Posted by : trihandoyo Selasa, 16 April 2013

Algoritma Komputasi
1.      Definisi Algoritma
Kata algoritma berasal dari latinisasi nama seorang ahli matematika dari Uzbekistan Al Khawārizmi (hidup ± abad ke-9), sebagaimana tercantum pada terjemahan karyanya dalam bahasa latin dari abad ke-12 "Algorithmi de numero Indorum".
Pada awalnya kata algorisma adalah istilah yang merujuk kepada aturan-aturan aritmetis untuk menyelesaikan persoalan dengan menggunakan bilangan numerik arab (sebenarnya dari India). Pada abad ke-18, istilah ini berkembang menjadi algoritma, yang mencakup semua prosedur atau urutan langkah yang jelas dan diperlukan untuk menyelesaikan suatu permasalahan.

2.      Dalam Matematika dan Komputasi
Algoritma merupakan kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah ini dapat diterjemahkan secara bertahap dari awal hingga akhir. Masalah tersebut dapat berupa apa saja, dengan catatan untuk setiap masalah, ada kriteria kondisi awal yang harus dipenuhi sebelum menjalankan algoritma.
Algoritma akan dapat selalu berakhir untuk semua kondisi awal yang memenuhi kriteria, dalam hal ini berbeda dengan heuristik.
Algoritma sering mempunyai langkah pengulangan (iterasi) atau memerlukan keputusan (logika Boolean dan perbandingan) sampai tugasnya selesai.
Kompleksitas dari suatu algoritma merupakan ukuran seberapa banyak komputasi yang dibutuhkan algoritma tersebut untuk menyelesaikan masalah. Secara informal, algoritma yang dapat menyelesaikan suatu permasalahan dalam waktu yang singkat memiliki kompleksitas yang rendah, sementara algoritma yang membutuhkan waktu lama untuk menyelesaikan masalahnya mempunyai kompleksitas yang tinggi.

3.      Jenis-Jenis Algoritma
·         Terdapat beragam klasifikasi algoritma dan setiap klasifikasi mempunyai alasan tersendiri.
·         Salah satu cara untuk melakukan klasifikasi jenis-jenis algoritma adalah dengan memperhatikan paradigma dan metode yg diinginkan untuk mendesain algoritma.

4.      Beberapa paradigma yang digunakan dalam menyusun  algoritma :
a.       Divide dan Conquer
      Paradigma untuk membagi suatu permasalahan besar menjadi permasalahan-           permasalahan yang lebih kecil. Pembagian masalah ini dilakukan terus menerus     sampai ditemukan bagian masalah kecil yang mudah untuk dipecahkan. Singkatnya      menyelesaikan keseluruhan masalah dengan membagi masalah besar kemudian       memecahkan permasalahan-permasalahan kecil yang terbentuk.
b.      Dynamic Programming
Paradigma pemrograman dinamik akan sesuai jika diinginkan pada suatu masalah yang mengandung sub-struktur yang optimal dan mengandung beberapa bagian permasalahan yang tumpang tindih. Paradigma ini sekilas terlihat mirip dengan paradigma Divide dan Conquer, sama-sama mencoba untuk membagi permasalahan menjadi sub-permasalahan yang lebih kecil, tapi secara intrinsik ada perbedaan dari karakter permasalahan yang dihadapi.
c.       Metode Serakah
Algoritma serakah mirip dengan sebuah pemrograman dinamik, bedanya jawaban dari sub-masalah tidak perlu diketahui dalam suatu tahap dan menggunakan pilihan "serakah" apa yang dilihat terbaik pada saat itu.

5.      Desain dan Analis Algoritma
Suatu cabang khusus dalam ilmu komputer yang mempelajari karakteristik dan performa dari suatu algoritma dalam menyelesaikan masalah, terlepas dari implementasi algoritma tersebut. Dalam cabang disiplin ini algoritma dipelajari secara abstrak, terlepas dari sistem komputer atau bahasa pemrograman yang digunakan. Algoritma yang berbeda dapat diterapkan pada suatu masalah dengan kriteria yang sama.

6.      Contoh Aplikasi Sistem Informasi
Algoritma genetika adalah algoritma komputasi yang diinspirasi teori evolusi yang kemudian diadopsi menjadi algoritma komputasi untuk mencari solusi suatu permasalahan dengan cara yang lebih “alamiah”. Salah satu aplikasi algoritma genetika yaitu pada permasalahan optimasi kombinasi, yang mendapatkan suatu nilai solusi optimal terhadap suatu permasalahan yang mempunyai banyak kemungkinan solusi.

7.      Teori Dasar Algoritma Genetika
Algoritma genetika yang dikembangkan oleh Goldberg yaitu algoritma komputasi yang diinspirasi teori evolusi Darwin yang menyatakan bahwa kelangsungan hidup suatu makhluk dipengaruhi aturan “yang kuat : yang menang”. Darwin juga menyatakan bahwa kelangsungan hidup suatu makhluk dapat dipertahankan melalui proses reproduksi, crossover, dan mutasi. Konsep dalam teori evolusi Darwin tersebut kemudian diadopsi menjadi algoritma komputasi untuk mencari solusi suatu permasalahan dengan cara yang lebih “alamiah”.
·         Sebuah solusi yang dibangkitkan dalam algoritma genetika disebut sebagai chromosome.
·         Kumpulan chromosome disebut sebagai populasi.
·         Chromosome dibentuk dari komponen-komponen penyusun yang disebut gen dan nilainya dapat berupa bilangan numerik, biner, simbol atau karakter tergantung dari permasalahan yang ingin diselesaikan.
·         Chromosome akan berevolusi secara berkelanjutan yang disebut generasi.
·         Dalam tiap generasi chromosome dievaluasi tingkat keberhasilan nilai solusinya terhadap masalah yang ingin diselesaikan (fungsi objektif) menggunakan ukuran yang disebut fitness.
·         Untuk memilih chromosome yang tetap dipertahankan untuk generasi selanjutnya dilakukan proses yang disebut seleksi. Proses seleksi chromosome menggunakan konsep aturan evolusi Darwin yang telah disebutkan sebelumnya yang chromosome yang mempunyai nilai fitness tinggi memiliki peluang lebih besar untuk terpilih lagi pada generasi selanjutnya.
·         Chromosome-chromosome baru disebut offspring, dibentuk dengan cara melakukan perkawinan antar chromosome-chromosome dalam satu generasi yang disebut proses crossover.
·         Jumlah chromosome dalam populasi yang mengalami crossover ditentukan oleh paramater disebut crossover rate.
·         Mekanisme perubahan susunan unsur penyusun mahkluk hidup akibat adanya faktor alam disebut mutasi, direpresentasikan sebagai proses berubahnya satu atau lebih nilai gen dalam chromosome dengan suatu nilai acak.
·         Jumlah gen dalam populasi yang mengalami mutasi ditentukan oleh parameter yang dinamakan mutation rate.
Setelah beberapa generasi dihasilkan chromosome-chromosome yang nilai gen-gennya konvergen ke suatu nilai tertentu yang merupakan solusi terbaik yang dihasilkan oleh algoritma genetika terhadap permasalahan yang ingin diselesaikan.








Leave a Reply

Subscribe to Posts | Subscribe to Comments

Welcome to My Blog

Popular Post

Followers

- Copyright © 2013 MEDICAL LABRORATORY -Robotic Notes- Powered by Blogger - Designed by Johanes Djogan -