Description

Pembukaan

Di era digital saat ini, kecepatan dan efisiensi dalam pengolahan data menjadi hal yang sangat penting. Hampir setiap perangkat cerdas, mulai dari ponsel hingga sistem Internet of Things (IoT), bergantung pada algoritma untuk memproses data secara real-time. Namun, tidak semua algoritma memiliki tingkat efisiensi yang sama. Ada algoritma yang sederhana namun lambat ketika data membesar, dan ada pula algoritma yang lebih kompleks tetapi lebih efisien pada skala besar.

Sebagai mahasiswa informatika, memahami kompleksitas algoritma adalah hal fundamental. Kompleksitas tidak hanya sekadar hitungan matematis, melainkan juga gambaran nyata tentang seberapa cepat dan hemat sumber daya sebuah algoritma dapat bekerja. Melalui tugas UTS ini, saya akan menguraikan perbedaan dua pendekatan algoritma, yaitu iteratif dan rekursif, menghitung jumlah iterasi untuk kasus kecil (n=10, n=20), menganalisis notasi asimptotiknya, dan mengevaluasi aplikasinya dalam kasus nyata, khususnya pada pemrosesan data sensor IoT.

Penjelasan Algoritma dan Logika Kerja

Algoritma Iteratif

fungsi kumulatif_iteratif(Data, n)
 total ← 0
 untuk i = 0 sampai n-1:
    untuk j = 0 sampai i:
        total = total + Data[j]
 kembalikan total
selesai fungsi

Algoritma ini menggunakan perulangan ganda yang dimana untuk setiap nilai i dari 0 hingga n-1, dilakukan perulangan j dari 0 hingga i. Sehingga, semakin besar nilai ‘n’, maka semakin banyak jumlah total dari operasi yang dilakukan. Jika dianalogikan, cara kerja algoritma ini seperti menghitung total data yang ada pada setiap sensor secara satu per satu dari awal hingga akhir.

Algoritma Rekursif

fungsi kumulatif_rekursif(Data, n):
  jika n = 1:
      kembalikan Data[0]

  tengah = n // 2
  kiri   = kumulatif_rekursif(Data[0:tengah], tengah)
  kanan  = kumulatif_rekursif(Data[tengah:n], n - tengah)

  kembalikan kiri + kanan

Algoritma ini membagi data menjadi dua bagian secara rekursif. Bagian kiri diproses sendiri, bagian kanan diproses sendiri, lalu hasilnya digabungkan. Teknik ini lebih cocok untuk data berukuran besar karena dapat berjalan paralel pada sistem yang mendukung pemrosesan multiprosesor (misalnya server cloud).

Perhitungan Jumlah Iterasi (n=10 dan n=20)

Algoritma Iteratif

Formula untuk algoritma iterasi adalah

Untuk n = 10:
Total = 10 × 11 / 2 = 55 kali iterasi.

Untuk n = 20:
Total = 20 × 21 / 2 = 210 kali iterasi.

Yang artinya, untuk n=10 operasi total = total + Data[j] dieksekusi sebanyak 55 kali dan untuk n=20 naik menjadi 210 kali.

Algoritma Rekursif

Algoritma rekursif tidak menghitung secara linear, tetapi membagi dua secara terus menerus. Dengan pembagian ini, jumlah pemanggilan fungsi rekursif menjadi ≈ 2n – 1.

Untuk n = 10:
Total = 2 × 10 - 1 = 19 kali pemanggilan.

Untuk n = 20:
Total = 2 × 20 - 1 = 39 kali pemanggilan.

Analisis Kompleksitas (Big-O, Ω, Θ)

Algoritma Iteratif
T(n) = n(n+1)/2 = O(n²).
Ω(n²) untuk best case, Θ(n²) untuk average case.

Algoritma Rekursif
Dengan strategi divide & conquer, T(n) = 2T(n/2) + O(1).
Berdasarkan Teorema Master, T(n) = O(n).
Maka Ω(n) dan Θ(n) juga linear.

Dengan demikian, algoritma iteratif bersifat kuadratik, sementara algoritma rekursif bersifat linear.

Simulasi dan Visualisasi

Jika divisualisasikan, pertumbuhan waktu eksekusi dari algoritma iteratif dan algoritma rekursif dapat digambarkan seperti berikut:

Evaluasi Algoritma dalam Kasus IoT

Edge Device (algoritma iteratif)
Algoritma iteratif lebih sederhana untuk diimplementasikan pada edge device ang memiliki memori kecil. Namun, kelemahannya adalah iterasi cepat membengkak saat data besar.

Server Cloud (algoritma rekursif)
Dengan prosesor kuat dan paralelisme, algoritma rekursif jauh lebih efisien. Data sensor bisa diproses lebih cepat dengan pembagian tugas.

Kesimpulan evaluasi
Untuk perangkat yang ada di lapangan seperti sensor, algoritma iteratif dapat diandalkan karena skalanya yang kecil dan sederhana untuk dijalankan. Sebaliknya, untuk sistem pusat seperti server cloud yang memproses data dari banyak sensor, algoritma rekursif jauh lebih efisien.

Kesimpulan dan Rekomendasi

Kesimpulan

Dari analisis di atas dapat disimpulkan:

1. Algoritma iteratif menghasilkan jumlah iterasi n(n+1)/2 → kompleksitas kuadratik O(n²).
2. Algoritma rekursif menghasilkan kompleksitas O(n), sehingga lebih efisien.
3. Untuk n kecil (misalnya 10 atau 20), keduanya masih dapat dijalankan. Namun untuk n besar (ribuan hingga jutaan), rekursif jauh lebih unggul.
4. Dalam kasus IoT:
   1. Edge device: iteratif masih bisa dipakai jika datanya kecil.
   2. Server cloud: rekursif adalah pilihan terbaik untuk skala besar.

Rekomendasi
Gunakan algoritma rekursif untuk pemrosesan data sensor dalam jumlah besar, terutama pada sistem cloud. Namun, pada perangkat kecil dengan keterbatasan memori, iteratif bisa tetap digunakan dengan optimasi tambahan seperti sliding window agar tidak perlu menghitung ulang seluruh data. Dengan memahami kompleksitas algoritma, kita dapat memilih solusi yang paling sesuai dengan konteks pemrosesan data, sehingga sistem menjadi lebih cepat, hemat energi, dan dapat diskalakan sesuai kebutuhan.