13 f. Tahap 6 : f
6
s = {
+ f
5
x
6
}
Tabel 2.6
Tahap 6
x
5
s f
5
x
6
, s = + f
5
x
6
Solusi Optimum Sumedang
Garut f
5
s x
6
Tasikmalaya 302
283 283
Garut Solusi optimum dapat dibaca pada tabel di bawah ini:
Tabel 2.7 Solusi Pendekatan Maju
x
1
x
2
x
3
x
4
x
5
x
6
N Jumlah
Label
Jakarta Bekasi Karawang Purwakarta Bandung Garut Tasikmalaya 283
2. Penyelesaian Dengan Pendekatan Mundur a. Tahap 6 : f
6
s =
Tabel 2.8
Tahap 6
s Solusi Optimum
f
6
s x
6
Sumedang 86
Tasikmalaya Garut
49 Tasikmalaya
b. Tahap 5 : f
5
s = {
+ f
6
x
5
}
Tabel 2.9 Tahap 5
x
5
s f
5
s,x
5
= + f
6
x
5
Solusi Optimum Sumedang
Garut f
5
s x
5
Bandung 136
117 117
Garut c. Tahap 4 : f
4
s = {
+ f
5
x
4
}
Tabel 2.10
Tahap 4
x
4
s f
4
s,x
4
= +
f
5
x
4
Solusi Optimum Bandung
f
4
s x
4
Purwakarta 177
177 Bandung
Cianjur 178
178 Bandung
d. Tahap 3 : f
3
s = {
+ f
4
x
3
}
Tabel 2.11 Tahap 3
x
3
s f
3
s,x
3
= +
f
4
x
3
Solusi Optimum Purwakarta
Cianjur f
3
s x
3
Karawang 218
- 218 Purwakarta
Sukabumi -
210 210
Cianjur
14 e. Tahap 2 : f
2
s = {
+ f
3
x
2
}
Tabel 2.12
Tahap 2
x
2
s f
2
s,x
2
= +
f
3
x
2
Solusi Optimum Karawang Sukabumi
f
2
s x
2
Bekasi 242
- 242 Karawang
Depok 298
- 298 Karawang
Bogor 313
275 275 Sukabumi
f. Tahap 1 : f
1
s = {
+ f
2
x
1
}
Tabel 2.13
Tahap 1
x
1
s f
1
s,x
1
= +
f
2
x
1
Solusi Optimum Bekasi Depok Bogor
f
1
s x
1
Jakarta 283
322 329
283 Bekasi
Solusi optimum dapat dibaca pada tabel di bawah ini:
Tabel 2.14
Solusi Pendekatan Mundur
1 x
1
x
2
x
3
x
4
x
5
x
6
Jumlah Label
Jakarta Bekasi Karawang Purwakarta Bandung Garut Tasikmalaya 283
Dapat dilihat hasil penyelesaian dari pendekatan maju dan mundur pada Tabel 2.7
dan Tabel 2.14 menghasilkan hasil yang sama. Maka disimpulkan jarak terpendek dari Jakarta ke Tasikmalaya dengan menggunakan metode pemrograman dinamis
adalah 283. Sedangkan kota-kota yang dilewatinya yaitu, Jakarta Bekasi
Karawang Purwakarta Bandung Garut Tasikmalaya.
2.5 Algoritma Pemrograman Dinamis
Agoritma adalah tahap-tahap well-define jelas yang dibutuhkan untuk menyelesaikan pekerjaan. Algoritma ditulis dalam tata caranya sendiri yang
disebut PSEUDOCODE. Setiap algoritma memiliki kompleksitasnya masing- masing. Kompleksitas algoritma adalah suatu ukuran dari banyaknya perhitungan
15 yang dilakukan. Dengan komplesitas ini dapat diketahui sebuah algoritma apakah
efisien atau tidak. Dibawah ini adalah algoritma pemrograman dinamis untuk menyelesaikan
permasalah lintasan terpendek dengan menggunakan pendekatan maju. for k=1
n,k++ for i=1
n,i++ for j=1
n,j++ Ai,j = min{Ai,j , Ai,k + Ak,j}
end end
end
2.6 Basis Data
