KECERDASAN BUATAN UNTUK

MENYELESAIKAN RUBIKS CUBE DENGAN

ALGORITMA IDA*
Ardhan Wahyu R1 , Purwanto2 , dan Susy Kuspambudi A3
Universitas Negeri Malang
E-mail: ardhan.matematika@gmail.com; purmatum@yahoo.com; susyka06@yahoo.co.id

ABSTRAK: Tujuan dari penelitian ini adalah untuk (1) mengetahui cara
merepresentasikan masalah pada rubiks cube agar dapat diselesaikan dengan algoritma
IDA*, (2) mengetahui cara kerja algoritma IDA* untuk menyelesaikan rubiks cube
yang telah direpresentasi, (3) membuat sebuah program kecerdasan buatan terkait
menggunakan bahasa Java. Dalam hal ini rubiks cube direpresentasikan ke dalam
bentuk 2 dimensi. Hasil dari penelitian ini adalah (1) rubiks cube dapat diselesaikan
dengan kecerdasan buatan, (2) langkah-langkah yang terdapat dalam algoritma dapat
dibuat dalam bentuk program kecerdasan buatan yang dapat menyelesaikan rubiks
cube, (3) tidak semua keadaan awal dari rubiks cube dapat diselesaikan dengan program
kecerdasan buatan yang telah dikembangkan.
Kata kunci: rubiks cube, algoritma IDA*, Java

Rubiks cube adalah permainan berjenis teka-teki. Berdasarkan Wikipedia

(2013) rubiks cube dikenalkan pada tahun 1974 oleh profesor berkebangsaan
Hungaria bernama Erno Rubik. Rubiks cube disusun oleh kubus-kubus kecil
sebanyak 3 3 3. Setiap kubus kecil ini memiliki warna yang berbeda. Setiap
bagian 3 3 1 dapat dirotasi 800 , 900 , atau 2700 . Rotasi yang dilakukan
mengakibatkan warna dari salah satu sisi berpindah ke sisi yang lain sehingga
susunan warna sisinya berubah. Tujuan memainkan rubiks cube adalah menyusun
warna pada sisinya dari kondisi yang acak ke kondisi dimana setiap sisi hanya
memiliki satu warna.
Masalah yang terdapat pada rubiks cube adalah bagaiamana caranya agar
rubiks cube dalam keadaan acak dapat kembali pada keadaan yang tersusun.
Untuk menyelesaikan masalah tersebut dapat digunakan algoritma Frederich Layer
Method, Waterman Method dan Waterman Method yang merupakan algoritma
yang dirancang khusus untuk menyelesaikan rubiks cube. Ketiga algoritma
tersebut tidak dapat memberikan langkah terpendek untuk menyelesaikan rubiks
cube. Yang menjadi masalah selanjutnya adalah bagaiamana caranya agar rubiks
cube kembali pada keadaan yang tersusun dengan langkah terpendek.
Untuk menjawab permasalahan yang terdapat pada rubiks cube dapat
dikembangkan suatu kecerdasan buatan. Seperti yang dikatakan oleh Kusumadewi
(2003:1) bahwa Kecerdasan buatan atau artificial intelligence merupakan salah
satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat
melakukan pekerjaan seperti dan sebaik yang dilakukan manusia. Kecerdasan
buatan yang dikembangkan bertujuan menemukan solusi dari rubiks cube.
1

Ardhan Wahyu R adalah mahasiswa Jurusan Matematika FMIPA Universitas Negeri Malang
Purwanto adalah dosen Jurusan Matematika FMIPA Universitas Negeri Malang
3
Susy Kuspambudi A adalah dosen Jurusan Matematika FMIPA Universitas Negeri Malang
2

Kecerdasan buatan ini menggunakan algoritma IDA* dengan nilai heuristik

pattern database.
PEMBAHASAN
Ada 4 tahapan utama yang dilakukan untuk mengembangkan kecerdasan
buatan untuk menyelesaikan rubiks cube, yaitu:
1. Merepresentasikan bentuk rubiks cube ke dalam 2 dimensi
Russel dan Norvig (2010:108) menyatakan bahwa masalah terdiri dari 5
bagian dan salah satunya adalah model peralihan. Model peralihan bisa juga
disebut dengan representasi. Artinya masalah yang awalnya terlihat sangat rumit
dapat direpresentasi menjadi yang lebih sederhana dengan bentuk lain
(representasi lain). Dalam hal ini rubiks cube yang sebelumnya berbentuk 3
dimensi direpresentasi ke dalam bentuk 2 dimensi dengan cara membuka
sisi-sisinya. Karena bentuk rubiks cube direpresentasi maka operasi juga harus
direpresentasi. Sebelum direpresentasi operasi pada rubiks cube adalah rotasi
terhadap layer. Setelah direpresentasi operasi pada rubiks cube adalah
pemindahan warna. Gambar 1 menunjukkan gambar dari rubiks cube yang
direpresentasikan ke dalam bentuk 2 dimensi.

Gambar 1: Representasi Rubiks Cube

Tabel 1 menunjukkan operasi yang dilakukan pada rubik yang telah
direpresentasi.
2. Membangun pattern database yang digunakan sebagai nilai heuristik
Suyanto (2011) menyatakan bahwa heuristik adalah suatu proses yang
mungkin dapat menyelesaikan suatu masalah tetapi tidak ada jaminan bahwa
solusi yang dicari selalu ditemukan. Yang ditekankan adalah tidak adanya
jaminan. Sementara itu Poole dan Mackworth (2010:56) menyatakan bahwa fungsi
heuristik adalah fungsi untuk menebak arah mana yang akan ditempuh agar
mencapai solusi. Fungsi heuristik menghasilkan nilai heuristik yang merupakan
nilai yang digunakan untuk menebak arah pencarian. Salah satu yang dapat
digunakan sebagai nilai heuristik adalah Pattern database. Culberson dan
Schaeffer (1998:321) menyatakan bahwa Pattern database basis data yang berisi
keadaan-keadaan yang mungkin yang didapatkan dari hasil permutasi keadaan
awal. Pattern database untuk rubiks cube adalah keadaan-keadaan dari rubiks
cube yang diperoleh dari hasil permutasi keadaan tujuan. Korf (1997) membagi
rubiks cube menjadi 3 pola untuk disimpan dalam basis data. Hal ini dilakukan

Tabel 1 Operasi Rubiks Cube 2 Dimensi

Front
Warna
Di
Ke
1
3
3
9
9
7
7
1
54
16
16
25
25
45
45
54
52
10
10
19
19
43
43
54
2
6
6
8
8
4
4
2
53
13
13
22
22
44
44
53

Back
Warna
Di
Ke
28
30
30
36
36
34
34
28
18
48
48
39
39
27
27
18
12
46
46
37
37
21
21
12
29
33
33
35
35
31
31
29
15
47
47
38
38
24
24
15

Up
Warna
Di
Ke
46
48
48
54
54
52
52
46
36
12
12
3
3
45
45
36
30
10
10
1
1
39
39
30
47
51
51
53
53
49
49
47
33
11
11
2
2
42
42
33

Down
Warna
Di
Ke
19
21
21
27
27
25
25
19
16
28
28
37
37
7
7
16
18
34
34
43
43
9
9
18
20
24
24
26
26
22
22
20
17
31
31
40
40
8
8
17

Right
Warna
Di
Ke
10
12
12
18
18
16
16
10
54
30
30
21
21
9
9
54
48
28
28
29
19
3
3
48
11
15
15
17
17
13
13
11
51
29
29
20
20
6
6
51

Left
Warna
Di
Ke
37
39
39
45
45
43
43
37
34
46
46
1
1
25
25
34
36
52
52
7
7
27
27
36
38
42
42
44
44
40
40
38
35
49
49
4
4
26
26
35

agar pola yang disimpan tidak terlalu besar. Pembagian tersebut ditunjukkan
pada Gambar 2.

Gambar 2: Pembagian pola

Pattern database untuk rubiks cube ini dibangun dengan menggunakan
algoritma DLS (Depth Limited Search). Gambar 3 menunjukkan diagram alir dari
algoritma DLS untuk membangun pattern database.

Gambar 3: Diagram Alir untuk Membangung Pattern Database

Jika proses membangun pattern database telah selesai maka akan
didapatkan suatu basis data yang berisi keadaan dari rubiks cube beserta nilainya.
Table 2 menunjukkan contoh dari basis data dengan nilai 1.
Tabel 2 Pola 1 Dengan Nilai 1
Keadaan untuk pola 1
MMMMOOOOPBPBHHKKPPHHBKBK
PPMMOKOKOOPPKMKMHHHHBBBB
MMKKPOPOPPMMOKOKHHHHBBBB
MBMBHHOOPPPPKKKKHMHMOOBB
HMHMOOBBPPPPKKKKOHOHBBMM
MMMMOOOOBPBPKKHHHHPPKBKB
MMMMOOOOPHPHBBKKKKHHBPBP
KKMMOPOPMMPPKOKOHHHHBBBB
MMPPKOKOPPOOMKMKHHHHBBBB
MHMHBBOOPPPPKKKKHOHOMMBB
BMBMOOHHPPPPKKKKMHMHBBOO
MMMMOOOOKPKPKKPPHHBBHBHB
MMMMOOOOPKPKPPKKBBHHBHBH
MOMOMMOOPPPPKKKKHBHBHHBB

Nilai (kedalaman)
1
1
1
1
1
1
1
1
1
1
1
1
1
1

3. Mencari solusi dengan menggunakan algoritma IDA*

Algoritma IDA* merupakan salah satu algoritma yang termasuk dalam
kategori pencarian terbimbing sehingga pencarian yang dilakukan dengan
menggunakan algoritma IDA* bergantung dari nilai heuristik. Yang digunakan
sebagai nilai heuristik adalah nilai yang terdapat pada pattern database. Gambar 4
menunjukkan diagram alir dari algoritma IDA* untuk mencari solusi dari rubiks
cube.

Gambar 4: Diagram Alir Algoritma IDA*

Diagram alir pada Gambar 4 menggunakan DFS CONTOUR. Diagram alir dari
DFS CONTOUR ditunjukkan pada Gambar 5.

Gambar 5: Diagram Alir DFS CONTOUR

Algoritma IDA* ini menerima masukkan berupa keadaan rubiks cube yang acak
dan mengembalikan solusi dari rubiks cube.
4. Membuat program kecerdasan buatan dengan bahasa Java
Tahap terakhir adalah mengembangkan suatu program kecerdasan buatan
menggunakan bahasa pemrograman Java. Bahasa Java merupakan karya Sun
Microsystem Inc. Rilis resmi level beta dilakukan pada November 1995
(Hariyanto, 2010:1). Bahasa Java adalah bahasa pemrogram berorientasi objek.
Eck (2011:169) menyatakan bahwa gaya objek lebih dekat dengan cara orang
berpikir. Cara mengembangkan program kecerdasan buatan dengan bahasa Java
adalah dengan membangun kelas-kelas yang dibutuhkan. Tabel 3 menunjukkan
kelas-kelas yang dibangun beserta kegunaanya.

Tabel 3 Kelas-kelas Dalam Program Kecerdasan Buatan

Nama Kelas
Rubik.java
BangunHeuristik.java
IDAstar.java
Stack.java
Koneksi.java

FUtama.java
FHeuristik.java
FInput.java
Gambar.java
FPencarian.java

Kegunaan
Merepresentasikan obyek rubiks cube ke dalam sebuah kelas.
Membangun pattern database untuk rubiks cube.
Mencari solusi dari rubiks cube.
Kelas yang berfungsi sebagai tipe data tumpukan (stack ).
Menghubungkan program dengan basis data. Kelas ini memanfaatkan
pustaka dari MySQL Connector/J yang berfungsi menghubungkan program
dengan basis data MySQL.
Tampilan utama dari program.
Tampilan untuk memasukkan heuristik dan melihat kedalamanya.
Membuat keadaan awal dari rubiks cube yang ingin dicari solusinya.
Tampilan gambar untuk rubiks cube 2 dimensi.
Menampilkan hasil pencarian solusi.

Dari penelitian ini dihasilkan sebuah program kecerdasan buatan yang dapat
menyelesaikan rubiks cube. Gambar 6 menunjukkan antar muka dari program.

Gambar 6: Antar Muka Program Kecerdasan Buatan

Program kecerdasan buatan ini mampu menemukan solusi terpendek untuk
menyelesaikan rubiks cube, akan tetapi tidak semua keadaan dapat diselesaikan
dengan program ini. Keadaan yang mampu diselesaikan oleh program ini adalah
keadaan rubiks cube yang diacak dengan menggunakan maksimal 6 operasi. Table
4 menunjukkan beberapa contoh keadaan dari rubiks cube yang solusinya
ditemukan.

Tabel 4 Pengujian Beberapa Keadaan Awal

Keadaan Awal

Titik

Waktu
(mili detik)

Solusi

19

1674

L1

34

1219

U 1 F 1

83

1068

B 1 U 1 F 1

79

894

D1 B 1 U 1 F 1 R1 U

PENUTUP
Kesimpulan
Kecerdasan buatan dengan algoritma IDA* dapat menemukan solusi dari
rubiks cube yang sebelumnya telah direpresentasi ke dalam bentuk 2 dimensi.
Untuk dapat menemukan solusi, algoritma memanfaatkan pattern database sebagai
nilai heuristik. Semakin banyak data yang tersimpan pada patttern database maka
akan semakin baik pencarian yang dilakukan oleh kecerdasan buatan ini. Akan
tetapi, basis data yang digunakan pada kecerdasan buatan ini tidak sanggup
menyimpan data sebanyak yang ditargetkan.

Saran
Berdasarkan kesimpulan di atas, maka disarankan untuk mencoba mencari
alternatif basis data yang dapat digunakan untuk menyimpan data lebih banyak
karena basis data yang digunakan pada kecerdasan buatan ini hanya mampu
menyimpan semua data dengan maksimal 6 operasi. Dengan data yang lebih
banyak, kecerdasan buatan ini akan bekerja dengan lebih baik.

DAFTAR RUJUKAN
Culberson, Joseph C & Schaeffer, Jonathan. 1998.Pattern Database, (Online),
(http://www.cs.us.es/cursos/ia1-2007/
trabajos/trabajos-1/pattern-database.pdf), diakses 6 Mei 2011.
Eck, David J. 2011.Introduction to Programming Using Java, Sixth Edition,
(Online), (http://math.hws.edu/eck/cs124/downloads/ javanotes6.pdf),
diakses 6 Mei 2011.
Hariyanto, Bambang. 2010. Esensi-Esensi Bahasa Pemrograman Java. Bandung:
Informatika.
Korf, Richard E. 1997. Finding Optimal Solutions to Rubiks Cube Using Pattern
Databases, (Online), (http://www.cs.princeton.edu/courses/
archive/fall06/cos402/papers/korfrubik.pdf), diakses 6 Mei 2013.
Kusumadewi, Sri. 2003. Artificial Intelligence: Teknik dan Aplikasinya.
Yogjakarta: Graha Ilmu.
Poole, David L & Mackworth, Alan K. 2010. Artificial Intelligence: Foundations of
Computational Agents, Cambridge: Cambridge University Press.
Russell, Stuart & Norvig, Peter. 2010. Artificial Intelligence: A Modern Approach
(Third Edition). New Jersey: Prentice Hall.
Suyanto. 2011. Artificial Intelligence: Searching, Reasoning, Planning and
Learning. Bandung: Informatika.
Wikipedia. 2013. Rubiks Cube, (Online), (http://en.wikipedia.org/Rubiks Cube),
diakses 22 Juli 2013.