MASALAH, RUANG KEADAAN &

PENCARIAN
Pokok Bahasan

Mendefinisikan Masalah dalam Ruang Keadaan

Representasi Ruang Keadaan
Metode Pencarian & Pelacakan
Artificial Intelligence
ARTIFICIAL INTELLIGENCE

Input: Output:
MASALAH SOLUSI
Knowledge Inference
Base Engine
Permainan Catur
Keadaan awal :
 Aturan-aturan untuk melakukan gerakan
secara legal
IF
Bidak putih pada Kotak(e,2),
And Kotak(E,3) Kosong,
And Kotak(E,4) Kosong
Then
Gerakkan bidak dari (E,2) ke (E,4)
 Tujuan yang ingin dicapai adalah posisi pada papan
catur yang menunjukkan kemenangan seseorang
terhadap lawannya.
Kemenangan ini ditandai dengan posisi Raja yang sudah
tidak dapat bergerak lagi.
Ruang Keadaan

suatu ruang yang berisi semua keadaan yang

mungkin
Penyelesaian masalah secara umum

Mendefinisikan suatu ruang keadaan;

Menetapkan satu atau lebih keadaan awal;
Menetapkan satu atau lebih tujuan;
Menetapkan kumpulan aturan.
Representasi Ruang Keadaan

Graph Keadaan
Pohon Pelacakan
Pohon AND/OR
Kasus
Graph Keadaan

A 3 4 F 1 G
B
4 E
6 7
2
M C T
8 H 6
5 3
I J
4
D 2
 Lintasan dari M ke T:
M-A-B-C-E-T
M-A-B-C-E-H-T
M-D-C-E-T
M-D-C-E-H-T
Lintasan yang menemui jalan buntu (tidak
sampai ke T):
M-A-B-C-E-F-G
M-A-B-C-E-I-J
M-D-C-E-F-G
M-D-C-E-I-J
M-D-I-J
Pohon Pelacakan
M Level-0

A D Level-1

B I C Level-2

C J E Level-3
Buntu
E F I H T Level-4
Tujuan
F I H T G J T Level-5
Buntu Buntu
Tujuan
Tujuan
G J T Level-6
Buntu Buntu
Tujuan
Pohon AND/OR

M M

arc yang terletak

A B C A antara busur B C
berarti AND

(a) (b)
 M Level-0

A B C E D C E Level-1

H T T H T T Level-2
Contoh: Masalah Teko Air
Ada 2 buah teko masing-masing berkapasitas 4 galon (teko A) dan 3
galon (teko B).
Tidak ada tanda yang menunjukkan batas ukuran pada kedua teko
tersebut.
Ada sebuah pompa air yang akan digunakan untuk mengisikan air pada
kedua teko tersebut.
Permasalahannya: Bagaimanakah kita dapat mengisikan tepat 2 galon
air ke dalam teko yang berkapasitas 4 galon?

Air
tak terbatas
4 galon
(teko A) 3 galon
(teko B)
Penyelesaian
Identifikasi ruang keadaan:
Permasalahan ini dapat direpresentasikan dengan 2
bilangan integer, yaitu x dan y:
x = air yang diisikan pada teko 4 galon (teko A);
y = air yang diisikan pada teko 3 galon (teko B);
Ruang keadaan: (x,y) sedemikian hingga x{0,1,2,3,4} dan
y{0,1,2,3}.
Keadaan awal & tujuan:
Keadaan awal, kedua teko dalam keadaan kosong: (0,0);
Tujuan, keadaan dimana pada teko 4 galon berisi tepat 2
galon air: (2,n) untuk sembarang n.
Keadaan Awal Tujuan

(0,0) (1,0) (2,0) (3,0) (4,0)

(0,1) (1,1) (2,1) (3,1) (4,1)

(0,2) (1,2) (2,2) (3,2) (4,2)

(0,3) (1,3) (2,3) (3,3) (4,3)

 Aturan-aturan
Aturan
Jika Maka
ke-
1. (x,y) (4,y)
x<4 Isi teko A.
2. (x,y) (x,3)
y<3 Isi teko B.
3. (x,y) (x-d,y)
x>0 Tuangkan sebagian air keluar dari teko A.
4. (x,y) (x,y-d)
y>0 Tuangkan sebagian air keluar dari teko B.
5. (x,y) (0,y)
x>0 Kosongkan teko A dengan membuang airnya
ke tanah.
6. (x,y) (x,0)
y>0 Kosongkan teko B dengan membuang airnya
ke tanah.
7. (x,y) (4,y-(4-x))
x+y 4 dan y > 0 Tuangkan air dari teko B ke teko A
sampai teko A penuh.
8. (x,y) (x-(3-y),3)
x+y 3 dan x > 0 Tuangkan air dari teko A ke teko B
sampai teko B penuh.
9. (x,y) (x+y,0)
x+y 4 dan y > 0 Tuangkan seluruh air dari teko B ke
teko A.
10. (x,y) (0,x+y)
x+y 3 dan x > 0 Tuangkan seluruh air dari teko A ke
teko B.
11. (0,2) (2,0)
Tuangkan 2 galon air dari teko B ke
teko A.
12. (2,y) (0,y)
Kosongkan 2 galon air di teko A
dengan membuang airnya ke tanah.
 Representasi ruang keadaan dengan pohon
pelacakan.

(0,0)

(4,0) (0,3)

(4,3) (0,0) (1,3) (4,3) (0,0) (3,0)

 Salah satu solusi:

Isi Teko A Isi Teko B Aturan yang

(gallon) (gallon) dipakai

0 0 2

0 3 9

3 0 2

3 3 7

4 2 5

0 2 9

2 0 solusi
Contoh: Petani, Sayur, dan Kambing

Seorang petani akan menyeberangkan seekor

kambing, seekor serigala, dan sayur-sayuran
dengan sebuah boat yang melalui sungai.
Boat hanya bisa memuat petani dan satu
penumpang yang lain (kambing, serigala atau
sayur-sayuran).
Jika ditinggalkan oleh petani tersebut, maka
sayur-sayuran akan dimakan oleh kambing, dan
kambing akan dimakan oleh serigala.
Penyelesaian
Identifikasi ruang keadaan
Permasalahan ini dapat dilambangkan dengan
(JumlahKambing, JumlahSerigala, JumlahSayuran,
JumlahBoat).
Sebagai contoh: Daerah asal (0,1,1,1) berarti pada daerah
asal tidak ada kambing, ada serigala, ada sayuran, dan
ada boat.
Keadaan Awal
Daerah asal: (1,1,1,1)
Daerah seberang: (0,0,0,0)
Tujuan
Daerah asal: (0,0,0,0)
Daerah seberang: (1,1,1,1)
 Aturan-aturan

Aturan
Aturan
ke-
1. Kambing menyeberang
2. Sayuran menyeberang
3. Serigala menyeberang
4. Kambing kembali
5. Sayuran kembali
6. Serigala kembali
7. Boat kembali
 Salah satu solusi:

Daerah Aturan yang

Daerah Asal
Seberang dipakai
(1,1,1,1) (0,0,0,0) 1

(0,1,1,0) (1,0,0,1) 7

(0,1,1,1) (1,0,0,0) 3

(0,0,1,0) (1,1,0,1) 4

(1,0,1,1) (0,1,0,0) 2

(1,0,0,0) (0,1,1,1) 7

(1,0,0,1) (0,1,1,0) 1

(0,0,0,0) (1,1,1,1) solusi

Metode Pencarian & pelacakan
Pencarian Buta (Blind Search)
Breadth-First Search
Depth-First Search
Pencarian Terbimbing (Heuristics Search)
Generate & Test
Hill Climbing
Best-First Search
Tabu Search
Simulated Annealing
Breadth-First Search

Pada metode Breadth-First Search, semua node

pada level n akan dikunjungi terlebih dahulu
sebelum mengunjungi node-node pada level
n+1.
Pencarian dimulai dari node akar terus ke level
ke-1 dari kiri ke kanan, kemudian berpindah ke
level berikutnya demikian pula dari kiri ke kanan
hingga ditemukannya solusi
 A

B C D

E F G H I J K L M
 Keuntungan:
Tidak akan menemui jalan buntu.
Jika ada satu solusi, maka breadth-first search
akan menemukannya. Dan jika ada lebih dari satu
solusi, maka solusi minimum akan ditemukan.
Kelemahan:
Membutuhkan memori yang cukup banyak,
karena menyimpan semua node dalam satu
pohon.
Membutuhkan waktu yang cukup lama, karena
akan menguji n level untuk mendapatkan solusi
pada level yang ke-(n+1)
Depth-First Search

Pada Depth-First Search, proses pencarian

akan dilakukan pada semua anaknya sebelum
dilakukan pencarian ke node-node yang selevel.
Pencarian dimulai dari node akar ke level yang
lebih tinggi. Proses ini diulangi terus hingga
ditemukannya solusi
 A

C
 Keuntungan
Membutuhkan memori yang relatif kecil, karena
hanya node-node pada lintasan yang aktif saja
yang disimpan.
Secara kebetulan, metode depth-first search akan
menemukan solusi tanpa harus menguji labih
banyak lagi dalam ruang keadaan.
Kelemahan
Memungkinkan tidak ditemukannya tujuan yang
diharapkan.
Hanya akan mendapatkan 1 solusi pada setiap
pencarian.
Pencarian Heuristik
Kasus 8-puzzle

Keadaan Awal Tujuan

1 2 3 1 2 3

7 8 4 8 4

6 5 7 6 5
 Operator
Ubin kosong geser ke kanan
Ubin kosong geser ke kiri
Ubin kosong geser ke atas
Ubin kosong geser ke bawah
Langkah awal
Tujuan
1 2 3 1 2 3
8 4 7 8 4
7 6 5 6 5
kiri atas
kanan

1 2 3 1 2 3 1 2 3
7 8 4 7 8 4 7 4
6 5 6 5 6 8 5
Nilai heuristik
Untuk jumlah ubin yang menempati posisi yang
benar jumlah yang lebih tinggi adalah yang lebih
diharapkan (lebih baik)
Tujuan
1 2 3 1 2 3
8 4 7 8 4
7 6 5 6 5
kiri atas
kanan

1 2 3 1 2 3 1 2 3
7 8 4 7 8 4 7 4
6 5 6 5 6 8 5
h=6 h=4 h=5
 Untuk jumlah ubin yang menempati posisi yang
salah jumlah yang lebih kecil adalah yang
diharapkan (lebih baik).
Tujuan
1 2 3 1 2 3
8 4 7 8 4
7 6 5 6 5
kiri atas
kanan

1 2 3 1 2 3 1 2 3
7 8 4 7 8 4 7 4
6 5 6 5 6 8 5
h=2 h=4 h=3
 Menghitung total gerakan yang diperlukan untuk
mencapai tujuan jumlah yang lebih kecil adalah
yang diharapkan (lebih baik).
Tujuan
1 2 3 1 2 3
8 4 7 8 4
7 6 5 6 5
kiri atas
kanan

1 2 3 1 2 3 1 2 3
7 8 4 7 8 4 7 4
6 5 6 5 6 8 5
h=2 h=4 h=4
Generate & Test
Pada prinsipnya metode ini merupakan penggabungan antara
depth-first search dengan pelacakan mundur (backtracking),
yaitu bergerak ke belakang menuju pada suatu keadaan awal.
Algoritma:
1. Bangkitkan suatu kemungkinan solusi (membangkitkan
suatu titik tertentu atau lintasan tertentu dari keadaan
awal).
2. Uji untuk melihat apakah node tersebut benar-benar
merupakan solusinya dengan cara membandingkan node
tersebut atau node akhir dari suatu lintasan yang dipilih
dengan kumpulan tujuan yang diharapkan.
3. Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali
langkah yang pertama.
Kasus: Traveling Salesman Problem (TSP).

Seorang salesman ingin mengunjungi n kota. Jarak

antara tiap-tiap kota sudah diketahui. Ingin diketahui rute
terpendek dimana setiap kota hanya boleh dikunjungi
tepat 1 kali.

A 8 B

3 4
7 5

D 6 C
 Generate & test akan membangkitkan semua solusi
yang mungkin:
A B C D
A B D C

A C B D

A C D B, dll

A B C D

B C D

C D B D C B

D C D B B C
 Alur pencarian

Panjang
Pencarian Panjang
Lintasan Lintasan terpilih Lintasan
ke- Lintasan
terpilih
1. ABCD 19 ABCD 19
2. ABDC 18 ABDC 18
3. ACBD 12 ACBD 12
4. ACDB 13 ACBD 12
5. ADBC 16 ACBD 12
6. ADCB 18 ACBD 12
7. BACD 17 ACBD 12
8. BADC 21 ACBD 12
9. BCAD 15 ACBD 12
10. BCDA 18 ACBD 12
11. BDAC 14 ACBD 12
12. BDCA 13 ACBD 12
 Panjang
Pencarian Panjang
Lintasan Lintasan terpilih Lintasan
ke- Lintasan
terpilih
13. CABD 15 ACBD 12
14. CADB 14 ACBD 12
15. CBAD 20 ACBD 12
16. CBDA 16 ACBD 12
17. CDAB 21 ACBD 12
18. CDBA 18 ACBD 12
19. DABC 20 ACBD 12
20. DACD 15 ACBD 12
21. DBAC 15 ACBD 12
22. DBCA 12 ACBD atau DBCA 12
23. DCAB 17 ACBD atau DBCA 12
24. DCBA 19 ACBD atau DBCA 12
 Salah satu kelemahan dari metode generate & test
ini adalah perlu membangkitkan semua
kemungkinan sebelum dilakukan pengujian,
sehingga membutuhkan waktu yang cukup besar
dalam pencariannya.
Pendakian Bukit (Hill Climbing)

Metode ini hampir sama dengan metode

pembangkitan & pengujian, hanya saja proses
pengujian dilakukan dengan menggunakan fungsi
heuristik.
Pembangkitan keadaan berikutnya sangat
tergantung pada feedback dari prosedur
pengetesan.
Tes yang berupa fungsi heuristic ini akan
menunjukkan seberapa baiknya nilai terkaan yang
diambil terhadap keadaan-keadaan lainnya yang
mungkin.
Simple Hill Climbing
Algoritma
Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan,
maka berhenti; dan jika tidak, lanjutkan dengan keadaan sekarang
sebagai keadaan awal.
Kerjakan langkah-langkah berikut sampai solusinya ditemukan, atau
sampai tidak ada operator baru yang akan diaplikasikan pada
keadaan sekarang:
Cari operator yang belum pernah digunakan; gunakan operator ini untuk
mendapatkan keadaan yang baru.
Evaluasi keadaan baru tersebut.
Jika keadaan baru merupakan tujuan, keluar.
Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang,
maka jadikan keadaan baru tersebut menjadi keadaan sekarang.
Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka
lanjutkan iterasi.
Kasus: TSP
Operator Tukar kota ke-i dengan kota ke-j (Tk i,j)
Untuk 4 kota:
Tk 1,2 : tukar kota ke-1 dengan kota ke-2.
Tk 1,3 : tukar kota ke-1 dengan kota ke-3.
Tk 1,4 : tukar kota ke-1 dengan kota ke-4.
Tk 2,3 : tukar kota ke-2 dengan kota ke-3.
Tk 2,4 : tukar kota ke-2 dengan kota ke-4.
Tk 3,4 : tukar kota ke-3 dengan kota ke-4.
Untuk N kota, akan ada operator sebanyak:
N!
2!( N 2)!
 (19) ABCD
Tk 1,2 Tk 1,3
Tk 2,3 Tk 3,4 Tk 4,1 Tk 2,4
(17) BACD ACBD ABDC DBCA ABDC CBAD
Tk 1,2
Tk 4,1
(15) Tk 2,3 Tk 3,4 Tk 2,4 Tk 1,3
ABCD BCAD BADC DACB BDCA CABD

Tk 1,2 Tk 2,3 Tk 3,4 Tk 4,1 Tk 1,3

Tk 2,4
(20) (18) (19) (14)
CBAD BACD BCDA DCAB BDAC ACBD

Tk 1,2 Tk 2,3 Tk 3,4 Tk 4,1 Tk 2,4 Tk 1,3

(15) (21) (13)
DBAC BADC BDCA CDAB BCAD ADBC

Tk 1,2 Tk 2,3 Tk 3,4 Tk 4,1 Tk 2,4 Tk 1,3

(12)
DBCA BCDA BDAC BDAC CBAD ADCB

Tk 1,2 Tk 2,3 Tk 3,4 Tk 4,1 Tk 1,3

Tk 2,4
(19) (15) (13) (15) (16)
BDCA DCBA DBAC ACDB DACB CBDA
 Apabila hanya digunakan 4 operator saja:

(19) ABCD

Tk 1,2
Tk 3,4 Tk 4,1
Tk 2,3
(17) BACD ACBD ABDC DBCA

Tk 3,4
Tk 1,2 Tk 2,3
Tk 4,1
(15)
ABCD BCAD BADC DACB

Tk 3,4
Tk 1,2 Tk 2,3
(17) Tk 4,1 (17)
(20) (18)
CBAD BACD BCDA DCAB
 Pada simple hill climbing, ada 3 masalah
yang mungkin:
Algoritma akan berhenti kalau mencapai nilai
optimum local.
Urutan penggunaan operator akan sangat
berprngaruh pada penemuan solusi.
Tidak diijinkan untuk melihat satupun langkah
sebelumnya.
Steepest Ascent Hill Climbing
Steepest-ascent hill climbing sebenarnya hampir sama
dengan simple hill climbing, hanya saja gerakan
pencarian tidak dimulai dari posisi paling kiri.
Gerakan selanjutnya dicari berdasarkan nilai heuristik
terbaik.
Dalam hal ini urutan penggunaan operator tidak
menentukan penemuan solusi.
 Algoritma
Mulai dari keadaan awal, lakukan pengujian: jika
merupakan tujuan, maka berhenti; dan jika tidak, lanjutkan
dengan keadaan sekarang sebagai keadaan awal.
Kerjakan hingga tujuan tercapai atau hingga iterasi tidak
memberikan perubahan pada keadaan sekarang.
Tentukan SUCC sebagai nilai heuristic terbaik dari
successor-successor.
Kerjakan untuk tiap operator yang digunakan oleh
keadaan sekarang:
Gunakan operator tersebut dan bentuk keadaan baru.
Evaluasi keadaan baru tersebut. Jika merupakan tujuan,
keluar. Jika bukan, bandingkan nilai heuristiknya dengan
SUCC. Jika lebih baik, jadikan nilai heuristic keadaan baru
tersebut sebagai SUCC. Namun jika tidak lebih baik, nilai
SUCC tidak berubah.
Jika SUCC lebih baik daripada nilai heuristic keadaan
sekarang, ubah node SUCC menjadi keadaan sekarang.
Kasus: TSP

(19) ABCD
Tk 1,2 Tk 1,3
Tk 2,3 Tk Tk Tk 2,4
(17) (12) (18) 3,4 4,1 (12) (18) (20)
BACD ACBD ABDC DBCA ADCB CBAD

Tk 1,2 Tk Tk Tk 2,4 Tk 1,3

(15) Tk 2,3(13) 3,4 4,1(19)
(19) (16) (15)
CABD ABCD ACDB DCBA ADBC BCAD
 Pada steepest-ascent hill climbing ini, ada 3
masalah yang mungkin, yaitu:
Local optimum: keadaan semua tetangga lebih
buruk atau sama dengan keadaan dirinya.
Plateau: keadaan semua tetangga sama dengan
keadaan dirinya.
Ridge: local optimum yang lebih disebabkan
karena ketidakmampuan untuk menggunakan 2
operator sekaligus.