Modul 13: Algoritma & Struktur Data

Algoritma = resep langkah penyelesaian masalah. Contoh klasik: linear search memeriksa satu per satu (O(n)), sedangkan binary search membelah data terurut menjadi dua setiap langkah (O(log n)) — 1 juta data cukup ±20 langkah!

def binary_search(arr, target):
    lo, hi = 0, len(arr) - 1
    while lo <= hi:
        mid = (lo + hi) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            lo = mid + 1
        else:
            hi = mid - 1
    return -1

print(binary_search([1, 3, 5, 7, 9], 7))  # 3

Output:
3

Sorting: Python punya sorted() (Timsort, O(n log n)) — tapi memahami bubble/selection/merge sort melatih logika. Rekursi adalah fungsi yang memanggil dirinya dengan masalah yang makin kecil, plus base case pemberhenti.

def faktorial(n):
    if n <= 1:        # base case
        return 1
    return n * faktorial(n - 1)  # memanggil diri

print(faktorial(5))  # 120

Output:
120

Big-O mengukur pertumbuhan waktu saat data membesar: O(1) konstan, O(log n) membelah, O(n) linear, O(n log n) sorting efisien, O(n²) kuadrat (hindari untuk data besar). Memilih struktur data yang tepat (dict untuk lookup O(1) vs list O(n)) sering lebih berpengaruh daripada optimasi mikro.