunan, atau ranting pohon.
4. Kelompok anorganik
4.1 Sampah anorganik adalah sampah yang sifatnya lebih sulit diurai
4.2 Contohnya sampah plastik, kaleng, dan styrofoam
5.1 Sampah ini merupakan sisa sampah di luar jenis sampah bahaya dan sampah kertas dan merupakan limbah.
5.2 Contoh sampah residu yaitu seperti popok bekas, bekas pembalut, bekas permen karet, atau puntung rokok.
6. Letakkan sampah yang sudah dipilah ke dalam masing-masing tempat sampah
Selain contoh algoritma dalam kehidupan sehari-hari di atas, apakah kamu bisa menyebutkan lainnya? Sangat banyak contoh lainnya yang bisa ditemukan bukan? Selamat belajar ya detikers.
Algoritma adalah serangkaian instruksi atau langkah-langkah yang dirancang untuk menyelesaikan suatu masalah atau mencapai tujuan tertentu.
Meskipun algoritma sering kali dikaitkan dengan dunia teknologi dan pemrograman, konsep ini sebenarnya ada di sekitar kita dan diterapkan dalam kehidupan sehari-hari.
Berikut ini adalah beberapa contoh algoritma dalam kehidupan sehari-hari yang sering kita temui.
Baca juga: Memahami Algoritma dalam Ilmu Komputer
Algoritma Flowchart Mengganti Ban Mobil yang Pecah di Jalan
Algoritma Flowchart Memasak Mie Instan Goreng
16 Simbol Diagram Alir beserta Nama dan Fungsinya Lengkap
Contoh algoritma dalam kehidupan sehari-hari
Berikut ini beberapa contoh algoritma dalam aktivitas sehari-hari.
Sebelum memulai perjalanan, Anda akan mempertimbangkan banyak faktor, antara lain lokasi, waktu terbaik mengunjungi lokasi, cara transportasi, tempat wisata terdekat, akomodasi, dan lain sebagainya. Urutan tindakan ini disebut sebagai algoritma.
Ketika seorang siswa perlu menyelesaikan tugas, dia harus mengikuti urutan langkah-langkah tertentu. Misalnya, jika dia menerima tugas dari profesornya, dia harus mencari buku atau sumber yang tepat untuk menjawab pertanyaan tersebut.
Siswa dapat menggunakan Google atau meminta bantuan temannya sebelum menyelesaikan tugas. Sehingga seluruh prosedur ini bisa disebut algoritma.
Baca juga: Instagram Ungkap Rahasia dan Cara Kerja Algoritma Mereka
Saat membuat acara, Anda tentu akan merencanakan waktu acara, anggara, dan sebagainya. Anda akan merencanakan tema pesta, menu pesta, kue mana yang harus bagus, urutan acara, pengaturan waktu, dan sebagainya.
Semuanya tentu akan direncanakan dengan cermat. Anda juga akan meninjau rencana Anda beberapa kali untuk memastikannya seefektif mungkin. Proses ini bisa dikatakan sebagai sebuah algoritma.
ENERGI alternatif merujuk pada semua jenis energi yang dapat digunakan sebagai pengganti bahan bakar konvensional. Energi alternatif juga dikenal sebagai sumber energi terbarukan.
Sedangkan energi konvensional meliputi gas alam, batu bara, dan uranium. Tujuan dari penggunaan energi alternatif adalah menggantikan dan mengurangi penggunaan bahan bakar yang merusak lingkungan. Penggunaan energi alternatif juga merupakan upaya dalam mencegah pencemaran dan kerusakan lingkungan yang dapat menyebabkan pemanasan global.
Algoritma Flowchart Mengirim Surat Melalui Jasa Pengiriman
8 Aplikasi Mind Map Gratis Untuk HP dan PC Terbaik
Algoritma Mencuci Pakaian
Mencuci pakaian juga merupakan proses algoritmik. Anda biasanya mengikuti langkah-langkah tertentu, seperti memisahkan pakaian berdasarkan warna, memasukkan pakaian ke mesin cuci, menambahkan deterjen, memilih mode pencucian, dan kemudian mengeringkan pakaian.
Proses ini melibatkan sederet tindakan yang harus diikuti secara berurutan agar pakaian dapat dibersihkan dengan baik.
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
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.
