<![CDATA[Sorting is a fundamental process in computer science that significantly impacts data management and computational efficiency. This study aims to compare the performance of two sorting algorithms, QR Sort and Bubble sort, implemented in C++. The comparison analyzes and evaluates the two algorithms in terms of execution time and memory usage efficiency across datasets of varying sizes. This study uses a quantitative experimental method, with three dataset sizes: 100, 1,000, and 10,000 integer elements, which are run repeatedly under identical conditions to ensure consistent results. The experiments measure the average execution time (in microseconds) and estimated memory usage (in kilobytes) for each algorithm. The results show that QR Sort, which applies a non-comparative quotient–remainder approach, performs significantly faster than Bubble sort, which is comparative, especially as the data size increases. On large datasets, QR Sort outperforms Bubble sort by more than 100 times in execution time. This speed increase is accompanied by higher memory consumption, as QR Sort requires additional structures such as a bucket and counting arrays, whereas Bubble sort uses only minimal memory. Overall, these findings confirm that QR Sort is better suited for large-scale data processing where speed is a priority. At the same time, Bubble sort remains more efficient for small datasets or educational purposes due to its simplicity and low memory requirements. This study emphasizes the need to choose an appropriate sorting algorithm based on dataset characteristics and available system resources.Pengurutan (Sorting) adalah proses dasar dalam ilmu komputer yang memiliki pengaruh besar terhadap pengelolaan data dan efisiensi komputasi. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma pengurutan, yaitu QR Sort dan Bubble sort, yang diimplementasikan menggunakan bahasa pemrograman c++. Perbandingan dilakukan untuk menganalisis dan mengevaluasi kedua algoritma tersebut dari segi efisiensi waktu eksekusi dan penggunaan memori ketika diterapkan pada kumpulan data dengan ukuran yang berbeda-beda. Penelitian ini menggunakan metode eksperimen kuantitatif, dengan tiga skala dataset: 100, 1.000, dan 10.000 elemen bilangan bulat, yang dijalankan berulang kali dalam kondisi identik untuk memastikan konsistensi hasil. Percobaan mengukur rata-rata waktu eksekusi (dalam mikrodetik) dan perkiraan penggunaan memori (dalam kilobyte) untuk masing-masing algoritma. Hasil penelitian menunjukkan bahwa QR Sort, yang menerapkan pendekatan non-comparative quotient–remainder, bekerja jauh lebih cepat dibandingkan Bubble sort yang bersifat comparative, terutama saat ukuran data meningkat. pada dataset besar, QR Sort mengungguli Bubble sort dengan kecepatan lebih dari 100 kali lipat dalam waktu eksekusi. Peningkatan kecepatan ini disertai dengan konsumsi memori yang lebih tinggi karena QR Sort memerlukan struktur tambahan seperti bucket array dan counting array, sedangkan Bubble sort hanya menggunakan memori dalam jumlah minimal. Secara keseluruhan, temuan ini menegaskan bahwa QR Sort lebih cocok untuk pemrosesan data berskala besar di mana kecepatan menjadi prioritas, sedangkan Bubble sort tetap lebih efisien untuk dataset kecil atau keperluan edukatif karena kesederhanaannya dan kebutuhan memori yang rendah. Penelitian ini menekankan perlunya memilih algoritma pengurutan yang sesuai berdasarkan karakteristik dataset dan sumber daya sistem yang tersedia]]>
