Analisis Kompleksitas. Mengukur efisiensi algoritma lewat time complexity dan space complexity dengan notasi Big-O.

Setiap Chapter pada Section ini disusun bertahap: konsep dasar, implementasi C++, lalu latihan dan refleksi. Pastikan pembaca menyelesaikan Chapter sebelumnya karena topik saling berkaitan.

# Pengenalan Kompleksitas

Mengapa kita perlu menganalisis kompleksitas algoritma dan apa yang dimaksud dengan kompleksitas waktu serta kompleksitas ruang.

Buka → # Time Complexity

Cara mengukur dan menghitung time complexity algoritma sebagai fungsi dari ukuran input.

Buka → # Space Complexity

Cara mengukur kompleksitas ruang (memori tambahan) yang dipakai algoritma sebagai fungsi dari ukuran input.

Buka → # Notasi Big-O

Definisi formal notasi Big-O sebagai batas atas asimptotik dan cara menentukannya dari sebuah fungsi.

Buka → # Notasi Big-Omega

Definisi formal notasi Big-Omega sebagai batas bawah asimptotik dari sebuah fungsi.

Buka → # Notasi Big-Theta

Definisi formal notasi Big-Theta sebagai batas ketat asimptotik yang menggabungkan Big-O dan Big-Omega.

Buka → # Analisis Loop

Cara menghitung time complexity berbagai pola loop: tunggal, bersarang, logaritmik, dan dengan pertambahan non-trivial.

Buka → # Analisis Fungsi Rekursif

Cara menganalisis time complexity fungsi rekursif dengan recurrence relation, recursion tree, dan substitusi.

Buka → # Kompleksitas Amortisasi

Analisis amortisasi: aggregate, accounting, dan potential method untuk operasi yang kadang mahal tetapi rata-rata murah.

Buka → # Membandingkan Kompleksitas

Tabel referensi komprehensif kompleksitas algoritma umum dan cara membandingkan dua algoritma secara sistematis.

Buka →