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 menyelesaikan permasalahan di AI antara lain : 1. Searching (pencarian) 2. Reasoning (penalaran) 3. Planning : memecah masalah menjadi sub-sub masalah satu demi satu untuk kemudian menggabungkan sub sub masalah tersebut menjadi solusi yang lengkap 4. Learning : program komputer yang secara otomatis sanggup belajar dan meningkatkan performance nya melalui pengalaman
Searching dibagi menjadi 2 yaitu : 1. Blind Search 2. Heuristic Search
Blind Search Blind Search yaitu metode sederhana yang hanya berusaha mencari semua kemungkinan penyelesaian masalah serta tidak ada informasi awal yang bisa digunakan dalam proses pencarian Algoritma yang digunakan : a. Breadth First Search (BFS) b. Depth First Search (DFS) c. Uniform Cost Search (UCS) d. Depth-Limited Search (DLS) e. Iterative Deepening Search (IDS) f. Bi-Directional Search (BDS)
CONTOH Menghitung Rute Terpendek Menggunakan Algoritma BFS (Studi Kasus : Uin Susqa ke Mall Ska) Hasil dari proyeksi gambar Google Earth didapatkan pengambilan nodenya berdasarkan persimpangan jalan. Tujuh node, dimana A = UIN SUSQA ; B = Simpang Garuda Sakti HR Soebrantas ; C = Simpang Garuda Sakti Akap ; D = Bundaran SM Yamin - Tuanku Tambusai ; E = Simpang HR Soebrantas - SM Yamin ; F = Simpang Pasar Pagi Arengka ; G = MALL SKA
Kasus di atas akan diselesaikan dengan BFS Pengertian : BFS akan melakukan pencarian pada semua simpul dalam setiap level secara berurutan dari kiri ke kanan. Jika pada satu level belum ditemukan solusi, maka pencarian akan dilanjutkan ke level berikutnya hingga solusi ditemukan. Berikut adalah langkah-langkah algoritma BFS 1. Masukkan node akar ke dalam QUEUE 2. Ambil node dari awal QUEUE, lalu cek apakah node merupakan solusi 3. Jika node merupakan solusi, pencarian selesai dan hasil dikembalikan 4. Jika node bukan solusi, masukkan seluruh node anak ke dalam QUEUE 5. Jika QUEUE kosong dan setiap node sudah dicek, pencarian selesai. 6. Jika QUEUE tidak kosong, ulangi pencarian mulai dari poin 2
Iterasi ke 1 masukkan node A ke QUEUE. keluarkan A dari QUEUE dan cek apakah A adalah goal? QUEUE Masuk Lewat Pintu Kiri, Keluar Lewat Pintu kanan representasi ruang keadaan : A ternyata A goal, maka masukkan A ke solusi Solusi : A
representasi ruang keadaan : A B Iterasi ke 2 masukkan node anak A yaitu B ke QUEUE. keluarkan B dari QUEUE dan cek apakah B adalah goal? QUEUE Masuk Lewat Pintu Kiri, Keluar Lewat Pintu kanan ternyata B goal, masukkan B ke solusi Solusi : A B
representasi ruang keadaan : A B D C Iterasi ke 3 masukkan node anak B yaitu D & C ke QUEUE. keluarkan D dari QUEUE dan cek apakah D adalah goal? ternyata D goal, masukkan D ke solusi Solusi : A B D
representasi ruang keadaan : A B D C Iterasi ke 4 masukkan node anak D yaitu F & E ke QUEUE. F E keluarkan C dari QUEUE dan cek apakah C adalah goal? ternyata C goal, masukkan C ke solusi Solusi : A B D C
representasi ruang keadaan : A B D C Iterasi ke 5 masukkan node anak C yaitu E ke QUEUE. Namun karna E sudah ada di Queue maka tidak dimasukkan. F E keluarkan F dari QUEUE dan cek apakah F adalah goal? ternyata F goal, masukkan F ke solusi Solusi : A B D F
representasi ruang keadaan : A B D C Iterasi ke 6 masukkan node anak F yaitu G ke QUEUE. G F E keluarkan E dari QUEUE dan cek apakah E adalah goal? ternyata E goal, masukkan E ke solusi Solusi : A B D F E
representasi ruang keadaan : A B D C Iterasi ke 7 masukkan node anak E yaitu G ke QUEUE. Namun karna G sudah ada di QUEUE maka tidak perlu dimasukkan lagi. G F E keluarkan G dari QUEUE dan cek apakah G adalah goal? ternyata G = goal, masukkan G ke solusi Solusi : A B D F E G
Solusi dicari dengan merunut dari G Parent G adalah F maka G F Parent F adalah D maka G F D Parent D adalah B maka G F D B Parent B adalah A maka G F D B A Karna A adalah root maka jalur dari node A ke G adalah A B D F G
Heuristic Search 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 bersangkutan sehingga proses pencarian yang baru akan dihasilkan. Pencarian seperti ini disebut sebagai informed search atau pencarian heuristic atau pencarian terbimbing, yaitu pencarian berdasarkan panduan. (Dalam sutojo dkk) teknik pencarian heuristic merupakan suatu strategi untuk melakukan proses pencarian secara selektif dan dapat memandu proses pencarian yang memiliki kemungkinan sukses paling besar, namun dengan kemungkinan mengorbankan kelengkapan (completeness) Contoh algoritma : Generate and Test, Hill Climbing (simple Hill climbing atau Stepest Ascent Hill Climbing), Simulated Annealing, Best First Search, A* dan lain-lain.
Kasus di atas akan diselesaikan dengan A* Algoritma A* merupakan perbaikan dari metode best first search dengan memodifikasi fungsi heuristiknya, Algoritma A* akan meminimumkan total biaya lintasan. Pada kondisi yang tepat, Algoritma A* akan memberikan solusi yang terbaik dalam waktu yang optimal (Kusumadewi, 2003). Fungsi f(n) sebagai estimasi fungsi evaluasi dihitung dengan persamaan : f(n) = g(n) + h(n) dengan : f(n) = fungsi evaluasi g(n) = biaya yang sudah dikeluarkan dari keadaan awal sampai keadaan n h(n) = estimasi biaya untuk sampai pada suatu tujuan mulai dari n
CONTOH : sumber http://web.unair.ac.id/admin/file/f_22581_algoritma_a_star_search.pptx Menghitung Rute Terpendek Menggunakan Algoritma A* Search Dengan Fungsi Heuristik Euclidean Distance. (Studi Kasus : Uin Susqa Mall Ska) Hasil dari proyeksi gambar Google Earth didapatkan Tujuh node, dimana pengambilan nodenya berdasarkan persimpangan jalan. A = UIN SUSQA ; B = Simpang Garuda Sakti HR Soebrantas ; C = Simpang Garuda Sakti Akap ; D = Bundaran SM Yamin - Tuanku Tambusai ; E = Simpang HR Soebrantas - SM Yamin ; F = Simpang Pasar Pagi Arengka ; G = MALL SKA
Setiap Index mewakili jarak 200 meter A = UIN SUSQA (0,0) B = Simpang Garuda Sakti - HR Soebrantas (6,0) C = Simpang Garuda Sakti Akap (2,11) D = Bundaran SM Yamin - Tuanku Tambusai (21,0) E = Simpang HR Soebrantas - SM Yamin (21,20) F = Simpang Pasar Pagi Arengka (36,0) G = MALL SKA (36,20)
Langkah 1 : Menghitung Heuristik Rumus jarak dua titik: Dengan menggunakan rumus di atas, maka perhitungan dari semua titik dapat dilihat sebagai berikut:
LANGKAH 2 MENCARI NILAI f(n) ALGORITMA A* Setelah nilai heuristik dari masing-masing node didapat maka kita akan mencari f(n) menggunakan algoritma A* dengan rumus: dimana, h(n) = Nilai heuristik antar Koordinat ; g(n) = Jarak Koordinat ke titik tujuan Step 1 : Penyelesaian Kasus
Titik B memiliki 2 cabangan yaitu titik C dan titik D, maka f(n) yang harus dipilih adalah f(n) yang menghasilkan biaya paling kecil, yaitu titik C.
Maka f(n) total yang didapat adalah 123.72, karena satu titik ordinat mewakili 200 meter maka jaraknya sebenarnya (dalam meter) adalah: = 123.72 200 = 24744 meter = 24,744 km Jalur yang dilalui: A B C E G UIN SUSQA Jln HR Soebrantas Simpang Garuda Sakti Jln Tuanku Tambusai II Mall SKA