Search Strategy. Search Strategy

Ukuran: px
Mulai penontonan dengan halaman:

Download "Search Strategy. Search Strategy"

Transkripsi

1 Search Strategy Search Strategy Salah satu hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian (search) Pada dasarnya ada 2 Teknik pencarian : 1. Metode Buta (Uninformed Search) Breadth-first search Depth-first search 2. Metode Terbimbing (Informed Search) Greedy best-first search Heuristic search o Generate & Test o Hill-climbing search : Simple, Steepest-Ascent o Best-first search : OR Graph, Algoritma A* o Simulated annealing search 1

2 Breadth-First Search Disebut juga pencarian melebar Semua node pada level n akan dilacak terlebih dahulu sebelum melacak node-node pada level n+1 Pencarian dimulai dari node level 0, menuju level 1 dari kiri ke kanan, lalu menuju level 2 dari kiri ke kanan dst-nya, hingga ditemukan solusi/tujuan. Keuntungan : o Tidak akan menemui jalan buntu o Jika terdapat lebih dari satu solusi maka solusi dengan lintasan minimum akan dipilih sebagai solusi terbaik. Kelemahan : o Membutuhkan memori yang cukup banyak, karena harus menyimpan semua node dalam satu pohon. o Membutuhkan waktu yang cukup lama karena akan menguji n level untuk mendapatkan solusi pada level n+1 Breadth-First Search S A D B D A E C E E B B F D F B F C E A C G G C G F Move downwards, level by level, until goal is reached. G 2

3 Breadth-First Search Algoritma Breadth-First Search 1. Buat variabel NODE_LIST dan tetapkan sebagai keadaan awal. 2. Kerjakan langakh-langkah berikut ini, sampai tujuan tercapai atau NODE_LIST dalam keadaan kosong : a.hapus elemen pertama dari NODE_LIST, sebut dengan nama E. Jika NODE_LIST kosong, keluar. b.pada setiap langkah yang aturannya cocok dengan E, kerjakan : i. Aplikasikan aturan tersebut untuk membentuk keadaan baru. ii. Jika keadaan awal adalah tujuan yang diharapkan, sukses dan keluar. iii. Jika tidak demikian, tambahkan keadaan awal yang baru tsb pada akhir NODE_LIST. Pseudocode for BFS Initialize: Let Q = {S} While Q is not empty pull Q1, the first element in Q if Q1 is a goal report(success) and quit else child_nodes = expand(q1) eliminate child_nodes which represent loops put remaining child_nodes at the back of Q end Continue 6 3

4 Breadth-First Search 0,0 0,3 4,0 Dst-nya 4,0 0,0 3,0 4,3 0,0 1,3 0,0 0,3 3,3 0,3 3,0 4,2 0,2 4,0 3,3 0,0 4,2 2,0 Depth-First Search Pencarian dimulai dari node level 0, dilanjutkan ke node-node anaknya sampai selesai, baru berpindah ke node-node yang selevel hingga ditemukan solusi/tujuan. Jika proses pencarian tidak menemukan solusi pada satu lintasan maka akan dilakukan backtracking (pencarian mundur) ke node sebelumnya untuk kemudian baru berpindah ke level berikutnya (khususnya untuk node-node yang bercabang) Keuntungan : o Membutuhkan memori yang relatif kecil (bila dibanding BFS). o Hanya node yg aktif saja yang disimpan. o Pencarian solusi mungkin tidak harus memeriksa semua lintasan. o Begitu pencarian menemukan satu solusi maka pencarian selesai. Kelemahan : o Hanya akan mendapatkan 1 solusi setiap kali pencarian. o Solusi alternatif tidak menjadi perhatian 4

5 Depth-First Search S A D B D A E C E E B B F D F B F C E A C G G C G F G Breadth-First Search What about time complexity and space complexity? Misal diasumsikan ada 1 solusi pada pohon. Misal pohon pelacakan memiliki cabang yg selalu sama yaitu b dan tujuan dicapai pada level ke-d. Antrian pertama memiliki 1 state dan pada level 1 akan diekspansi sebanyak b. Pada level 2 diekspansi sebanyak b 2. Pada level 3 diekspansi sebanyak b 3. Untuk kedalaman hingga level d maka diperoleh deret ekspansi : 1+ b + b 2 + b b d O(b d ) Karena setiap lintasan tersimpan di memori maka kompleksitas ruangnya akan setara dengan kompleksitas waktu yaitu O(b d ). 5

6 Breadth-First Search Analisis Kompleksitas Waktu If a goal node is found on depth d of the tree, all nodes up till that depth are created. b G d m Thus: O(b d ) Breadth-First Search Analisis Kompleksitas Ruang Largest number of nodes in QUEUE is reached on the level d of the goal node. b G d m QUEUE contains all and G nodes. (Thus : 4). In General: b d 6

7 Breadth-First Search Secara umum, BFS cocok untuk pencarian dengan lintasan kecil. Depth-First Search 0,0 0,3 4,0 4,0 0,0 3,0 Dst-nya 0,0 0,3 3,3 4,3 0,0 1,3 0,3 3,0 4,2 0,2 4,0 3,3 0,0 4,2 2,0 7

8 Pseudocode for DFS Depth-First Search Initialize: Let Q = {S} While Q is not empty pull Q1, the first element in Q if Q1 is a goal report(success) and quit else child_nodes = expand(q1) eliminate child_nodes which represent loops put remaining child_nodes at the front of Q end Continue Depth-First Search Analisis Kompleksitas Waktu In the worst case: the (only) goal node may be on the right-most branch, b m G Time complexity = b m +b m = b m+1-1 Thus: O(b m ) b - 1 8

9 Depth-First Search Analisis Kompleksitas Ruang Largest number of nodes in QUEUE is reached in bottom leftmost node. Example: m = 3, b = 3 :... QUEUE contains all nodes. Thus: 7. In General: ((b-1) * m) + 1 Order: O(m*b) Depth-First Search Evaluation of DFS by four criteria : Good : - Since we don t expand all nodes at a level, space complexity is modest. For branching factor b and depth m, we require bm number of nodes to be stored in memory. This is much better than b d. Bad : - If you have deep search trees (or infinite which is quite possible), DFS may end up running off to infinity and may not be able to recover. - In some cases, DFS can be faster than BFS. However, the worse case is still O(b m ). - Thus DFS is neither optimal or complete. 18 9

10 Perbandingan BFS dan DFS Criterion Breadth-first Depth-first Time O(b d ) O(b m ) Space O(b d ) O(bm) Optimal? Yes, jika bobot tiap langkah identik No Complete? Yes, jika tree berhingga No b maks jumlah cabang d level kedalaman m kedalaman maksimum 19 Search Strategy: Informed Search Disebut juga metode Heuristic ( rule of thumb, hints ) Merupakan pendekatan metode pelacakan dalam AI (Greedy) Best-first Search A* search Hill climbing 10

11 Search Strategy: Informed Search Metode yang didesain untuk mempersempit area pelacakan. Berkaitan dengan pohon pelacakan (search tree), metode heuristik akan memangkas ukuran lintasan-lintasan yang tidak vital berdasarkan pengalaman atau informasi/keadaan awal. Analogi : Ketika seorang penjaga pantai mencari seseorang yang hilang di lautan, ia tidak perlu memeriksa seluruh isi lautan. Kondisi sekitar pantai, arah dan kecepatan angin dsb dapat diguna kan untuk membatasi area pelacakan. Metode ini diharapkan akan menghemat sumber daya pelacakan. (Greedy) Best-First Search Menelusuri node yang terdekat dengan tujuan. Fungsi evaluasi heuristik : f(n) = h(n) f(n) : fungsi evaluasi heuristik h(n) : estimasi nilai dari node n ke node tujuan. Pada search tree, dibutuhkan 2 antrian : o OPEN, yang berisi node-node yang sudah dibangkitkan, dan sudah memiliki heuristik tetapi belum diuji. Umumnya merupakan antrian yang berisi elemen-elemen dengan nilai heuristik tinggi. o CLOSED, yang berisi node-node yang sudah diuji 11

12 (Greedy) Best-First Search Romania with step costs in km Problem : Posisi Anda di Arad. Tentukan lintasan untuk mencapai Bukharest menggunakan heuristik h SLD (n)= Straight-line Distance from n to Bukharest

13 Node 1 yang diekspansi adalah Sibiu, karena terdekat dengan tujuan daripada Zerind dan Timisoara Ekspansi node berikutnya adalah Faragas, karena terdekat dengan tujuan 13

14 Faragas menghubungkan langsung ke tujuan. (Greedy) Best-First Search Pada contoh tersebut, greedy best first search menggunakan heuristik h SLD (n) menemukan solusi dengan melakukan ekspansi hanya pada node yang dianggap terdekat dengan tujuan, sehingga estimasi biayanya minimum. Akan tetapi solusi tsb tidak optimum, karena menuju Bukharest via Sibiu dan Faragas ternyata 32 km lebih jauh dibanding via Rimnicu Vilcea dan Pitesti. Arad Sibiu Faragas Bukharest : 450 km Arad Sibiu Rimnicu Vilcea Pitesti Bukharest : 418 km Lintasan tsb tidak dilalui karena nilai heuristik untuk Rimnicu Vilcea lebih tinggi dibanfing Faragas. 14

15 A* Search Perbaikan dari metode (Greedy) best first search. Fungsi evaluasi untuk node n : f(n) = g(n) + h(n) g(n) : estimasi biaya/nilai dari node awal ke node n h(n) : estimasi biaya/nilai dari node n ke node tujuan A* search meminimalkan total biaya/nilai

16

17

18 5-35 Hill Climbing Search Membangkitkan semua kemungkinan solusi dari keadaan awal. Proses pengujian berdasarkan fungsi heuristik untuk menunjukkan seberapa baik nilai estimasi yang diambil terhadap keadaan-keadaan lain yang mungkin. a) Mulai dari keadaan awal, lakukan pengujian. Jika merupakan tujuan, STOP. Jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal. b) Kerjakan iterasi berikut hingga ditemukan solusi atau sampai tidak ada operator baru yang bisa diaplikasikan pada keadaan sekarang : Cari operator yang belum pernah digunakan untuk mendapat operator baru Evaluasi keadaan baru tersebut : o Jika keadaan baru merupakan tujuan, keluar. o Jika bukan tujuan, tapi nilainya lebih baik dari keadaan sekarang, maka jadikan sebagai keadaan baru tsb menjadi keadaan sekarang. o Jika keadaan baru tidak lebih baik dari keadaan sekarang, lanjutkan iterasi Note : - Algoritma berhenti jika sudah mencapai nilai optimum - Tidak diijinkan melihat satupun langkah sebelumnya 18

19 Hill Climbing Search 7 A B 5 D 6 C Seorang salesman akan mengunjungi 4 kota. Jarak antar Kota sudah diketahui. Kita ingin mengetahui rute terpendek Dimana setiap kota hanya boleh dikunjungi tepat 1 kali. Misal jarak antar kota diketahui seperti pada gambar tsb. Solusi solusi yang mungkin dengan menyusun kotakota, misalnya : A B C D : dengan panjang lintasan (=19) A B D C : (=18) A C B D : (=12) A C D B : (=13) dst 38 19

20 Ruang keadaan berisi semua kemungkinan lintasan yang mungkin. Operator digunakan untuk menukar posisi kota-kota yang bersebelahan. Fungsi heuristik yang digunakan adalah panjang lintasan yang terjadi. Operator yang akan digunakan adalah menukar urutan posisi 2 kota dalam 1 lintasan. Bila ada n kota, dan ingin mencari kombinasi lintasan dengan menukar posisi urutan 2 kota, maka akan didapat sebanyak : Keenam kombinasi ini akan dipakai semuanya sebagai operator, yaitu Tukar 1,2 = menukar urutan posisi kota ke 1 dengan kota ke 2 Tukar 2,3 = menukar urutan posisi kota ke 2 dengan kota ke 3 Tukar 3,4 = menukar urutan posisi kota ke 3 dengan kota ke 4 Tukar 4,1 = menukar urutan posisi kota ke 4 dengan kota ke 1 Tukar 2,4 = menukar urutan posisi kota ke 2 dengan kota ke 4 Tukar 1,3 = menukar urutan posisi kota ke 1 dengan kota ke 3 20

21 Hill Climbing Search Kemungkinan solusi yang mungkin (ruang keadaan) : A B C D dst B C A C D B D C D D C B B B C Fungsi heuristik : panjang lintasan yang terjadi Operator digunakan untuk menukar posisi kota yang bersebelahan. Misal : T1,2 : Tukar posisi kota ke 1 dengan kota ke

22 Keadaan awal, lintasan ABCD (=19) Level pertama, hill climbing mengunjungi BACD (=17), BACD (=17) < ABCD (=19), sehingga BACD menjadi pilihan selanjutnya dengan operator Tukar 1,2 Level kedua, mengunjungi ABCD, karena operator Tukar 1,2 sudah dipakai BACD, maka pilih node lain yaitu BCAD (=15), BCAD (=15) < BACD (=17) Level ketiga, mengunjungi CBAD (=20), CBAD (=20) > BCAD (=15), maka pilih node lain yaitu BCDA (=18), pilih node lain yaitu DCAB (=17), pilih node lain yaitu BDAC (=14), BDAC (=14) < BCAD (=15) Level keempat, mengunjungi DBAC (=15), DBAC(=15) > BDAC (=14), maka pilih node lain yaitu BADC (=21), pilih node lain yaitu BDCA (=13), BDCA (=13) < BDAC (=14) Level kelima, mengunjungi DBCA (=12), DBCA (=12) < BDCA (=13) Level keenam, mengunjungi BDCA, karena operator Tukar 1,2 sudah dipakai DBCA, maka pilih node lain yaitu DCBA, pilih DBAC, pilih ABCD, pilih DACB, pilih CBDA Karena sudah tidak ada node yang memiliki nilai heuristik yang lebih kecil dibanding nilai heuristik DBCA, maka node DBCA (=12) adalah lintasan terpendek (SOLUSI) THE MOTIVATION Bill gates, salah satu orang terkaya di dunia, mempunyai motto: "Jika Anda terlahir miskin itu bukan kesalahan Anda, tapi jika Anda mati miskin itu adalah kesalahan Anda". Menurut Bill Gates ada 3 kunci sukses dalam usaha baru. 1. Berada di tempat yang tepat pada waktu yang tepat. 2. Memiliki visi di mana industri / bisnis Anda akan bekerja 3. Mengambil Aksi besar-besaran dan Segera. (Ini adalah waktu untuk bertindak)

23 Referensi Aris Marjuni, Materi Ajar: Artificial Intelligence,

Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian.

Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. 3 Teknik Search menentukan simpul mana yang dibuat lebih dulu dan mana yang kemudian sampai ditemukannya simpul

Lebih terperinci

BAB III METODE PELACAKAN/PENCARIAN

BAB III METODE PELACAKAN/PENCARIAN BAB III METODE PELACAKAN/PENCARIAN Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. Pencarian = suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan,

Lebih terperinci

KECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM

KECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM KECERDASAN BUATAN METODE HEURISTIK / HEURISTIC SEARCH ERWIEN TJIPTA WIJAYA, ST., M.KOM KERANGKA MASALAH Generate And Test Hill Climbing Best First Search PENCARIAN HEURISTIK Kelemahan blind search : 1.

Lebih terperinci

Pencarian. Kecerdasan Buatan Pertemuan 3 Yudianto Sujana

Pencarian. Kecerdasan Buatan Pertemuan 3 Yudianto Sujana Pencarian Kecerdasan Buatan Pertemuan 3 Yudianto Sujana Metode Pencarian dan Pelacakan Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam pencarian. Pencarian = suatu proses

Lebih terperinci

memberikan output berupa solusi kumpulan pengetahuan yang ada.

memberikan 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 terperinci

METODE PENCARIAN DAN PELACAKAN

METODE PENCARIAN DAN PELACAKAN METODE PENCARIAN DAN PELACAKAN SISTEM INTELEGENSIA Pertemuan 4 Diema Hernyka S, M.Kom Materi Bahasan Metode Pencarian & Pelacakan 1. Pencarian buta (blind search) a. Pencarian melebar pertama (Breadth

Lebih terperinci

AI sebagai Masalah Pelacakan. Lesson 2

AI sebagai Masalah Pelacakan. Lesson 2 AI sebagai Masalah Pelacakan Lesson 2 Teknik Pencarian Pendahuluan Setelah permasalahan direpresentasikan dalam bentuk state-space, maka selanjutnya dilakukan pencarian (searching) di dalam state-space

Lebih terperinci

HEURISTIC SEARCH. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc

HEURISTIC SEARCH. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc HEURISTIC SEARCH Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam Travelling Salesmen Problem Seorang salesman

Lebih terperinci

BAB IV TEKNIK PELACAKAN

BAB IV TEKNIK PELACAKAN BAB IV TEKNIK PELACAKAN A. Teknik Pelacakan Pelacakan adalah teknik untuk pencarian :sesuatu. Didalam pencarian ada dua kemungkinan hasil yang didapat yaitu menemukan dan tidak menemukan. Sehingga pencarian

Lebih terperinci

KECERDASAN BUATAN. Simple Hill Climbing. Disusun Oleh:

KECERDASAN BUATAN. Simple Hill Climbing. Disusun Oleh: KECERDASAN BUATAN Simple Hill Climbing Disusun Oleh: 1. Lutvi Maulida Al H. (081112006) 2. Nurul Fauziah (081112021) 3. Anggraeni Susanti (081112055) 4. Syahrul Bahar Hamdani (081211232012) Departemen

Lebih terperinci

PENCARIAN RUTE TERPENDEK ARENA KONTES ROBOT PEMADAM API INDONESIA (KRPAI) MENGGUNAKAN ALGORITMA HILL CLIMBING

PENCARIAN RUTE TERPENDEK ARENA KONTES ROBOT PEMADAM API INDONESIA (KRPAI) MENGGUNAKAN ALGORITMA HILL CLIMBING ABSTRAK PENCARIAN RUTE TERPENDEK ARENA KONTES ROBOT PEMADAM API INDONESIA (KRPAI) MENGGUNAKAN ALGORITMA HILL CLIMBING Pamor Gunoto Dosen Tetap Program Studi Teknik Elektro Universitas Riau Kepulauan (UNRIKA)

Lebih terperinci

Sistem 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. 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 terperinci

Metode Pencarian & Pelacakan dengan Heuristik

Metode Pencarian & Pelacakan dengan Heuristik Metode Pencarian & Pelacakan dengan Heuristik Pencarian Buta (Blind Search) Breadth-First Search Depth-First Search Pencarian Terbimbing (Heuristics Search) Generate & Test Hill Climbing Best-First Search

Lebih terperinci

Teknik Pencarian Heuristik

Teknik Pencarian Heuristik Teknik Pencarian Heuristik Generate and Test Hill Climbing Best First Search Problem Reduction Constraint Satisfaction Means End Analysis Referensi Sri Kusumadewi - bab 2 Rich & Knight bab 3 Teknik Pencarian

Lebih terperinci

Tujuan Instruksional

Tujuan Instruksional Pertemuan 4 P E N C A R I A N T A N P A I N F O R M A S I B F S D F S U N I F O R M S E A R C H I T E R A T I V E D E E P E N I N G B I D I R E C T I O N A L S E A R C H Tujuan Instruksional Mahasiswa

Lebih terperinci

Kecerdasan Buatan. Penyelesaian Masalah dengan Pencarian... Pertemuan 02. Husni

Kecerdasan 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 terperinci

Informed Search (Heuristic) & Eksplorasinya

Informed Search (Heuristic) & Eksplorasinya Informed Search (Heuristic) & Eksplorasinya Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012 1 / 21 Pokok Bahasan Uninformed search strategies Best-first search Greedy

Lebih terperinci

ALGORITMA PENCARIAN (HEURISTIC)

ALGORITMA PENCARIAN (HEURISTIC) ALGORITMA PENCARIAN (HEURISTIC) Farah Zakiyah Rahmanti, M.T Diperbarui 2016 Overview Pengertian Pencarian Heuristik Generate and Test Hill Climbing Best First Searching Latihan Pencarian Heuristik Merupakan

Lebih terperinci

SEARCHING. Blind Search & Heuristic Search

SEARCHING. Blind Search & Heuristic Search SEARCHING Blind Search & Heuristic Search PENDAHULUAN Banyak cara yang digunakan untuk membangun sistem yang dapat menyelesaikan masalah-masalah di AI. Teknik penyelesaian masalah yang dapat dipakai untuk

Lebih terperinci

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING Dinda Novitasari 1, Arista Welasari 2, W. Lisa Yunita 3, Nur Alfiyah 4, dan Chasandra P. 5 Program Studi Informatika, PTIIK,

Lebih terperinci

Contoh 4/7/ HEURISTIC METHOD. Pencarian Heuristik

Contoh 4/7/ HEURISTIC METHOD. Pencarian Heuristik 07/04/2016 3. HEURISTI METHO KEERASAN BUATAN Pertemuan : 05-06 INFORMATIKA FASILKOM UNIVERSITAS IGM Pencarian Heuristik Kelemahan blind search : Waktu akses lama Memori yang dibutuhkan besar Ruang masalah

Lebih terperinci

Aplikasi 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 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 terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA 5 BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas landasan teori, penelitian terdahulu, kerangka berpikir, dan hipotesis yang mendasari penyelesaian Traveling Salesman Problem dalam menentukan lintasan

Lebih terperinci

PENERAPANAN ALGORITMA BFS, DFS, DAN UCS UNTUK MENCARI SOLUSI PADA MASALAH ROMANIA

PENERAPANAN ALGORITMA BFS, DFS, DAN UCS UNTUK MENCARI SOLUSI PADA MASALAH ROMANIA PENERAPANAN ALGORITMA BFS, DFS, DAN UCS UNTUK MENCARI SOLUSI PADA MASALAH ROMANIA 1. PENDAHULUAN Pada zaman serba modern ini, peta masih digunakan oleh kebanyakan orang untuk menuju dari suatu titik awal

Lebih terperinci

Kecerdasan Buatan Penyelesaian Masalah dengan Pencarian

Kecerdasan 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 terperinci

ALGORITMA PENCARIAN (1)

ALGORITMA 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 terperinci

Metode Searching. Blind/Un-informed Search. Heuristic/Informed Search. Breadth-First Search (BFS) Depth-First Search (DFS) Hill Climbing A*

Metode Searching. Blind/Un-informed Search. Heuristic/Informed Search. Breadth-First Search (BFS) Depth-First Search (DFS) Hill Climbing A* SEARCHING Russel and Norvig. 2003. Artificial Intelligence: a Modern Approach. Prentice Hall. Suyanto, Artificial Intelligence. 2005. Bandung:Informatika Program Studi Ilmu Komputer FPMIPA UPI RNI IK460(Kecerdasan

Lebih terperinci

Pendakian Bukit (Hill Climbing)

Pendakian Bukit (Hill Climbing) Pendakian Bukit (Hill Climbing) Metde ini hampir sama dengan metde pembangkitan & pengujian, hanya saja prses pengujian dilakukan dengan menggunakan fungsi heuristik. Pembangkitan keadaan berikutnya sangat

Lebih terperinci

Update 2012 DESAIN DAN ANALISIS ALGORITMA SEARCHING

Update 2012 DESAIN DAN ANALISIS ALGORITMA SEARCHING SEARCHING MENDEFINISIKAN MASALAH SEBAGAI SUATU RUANG KEADAAN Secara umum, untuk mendeskripsikan suatu permasalahan dengan baik harus: 1 Mendefinisikan suatu ruang keadaan. 2 Menerapkan satu atau lebih

Lebih terperinci

Bab 4. Informed Search

Bab 4. Informed Search Bab 4. Informed Search Review Pada bab 3 dapat disimpulkan hal hal sbb: Ada banyak cara untuk memanfaatkan knowledge saat menformulasikan suatu masalah dalam bentuk states dan operators. GENERAL-SEARCH

Lebih terperinci

Algoritma Pencarian Blind. Breadth First Search Depth First Search

Algoritma Pencarian Blind. Breadth First Search Depth First Search Algoritma Pencarian Blind Breadth First Search Depth First Search Deskripsi Merupakan algoritma untuk mencari kemungkinan penyelesaian Sering dijumpai oleh peneliti di bidang AI Mendefinisikan permasalahan

Lebih terperinci

SISTEM PENENTUAN LINTASAN TERPENDEK TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING

SISTEM PENENTUAN LINTASAN TERPENDEK TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING SISTEM PENENTUAN LINTASAN TERPENDEK TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING Abdul Mukthi Chifdhi 1, Dwi Puspitasari 2 Teknik Informatika, Teknologi Informasi, Politeknik Negeri

Lebih terperinci

Pertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM

Pertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM 07/04/2016 3. HEURISTIC METHOD Algoritma yang menggunakan Metode Best-First Search, yaitu: 1 Literatur Review KECERDASAN BUATAN Pertemuan-07 INFORMATIKA FASILKOM UNIVERSITAS IGM a. Greedy Best-First Greedy

Lebih terperinci

Bab 2 2. Teknik Pencarian

Bab 2 2. Teknik Pencarian Bab 2 2. Teknik Pencarian Bab ini membahas bagaimana membuat ruang masalah untuk suatu masalah tertentu. Sebagian masalah mempunyai ruang masalah yang dapat diprediksi, sebagian lainnya tidak. 1.1 Pendefinisian

Lebih terperinci

Masalah, Ruang Keadaan dan Pencarian 4/7/2016. fakultas ilmu komputer program studi informatika

Masalah, Ruang Keadaan dan Pencarian 4/7/2016. fakultas ilmu komputer program studi informatika ب س م ا ه لل الر ح ن الر ح ي السالم عليكم ورحمة هللا وبركاته fakultas ilmu komputer program studi informatika Masalah, Ruang Keadaan dan Pencarian Ruang Masalah / Keadaan Suatu ruang yang berisi semua

Lebih terperinci

Case Study : Search Algorithm

Case Study : Search Algorithm Case Study : Search Algorithm INF-303 Kecerdasan Buatan Jurusan Informatika FMIPA UNSYIAH Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Website: http://informatika.unsyiah.ac.id/irvanizam Contoh

Lebih terperinci

Problem solving by Searching. Materi 3 Kecerdasan Buatan Oleh: Dewi Liliana TI PNJ

Problem solving by Searching. Materi 3 Kecerdasan Buatan Oleh: Dewi Liliana TI PNJ Problem solving by Searching Materi 3 Kecerdasan Buatan Oleh: Dewi Liliana TI PNJ Pendahuluan Pengantar : Membahas agen cerdas penyelesaian problem serta strategi uninformed untuk memecahkan masalah. Tujuan:

Lebih terperinci

HEURISTIC SEARCH UTHIE

HEURISTIC SEARCH UTHIE HEURISTIC SEARCH Pendahuluan Pencarian buta biasanya tidak efisien karena waktu akses memori yang dibutuhkan cukup besar. Untuk mengatasi hal ini maka perlu ditambahkan suatu informasi pada domain yang

Lebih terperinci

Problem-solving Agent: Searching

Problem-solving Agent: Searching Problem-solving Agent: Searching Kuliah 3 Sistem Cerdas 5 April 2010 STMIK Indonesia Problem-Solving Agent Kelemahan reflex agent tidak cocok untuk menangani masalah besar!! Goal-based agent memiliki tujuan,

Lebih terperinci

Kasus Pelacakan untuk Pemilihan rute terpendek. Bagaimana Representasi Graph (start : Arad => tujuan:bucharest)???

Kasus Pelacakan untuk Pemilihan rute terpendek. Bagaimana Representasi Graph (start : Arad => tujuan:bucharest)??? 12/11/2009 1 Kasus Pelacakan untuk Pemilihan rute terpendek Oradea 71 75 Zerind 151 Arad 140 118 Timisora 111 Lugoj 70 Mehadia 75 Dobreta 120 Sibiu 99 Fagaras 80 Rimnicu Vilcea 97 Pitesti 146 138 Craiova

Lebih terperinci

ALGORITMA PENCARIAN. 1. Iterative-Deepening Depth-First Search (IDS) Nama : Gede Noverdi Indra Wirawan Nim : Kelas : VI A

ALGORITMA PENCARIAN. 1. Iterative-Deepening Depth-First Search (IDS) Nama : Gede Noverdi Indra Wirawan Nim : Kelas : VI A Nama : Gede Noverdi Indra Wirawan Nim : 0915051050 Kelas : VI A ALGORITMA PENCARIAN Algoritma pencarian (searching algorithm) adalah algoritma yang menerima sebuah argumen kunci dan dengan langkah-langkah

Lebih terperinci

Penerapan Metode Best First Search Pada Permainan Tic Tac Toe

Penerapan Metode Best First Search Pada Permainan Tic Tac Toe Penerapan Metode Best First Search Pada Permainan Tic Tac Toe Harvei Desmon Hutahaean STMIK Pelita Nusantara, Jl. Iskandar Muda No. 1 Medan, Sumatera Utara, Indonesia http : // www.penusa.ac.id, Email:

Lebih terperinci

Artificial Intelegence/ P_3 EKA YUNIAR

Artificial Intelegence/ P_3 EKA YUNIAR Artificial Intelegence/ P_3 EKA YUNIAR Pokok Bahasan Teknik Pencarian Heuristik Generate And Test Hill Climbing Best First Searching Problem Reduction Constrait Satisfaction Means End Analysis Teknik Pencarian

Lebih terperinci

Sebelumnya... Best-First Search Greedy Search A* Search, karena boros memory, dimunculkan variannya (sekilas): IDA* SMA* D* (DWA*) RBFS Beam

Sebelumnya... Best-First Search Greedy Search A* Search, karena boros memory, dimunculkan variannya (sekilas): IDA* SMA* D* (DWA*) RBFS Beam Sebelumnya... Best-First Search Greedy Search A* Search, karena boros memory, dimunculkan variannya (sekilas): IDA* SMA* D* (DWA*) RBFS Beam Kecerdasan Buatan Pertemuan 04 Variasi A* dan Hill Climbing

Lebih terperinci

KECERDASAN BUATAN MASALAH, RUANG KEADAAN DAN PENCARIAN ERWIEN TJIPTA WIJAYA, ST., M.KOM

KECERDASAN BUATAN MASALAH, RUANG KEADAAN DAN PENCARIAN ERWIEN TJIPTA WIJAYA, ST., M.KOM KECERDASAN BUATAN MASALAH, RUANG KEADAAN DAN PENCARIAN ERWIEN TJIPTA WIJAYA, ST., M.KOM KERANGKA MASALAH Masalah Ruang Keadaan Pencarian DEFINISI MASALAH Sistem yang menggunakan kecerdasan buatan akan

Lebih terperinci

Artificial Intelegence/ P_2. Eka Yuniar

Artificial Intelegence/ P_2. Eka Yuniar Artificial Intelegence/ P_2 Eka Yuniar Pokok Bahasan Definisi Masalah Ruang Masalah Metode Pencarian BFS dan DFS Problem/ Masalah Masalah dalam kecerdasan buatan adalah masalah yang dapat dikonversi ke

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Algoritma Breadth First Search Berikut ini adalah proses yang dilakukan dengan menggunakan algoritma Breadth first search untuk pencarian jalur. Proses pencarian

Lebih terperinci

Overview. Searching. Deskripsi. Intro Searching 2/4/2012 IF-UTAMA 1

Overview. Searching. Deskripsi. Intro Searching 2/4/2012 IF-UTAMA 1 Jurusan Teknik Informatika Universitas Widyatama Searching Pertemuan : 2 Dosen Pembina : Danang Junaedi Susetyo Bagas Baskoro Sriyani Violina Overview Deskripsi Search Problem & Answer Search Tree Kriteria

Lebih terperinci

Masalah, Ruang Masalah dan Pencarian

Masalah, Ruang Masalah dan Pencarian Masalah, Ruang Masalah dan Pencarian Review : Sistem yang menggunakan AI Komputer Input Masalah Pertanyaan dll Basis Pengetahuan Motor Inferensi Output Jawaban Solusi Untuk membangun sistem yang mampu

Lebih terperinci

Bahasan Terakhir... Pencarian dan Klasifikasinya Breadth-first Search Depth-first Search Variasi Depth-first Search:

Bahasan Terakhir... Pencarian dan Klasifikasinya Breadth-first Search Depth-first Search Variasi Depth-first Search: Bahasan Terakhir... Pencarian dan Klasifikasinya Breadth-first Search Depth-first Search Variasi Depth-first Search: Backtracking Depth Bounded/Limited Iterative Deepening Branch & Bound (Uniform Cost)

Lebih terperinci

Penerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek.

Penerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek. Penerapan Search Tree pada Penyelesaian Masalah Penentuan Jalur Kota Terpendek. Arnold Nugroho Sutanto - 13507102 1) 1) Jurusan Teknik Informatika ITB, Bandung 40132, email: if17102@students.if.itb.ac.id

Lebih terperinci

Penyelesaian Masalah dengan Pencarian

Penyelesaian Masalah dengan Pencarian Penyelesaian Masalah dengan Pencarian Model Problem & Pencarian Solusi Mengkonversi situasi yang diberikan ke dalam situasi lain menggunakan sekumpulan operasi tertentu. Searching : merepresentasikan masalah

Lebih terperinci

Pencarian Rute Terpendek pada Tempat Wisata di Kota Bogor Menggunakan Metode Heuristik

Pencarian Rute Terpendek pada Tempat Wisata di Kota Bogor Menggunakan Metode Heuristik Pencarian Rute Terpendek pada Tempat Wisata di Kota Bogor Menggunakan Metode Heuristik Irwansyah Saputra Jurusan Ilmu Komputer, STMIK Nusa Mandiri Jakarta Irwansyah9205@gmail.com Abstrak: Pencarian rute

Lebih terperinci

Pengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE)

Pengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE) Pengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE) Development of Optimal Search Using Generate and Test Algorithm with Precedence Diagram (GTPRE)

Lebih terperinci

Kecerdasan Buatan. Pertemuan 03. Pencarian Branch & Bound dan Heuristik (Informed)

Kecerdasan Buatan. Pertemuan 03. Pencarian Branch & Bound dan Heuristik (Informed) Kecerdasan Buatan Pertemuan 03 Pencarian Branch & Bound dan Heuristik (Informed) Husni Lunix96@gmail.com http://www.facebook.com/lunix96 http://komputasi.wordpress.com S1 Teknik Informatika, STMIK AMIKOM,

Lebih terperinci

Penerapan BFS dan DFS pada Pencarian Solusi

Penerapan 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 terperinci

IKI 30320: Sistem Cerdas Kuliah 3: Problem-Solving Agent & Search

IKI 30320: Sistem Cerdas Kuliah 3: Problem-Solving Agent & Search IKI 30320: Sistem Cerdas : -Solving Agent & Fakultas Ilmu Komputer Universitas Indonesia 3 September 2007 Outline 1 2 3 4 5 Outline 1 2 3 4 5 -Solving Agent Di kuliah yang lalu kita melihat contoh reflex

Lebih terperinci

IKI 30320: Sistem Cerdas Kuliah 4: Uninformed Search Strategies (Rev.)

IKI 30320: Sistem Cerdas Kuliah 4: Uninformed Search Strategies (Rev.) IKI 30320: Sistem erdas : Uninformed Search Strategies (Rev.) Fakultas Ilmu Komputer Universitas Indonesia 5 September 2007 Outline 1 2 3 4 5 Iterative-deepening 6 7 Outline 1 2 3 4 5 Iterative-deepening

Lebih terperinci

METODE PENCARIAN BFS dan DFS

METODE PENCARIAN BFS dan DFS METODE PENCARIAN BFS dan DFS Metode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : Pencarian buta / tanpa informasi (blind / un-informed

Lebih terperinci

PERBANDINGAN METODE PENCARIAN DEPTH-FIRST SEARCH, BREADTH-FIRST SEARCH DAN BEST-FIRST SEARCH PADA PERMAINAN 8-PUZZLE

PERBANDINGAN METODE PENCARIAN DEPTH-FIRST SEARCH, BREADTH-FIRST SEARCH DAN BEST-FIRST SEARCH PADA PERMAINAN 8-PUZZLE e-journal Teknik Elektro dan Komputer (2014) ISSN: 2301-8402 1 PERBANDINGAN METODE PENCARIAN DEPTH-FIRST SEARCH, BREADTH-FIRST SEARCH DAN BEST-FIRST SEARCH PADA PERMAINAN 8-PUZZLE Oleh: Arie S. M. Lumenta

Lebih terperinci

METODE PENCARIAN. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc

METODE PENCARIAN. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc METODE PENCARIAN Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam Teknik- Teknik Search (1/3) Hal- hal yang muncul

Lebih terperinci

MASALAH, RUANG KEADAAN & PENCARIAN

MASALAH, 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 terperinci

Penerapan BFS dan DFS pada Pencarian Solusi

Penerapan 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 terperinci

INTELEGENSI BUATAN. Pertemuan 2,3 Problem, Space, Search. M. Miftakul Amin, M. Eng. website :

INTELEGENSI BUATAN. Pertemuan 2,3 Problem, Space, Search. M. Miftakul Amin, M. Eng. website : INTELEGENSI BUATAN Pertemuan 2,3 Problem, Space, Search M. Miftakul Amin, M. Eng. e-mail: mmiftakulamin@gmail.com website : http://mafisamin.web.ugm.ac.id Jurusan Teknik Komputer Jurusan Teknik Komputer

Lebih terperinci

Algoritma Branch & Bound

Algoritma Branch & Bound Algoritma Branch & Bound Bahan Kuliah IF2211 Strategi Algoritma Program Studi Informatika STEI ITB 2018 Overview Pembentukan pohon ruang status (state space tree) dinamis untuk mencari solusi persoalan

Lebih terperinci

Informed search. Greedy Search A* Search IDA* Search RBFS Search SMA* Search

Informed search. Greedy Search A* Search IDA* Search RBFS Search SMA* Search Informed search Greedy Search A* Search IDA* Search RBFS Search SMA* Search Repeated State and Cycle Do not return to the state you just came from. Have the expand function (or the operator set) refuse

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Graf 2.1.1 Definisi Graf Graf adalah pasangan himpunan (V, E), dan ditulis dengan notasi G = (V, E), V adalah himpunan tidak kosong dari verteks-verteks {v 1, v 2,, v n } yang

Lebih terperinci

Penyelesaian N-Puzzle Menggunakan A* dan Iterative Deepening A*

Penyelesaian N-Puzzle Menggunakan A* dan Iterative Deepening A* Penyelesaian N-Puzzle Menggunakan A* dan Iterative Deepening A* Makalah IF2211 Strategi Algoritma Marvin Jerremy Budiman (13515076) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika

Lebih terperinci

03/03/2015. Agenda Teknik Dasar Pencarian Teknik Pemecahan Masalah Strategi Pencarian Mendalam Pencarian Heuristik

03/03/2015. Agenda Teknik Dasar Pencarian Teknik Pemecahan Masalah Strategi Pencarian Mendalam Pencarian Heuristik Prio Handoko, S. Kom., M.T.I. Program Studi Teknik Informatika Universitas Pembangunan Jaya Jl. oulevard - intaro Jaya Sektor VII Tangerang Selatan anten 154 Kompetensi asar Mahasiswa mendapatkan pemahaman

Lebih terperinci

Breadth/Depth First Search. Bahan Kuliah IF2211 Strategi Algoritmik Oleh: Rinaldi Munir Update: Masayu Leylia Khodra 22 September 2013

Breadth/Depth First Search. Bahan Kuliah IF2211 Strategi Algoritmik Oleh: Rinaldi Munir Update: Masayu Leylia Khodra 22 September 2013 Breadth/Depth First Search (BFS/DFS) Bahan Kuliah IF2211 Strategi Algoritmik Oleh: Rinaldi Munir Update: Masayu Leylia Khodra 22 September 2013 1 Traversal Graf Algoritma traversal graf: mengunjungi simpul

Lebih terperinci

Masalah, Ruang Masalah dan Pencarian

Masalah, Ruang Masalah dan Pencarian Masalah, Ruang Masalah dan Pencarian Definisi Masalah dan Ruang Masalah Metode Pencarian Buta Breadth First Search Depth First Search Referensi Luger & Stubblefield - bab 3 Sri Kusumadewi - bab 2 Rich

Lebih terperinci

PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING

PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 0, No. (2015), hal 17 180. PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Kristina Karunianti Nana, Bayu Prihandono,

Lebih terperinci

Masalah, Ruang Keadaan, Pencarian. Kecerdasan Buatan Pertemuan 2 Yudianto Sujana

Masalah, Ruang Keadaan, Pencarian. Kecerdasan Buatan Pertemuan 2 Yudianto Sujana Masalah, Ruang Keadaan, Pencarian Kecerdasan Buatan Pertemuan 2 Yudianto Sujana Sistem AI Komputer Input Masalah Pertanyaan Basis Pengetahuan Motor Inferensi Output Jawaban Solusi Masalah Untuk membangun

Lebih terperinci

Analisis Beberapa Algoritma dalam Menyelesaikan Pencarian Jalan Terpendek

Analisis 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 terperinci

ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM

ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM ANALISA KEBUTUHAN WAKTU PADA PROSES PENYELESAIAN TRAVELING SALESMAN PROBLEM Hari Murti 1, R. Soelistijadi 2, Sugiyamto 3 Program Studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank

Lebih terperinci

IKI30320 Kuliah 5 12 Sep Ruli Manurung. Best-first. search. Greedy best-first. search. search. Merancang heuristic

IKI30320 Kuliah 5 12 Sep Ruli Manurung. Best-first. search. Greedy best-first. search. search. Merancang heuristic Outline 1 A IKI 30320: istem Cerdas : Informed earch A 2 3 A 4 Fakultas Ilmu Komputer Universitas Indonesia 5 12 eptember 2007 6 Heuristic function A Prinsip akukan node expansion terhadap node di fringe

Lebih terperinci

ABSTRACT. Keyword: Algorithm, Depth First Search, Breadth First Search, backtracking, Maze, Rat Race, Web Peta. Universitas Kristen Maranatha

ABSTRACT. Keyword: Algorithm, Depth First Search, Breadth First Search, backtracking, Maze, Rat Race, Web Peta. Universitas Kristen Maranatha ABSTRACT In a Rat Race game, there is only one way in and one way out. The objective of this game is to find the shortest way to reach the finish. We use a rat character in this game, so the rat must walk

Lebih terperinci

Branch & Bound. Bahan Kuliah IF2211 Strategi Algoritma Rinaldi Munir & Masayu Leylia Khodra

Branch & Bound. Bahan Kuliah IF2211 Strategi Algoritma Rinaldi Munir & Masayu Leylia Khodra Branch & Bound Bahan Kuliah IF2211 Strategi Algoritma Rinaldi Munir & Masayu Leylia Khodra Overview Pembentukan pohon ruang status (state space tree) dinamis dengan BFS, DFS, DLS, dan IDS untuk mencari

Lebih terperinci

ALGORITMA PENCARIAN SIMPUL SOLUSI DALAM GRAF

ALGORITMA 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 terperinci

Bab 3 Solving Problem by Searching

Bab 3 Solving Problem by Searching Bab 3 Solving Problem by Searching Problem Solving Agent Simple Reflex agents are unable to plan ahead Their action are determined only by current percept No knowledge of what their action nor what is

Lebih terperinci

LESSON 6 : INFORMED SEARCH Part II

LESSON 6 : INFORMED SEARCH Part II LESSON 6 : INFORMED SEARCH Part II 3.3 Itterative deepening A* search 3.3.1 Algoritma IDA* Itterative deepening search atau IDA* serupa dengan iterative deepening depth first, namun dengan modifikasi sebagai

Lebih terperinci

BAB 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 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 terperinci

Pemecahan Masalah dengan Metoda Pencarian (Searching)

Pemecahan Masalah dengan Metoda Pencarian (Searching) Pemecahan Masalah dengan Metoda Pencarian (Searching) Problem-Solving Agent (PSA) Memutuskan tindakan yang harus dilakukan untuk mencapai hasil yang diinginkan. Dengan cara : mengidentifikasi tiap urutan

Lebih terperinci

IKI30320 Kuliah 4 5 Sep Ruli Manurung. Ulasan. Breadth-first. Uniform-cost. Depth-first. Pengulangan state. Ringkasan

IKI30320 Kuliah 4 5 Sep Ruli Manurung. Ulasan. Breadth-first. Uniform-cost. Depth-first. Pengulangan state. Ringkasan Outline readth-first IKI 30320: Sistem erdas : Uninformed Search Strategies (Rev.) readth-first 1 2 readth-first 3 Fakultas Ilmu Komputer Universitas Indonesia 4 5 Iterative-deepening 6 5 September 2007

Lebih terperinci

IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK

IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK Selvy Welianto (1) R. Gunawan Santosa (2) Antonius Rachmat C. (3) selvywelianto@yahoo.com gunawan@ukdw.ac.id anton@ukdw.ac.id Abstraksi

Lebih terperinci

SEARCHING. Blind Search

SEARCHING. Blind Search SEARHIN lind Search Tipe Masalah Single State Problem Satu aksi mengantarkan agent ke satu state lain. Dapat menggunakan uninformed & informed search. Multiple State Problem Satu aksi mengantarkan agent

Lebih terperinci

PENERAPAN ALGORITMA A* PADA PERMASALAHAN OPTIMALISASI PENCARIAN SOLUSI DYNAMIC WATER JUG

PENERAPAN 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 terperinci

TEKNIK PENYELESAIAN MASALAH BERDASARKAN AI

TEKNIK PENYELESAIAN MASALAH BERDASARKAN AI TEKNIK PENYELESAIAN MASALAH BERDASARKAN AI 1. Definisikan masalah dengan tepat 2. Analisa masalahnya 3. Representasikan task knowledge 4. Pilih dan gunakan representasi dan teknik reasoning Untuk mendefinisikan

Lebih terperinci

Penerapan Algoritma BFS, DFS, DLS dan IDS dalam Pencarian Solusi Water Jug Problem

Penerapan Algoritma BFS, DFS, DLS dan IDS dalam Pencarian Solusi Water Jug Problem Penerapan Algoritma BFS, DFS, DLS dan IDS dalam Pencarian Solusi Water Jug Problem Abstrak Nursyamsiah Pertiwi 1, Esty Hutami Dewi Lubis 2, Lafrania Taufik 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Permainan (game) merupakan bidang usaha manusia terhadap kecerdasan buatan, salah satunya adalah sliding puzzle. Permainan ini merupakan permainan yang dapat melatih

Lebih terperinci

UNIVERSITAS GUNADARMA

UNIVERSITAS GUNADARMA QUIZ PENGANTAR KECERDASAN BUATAN Kelompok : Hasbi Nur Haqi (50407406) (Ketua) M. Isramuddin (50407572) Septo Aditiyo (50407796) Yusup Bachtiar (50407929) Kelas : 4IA03 UNIVERSITAS GUNADARMA 2010 Soal dan

Lebih terperinci

IKI30320 Kuliah 3 3 Sep Ruli Manurung. Problem solving agent. Representasi masalah: state space. Pencarian solusi: search.

IKI30320 Kuliah 3 3 Sep Ruli Manurung. Problem solving agent. Representasi masalah: state space. Pencarian solusi: search. Outline IKI 00: istem Cerdas : -olving Agent & Fakultas Ilmu Komputer Universitas Indonesia 4 eptember 007 5 -olving Agent Mekanisme kerja -olving Agent Di kuliah yang lalu kita melihat contoh reflex agent:

Lebih terperinci

BAB II TINJAUAN PUSTAKA. ditentukan oleh pemilik kos sedangkan lama waktu penyewaan ditentukan sendiri

BAB II TINJAUAN PUSTAKA. ditentukan oleh pemilik kos sedangkan lama waktu penyewaan ditentukan sendiri BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Studi Tentang Kos-kos Kos merupakan salah satu tempat penyedia jasa penginapan atau tempat tinggal sementara yang terdiri dari beberapa kamar dan setiap

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1. Artificial Intelligence Pada dasarnya, banyak pandangan serta pengertian mengenai AI, dan secara garis besar, Russell & Norvig (2010:2) membagi pengertian AI ke dalam empat

Lebih terperinci

Metode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : 1. Pencarian buta / tanpa infor

Metode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : 1. Pencarian buta / tanpa infor KCRDASAN UATAN (ARTIFICIAL INTLLIGNC) PRTMUAN 3 SARCHING 1 Metode Pencarian Terdapat banyak metode yang telah diusulkan. Semua metode yang ada dapat dibedakan ke dalam 2 jenis : 1. Pencarian buta / tanpa

Lebih terperinci

METODE BRANCH AND BOUND UNTUK MENEMUKAN SHORTEST PATH

METODE 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 terperinci

PENYELESAIAN MASALAH MISSIONARIES DAN CANNIBAL MENGGUNAKAN ALGORITMA DFS DENGAN VARIASI PENGHINDARAN REPEATED STATE

PENYELESAIAN MASALAH MISSIONARIES DAN CANNIBAL MENGGUNAKAN ALGORITMA DFS DENGAN VARIASI PENGHINDARAN REPEATED STATE PENYELESAIAN MASALAH MISSIONARIES DAN CANNIBAL MENGGUNAKAN ALGORITMA DFS DENGAN VARIASI PENGHINDARAN REPEATED STATE Gia Pusfita (13505082) Program Studi Teknik Informatika Institut Teknologi Bandung Jalan

Lebih terperinci

Perangkat Lunak Simulasi Langkah Kuda Dalam Permainan Catur

Perangkat 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 terperinci

Prolem Solving Based on AI

Prolem Solving Based on AI AI Prolem Solving Based on AI wijanarto Aplikasi AI berdasarkan Problem Solving 2 Tipe Problem Komputasional : Dapat dipecahkan dengan menggunakan prosedure terurut yang ditentukan, yang di jamin berhasil.

Lebih terperinci