BAB I

PENDAHULUAN
1.1

Latar Belakang
Permasalahan pencarian adalah merupakan yang sering dijumpai oleh
peneliti di bidang Kecerdasan Buatan. Permasalahan ini merupakan hal penting
dalam menentukan keberhasilan system kecerdasan buatan. Metode pencarian
dibagi menjadi 3 bagian, dapat dilihat pada bagan dibawah ini :

Keterangan :
1. Metode Pencarian Buta, merupakan metode sederhana yang hanya
berusaha mencari kemungkinan penyelesaian. Metode yang termasuk pada
bagian ini adalah Breadth First Search, Depth First Search, Hill climbing,
Beam Fisrt, dan Best First Search.
2. Metode Penyelesaian Optimal, merupakan metode yang lebih kompleks
yang akan mencari jarak terpendek. Metode yang termasuk pada bagian ini

adalah British Museum Procedure, Branch and Bound, Dynamic

Programming dan A*. Metode-metode ini digunakan pada saat harga
perjalanan untuk mencari kemungkinan menjadi perhitungan.
3. Metode Permainan, merupakan metode yang digunakan saat berhadapan
dengan musuh. Prosedur ini adalah minimax search, alpha beta pruning.
Metode ini banyak digunakan pada program-program permainan seperti
catur,dsb.
Metode pencarian dikatakan penting untuk menyelesaikan permasalahan
karena setiap state (keadaan) menggambarkan langkah-langkah untuk
menyelesaikan permasalahan.
Metode pencarian dikatakan penting untuk perencanaan karena dalam sebuah
permainan akan menentukan apa yang harus dilakukan, dimana setiap state
menggambarkan kemungkinan posisi pada suatu saat.
Metode pencarian adalah bagian dari kesimpulan, dimana setiap state
menggambarkan hipotesis dalam sebuah rangkaian deduktif.
Secara umum, untuk mendeskripsikan suatu permasalahan dengan baik harus :
a. Mendefinisikan suatu ruang keadaan.
b. Menerapkan satu atau lebih keadaan awal.
c. Menetapkan satu atau lebih tujuan.
d. Menetapkan kumpulan aturan.
1.2

Rumusan Masalah
Adapun rumusan masalah pada makalah ini, adalah:
1. Apa yang dimaksud dengan Best first search?
2. Apa yang dimaksud dengan Algoritma Best first search?

1.3

Batasan Masalah
Adapun batasan masalah yang saya ambil, yaitu mengenai Algoritma
Pencarian Best First search Best First Search.

1.4

Tujuan
Adapun tujuan dari pembuatan Makalah ini, yaitu:
1. Dapat megetahui pengertian dari Best First Search
2. Dapat mengetahui Algoritma Best First Search

BAB II
PEMBAHASAN
2.1

Pengertian Best First Search

Best-First Search merupakan sebuah metode yang membangkitkan simpul
dari simpul sebelumnya. Best-first search memilih simpul baru yang memiliki
biaya terkecil diantara semua leaf nodes (simpul-simpul pada level terdalam)

yang pernah dibangkitkan. Penentuan simpul terbaik dilakukan dengan

menggunakan sebuah fungsi yang disebut fungsi evaluasi f(n). fungsi evaluasi
best-first search dapat berupa biaya perkiraan dari suatu simpul menuju ke goal
atau gabungan antara biaya sebenarnya dan biaya perkiraan tersebut.
Pada setiap langkah proses pencarian terbaik pertama, kita memilih nodenode dengan menerapkan fungsi heuristik yang memadai pada setiap
node/simpul yang kita pilih dengan menggunakan aturan-aturan tertentu untuk
menghasilkan penggantinya. Fungsi heuristic merupakan suatu strategi untuk
melakukan proses pencarian ruang keadaan suatu problema secara selektif, yang
memandu proses pencarian yang kita lakukan sepanjang jalur yang memiliki
kemungkinan sukses paling besar
Ada beberapa istilah yang sering digunakan pada metode best-first search,
yaitu:
1. Start node adalah sebuah terminology untuk posisi awal sebuah pencarian
2. Curret node adalah simpul yang sedang dijalankan dalam algoritma
pencarian jalan terpendek
3. Suksesor adalah simpul-simpul yang yang akan diperiksa setelah current
node
4. Simpul (node) merupakan representasi dari area pencarian
5. Open list adalah tempat menyimpan data simpul yang mungkin diakses
dari starting node maupun simpul yang sedang dijalankan
6. Closed list adalah tempat menyimpan data simpul yang juga merupakan
bagian dari jalur terpendek yang telah berhasil didapatkan
7. Goal node yaitu simpul tujuan
8. Parent adalah curret node dari suksesor.
2.2

Algoritma Best First Search

Merupakan

metode/teknik

search

yang

menggabungkan

kebaikan yang ada dari teknik Depth First Search dan Breadth
First Search.

Tujuan menggabungkan dua tekhnik search ini adalah untuk

menelusuri satu jalur saja pada satu saat, tapi dapat berpindah
ketika jalur lain terlihat lebih menjanjikan dari jalur yang sedang
ditelusuri. Untuk mendapatkan jalur yang menjanjikan adalah
dengan

memberikan

skala

prioritas

pada

setiap

state

saat

dihasilkan dengan fungsi heuristic.

Pencarian diperkenankan mengunjungi node yang ada di level
yg lebih rendah jika ternyata node pada level yg lebih tinggi
ternyata memiliki nilai heuristik yg buruk.
Contoh :

Untuk mengimplementasikan metode ini, dibutuhkan 2 antrian

yang berisi node- node, yaitu :
1. OPEN

berisi

simpul-simpul

yang

masih

memiliki

peluang (peluangnya masih terbuka ) untuk terpilih sebagai

simpul terbaik.
2. CLOSED berisi simpul-simpul yang tidak mungkin
terpilih sebagai simpul terbaik ( peluang untuk terpilih
sudah tertutup )

 Best First Search akan membangkitkan node berikutnya dari

semua node yg pernah dibangkitkan.
Fungsi Heuristic :
-

Suatu

fungsi

memberikan
-

heuristic
biaya

dikatakan

perkiraan

yang

baik

jika

mendekati

bisa
biaya

sebenarnya.
Semakin mendekati biaya sebenarnya, fungsi heuristic
tersebut semakin baik.

Ada 2 jenis Pencarian Terbaik Pertama ( Best First Search), yaitu :

1. Greedy Best First Search
2. Algoritma A*
2.2.1

Greedy Best First Search

Algoritma ini merupakan jenis algoritma Best First
Search

yg

paling

sederhana.

Algoritma

ini

hanya

memperhitungkan biaya perkiraan saja,

f(n) = h(n)
yang

Karena

hanya

belum

tentu

memperhitungkan
kebenarannya,

biaya

maka

perkiraan

algoritma

ini

menjadi tidak optimal

Contoh

Langkah 1 :

Langkah 2 :

Langkah 3 :

Solusi :

Kesimpulan :
Dari contoh di atas, Greedy akan menemukan solusi S-BK-G dengan total jarak = 105. Padahal ada solusi lain yg
lebih optimal, yakni

: S-A-B-F-K-G dengan total jarak

hanya 95
2.2.2

Algoritma A*
Berbeda dg Greedy, algoritma ini akan menghitung
fungsi

heuristic

dengan

cara

menambahkan

biaya

sebenarnya dengan biaya perkiraan. Sehingga didapatkan

rumus :

g(n)

Biaya sebenarnya dari Node Awal ke Node n

h(n) =

Biaya perkiraan dari Node n ke Node Tujuan

Contoh

Langkah 1 :

Langkah 2 :

Langkah 3 :

Langkah 4 :

Langkah 5 :

10

Langkah 6 :

Solusi :

BAB III
11

PENUTUP
3.1

Kesimpulan
Adapun kesimpulan yang dapat diambil dari makalah ini,
yaitu:
1. Best-First Search merupakan sebuah metode yang membangkitkan
simpul dari simpul sebelumnya. Best-first search memilih simpul baru
yang memiliki biaya terkecil diantara semua leaf nodes (simpul-simpul
pada level terdalam) yang pernah dibangkitkan. Penentuan simpul
terbaik dilakukan dengan menggunakan sebuah fungsi yang disebut
fungsi evaluasi f(n).
2. Algoritma Best-First Search Merupakan metode/teknik search
yang menggabungkan kebaikan yang ada dari teknik Depth
First Search dan Breadth First Search.
3. Ada 2 jenis Pencarian Terbaik Pertama ( Best First Search), yaitu :
1. Greedy Best First Search
2. Algoritma A*

DAFTAR PUSTAKA

12

Nenk

IecHa,

ARTIFICIAL

INTELLIGENCE

ALGORITMA

PENCARIAN (Searching Algorithm) Diperoleh 21 Oktober 2015

dari
https://www.academia.edu/5024807/ARTIFICIAL_INTELLIGENC
E_ALGORITMA_PENCARIAN_Searching_Algorithm_
Yusuf usup, Best-First Search Pengertian Best-first Search Best-First
Search

Diperoleh

21

Oktober

2015

dari

https://www.academia.edu/4693101/BestFirst_Search_Pengertian_Best-first_Search_Best-First_Search

13