SEARCHING

Blind Search & Heuristic Search

PENDAHULUAN
• Banyak cara yang digunakan untuk membangun sistem yang dapat menyelesaikan
masalah-masalah di AI.
• Teknik penyelesaian masalah yang dapat dipakai untuk menyelesaikan permasalahan
di AI antara lain :
1. Searching (pencarian)
2. Reasoning (penalaran)
3. Planning : memecah masalah menjadi sub-sub masalah satu demi satu untuk
kemudian menggabungkan sub sub masalah tersebut menjadi solusi yang lengkap
4. Learning : program komputer yang secara otomatis sanggup belajar dan
meningkatkan performance nya melalui pengalaman
Searching dibagi menjadi 2 yaitu :
1. Blind Search
2. Heuristic Search
Blind Search
Blind Search yaitu metode sederhana yang hanya berusaha mencari semua
kemungkinan penyelesaian masalah serta tidak ada informasi awal yang bisa
digunakan dalam proses pencarian
Algoritma yang digunakan :
a. Breadth First Search (BFS)
b. Depth First Search (DFS)
c. Uniform Cost Search (UCS)
d. Depth-Limited Search (DLS)
e. Iterative Deepening Search (IDS)
f. Bi-Directional Search (BDS)
 CONTOH
• Menghitung Rute Terpendek Menggunakan Algoritma BFS
• (Studi Kasus : Uin Susqa ke Mall Ska)
• Hasil dari proyeksi gambar Google Earth didapatkan Tujuh node, dimana
pengambilan nodenya berdasarkan persimpangan jalan.

A = UIN SUSQA ; B = Simpang Garuda Sakti – HR Soebrantas ; C = Simpang Garuda Sakti –

Akap ; D = Bundaran SM Yamin - Tuanku Tambusai ; E = Simpang HR Soebrantas - SM
Yamin ; F = Simpang Pasar Pagi Arengka ; G = MALL SKA
Kasus di atas akan diselesaikan dengan BFS
Pengertian : BFS akan melakukan pencarian pada semua simpul dalam setiap
level secara berurutan dari kiri ke kanan. Jika pada satu level belum ditemukan
solusi, maka pencarian akan dilanjutkan ke level berikutnya hingga solusi
ditemukan.

Berikut adalah langkah-langkah algoritma BFS

1. Masukkan node akar ke dalam QUEUE
2. Ambil node dari awal QUEUE, lalu cek apakah node merupakan solusi
3. Jika node merupakan solusi, pencarian selesai dan hasil dikembalikan
4. Jika node bukan solusi, masukkan seluruh node anak ke dalam QUEUE
5. Jika QUEUE kosong dan setiap node sudah dicek, pencarian selesai.
6. Jika QUEUE tidak kosong, ulangi pencarian mulai dari poin 2
• Iterasi ke – 1
masukkan node A ke QUEUE.
keluarkan A dari QUEUE dan cek apakah A
adalah goal?
QUEUE
Masuk Lewat Pintu Kiri, Keluar Lewat Pintu kanan

representasi ruang keadaan :

ternyata A ≠ goal, maka masukkan A ke solusi
A Solusi : A
 representasi ruang keadaan :

B
• Iterasi ke – 2
masukkan node anak A yaitu B ke QUEUE.

keluarkan B dari QUEUE dan cek apakah B

adalah goal?
QUEUE
Masuk Lewat Pintu Kiri, Keluar Lewat Pintu kanan

ternyata B ≠ goal, masukkan B ke solusi

Solusi : A B
 representasi ruang keadaan :
A

D C

• Iterasi ke – 3
masukkan node anak B yaitu D & C ke
QUEUE.

keluarkan D dari QUEUE dan cek apakah D

adalah goal?

ternyata D ≠ goal, masukkan D ke solusi

Solusi : A B D
 representasi ruang keadaan :
A

D C

• Iterasi ke – 4
F E
masukkan node anak D yaitu F & E ke
QUEUE.

keluarkan C dari QUEUE dan cek apakah C

adalah goal?

ternyata C ≠ goal, masukkan C ke solusi

Solusi : A B D C
 representasi ruang keadaan :
A

D C
• Iterasi ke – 5
F E
masukkan node anak C yaitu E ke
QUEUE. Namun karna E sudah ada di
Queue maka tidak dimasukkan.
keluarkan F dari QUEUE dan cek apakah F
adalah goal?

ternyata F ≠ goal, masukkan F ke solusi

Solusi : A B D F
 representasi ruang keadaan :
A

D C

• Iterasi ke – 6
F E
masukkan node anak F yaitu G ke
QUEUE. G
keluarkan E dari QUEUE dan cek apakah E
adalah goal?

ternyata E ≠ goal, masukkan E ke solusi

Solusi : A B D F E
 representasi ruang keadaan :
A

D C
• Iterasi ke – 7
F E
masukkan node anak E yaitu G ke QUEUE.
Namun karna G sudah ada di QUEUE
maka tidak perlu dimasukkan lagi. G
keluarkan G dari QUEUE dan cek apakah G
adalah goal?

ternyata G = goal, masukkan G ke solusi

Solusi : A B D F E G
• Solusi dicari dengan merunut dari G
• Parent G adalah F maka G  F
• Parent F adalah D maka G  F  D
• Parent D adalah B maka G  F  D  B
• Parent B adalah A maka G  F  D  B  A
• Karna A adalah root maka jalur dari node A ke G adalah
ABDFG
Heuristic Search
• Pencarian buta biasanya tidak efisien karena waktu akses memori yang
dibutuhkan cukup besar.
• Untuk mengatasi hal ini maka perlu ditambahkan suatu informasi pada
domain yang bersangkutan sehingga proses pencarian yang baru akan
dihasilkan.
• Pencarian seperti ini disebut sebagai informed search atau pencarian
heuristic atau pencarian terbimbing, yaitu pencarian berdasarkan panduan.
• (Dalam sutojo dkk) teknik pencarian heuristic merupakan suatu strategi
untuk melakukan proses pencarian secara selektif dan dapat memandu
proses pencarian yang memiliki kemungkinan sukses paling besar, namun
dengan kemungkinan mengorbankan kelengkapan (completeness)
• Contoh algoritma : Generate and Test, Hill Climbing (simple Hill climbing atau
Stepest Ascent Hill Climbing), Simulated Annealing, Best First Search, A* dan
lain-lain.
Kasus di atas akan diselesaikan dengan A*
Algoritma A* merupakan perbaikan dari metode best first search dengan
memodifikasi fungsi heuristiknya, Algoritma A* akan meminimumkan total
biaya lintasan. Pada kondisi yang tepat, Algoritma A* akan memberikan solusi
yang terbaik dalam waktu yang optimal (Kusumadewi , 2003).

Fungsi f(n) sebagai estimasi fungsi evaluasi dihitung dengan persamaan :

f(n) = g(n) + h(n)
dengan :
f(n) = fungsi evaluasi
g(n) = biaya yang sudah dikeluarkan dari keadaan awal sampai keadaan n
h(n) = estimasi biaya untuk sampai pada suatu tujuan mulai dari n
CONTOH : sumber http://web.unair.ac.id/admin/file/f_22581_Algoritma_A_star_search.pptx

• Menghitung Rute Terpendek Menggunakan Algoritma A* Search Dengan Fungsi Heuristik

Euclidean Distance.
• (Studi Kasus : Uin Susqa – Mall Ska)
• Hasil dari proyeksi gambar Google Earth didapatkan Tujuh node, dimana pengambilan
nodenya berdasarkan persimpangan jalan.

A = UIN SUSQA ; B = Simpang Garuda Sakti – HR Soebrantas ; C = Simpang Garuda Sakti –

Akap ; D = Bundaran SM Yamin - Tuanku Tambusai ; E = Simpang HR Soebrantas - SM
Yamin ; F = Simpang Pasar Pagi Arengka ; G = MALL SKA
Setiap Index mewakili jarak
200 meter
A = UIN SUSQA (0,0)

B = Simpang Garuda Sakti - HR

Soebrantas (6,0)

C = Simpang Garuda Sakti –

Akap (2,11)

D = Bundaran SM Yamin -
Tuanku Tambusai (21,0)

E = Simpang HR Soebrantas -
SM Yamin (21,20)

F = Simpang Pasar Pagi

Arengka (36,0)

G = MALL SKA (36,20)

Langkah 1 : Menghitung Heuristik
Rumus jarak dua titik:
Dengan menggunakan rumus di
atas, maka perhitungan dari
semua titik dapat dilihat sebagai
berikut:
LANGKAH 2 – MENCARI NILAI f(n) ALGORITMA A*

Setelah nilai heuristik dari masing-masing node didapat maka kita akan
mencari f(n) menggunakan algoritma A* dengan rumus:
dimana, h(n) = Nilai heuristik antar Koordinat ; g(n) = Jarak Koordinat ke titik
tujuan

Step 1 : Penyelesaian Kasus

Titik B memiliki 2 cabangan yaitu titik C dan titik D, maka f(n)
yang harus dipilih adalah f(n) yang menghasilkan biaya paling
kecil, yaitu titik C.
• Maka f(n) total yang
didapat adalah 123.72,
karena satu titik ordinat
mewakili 200 meter maka
jaraknya sebenarnya (dalam
meter) adalah:
= 123.72 × 200 = 24744
meter = 24,744 km

• Jalur yang dilalui:

A–B–C–E–G

• UIN SUSQA – Jln HR

Soebrantas – Simpang
Garuda Sakti – Jln Tuanku
Tambusai II – Mall SKA