Sistem Pakar. Pertemuan-1 : Konsep Dasar

Transkripsi

1 Sistem Pakar Pertemuan-1 : Konsep Dasar 1

2 Deskripsi Mata Kuliah Matakuliah ini membahas tentang : Konsep dasar Sistem Pakar Representasi pengetahuan menggunakan : Proposional logic, predicate calculus, sistem berbasis aturan, semantic network Representasi pengetahuan samar menggunakan : Bayesian, certaintly factor System Fuzzy Jaringan syaraf tiruan 2

3 Target Matakuliah Memahami model-model representasi pengetahuan Memiliki kemampuan menarik kesimpulan dari fakta yang digambarkan dalam model pengetahuan Merancang dan membuat implementasi sistem pakar menggunakan bahasa pemrograman 3

4 Sumber Belajar Jusak, 2007, sistem pakar: Buku pegangan kuliah. Surabaya:STIKOM Gonzales, A.J., and Douglas, D.D The Engineering of Knowledge Based System. New Jersey: Prentice Hall International, Inc. Durkin, John Expert System: Design and Development. New Jersey: Prentice Hall International, Inc. Kumar, Satish Neural Network: A Classroom Approach. New Delhi: McGraw-Hill Companies. 4

5 Kontrak Perkuliahan Pertemuan ke - Topik Bahasan 1 Menjelaskan kontrak perkuliahan Konsep dasar Sistem Pakar Heuristic Searching 2 Propositional Logic Predicate Calculus 3 Sistem berbasis aturan: Forward Reasoning 4 Sistem berbasis aturan: Backward Reasoning 5 Membangun sistem berbasis aturan 6 Semantic Networks dan Frame 7,8 Bayesian a dan Certainty ty Factor 9,10,11 System Fuzzy 12,13,14 Jaringan Syaraf Tiruan Presentasi tugas Proyek 5

6 Presentasi Penilaian Ujian Tengah Semester (30%) Ujian Akhir Semester (30%) Tugas (40%) Project Kelompok (Demo dan Presentasi, pert:12,13,14) Tugas Mandiri (pert:2,3,4,5,8) 6

7 Pertemuan-1 : Konsep Dasar Sistem Pakar 7

8 Materi Konsep Dasar Sistem Pakar Tentang Sistem Pakar Sejarah Sistem Pakar Contoh permasalahan Sistem Berbasis Aturan Perbedaan Sistem konvensional dan sistem pakar Data, informasi dan pengetahuan Struktur sistem pakar Heuristic Searching sebagai dasar dari Artificial Intelegence (AI) Depth-First Search Breadth-first Search Hill-Climbing Search Branch and Bound Search Best-first Search A* Search 8

9 Sistem Pakar 9

10 Defenisi Sistem Pakar 1. Sistem pakar (expert system) adalah sistem yang berusaha mengapdosi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. 10

11 Sistem pakar yang terkenal Nama Program: MYCIN Paling terkenal, dibuat oleh Edward Shortlife of Standford University tahun 70-an Sistem pakar medical yang bisa mendiagnosa penyakit infeksi dan merekomendasi pengobatan MYCIN membantu dokter mengidentifikasi pasien yang menderita penyakit. Dokter duduk di depan komputer dan memasukkan data pasien: umur, riwayat kesehatan, hasil laboratorium dan informasi terkait lainnya. Dengan informasi ini ditambah pengetahuan yang sudah ada dalam komputer, MYCIN mendiagnosa selanjutnya merekomendasi obat dan dosis yang harus dimakan. 11

12 Sistem pakar yang terkenal MYCIN sebagai penasehat medis, tidak dimaksudkan untuk mengantikan kedudukan seorang dokter. Juga untuk membantu dokter dalam mengkonfirmasi i diagnosa dan terapi yang diberikan kepada pasien Kesimpulan :sistem pakar seperti MYCIN bisa digunakan sebagai bahan pembanding dalam pengambilan solusi dan pemecahan masalah. Keputusan terakhir atas pengobatan tersebut tetap menjadi tanggung jawab dokter. 12

13 Sistem pakar yang terkenal DENDRAL Mengidentifikasi ifik i struktur molekular l campuran kimia i yang tak dikenal XCON & XSEL XCON Merupakan sistem pakar untuk membantu konfigurasi i sistem komputer besar, membantu melayani order langganan sistem komputer DEC VAX 11/780 ke dalam sistem spesifikasi final yang lengkap Komputer besar seperti VAX terbuat dari ratudan komponen yang berbeda digabung dan disesuaikan dengan konfigurasi tertentu yang diinginkan oleh para pelanggan. Ada ribuan cara dimana aseosri Pcboard, kabel, disk drive, periperal, perangkat lunak, dan lainnya bisa dirakit ke dalam konfigurasi yang sangat rapih. Untuk mengidentifikasi hal-hal tersebut diperlukan waktu berhari-hari/berminggu-minggu agar bisa memenuhi spesifikasi yang diinginkan pemesan, tapi dengan XCON bisa dalam beberapa menit. 13

14 Contoh Permasalahan : Jug Problem Diberikan 2 ember air dg kapasitas 8 liter dan 6 liter Kita dapat mengisi satu ember dari ember lainnya dan proses penakaran hanya dengan memakai 2 ember tersebut Bagaimana bisa mendapatkan tepat 4 liter dalam ember 8 liter Solusi : (0,0) (0,6) (6,0)(6,6)(8,4)(0,4)(4,0) 14

15 MANFAAT SISTEM PAKAR : 1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli 2. Bisa melakukan proses secara berulang secara otomatis 3. Menyimpan pengetahuan dan keahlian para pakar 4. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka) 5. Mampu beroperasi dalam lingkungan yang berbahaya 6. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian. Pengguna bisa merespon dengan jawaban tidak tahu atau tidak yakin pada satu atau lebih pertanyaan selama konsultasi dan sistem pakar tetap akan memberikan jawaban. 15

16 MANFAAT SISTEM PAKAR : 7. Tidak memerlukan biaya saat tidak digunakan 8. Dapat digandakan (diperbanyak) sesuai kebutuhan dengan waktu yang minimal dan sedikit biaya 9. Dapat memecahkan masalah lebih cepat daripada kemampuan manusia dengan catatan menggunakan data yang sama. 10. Menghemat waktu dalam pengambilan keputusan 16

17 MANFAAT SISTEM PAKAR : 11. Meningkatkan kualitas dan produktivitas karena dapat memberi nasehat yang konsisten dan mengurangi kesalahan 12. Meningkatkan kapabilitas sistem terkomputerisasi yang lain. 13. Mampu menyediakan pelatihan. Pengguna pemula yang bekerja dengan sistem pakar akan menjadi lebih berpengalaman. Fasilitas penjelas dapat berfungsi sebagai guru. 17

18 KELEMAHAN SISTEM PAKAR 1. Biaya yang diperlukan untuk membuat, memelihara, dan mengembangkannya sangat mahal 2. Sulit dikembangkan 3. Sistem pakar tidak 100% benar 4. Pendekatan oleh setiap pakar untuk suatu situasi atau problem bisa berbeda-beda, meskipun sama-sama benar. 5. Transfer pengetahuan dapat bersifat subjektif dan bias 6. Kurangnya rasa percaya pengguna dapat menghalangi pemakaian sistem pakar. 18

19 KONSEP DASAR SISTEM PAKAR Konsep dasar sistem pakar mengandung keahlian, ahli/pakar, pengalihan keahlian, Mengambil keputusan, aturan, kemampuan menjelaskan. 19

20 Keahlian Keahlian bersifat luas dan merupakan penguasaan pengetahuan dalam bidang khusus yang diperoleh dari pelatihan, membaca atau pengalaman. Contoh bentuk pengetahuan yang termasuk keahlian : Teori, fakta, aturan-aturan pada lingkup permasalahan tertentu Strategit global l untuk menyelesaikan masalah 20

21 Ahli / Pakar Seorang ahli adalah seseorang yang mampu menjelaskan suatu tanggapan, mempelajari hal-hal baru seputar topik permasalahan, menyusun kembali pengetahuan jika dipandang perlu, memecahkan masalah dengan cepat dan tepat 21

22 Pengalihan keahlian Tujuan dari sistem pakar adalah untuk mentransfer keahlian dari seorang pakar ke dalam komputer kemudian ke masyarakat. Proses ini meliputi 4 kegiatan, yaitu perolehan pengetahuan (dari para ahli atau sumbersumber lainnya), representasi pengetahuan ke komputer, kesimpulan dari pengetahuan dan pengalihan pengetahuan ke pengguna. 22

23 Mengambil keputusan Hal yang unik dari sistem pakar adalah kemampuan untuk menjelaskan dimana keahlian tersimpan dalam basis pengetahuan. Kemampuan komputer untuk mengambil kesimpulan dilakukan oleh komponen yang dikenal dengan mesin inferensi yaitu meliputi prosedur tentang pemecahan masalah. 23

24 Aturan Sistem pakar yang dibuat merupakan sistem yang berdasarkan pada aturan aturan dimana program disimpan dalam bentuk aturan-aturan sebagai prosedur pemecahan masalah. Aturan tersebut biasanya berbentuk b IF THEN.. 24

25 Kemampuan menjelaskan Keunikan lain dari sistem pakar adalah kemampuan dalam menjelaskan atau memberi saran/rekomendasi serta juga menjelaskan mengapa beberapa tindakan/saran tidak direkomendasikan d ik 25

26 PERBEDAAN SISTEM KONVENSIONAL DENGAN SISTEM PAKAR Sistem Konvensional Focus pada solusi Programmer bekerja sendiri Sequencial Sistem Pakar Fokus pada problem Team-work Iterative 26

27 ELEMEN MANUSIA YANG TERKAIT DALAM PENGGUNAAN DAN PENGEMBANGAN SISTEM PAKAR 1. Pakar 2. Perekayasa pengetahuan Perekayasa pengetahuan adalah orang yang membantu pakar dalam menyusun area permasalahan dengan menginterpretasikan dan mengintegrasikan jawaban-jawaban pakar atas pertanyaan yang diajukan, menggambarkan analogi, mengajukan counter example dan menerangkan kesulitan-kesulitan konseptual. 3. Pemakai 27

28 Pemakai Pemakai awam : dalam hal ini sistem pakar bertindak sebagai konsultan untuk memberikan saran dan solusi kepada pemakai Pelajar yang ingin belajar : sistem pakar bertindak sebagai instruktur Pembuat sistem pakar : sistem pakar sebagai partner dalam pengembangan basis pengetahuan. Pakar : sistem pakar bertindak sebagai mitra kerja/asisten 28

29 AREA PERMASALAHAN APLIKASI SISTEM PAKAR Interpretasi Yaitu pengambilan keputusan dari hasil observasi, diantaranya : pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan Prediksi Memprediksi akibat-akibat yang dimungkinkan dari situasi-situasi tertentu, diantaranya : peramalan, prediksi demografis, peralaman ekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan. Diagnosis Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati, diantaranya : medis, elektronis, mekanis, dan diagnosis perangkat lunak 29

30 AREA PERMASALAHAN APLIKASI SISTEM PAKAR Desain Menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu dan kendala-kendala tertentu, diantaranya : layout sirkuit, perancangan bangunan Perencanaan Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu, diantaranya : perencanaan keuangan, komunikasi, militer, pengembangan politik, routing dan manajemen proyek. Monitoring Membandingkan tingkah laku suatu sistem yang teramati dengan tingkah laku yang diharapkan darinya, diantaranya : Computer Aided Monitoring System 30

31 STRUKTUR SISTEM PAKAR 2 bagian utama sistem pakar : lingkungan pengembangan (development environment) : digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakar lingkungan konsultasi (consultation ti environment) : digunakan oleh pengguna yang bukan pakar untuk memperoleh pengetahuan pakar 31

32 32

33 Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar : 1. Antarmuka Pengguna (User Interface) Merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi. 2. Basis Pengetahuan Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas 2 elemen dasar, yaitu : - fakta : informasi tentang obyek dalam area permasalahan tertentu - aturan : informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahui. 33

34 Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar : 2. Akuisisi Pengetahuan (Knowledge Acquisition) Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer.. 34

35 Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar : 3. Mesin/Motor Inferensi (inference engine) Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. 4. Workplace / Blackboard Workplace merupakan area dari sekumpulan memori kerja (working memory), digunakan untuk merekam kejadian yang sedang berlangsung g termasuk keputusan sementara. 35

36 Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar : 5. Fasilitas Penjelasan Adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. 6. Perbaikan Pengetahuan Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya. 36

37 BASIS PENGETAHUAN (KNOWLEDGE BASE) Basis pengetahuan berisi pengetahuan-pengetahuan p g dalam penyelesaian masalah. Ada 2 bentuk pendekatan basis pengetahuan : a. Penalaran berbasis aturan (rule-based reasoning) Pengetahuan direpresentasikan dengan menggunakan aturan berbentuk IF-THEN. Contoh : aturan identifikasi hewan Rule 1 : IF hewan berambut dan menyusui THEN hewan mamalia Rule 2 : IF hewan mempunyai sayap dan bertelur THEN hewan jenis burung Rule 3 : IF hewan mamalia dan memakan daging THEN hewan karnivora Dst... 37

38 BASIS PENGETAHUAN (KNOWLEDGE BASE) b. Penalaran berbasis kasus (case-based reasoning) Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). 38

39 MESIN INFERENSI (INFERENCE ENGINE) Ada 2 cara penalaran yang dapat dikerjakan dalam melakukan inferensi : a. Forward Chaining Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri dulu (IF dulu). Dengan kata lain penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis. b. Backward Chaining Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan. 39

40 40

41 JENIS KERUSAKAN A1 = MONITOR RUSAK A2 = MEMORI RUSAK A3 = HDD RUSAK A4 = VGA RUSAK A5 = SOUND CARD RUSAK A6 = OS BERMASALAH A7 = APLIKASI RUSAK A8 = PSU RUSAK A9 = PROSESOR RUSAK A10 = MEMORY KURANG (PERLU UPGRADE MEMORY) A11 = MEMORY VGA KURANG (PERLU UPGRADE VGA) A12 = CLOCK PROSOR KURANG TINGGI (PERLU UPGRADE PROSESOR) A13 = KABEL IDE RUSAK A14 = KURANG DAYA PADA PSU (PERLU UPGRADE PSU) A15 = PERANGKAT USB RUSAK A16 = KEYBOARD RUSAK A17 = MOUSE RUSAK 41

42 42

43 Heuristic Searching 43

44 Heuristic Searching Penyelesaian masalah yang tidak menggunakan metode komputasi konvensional Harus ditemukan teknik baru yang digunakan manusia utk menyelesaikan masalah Salah satu metode tersebut adalah metode searching Metode searching pada AI merupakan searching terhadap problem space bukan searching data Menggambarkan keadaan awal masalah menuju penyelesaian masalah yang diinginkan. 44

45 Contoh representasi problem space : Masalah komputer 45

46 Heuristic Searching Depth-First Search Breadth-first Search Hill-Climbing Search Branch and Bound Search Best-first Search A* Search 46

47 Depth First Search Proses searching sistematis buta yang melakukan ekpansi sebuah path menuju penyelesaian masalah sebelum melakukan explorasi terhadap path yang lain. Proses searching mengikuti sebuah path tunggal sampai menemukan goal atau dead end Apabila proses searching menemukan dead d end, DFS akan melakukan penelusuran balik ke node terakhir utk melihat apakah node tsb memiliki cabang yg belum diekplorasi. Apabila cabang ditemukan, DFS akan melakukan cabang tersebut. Apabila tdk ada lagi cabang yg dpt diekplorasi, DFS akan kembali ke node parent dan melakukan proses seaching terhadap cabang yg belum di ekplorasi dari node parent sampai menemukan penyelesaian masalah 47

48 Bagan dan Contoh DFS Contoh DFS : youtube 48

49 Breadth First Search Melakukan proses searching pada semua node yang berada pada level atau hirarki yang sama terlebih dahulu sebelum melanjutkan proses searching pada level berikutnya. Contoh BFS youtube 49

50 Hill-Climbing Search Metoda Hill-climbing merupakan variasi dari depth-first search. Dengan metoda ini, eksplorasi terhadap keputusan dilakukan dengan cara depth-first search dengan mencari path yang bertujuan menurunkan cost untuk menuju kepada goal/keputusan. Sebagai contoh kita mencari arah menuju Tugu Monas, setiap kali sampai dipersimpangan jalan kita berhenti dan mencari arah mana yang kira-kira akan mengurangi jarak menuju Tugu Monas, Dengan cara demikian sebetulnya kita berasumsi bahwa secara umum arah tertentu semakin dekat ke Tugu Monas. 50

51 Hill Climbing Terdapat dua jenis HC yang sedikit berbeda, yakni : 1. Simple HC (HC Sederhana) Algoritma akan berhenti kalau mencapai nilai optimum lokal Urutan penggunaan operator akan sangat berpengaruh pada penemuan solusi. Tidak diijinkan untuk melihat satupun langkah selanjutnya. 2. Steepest-Ascent HC (HC dengan memilih kemiringan yang paling tajam / curam) Hampir sama dengan Simple HC, hanya saja gerakan pencarian tidak dimulai dari paling kiri. Gerakan selanjutnya dicari berdasarkan nilai heuristik terbaik. 51

52 HEURISTIC / INFORMED SEARCH Studi Kasus : Game 8-puzzle Terdapat 4 operator yang dapat kita gunakan untuk menggerakkan dari satu keadaan ke keadaan yang baru. o o o o Ubin kosong digeser ke kiri Ubin kosong digeser ke kanan Ubin kosong digeser ke atas Ubin kosong digeser ke bawah Keadaan Awal Tujuan /12/2011 Materi Kuliah STIKOM Surabaya 52

53 HEURISTIC / INFORMED SEARCH Informasi khusus yang dapat diberikan antara lain : 1. Untuk jumlah ubin yang menempati posisi yang BENAR : jumlah yang lebih TINGGI adalah yang lebih diharapkan (lebih baik). 2. Untuk jumlah ubin yang menempati posisi yang SALAH : jumlah yang lebih KECIL adalah yang lebih diharapkan (lebih baik). 3. Menghitung TOTAL GERAKAN yang diperlukan untuk mencapai tujuan: jumlah yang lebih KECIL adalah yang lebih diharapkan (lebih baik). 9/12/2011 Materi Kuliah STIKOM Surabaya 53

54 HEURISTIC / INFORMED SEARCH - Simple Hill Climbing - Keadaan Awal Tujuan kiri kanan atas Hb= 6 Hb= 4 Hb= 5 kanan atas Hb= 9/12/ Hb= 7 Materi Kuliah STIKOM Surabaya 54

55 HEURISTIC / INFORMED SEARCH - Simple Hill Climbing - atas Hb= 7 kanan atas bawah Hb= 8 Hb= 6 Hb= 6 Jadi urutan penyelesaian game 8-puzzle diatas dengan menggunakan metode Simple Hill Climbing dan menghitung nilai heuristik berupa jumlah ubin yang menempati posisi yang BENAR adalah ubin kosong bergeser ke KIRI, ATAS, KANAN dengan nilai i heuristik ik terakhir adalah 8. 9/12/2011 Materi Kuliah STIKOM Surabaya 55

56 HEURISTIC / INFORMED SEARCH - Steepest-Ascent Hill Climbing - Keadaan Awal Tujuan kiri kanan atas Hb= 6 Hb= 4 Hb= 5 kanan atas Hb= 9/12/ Hb= 7 Materi Kuliah STIKOM Surabaya 56

57 HEURISTIC / INFORMED SEARCH - Steepest-Ascent Hill Climbing - atas Hb= 7 kanan atas bawah Hb= 8 Hb= 6 Hb= 6 Jadi urutan penyelesaian game 8-puzzle diatas dengan menggunakan metode Steepest-Ascent Hill Climbing dan menghitung nilai heuristik berupa jumlah ubin yang menempati posisi yang BENAR adalah ubin kosong bergeser ke KIRI, ATAS, KANAN dengan nilai i heuristik ik terakhir adalah 8. 9/12/2011 Materi Kuliah STIKOM Surabaya 57

58 Branch and Bound Search Perhatikan Gambar di bawah ini. Bagaimana menggunakan metoda branch and bound untuk mencari terpendek dari kota Semarang menuju kota Probolinggo? 58

59 59

60 60

61 A* Search A* Search merupakan gabungan antara best- first dan branch and bound search. Misalkan kita memberikan estimasi setiap node terhadap solusi yang diinginkan. Maka proses searching untuk mencari jarak terpendek dilakukan dengan melakukan komputasi terhadap total estimasi: 61

62 Best-First Search Best-First Search melakukan proses searching dengan cara memberikan estimasi berapa jauh node asal dari solusi yang diinginkan. Dengan metoda ini, proses dilakukan dengan melakukan ekspansi terhadap setiap node yang memiliki estimasi terpendek. 62

63 63

64 Perhatikan diagram jaringan kota pada Gambar Branch and Bound Search yang sudah dilengkapi dengan estimasi setiap kota menuju node tujuan (probilinggo) seperti ditunjukkan dalam tabel estimasi jarak ini: 64

65 65

66 66

67 Tugas: 8-Puzzle Diberikan konfigurasi awal 8 numbered tiles on a 3 x 3 board, move the tiles in such a way so as to produce a desired d goal configuration of the tiles. 67

68 Best First Search Metode best first search merupakan kombinasi i dari metode depth first search dan breadth first search dengan mengambil kelebihan dari kedua metode tersebut. Hill climbing tidak diperbolehkan untuk kembali ke node pada lebih rendah meskipun node tersebut memiliki nilai heuristik lebih baik. Pada best first search, pencarian diperbolehkan mengunjungi node di lebih rendah, jika ternyata node di level lebih tinggi memiliki nilai heuristik lebih buruk. 68

69 Untuk mengimplementasikan metode ini, dibutuhkan 2 antrian yang berisi node-node, yaitu : OPEN : berisi node-node yang sudah dibangkitkan, sudah memiliki fungsi heuristik namun belum diuji. Umumnya berupa antrian berprioritas yang berisi elemen-elemen dengan nilai heuristik tertinggi. CLOSED : berisi node-node yang sudah diuji 69

70 A* Perbaikan dari best-first search dengan memodifikasi fungsi heuristiknya. Meminimumkan total biaya lintasan. Fungsi f sebagai estimasi fungsi evaluasi terhadap node n: f (n) = g(n) + h(n) dimana: f (n) = fungsi evaluasi yang sebenarnya terhadap node n g(n) = Biaya yang di keluarkan dari keadaan awal sampai node n h(n) = Estimasi biaya dari node n sampai tujuan 70