Dokumen tersebut membahas tentang intelijensi buatan khususnya tentang pencarian (pelacakan) heuristik. Beberapa poin kuncinya adalah: (1) heuristik adalah aturan yang digunakan untuk memandu proses pencarian, (2) contoh heuristik adalah algoritma tempat terdekat, (3) metode pencarian seperti generate and test, hill climbing, dan best first search dibahas.
Presentation from
Jean-Philippe Quin, Head of IT Business Services Transition at Lombard International Assurance, delivered at the Dynamic Business Event organized by Nerea & Microsoft on April 16th 2013 in Luxembourg
Presentation from
Serge Hanssens, Advisory Director, PwC Luxembourg, delivered at the Dynamic Business Event organized by Nerea & Microsoft on April 16th 2013 in Luxembourg
Presentation from
Jean-Philippe Quin, Head of IT Business Services Transition at Lombard International Assurance, delivered at the Dynamic Business Event organized by Nerea & Microsoft on April 16th 2013 in Luxembourg
Presentation from
Serge Hanssens, Advisory Director, PwC Luxembourg, delivered at the Dynamic Business Event organized by Nerea & Microsoft on April 16th 2013 in Luxembourg
Materi ini menjelaskan tentang teknik optimasi pada Travelling Salesman Problem (TSP) dengan mencari jarak yang paling pendek dengan mengunjungi beberapa kota
Penerapan Algoritma Greedy Dalam Menentukan Rute Terpendek Puskesmas (Studi K...faisalpiliang1
Salah satu faktor yang mempengaruhi rendahnya pemanfaatan pelayanan Puskesmas adalah jarak yang ditempuh. Dimana jarak yang dekat adalah menjadi pilihan utama masyarakat untuk memeriksakan kesehatannya. Dalam penelitian ini akan mencari rute terpendek dari lokasi user ke Puskesmas tujuan, dimana user akan dapat menghemat waktu dan juga biaya transportasi. Algoritma Greedy dipilih untuk diimplementasikan kedalam aplikasi berbasis android karena algoritma Greedy adalah algoritma untuk menyelesaikan masalah optimasi secara langkah demi langkah. Pendekatan yang digunakan di dalam algoritma Greedy adalah membuat pilihan yang terlihat memberikan perolehan terbaik yaitu dengan membuat pilihan optimum lokal pada setiap langkah dan diharapkan akan mendapatkan solusi optimum global. Hasil penelitian dengan algoritma Greedy ini ditunjukkan dengan 3 skenario pengujian dimana semua skenario menunjukan bahwa algoritma Greedy dapat memberikan hasil yang optimum.
3. Heuristik adalah sejumlah aturan tertentu
yang digunakan untuk menjalankan sejumlah
langkah efektif dalam memandu proses
pencarian ke ruang keadaan yg paling
menjanjikan
(heuristic dari bahasa Yunani yang artinya
menemukan).
4. Heuristik merupakan strategi untuk
melakukan proses pencarian ruang problema
secara selektif, yang memandu proses
pencarian di sepanjang jalur yang memiliki
kemungkinan sukses paling besar, dan
mengesampingkan usaha yang bodoh dan
memboroskan waktu.
5. Heuristik adalah sebuah teknik yang
mengembangkan efisiensi dalam proses
pencarian, namun dengan kemungkinan
mengorbankan kelengkapan (completeness).
Fungsi heuristik digunakan untuk
mengevaluasi keadaan-keadaan problema
individual dan menentukan seberapa jauh hal
tersebut dapat digunakan untuk
mendapatkan solusi yang diinginkan.
6. Contoh heuristik adalah algoritma tempat
terdekat (shortest path job), menghasilkan
prosedur berikut :
1. pilih sebuah kota secara sembarang sebagai awal
perjalanan
2. untuk memilih kota persinggahan berikutnya,
simak seluruh kota yang belum pernah disinggahi.
Pilih kota terdekat dengan kota yang saat ini
sedang dikunjungi.
3. ulangi langkah kedua sampai semua kota telah
dikunjungi.
Eksekusi prosedur ini membutuhkan waktu n2.
7. Pembangkit & Pengujian (Generate and Test)
Pendakian Bukit (Hill Climbing)
Pencarian Terbaik Pertama (Best First Search)
Alpha Beta Prunning,Means-End-
Anlysis,Constraint Satisfaction, Simulated
Annealing, dll
8. Metode ini merupakan penggabungan antara
Depth-First Search dengan pelacakan mundur
(backtracking), yaitu bergerak ke belakang
menuju pada suatu keadaan awal.
Nilai pengujian berupa jawaban ‘ya’ atau
‘tidak’.
9. Seorang salesman ingin mengunjungi n kota.
Jarak antara tiap-tiap kota sudah diketahui.
Kita ingin mengetahui rute terpendek dimana
setiap kota hanya boleh dikunjungi tepat 1
kali.
Misalkan ada 4 kota dengan jarak tiap-tiap
kota seperti terlihat pada Gambar berikut ini:
10.
11. Misalkan pertama sekali kita mulai dari node A. Dipilih
sebagai keadaan awal adalah lintasan ABCD dengan
panjang lintasan (=19).
Kemudian lakukan backtracking untuk mendapat
lintsan ABDC (=18).
Kemudian bandingkan dengan lintasan ABCD,
ternyata ABDC < ABCD, sehingga lintasan terpilih
adalah ABDC.
Lakukan backtracking lagi untuk mendapatkan
lintasan ACBD (=12), ternyata ACBD < ABDC, maka
lintasan terpilih sekarang adalah ACBD.
Demikian seterusnya hingga ditemukan solusi
masalah.
13. Tabel 2.6 Alur pencarian dengan generate & test pada TSP
14. Buat makalah tentang jenis pencarian:
1. Metode Pendakian Bukit (Hill Climbing)
2. Metode Pencarian Terbaik Pertama (Best
First Search)
3. Metode Alpha Beta Prunning
4. Metode Means-End-Anlysis
5. Metode Constraint Satisfaction
6. Metode Simulated Annealing