STRUKTUR DATA HIRARKIS : TREE

Tree merupakan salah satu struktur data yang paling penting, karena banyak aplikasi menggunakan informasi dan data yang secara alami memiliki struktur hirarkis berguna dalam membantu memecahkan banyak masalah algoritmis. Aplikasi pohon biner : a. sebagai representasi ekspressi matematika b. aplikasi pohon biner dalam Huffman Coding. Cara Penggambaran Tree : Notasi Kurung Diagram Venn Notasi Tingkat Notasi Garis

Terminologi :
Tree (atau pohon) sejumlah node yang berhubungan secara hirarkis dimana suatu node pada suatu hirarki merupakan cabang dari node dengan hirarki yang lebih tinggi dan juga memiliki cabang ke beberapa node lainnya dengan hirarki yang lebih rendah. Root (atau akar) Node dengan hirarki tertinggi dinamakan root. leaf (atau daun) node yang tidak memiliki cabang. Internal node (atau node dalam) node yang bukan merupakan leaf. edge (atau sisi atau cabang) menyatakan hubungan hirarkis antara kedua node yang terhubungkan, biasanya digambarkan berarah (berupa panah) untuk menunjukkan node asal edge lebih tinggi dari node tujuan dari edge.

Level (atau tingkat) suatu node (Kadang dimulai level 0 atau 1) Bilangan yang menunjukan hirarki dari suatu node, root memiliki level 1, node cabang dari root memiliki level 2, node cabang berikutnya dari node adalah level 3, dan seterusnya. Height (atau tinggi) suatu tree Sama dengan level dengan angka terbesar (hirarki terendah) suatu node yang ada dalam tree atau bisa juga didefinisikan sebagai jumlah sisi terbanyak dari root hingga suatu leaf yang ada di tree. Depth (atau kedalaman) suatu node Jumlah sisi dari root hingga node ybs. Subtree (atau subpohon) sebagian dari tree mulai dari suatu node N melingkupi node-node yang berada dibawah hirarkinya sehingga dapat dipandang sebagai suatu tree juga yang mana N sebagai root dari tree ini. Tree kosong Suatu tree yang tidak memiliki satu node pun. Tree dengan urutan letak geometris node-node yang merupakan cabang yang sama dari suatu node adalah penting; biasanya urutan dari kiri ke kanan.

B, C, D dan E memiliki induk (parent) yang sama yaitu A, sehingga ke4 node tersebut disebut saudara (siblings) Semua node di bawah suatu node induk hanya dapat diakses melalui induknya Lintasan (path) sebuah node X adalah urutan akses untuk mendapatkan X yang dimulai dari Akar. Path(M) = [A B G M] Panjang lintasan (path length) X adalah jumlah node yang harus diakses untuk mendapatkan X; sehingga |Path(M)| = 4. Ada juga yang menyatakan panjang lintasan sebuah node adalah jumlah garis dari akar sampai node tersebut Tinggi (height) dari sebuah pohon adalah panjang lintasan terpanjang. Tinggi pohon di bawah ini = 4 Jika ada sebuah lintasan dari node a ke node b, maka a adalah pendahulu (ancestor) dari b dan b disebut keturunan (descendent) dari a Kedalaman (depth) dari sebuah node adalah panjang lintasan dari akar ke node tersebut. Depth (G) = 3

Karakteristik : a. Terdapat 1 node yang unik, yang tidak memiliki predecessor, yang disebut dengan root (akar) b. Terdapat satu atau beberapa node yang tidak memiliki successor yang disebut dengan leaf (daun) c. Setiap node kecuali root pasti memiliki satu predecessor d. Setiap node kecuali leaf pasti memiliki 1 atau lebih successor

Contoh : Root Edge/ Link

B C D E A

Node/Vertex/Simpul

Leaf (daun)

BINARY TREE Karakteristik : Maksimum child adalah 2 (Left Child dan Right Child) Complete Binary Tree : Bila semua node kecuali Leaf memiliki 0 atau 2 child. Subtree pada Heap Tree dapat memiliki path length yang berbeda Skewed Binary Tree (Miring) : Bila semua node, kecuali Leaf memiliki hanya 1 child Full Binary Tree : Bila semua node kecuali Leaf memiliki 2 Child dan semua subtree harus memiliki path yang sama Representasi : - Ekspresi MM dengan Binary Tree - Huffman Code

Ekspressi Matematika (EM) didefenisikan sebagai berikut: (1). Variabel dan Bilangan adalah EM (2). Jika E, E1 dan E2 adalah EM maka E, + E dan (E) adalah EM E1 + E2, E1 E2, E1 * E2, E1 / E2, E1 div E2, E1 mod E2 dan E1^E2 juga adalah EM Contoh : 4 adalah EM X adalah EM 4 + X adalah EM 2 + 4 * 3 adalah EM (2 + 4) * 3 adalah EM ((3 + 2) * (5 2)) / (2 + 3) adalah EM dan seterusnya Contoh: Diketahui: Ekspressi Matematika ((2 + 3) * (5 2) + 5) * (5 + 3 * 2) Ditanya: Gambarkan pohon ekspressi dengan cara Bootom Up Penyelesaian: Ekspressi tersebut terbagi dua menjadi E1 dan E2 oleh operator *; sehingga ekspressi tersebut dapat ditulis sebagai (E1) * (E2) dimana E1 = ((2 + 3) * (5 2) + 5) dan E2 = (5 + 3 * 2). Kemudian gambarkan pohon ekspressi untuk (E1) * (E2).

Huffman Code: Hubungan Level dengan Jumlah Data : Level Ke : 1 2 3 4 5 6 L Jumlah data Minimum 1 1 1 1 1 1 1 Maksimum 1 = 20 2 = 21 4 = 22 8 = 23 16 = 24 32 = 25 2(L-1)

TRAVERSAL BINARY TREE - Operasi penelusuran node-node dalam binary tree - Traversal dibagi 3, yaitu : a. Preorder b. Inorder c. Postorder Algoritma : Procedure Preorder (n : BST); Begin If (n<> NIL) Then Begin Write(n^.Info); Preorder(n^.Kiri); Preorder(n^.Kanan); End; End;

Procedure Inorder (n : BST); Begin If (n<> NIL) Then Begin Inorder(n^.Kiri); Write(n^.Info); Inorder(n^.Kanan); End; End; Procedure Postorder (n : BST); Begin If (n<> NIL) Then Begin Postorder(n^.Kiri); Postorder(n^.Kanan); Write(n^.Info); End; End;

Contoh :
B B B

Implementasi Binary Tree : a. Array b. Linked List Implementasi BT pada array : Indeks pada array menyatakan nomor kode Node root mempunyai indeks array = 1 Leftchild suatu node dengan nomor p adalah (2p) Rightchild suatu node dengan nomor p adalah (2p+1) Parent dari suatu node dengan nomor p adalah (p div 2) Implementasi Binary Tree dengan Linked List Uses crt; Type Pointer =^Cell; Cell = Record Kiri : Pointer; Info : Char; (* boleh diganti dg integer / tipe data lain *) Kanan : Pointer; End; BST = Pointer;

Implementasi Binary Search Tree :

Ketentuan : a. Semua left child harus lebih kecil dari parent b. Semua right child harus lebih besar dari parent Keuntungan : Pencarian node target menjadi lebih efisien dan cepat Operasi-Operasi Standar BST : Mengosongkan BST Mencek apakah BST kosong Mencari Tree Minimum Mencari Tree Maksimum Memasukkan data baru ke dalam BST Mencari elemen tertentu dalam BST Menghapus data tertentu dari dalam BST Menampilkan semua elemen dalam BST

a. Mengosongkan BST (Makenull) Procedure Makenul (T: BST); Begin T := Nil; End; b. Memeriksa Apakah BST Kosong Function Empty(T : BST) : Boolean; Begin Empty := (T = Nil) End;

c. Pencarian Tree Minimum

Function TREE_MINIMUM (T : BST ) : BST; Begin If (Not Empty (T)) Then Begin While (T^.Kiri <> NIL) do Begin T = T^.Kiri; End; return T; End; End;

d. Pencarian Tree Maksimum

Function TREE_MAKSIMUM(T : BST ) : BST; Begin If (Not Empty (T)) Then Begin While (T^.Kanan <> NIL) do Begin T = T^.Kanan; End; return T; End; End;

Operasi Insert : - Pencarian lokasi untuk node yang akan diinsert selalu dimulai dari root - Jika node yang diinsert lebih kecil dari root , maka insert di daun pada left subtree - Jika node yang diinsert lebih besar dari root , maka insert di daun pada right subtree

e. Memasukkan data baru ke dalam BST

Procedure Insert(x : TipeData; Var T : BST); Begin If (T = Nil) Then (* Jika ditemukan T yang nil *) Begin New(T);(* ciptakan node baru ditunjuk oleh T *) T^.Kiri := Nil; (* Set pointer kiri = nil *) T^.Info := x; (* Isi data pada node = x *) T^.Kanan := Nil; (* Set pointer kanan = nil *) End Else (If x = T^.Data) Then (* x sudah ada dalam T *) Writeln(Error : data tersebut sudah ada *) Else (If x < T^.Data) Then Insert(x, T^.Ki) (*jika x < data yg ditunjuk T, maka sisipkan x ke kiri*) Else (* x > data yang ditunuk T sisipkan x ke kanan *) Insert(x, T^.Ka) End;

f. Mencari elemen tertentu dalam BST

Function Search (x: TipeData, T : BST) : Boolean; Begin If (T = Nil) Then Search := False Else If (x = T^.Info) Then Search := True (* x ditemukan *) Else If (x < T^.Info) Then Search := Search(x, T^.Kiri) (*cari x ke kiri *) Else (*x > T^.Info *) Search:= Search(x, T^.Kanan) (* cari secara rekursif ke kanan *) End;

Operasi Delete Ketentuan Delete : - Jika yang didelete adalah leaf maka tidak perlu dilakukan modifikasi terhadap lokasi - Jika yang didelete adalah node yang hanya memiliki satu anak, maka anak tersebut langsung menggantikan posisi dari parent-nya - Jika yang didelete adalah node dengan 2 anak (2 subtree), maka node yang diambil menggantikan node yang dihapus adalah : a. Berasal dari left subtree yang diambil adalah node yang paling kanan (nilai terbesar) b. Berasal dari right subtree yang diambil adalah node yang paling kiri (nilai terkecil)

g. Menghapus data tertentu dari dalam BST

Procedure Delete (x : TipeData; Var T : BST); Var Bantu : Pointer; Begin If (T = Nil) Then Writeln(Error : , x, tidak ditemukan ) Else If (x < T^.Info) Then Delete(x, T^.Kiri) (* rekursif ke kiri *) Else If (x > T^.Info) Then Delete(x, T^.Kanan) (*rekursif ke kanan *) Else (*x ditemukan *) If (T^.Kiri = Nil And T^.Kanan = Nil) Then (*Kasus x adalah daun *) Begin Bantu := T; (*Tangkap node dengan pointer Bantu *) T := Nil; (*potong T yang tadinya menunjuk node berisi x *) Dispose(Bantu) (*deallocate Bantu atau lepaskan node *) End

Else If (T^.Kiri = Nil) Then (*x berada pada node dimana kirinya nil *) Begin Bantu := T; T := T^.Kanan; (* Set T = pointer kanannya *) Bantu^.Kanan := Nil; (*putuskan hubungan node dgn kanannya *) Dispose (Bantu); (*lepaskan node berisi x *) End Else If (T^.Kanan = Nil) Then (*x berada dinode dimana kanannya nil *) Begin Bantu := T; T := T^.Kiri ; (* Set T = pointer kirinya *) Bantu^.Kiri := Nil; (*putuskan hubungan node dengan kirinya *) Dispose (Bantu); (* lepaskan node yang berisi x *) End Else (* pointer kiri dan kanan T tidak kosong *) T^.Info := DeleteMin(T^.Kanan) End;

Fungsi Untuk Mendukung Operasi Delete :

Function DeleteMin (Var A : BST) : TipeData; Var Bantu : Pointer; Begin If (T^.Kiri = Nil) Then (*ditemukan data terkecil *) Begin Bantu := T ; (* tangkap node yang berisi data terkecil *) DeleteMin := T^.Info; (*Ambil&simpan data terkecil *) T := T^.Kanan; (* Set T = pointer kanannya *) Bantu^.Kanan := Nil; (*lepas hubungan node tsb dgn anaknya *) Dispose (Bantu); (*lepaskan node yang berisi data terkecil *) End Else DeleteMin := DeleteMin(T^.Ki); (*rekursif ke kiri *) End;

h. Menampilkan semua elemen dalam BST

Procedure Tampil(T); Var Pilih : Integer; Begin Clrscr; Writeln(1. Tampil Secara Preorder); Writeln(2. Tampil Secara Inorder); Writeln(3. Tampil Secara Postorder); Writeln; Write(Silahkan Pilih : ); Readln(Pilih); If (Pilih = 1) Then Preorder(T) Else If (Pilih = 2) Then Inorder (T) Else Postorder(T); Readln End;

AVL TREE
Definisi : BST yang mempunyai ketentuan bahwa maks perbedaan tinggi antara subtree kiri dan kanan adalah satu Height-Balanced Tree : - BST adalah Height Balanced p-tree yang artinya maksimum perbedaan height antara subtree kiri dan kanan adalah p - AVL Tree adalah height balanced 1-tree yang berarti maksimum perbedaan height antara subtree kiri dan kanan adalah satu a. TallLeft bila subtree kiri lebih panjang dari subtree kanan (simbol -) b. TallRight bila subtree kanan lebih panjang dari subtree kiri (simbol +) c. Balance bila Subtree kiri dan kanan mempunyai height sama, simbolnya 0

Search Path : Path pencarian lokasi untuk dilakukan operasi insert dimulai dari Root Pivot Point : - Adanya node pada search path yang balancenya TallLeft (tanda -) atau TallRight (tanda +) dan terletak paling dekat dengan node yang baru - Contoh : Jika diinsert node baru dengan nilai 5, maka pivot pointnya di node 25 Operasi Insert : - Kasus-1 Tidak ada pivot point dan setiap node adalah balance, maka bisa langsung diinsert sama seperti BST

- Kasus 2 Jika ada PP tetapi subtree yang akan ditambahkan node baru memiliki height yang lebih kecil, maka bisa langsung di insert - Kasus 3 Jika ada PP dan subtree yang akan ditambahkan node baru memiliki height yang lebih besar, maka tree harus digenerate supaya tetap menghasilkan AVL Tree Regenerate : - Single Rotation a. Single Left Rotation b. Single Right Rotation - Double Rotation a. Double Left Rotation b. Double Right Rotation

Algoritma Single Right Rotation :

Function SRR (R : Node) : Node; Begin Node P := R^.Left; R^.Left := P^.Right; P^.Right := R; SRR := P; End;

Algoritma Single Left Rotation :

Function SLR (R : Node) : Node; Begin Node P := R^.Right; R^.Right := P^.Left; P^.Left := R; SLR := P; End;

Algoritma Double Right Rotation :

Function DRR (R : Node) : Node; Begin Node P := R^.Left; Node Q := P^.Right; R^.Left := Q^.Right; P^.Right := Q^.Left; Q^.Right := R; Q^.Left := P; DRR := Q; End;

Algoritma Double Left Rotation :

Function DLR (R : Node) : Node; Begin Node P := R^.Right; Node Q := P^.Left; R^.Right := Q^.Left; P^.Left := Q^.Right; Q^.Left := R; Q^.Right := P; DLR := Q; End;

HEAP TREE :
Definisi : - Heap adalah Tree yang memenuhi persamaan : R[ I ] < R[ 2*I ] dan R[ I ] < R[2*I + 1] - Heap disebut juga Complete Binary Tree - Minimum Heap : Jika nilai parentnya selalu lebih kecil dari pada kedua childrennya - Maximum Heap : Jika nilai parentnya selalu lebih besar dari pada kedua childrennya

Algoritma :
Procedure Heapify(A:T; I : Integer); Begin L := 2*I; R := 2*I+1; If (L<=Heap_Size[A] And A[L] > A[I]) Then besar := L Else besar := I; If (R<=Heap_Size[A] And A[R] > A[besar]) Then besar := R; If (besar <> I) Then Begin Swap(A[I], A[besar]); Heapify(A, besar); End; End; Procedure Bentuk_Heap(A : T); Begin Heap_Size[A] = Length[A]; For I:=Length[A]/2 DownTo 1 Do Heapify(A, I); End;

Algoritma Heap Sort : Procedure Heap_Sort(A : T); Begin Bentuk_Heap(A); For I:= Length[A] Downto 2 Do Begin Swap(A[1], A[I]); Heap_Size[A] := Heap_Size[A] -1; Heapify(A,1); End; End;

B-Tree :
Definisi : Tree yang setiap nodenya dapat berisi lebih dari pada satu elemen Jumlah elemen dalam sebuah node tergantung kepada order dari B-Tree tersebut Jumlah minimum elemen dalam setiap node (kecuali root) adalah d, dan jumlah max adalah 2d, dimana d adalah order. Untuk Root, jumlah minimum elemen 1, dan jumlah maksimum adalah 2d Jumlah minimum children dari suatu node dalam B-Tree adalah 0, dan jumlah Max-nya adalah jumlah elemen+1

Operasi dalam B-Tree : - Insert Jika node belum penuh (jumlah elemen < 2d), maka elemen bisa langsung di-insert Contoh : d = 2
23 30 35

Insert (25)

23 25 30 35

Jika node sudah penuh, maka perlu dilakukan node split Langkah Node Split : - Split node menjadi 2 - Letakkan d elemen terkecil di node kiri - Letakkan d elemen terbesar di node kanan - Letakkan elemen tengah ke node parentnya

Contoh :

14 25 30 35

Insert(20)
14 20

25 30 35

Delete : - Jika target node yang akan dihapus berisi elemen lebih dari d, maka target elemen bisa langsung dihapus tanpa perlu regenerate - Jika target node yang akan dihapus berisi d node, penghapusan langsung akan menyebabkan underflow - Regenerate dilakukan dengan meminjam elemen yang berada di node kiri atau dikanan (yang memiliki elemen lebih dari d). Parent/ Separator akan berubah

- Jika node dikiri atau dikanan yang akan dilakukan peminjaman ternyata mempunyai elemen kurang dari d, yang mana jika dilakukan peminjaman, node tersebut akan terjadi underflow - Regenerate akan dilakukan dengan menggabungkan node yang akan dihapus dengan node dikiri/kanan

Struktur Data Graph :

Pendahuluan : 1. Graph : struktur data yang berbentuk network/jaringan, hubungan antar elemen adalah many-to-many 2. Struktur Data Linear = keterhubungan sekuensial antara entitas data 3. Struktur Data Tree = keterhubungan hirarkis 4. Struktur Data Graph = keterhubungan tak terbatas antara entitas data. Contoh graph : Informasi topologi jaringan dan keterhubungan antar kota-kota 5. Keterhubungan dan jarak tidak langsung antara dua kota = data keterhubungan langsung dari kota-kota lainnya yang memperantarainya. 6. Penerapan struktur data linear atau hirarkis pada masalah graph dapat dilakukan tetapi kurang efisien. Struktur data graph secara eksplisit menyatakan keterhubungan ini sehingga pencariannya langsung (straightforward) dilakukan pada strukturnya sendiri.

Masalah-masalah Graph
Masalah path minimum (Shortest path problem) Masalah aliran maksimum (maximum flow problem) Masalah pencarian dalam graph (graph searching problem) Masalah pengurutan topologis (topological ordering problem) Masalah jaringan tugas (Task Network Problem) Masalah pencarian pohon rentang minimum (Minimum Spanning Tree Problem) Travelling Salesperson Problem mencari route dengan jarak terpendek dalam suatu jaringan transportasi. menghitung volume aliran BBM dari suatu reservoir ke suatu titik tujuan melalui jaringan pipa. mencari langkah-langkah terbaik dalam program permainan catur komputer. menentukan urutan pengambilan mata-mata kuliah yang saling berkaitan dalam hubungan prasyarat (prerequisite). membuat penjadwalan pengerjaan suatu proyek yang memungkinkan waktu penyelesaian tersingkat. mencari rentangan kabel listrik yang totalnya adalah minimal untuk menghubungkan sejumlah kota. tukang pos mencari lintasan terpendek melalui semua alamat penerima pos tanpa harus mendatangi suatu tempat lebih dari satu kali. dalam menggambar peta, memberikan warna yang berbeda pada setiap propinsi yang saling bersebelahan.

Four-color problem

Graph terdiri dari himpunan verteks (node) dan himpunan sisi (edge, arc). Verteks menyatakan entitas-entitas data dan sisi menyatakan keterhubungan antara verteks. Notasi matematis graph G adalah : G = (V, E) Sebuah sisi antara verteks x dan y ditulis {x, y}. Subgraph : graph yang merupakan suatu subset (bagian) graph yang connected Graph H = (V1, E1) disebut subgraph dari graph G jika V1 adalah himpunan bagian dari V dan E1 himpunan bagian dari E. Jenis Graph : a. Directed Graph (Digraph) : jika sisi-sisi graph hanya berlaku satu arah. Misalnya : {x,y} yaitu arah x ke y, bukan dari y ke x; x disebut origin dan y disebut terminus. Secara notasi sisi digraph ditulis sebagai vektor (x, y).

Contoh Digraph G = {V, E} : V = {A, B, C, D, E, F, G, H, I,J, K, L, M} E = {(A,B),(A,C), (A,D), (A,F), (B,C), (B,H), (C,E), (C,G), (C,H), (C,I), (D,E), (D,F), (D,G), (D,K), (D,L), (E,F), (G,I), (G,K), (H,I), (I,J), (I,M), (J,K), (J,M), (L,K), (L,M)}.

B A H C F D E G M I

L J

b.

Graph Tak Berarah (undirected graph atau undigraph): setiap sisi {x, y} berlaku pada kedua arah: baik x ke y maupun y ke x. Secara grafis sisi pada undigraph tidak memiliki mata panah dan secara notasional menggunakan kurung kurawal.

Contoh Undigraph G = {V, E} V = {A, B, C, D, E, F, G, H, I,J, K, L, M} E = { {A,B},{A,C}, {A,D}, {A,F}, {B,C}, {B,H}, {C,E}, {C,G}, {C,H}, {C,I}, {D,E}, {D,F}, {D,G}, {D,K}, {D,L}, {E,F}, {G,I}, {G,K}, {H,I}, {I,J}, {I,M}, {J,K}, {J,M}, {L,K}, {L,M}}. Khusus graph, undigraph bisa sebagai digraph (panah di kedua ujung edge berlawanan) Struktur data linear maupun hirarkis adalah juga graph. Node-node pada struktur linear ataupun hirarkis adalah verteks-verteks dalam pengertian graph dengan sisi-sisinya menyusun node-node tersebut secara linear atau hirarkis. Struktur data linear adalah juga tree dengan pencabangan pada setiap node hanya satu atau tidak ada. Linear 1-way linked list (digraph), linear 2-way linked list (undigraph).

B A H C F E D G M I

L J

B A H C F E D G M I

L J

Konektivitas pada Undigraph Adjacency: Dua verteks x dan y yang berlainan disebut terhubung langsung (adjacent) jika ada sisi {x, y} dalam E. Path : Urutan dari kumpulan node-node, dimana tiap node dengan node berikutnya dihubungkan dengan Edge Simple Path : Jika node dalam path tsb hanya muncul 1 kali Panjang dari path: jumlah sisi yang dilalui path. Siklus (cycle) : suatu path dengan panjang lebih dari satu, dimana vertex awal dan akhir sama. Siklus sederhana: dalam undigraph, siklus yang terbentuk dari tiga atau lebih verteks yang berlainan, dimana tidak ada vertex muncul lebih satu kali kecuali verteks awal/akhir. Dua verteks x dan y yang berbeda dalam suatu undigraph disebut berkoneksi (connected) apabila ada path penghubung. Suatu komponen terkoneksi (connected components) adalah subgraph (bagian dari graph) yang berisikan satu himpunan bagian verteks yang berkoneksi.

Konektivitas pada Digraph

Terminologi pada Undigrap berlaku, kecuali dalam digraph harus dikaitkan dengan arah tertentu karena pada arah yang sebaliknya belum tentu terdefinisi. Adjacency ke/dari : Jika ada sisi (x,y) maka pada digraph dikatakan bahwa x "adjacent ke" y atau y "adjacent dari" x. Demikian pula jika terdapat path dari x ke y maka belum tentu ada path dari y ke x. Jadi dalam digraph keterkoneksian didefinisikan lebih lanjut lagi sebagai berikut. Terkoneksi Kuat : Bila setiap pasangan verteks berbeda x dan y dalam S, x berkoneksi dengan y dan y berkoneksi dengan x Terkoneksi Lemah : Bila setiap pasangan verteks berbeda x dan y dalam S, salah satu: x berkoneksi dengan y (atau y berkoneksi dengan x) dan tidak kebalikan arahnya (hanya terdefinisi satu path: dari x ke y atau sebaliknya dari y ke x).

Graph berbobot (weighted graph) Graph dengan sisi mempunyai Bobot/ Biaya. Biaya" ini bisa mewakili banyak aspek: biaya ekonomi suatu aktifitas, jarak geografis/tempuh, waktu tempuh, tingkat kesulitan, dan lain sebagainya. Contoh : Graph ini merupakan Undirected Weighted Graph. Order dari verteks A = 4, verteks B = 3, dst. Adjacentcy list dari D adalah = {A, E, F, G, K, L}. Representasi Graph Representasi Matriks Keterhubungan Langsung (Adjacency Matrix) Matriks digunakan untuk himpunan adjacency setiap verteks. Baris berisi vertex asal adjacency, sedangkan kolom berisi vertex tujuan adjacency. Bila sisi graph tidak mempunyai bobot, maka [x, y] adjacency disimbolkan dengan 1 dan 0 bila tidak adjacency. Bila sisi graph mempunyai bobot, maka [x, y] adjacency disimbolkan dengan bobot sisi tersebut, dan bila tidak disimbolka .

Direpresentasikan dalam matriks sbb. Dari\Ke A A B 1 C 1 D 1 E 0 F 1 G 0 H 0 I 0 J 0 K 0 L 0 M 0

E F G H I J K L M

0 1 0 0 0 0 0 0 0

0 0 0 1 0 0 0 0 0

1 0 1 1 1 0 0 0 0

1 1 1 0 0 0 1 1 0

1 0 0 0 0 0 0 0

1 0 0 0 0 0 0 0

0 0 0 1 0 1 0 0

0 0 0 1 0 0 0 0

0 0 1 1 1 0 0 1

0 0 0 0 1 1 0 1

0 0 1 0 0 1 1 0

0 0 0 0 0 0 1 1

0 0 0 0 1 1 0 1 -

34 43 31

B
18

45

H
35 25 15 35 21 22

C F
16

33 22 19

I
19 25 15

E
39

D
13 27 19

13

L
10

Dari\Ke A

A -

B 24

C 43

D 33

F 31

24

18

45

43

18

16

22

35

15

33

19

22

39

13

27

E F G H I J K L M

31

45

16 22 35 15

19 22 39 13 27

15

15

21 13

25

21 25 19 35

19 10 15

13 10 19

19 25

35 15 25 -

Adjacency List : ??? Perhatikan deklarasi berikut : Type Pointer = ^Simpul; Simpul = Record Elemen : TipeData; (* tipe data menurut pilihan kita *) Next : Pointer End; Var X : Array [1..N] Of Pointer;

Algoritma-algoritma Pencarian
Pencarian vertex adalah proses umum dalam graph. Terdapat 2 metoda pencarian: Depth First Search (DFS): pada setiap pencabangan, penelusuran verteks-verteks yang belum dikunjungi dilakukan secara lengkap pada pencabangan pertama, kemudian selengkapnya pada pencabangan kedua, dan seterusnya secara rekursif. Breadth First Search (BFS): pada setiap pencabangan penelusuran verteks-verteks yang belum dikunjungi dilakukan pada verteks-verteks adjacent, kemudian berturut-turut selengkapnya pada masing-masing pencabangan dari setiap verteks adjacent tersebut secara rekursif.

Algoritma Depth First Search :

a. b. c. Algoritma diawali pada vertex S dalam G Kemudian algoritma menelusuri graph dengan suatu insiden edge (u, v) ke current vertex u. Jika edge (u, v) menunjuk ke suatu vertex v yang siap untuk dikunjungi, maka kita ikuti jalur mundur ke current vertex u. Jika pada sisi lain, edge (u, v) menunjuk ke vertex v yang tidak dikunjungi, maka kita pergi ke v dan v menjadi current vertex. Kita proses ini hingga kita mencapai sasaran akhir. Pada titik ini, kita mulai jalur mundur. Proses ini berakhir ketika jalur mundur menunjuk balik ke awal vertex.

d. e.

void graph() { for semua node u do { colour[u]=white; p[u]=NULL; } time = 0; for semua node u do if colour[u] == white then DFS(u); } void DFS(u) { visit(u); time = time + 1; d[u] = time;colour[u] = grey; for semua node v adjacent ke u do { if colour[v] == white then { p[v] = u; DFS(u); } } time = time + 1; f[u] = time; colour[u] = black; }

Algoritma Breadth First Search :

BFS diawali dengan vertex yang diberikan, yang mana di level 0. Dalam stage pertama, kita kunjungi semua vertex di level 1. Stage kedua, kita kunjungi semua vertex di level 2. Disini vertex baru, yang mana adjacent ke vertex level 1, dan seterusnya. Penelusuran BFS berakhir ketika setiap vertex selesai ditemui. Implementasi algoritma BFS Algoritma BFS menjadi kurang straightforward jika dinyatakan secara rekursif. Jadi sebaiknya diimplementasikan secara nonrekursif dengan memanfaatkan queue sebagai struktur data pendukung

void BFS() { Queue q = new Queue(); Vertex v, w, t; for (setiap vertex v dalam G) v.Status = false; for (setiap vertex v dalam G) { if (v.Status == false) { v.Status = true; q.Enqueue(v); while (EmptyQueue(Q) == false) { w = q.Dequeue(); visit(w); for (setiap vertex T adjacent dari w) { if (t.Status == false) { t.Status = true; q.Enqueue(t); } } } } } }

Contoh : Perhatikan graph berikut dimana penelusuran diawali pada vertex s. Input : Graph G dan vertex. Output : Edge dilabeli sebagai jelajah dan edge yang dilewati sesuai komponen terhubung.

Langkah-1:
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Langkah-2 :
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Langkah-3 :
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Langkah-4:
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Langkah-5:
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Langkah-6:
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Langkah-7:
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Masalah Pencarian Lintasan Terpendek

Pencarian shortest path (lintasan terpendek) adalah masalah umum dalam suatu weighted, connected graph. Misal : Pencarian jaringan jalan raya yang menghubungkan kota-kota disuatu wilayah Lintasan terpendek yag menghubungkan antara dua kota berlainan tertentu (Single-source Single-destination Shortest Path Problems) Semua lintasan terpendek masing-masing dari suatu kota ke setiap kota lainnya (Single-source Shortest Path problems) Semua lintasan terpendek masing-masing antara tiap kemungkinan pasang kota yang berbeda (All-pairs Shortest Path Problems)

Untuk memecahkan masing-masing dari masalah-masalah tersebut terdapat sejumlah solusi. Algoritma Dijkstra untuk Single-source Shortest Path Algoritma Floyd-Warshall untuk masalah All-pairs Shortest Path Algoritma Johnson untuk masalah All-pairs Shortest Path pada sparse graph Dalam beberapa masalah graph lain, suatu graph dapat memiliki bobot negatif dan kasus ini dipecahkan oleh algoritma Bellman-Ford. Yang akan dibahas di sini adalah algoritma Dijkstra yaitu mencari lintasan terpendek dari suatu verteks asal tertentu vs ke setiap verteks lainnya.

Algoritma Dijkstra Algoritma Dijkstra's : a. Menyelesaikan problem single-source shortest-path ketika semua edge memiliki bobot tidak negatif. b. Algoritma greedy mirip ke algoritma Prim's. c. Algoritma di awali pada vertex sumber s, kemudian berkembang membentuk sebuah tree T, pada akhirnya periode semua vertex dijangkau dari S. Vertex di tambah ke T sesuai urutan. Misalnya : pertama S, kemudian vertex yang tepat ke S, kemudian yang tepat berikutnya dan seterusnya.

DIJKSTRA (G, w, s) { INITIALIZE SINGLE-SOURCE (G, s) S{} Initialize priority queue Q Q V[G] while priority queue Q is not empty do u EXTRACT_MIN(Q) S S { u} // Lakukan relaxation untuk setiap vertex v adjacent ke u for setiap vertex v dalam Adj[u] do Relax (u, v, w) } Relax (u, v, w) { If d[u] + w(u, v) < d[v] then d[v] = d[u] + w[u, v] }

Step1. Diberikan inisial graph G=(V, E). Semua node-node mempunyai biaya tak terhingga, kecuali node sumber s, dengan biaya 0.
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 2. Pertama, lakukan pemilihan node, yang mana tepat ke node sumber S. Kita inisialisasi d[S] ke 0. Tambahkan itu ke S. Relaksasi semua node adjacent dari sumber S. Update predecessor (lihat panah merah dalam diagram di bawah) untuk semua node yang di-update.
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 3. Pilih node paling tepat ke x. Relaksasi semua node adjacent ke vertex x. Update predecessor untuk node u, v dan y (kembali, perhatikan panah merah dalam diagram berikut).
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 4. Sekarang, node y adalah node tepat, sehingga di tambahkan ke S. Relaksasi node v dan periksa predecessor yang dimiliki (perhatikan panah merah!).
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 5. Sekarang kita memiliki node u yang tepat. Pilih node ini dan periksa bahwa itu merupakan tetangga dari node v.
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 6. Akhirnya, tambahan node v. Daftar predecessor sekarang mendefinisikan shortest path dari setiap node ke node asal, s.
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Dynamic Programming :
Terdiri dari sederetan tahapan keputusan. Pada setiap tahapan berlaku prinsip optimality (apapun keadaan awal dan keputusan yang diambil, keputusan berikutnya harus memberikan hasil yang optimal dengan melihat hasil keputusan sebelumnya. Misalnya : Multistage Graph Dimana : Cost (i,j) = Min(C(j,l) + Cost(i+1,l)} Dengan : C(j,l) = Bobot edge j dan l l = Elemen Vi+1 Dan <j,l> eemen E i=stage ke-I dan j = node dalam V Proses dimulai dari k-2, dimana k adalah banyak stage Perhatikan contoh untuk menentukan biaya termurah dari 1 hingga 12.

Diketahui graph dengan stage sebagai berikut : S1 S2 S3 S4

2

S5

4 1 2 7
7

9 7
1 3

6 5 4

4
12

3
4

3 5

10

2 5

11 2
5

11 8

11

Maka langkah-langkah yang dilakukan adalah :

K=5, sehingga dimulai dari S3 Cost(3,6) = Min{6+Cost(4,9); 5+Cost(4,10)} = Min{6+4;5+2} = 7 Cost(3,7) = Min{4+Cost(4,9); 3+Cost(4,10)} = Min{4+4;3+2} = 5 Cost(3,8) = Min{5+Cost(4,10); 6+Cost(4,11)} = Min(5+2;6+5} = 7 Cost(2,2) = Min{4+Cost(3,6);2+Cost(3,7);1+Cost(3,8)} = Min{4+7;2+5;1+7} = 7 Cost(2,3) = Min{2+Cost(3,6); 7+Cost(3,7)} = Min(2+7; 7+5) = 9 Cost(2,4) = Min{11+Cost(3,8)} = 18 Cost(2,5) = Min{11+Cost(3,7); 8+Cost(3,8)} = Min(11+5;8+7} = 15 Cost(1,1) = Min{9+Cost(2,2);7+Cost(2,3);3+Cost(2,4),2+Cost(2,5)} = Min{9+7;7+9;3+18;2+15} = 16 Jadi : Shorthest Path menjadi : 1 3 6 10 12 Atau : 1 2 7 10 12 Jika ada dua atau lebih shorthest path maka total biaya harus sama.

Shortest Path Pertama adalah :

4 1 2 7
7

9 7
1 3

6 5 4

4
12

3
4

3 5

10

2 5

11 2
5

11 8

11

Shortest Path Kedua adalah :

4 1 2 7
7

9 7
1 3

6 5 4

4
12

3
4

3 5

10

2 5

11 2
5

11 8

11

Struktur Data graf: representasi & algoritma-algoritma

Masalah Pencarian Pohon Rentangan Minimum Definisi Pohon rentangan atau spanning tree dari suatu connected graph didefinisikan sebagai free-tree yang terbentuk dari subset sisi-sisi serta menghubungkan setiap verteks dalam graph tersebut. Pohon rentangan Minimum (MST) adalah pohon rentangan dengan total bobot dari sisisisinya adalah minimal. Dalam penelusuran vertex tidak diperkenankan terbentuk siklus (cycle) Diketahui sebuah graph tak berarah dan tak berbobot sebagai berikut :

Kemungkinan Spanning Tree :

Bila jalur (edge) mempunyai biaya (cost) maka yang dicari adalah minimum cost spanning tree. Dua algoritma populer untuk menentukan minimum spanning tree (MST) : a. Kruskal Algorithm b. Prims Algorithm Algoritma Kruskal : Algoritma ini lebih sederhana jika dilihat dari konsepnya namun lebih sulit dalam implementasinya. Idenya adalah mendapatkan satu demi satu sisi mulai dari yang berbobot terkecil untuk membentuk tree; suatu sisi walaupun berbobot kecil tidak akan diambil jika membentuk siklik dengan sisi yang sudah termasuk dalam tree. Yang menjadi masalah dalam implementasinya adalah keperluan adanya pemeriksaan kondisi siklik tersebut.

Salah satu pemecahaannya adalah dengan subsetting yaitu pembentukan subset-subset yang disjoint dan secara bertahap dilakukan penggabungan atas tiap dua subset yang berhubungan dengan suatu sisi dengan bobot terpendek. Algoritma lengkapnya: Tahap pertama, jika dalam V terdapat n verteks maka diinisialisasi n buah subset yang disjoint, masing-masing berisi satu verteks, sebagai subset-subset awal. Tahap berikutnya, urutkan sisi-sisi dengan bobot yang terkecil hingga terbesar. Mulai dari sisi dengan bobot terkecil hingga terbesar lakukan dalam iterasi: jika sisi tsb. menghubungkan dua verteks dalam satu subset (berarti membentuk siklik) maka skip sisi tersebut dan periksa sisi berikutnya jika tidak (berarti membentuk siklik) maka kedua subset dari verteks-verteks yang bersangkutan digabungkan menjadi satu subset yang lebih besar. Iterasi akan berlangsung hingga semua sisi terproses.

MST_KRUSKAL (G) { For setiap vertex v dalam V[G] Do { set S(v) {v} } Inisialisasi priority queue Q yang berisi semua edge dari G, gunakan bobot sebagai keys. A{} // A berisi edge dari MST While A lebih kecil dari pada n-1 edge Do { set S(v) berisi v dan S(u) berisi u } IF S(v) != S(u) Then { Tambahkan edge (u, v) ke A Merge S(v) dan S(u) menjadi satu set } Return A }

Contoh : Diktahui sebuah graph sebagai berikut : Step 1. Dalam graph, Edge(g, h) adalah terpendek. Setiap vertex g atau vertex h dapat menjadi representatif. Misal, pilih vertex g secara bebas :
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 2. edge (c, i) menciptakan dua tree. Pilih vertex c sebagai representasi untuk dua tree
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 3. Edge (g, g) adalah edge terpendek berikutnya. Tambahkan edge ini dan pilih vertex g sebagai representatif :
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 4. Edge (a, b) menciptakan tiga tree.

The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 5. Tambahkan edge (c, f) dan merge dua tree. Vertex c terpilih sebagai representatif.
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 6. Edge (g, i) adalah yang paling minimum berikutnya, tetapi jika kita tambahkan edge ini, sebuah cycle akan tercipta. Vertex c adalah representasi dari keduanya.

Step 7. Sebagai alternatif, tambahkan edge (c, d).

The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 8. Jika kita tambahkan edge (h, i), maka edge(h, i) akan membuat sebuah cycle.
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 9. Sebagai alternatif penambahan edge (h, i), tambahkan edge (a, h).
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Step 10. Kembali, jika kita tambahkan edge (b, c), akan menciptakan sebuah cycle. Tambahkan edge (d, e) sebagai alternatif untuk menyempurnakan spanning tree. Dalam spanning tree ini, semua tree digabung dan vertex c adalah sebuah representatif tunggal.
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still appears, y ou may hav e to delete the image and then insert it again.

Algoritma Prim
Algoritma dimulai dari suatu verteks awal tertentu: bisa ditentukan oleh pemanggil atau dipilih sebarang oleh algoritma. Misalnya verteks awal tersebut adalah v. Pada setiap iterasi terdapat kondisi di mana himpunan verteks V terbagi dua dalam: W yaitu himpunan verteks yang sudah dievaluasi sebagai node di dalam pohon, serta (V-W) yaitu himpunan verteks yang belum dievaluasi. Di awal algoritma W diinisialisasi berisi verteks awal v. Selanjutnya, di dalam iterasinya: Pada setiap adjacency dari tiap verteks dalam W dengan verteks dalam (V-W) dicari sisi dengan panjang minimal. setelah diperoleh, sisi tersebut ditandai sebagai sisi yang membentuk tree dan verteks adjacent sisi tersebut dalam (VW) dipindahkan ke W (menjadi anggota W). Jika sisi tersebut tidak ada maka proses selesai.

Dari contoh di atas misalnya dilakukan pencarian mulai dari verteks A (ingat tidak harus selalu dari verteks A!). Maka algoritma ini menghasilkan tahapan-tahapan iterasi pencarian sbb.:
MST_PRIM (G, w, v) { Q V[G] for setiap u dalam Q do key [u] key [r] 0 [r] NIl while queue tidak kosong do { u EXTRACT_MIN (Q) for setiap vertex v dalam Adj[u] do { if v ada dalam Q dan w(u, v) < key [v] then { [v] w(u, v) key [v] w(u, v) } } } }