BAB 2 LANDASAN TEORI
|
|
- Veronika Budiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI 2.1 Permainan Reversi Permainan Reversi adalah permainan yang dimainkan oleh dua orang pemain. Permainan ini dimainkan di atas papan Reversi persegi yang terdiri dari 8 baris dan 8 kolom kotak-kotak kecil. Peralatan lain yang dibutuhkan adalah koin berwarna gelap dan koin berwarna terang (umumnya warna hitam dan warna putih) masing-masing sebanyak 64 buah. Pada awal permainan akan diletakkan dua koin hitam dan dua koin putih pada tengah-tengah papan. Untuk lebih jelasnya, dapat dilihat pada Gambar 2.1. Gambar 2.1 Keadaan awal permainan Reversi
2 2.1.1 Aturan Permainan Reversi Aturan permainan Reversi secara umum adalah sebagai berikut: 1. Pemain yang menggunakan koin hitam akan bermain terlebih dahulu. 2. Bila pemain koin hitam yang akan bermain, maka koin hitam harus diletakkan di kotak yang dapat dilompati oleh koin hitam lainnya. Dan begitu juga kondisinya untuk pemain yang menggunakan koin putih. Gambar 2.2 memperlihatkan kondisi awal permainan Reversi. Gambar 2.2 Kotak yang mungkin (giliran langkah hitam) 3. Apabila salah satu pemain tidak dapat bermain karena tidak ada kotak yang sesuai dengan aturan nomor 2, maka pemain yang satunya lagi yang bermain. 4. Apabila kedua pemain sama-sama tidak dapat mengambil langkah lagi, maka permainan berakhir. Permainan Reversi berakhir dengan beberapa kondisi sebagai berikut: 1. Semua kotak pada papan sudah penuh diisi koin-koin. 2. Belum semua kotak pada papan diisi tetapi koin-koin yang ada pada papan hanya tersisa koin-koin dalam 1 warna saja. 3. Kedua pemain setuju untuk mengakhiri permainan (bisa seri ataupun menyerah).
3 Pemenang pada permainan Reversi ditentukan dengan jumlah koin-koin yang ada pada papan permainan. Pemain dengan jumlah koin yang lebih banyak adalah pemenangnya. Jadi, pada permainan Reversi ini para pemain diharapkan dapat memikirkan strategi-strategi agar mendapatkan jumlah koin terbanyak pada akhir permainan. 2.2 Agen Cerdas Perancangan aplikasi permainan Reversi pada komputer ini akan difokuskan kepada bagaimana membuat agen cerdasnya. Agen adalah sesuatu yang dapat mengesan lingkungannya melalui sensors dan mengambil tindakan terhadap lingkungannya melalui actuators. Dengan adanya agen cerdas pada aplikasi tersebut diharapkan aplikasi tersebut dapat berpikir dan menentukan pilihan langkah sehingga dapat mengalahkan manusia. Gambar 2.3 Agen berinteraksi dengan lingkungan Untuk setiap deretan persepsi yang mungkin, sebuah agen rasional hendaklah memilih satu tindakan yang diharapkan memaksimalkan ukuran kemampuannya, dengan adanya bukti yang diberikan oleh deretan persepsi dan apapun pengetahuan terpasang yang dimiliki agen itu. Jadi, agen rasional diharapkan dapat melakukan atau memberi tindakan yang benar. Tindakan yang benar adalah tindakan yang
4 menyebabkan agen mencapai tingkat yang paling berhasil. (Stuart Russel, Peter Norvig, 2003) Struktur Agen Cerdas Tugas dari mempelajari kecerdasan buatan adalah untuk membuat suatu mesin agen yang merupakan fungsi yang mengimplementasikan pemetaan agen saat menerima kesan dari lingkungan dan melakukan tindakan terhadap lingkungan. Sebuah agen juga membutuhkan architecture yang dapat berupa komputer saja, atau komputer yang memiliki perangkat keras tertentu dapat melakukan suatu pekerjaan tertentu seperti memproses gambar kamera atau menyaring input suara. Jadi, sebuah architecture membuat kesan-kesan lingkungan dapat diterima dengan baik oleh sensor-sensor yang dimilikinya, lalu dapat menjalankan program agennya dan dapat memberikan tindakan terhadap lingkungan menggunakan actuators. Hubungan agen, architecture, dan program dapat diasumsikan sebagai berikut: agen = architecture + program Jadi, agen merupakan gabungan antara architecture dengan program yang fungsinya sudah dijelaskan sebelumnya. Sebelum penulis membuat suatu agen, hendaknya penulis telah mengetahui dengan baik semua kemungkinan kesan dan tindakan yang dapat diterima dan dilakukan oleh agen, apa tujuan atau pengukur kemampuan agen yang ingin dicapai, dan lingkungan yang seperti apa yang akan dioperasikan oleh agen.
5 Tabel 2.1 Contoh Tipe Agen dengan Kesan, Tindakan, Tujuan dan Lingkungan Jenis Agen Kesan Aksi Tujuan Lingkungan Sistem diagnosa kesehatan Gejala, jawaban pasien Pertanyaan, ujian, perawatan Kesehatan pasien, harga minimal Pasien, rumah sakit Sistem analisa gambar satelit Robot pengangkat barang bagian Pengendali kulkas Pengajar bahasa Inggris interaktif Pixel-pixel dengan intensitas yang variatif, warna Pixel-pixel dengan intensitas yang variatif Suhu, pembaca tekanan Kata-kata yang diketik Cetak penggolongan tempat Angkat barang bagian dan masukkan ke dalam keranjang Buka dan tutup katup, pengaturan suhu Cetak latihan, himbauan, koreksi Memperbaiki intensitas pixel Meletakkan barang bagian ke dalam keranjang yang benar Memaksimalkan kebersihan, hasil dan kesehatan Memaksimalkan nilai murid saat ujian Gambargambar dari satelit Alat pengangkat barang dengan barang bagian Kulkas Kumpulan murid-murdi Tabel 2.1 menunjukkan beberapa contoh tipe agen dengan kesan, tindakan, tujuan dan lingkunganya. Misalnya untuk agen pengajar bahasa Inggris interaktif, agen tersebut menerima kesan berupa kata-kata yang diketik dalam komputer, kemudian akan memberikan tindakan yaitu mencetak latihan-latihan, himbauanhimbauan dan melakukan penilaian. Tujuan dari agen pengajar bahasa Inggris interaktif adalah memaksimalkan nilai dari latihan-latihan para murid karena lingkungan dari agen ini adalah kumpulan dari murid-murid. Untuk pembuatan agen cerdas, ada empat tipe agen yang dapat mengimplementasikan pemetaan dari kesan yang diterima ke tindakan yang akan dilakukan. Empat tipe agen tersebut adalah simple reflex agents, model-based reflex agents, goal-based reflex agents, dan utility-based reflex agents. (Stuart Russel, Peter Norvig, 2003).
6 Simple Reflex Agents Agen refleks sederhana merupakan agen yang paling sederhana karena dia hanya menerapkan teknik kondisi-aksi. Jadi, jika terjadi suatu kondisi tertentu maka agen akan secara sederhana memberikan aksi tertentu. Sebagai contoh agen untuk pengendara taxi diberikan kondisi jika mobil di depan melakukan pengereman maka agen akan memberikan aksi injak rem. Gambar 2.4 Agen refleks sederhana Model-Based Reflex Agents Agen refleks sederhana dapat melakukan tindakannya dengan baik jika lingkungan yang memberikan kesan tidak berubah-ubah. Misalkan untuk kasus agen pengendara taxi, agen tersebut hanya dapat menerima kesan dari mobil dengan model terbaru saja. Jika ada mobil dengan model lama, agen tersebut tidak dapat menerima kesannya sehingga agen tersebut tidak melakukan tindakan pengereman. Pada kasus ini, dibutuhkan agen refleks berbasis model yang dapat terus melakukan pelacakan terhadap lingkungan sehingga lingkungan dapat dikesan dengan baik. Agen ini akan menambahkan suatu model tentang dunia yaitu pengetahuan tentang bagaimana
7 dunianya bekerja. Jadi, agen refleks berbasis model ini menjaga keadaan dunianya menggunakan model internal kemudian memilih tindakan seperti agen refleks sederhana. Gambar 2.5 Agen refleks berbasis model Goal-Based Agents Pengetahuan agen akan keseluruhan keadaan pada lingkungan tidak selalu cukup. Suatu agen tertentu harus diberikan informasi tentang tujuan yang merupakan keadaan yang ingin dicapai oleh agen. Dengan demikian, agen akan bekerja hingga mencapai tujuannya. Pencarian dan perencanaan adalah dua deretan pekerjaan yang dilakukan untuk mencapai tujuan agen. Agen refleks berbasis tujuan ini menambahkan informasi tentang tujuan tersebut.
8 Gambar 2.6 Agen refleks berbasis tujuan Utility-Based Agents Pencapaian tujuan pada agen tidak cukup untuk menghasilkan agen dengan tingkah laku berkualitas tinggi. Sebagai contoh untuk agen pengendara taxi, ada beberapa tindakan yang dapat dilakukan oleh agen sehingga dapat mencapai tempat tujuan, namun ada yang lebih cepat, lebih aman, atau lebih murah dari yang lainnya. Agen refleks berbasis tujuan tidak membedakan keadaan yang bagus dengan keadaan yang tidak bagus untuk agen. Pada agen refleks berbasis kegunaan ini memikirkan kondisi yang bagus untuk agen sehingga agen dapat melakukan tugasnya jauh lebih baik. Walaupun untuk kasus tertentu, tidak mungkin agen dapat melakukan semuanya sekaligus. Misalnya untuk agen pengendara taxi, untuk pergi ke suatu tempat tujuan dengan lebih cepat, itu bertentangan dengan keadaan lebih aman. Karena untuk perjalanan taxi yang lebih cepat, tentu saja tingkat bahaya lebih tinggi dari pada perjalanan taxi yang santai.
9 Gambar 2.7 Agen refleks berbasis kegunaan Karakteristik Lingkungan Agen Adapun beberapa karakteristik lingkungan yang dikenal oleh agen adalah sebagai berikut: 1. Fully observable partially observable Apabila sensor pada sebuah agen dapat mengakses keseluruhan keadaan pada lingkungan, maka lingkungan itu dapat dikatakan fully observable terhadap agen. Lebih efektif lagi lingkungan dikatakan fully observable jika sensor dapat mendeteksi seluruh aspek yang berhubungan dengan pilihan aksi yang akan dilakukan. Lingkungan yang fully observable biasanya sangat memudahkan, karena agen tidak perlu mengurus keadaan internal untuk terus melacak keadaan lingkungan. Suatu lingkungan bisa menjadi partially observable akibat ada gangguan dan ketidakakurasian sensor ataupun karena ada bagian keadaan yang hilang dari data sensor. Permainan Reversi bersifat fully observable karena seluruh keadaan pada papan permainan dan koin-koin yang ada semua dapat dikesan dengan baik.
10 2. Deterministic stochastic Apabila keadaan lingkungan selanjutnya sepenuhnya bergantung pada keadaan sekarang dan juga tindakan yang akan dilakukan oleh agen, maka lingkungan tersebut bersifat deterministic. Sedangkan stochastic adalah kebalikan dari deterministic, di mana keadaan selanjutnya tidak bergantung pada keadaan sekarang dan juga tindakan yang akan dilakukan oleh agen. Apabila lingkungan bersifat deterministic terkecuali untuk tindakan dari agen, maka lingkungan tersebut bersifat strategic. Permainan Reversi bersifat deterministic karena keadaan selanjutnya bergantung pada keadaan sekarang (saat mengambil langkah). 3. Episodic sequential Untuk lingkungan yang bersifat episodic, pengalaman agen dibagi-bagi menjadi beberapa epidose pendek. Tiap episode terdiri dari apa yang dirasakan agen dan kemudian melakukan satu tindakan tertentu. Kualitas dari tindakan agen hanya tergantung pada episode itu saja, karena tindakan selanjutnya tidak tergantung pada tindakan apa yang akan dilakukan di episode sebelumnya. Lingkungan episodic lebih sederhana karena agen tidak perlu memikirkan langkah-langkah pada keadaan selanjutnya. Sedangkan pada lingkungan sequential, tindakan saat sekarang dapat mempengaruhi tindakan selanjutnya. Permainan Reversi bersifat sequential karena agen berpikir untuk langkahlangkah selanjutnya dan seluruh langkah yang akan diambil oleh agen saling bergantung. 4. Static dynamic Apabila lingkungan dapat berubah saat agen sedang mengambil keputusan, maka lingungan tersebut bersifat dynamic, sebaliknya bersifat static. Lingkungan yang bersifat static lebih mudah dihadapi karena agen tidak perlu memperhatikan lingkungannya saat dia sedang mengambil tindakan, maupun waktu yang terus berjalan. Apabila lingkungan tidak berubah seiring waktu berjalan, namun menyebabkan nilai kemampuan agen berubah-ubah, maka lingkungan tersebut bersifat semidynamic. Permainan Reversi bersifat static karena saat agen mengambil tindakan, lingkungan tidak berubah dan juga tidak mempengaruhi nilai kemampuan agen. 5. Discrete continuous
11 Apabila kesan dan tindakan yang akan diterima dan dilakukan oleh agen telah ditetapkan dengan jelas, maka lingkungan tersebut bersifat discrete. Catur bersifat discrete, karena langkah yang akan diambil terbatas dan tertentu. Sedangkan pengendara taxi bersifat continuous, karena kecepatan dan lokasi pada taxi untuk suatu jangka tertentu mempunyai nilai yang terus-menerus berubah. Permainan Reversi bersifat discrete karena seluruh kesan dan tindakan telah jelas ditetapkan sesuai dengan peraturan permainan Reversi. 6. Single agent multiagent Agen pemecah permainan teka teki silang berada pada lingkungan yang bersifat single agent. Agen pemain catur berada pada lingkungan yang bersifat multiagent. Ada hal lain yang memberikan perbedaan lingkungan agen, yaitu akan hal apakah agen memberikan bantuan kepada agen lain atau apakah agen akan memaksimalkan kemampuannya bergantung pada prilaku agen lain. Permainan Reversi bersifat multiagent karena memikirkan langkah yang akan diambil oleh lawan. Dengan memahami karakteristik lingkungan pada agen cerdas yang akan dirancang, maka pembuatan agen cerdas dapat dilakukan dengan lebih baik. Tabel 2.1 menunjukkan beberapa contoh lingkungan dan karakteristik agen.
12 Tabel 2.2 Contoh Lingkungan dan Karakteristiknya Lingkungan Fully Single Deterministic Episodic Static Discrete Observable Agent Catur dengan jam Ya Ya Tidak Semi Ya Tidak Catur tanpa jam Ya Ya Tidak Ya Ya Tidak Poker Tidak Tidak Tidak Ya Ya Tidak Backgammon Ya Tidak Tidak Ya Ya Tidak Pengendara taxi Tidak Tidak Tidak Tidak Tidak Tidak Sistem diagnosa kesehatan Tidak Tidak Tidak Tidak Tidak Ya Sistem analisa gambar Ya Ya Ya Semi Tidak Ya Robot pengangkat barang bagian Tidak Tidak Ya Tidak Tidak Ya Pengendali kulkas Tidak Tidak Tidak Tidak Tidak Ya Pengajar bahasa Inggris Interaktif Tidak Tidak Tidak Tidak Ya Tidak Reversi Ya Ya Tidak Ya Ya Tidak 2.3 Pohon Permainan Sebuah pohon permainan merepresentasikan kepada penulis kondisi-kondisi yang mungkin penulis hadapi pada permainan dimulai dari kondisi yang sedang penulis hadapi sekarang hingga beberapa kondisi ke depan. Sebuah pohon permainan merupakan representasi grafis dari contoh permainan. Pohon permainan menyediakan informasi akan pemain, hasil, strategi, dan pilihan langkah. Pohon permainan dapat direpresentasikan dengan sangat baik untuk permainan yang dimainkan oleh dua pemain. Pohon permainan memiliki root yang merupakan representasi dari kondisi di mana langkah belum diambil, nodes pada pohon yang merepresentasikan keadaan-keadaan yang mungkin diambil pada permainan, dan arcs yang merepresentasikan langkah. Penggunaan pohon permainan pada permainan yang dimainkan oleh dua pemain direpresentasikan dengan cara berselingan. Untuk edges dari tingkat pertama ke tingkat kedua merepresentasikan langkah-langkah yang dapat diambil oleh pemain pertama, sedangkan untuk edges dari tingkat kedua ke tingkat ketiga merepresentasikan langkah-langkah yang dapat diambil oleh pemain kedua, dan begitu seterusnya. Leaf nodes pada pohon permainan merepresentasikan keadaan akhir pada permainan, di mana permainan tersebut dimenangkan, dikalahkan ataupun seri. Pada permainan yang sederhana, untuk mencapai leaf nodes mungkin dapat
13 direpresentasikan, tetapi untuk permainan yang rumit seperti Catur atau Reversi, pencapaian leaf nodes sangat tidak dimungkinkan karena percabangan pada pohon permainan yang sangat besar. Gambar 2.8 Pohon permainan Tic-Tac-Toe (Ben Coppin, 2004) Berikut adalah penjelasan pohon permainan tic-tac-toe pada Gambar 2.8: 1. Terdapat root yang merupakan keadaan awal di mana permainan belum dimulai dan langkah belum diambil. 2. Edges yang menghubungkan tingkat pertama (root) dengan tingkat kedua merupakan langkah pemain pertama dan begitu seterusnya. Sehingga pohon permainan tersebut merepresentasikan langkah kedua pemain secara berselingan. 3. Untuk nodes pada pohon tersebut merepresentasikan keadaan-keadaan yang dapat diambil oleh pemain yang akan melangkah. 4. Percabangan pertama yang dihasilkan adalah 9, kemudian untuk percabangan berikutnya adalah 8, dan begitu seterusnya hingga mencapai keadaan akhir (leaf nodes).
14 Pada aplikasi permainan Reversi yang akan dirancang, permainan tersebut tidak memiliki unsur kemungkinan atau kesempatan pada permainan dan semua pengetahuan akan keadaan permainan tersebut diketahui secara keseluruhan, artinya pemain tidak dapat menyimpan suatu informasi agar pemain lawan tidak mengetahuinya (terkecuali untuk strategi). Aplikasi permainan Reversi yang akan dirancang berbasis zero-sum, artinya pendapatan poin untuk pemain yang satu, merupakan kehilangan poin untuk pemain yang satunya lagi. Apabila pemain yang satu menang, maka pemain yang satunya lagi kalah. Kemungkinan lainnya hanya seri. 2.4 Algoritma Pencarian (Penelusuran) Penulis telah mengetahui apa itu pohon permainan, namun penulis belum mengetahui bagaimana cara yang baik untuk menelusuri pohon permainan tersebut sehingga mendapatkan nilai-nilai dari pohon permainan tersebut. Di sini penulis akan menganalisa dua algoritma pencarian pada pohon permainan yaitu Depth-First Search dan Breadth-First Search Depth-First Search Depth-First Search (DFS) merupakan algoritma pencarian yang paling umum digunakan. DFS akan melakukan pencarian pada pohon dengan cara menelusuri suatu jalur tertentu hingga mencapai kedalaman yang paling akhir (leaf node) terlebih dahulu sebelum melanjutkan ke jalur selanjutnya. Jika DFS telah mencapai leaf node tetapi belum menemukan goal state maka DFS akan melakukan proses backtrack ke node teratas yang belum pernah ditelusuri. Penelusuran pada pohon permainan akan dilakukan hingga DFS menemukan goal state atau telah selesai menelusuri keseluruhan pohon permainan. Pada Gambar 2.9 mengilustrasikan tentang bagaimana cara kerja algoritma DFS.
15 (Ben Coppin, 2004) Gambar 2.9 Penelusuran pohon permainan dengan DFS Pada Gambar 2.9 dapat diketahui bahwa proses penelusuran DFS dimulai dari A-B-D-G-D-H-D-B-A-C-E-I-J. A merupakan root yang menandakan keadaan belum diambil, lalu ditelusuri hingga kedalaman yang paling dalam sebelah kiri yaitu G, lalu melakukan proses backtrack ke D lalu lanjut lagi ke H. Proses tersebut berhenti karena telah mencapai goal state yaitu leaf node G. Langkah-langkah cara kerja algoritma DFS adalah sebagai berikut: 1. Masukkan root ke dalam struktur data tumpukan (stack). 2. Ambil simpul dari tumpukan teratas, dan diperiksa apakah simpul merupakan solusi. 3. Jika simpul merupakan solusi, maka pencarian selesai dan hasil dikembalikan. 4. Jika simpul bukan solusi, masukkan seluruh simpul yang bertetangga dengan simpul tersebut ke dalam tumpukan. 5. Jika tumpukan kosong dan setiap simpul sudah ditelusuri, pencarian selesai dan solusi tidak ditemukan. 6. Ulangi pencarian dari poin kedua.
16 Untuk pencarian pada pohon yang memiliki kedalaman yang sangat dalam ataupun hampir tak terhingga, algoritma DFS tidak bekerja dengan baik karena solusi bisa jadi tidak ditemukan, dan apabila ditemukan pasti membutuhkan waktu operasi yang sangat lama. Namun algoritma DFS, bisa lebih cepat menemukan solusi secara kebetulan apabila jalur yang ditelusuri pertama kali merupakan jalur menuju solusi pada pohon tersebut. Kompleksitas dalam kondisi terburuk pada algoritma DFS adalah O(b m ) dengan keterangan b merupakan unsur percabangan pada pohon dan m merupakan tingkat kedalaman yang ada pada pohon permainan. Sedangkan kompleksitas untuk kondisi terbaik pada algoritma DFS adalah O(1), dengan kondisi pencarian simpul pertama langsung menemukan solusi Breadth-First Search Alternatif lain untuk algoritma pencarian adalah Breadth-First Search (BFS). Seperti namanya, algoritma ini lebih mendahulukan pencarian cabang daripada pencarian kedalaman. Jadi, pencarian akan dilakukan dari tingkat n dan akan lanjut ke tingkat n+1 jika dan hanya jika tingkat n telah ditelusuri seluruhnya.
17 (Ben Coppin, 2004) Gambar 2.10 Penelusuran pohon permainan dengan BFS Penelusuran pada Gambar 2.10 dimulai dari A-B-C-D-E-F-G-H-I-J di mana A merupakan kedaaan awal dan mencapai J yang merupakan keadaan tujuan. Dapat diketahui dengan jelas bahwa penelusuran BFS dilakukan secara tingkat ke tingkat pada pohon permainan. Langkah-langkah cara kerja algoritma BFS adalah sebagai berikut: 1. Masukkan root ke dalam struktur data antrean (queue). 2. Ambil simpul dari awal antrean, lalu periksa apakah simpul merupakan solusi. 3. Jika simpul merupakan solusi, maka pencarian selesai dan nilai dikembalikan. 4. Jika simpul bukan solusi, masukkan seluruh simpul yang bertetangga dengan simpul tersebut ke dalam antrean. 5. Jika antrean kosong dan setiap simpul sudah ditelusuri, maka pencarian selesai dan solusi tidak ditemukan. 6. Ulangi pencarian dari poin kedua. Untuk pencarian pada pohon yang mempunyai tingkat kedalaman yang sangat dalam, algoritma BFS dapat berjalan dengan baik dibanding DFS. Apabila terdapat
18 beberapa solusi dalam pohon, maka algoritma BFS akan menemukan solusi terpendek (shortest path). Kompleksitas dalam kondisi terburuk untuk algoritma BFS adalah O(b d ) dengan keterangan b merupakan unsur percabangan pada pohon dan d merupakan tingkat kedalaman yang dicapai BFS saat menemukan solusi. Sedangkan kompleksitas untuk kondisi terbaik pada algoritma BFS adalah O(1), dengan kondisi pencarian simpul pertama langsung menemukan solusi. 2.5 Algoritma Minimax Algoritma Minimax merupakan algoritma yang digunakan untuk menentukan pilihan agar memperkecil kemungkinan kehilangan nilai maksimal. Algoritma ini diterapkan dalam permainan yang melibatkan dua pemain dan permainan tersebut menggunakan strategi dan logika. Hal ini berarti permainan-permainan tersebut dapat dijelaskan sebagai suatu rangkaian aturan. Algoritma ini mulai dikembangkan dari teori game yang berbasis zero-sum. Teori ini mendeskripsikan situasi di mana jika terdapat pemain yang mengalami pendapatan, pemain lain akan mengalami kehilangan dengan niali yang sama dari pendaptan tersebut, dan sebaliknya. Jumlah pendapatan dari pemain yang dikurangi dengan jumlah kehilangan akan berjumlah nol. Teori Minimax menyatakan bahwa untuk setiap dua orang pemain dalam permainan berbasis zero-sum, terdapat nilai V dari strategi yang dimiliki pemain seperti: 1. Strategi yang ditentukan pemain kedua akan menghasilkan konsekuensi kemungkinan untuk pemain pertama, V. 2. Strategi yang ditentukan pemain pertama akan menghasilkan konsekuensi kemungkinan untuk pemain kedua, -V. Secara setara, strategi pemain pertama akan memastikan suatu nilai V tanpa memperdulikan strategi pemain kedua, dan bersamaan dengan itu pemain kedua akan memastikan dirinya kehilangan nilai sebesar V. (Nadhira Ayuningtyas, 2008).
19 Algortima Minimax dapat menghasilkan pilihan langkah yang baik dengan mengasumsikan bahwa pemain lawan akan selalu memilih langkah terbaik untuk dirinya dan langkah terburuk bagi komputer. Prinsip dasar pada algoritma Minimax ini adalah jalur yang akan dipilih oleh komputer merupakan jalur maksimum (max node) yang akan menghasilkan nilai maksimum di jalur tersebut, dan saat lawan yang akan bermain akan meminimalkan (min node) nilai komputer. Jadi, komputer bertujuan untuk memaksimalkan kemungkinan nilai paling rendah yang akan diperoleh komputer. Algoritma Minimax merupakan algoritma dasar pencarian DFS untuk melakukan traversal dalam pohon. DFS akan mengekspansi simpul paling dalam terlebih dahulu. Setelah simpul akar dibangkitkan, algoritma ini akan membangkitkan simpul pada tingkat kedua, yang akan dilanjutkan pada tingkat ketiga, dst. Dalam melakukan traversal, misalkan dimulai dari suatu simpul i, maka simpul selanjutnya yang akan dikunjungi adalah simpul tetangga j, yang bertetangga dengan simpul k, selanjutnya pencarian dimulai lagi secara rekursif dari simpul j. Ketika telah mencapai simpul m, di mana semua simpul yang bertetangga dengannya telah dikunjungi, pencarian akan dirunutbalik ke simpul terakhir yang dikunjungi sebelumnya dan mempunyai simpul j yang belum dikunjungi. Selanjutnya pencarian dimulai kembali dari j. Ketika tidak ada lagi simpul yang belum dikunjungi yang dapat dicapai dari simpul yang telah dikunjungi maka pencarian selesai. Untuk proses dan cara kerja algoritma yang lebih jelasnya lagi, dapat dilihat pada Gambar 2.11 yang merepresentasikan cara kerja algoritma Minimax.
20 (Ben Coppin, 2004) Gambar 2.11 Illustrasi cara kerja algoritma Minimax Dari Gambar 2.11, proses pencarian dimulai dari jalur paling kiri terlebih dahulu, sehingga DFS akan menelusuri simpul paling kiri bawah yaitu 5. Nilai 5 disimpan sebagai nilai maksimum sementara karena berada di tingkat max, kemudian DFS melakukan backtrack dan menelusuri simpul yang bertetangga dengan simpul 5 yaitu simpul 2. Karena nilai 5 lebih besar dari nilai 2, maka nilai 2 tidak disimpan. Lalu DFS akan melakukan backtrack ke tingkat min sehingga nilai 5 yang diperoleh akan disimpan sebagai nilai minimum sementara. Untuk simpul 1 dan 3, nilai 3 yang akan disimpan karena merupakan nilai maksimum di tingkat max. Saat mencapai tingkat min, sudah ada nilai minimum sementara yaitu 5, namun karena nilai 3 lebih kecil daripada nilai 5, maka nilai 5 akan digantikan dengan nilai 3. Nilai 3 akan disimpan sebagai nilai maksimum sementara di tingkat paling atas karena merupakan tingkat max. Lalu penelusuran jalur kanan akan dilakukan dengan cara yang sama seperti penelusuran jalur kiri sehingga diperoleh nilai 6. Karena nilai maksimum sementara pada tingkat paling atas adalah nilai 3, maka nilai 3 akan digantikan dengan nilai 6 karena nilai 6 lebih besar daripada nilai 3. Dengan demikian, jalur yang akan dipilih menggunakan algoritma Minimax adalah jalur sebelah kanan karena untuk kondisi terburuknya, penulis akan mendapatkan nilai 6 sedangkan jika penulis memilih jalur kiri, penulis hanya akan mendapatkan nilai 3.
BAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Kecerdasan Buatan Kecerdasan buatan merupakan salah satu bidang ilmu komputer yang didefinisikan sebagai kecerdasan yang dibuat untuk suatu sistem dengan menggunakan algoritmaalgoritma
Lebih terperinciAgen Cerdas. Oleh: Dewi Liliana IT PNJ
Agen Cerdas Oleh: Dewi Liliana IT PNJ Tujuan Mengetahui konsep agen cerdas dan lingkungan agen cerdas. Mengetahui konsep PEAS (Performance measure, Environment, Actuators, Sensors) untuk merancang agen
Lebih terperinciImplementasi Permainan Reversi menggunakan Penelusuran BFS dengan Konsep Algoritma MinMax
Implementasi Permainan Reversi menggunakan Penelusuran BFS dengan Konsep Algoritma MinMax Romi Fadillah Rahmat, Muhammad Anggia Muchtar, Dedy Arisandi Fakultas MIPA Program Studi Teknologi Informasi Universitas
Lebih terperinciIntelligent Agent. PERTEMUAN 10 Diema Hernyka Satyareni, M.Kom
Intelligent Agent PERTEMUAN 10 Diema Hernyka Satyareni, M.Kom Outline Konsep Agen Cerdas dan Lingkungannya Konsep Perancangan Agen Cerdas Perancangan Agen Cerdas Karakteristik Agen Arsitektur Agen Tipe
Lebih terperinciAgent Cerdas. Chastine Fatichah. Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012
Kecerdasan Buatan Agent Cerdas Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012 1 / 25 Pokok Bahasan Agent & environment Konsep Rational Agents PEAS (Performance measure,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Permainan papan (board game) adalah sebuah permainan di mana bidak-bidak diletakkan, dipindahkan ataupun dimakan oleh bidak lawan yang dimainkan di atas papan yang
Lebih terperinciPengenalan Intelligent Agent
Pengenalan Intelligent Agent Pertemuan II Wahyu Supriyatin Intelligent Agent Sistem agent pintar yang dirancang untuk bekerja secara otomatis pada setiap aplikasinya dengan sensornya yaitu menerima pesan
Lebih terperinciALGORITMA MINIMAX DALAM PERMAINAN CHECKERS
ALGORITMA MINIMAX DALAM PERMAINAN CHECKERS Nadhira Ayuningtyas (13506048) Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha No. 10 Bandung e-mail: if16048@students.if.itb.ac.id ABSTRAK
Lebih terperinciBAB III ANALISA DAN PERANCANGAN
BAB III ANALISA DAN PERANCANGAN III.1. Analisis Masalah Strategi di belakang Minimax algoritma adalah komputer berasumsi bahwa kedua pemain akan main sejauh kemampuan mereka. Maka, jika lawan mempunyai
Lebih terperinciMASALAH, RUANG KEADAAN & PENCARIAN
MASALAH, RUANG KEADAAN & PENCARIAN 1 Pokok Bahasan Mendefinisikan Masalah dalam Ruang Keadaan Representasi Ruang Keadaan Metode Pencarian & Pelacakan 2 Artificial Intelligence ARTIFICIAL INTELLIGENCE Input:
Lebih terperinciPengertian Agent. percepts. actions
Pengertian Agent sensors percepts? agent actuators (effectors) actions environment AGENT, adalah : Sesuatu (entity) yang menerima masukan (percept) dari lingkungannya (environment) melalui sensorsensor,
Lebih terperinciPerbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin
Perbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin Arie Tando - 13510018 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPermainan Papan Strategi Menggunakan Algoritma Minimax
Permainan Papan Strategi Menggunakan Algoritma Minimax Sandy Kosasi STMIK Pontianak Jalan Merdeka No. 372 Pontianak e-mail: sandykosasi@yahoo.co.id&sandykosasi@stmikpontianak.ac.id Abstrak Algoritma minimax
Lebih terperinciImplementasi Algoritma Greedy, BFS, Branch and Bound, dan Metode Heuristik dalam Permainan Reversi
Implementasi Algoritma Greedy, BFS, Branch and Bound, dan Metode Heuristik dalam Permainan Reversi Gilang Julian Suherik - 13512045 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciRancangan Permainan Othello Berbasis Android Menggunakan Algoritma Depth-First Search
JURNAL DUNIA TEKNOLOGI INFORMASI Vol. 1, No. 1, (2012) 28-34 28 Rancangan Permainan Othello Berbasis Android Menggunakan Algoritma Depth-First Search 1 Mauza Saputri Handayani, 1 Dedy Arisandi, 1 Opim
Lebih terperinciPenerapan Algoritma DFS pada Permainan Sudoku dengan Backtracking
Penerapan Algoritma DFS pada Permainan Sudoku dengan Backtracking Krisna Dibyo Atmojo 13510075 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2. Permainan Di zaman sekarang, terkadang sebagian manusia lebih memilih untuk bermain di kehidupan maya dibandingkan di kehidupan nyata.dan mereka memilih sebagai dunia baru karena
Lebih terperinciBAB I PENDAHULUAN. Dalam beberapa tahun terakhir Artificial Intelligence (AI) atau kecerdasan
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian Dalam beberapa tahun terakhir Artificial Intelligence (AI) atau kecerdasan buatan telah menjadi sesuatu yang berpengaruh dalam industri game application.
Lebih terperinciPerbandingan Penerapan Algoritma Minimax Dengan Algoritma Alpha-Beta Pruning Pada Permainan Othello
Perbandingan Penerapan Algoritma Minimax Dengan Algoritma Alpha-Beta Pruning Pada Permainan Othello T. Arie Setiawan P. Fakultas Teknologi Informasi Universitas Kristen Satya Wacana Salatiga 50711 arie_setiawan_p@yahoo.com
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Kecerdasan Buatan Kecerdasan buatan atau artificial intelligence merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti
Lebih terperinciANALISIS ALGORITMA MINIMAX DENGAN OPTIMASI ALPHA BETA PRUNIGN PADA PERMAINAN FIVE IN ROW
Volume : II, Nomor : 1, Pebruari 214 ISSN : 2339-21X ANALISIS ALGORITMA MINIMAX DENGAN OPTIMASI ALPHA BETA PRUNIGN PADA PERMAINAN FIVE IN ROW Vanlyco Simbolon (811362) Mahasiswa STMIK Budidarma Medan Jln.
Lebih terperinciPENERAPAN ALGORITMA MINIMAX PADA PERMAINAN CHECKERS
PENERAPAN ALGORITMA MINIMAX PADA PERMAINAN CHECKERS Dahwila Syapnika 1, Edward Robinson Siagian 2 1 Mahasiswa Teknik Informatika STMIK Budi Darma 2 Dosen Tetap STMIK Budi Darma 1, 2 Jl. Sisimangaraja Np.
Lebih terperinciBAB III METODE PENELITIAN. Berikut langkah-langkah yang dilakukan dalam penelitian ini :
BAB III METODE PENELITIAN 3.1 Rancangan Langkah Penelitian Berikut langkah-langkah yang dilakukan dalam penelitian ini : 1. Studi Literatur Bertujuan untuk mencari teori mengenai permainan Tic Tac Toe
Lebih terperinciALGORITMA MINIMAX SEBAGAI PENGAMBIL KEPUTUSAN DALAM GAME TIC-TAC-TOE
ALGORITMA MINIMAX SEBAGAI PENGAMBIL KEPUTUSAN DALAM GAME TIC-TAC-TOE Muhammad Kurniawan 1), Afib Pamungkas 2), Salman Hadi 3) 1), 2), 3) Teknik Informatika STMIK AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciPenerapan Algoritma BFS dan DFS dalam Mencari Solusi Permainan Rolling Block
Penerapan Algoritma dan DFS dalam Mencari Solusi Permainan Rolling Block Zakiy Firdaus Alfikri 13508042 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kecerdasan buatan merupakan salah satu bidang ilmu komputer yang didefinisikan sebagai kecerdasan yang dibuat untuk suatu sistem dengan menggunakan algoritmaalgoritma
Lebih terperinciImplementasi Algoritma BFS dan DFS dalam Penyelesaian Token Flip Puzzle
Implementasi BFS dan DFS dalam Penyelesaian Token Flip Puzzle Ali Akbar Septiandri - 13509001 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciPenggunaan Algoritma DFS dan BFS pada Permainan Three Piles of Stones
Penggunaan Algoritma DFS dan BFS pada Permainan Three Piles of Stones Muharram Huda Widaseta NIM 13508033 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciKecerdasan Buatan Penyelesaian Masalah dengan Pencarian
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian Kelas 10-S1TI-03, 04, 05 Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2012 Outline Pendahuluan
Lebih terperinciPenggunaan Algoritma DFS dalam Pencarian Strategi Permainan Catur
Penggunaan Algoritma DFS dalam Pencarian Strategi Permainan Catur Muhammad Anwari Leksono - 13508037 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Game Game atau permainan merupakan sebuah sistem yang melibatkan pemain dalam suatu permasalahan dengan aturan tertentu sehingga menciptakan hasil yang dapat diukur (Salen & Zimmerman,
Lebih terperinciPENGUNAAN DUA VERSI ALGORITMA BACKTRACK DALAM MENCARI SOLUSI PERMAINAN SUDOKU
PENGUNAAN DUA VERSI ALGORITMA BACKTRACK DALAM MENCARI SOLUSI PERMAINAN SUDOKU Aditia Dwiperdana 13505014 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung
Lebih terperinciAplikasi Pohon Keputusan pada Permainan Catur
Aplikasi Pohon Keputusan pada Permainan Catur Christian Anthony Setyawan 13514085 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciBAB 2 LANDASAN TEORI
16 BAB 2 LANDASAN TEORI 2.1 Game Game adalah kegiatan yang berlangsung antara dua orang atau lebih yang membuat keputusannya sendiri untuk meraih tujuan (Clark C, 1987). Orang telah memainkan game pada
Lebih terperinciAplikasi Permainan Battleship Menggunakan Algoritma Runut-Balik Dengan Breadth First Search
Aplikasi Permainan Battleship Menggunakan Algoritma Runut-Balik Dengan Breadth First Search Arif Aliyanto 1, Felix Novendo Ishak 2 1 Sistem Informasi, Sekolah Tinggi Teknik Musi Jl. Bangau No.60, Palembang,
Lebih terperinciPERANCANGAN PENERAPAN ALGORITMA NEGAMAX ALPHA BETA PRUNING PADA PERMAINAN OTHELLO NASKAH PUBLIKASI. diajukan oleh Bayu Trisna Pratama
PERANCANGAN PENERAPAN ALGORITMA NEGAMAX ALPHA BETA PRUNING PADA PERMAINAN OTHELLO NASKAH PUBLIKASI diajukan oleh Bayu Trisna Pratama 13.11.7056 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
Lebih terperinciAplikasi dan Analisis Algoritma BFS dan DFS dalam Menemukan Solusi pada Kasus Water Jug
Aplikasi dan Analisis Algoritma BFS dan DFS dalam Menemukan Solusi pada Kasus Water Jug Rizkydaya Aditya Putra NIM : 13506037 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika, Institut
Lebih terperinciPenerapan DFS dan BFS dalam Pencarian Solusi Game Japanese River IQ Test
Penerapan DFS dan BFS dalam Pencarian Solusi Game Japanese River IQ Test Hanif Eridaputra / 00 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Game (Permainan) Game merupakan suatu sistem yang memiliki aturan-aturan tertentu dimana pemain akan terlibat di dalam suatu permasalahan sehingga dapat menghasilkan suatu hasil
Lebih terperinciPENERAPAN KONSEP ALGORITMA MINIMAX DENGAN MENGGUNAKAN BREADTH-FIRST SEARCH (BFS) PADA PERMAINAN REVERSI SKRIPSI SURYA WIJAYA
PENERAPAN KONSEP ALGORITMA MINIMAX DENGAN MENGGUNAKAN BREADTH-FIRST SEARCH (BFS) PADA PERMAINAN REVERSI SKRIPSI SURYA WIJAYA 061401052 PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA
Lebih terperinciPenerapan Pohon dengan Algoritma Branch and Bound dalam Menyelesaikan N-Queen Problem
Penerapan Pohon dengan Algoritma Branch and Bound dalam Menyelesaikan N-Queen Problem Arie Tando (13510018) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPengantar kecerdasan buatan. Rational Agent
Pengantar kecerdasan buatan Rational Agent Agent Kecerdasan buatan tidak akan berfungsi / berguna apabila tidak diterapkan pada suatu obyek / entitas yang bisa bertindak berdasarkan kecerdasan buatan tersebut
Lebih terperinciPenerapan Algoritma Greedy dan Breadth First Search pada Permainan Kartu Sevens
Penerapan Algoritma Greedy dan Breadth First Search pada Permainan Kartu Sevens Kharis Isriyanto 13514064 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciBAB I PENDAHULUAN. sangat diandalkan selama kurang lebih 70 tahun lamanya (Mahfudz, 2013:18).
BAB I PENDAHULUAN 1.1 Latar Belakang Ilmu pengetahuan melahirkan sebuah mesin yang dapat mengerjakan beberapa kegiatan abstrak manusia seperti menghitung dan mengolah informasi berupa teknologi alat hitung,
Lebih terperinciJurnal Mahajana Informasi, Vol.1 No 2, 2016 e-issn: SIMULASI PERGERAKAN CHESS KNIGHT DALAM PAPAN CATUR
SIMULASI PERGERAKAN CHESS KNIGHT DALAM PAPAN CATUR Dini MH. Hutagalung Program Studi Sistem Informasi Universitas Sari Mutiara Indonesia mhdini@gmail.com ABSTRAK Sistem produksi ( production system) merupakan
Lebih terperincisasaran yang dirancang
Agen Cerdas Pkk Bahasan 1. Agents and Envirnments 2. Ratinality 3. PEAS (Perfrmance measure, Envirnment, Actuatrs, Sensrs) 4. Agent types 5. Envirnment types Agen dan Lingkungan Sistem Agen Cerdas Prgram
Lebih terperinciSistem Kecerdasan Buatan. Masalah, Ruang Masalah dan Pencarian Solusi. Masalah. Masalah Sebagai Ruang Keadaan 10/7/2015
Sistem Kecerdasan Buatan Masalah, Ruang Masalah dan Pencarian Solusi Bahan Bacaan : Sri Kusumadewi, Artificial Intelligence. Russel, Artificial Intelligence Modern Approach 2 bagian utama kecerdasan buatan
Lebih terperinciUKDW BAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Permainan tic-tac-toe merupakan permainan klasik berjenis permainan papan (board-game) dengan ukuran 3x3. Cara memainkan Permainan tersebut dengan memberikan Nilai
Lebih terperinciBAB 3 ANALISIS ALGORITMA
BAB 3 ANALISIS ALGORITMA 3.1 Analisis Masalah Permainan congklak merupakan permainan ng diperlukan strategi dan kemampuan matematika untuk bisa memenangkan permainan. Umumn congklak menggunakan papan dengan
Lebih terperinciAPLIKASI GAME TIC TAC TOE 6X6 BERBASIS ANDROID MENGGUNAKAN ALGORITMA MINIMAX DAN HEURISTIC EVALUATION
APLIKASI GAME TIC TAC TOE 6X6 BERBASIS ANDROID MENGGUNAKAN ALGORITMA MINIMAX DAN HEURISTIC EVALUATION Ever Jayadi1), Muhammad Aziz Fatchur Rachman2), Muhammad Yuliansyah3) 1), 2), 3) Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN. O, yang bergiliran menandai ruang dalam kotak berukuran 3 3. Pemain yang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Tic Tac Toe adalah permainan kertas dan pensil untuk dua pemain, X dan O, yang bergiliran menandai ruang dalam kotak berukuran 3 3. Pemain yang berhasil menempatkan
Lebih terperinciIKI30320 Kuliah 8 26 Sep Ruli Manurung. Game playing. Strategi optimal. Bekerja cepat Cutoff Tree pruning. State of the art.
Outline IKI 3030: Sistem Cerdas : (Deterministic) Game Playing Fakultas Ilmu Komputer Universitas Indonesia 3 4 6 September 007 5 Masalah menghadapi lawan Jenis-jenis game State space search biasa: agent
Lebih terperinciPencarian Pohon Solusi Permainan Alchemy Menggunakan Algoritma BFS dan DFS
Pencarian Pohon Solusi Permainan Alchemy Menggunakan Algoritma BFS dan DFS Emil Fahmi Yakhya - 13509069 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciAnalisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek
Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek Hugo Toni Seputro Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika Jl. Ganesha 10 Bandung Jawa Barat Indonesia
Lebih terperinciCombinatorial Game Theory, Game Tree, dan Intelegensia Buatan
Combinatorial Game Theory, Game Tree, dan Intelegensia Buatan Ripandy Adha - 13507115 Jurusan Teknik Informatika ITB, Bandung 40116, email: if17115@students.if.itb.ac.id Abstract Makalah ini membahas tentang
Lebih terperinciKecerdasan Buatan. Penyelesaian Masalah dengan Pencarian... Pertemuan 02. Husni
Kecerdasan Buatan Pertemuan 02 Penyelesaian Masalah dengan Pencarian... Husni Lunix96@gmail.com http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM, 2013 Outline Konsep Pencarian Pencarian
Lebih terperinciBAB III ALGORITMA BRANCH AND BOUND. Algoritma Branch and Bound merupakan metode pencarian di dalam ruang
BAB III ALGORITMA BRANCH AND BOUND Algoritma Branch and Bound merupakan metode pencarian di dalam ruang solusi secara sistematis. Ruang solusi diorganisasikan ke dalam pohon ruang status. Pohon ruang status
Lebih terperinciALGORITMA MINIMAX PADA GAME ANDROID
ALGORITMA MINIMAX PADA GAME ANDROID Khamdan Alaik, Wahyu S. J. Saputra Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Pembangunan Nasional Veteran Jatim E-mail: d42kit@gmail.com Abstrak.
Lebih terperinciPENERAPAN ALGORITMA RUNUT BALIK DALAM PERMAINAN TEKA-TEKI SILANG
PENERAPAN ALGORITMA RUNUT BALIK DALAM PERMAINAN TEKA-TEKI SILANG Imaduddin Amin Departemen Teknik Informatika Institut Teknologi Bandung Jalan Ganesha No 10 Bandung Indonesia e-mail: if15067@students.if.itb.ac.id
Lebih terperinciPENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG
PENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG Firman Harianja (0911519) Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja
Lebih terperinciBAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Masalah Proses analisa sistem merupakan langkah kedua pada pengembangan sistem. Analisa sistem dilakukan untuk memahami informasi-informasi
Lebih terperinciALGORITMA PENCARIAN (1)
ALGORITMA PENCARIAN (1) Permasalahan, Ruang Keadaan, Pencarian Farah Zakiyah Rahmanti Diperbarui 2016 Overview Deskripsi Permasalahan dalam Kecerdasan Buatan Definisi Permasalahan Pencarian Breadth First
Lebih terperinciJURNAL INFORMATIKA SIMULASI PERGERAKAN LANGKAH KUDA MENGGUNAKAN METODE BREADTH FIRST SEARCH
SIMULASI PERGERAKAN LANGKAH KUDA MENGGUNAKAN METODE BREADTH FIRST SEARCH Youllia Indrawaty [1], Asep Nana Hermana [2], Vichy Sinar Rinanto [3] Jurusan Teknik Informatika Institut Teknologi Nasional Bandung
Lebih terperinciPenerapan Pohon dalam Algoritma Expectiminimax untuk Permainan Stokastik
Penerapan Pohon dalam Algoritma Expectiminimax untuk Permainan Stokastik Jordhy Fernando 13515004 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl.
Lebih terperincimemberikan output berupa solusi kumpulan pengetahuan yang ada.
MASALAH DAN METODE PEMECAHAN MASALAH (Minggu 2) Pendahuluan Sistem yang menggunakan kecerdasan buatan akan memberikan output berupa solusi dari suatu masalah berdasarkan kumpulan pengetahuan yang ada.
Lebih terperinciPenerapan Algoritma Greedy dalam Pembuatan Artificial Intelligence Permainan Reversi
Penerapan Algoritma Greedy dalam Pembuatan Artificial Intelligence Permainan Reversi Zacki Zulfikar Fauzi / 13515147 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPenerapan Algoritma DFS dan BFS untuk Permainan Wordsearch Puzzle
Penerapan Algoritma DFS dan BFS untuk Permainan Wordsearch Puzzle Stefan Lauren / 13510034 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF
ALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF Anthony Rahmat Sunaryo NIM: 3506009 Jurusan Teknik Informatika ITB, Bandung email : if6009@students.if.itb.ac.id Abstract -- Makalah ini membahas tentang analsis
Lebih terperinciPenerapan BFS dan DFS pada Pencarian Solusi
Penerapan BFS dan DFS pada Pencarian Solusi Bahan Kuliah IF2151 Strategi Algoritmik Oleh: Rinaldi Munir 1 Pengorganisasian Solusi Kemungkinan2 solusi dari persoalan membentuk ruang solusi (solution space)
Lebih terperinciPelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound
Pelacakan dan Penentuan Jarak Terpendek terhadap Objek dengan BFS (Breadth First Search) dan Branch and Bound Mico (13515126) Teknik Informatika Sekolah Teknik Elektro dan Informatika ITB Jl. Ganesha 10,
Lebih terperinciUKDW BAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Perkembangan komputer dewasa ini telah banyak mengarah pada Kecerdasan Buatan atau Artificial Intelligence (AI). AI merupakan suatu cabang ilmu yang mempelajari tentang
Lebih terperinciPerangkat Lunak Simulasi Langkah Kuda Dalam Permainan Catur
Perangkat Lunak Simulasi Langkah Kuda Dalam Permainan Catur Hartono 1) Liva Junter 2) STMIK IBBI Medan Jl. Sei Deli No. 18 Medan, Telp. 061-4567111 Fax. 061-4527548 Email: hartonoibbi@gmail.com 1 Abstrak
Lebih terperinciPenggunaan Metode Depth First Search (DFS) dan Breadth First Search (BFS) pada Strategi Game Kamen Rider Decade Versi 0.3
Scientific Journal of Informatics Vol. 1, No. 2, November 2014 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Penggunaan Metode Depth First Search (DFS) dan Breadth First
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Kecerdasan Buatan Artificial Intelligence atau kecerdasan buatan merupakan cabang dari ilmu komputer yang konsern dengan pengautomatisasi tingkah laku cerdas (Desiani dan Arhami,
Lebih terperinciPenerapan Algoritma Runut-Balik dan Graf dalam Pemecahan Knight s Tour
Penerapan Algoritma Runut-Balik dan Graf dalam Pemecahan Knight s Tour Krisnaldi Eka Pramudita NIM-13508014 Prodi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Bandung 40135, Email : if18014@students.if.itb.ac.id
Lebih terperinciPemanfaatan Pohon dalam Realisasi Algoritma Backtracking untuk Memecahkan N-Queens Problem
Pemanfaatan Pohon dalam Realisasi Algoritma Backtracking untuk Memecahkan N-Queens Problem Halida Astatin (13507049) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi
Lebih terperinciGame Playing #1/5. (C) 2005, gunawan -
#1/5 Game Playing Beberapa Karakteristik dan Batasan Game untuk Game Playing: Dimainkan oleh 2 (dua) pemain: manusia dan komputer. Para pemain saling bergantian melangkah. Perfect Information Game: kedua
Lebih terperinciPENERAPAN ALGORITMA BACKTRACKING PADA PERMAINAN MATH MAZE
PENERAPAN ALGORITMA BACKTRACKING PADA PERMAINAN MATH MAZE Teneng, Joko Purwadi, Erick Kurniawan Fakultas Teknik Program Studi Teknik Informatika Universitas Kristen Duta Wacana Yogyakarta Email: patmostos@yahoo.com,
Lebih terperinciALGORITMA GENETIK SEBAGAI FUNGSI PRUNING ALGORITMA MINIMAX PADA PERMAINAN TRIPLE TRIAD CARD.
ALGORITMA GENETIK SEBAGAI FUNGSI PRUNING ALGORITMA MINIMAX PADA PERMAINAN TRIPLE TRIAD CARD. Nico Saputro [1] dan Erico Darmawan Handoyo [2] Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB I PENDAHULUAN. adalah perkembangan dalam bidang permainan. banyak permainan teka-teki yang menjadi populer di kalangan masyarakat.
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi informasi terjadi dalam berbagai bidang[8]. Pada awalnya perkembangan teknologi digunakan untuk membantu mempermudah pekerjaan manusia. Namun,
Lebih terperinciOleh Lukman Hariadi
ANALISIS PENYELESAIAN PUZZLE SUDOKU DENGAN MENERAPKAN ALGORITMA BACKTRACKING (berbentuk piramida terbalik) PROPOSAL JUDUL Diajukan Untuk Menempuh Tugas Akhir Oleh Lukman Hariadi 14201045 PROGRAM STUDI
Lebih terperinciPENYELESAIAN TEKA-TEKI PENYUSUNAN ANGKA MENGGUNAKAN ALGORITMA RUNUT BALIK
PENYELESAIAN TEKA-TEKI PENYUSUNAN ANGKA MENGGUNAKAN ALGORITMA RUNUT BALIK Febri Ardiansyah Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika ITB Jl. Ganesha no 10,Bandung if15099@students.if.itb.ac.id
Lebih terperinciKOMBI ASI GREEDY, MI IMAX, DA ALPHA-BETA PRU I G U TUK PERMAI A REVERSI
KOMBI ASI GREEDY, MI IMAX, DA ALPHA-BETA PRU I G U TUK PERMAI A REVERSI I.Y.B. Aditya Eka Prabawa W. Laboratorium Ilmu dan Rekayasa Komputasi, Program Studi Teknik Informatika, Institut Teknologi Bandung
Lebih terperinciPERBANDINGAN ALGORITMA BFS DAN DFS DALAM PEMBUATAN RUTE PERJALANAN OBJEK PERMAINAN 2 DIMENSI
PERBANDINGAN ALGORITMA BFS DAN DFS DALAM PEMBUATAN RUTE PERJALANAN OBJEK PERMAINAN 2 DIMENSI David Steven Wijaya NIM : 13505044 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika,
Lebih terperinciPenerapan Algoritma Runut-Balik (Backtracking) pada Permainan Nurikabe
Penerapan Runut-Balik (Backtracking) pada Permainan Nurikabe Putri Amanda Bahraini Program Studi Teknik Informatika, Institut Teknologi Bandung Jalan Ganesha 10, Bandung e-mail: if14041@students.if.itb.ac.id
Lebih terperinciPerbandingan Algoritma Brute Force dan Breadth First Search dalam Permainan Onet
Perbandingan Algoritma Brute Force dan Breadth First Search dalam Permainan Onet Dininta Annisa / 13513066 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciImplementasi Logika Penurunan Persamaan Aritmatika pada Program Komputer
Implementasi Logika Penurunan Persamaan Aritmatika pada Program Komputer Cendhika Imantoro - 13514037 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciBAB I PENDAHULUAN. Permainan papan atau biasa disebut dengan Board Games hampir tidak
BAB I PENDAHULUAN 1.1 Latar Belakang Permainan papan atau biasa disebut dengan Board Games hampir tidak asing terdengar di kehidupan manusia. Banyak macam-macam permainan papan yang ada di kehidupan manusia
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kecerdasan buatan merupakan sub-bidang ilmu komputer yang khusus ditujukan untuk membuat software dan hardware yang sepenuhnya bisa menirukan beberapa fungsi
Lebih terperinciIMPLEMENTASI ALGORITMA MINIMAX PADA PERMAINAN CATUR
IMPLEMENTASI ALGORITMA MINIMAX PADA PERMAINAN CATUR Anton Topadang 1), Dedi Haryanto 2) 1,2) Jurusan Teknologi Informasi, Politeknik Negeri Samarinda Email: antontpd@gmail.com 1), dedihariyanto@gmail.com
Lebih terperinciMendeteksi Blob dengan Menggunakan Algoritma BFS
Mendeteksi Blob dengan Menggunakan Algoritma BFS Ahmad Fajar Prasetiyo (13514053) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciVol.15 No.2. Agustus 2013 Jurnal Momentum ISSN : X RANCANG BANGUN ROBOT SOLVING MAZE DENGAN ALGORITMA DEPTH FIRST SEARCH
RANCANG BANGN ROBOT SOVING MAZE DENGAN AGORITMA DEPTH FIRST SEARCH Yultrisna ST.,MT*), Andi Syofian ST.,MT**) *)Politeknik niversitas Andalas Padang **)Institut Teknologi Padang ABSTRAK Robot Solving Maze
Lebih terperinciAplikasi Algoritma Greedy, BFS dan DFS pada Penyelesaian Permainan Mahjong Solitaire
Aplikasi Algoritma Greedy, BFS dan DFS pada Penyelesaian Permainan Mahjong Solitaire Resa Kemal Saharso 13514109 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciAplikasi Algoritma MiniMax pada Beberapa Permainan Papan
Aplikasi Algoritma MiniMax pada Beberapa Permainan Papan Gaudensius Dimas Prasetyo Suprapto - 13514059 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciKI Kecerdasan Buatan Materi 6: Pencarian dgn. Lihat Status Lawan (Adversarial Search)
[AIMA] Russel, Stuart J., Peter Norvig, "Artificial Intelligence, A Modern Approach" rd Ed., Prentice Hall, New Jersey, KI9 Kecerdasan Buatan Materi 6: Pencarian dgn. Lihat Status Lawan (Adversarial Search)
Lebih terperinciPenerapan BFS dan DFS pada Pencarian Solusi
Bahan Kuliah ke-8 IF5 Strategi Algoritmik Penerapan BFS dan DFS pada Pencarian Solusi Disusun oleh: Ir. Rinaldi Munir, M.T. Departemen Teknik Informatika Institut Teknologi Bandung 4 Struktur pencarian
Lebih terperinciPenggunaan Algoritma Pathfinding pada Game
Penggunaan Algoritma Pathfinding pada Game Ahmad Fauzan (000) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 0 Bandung 0, Indonesia 000@std.stei.itb.ac.id
Lebih terperinciBAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM
BAB III ANALISIS MASALAH DAN RANCANGAN PROGRAM III.1. Analisis Masalah Proses analisa sistem merupakan langkah kedua pada pengembangan sistem. Analisa sistem dilakukan untuk memahami informasi-informasi
Lebih terperinciMETODE BRANCH AND BOUND UNTUK MENEMUKAN SHORTEST PATH
METODE BRANCH AND BOUND UNTUK MENEMUKAN SHORTEST PATH Mira Muliati NIM : 35050 Program Studi Teknik Informatika Sekolah Teknik Elektro Informatika Institut Teknologi Bandung Jl. Ganesha 0, Bandung E-mail
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kecerdasan buatan (Artificial Intelligence) menyebabkan lahirnya berbagai teknologi yang dapat dikatakan bersifat cerdas, misalnya permainan (game), sistem pakar (expert
Lebih terperinci