Bab I

Pendahuluan
1.1 Latar Belakang
Artificial Intelligence atau kecerdasan buatan adalah kecerdasan yang ditambahkan
kepada suatu sistem yang bisa diatur dan dapat menafsirkan data eksternal dengan benar,
untuk belajar dari data tersebut, dan menggunakan pembelajaran tersebut guna mencapai
tujuan dan tugas tertentu melalui adaptasi yang fleksibel
Kecerdasan Buatan memiliki suatu metode pencarian yang biasanya dikelompokkan
menjadi 2, yaitu pencarian buta yang adalah pencarian yang tidak menggunakan informasi
awal dalam melakukan pencarian dan pencarian heuristik yang memiliki informasi awal pada
saat pencarian. Kedua pencarian ini memiliki karakteristiknya masing-masing.

1.2 Rumusan Masalah

1. Apa yang dimaksud Kecerdasan Buatan?
2. Apa yang dimaksud dengan Pencarian?
3. Apa yang dimaksud Pencarian Buta?
4. Apa yang dimaksud Pencarian Heuristik?
5. Apa saja kelebihan dan kekurangan dari setiap pencarian?

1.3 Tujuan Penulisan

1. Untuk memenuhi tugas MK Kecerdasan Buatan.
2. Untuk memahami apa yang dimaksud kecerdasan buatan.
3. Untuk memahami apa yang dimaksud dengan pencarian dalam kecerdasan buatan.
4. Untuk mengetahui apa saja teknik pencarian dalam kecerdasan buatan.
5. Untuk mengetahui kelebihan dan kekurangan dari tiap teknik pencarian.
 BAB II

Pembahasan
2.1 Pengertian Kecerdasan Buatan
A. Kecerdasan Buatan
Kecerdasan buatan adalah kecerdasan yang ditambahkan kepada suatu sistem yang bisa
diatur dalam konteks ilmiah atau bisa disebut juga intelegensi artifisial (bahasa Inggris: Artificial
Intelligence) atau hanya disingkat AI, didefinisikan sebagai kecerdasan entitas ilmiah. Andreas
Kaplan dan Michael Haenlein mendefinisikan kecerdasan buatan sebagai “kemampuan sistem
untuk menafsirkan data eksternal dengan benar, untuk belajar dari data tersebut, dan
menggunakan pembelajaran tersebut guna mencapai tujuan dan tugas tertentu melalui adaptasi
yang fleksibel”. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan
dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang
dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara
lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan saraf tiruan dan robotika.

2.2 Pencarian
A. Pengertian
Searching di dalam AI (Artificial Intelligence) adalah salah satu metode penyelesaian
masalah dengan pencarian solusi pada suatu permasalahan yang dihadapi.
Teknik searching terbagi menjadi dua, yaitu :
1. Blind Searching (Pencarian Buta)
2. Heuristic Searching (Pencarian Heuristik)

B. Macam Teknik Pencarian

A. Pencarian Buta

Blind searching adalah model pencarian buta atau pencarian yang tidak memiliki
informasi awal , pencarian buta memiliki beberapa metode yaitu :

1.Breadth First-Search
 Pencarian dengan Breadth First Search menggunakan teknik dimana langkah pertamanya
adalah root node diekspansi, setelah itu dilanjutkan semua successor dari root node juga di-
expand. Hal ini terus dilakukan berulang-ulang hingga leaf (node pada level paling bawah yang
sudah tidak mempunyai successor lagi).

Pencarian dengan Breadth First

Search akan menjadi optimal ketika nilai
pada semua path adalah sama. Dengan
sedikit perluasan, dapat ditemukan sebuah
algoritma yang optimal dengan melihat
kepada nilai tiap path di antara node-node
yang ada. Selain menjalankan fungsi
algoritma BFS, Uniform Cost Search
melakukan ekspansi node dengan nilai path yang paling kecil. Hal ini bisa dilakukan dengan
membuat antrian pada successor yang ada berdasar kepada nilai path-nya (node disimpan dalam
bentuk priority queue).
Keuntungannya :
 Tidak menemui jalan buntu.
 Jika ada suatu solusi, maka Breadth-first search akan menemukannya. Dan
jika didapat lebih dari satu solusi, maka solusi minimum akan ditemukan.
Kelemahannya :
 TABLE I. Membutuhkan memori yang cukup banyak, karena menyimpan
semua node dalam suatu pohon.
 TABLE II. Membutuhkan waktu yang cukup lama, karena akan menguji n
level untuk mendapatkan solusi pada level ke-(n + 1).
 Algoritma
o Pertama, lakukan penelusuran pada semua node secara horizontal di
baris saat itu
o Lalu beralihlah ke baris selanjutnya sampai menemukan data yang
dicari
 Meski jarak node 1 dan node 2 berdekatan, namun pencarian harus selesai
dilakukan dahulu di node 1 baru bisa melanjutkan pencarian ke node 2.
 Studi Kasus
Pada suatu hari ada seorang petani yang mempunyai seekor kambing dan srigala.Pada
saat itu ia baru saja panen sayuran. Karena membutuhkan uang, petani tersebut hendak menjual
kambing, serigala, dan sayurannya ke pasar Johar. Untuk sampai di pasar Johar, ia harus
menyeberangi sebuah sungai, masalahannya adalah di sungai itu hanya tersedia satu perahu saja
yang bisa memuat petani dan satu penumpang lainnya (kambing, srigala, atau sayuran). Jika
ditinggalkan oleh petani tersebut, maka sayuran akan dimakan oleh kambing dan kambing akan
dimakan oleh serigala

DESKRIPSI RUANG KEADAAN

P = Petani Untuk daerah asal dan daerah seberang

Sy = Sayuran digambarkan.

K = Kambing (P, Sy, K, Sg)

Sg = Serigala
TUJUAN
KEADAAN AWAL
Daerah Asal = (0, 0, 0, 0)
Daerah Asal = (P, Sy, K, Sg)
Daerah seberang = (P, Sy, K, Sg)
Daerah seberang = (0, 0, 0, 0)
ALGORITMA
Masukkan simpul
akar ke dalam
antrian Q. Jika simpul
akar = simpul solusi
(goal node), maka
stop.
Jika Q kosong, tidak
ada solusi. Stop.
Ambil simpul v dari
kepala (head) antrian,
bangkitkan semua
anak-anaknya. Jika v tidak mempunyai anak lagi, kembali ke langkah 2. Tempatkan semua anak
dari v di belakang antrian.
Jika suatu simpul anak dari v adalah simpul solusi, maka solusi telah ditemukan, kalau tidak
kembali lagi ke langkah 2.

2. Depth-First Search

Teknik pencarian dengan Depth First Search adalah dengan melakukan ekspansi menuju
node yang paling dalam pada tree. Node paling dalam dicirikan dengan tidak adanya successor
dari node itu. Setelah node itu selesai diekspansi, maka node tersebut akan ditinggalkan, dan
dilakukan ke node paling dalam lainnya yang masih memiliki successor yang belum diekspansi.
Pencarian menggunakan DFS akan
berlanjut terus sampai kedalaman paling
terakhir dari tree. Permasalahan yang muncul
pada DFS adalah ketika proses pencarian
tersebut menemui infinite state space. Hal ini
bisa diatasi dengan menginisiasikan batas
depth pada level tertentu semenjak awal
pencarian. Sehingga node pada level depth
tersebut akan diperlakukan seolah-olah
mereka tidak memiliki successor.

 Algoritma
o Masukkan simpul root ke dalam tumpukan dengan push
o Ambil dan simpan isi elemen (berupa simpul pohon) dari
tumpukan teratas
o Hapus isi stack teratas dengan prosedur pop
o Periksa apakah simpul pohon yang disimpan tadi memiliki anak
simpul
o Jika ya, push semua anak simpul yang dibangkitkan ke dalam stack
o Jika tumpukan kosong berhenti, tapi jika tidak kembali ke langkah
dua
  Kelebihan dan Kekurangan
Kelebihan
 Membutuhkan memori yang relatif kecil, karena hanya node-node pada lintasan yang
aktif yang di simpan.
 Secara kebetulan, metode Depth First Search akan menemukan solusi tanpa harus
menguji lebih banyak lagi dalam ruang keadaan.
Kekurangan
 Jika pohon yang dibangkitkan mempunyai level yang dalam (tak terhingga), maka tidak
ada jaminan untuk menemukan solusi (Tidak Complete).
 Jika terdapat lebih dari satu solusi yang sama tetapi berada pada level yang berbeda,
maka pada DFS tidak ada jaminan untuk menemukan solusi yang paling baik (Tidak
Optimal).
 Studi Kasus
Pada suatu hari ada seorang petani yang mempunyai seekor
kambing dan srigala.Pada saat itu ia baru saja panen sayuran.
Karena membutuhkan uang, petani tersebut hendak menjual kambing,
serigala, dan sayurannya ke pasar Johar. Untuk sampai di pasar Johar,
ia harus menyeberangi sebuah sungai.
masalahannya adalah di sungai itu hanya tersedia satu perahu saja
yang bisa memuat petani dan satu penumpang lainnya (kambing, srigala,
atau sayuran). Jika ditinggalkan oleh petani tersebut, maka sayuran akan
dimakan oleh kambing dan kambing akan dimakan oleh serigala

DESKRIPSI RUANG KEADAAN

P = Petani Untuk daerah asal dan daerah seberang

Sy = Sayuran digambarkan.

K = Kambing (P, Sy, K, Sg)

Sg = Serigala TUJUAN
Daerah Asal = (0, 0, 0, 0)
Daerah seberang = (P, Sy, K, Sg)
KEADAAN AWAL
Daerah Asal = (P, Sy, K, Sg)
Daerah seberang = (0, 0, 0, 0)
ALGORITMA
 Masukkan simpul akar ke dalam antrian Q. Jika simpul akar = simpul
solusi, maka stop.
 Jika Q kosong, tidak ada solusi. Stop.
 Ambil simpul v dari kepala (head) antrian. Jika kedalaman simpul v
sama dengan batas kedalaman maksimum, kembali ke langkah 2
 Bangkitkan semua anak dari simpul v. Jika v tidak mempunyai anak
lagi, kembali ke langkah 2. Tempatkan semua anak dari v di awal
antrian Q. Jika anak dari simpul v adalah simpul tujuan, berarti solusi
telah ditemukan, kalau tidak, kembali lagi ke langkah 2.
3.Depth Limited Search

Jika Algoritma DFS (Depth First Search) melakukan perhitungan (yang dimulai
dengan titik terakhir) dengan cara menghabiskan semua tingkatan / kedalaman dari
sebuah titik, maka algoritma ini memiliki batasan dimana perhitungan pada sebuah titik
hanya dihitung sampai pada kedalaman tertentu. Setelah semua kemungkinan pada
kedalaman itu sudah habis, kemudian akan dilanjutkan pada titik berikutnya.
o Algoritma
 Tetapkan node awal dengan kedalaman = 0 dan tentukan batas
kedalam
 Cek apakah node adalah node tujuan. Jika benar maka proses berhenti,
jika tidak maka lanjut ke langkah c.
 Cek apakah kedalam node sama dengan batas kedalaman yang telah
ditentukan. Jika benar, maka lanjutkan proses dengan menelusur hanya
node-node yang berada dalam batas kedalaman yang telah ditentukan
dan belum dikunjungi dengan kembali kelangkah 2. Jika tidak maka
lanjutkan ke langkah 4.
 Perluas node dan kembali ke langkah 2.
o Kelebihan
 Pemakaian memori hanya sedikit, berbeda jauh dengan BFS yang
harus menyimpan semua node yang pernah dibangkitkan.
 Jika solusi yang dicari berada pada level yang dalam dan paling kiri,
maka DFS akan menemukannya secara cepat.
 Pencarian lebih efektif karena adanya batas
o Kekurangan
o Jika terdapat lebih dari satu solusi yang sama tetapi berada pada level
yang berbeda, maka pada DFS tidak ada jaminan untuk menemukan
solusi yang paling baik (Tidak Optimal).
o Jika batasan kedalaman terlalu kecil, DLS tidak dapat juga
menemukan solusi yg ada. Artinya DLS bisa menjadi tidak complete
 jika batasan kedalamannya lebih kecil dibandingkan dgn level
solusinya.

o Studi Kasus
Pada suatu hari ada mahasiswa SD N 08 Tombariri ingin pergi ke kelas F. Mahasiswa tersebut
memulai tujuan dia ke kelas F dari kelas S. Buatlah dengan menggunakan Depth First Search
supaya mahasiswa tersebut bisa sempai ke kelas F
INITIAL STATE: S
STATE GOAL : F

HASIL: S-A-B-F
KETERANGAN :
Dimulai dari root node (S) selanjutnya berpindah ke cabang (child) pertamanya (paling kiri)
yaitu node A, lalu berpindah ke cabang pertama yang dimiliki node yaitu node S. Karena node S
tidak memilki child maka berpindah ke child selanjtnya dari node A yaitu B, lalu berpindah ke
child pertama cabang B yaitu S, karena node S tidak memiliki child maka berpindah ke child
kedua miilik node B yaitu A, dan karena node A juga tidak memiliki child maka berpindah ke
node ketiga cabang milik B yaitu F, karena kita telah menemukan state goal yaitu node F, maka
search berhenti dan mengembalikkan hasil S-A-B-F.
4.Uniform Cost Search

Uniform Cost Search adalah algoritma Seach Tree (graph) yang digunakan untuk
menyelesaikan beberapa persoalan . Algoritma ini memulai pencarian dari root node,
kemudian dilanjutkan ke node-node selanjutnya. Dimana node tersebut dipilih yang
memilki harga (cost) terkecil dari root node. Algoritma ini merupakan modifikasi dari
Bread First Search (BFS).
 Algoritma
o initial state terletak pada node start,
o Pilih node dengan biaya terkecil
o Begitu seterusnya, dilakukan pengecekan node yang memilki harga
terkecil hingga sampai pada goal state.
catatan : Dalam menggunakan UCS memiliki syarat yang harus
dipenuhi agar bisa optimal dan complete, yaitu g(SUCCESSOR(n))
>= g(n) untuk setiap node N.
 Kelebihan dan Kekurangan
o Kelebihan
 Karena memiliki konsep seperti BFS maka UCS menjamin
ditemukannya solusi dan solusi yang ditemukannya selalu
solusi yang terbaik dalam kata lain UCS merupakan
pencarian yang complete dan optimal.
 Sangat cocok digunakan bila tidak menggunakan heuristik.
karena butuh completeness dalam menemukan setiap solusi.
o Kekurangan
 Memiliki syarat yang harus dipenuhi agar bisa complete
dan optimal.
 Memiliki kompleksitas waktu dan ruang yang banyak
karena memakai konsep BFS. Komplesitas nya yaitu
O(b^d).
  Studi Kasus

Apabila diberikan kondisi tree seperti gambar di atas, dimana biaya lintasan (path), dan
nilai prediksi/estimasi sudah diberikan, maka kita dapat melakukan simulasi proses ekspansi
node untuk algoritma Uniform Cost Search, Greedy Best First Search, dan A* Search.
Jawab:

Proses ekspansi pada Uniform Cost Search dihitung berdasarkan nilai lintasan g(n) sehingga
proses akan berjalan sebagai berikut:
Proses eksplorasi node dimulai dari S sebagai initial state. Eksplorasi node dari S akan menuju
ke A, C, K sebagai successornya. Pada simulasi eksplorasi di atas, untuk mempermudah proses
eksplorasi maka dituliskan dengan C, A, K karena urutannya dituliskan secara ascending dari
nilai g(n) terkecil sehingga akan dihasilkan urutan node yang akan dieksplorasi selanjutnya. Pada
eksplorasi node selanjutnya, nilai g(n) diakumulasikan dari node awal sampai pada node current
yang baru dieksplorasikan.
Jadi, dari proses di atas, maka dihasilkan jumlah ekspansi node sebanyak 10 kali, dan path yang
dilalui dengan menggunakan algoritma Uniform Cost Search adalah S-C-D-E-F-G.
 B. Pencarian Heuristik
Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namum
dengan kemungkinan mengorbankan kelengkapan (completeness). Fungsi heuristik digunakan untuk
mengevaluasi keadaankeadaan problema individual dan menentukan seberapa jauh hal tersebut dapat
digunakan untuk mendapatkan solusi yang diinginkan. Pencarian heuristik terdiri atas :

1. Generate and Test

Metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur
(backtracking), yaitu bergerak ke belakang menuju suatu keadaan awal. Nilai Pengujian berupa jawaban
baik berupa ‘ya’ atau ‘tidak’.
 Kelebihan
Jika solusi dikerjakan secara sistematis maka prosedur ini menjamin
akan ditemukannya solusi
• Kelemahan
– Perlu membangkitkan semua kemungkinan
sebelum dilakukan pengujian
– Membutuhkan waktu yang cukup lama dalam
pencariannya
 Algoritma:
– Bangkitkan suatu kemungkinan solusi (membangkitkan
suatu titik tertentu atau lintasan tertentu dari keadaan awal).
– Uji untuk melihat apakah node tersebut benar-benar
merupakan solusinya dengan cara membandingkan node
tersebut atau node akhir dari suatu lintasan yang dipilih
dengan kumpulan tujuan yang diharapkan.
– Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali
langkah yang pertama.
 Studi Kasus
“Travelling Salesman Problem (TSP)” Seorang salesman ingin mengunjungi n kota. Jarak antara
tiap-tiap kota sudah diketahui. Kita ingin mengetahui ruter terpendek dimana setaip kota hanya
boleh dikkunjungi tepat 1 kal i. Misalkan ada 4 kota dengan jarak antara tiap-tiap kota seperti
gambar di bawah ini:
 Penyelesaian dengan metode Generate and Test Di
bawah ini

2. Hill Climbing

Metode ini hampir sama dengan metode pembangkitan & pengujian, hanya saja proses
pengujian dilakukan dengan menggunakan fungsi heuristik. Pembangkitan keadaan berikutnya
sangat tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristic ini
akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan
lainnya yang mungkin.

Kelebihan

 Pada metode Breadth First Search pencarian akan berhenti bila solusi atau node
tujuan ditemukan, tanpa harus membandingkan lagi dengan node-node yang lain.
 Metode Hill Climbing proses pencarian lebih mudah karena proses pencarian
selalu mendekati tujuan.
 Kelemahan

 Pada metode Breadth First Search node yang dikunjungi tidak bisa langsung ke tujuan,
harus melalui level demi level sampai ditemukannya tujuan.
 Pada metode Hill Climbing bila ditemukannya satu solusi, kita harus mencari solusi yang
lain untuk dibandingkan, karena kita harus mencari node awal yang dekat dengan node
tujuan.

 Simple Hill Climbing

bekerja dengan cara memilih secara langsung new state yang memiliki keadaan lebih baik dari
pada keadaan sebelumnya tanpa memperhitungkan keadaan lain yang lebih “curam”.

Algoritma
-Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan, maka berhenti; dan
jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal.
– Kerjakan langkah-langkah berikut sampai solusinya ditemukan, atau sampai tidak ada
operator baru yang akan diaplikasikan pada keadaan sekarang:
• Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan
keadaan yang baru.
• Evaluasi keadaan baru tersebut.
• Jika keadaan baru merupakan tujuan, keluar.
• Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadikan
keadaan baru tersebut menjadi keadaan sekarang.
• Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi.

 Steepest-Ascent Hill Climbing

Steepest-Ascent Hill Climbing lebih menekankan pada aturan produksinya yaitu
Steepest-Ascent Hill Climbing akan mengevaluasi semua state yang berada dibawah
current state dan memilih state dengan keadaan paling “curam”.
Algoritma
 Evaluasi initial state. Jika initial state adalah goal state maka jadikan state ini sebagai
solusi dan keluar dari program. Jika bukan goal state, lanjutkan proses dengan initial state
sebagai current state.
 Ulangi sampai solusi ditemukan atau sampai tidak ada perubahan terhadap current state
 Aplikasikan semua operator yang ada dan bangkitkan new state.
 Evaluasi new state. Jika merupakan goal state, jadikan ini sebagai solusi dan keluar dari
program.

3.Best First Search

Best first search adalah algoritma yang mengeksplorasi sebuah

grafik dengan cara memperluas node atau simpul yang paling menjanjikan
yang dipilih sesuai dengan aturan yang ditentukan. Simpul merupakan
gambaran dari area pencarian. Adapun grafik yang digunakan dalam best
first search disebut grafik OR karena setiap cabangnya merepresentasikan
jalan alternatif untuk penyelesaian masalah. Best first search bisa dibilang
juga seperti mengembangkan simpul dari simpul sebelumnya. Simpul
yang dikembangkan adalah simpul yang memiliki skor paling kecil
dibanding simpul lainnya.
 Algoritma
o Pertama, definisikan daftar OPEN dengan satu
simpul sebagai simpul awal.
o Kemudian, periksa apakah OPEN berisi atau
kosong. Jika kosong, maka algoritma
mengembalikan nilai gagal dan keluar.
o Langkah selanjutnya, hapus simpul yang memiliki
skor terbaik, n, dari OPEN kemudian pindahkan ke
CLOSED.
o Kemudian, kembangkan simpul n, dimana
perluasannya merupakan identifikasi dari simpul
suksesor n.
o Selanjutnya periksa setiap simpul suksesor untuk
melihat ada atau tidaknya simpul goal pada salah
satunya. Jika ada suksesor yang menjadi simpul
goal, maka algoritmanya akan mengembalikan nilai
sukses dan solusinya, yang mana terdiri dari jalur
 yang ditelusuri mundur dari goal ke simpul awal.
Jika tidak, lanjutkan ke langkah keenam.

o Untuk langkah selanjutnya, untuk setiap simpul

suksesor, algoritma menerapkan fungsi evaluasi f,
kemudian memeriksa, melihat apakah simpul sudah
berada di OPEN atau CLOSED. Jika simpul tidak
ada di kedua daftar tersebut, maka akan
ditambahkan ke OPEN.
o Langkah selanjutnya adalah membangun struktur
pengulangan dengan cara mengirimkan algoritma
kembali ke langkah ke-2. Pengulangan ini akan
berhenti jika algoritma mengembalikan nilai sukses
di langkah 5 atau gagal di langkah 2.
 Kelebihan dan Kekurangan
Metode ini adalah kombinasi dari metode depth-
search first dan metode breadth-search first dengan
mengambil kelebihan keduanya. Ketika pada hill climbing
tidak diperkenankan untuk kembali ke node sebelumnya,
pada metode ini diijinkan jika ternyata node yang lebih
tinggi memiliki nilai heuristik yang lebih buruk.
Studi Kasus
Permasalahan mencari jarak terdekat antara kota Arad
dengan Bucharest menggunakan metode Best First search.

Solusi
Best First search merupakan metode yang menggunakan
nilai heuristic, pada permasalahan ini heuristik yang
digunakan adalah jarak kota-kota terhadap kota Bucharest
jika ditarik garis lurus yang jaraknya seperti yang tertera di
atas dengan asumsi kota terhubung yang letaknya paling
dekat dengan kota Bucharest adalah jalan yang paling
optimal.
Diagram pohon langkah-langkah penelusuran dengan
metode Best First Search adalah sebagai berikut :
 Dari Langkah-langkah di atas, didapatkan kota-kota yang
harus dilalui untuk mendapatkan jalan yang paling dekat
jaraknya dari Arad ke Bucharest dengan metode Best First
Search adalah : Arad – Sibiu – Fagaras – Bucharest. Dari

peta di atas, panjang jalan yang dilalui adalah 140+99+211

= 450 km.

4.A*

Algoritma A* (A Star / A Bintang) Algoritma - A* (dibaca "A

bintang"/"A star") adalah algoritma pencarian graf/pohon yang mencari
jalur dari satu titik awal ke sebuah titik akhir yang telah ditentukan.
 Algoritma
Algoritma A* menggunakan pendekatan heuristik
h(x) yang memberikan peringkat ke tiap-tiap titik x
dengan cara memperkirakan rute terbaik yang dapat dilalui
dari titik tersebut. Setelah itu tiap-tiap titk x tersebut
 dicek satu-persatu berdasarkan urutan yang dibuat
dengan pendekatan heuristik tersebut.
 Kelebihan dan Kekurangan
A* memperhitungkan cost dari current state ke
tujuan denga fungsi heuristic, Algoritma ini juga
mempertimbangkan cost yang telah ditempuh selama ini
dari initial state ke current state. Jadi jika ada jalan yang
telah ditempuh sudah terlalu panjang dan ada jalan lain
yang cost-nya lebih kecil tetapi memberikan posisi yang
sama dilihat dari goal, jalan yang lebih pendek yang akan
dipilih
 Studi Kasus
Permasalahan mencari jarak terdekat antara kota Arad
dengan Bucharest menggunakan metode A*

 f(n) = g(n) + h(n)

 g(n) = biaya sebenarnya untuk mencapai sebuah node
(kota) n
 h(n) = jarak garis lurus dari node n ke goal (Bucharest)
 Solusi

 Solusi yang ditemukan adalah solusi optimal, yaitu: Arad,

Sibiu, Rimnicu Vilcea, Pitesti, Bucharest.
 BAB III

Penutup
A. Kesimpulan
Kecerdasan buatan memiliki 2 jenis metode pencarian, yaitu pencarian buta yaitu
pencarian tanpa informasi awal dan pencarian heuristic yaitu pencarian dengan informasi
awal. Pencarian buta terdiri atas breadth first search, depth first search, depth limit search,
dan uniform cost search. Dan pencarian heuristic terdiri atas generate & test, hill
climbing (SHC dan SAHC), best first search dan algoritma A*. metode pencarian ini
dikembangkan untuk memudahkan penggunaan dan pengembangan kecerdasan buatan.
Daftar Pustaka
 https://id.wikipedia.org/wiki/Kecerdasan_buatan
 http://azizmusyaffaa.blogspot.com/2016/10/breadth-first-search-depth-first-
search.html
 http://pengantar-kecerdasan-buatan.blogspot.com/2016/02/uniform-cost-search-
ucs.html
 http://radenrakha.blogspot.com/2014/02/pengertian-informed-dan-
uninformed.html
 https://arafarra17.blogspot.com/2017/12/metode-metode-pencarian-dalam.html
 http://ai1004-kecerdasanbuatan.blogspot.com/
 http://yogaramadhans.blogspot.com/2017/10/metode-pencarian-heuristic-hill.html
 https://bilferruccio12.wordpress.com/2017/10/22/perbandingan-metode-
pencarian-best-first-search-dan-hill-climbing/
 http://elektrojoker13unc.blogspot.com/2017/12/makalah-kecerdasan-buatan-
metode.html
 Pengantarkecerdasanbuatan. (1970, January 1). Uniform Cost Search (UCS).
Retrieved from http://pengantar-kecerdasan-
buatan.blogspot.com/2016/02/uniform-cost-search-ucs.html
 Contoh Kasus Best First Seach. (2017, November 14). Retrieved from
http://mudahalgoritma.blogspot.com/2017/11/contoh-kasus-permasalahan-
mencari-jarak.html
 Admin. (2019, January 14). Pengertian dan Penerapan Metode Best First Search.
Retrieved from https://garudacyber.co.id/artikel/1541-pengertian-dan-penerapan-
metode-best-first-search
 Sidera, Z. (1970, January 1). Metode Pencarian dan Pelacakan. Retrieved from
http://buatugasai.blogspot.com/2013/04/metode-pencarian-dan-pelacakan_4.html
 Pencarian Heuristik (Heuristic Search) - kecerdasan buatan. (n.d.). Retrieved from
http://fryunfirst.blogspot.com/2015/06/pencarian-heuristik-heuristic-search.html
 Admin. (2019, January 14). Pengertian dan Penerapan Metode Best First Search.
Retrieved from https://garudacyber.co.id/artikel/1541-pengertian-dan-penerapan-
metode-best-first-search
 Unknown. (1970, January 1). Algoritma A* (A Star / A Bintang) Algoritma.
Retrieved from http://jeyegzcorner.blogspot.com/2014/07/algoritma-a-star-
bintang-algoritma.html