Mata Kuliah : Kecerdasan Buatan

Prodi : Sistem Informasi

Semester : 4
Jadwal Perkuliahan : Kamis, 13.00-15.30
Dosen : Indra Hermawan
Sifat Ujian : Tutup Buku
Jenis Ujian : Teori/Makalah/Presentasi
Bobot : 100
*Bobot nilai total diletakkan pada baris di atas dan bobot tiap soal diletakkan pada tiap soal.
___________________________________________________________________________

SOAL :
1. Penerapan kecerdasan buatan sudah berkebang dengan pesat, terutama dibidang industi
yang memicu munculnya industry 4.0. Berdasarkan pengetahuan Anda: (10)
a. jelaskan apa itu industry 4.0!
b. jelaskan kaitan kecerdasan buatan dengan industry 4.0!
c. berikan contoh industry yang termasuk ke dalam industry 4.0!
2. Sebuah smart agent merupakan sebuah sistem agen pintar yang dirancang untuk bekerja
secara otomatis pada setiap aplikasinya (10)
a. Sebutkan dan jelaskan karakteristik (minimal 5) dari sebuah smart agent
b. Sebutkan dan jelaskan jenis-jenis smart agent (minimal 3)
c. Pilihlah satu jenis smart agent dan rancanglah sebuah smart agent berdasarkan
jenis yang dipilih menggunakan pendekatan PEAS!
3. Blind search merupakan sebuah metode pencarian solusi yang tidak memiliki informasi
mengenai domainnya. Namun blind search mempunyai informasi mengenai goal state-
nya. Salah dua dari metode blind search adalah Depth First Search dan Breadth First
Search. (20)
a. Jelaskan cara kerja kedua metode tersebut
b. Tentukan hasil penelisiran tree pada Gambar 1 menggunakan meotde DFS dan
BFS dengan asal titik A dan tujuan J.
 Gambar 1. Pohon state
4. Informed search merupakan algoritma pencarian yang memiliki pengetahuan seperti
seberapa jauh dari goal, nilai dari satu state ke state yang lain, dan mengetahui bagaimana
mencapai goal. Salah dua dari informed search adalah Best first search dan A* search.
(20)
a. Jelaskan cara kerja dari masing-masing algoritma tersebut!
b. Jika diberikan pohon state seperti pada Gambar 2, gunakan salah satu algoritma
informed search untuk mengetahui jalur solusi dari S ke G!

Gambar 2. Pohon keputusan 2

5. Local search merupakan sebuah metode heuristic untuk menyelesaikan permasalahan
optimasi yang sulit secara komputasi. Contoh penerapannya adalah pada kasus traveling
salesman problem (TSP). salah dua dari metode tersebut adalah Hill climbing dan genetic
algorithm. (20)
a. Jelaskan cara kerja kedua metode tersebut!
b. Berdasarkan graph pada Gambar 3, pilih salah satu metode local search untuk
menentukan jalur tercepat untuk mengunjungi seluruh kota tepat satu kali!
 Gambar 3. Graph jaringan kota 1 hingga kota 8
6. Regresi linear merupakan suatu metode untuk melihat hubungan satu atau beberapa
variable independent dengan variable dependent. (20)
a. Berdasarkan Tabel 1. tentukan nilai a, B0, B1 untuk membentuk persamaan
regresi liear berikut
𝑦 = 𝛼 + 𝛽0 𝑥1 + 𝛽1 𝑥2
b. Berdasarkan persamaan regresi linear diperoleh tentukan kinerja karyawan jika
memiliki nilai pengalaman 10 dan semangat 9!
Tabel 1. Penilaian kinerja karyawan
JAWABAN
1.
a. Revolusi industri 4.0 atau yang biasa dikenal dengan istilah “cyber physical
system” merupakan sebuah fenomena dimana terjadinya kolaborasi antara
teknologi siber dengan teknologi otomatisasi. Revolusi industry 4.0 ini muncul
di abad ke-21 dengan ciri utama yaitu penggabungan antara informasi serta
teknologi komunikasi ke dalam bidang industri.

b. Dengan kemunculan revolusi ini, mengubah banyak hal di berbagai sektor.

Dimana yang pada awalnya membutuhkan banyak pekerja untuk menjalankan
operasionalnya, sekarang digantikan dengan penggunaan mesin teknologi
(kecerdasan buatan).

c. Industri Aggregator layanan, yang dimulai dari aggregator transportasi,

layanan kesehatan, hingga reksa dana. Sebelum adanya industry 4.0 kita harus
mendatangi perusahaan tersebut untuk bisa mendapatkan informasi lalu
dengan adanya industry 4.0 hal tersebut sekarang dapat diakses melalui
sentuhan jari dan gadget yang kita miliki. Dengan adanya aggregator layanan
4.0 ini munculah keuntungan lainnya yaitu adanya transparansi data. Hal ini
dikarenakan aggregator mengumpulkan berbagai data dari berbagai vendor
layanan menjadi satu, sehingga kita para konsumen dapat dengan mudah
menentukan pilihan yang kita inginkan. Serta melalui aggregator ini kita dapat
dengan mudah mengaksesnya dan penggunaannya yang menjadi lebih praktis.

2.
a. Karakteristik Smart Agen :
- Autonomous
Agen berkemampuan untuk melakukan tugasnya dan mengambil keputusan
secara mandiri tanpa adanya intervensi dari luar ( agen lain, manusia, entitas
lainnya )
- Reaktif
Kemampuan agen untuk cepat beradaptasi terhadap peerubahan informasi
yang ada pada lingkungannya
 - Proaktif
Kemampuan yang berorientasi pada tujuan dengan cara selalu mengambil
inisiatif untuk mencapai tujuan
- Fleksibel
Agen harus mempunyai banyak cara dalam mencapai tujuannya
- Robust
Agen harus dapat Kembali ke kondisi semula jika mengalami kegagalan dalam
hal Tindakan aataupun dalam menjalankan plan
- Rasional
Kemampuan untuk bertindak sesuai dengan tugas dan pengetahuannya dengan
tidak melakukan hal yang dapat menimbulkan konflik tindakan
- Social
Agen memiliki kemampuan untuk berkomunikasi dan berkoordinasi baik
dengan manusia maupun dengan agen lain
- Situated
Agen harus berada dan berjalan di lingkungan tertentu

b. Jenis / Tipe Agen :

- Simple Reflex Agent
Agen ini merupakan agen yang paling sederhana karena dia hanya
menerapkan Teknik kondisi – aksi, jadi jika terjadi suatu kondisi tertentu maka
agen akan secara sederhana memberikan aksi tertentu

- Model Based Reflex Agent

Agen ini akan menambahkan suatu model tentang dunia yaitu pengetahuan
tentang bagaimana dunianya bekerja, jadi agen refleks berbasis model ini
menjaga keadaan dunianya menggunakan model internal kemudian memilih
Tindakan seperti agen refleks sederhana

- Goal Based Agent

Agen ini berorientasi dengan tujuannya, agen ini harus diberikan informasi
tentang tujuan ( keadaan ) yang harus di capai oleh agen. Pencarian dan
Perencanaan adalah dua deretan
 c. Perancangan Agen Cerdas
Jenis Smart Agent :
Simple Reflex Agent
Nama Smart Agent :
Agen Autonomous Lampu Jalan
PEAS : Performance measurement, Environment, Actuators, Sensors
Performance measurement :
Hemat, Efisien, Memaksimalkan Sumber Daya, Meningkatkan Rasa Aman
Environment :
Jalan, Kendaraan, Pejalan Kaki, Cuaca, Waktu
Actuators : LED
Sensors :
LDR ( Light Dependt Resistor ), IR ( Infra Red )

3.
a. Metode Depth First Search ( DFS )
Prinsip utamanya :
tumpukan (stack) prinsip Last In First Out (LIFO) / yang pertama kali di
tumpuk yang terakhir kali diambil
cara pengerjaan :
- masukkan simpul (node) akar ke dalam stack
- ambil node dari stack teratas, lalu cek apakah node merupakan solusi :
Jika node merupakan solusi, pencarian selesai, dan hasil dikembalikan
Jika node bukan solusi, masukkan seluruh node anak/turunan ke dalam stack
- Jika stack kosong, dan setiap node sudah dicek, pencarian berakhir
- Jika stack tidak kosong, ulangi pencarian mulai Langkah ke 2
 Metode Breadth First Search ( BFS )
Prinsip utamanya :
antrian (queue) prinsip First In First Out (FIFO) / yang pertama kali masuk
antrian yang keluar terlebih dahulu
cara pengerjaan :
- Masukkan simpul (node) akar ke dalam queue
- Ambil node dari queue teratas, lalu cek apakah node merupakan solusi :
Jika node merupakan solusi, pencarian selesai, dan hasil dikembalikan
Jika node bukan solusi, masukkan seluruh node anak/turunan ke dalam queue
- Jika queue kosong, dan setiap node sudah di cek, pencarian berakhir
- Jika queue tidak kosong, ulangi pencarian dengan mengambil queue teratas
seperti Langkah kedua

b. Depth First Search (DFS)

Stack Simpul Aktif Visited

A A A
B,C B A,B
D,E,C D A,B,D
H,E,C H A,B,D,H
E,C E A,B,D,H,E
I,C I A,B,D,H,E,I
C C A,B,D,H,E,I,C
F,G F A,B,D,H,E,I,C,F
G G A,B,D,H,E,I,C,F,G
J,K J A,B,D,H,E,I,C,F,G,J

Solusi Akhir : A-C-G-J

 Breadth First Search (BFS)

Queue Simpul Aktif Visited

A A A
B,C B A,B
C,D,E C A,B,C
D,E,F,G D A,B,C,D
E,F,G,H E A,B,C,D,E
F,G,H,I F A,B,C,D,E,F
G,H,I G A,B,C,D,E,F,G
H,I,J,K H A,B,C,D,E,F,G,H
I,J,K I A,B,C,D,E,F,G,H,I
J,K J A,B,C,D,E,F,G,H,I,J

Solusi Akhir : A-C-G-J

4.
a. Metode Best First Search
- Node dipilih berdasarkan fungsi evaluasi ( evaluation function ) f(n), dengan
f(n) yang paling rendah yang akan dipilih terlebih dahulu
- Fungsi heuristic h(n) adalah estimasi jarak terdekat antara node tertentu n
dengan node tujuan

Metode A*
- Pada metode ini nilai fungsi evaluasi dinyatakan sebagai f(n) = h(n) + g(n)
- h(n) adalah nilai heuristic ( jarak terdekat dari node n ke tujuan )
- g(n) adalah cost dari start ke node n
 b. Best First Search
Node Visited
(0S) S
(2SB) (3SA) SBA
(1SBF) (3SBE) (3SA) SBAFE
(2SBFI) (3SBFG) (3SBE) (3SA) SBAFEI
(3SBFG) ( 3SBE) (3SA) SBAFEIG
Node yang dilalui untuk mencapai tujuan adalah S-B-F-G
dan nilai h(n) = 2 + 1 + 3 = 6

5.
a. Metode Hill Climbing
- Mulai dari keadaan awal, lakukan pengujian mulai dari kiri .
kerjakan Langkah – Langkah dibawah sampai solusinya ditemukan / sampai
tidak ada operator baru yang akan diaplikasikan pada keadaan sekarang
- Cari Operator yang belum pernah digunakan; gunakan operator ini untuk
mendapatkan keadaan baru
- Evaluasi keadaan baru tersebut
- Jika keadaan baru merupakan tujuan, maka keluar
- Jika bukan tujuan namun nilainya lebih baik dari pada keadaan sekarang,
maka jadikan keadaan baru ini menjadi keadaan sekarang
- Jika keadaan baru tidak lebih baik dari pada keadaan sekarang maka
lanjutkan iterasi

Metode Algoritma Genetika

Genetic Algorithm (GA) merupakan salah satu metode heuristik yang
digunakan untuk mengoptimasi sebuah proses. Karena merupakan metode
heuristik, maka solusi yang diperoleh dari GA bukan yang terbaik, melainkan
yang mendekati optimal.
Konsep GA terinspirasi dari teori evolusi Darwin dengan quote “the strongest
species that survive”. Teori evolusi Darwin menegaskan bahwa organisme
 dapat bertahan hidup dengan beberapa proses yakni reproduksi (crossover)
dan mutasi. Konsep tersebut kemudian diadaptasi pada algoritma komputasi
untuk menemukan solusi pada masalah fungsi objektif
- Membentuk kromosom yang merepresentasikan solusi dari permasalahan
yang dibahas
- mendefinisikan fungsi fitness yang digunakan untuk menentukan baik /
buruknya suatu kromosom
- membentuk populasi awal yang terdiri dari n kromosom
- menentukan peluang crossover (Pc), peluang mutasi (Pm), dan maksimum
generasi (N)
- melakukan seleksi untuk memilih 2 kromosom dari populasi
- membentuk kromosom baru dengan melakukan crossover pada 2 kromosom
yang terpilih dari seleksi
- lakukan mutase pada kromosom baru lalu ulangi Langkah seleksi hingga
sejumlah kromosom
- gabungkan semua kromosom ( populasi awal, hasil crossover, dan hasil
mutasi) yang ada dan pilih n kromosom terbaik ( berdasarkan fitness )
sebagai populasi baru
b. 1 – 2 – 3 – 4 – 5 – 6 – 7 – 8 = menghasilkan jalur total 51
Tukar posisi 2 kondisi Kunjungan titik kota Total jalur
1-2 21345678 50
2-3 13245678 59
3-4 12435678 52
4-5 12354678 44
5-6 12346578 47
Mendapatkan jalur tercepat = 44 di kunjungan titik kota 12354678
Tukar posisi 2 kondisi Kunjungan titik kota Total jalur
1-2 21354678 43
2-3 13254678 mengulangi
3-4 12534678 mengulangi
4-5 12345678 51
5-6 12356478 mengulangi
6-7 12354768 mengulangi
Mendapatkan jalur tercepat = 43 di kunjungan titik kota 21354678
Tukar posisi 2 kondisi Kunjungan titik kota Total jalur
1-2 1235478 44
2-3 23154678 mengulangi
3-4 21534678 mengulangi
4-5 21345678 50
5-6 21356478 mengulangi
6-7 21354768 mengulangi
Keadaan titik kota 21354678 ini merupakan keadaan / jalur terbaik jadi
solusinya sudah bisa di tentukan
6. Karyawan ( n ) Pengalaman ( x1 ) Semangat ( x2 ) Kinerja ( y ) x1*y x2*y x12 x22 x1*x2 y2
A 6 10 17 102 170 36 100 60 289
B 5 6 13 65 78 25 36 30 169
C 4 7 12 48 84 16 49 28 144
D 8 4 17 136 68 64 16 32 289
E 9 3 15 135 45 81 9 27 225
F 3 5 11 33 55 9 25 15 121
G 2 8 11 22 88 4 64 16 121
H 8 4 16 128 64 64 16 32 256
I 3 10 12 36 120 9 100 30 144
J 9 3 15 135 45 81 9 27 225
Jumlah 57 60 139 840 817 389 424 297 1983
a. Persamaan Regresi Linier
𝑦 = 𝛼 + 𝛽0 𝑥1 + 𝛽1 𝑥2

Penyelesaian :
= 13,9 - 1,10 . 5,7 - 0,51 . 6 = 4,57

= 139 / 10 = 13,9 = 57 / 10 = 5,7 = 60 / 10 = 6

b. = 4,57 + 1,10 . 10 + 0,51 . 9 = 20,16