Tugas Personal Ke-1 Minggu Ke 2: 1. Perhatikan Denah RS. Amelia Kediri Di Bawah Ini
Tugas Personal Ke-1 Minggu Ke 2: 1. Perhatikan Denah RS. Amelia Kediri Di Bawah Ini
Minggu ke 2
a. Ubahlah gambar denah RS. Amelia Kediri menjadi sebuah pohon pencarian dengan
node akar node S pada ruang IGD.
Artificial Intelligence
Dikarenakan ukuran graph terlalu besar maka saya juga menyertakan link file graph
tersebut sebagai berikut ini: https://viewer.diagrams.net/?page-id=kCcJ9--
r_FGMr_Vtfdli&highlight=0000ff&layers=1&nav=1&hide-
pages=1#G1kPmXitLai1B7T1bz7LKsqsRu1AIk375F
b. Berdasarkan pohon pencarian yang sudah Anda buat, carilah jalur pencarian dari node S
(ruang IGD) menuju node G (ruang Donal 3) dengan menggunakan metode Depth First
Search (DFS)
Dengan metode Depth First Search yang selalu melakukan ekspansi node terdalam dari
pohon pencarian. Pencarian dilakukan sampai tingkat terdalam dari pohon pencarian, di
mana node sudah tidak memiliki cabang lagi. Depth-First Search menggunakan antrian
LIFO. Sebuah antrian LIFO berarti bahwa node yang terakhir dipilih untuk dilakukan
ekspansi. (Lecture Notes 01)
Sehingga dengan metode tersebut proses pencarian tersebut menghasilkan graph seperti
berikut ini:
Artificial Intelligence
Dikarenakan ukuran gambar yang sangat besar saya menyertakan link berikut ini untuk
melihat pohon pencarian lebih jelas: https://viewer.diagrams.net/?page-
id=L1NPZQu0ieFmA_fVY4Ey&highlight=0000ff&layers=1&nav=1&page-
id=L1NPZQu0ieFmA_fVY4Ey#G1kPmXitLai1B7T1bz7LKsqsRu1AIk375F
Sehingga dengan metode DFS ini menghasilkan jalur sebagai berikut ini:
IGD > R. Oksigen > Melati 1 – 2 > R.Perawat > Melati 3 – 4 > Flamboyan 1 – 4 >
Parkir Mobil Dokter > Parkir Mobil > Taman > Kantin / Toko > Teratai 6 – 12 >
Artificial Intelligence
Teratai 1 – 5 > Alat – Alat > Donal 1 - 5
c. Dengan menggunakan metode Breadth First Search (BFS), tunjukkan path (jalur
pencarian) dari node C jika dimulai dari node A.
Breadth-First Search adalah strategi sederhana dimana node akar akan diperluas terlebih
dahulu, dan node cabangnya akan dipeluas pada langkah selanjutnya, sampai node pada
cabang terakhir.
selebihnya Path akan diambil berdasarkan cost yang paling kecil dalam kasus ini karena
setiap Lorong Lorong dipenuhi dengan ruangan dan ruangan tersebut direpresentasikan
dalam bentuk node dalam graph ini maka dapat disimpulkan jalan dengan node yang
dilalui paling sedikit adalah jalan yang paling optimal.
Maka jalan / path yang akan digunakan adalah: IGD > R. Bersalin > R. Oksigen >
ICU > Melati 3-4 > Parkir Motor > Emergency Anak > Bobo 1-5 > Tintin >
Taman > Donal 1-5
Dikarenakan ukuran gambar yang sangat besar saya menyertakan link berikut ini untuk
melihat pohon pencarian lebih jelas: https://viewer.diagrams.net/?page-
id=gu3luIKIsrJFH8JLrYO7&highlight=0000ff&layers=1&nav=1&page-
id=gu3luIKIsrJFH8JLrYO7#G1kPmXitLai1B7T1bz7LKsqsRu1AIk375F
Artificial Intelligence
2. Perhatikan pohon pencarian berikut:
h(S) = 10 h(E) = 4
h(A) = 12 h(F) = 6
h(B) = 9 h(G) = 5
h(C) = 8 h(H) = 3
h(D) = 2 h(I) = 0
Kuning = Visited List (Node yang sudah dikunjungi), Node yang sudah dikunjungi
tidak perlu dikunjungi oleh node lain
Merah = Pencarian dihentikan dengan alasan
Hijau = Goal / Finish / Tujuan
Dengan algoritma Uniform Cost Search kita mendapatkan 3 cara dari node S menuju
node I yang optimal:
S–B–D–G–I
S–A–E–H–I
Dengan solusi solusi tersebut maka costnya adalah sebagai berikut ini:
Artificial Intelligence
S – B – D – G – I = 6 + 6 + 3 + 2 = 17
S – A – E – H – I = 5 + 3 + 7 + 2 = 17
Oleh karena itu dihasilkanlah 2 solusi yang optimal karena memiliki cost yang
sama dari node S menuju node I yaitu:
S–B–D–G–I
S–A–E–H–I
b. Greedy
Algoritma Greedy mencari solusi dengan melakukan ekspansi node yang paling dekat
dengan node tujuan. Evaluasi node menggunakan fungsi heuristic f(n) = h(n) (Lecture Notes
01). Oleh karena ini maka untuk Pohon pencarian berikut ini didapatkan hasil :
S – C – D – G - I dengan cost 10 + 2 + 3 + 2 = 17
f(n) = h(S) + h(C) + h(D) + h(G) + h(I)
f(n) = 10 + 8 + 2 + 5 + 0
f(n) = 25
c. A *
f(n) = g(n) + h(n)
Level 1
o S = 0 + 10 = 10
Level 2
o A = 5 + 12 = 17
o B = 6 + 9 = 15
o C = 10 + 8 = 18
Level 3
o D=6+2=8
Artificial Intelligence
o E = 18 + 4 = 12
Level 4
o F = 4 + 6 = 10
o G=3+5=8
Finish
o I=2+5=7
Artificial Intelligence
3. Jika game “word scramble” dan aplikasi “medical diagnosis” dianggap sebagai sebuah
agen cerdas, lengkapilah tabel PEAS (Performance measure, Environment, Actuators,
Sensors) dibawah ini. Beri penjelasan dari setiap atribut yang Anda didefinisikan dalam
tabel
PEAS
Artificial Intelligence
Word Scramble
o Performance Measure: Tersedia huruf yang acak dan pemain harus bisa
menyusun huruf tersebut menjadi sebuah kata. Semakin banyak kata yang
dapat disusun maka kemungkinan memenangkan permainan semakin cepat
o Environment: Pemain, Huruf acak, Device
o Akuator: Jari, Touch Screen
o Sensor: Jari (Device touch screen), Mouse, Keyboard, Mata
Medical Diagnosis
o Performance Measure: Berhasil mendiagnosa penyakit berdasarkan keluhan
pasien, Berhasil memberikan saran perawatan terhadap penyakit pasien,
Berhasil memberikan obat yang tepat terhadap penyakit pasien, dan Berhasil
menyembuhkan pasien.
o Environment: Pasien, Dokter, Perawat, Obat dan Rumah sakit
o Akuator: Sistem mendiagnosa penyakit berdasarkan keluhan yang diberikan
pasien, Dari hasil diagnosa sistem dapat memberikan saran perawatan
terhadap pasien, Dari hasil diagonosa sistem dapat memberikan resep obat
kepada pasien. Semua hal tersebut ditunjukkan dalam sebuah layar monitor
o Sensor: Jika kita asumsikan sistem medical diagnosis didalam sebuah
komputer maka sensornya adalah, keyboard, mouse
Artificial Intelligence