Kamis, 05 Oktober 2017

Cara Mengkoneksikan Java ke MySQL

1. Perlengkapan

1.1 Perlengkapan yang dibutuhkan untuk membuat aplikasi yang terkoneksi dengan MySQL server adalah sebagai berikut :

Hardware :

· Laptop / PC

Software :

· NetBeans IDE

· MySQL Server 5.7.19

· Command Prompt (cmd)

Bahasa Pemrograman yang dipakai :

· Java

Selasa, 06 Desember 2016

Algoritma Greedy

Algoritma GREEDY merupakan metode yang paling populer untuk memecahkan persoalan optimasi. Greedy sendiri diambil dari bahasa inggris yang artinya rakus , tamak atau serakah . Sehingga Algoritma Greedy dapat di definisikan algoritma yang memecahkan masalah langkah per langkah; pada setiap langkah dengan mengambil pilihan yang terbaik yang dapat diperoleh pada saat itu tanpa memperhatikan konsekuensi ke depan (prinsip “take what you can get now!”) dan berharap bahwa dengan memilih optimum lokal pada setiap langkah akan berakhir dengan optimum global.

Kondisi yang harus dipenuhi:

Terdapat kumpulan kandidat penyelesaian (solusi)
Ada suatu cara/fungsi yang bisa memeriksa apakah satu kandidat betul merupakan solusi atau bukan
Ada fungsi seleksi yang bisa memilih kandidat terbaik
Ada sesuatu yang ingin dioptimalkan dalam persoalan yang dihadapi / ada objective function

Algoritma greedy membentuk solusi step by step dan terdapat banyak pilihan yang perlu dieksplorasi pada setiap langkah solusi. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan. Keputusan yang telah diambil pada suatu langkah tidak dapat diubah lagi pada langkah selanjutnya.

Algoritma greedy adalah algoritma yang memecahkan masalah langkah per langkah;

pada setiap langkah:
1. mengambil pilihan yang terbaik yang
dapat diperoleh pada saat itu tanpa
memperhatikan konsekuensi ke depan
(prinsip “take what you can get now!”)

2. berharap bahwa dengan memilih optimum
lokal pada setiap langkah akan berakhir

dengan optimum global.

Skema Umum Algoritma Greedy :

Algoritma greedy disusun oleh elemen-elemen berikut:

1. Himpunan kandidat.

Berisi elemen-elemen pembentuk solusi.

2. Himpunan solusi

Berisi kandidat-kandidat yang terpilih sebagai solusi persoalan.

3. Fungsi seleksi (selection function)

Memilih kandidat yang paling memungkinkan mencapai solusi optimal. Kandidat yang sudah dipilih pada suatu langkah tidak pernah dipertimbangkan lagi pada langkah selanjutnya.

4. Fungsi kelayakan (feasible)

Memeriksa apakah suatu kandidat yang telah dipilih dapat memberikan solusi yang layak, yakni kandidat tersebut bersama-sama dengan himpunan solusi yang sudah terbentuk tidak melanggar kendala (constraints) yang ada. Kandidat yang layak dimasukkan ke dalam himpunan solusi, sedangkan kandidat yang tidak layak dibuang dan tidak pernah dipertimbangkan lagi.

5. Fungsi obyektif, yaitu fungsi yang memaksimumkan atau meminimumkan nilai solusi (misalnya panjang lintasan, keuntungan, dan lain-lain).

Contoh pada masalah penukaran uang, elemen-elemen algoritma greedy-nya adalah:

1. Himpunan kandidat: himpunan koin yang merepresentasikan nilai 1, 5, 10, 25, paling sedikit mengandung satu koin untuk setiap nilai.

2. Himpunan solusi: total nilai koin yang dipilih tepat sama jumlahnya dengan nilai uang yang ditukarkan.

3. Fungsi seleksi: pilihlah koin yang bernilai tertinggi dari himpunan kandidat yang tersisa.

4. Fungsi layak: memeriksa apakah nilai total dari himpunan koin yang dipilih tidak melebihi jumlah uang yang harus dibayar.

5. Fungsi obyektif: jumlah koin yang digunakan minimum.

Pseudo-code algoritma greedy adalah sebagai berikut:

procedure greedy(input C: himpunan_kandidat;

output S : himpunan_solusi)

{ menentukan solusi optimum dari persoalan optimasi dengan algoritma greedy

Masukan: himpunan kandidat C

Keluaran: himpunan solusi S

}

Deklarasi

x : kandidat;

Algoritma:

S¬{} { inisialisasi S dengan kosong }

while (belum SOLUSI(S)) and (C ¹ {} ) do

x¬SELEKSI(C); { pilih sebuah kandidat dari C}

C¬ C - {x} { elemen himpunan kandidat berkurang satu }

if LAYAK(S È {x}) then

S¬S È {x}

endif

endwhile

{SOLUSI(S) sudah diperoleh or C = {} }

Pada akhir setiap lelaran, solusi yang terbentuk adalah optimum lokal. Pada akhir kalang while-do diperoleh optimum global.

Namun adakalanya optimum global merupakan solusi sub-optimum atau pseudo-optimum. Alasan:

1. algoritma greedy tidak beroperasi secara menyeluruh terhadap semua alternatif solusi yang ada (sebagaimana pada metode exhaustive search).

2. pemilihan fungsi SELEKSI: Mungkin saja terdapat beberapa fungsi SELEKSI yang berbeda, sehingga kita harus memilih fungsi yang tepat jika kita ingin algoritma bekerja dengan benar dan menghasilkan solusi yang benar-benar optimum

· Karena itu, pada sebagian masalah algoritma greedy tidak selalu berhasil memberikan solusi yang benar-benar optimum.

· Jika jawaban terbaik mutlak (benar-benar optimum) tidak diperlukan, maka algoritma greedy sering berguna untuk menghasilkan solusi yang menghampiri (approximation) optimum, daripada menggunakan algoritma yang lebih rumit untuk menghasilkan solusi yang eksak.

· Bila algoritma greedy optimum, maka keoptimalannya itu dapat dibuktikan secara matematis

Sumber Referensi : Aryo Pinandito, ST, M.MT – PTIIK Universitas Brawijaya

Rabu, 30 November 2016

Algoritma Rekursif

Algoritma I :

procedure cari (input L : List, input x : integer, output ketemu : boolean)

Deklarasi

ALGORITMA

if L = Nil then

ketemu ← false

else

if Info(L) = x then

ketemu ← true

else

cari(next(L),x,ketemu)

endif

Relasi Rekurrens :

Algoritma II :

Function panjang (input L : List) → integer

Deklarasi

Algoritma

If L = Nil then

return 0

else

return 1 + panjang(Next(L))

endif

Relasi Rekurrens :

Algoritma III :

function kali (input a, b : integer) → integer

DEKLARASI

ALGORITMA

if b = 1 then

return a

else

return a + kali (a, b-1)

endif

Relasi Rekurrens :

Rabu, 26 Oktober 2016

Menghitung T(n) min, max, dan average

Contoh algo1 :

Procedure RataMaxMin ()

Deklarasi

data, max, min : integer

rata : real

Algoritma

tot = 0

i = 1

input (n)

while i ≤ n do

    input data

if i = 1 then

      min ← max ← data

else

   if max < data then

          max ← data

   else

      if min > data then

               min ← data

      endif

   endif

endif

tot ← tot + data

i ← i + 1

endwhile

rata ← tot / n

output (rata)

output (min)

output (max)

Baca selengkapnya »

Selasa, 18 Oktober 2016

Menentukan Indeks Nilai

Procedure menentukan _indeks_nilai(input:nilai, output:indeks)

Kamus :

indeks = char

Algoritma :

//menentukan indeks nilai

if (nilai >= 80)then

indeks = 'A'

else

if (nilai >= 70 and nilai < 80)then

indeks = 'B'

else

if (nilai >= 60 and nilai < 70)then

indeks = 'C'

else

if (nilai >= 50 and nilai < 60)then

indeks = 'D'

else

indeks = 'E'

endif

output("indeks nilai anda = ", indeks)

output("ket : ")

depend on (indeks) //memberi keterangan dari setiap indeks

'A' :

output ("Sangat Baik")

'B' :

output ("Baik")

'C' :

output ("Cukup")

'D' :

output ("Kurang")

‘E’:

output("Sangat Kurang")

enddepend

EndAlgoritma

Baca selengkapnya »

Rabu, 12 Oktober 2016

PERHITUNGAN WAKTU

Menghitung Luas Permukaan limas segitiga

Procedure HitungLuas ()

Deklarasi

sisialas, tinggisegitiga, luaspermukaan : real

luasalas, luassisi, luassegitiga : real

Algoritma

{Input}

sisialas ← 10

tinggisegitiga ← 12

{Proses}

//Menghitung Luas Alas

luasalas ← sisialas1 * sisialas2

//Menghitung Luas Sisi

luassegitiga ← 0,5 * tinggisegitiga * sisialas

luassegitiga ← 4 * luassegitiga

//Menghitung jumlah Luas permukaan

luaspermukaan ← luasalas + luassegitiga

A. Operasi pengisian nilai

B. Operasi penjumlahan

C.Operasi Perkalian

Total kebutuhan waktu eksekusi algoritma HitungRata2 :

Total Waktu = t1 + t2 + t3 = 6a + b + 3c

MENGHITUNG FAKTORIAL

Start

Input A

F ← A

While A>1 do

A ← A – 1

F ← F * A

While end

Output F

End