Skip to main content

Tutorial Binary Heap - Bahasa Indonesia

Binary Heap

Binary dapat berwujud Min Heap dan Max Heap. Apa perbedaan Min Heap dan Max Heap ?

• Min Heap = Binary Heap dimana Parent Node memiliki value lebih kecil dibandingkan kedua Child Node.
• Max Heap = Max Heap adalah kebalikan dari Min Heap yaitu Parent Node memiliki value lebih besar dibandingkan kedua Child Node.

Property dari Binary Heap : 
Semua element dari binary heap dapat disimpan didalam sebuah array. Elemen i dari suatu array akan mempunyai left child di 2i sedangkan right child di 2i+1. Sedangkan elemen i akan mempunyai parent di index i/2 dengan pembulatan ke bawah.
Property lain yang harus di ingat adalah semua level kecuali level terakhir harus penuh. Tinggi dari binary heap adalah log n.

Operations dari Binary Heap : 
Operasi di dalam Binary Heap terdapat Searching, Insert, dan Delete.

1. Searching : Proses Searching akan sama dengan proses searching di Binary Search Tree.

2. Insertion = Proses insert selalu dilakukan dari leaf node. Kita tidak perlu melakukan komparasi dari Root Node. Kita selalu meletakkan new node di posisi leaf node paling kiri. Kita harus mengisi dari new node dari kiri ke kanan.
Sesudah new node di insert kita baru melakukan komparasi dengan parent node. Kita ambil contoh implementasi Max Heap. Jika new node memiliki nilai yang lebih besar dari parent dari new node maka kita perlu melakukan proses swap karena pada Max Heap nilai dari parent haruslah lebih besar dari child node. Proses komparasi ini harus kita lakukan sampai kita berada di root node atau kondisi sudah memenuhi syarat Min Heap atau Max Heap.

3. Deletion = Proses delete pada Binary Heap hanya dapat menghapus root node. Sesudah root node dihapus maka root node akan digantikan dengan last element atau node terakhir yang diinsert. Sesudah hal ini dilakukan kita akan melakukan komparasi. Kita ambil contoh kembali implementasi Max Heap. Jika kita menggunakan Max Heap maka kita perlu melakukan komparasi root node dengan child node yang memiliki nilai paling besar, jika ternyata nilai dari child node lebih besar maka kita lakukan swap. Hal ini harus kita lakukan sampai Binary Heap memenuhi syarat Max Heap atau Min Heap.

Implementasi dari Binary Heap : 
1. Sorting Array
Kita dapat melakukan heap sort dengan mengimplementasikan binary heap. Pada saat kita menghapus root dari binary heap dan meletakkannya di akhir array kita dan melakukan proses ini sampai tidak ada node didalam Binary Heap maka kita akan mendapatkan array yang tersorting. Max Heap akan menghasilkan sorting yang ascending sedangkan Min Heap akan menghasilkan sorting yang descending

2. Priority Queue
Priority Queue akan lebih efektif jika kita menggunakan Binary Heap karena proses operasi enqueue dan dequeue dapat berjalan di O (log n).

Contoh Case pada Max Heap:














Comments

Popular posts from this blog

Review Data Structure + Contoh Soal Double Linked List - Bahasa Indonesia

1. Pointer and Array materi tentang pointer sebenarnya sudah didapatkan pada semester, namun konsep pointer ini ditekankan kembali. Mengapa ? Karena pada data structure ini pointer adalah konsep yang harus dikuasai terlebih dahulu. Semua alokasi memory yang dilakukan secara dinamis akan disimpan didalam bagian memory yang bernama heap. Untuk mengakses Heap kita harus menggunakan pointer. Array pada semester ini akan jarang digunakan, array biasa dimunculkan untuk melakukan perbandingan dengan Linked List. Selain ini Array juga akan kita temukan pada implementasi Hash Table. 2. Linked List Linked List adalah suatu bentuk struktur data dimana struktur daat ini bertipe linear, sama seperti Array. Lalu apa kelebihan Linked List dibandingkan Array ? Dengan menggunakan Linked List berarti kita dapat menambahkan data terus menerus secara dinamis (dalam batas memory), tidak seperti Array dimana ukuran haruslah fix di awal dan tidak bisa diubah lagi. Pada Linked List kita biasa mengenal

Linked List Implementation Concept - Stack & Queue - Bahasa Indonesia

1. Introduction      Setelah belajar tentang penerapan Linked List khususnya Single Linked List, kita melanjutkan proses pembelajaran tentang Struktur Data kita kepada konsep Stack dan Queue. Sebenarnya kedua konsep ini dapat diterapkan dengan menggunakan struktur data yang telah kita pelajari jauh-jauh hari yaitu Array, namun pada saat ini kita akan memfokuskan pada penerapan Stack dan Queue dengan Linked List 2. Stack     Stack adalah struktur data yang menyimpan element secara berurut . Analogi yang sering digunakan untuk menggambarkan konsep stack adalah tumpukan piring dimana piring yang akan kita ambil pasti merupakan piring paling atas dan pada saat kita menaruh piring baru, kita pasti akan meletakkan piring tersebut di posisi paling atas.     Sebutan Stack yang sering kita gunakan adalah Last In First Out (LIFO) . Pada penerapannya stack memiliki beberapa operasi yaitu push, pop, peek (top). Push adalah operasi ketika kita akan menambahkan data/Node pada Linked List a

AVL Tree (+Code), Konsep Awal B-Tree, dan Red-Black Tree

♣ AVL TREE AVL Tree adalah suatu jenis modifikasi BST. Tree ini dinamai sesuai dengan penemunya yaitu Adelson, Velsky, dan Landis. AVL Tree juga dikenal sebagai self-balancing tree karena jenis tree ini dapat mengoptimasi dirinya sendiri dengan melakukan operasi tertentu. Tujuan dari self -balancing tree ini adalah mempercepat operasi yang ada di BST pada umumnya yaitu insert, search, dan delete. Dengan AVL maka average case dan worst case dari BST dapat diperbaiki menjadi O (log n). • Hal penting yang perlu dipelajari di dalam konsep AVL Tree adalah : 1. Height 2. Balance Factor 3. Rotation Pattern 1. Height Konsep height pada dasarnya sama didalam semua konsep tree. Height root biasa dimulai dengan 0. Height adalah jarak suatu Node dengan Leaf Node terjauh dari Node tersebut. 2. Balance Factor Pada konsep AVL kita mengenal konsep baru yaitu balance factor. Balance factor adalah selisih tinggi antara subtree kiri dan kanan. Balance factor ini kita gunakan untuk menentu