3.

TEKNIK PENCARIAN

• Secara garis besar, Pencarian

dibedakan menjadi :
– Uninformed search (blind search).
• Tidak ada informasi mengenai jarak/cost
dari current state ke goal state.
– Informed search.
• Ada informasi mengenai jarak/cost dari
current state ke goal state.
 TEKNIK PENCARIAN
• Teknik-teknik uninformed search antara
lain :
– Breadth-first search (BFS).
– Uniform cost search.
– Depth-first search (DFS).
– Depth-limited search.
– Iterative deepening search (IDS).
– Bidirectional search.

2
 3. TEKNIK PENCARIAN

Untuk mengukur performansi teknik pencarian,

terdapat empat kriteria yang dapat digunakan,
yaitu :
• Completeness: Apakah teknik tersebut
menjamin penemuan solusi jika solusinya
memang ada?
• Time complexity : Berapa lama waktu yang
diperlukan?
• Space complexity : Berapa banyak ruang
memori yang diperlukan?
• Optimality: Apakah teknik tersebut menjamin
menemukan solusi yang terbaik jika terdapat
beberapa solusi yang berbeda?
Bagaimana metoda GPS menemukan Solusi ?

Teknik Pencarian dan Jenisnya

Teknik Pencarian menentukan simpul mana yang dibuat lebih dulu dan
mana yang kemudian sampai ditemukannya simpul solusi
Dari proses search dihasilkan diagram tree, sehingga perlu penjelasan
beberapa terminologi diagram tree seperti berikut :
a
• Simpul
• Level/Cabang
• Path
• Parent
• Child b c d
• Root
• Leave
• Jumlah Ruang Simpul e f
• Langkah solusi (Solusi)
 3. TEKNIK PENCARIAN
A. BREATH FIRST SEARCH

Contoh:
A

B C D

E F G H I J K L M
 3. TEKNIK PENCARIAN

A. BREATH FIRST SEARCH

• Pencarian dilakukan pada semua simpul dalam
setiap level secara berurutan dari kiri ke kanan.
Jika pada satu level belum ditemukan solusi,
maka pencarian akan dilakukan pada level
berikutnya. Demikian seterusnya sampai
ditemukan solusi.

• Dengan cara ini, BFS menjamin ditemukannya

solusi (jika solusinya memang ada) dan solusi
yang ditemukannya paling baik.

• Dengan kata lain, BFS adalah komplit dan

optimal.
 3. TEKNIK PENCARIAN

A. BREATH FIRST SEARCH

• BFS harus menyimpan semua simpul yg
pernah dibangkitkan agar BFS dapat
melakukan penelusuran simpul-simpul
sampai di level bawah.
• Jika b adalah faktor percabangan (jumlah
simpul anak yg dimiliki oleh suatu simpul)
dan d adalah kedalaman solusi, maka
jumlah simpul yg harus disimpan sebanyak
O(bd).
• Misalkan, b = 10 dan d = 8, maka BFS
harus membangkitkan dan menyimpan
sebanyak 100 + 101 + 102+ 103 +104 +105
+106 +107+108 = 111.111.111 simpul.
 3. TEKNIK PENCARIAN

A. BREATH FIRST SEARCH

• Dari segi kecepatan,
hal ini mungkin masih
bisa diterima.
• Dari segi memori, ini
menjadi masalah
karena membutuhkan
ruang memori yg
sangat besar.
 3. TEKNIK PENCARIAN

A. BREATH FIRST SEARCH

• Keuntungan :
– Tidak akan menemui jalan buntu
– Jika ada satu solusi, maka breath first search
akan menemukannya. Jika ada lebih 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).
 3. TEKNIK PENCARIAN

A. BREATH FIRST SEARCH

Contoh : 1

2 3 4

5 6 7 8

9 10 11 12
 3. TEKNIK PENCARIAN

A. BREATH FIRST SEARCH

Algoritma Breath First Search mengunjungi node-node pohon secara melebar,

berawal dari level dengan depth 0 ke depth maximum. Hal ini dapat
dinyatakan dalam suatu antrian.

Prosedur Breath First Search:

Begin
Tempatkan node awal dalam antrian
Repeat
Hapus antrian untuk mendapatkan unsur di depannya
If unsure antrian di depannya = goal/tujuan
Return sukses dan stop
Else do
Begin
Masukkan anak turunan dari unsure di depannya jika ada di
bagian belakang dari antrian
End
Until antrian kosong
End
 3. TEKNIK PENCARIAN

A. BREATH FIRST SEARCH

Node_List berikut ini menggambarkan
algoritma BFS di atas. Algoritma akan
berakhir bila tujuan telah tercapai.
N1

N2 N3 N4

N3 N4

N4 N5 N6

N5 N6 N7 N8

Node_list BFS dengan tujuan akhirnya

adalah node 8.
Ilustrasi BFS
Ilustrasi BFS
Ilustrasi BFS
Ilustrasi BFS
Ilustrasi BFS
Ilustrasi BFS
 3. TEKNIK PENCARIAN

B. DEPTH FIRST SEARCH

Pencarian dilakukan pada suatu simpul
dalam setiap level dari yg paling kiri.

Jika pada level yg terdalam, solusi belum

ditemukan maka pencarian dilanjutkan pada
simpul sebelah kanan dan simpul yg kiri
dapat dihapus dari memori.

Jika pada level yg paling dalam tidak

ditemukan solusi, maka pencarian dilanjutkan
pada level sebelumnya. Demikian seterusnya
sampai ditemukan solusi.
 3. TEKNIK PENCARIAN

B. 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.

>> DFS membangkitkan node-node dan membandingkan

mereka, tujuan sepanjang depth pohon yang terbesar kemudian
bergerak naik ke “parent” (induk) dari node yang dikunjungi
terakhir, hanya jika tidak ada node lebih lanjut yang dapat
dibangkitkan di bawa node terakhir yang dikunjungi.

>> Setelah bergerak naik ke induk, algoritma berusaha

membangkitkan turunan baru dari node induk. Hal ini dilakukan
secara berulang hingga mencapai tujuan akhir.

>> Salah satu cara sederhana untuk mewujudkan algoritma

DFS adalah dengan menggunakan Stack.
 3. TEKNIK PENCARIAN

B. DEPTH FIRST SEARCH

Algoritma DFS sebagai berikut :

• Begin
• Push node awal pada stack, yang ditunjukkan dengan
stack_top
• While stack tidak kosong do
• Begin
• Pop stack untuk mendapatkan stack_top element
• If stack_top_element = Tujuan
• Return
• Sukses dan stop
• Else push turunan (cabang) stack_top element ke dalam
stack
• End while
• End
 3. TEKNIK PENCARIAN

B. DEPTH FIRST SEARCH

1
Contoh :
2 3 8

4 5 9 1
0

7 11 1
6
2
Stack berikut ini menggambarkan algoritma DFS tersebut. Proses
akan diterus-kan sampai stack dalam keadaan kosong.

N2 N4 N6
N3 N3 N5 N5 N7
N1 N8 N8 N8 N8 N8
 3. TEKNIK PENCARIAN

B. DEPTH FIRST SEARCH

 Kelebihan DFS adalah pemakaian memori yang
lebih sedikit.
 DFS hanya menyimpan sekitar bd, di mana b adalah
faktor percabangan dan d adalah kedalaman solusi.
 Jika b = 10 dan d = 3 maka jumlah simpul yg
disimpan di memori adalah 1+10+10+10 = 31.
 Hal ini berbeda jauh dgn BFS yg harus menyimpan
semua simpul yg pernah dibangkitkan. Pada kasus
ini, jika gunakan BFS maka simpul yg tersimpan
sebanyak 1+10+100+1000 =1111 simpul.
 Kelebihan DFS yg lain, jika solusi yg dicari berada
pada level yg dalam dan paling kiri, maka DFS akan
menemukannya dengan cepat.
 3. TEKNIK PENCARIAN

B. DEPTH FIRST SEARCH

 Kelemahan DFS adalah jika pohon yg
dibangkitkan mempunyai level yg sangat
dalam (tak terhingga), maka tidak ada
jaminan menemukan solusi. Artinya DFS
tidak complete.
 Kelemahan lainnya adalah jika terdapat lebih
dari satu solusi yg sama tetapi berada pada
level yg berbeda, maka DFS tidak menjamin
untuk menemukan solusi yg paling baik.
Artinya, DFS tidak optimal.
 Perbandingan BFS dan DFS
(Sama-sama non heuristik search)

Ilustrasi proses BFS Ilustrasi proses DFS

Kualitasnya dibedakan berdasarkan :

– Jumlah ruang simpul
– Solusi (Jumlah langkah mencapai Solusi)

Breadth First Search (BFS) Depth First Search (DFS)

• Jumlah ruang simpul relatif • Jumlah ruang simpul relatif
(umumnya) lebih banyak (umumnya) lebih sedikit
• Solusi dijamin optimal • Solusi tidak dijamin optimal
Ilustrasi DFS
Ilustrasi DFS
Ilustrasi DFS
Ilustrasi DFS
Ilustrasi DFS
 3. TEKNIK PENCARIAN

C. DEPTH LIMITED SEARCH (DLS)

Metode ini berusaha mengatasi kelemahan
DFS dengan membatasi kedalaman maksimum
dari suatu jalur solusi.
Sebelum gunakan DLS, harus tahu dulu
brapa level maksimum dari suatu solusi.
Kelmahannya : Jika batasan kedalaman
terlalu kecil, DLS tidak dapat juga menemukan
solusi yg ada. Artinya DLS bisa menjadi tidak
complete jika batasan kedalamannya lebih kecil
dibandingkan dgn level solusinya.
 3. TEKNIK PENCARIAN

D. UNIFORM COST SEARCH (UCS)

Konsepnya hampir sama dgn BFS, bedanya

adalah bahwa BFS menggunakan urutan level
dari yg paling rendah sampai yg paling tinggi.
Sedangkan UCS berusaha menemukan solusi
dgn total biaya terendah yg dihitung
berdasarkan biaya dari simpul asal menuju ke
simpul tujuan.
Biaya dari simpul asal ke suatu simpul n
dilambangkan sebagai g(n).
 3. TEKNIK PENCARIAN

B. UNIFORM COST SEARCH (UCS)

Perhatikan contoh pencarian rute berikut ini :

Karena mengikuti konsep BFS, maka UCS menjamin

ditemukannya solusi dan solusi yg ditemukannya selalu yg terbaik.
Dgn kata lain, UCS adalah complete dan optimal.
 Syarat yg harus dipenuhi oleh pohon UCS adalah
g(successor(n) >= g(n) untuk setiap simpul n. Jika syarat ini tidak
dipenuhi maka UCS menjadi tidak complete dan tidak optimal.

5
A 7

8
S B 2 G
12
10

C
 3. TEKNIK PENCARIAN

E. ITERATIVE-DEEPENING SEARCH (IDS)

IDS merupakan metode yg menggabungkan

kelebihan BFS (complete dan optimal) dgn kelebihan
DFS (Space complexity rendah atau membutuhkan
sedikit memori).
Konsekuensinya adalah time complexitynya menjadi
tinggi.
IDS melakukan pencarian secara iteratif
menggunakan penelusuran DFS dimulai dari batasan
level 0. Jika belum ditemukan solusi, maka dilakukan
iterasi ke-2 untuk level 1. Demikian seterusnya sampai
ditemukan solusi.
Untuk mempercepat proses, bisa menggunakan
teknik parallel processing (menggunakan lebih dari satu
processor).
 3. TEKNIK PENCARIAN

F. Bi-DIRECTIONAL SEARCH (BDS)

Dengan metode, pencarian dilakukan dari dua arah,

yakni pencarian maju (dari start ke tujuan) dan
pencarian mundur (dari tujuan ke start).
Ketika dua arah pencarian telah membangkitkan
simpul yg sama, maka solusi telah ditemukan, yaitu
dgn cara menggabungkan kedua jalur yg bertemu.
Jika pencarian maju dan mundur menggunakan BFS,
maka jumlah langkah yg diperlukan adalah sebanyak
O(2bd/2) = O(bd/2).
Misalkan, untuk b = 10 dan d = 6, maka BFS akan
membangkitkan : 1+10+102+103+104+105+106= =
1.111.111 simpul.
 3. TEKNIK PENCARIAN

F. Bi-DIRECTIONAL SEARCH (BDS)

Sebaliknya BDS, hanya membangkitkan 2 x

(1+10+102+103) = 2.222 simpul.
Hal ini juga sebanding terhadap jumlah memori yg
diperlukan. Dalam hal ini BDS memerlukan memori
untuk menyimpan 2.222 simpul.
BDS punya harapan yg bagus untuk digunakan
karena hemat waktu maupun memori juga dan selalu
memberikan solusi yg optimal jika solusinya memang
ada.
 PERBANDINGAN METODE PENCARIAN BERDASARKAN EMPAT (4)
KRITERIA PERFORMANCE SISTEM KB

Kriteria BFS UCS DFS DLS IDS BDS

Time Bd B+d Bm Bl B+d Bd/2

Space Bd Bd Bm bl Bd Bd/2

Complete? Ya tidak No Ya, jika l ya Ya

>=d
Optimal ? Ya Tidak No No ya ya

Keterangan :
b : faktor percabangan (branching factor
d : kedalaman solusi optimal (depth of optimal solution)
m : kedalaman maksimum dari pohon pencarian (maximum depth of the tree
l : batasan kedalaman (depth limit)