Belajar Algoritma dengan Node.js

Repository ini berisi implementasi berbagai algoritma menggunakan Node.js.

Daftar Algoritma

Sorting Numerik

• Bubble Sort

  Algoritma pengurutan sederhana dengan membandingkan dan menukar elemen bersebelahan

• Selection Sort

  Algoritma pengurutan dengan mencari nilai minimum pada setiap iterasi

• Insertion Sort

  Algoritma pengurutan dengan menyisipkan elemen ke posisi yang tepat

• Merge Sort

  Algoritma pengurutan dengan metode divide and conquer

• Quick Sort

  Algoritma pengurutan cepat dengan metode pivot dan partisi

Sorting Graph

• Topological Sort

  Algoritma pengurutan untuk Directed Acyclic Graph (DAG)

• DFS Topological Sort

  Implementasi Topological Sort dengan DFS

• Cycle Detection

  Deteksi siklus dalam graph

• Colored DFS

  Implementasi DFS dengan pewarnaan node

• Tarjan SCC

  Implementasi Tarjan untuk Strongly Connected Components

• Kosaraju SCC

  Implementasi Kosaraju untuk Strongly Connected Components

Cara Menjalankan

1. Pastikan Node.js sudah terinstall di sistem anda
2. Buka terminal/command prompt
3. Masuk ke direktori algoritma yang ingin dijalankan cd sorting - DAG atau cd sorting numeric
4. Jalankan dengan perintah:

   node namafile.js

Penjelasan Algoritma

Bubble Sort

• Kompleksitas: O(n²)
• Cara Kerja: Membandingkan dua elemen bersebelahan dan menukarnya jika urutannya salah
• Kelebihan: Sederhana dan mudah diimplementasikan
• Kekurangan: Tidak efisien untuk data besar

Selection Sort

• Kompleksitas: O(n²)
• Cara Kerja: Mencari elemen minimum dan menempatkannya di posisi yang tepat
• Kelebihan: Jumlah penukaran lebih sedikit dibanding bubble sort
• Kekurangan: Tidak efisien untuk data besar

Insertion Sort

• Kompleksitas: O(n²)
• Cara Kerja: Membangun array terurut secara bertahap dengan menyisipkan elemen
• Kelebihan: Efisien untuk dataset kecil dan hampir terurut
• Kekurangan: Tidak efisien untuk data besar

Merge Sort

• Kompleksitas: O(n log n)
• Cara Kerja: Membagi array, mengurutkan, dan menggabungkan kembali
• Kelebihan: Stabil dan konsisten
• Kekurangan: Membutuhkan memori tambahan

Quick Sort

• Kompleksitas: O(n log n) rata-rata, O(n²) worst case
• Cara Kerja: Menggunakan pivot untuk mempartisi dan mengurutkan
• Kelebihan: Sangat efisien untuk dataset besar
• Kekurangan: Worst case performance buruk

Topological Sort

• Kompleksitas: O(V + E)
• Cara Kerja: Mengurutkan vertex dalam DAG sehingga edge mengarah ke depan
• Kelebihan: Ideal untuk dependency resolution
• Kekurangan: Hanya bekerja pada DAG

Cycle Detection

• Kompleksitas: O(V + E)
• Cara Kerja: Menggunakan DFS dengan recursion stack untuk mendeteksi siklus
• Kelebihan: Dapat mendeteksi siklus dalam graph
• Kekurangan: Membutuhkan tambahan memori untuk recursion stack

Colored DFS

• Kompleksitas: O(V + E)
• Cara Kerja: Menggunakan 3 warna untuk melacak status node
• Kelebihan: Dapat mendeteksi siklus dan melakukan topological sort
• Kekurangan: Memerlukan space tambahan untuk tracking warna

Tarjan SCC

• Kompleksitas: O(V + E)
• Cara Kerja: Menggunakan DFS dengan indeks dan lowlink values
• Kelebihan: Single pass algorithm, efisien
• Kekurangan: Kompleks untuk diimplementasi

Kosaraju SCC

• Kompleksitas: O(V + E)
• Cara Kerja: Menggunakan dua pass DFS dengan graph reversal
• Kelebihan: Mudah dimengerti dan diimplementasi
• Kekurangan: Membutuhkan dua pass melalui graph

Kontribusi

Silakan berkontribusi dengan menambahkan algoritma baru atau memperbaiki implementasi yang ada melalui pull request.