Breadth-first search : Semua node pada level n akan dikunjungi terlebih dahulu sebelum level n+1 Mulai dari

akar terus ke
level 1 dari kiri ke kanan Kemudian ke level selanjutnya hingga solusi ditemukan
Keuntungan
-Tidak akan menemui jalan buntu
-Menjamin ditemukannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti yang paling baik
-Jika ada satu solusi maka bread-first search akan menemukannya
Kelemahannya
-Membutuhkan memori yang cukup banyak
-Membutuhkan waktu yang cukup lama

Depth-first search : Proses pencarian dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang
selevel
Keuntungan
-memori relatif kecil
-secara kebetulan akan menemukan solusi tanpa harus menguji lebih banyak lagi
Kekurangan
-memungkinkan tidak ditemukannya tujuan yang diharapkan
-hanya akan mendapatkan satu solusi disetiap pencarian

Best-first search : menggabungkan dari kebaikan dua teknik antara breadth first search dan depth first search

Artificial Intelegent : bagian dari ilmu komputer yang mempelajari bagaimana cara membuat mesin komputer dapat
melakukan pekerjaan seperti dan sebaik yang dilakukan manusia.
Bagian utama yang dibutuhkan AI :
-Berbasis Pengetahuan : Berisi Fakta – fakta teori dan hubungan antara satu dengan lainnya
-Motor inferensi : kemampuan menarik kesimpulan berdasarkan ilmu pengetahuan

Alan turing (1950) : bahwa jika mesin dapat membuat seseorang percaya bahwa dirinya mampu berkomunikasi dengan orang
lain, maka dapat dikatakan bahwa mesin tersebut cerdas (seperti layaknya manusia)
Sistem Pakar

a. Antarmuka Pengguna (User Interface)

Antarmuka merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi.
Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh
sistem. Selain itu antarmuka menerima dari sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti
oleh pemakai
b. Basis Pengetahuan
Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah.
c. Akuisisi Pengetahuan (Knowledge Acquisition)
Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian dalam menyelesaikan masalah
dari sumber pengetahuan ke dalam program komputer. Dalam tahap ini knowledge engineer berusaha
menyerap pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan diperoleh
dari pakar, dilengkapi dengan buku, basis data, laporan penelitian, dan pengalaman pemakai.
d. Mesin/Motor Inferensi (Inference Engine)
Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam
menyelesaikan suatu masalah. Mesin inferensi adalah program komputer yang memberikan metodologi untuk
penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk
memformulasikan kesimpulan.
e. Workplace/Blackboard
Workplace merupakan area dari sekumpulan memori kerja (working memory), digunakan untuk merekam
kejadian yang sedang berlangsung termasuk keputusan sementara.
f. Fasilitas Penjelasan
Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar,
digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif
melalui pertanyaan.
g. Perbaikan Pengetahuan
Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar
dari kinerjanya. Kemampuan tersebut adalah penting dalam pembelajaran terkomputerisasi, sehingga
program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya dan juga
mengevaluasi apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang

Metode backward chaining adalah pelacakan kebelakang yang memulai penalarannya dari kesimpulan (goal), dengan
mencari sekumpulan hipotesa-hipotesa menuju fakta-fakta yang mendukung sekumpulan hipotesa-hipotesa tersebut.
metode forward chaining adalah pelacakan ke depan yang memulai dari sekumpulan fakta-fakta dengan mencari kaidah
yang cocok dengan dugaan/hipotesa yang ada menuju kesimpulan.

Searching : mempresentasikan masalah kedalam ruang keadaan (state) dan secara sistematis melakukan pembangkitan
dan pengujian state-state dari initial state sampai ditemukan suatu goal state.
Reasoning : mempresentasikan masalah kedalam logic (Mathematical Tools yang digunakan untuk merepresentasikan
dan memanipulasi fakta dan aturan)

Planning : Memecah masalah dalam sub-sub masalah yang lebih kecil, menyelesaikan sub-sub masalah satu demi satu,
kemudian menggabungkan solusi-solusi dari sub masalah tersebut menjadi sebuah solusi lengkap.

Learning : Program komputer yang secara otomatis sanggup belajar dan meningkatkan performancenya melalui
pengalaman