Knapsack problem merupakan bagian dari algoritma optimasi yang bertujuan untuk memaksimalkan atau meminimalkan sebuah nilai. Knapsack sendiri merupakan masalah optimasi kombinatorial untuk memilih barang yang harus dimasukkan sampai batas maksimum dan mendapatkan nilai yang seoptimal mungkin.
Algoritma yang digunakan pada permasalahan integer knapsack problem adalah algoritma greedy, dynamic programming, brute force dan genetic. Tujuan dari peneliti adalah mencari keuntungan yang maksimum pada permasalahan integer knapsack dengan menggunakan algoritma greedy, dynamic programming, brute force dan genetic, serta membandingkan keempat algoritma tersebut pada permasalahan integer knapsack dari segi hasil dan waktu komputasi (detik). Hasil penelitian bagian pertama yaitu data barang sedikit dengan 5 barang dan bagian kedua yaitu data barang banyak dengan 30 barang menunjukan: (1) Keuntungan maksimum penggunaan algoritma greedy yaitu pertama, pada konsep greedy by profit bagian pertama sebesar Rp 152.000,- dengan total berat 8 kg sedangkan waktu komputasinya 0,17667 detik dan bagian kedua sebesar Rp 747.000,- dengan total berat 32 kg sedangkan waktu komputasinya 0,34943 detik. Kedua, konsep greedy by weight bagian pertama sebesar Rp 164.000,- dengan total berat 7 kg sedangkan waktu komputasinya 0,2015 detik dan bagian kedua sebesar Rp 588.000,- dengan total berat 29 kg sedangkan waktu komputasinya 0,21119 detik. Ketiga, konsep greedy by density bagian pertama sebesar Rp 138.000,- dengan total berat 5 kg sedangkan waktu komputasinya 0,3684 detik dan bagian kedua sebesar Rp 747.000,- dengan total berat 32 kg sedangkan waktu komputasinya 0,2709 detik. (2) Keuntungan maksimum menggunakan algoritma dynamic programming bagian pertama sebesar Rp 208.000,- dengan berat 11 kg sedangkan waktu komputasinya 1,0732 detik dan bagian kedua Rp 747.000,- dengan total berat 32 kg sedangkan waktu komputasinya 2,8999 detik. (3) Keuntungan maksimum menggunakan algoritma brute force bagian pertama sebesar Rp 208.000,- dengan total berat 11 kg sedangkan waktu komputasinya 0,066716 detik dan bagian kedua dengan batasan 100.000 detik belum didapatkan hasilnya dan dilakukan peramalan untuk waktu komputasinya didapatkan 6.746.795,19 detik. Tetapi keuntungan, total beratnya pasti sama dengan hasil pada algoritma dynamic programming. (4) Keuntungan maksimum menggunakan algoritma genetic bagian pertama sebesar Rp 56.000,- dengan total berat 3 kg sedangkan waktu komputasinya 2,9238 detik dan bagian kedua Rp 742.000,- dengan total berat 32 kg sedangkan waktu komputasinya 7,0742 detik.
Hasil di atas dapat disimpulkan pada bagian pertama dan kedua bahwa algoritma dynamic programming dan brute force menghasilkan keuntungan yang optimum, tetapi algoritma brute force dengan jumlah barang yang banyak waktu yang dihasilkan juga semakin lama bahkan jika dibatasi dengan jumlah waktu tertentu akan tidak ditemukan hasilnya. Jadi algoritma brute force tidak efektif untuk data yang banyak. Penyelesaian algoritma dynamic programming memiliki waktu komputasi yang lebih besar daripada algoritma brute force pada bagian pertama dan greedy. Algoritma genetic solusinya optimum, tetapi hasilnya tidak stabil dengan nilai yang dihasilkan pertama kali karena dipengaruhi inisialisasi kromosom yang dilakukan secara random.