PENYELESAIAN MASALAH 8 PUZZLE DENGAN ALGORITMA HILL CLIMBING STEPEST ASCENT LOGLIST HEURISTIK BERBASIS JAVA
|
|
- Hengki Wibowo
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional Teknologi Informasi dan Komunikasi 2012 (SENTIKA 2012) ISSN: PENYELESAIAN MASALAH PUZZLE DENGAN ALGORITMA HILL CLIMBING STEPEST ASCENT LOGLIST HEURISTIK BERBASIS JAVA Azizah Zakiah Teknik Informatika, Politeknik Pos Indonesia Jl. Sariasih 54 Bandung Telp. (022) ext ABSTRAKS puzzle merupakan salah satu implementasi dari Artificial Intelegence Dalam proses penyelesaiannya banyak terdapat algoritma-algoritma pencarian yang dapat diterapkan. Solusi puzzle akan lebih cepat diperoleh jika digunakan prinsip array dengan variasi algoritma Steepest-Ascent Hill Climbing (Hill Climbing dengan memilih kemiringan yang paling tajam / curam) dengan parameter heuristik posisi yang benar dan heuristik jarak serta dikombinasikan dengan LogList sebagai penyimpanan state state yang pernah dilalui untuk menanggulangi permasalah pada algoritma hill climbing itu sendiri dan terhindar dari looping state yang pernah dilalui. Metode-metode yang termasuk ke dalam teknik pencarian yang berdasarkan pada fungsi heuristik salah satu diantaranya adalah Hill Climbing, Best First Search, A* (A Bintang). Loglist merupakan tempat penyimpanan setiap kunjungan dari state-state puzzle yang telah dilakukan untuk menghindari looping atau pengulangan terhadap state yang pernah dilalui. Untuk menanggulangi permasalahan pada Steepest- Ascent Hill Climbing. Kata Kunci: Puzzle, heuristik, hill climbing, Steepest-Ascent Hill Climbing, loglist 1. PENDAHULUAN 1.1 Latar Belakang puzzle adalah permainan sliding puzzle ciptaan Sam Loyd yang terdiri dari sebuah bingkai yang berisi kotak kotak angka dalam keadaan teracak dimana sebuah kotak hilang. Karena permainan ini bernama puzzle, maka ukuran bingkai adalah 3 x 3. tujuan dari puzzle ini adalah dengan memakai gerakan geser yang menggunakan ubin kosong untuk mencapai goal state. puzzle merupakan salah satu implementasi dari Artificial Intelegence. Dalam proses penyelesaiannya banyak terdapat algoritmaalgoritma pencarian yang dapat diterapkan. Dalam hal ini penulis memilih algoritma Steepest-Ascent Hill Climbing (Hill Climbing dengan memilih kemiringan yang paling tajam / curam) yang divariasikan dengan fungsi heuristik jarak dan posisi serta loglist sebagai tempat penyimpanan sebagai pembanding terhadap state state yang pernah dilalui untuk menghindari looping atau proses pergeseran ke state yang telah ada sebelumnya. 1.2 Rumusan Masalah Adapun rumusan masalah pada kasus puzzle ini adalah sebagai berikut: a. Bagaimana menyelesaikan permasalahan puzzle b. Algoritma apa yang harus digunakan untuk menyelesaikan permasalahan puzzle c. Bagaimana aturan pergeseran tile yang diperbolehkan. d. Parameter apa yang digunakan sebagai patokan dilakukannya pergeseran e. Apa yang harus dilakukan apabila terjadi state atau posisi sama yang pernah dilalui oleh puzzle f. Fungsi heuristik apa yang harus digunakan untuk pembanding untuk dilakukan persegeseran state nya. 1.3 Tujuan Adapun tujuan adalah sebagai berikut: a. Menyelesaikan permasalahan puzzle b. Menentukan Algoritma yang harus digunakan untuk menyelesaikan permasalahan puzzle c. Menentukan aturan pergeseran tile yang diperbolehkan. d. Memperoleh Parameter apa yang digunakan sebagai patokan dilakukannya pergeseran e. Menhandle apabila terjadi state atau posisi sama yang pernah dilalui oleh puzzle f. Menentukan Fungsi heuristik apa yang harus digunakan untuk pembanding untuk dilakukan persegeseran state nya. 2. TINJAUAN PUSTAKA 2.1 Fungsi Heuristic (Heuristic Search) Heuristic berasal dari bahasa Yunani yaitu heuriskein yang berarti mencari atau menemukan. Di dalam mempelajari metode metode pencarian ini, kata heuristik diartikan sebagai suatu fungsi yang memberikan suatu nilai berupa biaya perkiraan (estimasi) dari suatu solusi. (Suyanto, 2007). Metode-metode yang termasuk ke dalam teknik pencarian yang berdasarkan pada fungsi heuristik salah satu diantaranya adalah: Hill Climbing 15
2 Seminar Nasional Teknologi Informasi dan Komunikasi 2012 (SENTIKA 2012) ISSN: Best First Search A* (A Bintang) Terdapat dua jenis fungsi heuristik yang bisa digunakan yaitu: a. H1 = jumlah kotak yang posisinya benar. b. H2 = jarak antara initialstate dan goalstate. Cara menghitungnya yaitu dengan menjumlahkan harga mutlak selisih antara kolom dan baris pada initial state dengan goal state. Total nilai dari h1 dan h2 adalah maksimal 9 yaitu H1 maksimum apabila posisi tile sudah sesuai dengan goalstate adalah 9 dan H2 adalah 0 (nol). Heuristik posisi adalah nilai dari pencocokan antara inisialstate dengan goalstate apabila: a. Jumlah ubin yang menempati posisi yang benar: jumlah yang lebih tinggi adalah yang diharapkan (lebih baik). b. Jumlah ubin yang menempati posisi yang salah: jumlah yang lebih kecil yang diharapkan (lebih baik). Contoh a. Jumlah Posisi Ubin yang menempati posisi yang benar adalah [ ] yaitu h1 = 7. b. Jumlah Posisi Ubin yang menempati posisi yang salah adalah [0 3 ] yaitu h1 = 2. Fungsi Heuristik jarak yang diambil adalah yang bernilai 0 (nol) Contoh a. Heuristik Jarak angka 6 adalah 0 yaitu: Initial state 6: kolom = 0 ; baris = 0 Goal State 6: kolom = 0 ; baris = 0 Maka Jarak 6 adalah kolom goalstate-kolom Initialstate + baris goalstate-baris Initialstate = b. Heuristik Jarak angka 3 adalah 0 yaitu: Initial state 3: kolom = 0 ; baris = 0 Goal State 3: kolom = 0 ; baris = 1 Maka Jarak 3 = kolom goalstate-kolom Initialstate + baris goalstate-baris Initialstate = Hill Climbing Proses Pengujian dilakukan dengan menggunakan fungsi heuristik. Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristik ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaankeadaan lainnya yang mungkin.(kusumadewi, 2003) Terdapat dua jenis Hill Climbing yang sedikit berbeda, yakni Simple Hill Climbing (Hill Climbing sederhana) dan Steepest-Ascent Hill Climbing (Hill Climbing dengan memilih kemiringan yang paling tajam / curam). Pada kasus pemecahan masalah puzzle ini penulis memilih Steepest-Ascent Hill Climbing. Steepest-Ascent Hill Climbing sebenarnya hampir sama dengan simple hill climbing. Hanya sajagerakan pencarian tidak dimulai dari posisi paling kiri. Gerakan selanjutnya dicari berdasarkan nilai heuristik terbaik. Dalam hal ini urutan penggunaan operator tidak menentukan penemuan solusi. Algoritma: a. Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan, maka berhenti ; dan jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal. b. Kerjakan hingga tujuan tercapai atau hingga iterasi tidak memberikan perubahan pada keadaan sekarang. 1. Tentukan SUCC sebagai niali heuristik terbaik dari successor- successor 2. Kerjakan untuk tiap operator yang digunakan oleh keadaan sekarang: 3. Gunakan operator tersebut dan bentuk keadaan baru. 4. Evaluasi keadaan baru tersebut. Jika merupakan tujuan, keluar, Jika bukan, bandingkan nilai heuristiknya dengan SUCC. Jika lebih baik, jadikan nilai heuristic keadaan baru tersebut sebagai SUCC. Namun jika tidak lebih baik, nilai SUCC tidak berubah. 5. Jika SUCC lebih baik daripada nilai heuristik keadaan sekarang, ubah node SUCC menjadi keadaan sekarang. Pada Steepest-Ascent Hill Climbing ini ada 3 masalah yang mungkin yaitu: a. Local optimum keadaan semua tetangga lebih buruk atau sama dengan keadaan dirinya. b. Plateu keadaan semua tetangga sama dengan keadaan dirinya. c. Ridge local optimum yang lebih disebabkan karena ketidakmampuan untuk menggunakan 2 operator sekaligus. 2.3 Loglist Loglist merupakan tempat penyimpanan setiap kunjungan dari state-state puzzle yang telah 159
3 Seminar Nasional Teknologi Informasi dan Komunikasi 2012 (SENTIKA 2012) ISSN: dilakukan untuk menghindari looping atau pengulangan terhadap state yang pernah dilalui. Untuk menanggulangi permasalahan pada Steepest- Ascent Hill Climbing. 3. PEMBAHASAN 3.1 Pemilihan GoalState Sebelum melalukan pencarian state yang harus dipilih. langkah yang harus dilakukan adalah memilih goalstate. Dalam puzzle terdapat 2 buah goalstate yaitu: a. GoalState A adalah goalstate yang dipilih apabila jumlah dari perbandingan semua tile dengan tile setelahnya(sebelah kanannya) berjumlah ganjil maka goalstatenya melingkar adalah [1,2,3,,0,4,7,6,5] b. GoalState B adalah goalstate yang dipilih apabila jumlah dari perbandingan semua tile dengan tile setelahnya(sebelah kanannya) berjumlah genap maka goalstatenya berurut adalah [0,1,2,3,4,5,6,7,] (sumber: Contohnya: Diketahui InisialState dibawah ini: Maka goalstate nya adalah 1. Hitung jumlah bilangan yang berada di sebelah kanan angka 3 yang lebih kecil tapi (inisialstate[i]< initialstate[0]) = 2 I=1 2. Hitung jumlah bilangan yang berada di sebelah kanan angka 1 yang lebih kecil tapi (inisialstate[i]< initialstate[1]) = 0 I=2 3. Hitung jumlah bilangan yang berada di sebelah kanan angka 2 yang lebih kecil tapi (inisialstate[i]< initialstate[2]) = 0 I=3 4. Hitung jumlah bilangan yang berada di sebelah kanan angka 6 yang lebih kecil tapi (inisialstate[i]< initialstate[3]) = 2 I=4 5. Hitung jumlah bilangan yang berada di sebelah kanan angka 4 yang lebih kecil tapi (inisialstate[i]< initialstate[4]) = 0 I=5 6. Hitung jumlah bilangan yang berada di sebelah kanan angka 5 yang lebih kecil tapi (inisialstate[i]< initialstate[5]) = 0 I=6 7. Hitung jumlah bilangan yang berada di sebelah kanan angka 7 yang lebih kecil tapi (inisialstate[i]< initialstate[7]) = 0 I= Jadi diperoleh jumlah: , maka goalstate yang dipilih adalah goalstate B yaitu [ ] 3.2 Pemilihan Pergeseran State yang diperbolehkan. State dapat bergerak ke state yang selanjutnya berdasarkan posisi ubin kosong. Operator yang diperbolehkan adalah: 1. Ubin Kosong ke Kanan 2. Ubin Kosong ke Kiri 3. Ubin Kosong ke Atas 4. Ubin Kosong ke Bawah Kemungkinan Posisi ubin kosong pada state adalah: 1. Posisi Ubin Kosong pada index ke 0 atau pojok adalah bergeser ke kanan atau ke bawah. 2. Posisi Ubin Kosong pada index ke 1 atau tengah atas, maka pergesaran yang diperbolehkan adalah bergeser ke kanan, kiri atau ke bawah. 3. Posisi Ubin Kosong pada index ke 2 atau pojok kanan atas, maka pergesaran yang diperbolehkan adalah bergeser ke kiri atau ke bawah. 4. Posisi Ubin Kosong pada index ke 3 atau tengah 160
4 Seminar Nasional Teknologi Informasi dan Komunikasi 2012 (SENTIKA 2012) ISSN: kiri, maka pergesaran yang diperbolehkan adalah bergeser ke kanan, atas atau bawah. 5. Posisi Ubin Kosong pada index ke 4 atau tepat di tengah, maka pergesaran yang diperbolehkan adalah bergeser ke kanan, kiri, atas atau ke bawah. 6. Posisi Ubin Kosong pada index ke 5 atau pojok adalah bergeser ke kiri, atas atau ke bawah. 7. Posisi Ubin Kosong pada index ke 6 atau pojok adalah bergeser ke kanan atau ke atas.. Posisi Ubin Kosong pada index ke 7 atau pojok adalah bergeser ke kanan, kiri atau ke atas. 9. Posisi Ubin Kosong pada index ke atau pojok adalah bergeser ke kiri atau ke atas. Dari kemungkinan pergeseran-pergeseran yang diperbolehkan dari ubin kosong diatas maka dapat disimpulkan bahwa: 1. Geser Kanan = 1 2. Geser Kiri = Geser Atas =-3 4. Geser Bawah = Algoritma Algoritma Masukkan inisial state Procedure Masukkan Inisial State DEKLARASI initialstate:array[1..9]of integer i: integer DESKRIPSI For i 0 to do Read(initialState[i]) Endfor. Algoritma Pemilihan Goalstate Procedure Pemilihan Goal State DEKLARASI initialstate: array[1..9] of integer goalstatea: array[1..9] of integer goalstateb: array[1..9] of integer goalstate: array[1..9] of integer i, j,jumlah: integer DESKRIPSI goalstatea = {1,2,3,,0,4,7,6,5} goalstateb = {0,1,2,3,4,5,6,7,} jumlah =0 { mengecek apakah jumlah dari perbandingan semua tile dengan tile setelahnya (sebelah kanannya) berjumlah ganjil maka goalstatenya melingkar jika tidak goalstateb} For i 0 to do For j i + 1 to 7 do If (initialstate[j]< initialstate[i] && initialstate[j]!= 0) then Jumlah++ endfor. Endfor. If (jumlah % 2 == 1) Then For i 0 to do goalstate[i]=goalstatea[i] endfor For i 0 to do goalstate[i]=goalstateb[i] endfor EndIf Algoritma pemilihan ubin kosong Procedure Pemilihan Langkah ubin kosong (input State: array[1..9] of integer) DEKLARASI i: integer TotalKanan: integer TotalKiri: integer TotalAtas: integer TotalBawah: integer DESKRIPSI For i 0 to do If (State[i]==0) Posisi i Endfor. Switch(posisi) Case 0: Totalkanan = heuristikposisi(kanan)+ If(Totalkanan > Totalbawah) Then Case 1: Totalkanan = heuristikposisi(kanan)+ If(Totalkanan > Totalbawah && TotalKanan > TotalKiri) Then If(Totalbawah > Totalkanan && TotalBawah > TotalKiri) Then Case 2: If(TotalKiri> Totalbawah) Then Case 3: 161
5 Seminar Nasional Teknologi Informasi dan Komunikasi 2012 (SENTIKA 2012) ISSN: If(Totalkanan > Totalbawah && TotalKanan > TotalAtas) Then If(Totalbawah > Totalkanan && TotalBawah > TotalAtas) Then Case 4: If(Totalkanan > Totalbawah && TotalKanan > TotalAtas && TotalKanan > TotalKiri) Then If(TotalKiri > Totalkanan && TotalKiri > TotalAtas &&TotalKiri > TotalBawah) Then If(Totalbawah > Totalkanan && TotalBawah > TotalAtas &&TotalBawah > TotalKiri) Then Case 5: If(TotalKiri > TotalAtas &&TotalKiri > TotalBawah) Then If(TotalBawah > TotalAtas &&TotalBawah > TotalKiri) Then Case 6: If(TotalKanan > TotalAtas ) Then Case 7: If(TotalKanan > TotalAtas && TotalKanan > TotalKiri) Then If(TotalKiri > Totalkanan && TotalKiri > TotalAtas ) Then Case : If(TotalKiri > TotalAtas ) Then endswitch. 3.4 Program Program masukkan state Program pemilihan goalstate Program penghitungan nilai jarak heuristik 3.5 Antarmuka Adapun antarmuka hasil dari program puzzle ini adalah sebagai berikut: 162
6 Seminar Nasional Teknologi Informasi dan Komunikasi 2012 (SENTIKA 2012) ISSN: Gambar 1. Tampilan pertama program puzzle Gambar 2. Tampilan inisial state program puzzle Gambar 3. Tampilan hasil program puzzle Tampilan Pelacakkan Pergeseran: 4. PENUTUP Kesimpulan pada makalah ini yaitu: 1. Persoalan puzzle dapat diselesaikan dengan menggunakan prinsip array serta algoritma Steepest-Ascent Hill Climbing yang telah divariasikan. 2. Solusi puzzle akan lebih cepat diperoleh jika digunakan prinsip array dengan variasi algoritma Steepest-Ascent Hill Climbing (Hill Climbing dengan memilih kemiringan yang paling tajam / curam) dengan parameter heuristik posisi yang benar dan heuristik jarak serta dikombinasikan dengan LogList sebagai penyimpanan state state yang pernah dilalui untuk menanggulangi permasalah pada algoritma hill climbing itu sendiri. PUSTAKA HillClimbing. (Online). ( wiki/hill_climbing diakses pada tanggal 2 April 2010 pukul WIB) Kusumadewi, S. (2003). Artificial Intelelligence. Jogyakarta: Graha Ilmu.\ Local search (Constraint satisfication). (Online). ( constraint_satisfaction%29#hill_climbing diakses pada tanggal 2 April 2010 pukul 20.00) Suyanto. (2007). ST.,M.Sc. Dalam A. Intellegence, Searching, Reasoning, Planning and Learning. Bandung: Informatika Bandung. What is puzzle. (Online). ( diakses pada tanggal 2 April 2010 pukul WIB ) Yuval Baror. Visualgo N-puzzle. (Online). ( diakses pada tanggal 2 April 2010 pukul WIB) Gambar 4. Tampilan pelacakan pergeseran program puzzle 163
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 terperinciKECERDASAN 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 terperinciKECERDASAN 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 terperinciMETODE 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 terperinciPROTOTIPE IMPLEMENATSI ALGORITHMA HILLCLIMBING UNTUK MEMBUAT JADWAL PRODUKSI GARMENT DI PT XX
PROTOTIPE IMPLEMENATSI ALGORITHMA HILLCLIMBING UNTUK MEMBUAT JADWAL PRODUKSI GARMENT DI PT XX Heribertus Himawan1), Dwi Setyawan2) 1), 2) Teknik Informatika Udinus Semarang Jl Nakula I No 5-11, Semarang
Lebih terperinciBAB I PENDAHULUAN. generasi pertama pada tahun 1972 dikenal dengan game konsol yang dikeluarkan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan game dari masa ke masa dibagi menjadi 9 generasi, dari generasi pertama pada tahun 1972 dikenal dengan game konsol yang dikeluarkan oleh perusahaan
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 terperinciPencarian. 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 terperinciContoh 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 terperinciPENERAPAN ALGORITMA STEEPEST ASCENT HILL CLIMBING DAN LINEAR CONGRUENT METHOD (LCM) DALAM GAME SLIDE PUZZLE PENGENALAN SEMBILAN SUNAN BERBASIS ANDROID
Seminar Nasional APTIKOM (SEMNASTIKOM), FaveHotel Jayapura, 3 November 2017 PENERAPAN ALGORITMA STEEPEST ASCENT HILL CLIMBING DAN LINEAR CONGRUENT METHOD (LCM) DALAM GAME SLIDE PUZZLE PENGENALAN SEMBILAN
Lebih terperinciMetode 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 terperinciALGORITMA 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 terperinciBAB 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 terperinciSISTEM 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 terperinciCase 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 terperinciBAB 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 terperinciALGORITMA 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 terperinciArtificial 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 terperinciMetode 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 terperinciPENYELESAIAN 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 terperinciPenyelesaian Permainan Sliding Puzzle 3x3 Menggunakan Algoritma Greedy Dengan Dua Fungsi Heuristik
Penyelesaian Permainan Sliding Puzzle 3x3 Menggunakan Algoritma Greedy Dengan Dua Fungsi Heuristik Akbar Gumbira - 13508106 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciSEARCHING. 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 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 terperinciPenyelesaian Masalah 8-Puzzle dengan Algoritma Steepest-Ascent Hill Climbing
Penyelesaian Masalah 8-Puzzle dengan Algoritma Steepest-Ascent Hill Climbing David Abraham 1, Indra W. Permana 2, Rangga Adi Nugraha 3, Moch. Alvian 4, Hanif 5 Jurusan Teknik Elektro, Universitas Sultan
Lebih terperinciPERBANDINGAN 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 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 terperinciBAB 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 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 terperinciPemanfaatan Algoritma Runut-Balik dalam Menyelesaikan Puzzle NeurOn dalam Permainan Logical Cell
Pemanfaatan Algoritma Runut-Balik dalam Menyelesaikan Puzzle NeurOn dalam Permainan Logical Cell Adrian Mulyana Nugraha 13515075 Program Studi Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciTeknik 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 terperinciI. PENDAHULUAN II. DASAR TEORI. Contoh lainnya: Solusi: 0= V,1= I,2= O,3= R, 4= N,5= L,7= A,8= F,9= E.
Penyelesaian Verbal Arithmetic dengan Algoritma Brute Force Luthfi Chandra Fibrian - 13510047 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
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 terperinciPencarian 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 terperinciIMPLEMENTASI ALGORITMA HILL CLIMBING DAN ALGORITMA A* DALAM PENYELESAIAN PENYUSUNAN SUKU KATA DASAR DENGAN POLA PERMAINAN BINTANG KEJORA
IMPLEMENTASI ALGORITMA HILL CLIMBING DAN ALGORITMA A* DALAM PENYELESAIAN PENYUSUNAN SUKU KATA DASAR DENGAN POLA PERMAINAN BINTANG KEJORA Nurdin [1], Syandriani Harahap [2] 1.Program Studi Teknik InformatikaUniversitas
Lebih terperinciISSN: PROBLEM SOLVING PERMAINAN PUZZLE 8 MENGGUNAKAN ALGORITMA A* Beny Hakim Halimsah, Eggy Margiso
Problem Solving Permainan... ISSN: 1978-1520 PROBLEM SOLVING PERMAINAN PUZZLE 8 MENGGUNAKAN ALGORITMA A* Beny Hakim Halimsah, Eggy Margiso Sekolah Tinggi Manajemen Informatika dan Komputer Pontianak Jln.
Lebih terperinciPenggunaan Algoritma Greedy untuk Mencari Solusi Optimal dalam Permainan Brick Breaker
Penggunaan Greedy untuk Mencari Solusi Optimal dalam Permainan Brick Breaker Nanda Ekaputra Panjiarga 13509031 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciMasalah, 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 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 terperinciHEURISTIC 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 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 terperinciPENCARIAN 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 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 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 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 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 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 terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM Pada bab ini akan dibahas mengenai Sistem Informasi Geografis Pencarian Lokasi Terdekat Kantor PLN Medan Berbasis Android yang meliputi analisa sistem yang sedang berjalan
Lebih terperinciImplementasi Algoritma DFS pada Pewarnaan Gambar Sederhana Menggunakan Bucket tool
Implementasi Algoritma DFS pada Pewarnaan Gambar Sederhana Menggunakan Bucket tool Sharon Loh (13510086) 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPENERAPAN ALGORITMA BFS PADA CHINESE SLIDE BLOCK PUZZLE (KLOTSKI)
PENERAPAN ALGORITMA BFS PADA CHINESE SLIDE BLOCK PUZZLE (KLOTSKI) Ibnu Sina Wardy - 50505 Teknik Informatika Institut Teknologi Bandung Jl. Ganeca 0 Bandung Email : if505@students.if.itb.ac.id ABSTRAK
Lebih terperinciImplementasi Algoritma A Star pada Pemecahan Puzzle 8
1 Implementasi Algoritma A Star pada Pemecahan Puzzle 8 Yuliana, Ananda dan Ibnu Sur Progr;am Studi Teknik Informatika Politeknik Caltek Riau, Jln. Umbansari no.1 Rumbai Pekanbaru 28261 1 can_1ee14@hoo.com,
Lebih terperinciTEKNIK PENCARIAN HEURISTIK (HEURISTIC SEARCHING)
TEKNIK PENCRIN HEURISTIK (HEURISTIC SERCHING) Teknik pencarian heuristik (heuristic searching) merupakan suatu strategi untuk melakukan proses pencarian ruang keadaan (state space) suatu problema secara
Lebih terperinciRuang Pencarian PERTEMUAN 3
Ruang Pencarian PERTEMUAN 3 TUJUAN INSTRUKSIONAL Mahasiswa dapat mendeskripsikan sebuah permasalahan secara formal Mahasiswa dapat merancang ruang pencarian dari sebuah permasalahan AGEN YANG MEMILIKI
Lebih terperinciAI 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 terperinciPENCARIAN SOLUSI TTS ANGKA DENGAN ALGORITMA RUNUT BALIK BESERTA PENGEMBANGANNYA
PENCARIAN SOLUSI TTS ANGKA DENGAN ALGORITMA RUNUT BALIK BESERTA PENGEMBANGANNYA Wahyu Fahmy Wisudawan Program Studi Teknik Informatika Institut Teknologi Bandung, NIM: 506 Jl. Dago Asri 4 No. 4, Bandung
Lebih terperinciIMPLEMENTASI ALGORITMA GREEDY PADA PERMAINAN OTHELLO
IMPLEMENTASI ALGORITMA GREEDY PADA PERMAINAN OTHELLO Nur Fajriah Rachmah NIM 13506091 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung Jalan Ganesha nomor
Lebih terperinciPERBANDINGAN APLIKASI ALGORITMA BRUTE-FORCE DAN KOMBINASI ALGORITMA BREADTH FIRST SEARCH DAN GREEDY DALAM PENCARIAN SOLUSI PERMAINAN TREASURE HUNT
PERBANDINGAN APLIKASI ALGORITMA BRUTE-FORCE DAN KOMBINASI ALGORITMA BREADTH FIRST SEARCH DAN GREEDY DALAM PENCARIAN SOLUSI PERMAINAN TREASURE HUNT Adi Purwanto Sujarwadi (13506010) Program Studi Teknik
Lebih terperinciPenyelesaian 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 terperinciMemecahkan Puzzle Hidato dengan Algoritma Branch and Bound
Memecahkan Puzzle Hidato dengan Algoritma Branch and Bound Hanny Fauzia 13509042 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciPenerapan Algoritma A* Untuk Pencarian Rute Terdekat Pada Permainan Berbasis Ubin (Tile Based Game)
Penerapan Algoritma A* Untuk Pencarian Rute Terdekat Pada Permainan Berbasis Ubin (Tile Based Game) Febriana Santi Wahyuni 1,*, Sandy Nataly Mantja 1 1 T.Informatika Fakultas Teknologi Industri Institut
Lebih terperinciLESSON 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 terperinciAlgoritma Puzzle Pencarian Kata
Algoritma Puzzle Pencarian Kata Sigit Aji Nugroho (13510021) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciPenerapan Algoritma Brute Force pada permainan Countdown Number
Penerapan Algoritma Brute Force pada permainan Countdown Number Farhan Amin (13515043) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciPERBANDINGAN ALGORITMA GREEDY DAN BRUTE FORCE DALAM SIMULASI PENCARIAN KOIN
PERBANDINGAN ALGORITMA GREEDY DAN BRUTE FORCE DALAM SIMULASI PENCARIAN KOIN Indra Mukmin 13506082 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika ITB Jalan Ganeca no.10 Email :
Lebih terperinciStrategi Algoritma Penyelesaian Puzzle Hanjie
Strategi Algoritma Penyelesaian Puzzle Hanjie Whilda Chaq 13511601 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia
Lebih terperinciPENYELESAIAN 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 terperinciKecerdasan 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 terperinciPENERAPAN ALGORITMA RUNUT-BALIK DALAM PENCARIAN SOLUSI TEKA-TEKI BATTLESHIP
PENERAPAN ALGORITMA RUNUT-BALIK DALAM PENCARIAN SOLUSI TEKA-TEKI BATTLESHIP Abraham Ranardo Sumarsono Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung
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 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 terperinciSOLUSI ALGORITMA BACKTRACKING DALAM PERMAINAN KSATRIA MENYEBRANG KASTIL
SOLUSI ALGORITMA BACKTRACKING DALAM PERMAINAN KSATRIA MENYEBRANG KASTIL Yosef Sukianto Nim 13506035 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung,
Lebih terperinciANTIMAGIC PUZZLE. Alwi Afiansyah Ramdan
ANTIMAGIC PUZZLE Alwi Afiansyah Ramdan 135 08 099 Program Studi Teknik Informatika Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: alfiansyah.ramdan@gmail.com ABSTRAK Makalah ini membahas tentang
Lebih terperinciSebelumnya... 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 terperinciAplikasi Graf Breadth-First Search Pada Solver Rubik s Cube
Aplikasi Graf Breadth-First Search Pada Solver Rubik s Cube Felix Terahadi - 13510039 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10
Lebih terperinciUNTUK PEMECAHAN MASALAH PADA PERMAINAN HASHIWOKAKERO
PENGGUNAAN TEKNIK HEURISTIK DAN ALGORITMAA RUNUT-BALIK UNTUK PEMECAHAN MASALAH PADA PERMAINAN HASHIWOKAKERO Gisca Tamara Program Studi Teknik Informatika Sekolah Teknik Elektro dan Infromatika Institut
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA)
Vol., No., Maret, ISSN : - IMPLEMENTSI LGORITM SIMPLIFIED MEMORY BOUNDED * UNTUK PENCRIN KT PD PERMINN WORD SERCH PUZZLE sih Joko Purnomo, Galih Hermawan Program Studi Teknik Informatika Fakultas Teknik
Lebih terperinciPenerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze
Penerapan Algoritma A* (A Star) Sebagai Solusi Pencarian Rute Terpendek Pada Maze 1 Rakhmat Kurniawan. R., ST, M.Kom, 2 Yusuf Ramadhan Nasution, M.Kom Program Studi Ilmu Komputer, Fakultas Sains dan Teknologi
Lebih terperinciPenerapan Algoritma Greedy untuk Permainan Halma
Penerapan Algoritma Greedy untuk Permainan Halma Vivi Lieyanda / 13509073 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciIMPLEMENTASI ALGORITMA GREEDY BEST FIRST SEARCH PADA APLIKASI PERMAINAN CONGKLAK UNTUK OPTIMASI PEMILIHAN LUBANG DENGAN POLA BERFIKIR DINAMIS
IMPLEMENTASI ALGORITMA GREEDY BEST FIRST SEARCH PADA APLIKASI PERMAINAN CONGKLAK UNTUK OPTIMASI PEMILIHAN LUBANG DENGAN POLA BERFIKIR DINAMIS Galih Hermawan Jurusan Teknik Informatika, Universitas Komputer
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 terperinciPenggunaan Algoritma Greedy untuk menyelesaikan Permainan Othello
Penggunaan Algoritma Greedy untuk menyelesaikan Permainan Othello Annisa Muzdalifa - 13515090 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciIMPLEMENTASI ALGORITMA STOCHASTIC HILL CLIMBING PADA PERMAINAN MASTERMIND
IMPLEMENTASI ALGORITMA STOCHASTIC HILL CLIMBING PADA PERMAINAN MASTERMIND Ruby Vidian Hartanto, Joko Purwadi, Gunawan Santosa Program Studi Teknik Informatika Fakultas Teknik Universitas Kristen Duta Wacana
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Kecerdasan Buatan Kecerdasan buatan atau Artificial Intelligence adalah bagian dari ilmu pengetahuan komputer yang khusus ditujukan dalam perancangan otomatisasi tingkah laku cerdas
Lebih terperinciPENGGUNAAN ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN PERSOALAN PENCARIAN JALAN (PATH-FINDING)
PENGGUNAAN ALGORITMA BRANCH AND BOUND UNTUK MENYELESAIKAN PERSOALAN PENCARIAN JALAN (PATH-FINDING) R. Aditya Satrya Wibawa (NIM. 30064) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika
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 terperinciMasalah, 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 terperinci1. Kompetensi Mengenal dan memahami algoritma percabangan yang komplek.
LAB SHEET ALGORITMA DAN STRUKTUR DATA Semester : 4 Percabangan Komplek dan case of 200 menit No. : LST/EKA/EKA 305/03 Revisi : Tgl. : Hal. 1 dari 3 hal. 1. Kompetensi Mengenal dan memahami algoritma percabangan
Lebih terperinciANALISIS ALGORITMA. Disusun Oleh: Analisis Masalah dan Running Time. Adam Mukharil Bachtiar Teknik Informatika UNIKOM
ANALISIS ALGORITMA Analisis Masalah dan Running Time Disusun Oleh: Adam Mukharil Bachtiar Teknik Informatika UNIKOM adfbipotter@gmail.com AGENDA PERKULIAHAN DEFINISI MASALAH f x = a 0 + a n cos nπx +
Lebih terperinciPenerapan Algoritma Backtracking untuk Menyelesaikan Permainan Hashiwokakero
Penerapan Algoritma Backtracking untuk Menyelesaikan Irfan Kamil 13510001 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciAnalisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum
Analisis Pengimplementasian Algoritma Greedy untuk Memilih Rute Angkutan Umum Arieza Nadya -- 13512017 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPendakian 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 terperinciPENERAPAN ALGORITMA BACKTRACKING PADA PERMAINAN WORD SEARCH PUZZLE
PENERAPAN ALGORITMA BACKTRACKING PADA PERMAINAN WORD SEARCH PUZZLE Alvin Andhika Zulen (13507037) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jalan
Lebih terperinciPENGEMBANGAN MEDIA PEMBELAJARAN SISTEM PELACAKAN PADA MATA KULIAH KECERDASAN BUATAN BERBASIS MULTIMEDIA
PENGEMBANGAN MEDIA PEMBELAJARAN SISTEM PELACAKAN PADA MATA KULIAH KECERDASAN BUATAN BERBASIS MULTIMEDIA 1 Dedi Nugraha (07018313), 2 Sri Winiarti (0516127501) 1,2 Program Studi Teknik Informatika Universitas
Lebih terperinciPenerapan strategi runut-balik dalam penyelesaian permainan puzzle geser
Penerapan strategi runut-balik dalam penyelesaian permainan puzzle geser Dimas Angga 13510046 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciPenerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata
Penerapan Algoritma Branch and Bound untuk Penentuan Jalur Wisata Janice Laksana / 350035 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciPenyelesaian Permainan 3 missionaries and 3 cannibals Dengan Algoritma Runut-Balik
Penyelesaian Permainan 3 missionaries and 3 cannibals Dengan Algoritma Runut-Balik Hendro Program Studi Teknik Informatika Alamat : Jl. iumbeuluit Gg.Suhari No. 95/155A E-mail: kyoshiro@students.itb.ac.id
Lebih terperinciPenerapan 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 terperinciPENGEMBANGAN MEDIA PEMBELAJARAN SISTEM PELACAKAN PADA MATA KULIAH KECERDASAN BUATAN BERBASIS MULTIMEDIA
PENGEMBANGAN MEDIA PEMBELAJARAN SISTEM PELACAKAN PADA MATA KULIAH KECERDASAN BUATAN BERBASIS MULTIMEDIA Dedi Nugraha, Sri Winiarti Program Studi Teknik Informatika Universitas Ahmad Dahlan Jl. Prof. Dr.
Lebih terperinciROBOT MOBIL PENCARI RUTE TERPENDEK MENGGUNAKAN METODE STEEPEST ASCENT HILL CLIMBING
ROBOT MOBIL PENCARI RUTE TERPENDEK MENGGUNAKAN METODE STEEPEST ASCENT HILL CLIMBING Thiang, Ferdi Ninaber Jurusan Teknik Elektro, Fakultas Teknologi Industri, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciBAB I PENDAHULUAN 1-1. Howard. W. Sams & Co.1987, hal 1. 1 Frenzel, L.W. Crash Course In Artifical Intelligence And Expert Systems. 1st Edition.
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi yang makin pesat menyebabkan kebutuhan akan kecerdasan buatan (artificial intelligence) dalam komputerpun meningkat. Kecerdasan buatan
Lebih terperinciUpdate 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