Algorithm Strategy

Abstrak-Pengurutan data adalah proses penting dalam komputasi yang sangat berpengaruh terhadap kinerja sistem pengolahan informasi. Penelitian ini bertujuan untuk membandingkan efisiensi waktu eksekusi dari tiga algoritma pengurutan, yaitu Bubble Sort, Insertion Sort, dan Heap Sort. Metode yang digunakan adalah eksperimental dengan menerapkan ketiga algoritma tersebut dalam bahasa pemrograman C++. Pengujian dilakukan menggunakan dataset acak dengan ukuran 100, 1.000, dan 10.000 elemen. Waktu eksekusi dicatat menggunakan fungsi clock() agar hasilnya akurat dan dapat diukur. Hasil penelitian menunjukkan perbedaan performa yang signifikan. Bubble Sort memiliki performa terburuk, terutama untuk dataset besar dengan ukuran 10.000 elemen, di mana waktu eksekusinya melebihi 400 milidetik (ms). Insertion Sort menunjukkan performa yang lebih baik dibandingkan Bubble Sort terutama ketika menangani dataset kecil atau data yang sudah hampir terurut. Namun, algoritma yang terus memberikan performa terbaik adalah Heap Sort, karena mampu menjaga waktu eksekusi cepat dan stabil hanya sekitar 3-6 ms untuk mengurutkan 10.000 elemen. Pemilihan algoritma pengurutan yang tepat bergantung pada ukuran dan karakteristik data yang diproses. Penelitian ini juga memberikan data empiris yang bermanfaat bagi pengembang perangkat lunak dan akademisi dalam mengambil keputusan yang informatif tentang algoritma yang terbaik dan paling efisien untuk pengolahan data modern.

Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Sequential Search dan Binary Search dalam hal kecepatan eksekusi dan penggunaan memori. Hasil analisis menunjukkan bahwa Binary Search terbukti lebih unggul dalam kecepatan akses pada data skala besar, sementara Sequential Search memiliki keunggulan pada penggunaan memori yang lebih efisien dan fleksibilitas terhadap kondisi data. Temuan ini diharapkan dapat membantu pengembang dalam menentukan strategi implementasi algoritma pencarian yang paling tepat guna sesuai dengan karakteristik kebutuhan sistem.

Puji dan syukur kami panjatkan ke hadirat Tuhan Yang Maha Esa atas berkat dan rahmat-Nya sehingga kami dapat menyelesaikan karya tulis ilmiah yang berjudul "Analisis dan Implementasi Algoritma Pencarian dalam Komputer". Karya tulis ini disusun sebagai bagian dari upaya untuk mendalami serta mengembangkan pemahaman mengenai algoritma pencarian, yang merupakan salah satu komponen penting dalam ilmu komputer dan teknologi informasi. Algoritma pencarian memiliki peran vital dalam berbagai aplikasi dan sistem komputer, terutama dalam proses pencarian data pada basis data besar, sistem informasi, dan mesin pencari. Dengan pemahaman yang mendalam mengenai algoritma pencarian, diharapkan pembaca dapat memahami perbedaan kinerja antara algoritma yang ada, seperti linear search, binary search, dan hashing, serta dapat memilih algoritma yang paling sesuai berdasarkan konteks penggunaan dan karakteristik data.

Proses pemecahan masalah merupakan salah satu elemen
utama dalam berbagai disiplin ilmu, seperti logistik, produksi, dan sistem
berbasis kecerdasan buatan. Algoritma branch and bound menawarkan
metode sistematis untuk menangani masalah pemecahan kombinatorial
melalui proses pencabangan dan pembatasan. Penelitian ini mengkaji
penerapan algoritma tersebut dalam berbagai konteks, seperti Travelling
Salesman Problem (TSP), Knapsack Problem, integer programming, dan
manajemen transportasi. Kajian dilakukan melalui metode studi pustaka,
dengan menganalisis 10 jurnal yang diterbitkan dalam lima tahun terakhir.
Hasil kajian menunjukkan algoritma ini mampu memberikan solusi optimal
pada masalah berskala kecil hingga menengah dengan efisiensi waktu
komputasi yang tinggi. Namun, algoritma ini memiliki keterbatasan pada
ruang solusi yang sangat besar, terutama untuk aplikasi yang
membutuhkan waktu respons cepat. Penelitian ini merekomendasikan
pengembangan algoritma hybrid yang menggabungkan branch and
bound dengan metode heuristik atau komputasi paralel untuk mengatasi
kekurangan tersebut. Dengan memahami karakteristik algoritma ini,
penggunaannya diharapkan dapat diperluas ke bidang lain yang lebih
kompleks.

Abstrak : Proses pemecahan masalah merupakan salah satu elemen utama dalam berbagai disiplin ilmu, seperti logistik, produksi, dan sistem berbasis kecerdasan buatan. Algoritma branch and bound menawarkan metode sistematis untuk menangani masalah pemecahan kombinatorial melalui proses pencabangan dan pembatasan. Penelitian ini mengkaji penerapan algoritma tersebut dalam berbagai konteks, seperti Travelling Salesman Problem (TSP), Knapsack Problem, integer programming, dan manajemen transportasi. Kajian dilakukan melalui metode studi pustaka, dengan menganalisis 10 jurnal yang diterbitkan dalam lima tahun terakhir. Hasil kajian menunjukkan algoritma ini mampu memberikan solusi optimal pada masalah berskala kecil hingga menengah dengan efisiensi waktu komputasi yang tinggi. Namun, algoritma ini memiliki keterbatasan pada ruang solusi yang sangat besar, terutama untuk aplikasi yang membutuhkan waktu respons cepat. Penelitian ini merekomendasikan pengembangan algoritma hybrid yang menggabungkan branch and bound dengan metode heuristik atau komputasi paralel untuk mengatasi kekurangan tersebut. Dengan memahami karakteristik algoritma ini, penggunaannya diharapkan dapat diperluas ke bidang lain yang lebih kompleks. Kunci: Pemecahan masalah, Branch and Bound, Travelling Salesman Problem, integer Programing, Heuristik JUSINFO: Jurnal Sains dan Informatika is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). Pemecahan masalah menjadi aspek penting dalam berbagai disiplin ilmu, termasuk ilmu komputer, matematika, ekonomi, dan teknik industri. Masalah-masalah nyata seperti perencanaan rute pengiriman, penjadwalan produksi, dan alokasi sumber daya membutuhkan solusi yang tidak hanya efisien tetapi juga optimal. Namun, meningkatnya jumlah variabel dan kendala membuat permasalahan ini menjadi semakin kompleks. Salah satu pendekatan algoritma yang efektif untuk mengatasi tantangan ini adalah branch and bound. Branch and bound merupakan metode yang populer dalam menyelesaikan berbagai permasalahan pemecahan masalah, baik diskrit maupun kontinu. Algoritma ini diperkenalkan untuk mengeksplorasi dan mengevaluasi ruang solusi secara efisien. Dengan strategi pencabangan (branching) dan pembatasan JUSINFO E-

Abstrak : Proses pemecahan masalah merupakan salah satu elemen utama dalam berbagai disiplin ilmu, seperti logistik, produksi, dan sistem berbasis kecerdasan buatan. Algoritma branch and bound menawarkan metode sistematis untuk menangani masalah pemecahan kombinatorial melalui proses pencabangan dan pembatasan. Penelitian ini mengkaji penerapan algoritma tersebut dalam berbagai konteks, seperti Travelling Salesman Problem (TSP), Knapsack Problem, integer programming, dan manajemen transportasi. Kajian dilakukan melalui metode studi pustaka, dengan menganalisis 10 jurnal yang diterbitkan dalam lima tahun terakhir. Hasil kajian menunjukkan algoritma ini mampu memberikan solusi optimal pada masalah berskala kecil hingga menengah dengan efisiensi waktu komputasi yang tinggi. Namun, algoritma ini memiliki keterbatasan pada ruang solusi yang sangat besar, terutama untuk aplikasi yang membutuhkan waktu respons cepat. Penelitian ini merekomendasikan pengembangan algoritma hybrid yang menggabungkan branch and bound dengan metode heuristik atau komputasi paralel untuk mengatasi kekurangan tersebut. Dengan memahami karakteristik algoritma ini, penggunaannya diharapkan dapat diperluas ke bidang lain yang lebih kompleks. Kunci: Pemecahan masalah, Branch and Bound, Travelling Salesman Problem, integer Programing, Heuristik JUSINFO: Jurnal Sains dan Informatika is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). Pemecahan masalah menjadi aspek penting dalam berbagai disiplin ilmu, termasuk ilmu komputer, matematika, ekonomi, dan teknik industri. Masalah-masalah nyata seperti perencanaan rute pengiriman, penjadwalan produksi, dan alokasi sumber daya membutuhkan solusi yang tidak hanya efisien tetapi juga optimal. Namun, meningkatnya jumlah variabel dan kendala membuat permasalahan ini menjadi semakin kompleks. Salah satu pendekatan algoritma yang efektif untuk mengatasi tantangan ini adalah branch and bound. Branch and bound merupakan metode yang populer dalam menyelesaikan berbagai permasalahan pemecahan masalah, baik diskrit maupun kontinu. Algoritma ini diperkenalkan untuk mengeksplorasi dan mengevaluasi ruang solusi secara efisien. Dengan strategi pencabangan (branching) dan pembatasan JUSINFO E-

Abstrak : Proses pemecahan masalah merupakan salah satu elemen utama dalam berbagai disiplin ilmu, seperti logistik, produksi, dan sistem berbasis kecerdasan buatan. Algoritma branch and bound menawarkan metode sistematis untuk menangani masalah pemecahan kombinatorial melalui proses pencabangan dan pembatasan. Penelitian ini mengkaji penerapan algoritma tersebut dalam berbagai konteks, seperti Travelling Salesman Problem (TSP), Knapsack Problem, integer programming, dan manajemen transportasi. Kajian dilakukan melalui metode studi pustaka, dengan menganalisis 10 jurnal yang diterbitkan dalam lima tahun terakhir. Hasil kajian menunjukkan algoritma ini mampu memberikan solusi optimal pada masalah berskala kecil hingga menengah dengan efisiensi waktu komputasi yang tinggi. Namun, algoritma ini memiliki keterbatasan pada ruang solusi yang sangat besar, terutama untuk aplikasi yang membutuhkan waktu respons cepat. Penelitian ini merekomendasikan pengembangan algoritma hybrid yang menggabungkan branch and bound dengan metode heuristik atau komputasi paralel untuk mengatasi kekurangan tersebut. Dengan memahami karakteristik algoritma ini, penggunaannya diharapkan dapat diperluas ke bidang lain yang lebih kompleks. Kunci: Pemecahan masalah, Branch and Bound, Travelling Salesman Problem, integer Programing, Heuristik JUSINFO: Jurnal Sains dan Informatika is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). Pemecahan masalah menjadi aspek penting dalam berbagai disiplin ilmu, termasuk ilmu komputer, matematika, ekonomi, dan teknik industri. Masalah-masalah nyata seperti perencanaan rute pengiriman, penjadwalan produksi, dan alokasi sumber daya membutuhkan solusi yang tidak hanya efisien tetapi juga optimal. Namun, meningkatnya jumlah variabel dan kendala membuat permasalahan ini menjadi semakin kompleks. Salah satu pendekatan algoritma yang efektif untuk mengatasi tantangan ini adalah branch and bound. Branch and bound merupakan metode yang populer dalam menyelesaikan berbagai permasalahan pemecahan masalah, baik diskrit maupun kontinu. Algoritma ini diperkenalkan untuk mengeksplorasi dan mengevaluasi ruang solusi secara efisien. Dengan strategi pencabangan (branching) dan pembatasan JUSINFO E-

ABSTRAK Dengan meningkatnya jumlah pengguna dan konten di Snack Video, sistem pencarian yang cepat dan relevan sangat dibutuhkan. Algoritma string matching digunakan untuk mencocokkan query pengguna dengan konten secara efisien, sedangkan algoritma greedy mempercepat proses dengan memilih solusi terbaik secara iteratif. Penelitian ini bertujuan untuk mengevaluasi implementasi kedua algoritma ini dalam meningkatkan akurasi dan kecepatan pencarian serta relevansi rekomendasi di SnackVideo.

Dalam era yang serba digital saat ini, jumlah data yang dihasilkan semakin meningkat secara bertahap. Hal ini menjadikan kemampuan untuk menemukan informasi yang relevan menjadi sangat penting. Algoritma pencarian merupakan salah satu jawaban yang digunakan untuk memandu dan mengambil informasi yang dibutuhkan dari data besar. Penggunaan algoritma pencarian meliputi berbagai macam bidang, mulai dari pencarian informasi di internet, pencarian basis data, hingga aplikasi dalam kecerdasan buatan. 
Namun, efisiensi algoritma pencarian sangat bergantung pada tipe algoritma yang digunakan, tingkat kerumitan data, serta kecepatan proses yang dibutuhkan. Oleh sebab itu, kajian literatur ini bertujuan untuk membahas berbagai tipe algoritma pencarian, serta perbandingan kinerja dan efisiensinya.

Salam pembuka, perkenalan host, pengenalan tema "Algoritma Backtracking", dan perkenalan narasumber. Penjelasan singkat oleh host tentang pentingnya algoritma dalam dunia teknologi saat ini dan latar belakang relevansi tema. Narasumber menjelaskan secara umum tentang Algoritma Backtracking, contoh penerapannya dalam kehidupan sehari-hari, serta jenis-jenis algoritma populer. Narasumber membahas satu contoh studi kasus tentang penggunaan Algoritma Backtracking, misalnya dalam pengembangan aplikasi atau pemecahan masalah kompleks. Narasumber memberikan tips praktis untuk pengembang atau pelajar yang ingin memperdalam pemahaman tentang Algoritma Backtracking. Host merangkum poin-poin penting dari diskusi, menggarisbawahi saran dan solusi yang telah disampaikan narasumber. Ucapan terima kasih kepada narasumber dan pendengar, promosi episode mendatang, serta ajakan untuk mengikuti podcast di platform lain. C. Sertakan Paparan Bahan Tayang Presentasi (PPT) Backtracking adalah salah satu teknik dalam pencarian solusi masalah yang melibatkan eksplorasi berbagai kemungkinan solusi secara sistematis. Dalam teknik ini, langkah-langkah percobaan dilakukan untuk menentukan solusi yang tepat. Jika sebuah langkah membawa pada jalan buntu, maka algoritma akan "kembali" (backtrack) ke langkah sebelumnya untuk mencoba alternatif lain. Proses ini biasanya diterapkan pada masalah yang memiliki banyak kemungkinan, seperti teka-teki atau puzzle, yang memerlukan eksplorasi opsi satu per satu. Contohnya, dalam teka-teki Sudoku, kita mencoba menempatkan angka tertentu di suatu kotak. Jika penempatan tersebut melanggar aturan permainan, maka algoritma akan mundur dan mencoba angka lain hingga semua kotak terisi dengan benar. Teknik ini memastikan bahwa setiap kemungkinan dicoba hingga solusi yang benar ditemukan. Sebagai ilustrasi, bayangkan Anda sedang mencari jalan di sebuah kota besar dengan banyak pilihan jalur. Misalnya, Anda menggunakan aplikasi navigasi untuk menentukan rute. Jika aplikasi tersebut mendeteksi bahwa jalur yang dipilih mengalami kemacetan, aplikasi akan "mundur" dan mencari rute alternatif untuk menemukan jalan tercepat. Contoh ini mencerminkan prinsip backtracking, yang juga diterapkan dalam teknologi untuk mencari solusi optimal dengan mencoba berbagai alternatif secara sistematis. Beberapa algoritma populer selain backtracking adalah 1. Divide and Conquer, yang membagi masalah besar menjadi sub-masalah yang lebih kecil untuk diselesaikan, lalu digabungkan lagi. 2. Dynamic Programming, yang digunakan untuk menyelesaikan masalah dengan mengingat hasil-hasil sebelumnya, sehingga kita tidak perlu menghitung ulang. 3. Greedy Algorithm, yang memilih solusi terbaik dalam setiap langkahnya dengan harapan itu akan memberikan solusi terbaik secara keseluruhan. Salah satu contoh penerapan backtracking adalah dalam pengembangan aplikasi penjadwalan kelas. Dalam kasus ini, terdapat berbagai kelas dengan waktu dan tempat yang terbatas, serta sejumlah syarat tertentu, seperti jadwal guru yang hanya tersedia pada waktu tertentu. Dengan menggunakan teknik backtracking, aplikasi dapat mencoba berbagai kombinasi jadwal yang memungkinkan. Jika ditemukan konflik, seperti bentrok jadwal atau ketidaktersediaan ruangan, algoritma akan mundur dan mencoba kombinasi lain. Proses ini terus berlanjut hingga ditemukan jadwal yang optimal yang memenuhi semua persyaratan untuk kelas dan guru. 1. Pastikan kalian memahami konsep dasar rekursi karena backtracking sering kali melibatkan teknik ini. 2. Mulailah dengan latihan-latihan sederhana, seperti maze solving atau tekateki Sudoku. 3. Baca dokumentasi atau buku tentang algoritma dan coba implementasikan dalam bahasa pemrograman yang kalian kuasai. Dari pembahasan ini, dapat disimpulkan bahwa algoritma backtracking adalah teknik yang sangat efektif untuk mencari solusi pada masalah dengan banyak cabang atau kemungkinan. Dengan memahami prinsip kerjanya, algoritma ini dapat diterapkan pada berbagai situasi, terutama dalam pencarian dan pemecahan masalah kompleks. Untuk menguasai teknik ini, penting bagi kalian untuk terus berlatih dan mencoba berbagai penerapan agar pemahaman semakin terasah dan mendalam. 1. Elsa Agustia () 2. Aldi Salam () 3. Audrey Aulia R () Ketua,

Salam pembuka, perkenalan host, pengenalan tema "Algoritma Backtracking", dan perkenalan narasumber. Penjelasan singkat oleh host tentang pentingnya algoritma dalam dunia teknologi saat ini dan latar belakang relevansi tema. Narasumber menjelaskan secara umum tentang Algoritma Backtracking, contoh penerapannya dalam kehidupan sehari-hari, serta jenis-jenis algoritma populer. Narasumber membahas satu contoh studi kasus tentang penggunaan Algoritma Backtracking, misalnya dalam pengembangan aplikasi atau pemecahan masalah kompleks. Narasumber memberikan tips praktis untuk pengembang atau pelajar yang ingin memperdalam pemahaman tentang Algoritma Backtracking. Host merangkum poin-poin penting dari diskusi, menggarisbawahi saran dan solusi yang telah disampaikan narasumber. Ucapan terima kasih kepada narasumber dan pendengar, promosi episode mendatang, serta ajakan untuk mengikuti podcast di platform lain. C. Sertakan Paparan Bahan Tayang Presentasi (PPT) Backtracking adalah salah satu teknik dalam pencarian solusi masalah yang melibatkan eksplorasi berbagai kemungkinan solusi secara sistematis. Dalam teknik ini, langkah-langkah percobaan dilakukan untuk menentukan solusi yang tepat. Jika sebuah langkah membawa pada jalan buntu, maka algoritma akan "kembali" (backtrack) ke langkah sebelumnya untuk mencoba alternatif lain. Proses ini biasanya diterapkan pada masalah yang memiliki banyak kemungkinan, seperti teka-teki atau puzzle, yang memerlukan eksplorasi opsi satu per satu. Contohnya, dalam teka-teki Sudoku, kita mencoba menempatkan angka tertentu di suatu kotak. Jika penempatan tersebut melanggar aturan permainan, maka algoritma akan mundur dan mencoba angka lain hingga semua kotak terisi dengan benar. Teknik ini memastikan bahwa setiap kemungkinan dicoba hingga solusi yang benar ditemukan. Sebagai ilustrasi, bayangkan Anda sedang mencari jalan di sebuah kota besar dengan banyak pilihan jalur. Misalnya, Anda menggunakan aplikasi navigasi untuk menentukan rute. Jika aplikasi tersebut mendeteksi bahwa jalur yang dipilih mengalami kemacetan, aplikasi akan "mundur" dan mencari rute alternatif untuk menemukan jalan tercepat. Contoh ini mencerminkan prinsip backtracking, yang juga diterapkan dalam teknologi untuk mencari solusi optimal dengan mencoba berbagai alternatif secara sistematis. Beberapa algoritma populer selain backtracking adalah 1. Divide and Conquer, yang membagi masalah besar menjadi sub-masalah yang lebih kecil untuk diselesaikan, lalu digabungkan lagi. 2. Dynamic Programming, yang digunakan untuk menyelesaikan masalah dengan mengingat hasil-hasil sebelumnya, sehingga kita tidak perlu menghitung ulang. 3. Greedy Algorithm, yang memilih solusi terbaik dalam setiap langkahnya dengan harapan itu akan memberikan solusi terbaik secara keseluruhan. Salah satu contoh penerapan backtracking adalah dalam pengembangan aplikasi penjadwalan kelas. Dalam kasus ini, terdapat berbagai kelas dengan waktu dan tempat yang terbatas, serta sejumlah syarat tertentu, seperti jadwal guru yang hanya tersedia pada waktu tertentu. Dengan menggunakan teknik backtracking, aplikasi dapat mencoba berbagai kombinasi jadwal yang memungkinkan. Jika ditemukan konflik, seperti bentrok jadwal atau ketidaktersediaan ruangan, algoritma akan mundur dan mencoba kombinasi lain. Proses ini terus berlanjut hingga ditemukan jadwal yang optimal yang memenuhi semua persyaratan untuk kelas dan guru. 1. Pastikan kalian memahami konsep dasar rekursi karena backtracking sering kali melibatkan teknik ini. 2. Mulailah dengan latihan-latihan sederhana, seperti maze solving atau tekateki Sudoku. 3. Baca dokumentasi atau buku tentang algoritma dan coba implementasikan dalam bahasa pemrograman yang kalian kuasai. Dari pembahasan ini, dapat disimpulkan bahwa algoritma backtracking adalah teknik yang sangat efektif untuk mencari solusi pada masalah dengan banyak cabang atau kemungkinan. Dengan memahami prinsip kerjanya, algoritma ini dapat diterapkan pada berbagai situasi, terutama dalam pencarian dan pemecahan masalah kompleks. Untuk menguasai teknik ini, penting bagi kalian untuk terus berlatih dan mencoba berbagai penerapan agar pemahaman semakin terasah dan mendalam. 1. Elsa Agustia () 2. Aldi Salam () 3. Audrey Aulia R () Ketua,

Untuk situs web skala kecil seperti yang memiliki beberapa halaman, metode brute force berfungsi dan memberikan hasil yang diharapkan. Di sisi lain, ketika berurusan dengan situs web data besar, disarankan untuk menggunakan beberapa pengindeksan atau metode pencarian lain yang lebih berkembang seperti pencarian biner. Saat memilih algoritma pencarian tertentu, ukuran data, tingkat efisiensi yang dibutuhkan, dan sumber daya yang tersedia harus dipertimbangkan.

Dalam era digital yang ditandai dengan peningkatan eksponensial volume informasi, pengguna menghadapi tantangan dalam menemukan konten yang relevan. Sistem rekomendasi ada sebagai solusi untuk membantu pengguna dalam menemukan produk atau layanan yang sesuai dengan preferensi mereka. Dalam makalah ini akan dibahas berbagai algoritma pencarian yang dapat diterapkan dalam sistem rekomendasi, termasuk algoritma berbasis konten, kolaboratif, dan hibrida.

Digital dictionary of medicinal plants a collection of applications a collection of names of medicinal plants. This application was developed to make it easier for users to access the use of medicinal plants based on keywords, names of common diseases such as asthma, diarrhea, fever, headache, diabetes, and so on. The obstacle in using the digital dictionary application of medicinal plants is that it is difficult to find exact information on drug searches, because the vocabulary in producing several other items is not necessarily the same as what is being sought. This study uses the Knuth Morris Pratt (KMP) algorithm search technique on a digital dictionary of medicinal plants by matching keywords as input with strings between text and patterns. This study aims to develop previous research on a digital dictionary of medicinal plants using a mobile-based Rocchio algorithm that searches medicinal plant data by querying proximity in a database that has weaknesses in words that have the...

Search engines are one of the systems used in browsers to make it easier for users to obtain fast and accurate information. In this research, search engines are designed by using two different variations of string matching algorithms to determine the speed of matching strings to text. The text used as a string matching test is a term word in a computer network. The application of string matching is expected to be a reference in choosing the right and efficient algorithm to be applied in search engines. The results of this study show that the brute force algorithm and the knuth-morris-pratt algorithm can be applied well in matching strings to search engines. The knuth-morris-pratt algorithm obtains faster results compared to the brute force algorithm in string matching in terms of runtime. . Keywords :  String Matching, Brute Force, Knuth-Morris-Pratt, terms in the network, Search Engine. Abstrak S earch e ngine merupakan salah satu sistem yang digunakan pada browser untuk memudahkan...

Peningkatan penggunaan internet berdampak pada maraknya media sosial. Data percakapan sebuah topik tertentu pada media sosial dapat digunakan untuk mengetahui pola interaksi pengguna media sosial. Salah satu media sosial yang digunakan dan mengalami peningkatan yang pesat adalah twitter. Relasi antar pengguna twitter dapat direpresentasikan berupa graph. Graph yang terbentuk dianalisis dengan metode social network analysis (SNA) untuk mengidentifikasi pengguna yang berpengaruh. Dalam penelitian ini dihasilkan pengguna yang berpengaruh berdasarkan pengukuran pada SNA. Pengguna dengan normalized degree centrality yang tinggi adalah pengguna yang memiliki kolaborasi paling banyak dengan pengguna yang lain, dengan nilai 0.9907407407407407 yaitu $qu4d. Pengguna dengan normalized closeness centrality paling tinggi adalah pengguna yang memiliki kedekatan dengan pengguna yang lain, dengan nilai 1 yaitu $qu4d. Pengguna dengan normalized betweeness centrality yang paling tinggi adalah penggun...

Peningkatan penggunaan internet berdampak pada maraknya media sosial. Data percakapan sebuah topik tertentu pada media sosial dapat digunakan untuk mengetahui pola interaksi pengguna media sosial. Salah satu media sosial yang digunakan dan mengalami peningkatan yang pesat adalah twitter. Relasi antar pengguna twitter dapat direpresentasikan berupa graph. Graph yang terbentuk dianalisis dengan metode social network analysis (SNA) untuk mengidentifikasi pengguna yang berpengaruh. Dalam penelitian ini dihasilkan pengguna yang berpengaruh berdasarkan pengukuran pada SNA. Pengguna dengan normalized degree centrality yang tinggi adalah pengguna yang memiliki kolaborasi paling banyak dengan pengguna yang lain, dengan nilai 0.9907407407407407 yaitu $qu4d. Pengguna dengan normalized closeness centrality paling tinggi adalah pengguna yang memiliki kedekatan dengan pengguna yang lain, dengan nilai 1 yaitu $qu4d. Pengguna dengan normalized betweeness centrality yang paling tinggi adalah penggun...

Perpustakaan SMK TI Pratama merupakan sumber pengetahuan siswa yang dapat meningkatkan kualitas pengetahuan siswa. Sebagian besar perpustakaan sekolah swasta di samarinda masih menggunakan sistem pencarian manual untuk mencari katalog perpustakaan. Sistem yang belum terkomputerisasi tersebut menyebabkan kegiatan operasional perpustakaan berjalan lambat dan tidak efektif terutama pada penelusuran katalog perpustakaan. Maka dari itu untuk mengatasi masalah penelusuran katalog dibuat sistem penelusuran katalog perpustakaan sekolah dengan mengimplementasikan algoritma Knuth-Morris-Pratt (KMP). Algoritma Knuth- Morris-Pratt merupakan algoritma pencarian string dengan melakukan perbandingan karakter mulai dari karakter paling kanan dari string yang dicari. Sistem penelusuran katalog perpustakaan sekolah dengan mengimplementasikan algoritma Knuth-Morris-Pratt dapat mempermudah pengunjung perpustakaan sekolah untuk mengetahui jumlah dan keberadaan buku yang akan dipinjam dan mempermudah pus...

Skripsi adalah suatu karya ilmiah mahasiswa yang disusun dalam rangka memenuhi sebagian syarat penyelesaian studi pada program strata satu (S-1) di setiap Perguruan Tinggi Negeri maupun Swasta yang ada di Indonesia. Salah satu upaya yang dapat dilakukan dalam menentukan kesamaan judul skripsi ialah dengan melakukan pencocokan string (string matching atau pattern matching) dalam teks yang terdapat pada judul skripsi yang diusulkan. Pada penelitian ini menggunakan Algoritma Knuth-Morris-Pratt (KMP) untuk menganalisis bagaimana proses pencocokan string yang dihasilkan dan membandingkan sejauh mana nilai kemiripan dari beberapa judul yang sama dan serupa sehingga dapat memberikan suatu informasi yang efektif bagi mahasiswa.

Informasi memiliki hubungan atau relasi yang dekat dengan data karena Informasi berasal dari data. Oleh karena itu, berikut ini akan dijelaskan pengertian data menurut ahli sistem yakni The Liang Gie, bahwa data adalah hal, peristiwa, atau kenyataan lain apapun yang mengandung sesuatu pengetahuan untuk dijadikan sebagai bahan menyusun keterangan, membuat kesimpulan, atau mengambil keputusan.

Data adalah bahan mentah yang perlu diolah sehingga menghasilkan informasi atau keterangan, baik kualitatif maupun kuantitatif yang menunjukkan fakta atau juga dapat didefinisikan data merupakan kumpulan fakta atau angka atau segala sesuatu yang dapat dipercaya kebenarannya sehingga dapat digunakan sebagai dasar untuk menarik suatu kesimpulan (Siregar, 2017:16). Sebuah data dikatakan baik jika memenuhi syarat berikut, antara lain data harus akurat, data harus relevan, data harus up to date. Secara garis besar data dibagi menjadi beberapa kelompok, sebagai berikut : kelompok data menurut cara memperolehnya, kelompok data menurut waktu pengumpulannya, kelompok data menurut sifatnya.

Abstrak-Penelitian tentang analisis data dari media sosial seperti twitter telah banyak dilakukan dalam beberapa tahun terakhir. Hal tersebut tidak lepas dari kenyataan bahwa Twitter merupakan salah satu media sosial yang cukup populer digunakan oleh para social-networker. Salah satu layanan yang diberikan oleh twitter adalah API (Application Programming Interface) yang memungkinkan para pengembang untuk mendapatkan data twitter secara langsung untuk pengolahan lebih lanjut. Paper ini bertujuan untuk melakukan review atas paper-paper tentang data mining twitter yang pernah dipublikasi. Kontribusi dari paper ini adalah memberikan informasi sejauh mana penelitian-penelitian yang pernah dilakukan tentang data mining data twitter untuk mendapatkan pemetaan yang digunakan sebagai rencana penelitian berikutnya. Review paper ini tidak memilih teknik atau metode terbaik serta tidak memberikan opini terhadap suatu analisis yang pernah dilakukan dari penelitian terdahulu. Dari review Paper ini dapat diketahui bahwa dapat dilakukan suatu kegiatan penelitian yang menggunakan data teks twitter, dengan teknik perolehan data dan metode analisis teks dalam pendekatan text mining.

The searching process is one of the important activities in data processing. This process could spend some time in the big area of searching so it is needed for an efficient searching technique. Boyer Moore's Algorithm is an efficient searching solution that could compare the pattern from right to left. If the string incompatibility was happening, so the incompatibility will help us to move more distant. This jump moving will give somehow much pattern information should remove to match the last character which is suitable for the appearance of pattern beginning. Which the significances will be more specific in a decrease of ratio processing. If we able to jump or not doing the character ratio which is predicted will fail. Boyer Moore's workability depends on the word's length which sought. For file extension .txt with file size 4.625 byte with a variant different keyword, a little keyword variant should be processed in 0,228 s with " a " pattern and found 685. For file extension .doc with file size 39936, with " yang " pattern should be processed in 0,542 s and found 18. For file extension .pd,f from a pattern matching should be process in 0,103 s with file size 15804 and pattern finding = 1 for pattern.

In a learning environment, emotional factors influence student motivation. Students emotion have an important role in students' capability to learn. The tendency of the students emotion are not easily recognizable in a short time. Twitter is a popular micro-blogging system especially for students. Students post tweet about activities, experiences, their feelings anywhere, anytime and in real time. Sentiment analysis on twitter produce content sentiment that represents the feelings and emotions of students. Sentiment analysis system was built using backpropagation method at the stage of classification. In this research backpropagation network and the classification results were tested using WEKA with multilayer perceptron classifier. The results of sentiment analysis with 30 student respondents are 33.33% tendency of positive emotions, neutral emotions tendency 53.33% and 13:33% negative emotional tendencies. The results are used as reference in providing the appropriate treatment of the students during the process of learning.

Abstrak—Twitter merupakan salah satu media sosial yang saat ini sedang populer di kalangan masyarakat. Banyak hal yang dapat dieksplorasi dari twitter. Salah satu bentuk eksplorasinya yaitu dari sebuah tweet dapat ditentukan apakah tweet tersebut termasuk kedalam bernada sentimen positif ataupun negatif. Dengan menggunakan algoritma pencocokan string Knuth-Morris-Pratt dapat dicari kata-kata yang bermakna negatif dan kata-kata yang bermakna positif. Selanjutnya dengan algoritma pengelompokan klasifikasi data dapat ditentukan apakah tweet tersebut bersentimen positif ataukah negatif. Melalui penelitian dasar ini selanjutnya dapat ditentukan suatu algoritma yang dapat memeriksa sentimen topik secara keseluruhan.

Twitter is now becoming a very popular communication media on the Internet, there are a lot of positive comments and negative comments, one way to identify them is by Sentiment Analysis. Today many news are accessed from social media especially Twitter; from Twitter public comments, we can determine the level of public interest sentiment to the problems that exist. With more sentiment parameters that can be obtained, information that is produced will be more accurate and reliably. In this paper will be generated 7 parameters of Sentiment Analysis, which are very positive, positive, somewhat positive, neutral, somewhat negative, negative, very negative. In studies improve by 7 parameterss Sentiment Analysis with 23,43% accuration. ABSTRACT Twitter sekarang ini menjadi media komunikasi yang sangat populer di Internet, di dalamnya banyak komentar positif dan negatif, salah satu cara untuk mengidentifikasi komentar tersebut adalah dengan Analisis sentimen. Saat ini banyak berita yang diambil dari media sosial, terutama Twitter, karena dari komentar publik, kita dapat menentukan tingkat sentimen masyarakat terhadapat suatu permasalahan. Parameter sentimen yang lebih banyak, akan menghasilkan informasi yang lebih detail, akurat dan terpercaya. Dalam makalah ini dihasilkan 7 parameters analisis sentimen, yaitu sangat positif, positif, agak positif, netral, agak negatif, negatif, sangat negatif. Penelitian ini mampu meningkatkan parameters Sentiment Analysis menjadi 7 parameters dengan akurasi 23,43%.

Twitter is now becoming a very popular communication media on the Internet, there are a lot of positive comments and negative comments, one way to identify them is by Sentiment Analysis. Today many news are accessed from social media especially Twitter; from Twitter public comments, we can determine the level of public interest sentiment to the problems that exist. With more sentiment parameters that can be obtained, information that is produced will be more accurate and reliably. In this paper will be generated 7 parameters of Sentiment Analysis, which are very positive, positive, somewhat positive, neutral, somewhat negative, negative, very negative. In studies improve by 7 parameterss Sentiment Analysis with 23,43% accuration.

Abstraksi-Makin maraknya penggunaan jejaring sosial seperti Twitter menjadikan jejaring sosial tersebut sebagai data yang sangat besar. Salah satu pemanfaatan data ini adalah untuk mengetahui opini atau sentimen pengguna jejaring sosial terhadap suatu topik. Salah satu topik yang penting adalah tokoh publik, seperti calon gubernur, ketua partai, dan lain sebagainya yang akan dijadikan sebagai domain dalam makalah ini. Selain kebutuhan mengetahui sentimen tentang tokoh publik, ada juga kebutuhan untuk mengetahui kapan terjadi perubahan sentimen dan topik apa yang menyebabkan perubahan sentimen. Permasalahan utama yang muncul adalah model bahasa pengguna Twitter di Indonesia yang memiliki karakteristik yang berbeda dari pengguna di luar Indonesia. Solusi yang ditawarkan adalah F3 (F3 is Factor Finder) yang memiliki beberapa metode praproses yang diperkirakan mampu menangani permasalahan model bahasa yang ditemukan. F3 menggunakan Naïve Bayes untuk melakukan analisis sentimen karena telah teruji di bebagai penelitian. Sedangkan untuk mengetahui perubahan sentimen, F3 akan menampilkan perubahan sentimen dalam bentuk kurva. Terakhir, untuk mengetahui topik yang menyebabkan perubahan sentimen, F3 menggunakan metode Tf-Idf dengan discounted-cumulative untuk menangani karakter topik yang muncul di Twitter yang berkelanjutan.Hasil analisis dan pengujian menunjukkan tahapan praproses tidak memiliki pengaruh yang signifikan terhadap akurasi (69.4%-72.8%) klasifikasi sentimen. Sedangkan untuk pengekstrakan topik menunjukkan bahwa penggunaan Tf-Idf dengan discounted cumulative mampu meningkatkan jumlah topik terekstrak yang sesuai. Namun, memiliki kelemahan ketika menghadapi topik yang termuat di hampir seluruh selang waktu atau topik yang bukan bersumber dari berita di media internet.