SlideShare a Scribd company logo
1 of 31
Anthon R Tampubolon (23510311)
I Putu Agus Eka Pratama (23510310)
I Made Andhika (23510307)
Eko Budi Setiawan (23511032)
M. Tirta Mulia (23511037)
Eight Puzzle – Kotak 8
Puzzle-8 adalah permainan menyusun kotak-kotak berlabel dari keadaan
awal (initial state) yang acak menjadi tersusun dalam suatu format
tertentu (goal state). Permainan ini terdiri dari 3 baris dan 3 kolom (9
kotak), 8 kotak berlabel dan 1 kotak kosong. Pernyusunan kotak dilakukan
dengan mengeser kotak-kotak berlabel satu per satu ke arah kotak
kosong secara vertikal atau horizontal
Permainan Kotak 8
2 8 3 4 5 6 7 1 0 1 2 3 4 5 6 7 8 0
TileState
Fakta
deskripsi tentang objek yang menjadi perhatian
Kaidah
aturan yang bila diterapkan pada suatu keadaan
(state) menghasilkan keadaan yang baru
Inferensi
untaian dari kaidah untuk bergerak dari keadaan
awal (initial states) menuju keadaan sasaran
(goal states)
Komponen AI
Penerapan AI dalam Permasalahan
Kotak 8
FAKTA Initial State, Current State, dan Goal State
Penerapan dalan Program
get_new_data merupakan prosedur untuk pengambilan data dari database
Penerapan AI dalam Permasalahan
Kotak 8
Rules Kanan, Kiri, Atas, dan Bawah
Metode yang digunakan adalah metode switch
2 8 3 4 5 6 7 1 0 2 8 3 0 5 6 7 1 4
Penerapan AI dalam Permasalahan
Kotak 8
Inferensi
Depth First Search dan Breadth First Search
Sistematis Search
Heuristic Search
MisMatch dan Manhattan Distance
Sistematis Search dan Heuristic Search
Depth First Search
Prosedur
Simpul yang lebih dalam diperiksa terlebih dahulu
Penelusuran simpul-simpul pada suatu cabang sampai kedalaman yang ditentukan.
1. Berikan simpul awal pada daftar open
2. Loop: if open = kosong then exit (fail)
Depth First Search
Simpul yang lebih dalam diperiksa terlebih dahulu
Penelusuran simpul-simpul pada suatu cabang sampai kedalaman yang ditentukan.
3. n : = first (open)
Depth First Search
Simpul yang lebih dalam diperiksa terlebih dahulu
Penelusuran simpul-simpul pada suatu cabang sampai kedalaman yang ditentukan.
5. Remove (n, open)
Melabelkan “Closed” pada Current State
4. if goal (n) then exit (success)
6. Ekspansikan n, berikan semua simpul anak pada kepala open
dan bubuhkan pointer dari simpul anak ke n
Depth First Search
Simpul yang lebih dalam diperiksa terlebih dahulu
Penelusuran simpul-simpul pada suatu cabang sampai kedalaman yang ditentukan.
If Depth <= Val(Text7.Text) Then Menyatakan Batasan Kedalaman yang
harus di telusuri
7. Kembali ke Loop
Depth First Search
Simpul yang lebih dalam diperiksa terlebih dahulu
Penelusuran simpul-simpul pada suatu cabang sampai kedalaman yang ditentukan.
Prosedur AddOpenList()
• Nilai = Nilai Prioritas yang digunakan untuk memeringkatkan Kanan, Kiri, Atas dan Bawah
• Secara Default, Nilai = 0
Testing Program DFS
B A Ka Ki
Ki Ka
Jumlah Langkah Solusi
Jumlah Iterasi
Jumlah State yang dibangkitkan
Batas Kedalaman 6
4 Step
41 Step
45 State
Route : Atas, Kiri, Bawah, Kanan
Breadth First Search
Evaluasi dilakukan terhadap simpul-simpul pada suatu level sebelum dilanjutkan
pada level berikutnya
Prosedur
1. Berikan simpul awal pada daftar open
2. Loop: if open = kosong then exit (fail)
Breadth First Search
Evaluasi dilakukan terhadap simpul-simpul pada suatu level sebelum dilanjutkan
pada level berikutnya
3. n : = first (open)
get_new_data merupakan prosedur untuk pengambilan data dari database
Breadth First Search
Evaluasi dilakukan terhadap simpul-simpul pada suatu level sebelum dilanjutkan
pada level berikutnya
4. if goal (n) then exit (success)
5. Remove (n, open)
Melabelkan “Closed” pada Current State
Breadth First Search
Evaluasi dilakukan terhadap simpul-simpul pada suatu level sebelum dilanjutkan
pada level berikutnya
6. Ekspansikan n. Berikan pada ekor open semua simpul anak
yang belum muncul pada open atau closed dan bubuhkan
pointer ke n.
If Depth <= Val(Text7.Text) Then Menyatakan Batasan Kedalaman yang
harus di telusuri
7. Kembali ke Loop
Prosedur AddOpenList()
• get_new_data3(state) adalah Prosedure untuk mengecek State sudah pernah
dibangkitkan melalui Parent State yang lain
Breadth First Search
Evaluasi dilakukan terhadap simpul-simpul pada suatu level sebelum dilanjutkan
pada level berikutnya
Testing Program BFS
B A Ka Ki
Ki Ka
Jumlah Langkah Solusi
Jumlah Iterasi
Jumlah State yang dibangkitkan
4 Step
32 Step
60 State
Route : Atas, Kiri, Bawah, Kanan
Best First Search
MisMatch
Pembangkitan simpul anak didasarkan pada hasil perbandingan nilai heuristik tiap simpul
yang dibuka. Simpul dengan nilai heuristik terkecil akan dibuka terlebih dahulu. Nilai
heuristik diperoleh dari penjumlahan tile yang tidak tepat (mismatch tiles)
Prosedur
1. Berikan simpul awal pada daftar open
2. Loop: if open = kosong then exit (fail)
3. n : = first (open)
Best First Search
MisMatch
Pembangkitan simpul anak didasarkan pada hasil perbandingan nilai heuristik tiap simpul
yang dibuka. Simpul dengan nilai heuristik terkecil akan dibuka terlebih dahulu. Nilai
heuristik diperoleh dari penjumlahan tile yang tidak tepat (mismatch tiles)
4. if goal (n) then exit (success)
5. Remove (n, open)
Melabelkan “Closed” pada Current State
Best First Search
MisMatch
Pembangkitan simpul anak didasarkan pada hasil perbandingan nilai heuristik tiap simpul
yang dibuka. Simpul dengan nilai heuristik terkecil akan dibuka terlebih dahulu. Nilai
heuristik diperoleh dari penjumlahan tile yang tidak tepat (mismatch tiles)
6. Ekspansikan n, berikan semua simpul anak pada kepala open
dan bubuhkan pointer dari simpul anak ke n
7. Kembali ke Loop
Best First Search
MisMatch
Pembangkitan simpul anak didasarkan pada hasil perbandingan nilai heuristik tiap simpul
yang dibuka. Simpul dengan nilai heuristik terkecil akan dibuka terlebih dahulu. Nilai
heuristik diperoleh dari penjumlahan tile yang tidak tepat (mismatch tiles)
Prosedur AddOpenList()
• get_new_data3(state) adalah Prosedure untuk mengecek State sudah pernah
dibangkitkan melalui Parent State yang lain
Best First Search
MisMatch
Nilai Heuristik dijumlahkan setiap ada perbedaan
Posisi pada current state dan goal state
Testing Program MisMatch
B5 A4 Ka5Ki4
Jumlah Langkah Solusi
Jumlah Iterasi
Jumlah State yang dibangkitkan
4 Step
4 Step
10 State
Route : Atas, Kiri, Bawah, Kanan
Ka5Ki3
B2
Ka0 B3
Best First Search
Manhattan Distance
Manhattan Distance adalah jumlah gerakan minimum yang diperlukan oleh sebuah kotak
angka untuk berpindah ke goal statenya.
Prosedur
1. Berikan simpul awal pada daftar open
2. Loop: if open = kosong then exit (fail)
3. n : = first (open)
Best First Search
Manhattan Distance
Manhattan Distance adalah jumlah gerakan minimum yang diperlukan oleh sebuah kotak
angka untuk berpindah ke goal statenya.
4. if goal (n) then exit (success)
5. Remove (n, open)
Melabelkan “Closed” pada Current State
Best First Search
Manhattan Distance
Manhattan Distance adalah jumlah gerakan minimum yang diperlukan oleh sebuah kotak
angka untuk berpindah ke goal statenya.
6. Ekspansikan n, berikan semua simpul anak pada kepala open
dan bubuhkan pointer dari simpul anak ke n
7. Kembali ke Loop
Best First Search
Manhattan Distance
Manhattan Distance adalah jumlah gerakan minimum yang diperlukan oleh sebuah kotak
angka untuk berpindah ke goal statenya.
Prosedur AddOpenList()
• get_new_data3(state) adalah Prosedure untuk mengecek State sudah pernah
dibangkitkan melalui Parent State yang lain
Best First Search
Manhattan Distance
Testing Program Manhattan Distance
B6 A4 Ka6Ki4
Jumlah Langkah Solusi
Jumlah Iterasi
Jumlah State yang dibangkitkan
4 Step
4 Step
10 State
Route : Atas, Kiri, Bawah, Kanan
Ka6Ki4
B2
Ka0 B4
Kesimpulan
Keterangan DFS BFS MisMatch Manhattan
Jumlah Langkah Solusi 4 4 4 4
Jumlah Iterasi 41 32 4 4
Jumlah State yang dibangkitkan 45 60 10 10
2 8 3 4 5 6 7 1 0 1 2 3 4 5 6 7 8 0

More Related Content

What's hot

Sistem bilangan: Konversi bilangan
Sistem bilangan: Konversi bilanganSistem bilangan: Konversi bilangan
Sistem bilangan: Konversi bilanganErik Pratama
 
Slide bagian 5 pencarian buta (blind seacrh)
Slide bagian 5 pencarian buta (blind seacrh)Slide bagian 5 pencarian buta (blind seacrh)
Slide bagian 5 pencarian buta (blind seacrh)Sukma Puspitorini
 
Pertemuan 04 Teknik Pencarian (Search)
Pertemuan 04 Teknik Pencarian (Search)Pertemuan 04 Teknik Pencarian (Search)
Pertemuan 04 Teknik Pencarian (Search)Endang Retnoningsih
 
Pertemuan 10 Kunjungan Pada Pohon Biner
Pertemuan 10 Kunjungan Pada Pohon BinerPertemuan 10 Kunjungan Pada Pohon Biner
Pertemuan 10 Kunjungan Pada Pohon BinerEndang Retnoningsih
 
Trees in Data Structure
Trees in Data StructureTrees in Data Structure
Trees in Data StructureOm Prakash
 
Array 2
Array 2Array 2
Array 2Abbott
 
Kernel monolithic vs micro kernel
Kernel monolithic vs micro kernelKernel monolithic vs micro kernel
Kernel monolithic vs micro kernelA Rahman Khairunisa
 
Neuron Mc Culloch Pitts dan Hebb
Neuron Mc Culloch Pitts dan HebbNeuron Mc Culloch Pitts dan Hebb
Neuron Mc Culloch Pitts dan HebbSherly Uda
 
Data mining 8 estimasi linear regression
Data mining 8   estimasi linear regressionData mining 8   estimasi linear regression
Data mining 8 estimasi linear regressionIrwansyahSaputra1
 
Binary Search Tree
Binary Search TreeBinary Search Tree
Binary Search TreeINAM352782
 
Jenis kabel jaringan dan fungsinya
Jenis kabel jaringan dan fungsinyaJenis kabel jaringan dan fungsinya
Jenis kabel jaringan dan fungsinyaseolangit7
 
Sim, nurul putri, hapzi ali, implementasi sistem informasi pada pt. gramedia ...
Sim, nurul putri, hapzi ali, implementasi sistem informasi pada pt. gramedia ...Sim, nurul putri, hapzi ali, implementasi sistem informasi pada pt. gramedia ...
Sim, nurul putri, hapzi ali, implementasi sistem informasi pada pt. gramedia ...nrlputri26
 
Network management fix
Network management fixNetwork management fix
Network management fixBayu Setiawan
 
Notasi prefix infix-postifx- expression tree
Notasi prefix infix-postifx- expression treeNotasi prefix infix-postifx- expression tree
Notasi prefix infix-postifx- expression treeAcomic Comic
 

What's hot (20)

Sistem bilangan: Konversi bilangan
Sistem bilangan: Konversi bilanganSistem bilangan: Konversi bilangan
Sistem bilangan: Konversi bilangan
 
Slide bagian 5 pencarian buta (blind seacrh)
Slide bagian 5 pencarian buta (blind seacrh)Slide bagian 5 pencarian buta (blind seacrh)
Slide bagian 5 pencarian buta (blind seacrh)
 
Pertemuan 04 Teknik Pencarian (Search)
Pertemuan 04 Teknik Pencarian (Search)Pertemuan 04 Teknik Pencarian (Search)
Pertemuan 04 Teknik Pencarian (Search)
 
SLIDE KE:5 NFA
SLIDE KE:5 NFASLIDE KE:5 NFA
SLIDE KE:5 NFA
 
Tugas rpl
Tugas rplTugas rpl
Tugas rpl
 
Pertemuan 10 Kunjungan Pada Pohon Biner
Pertemuan 10 Kunjungan Pada Pohon BinerPertemuan 10 Kunjungan Pada Pohon Biner
Pertemuan 10 Kunjungan Pada Pohon Biner
 
Trees in Data Structure
Trees in Data StructureTrees in Data Structure
Trees in Data Structure
 
Array 2
Array 2Array 2
Array 2
 
Kernel monolithic vs micro kernel
Kernel monolithic vs micro kernelKernel monolithic vs micro kernel
Kernel monolithic vs micro kernel
 
Neuron Mc Culloch Pitts dan Hebb
Neuron Mc Culloch Pitts dan HebbNeuron Mc Culloch Pitts dan Hebb
Neuron Mc Culloch Pitts dan Hebb
 
Data mining 8 estimasi linear regression
Data mining 8   estimasi linear regressionData mining 8   estimasi linear regression
Data mining 8 estimasi linear regression
 
Binary Search Tree
Binary Search TreeBinary Search Tree
Binary Search Tree
 
Jenis kabel jaringan dan fungsinya
Jenis kabel jaringan dan fungsinyaJenis kabel jaringan dan fungsinya
Jenis kabel jaringan dan fungsinya
 
Sim, nurul putri, hapzi ali, implementasi sistem informasi pada pt. gramedia ...
Sim, nurul putri, hapzi ali, implementasi sistem informasi pada pt. gramedia ...Sim, nurul putri, hapzi ali, implementasi sistem informasi pada pt. gramedia ...
Sim, nurul putri, hapzi ali, implementasi sistem informasi pada pt. gramedia ...
 
Unit 6 dsa SEARCHING AND SORTING
Unit 6 dsa SEARCHING AND SORTINGUnit 6 dsa SEARCHING AND SORTING
Unit 6 dsa SEARCHING AND SORTING
 
Pertemuan 5 Stack atau Tumpukan
Pertemuan 5 Stack atau TumpukanPertemuan 5 Stack atau Tumpukan
Pertemuan 5 Stack atau Tumpukan
 
Algoritma brute force
Algoritma brute forceAlgoritma brute force
Algoritma brute force
 
Network management fix
Network management fixNetwork management fix
Network management fix
 
Notasi prefix infix-postifx- expression tree
Notasi prefix infix-postifx- expression treeNotasi prefix infix-postifx- expression tree
Notasi prefix infix-postifx- expression tree
 
Hirarky chomsky
Hirarky chomskyHirarky chomsky
Hirarky chomsky
 

Viewers also liked

Metodologi penelitian Ilmu Komputer (zainal a.h, ph.d) 2007
Metodologi penelitian Ilmu Komputer (zainal a.h, ph.d) 2007Metodologi penelitian Ilmu Komputer (zainal a.h, ph.d) 2007
Metodologi penelitian Ilmu Komputer (zainal a.h, ph.d) 2007Ismi Islamia
 
Modul 3 pencarian heuristik
Modul 3   pencarian heuristikModul 3   pencarian heuristik
Modul 3 pencarian heuristikahmad haidaroh
 
Metode pencarian heuristik
Metode pencarian heuristikMetode pencarian heuristik
Metode pencarian heuristikBaguss Chandrass
 
A Star Heuristic Search
A Star Heuristic SearchA Star Heuristic Search
A Star Heuristic SearchMuna Hamdi
 
Modul bahan-ajar-kecerdasan-buatan-ptiik-final
Modul bahan-ajar-kecerdasan-buatan-ptiik-finalModul bahan-ajar-kecerdasan-buatan-ptiik-final
Modul bahan-ajar-kecerdasan-buatan-ptiik-finalRamla Lamantha
 
Heuristic search-best-first-search
Heuristic search-best-first-searchHeuristic search-best-first-search
Heuristic search-best-first-searchAMIK AL MA'SOEM
 
Artificial Intelligence - A Star
Artificial Intelligence - A StarArtificial Intelligence - A Star
Artificial Intelligence - A StarJayner Wennyi
 
PERANCANGAN DAN PEMBUATAN APLIKASI DATAMINING BERBASIS WEB MENGGUNAKAN ALGORI...
PERANCANGAN DAN PEMBUATAN APLIKASI DATAMINING BERBASIS WEB MENGGUNAKAN ALGORI...PERANCANGAN DAN PEMBUATAN APLIKASI DATAMINING BERBASIS WEB MENGGUNAKAN ALGORI...
PERANCANGAN DAN PEMBUATAN APLIKASI DATAMINING BERBASIS WEB MENGGUNAKAN ALGORI...Uofa_Unsada
 
Depth first search and breadth first searching
Depth first search and breadth first searchingDepth first search and breadth first searching
Depth first search and breadth first searchingKawsar Hamid Sumon
 

Viewers also liked (12)

Heuristics
HeuristicsHeuristics
Heuristics
 
Metodologi penelitian Ilmu Komputer (zainal a.h, ph.d) 2007
Metodologi penelitian Ilmu Komputer (zainal a.h, ph.d) 2007Metodologi penelitian Ilmu Komputer (zainal a.h, ph.d) 2007
Metodologi penelitian Ilmu Komputer (zainal a.h, ph.d) 2007
 
Modul 3 pencarian heuristik
Modul 3   pencarian heuristikModul 3   pencarian heuristik
Modul 3 pencarian heuristik
 
Metode pencarian heuristik
Metode pencarian heuristikMetode pencarian heuristik
Metode pencarian heuristik
 
A Star Heuristic Search
A Star Heuristic SearchA Star Heuristic Search
A Star Heuristic Search
 
Modul bahan-ajar-kecerdasan-buatan-ptiik-final
Modul bahan-ajar-kecerdasan-buatan-ptiik-finalModul bahan-ajar-kecerdasan-buatan-ptiik-final
Modul bahan-ajar-kecerdasan-buatan-ptiik-final
 
Heuristic search-best-first-search
Heuristic search-best-first-searchHeuristic search-best-first-search
Heuristic search-best-first-search
 
A Star Search
A Star SearchA Star Search
A Star Search
 
Artificial Intelligence - A Star
Artificial Intelligence - A StarArtificial Intelligence - A Star
Artificial Intelligence - A Star
 
Bfs and Dfs
Bfs and DfsBfs and Dfs
Bfs and Dfs
 
PERANCANGAN DAN PEMBUATAN APLIKASI DATAMINING BERBASIS WEB MENGGUNAKAN ALGORI...
PERANCANGAN DAN PEMBUATAN APLIKASI DATAMINING BERBASIS WEB MENGGUNAKAN ALGORI...PERANCANGAN DAN PEMBUATAN APLIKASI DATAMINING BERBASIS WEB MENGGUNAKAN ALGORI...
PERANCANGAN DAN PEMBUATAN APLIKASI DATAMINING BERBASIS WEB MENGGUNAKAN ALGORI...
 
Depth first search and breadth first searching
Depth first search and breadth first searchingDepth first search and breadth first searching
Depth first search and breadth first searching
 

Similar to Penerapan AI dalam Permasalahan Kotak 8

Laporan Praktikum Algoritma Pemrograman Modul V-Menghitung Median
Laporan Praktikum Algoritma Pemrograman Modul V-Menghitung MedianLaporan Praktikum Algoritma Pemrograman Modul V-Menghitung Median
Laporan Praktikum Algoritma Pemrograman Modul V-Menghitung MedianShofura Kamal
 
Bab 2 sorting_array
Bab 2 sorting_arrayBab 2 sorting_array
Bab 2 sorting_arrayarii_manroe
 
1. Pengantar Strategi Algoritma.pptx
1. Pengantar Strategi Algoritma.pptx1. Pengantar Strategi Algoritma.pptx
1. Pengantar Strategi Algoritma.pptxwikirezi
 
Tugas kelompok 6
Tugas kelompok 6Tugas kelompok 6
Tugas kelompok 6yusriren
 
klastering-k-means-untuk-penentuan-nilai-ujian
klastering-k-means-untuk-penentuan-nilai-ujianklastering-k-means-untuk-penentuan-nilai-ujian
klastering-k-means-untuk-penentuan-nilai-ujianAnam Syamsul
 
Teknik pencarian heuristik
Teknik pencarian heuristikTeknik pencarian heuristik
Teknik pencarian heuristikHerman Celamanya
 
Materi sorting(pengurutan)-Dasar-Dasar Pemprograman
Materi sorting(pengurutan)-Dasar-Dasar PemprogramanMateri sorting(pengurutan)-Dasar-Dasar Pemprograman
Materi sorting(pengurutan)-Dasar-Dasar PemprogramanReskidtc
 
Teknik pencarian heuristik
Teknik pencarian heuristikTeknik pencarian heuristik
Teknik pencarian heuristikHerman Celamanya
 
Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Farichah Riha
 
Definisi Statistika dan Penyajian Data
Definisi Statistika dan Penyajian DataDefinisi Statistika dan Penyajian Data
Definisi Statistika dan Penyajian DataPutri Aulia
 
Tugas Algoritma Mutia rahmadania
Tugas Algoritma Mutia rahmadania Tugas Algoritma Mutia rahmadania
Tugas Algoritma Mutia rahmadania Mutia Rahmadania
 
Tugas Algoritma Mutia rahmadania
Tugas Algoritma Mutia rahmadaniaTugas Algoritma Mutia rahmadania
Tugas Algoritma Mutia rahmadaniaMutia Rahmadania
 
Informatika (BK).pptx
Informatika (BK).pptxInformatika (BK).pptx
Informatika (BK).pptxAcimMulyana2
 
Materi_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).pptMateri_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).pptangelyaningsih
 
Materi_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).pptMateri_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).pptangelyaningsih
 
Materi_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).pptMateri_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).pptangelyaningsih
 

Similar to Penerapan AI dalam Permasalahan Kotak 8 (20)

Searching
SearchingSearching
Searching
 
Laporan Praktikum Algoritma Pemrograman Modul V-Menghitung Median
Laporan Praktikum Algoritma Pemrograman Modul V-Menghitung MedianLaporan Praktikum Algoritma Pemrograman Modul V-Menghitung Median
Laporan Praktikum Algoritma Pemrograman Modul V-Menghitung Median
 
Tugas2 -metode searching ai
Tugas2 -metode searching aiTugas2 -metode searching ai
Tugas2 -metode searching ai
 
Bab 2 sorting_array
Bab 2 sorting_arrayBab 2 sorting_array
Bab 2 sorting_array
 
1. Pengantar Strategi Algoritma.pptx
1. Pengantar Strategi Algoritma.pptx1. Pengantar Strategi Algoritma.pptx
1. Pengantar Strategi Algoritma.pptx
 
Tugas kelompok 6
Tugas kelompok 6Tugas kelompok 6
Tugas kelompok 6
 
klastering-k-means-untuk-penentuan-nilai-ujian
klastering-k-means-untuk-penentuan-nilai-ujianklastering-k-means-untuk-penentuan-nilai-ujian
klastering-k-means-untuk-penentuan-nilai-ujian
 
Kelompok 6
Kelompok 6Kelompok 6
Kelompok 6
 
Teknik pencarian heuristik
Teknik pencarian heuristikTeknik pencarian heuristik
Teknik pencarian heuristik
 
Materi sorting(pengurutan)-Dasar-Dasar Pemprograman
Materi sorting(pengurutan)-Dasar-Dasar PemprogramanMateri sorting(pengurutan)-Dasar-Dasar Pemprograman
Materi sorting(pengurutan)-Dasar-Dasar Pemprograman
 
Teknik pencarian heuristik
Teknik pencarian heuristikTeknik pencarian heuristik
Teknik pencarian heuristik
 
Bab1 algoritma
Bab1 algoritmaBab1 algoritma
Bab1 algoritma
 
Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)Kecerdasan Buatan (AI)
Kecerdasan Buatan (AI)
 
Definisi Statistika dan Penyajian Data
Definisi Statistika dan Penyajian DataDefinisi Statistika dan Penyajian Data
Definisi Statistika dan Penyajian Data
 
Tugas Algoritma Mutia rahmadania
Tugas Algoritma Mutia rahmadania Tugas Algoritma Mutia rahmadania
Tugas Algoritma Mutia rahmadania
 
Tugas Algoritma Mutia rahmadania
Tugas Algoritma Mutia rahmadaniaTugas Algoritma Mutia rahmadania
Tugas Algoritma Mutia rahmadania
 
Informatika (BK).pptx
Informatika (BK).pptxInformatika (BK).pptx
Informatika (BK).pptx
 
Materi_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).pptMateri_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).ppt
 
Materi_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).pptMateri_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).ppt
 
Materi_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).pptMateri_SORTING(PENGURUTAN).ppt
Materi_SORTING(PENGURUTAN).ppt
 

Penerapan AI dalam Permasalahan Kotak 8

  • 1. Anthon R Tampubolon (23510311) I Putu Agus Eka Pratama (23510310) I Made Andhika (23510307) Eko Budi Setiawan (23511032) M. Tirta Mulia (23511037) Eight Puzzle – Kotak 8
  • 2. Puzzle-8 adalah permainan menyusun kotak-kotak berlabel dari keadaan awal (initial state) yang acak menjadi tersusun dalam suatu format tertentu (goal state). Permainan ini terdiri dari 3 baris dan 3 kolom (9 kotak), 8 kotak berlabel dan 1 kotak kosong. Pernyusunan kotak dilakukan dengan mengeser kotak-kotak berlabel satu per satu ke arah kotak kosong secara vertikal atau horizontal Permainan Kotak 8 2 8 3 4 5 6 7 1 0 1 2 3 4 5 6 7 8 0 TileState
  • 3. Fakta deskripsi tentang objek yang menjadi perhatian Kaidah aturan yang bila diterapkan pada suatu keadaan (state) menghasilkan keadaan yang baru Inferensi untaian dari kaidah untuk bergerak dari keadaan awal (initial states) menuju keadaan sasaran (goal states) Komponen AI
  • 4. Penerapan AI dalam Permasalahan Kotak 8 FAKTA Initial State, Current State, dan Goal State Penerapan dalan Program get_new_data merupakan prosedur untuk pengambilan data dari database
  • 5. Penerapan AI dalam Permasalahan Kotak 8 Rules Kanan, Kiri, Atas, dan Bawah Metode yang digunakan adalah metode switch 2 8 3 4 5 6 7 1 0 2 8 3 0 5 6 7 1 4
  • 6. Penerapan AI dalam Permasalahan Kotak 8 Inferensi Depth First Search dan Breadth First Search Sistematis Search Heuristic Search MisMatch dan Manhattan Distance Sistematis Search dan Heuristic Search
  • 7. Depth First Search Prosedur Simpul yang lebih dalam diperiksa terlebih dahulu Penelusuran simpul-simpul pada suatu cabang sampai kedalaman yang ditentukan. 1. Berikan simpul awal pada daftar open 2. Loop: if open = kosong then exit (fail)
  • 8. Depth First Search Simpul yang lebih dalam diperiksa terlebih dahulu Penelusuran simpul-simpul pada suatu cabang sampai kedalaman yang ditentukan. 3. n : = first (open)
  • 9. Depth First Search Simpul yang lebih dalam diperiksa terlebih dahulu Penelusuran simpul-simpul pada suatu cabang sampai kedalaman yang ditentukan. 5. Remove (n, open) Melabelkan “Closed” pada Current State 4. if goal (n) then exit (success)
  • 10. 6. Ekspansikan n, berikan semua simpul anak pada kepala open dan bubuhkan pointer dari simpul anak ke n Depth First Search Simpul yang lebih dalam diperiksa terlebih dahulu Penelusuran simpul-simpul pada suatu cabang sampai kedalaman yang ditentukan. If Depth <= Val(Text7.Text) Then Menyatakan Batasan Kedalaman yang harus di telusuri 7. Kembali ke Loop
  • 11. Depth First Search Simpul yang lebih dalam diperiksa terlebih dahulu Penelusuran simpul-simpul pada suatu cabang sampai kedalaman yang ditentukan. Prosedur AddOpenList() • Nilai = Nilai Prioritas yang digunakan untuk memeringkatkan Kanan, Kiri, Atas dan Bawah • Secara Default, Nilai = 0
  • 12. Testing Program DFS B A Ka Ki Ki Ka Jumlah Langkah Solusi Jumlah Iterasi Jumlah State yang dibangkitkan Batas Kedalaman 6 4 Step 41 Step 45 State Route : Atas, Kiri, Bawah, Kanan
  • 13. Breadth First Search Evaluasi dilakukan terhadap simpul-simpul pada suatu level sebelum dilanjutkan pada level berikutnya Prosedur 1. Berikan simpul awal pada daftar open 2. Loop: if open = kosong then exit (fail)
  • 14. Breadth First Search Evaluasi dilakukan terhadap simpul-simpul pada suatu level sebelum dilanjutkan pada level berikutnya 3. n : = first (open) get_new_data merupakan prosedur untuk pengambilan data dari database
  • 15. Breadth First Search Evaluasi dilakukan terhadap simpul-simpul pada suatu level sebelum dilanjutkan pada level berikutnya 4. if goal (n) then exit (success) 5. Remove (n, open) Melabelkan “Closed” pada Current State
  • 16. Breadth First Search Evaluasi dilakukan terhadap simpul-simpul pada suatu level sebelum dilanjutkan pada level berikutnya 6. Ekspansikan n. Berikan pada ekor open semua simpul anak yang belum muncul pada open atau closed dan bubuhkan pointer ke n. If Depth <= Val(Text7.Text) Then Menyatakan Batasan Kedalaman yang harus di telusuri 7. Kembali ke Loop
  • 17. Prosedur AddOpenList() • get_new_data3(state) adalah Prosedure untuk mengecek State sudah pernah dibangkitkan melalui Parent State yang lain Breadth First Search Evaluasi dilakukan terhadap simpul-simpul pada suatu level sebelum dilanjutkan pada level berikutnya
  • 18. Testing Program BFS B A Ka Ki Ki Ka Jumlah Langkah Solusi Jumlah Iterasi Jumlah State yang dibangkitkan 4 Step 32 Step 60 State Route : Atas, Kiri, Bawah, Kanan
  • 19. Best First Search MisMatch Pembangkitan simpul anak didasarkan pada hasil perbandingan nilai heuristik tiap simpul yang dibuka. Simpul dengan nilai heuristik terkecil akan dibuka terlebih dahulu. Nilai heuristik diperoleh dari penjumlahan tile yang tidak tepat (mismatch tiles) Prosedur 1. Berikan simpul awal pada daftar open 2. Loop: if open = kosong then exit (fail)
  • 20. 3. n : = first (open) Best First Search MisMatch Pembangkitan simpul anak didasarkan pada hasil perbandingan nilai heuristik tiap simpul yang dibuka. Simpul dengan nilai heuristik terkecil akan dibuka terlebih dahulu. Nilai heuristik diperoleh dari penjumlahan tile yang tidak tepat (mismatch tiles)
  • 21. 4. if goal (n) then exit (success) 5. Remove (n, open) Melabelkan “Closed” pada Current State Best First Search MisMatch Pembangkitan simpul anak didasarkan pada hasil perbandingan nilai heuristik tiap simpul yang dibuka. Simpul dengan nilai heuristik terkecil akan dibuka terlebih dahulu. Nilai heuristik diperoleh dari penjumlahan tile yang tidak tepat (mismatch tiles)
  • 22. 6. Ekspansikan n, berikan semua simpul anak pada kepala open dan bubuhkan pointer dari simpul anak ke n 7. Kembali ke Loop Best First Search MisMatch Pembangkitan simpul anak didasarkan pada hasil perbandingan nilai heuristik tiap simpul yang dibuka. Simpul dengan nilai heuristik terkecil akan dibuka terlebih dahulu. Nilai heuristik diperoleh dari penjumlahan tile yang tidak tepat (mismatch tiles)
  • 23. Prosedur AddOpenList() • get_new_data3(state) adalah Prosedure untuk mengecek State sudah pernah dibangkitkan melalui Parent State yang lain Best First Search MisMatch Nilai Heuristik dijumlahkan setiap ada perbedaan Posisi pada current state dan goal state
  • 24. Testing Program MisMatch B5 A4 Ka5Ki4 Jumlah Langkah Solusi Jumlah Iterasi Jumlah State yang dibangkitkan 4 Step 4 Step 10 State Route : Atas, Kiri, Bawah, Kanan Ka5Ki3 B2 Ka0 B3
  • 25. Best First Search Manhattan Distance Manhattan Distance adalah jumlah gerakan minimum yang diperlukan oleh sebuah kotak angka untuk berpindah ke goal statenya. Prosedur 1. Berikan simpul awal pada daftar open 2. Loop: if open = kosong then exit (fail)
  • 26. 3. n : = first (open) Best First Search Manhattan Distance Manhattan Distance adalah jumlah gerakan minimum yang diperlukan oleh sebuah kotak angka untuk berpindah ke goal statenya.
  • 27. 4. if goal (n) then exit (success) 5. Remove (n, open) Melabelkan “Closed” pada Current State Best First Search Manhattan Distance Manhattan Distance adalah jumlah gerakan minimum yang diperlukan oleh sebuah kotak angka untuk berpindah ke goal statenya.
  • 28. 6. Ekspansikan n, berikan semua simpul anak pada kepala open dan bubuhkan pointer dari simpul anak ke n 7. Kembali ke Loop Best First Search Manhattan Distance Manhattan Distance adalah jumlah gerakan minimum yang diperlukan oleh sebuah kotak angka untuk berpindah ke goal statenya.
  • 29. Prosedur AddOpenList() • get_new_data3(state) adalah Prosedure untuk mengecek State sudah pernah dibangkitkan melalui Parent State yang lain Best First Search Manhattan Distance
  • 30. Testing Program Manhattan Distance B6 A4 Ka6Ki4 Jumlah Langkah Solusi Jumlah Iterasi Jumlah State yang dibangkitkan 4 Step 4 Step 10 State Route : Atas, Kiri, Bawah, Kanan Ka6Ki4 B2 Ka0 B4
  • 31. Kesimpulan Keterangan DFS BFS MisMatch Manhattan Jumlah Langkah Solusi 4 4 4 4 Jumlah Iterasi 41 32 4 4 Jumlah State yang dibangkitkan 45 60 10 10 2 8 3 4 5 6 7 1 0 1 2 3 4 5 6 7 8 0