ANALISA EFISIENSI WAKTU KOMPUTASI DAN PENGGUNAAN MEMORI PADA ENAM ALGORITMA PENGURUTAN

Abstract

This study aims to analyze and compare the performance of six sorting algorithms (Tim Sort, Bubble Sort, Selection Sort, Insertion Sort, Quick Sort, and Merge Sort) in terms of computational time efficiency and memory usage. Implementation was carried out in Java using Visual Studio Code as the development environment, and testing was conducted on a device with an Intel Core i7-8665U (1.02 GHz) processor, 8 GB of RAM, a 64-bit Operating System, and a 256 GB SSD. All algorithms were tested using three different dataset sizes, namely 100, 1,000, and 5,000 data points, each with three repetitions to obtain more accurate results. Based on the test, Tim Sort showed the most efficient performance, maintaining stable computational time and memory usage across all dataset sizes. Quick Sort and Merge Sort have also been shown to perform well, especially for large data, in contrast to Bubble Sort, Selection Sort, and Insertion Sort, which become less efficient as data grows due to significantly increased processing time. Overall, this study concludes that Tim Sort is the most optimal algorithm in terms of speed and memory efficiency. Quick Sort and Merge Sort are recommended for sorting large-scale data. At the same time, basic algorithms like Bubble Sort, Selection Sort, and Insertion Sort are better suited to small datasets or to learning sorting concepts.

Penelitian ini bertujuan untuk manganalisis dan membandingkan performa enam algortima sorting (Tim Sort, Bubble Sort, Selection Sort, Insertion Sort, Quick Sort, dan Merge Sort) dari aspek efisiensi waktu komputasi dan penggunaan memori. Implementasi dilakukan menggunakan Bahasa pemrograman Java melalui Visual Studio Code sebagai lingkungan pengembangan, dan pengujian dijalankan pada perangkat dengan spesifikasi Intel Core i7-8665U (1,02 GHz), RAM 8 GB, Sistem Operasi 64-bit, serta SSD 256 GB. Semua algoritma diuji menggunakan tiga perbedaan ukuran dataset, yaitu 100 data, 1.000 data, dan 5.000 data, masing-masing dengan tiga kali pengulangan untuk mendapatkan hasil yang lebih akurat. Berdasarkan pengujian ditemukan bahwa Tim Sort menunjukkan kinerja yang paling efisien, mempertahankan waktu komputasi, dan pemakaian memori yang stabil pada semua ukuran dataset. Quick Sort dan Merge Sort juga terbukti memiliki performa kuat, khususnya ketika menangani data berukuran besar, berbeda dengan Bubble Sort, Selection Sort, dan Insertion Sort yang menjadi kurang efisien karena peningkatan waktu proses yang signifikan seiring pertumbuhan data. Secara keseluruhan, penelitian ini menyimpulkan bahwa Tim Sort merupakan algoritma yang paling optimal dalam aspek kecepatan dan efisiensi memori. Adapun Quick Sort dan Merge Sort direkomendasikan untuk pengurutan data dalam skala besar, sedangkan algoritma dasar seperti Bubble Sort, Selection Sort, dan Insertion Sort lebih sesuai digunakan untuk dataset kecil atau keperluan pembelajaran konsep pengurutan