Estimator efisiensi

Salin prompt ini ke Konsol pengembang kami untuk mencobanya sendiri!

Contoh output

Untuk menganalisis kompleksitas waktu dari fungsi example_function(n) yang diberikan, kami akan memecahnya menjadi langkah-langkah dan mempertimbangkan skenario terburuk.

Langkah 1: Menganalisis loop pertama

for i in range(n):
   print(i)

Loop ini beriterasi n kali dan melakukan operasi waktu konstan (print(i)) di setiap iterasi. Oleh karena itu, kompleksitas waktu dari langkah ini adalah O(n).

Langkah 2: Menganalisis loop bersarang

for j in range(n):
    for k in range(n):
        print(j, k)

Loop luar beriterasi n kali, dan untuk setiap iterasi, loop dalam juga beriterasi n kali. Di setiap iterasi loop dalam, operasi waktu konstan (print(j, k)) dilakukan. Oleh karena itu, kompleksitas waktu dari loop bersarang adalah O(n * n) = O(n^2).

Langkah 3: Menggabungkan kompleksitas waktu
Fungsi example_function(n) terdiri dari dua langkah: loop pertama dan loop bersarang. Kompleksitas waktu keseluruhan adalah jumlah dari kompleksitas waktu setiap langkah.

Kompleksitas waktu dari loop pertama: O(n)
Kompleksitas waktu dari loop bersarang: O(n^2)

Untuk menentukan kompleksitas waktu keseluruhan, kami mempertimbangkan istilah dominan, yang merupakan istilah dengan urutan pertumbuhan tertinggi. Dalam hal ini, O(n^2) mendominasi O(n).

Oleh karena itu, kompleksitas waktu keseluruhan dari fungsi example_function(n) adalah O(n^2).

Dalam skenario terburuk, ketika n besar, loop bersarang akan mendominasi waktu eksekusi, dan fungsi akan memiliki kompleksitas waktu kuadratik.

Permintaan API

import anthropic

client = anthropic.Anthropic(
    # defaults to os.environ.get("ANTHROPIC_API_KEY")
    api_key="my_api_key",
)
message = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=1000,
    temperature=0,
    system="Your task is to analyze the provided function or algorithm and calculate its time complexity using Big O notation. Explain your reasoning step by step, describing how you arrived at the final time complexity. Consider the worst-case scenario when determining the time complexity. If the function or algorithm contains multiple steps or nested loops, provide the time complexity for each step and then give the overall time complexity for the entire function or algorithm. Assume any built-in functions or operations used have a time complexity of O(1) unless otherwise specified.",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "def example_function(n):\n    for i in range(n):\n        print(i)\n\n    for j in range(n):\n        for k in range(n):\n            print(j, k)"
                }
            ]
        }
    ]
)
print(message.content)