Nelly Yulia (201931100)

Kecerdasan Buatan (F2)

Pengertian Heuristik

Secara harfiah, heuristik diambil dari bahasa Yunani yakni dari kata heuriskein yang
artinya menemukan. Heuristik secara umum diartikan sebagai seni atau sebuah ilmu
pengetahuan yang berhubungan dengan sebuah penemuan baru atau sebuah solusi untuk
memecahkan suatu masalah. Dalam sumber lain, heuristik didefinisikan sebagai cara untuk
menunjukan pemikiran yang dimiliki oleh seseorang untuk bisa memecahkan suatu masalah
agar bisa segera tuntas atau selesai. Dalam ilmu sejarah, heuristik dikenal sebagai salah satu
metode penelitian sejarah.
Jadi, Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses
pencarian, namum dengan kemungkinan mengorbankan kelengkapan(completeness). Fungsi
heuristik digunakan untuk mengevaluasi keadaan-keadaan problema individual dan
menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang
diinginkan.

Jenis-jenis heuristic search, antara lain:

1. Generate and test

Pada prinsipnya metode ini merupakan penggabungan antara pencarian
mendalam pertama (depth-first search) dengan pelacakan mundur (backtracking),
yaitu bergerak ke belakang menuju pada suatu keadaan awal. Nilai pengujian
berupa jawaban ‘ya’ atau ‘tidak’. Generate and test adalah teknik penyelesaian masalah
dengan cara menyusun daftar penyelesaian yang mungkin dan menguji satu per satu
untuk menentukan solusi yang tepat.

Contoh generate and test

Contoh penerapan teknik generate and test adalah pada traveling salesman problem
(TSP). Masalah pada traveling salesman problem digambarkan sebagai masalah dimana
seorang salesman ingin mengunjungi kota. Jarak antara tiap-tiap kota diketahui dan
masalah yang timbul adalah bagaimana menentukan rute terpendek dimana setiap kota
hanya boleh dikunjungi tepat 1 kali dan Aplikasi penentuan kalimat bahasa arab pada
jumlah ismiyah.

2. Hill climbing
Metode Hill Climbing hampir sama dengan metode pembangkitan & pengujian
(Generate and Test), hanya saja proses pengujian dilakukan dengan menggunakan
fungsi heuristik. Pembangkitan keadaan berikutnya sangat tergantung pada feedback
dari prosedur pengetesan. Tes yang berupa fungsi heuristik ini akan menunjukkan
seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang
mungkin. Hill Climbing adalah proses pengujian yang dilakukan dengan menggunakan
fungsi heuristik. Pembangkitan keadaan berikutnya sangat tergantung pada feedback
dari prosedur pengetesan. Tes yang berupa fungsi heuristik ini akan menunjukkan
seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang
mungkin. Metode Hill climbing merupakan variasi dari depth-first search. Dengan
metode ini, eksplorasi terhadap keputusan dilakukan dengan cara depth-first search
dengan mencari path yang bertujuan menurunkan cost untuk menuju kepada
goal/keputusan. Yaitu dengan selalu memilih nilai heuristik terkecil. Dalam metode
heuristik Hill Climbing, terdapat dua jenis Hill Climbing yang sedikit berbeda, yakni
Nelly Yulia (201931100)
Kecerdasan Buatan (F2)
Simple Hill Climbing (Hill Climbing sederhana) dan Steepest-Ascent Hill Climbing
(Hill Climbing dengan memilih kemiringan yang paling tajam / curam).
Dua teknik pencarian dan pelacakan, yaitu:
- Pencarian buta (blind search)
▪ Pencarian melebar pertama (Breadth – First Search)
▪ Pencarian mendalam pertama (Depth – First Search)
- Pencarian terbimbing (heuristic search)
▪ Pendakian Bukit (Hill Climbing)
▪ Pencarian Terbaik Pertama (Best First Search)
Contoh penerepannya: Aplikasi mencari rute terpendek pada standalone robot mobil,
Sistem pakar deteksi kerusakan handphone, Sistem Pakar Diagnosa Penyakit Ginjal
Menggunakan Metode Hill Climbing, dan lainnya.

3. Pencarian terbaik pertama (best-first search)

Best-First Search merupakan sebuah metode yang membangkitkan simpul dari
simpulsebelumnya. Best-first search memilih simpul baru yang memiliki biaya terkecil
diantara semua leaf nodes (simpul-simpul pada level terdalam) yang pernah
dibangkitkan. Penentuan simpulterbaik dilakukan dengan menggunakan sebuah fungsi
yang disebut fungsi evaluasi f(n). Fungsi evaluasi best-first search dapat berupa biaya
perkiraan dari suatu simpul menuju ke goal atau gabungan antara biaya sebenarnya dan
biaya perkiraan tersebut. Pada setiap langkah proses pencarian terbaik pertama, kita
memilih node-node denganmenerapkan fungsi heuristik yang memadai pada setiap
node/simpul yang kita pilih denganmenggunakan aturan-aturan tertentu untuk
menghasilkan penggantinya.
• Semua node pada level n akan dikunjungi terlebih dahulu sebelum level n+1
• Mulai dari akar terus ke level 1 dari kiri ke kanan
• Kemudian ke level selanjutnya hingga solusi ditemukan
▪ Keuntungan
o Tidak akan menemui jalan buntu
o Menjamin ditemukannya solusi (jika solusinya memang ada) dan solusi yang
ditemukan pasti yang paling baik
o Jika ada satu solusi maka bread-first search akan menemukannya

▪ Kelemahannya
o Membutuhkan memori yang cukup banyak
o Membutuhkan waktu yang cukup lama

4. Reduksi masalah (problem reduction)

Problem reduction atau yang biasa dikenal dengan constraint, intinya adalah berusaha
mengurangi masalah dengan harapan masalah yang bersangkutan menjadi lebih mudah
diselesaikan. Sekarang ini sudah diketahui teknik konsistensi ini sangat penting dalam
penyelesaian constraint satisfactionproblem yang sangat berat sehingga semua aplikasi
komersial penyelesaian constraint satisfactionproblem menggunakan teknik
konsistensi ini sebagai langkah dasar. Sejarah konsistensi constraint dapat ditlusuri dari
peningkatan efisiensi program pengenalan gambar oleh peneliti di intelejensi semu.
Pegenalan gambar melibatkan pemberian label kepada semua garis pada gambar
dengan cara yang konsisten. Jumlah kombinasi pemberian label pada garis yang
memungkinkan dapat menjadi sangat besar, sementara hanya sedikit yang konsisten
pada tahap awal.
Nelly Yulia (201931100)
Kecerdasan Buatan (F2)
Dengan demikian memperpendek pencarian untuk pembeian nilai yang
konsisten.Untuk mengilustrasikan teknik konsistensi ini akan diberikan sebuah contoh
constraint satisfaction problem yang sangat sederhana.

5. Constraint satisfaction
Constraint Satisfaction Problem adalah permasalahan yang tujuannya adalah
mendapatkan suatu kombinasi variabel-variabel tertentu yang memenuhi aturan-aturan
(constraints) tertentu. CSP adalah suatu permasalahan seseorang yang harus mencari
nilai untuk set variabel (finite) yang memenuhi set constraint (finite). Komponen -
komponen yang tedapat pada CSP :
• Variabel : merupakan penampung yang dapat diisi dengan nilai tertentu.
• Constraint : sesuatu aturan ditentukan untuk mengatur nilai boleh diisikan pada
variabel
• Domain : kumpulan nilaiyang legal dapat diisi ke variabel Cryptarithmatic
merupakan penyelesaian mathematic puzzle, dimana digit diganti dengan huruf
alfabet atau symbol lain sesuai yang diinginkan.

Backtracking adalah algoritma berbasis DFS (Depth First Search) untuk mencari solusi
tepat. Dalam metode ini tidak perlu memeriksa semua kemungkinan atau solusi yang
ada, hanya pencarian yang mendekati solusi sajayang diperiksa.
Contoh penerapannya: Aplikasi untuk penjadwalan seperti penjadwalan mata kuliah
dan sejenisnya.

6. Means-end-analysis
MEA adalah strategi penyelesaian masalah yang diperkenalkan pertama kali dalam
GPS (General Problem Solver) [Newell & Simon, 1963].
• Proses pencarian berdasarkan ruang masalah yang menggabungkan aspek penalaran
forward dan backward
• Perbedaan antara state current dan goal digunakan untuk mengusulkan operator
yang mengurangi perbedaan itu
• Keterhubungan antara operator dan perbedaan tersebut disajikan sebagai
pengetahuan dalam sistem (pada GPS dikenal dengan Table of Connections) atau
mungkin ditentukan sampai beberapa pemeriksaan operator jika Tindakan operator
dapat dipenetrasi
• Contoh OPERATOR first-order predicate calculus dan operator 2 tertentu
mengijinkan perbedaan korelasi task-independent terhadap operator yang
menguranginya
• Kapan pengetahuan ada tersedia mengenai pentingnya perbedaan, perbedaan yang
paling utama terpilih pertama lebih lanjut meningkatkan rata-rata capaian dari MEA
diatas strategi pencarian Brute-Force
• Bagaimanapun, bahkan tanpa pemesanan dari perbedaan menurut arti penting,
MEA meningkatkan metode pencarian heuristic lain (dirata-rata kasus) dengan
pemusatan pemecahan masalah pada perbedaan yang nyata antara current state
dengan goal-nya.
Contoh penerapannya: Software algebrator terhadap kemampuan pemecah masalah
matematis peserta didik.