Program Studi Bisnis Digital • Algoritma dan Pemrograman

Algoritma Pencarian Data

Pertemuan 11 — Linear Search vs Binary Search

Bagaimana komputer menemukan satu data di antara jutaan data dalam sekejap — dua strategi dasar, satu perbedaan kecepatan yang sangat besar.

RPS MINGGU 12 • 2 × 50 MENIT

Selamat datang di Pertemuan 11. Minggu lalu Anda sudah belajar mengurutkan data lewat bubble, selection, dan quick sort; hari ini kita memakai hasil urutan itu untuk masalah yang jauh lebih sering terjadi sehari-hari, yaitu mencari satu data spesifik. Bayangkan aplikasi Tokopedia harus menemukan satu produk dari jutaan produk yang dijual, atau bank BCA harus menemukan satu rekening nasabah dari puluhan juta rekening — keduanya adalah masalah pencarian data, dan cara komputer mencarinya sangat menentukan seberapa cepat aplikasi terasa oleh pengguna. Kita akan mempelajari dua pendekatan: linear search yang sederhana tapi lambat untuk data besar, dan binary search yang jauh lebih cepat tapi menuntut syarat tertentu. Di akhir pertemuan, Anda akan mampu menulis kedua algoritma ini di Python dan tahu kapan masing-masing tepat dipakai.

Tujuan Pembelajaran Hari Ini

Sub-CPMK minggu ini: mahasiswa mampu menerapkan algoritma pencarian data. Secara rinci, setelah pertemuan ini Anda mampu:

CAPAIAN 1 — KONSEP

MASALAH PENCARIAN

Menjelaskan apa itu searching problem dan mengapa cara mencari data memengaruhi kecepatan aplikasi.

CAPAIAN 2 — LINEAR SEARCH

CARI SATU-PER-SATU

Menulis dan menelusuri kode linear search di Python untuk data terurut maupun tidak terurut.

CAPAIAN 3 — BINARY SEARCH

BAGI DUA TERUS

Menulis dan menelusuri kode binary search di Python, memahami syarat data harus terurut.

CAPAIAN 4 — MEMILIH

EFISIENSI & KEPUTUSAN

Membandingkan kompleksitas kedua algoritma dan memilih yang tepat untuk kasus bisnis digital nyata.

Mencari Nama di Daftar Hadir vs Mencari Kata di Kamus

Bayangkan dua cara mencari sesuatu yang sudah sering Anda lakukan tanpa sadar — keduanya sebenarnya algoritma pencarian.

DAFTAR HADIR KELAS (TAK TERURUT)

CEK SATU-PER-SATU

Dari baris pertama sampai ketemu

Nama-nama tercatat sesuai urutan absen masuk, tidak alfabetis. Mencari satu nama berarti membaca baris demi baris sampai ketemu — bisa di baris pertama, bisa di baris terakhir.

KAMUS BAHASA INDONESIA (TERURUT)

LANGSUNG BUKA TENGAH

Bagi dua terus sampai ketemu

Kata tersusun alfabetis. Anda tidak membaca dari halaman pertama — Anda buka tengah, lihat lebih besar/kecil dari target, lalu buka tengah dari separuh yang tersisa.

Dua kebiasaan sehari-hari ini punya nama formal: linear search (cek satu-per-satu) dan binary search (bagi dua terus-menerus). Hari ini kita ubah keduanya jadi kode Python.

Saya sengaja membuka dengan analogi yang sudah Anda praktikkan sejak kecil supaya Anda sadar bahwa algoritma pencarian bukan konsep asing, melainkan kebiasaan berpikir yang tinggal diformalkan jadi kode. Ketika dosen memanggil presensi dan harus mencari nama Anda di daftar yang tidak urut, satu-satunya cara adalah membaca dari atas sampai ketemu — itu persis linear search. Sebaliknya, saat Anda mencari kata di KBBI cetak, Anda tidak pernah membaca dari halaman pertama karena kamus tersusun alfabetis; Anda membuka tengah buku, membandingkan, lalu membuang separuh yang tidak mungkin memuat kata itu — itu persis binary search. Perbedaan kunci keduanya adalah syarat data terurut, dan itulah yang akan membuat binary search jauh lebih cepat begitu data yang dicari berjumlah jutaan, seperti katalog produk Tokopedia atau data nasabah BCA.

Bagian 1 dari 3

Masalah Pencarian & Linear Search

Pendekatan paling sederhana: periksa data satu demi satu sampai ketemu.

Searching Problem Linear Search

Apa Itu Masalah Pencarian Data (Searching Problem)?

Searching (pencarian) adalah proses menemukan posisi atau keberadaan satu nilai target di dalam sekumpulan data, misalnya list atau array (kumpulan data sejenis yang tersusun berurutan dengan nomor indeks, dimulai dari 0).

TIGA PERTANYAAN YANG DIJAWAB PENCARIAN DATA

Ada atau tidak? Apakah kode produk "SKU-2201" ada di gudang UMKM?
Di posisi mana? Di indeks ke berapa data pelanggan "Budi Santoso" tersimpan?
Seberapa cepat? Berapa lama waktu yang dibutuhkan untuk menemukannya — inilah fokus utama hari ini.

Output pencarian biasanya berupa indeks tempat data ditemukan, atau nilai penanda seperti -1 jika data tidak ada dalam kumpulan data.

Sebelum masuk ke algoritma, penting Anda memahami bahwa searching adalah masalah, dan linear search maupun binary search adalah dua solusi berbeda untuk masalah yang sama. Setiap kali Anda mengetik nama produk di kolom pencarian Tokopedia, mengetik nomor rekening di aplikasi BCA mobile, atau sistem kasir UMKM mencari kode barang saat scan barcode, di balik layar selalu ada proses pencarian data seperti ini. Tiga pertanyaan di slide ini adalah kerangka berpikir yang akan terus kita pakai: apakah datanya ada, di posisi mana ia berada dalam list atau array, dan yang paling penting untuk mata kuliah kita, seberapa cepat komputer bisa menjawab dua pertanyaan sebelumnya. Ingat kembali konsep indeks yang sudah Anda pelajari di pertemuan list, tuple, dan array — indeks selalu dimulai dari 0, dan itu akan terus dipakai sepanjang pertemuan ini.

Linear Search: Periksa Satu-per-Satu dari Awal

Linear search (pencarian beruntun) memeriksa setiap elemen data mulai dari indeks 0, satu demi satu, sampai nilai target ditemukan atau seluruh data habis diperiksa.

Cari nilai 88: komputer memeriksa idx 0 (12), idx 1 (45), idx 2 (7), lalu idx 3 (88) — 4 kali perbandingan sampai ditemukan.

Diagram ini menunjukkan persis apa yang terjadi di memori komputer saat linear search berjalan — setiap kotak abu-abu adalah satu elemen array yang sudah diperiksa dan ternyata bukan target, sementara kotak gelap adalah elemen yang cocok dengan target. Perhatikan bahwa komputer tidak "melompat" ke idx 3 secara langsung; ia harus memeriksa idx 0, idx 1, dan idx 2 terlebih dahulu satu demi satu, persis seperti Anda membaca daftar hadir dari baris pertama. Inilah mengapa linear search disebut juga sequential search atau pencarian beruntun — urutannya selalu sekuensial, tidak pernah acak. Bayangkan array ini adalah daftar harga produk di sebuah warung online kecil; untuk tujuh produk saja butuh sampai empat langkah, dan Anda akan segera melihat di slide berikutnya apa yang terjadi kalau datanya bukan tujuh, melainkan sejuta produk seperti katalog Tokopedia.

Linear Search: Pseudocode & Kode Python

Logikanya sederhana: loop dari indeks pertama sampai terakhir, bandingkan tiap elemen dengan target.

PSEUDOCODE

Mulai dari indeks 0
Bandingkan elemen saat ini dengan target
Jika sama → kembalikan indeksnya, selesai
Jika tidak → lanjut ke indeks berikutnya
Jika sampai akhir data belum ketemu → kembalikan -1

def linear_search(data, target): for i in range(len(data)): if data[i] == target: return i # ditemukan return -1 # tak ditemukan

Fungsi ini bekerja untuk data terurut maupun tidak terurut — itulah kelebihan utamanya: sederhana dan selalu bisa dipakai.

Kode ini memakai perulangan for dengan fungsi range yang sudah Anda kuasai sejak pertemuan kontrol perulangan, sehingga sebagian besar sintaksnya seharusnya sudah terasa akrab. Perhatikan baris if data i sama dengan target: begitu kondisi ini terpenuhi, fungsi langsung return i, artinya perulangan berhenti seketika tanpa memeriksa sisa data — inilah yang membuat linear search bisa selesai lebih cepat kalau target kebetulan ada di awal data. Baris terakhir return -1 hanya tereksekusi kalau perulangan for selesai total tanpa pernah menemukan kecocokan, dan nilai -1 ini menjadi konvensi umum di banyak bahasa pemrograman untuk menandakan data tidak ditemukan. Coba bayangkan fungsi ini dipakai sebuah UMKM untuk mencari kode pelanggan di file Excel pelanggan mereka; untuk seratus pelanggan fungsi ini terasa instan, tapi nanti kita akan hitung bersama apa yang terjadi kalau pelanggannya sejuta orang.

Hitung dari Nol: Waktu Pencarian Worst-Case Linear Search

Toko online punya katalog 1.000.000 produk (tak terurut). CPU mampu memeriksa 10.000.000 perbandingan/detik. Berapa lama waktu worst-case (kasus terburuk: produk dicari ada di posisi terakhir, atau tidak ada sama sekali)?

Langkah	Perhitungan	Nilai
Jumlah produk dalam katalog (n)	diberikan	1.000.000
Worst-case: jumlah perbandingan = n	data dicek satu-per-satu sampai posisi terakhir	1.000.000 perbandingan
Kecepatan CPU memeriksa data	diberikan	10.000.000/detik
Waktu pencarian worst-case	1.000.000 ÷ 10.000.000	0,1 detik

WAKTU WORST-CASE

0,1 detik

Untuk 1 juta produk, kasus terburuk linear search

Mari kita hitung bersama, karena angka konkret jauh lebih meyakinkan daripada sekadar istilah "lambat" atau "cepat". Baris pertama memberi tahu kita jumlah data yang dicari, yaitu satu juta produk seperti skala katalog marketplace besar di Indonesia. Baris kedua adalah inti linear search: dalam kasus terburuk, komputer harus memeriksa seluruh satu juta produk satu-per-satu sebelum bisa memastikan produk yang dicari ada di posisi terakhir atau memang tidak ada. Baris ketiga dan keempat mengubah jumlah perbandingan itu menjadi satuan waktu nyata dengan membagi jumlah perbandingan dengan kecepatan CPU, menghasilkan 0,1 detik. Angka ini masih terasa cepat untuk manusia, tapi coba bayangkan kalau katalognya seratus juta produk bukan satu juta — waktunya akan naik seratus kali lipat menjadi 10 detik, karena linear search tumbuh linear mengikuti ukuran data; sifat inilah yang akan kita bandingkan dengan binary search sebentar lagi.

Bagian 2 dari 3

Binary Search: Bagi Dua Terus-Menerus

Jauh lebih cepat — dengan satu syarat wajib: data harus sudah terurut.

Binary Search: Syarat Wajib & Tiga Penanda Posisi

Binary search (pencarian biner) hanya bisa dipakai jika data sudah terurut (ascending/menaik, hasil sorting minggu lalu). Algoritma ini memakai tiga penanda posisi: low (batas kiri), high (batas kanan), dan mid (titik tengah).

Kalau data belum terurut, binary search akan salah menyimpulkan — wajib sorting (Pertemuan 10) sebelum mencari.

Diagram ini memperlihatkan array yang sudah terurut menaik dari 7 sampai 78, dengan tiga penanda yang akan terus berubah selama proses pencarian berlangsung: low menandai batas kiri wilayah pencarian, high menandai batas kanan, dan mid adalah titik tengah di antara keduanya yang selalu dihitung dengan rumus low ditambah high lalu dibagi dua. Syarat data terurut ini bukan basa-basi — kalau array belum diurutkan, ketika komputer membandingkan nilai di mid dengan target, ia tidak bisa menyimpulkan dengan yakin apakah target ada di separuh kiri atau separuh kanan, sehingga seluruh logika algoritma runtuh dan hasilnya bisa salah. Inilah sebabnya materi pertemuan lalu tentang sorting bukan topik terpisah, melainkan prasyarat langsung untuk topik hari ini; dalam praktik nyata, sistem seperti pencarian kode saham di Bursa Efek Indonesia atau pencarian NIK pelanggan di database perbankan selalu menyimpan data dalam bentuk terurut atau terindeks justru supaya bisa memakai binary search.

Binary Search Langkah-demi-Langkah: Cari Harga Rp75.000

Array harga produk terurut (indeks 0–9): [15000, 22000, 35000, 41000, 52000, 63000, 75000, 89000, 94000, 101000]. Cari nilai 75000.

1 low=0, high=9 → mid = (0+9)÷2 = 4 → data[4]=52000 < 75000 → cari di kanan, low=5
2 low=5, high=9 → mid = (5+9)÷2 = 7 → data[7]=89000 > 75000 → cari di kiri, high=6
3 low=5, high=6 → mid = (5+6)÷2 = 5 → data[5]=63000 < 75000 → cari di kanan, low=6
4 low=6, high=6 → mid = 6 → data[6]=75000 = target → ditemukan di indeks 6!

Hanya 4 langkah untuk 10 data — padahal linear search butuh sampai 7 langkah kalau posisinya sama (indeks 6, dihitung dari 0).

Perhatikan pola pentingnya: di setiap langkah, wilayah pencarian selalu terpangkas menjadi separuh dari sebelumnya, bukan berkurang satu-satu seperti linear search. Langkah pertama membandingkan target dengan data di tengah array, dan karena 75000 lebih besar dari 52000, kita tahu pasti target tidak mungkin ada di separuh kiri, sehingga seluruh separuh kiri langsung dibuang dari pertimbangan tanpa perlu diperiksa satu-per-satu. Proses ini berulang di langkah kedua dan ketiga dengan logika yang sama, sampai akhirnya di langkah keempat wilayah pencarian tinggal satu elemen dan itu tepat sama dengan target. Bandingkan dengan linear search yang harus memeriksa indeks 0 sampai 6 secara berurutan yaitu tujuh langkah; untuk sepuluh data bedanya belum terasa dramatis, tapi begitu data mencapai skala jutaan seperti katalog e-commerce, perbedaan ini akan menjadi ribuan kali lipat, dan itu yang akan kita buktikan lewat perhitungan di slide berikutnya.

Binary Search: Pseudocode & Kode Python

PSEUDOCODE

Set low = 0, high = panjang data - 1
Selama low ≤ high: hitung mid
Jika data[mid] == target → ditemukan
Jika data[mid] < target → geser low = mid+1
Jika data[mid] > target → geser high = mid-1

def binary_search(data, target): low, high = 0, len(data) - 1 while low <= high: mid = (low + high) // 2 if data[mid] == target: return mid # ditemukan elif data[mid] < target: low = mid + 1 # cari kanan else: high = mid - 1 # cari kiri return -1 # tak ditemukan

Prasyarat: data harus terurut sebelum fungsi ini dipanggil — misalnya lewat sorted() atau algoritma sorting dari Pertemuan 10.

Kode ini persis menerjemahkan langkah-langkah yang baru saja kita telusuri manual ke dalam sintaks Python: perulangan while dipakai, bukan for, karena kita tidak tahu di awal berapa kali perulangan akan berjalan — jumlah langkah bergantung pada posisi target. Operator pembagian bulat dua garis miring dipakai untuk menghitung mid supaya hasilnya selalu bilangan bulat, karena indeks array tidak boleh berupa pecahan. Perhatikan tiga cabang percabangan if-elif-else: cabang pertama menangani kondisi target ditemukan, cabang kedua menggeser low ke kanan kalau nilai di tengah lebih kecil dari target, dan cabang ketiga menggeser high ke kiri kalau nilai di tengah lebih besar. Fungsi ini bisa langsung Anda pakai untuk mencari kode saham di daftar emiten BEI yang sudah diurutkan alfabetis, misalnya mencari kode BBCA di antara ratusan kode saham lain, asalkan datanya sudah terurut lebih dulu.

Hitung dari Nol: Langkah Maksimum Binary Search

Katalog terurut berisi 1.000.000 produk yang sama seperti sebelumnya. Setiap langkah binary search membuang separuh data. Berapa langkah maksimum sampai wilayah pencarian tersisa 1 elemen?

Langkah	Perhitungan	Nilai
Jumlah produk terurut (n)	diberikan	1.000.000
Coba 2 pangkat 19 — cukupkah?	2¹⁹	524.288 (kurang dari n)
Coba 2 pangkat 20 — cukupkah?	2²⁰	1.048.576 (≥ n, cukup)
Langkah maksimum = pangkat 2 minimum yang cukup	log₂(1.000.000) dibulatkan ke atas	20 langkah

LANGKAH MAKSIMUM BINARY SEARCH

20 langkah

Dibanding 1.000.000 langkah worst-case linear search

Logika di balik perhitungan ini adalah: karena binary search selalu membuang separuh data di tiap langkah, kita bertanya "dua dipangkatkan berapa supaya hasilnya sudah melebihi satu juta?" Baris kedua mencoba pangkat 19 dan hasilnya 524 ribu sekian, masih kurang dari satu juta, artinya 19 langkah belum cukup untuk menjamin kita menemukan target di posisi mana pun. Baris ketiga mencoba pangkat 20 dan hasilnya lebih dari satu juta, artinya 20 langkah sudah lebih dari cukup untuk mempersempit satu juta data menjadi satu elemen tersisa, ke posisi mana pun target berada. Bandingkan dengan hasil hitungan slide sebelumnya: linear search butuh sampai satu juta langkah dalam kasus terburuk, sementara binary search cukup 20 langkah saja untuk jumlah data yang persis sama — inilah yang disebut pertumbuhan logaritmik, dan inilah alasan aplikasi sebesar Tokopedia atau marketplace lain wajib menjaga data mereka tetap terurut atau terindeks.

Bagian 3 dari 3

Efisiensi, Studi Kasus & Praktik

Membandingkan kompleksitas, menerapkan pada kasus bisnis digital, lalu berlatih.

Kompleksitas: Big-O Linear Search vs Binary Search

Kompleksitas (Big-O) adalah notasi untuk menyatakan seberapa cepat pertumbuhan waktu algoritma seiring bertambahnya ukuran data (n).

Aspek	Linear Search	Binary Search
Syarat data	Bebas (terurut/tidak)	Wajib terurut
Best case (target di awal/tengah)	O(1) — 1 langkah	O(1) — 1 langkah
Worst case (target di akhir/tak ada)	O(n) — n langkah	O(log n) — ~log₂n langkah
Untuk n = 1.000.000	1.000.000 langkah	20 langkah
Implementasi	Sangat sederhana	Sedikit lebih kompleks

Notasi Big-O adalah bahasa universal di ilmu komputer untuk membandingkan algoritma tanpa bergantung pada spesifikasi komputer tertentu, dan tabel ini merangkum semua perhitungan yang baru saja kita lakukan bersama. Baris paling penting adalah worst case: linear search bernotasi O(n) artinya waktunya tumbuh berbanding lurus dengan jumlah data, sedangkan binary search bernotasi O(log n) artinya waktunya tumbuh jauh lebih lambat, mengikuti logaritma basis dua dari jumlah data. Baris syarat data adalah trade-off yang harus Anda ingat: binary search memang jauh lebih cepat, tapi hanya bisa dipakai kalau data sudah terurut, dan proses mengurutkan data itu sendiri punya biaya komputasi yang sudah Anda pelajari di pertemuan sorting minggu lalu. Sebagai gambaran praktis, kalau sebuah startup fintech harus memeriksa satu nomor rekening di antara sepuluh juta transaksi setiap detik, pilihan antara O(n) dan O(log n) bisa jadi perbedaan antara aplikasi yang responsif dan aplikasi yang membuat pengguna menutup aplikasi karena terlalu lambat.

Coba Sendiri: Bandingkan Semua Kelas Kompleksitas Big-O

O(n) vs O(log n) tadi hanya dua dari enam kelas kompleksitas yang umum dijumpai. Geser ukuran data (n) dan amati titik "meledak" tiap kelas pada skala logaritmik.

Visualisasi: Wilayah yang Diperiksa Tiap Algoritma

Linear search memeriksa data berurutan tanpa membuang wilayah; binary search membuang separuh wilayah di tiap langkah.

Diagram atas menunjukkan linear search: setiap kotak gelap adalah data yang sudah diperiksa dan bukan target, dan komputer harus melewati semuanya secara berurutan sampai menemukan kotak abu-abu sedang yang cocok — tidak ada wilayah yang bisa dilewati begitu saja. Diagram bawah menunjukkan binary search: di langkah pertama, separuh wilayah kiri langsung dibuang tanpa diperiksa satu-per-satu, lalu di langkah kedua separuh dari sisa wilayah dibuang lagi, dan proses ini berulang sampai wilayah tersisa sangat kecil. Perbedaan visual ini adalah inti mengapa binary search jauh lebih efisien: linear search "membayar" untuk setiap elemen yang dilewati, sementara binary search "membayar" jauh lebih sedikit karena separuh kemungkinan langsung tersingkir tanpa biaya pemeriksaan sama sekali. Cobalah bayangkan diagram bawah ini sebagai proses customer service bank mencari satu nomor rekening di antara jutaan rekening yang tersimpan terurut — itulah sebabnya sistem perbankan sangat bergantung pada data yang terindeks dan terurut rapi.

Coba Sendiri: Membandingkan Linear Search dan Binary Search

Cari satu nilai target pada data yang sama dengan kedua algoritma dan bandingkan jumlah langkah yang dibutuhkan.

Studi Kasus: Pencarian Produk di Marketplace UMKM

Seorang pemilik UMKM membangun aplikasi kecil untuk mengelola data pelanggan dan katalog produk tokonya secara digital.

SKENARIO A: DATA PELANGGAN BARU MASUK

Data pelanggan terus bertambah, urutan berubah tiap ada transaksi baru.
Mengurutkan ulang setiap kali ada data baru boros waktu.
Pilihan tepat: linear search — sederhana, tak perlu data terurut.

SKENARIO B: KATALOG PRODUK TETAP

Daftar kode produk (SKU) jarang berubah, bisa diurutkan sekali di awal hari.
Pencarian dilakukan berkali-kali sepanjang hari (tiap transaksi kasir).
Pilihan tepat: binary search — urutkan sekali, cari cepat berkali-kali.

Prinsip praktis: kalau data jarang berubah tapi sering dicari, urutkan lalu pakai binary search. Kalau data sering berubah, linear search lebih praktis.

Studi kasus ini sengaja saya buat berdasarkan kondisi nyata UMKM yang mulai mendigitalisasi bisnisnya, karena keputusan algoritma bukan sekadar soal mana yang "lebih canggih" secara teori. Pada skenario A, setiap kali ada pelanggan baru mendaftar, data bertambah dan urutan alaminya berantakan; kalau kita memaksakan binary search, kita harus mengurutkan ulang seluruh data pelanggan setiap kali ada satu data baru masuk, dan biaya mengurutkan itu justru lebih mahal daripada manfaat pencarian cepatnya. Pada skenario B, katalog produk sebuah toko biasanya relatif stabil sepanjang hari operasional, sehingga masuk akal mengurutkan sekali di pagi hari lalu memanfaatkan binary search untuk ratusan pencarian saat transaksi kasir sepanjang hari. Prinsip yang saya tuliskan di callout ini adalah rangkuman pengambilan keputusan yang akan terus relevan sepanjang karier Anda di bidang bisnis digital, bukan hanya untuk mata kuliah ini.

Kapan Pakai Linear Search, Kapan Pakai Binary Search?

PAKAI LINEAR SEARCH JIKA

DATA KECIL / DINAMIS

Jumlah data sedikit (perbedaan kecepatan tak terasa), data sering berubah, atau data tidak/tidak mungkin diurutkan.

PAKAI BINARY SEARCH JIKA

DATA BESAR & TERURUT

Jumlah data besar, data sudah/bisa diurutkan, dan pencarian dilakukan berulang kali.

Jangan lupa: modul bisect di Python sudah menyediakan binary search siap pakai untuk data terurut — tak perlu selalu menulis ulang dari nol di proyek nyata.

Slide ini adalah kerangka keputusan praktis yang saya harap Anda hafal, karena pertanyaan "algoritma mana yang harus saya pakai" akan terus muncul begitu Anda mulai membangun aplikasi sungguhan. Untuk data kecil, katakanlah di bawah seratus elemen, perbedaan kecepatan antara linear dan binary search nyaris tidak terasa oleh pengguna, sehingga kesederhanaan linear search sering kali lebih masuk akal daripada kerumitan tambahan mengurutkan data. Untuk data besar yang sudah terurut dan sering dicari berulang kali, seperti katalog produk marketplace atau daftar kode saham BEI, binary search memberikan keuntungan nyata yang bisa terasa dari segi kecepatan respons aplikasi. Saya juga sengaja menyinggung modul bisect di Python karena di dunia kerja nyata Anda jarang menulis binary search dari nol seperti latihan hari ini; tapi memahami cara kerjanya tetap penting supaya Anda tahu kapan modul itu tepat dipakai dan kapan tidak.

Latihan Praktik: Tulis Kode di Python

Kerjakan berpasangan (10 menit), tulis kode di editor Python masing-masing, siap didiskusikan.

INSTRUKSI LATIHAN

Soal 1: Buat list harga produk UMKM tak terurut, minta pengguna input harga yang dicari, gunakan linear_search(), tampilkan indeksnya (atau "tidak ditemukan").
Soal 2: Urutkan list dari Soal 1 memakai sorted(), lalu cari nilai yang sama memakai binary_search(). Bandingkan hasilnya.
Soal 3 (tantangan): Tambahkan counter di kedua fungsi untuk menghitung berapa kali perbandingan terjadi, lalu bandingkan angkanya untuk data yang sama.

Kumpulkan sebagai file .py lewat platform kelas sebelum pertemuan berakhir — jadi bahan diskusi singkat di 10 menit terakhir.

Slide ini ditampilkan utuh tanpa animasi bertahap karena berfungsi sebagai lembar instruksi tugas yang perlu dibaca mahasiswa secara keseluruhan sebelum mulai mengetik kode. Soal pertama melatih penerapan langsung linear_search yang sudah kita bahas, dan sengaja saya minta datanya tak terurut supaya Anda merasakan bahwa linear search tidak peduli urutan data. Soal kedua memaksa Anda mempraktikkan langkah wajib sebelum binary search yaitu mengurutkan data terlebih dahulu, dan meminta Anda membandingkan hasil pencarian dari kedua fungsi untuk memastikan keduanya konsisten menemukan indeks yang benar. Soal ketiga adalah tantangan opsional bagi mahasiswa yang ingin membuktikan sendiri dengan kode, bukan hanya rumus di slide, bahwa binary search benar-benar membutuhkan lebih sedikit langkah dibanding linear search untuk data yang sama; dorong mahasiswa yang selesai lebih cepat untuk membantu teman sebangkunya menyelesaikan soal ketiga ini.

Rangkuman Pertemuan 11

Konsep	Inti
Searching problem	Menemukan posisi/keberadaan target di dalam list atau array
Linear search	Cek satu-per-satu dari indeks 0; bebas syarat urutan; O(n) worst-case
Binary search	Bagi dua terus lewat low/mid/high; wajib data terurut; O(log n) worst-case
1 juta data	Linear = 1.000.000 langkah — Binary = hanya 20 langkah
Kapan pakai apa	Data kecil/dinamis → linear; data besar & terurut → binary

Sampai jumpa di Pertemuan 12: Konsep Object-Oriented Programming!

Tabel rangkuman ini bisa Anda jadikan lembar contekan pribadi sebelum ujian akhir semester nanti, meski jawaban ujian sesungguhnya tetap perlu penjelasan lebih dalam daripada sekadar kata kunci di tabel ini. Ingat kembali bahwa inti perbedaan kedua algoritma bukan sekadar "mana yang lebih cepat", melainkan trade-off antara kesederhanaan tanpa syarat pada linear search versus kecepatan luar biasa dengan syarat data terurut pada binary search, dan angka 1 juta berbanding 20 langkah adalah bukti paling konkret mengapa perbedaan ini penting di dunia nyata. Minggu depan kita akan bergeser dari algoritma prosedural ke paradigma baru yaitu object-oriented programming, di mana Anda akan mulai membungkus data dan fungsi menjadi satu kesatuan bernama class dan object — fondasi yang dipakai hampir semua framework pengembangan aplikasi bisnis digital modern. Terima Kasih atas partisipasi aktif Anda hari ini, terutama saat menyelesaikan latihan kode tadi; sampai bertemu minggu depan.