ANALISIS EMPIRIS PENGARUH UKURAN DATA TERHADAP WAKTU DAN MEMORI PADA ALGORITMA SORTING MENGGUNAKAN C++

Abstrak

Penelitian ini bertujuan untuk menganalisis dan membandingkan waktu eksekusi serta penggunaan memori tiga algoritma pengurutan data, yaitu Bubble Sort, Selection Sort, dan Insertion Sort, yang diimplementasikan menggunakan bahasa pemrograman C++. Setiap algoritma diuji dengan tiga variasi ukuran data, yaitu 100, 1.000, dan 10.000 elemen, untuk melihat bagaimana peningkatan jumlah data memengaruhi performa algoritma. Dua metrik utama yang diukur adalah waktu eksekusi (dalam nanodetik) dan penggunaan memori (dalam byte) selama proses pengurutan berlangsung. Hasil eksperimen menunjukkan bahwa semakin besar ukuran data, semakin lama waktu pemrosesan yang dibutuhkan oleh ketiga algoritma, sejalan dengan kompleksitas waktu O(n²) yang dimilikinya. Dari sisi performa, Selection Sort menghasilkan waktu eksekusi yang relatif cepat dengan penggunaan memori yang stabil, sehingga menjadi algoritma paling seimbang pada lingkungan pengujian ini. Bubble Sort berada pada posisi menengah dengan kinerja yang masih cukup baik, sedangkan Insertion Sort membutuhkan waktu paling lama ketika ukuran data meningkat, meskipun tetap efisien untuk data berukuran kecil atau data yang sudah hampir terurut. Temuan ini memberikan gambaran empiris mengenai trade-off antara kecepatan dan penggunaan memori pada algoritma pengurutan klasik dan dapat dijadikan acuan dalam pemilihan metode pengurutan untuk skenario pengolahan data sederhana.

The research is aimed at analyzing and comparing execution times and memory usage of three data-sorting algorithms, which are bubble sort, selection sort, and graphic sort, implemented using C ++ programming language. Each algorithm is tested with three variations in data size, which is 100, 1.000 and 10.000 elements, to see how increasing amounts of data affect the algorithm's performance. Two main metrics measured are execution times (in nanoseconds) and memory use (in bytes) during the sequencing process. Experiments have shown that the larger the size of data, the longer the processing time required by all three algorithms, aligns with the complexity of his o (n) time. From the performance side, selection sort is producing relatively fast execution times with stable memory usage, providing the most balanced algorithms in the testing environment. Bubble sort is ata medium position with a reasonably good performance, whereas attempting esprs take the longest when data size increases, although it remains efficient for small data or already virtually capsized data. This finding gives an empirical picture of a trade-off between the speed and memory usage on a classical sorting algorithm and can be referenced in selecting a sorting method for a simple data processing scenario.