1.3 SEJARAH AI
Abad ke-17 sampai 21 :
Rene Descartes, Blaise Pascal, Charles Babbage, Bertrand Russell
Beberapa contoh program AI :
2. Sad Sam diprogram oleh Robert K Lindsay. Program ini dapat mengetahui kalimat
yang ditulis dalam bahasa inggris dan memberi jawaban dari fakta suatu
percakapan.
3. Eliza, diprogram oleh Joseph Weizenbaum. Program ini dapat melakukan terapi
pada pasien dengan memberikan beberapa pertanyaan.
4. Deep Blue, komputer pertama yang mampu mengalahkan juara catur dunia.
1.6 SUBILMU AI
Meliputi : cognition & psycolinguistik, pengolahan citra, teori kendali,
pengolahan pola, robotika, system pendukung keputusan SIM, system pakar,
natural language processing, speech recognition,computer vision, intelligent
computer aided instruction, game playing
PR :
1. Jelaskan mengapa AI penting bagi manusia.
2. Jelaskan perbedaan pintar, cerdas dan genius dan beri contohnya.
3. Buat 1 contoh permasalahan yang sulit dipecahkan dengan komputasi
konvensional tapi dengan mudah dipecahkan dengan AI.
4. Cari aplikasi komersial AI selain yang sudah ada pada penjelasan di
atas dan menerapkan HMIQ
II. PEMECAHAN MASALAH PADA AI
2.1.1 Ruang keadaan (state space) adalah ruang yang berisi semua keadaan (state)
yang mungkin terjadi.
Kumpulan aturan digunakan untuk mengubah keadaan satu ke keadaan lain/ berikutnya
Contoh 1:
B C
D F E
E I G
G I F H Z
J F H Z K I Z
K I Z
Level 0 dimulai dari node A sampai level 6 didapat node Z sebagai goal-nya.
3. Pohon and/or
B D E G C E G
H Z Z H Z Z
• Hal penting dalam menentukan keberhasilan sistem cerdas adalah kesuksesan dalam
pencarian.
B C D
E F G H I J K L M
Algoritma.
1. Buat suatu variabel Node_List dan tetapkan sebagai keadaan awal.
2. Kerjakan langkah-langkah berikut ini sampai tujuan tercapai atau Node_List
dalam keadaan kosong:
(a) Ambil elemen pertama dari Node_List, sebut dengan nama E. Jika
Node_List kosong, keluar.
(b) Pada setiap langkah yang aturannya cocok dengan E, kerjakan:
i Aplikasikan aturan tersebut untuk membentuk suatu keadaan baru.
ii Jika keadaan awal adalah tujuan yang diharapkan, sukses dan keluar
iii Jika tidak demikian, tambahkan keadaan awal yang baru tersebut
pada akhir Node_List.
Keuntungan.
1. Tidak akan menemui jalan buntu.
2. Jika ada satu solusi, maka breadth-first search akan menemukannya. Dan
jika ada lebih dari satu solusi, maka solusi minimum akan ditemukan.
Kelemahan.
1. Membutuhkan memori yang cukup banyak, karena menyimpan semua node
dalam satu pohon.
2. Membutuhkan waktu yang cukup lama, karena akan menguji n level untuk
mendapatkan solusi pada level yang ke-(n+1)
Contoh gambar 1 , jika dicari solusi dari node awal A sampai node tujuan F dengan
metode BFS :
Iterasi Node List = F?, jika tidak, keluarkan dari node
list, masukkan keadaan baru (masuk
dari kiri keluar dari kanan) ke node
list
1 A A≠F
2 D,C,B B≠F
3 G,F,E,D,C C≠F
4 J,I,H,G,F,E,D D≠F
5 M,L,K,J,I,H,G,F,E E≠F
6 M,L,K,J,I,H,G,F F=F STOP
Keuntungan.
1. Membutuhkan memori yang relatif kecil, karena hanya node-node pada lintasan
yang aktif saja yang disimpan.
2. Secara kebetulan, metode depth-first search akan menemukan solusi tanpa
harus menguji labih banyak lagi dalam ruang keadaan.
Kelemahan.
1. Memungkinkan tidak ditemukannya tujuan yang diharapkan.
2. Hanya akan mendapatkan 1 solusi pada setiap pencarian.
Contoh gambar 1 , jika dicari solusi dari node awal A sampai node tujuan F dengan
metode DFS :
Iterasi Succ. = F?, jika tidak, keluarkan dari succ.,
masukkan keadaan baru (masuk dari
kiri keluar dari kiri) ke node list
1 A A≠F
2 B,C,D B≠F
3 E,F,G,C,D E≠F
4 F,G,C,D F=F STOP
A 8 B
3 4
7 5
D 6 C
A B C D
B C D
C D B D C B
D C D B B C
Misalkan pertama-tama kita mulai dari node A. Kita pilih sebagai keadaan awal adalah
lintasan ABCD dengan panjang lintasan (=19). Kemudian kita lakukan backtracking
untuk mendapatkan lintasan ABDC (=18). Lintasan ini kita bandingkan dengan lintasan
ABCD, ternyata ABDC < ABCD, sehingga lintasan terpilih adalah ABDC. Kita lakukan
backtracking lagi untuk mendapatkan lintasan ACBD (=12), ternyata ACBD < ABDC,
maka lintasan terpilih sekarang adalah ACBD. Demikian seterusnya hingga kita
temukan solusi yang sebenarnya. Tabel 2.5 menunjukkan proses pencarian tersebut.
Dari Tabel 2.5 dapat dilihat bahwa pada akhir pencarian, kita peroleh lintasan terpendek
adalah A-C-B-D atau D-B-A-C dengan panjang lintasan sebesar 12.
Salah satu kelemahan dari metode generate & test ini adalah perlu membangkitkan
semua kemungkinan sebelum dilakukan pengujian, sehingga membutuhkan waktu yang
cukup besar dalam pencariannya.
6. ADCB 18 ACBD 12
7. BACD 17 ACBD 12
8. BADC 21 ACBD 12
9. BCAD 15 ACBD 12
Pada simple hill climbing ini, ada 3 masalah yang mungkin, yaitu:
Algoritma akan berhenti kalau mencapai nilai optimum local.
Urutan penggunaan operator akan sangat berpengaruh pada penemuan solusi.
Tidak diijinkan untuk melihat satupun langkah sebelumnya.
Contoh untuk kasus yang sama dengan contoh 2.1 node awal = A, node tujuan =
Z, dengan algoritma BFS :
Stack Ambil sesuai nilai = goal=z , ket.
heuristic=jarak min.
A A ≠,hapus A, masukkan
anak ke stack
B(4), C(5) B ≠,hapus B, masukkan
anak ke stack
C(5), D(3) D ≠,hapus D, masukkan
anak ke stack
C(5), E(4) E ≠,hapus E, masukkan
anak ke stack
C(5), G(6) C ≠,hapus C, masukkan
anak ke stack
G(6), E(3), F(2) F ≠,hapus F, masukkan
anak ke stack
G(6), E(3), I(4) E ≠,hapus E, anak G sudah
di stack
G(6), I(4) I ≠,hapus I, tidak punya
anak,hapus dari
stack,hapus parent F
G(6) G ≠,hapus G, masukkan
anak ke stack
H(2),J(4),Z(7),F(8) H ≠,hapus H, masukkan
anak ke stack
J(4),Z(6),Z(7),F(8) J ≠,hapus J, masukkan
anak ke stack
Z(6),Z(7),F(8),K(1) K ≠,hapus K, tidak punya
anak, hapus dari
stack,hapus parent J
Solusi :
3 4 1
B D G J K
4 4 6 2 7
A E 8 H Z
3 6
5 C F I
2 4
Tugas :
Seorang selesman akan mengunjungi 4 kota yaitu K, L,M,N seperti digambarkan
di bawah ini. Cari rute terpendek (lintasan kota dan jarak terpendek) dimana
setiap kota hanya dikunjungi satu kali dan ia boleh memilih keadaan awal di
suatu kota dan keadaan akhir di kota lain. Selesaikan kasus ini dengan algoritma
:
a. Generate & test
b. Simple Hill climbing
c. Steepest ascent hill climbing
d. BFS
K 6 L
9 2
5 8
M 7 N