Pentingnya Memahami Algoritma dan Struktur Data

Kodenya jalan, tes yang kamu tulis lolos, tapi halamannya tetap lambat begitu datanya nyata. Tidak ada yang kelihatan rusak di berkasnya. Urutan langkahnya yang salah, dan begitu juga bentuk data yang dipakai. Dua pilihan itulah yang menentukan seberapa mahal sebuah masalah diselesaikan, dan tidak ada yang membukanya lagi sampai lambatnya sudah kelihatan di layar orang lain.

Tentang Algoritma

Secara non-formal, algoritma adalah langkah-langkah yang harus dilakukan untuk menyelesaikan sesuatu. Sederhana saja, tidak ada yang khusus.

Contohnya ada di belakang bungkus mie instan. Langkah-langkah memasak mie instan itu juga algoritma, lengkap dengan urutan yang tidak bisa ditukar: rebus air dulu, baru masukkan mie.

Kalau mau yang lebih teknikal, ada contoh perhitungan bilangan faktorial. Tahu kan ya, bilangan yang ada tanda seru di belakangnya itu.

Sekarang bayangkan menjelaskan faktorial ke orang yang tidak paham konsep faktorial, tapi paham betul konsep variabel, perkalian, dan pengurangan. Dengan bekal itu saja, algoritmanya bisa direkayasa:

1. Tentukan bilangan yang akan dicari faktorialnya, masukkan ke variabel n
2. Buat variabel x bernilai 1
3. Kalikan nilai x dengan nilai n, masukkan hasilnya ke variabel x
4. Kurangi nilai n dengan 1, masukkan hasilnya ke variabel n
5. Kalau nilai n masih lebih dari 1, kembali ke langkah 3. Kalau tidak, kembalikan nilai x sebagai hasil faktorial

Itu kalau algoritma ditulis dalam Bahasa Indonesia dan ditujukan untuk orang Indonesia. Untuk komputer, bahasanya harus bahasa pemrograman. Versi Java-nya seperti ini, sudah dicoba compile dan jalankan dengan javac 21:

public class Factorial {
  static long factorial(int n) {
    long x = 1;
    while (n > 1) {
      x = x * n;
      n = n - 1;
    }
    return x;
  }

  public static void main(String[] args) {
    System.out.println(factorial(5));
    System.out.println(factorial(10));
  }
}

Kalau dijalankan, hasilnya:

120
3628800

Algoritma itu masih belum sempurna. Nilai negatif dan nilai pecahan tidak ditangani, dan keduanya membuat hasilnya salah. Kalau programmu cuma pernah minta faktorial 5 atau 10, algoritma ini sudah cukup. Tapi tidak semua algoritma harus sempurna, yang penting bisa menyelesaikan masalah sesuai kebutuhan.

Tentang Struktur Data

Kalau algoritma berbicara tentang langkah-langkah yang dilakukan pada data, struktur data berbicara tentang bagaimana data itu disimpan dan disusun. Ambil array dan linked list: array disimpan berurutan dan punya indeks, jadi membaca elemen ke-500 itu lompat langsung ke sana, O(1). Linked list harus menelusuri node satu per satu untuk sampai ke posisi yang sama. Tujuannya satu: menata data supaya algoritma bisa dieksekusi dengan usaha seminimal mungkin.

Algoritma dan struktur data saling mendukung dan sulit dipisahkan. Satu memilih urutan langkah, satu lagi menentukan bentuk data yang diolah.

Secara umum ada empat keluarga struktur data:

1. Linear: disimpan berurutan, contohnya array, queue, stack, dan linked list
2. Tree: disimpan bercabang seperti hirarki, contohnya binary tree, heap, dan AVL
3. Graph: simpul yang saling terhubung, contohnya jaringan pertemanan dan peta jalan
4. Hash: disimpan tersebar lewat hash function, contohnya hash table dan set

Masing-masing punya algoritmanya sendiri, dan di situlah kita mulai perlu memilih. Karena itu memilih pasangan algoritma dan struktur data tidak bisa sembarangan, ada kondisi yang harus diperhatikan.

Pentingnya Memahami Algoritma dan Struktur Data

Inti pemrograman sebenarnya ada di situ: memilih pasangan algoritma dan struktur data yang tepat untuk masalah yang sedang dihadapi. Kedengarannya simpel, tinggal memilih.

Kenyataannya tidak. Sebelum tahu pasangan yang tepat, bentuk datanya harus dipahami lebih dulu, lalu cara kerja algoritmanya, baru dicocokkan dengan masalahnya.

Contohnya media sosial. Instagram, Facebook, dan kawan-kawannya punya satu kemiripan: ada hubungan antar pengguna, entah sebagai teman, follower, atau subscriber. Kalau strukturnya sudah dikenal, jawabannya langsung terlihat, yaitu graph. Ada node sebagai pengguna dan edge sebagai hubungannya.

Di titik itu pilihan algoritmanya jadi lebih mengerucut, karena memilih struktur data biasanya lebih mudah daripada memilih algoritma. Kalau pasangannya sudah tepat, program jadi lebih efisien, lebih mudah diskalakan, dan lebih mudah dipahami orang lain.

Kode yang Lebih Efisien

Efisiensi di pemrograman selalu soal dua hal: ruang dan waktu. Ruang berarti memori yang dipakai, waktu berarti lama eksekusinya. Ukurannya biasa ditakar dengan notasi O besar, yang menunjukkan seberapa cepat biaya sebuah algoritma naik saat inputnya membesar.

Ambil contoh menghitung jumlah deret angka berurutan mulai dari 1:

Kalau kita terjemahkan apa adanya jadi kode, hasilnya perulangan. Versi rumusnya juga ditulis, supaya bedanya kelihatan:

public class SumRange {
  static long withLoop(int n) {
    long total = 0;
    for (int i = 1; i <= n; i++) {
      total += i;
    }
    return total;
  }

  static long withFormula(int n) {
    return (long) n * (n + 1) / 2;
  }

  public static void main(String[] args) {
    System.out.println(withLoop(100) + " " + withFormula(100));
    System.out.println(withLoop(1_000_000) + " " + withFormula(1_000_000));
  }
}

Dua metode itu menghitung hal yang sama, dan hasilnya memang sama:

5050 5050
500000500000 500000500000

Bedanya di biaya yang kita bayar. Versi perulangan melakukan penambahan sebanyak n kali, jadi kompleksitasnya O(n). Versi rumus cuma melakukan beberapa operasi, berapa pun nilai n-nya, jadi kompleksitasnya O(1). Untuk satu juta angka, selisihnya bukan soal cepat atau lambat, tapi soal pekerjaan yang sebenarnya tidak perlu dikerjakan.

Memudahkan Penulisan Kode

Pilihan struktur data juga memengaruhi seberapa mudah kode ditulis, karena logikanya jadi masuk akal dengan sendirinya. Ini yang dimaksud efisiensi ruang dan waktu tadi, cuma kali ini terasa di kepala, bukan di mesin.

Contoh paling gampang ada di struktur data stack. Bayangkan tumpukan piring: yang diambil pasti yang paling atas, karena itu yang butuh usaha paling kecil. Menaruh piring juga dari atas, alasannya sama. Cara kerja stack memang begitu, masuk dari atas, keluar dari atas.

Tanpa sadar, pola ini dekat sekali dengan pekerjaan harian. Fitur undo, yang jalan lewat ctrl+z, di balik layar memakai stack: setiap aksi didorong masuk, dan setiap kali undo ditekan, aksi terakhir dikeluarkan satu per satu. Persis tumpukan piring.

Ketika kita menulis kode, membayangkan hal seperti ini sangat membantu. Tinggal hubungkan masalahnya dengan benda di sekitar, lalu ambil struktur data yang paling masuk akal.

Selanjutnya Apa?

Di dunia ini tidak ada yang instan, bahkan memasak mie instan pun perlu perjuangan.

Belajar pemrograman juga begitu. Tahu sintaks bahasa pemrograman saja belum cukup. Yang perlu dilatih adalah cara menyelesaikan masalah, lalu cara menyusun algoritma yang efisien di atasnya. Setelah itu jam terbang yang menentukan: semakin sering menyelesaikan masalah, semakin bagus kualitas algoritmanya.

Membaca kode orang lain juga membantu. Tiap orang punya isi kepala yang berbeda, dan dari kode orang lain biasanya muncul alternatif penyelesaian yang tidak terpikirkan sebelumnya. Website seperti HackerRank, Sololearn, dan LeetCode bisa dipakai untuk mengasah ini.

Mulai dari satu soal sehari, bukan dari daftar seratus soal yang tidak pernah dibuka.

Selamat berkoding ria 👋