Untuk mengukur performansi metode pencarian, terdapat 4

kriteria yang digunakan :

• Completeness
Apakah metode tersebut menjamin penemuan solusi jika
solusinya memang ada?
§ Time complexity
Berapa lama waktu yang diperlukan ?
§ Space complexity
Berapa banyak memori yang diperlukan ?
§ Optimality
Apakah metode tersebut menjamin menemukan solusi yang
terbaik jika terdapat beberapa solusi yang berbeda ?

“Heuristik memanfaatkan “knowledge” tambahan tentang
masalah yang membantu pencarian langsung ke jalur
yang lebih menjanjikan”
kata heuristik diartikan sebagai sutu fungsi yang
memberikan suatu nilai berupa biaya perkiraan (estimasi)
dari suatu solusi.
1. Best First Search (Pencarian Terbaik Pertama)
2. Greedy Best First Search
3. A*
4. Hill Climbing (Pendakian Bukit)
5. Generate and Test (Pembangkit dan Pengujian)
6. dan masih banyak lagi.....
• Fungsi Heuristik untuk mengarahkan
pencarian ke lintasan yang
menjanjikan
• Wa kt u ya n g d i h a b i s ka n u nt u k
menghitung fungsi heuristik akan
mendapatkan pencarian yang lebih
baik
• Fungsi heuristik dapat menyelesaikan
permasalahan, dapat mengarahkan
pencarian menuju ke node tujuan
• Menentukan node mana yang akan
diperluas disebut meta-reasoning
• Heuristik mungkin tidak selalu terlihat
seperti angka dan mungkin melibatkan
sejumlah besar knowledge
Best First Search
“Teknik pencarian yang akan memilih node (state) terbaik untuk langkah berikutnya.
Node terbaik akan dipilih berdasarkan fungsi f(n)”

Algoritma yang menggunakan Best First Search adalah:

1. Greedy Best First Search : algoritma best-first yang paling sederhana dengan
hanya memperhitungkan biaya perkiraan (estimated cost) saja, yakni f(n) = h(n)

2. A* : algoritma best-first search yang menggabungkan Uniform Cost Search dan

Greedy Best-First Search. Dalam notasi matematika dituliskan sebagai

f(n)= g(n) + h(n)

Notes: Kedua teknik tsb pada dasarnya sama, yang membedakan hanya fungsi f(n) untuk
mendapatkan Node terbaiknya saja.
 Contoh Best First Search
Kelebihan
• Butuh memori kecil
• Menemukan solusi tanpa harus menguji lebih
banyak lagi

Kelemahan
• Mungkin terjebak pada local optima

Notes:
1. Tentukan Node Awal dan Goal
2. Pilih jalan terbaik / yg memiliki Node terkecil
3. Jadikan Induk, lalu pilih kembali node yang paling
kecil dari induk yg terbaru.
4. Bandingkan dengan Node level di atasnya mana
yang lebih kecil
5. Jika Level sebelumnya lebih kecil, maka boleh
kembali ke level sebelumnya. Jika tidak ada yang lebih
kecil, maka lanjut. Dst, sampai ke Goal.
• Mirip dengan Depth First Search,
hanya saja pemilihan node anak 2 Jenis Hill Climbing:
disertai dengan aturan 1. Simple Hill Climbing
• Rule: yang paling kecil jaraknya 2. Steepest Ascent Hill Climbing

Kelebihan
SIMPLE HILL CLIMBING
• Butuh memori kecil
• Menemukan solusi tanpa harus menguji
lebih banyak lagi

Kelemahan
• Mungkin terjebak pada local optima
• Perlu menentukan aturan yang tepat
Notes:
1. Kalo ada Node yg jumlah
nya sama di Level yang sama
atau bahkan lebih kecil dari
node paling kiri, maka yg
dipilih Jarak Terkecil dari
Induknya yang berada
disebelah kiri terlebih dahulu
Sangat Mudah Bukan?
BUKAAAAANNNNNNN ~
Steepest Ascent Hill Climbing
Notes:
1. Tidak selalu dimulai dari kiri,
pokoknya ambil yang paling kecil
gaes
2. Kalo ketemu 2 node dgn jumlah yg
sama, pilih salah satu. ‘Terserah’ mau
pilih yg mana ~
 Generate And Test

> Pe n g ga b u n ga n a n ta ra D FS d e n ga n p e l a c a ka n Algoritma Generate and Test:

Backtracking (bergerak ke belakang menuju ke awal) 1. Bangkitkan sebuah solusi yang mungkin
2. Menguji tiap-tiap node yang merupakan solusi
> merupakan algoritma paling sederhana dalam teknik
dengan cara membandingkan node tersebut
pencarian heuristik. Dalam Generate and Test, terdapat
dengan node akhir dari suatu lintasan yang dipilih
dua prosedur penting yaitu generate (membangkitkan)
dengan kumpulan tujuan yang diharapkan.
yaitu membangkitkan semua solusi yang mungkin dan
3. Jika solusi telah ditemukan, maka keluar dari
test (pengetesan) yaitu menguji solusi yang dibangkitkan
sistem. Jika belum menemukan solusi, maka
tersebut.
kembali ke langkah 1.
Generate And Test
 Cuma ngereview aja ga usah di sepanengin. aku yakin kamu bisa!

Pokoknya apalin kata kunci dibawah ini aja yaaa,

yg laen gausah, nanti kamu pusing :(

teknik pencarian ini tidak memiliki

informasi tambahan mengenai
kondisi diluar dari yang disediakan
oleh definisi masalah.
Breadth First Search (BFS)

• Pencarian dengan Breadth First

Search menggunakan teknik
dimana langkah pertamanya
adalah root node diekspansi,
setelah itu dilanjutkan semua
successor dari root node juga di-
expand. Hal ini terus dilakukan
berulang-ulang hingga leaf (node
pada level paling bawah yang
sudah tidak mempunyai
successor lagi).
Depth First Search
• Teknik pencarian dengan Depth
F i rst S e a rc h a d a l a h d e n ga n
melakukan ekspansi menuju
node yang paling dalam pada
tree. Node paling dalam
dicirikan dengan tidak adanya
successor dari node itu. Setelah
node itu selesai diekspansi,
maka node tersebut akan
ditinggalkan, dan dilakukan ke
node paling dalam lainnya yang
masih memiliki successor yang
belum diekspansi.
Iterative deepening search
merupakan sebuah strategi umum
yang biasanya dikombinasikan
dengan depth first tree search,
yang akan menemukan berapa
depth limit terbaik untuk
d i g u n a ka n . H a l i n i d i l a ku ka n
dengan secara menambah limit
secara bertahap, mulai dari 0,1, 2,
dan seterusnya sampai goal sudah
ditemukan.
Time Complexity nya lebih tinggi
Ga ngerti ya?
sama saya juga ga ngerti :)
• Pencarian menggunakan DFS akan
berlanjut terus sampai kedalaman
paling terakhir dari tree.
Permasalahan yang muncul pada
DFS adalah ketika proses pencarian
tersebut menemui infinite state
space. Hal ini bisa diatasi dengan
menginisiasikan batas depth pada
level tertentu semenjak awal
pencarian. Sehingga node pada level
depth tersebut akan diperlakukan
seolah-olah mereka tidak memiliki
successor.
Contoh Pencariannya sama kek
DFS, cuma yang DLS pake limit
alias dibatasin.
Misal data nya sampe level 5, kita
mau nyari sampe level 3 aja,
berarti nyarinya cukup sampe di
level ke-3, walaupun di level 3
masih ada anak-anak dibawah nya.
otomatis pencarian nya langsung
ke samping, bukan ke bawah.
 1
Uniform Cost Search melakukan
ekspansi node dengan nilai path
yang paling kecil. Hal ini bisa
dilakukan dengan membuat 2
antrian pada successor yang ada
berdasar kepada nilai path-nya
(node disimpan dalam bentuk
priority queue).
3
4
6 5
7
• P e n c a r i a n d e n g a n m e t o d e Keyword: Pencarian Depan
bidirectional search adalah Belakang, nanti ketemu di tengah
dengan menjalankan dua
pencarian secara simultan, yang
satu dikerjakan secara forward
dari initial state menuju ke goal,
sedangkan yang satu lagi
dikerjakan secara backward
mulai dari goal ke initial state.
Ya n g ke m u d i a n d i h a ra p ka n
bahwa kedua pencarian itu akan
bertemu di tengah-tengah.
 Dah ah mumet, semoga materi nya dapat memberi manfaat
bagi yg membaca ^^. Dan, semoga kita dapet NIPPPK 2023
semua yaah! Semangaaattt >,<

Refrensi:
http://yuliana.lecturer.pens.ac.id/Kecerdasan%20Buatan/ppt/TEORI/Minggu5%20-
%20Algoritma%20Pencarian%20Heuristik.pdf
https://www.youtube.com/watch?v=CShVQ7PbXi8
https://www.youtube.com/watch?v=0588YdF3LiM
https://www.youtube.com/watch?v=MAiTQ7rnS0o
https://www.youtube.com/watch?v=e-WlR04nTI4
https://www.trivusi.web.id/2022/10/apa-itu-algoritma-uniform-cost-search.html
https://socs.binus.ac.id/2013/04/23/uninformed-search-dan-informed-
search/#:~:text=Uninformed%20Search%20sering%20disebut%20juga,yang%20disediak
an%20oleh%20definisi%20masalah.