Kecerdasan Buatan
Artificial Intelligence
3. Goal Based Agents : Memiliki informasi tujuan (Goal), memilih tindakan yang mencapai
tujuan.
4. Utility Based Agents : Melakukan penilaian kuantitatif terhadap suatu keadaan lingkungan →
utility function. Berkaitan dengan performance measure.
5. Learning Based Agents : Memiliki Kemampuan belajar dari pengalaman dan meningkatkan kinerja.
ART-DEL-1617
Simple Reflex Agents
ART-DEL-1617
Goal Based Aget
ART-DEL-1617
Goal Based Agent
Goal-based agent: memiliki tujuan, memungkinkan evaluasi tindakan
dan memilih yang terbaik
ART-DEL-1617
Problem Solving Agent
1. Perumusan Tujuan (Goal Formulation): Tentukan Tujuan!
2. Perumusan Masalah (Problem Formulation): Tentukan tindakan
(action) dan keadaan (state) yang dipertimbangkan untuk mencapai
tujuan.
3. Pencarian Solusi (Searching): Tentukan rangkaian tindakan yang
perlu diambil untuk mencapai tujuan.
4. Eksekusi: Jalankan rangkaian tindakan yang sudah ditentukan di
tahap sebelumnya
ART-DEL-1617
Problem Solving Agent
1. Fully Observable
2. Deterministic
3. Sequential
4. Static
5. Discrete
ART-DEL-1617
Contoh I Agent di Rumania
ART-DEL-1617
Agent di Rumania
ART-DEL-1617
Perumusan masalah sebagai state space
Possible actions: tindakan yang dapat dilakukan si agent, mis: Go(Arad, Zerind ).
Sebuah successor function S menentukan untuk suatu state X, himpunan tindakan yang
mungkin diambil beserta state yang dihasilkan.
mis:
X = In(Arad)
S(X) = { < Go(Arad,Zerind ), In(Zerind ) >, ... }
Initial state dan successor function mendefinisikan state space: himpunan semua state
yang dapat dicapai dari initial state.
Dapat direpresentasikan dengan graph. Path dalam state space adalah serangkaian
state (dihubungkan dengan serangkaian action).
ART-DEL-1617
Menelusuri sebuah state space
Goal test: penentuan apakah suatu state adalah tujuan yang ingin
dicapai.
Eksplisit: himpunan goal state, mis: {In(Bucharest) }.
Implisit: deskripsi tujuan, mis: dalam catur → skak mat.
Path cost function: sebuah fungsi yang memberikan nilai numerik terhadap setiap
path. Fungsi ini merefleksikan performance measure si agent.
Asumsi path cost function = ∑ step cost: cost action a dari state x ke y: c(x , a, y ).
Sebuah solusi optimal adalah solusi dengan path cost function minimal
ART-DEL-1617
Memilih state space
Dunia nyata luar biasa kompleks dan rumit! State space har us mer
upakan abstraksi masalah supaya bisa dipecahkan.
State = himpunan “keadaan nyata”. Mis: In(Arad ) – dengan siapa? kondisi cuaca?
Action = kombinasi berbagai “tindakan nyata”. Mis: Go(Arad , Sibiu ) – jalan tikus, isi
bensin, istirahat, dll.
Solution = representasi berbagai “path nyata” yang mencapai tujuan
ART-DEL-1617
Contoh II: Vacuum Cleaner
ART-DEL-1617
Vacuum Cleaner Problem
ART-DEL-1617
Contoh III: 8-Puzzle
ART-DEL-1617
8-Puzzle Problem
ART-DEL-1617
Contoh IV: 8-Queens
Letakkan 8 bidak menter i ( queen!) sedemikian sehingga tidak
ada yang saling “makan” (menteri bisa makan dalam satu baris,
kolom, diagonal).
ART-DEL-1617
8-Queens Problem
ART-DEL-1617
Pencarian solusi
ART-DEL-1617
Pencarian solusi
• Mulai dari root node (Arad) sebagai current node
ART-DEL-1617
Pencarian solusi
• Mulai dari root node (Arad) sebagai current node
• Lakukan node expansion terhadapnya
ART-DEL-1617
Pencarian solusi
• Mulai dari root node (Arad) sebagai current node
• Lakukan node expansion terhadapnya
• Pilih salah satu node yang di-expand sebagai current node yang baru.
Ulangi langkah sebelumnya.
ART-DEL-1617
Pencarian solusi
ART-DEL-1617
Pencarian solusi
ART-DEL-1617
Algoritma Pencarian Tree
ART-DEL-1617
Node Vs. State
ART-DEL-1617
Strategi Pencarian
ART-DEL-1617
Strategi Pencarian
ART-DEL-1617
Uninformed search strategies
ART-DEL-1617
Referensi
• Stuart J Russell & Peter Norvig, Artificial Intelligence: A Modern
Approach, 3rd Edition, Prentice-Hall International, Inc, 2010 (Pustaka
Utama)
• Ruli Manurung, IKI 30320: Sistem Cerdas: Silabus Kuliah UI
ART-DEL-1617