1.Mudah
Kompleksitas ruang (space complexity) mengukur:
- AJumlah memori yang dibutuhkan algoritma seiring bertambahnya input
- BJumlah baris kode
- CRuang disk yang dipakai file program setelah dikompilasi
- DUkuran fisik komputer
2.Mudah
Apa yang digambarkan oleh waktu eksekusi kasus rata-rata?
- AWaktu pada komputer yang paling umum
- BNilai tengah antara waktu eksekusi kasus terbaik dan kasus terburuk
- CWaktu untuk input dengan panjang rata-rata
- DWaktu yang diharapkan atas distribusi input berukuran n tertentu
3.Mudah
Berapa Big O dari 3n² + 5n + 2?
- AO(5n)
- BO(n³)
- CO(3n²)
- DO(n²)
4.Sedang
Kira-kira berapa perbandingan yang diperlukan binary search pada kasus terburuk untuk array terurut berisi 1,000,000 elemen?
- ASekitar 500,000
- BSekitar 100
- CSekitar 1,000
- DSekitar 20
5.Sedang
Berapa banyak ruang stack yang dipakai fungsi faktorial rekursif sederhana fact(n) = n × fact(n − 1)?
- AO(n)
- BO(n²)
- CO(1)
- DO(log n)
6.Sedang
Apakah benar mengatakan bahwa algoritma O(n²) juga O(n³)?
- ATidak, karena n³ lebih kecil daripada n² untuk n besar
- BYa, karena Big O adalah batas atas dan n² tidak tumbuh lebih cepat daripada n³
- CTidak, karena Big O harus selalu menyatakan laju pertumbuhan yang tepat dari fungsi itu
- DYa, tetapi hanya jika n lebih kecil dari 100
7.Sulit
Berapa waktu eksekusi algoritma Dijkstra dengan binary heap pada graf dengan V simpul dan E sisi?
- AO(V³)
- BO((V + E) log V)
- CO(V × E)
- DO(V + E)
8.Sulit
Perkalian Karatsuba memenuhi T(n) = 3T(n/2) + O(n). Apa hasilnya?
- AΘ(n log n)
- BΘ(n3)
- CΘ(n²)
- DΘ(nlog₂ 3), sekitar n1,585
Kunci jawaban
- 1. A · Jumlah memori yang dibutuhkan algoritma seiring bertambahnya input
- 2. D · Waktu yang diharapkan atas distribusi input berukuran n tertentu
- 3. D · O(n²)
- 4. D · Sekitar 20
- 5. A · O(n)
- 6. B · Ya, karena Big O adalah batas atas dan n² tidak tumbuh lebih cepat daripada n³
- 7. B · O((V + E) log V)
- 8. D · Θ(nlog₂ 3), sekitar n1,585
Penyelesaian lengkap langkah demi langkah: latih topik ini di examproblems.com.