Dalam langkah-langkah membuat algoritma, manakah urutan yang paling tepat?

Mendefinisikan masalah, analisis masalah, membangun algoritma level tinggi, menambahkan detail, dan memeriksa algoritma.

Algoritma harus selalu ditulis dalam kode Python sejak awal.

Membangun algoritma level tinggi adalah langkah pertama, diikuti dengan mendefinisikan masalah.

Base Case adalah langkah di mana fungsi memanggil dirinya sendiri, sementara Recursive Step adalah kondisi berhenti.

Base Case adalah kondisi berhenti yang mencegah rekursi tak terbatas, dan Recursive Step adalah langkah fungsi memanggil dirinya sendiri sambil mendekati Base Case.

Kedua bagian (Base Case dan Recursive Step) selalu terjadi secara bersamaan dalam setiap panggilan rekursif.

Rekursi hanya melibatkan fungsi yang memanggil dirinya sendiri tanpa kondisi berhenti.

Analogi ini hanya relevan untuk Base Case saja.

Analogi ini hanya relevan untuk Base Case saja.

Cermin berhadapan menunjukkan bahwa setiap masalah rekursif hanya memiliki satu pantulan.

Analogi cermin berhadapan merepresentasikan Base Case (kondisi berhenti) dan Recursive Step (langkah rekursif yang mendekati base case).

Boneka Matryoshka mewakili struktur linear dari suatu algoritma.

Boneka Matryoshka menunjukkan bahwa setiap boneka adalah masalah yang unik dan tidak terkait.

Analogi ini hanya berlaku jika tidak ada boneka yang dapat dibuka lagi.

Boneka Matryoshka adalah analogi yang menunjukkan struktur rekursif dengan 'masalah' yang lebih kecil di dalam 'masalah' yang lebih besar.

Tugas berantai hanya relevan untuk algoritma iteratif, bukan rekursif.

Analogi tugas berantai berarti setiap orang harus menyelesaikan seluruh tugas dari awal.

Analogi tugas berantai berarti setiap orang harus menyelesaikan seluruh tugas dari awal.

Setiap orang dalam rantai harus mampu menyelesaikan semua tingkat kesulitan tugas.

Faktorial adalah salah satu contoh masalah klasik yang secara intuitif dapat dipecahkan menggunakan pendekatan rekursif.

Faktorial adalah masalah yang tidak memiliki Base Case.

Faktorial adalah contoh masalah yang selalu diselesaikan dengan iterasi, bukan rekursi.

Menghitung faktorial hanya bisa dilakukan dengan fungsi non-rekursif.

Setiap angka dalam Deret Fibonacci adalah hasil perkalian dua angka sebelumnya, membuatnya rekursif.

Deret Fibonacci adalah masalah yang hanya dapat diselesaikan dengan iterasi.

Deret Fibonacci hanya memiliki satu Base Case.

Deret Fibonacci adalah contoh masalah klasik yang secara intuitif rekursif karena setiap bilangan adalah jumlah dari dua bilangan sebelumnya.

Baris if n == 0 or n == 1: adalah Recursive Step.

Bagian Base Case hanya berlaku jika nilai n lebih besar dari 1.

Baris return 1 adalah bagian dari Recursive Step.

Baris if n == 0 or n == 1: return 1 adalah Base Case.

Recursive Step hanya bekerja jika n adalah 0 atau 1.

Baris else: menunjukkan bahwa tidak ada Recursive Step yang terjadi.

Baris return n * factorial(n-1) adalah Recursive Step.

Baris return n * factorial(n-1) adalah Base Case.

Menganalisis semua kemungkinan solusi sebelum membuat satu keputusan.

Membuat pilihan yang paling menguntungkan di setiap langkah, tanpa mempertimbangkan konsekuensi di masa depan.

Membuat keputusan berdasarkan hasil yang paling optimal untuk jangka panjang saja.

Membuat keputusan secara acak untuk menghindari bias.

Selalu mencari solusi yang paling rumit dan memakan banyak waktu.

Membuat pilihan yang terlihat paling menguntungkan pada saat itu juga.

Menggunakan semua sumber daya yang ada tanpa batas.

Membutuhkan banyak sumber daya komputasi untuk berjalan.

Membutuhkan pemahaman mendalam tentang matematika yang rumit.

Tidak bisa diimplementasikan dalam bahasa pemrograman apa pun.

Tidak efisien dan lambat untuk masalah besar.

Tidak selalu menjamin solusi global yang optimal.

Karena masalah kembalian uang adalah masalah yang paling sederhana di dunia Informatika.

Karena Algoritma Greedy memiliki properti 'greedy choice property' untuk masalah ini.

Karena Algoritma Greedy selalu memilih koin dengan nilai paling kecil terlebih dahulu.

Karena semua Algoritma Greedy selalu optimal untuk masalah apa pun.

4 lembar/keping

6 lembar/keping

3 lembar/keping

5 lembar/keping

Memilih aktivitas dengan waktu selesai paling awal.

Memilih aktivitas dengan durasi terpendek terlebih dahulu.

Memilih aktivitas dengan waktu mulai paling awal.

Memilih aktivitas dengan keuntungan finansial terbesar.

Keputusan yang paling menguntungkan pada langkah saat ini.

Keputusan yang diambil secara acak untuk menghindari bias.

Keputusan yang diambil setelah meninjau semua opsi yang tersedia.

Keputusan yang dibuat dengan mempertimbangkan dampak jangka panjang pada solusi akhir.

Memasukkan barang dengan berat paling ringan.

Memasukkan barang dengan rasio nilai/berat tertinggi.

Memasukkan barang dengan nilai tertinggi.

Memasukkan barang dengan nilai terendah.

Memilih jalur dengan bobot terkecil yang menghubungkan dua simpul yang belum terhubung.

Selalu memilih jalur dengan bobot terbesar.

Memilih jalur yang paling dekat dengan titik awal.

Memilih jalur secara acak hingga semua simpul terhubung.

Algoritma Greedy tidak akan bisa menyelesaikannya.

Algoritma Greedy dijamin akan menghasilkan solusi yang optimal.

Solusi yang ditemukan akan menjadi solusi terburuk yang mungkin.

Hanya pendekatan Brute Force yang dapat digunakan untuk menyelesaikannya.