Struktur Data — Array, Linked List, Tree & Graph

Struktur data adalah cara mengatur data agar tugas umum seperti pencarian, penyisipan, penghapusan, dan penelusuran menjadi lebih mudah. Jika Anda ingin memahami array, linked list, tree, dan graph, pendekatan tercepat adalah mengajukan dua pertanyaan: seperti apa bentuk datanya, dan operasi apa yang harus terasa murah?

Jika datanya berupa urutan, array sering menjadi titik awal. Jika setiap item terutama menunjuk ke item berikutnya, linked list mungkin cocok. Jika data memiliki tingkatan, gunakan tree. Jika item dapat terhubung ke banyak arah, gunakan graph.

Berikut aturan singkat yang tetap berguna:

• Array: terbaik untuk urutan berindeks.
• Linked list: terbaik untuk tautan lokal yang berantai.
• Tree: terbaik untuk hierarki.
• Graph: terbaik untuk jaringan.

Apa sebenarnya yang dilakukan array, linked list, tree, dan graph

Array menyimpan item dalam urutan tetap dan memungkinkan Anda merujuk langsung ke suatu posisi, seperti "item $7$". Dalam implementasi kontigu yang umum, pengindeksan langsung itu bernilai $O(1)$.

Linked list menyimpan item sebagai node, di mana setiap node menunjuk ke node lain. Anda bisa bergerak dari node ke node, tetapi untuk mencapai item ke-$n$ Anda biasanya harus menelusuri node-node sebelumnya, sehingga akses berdasarkan posisi biasanya bernilai $O(n)$.

Tree menyimpan data dalam tingkatan. Setiap node dapat memiliki child, sehingga struktur ini secara alami merepresentasikan nested structure seperti folder di dalam folder. Biaya pencarian dan pembaruan bergantung pada jenis tree dan apakah tree tersebut tetap seimbang.

Graph menyimpan node dan edge. Berbeda dari tree, sebuah node dapat terhubung ke banyak node lain dengan cara yang bebas, dan siklus diperbolehkan. Itu membuat graph menjadi model alami untuk jalan, jejaring sosial, dan peta dependensi.

Perbandingan cepat: kapan tiap struktur data cocok

Structure	Best mental model	Usually good at	Common limitation
Array	Deretan item bernomor	Akses langsung berdasarkan indeks	Penyisipan dan penghapusan di tengah sering memerlukan pergeseran item
Linked list	Rantai node	Menyisipkan atau menghapus di dekat node yang sudah diketahui	Akses acak lambat
Tree	Hierarki bercabang	Merepresentasikan tingkatan dan relasi parent-child	Perilaku sangat bergantung pada jenis tree
Graph	Jaringan koneksi	Keterjangkauan, jalur, dan relasi	Algoritmanya sering lebih kompleks

Contoh terapan: memilih struktur dalam satu aplikasi kampus

Misalkan Anda sedang membangun satu aplikasi kampus dengan layar jadwal, katalog mata kuliah, dan peta jalan kaki. Cara termudah memilih struktur data adalah mencocokkan setiap fitur dengan bentuk datanya.

Tab hari kerja pada layar jadwal secara alami adalah array:

$$[\text{Mon}, \text{Tue}, \text{Wed}, \text{Thu}, \text{Fri}]$$

Fitur utamanya adalah akses langsung berdasarkan posisi. "Tampilkan tab $3$" masuk akal, dan urutannya penting.

Katalog mata kuliah secara alami adalah tree:

$$\text{Department} \rightarrow \text{Course} \rightarrow \text{Section}$$

Setiap tingkat memuat tingkat berikutnya. Itu adalah hierarki, jadi tree adalah model yang paling rapi.

Jalur pejalan kaki antarbangunan secara alami adalah graph. Sebuah bangunan dapat terhubung ke beberapa bangunan lain, dan jalurnya bisa kembali berputar. Jika Anda ingin rute terpendek dari perpustakaan ke laboratorium, Anda sedang menyelesaikan masalah graph, bukan masalah tree.

Linked list cocok untuk bagian yang lebih sempit dari aplikasi yang sama: rantai layar yang baru saja dikunjungi, jika operasi utamanya adalah bergerak maju atau mundur satu langkah setiap kali. Dalam kasus itu, setiap layar terutama membutuhkan tautan ke layar terdekat, bukan akses cepat ke layar ke-$20$.

Pelajarannya adalah bahwa yang "terbaik" bergantung pada pekerjaannya. Satu produk bisa memakai beberapa struktur data karena bagian data yang berbeda memiliki relasi yang berbeda.

Cara membedakannya dengan cepat

Banyak siswa pertama kali mempelajari ini sebagai sekadar istilah kosakata. Itu membuat topik ini terasa abstrak, padahal pertanyaan praktisnya lebih sederhana.

Tanyakan: operasi apa yang seharusnya terasa murah?

Jika Anda ingin "lompat ke posisi $i$" terasa murah, array kuat. Jika Anda ingin "ikuti koneksi berikutnya" terasa murah, struktur bertaut membantu. Jika Anda ingin "bergerak turun dalam hierarki", tree cocok. Jika Anda ingin "menemukan apakah dua hal saling terhubung", graph cocok.

Kesalahan umum saat mempelajari struktur data

Menganggap satu struktur selalu paling cepat

Tidak ada pemenang universal. "Cepat" bergantung pada apa yang paling sering Anda lakukan dan pada implementasinya.

Menganggap tree otomatis efisien

Beberapa tree mendukung pencarian yang sangat efisien, tetapi itu bergantung pada jenis tree dan kondisi struktural seperti keseimbangan. Tree dengan bentuk yang buruk bisa berkinerja jauh lebih buruk daripada tree yang seimbang.

Memilih linked list hanya karena penyisipan terdengar murah

Penyisipan bisa murah setelah Anda sudah memiliki node yang tepat. Menemukan node itu sendiri tetap bisa memakan waktu.

Menggunakan tree ketika datanya sebenarnya graph

Jika sebuah item dapat memiliki beberapa parent, cross-link, atau siklus, memaksa data ke dalam tree dapat menyembunyikan struktur aslinya dan membuat operasi berikutnya menjadi canggung.

Mencampuradukkan struktur abstrak dengan fitur bahasa pemrograman

"Array", "list", "map", atau "tree" dalam bahasa pemrograman bisa datang dengan pilihan implementasi yang memengaruhi penggunaan memori dan kecepatan. Gagasan abstraknya dan container konkretnya saling berkaitan, tetapi tidak identik.

Kapan array, linked list, tree, dan graph digunakan

Array digunakan untuk koleksi terurut, tabel, buffer, dan kasus apa pun ketika posisi itu penting.

Linked list muncul dalam implementasi khusus ketika pembaruan pointer lokal lebih penting daripada akses acak.

Tree digunakan untuk data hierarkis seperti sistem file, struktur dokumen, expression tree, dan banyak indeks pencarian.

Graph digunakan untuk rute, analisis dependensi, pemodelan jaringan, tautan rekomendasi, dan masalah koneksi secara umum.

Cara memilih struktur data yang tepat

Mulailah dengan mengajukan dua pertanyaan:

1. Relasi apa yang dimiliki data: urutan, hierarki, atau jaringan?
2. Operasi apa yang paling penting: pengindeksan, pembaruan lokal, penelusuran hierarkis, atau pencarian jalur?

Dua jawaban itu biasanya mempersempit pilihan dengan cepat.

Jika Anda masih ragu, gambarkan versi kecil dari data tersebut di kertas. Gambar itu sering mengungkap strukturnya sebelum kodenya.

Coba versi Anda sendiri

Pilih tiga contoh yang akrab, seperti playlist, sistem folder, dan peta transportasi. Tentukan apakah masing-masing terutama berupa urutan, hierarki, atau jaringan, lalu pilih struktur yang membuat operasi utamanya mudah. Jika Anda ingin contoh lain untuk menguji diri sendiri, GPAI Solver dapat menghasilkan contoh klasifikasi serupa.