Aplikasi Representasi Graf Deasy Ramadiyan Sari
Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jalan Ganesha 10 Bandung 40132 Email:
[email protected]
Abstrak Representasi graf sederhana dapat dilakukan dengan minimal tiga jenis representasi, yaitu matrks ketetanggaan, matriks kebersisian, dan senarai ketetanggaan. Banyak hal yang dapat direpresentasikan dalam graf sebenarnya, contohnya adalah XML. Basisdata Oracle 10g juga menggunakan representasi graf dalam fiturnya. Paper ini membahas mengenai representasi graf dalam XML, serta penerapan representasi graf pada fitur di dalam Oracle 10g dan penerapannya di dalam aplikasi berbasis basisdata Oracle 10g. Disamping itu, paper ini juga menyediakan contoh program untuk merepresentasikan graf berbobot kedalah tiga jenis representasi graf minimal diatas. Kata Kunci: representasi graf, xml, Oracle 10g, graf berbobot
1 Pendahuluan 1.1 Teori Graf Graf digunakan untuk merepresentasikan objek-objek diskrit dan hubungan antara objekobjek tersebut. Representasi visual dari graf adalah dengan menyatakan objek sebagai noktah, bulatan, atau titik, sedangkan
hubungan antara objek dinyatakan dengan garis. Sebagai contoh, Gambar 1 di bawah ini merupakan sebuah graf yang menyatakan peta jaringan jalan raya yang menghubungkan sejumlah kota di Provinsi Jawa Tengah. Dengan diberikan graf tersebut maka kita dapat mengetahui apakah ada lintasan jalan antara dua buah kota.
Gambar 1 Peta Jaringan Jalan Raya
2
1.2 Sejarah Graf Menurut catatan sejarah, masalah jembatan Königsberg (tahun 1736) adalah masalah pertama kali yang menggunakan graf. Di kota Königsberg, terdapat sungai Pregal yang mengalir mengitari pulau Kneiphof lalu bercabang lagi menjadi dua buah anak sungai. Ada tujuh buah jembatan yang menghubungkan daratan yang dibelah oleh sungai tersebut. Masalah jembatan ini adalah,
mungkinkah melalui seluruh jembatan tepat satu kali, dan kembali lagi ke tempat semula? Seorang matematikawan Swiss, L. Euler menemukan jawaban mengenai masalah tersebut dengan pembuktian sederhana. Dengan memodelkan dalam graf. Graf yang merepresentasikan jembatan Königsberg: 1. Simpul (vertex) : { a, b, c, d} daratan 2. Sisi (edge) : { (a,b) , (b,a), (a,c), (c,a), (a,d), (b,c), (c,d)} menyatakan jembatan
Gambar 2 Jembatan Königsberg Jawaban yang diperoleh saat itu adalah, orang tidak mungkin melalui ketujuh jembatan tersebut masing-masing satu kali dan kembali lagi ke tempat asal keberangkatan jika jumlah derajat setiap simpul tidak genap.
1.3 Definisi Graf Graf G didefinisikan sebagai pasangan himpunana (V, E) yang dalam hal ini: V = himpunan tidak-kosong dari simpul-simpul (vertices) = { v1 , v2 , ... , vn }
E = himpunan sisi (edges) yang menghubungkan sepasang simpul = {e1 , e2 , ... , en } Atau dapat ditulis dengan notasi G = (V, E) Simpul pada graf dapat dinomori dengan huruf seperti v, w, ..., dengan bilangan asli 1, 2, 3, ... atau gabungan keduannya. Sedangkan sisi yang menghubngkan simpul vi dengan vj dinyatakan dengan pasangan (vi, vj) atau dengan lambang e1, e2, ... Dengan kata lain, jika e adalah sisi yang menghubungkan simpul vi dengan vj, maka e dapat ditulis sebagai e = (vi, vj). Gambar 3 menunjukkan beberapa contoh graf .
Gambar 3 Contoh Graf
3
1.4 Jenis-Jenis Graf Graf dapat dikelompokkan menjadi beberapa jenis bergantung pada sudut pandang pengelompokkannya. Pengelompokkan graf dapat dipandang berdasarkan ada tidaknya sisi ganda atau sisi kalang, berdasarkan jumlah simpul, atau berdasarkan orientasi arah pada sisi. Berdasarkan ada tidaknya gelang atau sisi ganda pada suatu graf, maka graf digolongkan menjadi dua jenis: 1. Graf sederhana (simple graph) Graf yang tidak mengandung gelang maupun sisi-ganda dinamakan graf sederhana. G1 pada Gambar 3 adalah contoh graf sederhana 2.
Graf tak-sederhana (unsimplegraph) Graf yang mengandung sisi ganda atau gelang dinamakan graf tak-sederhana (unsimple graph). G2 dan G3 pada Gambar 3 adalah contoh graf taksederhana Berdasarkan jumlah simpul pada suatu graf, maka secara umum graf dapat digolongkan menjadi dua jenis: 1. Graf berhingga (limited graph) Graf berhingga adalah graf yang jumlah simpulnya n berhingga. 2. Graf tak-berhingga (unlimited graph) Graf yang jumlah simpulnya n tida berhingga Berdasarkan orientasi arah pada sisi, maka secara umum graf dibedakan atas 2 jenis: 1. Graf tak-berarah (undirected graph) Graf yang sisinya tidak mempunyai orientasi arah disebut graf tak-berarah. Tiga buah graf pada Gambar 2 adalah graf tak-berarah. 2. Graf berarah (directed graph atau digraph) Graf yang setiap sisinya diberikan orientasi arah disebut sebagai graf berarah. Dua buah graf pada Gambar 3 adalah graf berarah.
1.5 Representasi Graf Untuk maksud pemrosesan graf dengan program komputer, graf harus direpresentasikan di dalam memori. Terdapat beberapa representasi yang mungkin untuk graf. Di sini hanya diberikan tiga macam
representasi yang sering digunakan pada graf sederhana, yaitu matriks ketetanggaan, matrik bersisian, dan senarai ketetanggaan.
1.5.1 Matriks Ketetanggaan (Adjancency Matrix) Untuk mempermudah perhitungan pada program komputer, graf dapat direpresentasikan dengan menggunakan matriks. Salah satunya adalah matriks ketetanggaan. Misalkan G = (V, E) adalah sebuah graf sederhana dimana |V| = n, n > 1. Misalkan simpul dari G adalah v1, v2, … vn. Maka, matriks ketetanggaan A dari G adalah n x n matriks dimana: A = [aij], 1, jika simpul i dan j bertetangga aij = { 0, jika simpul i dan j tidak bertetangga Matriks ketetanggaan dari sebuah graf mengacu pada keterurutan dari simpul. Sehingga, ada sebanyak n! keterurutan yang berbeda yang terbentuk dari n simpul. Matriks ketetanggaan merupakan graf sederhana yang simetris, yaitu aij = aji. Hal ini disebabkan oleh kedua-duanya adalah 1 ketika vi dan vj mempunyai sisi, dan adalah 0 jika tidak ada sisi diantaranya, dinamakan juga matriks nol-satu, sedangkan untuk graf berarah, mtriks ketetanggaanya belum tentu simetri (akan berupa simtri jika berupa graf berarah lengkap). Selain itu, graf sederhana tidak mempunyai gelang, sehingga diagonal utamanya selalu 0 karena aii, i = 1, 2, 3, …, n adalah 0. Sayangnya, matrks ketetanggaan nol-satu tidak dapat digunakan untuk merepresentasikan graf yang mempunyai sisi ganda. Untuk mengatasinya, maka elemen aij pada matiks ketetanggaan sama dengan jumlah yang vj). Matriks berasosiasi dengan (vi, ketetanggaannya bukan lagi matriks nol-satu Untuk graf semu, gelang pada simpul vi dinyatakan dengan nilai satu pada posisi (i, j) di matriks ketetanggaannya. Keuntungan representasi dengan matriks adalah, elemen matriksnya dapat diakses langsung melalui indeks. Selain itu, kita dapat
4
mengetahui secara langsung apakah simpul i
dan simpul j bertetangga.
Gambar 4 Graf dengan Matriks Ketetanggaan Derajat tiap simpul i: (a) Untuk graf tak-berarah
A = [aij], 1, jika simpul i bersisian dengan sisi j
aij = {
n
d(vi) =
∑a
0, jika i tidak bersisian dengan sisi j
ij
j =1
(b) Untuk graf berarah, din (vj) = jumlah nilai pada kolom j n
=
∑a
ij
i =1
dout (vi) = jumlah nilai pada baris i n
=
∑a
ij
j =1
1.6 Matriks Bersisian (Incidency Matrix) Bila matriks ketetanggaan menyatakan ketetanggaan simpul-simpul di dalam graf, maka matriks bersisisan menyatakan kebersisian simpul dengan sisi. Misalkan G = (V, E) adalah graf dengan n simpul dan m buah sisi, maka matrkis kebersisian A dari graf G adalah matriks yang berukuran m x n. Baris menunjukkan label simpul, sementara kolom menunjukkan label sisinya. Gambar 5 menunjukkan representasi graf dalam bentuk matriks bersisian.
Gambar 5 Graf dengan Matriks Bersisian Matriks bersisian dapat digunakan untuk merepresentasikan graf yang mengadung sisi ganda atau sisi gelang. Derajat tiap simpul i dapat dihitung dengan menghitung jumlah seluruh elemen pada baris i (kecuali pada graf yang mengadung gelang).
5
1.7 Senarai Ketetanggaan (Adjancency List) Kelemahan matriks ketetanggaan adalah bila graf memiliki jumlah sisi relatif sedikit, karena matriksnya bersifat jarang, yaitu banyak mengadung elemen nol, sedangkan elemen yang bukan nol sedikit. Ditinjau dari segi implementasi, kebutuhan ruang memory untuk
matriks jarang, boros, karena komputer menyimpan banyak elemen nol yang tidak perlu. Untuk mengatasi masalah ini, senarai ketetanggaan digunakan. Senarai ketetanggaan mengenumerasi simpul-simpul yang bertetangga dengan setiap simpul di dalam graf. Contoh dari senarai ketetanggan dapat dilihat dari Gambar 6.
Gambar 6 Graf dengan Senarai Ketetanggaan
1.8 Representasi Graf Lain Disamping ketiga macam representasi graf diatas, ada banyak hal yang dapat dengan mudah untuk di ubah menjadi bentuk graf. Diantaranya adalah file XML. Mengubah sebuah file XML menjadi bentuk graf sebenarnya tidaklah sesulit yang kita
bayangkan. Sebenarnya, bentuk dari XML itu sendiri sudah merupakan srtuktur pohon, tagtag dalam XML adalah nodes atau simpul dari pohon, sehingga memudahkan bagi kita untuk dapat mengubah file XML menjadi graf. Lihatlah contoh di bawah ini untuk membuktikannya:
<sales> <summary>
MyDVD Rental Store <subhead>Periodical Sales Report <description>Sales Report for January, February, and March of 2001
<month> January 2001 <week number="1" dvds_rented="12000" /> <week number="2" dvds_rented="15000" /> <week number="3" dvds_rented="18000" /> <week number="4" dvds_rented="11800" /> <month> February 2001 <week number="1" dvds_rented="11500" /> <week number="2" dvds_rented="12390" /> <week number="3" dvds_rented="19050" />
6
<week number="4" dvds_rented="11200" <month> March 2001 <week number="1" dvds_rented="15300" <week number="2" dvds_rented="12390" <week number="3" dvds_rented="10050" <week number="4" dvds_rented="11230"
/>
/> /> /> />
Berikut adalah hasil representasi dari dokumen di atas:
Gambar 7 Representasi Graf dari XML
2 Graf Berbobot 2.1 Pengertian Graf yang memiliki nilai disetiap sisinya dinamakan graf berbobot. Graf berbobot biasanya digunakan untuk memodelkan jaringan komputer. Biaya komunikasi, waktu respon dari komputer memalui jalur ini, atau jarak antar komputer, semuanya dapat dipelajari melalui graf berbobot.
2.2 Representasi Graf Berbobot Dari beberapa representasi graf sederhana yang disebut diatas, representasi tersebut dapat juga diterapkan dalam graf berbobot. Sebuah program dibuat untuk merepresentasikan graf
berbobot ini kedalam tiga jenis representasi yaitu : 1. Matrix Ketetanggaan (Adjecency Matrix) 2. Senarai Ketetanggaan (Adjecency List) 3. Matrix Bersisian (Incidency Matrix)
2.3 Program Representasi Graf Berbobot Program ini merepresentasikan graf berarah berbobot dan graf tidak berarah berbobot. Program dikembangkan dalam bahasa pemrograman Java versi 1.5. Program terdiri dari empat buah file class, yaitu: 1. RepresentasiGrafGui.java: class antarmuka yang menggabungkan ketiga class representasi graf
7
2.
3. 4.
AdjecencyMatrix.java: class representasi graf dalam bentuk Adjecency Matrix AdjecencyList.java: class representasi graf dalam bentuk Adjecency List IncidencyMatrix.java: class representasi graf dalam bentuk Incidency Matrix
2.3.1 Input Program membaca graf dari file konfigurasi yang dibuat oleh pengguna, sehingga jika pengguna ingin merepresentasi graf yang dimilikinya dalam program komputer ini, maka graf harus ditransfer dalam bentuk file konfigurasi. Representasi graf dalam bentuk Adjecency Matrix dan Adjecency List akan menggunakan file konfigurasi dengan nama config.txt. Format penulisan file konfigurasi adalah sebagai berikut: 1. Setiap baris melambangkan sebuah simpul pada graf 2. Setiap simpul dilengkapi dengan keterangan simpul-simpul tetangganya yang dipisahkan dengan “;” dan disertai bobotnya masingmasing, yang ditandai dengan lambang “=” Contoh bentuk file konfigurasi config.txt :
Representasi graf dalam bentuk Incidency Matrix memiliki file konfigurasinya sendiri, yaitu configIncidency1.txt dan configIncidency2.txt. Format penulisannya kedua file konfigurasi sama, yaitu: 1. Setiap baris melambangkan sebuah simpul pada graf 2. Setiap simpul dilengkapi dengan keterangan sisi-sisi tetangganya yang dipisahkan dengan “;” dan bobot yang ditandai dengan lambang “=” Contoh bentuk configIncidency1.txt:
file
konfigurasi
Gambar 9 configIncidency1.txt Bentuknya file konfigurasi configIncidency1.txt dan configIncidency2.txt sama dengan config.txt, namun merepresentasikan hal yang berbeda. Jika config.txt merupakan representasi simpul dengan simpul tetangga, configIncidency1.txt dan configIncidency2.txt merepresentasikan simpul dengan sisi yang bersisian. Untuk kasus graf berbobot tidak berarah dengan representasi Incidency Matrix, hanya file configIncidency1.txt saja yang digunakan, sedangkan untuk kasus graf berbobot berarah dengan representasi Incidency Matrix, configIncidency1.txt dan configIncidency2.txt digunakan. File configIncidency1.txt digunakan untuk merepresentasikan simpul yang bersisian dengan sisi keluar, sedangkan file configIncidency2.txt digunakan untuk merepresentasikan simpul yang bersisidan dengan sisi masuk.
Gambar 8 config.txt Pada file konfigurasi tersebut dapat terlihat bahwa simpul satu bertetangga dengan simpul 2 dengan bobot 5, bertetangga dengan simpul 3 berbobot 7, dan seterusnya. Untuk representasi Adjecency List, ketetanggan tersebut melambangkan simpul keluar dari suatu simpul. Artinya, simpul keluar dari simpul satu adalah simpul 2, 5, 4, 8, dan 9.
2.3.2 Proses Setelah file konfigurasi dibuat maka pengguna dapat mengeksekusi program dengan melakukan klik ganda pada file repGraf.bat. Antarmuka pertama yang ditampilkan ke pengguna adalah memilih representasi graf yang diinginkan.
8
Gambar 10 Antarmuka Pertama Pada umumnya, antarmuka yang ditampilkan pada saat beriteraksi dengan pengguna adalah sama. Perbedaanya adalah dari cara program merepresentasikan graf sesuai dengan pilihan kita. Sama ada adjacency matrix, adjacency list, Incidency Matrix. Pengguna akan diminta untuk memasukkan jumlah simpul maksimum yang dimungkinkan.
Gambar 13 Antarmuka Masukan Jumlah Sisi Selanjutnya pengguna akan diminta untuk memasukkan pilihan graf berarah atau tidak berarah sebelum eksekusi bisa dilakukan.
Gambar 14 Antarmuka Pemilihan Jenis Graf Berorientasi Arah
2.3.3 Output Gambar 11 Antarmuka Masukan Jumlah Simpul Jumlah simpul yang dimasukkan oleh pengguna harus dipastikan lebih besar atau sama dengan jumlah simpul yang ada di file konfigurasi config.txt jika memilih adjacency matrix atau adjacendcy list dan configIncidency1.txt jika memilih Incidency Matrix yang tidak berarah. Selanjutnya pengguna akan diminta untuk memasukkan pilihan graf berarah atau tidak berarah sebelum eksekusi dilakukan.
Output dari program akan ditampilkan dalam console. Output yang dihasilkan oleh program adalah representasi graf dalam bentuk matrix (untuk Adjecency Matrix dan Incidency Matrix) atau bentuk node beserta tetangganya (untuk Adjecency List). Selain itu derajat setiap simpul akan ditampilkan (untuk graf tidak berarah) atau derajat masuk dan keluar setiap simpul (untuk graf berarah). Berikut ditampilkan contoh output program untuk masing-masing representasi. Adjecency Matrix Contoh kasus graf tidak berarah:
Gambar 12 Antarmuka Pemilihan Jenis Graf Berorientasi Arah Jika pengguna memilih repesentasi graf dengan menggunakan Incidency Matrix,maka akan diminta untuk memasukkan jumlah edge/sisi maksimum yang dimungkinkan. Gambar 15 Hasil Representasi Matriks Ketetanggaan Graf Tidak Berarah
9
Contoh kasus graf berarah:
Gambar 18 Hasil Representasi Senarai Ketetanggaan Graf Berarah Incidency Matrix Contoh kasus graf tidak berarah:
Gambar 16 Hasil Representasi Matriks Ketetanggaan Graf Berarah Adjecency List Contoh kasus graf tidak berarah:
Gambar 19 Hasil Representasi Matriks Bersisian Graf Tidak Berarah Contoh kasus graf berarah:
Gambar 20 Hasil Representasi Matriks Bersisian Graf Berarah
Gambar 17 Hasil Representasi Senarai Ketetanggaan Graf Tidak Berarah Contoh kasus graf berarah:
2.3.4 Evaluasi dan Keterbatasan Pada program ini, jumlah simpul maksimum yang dimasukkan harus lebih besar atau sama dengan jumlah simpul yang ada pada file konfigurasi. Jika pengguna memasukkan jumlah simpul yang kurang dari simpul yang ada pada file konfigurasi, maka pesan error akan muncul.
10
3 Aplikasi Representasi Graf pada Oracle 10g 3.1 Pengenalan Oracle 10 g merupakan produk basisdata yang kaya akan fitur dan paling ditunggu dan Oracle 10g mempunyai bermanfaat. fungsionalitas untuk memodelkan data dalam bentuk graf, dan terlebih lagi mempunyai kemampuan untuk memfasilitasi pencarian.
Kemampuan 10g untuk memodelkan dan menganalasis data dalam bentuk graf karena 10g menerapkan Oracle Spatial Network Data Model (NDM). NDM menyimpan objek sesuai dengan simpulnya, hubungan antar simpul tersebut sebagai link, dan list terurut dari linklink tersebut yang didalamnya tidak ada link yang berulang atau simpul yang berulang dari path yang dilalui. NDM dapat digunakan untuk merepresentasikan graf berarah, graf tidak berarah, graf random, graf scale free, dan graf hirarki.
Gambar 21 Arsitektur Oracle Spatial Network Model Data Skema NDM mengandung tabel untuk menyimpan simpul, sisi, dan data path, dan jaringan metadata. Skema NDM juga mengandung paket PL/SQL paket untuk query jaringan data, memelihara referential integrity, dan memperbarui sisi, simpul, dan table path. NDM juga menydiakan kemampuan analisis untuk melacak (tracing), mencari shortest path, dan minimum cost spanning tree. Selain itu juga, NDM mendukung batasan jaringan yang digunakan untuk membatasi untuk analisis jaringan, termasuk minimum bounding rectangle, path cost, dan path depth.
3.2 Studi Kasus Network Data Model (NDM) 3.2.1 Analisis Metabolic Pathway Model data grafik sesuai untuk menyimpan dan meneliti pathway metabolisme. Data dari KEGG berkenaan dengan metabolisme pathway basisdata dari Universitas Kyoto terisi ke dalam NDM sebagai jaringan berarah. Campuran bahan kimia disimpan sebagai simpul (Tabel 1) dan enzim sebagai link (Tabel 2) dalam Gambar 9. Ketika grafik tersimpan di dalam NDM, Java visualizer digunakan untuk melihat pathway metabolis dan untuk menanyai data menggunakan analisis yang mencakup shortest path dan all path.
11
Gambar 22 Simpul dan Link
3.2.2 Analisis Jaringan Gen Jaringan gen mendeskripsikan relasi dalam sebuah grup dari gen. Pendekatan yang umum untuk analisis jaringan gen, termasuk didalamnya menggunakan sisi untuk menciptakan korelasi antara profil ekspresi gen, informasi timbal balik, atau dampak suatu mutasi gen pada ekspresi gen. Contoh lebih rumit meliputi penggunaan kerangka matematik dari model probabilitas, seperti Bayesian Network, untuk belajar bagaimana struktur dan parameter suatu jaringan cocok dengan data yang diamati. Studi kasus ini menguraikan bagaimana ekspresi data gen dapat dipetakan untuk suatu
pemberian isyarat pathway, dengan demikian menyediakan pengertian tambahan yang mendalam terhadap komponen. Di dalam contoh ini, pemberian isyarat pathway disimpan di dalam NDM dengan gen diwakili dalam simpul dan interaksi antar gen dalam sisi.]. ekspresi gen Data dari contoh biologi disimpan di (dalam) suatu relational terpisah. Query dapat ditampilkan, yaitu kedua-duanya pemberian isyarat pathway dan data ekspresi gen, memungkinkan peneliti untuk mengidentifikasi subsets pemberian isyarat pathway yang nampaknya akan dipengaruhi oleh perubahan di dalam profil ekspresi gen (Gambar 10). Dengan NDM, untuk mendapat kembali connectivas informasi tentang gen menjadi sederhana
Gambar 23 Studi Kasus Analisis Jaringan Gen
12
3.3 Kesimpulan NDM memungkinkan ilmuwan untuk mengatur dan meneliti data sebagai penyajian grafik di dalam basisdata Oracle 10g NDM telah diterapkan oleh Oracle sebagai suatu model umum dan terbuka yang memisahkan logika aplikasi dari manajemen data. Pendekatan ini memungkinkan industri berkisar antara telekomunikasi, sistim informasi mengenai ilmu bumi, ilmu yang mempelajari hidup dan elektronika untuk mengambil keuntungan dari fungsionalitasnya. Di paper ini, studi kasus disajikan seperti bagaimana NDM dapat digunakan untuk analisa dan penyimpanan berkenaan dengan metabolisme pathway dan jaringan gen. Seperti meningkatnya volume data di dalam ilmu yang mempelajari hidup yang diwakili sebagai graf, menjadi penting bahwa suatu keamanan, lingkungan yang scalable dan dapat dipercaya disediakan untuk data tersebut.
Referensi [01] Rosen Kenneth. Discrete Mathematics and Its Applications, Fifth Edition. McGraw Hill [02] Rinaldi Munir. Diktat Kuliah IF2151 Matematika Diskrit Edisi Keempat. Program Studi Teknik Informatika ITB [03] www.oracle.com/technology/industries/life_sci ences/pdf/ls_ieee_graph.pdf . Hak Akses 15 Desember 2006, pukul 16.00
