SlideShare a Scribd company logo
1 of 34
Download to read offline
Chapter - 2




Kecerdasan Buatan
    Artificial Intelligence

  Searching Method


            Tb. Ai Munandar, M.T.,
    Universitas Serang Raya - 2012
Searching Method
OUTLINE
• Definisi Masalah dalam AI
• Searching Methode
  – Blind Search (Pencarian Buta)
  – Heuristic search (pencarian terbimbing)
Definisi Masalah dalam AI
Masalah yang dimaksud dalam kajian AI adalah
masalah-masalah yang dapat dikonversi ke
dalam ruang keadaan (ruang masalah),
mempunyai keadaan awal (initial state) dan
keadaan tujuan (goal state) serta dapat di buat
aturan-aturan untuk mengubah suatu keadaan
(state) ke keadaan lainnya.
Definisi Masalah dalam AI
Beberapa hal yang harus dilakukan untuk mendefinisikan
masalah dalam AI dengan baik :
1. Definisikan ruang keadaan (state space): suatu ruang
   yang berisi semua keadaan yang mungkin.
2. Menetapkan satu atau lebih keadaan awal (initial
   state): keadaan dimulainya sebuah pencarian
3. Tetapkan satu atau lebih tujuan (goal): keadaan
   diakhirinya sebuah pencarian.
4. Menetapkan kumpulan aturan : aturan yang dapat
   digunakan untuk mengubah suatu keadaan ke
   keadaan lainnya.
Definisi Masalah dalam AI
Contoh kasus :
Pada suatu hari ada seorang petani yang mempunyai seekor kambing dan
serigala. Pada saat itu dia baru panen sayuran. Karena membutuhkan uang,
petani tersebut hendak menjual kambing, serigala dan sayurannya ke pasar
Labuan. Untuk sampai ke pasar Labuan, ia harus menyebrang sungai.
Permasalahannya, disungai itu hanya tersedia satu perahu yang hanya bisa
memuat petani dan satu penumpang lainnya (serigala, kambing atau
sayuran). Jika ditinggal oleh petani tersebut, maka sayuran akan dimakan
kambing dan kambing dimakan serigala. Bagaimana caranya agar petani,
kambing, serigala dan sayuran dapat menyebrang dengan selamat?
-Deskripsikan masalah
-Tentukan ruang keadaan
-Tentukan keadaan awal
-Tentukan keadaan tujuan
-Tentukan aturan (rule) yang mungkin digunakan dalam konsep AI
Definisi Masalah dalam AI
- Deskripsikan masalah : Ada daerah asal dan daerah sebrang
  yang dilambangkan dengan (P, Sy, K, Sg)
- Tentukan ruang keadaan : untuk daerah asal dan daerah
  sebrang digambarkan sebagai (P, Sy, K, Sg)
- Tentukan keadaan awal
  -   Daerah asal     : (P, Sy, K, Sg)
  -   Daerah tujuan   : (0,0,0,0)
- Tentukan keadaan tujuan
  -   Daerah asal     : (0,0,0,0)
  -   Daerah tujuan   : (P, Sy, K, Sg)
- Tentukan aturan (rule) yang mungkin digunakan dalam konsep
  AI
Representasi Pohon Pencarian
Pohon pencarian merupakan sebuah data
struktur yang terdiri atas sebuah simpul
induk utama yang disebut root, tempat
dimulainya pencarian. Dimana setiap
simpul dapat memiliki satu atau lebih anak
(child).
Terminologi Pohon Pencarian
Algoritma Umum Pencarian
Searching Performance
Empat kriteria yang dapat dilakukan untuk mengukur
performa suatu metode pencarian ;
1. Completeness : apakah metode tersebut menjamin
    adanya solusi jika solusinya ada?
2. Time Complexity : berapa lama waktu yang diberikan
    untuk menemukan solusi tersebut?
3. Space Complexity : berapa banyak memori yang
    dibutuhkan untuk menemukan solusi tersebut?
4. Optimality: apakah metode tersebut menjamin bisa
    menemukan solusi terbaik jika terdapat beberapa solusi
    yang berbeda
Blind Search
Uninformed Search
Blind Search / Uninform Search
Secara umum, pencarian buta terbagi atas dua
algoritma , yaitu ;
1. Breadth First Search (BFS) – Pencarian melebar
    Pertama
2. Depth First Search (DFS) – Pencarian Mendalam
    Pertama
Breadth First Search (BFS)
• Pada metode BFS, semua node pada level n akan
  dikunjungi terlebih dahulu sebelum mengunjungi
  node-node pada level n+1.
• Pencarian dimulai dari node akar, terus ke level-1 dari
  kiri ke kanan, kemudian berpindah ke level
  berikutnya, demikian pula dari kiri ke kanan hingga
  ditemukannya goal (tujuan) pada node terakhir.
Breadth First Search (BFS)
Algortima BFS
Breadth First Search (BFS)
• Keuntungan :
  – Tidak akan menemui jalan buntu (menjamin ditemukannya
    solusi yang paling baik
  – Jika ada 1 solusi, maka BFS akan menemukannya, dan jika
    ada lebih dari 1 solusi, maka solusi minimum akan
    ditemukan.
• kerugian :
  – Membutuhkan memori yang cukup banyak, karena
    menyimpan semua node dalam 1 pohon
  – Membutuhkan waktu yang cukup lama, karena menguji n
    level untuk mendapatkan solusi pada level yang ke – (n+1)
Depth First Search (DFS)
• Pada metode DFS, proses pencarian akan dilakukan
  pada semua anaknya sebelum dilakukan pencarian ke
  node-node yang selevel.
• Pencarian dimulai dari node akar ke node yang
  levelnya lebih tinggi. Proses ini diulangi hingga
  ditemukannya goal.
Depth First Search (DFS)
Algortima DFS
Depth First Search (DFS)
• Keuntungan :
  – Membutuhkan memori yang relatif kecil, karena banyak
    node-node pada lintasan yang aktif saja yang disimpan.
  – Secara kebetulan, DFS akan menemukan solusi tanpa harus
    menguji lebih banyak lagi dalam ruang keadaan.
• Kerugian :
  – Memungkinkan tidak ditemukannya tujuan yang
    diharapkan
  – Hanya akan mendapatkan 1 solusi pada setiap pencarian
Heuristic Search
  Informed Search
Heuristic Search
• Heuristic adalah suatu kriteria, metode atau prinsip
  dalam memilih antara beberapa kemungkinan aksi yang
  dianggap adalah aksi-aksi yang dapat mencapai tujuan
  yang paling efisien.
• Pencarian heuristic terdiri atas :
  – Generate and Test
  – Hill Climbing
     •   Simple Hill Climbing
     •   Steepest-Ascent Hill Climbing
  – Best First Search
  – Algoritma A*
  – Simulated Annelaing
Generate and Test
• Metode Generate and Test merupakan metode
  paling sederhana dalam pencarian heuristic.
• Peggabungan antara depth first search dengan
  pelacakan mundur (backtracking), karena solusi
  harus dibangkitkan secara lengkap sebelum
  dilakukan test.
• Memerlukan waktu yang lama untuk ruang masalah
  yang sangat luas.
Generate and Test
• Algoritma G&T :
  1. Bangkitkan semua kemungkinan solusi
  2. Uji, apakah solusi tersebut merupakan
     solusi yang bisa diterima sesuai dengan
     kriteria yang diberikan.
  3. Jika solusi ditemukan, keluar. Jika tidak,
     ulangi langkah (1)
Generate and Test
• Contoh kasus 2.2 :
Seorang sales buku yang berada di kota A, akan mengirimkan barang ke
kota Z. untuk bisa mencapai kota Z, ada beberapa jalur yang bisa dia
tempuh dengan melewati beberapa kota lainnya. Jika perjalanan dimulai
dari kota A kemudian melewati beberapa jalur dan jarak sebagai berikut :
1. A (4) B  (3)D  (4)E  (6)G  (4)J  (1)K
2. A  (4)B  (3)D  (4)E  (6)G  (7)Z
3. A  (4)B  (3)D  (4)E  (6)G  (2)H  (6)Z
4. A  (4)B  (3)D  (4)E  (6)G  (8)F  (4)I
5. A  (5)C  (2)F  (4)I
6. A  (5)C  (3)E  (6)G  (4)J  (1)K
7. A  (5)C  (3)E  (6)G  (8)F  (4)I
8. A  (5)C  (3)E  (6)G  (2)H  (6)Z
9. A  (5)C  (3)E  (6)G  (7)Z
PERTANYAAN : Jalur manakah yang harus dilewati agar perjalanannya bisa menghemat
biaya transportasi?
Generate and Test
• Penyelesaian :
 – Gambarkan graf sebagai ruang pencarian
 – Generate (hitung) masing-masing jalur yang
   memungkinkan ke tujuan
 – Uji masing-masing jalur yang sudah di
   generate apakah memenuhi jalur terpendek ?
Generate and Test
• Graf ruang pencarian :
Generate and Test
• Perhitungan jalur
  – Keadaan Awal          :A
  – Keadaan akhir (Goal)       :Z
• Solusi yang dicari adalah sebuah jalur yang diawali kota
  A dan diakhiri kota Z (gunakan algoritma DFS)
• Biaya bisa dihemat jika jalur yang ditempuh
  menghasilkan jarak terpendek
Hill Climbing
• Metode hill climbing hampir sama dengan
  metode Generate and Test, perbedaanya terletak
  pada proses pengujian yang dilakukan dengan
  menggunakan fungsi heuristik.
• Pembangkitan keadaan berikutnya sangat
  bergantung pada feedback dari prosedur
  pengetesan.
• Terbagi dua : Simple Hill Climbing dan Steepest-
  Ascent Hill Climbing
Simple Hill Climbing
• Algoritma :
  1. Tentukan Sucessor dari state saat ini
  2. Pilih sucessor yang paling baik (bila semua sucessor
     sama baik, maka pilih secara acak)
  3. Bila nilai sucessor lebih kecil dari state saat ini, maka
     berhenti
  4. Jika nilai sucessor lebih besar, maka jadikan sucessor
     state saat ini lalu kembali ke langkah 1
Simple Hill Climbing
• Contoh pada kasus 2.2, ruang keadaan yang terbentuk
  berisi semua kemungkinan lintasan yang mungkin dilalui.
• Operator kemudian digunakan untuk menukar posisi kota
  yang bersebelahan. Fungsi heuristik yang digunakan
  adalah panjang lintasannya. Perhitungan dimulai dari kiri
  ke kanan mengikuti nilai heuristik terbaik.
• Formula untuk menentukan banyaknya kombinasi
  penukaran kota dapat dinyatakan dengan :



• Sehingga jika kita memiliki 6 kota, maka banyaknya
  kombinasi adalah : 6!/(2!(6-2)! = 15 kombinasi
Steepest-Ascent Hill Climbing
• Hampir sama dengan simple hill climbing, hanya
  saja gerakan pencarian tidak dimulai dari posisi
  paling kiri.
• Gerakan      pencarian     selanjutnya  dimulai
  berdasarkan nilai heuristik terbaik.
• Urutan penggunaan operator tidak menentukan
  penemuan solusi.
Best First Search (BFS)
• BFS merupakan gabungan DFS dan Breadth First
  Search (BFS).
• Pencarian diperbolehkan mengunjungi node
  yang ada dilevel yang lebih rendah asalkan node
  ini memiliki nilai heuristik yang lebih baik.
• Contoh pada kasus 2.2 pencarian rute terpendek,
  dimana keadaan awal A dan tujuan Z. Dalam hal
  ini fungsi heuristik yang digunakan adalah node
  dengan jarak terpendek.
Best First Search (BFS)
• Penyelesaian kasus 2.2
  – Masukan node A ke stack, kemudian keluarkan A dan cek,
    jika A bukan Goal, maka cek anak dari A.
  – A memiliki anak C(5) dan B(4), masukan ke stack dan
    urutkan secara ascending.
  – Ambil nilai heuristik terbaik (jarak terpendek) dalam hal
    ini kota B, sehingga kota B di buka sampai ke anak
    nya…bandingkan kembali nilai heuristik dari path B
    dengan C tadi, jika path dari kota B masih lebih baik,
    maka lanjutkan, tetapi jika C nilai heuristiknya lebih baik,
    maka path tertentu dari kota B berhenti, kemudian
    dilanjutkan ke kota C.
  – Pencarian terus berulang sampai menemukan goalnya
    dengan jarak terpendek.
TUGAS 2.1
Jika seorang kurir akan mengirimkan barang pesanan kepada
pelanggannya dan diminta untuk melewati jalur yang
tercepat, sementara dari alternatif jalur yang bisa dilalui, ada
beberapa jalur yang memungkinkan seperti berikut :
   A-B(5)-E(4)-H(7)-J(3)-I(3)-K(3)-L(4)
   A-B(5)-E(4)-I(4)-K(3)-L(4)
   A-B(5)-D(5)-G(4)-K(6)-L(4)
   A-B(5)-D(5)-G(4)-F(4)-K(7)-L(4)
   A-C(6)-F(4)-G(5)-K(6)-L(4)
   A-C(6)-F(4)-L(9)
Jika diketahui biaya perjalanan yang dibutuhkan ditentukan
oleh persamaan (2*panjang jalur)+500, jalur manakah yang
bisa ditempuh dengan biaya perjalanan terminim

More Related Content

What's hot

Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Farichah Riha
 
Metode pencarian heuristik
Metode pencarian heuristikMetode pencarian heuristik
Metode pencarian heuristikBaguss Chandrass
 
I.INFORMED SEARCH IN ARTIFICIAL INTELLIGENCE II. HEURISTIC FUNCTION IN AI III...
I.INFORMED SEARCH IN ARTIFICIAL INTELLIGENCE II. HEURISTIC FUNCTION IN AI III...I.INFORMED SEARCH IN ARTIFICIAL INTELLIGENCE II. HEURISTIC FUNCTION IN AI III...
I.INFORMED SEARCH IN ARTIFICIAL INTELLIGENCE II. HEURISTIC FUNCTION IN AI III...vikas dhakane
 
Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Farichah Riha
 
Pertemuan 4-metode-pencarian-dan-pelacakan
Pertemuan 4-metode-pencarian-dan-pelacakanPertemuan 4-metode-pencarian-dan-pelacakan
Pertemuan 4-metode-pencarian-dan-pelacakanwillyhayon
 
Searching methodologies
Searching methodologiesSearching methodologies
Searching methodologiesjyoti_lakhani
 
Modul 3 pencarian heuristik
Modul 3   pencarian heuristikModul 3   pencarian heuristik
Modul 3 pencarian heuristikahmad haidaroh
 
I. Hill climbing algorithm II. Steepest hill climbing algorithm
I. Hill climbing algorithm II. Steepest hill climbing algorithmI. Hill climbing algorithm II. Steepest hill climbing algorithm
I. Hill climbing algorithm II. Steepest hill climbing algorithmvikas dhakane
 
Heuristc Search Techniques
Heuristc Search TechniquesHeuristc Search Techniques
Heuristc Search TechniquesJismy .K.Jose
 
AI_Session 7 Greedy Best first search algorithm.pptx
AI_Session 7 Greedy Best first search algorithm.pptxAI_Session 7 Greedy Best first search algorithm.pptx
AI_Session 7 Greedy Best first search algorithm.pptxAsst.prof M.Gokilavani
 
Teknik pencarian heuristik
Teknik pencarian heuristikTeknik pencarian heuristik
Teknik pencarian heuristikHerman Celamanya
 
Bidirectional graph search techniques for finding shortest path in image base...
Bidirectional graph search techniques for finding shortest path in image base...Bidirectional graph search techniques for finding shortest path in image base...
Bidirectional graph search techniques for finding shortest path in image base...Navin Kumar
 
Pertemuan 05 Teknik Pencarian (Search) -lanjutan
Pertemuan 05 Teknik Pencarian (Search) -lanjutanPertemuan 05 Teknik Pencarian (Search) -lanjutan
Pertemuan 05 Teknik Pencarian (Search) -lanjutanEndang Retnoningsih
 
Uninformed search /Blind search in AI
Uninformed search /Blind search in AIUninformed search /Blind search in AI
Uninformed search /Blind search in AIKirti Verma
 
AI_Session 4 Uniformed search strategies.pptx
AI_Session 4 Uniformed search strategies.pptxAI_Session 4 Uniformed search strategies.pptx
AI_Session 4 Uniformed search strategies.pptxAsst.prof M.Gokilavani
 

What's hot (20)

Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)
 
Metode pencarian heuristik
Metode pencarian heuristikMetode pencarian heuristik
Metode pencarian heuristik
 
I.INFORMED SEARCH IN ARTIFICIAL INTELLIGENCE II. HEURISTIC FUNCTION IN AI III...
I.INFORMED SEARCH IN ARTIFICIAL INTELLIGENCE II. HEURISTIC FUNCTION IN AI III...I.INFORMED SEARCH IN ARTIFICIAL INTELLIGENCE II. HEURISTIC FUNCTION IN AI III...
I.INFORMED SEARCH IN ARTIFICIAL INTELLIGENCE II. HEURISTIC FUNCTION IN AI III...
 
Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)
 
Pertemuan 4-metode-pencarian-dan-pelacakan
Pertemuan 4-metode-pencarian-dan-pelacakanPertemuan 4-metode-pencarian-dan-pelacakan
Pertemuan 4-metode-pencarian-dan-pelacakan
 
Searching methodologies
Searching methodologiesSearching methodologies
Searching methodologies
 
AI Lesson 05
AI Lesson 05AI Lesson 05
AI Lesson 05
 
Modul 3 pencarian heuristik
Modul 3   pencarian heuristikModul 3   pencarian heuristik
Modul 3 pencarian heuristik
 
I. Hill climbing algorithm II. Steepest hill climbing algorithm
I. Hill climbing algorithm II. Steepest hill climbing algorithmI. Hill climbing algorithm II. Steepest hill climbing algorithm
I. Hill climbing algorithm II. Steepest hill climbing algorithm
 
Tugas2 -metode searching ai
Tugas2 -metode searching aiTugas2 -metode searching ai
Tugas2 -metode searching ai
 
Heuristc Search Techniques
Heuristc Search TechniquesHeuristc Search Techniques
Heuristc Search Techniques
 
AI_Session 7 Greedy Best first search algorithm.pptx
AI_Session 7 Greedy Best first search algorithm.pptxAI_Session 7 Greedy Best first search algorithm.pptx
AI_Session 7 Greedy Best first search algorithm.pptx
 
Teknik pencarian heuristik
Teknik pencarian heuristikTeknik pencarian heuristik
Teknik pencarian heuristik
 
Bidirectional graph search techniques for finding shortest path in image base...
Bidirectional graph search techniques for finding shortest path in image base...Bidirectional graph search techniques for finding shortest path in image base...
Bidirectional graph search techniques for finding shortest path in image base...
 
Pertemuan 05 Teknik Pencarian (Search) -lanjutan
Pertemuan 05 Teknik Pencarian (Search) -lanjutanPertemuan 05 Teknik Pencarian (Search) -lanjutan
Pertemuan 05 Teknik Pencarian (Search) -lanjutan
 
GoLang_1
GoLang_1GoLang_1
GoLang_1
 
Shell sort slide
Shell sort slideShell sort slide
Shell sort slide
 
Heuristic search
Heuristic searchHeuristic search
Heuristic search
 
Uninformed search /Blind search in AI
Uninformed search /Blind search in AIUninformed search /Blind search in AI
Uninformed search /Blind search in AI
 
AI_Session 4 Uniformed search strategies.pptx
AI_Session 4 Uniformed search strategies.pptxAI_Session 4 Uniformed search strategies.pptx
AI_Session 4 Uniformed search strategies.pptx
 

Similar to Jalur Terpendek

MKB3462-Kecerdasan-Buatan_4_Heuristic-Search_v2.pptx
MKB3462-Kecerdasan-Buatan_4_Heuristic-Search_v2.pptxMKB3462-Kecerdasan-Buatan_4_Heuristic-Search_v2.pptx
MKB3462-Kecerdasan-Buatan_4_Heuristic-Search_v2.pptxDidik56
 
Pertemuan 4-5-6 Metode Pelacakan dan Pencarian
Pertemuan 4-5-6 Metode Pelacakan dan PencarianPertemuan 4-5-6 Metode Pelacakan dan Pencarian
Pertemuan 4-5-6 Metode Pelacakan dan PencarianEndang Retnoningsih
 
Metodepencarianheuristik 121108094422-phpapp02
Metodepencarianheuristik 121108094422-phpapp02Metodepencarianheuristik 121108094422-phpapp02
Metodepencarianheuristik 121108094422-phpapp02Nanank Darey
 
Metode pencarian dan pelacakan
Metode pencarian dan pelacakanMetode pencarian dan pelacakan
Metode pencarian dan pelacakanAli Nardi
 
Kecerdasan Buatan Diskusi 3.pdf
Kecerdasan Buatan Diskusi 3.pdfKecerdasan Buatan Diskusi 3.pdf
Kecerdasan Buatan Diskusi 3.pdfHendroGunawan8
 
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-3.pptx
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-3.pptxSlide-INF401-KECERDASAN-BUATAN-PERTEMUAN-3.pptx
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-3.pptxAyuRosyidazain1
 
KECERDASAN BUATAN PERTEMUAN 9.pptx
KECERDASAN BUATAN PERTEMUAN 9.pptxKECERDASAN BUATAN PERTEMUAN 9.pptx
KECERDASAN BUATAN PERTEMUAN 9.pptxFebriSugandi1
 
Praktikum Algoritma3
Praktikum Algoritma3Praktikum Algoritma3
Praktikum Algoritma3pratiwy89
 
Praktikum algoritma 3 baru
Praktikum algoritma 3 baruPraktikum algoritma 3 baru
Praktikum algoritma 3 baruMarlena_Oktarini
 
Dw 3-intelijensi buatan2
Dw 3-intelijensi buatan2Dw 3-intelijensi buatan2
Dw 3-intelijensi buatan2Dian Sari
 
Kecerdasan-Buatan-Pertemuan-3.pptx
Kecerdasan-Buatan-Pertemuan-3.pptxKecerdasan-Buatan-Pertemuan-3.pptx
Kecerdasan-Buatan-Pertemuan-3.pptxNinuNanda
 
Teknik pencarian heuristik
Teknik pencarian heuristikTeknik pencarian heuristik
Teknik pencarian heuristikHerman Celamanya
 
131111092-Forum5-PencarianHeuristik
131111092-Forum5-PencarianHeuristik131111092-Forum5-PencarianHeuristik
131111092-Forum5-PencarianHeuristikYohanes Sibarani
 
2. Masalah dan Ruang Masalah.pptx
2. Masalah dan Ruang Masalah.pptx2. Masalah dan Ruang Masalah.pptx
2. Masalah dan Ruang Masalah.pptxabdulmuis409024
 
algoritma_greedy.ppt
algoritma_greedy.pptalgoritma_greedy.ppt
algoritma_greedy.pptsayfa3
 
Matematika diskrit Aplikasi Graf / Graf
Matematika diskrit  Aplikasi Graf / GrafMatematika diskrit  Aplikasi Graf / Graf
Matematika diskrit Aplikasi Graf / GrafSiti Khotijah
 

Similar to Jalur Terpendek (20)

MKB3462-Kecerdasan-Buatan_4_Heuristic-Search_v2.pptx
MKB3462-Kecerdasan-Buatan_4_Heuristic-Search_v2.pptxMKB3462-Kecerdasan-Buatan_4_Heuristic-Search_v2.pptx
MKB3462-Kecerdasan-Buatan_4_Heuristic-Search_v2.pptx
 
Pertemuan 4-5-6 Metode Pelacakan dan Pencarian
Pertemuan 4-5-6 Metode Pelacakan dan PencarianPertemuan 4-5-6 Metode Pelacakan dan Pencarian
Pertemuan 4-5-6 Metode Pelacakan dan Pencarian
 
Metodepencarianheuristik 121108094422-phpapp02
Metodepencarianheuristik 121108094422-phpapp02Metodepencarianheuristik 121108094422-phpapp02
Metodepencarianheuristik 121108094422-phpapp02
 
Metode pencarian dan pelacakan
Metode pencarian dan pelacakanMetode pencarian dan pelacakan
Metode pencarian dan pelacakan
 
Kecerdasan Buatan Diskusi 3.pdf
Kecerdasan Buatan Diskusi 3.pdfKecerdasan Buatan Diskusi 3.pdf
Kecerdasan Buatan Diskusi 3.pdf
 
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-3.pptx
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-3.pptxSlide-INF401-KECERDASAN-BUATAN-PERTEMUAN-3.pptx
Slide-INF401-KECERDASAN-BUATAN-PERTEMUAN-3.pptx
 
Materi4 searching
Materi4 searchingMateri4 searching
Materi4 searching
 
KECERDASAN BUATAN PERTEMUAN 9.pptx
KECERDASAN BUATAN PERTEMUAN 9.pptxKECERDASAN BUATAN PERTEMUAN 9.pptx
KECERDASAN BUATAN PERTEMUAN 9.pptx
 
Teknik pencarian heuristik
Teknik pencarian heuristikTeknik pencarian heuristik
Teknik pencarian heuristik
 
Searching
SearchingSearching
Searching
 
Pertemuan 05
Pertemuan 05Pertemuan 05
Pertemuan 05
 
Praktikum Algoritma3
Praktikum Algoritma3Praktikum Algoritma3
Praktikum Algoritma3
 
Praktikum algoritma 3 baru
Praktikum algoritma 3 baruPraktikum algoritma 3 baru
Praktikum algoritma 3 baru
 
Dw 3-intelijensi buatan2
Dw 3-intelijensi buatan2Dw 3-intelijensi buatan2
Dw 3-intelijensi buatan2
 
Kecerdasan-Buatan-Pertemuan-3.pptx
Kecerdasan-Buatan-Pertemuan-3.pptxKecerdasan-Buatan-Pertemuan-3.pptx
Kecerdasan-Buatan-Pertemuan-3.pptx
 
Teknik pencarian heuristik
Teknik pencarian heuristikTeknik pencarian heuristik
Teknik pencarian heuristik
 
131111092-Forum5-PencarianHeuristik
131111092-Forum5-PencarianHeuristik131111092-Forum5-PencarianHeuristik
131111092-Forum5-PencarianHeuristik
 
2. Masalah dan Ruang Masalah.pptx
2. Masalah dan Ruang Masalah.pptx2. Masalah dan Ruang Masalah.pptx
2. Masalah dan Ruang Masalah.pptx
 
algoritma_greedy.ppt
algoritma_greedy.pptalgoritma_greedy.ppt
algoritma_greedy.ppt
 
Matematika diskrit Aplikasi Graf / Graf
Matematika diskrit  Aplikasi Graf / GrafMatematika diskrit  Aplikasi Graf / Graf
Matematika diskrit Aplikasi Graf / Graf
 

More from bayaws

More from bayaws (7)

Ai 7
Ai 7Ai 7
Ai 7
 
Ai 5
Ai 5Ai 5
Ai 5
 
Ai 4
Ai 4Ai 4
Ai 4
 
Ai 4
Ai 4Ai 4
Ai 4
 
Ai 3
Ai 3Ai 3
Ai 3
 
Ai 1
Ai 1Ai 1
Ai 1
 
Ai 6
Ai 6Ai 6
Ai 6
 

Jalur Terpendek

  • 1. Chapter - 2 Kecerdasan Buatan Artificial Intelligence Searching Method Tb. Ai Munandar, M.T., Universitas Serang Raya - 2012
  • 3. OUTLINE • Definisi Masalah dalam AI • Searching Methode – Blind Search (Pencarian Buta) – Heuristic search (pencarian terbimbing)
  • 4. Definisi Masalah dalam AI Masalah yang dimaksud dalam kajian AI adalah masalah-masalah yang dapat dikonversi ke dalam ruang keadaan (ruang masalah), mempunyai keadaan awal (initial state) dan keadaan tujuan (goal state) serta dapat di buat aturan-aturan untuk mengubah suatu keadaan (state) ke keadaan lainnya.
  • 5. Definisi Masalah dalam AI Beberapa hal yang harus dilakukan untuk mendefinisikan masalah dalam AI dengan baik : 1. Definisikan ruang keadaan (state space): suatu ruang yang berisi semua keadaan yang mungkin. 2. Menetapkan satu atau lebih keadaan awal (initial state): keadaan dimulainya sebuah pencarian 3. Tetapkan satu atau lebih tujuan (goal): keadaan diakhirinya sebuah pencarian. 4. Menetapkan kumpulan aturan : aturan yang dapat digunakan untuk mengubah suatu keadaan ke keadaan lainnya.
  • 6. Definisi Masalah dalam AI Contoh kasus : Pada suatu hari ada seorang petani yang mempunyai seekor kambing dan serigala. Pada saat itu dia baru panen sayuran. Karena membutuhkan uang, petani tersebut hendak menjual kambing, serigala dan sayurannya ke pasar Labuan. Untuk sampai ke pasar Labuan, ia harus menyebrang sungai. Permasalahannya, disungai itu hanya tersedia satu perahu yang hanya bisa memuat petani dan satu penumpang lainnya (serigala, kambing atau sayuran). Jika ditinggal oleh petani tersebut, maka sayuran akan dimakan kambing dan kambing dimakan serigala. Bagaimana caranya agar petani, kambing, serigala dan sayuran dapat menyebrang dengan selamat? -Deskripsikan masalah -Tentukan ruang keadaan -Tentukan keadaan awal -Tentukan keadaan tujuan -Tentukan aturan (rule) yang mungkin digunakan dalam konsep AI
  • 7. Definisi Masalah dalam AI - Deskripsikan masalah : Ada daerah asal dan daerah sebrang yang dilambangkan dengan (P, Sy, K, Sg) - Tentukan ruang keadaan : untuk daerah asal dan daerah sebrang digambarkan sebagai (P, Sy, K, Sg) - Tentukan keadaan awal - Daerah asal : (P, Sy, K, Sg) - Daerah tujuan : (0,0,0,0) - Tentukan keadaan tujuan - Daerah asal : (0,0,0,0) - Daerah tujuan : (P, Sy, K, Sg) - Tentukan aturan (rule) yang mungkin digunakan dalam konsep AI
  • 8. Representasi Pohon Pencarian Pohon pencarian merupakan sebuah data struktur yang terdiri atas sebuah simpul induk utama yang disebut root, tempat dimulainya pencarian. Dimana setiap simpul dapat memiliki satu atau lebih anak (child).
  • 11. Searching Performance Empat kriteria yang dapat dilakukan untuk mengukur performa suatu metode pencarian ; 1. Completeness : apakah metode tersebut menjamin adanya solusi jika solusinya ada? 2. Time Complexity : berapa lama waktu yang diberikan untuk menemukan solusi tersebut? 3. Space Complexity : berapa banyak memori yang dibutuhkan untuk menemukan solusi tersebut? 4. Optimality: apakah metode tersebut menjamin bisa menemukan solusi terbaik jika terdapat beberapa solusi yang berbeda
  • 13. Blind Search / Uninform Search Secara umum, pencarian buta terbagi atas dua algoritma , yaitu ; 1. Breadth First Search (BFS) – Pencarian melebar Pertama 2. Depth First Search (DFS) – Pencarian Mendalam Pertama
  • 14. Breadth First Search (BFS) • Pada metode BFS, semua node pada level n akan dikunjungi terlebih dahulu sebelum mengunjungi node-node pada level n+1. • Pencarian dimulai dari node akar, terus ke level-1 dari kiri ke kanan, kemudian berpindah ke level berikutnya, demikian pula dari kiri ke kanan hingga ditemukannya goal (tujuan) pada node terakhir.
  • 15. Breadth First Search (BFS) Algortima BFS
  • 16. Breadth First Search (BFS) • Keuntungan : – Tidak akan menemui jalan buntu (menjamin ditemukannya solusi yang paling baik – Jika ada 1 solusi, maka BFS akan menemukannya, dan jika ada lebih dari 1 solusi, maka solusi minimum akan ditemukan. • kerugian : – Membutuhkan memori yang cukup banyak, karena menyimpan semua node dalam 1 pohon – Membutuhkan waktu yang cukup lama, karena menguji n level untuk mendapatkan solusi pada level yang ke – (n+1)
  • 17. Depth First Search (DFS) • Pada metode DFS, proses pencarian akan dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel. • Pencarian dimulai dari node akar ke node yang levelnya lebih tinggi. Proses ini diulangi hingga ditemukannya goal.
  • 18. Depth First Search (DFS) Algortima DFS
  • 19. Depth First Search (DFS) • Keuntungan : – Membutuhkan memori yang relatif kecil, karena banyak node-node pada lintasan yang aktif saja yang disimpan. – Secara kebetulan, DFS akan menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan. • Kerugian : – Memungkinkan tidak ditemukannya tujuan yang diharapkan – Hanya akan mendapatkan 1 solusi pada setiap pencarian
  • 20. Heuristic Search Informed Search
  • 21. Heuristic Search • Heuristic adalah suatu kriteria, metode atau prinsip dalam memilih antara beberapa kemungkinan aksi yang dianggap adalah aksi-aksi yang dapat mencapai tujuan yang paling efisien. • Pencarian heuristic terdiri atas : – Generate and Test – Hill Climbing • Simple Hill Climbing • Steepest-Ascent Hill Climbing – Best First Search – Algoritma A* – Simulated Annelaing
  • 22. Generate and Test • Metode Generate and Test merupakan metode paling sederhana dalam pencarian heuristic. • Peggabungan antara depth first search dengan pelacakan mundur (backtracking), karena solusi harus dibangkitkan secara lengkap sebelum dilakukan test. • Memerlukan waktu yang lama untuk ruang masalah yang sangat luas.
  • 23. Generate and Test • Algoritma G&T : 1. Bangkitkan semua kemungkinan solusi 2. Uji, apakah solusi tersebut merupakan solusi yang bisa diterima sesuai dengan kriteria yang diberikan. 3. Jika solusi ditemukan, keluar. Jika tidak, ulangi langkah (1)
  • 24. Generate and Test • Contoh kasus 2.2 : Seorang sales buku yang berada di kota A, akan mengirimkan barang ke kota Z. untuk bisa mencapai kota Z, ada beberapa jalur yang bisa dia tempuh dengan melewati beberapa kota lainnya. Jika perjalanan dimulai dari kota A kemudian melewati beberapa jalur dan jarak sebagai berikut : 1. A (4) B  (3)D  (4)E  (6)G  (4)J  (1)K 2. A  (4)B  (3)D  (4)E  (6)G  (7)Z 3. A  (4)B  (3)D  (4)E  (6)G  (2)H  (6)Z 4. A  (4)B  (3)D  (4)E  (6)G  (8)F  (4)I 5. A  (5)C  (2)F  (4)I 6. A  (5)C  (3)E  (6)G  (4)J  (1)K 7. A  (5)C  (3)E  (6)G  (8)F  (4)I 8. A  (5)C  (3)E  (6)G  (2)H  (6)Z 9. A  (5)C  (3)E  (6)G  (7)Z PERTANYAAN : Jalur manakah yang harus dilewati agar perjalanannya bisa menghemat biaya transportasi?
  • 25. Generate and Test • Penyelesaian : – Gambarkan graf sebagai ruang pencarian – Generate (hitung) masing-masing jalur yang memungkinkan ke tujuan – Uji masing-masing jalur yang sudah di generate apakah memenuhi jalur terpendek ?
  • 26. Generate and Test • Graf ruang pencarian :
  • 27. Generate and Test • Perhitungan jalur – Keadaan Awal :A – Keadaan akhir (Goal) :Z • Solusi yang dicari adalah sebuah jalur yang diawali kota A dan diakhiri kota Z (gunakan algoritma DFS) • Biaya bisa dihemat jika jalur yang ditempuh menghasilkan jarak terpendek
  • 28. Hill Climbing • Metode hill climbing hampir sama dengan metode Generate and Test, perbedaanya terletak pada proses pengujian yang dilakukan dengan menggunakan fungsi heuristik. • Pembangkitan keadaan berikutnya sangat bergantung pada feedback dari prosedur pengetesan. • Terbagi dua : Simple Hill Climbing dan Steepest- Ascent Hill Climbing
  • 29. Simple Hill Climbing • Algoritma : 1. Tentukan Sucessor dari state saat ini 2. Pilih sucessor yang paling baik (bila semua sucessor sama baik, maka pilih secara acak) 3. Bila nilai sucessor lebih kecil dari state saat ini, maka berhenti 4. Jika nilai sucessor lebih besar, maka jadikan sucessor state saat ini lalu kembali ke langkah 1
  • 30. Simple Hill Climbing • Contoh pada kasus 2.2, ruang keadaan yang terbentuk berisi semua kemungkinan lintasan yang mungkin dilalui. • Operator kemudian digunakan untuk menukar posisi kota yang bersebelahan. Fungsi heuristik yang digunakan adalah panjang lintasannya. Perhitungan dimulai dari kiri ke kanan mengikuti nilai heuristik terbaik. • Formula untuk menentukan banyaknya kombinasi penukaran kota dapat dinyatakan dengan : • Sehingga jika kita memiliki 6 kota, maka banyaknya kombinasi adalah : 6!/(2!(6-2)! = 15 kombinasi
  • 31. Steepest-Ascent Hill Climbing • Hampir sama dengan simple hill climbing, hanya saja gerakan pencarian tidak dimulai dari posisi paling kiri. • Gerakan pencarian selanjutnya dimulai berdasarkan nilai heuristik terbaik. • Urutan penggunaan operator tidak menentukan penemuan solusi.
  • 32. Best First Search (BFS) • BFS merupakan gabungan DFS dan Breadth First Search (BFS). • Pencarian diperbolehkan mengunjungi node yang ada dilevel yang lebih rendah asalkan node ini memiliki nilai heuristik yang lebih baik. • Contoh pada kasus 2.2 pencarian rute terpendek, dimana keadaan awal A dan tujuan Z. Dalam hal ini fungsi heuristik yang digunakan adalah node dengan jarak terpendek.
  • 33. Best First Search (BFS) • Penyelesaian kasus 2.2 – Masukan node A ke stack, kemudian keluarkan A dan cek, jika A bukan Goal, maka cek anak dari A. – A memiliki anak C(5) dan B(4), masukan ke stack dan urutkan secara ascending. – Ambil nilai heuristik terbaik (jarak terpendek) dalam hal ini kota B, sehingga kota B di buka sampai ke anak nya…bandingkan kembali nilai heuristik dari path B dengan C tadi, jika path dari kota B masih lebih baik, maka lanjutkan, tetapi jika C nilai heuristiknya lebih baik, maka path tertentu dari kota B berhenti, kemudian dilanjutkan ke kota C. – Pencarian terus berulang sampai menemukan goalnya dengan jarak terpendek.
  • 34. TUGAS 2.1 Jika seorang kurir akan mengirimkan barang pesanan kepada pelanggannya dan diminta untuk melewati jalur yang tercepat, sementara dari alternatif jalur yang bisa dilalui, ada beberapa jalur yang memungkinkan seperti berikut : A-B(5)-E(4)-H(7)-J(3)-I(3)-K(3)-L(4) A-B(5)-E(4)-I(4)-K(3)-L(4) A-B(5)-D(5)-G(4)-K(6)-L(4) A-B(5)-D(5)-G(4)-F(4)-K(7)-L(4) A-C(6)-F(4)-G(5)-K(6)-L(4) A-C(6)-F(4)-L(9) Jika diketahui biaya perjalanan yang dibutuhkan ditentukan oleh persamaan (2*panjang jalur)+500, jalur manakah yang bisa ditempuh dengan biaya perjalanan terminim