0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
82 tayangan62 halaman
Dokumen tersebut membahas tentang materi kuliah kecerdasan buatan yang mencakup pengenalan, searching, representasi pengetahuan, sistem pakar, logika fuzzy, jaringan syaraf tiruan, algoritma genetik, dan game playing. Metode searching yang dibahas meliputi graph keadaan, pohon pelacakan, dan pohon AND/OR.
Dokumen tersebut membahas tentang materi kuliah kecerdasan buatan yang mencakup pengenalan, searching, representasi pengetahuan, sistem pakar, logika fuzzy, jaringan syaraf tiruan, algoritma genetik, dan game playing. Metode searching yang dibahas meliputi graph keadaan, pohon pelacakan, dan pohon AND/OR.
Dokumen tersebut membahas tentang materi kuliah kecerdasan buatan yang mencakup pengenalan, searching, representasi pengetahuan, sistem pakar, logika fuzzy, jaringan syaraf tiruan, algoritma genetik, dan game playing. Metode searching yang dibahas meliputi graph keadaan, pohon pelacakan, dan pohon AND/OR.
Previous Study Definisi Cerdas Sejarah Kecerdasan Kecerdasan Buatan dan Pemrograman Konvensional Kecerdasan Buatan dan Kecerdasan Alami Subdisiplin Ilmu dalam AI Soft Computing Metode Soft Computing
TUJUAN PEMBELAJARAN Mampu menjelaskan konsep masalah dan ruang masalah Mampu menjelaskan metode pencarian Dapat menyelesaikan masalah dengan metode pencarian buta dan heuristik.
Definisi Masalah Dalam AI Masalah : kesenjangan antara yang diharapkan dengan kenyataan yang ada
Masalah dalam AI : masalah-masalah yang dapat
dikonversi kedalam ruang keadaan (ada yang menyebut sebagai ruang masalah), mempunyai keadaan awal (initial state) dan keadaan tujuan (goal state), serta dapat dibuat aturan-aturan untuk mengubah suatu keadaan (state) ke keadaan (state) lainnya. 20/02/2020 Kecerdasan Buatan (2) : FIK-Udinus 2012 6 Masalah, Ruang Keadaan, Dan Aturan Secara umum, untuk mendeskripsikan masalah dengan baik, harus: 1.Mendefinisikan suatu ruang keadaan; 2.Menetapkan satu atau lebih keadaan awal; 3.Menetapkan satu atau lebih tujuan (Goal); 4.Menetapkan kumpulan aturan.
Masalah, Ruang Keadaan, Dan Aturan Ruang Keadaan (State Space), – yaitu suatu ruang yang berisi semua keadaan yang mungkin. Keadaan awal (initial state) – adalah keadaan dimulainya sebuah pencarian Keadaan akhir / Tujuan (Goal) – adalah keadaan diakhirinya sebuah pencarian Kumpulan aturan – adalah aturan yang dapat digunakan untuk mengubah suatu keadaan (state) ke keadaan (state) lainnya.
Contoh Kasus Pengisian Air • Ada dua buah gelas air • Masing-masing berkapasitas 4 liter dan 3 liter yang semula isi keduanya kosong. • Pada kedua gelas tersebut tidak terdapat tanda ukuran batas volume. • Ada sebuah kran air yang digunakan untuk mengisi air pada kedua gelas tersebut (Gambar 2.1). • Bagaimana kita dapat mengisi tepat 2 liter air pada gelas berkapasitas 4 liter dan 3 liter air pada gelas berkapasitas 3 liter ?
Contoh Kasus Pengisian Air • Deskripsi: – Misalkan : x = volume dari gelas 4 liter, dan y = volume dari gelas 3 liter • Ruang keadaan : – untuk masalah ini dapat digambarkan sebagai himpunan pasangan bilangan bulat (x,y) yang terurut, sedemikian rupa sehingga x = 0, 1, 2, 3, 4 dan y = 0, 1, 2, 3.
Contoh Kasus Pengisian Air Keadaan awal – adalah kedua gelas dalam keadaan kosong yang dinyatakan sebagai (0,0). Tujuan (Goal) – adalah x = 2 liter dan y = 3 liter, yang dinyatakan sebagai (2,3).
Contoh Kasus : Permainan petani, kambing, rumput, serigala Deskripsi: – Ruang keadaan untuk daerah asal dan daerah seberang digambarkan sebagai: (P, Sy, K, Sg) – Contoh: Daerah asal (P, Sy, 0, Sg) berarti pada daerah asal ada petani, ada sayuran, tidak ada kambing, dan ada serigala. Keadaan awal : – daerah asal : (P, Sy, K, Sg) – daerah seberang : (0, 0, 0, 0) Tujuan (Goal) : – daerah asal : (0, 0, 0, 0) – daerah seberang : (P, Sy, K, Sg)
Representasi Ruang Keadaan 1. Graph Keadaan Berisi Node–node yang menunjukkan keadaan – Node A : keadaan awal – Node z : keadaan akhir/ tujuan Berisi arc (busur) yang menunjukkan arah dari 1 keadaan ke keadaan yang lain
Searching Sebagai Teknik Pemecahan Masalah Pertimbangan dalam membangun sistem: 1. Definisikan masalah dengan tepat. Pendefinisian ini mencakup deskripsi masalah dengan baik. 2. Analisis masalah tersebut serta mencari beberapa teknik penyelesaian masalah yang sesuai. 3. Representasikan pengetahuan yang perlu untuk menyelesaikan masalah tersebut. 4. Pilih teknik penyelesaian masalah yang terbaik.
Teknik Pemecahan Masalah Searching (pencarian), Reasoning (penalaran), Planning – yaitu memecah masalah kedalam sub-sub masalah yang lebih kecil, menyelesaikan sub-sub masalah satu demi satu, kemudian menggabungkan solusi-solusi dari sub-sub masalah tersebut menjadi sebuah solusi lengkap, dan Learning – yaitu program komputer yang secara otomatis sanggup belajar dan meningkatkan performanya melalui pengalaman.
Searching Sebagai Teknik Pemecahan Masalah Pemecahan masalah dengan menggunakan searching akan lebih mudah bila obyeknya direpresentasikan sebagai graf. Representasi graf dilakukan pertama-tama dengan membuat representasi objek masalah sebagai simpul dalam graf serta membuat representasi hubungan antar objek dengan garis yang menghubungkan simpul-simpul tersebut. Setelah itu, setiap simpul dalam graf dikunjungi secara sistematis (traverse).
Metode Searching (Russel, Stuart, and Norvig, Peter, 1995) Pengukuran Performa Metode Pencarian – Completeness • Menjamin adanya solusi? – Time Complexity • Waku yang diperlukan – Space Complexity • Memori yang diperlukan – Optimality • Menjamin memberikan solusi terbaik?
Metode Searching 1. Pencarian Buta (Blind Search) atau Un-Informed Search a. Pencarian Melebar Pertama (Breadth-First Search) b. Pencarian Mendalam Pertama (Depth-First Search) 2. Pencarian Heuristik (Terbimbing) atau Informed Search a. Generate And Test (Pembangkitan & Pengujian) b. Hill Climbing (Pendakian Bukit) i. Simple Hill Climbing ii. Steepest-Ascent Hill Climbing c. Best First Search (BFS) d. Algoritma A* e. Simulated Annealing
Pencarian Melebar Pertama (Breadth-First Search) Masukkan node akar ke dalam Queue Ambil node dari awal Queue lalu cek apakah node merupakan solusi? – Jika node merupakan solusi, pencarian selesai, dan hasil dikembalikan – Jika node bukan solusi, masukkan seluruh node anak ke dalam Queue Jika Queue kosong, dan setiap node sudah dicek. Pencarian berakhir Jika Queue tidak kosong, ulangi pencarian mulai point 2
DFS Masukkan node akar ke dalam Stack Ambil node dari stack teratas lalu cek apakah node merupakan solusi? – Jika node merupakan solusi, pencarian selesai, dan hasil dikembalikan – Jika node bukan solusi, masukkan seluruh node anak ke dalam Stack Jika Stack kosong, dan setiap node sudah dicek, pencarian berakhir Ulangi pencarian mulai point 2
DFS Keuntungan Kelemahan • Membutuhkan memori dan • Memungkinkan tidak waktu yang relatif kecil ditemukannya tujuan yang karena hanya node pada optimal lintasan yang aktif saja yang disimpan • Secara kebetulan, metode ini menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan
2. Pencarian Heuristik (Terbimbing) atau Informed Search a. Generate And Test (Pembangkitan & Pengujian)
a. Generate And Test (Pembangkitan & Pengujian)
a. Bangkitkan suatu kemungkinan solusi. b. Uji, apakah solusi tersebut merupakan solusi yang bisa diterima sesuai dengan kriteria yang diberikan. c. Jika solusi ditemukan, keluar. Jika tidak, ulangi langkah (1).
2.b.i. Pencarian Heuristik (Simple Hill Climbing) 1. Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan, maka berhenti; dan jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal. 2. Kerjakan langkah-langkah berikut sampai solusinya ditemukan, atau sampai tidak ada operator baru yang akan diaplikasikan pada keadaan sekarang : a. Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru. b. Evaluasi keadaan baru tersebut. i. Jika keadaan baru merupakan tujuan, keluar. ii. Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadikan keadaan baru tersebut menjadi keadaan sekarang. iii. Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi.
2.b.i. Pencarian Heuristik (Simple Hill Climbing) Fungsi Heuristik Fungsi heuristik yang digunakan adalah jumlah kotak yang menempati posisi benar. Kriteria yang dipakai adalah jumlah benar yang paling besar yang dipilih.
2.b.ii. Metode Searching Heuristic (Steepest Ascent Hill Climbing ) 1. Mulai dari keadaan awal, lakukan pengujian: jika merupakan tujuan, maka berhenti; dan jika tidak, lanjutkan dengan keadaan sekarang sebagai keadaan awal. 2. Kerjakan hingga tujuan tercapai atau hingga iterasi tidak memberikan perubahan pada keadaan sekarang. – (a) Tentukan SUCC sebagai nilai heuristik terbaik dari successor-successor. – (b) Kerjakan untuk tiap operator yang digunakan oleh keadaan sekarang: – i) Gunakan operator tersebut dan bentuk keadaan baru. – ii) 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. – (c) Jika SUCC lebih baik daripada nilai heuristik keadaan sekarang, ubah node SUCC menjadi keadaan sekarang.
2.b.ii. Metode Searching Heuristic (Steepest Ascent Hill Climbing ) Fungsi Heuristik Fungsi heuristik yang digunakan adalah jumlah kotak yang menempati posisi benar. Kriteria yang dipakai adalah jumlah benar yang paling besar yang dipilih.
1. Buat sebuah problem ke dalam graf dan keterangan masalah (minimal 15 QA? node): 1. Memiliki solusi > 3 2. Kondisi buntu 2. Sertakan penyelesaian dengan menggunakan: 1. Pohon Pelacakan 2. Pohon And/OR
3. Gunakan metode searching untuk
mencari solusi: 1. DFS 2. BFS 3. Generate and Test