UJIAN TENGAH SEMESTER

KECERDASAN BUATAN

Tugas ini disusun untuk memenuhi ujian tengah semester

mata kuliah Kecerdasan Buatan

Semester 5 Tahun Akademik 2023/2024

Oleh:

Nama : Syauqizaidan Khairan Khalaf

NPM : 217006011

LABORATORIUM INFORMATIKA
PROGRAM STUDI INFORMATIKA
FAKULTAS TEKNIK UNIVERSITAS SILIWANGI
TASIKMALAYA
2023
1. Konsep utama dalam merancang agen cerdas dapat dilakukan dengan model
PEAS (performance, environment, actuators, sensors). Berikut adalah contoh
penerapannya untuk memenuhi tujuan (goal) yang ingin dicapai suatu agen
cerdas:

- Unda Anak Pintar: Agen cerdas dalam bentuk karakter animasi yang dapat
diekspresikan dari setiap langkah pemain. Jika gerakan pemain salah, maka agen
cerdas akan terlihat kecewa dan sebaliknya. Agen cerdas ini menggunakan
model decision tree untuk memandu pemain dalam memainkan permainan
edukasi berbasis bahasa Banjar[1]
- Boni Kids - Borneo Animal Kids: Agen cerdas dalam bentuk game agent yang
akan mendampingi anak bermain layaknya guru. Agen cerdas ini menggunakan
model Finite State Machine (FSM) untuk memberikan ekspresi seperti senang,
sedih, dll., sesuai dengan gaya bermain anak[2]

Untuk melakukan teknik representasi pengetahuan menggunakan metode

inferensi forward chaining dan backward chaining, dapat dijelaskan sebagai
berikut:
- Forward Chaining: Metode inferensi yang dimulai dari fakta-fakta yang diketahui
dan kemudian mencari aturan-aturan yang dapat diterapkan untuk menghasilkan
kesimpulan. Contohnya, pada Unda Anak Pintar[1] jika gerakan pemain salah,
maka agen cerdas akan terlihat kecewa dan sebaliknya
- Backward Chaining: Metode inferensi yang dimulai dari tujuan atau kesimpulan
yang ingin dicapai, kemudian mencari fakta-fakta yang diperlukan untuk
mencapai tujuan tersebut. Contohnya, pada permainan Boni Kids [2] jika ingin
mengetahui apa gaya bermain anak maka anak perlu memainkan game tersebut
dan memberi ekspresi seperti senang, sedih, dll.
2. A. Pencarian Buta (Blind/Uninformed Search)
Teknik Pencarian: Breadth-First Search (BFS)

Alasan Pemilihan:
- Optimalitas: BFS memiliki sifat optimal untuk pencarian lintasan
terpendek pada grafik yang tidak memiliki bobot negatif.
- Struktur Ruang Keadaan: BFS menjelajahi semua simpul pada
kedalaman
o yang sama sebelum melanjutkan ke kedalaman berikutnya,
sehingga cocok
o untuk masalah pengelolaan tugas rumah tangga di mana beberapa
tugas
o dapat dilakukan secara bersamaan.
o Bukti Penerapan:
- Misalkan ruang keadaan mewakili konfigurasi tugas rumah tangga
yang
o berbeda, dengan simpul-simpul sebagai konfigurasi tugas rumah
tangga
o yang berbeda dan tepi-tipe sebagai aksi yang dapat diambil untuk
mengubah
o satu konfigurasi menjadi konfigurasi lainnya.
- Implementasi BFS dapat menemukan solusi dengan memeriksa semua
o konfigurasi pada kedalaman yang sama sebelum melanjutkan ke
kedalaman
o berikutnya, sehingga menemukan solusi dengan jarak minimum
dari
o keadaan awal ke keadaan tujuan.

B. Teknik Heuristik (Informed Search)

Untuk memecahkan masalah pengelolaan tugas rumah tangga dengan
menggunakan teknik pencarian heuristik (informed search), kita dapat
menggunakan algoritma pencarian A* dengan heuristik yang relevan.
Dalam konteks ini, heuristik adalah perkiraan biaya yang tersisa untuk
mencapai goal state (semua tugas selesai). Berikut adalah langkah-langkah
penggunaan algoritma pencarian A* dengan
heuristik untuk masalah pengelolaan tugas rumah tangga:

1. Inisialisasi:
- Mulai dengan keadaan awal, yaitu anggota keluarga memiliki daftar
tugas
rumah tangga yang perlu diselesaikan.
- Buat simpul awal yang mewakili keadaan awal dan tentukan biaya g(n)
awal
(biaya aktual).
2. Buat fungsi heuristik h(n):
- Fungsi heuristik adalah perkiraan biaya yang tersisa untuk mencapai goal
state.
- Heuristik harus adil dan konsisten, artinya heuristik h(n) tidak boleh
melebihi
biaya sebenarnya untuk mencapai goal state.
3. Inisialisasi antrian prioritas:
- Buat antrian prioritas dengan simpul awal sebagai elemen pertama.
 - Prioritas dihitung sebagai f(n) = g(n) + h(n), di mana g(n) adalah biaya
aktual
dan h(n) adalah heuristik.

4. Ekspansi simpul:
- Keluarkan simpul dengan prioritas tertinggi dari antrian prioritas.
- Periksa apakah simpul tersebut mencapai goal state. Jika iya, pencarian
selesai, dan Anda memiliki solusi.

5. Penambahan simpul baru:

- Untuk setiap simpul yang diekspansi, hasilkan semua kemungkinan
tindakan
yang dapat dilakukan.
- Hitung biaya aktual g(n) dan heuristik h(n) untuk setiap tindakan baru.
- Tambahkan tindakan-tindakan baru ke antrian prioritas dengan prioritas
berdasarkan f(n) = g(n) + h(n).

6. Pencarian lanjutan:
- Ulangi langkah-langkah ekspansi dan penambahan simpul baru hingga
mencapai goal state atau tidak ada simpul baru yang dapat diekspansi lagi.

7. Solusi:
- Jika pencarian berhasil, Anda akan memiliki urutan tindakan yang
diperlukan untuk mencapai goal state, yang dapat digunakan sebagai solusi
untuk masalah pengelolaan tugas rumah tangga.

3. Algoritma optimasi meta-heuristik berbasis populasi yang diilhami dari ilmu

biologi dapat digunakan untuk menyelesaikan permasalahan optimasi lintas
domain yang memiliki karakteristik berbeda, seperti optimasi penjadwalan, rute
kendaraan, bin packing, dan lain-lain[3]. Beberapa contoh penerapan kasus nyata
dari algoritma ini antara lain:

- Travelling Salesman Problem: Algoritma Semut digunakan untuk

menemukan jalur paling optimal dari semua probabilitas jalur yang dilalui
semut dengan meninggalkan pheromon dengan jumlah yang lebih banyak
dibanding jalur yang tidak optimal. Contoh penerapannya adalah dalam
kasus perjalanan wisata di negara Singapura[4].

- Optimasi Penempatan Optimal Peralatan SVC: Algoritma Genetika

digunakan untuk menentukan penempatan optimal peralatan SVC pada
sistem kelistrikan untuk menjaga tegangan yang stabil. Contoh
penerapannya adalah dalam penelitian untuk memperbaiki tegangan dalam
kondisi undervoltage atau overvoltage[5].

- Pencarian Rute Terdekat Lokasi Klinik Kesehatan: Algoritma Steepest

Ascent Hill Climbing digunakan untuk mencari rute terdekat klinik
 kesehatan berdasarkan nilai heuristik untuk menetapkan alur yang
terdekat. Contoh penerapannya adalah dalam pembuatan aplikasi berbasis
web untuk mempermudah proses pencarian rute terdekat dari titik awal
pengguna ke klinik kesehatan di Kota Lhokseumawe[6].

- Optimasi Meta Tag dan Mobile Friendly pada Website: Algoritma

optimasi meta-heuristik dapat digunakan untuk meningkatkan Search
Engine Optimization (SEO) pada website dengan mengoptimalkan
penggunaan meta tag dan mobile friendly. Contoh penerapannya adalah
dalam penelitian untuk meningkatkan peringkat pada search engine
Google[7].

- Penyelesaian Permasalahan Optimasi Lintas Domain: Algoritma hyper-

heuristik dapat digunakan untuk menyelesaikan permasalahan optimasi
lintas domain dengan seleksi heuristik berdasarkan Variable
Neighborhood Search. Contoh penerapannya adalah dalam penelitian
untuk menyelesaikan 6 permasalahan optimasi yang berbeda, seperti
satisfiability (SAT), one dimensional bin packing, permutation flow shop,
personnel scheduling, travelling salesman problem (TSP), dan vehicle
routing problem (VRP) [8].

4. Daftar Pernyataan
- Tidak semua mahasiswa informatika mempunyai pacar.
- Tidak semua mahasiswa informatika bisa bahasa pemrograman.
- Syauqi mengikuti organisasi SICODEV.
- Faisal tidak mengikuti organisasi.
- Diaz mengambil kegiatan MBKM.
- Syauqi menguasai Bahasa PHP.
- Faisal mahir Bahasa Golang.
- Diaz menguasai JavaScript.
- Syauqi adalah anggota kelompok.
- Faisal adalah anggota kelompok.
- Diaz adalah anggota kelompok.
- Syauqi, Faisal, dan Diaz kuliah di Universitas Siliwangi dan di Jurusan
Informatika.

Logika Predikat

- ∀x: Informatika(x) → ~MemilikiPacar(x)

- ∀x: Informatika(x) → ~BisaBahasaPemrograman(x)
- Ikut(Syauqi, SICODEV)
- ~Ikut(Faisal, Organisasi)
- MengambilKegiatan(Diaz, MBKM)
- PenguasaanBahasa(Syauqi, PHP)
- PenguasaanBahasa(Faisal, Golang)
- PenguasaanBahasa(Diaz, JavaScript)
- AnggotaKelompok(Syauqi)
- AnggotaKelompok(Faisal)
- AnggotaKelompok(Diaz)
- KuliahDiUniversitas(Syauqi, Siliwangi) ∧ Jurusan(Syauqi, Informatika)
- KuliahDiUniversitas(Faisal, Siliwangi) ∧ Jurusan(Faisal, Informatika)
- KuliahDiUniversitas(Diaz, Siliwangi) ∧ Jurusan(Diaz, Informatika)

5. Referensi yang digunakan adalah sebagai berikut:

[1] Asep Nurhuda, Reza Andrea, Diterbitkan pada 27 Juli 2020 berjudul
PENERAPAN DECISION TREE DALAM AGEN CERDAS "UNDA ANAK
PINTAR" PERMAINAN EDUKASI MUATAN LOKAL BAHASA BANJAR,

https://www.semanticscholar.org/paper/
f3e2f96c7927ee0b0583702dc7d3edbfbe75c997

[2] Reza Andrea, Shinta Palupi, Diterbitkan pada 2018 berjudul Membangun
Edugame “Boni Kids – Borneo Animal Kids” Permainan Match-up dengan
Teknik Pengacakan Shuffle dan Pengembangan Agen Cerdas dengan Model
Finite State Machine (Fsm)

https://www.semanticscholar.org/paper/
063816880fdc51f8503ddcd4fbfc811e2a8c0145

[3] Anang Firdaus, Ahmad Muklakson, Vicha Azthanty Supoyo Diterbitkan pada
21 Oktober 2021 berjudul Perbandingan Metode Penyelesaian Permasalahan
Optimasi Lintas Domain dengan Pendekatan Hyper-Heuristic Menggunakan
AlgoritmaReinforcement-Late Acceptance

https://www.semanticscholar.org/paper/
42601de9967126dc42c142b25b9998196b0e6a68

[4] Andi Supriadi Chan, Lido Sabda Lesmana, Diterbitkan pada 1 Juni 2019
berjudul Optimasi Pencarian Jalur Menggunakan Model Heuristik Algoritma
Semut

https://www.semanticscholar.org/paper/
517dd67d42e25baa95fa97826c062e6f8c5d57a4

[5] Zulfahri Zulfahri, Elvira Zondra, Diterbitkan pada 30 April 2020 berjudul
Optimasi Penempatan Optimal Peralatan SVC Dengan Metode Algoritma
Genetika

https://www.semanticscholar.org/paper/
51cf3dc5fa5d96c8b4fa240754c320b269b3afb4
[6] Eva Darnilla, Risawandi Risawandi, Nursanti Nursanti Diterbitkan pada 26 Juli
2019 berjudul APLIKASI PENCARIAN RUTE TERDEKAT LOKASI KLINIK
KESEHATAN MENGGUNAKAN ALGORITMA STEEPEST ASCENT HILL
CLIMBING

https://www.semanticscholar.org/paper/
f29d9c15a6f210ea78dea16a1e90174213441094

[7] Wahyu Sindu Prasetya Diterbitkan pada 2 Agustus 2021 berjudul Optimasi
Meta Tag dan Mobile Friendly Dalam Meningkatkan Search Engine
Optimization Pada Website E-Brosur

https://www.semanticscholar.org/paper/
30e47f17d4df8c984eb88ea1b9ac6ce6fdd95d40

[8] Arif Djunaidy, Nisa Dewi Angresti, Ahmad Mukhlason Diterbitkan pada 30
Juni 2019 berjudul Hyper-heuristik untuk Penyelesaian Masalah Optimasi Lintas
Domain dengan Seleksi Heuristik berdasarkan Variable Neighborhood Search

https://www.semanticscholar.org/paper/
9bcfe50f3c6d82bad882656d347b0b3099f957b2