Tasya Apriliani
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Algoritma Greedy Dalam Penukaran Uang Di Alfamart Di Kota Dan Algoritma String Matching Untuk Pencarian Cabang Alfamart Di Kota-Kota Di Indonesia Tasya Apriliani; Athay Setya Dwi Putri; Jovanka Feranita; Meisya Pradana Mentari
SABER : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi Vol. 2 No. 2 (2024): April : Jurnal Teknik Informatika, Sains dan Ilmu Komunikasi
Publisher : STIKes Ibnu Sina Ajibarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59841/saber.v2i2.1060

Abstract

Algoritma Greedy dan algoritma pencocokan string (string matching) adalah dua pendekatan penting dalam komputasi yang memiliki aplikasi luas dalam pemrosesan teks dan optimasi. Dalam penelitian ini, kami menjelaskan konsep, sejarah, dan penerapan kedua algoritma tersebut. Algoritma Greedy memilih solusi terbaik pada setiap langkah dengan harapan mencapai solusi global yang optimal, sedangkan algoritma pencocokan string digunakan untuk mencari kemunculan suatu pola dalam teks dengan efisien. Kami mengevaluasi implementasi algoritma Greedy dalam penukaran uang di Alfamart dan algoritma pencocokan string untuk pencarian cabang Alfamart di berbagai kota di Indonesia. Metode penelitian dievaluasi berdasarkan kelengkapan, optimalitas, dan kompleksitas waktu. Hasil menunjukkan bahwa implementasi algoritma Greedy efisien dalam mengelola proses penukaran uang dengan waktu eksekusi yang stabil. Sementara itu, algoritma pencocokan string menawarkan kemampuan untuk mencari cabang Alfamart dengan cepat dan efisien meskipun menunjukkan variasi dalam kinerjanya. Kesimpulannya, kedua algoritma ini memiliki potensi besar untuk meningkatkan efisiensi operasional dan kenyamanan pengguna dalam hal penukaran uang dan pencarian cabang minimarket. Studi ini memberikan kontribusi penting dalam memahami dan menerapkan algoritma Greedy dan pencocokan string dalam kasus nyata, dengan implikasi untuk pengembangan solusi yang lebih efisien dan optimal di masa depan.