SlideShare a Scribd company logo
1 of 25
Kecerdasan Buatan
(Artificial Intellegence)
Kecerdasan Buatan
• H. A. Simon [1987]
“ Kecerdasan buatan (artificial intelligence) merupakan kawasan
penelitian, aplikasi dan instruksi yang terkait dengan pemrograman
komputer untuk melakukan sesuatu hal yang -dalam pandangan
manusia adalah- cerdas”
• Rich and Knight [1991]
“Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana
membuat komputer melakukan hal-hal yang pada saat ini dapat
dilakukan lebih baik oleh manusia.”
Tujuan Kecerdasan Buatan
• Tujuan dari kecerdasan buatan menurut Winston dan
Prendergast [1984]
1. Membuat mesin menjadi lebih pintar (tujuan utama)
2. Memahami apa itu kecerdasan (tujuan ilmiah)
3. Membuat mesin lebih bermanfaat (tujuan
entrepreneurial)
Kecerdasan Buatan
• Kecerdasan Buatan adalah salah satu cabang Ilmu
pengetahuan yang berhubungan dengan pemanfaatan
mesin untuk memecahkan persoalan yang rumit dengan
cara yang lebih manusiawi.
• Hal Ini biasanya dilakukan dengan mengikuti/mencontoh
karakteristik dan analogi berpikir dari
kecerdasan/Inteligensia manusia, dan menerapkannya
sebagai algoritma yang dikenal oleh komputer
Kecerdasan Alami
• Kecerdasan Alami adalah sifat pikiran yang mencakup
sejumlah kemampuan, seperti kemampuan menalar,
merencanakan, memecahkan masalah, berpikir abstrak,
memahami gagasan, menggunakan bahasa, dan belajar
yang terbentuk secara alami atau biasa disebut bakat
• Kecerdasan alami memungkinkan orang untuk
menggunakan pengalaman secara langsung
Artificial Intellegence
Knowledge
Base
Inference
Engine
Input :
Masalah
Output :
Solusi
Artificial Intellegence
• Basis Pengetahuan (Knowledge Base)
Berisi fakta-fakta teori atau objek.
• Mesin Inferensi (Inference Engine)
Mesin inferensi merupakan otak dari sistem basis pengetahuan yang
mengolah informasi dari basis pengetahuan.
Cara kerja dari mesin inferensi adalah mengolahnya fakta yang
diberikan oleh pengguna dan mencari keterkaitan antara fakta-fakta
tersebut dengan fakta-fakta dan aturan-aturan yang disimpan pada
basis pengetahuan.
Lingkup Kecerdasan Buatan
Komputasi Konvensional Vs Komputasi AI
Ruang Keadaan
STMIK – STIKOM
Balikpapan
2015
Ruang Keadaan
• Suatu ruang yang berisi keadaan yang
mungkin terjadi
Penyelesaian Masalah
Representasi Ruang Keadaan
• Graph Keadaan
• Pohon Pelacakan
• Pohon And/Or
Contoh Kasus
Graph Keadaan
Node
(kondisi)
Arch
(hubungan dan bobot)
Lintasan A – D
•A – B – E – D (Bobot 6)
•A – C – E – D (Bobot 5)
Lintasan yang tidak
memenuhi A – D
•A – B – F (Bobot 5)
Pohon Pelacakan
• Tidak dimungkinkan
adanya siklus
• Berisi node Parent
(Induk) dan node Child
(Anak)
Pohon And/Or
N and U
I and A and R
• Garis busur mempunyai
nilai sebagai AND
• Jika tidak mempunyai
busur, maka bernilai OR
Contoh :
•(I and A and R) or T or H or M
Contoh Kasus
BA
Keran air tak terhingga
4 galon 3 galon
• Bagaimana kita mengisi 2 galon air ke dalam Teko A ?
Contoh Kasus
• Teko A berkapasitas 4 galon.
• Teko B berkapasitas 3 galon.
• Tidak ada batas yang menunjukkan ukuran pada teko
tersebut.
• Ada sebuah sumber air yang dapat digunakan untuk
mengisi teko tersebut.
• Masalah :
– Bagaimana kita mengisi 2 galon air ke dalam Teko A ?
Penyelesaian
• Identifikasi ruang keadaan :
x = air yang diisikan pada teko A
y = air yang diisikan pada teko B
Ruang Keadaan (x,y).
x = {0,1,2,3,4}, y = {0,1,2,3}
• Keadaan Awal & Tujuan :
Awal : (0,0) Teko A & B dalam keadaan kosong
Tujuan : (2,n) Teko A berisi 2 galon dan Teko B berisi
sembarang
Contoh Solusi
Contoh Kasus 2
Petani, Kambing, Serigala, Sayur, Boat
• Seorang petani akan menyeberangkan seekor kambing,
serigala, dan sayuran melalui sungai.
• Boat yang digunakan petani hanya bisa memuat petani
dan 1 (satu) penumpang lain.
• Jika Kambing ditinggalkan dengan sayuran, sayuran
akan habis dimakan, dan kambing akan dimakan oleh
serigala.
Penyelesaian
• Identifikasi ruang keadaan
(kambing, serigala, sayuran, boat) = (K,S,Y,B)
• Keadaan Awal & Tujuan
Awal :
Daerah Asal = (K,S,Y,B)
Daerah Tujuan = (0,0,0,0)
Tujuan :
Daerah Asal = (0,0,0,0)
Daerah Tujuan = (K,S,Y,B)
Keadaan yang dimungkinkan
(aturan-aturan)
Contoh Solusi
• Menara Hanoi
Peraturan :
• Di setiap tempat, menara yang paling bawah harus lebih besar dari menara
yang ada di atasnya.
• Menara hanya boleh dipindahkan satu persatu
“Bagaimana Menara Hanoi tersebut berpindah ke tempat C, sesuai
dengan peraturan diatas?”
A B C

More Related Content

What's hot

Bab 2 Aljabar Relasional
Bab 2   Aljabar RelasionalBab 2   Aljabar Relasional
Bab 2 Aljabar Relasional
Ratzman III
 
Pertemuan 2-pemecahan-masalah-ai
Pertemuan 2-pemecahan-masalah-aiPertemuan 2-pemecahan-masalah-ai
Pertemuan 2-pemecahan-masalah-ai
willyhayon
 
Relasi Rekursi : Definisi, Contoh, Jenis Relasi Rekursi
Relasi Rekursi : Definisi, Contoh, Jenis Relasi RekursiRelasi Rekursi : Definisi, Contoh, Jenis Relasi Rekursi
Relasi Rekursi : Definisi, Contoh, Jenis Relasi Rekursi
Onggo Wiryawan
 
Metode pencarian heuristik
Metode pencarian heuristikMetode pencarian heuristik
Metode pencarian heuristik
Baguss Chandrass
 
Teori bahasa dan automata2
Teori bahasa dan automata2Teori bahasa dan automata2
Teori bahasa dan automata2
Nurdin Al-Azies
 
Klasifikasi Persamaan Diferensial Orde-Pertama
Klasifikasi Persamaan Diferensial Orde-PertamaKlasifikasi Persamaan Diferensial Orde-Pertama
Klasifikasi Persamaan Diferensial Orde-Pertama
STKIP PGRI BANDAR LAMPUNG
 
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
Fatma Qolbi
 
Pertemuan 5 dan 6 representasi pengetahuan
Pertemuan 5 dan 6 representasi pengetahuan Pertemuan 5 dan 6 representasi pengetahuan
Pertemuan 5 dan 6 representasi pengetahuan
Topan Helmi Nicholas
 

What's hot (20)

Graf ( Matematika Diskrit)
Graf ( Matematika Diskrit)Graf ( Matematika Diskrit)
Graf ( Matematika Diskrit)
 
Finite State Automata - Materi 3 - TBO
Finite State Automata - Materi 3 - TBOFinite State Automata - Materi 3 - TBO
Finite State Automata - Materi 3 - TBO
 
Bab 2 Aljabar Relasional
Bab 2   Aljabar RelasionalBab 2   Aljabar Relasional
Bab 2 Aljabar Relasional
 
Prinsip usability
Prinsip usabilityPrinsip usability
Prinsip usability
 
2 ruang keadaan
2 ruang keadaan2 ruang keadaan
2 ruang keadaan
 
SLIDE KE:5 NFA
SLIDE KE:5 NFASLIDE KE:5 NFA
SLIDE KE:5 NFA
 
Pertemuan 2-pemecahan-masalah-ai
Pertemuan 2-pemecahan-masalah-aiPertemuan 2-pemecahan-masalah-ai
Pertemuan 2-pemecahan-masalah-ai
 
Soal uas imk bsi
Soal uas imk bsiSoal uas imk bsi
Soal uas imk bsi
 
Relasi Rekursi : Definisi, Contoh, Jenis Relasi Rekursi
Relasi Rekursi : Definisi, Contoh, Jenis Relasi RekursiRelasi Rekursi : Definisi, Contoh, Jenis Relasi Rekursi
Relasi Rekursi : Definisi, Contoh, Jenis Relasi Rekursi
 
Media Penyimpanan Berkas
Media Penyimpanan BerkasMedia Penyimpanan Berkas
Media Penyimpanan Berkas
 
Metode pencarian heuristik
Metode pencarian heuristikMetode pencarian heuristik
Metode pencarian heuristik
 
Persoalan interpolasi Polinom
Persoalan interpolasi PolinomPersoalan interpolasi Polinom
Persoalan interpolasi Polinom
 
Teori bahasa dan automata2
Teori bahasa dan automata2Teori bahasa dan automata2
Teori bahasa dan automata2
 
Ragam Dialog :: Interaksi Manusia dan Komputer
Ragam Dialog :: Interaksi Manusia dan KomputerRagam Dialog :: Interaksi Manusia dan Komputer
Ragam Dialog :: Interaksi Manusia dan Komputer
 
Klasifikasi Persamaan Diferensial Orde-Pertama
Klasifikasi Persamaan Diferensial Orde-PertamaKlasifikasi Persamaan Diferensial Orde-Pertama
Klasifikasi Persamaan Diferensial Orde-Pertama
 
Algoritma Apriori
Algoritma AprioriAlgoritma Apriori
Algoritma Apriori
 
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
Matematika diskrit (dual graf, lintasan dan sirkuit euler, lintasan dan sirku...
 
Pertemuan 5 dan 6 representasi pengetahuan
Pertemuan 5 dan 6 representasi pengetahuan Pertemuan 5 dan 6 representasi pengetahuan
Pertemuan 5 dan 6 representasi pengetahuan
 
Turunan numerik
Turunan numerikTurunan numerik
Turunan numerik
 
Matriks dan Operasinya ( Aljabar Linear Elementer )
Matriks dan Operasinya ( Aljabar Linear Elementer )Matriks dan Operasinya ( Aljabar Linear Elementer )
Matriks dan Operasinya ( Aljabar Linear Elementer )
 

Viewers also liked (7)

Pengantar intelegensi buatan
Pengantar intelegensi buatanPengantar intelegensi buatan
Pengantar intelegensi buatan
 
8 logika predikat
8  logika predikat8  logika predikat
8 logika predikat
 
Jurnal kecerdasan buatan
Jurnal kecerdasan buatanJurnal kecerdasan buatan
Jurnal kecerdasan buatan
 
Kecerdasan buatan (1)
Kecerdasan buatan (1)Kecerdasan buatan (1)
Kecerdasan buatan (1)
 
3 pencarian buta
3 pencarian buta3 pencarian buta
3 pencarian buta
 
LOGIKA PROPOSISI & PREDIKATLogika proposisi & predikat
LOGIKA PROPOSISI & PREDIKATLogika proposisi & predikatLOGIKA PROPOSISI & PREDIKATLogika proposisi & predikat
LOGIKA PROPOSISI & PREDIKATLogika proposisi & predikat
 
Presentasi Menara Hanoi
Presentasi Menara Hanoi Presentasi Menara Hanoi
Presentasi Menara Hanoi
 

Recently uploaded

PPT SOSIALISASI PENGELOLAAN KINERJA GURU DAN KS 2024.pptx
PPT SOSIALISASI PENGELOLAAN KINERJA GURU DAN KS 2024.pptxPPT SOSIALISASI PENGELOLAAN KINERJA GURU DAN KS 2024.pptx
PPT SOSIALISASI PENGELOLAAN KINERJA GURU DAN KS 2024.pptx
MaskuratulMunawaroh
 
Kenakalan Remaja (Penggunaan Narkoba).ppt
Kenakalan Remaja (Penggunaan Narkoba).pptKenakalan Remaja (Penggunaan Narkoba).ppt
Kenakalan Remaja (Penggunaan Narkoba).ppt
novibernadina
 
Aksi Nyata Menyebarkan Pemahaman Merdeka Belajar.pdf
Aksi Nyata Menyebarkan Pemahaman Merdeka Belajar.pdfAksi Nyata Menyebarkan Pemahaman Merdeka Belajar.pdf
Aksi Nyata Menyebarkan Pemahaman Merdeka Belajar.pdf
subki124
 

Recently uploaded (20)

PPT SOSIALISASI PENGELOLAAN KINERJA GURU DAN KS 2024.pptx
PPT SOSIALISASI PENGELOLAAN KINERJA GURU DAN KS 2024.pptxPPT SOSIALISASI PENGELOLAAN KINERJA GURU DAN KS 2024.pptx
PPT SOSIALISASI PENGELOLAAN KINERJA GURU DAN KS 2024.pptx
 
Kenakalan Remaja (Penggunaan Narkoba).ppt
Kenakalan Remaja (Penggunaan Narkoba).pptKenakalan Remaja (Penggunaan Narkoba).ppt
Kenakalan Remaja (Penggunaan Narkoba).ppt
 
TUGAS RUANG KOLABORASI 1.3 PRAKARSA PERUBAHAN
TUGAS RUANG KOLABORASI 1.3 PRAKARSA PERUBAHANTUGAS RUANG KOLABORASI 1.3 PRAKARSA PERUBAHAN
TUGAS RUANG KOLABORASI 1.3 PRAKARSA PERUBAHAN
 
Prov.Jabar_1504_Pengumuman Seleksi Tahap 2_CGP A11 (2).pdf
Prov.Jabar_1504_Pengumuman Seleksi Tahap 2_CGP A11 (2).pdfProv.Jabar_1504_Pengumuman Seleksi Tahap 2_CGP A11 (2).pdf
Prov.Jabar_1504_Pengumuman Seleksi Tahap 2_CGP A11 (2).pdf
 
RENCANA + Link2 MATERI Training _"SISTEM MANAJEMEN MUTU (ISO 9001_2015)".
RENCANA + Link2 MATERI Training _"SISTEM MANAJEMEN MUTU (ISO 9001_2015)".RENCANA + Link2 MATERI Training _"SISTEM MANAJEMEN MUTU (ISO 9001_2015)".
RENCANA + Link2 MATERI Training _"SISTEM MANAJEMEN MUTU (ISO 9001_2015)".
 
Aksi Nyata Menyebarkan (Pemahaman Mengapa Kurikulum Perlu Berubah) Oleh Nur A...
Aksi Nyata Menyebarkan (Pemahaman Mengapa Kurikulum Perlu Berubah) Oleh Nur A...Aksi Nyata Menyebarkan (Pemahaman Mengapa Kurikulum Perlu Berubah) Oleh Nur A...
Aksi Nyata Menyebarkan (Pemahaman Mengapa Kurikulum Perlu Berubah) Oleh Nur A...
 
contoh-kisi-kisi-bahasa-inggris-kelas-9.docx
contoh-kisi-kisi-bahasa-inggris-kelas-9.docxcontoh-kisi-kisi-bahasa-inggris-kelas-9.docx
contoh-kisi-kisi-bahasa-inggris-kelas-9.docx
 
Modul Ajar IPAS Kelas 4 Fase B Kurikulum Merdeka [abdiera.com]
Modul Ajar IPAS Kelas 4 Fase B Kurikulum Merdeka [abdiera.com]Modul Ajar IPAS Kelas 4 Fase B Kurikulum Merdeka [abdiera.com]
Modul Ajar IPAS Kelas 4 Fase B Kurikulum Merdeka [abdiera.com]
 
Aksi Nyata Menyebarkan Pemahaman Merdeka Belajar.pdf
Aksi Nyata Menyebarkan Pemahaman Merdeka Belajar.pdfAksi Nyata Menyebarkan Pemahaman Merdeka Belajar.pdf
Aksi Nyata Menyebarkan Pemahaman Merdeka Belajar.pdf
 
Materi Modul 1.4_Fitriani Program guru penggerak
Materi Modul 1.4_Fitriani Program guru penggerakMateri Modul 1.4_Fitriani Program guru penggerak
Materi Modul 1.4_Fitriani Program guru penggerak
 
Bab 4 Persatuan dan Kesatuan di Lingkup Wilayah Kabupaten dan Kota.pptx
Bab 4 Persatuan dan Kesatuan di Lingkup Wilayah Kabupaten dan Kota.pptxBab 4 Persatuan dan Kesatuan di Lingkup Wilayah Kabupaten dan Kota.pptx
Bab 4 Persatuan dan Kesatuan di Lingkup Wilayah Kabupaten dan Kota.pptx
 
Topik 4_Eksplorasi Konsep LK Kelompok_Pendidikan Berkelanjutan
Topik 4_Eksplorasi Konsep LK Kelompok_Pendidikan BerkelanjutanTopik 4_Eksplorasi Konsep LK Kelompok_Pendidikan Berkelanjutan
Topik 4_Eksplorasi Konsep LK Kelompok_Pendidikan Berkelanjutan
 
Pengenalan Figma, Figma Indtroduction, Figma
Pengenalan Figma, Figma Indtroduction, FigmaPengenalan Figma, Figma Indtroduction, Figma
Pengenalan Figma, Figma Indtroduction, Figma
 
BAHAN PAPARAN UU DESA NOMOR 3 TAHUN 2024
BAHAN PAPARAN UU DESA NOMOR 3 TAHUN 2024BAHAN PAPARAN UU DESA NOMOR 3 TAHUN 2024
BAHAN PAPARAN UU DESA NOMOR 3 TAHUN 2024
 
AKSI NYATA TOPIK 1 MERDEKA BELAJAR. PPTX
AKSI NYATA TOPIK 1 MERDEKA BELAJAR. PPTXAKSI NYATA TOPIK 1 MERDEKA BELAJAR. PPTX
AKSI NYATA TOPIK 1 MERDEKA BELAJAR. PPTX
 
Aksi Nyata Disiplin Positif Keyakinan Kelas untuk SMK
Aksi Nyata Disiplin Positif Keyakinan Kelas untuk SMKAksi Nyata Disiplin Positif Keyakinan Kelas untuk SMK
Aksi Nyata Disiplin Positif Keyakinan Kelas untuk SMK
 
KELAS 10 PERUBAHAN LINGKUNGAN SMA KURIKULUM MERDEKA
KELAS 10 PERUBAHAN LINGKUNGAN SMA KURIKULUM MERDEKAKELAS 10 PERUBAHAN LINGKUNGAN SMA KURIKULUM MERDEKA
KELAS 10 PERUBAHAN LINGKUNGAN SMA KURIKULUM MERDEKA
 
MODUL AJAR IPAS KELAS 3 KURIKULUM MERDEKA.pdf
MODUL AJAR IPAS KELAS 3 KURIKULUM MERDEKA.pdfMODUL AJAR IPAS KELAS 3 KURIKULUM MERDEKA.pdf
MODUL AJAR IPAS KELAS 3 KURIKULUM MERDEKA.pdf
 
Konseptual Model Keperawatan Jiwa pada manusia
Konseptual Model Keperawatan Jiwa pada manusiaKonseptual Model Keperawatan Jiwa pada manusia
Konseptual Model Keperawatan Jiwa pada manusia
 
MODUL AJAR BAHASA INGGRIS KELAS 6 KURIKULUM MERDEKA.pdf
MODUL AJAR BAHASA INGGRIS KELAS 6 KURIKULUM MERDEKA.pdfMODUL AJAR BAHASA INGGRIS KELAS 6 KURIKULUM MERDEKA.pdf
MODUL AJAR BAHASA INGGRIS KELAS 6 KURIKULUM MERDEKA.pdf
 

2 ruang keadaan

  • 2. Kecerdasan Buatan • H. A. Simon [1987] “ Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal yang -dalam pandangan manusia adalah- cerdas” • Rich and Knight [1991] “Kecerdasan Buatan (AI) merupakan sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia.”
  • 3. Tujuan Kecerdasan Buatan • Tujuan dari kecerdasan buatan menurut Winston dan Prendergast [1984] 1. Membuat mesin menjadi lebih pintar (tujuan utama) 2. Memahami apa itu kecerdasan (tujuan ilmiah) 3. Membuat mesin lebih bermanfaat (tujuan entrepreneurial)
  • 4. Kecerdasan Buatan • Kecerdasan Buatan adalah salah satu cabang Ilmu pengetahuan yang berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi. • Hal Ini biasanya dilakukan dengan mengikuti/mencontoh karakteristik dan analogi berpikir dari kecerdasan/Inteligensia manusia, dan menerapkannya sebagai algoritma yang dikenal oleh komputer
  • 5. Kecerdasan Alami • Kecerdasan Alami adalah sifat pikiran yang mencakup sejumlah kemampuan, seperti kemampuan menalar, merencanakan, memecahkan masalah, berpikir abstrak, memahami gagasan, menggunakan bahasa, dan belajar yang terbentuk secara alami atau biasa disebut bakat • Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung
  • 7. Artificial Intellegence • Basis Pengetahuan (Knowledge Base) Berisi fakta-fakta teori atau objek. • Mesin Inferensi (Inference Engine) Mesin inferensi merupakan otak dari sistem basis pengetahuan yang mengolah informasi dari basis pengetahuan. Cara kerja dari mesin inferensi adalah mengolahnya fakta yang diberikan oleh pengguna dan mencari keterkaitan antara fakta-fakta tersebut dengan fakta-fakta dan aturan-aturan yang disimpan pada basis pengetahuan.
  • 10. Ruang Keadaan STMIK – STIKOM Balikpapan 2015
  • 11. Ruang Keadaan • Suatu ruang yang berisi keadaan yang mungkin terjadi
  • 13. Representasi Ruang Keadaan • Graph Keadaan • Pohon Pelacakan • Pohon And/Or Contoh Kasus
  • 14. Graph Keadaan Node (kondisi) Arch (hubungan dan bobot) Lintasan A – D •A – B – E – D (Bobot 6) •A – C – E – D (Bobot 5) Lintasan yang tidak memenuhi A – D •A – B – F (Bobot 5)
  • 15. Pohon Pelacakan • Tidak dimungkinkan adanya siklus • Berisi node Parent (Induk) dan node Child (Anak)
  • 16. Pohon And/Or N and U I and A and R • Garis busur mempunyai nilai sebagai AND • Jika tidak mempunyai busur, maka bernilai OR Contoh : •(I and A and R) or T or H or M
  • 17. Contoh Kasus BA Keran air tak terhingga 4 galon 3 galon • Bagaimana kita mengisi 2 galon air ke dalam Teko A ?
  • 18. Contoh Kasus • Teko A berkapasitas 4 galon. • Teko B berkapasitas 3 galon. • Tidak ada batas yang menunjukkan ukuran pada teko tersebut. • Ada sebuah sumber air yang dapat digunakan untuk mengisi teko tersebut. • Masalah : – Bagaimana kita mengisi 2 galon air ke dalam Teko A ?
  • 19. Penyelesaian • Identifikasi ruang keadaan : x = air yang diisikan pada teko A y = air yang diisikan pada teko B Ruang Keadaan (x,y). x = {0,1,2,3,4}, y = {0,1,2,3} • Keadaan Awal & Tujuan : Awal : (0,0) Teko A & B dalam keadaan kosong Tujuan : (2,n) Teko A berisi 2 galon dan Teko B berisi sembarang
  • 21. Contoh Kasus 2 Petani, Kambing, Serigala, Sayur, Boat • Seorang petani akan menyeberangkan seekor kambing, serigala, dan sayuran melalui sungai. • Boat yang digunakan petani hanya bisa memuat petani dan 1 (satu) penumpang lain. • Jika Kambing ditinggalkan dengan sayuran, sayuran akan habis dimakan, dan kambing akan dimakan oleh serigala.
  • 22. Penyelesaian • Identifikasi ruang keadaan (kambing, serigala, sayuran, boat) = (K,S,Y,B) • Keadaan Awal & Tujuan Awal : Daerah Asal = (K,S,Y,B) Daerah Tujuan = (0,0,0,0) Tujuan : Daerah Asal = (0,0,0,0) Daerah Tujuan = (K,S,Y,B)
  • 25. • Menara Hanoi Peraturan : • Di setiap tempat, menara yang paling bawah harus lebih besar dari menara yang ada di atasnya. • Menara hanya boleh dipindahkan satu persatu “Bagaimana Menara Hanoi tersebut berpindah ke tempat C, sesuai dengan peraturan diatas?” A B C

Editor's Notes

  1.  Kecerdasan Buatan adalah salah satu cabang Ilmu pengetahuan berhubungan dengan pemanfaatan mesin untuk memecahkan persoalan yang rumit dengan cara yang lebih manusiawi. Hal Ini biasanya dilakukan dengan mengikuti/mencontoh karakteristik dan analogi berpikir dari kecerdasan/Inteligensia manusia, dan menerapkannya sebagai algoritma yang dikenal oleh komputer. Dengan suatu pendekatan yang kurang lebih fleksibel dan efisien dapat diambil tergantung dari keperluan, yang mempengaruhi bagaimana wujud dari perilaku kecerdasan buatan. Kecerdasan Alami adalah sifat pikiran yang mencakup sejumlah kemampuan, seperti kemampuan menalar, merencanakan, memecahkan masalah, berpikir abstrak, memahami gagasan, menggunakan bahasa, dan belajar yang terbentuk secara alami atau biasa disebut bakat. Kecerdasan alami memungkinkan orang untuk menggunakan pengalaman secara langsung
  2. Jadi, kecerdasan alami itu adalah kecerdasan yang harfiah di dalam diri manusia, yang merupakan pemberian dari sang pencipta. Sedangkan kecerdasan buatan adalah suatu kecerdasan yang di implementasi kan ke dalam sebuah sistem, untuk meniru cara memecahkan suatu masalah dengan mengacu kepada kecerdasan alami seorang manusia.
  3. Jadi di dalam kecerdasan buatan akan berisi basis-basis pengetahuan(berdasarkan pengalaman manuasi) yang akan menjadi dasar suatu sistem melakukan pemecahan suatu masalah, dengan mengimplementasikan kemampuan kecerdasan alami manusia.
  4. Sistem Pakar (Expert System). Komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimilikioleh pakar. Pengolahan Bahasa Alami (Natural Language Processing). Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari. Pengenalan Ucapan (Speech Recognition). Melalui pengenalan ucapan diharapkan manusia dapat berkomunikasi dengan komputer menggunakan suara. Robotika & Sistem Sensor (Robotics & Sensory Systems). Computer Vision, mencoba untuk dapat menginterpretasikan gambar atau obyek- obyek tampak melalui komputer. Intelligent Computer-aided Instruction. Komputer dapat digunakan sebagai tutor yang dapat melatih dan mengajar. Game playing Semua aplikasi ini mempunyai basis pengetahuan, yang merupakan bagian dasar dari kecerdasan buatan
  5. Pemrograman Konvensional adalah perancangan program yang dimulai dari perencanaan dan mendefinisikan tujuan program, menuliskan kode, dan langkah terakhir merancang keluaran dari program beserta hubungan dengan pemakai. Contoh : konvensional aplikasi kasir, aplikasi antrian lapangan futsal Kecerdasan buatan (AI) aplikasi menu sehat ibu hami, aplikasi diagnosa penyakit diabetes,
  6. Graph adalah salah satu metode penyelesaian ruang keadaan. Graph terdiri dari node (kondisi) dan Arch ( hubungan dan bobot)
  7. Pohon pelacakan adalah metode penyelesaian keadaan menyerupai bentuk pohon. Dalam metode ini tidak dimungkinkan adanya siklus, karena ketika proses penyelesaian berhasil ditemukan solusinya, maka proses pelacakan akan berhenti. Pohon pelacakan berisi node parent dan child
  8. Pohon and/or, adalah metode penyelesaian ruang keadaan yang hampir sama dengan pohon pelacakan, Akan tetapi pada pohon And/ or ini memiliki garis busur yang bernilai AND. Jika antara arch tidak memiliki busur maka akan bernilai OR