Kecerdasan Buatan

TEKNIK SEARCHING
 Heuristic / Informed Search
3. Hill Climbing (Pendakian Bukit)

 Metode HC merupakan variasi dari depth first search.

 Metode ini melakukan eksplorasi terhadap keputusan yang dilakukan melalui cara depth
first search dengan mencari path atau jalur, dengan tujuan untuk menurunkan cost
menuju kepada goal atau keputusan.

 Contoh : Saya akan mencari arah menuju Kota Malang, setiap kali sampai dipersimpangan
jalan kita akan berhenti dan mencari arah mana yang kira-kira mengurangi jarak menuju
Kota Malang, dengan demikian sebetulnya kita sudah berasumsi bahwa secara umum
arah tertentu semakin dekat Kota Malang.
 Heuristic / Informed Search
Terdapat dua jenis metode Hill Climbing, yaitu:
1. Simple HC (HC dalam bentuk sederhana)
Pergerakan pencarian dimulai dari sebelah kiri
Algoritma akan berhenti kalau mencapai nilai optimum local
Urutan penggunaan operator sangat berpengaruh pada penemuan solusi
Tidak diijinkan untuk melihat satupun langkah sebelumnya.
2. Steepest Ascent HC (HC dengan memilih kemiringan yang paling tajam)
Hampir sama dengan Simple HC , hanya saja gerakan pencari tidak dimulai dari paling kiri.
Gerakan selanjutnya dicari berdasarkan nilai heuristic terbaik.
Heuristic / Informed Search
1 2 3 1 2 3

Initial State 7 8 4 8 4
Goal State
6 5 7 6 5

Memungkinkan ada 4 operator yang dapat digunakan untuk menggerakkan dari

satu keadaan menuju keadaan yang atau lainnya, yaitu :
1. Ubin kosong digeser ke kiri
2. Ubin kosong digeser ke kanan
3. Ubin kosong digeser ke atas
4. Ubin kosong digeser ke bawah
 Heuristic / Informed Search
Informasi khusus yang dapat diberikan antara lain :
1. Untuk jumlah ubin yang menempati posisi yang BENAR : jumlah yang lebih TINGGI adalah
yang lebih diharapkan (lebih baik).
2. Untuk jumlah ubin yang menempati posisi yang SALAH : jumlah yang lebih KECIL TINGGI
adalah yang lebih diharapkan (lebih baik).
3. Menghitung TOTAL GERAKAN yang diperlukan untuk mencapai tujuan : jumlah yang lebih
KECIL adalah yang lebih diharapkan (lebih baik).
Heuristic (Simple HC)
1 2 3 1 2 3
7 8 4 8 4
6 5 7 6 5

Kiri Kanan Atas

1 2 3 1 2 3 1 2 3
7 8 4 7 8 4 7 4
6 5 6 5 6 8 5

Hb : 6 Hb : 4 Hb : 5
 Heuristic (Simple HC)
1 2 3
1 2 3
8 4
7 8 4
7 6 5
6 5

Hb : 6
Kanan Atas
1 2 3 1 2 3
7 8 4 8 4
6 5 7 6 5
Hb : 5 Hb : 7
 Heuristic (Simple HC)
1 2 3 1 2 3
8 4 8 4
7 6 5 7 6 5

Hb : 7

Kanan Atas Bawah

1 2 3 2 3 1 2 3
Jadi urutan penyelesaian game 8 puzzle di atas dengan
8 4 1 8 4 7 8 4
menggunakan metode Simple HC dan menghitung nilai heuristic
7 6 5 7 6 5 6 5
berupa jumlah ubin yang menempati posisi yang Benar adalah ubin
Hb : 8 Hb : 7 Hb : 7
kosong bergeser ke kiri, atas, kanan dengan nilai heuristic 8
Heuristic (Steepest – Ascent HC)
1 2 3 1 2 3
7 8 4 8 4
6 5 7 6 5

Kiri Kanan Atas

1 2 3 1 2 3 1 2 3
7 8 4 7 8 4 7 4
6 5 6 5 6 8 5

Hb : 6 Hb : 4 Hb : 5
Heuristic (Steepest – Ascent HC)
1 2 3
1 2 3
8 4
7 8 4
7 6 5
6 5

Hb : 6

Kanan Atas
1 2 3 1 2 3
7 8 4 8 4
6 5 7 6 5
Hb : 5 Hb : 7
 Heuristic (Steepest – Ascent HC)
1 2 3 1 2 3
8 4 8 4
7 6 5 7 6 5

Hb : 7

Kanan Atas Bawah

1 2 3 2 3 1 2 3 Jadi urutan penyelesaian game 8 puzzle di atas dengan

8 4 1 8 4 7 8 4 menggunakan metode Simple HC dan menghitung nilai heuristic

7 6 5 7 6 5 6 5 berupa jumlah ubin yang menempati posisi yang Benar adalah ubin
kosong bergeser ke kiri, atas, kanan dengan nilai heuristic 8
Hb : 8 Hb : 7 Hb : 7
Heuristic (Konsep Best-First Search )
• Metode Best-FS merupakan kombinasi dari metode DFS dan BFS dengan mengambil kelebihan dari
masing-masing kedua metode tersebut
• Melalui konsep membangkitkan node berikutnya dari sebuah node yang sejauh ini terbaik diantara
semua cabang node yang pernah dibangkitkan
• Dalam menentukan node terbaik digunakan informasi biaya perkiraan (f(n)) dari satu node menuju
goal atau gabungan antara biaya perkiraan f(n) dan biaya sebenarnya g(n)
• Metode Best FS, yaitu :
a. Greedy Best First Search, berdasarkan biaya perkiraan
b. Optimum A* mempertimbangkan gabungan biaya perkiraan dangan biaya sebenarnya.
 Heuristic (Algoritma Best-FS )
Dalam mengimplementasikan metode Best FS, dibutuhkan 2 antrian yang berisi node-node, yaitu :
1. OPEN :berisi node-node yang sudah dibangkitkan, dan sudah memiliki fungsi heuristic, dan
akan tetap diuji. Pada umumnya berupa antrian berprioritas yang berisi elemen-elemen dengan nilai
heuristic tertinggi atau terbaik.
2. CLOSED :berisi node-node yang sudah diuji
Heuristic (Algoritma Greedy Best-FS )
Algoritma ini memperhitungkan biaya perkiraan saja, yakni f(n)=h(n). Biaya yang sebenarnya tidak
diperhitungkan. Dengan hanya memperhitungkan biaya perkiraan yang belum tentu kebenarannya ,
maka algoritma ini tidak optimal.
 90
A
10 5 F
10 B 40
25
50
S 30 C K
40
35
10 D 30
25 H 25
15
52
E L 40 G
20
J
40 80
M

n S A B C D E F G H J K L M
h(n) 80 80 60 70 85 74 70 0 40 100 30 20 70
 A f = 80
OPEN CLOSED
S S
10 B f = 60
25 A
B
S 30 C f = 70
C
35 D
10 D f = 85
E

E f = 74

LANGKAH 1
 A f = 80 OPEN CLOSED
S S
5 F f = 70
A B
10 B f = 60
25 50 B
K f = 30 C
S 30 C f = 70
D
35 E
10 D f = 85
F
K
E f = 74

LANGKAH 2
 OPEN CLOSED
S S
A B
B K
C
D
A f = 80
E
5 F f = 70 F
10 B f = 60
25 50 K

K f = 30 G
S 30 C f = 70
30
35
10 D f = 85

G f=0
E f = 74

LANGKAH 3
• Hasil penelusuran balik menghasilkan rute S-B-K-G dengan total jarak sama dengan 105 km.
• Rute yang dihasilkan ternyata bukan rute terpendek karena masih ada rute lain yang lebih pendek yaitu S-
A-B-F-K-G yang total jaraknya sama dengan 95 km. Hal ini menunjukkan bahwa greedy best-fs tidak
optimal.
Tugas
1. Berapa nilai heuristic dari initial state menuju goal state ? Gunakan Simple HC dan Steepest
Ascent HC

1 2 3 1 2 3
8 4 7 8 4
7 6 5 6 5
Tugas
2. Untuk perjalanan dari kota S ke L, rute mana yang memiliki total jarak terpendek ? Apakah rute
tersebut optimal ?
 A
10 80
5 F
10 B 40
25 60
50 K
S 30 C
40
35
10 D 30
25 H 25
15
52
E L
20
J
40 60
M

n S A B C D E F H J K L M
h(n) 80 80 60 70 85 74 70 35 100 50 0 70