Merge Sort

Performance of manycore processors is limited by programs’ use of off-chip main memory. Streaming computation organized in a pipeline limits accesses to main memory to tasks at boundaries of the pipeline to read or write to main memory. The Single Chip Cloud computer (SCC) offers 48 cores linked by a highspeed on-chip network, and allows the implementation of such on-chip pipelined technique. We assess the performance and constraints provided by the SCC and investigate on on-chip pipelined mergesort as a case study for streaming computations. We found that our on-chip pipelined mergesort yields significant speedup over classic parallel mergesort on SCC. The technique should bring improvement in power consumption and should be portable to other manycore, network-on-chip architectures such as Tilera’s processors.

The Single Chip Cloud computer (SCC) is an experimental processor from Intel Labs with 48 cores connected with a 2D mesh on-chip network. We evaluate the performance of SCC regarding off-chip memory accesses and communication capabilities. As benchmark, we use the merging phase of mergesort, a representative of a memory access intensive algorithm. Mergesort is parallelized and adapted in 4 variants, each leveraging different features of the SCC, in order to assess and compare their performance impact. Our results motivate to consider on-chip pipelined mergesort on SCC, which is an issue of ongoing work.

The increasing popularity of flash memory means more database systems will run on flash memory in the future. One of the most important database operations is the external sort. Hence, this paper is focused on studying the problem of efficient external sorting on flash memory. In contrast to most previous work, we target the situation where previously sorted data has become progressively un-sorted due to data updates. Accordingly, we call this "partially" sorted data. We focus on re-sorting partially sorted data by taking advantage of the partial sorted nature of the data to speed up the run generation phase of the traditional external merge sort. We do this by finding "naturally occurring" page runs in the partially sorted data. Our algorithm can perform up to a factor of 1024 less write IO compared to a traditional external merge sort during the run generation phase. We map the problem of finding naturally occurring runs into the shortest distance problem in a directed acyclic graph (DAG). Accordingly, we propose an optimal solution to the problem using the well known DAG-Shortest-Paths algorithm. However, we found the optimal solution was too slow for even moderate sized data sets and accordingly propose a fast heuristic solution which we experimentally show finds a high percentage of page runs using a minimum of computational overhead. Experiments using both real and synthetic data sets show our heuristic algorithm can halve the external sorting time when compared to three likely competing external sorting algorithms.

Sorting algorithm deals with the arrangement of alphanumeric data in static order. It plays an important role in he field of data science. Selection sort is one of the simplest and efficient algorithms which can be applied for the huge number of elements it works like by giving list of unsorted information, the calculation which breaks into two partitions. One section has all the sorted information and another section has all the staying unsorted information. The calculation rehashes itself, by finding the smallest component inside the rundown of unsorted information and swapping it with the furthest left component, in the end setting everything straight information. This research presents the implementation of selection sort using C/C++, Python, and Rust and measured the time complexity. After experiment, we have collected the results in terms of running time, and analyzed the outcomes. It was observed that python language has very small amount of line of code, and it also consumes less storage and fast running time then other two languages.

The Parallel Disks Model (PDM) has been proposed to alleviate the I/O bottleneck that arises in the processing of massive data sets. Sorting has been extensively studied on the PDM model due to the fundamental nature of the problem -several asymptotically optimal algorithms are known for sorting. Although randomization has been frequently exploited, most of the prior algorithms suffer from complications in memory layouts, implementation, restrictions in range of parameters and laborious analysis. In this paper, we present a randomized mergesort algorithm based on a simple idea that sorts using an asymptotically optimal number of I/O operations with high probability and has all the desirable features for practical implementation. In the second part of the paper, we also present several novel algorithms for sorting on the PDM that take only a small number of passes through the data. Recently, a considerable interest has been shown by researchers in developing algorithms for problem sizes of practical interest and we are able to obtain several improvements and simplification, in particular for random input.

RESUMO Os algoritmos que utilizam técnicas de fusão (merge) de arquivos para a intercalação ou a ordenação de dois ou mais arquivos seqüenciais são conhecidos há muitos anos. Entretanto, as facilidades atualmente disponíveis para manipulação de ...

Artikel ini membahas tentang bagaimana konsep relasi rekurensi orde pertama berperan penting dalam dunia komputer, khususnya dalam algoritma merge sort dan binary search. Dengan pendekatan matematis, analisis kompleksitas waktu dilakukan melalui penyusunan relasi rekurensi yang menggambarkan struktur pemanggilan fungsi secara rekursif. Dengan memahami pola rekurensi yang terjadi selama eksekusi algoritma, kita dapat menentukan efisiensi waktu atau kompleksitas algoritmik secara matematis. Hasil studi menunjukkan bahwa Binary Search memiliki kompleksitas waktu , sedangkan Merge Sort memiliki kompleksitas Studi ini menegaskan bahwa pemahaman terhadap relasi rekurensi sangat penting untuk merancang algoritma yang efisien dan scalable, khususnya dalam pengolahan data berskala besar

The di:>crctte probability distribution that appears in the sorting process of the Jlioditicd bucket sorting is t.hc' Eulerian dis1 rihutiou. The Eulerian distribution gives a good approximation to the normal distribution. We propose an algorithm to generate pseudo-normal random numbem by adopting the properties of the Eulerian distribution. The capability of approximation to the normal distribution and the computational efficiency of the propu:-;cd n1ethod are demon.':iLra.ted by numerical experiments.

The research primarily examines the significance of pivot selection of the widely used QuickSort algorithm in order to increase the overall performance and efficiency. Quicksort has an average time complexity of O(nlogn), but its performance can degrade to O(n 2) in the worst-case scenario, which occurs when a pivot element is chosen badly. This study focuses on the influence of different pivot selection techniques on the efficiency of the Quicksort algorithm through empirical evaluation. To determine which strategy works best for an individual data set and array size, different methods have been evaluated, aiming to choose a pivot that is in close proximity to the median of the subarray, evaluating their efficiency and any drawbacks. In terms of efficiency, the Median of Seven (MO7) and Median of Three (MO3) exhibits the best results, where MO7 gives an execution time of 0.0112s and MOT of 0.0124s. A comparative decision criteria has also been proposed in this research in choosing the optimum approach among the best performing MOT and MO7, where MOT being simpler and MO7 being more efficient. These insights offer practical guidance for optimizing Quick Sort implementations in real-world scenarios, where its performance is paramount.

This paper discusses sorting on a hypercube multicomputer, with the assumption that the data to be sorted is initially in the hypercube memory and the sorted data is to reside in the host memory. Three algorithmsheap-and-merge, cyclic merge, and embedded binary tree-are proposed. These are evaluated experimentally on an NCUBEI7 hypercube multicomputer. The cyclic merge algorithm is found to. have the best performance.

O acumulo de dados torna-se cada vez mais um problema a ser resolvido. Faz-se entao, necessario o uso dos algoritmos de ordenacao, que nada mais sao do que processos logicos para se organizar uma determinada estrutura linear, seja ela fisica ou nao. Este estudo objetiva-se avaliar, por meio de experimentacao, os dados gerados com a utilizacao dos algoritmos de ordenacao Bubble Sort, Insertion Sort, Selection Sort, Merge Sort, Quick Sort e Shell Sort, bem como, suas utilidades e eficiencias. Para tanto, sao executados tres testes com tres vetores de tamanhos diferentes para cada algoritmo e, os dados coletados foram comparados.

Three parallel sorting algorithms have been implemented and compared in terms of their overall execution time. The algorithms implemented are the odd-even transposition sort, parallel merge sort and parallel rank sort. A homogeneous cluster of workstations has been used to compare the algorithms implemented. The MPI library has been selected to establish the communication and synchronization between the processors. The time complexity for each parallel sorting algorithm will also be mentioned and analyzed.

Insertion Sort is a simple and intuitive sorting algorithm that works similarly to the way you might sort playing cards in your hands. It builds the sorted array one element at a time by repeatedly taking an element from the unsorted portion and inserting it into its correct position in the sorted portion.

A huge volume of information available today is in the form of images and searching the wanted images is very difficult and highly time-consuming. The search may take longer periods as the search volume on the internet is very huge and also the relevance of extracted images is still not up to the mark. The technologies like ontology and languages like OWL help us to tag the images that describe the semantic of the images. Hence, it helps in faster searching of the wanted images. Also, another challenge with OWL and Semantic web is the speed in which one can derive the relationships between various objects extracted from the images. The challenge is to extract the semantic from the images more efficiently using a parallel approach. In this paper, we explore the different techniques for generating semantic knowledge using parallel approaches like the T-box approach, merge classification, extract concept for matching ontology. We propose an enhanced method to speed-up the computation b...

Mesin pencari telah menjadi bagian tak terpisahkan dari kehidupan sehari-hari. Ketika kita memiliki pernyataan atau ingin mencari informasi tertentu, hal pertama yang kita lakukan adalah membuka mesin pencari dan mengetikan kata kunci. Di balik kemudahan yang kita rasakan, terdapat algoritma pencarian yang kompleks yang bekerja di belakang layar. Algoritma ini bertanggung jawab untuk mengolah

Business intelligence and web log analysis workloads often use queries with top-k clauses to produce the most relevant results. Values of k range from small to rather large and sometimes the requested output exceeds the capacity of the available main memory. When the requested output fits in the available memory existing top-k algorithms are efficient, as they can eliminate almost all but the top k results before sorting them. When the requested output exceeds the main memory capacity, existing algorithms externally sort the entire input, which can be very expensive. Furthermore, the drastic difference in execution cost when the memory capacity is exceeded results in an unpleasant user experience. Every day, tens of thousands of production top-k queries executed on F1 Query resort to an external sort of the input. To address these challenges, we introduce a new top-k algorithm that is able to eliminate parts of the input before sorting or writing them to secondary storage, regardless of whether the requested output fits in the available memory. To achieve this, at execution time our algorithm creates a concise model of the input using histograms. The proposed algorithm is implemented as part of F1 Query and is used in production, where significantly accelerates top-k queries with outputs larger than the available memory. We evaluate our algorithm against existing top-k algorithms and show that it reduces I/O traffic and can be up to 11× faster.

In the paper we discuss performance of classic bubble sort algorithm for large data sets. Research results discussed and described in this article help to evaluate computer methods used in NoSQL database systems for large amounts of the input data. Therefore we try to analyze one of the most common sorting algorithms and its properties for large data sets. Streszczenie. Artykuł ma na celu przedstawienie analizy wydajności algorytmu sortowania bąbelkowego w postaci klasycznej dla dużych zbiorów danych. Podjęty temat ma duże znaczenie dla rozwoju współczesnej informatyki ze względu na to, że komputery muszą pracować na coraz większych ilościach danych.

The development in multicore architectures gives a new line of processors that can flexibly distribute tasks between their logical cores. These need flexible models of efficient algorithms, both fast and stable. A new line of efficient sorting algorithms can support these systems to efficiently use all available resources. Processes and calculations shall be flexibly distributed between cores to make the performance as high as possible. In this article we present a fully flexible sorting method designed for parallel processing. The idea we describe in this article is based on modified merge sort, which in parallel form is designed for multicore architectures. The novelty of this idea is in particular way of processing. We have developed a fully flexible method that can be implemented for a number of processors. The tasks are flexibly distributed between logical cores to increase the efficiency of sorting. The method preserves separation of concerns; therefore, each of the processors works separately without any cross actions and interruptions. The proposed method was described in theoretical way, examined in tests, and compared to other methods. The results confirm high efficiency and show that with each newly added processor sorting becomes faster and more efficient.

Since the dawn of computing, the sorting problem has attracted a great deal of research. In past, many researchers have attempted to optimize it properly using empirical analysis. We have investigated the complexity values researchers have obtained and observed that there is scope for fine tuning in present context. Strong evidence to that effect is also presented. We aim to provide a useful and comprehensive note to researcher about how complexity aspects of sorting algorithms can be best analyzed. It is also intended current researchers to think about whether their own work might be improved by a suggestive fine tuning. Our work is based on the knowledge learned after literature review of experimentation, survey paper analysis being carried out for the performance improvements of sorting algorithms. Although written from the perspective of a theoretical computer scientist, it is intended to be of use to researchers from all fields who want to study sorting algorithms rigorously.

This study provides a comparative analysis between Quick sort and Merge sort sorting algorithms in the context of the Dart programming language environment. The results show that Quick Sort dominates in terms of speed when dealing with small data, while Merge sort excels when data is large. Although Merge sort is more efficient in large data size situations, it requires significant additional memory allocation, whereas Quick sort makes more efficient use of memory space. Therefore, the choice between these two algorithms becomes highly dependent on the size of the data and the terms of use. For sorting data with small sizes (under 400 elements), Quick sort is a better choice in terms of performance. On the other hand, Merge sort is recommended for large data. In addition, when utilizing cache locality becomes a priority, Quick sort becomes a more optimal choice for all data sizes.

Mahasiswa diera ini dihadapkan dengan data besar, baik dalam bentuk tugas, referensi, maupun materi kuliah. Oleh karena itu penerapan algoritma sorting bertujuan untuk menyelesaikan masalah mahasiswa dalam pengelolaan data tugas kuliah mahasiswa. Pemahaman dan penerapan algoritma sorting yang tepat menjadi sangat penting untuk meningkatkan efisiensi dalam menyelesaikan tugas kuliah mahasiswa.
Dalam hal ini, melakukan pengurutan data tugas kuliah mahasiswa bisa jadi sangat bermanfaat. Biasanya dalam mengurutkan data membutuhkan waktu dan beberapa kriteria yang telah ditentukan, hal tersebut menggunakan waktu yang lama karena tergantung seberapa besar data yang digunakan. Untuk itu, dalam melakukan pengurutan data bisa menggunakann algoritma yang dinilai lebih mempermudah proses pengurutan data.
Algortima bubble sort merupakan salah satu dari beberapa metode yang dapat digunakan untuk melakukan pengurutan data. Bubble sort meskipun merupakan salah satu algortima sorting yang paling sederhana tetapi memiliki keunggulan mudah dipahami dan implementasi. Algoritma ini dapat melakukan perbandingan data dari yang minimal ke maksimal maupun sebaliknya sesuai kriteria yang diinginkan.
Disini mendalami tentang langkah-langkah algoritma bubble sort serta bagaimana algoritma bubble sort dapat diterapkan dalam pengorganisasian data tugas kuliah mahasiswa seperti pengurutan bobot tugas dan penyusunan jadwal. Selain memudahkan mahasiswa dalam mengorganisir data dalam proses penyelesaian tugas, penelitian ini juga memberikan masukkan tentang kapan dan bagaimana menggunakan bubble sort secara efektif. Dengan demikian, hasil akhir dari penggunaan algoritma ini diharapkan dapat memberikan kontribusi bagi mahasiswa dengan mempermudah mahasiswa dalam melakukan pengurutan data.

Sorting adalah proses fundamental dalam komputasi, digunakan dalam berbagai aplikasi seperti pemrosesan data, algoritma graf, dan pencarian. Pembelajaran dan riset ini membandingkan performa 3 prosedur algoritma sorting: Bubble Sort, Quick Sort, & Merge Sort. Analisis dilakukan secara teoritis dan eksperimental untuk menilai kompleksitas waktu, efisiensi memori, dan stabilitas sorting. Eksperimen dilakukan menggunakan dataset dengan ukuran dan distribusi yang berbeda. Hasil menunjukkan bahwa Merge Sort konsisten unggul dalam efisiensi waktu pada dataset besar dengan sifat stabilitas sorting yang tak tertandingi. Oleh karena itu, Merge Sort dapat dianggap sebagai algoritma sorting paling optimal untuk aplikasi besar dan kompleks.

Makalah ini membahas kompleksitas algoritma Quick Sort, yang merupakan algoritma pengurutan. Dalam suatu masalah, bisa ada banyak algoritma penyelesaian. Algoritma penyelesaian tidak harus benar, tetapi juga harus efisien. Efisiensi algoritma diukur dari waktu eksekusi dan kebutuhan ruang memori yang digunakan. Algoritma yang efisien adalah algoritma yang meminimalkan waktu eksekusi dan kebutuhan ruang memori

membahas algoritma Quick Sort, salah satu metode pengurutan data yang efisien dan sering digunakan . Quick Sort ini menggunakan pendekatan divide-and-conquer dengan membagi data menjadi beberapa bagian (partisi) berdasarkan nilai pivot, kemudian menyortirnya secara rekursif. Algoritma ini memilikikeunggulan dalam hak kecepatan pengurutan, terutama untuk dataset besar, karena mengoptimalkan penggunaan memori dan cache CPU. Meski begitu performa Quick Sort dapat memengaruhi efisiensi algoritma. Studi kasus dalam makalah ini menunjukkan penerapan Quick Sort pada data harga produk yang besar, menghasilkan urutan yang cepat dan akurat. Dengan analisis yang diberikan, makalah ini juga menguraikan kekuatan dan kelemahan Quick Sort, termasuk ketidakstabilannya saat menangani data bernilai sama serta resiko waktu proses yang lebih lama dalam skenario terburuk.

Implementasi dan analisis algoritma Bubble Sort dalam pemecahan masalah nyata adalah menerapkan dan menganalisa algoritma Bubble Sort dengan visualisasi Flowchart dan diterapkan dalam Bahasa pemrograman. Bubble Sort adalah algoritma pengurutan sederhana yang membandingkan elemen berdekatan dan menukarnya jika urutannya salah. Meskipun memiliki kompleksitas waktu O(n²) pada kasus terburuk, algoritma ini mudah dipahami dan diimplementasikan, menjadikannya pilihan baik untuk pembelajaran dasar. Penelitian ini juga menyajikan studi kasus nyata, seperti pengurutan nilai ujian siswa, untuk menunjukkan penerapan praktis dari algoritma ini. Hasil eksperimen menunjukkan bahwa Bubble Sort efektif untuk dataset kecil, namun kurang efisien untuk dataset besar, di mana algoritma lain seperti Quick Sort atau Merge Sort lebih disarankan.
Tujuan penulisan paper artikel ilmiah ini selain untuk memenuhi nilai tugas mata kuliah juga memiliki tujuan untuk memahami dan menjelaskan algoritma Bubble Sort secara mendetail dan juga dapat mengimplementasikan algoritma Bubble Sort dalam Bahasa pemrograman java dan menerapkannya pada kasus nyata serta menganalisis kinerja dan kompleksitas dari algoritma Bubble Sort tersebut.
Metode yang digunakan pada artikel ilmiah ini adalah menggunakan metode studi literatur dan eksperimental, yang mana sumber dan bahan materi berasal dari mengkaji berbagai sumber literatur yang membahas konsep-konsep dan teori dasar mengenai algoritma pengurutan dan melakukan percobaan pada algoritma untuk membuktikan kebenaran dari teori tersebut, terkhususnya Bubble Sort.
Penerapan kasus nyata dari penelitian ini adalah dengan mengurutkan nilai – nilai siswa.
Hasil dari penelitian ini yaitu dari yang sebelumnya nilai – nilai siswa tidak terurut, menjadi terurut dengan menggunakan algoritma Bubble Sort.
Bubble Sort adalah algoritma pengurutan yang mudah dipahami dan diimplementasikan, namun memiliki kelemahan dalam hal efisiensi, terutama jika digunakan pada data dalam skala besar. Meskipun demikian, algoritma ini tetap penting dan berguna untuk pembelajaran dasar algoritma dan pemrograman.

Algoritma Insertion Sort adalah salah satu Teknik pengurutan data yang terkenal karena kesederhanaannya dan kemampuannya untuk memberikan hasil yang efisien, terutama ketika diterapkan pada dataset kecil atau dataset yang sudah hampir terurut. Dalam penelitian ini, algoritma tersebut dianalisis secara mendalam melalui implementasi praktis, evaluasi kompleksitas waktu dan ruang, serta eksplorasi aplikasi nyata di berbagai scenario kehidupan. Studi ini menunjukkan bahwa algoritma Insertion Sort memiliki beberapa keunggulan, termasuk stabilitas pengurutan, penggunaan memori yang rendah, dan kemudahan implementasi. Meskipun demikian, penelitian ini juga mengungkapkan keterbatasan algoritma ini, terutama dalam mengelola datset besar yang tidak terurut, di mana kompleksitas waktu menjadi factor penghambat utama. Oleh karena itu, Insertion Sort sangat direkomendasikan untuk situasi tertentu yang memerlukan solusi pengurutan sederhana dengan efisiensi optimal pada skala kecil.

Algoritma pencarian merupakan metode fundamental untuk menemukan elemen dalam sebuah dataset. Binary Search, sebagai algoritma yang mengadopsi pendekatan "Divide and Conquer," menawarkan efisiensi yang tinggi pada dataset terurut dibandingkan algoritma pencarian lainnya. Penelitian ini berfokus pada analisis implementasi Binary Search dalam konteks dataset besar untuk meningkatkan efisiensi pencarian. Penelitian ini menggunakan metode implementasi algoritma Binary Search dalam bahasa pemrograman Java. Studi kasus dilakukan pada pencarian buku berdasarkan nomor ISBN di sistem perpustakaan, dengan dataset yang telah diurutkan. Evaluasi dilakukan dengan membandingkan kinerja Binary Search dengan metode pencarian linear. Hasil penelitian menunjukkan bahwa Binary Search secara signifikan lebih efisien, dengan jumlah iterasi yang jauh lebih sedikit dibandingkan pencarian linear. Binary Search hanya membutuhkan 9 iterasi untuk dataset yang terdiri dari 1000 elemen, sementara pencarian linear memerlukan hingga 1000 iterasi. Binary Search terbukti menjadi solusi optimal untuk pencarian pada dataset besar yang terurut, dengan kompleksitas waktu O(log n). Namun, algoritma ini memiliki keterbatasan, yaitu memerlukan data yang telah diurutkan terlebih dahulu. Penelitian ini merekomendasikan eksplorasi lebih lanjut untuk meningkatkan efisiensi proses pengurutan data.

Algoritma quick sort adalah algoritma sorting yang mengandalkan pivot. Ditemukan pada tahun 1959 oleh seorang ilmuwan computer asal inggris Bernama tony Hoare. Algoritma quicksort merupakan algoritma sorting yang paling banyak digunakan. Algoritma quicksort mengandalkan pivot sebagai pembagi 2 elemen. Elemen kecil dan elemen besar. Algoritma quicksort bekerja secara efektif bila nominal yang akan diurutkan tidak terlalu besar.

Algoritma pengurutan (sorting) adalah Kumpulan Langkah-langkah penyelesaian suatu masalah dengan metode tertentu untuk mengurutkan nilai dari yang terkecil ke terbesar (ascending) atau sebaliknya (descending). Kompleksitas suatu algoritma merupakan ukuran seberapa banyak komputasi yang dibutuhkan algoritma tersebut untuk mendapatkan hasil yang diinginkan. Kompleksitas dibagi menjadi 3 jenis yaitu, worst case, average case, dan best case.

Dalam agloritma, pengurutan data merupakan proses yang penting dalam berbagai kasus ataupun aplikasi seperti, pengolahan data, pencarian, dan analis data. Tujuan dari penelitian ini adalah untuk mengevaluasi dan membandingkan efektivitas dan efisiensi dari dua algoritme pengurutan - Bubble Sort dan Merge Sort - pada berbagai jenis set data. Pengujian dilakukan menggunakan dataset acak, terurut, terbalik dengan ukuran yang berbeda-beda.
Hasil eksperimen menunjukan bahwa Bubble Sort hanya cocok digunakan untuk dataset kecil, sedangkan Merge Sort lebih efisien dan konsisten jika digunakan untuk dataset besar.

Peranan algoritma sorting dalam konteks pendidikan sangat penting seperti halnya dalam mengurutkan NIS (Nomor Induk Siswa). Salah satu algoritma sederhana yang dapat menyelesaikan permasalahan ini yaitu algoritma buble sort. Penelitian ini bertujuan mengimplementasikan algoritma buble sort dalam pengurutan Nomor Induk Siswa (NIS). Algoritma ini dipilih karena kesederhanaanya dan kemampuan mengurutkan data dalam skala kecil hingga menengah. Proses penelitian ini melibatkan tahap perancangan algoritma, implementasi dalam bahasa java, serta menguji data menggunakan NIS secara acak. Hasil dari penelitian ini menunjukkan bahwa algoritma ini efektif dalam mengurutkan NIS siswa meskipun memakan waktu yang relatif lambat.

Peranan algoritma sorting dalam konteks pendidikan sangat penting seperti halnya dalam mengurutkan NIS (Nomor Induk Siswa). Salah satu algoritma sederhana yang dapat menyelesaikan permasalahan ini yaitu algoritma buble sort. Penelitian ini bertujuan mengimplementasikan algoritma buble sort dalam pengurutan Nomor Induk Siswa (NIS). Algoritma ini dipilih karena kesederhanaanya dan kemampuan mengurutkan data dalam skala kecil hingga menengah. Proses penelitian ini melibatkan tahap perancangan algoritma, implementasi dalam bahasa java, serta menguji data menggunakan NIS secara acak. Hasil dari penelitian ini menunjukkan bahwa algoritma ini efektif dalam mengurutkan NIS siswa meskipun memakan waktu yang relatif lambat. untuk masa yang akan datang diharapkan algoritma ini bisa dikombinasikan dengan algoritma lain untuk meningkatkan efektivitas pengurutan data dalam skala data yang lebih besar.

Peranan algoritma sorting dalam konteks pendidikan sangat penting seperti halnya dalam mengurutkan NIS (Nomor Induk Siswa). Salah satu algoritma sederhana yang dapat menyelesaikan permasalahan ini yaitu algoritma buble sort. Penelitian ini bertujuan mengimplementasikan algoritma buble sort dalam pengurutan Nomor Induk Siswa (NIS). Algoritma ini dipilih karena kesederhanaanya dan kemampuan mengurutkan data dalam skala kecil hingga menengah. Proses penelitian ini melibatkan tahap perancangan algoritma, implementasi dalam bahasa java, serta menguji data menggunakan NIS secara acak. Hasil dari penelitian ini menunjukkan bahwa algoritma ini efektif dalam mengurutkan NIS siswa meskipun memakan waktu yang relatif lambat. untuk masa yang akan datang diharapkan algoritma ini bisa dikombinasikan dengan algoritma lain untuk meningkatkan efektivitas pengurutan data dalam skala data yang lebih besar.

Bubble Sort adalah algoritma pengurutan sederhana yang sering digunakan untuk tujuan pendidikan karena kemudahan implementasinya. Penelitian ini bertujuan untuk mengevaluasi efisiensi algoritma Bubble Sort dalam pengurutan data nilai mahasiswa. Metode yang digunakan melibatkan penerapan algoritma pada dataset kecil, analisis kompleksitas waktu dan ruang, serta implementasi dengan bahasa pemrograman Java. Hasil penelitian menunjukkan bahwa algoritma ini mampu mengurutkan data dengan akurat melalui iterasi yang berulang, meskipun memiliki kompleksitas waktu O(n²), yang tidak efisien untuk dataset besar. Bubble Sort tetap relevan untuk pengajaran konsep dasar algoritma, dengan potensi pengembangan lebih lanjut melalui optimasi seperti penggunaan flag atau pendekatan dua arah. Studi ini menyimpulkan bahwa Bubble Sort cocok untuk dataset kecil dan memberikan rekomendasi untuk eksplorasi algoritma pengurutan lain yang lebih efisien untuk data skala besar.

Bubble Sort adalah algoritma pengurutan sederhana yang sering digunakan untuk tujuan pendidikan karena kemudahan implementasinya. Penelitian ini bertujuan untuk mengevaluasi efisiensi algoritma Bubble Sort dalam pengurutan data nilai mahasiswa. Metode yang digunakan melibatkan penerapan algoritma pada dataset kecil, analisis kompleksitas waktu dan ruang, serta implementasi dengan bahasa pemrograman Java. Hasil penelitian menunjukkan bahwa algoritma ini mampu mengurutkan data dengan akurat melalui iterasi yang berulang, meskipun memiliki kompleksitas waktu O(n²), yang tidak efisien untuk dataset besar. Bubble Sort tetap relevan untuk pengajaran konsep dasar algoritma, dengan potensi pengembangan lebih lanjut melalui optimasi seperti penggunaan flag atau pendekatan dua arah. Studi ini menyimpulkan bahwa Bubble Sort cocok untuk dataset kecil dan memberikan rekomendasi untuk eksplorasi algoritma pengurutan lain yang lebih efisien untuk data skala besar.

Pengelolaan data yang efisien merupakan salah satu kebutuhan utama dalam dunia pendidikan, terutama dalam pengurutan data seperti Nomor Induk Mahasiswa (NIM). Makalah ini membahas implementasi algoritma Bubble Sort untuk menyusun data NIM secara efisien dalam urutan ascending. Algoritma Bubble Sort dipilih karena kesederhanaannya dalam implementasi dan pemahaman, meskipun memiliki keterbatasan dalam kompleksitas waktu O(n²) untuk dataset besar. Makalah ini menyajikan langkah-langkah implementasi algoritma, hasil eksperimen, dan evaluasi kinerja berdasarkan efisiensi pengurutan data NIM. Studi kasus menunjukkan bahwa algoritma ini bekerja optimal untuk dataset kecil, seperti data mahasiswa pada proses pengelompokan kelas. Selain itu, disoroti kelebihan dan kekurangan algoritma ini dalam konteks dataset yang lebih besar serta rekomendasi alternatif algoritma seperti Quick Sort dan Merge Sort untuk kebutuhan yang lebih kompleks. Hasil eksperimen menunjukkan bahwa algoritma Bubble Sort dapat menyusun data NIM secara akurat dan terstruktur, meskipun membutuhkan iterasi berulang. Makalah ini diharapkan memberikan wawasan tentang penerapan algoritma pengurutan dalam pengelolaan data pendidikan, sekaligus menjadi referensi untuk pengembangan algoritma yang lebih efisien.

The most used algorithm is the sorting algorithm. There have been many popping sorting algorithms that can be used, in this study researchers took three sorting algorithms namely Insertion Sort, Selection Sort, and Merge Sort. As for this study will analyze the comparison of execution time and memory usage by considering the number of enter data of each algorithm used. The data used in this study is ukhuwah NET network bandwidth usage data connected in the Faculty of Computer Science in the form of double data types. After implementing and analyzing in terms of execution time merge sort algorithm has a faster execution time in sorting data with an average execution time value of 108.593777 ms on the 3000 data count. While in the same amount of data for the most execution time is the Selection Sort algorithm with a large execution time of 144.498144 ms, in terms of memory usage with the amount of data3000 Merge Sort Algorithm has the highest memory usage compared to the other two alg...

Despite the improvement in hardware and technology, Limited Battery power in Smartphone is still challenging task. Battery lifetime of mobile phones is needed to be improved. As compare to CPU power, HDD capacity, RAM and other hardware components the improvement in battery power consumption and lifetime in the past years is very low. The battery power of a Smartphone may be prolonged by optimizing hardware or software. This paper presents an approach for saving energy through software by choosing the appropriate sorting algorithm. Energy consumption of sorting algorithms like Bubble sort, Insertion sort, Quick sort, Selection sort and Merge sort were measured. The results show that Quick sort is the most energy efficient sorting method on average cases. Bubble sort is the most energy consuming algorithm. Insertion sort is also energy efficient but as the number of input data items increase after a certain value Merge sort outperforms the Insertion sort. This work provides the general guideline to select appropriate sorting algorithm in development of energy efficient Smartphone application. A new term Energy Complexity is also introduced in this paper.

Merge sort is one of the asymptotically optimal sorting algorithms that is used in many places including programming language library functions and operating systems. In this paper, an enhanced merge sort algorithm (EMS) has been presented, which in practice shows substantial improvement in running time than the top-down and bottom-up implementations of the classical merge sort. EMS works as a bottom-up manner and the modifications happen in three places: (a) given n elements in an array, first, the algorithm considers the array as n/2 consecutive pairs and sorts each pair in-place by one comparison; (b) in subsequent steps, during the "merge" process of two subarrays, if the last element in the left subarray is smaller than the first element in the right subarray, the algorithm simply returns; and (c) if the last element in the right subarray is smaller than the first element in the left subarray, then the algorithm swaps the elements in the two subarrays by their entirety. Steps (b) and (c) happen in-place. For the case not in (b) or (c), the algorithm follows the classical merge technique with an extra array. Experimental results show that case (b) and (c) happen a good amount of time in practice and that is the reason that EMS gives better running time than the classical merge sort.

Merge sort is one of the asymptotically optimal sorting algorithms that is used in many places including programming language library functions and operating systems. In this paper, an enhanced merge sort algorithm (EMS) has been presented, which in practice shows substantial improvement in running time than the top-down and bottom-up implementations of the classical merge sort. EMS works as a bottom-up manner and the modifications happen in three places: (a) given n elements in an array, first, the algorithm considers the array as n/2 consecutive pairs and sorts each pair in-place by one comparison; (b) in subsequent steps, during the "merge" process of two subarrays, if the last element in the left subarray is smaller than the first element in the right subarray, the algorithm simply returns; and (c) if the last element in the right subarray is smaller than the first element in the left subarray, then the algorithm swaps the elements in the two subarrays by their entirety. Steps (b) and (c) happen in-place. For the case not in (b) or (c), the algorithm follows the classical merge technique with an extra array. Experimental results show that case (b) and (c) happen a good amount of time in practice and that is the reason that EMS gives better running time than the classical merge sort.

Анотація. Сортування як один із базових алгоритмів має широкий спектр застосування під час розробки програмного забезпечення. Зі зростанням обсягів даних, що опрацьовуються, значно зростає потреба у засобах швидкого та ефективного впорядкування даних. Існує велика кількість різноманітних алгоритмів сортування та їхніх розширень. Однак серед них неможливо вибрати оптимальний та універсальний. Усі ці алгоритми мають свою специфіку роботи, яка зумовлює сферу ефективного використання. Тому актуальною є проблема вибору оптимального алгоритму для певних специфічних умов. Цей вибір є часто нетривіальною задачею, а невдалий вибір алгоритму може спричинити проблеми зі швидкодією опрацювання даних. Щоб визначити, який саме алгоритм буде найкращим в конкретній ситуації, потрібно проаналізувати усі фактори, які впливають на роботу алгоритмів: розмір та структуру набору даних, діапазон значень його елементів, форму доступа (довільна чи послідовна), ступінь впорядкованості, розмір додаткової пам'яті, яка необхідна для виконання алгоритму, тощо. Крім того, різні алгоритми мають неоднакову швидкодію у різних мовах програмування. У дослідженні проаналізовані переваги та недоліки девʼяти популярних алгоритмів сортування (бульбашкою, вставкою, вибором, Шелла, злиттям, швидке, підрахунком, за розрядами, купою), зумовлені їхньою специфікою, та обмеження щодо можливого використання. Протестована швидкодія зазначених алгоритмів, реалізованих чотирма популярними мовами програмування (C++, С#, Java і JavaScript). Експериментально з'ясовано, що швидкодія алгоритмів сортування має відмінності залежно від мови програмування. Прикладний аспект дослідження полягає в тому, що його висновки і результати дозволять розробникам вибирати найкращий алгоритм для певної мови програмування, залежно від розміру, діапазону, структури тощо набору даних, який треба відсортувати. Врахування цього є важливим, коли виникає потреба перегрупування великих обсягів даних у пошукових системах, наукових та інженерних застосуваннях. Адже ефективність алгоритму сортування суттєво впливає на загальну продуктивність системи.

The most common type of sorting algorithm used is quicksort. As the name suggests it is the one of the most fastest sorting algorithm used since the innovation of sorting. However, this sort has often been criticised for its worst-case time complexity that is O(n^2). Practically the quick sort tends to follow its average case and best-case scenarios most of the time. So practically the quick sort is the most efficient practical sorting algorithm. In this paper we will fine tune this algorithm and remove its worst-case time complexity of O(n^2) and make this the best sorting algorithm both theoretically and practically. Various techniques will be discussed from pivot fixing to randomisation and further using medians of medians.