Teknik Dasar Kecerdasan Buatan: Planning - 2025

D-IV Rekayasa Perangkat Lunak - Teknik Informatika
TEKNIK DASAR AI:
PLANNING
Elvi Rahmi, S.T., M.Kom.
elvirahmi@polbeng.ac.id
“A computer would deserve to be called intelligent if it
could deceive a human into believing that it was
human.”
- Alan Turing-
2025

Referensi
Russell, S.J and Peter Norvig, P. 2010.Artificial
Intelligence: A Modern Approach. Third Edition. New
Jersey: Pearson Education.
Presentation 2025
D-IV Rekayasa Perangkat Lunak - Teknik Informatika
Suyanto. 2014. Artificial Intelligence: Searching-
Reasoning-Planning-Learning. Bandung: Informatika.
Peirce, C. S. (1955). Abduction and induction. The Journal
of Philosophy, 52(7), 157-163.
Kolodner, J. L. (1993). Case-based reasoning. Morgan
Kaufmann.
Mitchell, T. M. (1997). Machine Learning. McGraw Hill.

Teknik Dasar Kecerdasan Buatan
Searching Reasoning
Planning
Learning

PERENCANAAN RUTE PERJALANAN
INITIAL STATE: Bengkalis
GOAL STATE: ?

GOAL STATE: Makkah Madinah
OPERATORS: ?

OPERATORS: Langkah-Langkah Perjalanan
CONSTRAINT / BATASAN: ?

CONSTRAINT / BATASAN: Visa Belum Terverifikasi, Jalur
Padat Selama Musim Haji, Keterlambatan Penerbangan
PLANNING OUTPUT: ?

CONSTRAINT / BATASAN: Visa Belum Terverifikasi, Jalur
Padat Selama Musim Haji, Keterlambatan Penerbangan
PLANNING OUTPUT: Menyusun urutan aksi (plan) yang
efisien

SEARCHING PLANNING

ELEVATOR CONTROL SYSTEM
Kebutuhan User:
Kapasitas ruang
Non-stop travel
VIP Services
Access Restrictions

INITIAL STATE
GOAL STATE
OPERATORS
CONSTRAINTS

PLANNING
Teknik Dasar AI: Planning Presentation 2025
Definisi yang mengacu pada istilah plan (Oxford Advanced Learner's):
1. Ide atau metode yang telah dipikirkan secara detail sebelum menyelesaikan
suatu pekerjaan.
2. Diagram atau peta detail tentang bagian-bagian penting suatu kota, gedung,
mesin, dan sebagainya.
3. Cara penyusunan suatu benda.
4. Penyusunan keuangan sehingga seseorang bisa mendapatkan keuntungan.

PLANNING
Suatu metode penyelesaian masalah dengan cara
memecah masalah ke dalam sub-sub masalah yang
lebih kecil, menyelesaikan masalah satu demi satu,
kemudian menggabungkan solusi-solusi dari sub-sub
masalah tersebut menjadi sebuah solusi lengkap
dengan tetap mengingat dan menangani interaksi
yang terdapat pada sub-sub masalah tersebut.

DEKOMPOSISI
Proses memecah tugas perencanaan yang kompleks menjadi tugas yang lebih kecil dan
lebih mudah dikelola. Dalam dekomposisi, tugas perencanaan kompleks dibagi menjadi
tugas yang lebih kecil dan lebih terkelola yang dapat diselesaikan secara terpisah.
01 03
02
Decomposition into Subtasks Decomposition into Methods Decomposition into Goals

DEKOMPOSISI
01
Decomposition into Subtasks Contoh:
Menyiapkan makan malam
Memecah tugas perencanaan menjadi
beberapa tugas sub-perencanaan yang
lebih kecil dan mudah dikelola.

DEKOMPOSISI
01
Decomposition into Subtasks
Subtask 1: Menyiapkan bahan
Subtask 2: Memasak makanan
Subtask 3: Menyajikan makanan
Contoh:
Setiap subtask bisa didelegasikan ke agent berbeda.

DEKOMPOSISI
02
Decomposition into Methods Contoh:
serangkaian metode yang dapat
diterapkan untuk mencapai tujuan
tertentu.

DEKOMPOSISI
02
Decomposition into Methods
Metode 1: Digoreng
Metode 2: Direbus
Metode 3: Dipanggang
Contoh:
tertentu.
Metode dipilih berdasarkan kondisi (misalnya:
“kompor rusak”, pilih metode oven).

DEKOMPOSISI
03
Decomposition into Goals Contoh:
serangkaian tujuan yang harus dicapai
dalam rangka mencapai tujuan akhir.

DEKOMPOSISI
03
Decomposition into Goals
Sub-goal 1: Semua bahan makanan tersedia dan siap digunakan
Sub-goal 2: Makanan utama (nasi + lauk) matang dan layak disajikan
Sub-goal 3: Meja makan telah tertata rapi
Sub-goal 4: Semua anggota keluarga sudah dipanggil ke meja makan
Contoh:
serangkaian tujuan yang harus dicapai
dalam rangka mencapai tujuan akhir.
Masing-masing sub-goal bisa dicapai melalui
metode/metode tertentu (seperti pada metode
sebelumnya), dan bisa didekomposisi lagi jika diperlukan.

DEKOMPOSISI
Proses memecah tugas perencanaan yang kompleks menjadi tugas yang lebih kecil dan
lebih mudah dikelola. Dalam dekomposisi, tugas perencanaan kompleks dibagi menjadi
tugas yang lebih kecil dan lebih terkelola yang dapat diselesaikan secara terpisah.
01 03
02
Decomposition into Subtasks Decomposition into Methods Decomposition into Goals
tertentu.
Memecah tugas perencanaan
menjadi serangkaian tujuan yang
harus dicapai dalam rangka mencapai
tujuan akhir.

SYARAT MELAKUKAN DEKOMPOSISI
Menghindari penghitungan ulang dari seluruh state ketika terjadi
perubahan dari suatu state ke state lainnya.
Membagi masalah ke dalam beberapa sub masalah yang relatif lebih
mudah untuk diselesaikan.

KENAPA DEKOMPOSISI PENTING DALAM AI ?
Mengurangi kompleksitas pemrosesan
Memungkinkan perencanaan yang lebih fleksibel & adaptif
Meningkatkan efisiensi sistem saat menghadapi perubahan kondisi

KARAKTERISTIK PEMECAHAN MASALAH DENGAN PLANNING
Sistem planning pada umumnya perlu untuk memiliki kemampuan:
Memilih operator
Memilih kondisi pembeda goal-state dan current-state, mengidentifikasi operator
yang dapat mengurangi perbedaan tersebut.
Mengaplikasikan operator
Mendeteksi ketika solusi telah tercapai
Menguji rangkaian operator yang telah dihasilkan.
Mendeteksi jalan-jalan buntu
Mendeteksi ketika solusi yang hampir benar telah dicapai dan melakukan
teknik khusus untuk membuat solusi tersebut menjadi benar.

DAFTAR PAD
Tiga daftar predikat untuk mendeskripsikan perubahan kondisi
Preconditiion
Predikat-predikat yang harus bernilai benar (true) sebelum pengaplikasian operator.
Berfungsi untuk mengecek apakah syarat untuk melakukan aksi sudah terpenuhi.
Add
Predikat-predikat yang bernilai benar setelah pengaplikasian suatu operator.
Berfungsi untuk menambahkan kondisi baru ke current state setelah aksi.
Delete
Predikat-predikat yang bernilai salah setelah pengaplikasian suatu operator.
Berfungsi untuk menghapus kondisi lama yang tidak berlaku lagi.

TEKNIK DASAR AI: PLANNING
DUNIA BALOK
Pengujian keberhasilan suatu metode
planning dapat dilakukan pada suatu
domain yang dinamakan Dunia Balok
(Blocks-World)
Kompleksitas permasalahan
yang mungkin timbul di
dalamnya.

DUNIA BALOK
Initial-state
Goal-state
Set operator
Rencana penyelesaian

DUNIA BALOK
Memiliki sebuah permukaan
datar tempat menyimpan
balok, umumnya disebut meja
Memiliki sejumlah balok kotak
berukuran sama
Memiliki sebuah lengan robot
yang dapat memanipulasi
balok

PENDEFINISIAN KONDISI BALOK
ON(A,B): Balok A menempel di atas balok B.
ONTABLE(A): Balok A berada di permukaan meja.
CLEAR(A): Tidak ada balok yang sedang menempel di atas balok A.
HOLDING(A): Lengan robot sedang memegang balok A.
ARMEMPTY: Lengan robot tidak sedang memegang balok.

DAFTAR OPERATOR UNTUK LENGAN ROBOT

DAFTAR PAD

STACK(A,B) bisa diaplikasikan jika kedua kondisi CLEAR(B) dan
HOLDING(A) adalah benar. Precondition (P)
Setelah suatu operator diaplikasikan, maka keadaan akan berubah.
Keadaan yang benar setelah operasi diaplikasikan disebut Add (A)
Keadaan yang salah setelah operasi diaplikasikan disebut Delete (D)

DAFTAR PAD UNTUK OPERATOR DALAM DUNIA BALOK
STACK(A,B)
P
A
D
: HOLDING(A) ^ CLEAR(B)
: ON(A,B) ^ ARMEMPTY
UNSTACK(A,B)
PICKUP(A)
PUTDOWN(A)

STACK(A,B)
P
A
D
UNSTACK(A,B)
PICKUP(A)
PUTDOWN(A)
P
A
D
: ON(A,B) ^ CLEAR(A) ^ ARMEMPTY

STACK(A,B)
P
A
D
UNSTACK(A,B)
PICKUP(A)
PUTDOWN(A)
P
A
D
P
A
D
: ONTABLE(A) ^ CLEAR(A)^ ARMEMPTY
: HOLDING(A)
: ONTABLE(A) ^ ARMEMPTY

STACK(A,B)
P
A
D
UNSTACK(A,B)
PICKUP(A)
PUTDOWN(A)
P
A
D
P
A
D
: ONTABLE(A) ^ CLEAR(A)^ ARMEMPTY
: HOLDING(A)
P
A
D
: HOLDING(A)
: HOLDING(A)

METODE PLANNING
Metode Planning
Goal-Stack-Planning Constraint-Posting
Keunggulan:
Kemudahan implementasi dan
biaya komputasi
Fleksibel: bisa digunakan untuk
banyak domain (game AI,
robotics, asisten cerdas)
Keunggulan:
Efisiensi Rencana Penyelesaian yang
dihasilkan

GOAL-STACK-PLANNING
Teknik dasar dalam AI Planning, yang digunakan untuk merencanakan
serangkaian tindakan atau operasi untuk mencapai tujuan tertentu.
GSP didasarkan pada konsep bahwa perencanaan dimulai dari tujuan
akhir dan kemudian dilakukan secara terbalik untuk menentukan
urutan tindakan yang diperlukan untuk mencapai tujuan tersebut.
Semua aksi, kondisi, dan sub-goal disimpan dalam struktur stack
(tumpukan)

GOAL-STACK-PLANNING
ON(B,A) ^ ONTABLE(A) ^
ONTABLE(C) ^
ONTABLE(D) ^ CLEAR(B) ^
CLEAR(C) ^ CLEAR(D) ^
ARMEMPTY

GOAL-STACK-PLANNING
ON(B,A) ^ ONTABLE(A) ^
ONTABLE(C) ^
ONTABLE(D) ^ CLEAR(B) ^
CLEAR(C) ^ CLEAR(D) ^
ARMEMPTY
ON(C,A) ^ ON(B,D) ^
ONTABLE(A) ^
ONTABLE(D) ^ CLEAR(C)
^ CLEAR(B) ^ ARMEMPTY
GOAL(s) yang harus diselesaikan: ON(C,A) ^ ON(B,D).

GSP: LANGKAH PENYELESAIAN
1. Masukkan kondisi-kondisi yang merupakan goal-state ke dalam
stack.
STACK = ?

stack.
STACK = ON(C,A) ^ ON(B,D) ^ ONTABLE(A) ^ ONTABLE(D)

stack.

2. Mengacu pada current-state, kondisi-kondisi goal state yang belum
tercapai dimasukkan ke dalam stack, masing-masing menempati
sebuah slot.
ON(C,A)
ON(B,D)
ON(C,A) ^ ON(B,D) ^ OTAD
ON(B,D)
ON(C,A)
1 2

3. Slot yang berada paling atas pada stack akan diperiksa.
Hal-hal yang akan dilakukan tergantung pada kondisi slot tersebut.
ON(C,A)
ON(B,D)
ON(B,D)
ON(C,A)
1 2

ON(C,A) = STACK(C,A)
ON(B,D)
1 STACK(C,A) dapat dikerjakan jika P = True

STACK(C,A)
ON(B,D)

CLEAR (A)
HOLDING (C)
HOLDING (C) ^ CLEAR (A)
STACK(C,A)
ON(B,D)

UNSTACK (B,A)
HOLDING (C)
STACK(C,A)
ON(B,D)

ON(B,A)
CLEAR(B)
ARMEMPTY
ON(B,A) ^ CLEAR(B) ^ ARMEMPTY
UNSTACK(B,A)
HOLDING (C)
STACK(C,A)
ON(B,D)

ON(B,A)
CLEAR(B)
ARMEMPTY
ON(B,A) ^ CLEAR(B) ^ ARMEMPTY
UNSTACK(B,A)
HOLDING (C)
STACK(C,A)
ON(B,D)
Tambahkan UNSTACK(B,A) ke dalam
antrian.
QUEUE = UNSTACK(B,A)

HOLDING (C)
STACK(C,A)
ON(B,D)
DIKERJAKAN

PICKUP(C)
STACK(C,A)
ON(B,D)

ONTABLE(C)
CLEAR(C)
ARMEMPTY
ONTABLE(C) ^ CLEAR (C) ^ ARMEMPTY
PICKUP(C)
STACK(C,A)
ON(B,D)

STACK(B,D)
PICKUP(C)
STACK(C,A)
ON(B,D)

HOLDING(B)
CLEAR (D)
HOLDING(B) ^ CLEAR (D)
STACK(B,D)
PICKUP(C)
STACK(C,A)
ON(B,D)

Teknik Dasar Kecerdasan Buatan: Planning - 2025

More Related Content

What's hot

Teknik Dasar Kecerdasan Buatan: Planning - 2025