SlideShare une entreprise Scribd logo
1  sur  23
Télécharger pour lire hors ligne
ANALISIS ALGORITMA
Strategi Algoritma: Dynamic Programming
Pemateri:
Adam Mukharil Bachtiar
adam@email.unikom.ac.id
Setelah mempelajari strategi algoritma
Divide and Conquer maka berikutnya
kita pelajari Dynamic Programming
(Program Dinamis).
Program Dinamis:
Metode pemecahan masalah dengan cara menguraikan
solusi menjadi sekumpulan langkah (step) atau tahapan
(stage) sedemikian sehingga solusi dari persoalan dapat
dipandang dari serangkaian keputusan yang saling
berkaitan.
Batasan Program Dinamis:
1 Terdapat sejumlah berhingga pilihan yang tersedia.
2 Solusi pada setiap tahap yang dibangun dari hasil solusi tahap sebelumnya.
3
Menggunakan persyaratan optimasi dan kendala untuk membatasi
sejumlah pilihan yang harus dipertimbangkan pada suatu tahap.
Pada program dinamis, rangkaian
keputusan yang optimal dibuat dengan
menggunakan Prinsip Optimalitas.
Prinsip Optimalitas:
Jika solusi total optimal, maka bagian solusi sampai
tahap ke-k juga optimal.
Pada Prinsip optimalitas berarti bahwa jika kita
bekerja dari tahap k ke tahap k + 1, kita dapat
menggunakan hasil optimal dari tahap k tanpa
harus kembali ke tahap awal.
Ongkos pada tahap k +1 =
(ongkos yang dihasilkan pada tahap k ) +
(ongkos dari tahap k ke tahap k + 1)
Karakteristik Program Dinamis:
1
Persoalan dapat dibagi menjadi beberapa tahap (stage), yang pada
setiap tahap hanya diambil satu keputusan.
2
Masing-masing tahap terdiri dari sejumlah status (state) yang
berhubungan dengan tahap tersebut. Secara umum, status merupakan
bermacam kemungkinan masukan yang ada pada tahap tersebut.
3
Hasil dari keputusan yang diambil pada setiap tahap ditransformasikan dari
status yang bersangkutan ke status berikutnya pada tahap berikutnya.
Karakteristik Program Dinamis:
4
Ongkos (cost) pada suatu tahap meningkat secara teratur (steadily)
dengan bertambahnya jumlah tahapan.
5
Ongkos pada suatu tahap bergantung pada ongkos tahap-tahap yang
sudah berjalan dan ongkos pada tahap tersebut.
6
Keputusan terbaik pada suatu tahap bersifat independen terhadap
keputusan yang dilakukan pada tahap sebelumnya.
Karakteristik Program Dinamis:
7
Adanya hubungan rekursif yang mengidentifikasikan keputusan terbaik
untuk setiap status pada tahap k memberikan keputusan terbaik untuk
setiap status pada tahap k + 1.
8 Prinsip optimalitas berlaku pada persoalan tersebut
Ada dua pendekatan yang bisa digunakan
pada Program Dinamis yaitu pendekatan
maju (forward atau up-down) dan
mundur (backward atau bottom-up).
Pendekatan Maju (Forward atau Up-Down)
Pendekatan Mundur (Forward atau Bottom-Up)
1
3
2
4
6
7
8
9
11
10
5
12
V1
V2
V3
V4
V5
Langkah-Langkah Program Dinamis:
1 Karakteristikkan struktur solusi optimal.
2 Definisikan secara rekursif nilai solusi optimal.
3 Hitung nilai solusi optimal secara maju atau mundur.
4 Konstruksi solusi optimal.
Problem: Shortest Path
Problem/Kasus:
Tentukan lintasan terpendek dari simpul 1 ke simpul 10.
1 3
2
4
5
6
7
8
9
10
7
2
4
3
1
3
4
5
3
3
3
6
4
1
4
6
4 3
2
4
Misalkan x1, x2, …, x4 adalah simpul-simpul yang dikunjungi pada tahap k (k = 1, 2, 3, 4) maka rute
yang dilalui adalah 1®x1®x2®x3®x4, yang dalam hal ini x4 = 10.
Solusi Program Dinamis Mundur:
!" # = %&'" (Basis)
!( # = )*+&( %&'( + !(-. /( , 1 = 1, 2, 3 (Rekurens)
Tentukan Relasi rekurens berikut menyatakan lintasan terpendek dari
status s ke x4 pada tahap k:
Keterangan:
/( = Peubah keputusan pada tahap k
%'&( = bobot (cost) sisi dari s ke /(
!( #, /( = total bobot (cost) lintasan dari s ke /(
!( # = nilai minimum dari !( #, /(
1 3
2
4
5
6
7
8
9
10
7
2
4
3
1
3
4
5
3
3
3
6
4
1
4
6
4 3
2
4
s
Solusi Optimum
f4(s) x4
*
8 3 10
9 4 10
!" # = %&'"Tahap 4:
Nilai () ∗ adalah nilai () yang meminimumkan !) #, ()
1 3
2
4
5
6
7
8
9
10
7
2
4
3
1
3
4
5
3
3
3
6
4
1
4
6
4 3
2
4
!" # = %&'(" )(*" + !, -"
Tahap 3:
x3
s
f3(s, x3) = cs,x3 + f4(x3) Solusi Optimum
8 9 f3(s) x3
*
5 4 8 4 8
6 9 7 7 9
7 6 7 6 8
1 3
2
4
5
6
7
8
9
10
7
2
4
3
1
3
4
5
3
3
3
6
4
1
4
6
4 3
2
4
!" # = %&'(" )(*" + !, -"
Tahap 3:
x3
s
f3(s, x3) = cs,x3 + f4(x3) Solusi Optimum
8 9 f3(s) x3
*
5 4 8 4 8
6 9 7 7 9
7 6 7 6 8
1 3
2
4
5
6
7
8
9
10
7
2
4
3
1
3
4
5
3
3
3
6
4
1
4
6
4 3
2
4
!" # = %&'(" )(*" + !, -"Tahap 2:
x2
s
f2(s, x2) = cs,x2 + f3(x2) Solusi Optimum
5 6 7 f2(s) x2
*
2 11 11 12 11 5 atau 6
3 7 9 10 7 5
4 8 8 11 8 5 atau 6
1 3
2
4
5
6
7
8
9
10
7
2
4
3
1
3
4
5
3
3
3
6
4
1
4
6
4 3
2
4
!" # = %&'(" )(*" + !, -"Tahap 1:
x1
s
f1(s, x1) = cs,x1 + f2(x1) Solusi Optimum
2 3 4 f1(s) x1
*
1 13 11 11 11 3 atau 4
x1 x2 x3 x4 Panjang Lintasan
Terpendek
1
3
4
5
5
6
8
8
9
10
10
10
11
11
11
Hasil:
Jadi ada tiga lintasan terpendek dari 1 ke 10, yaitu
1 ® 3 ® 5 ® 8 ® 10
1 ® 4 ® 5 ® 8 ® 10
1 ® 4 ® 6 ® 9 ® 10
Panjang ketiga lintasan tersebut sama, yaitu 11.

Contenu connexe

Tendances

Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
Fatma Qolbi
 
Algoritma Pemrograman (Flowchart) - Logika dan Algoritma
Algoritma Pemrograman (Flowchart) - Logika dan AlgoritmaAlgoritma Pemrograman (Flowchart) - Logika dan Algoritma
Algoritma Pemrograman (Flowchart) - Logika dan Algoritma
Ari Septiawan
 
Bab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangBab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluang
Arif Windiargo
 
Aljabar boolean MK matematika diskrit
Aljabar boolean MK matematika diskritAljabar boolean MK matematika diskrit
Aljabar boolean MK matematika diskrit
riyana fairuz kholisa
 
Metode Simplek Minimasi
Metode Simplek MinimasiMetode Simplek Minimasi
Metode Simplek Minimasi
Siti Zuariyah
 

Tendances (20)

Algoritma penjadwalan proses
Algoritma penjadwalan prosesAlgoritma penjadwalan proses
Algoritma penjadwalan proses
 
Aturan Inferensi dan Metode Pembuktian
Aturan Inferensi dan Metode PembuktianAturan Inferensi dan Metode Pembuktian
Aturan Inferensi dan Metode Pembuktian
 
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
 
Algoritma Pemrograman (Flowchart) - Logika dan Algoritma
Algoritma Pemrograman (Flowchart) - Logika dan AlgoritmaAlgoritma Pemrograman (Flowchart) - Logika dan Algoritma
Algoritma Pemrograman (Flowchart) - Logika dan Algoritma
 
Analisis Algoritma - Pengantar Kompleksitas Algoritma
Analisis Algoritma - Pengantar Kompleksitas AlgoritmaAnalisis Algoritma - Pengantar Kompleksitas Algoritma
Analisis Algoritma - Pengantar Kompleksitas Algoritma
 
Relasi rekursi (2) : Menentukan solusi relasi Rekursi Linier Homogen Berkoefi...
Relasi rekursi (2) : Menentukan solusi relasi Rekursi Linier Homogen Berkoefi...Relasi rekursi (2) : Menentukan solusi relasi Rekursi Linier Homogen Berkoefi...
Relasi rekursi (2) : Menentukan solusi relasi Rekursi Linier Homogen Berkoefi...
 
Analisis Algoritma - Kelas-kelas Dasar Efisiensi Algoritma
Analisis Algoritma - Kelas-kelas Dasar Efisiensi AlgoritmaAnalisis Algoritma - Kelas-kelas Dasar Efisiensi Algoritma
Analisis Algoritma - Kelas-kelas Dasar Efisiensi Algoritma
 
Sistem Pakar Certainty factor
Sistem Pakar Certainty factor Sistem Pakar Certainty factor
Sistem Pakar Certainty factor
 
Beberapa distribusi peluang kontinu
Beberapa distribusi peluang kontinuBeberapa distribusi peluang kontinu
Beberapa distribusi peluang kontinu
 
Bab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangBab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluang
 
Perbandingan algoritma brute force , divide and conquer
Perbandingan algoritma brute force , divide and conquerPerbandingan algoritma brute force , divide and conquer
Perbandingan algoritma brute force , divide and conquer
 
Perbedaan sistem linier dan non linier
Perbedaan sistem linier dan non linierPerbedaan sistem linier dan non linier
Perbedaan sistem linier dan non linier
 
relasi himpunan
relasi himpunanrelasi himpunan
relasi himpunan
 
Vektor, Aljabar Linier
Vektor, Aljabar LinierVektor, Aljabar Linier
Vektor, Aljabar Linier
 
Aljabar boolean MK matematika diskrit
Aljabar boolean MK matematika diskritAljabar boolean MK matematika diskrit
Aljabar boolean MK matematika diskrit
 
Metode Simplek Minimasi
Metode Simplek MinimasiMetode Simplek Minimasi
Metode Simplek Minimasi
 
PENDUGAAN PARAMETER
PENDUGAAN PARAMETERPENDUGAAN PARAMETER
PENDUGAAN PARAMETER
 
Logika dan Pembuktian
Logika dan PembuktianLogika dan Pembuktian
Logika dan Pembuktian
 
Matematika Diskrit - 03 himpunan - 05
Matematika Diskrit - 03 himpunan - 05Matematika Diskrit - 03 himpunan - 05
Matematika Diskrit - 03 himpunan - 05
 
8 logika predikat
8  logika predikat8  logika predikat
8 logika predikat
 

Similaire à Analisis Algoritma - Strategi Algoritma Dynamic Programming

Sistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .pptSistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .ppt
FernandaSuryaIllahi
 
pengambilan keputusan dalam kondisi pasti.pdf
pengambilan keputusan dalam kondisi pasti.pdfpengambilan keputusan dalam kondisi pasti.pdf
pengambilan keputusan dalam kondisi pasti.pdf
yuwanapr
 

Similaire à Analisis Algoritma - Strategi Algoritma Dynamic Programming (20)

11-Program Dinamis.pdf
11-Program Dinamis.pdf11-Program Dinamis.pdf
11-Program Dinamis.pdf
 
model dinamik
model dinamikmodel dinamik
model dinamik
 
Efisiensi algoritma
Efisiensi algoritmaEfisiensi algoritma
Efisiensi algoritma
 
Dynamic programming pertemuan 4
Dynamic programming pertemuan 4Dynamic programming pertemuan 4
Dynamic programming pertemuan 4
 
whitebox testing
whitebox testingwhitebox testing
whitebox testing
 
Program Dinamis - Masalah Stagecoach
Program Dinamis - Masalah StagecoachProgram Dinamis - Masalah Stagecoach
Program Dinamis - Masalah Stagecoach
 
NILAI OPTIMUM FUNGSI OBJEKTIF MASALAH PROGRAM LINIER
NILAI OPTIMUM FUNGSI OBJEKTIF MASALAH PROGRAM LINIERNILAI OPTIMUM FUNGSI OBJEKTIF MASALAH PROGRAM LINIER
NILAI OPTIMUM FUNGSI OBJEKTIF MASALAH PROGRAM LINIER
 
3 pemrograman matlab
3 pemrograman matlab3 pemrograman matlab
3 pemrograman matlab
 
Ch 04 Metode pengujian Black Box dan White Box
Ch 04 Metode pengujian Black Box dan White BoxCh 04 Metode pengujian Black Box dan White Box
Ch 04 Metode pengujian Black Box dan White Box
 
Intruksi Fundamental
Intruksi FundamentalIntruksi Fundamental
Intruksi Fundamental
 
Teknik pencarian heuristik
Teknik pencarian heuristikTeknik pencarian heuristik
Teknik pencarian heuristik
 
Sistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .pptSistem pendukung keputusan metode topsis .ppt
Sistem pendukung keputusan metode topsis .ppt
 
pengambilan keputusan dalam kondisi pasti.pdf
pengambilan keputusan dalam kondisi pasti.pdfpengambilan keputusan dalam kondisi pasti.pdf
pengambilan keputusan dalam kondisi pasti.pdf
 
Program Linear dan Metode Simpleks
Program Linear dan Metode SimpleksProgram Linear dan Metode Simpleks
Program Linear dan Metode Simpleks
 
207 p13
207 p13207 p13
207 p13
 
T Optimization Mg 3.pdf
T Optimization Mg 3.pdfT Optimization Mg 3.pdf
T Optimization Mg 3.pdf
 
MPL ITS
MPL ITSMPL ITS
MPL ITS
 
207 p12
207 p12207 p12
207 p12
 
INSTRUMEN PENILAIAN PROGLIN - PPL 1.pdf
INSTRUMEN PENILAIAN PROGLIN - PPL 1.pdfINSTRUMEN PENILAIAN PROGLIN - PPL 1.pdf
INSTRUMEN PENILAIAN PROGLIN - PPL 1.pdf
 
James philip montolalu 13021106048
James philip montolalu   13021106048James philip montolalu   13021106048
James philip montolalu 13021106048
 

Plus de Adam Mukharil Bachtiar

Plus de Adam Mukharil Bachtiar (20)

Materi 8 - Data Mining Association Rule.pdf
Materi 8 - Data Mining Association Rule.pdfMateri 8 - Data Mining Association Rule.pdf
Materi 8 - Data Mining Association Rule.pdf
 
Clean Code - Formatting Code
Clean Code - Formatting CodeClean Code - Formatting Code
Clean Code - Formatting Code
 
Clean Code - Clean Comments
Clean Code - Clean CommentsClean Code - Clean Comments
Clean Code - Clean Comments
 
Clean Method
Clean MethodClean Method
Clean Method
 
Clean Code and Design Pattern - Meaningful Names
Clean Code and Design Pattern - Meaningful NamesClean Code and Design Pattern - Meaningful Names
Clean Code and Design Pattern - Meaningful Names
 
Model Driven Software Development
Model Driven Software DevelopmentModel Driven Software Development
Model Driven Software Development
 
Scrum: How to Implement
Scrum: How to ImplementScrum: How to Implement
Scrum: How to Implement
 
Pengujian Perangkat Lunak
Pengujian Perangkat LunakPengujian Perangkat Lunak
Pengujian Perangkat Lunak
 
Data Mining Clustering
Data Mining ClusteringData Mining Clustering
Data Mining Clustering
 
Data Mining Klasifikasi (Updated 30 Desember 2020)
Data Mining Klasifikasi (Updated 30 Desember 2020)Data Mining Klasifikasi (Updated 30 Desember 2020)
Data Mining Klasifikasi (Updated 30 Desember 2020)
 
Analisis Algoritma - Penerapan Strategi Algoritma Brute Force
Analisis Algoritma - Penerapan Strategi Algoritma Brute ForceAnalisis Algoritma - Penerapan Strategi Algoritma Brute Force
Analisis Algoritma - Penerapan Strategi Algoritma Brute Force
 
Analisis Algoritma - Teorema Notasi Asimptotik
Analisis Algoritma - Teorema Notasi AsimptotikAnalisis Algoritma - Teorema Notasi Asimptotik
Analisis Algoritma - Teorema Notasi Asimptotik
 
Activity Diagram
Activity DiagramActivity Diagram
Activity Diagram
 
UML dan Use Case View
UML dan Use Case ViewUML dan Use Case View
UML dan Use Case View
 
Analisis Algoritma - Langkah Desain Algoritma
Analisis Algoritma - Langkah Desain AlgoritmaAnalisis Algoritma - Langkah Desain Algoritma
Analisis Algoritma - Langkah Desain Algoritma
 
Validasi ide Menggunakan Javelin Board (Idea Validation)
Validasi ide Menggunakan Javelin Board (Idea Validation)Validasi ide Menggunakan Javelin Board (Idea Validation)
Validasi ide Menggunakan Javelin Board (Idea Validation)
 
Analisis Algoritma - Pengantar Analisis Algoritma
Analisis Algoritma - Pengantar Analisis AlgoritmaAnalisis Algoritma - Pengantar Analisis Algoritma
Analisis Algoritma - Pengantar Analisis Algoritma
 
Mini Google Design Sprint
Mini Google Design SprintMini Google Design Sprint
Mini Google Design Sprint
 
Scrum: How to Implements (Update)
Scrum: How to Implements (Update)Scrum: How to Implements (Update)
Scrum: How to Implements (Update)
 
Business Model Canvas: Cara Pengisian
Business Model Canvas: Cara PengisianBusiness Model Canvas: Cara Pengisian
Business Model Canvas: Cara Pengisian
 

Analisis Algoritma - Strategi Algoritma Dynamic Programming

  • 1. ANALISIS ALGORITMA Strategi Algoritma: Dynamic Programming Pemateri: Adam Mukharil Bachtiar adam@email.unikom.ac.id
  • 2. Setelah mempelajari strategi algoritma Divide and Conquer maka berikutnya kita pelajari Dynamic Programming (Program Dinamis).
  • 3. Program Dinamis: Metode pemecahan masalah dengan cara menguraikan solusi menjadi sekumpulan langkah (step) atau tahapan (stage) sedemikian sehingga solusi dari persoalan dapat dipandang dari serangkaian keputusan yang saling berkaitan.
  • 4. Batasan Program Dinamis: 1 Terdapat sejumlah berhingga pilihan yang tersedia. 2 Solusi pada setiap tahap yang dibangun dari hasil solusi tahap sebelumnya. 3 Menggunakan persyaratan optimasi dan kendala untuk membatasi sejumlah pilihan yang harus dipertimbangkan pada suatu tahap.
  • 5. Pada program dinamis, rangkaian keputusan yang optimal dibuat dengan menggunakan Prinsip Optimalitas.
  • 6. Prinsip Optimalitas: Jika solusi total optimal, maka bagian solusi sampai tahap ke-k juga optimal.
  • 7. Pada Prinsip optimalitas berarti bahwa jika kita bekerja dari tahap k ke tahap k + 1, kita dapat menggunakan hasil optimal dari tahap k tanpa harus kembali ke tahap awal.
  • 8. Ongkos pada tahap k +1 = (ongkos yang dihasilkan pada tahap k ) + (ongkos dari tahap k ke tahap k + 1)
  • 9. Karakteristik Program Dinamis: 1 Persoalan dapat dibagi menjadi beberapa tahap (stage), yang pada setiap tahap hanya diambil satu keputusan. 2 Masing-masing tahap terdiri dari sejumlah status (state) yang berhubungan dengan tahap tersebut. Secara umum, status merupakan bermacam kemungkinan masukan yang ada pada tahap tersebut. 3 Hasil dari keputusan yang diambil pada setiap tahap ditransformasikan dari status yang bersangkutan ke status berikutnya pada tahap berikutnya.
  • 10. Karakteristik Program Dinamis: 4 Ongkos (cost) pada suatu tahap meningkat secara teratur (steadily) dengan bertambahnya jumlah tahapan. 5 Ongkos pada suatu tahap bergantung pada ongkos tahap-tahap yang sudah berjalan dan ongkos pada tahap tersebut. 6 Keputusan terbaik pada suatu tahap bersifat independen terhadap keputusan yang dilakukan pada tahap sebelumnya.
  • 11. Karakteristik Program Dinamis: 7 Adanya hubungan rekursif yang mengidentifikasikan keputusan terbaik untuk setiap status pada tahap k memberikan keputusan terbaik untuk setiap status pada tahap k + 1. 8 Prinsip optimalitas berlaku pada persoalan tersebut
  • 12. Ada dua pendekatan yang bisa digunakan pada Program Dinamis yaitu pendekatan maju (forward atau up-down) dan mundur (backward atau bottom-up).
  • 13. Pendekatan Maju (Forward atau Up-Down) Pendekatan Mundur (Forward atau Bottom-Up) 1 3 2 4 6 7 8 9 11 10 5 12 V1 V2 V3 V4 V5
  • 14. Langkah-Langkah Program Dinamis: 1 Karakteristikkan struktur solusi optimal. 2 Definisikan secara rekursif nilai solusi optimal. 3 Hitung nilai solusi optimal secara maju atau mundur. 4 Konstruksi solusi optimal.
  • 16. Problem/Kasus: Tentukan lintasan terpendek dari simpul 1 ke simpul 10. 1 3 2 4 5 6 7 8 9 10 7 2 4 3 1 3 4 5 3 3 3 6 4 1 4 6 4 3 2 4 Misalkan x1, x2, …, x4 adalah simpul-simpul yang dikunjungi pada tahap k (k = 1, 2, 3, 4) maka rute yang dilalui adalah 1®x1®x2®x3®x4, yang dalam hal ini x4 = 10.
  • 17. Solusi Program Dinamis Mundur: !" # = %&'" (Basis) !( # = )*+&( %&'( + !(-. /( , 1 = 1, 2, 3 (Rekurens) Tentukan Relasi rekurens berikut menyatakan lintasan terpendek dari status s ke x4 pada tahap k: Keterangan: /( = Peubah keputusan pada tahap k %'&( = bobot (cost) sisi dari s ke /( !( #, /( = total bobot (cost) lintasan dari s ke /( !( # = nilai minimum dari !( #, /(
  • 18. 1 3 2 4 5 6 7 8 9 10 7 2 4 3 1 3 4 5 3 3 3 6 4 1 4 6 4 3 2 4 s Solusi Optimum f4(s) x4 * 8 3 10 9 4 10 !" # = %&'"Tahap 4: Nilai () ∗ adalah nilai () yang meminimumkan !) #, ()
  • 19. 1 3 2 4 5 6 7 8 9 10 7 2 4 3 1 3 4 5 3 3 3 6 4 1 4 6 4 3 2 4 !" # = %&'(" )(*" + !, -" Tahap 3: x3 s f3(s, x3) = cs,x3 + f4(x3) Solusi Optimum 8 9 f3(s) x3 * 5 4 8 4 8 6 9 7 7 9 7 6 7 6 8
  • 20. 1 3 2 4 5 6 7 8 9 10 7 2 4 3 1 3 4 5 3 3 3 6 4 1 4 6 4 3 2 4 !" # = %&'(" )(*" + !, -" Tahap 3: x3 s f3(s, x3) = cs,x3 + f4(x3) Solusi Optimum 8 9 f3(s) x3 * 5 4 8 4 8 6 9 7 7 9 7 6 7 6 8
  • 21. 1 3 2 4 5 6 7 8 9 10 7 2 4 3 1 3 4 5 3 3 3 6 4 1 4 6 4 3 2 4 !" # = %&'(" )(*" + !, -"Tahap 2: x2 s f2(s, x2) = cs,x2 + f3(x2) Solusi Optimum 5 6 7 f2(s) x2 * 2 11 11 12 11 5 atau 6 3 7 9 10 7 5 4 8 8 11 8 5 atau 6
  • 22. 1 3 2 4 5 6 7 8 9 10 7 2 4 3 1 3 4 5 3 3 3 6 4 1 4 6 4 3 2 4 !" # = %&'(" )(*" + !, -"Tahap 1: x1 s f1(s, x1) = cs,x1 + f2(x1) Solusi Optimum 2 3 4 f1(s) x1 * 1 13 11 11 11 3 atau 4
  • 23. x1 x2 x3 x4 Panjang Lintasan Terpendek 1 3 4 5 5 6 8 8 9 10 10 10 11 11 11 Hasil: Jadi ada tiga lintasan terpendek dari 1 ke 10, yaitu 1 ® 3 ® 5 ® 8 ® 10 1 ® 4 ® 5 ® 8 ® 10 1 ® 4 ® 6 ® 9 ® 10 Panjang ketiga lintasan tersebut sama, yaitu 11.