MENGANALISIS TINGKAT EFISIENSI STRUKTUR DATA ARRAY DAN LINKED LIST UNTUK MENGELOLA DATA MAHASISWA DARI SEGI KECEPATAN EKSEKUSI DAN PENGGUNAAN MEMORI
Kata Kunci:
Struktur Data, Array dan Linked List, Efisiensi Pengelolaan DataAbstrak
Dalam pengelolaan data mahasiswa, pemilihan struktur data yang tepat menjadi tantangan penting yang mempengaruhi efisiensi sistem. Penelitian ini bertujuan untuk menganalisis dan membandingkan efisiensi struktur data array dan linked list dalam hal kecepatan eksekusi, penggunaan memori, dan jumlah baris kode. Metode yang digunakan adalah eksperimen komputasi dengan analisis kuantitatif, di mana dua program yang sama dibuat untuk mengelola data mahasiswa menggunakan masing-masing struktur data. Secara keseluruhan, Array lebih cocok digunakan untuk skenario yang membutuhkan efisiensi dalam hal penambahan, pencarian, dan penampilan data, sedangkan Linked List lebih ideal untuk situasi yang memprioritaskan penghapusan data secraa cepat. Namun, keetika data yang dikelola dalam jumlah besar, baik Array maupun Linked List akan membutuhkan lebih banyak memori. Kesimpulannya, pemilihan struktur data yang tepat sangat penting untuk meningkatkan efisiensi dalam aplikasi pengelolaan data akademik.
In managing student data, the selection of the appropriate data structure poses a significant challenge that affects system efficiency. This study aims to analyze and compare the efficiency of array and linked list data structures in terms of execution speed, memory usage, and code complexity. The method employed is computational experimentation with quantitative analysis, where two identical programs are created to manage student data using each data structure. Overall, arrays are more suitable for scenarios that require efficiency in data addition, searching, and display, while linked lists are ideal for situations that prioritize quick data deletion. However, when managing large amounts of data, both arrays and linked lists will require more memory. In conclusion, the choice of the right data structure is crucial for enhancing efficiency in academic data management applications.
