Pertemuan 2

MASALAH, RUANG KEADAAN DAN

PENCARIAN

SRI HERAWATI
Your Logo
D3 MANAJAMEN INFORMATIKA
Masalah

Masalah, ruang keadaan dan pencarian

Definisi Masalah dalam Kecerdasan Buatan

Masalah dalam kecerdasan buatan adalah

masalah yang dpt dikonversi ke dalam ruang
keadaan (mempunyai keadaan awal dan
keadaan tujuan) menggunakan sekumpulan
aturan tertentu.

Masalah, ruang keadaan dan pencarian

Masalah

 Seorang petani akan

menyebrangkan seekor
kambing, seekor serigala dan
sayur mayur dengan sebuah
perahu melalui sungai.
 Perahu hanya bisa memuat
petani dan satu penumpang lain.
 Jika Petani menyebrangkan
serigala, sayur akan dimakan
kambing
 Jika Petani menyebrangkan
sayur maka kambing akan
dimakan serigala

Masalah, ruang keadaan dan pencarian

Identifikasi ruang keadaan

 Permasalahan dilambangkan dengan (P: petani, Sy : sayuran, K:

kambing, Sg: serigala).

 Keadaan awal : Daerah asal= (P,Sy,K,Sg), dan

Daerah seberang=(0,0,0,0).
Keadaan Tujuan : Daerah asal= (0,0,0,0), dan
Daerah seberang=(P,Sy,K,Sg).

Masalah, ruang keadaan dan pencarian

Aturan-aturan (Rules)

Aturan ke- Aturan

1. Kambing dan petani menyeberang
2. Sayuran dan petani menyeberang
3. Serigala dan petani menyeberang
4. Kambing dan petani kembali
5. Sayuran dan petani kembali
6. Serigala dan petani kembali
7. Petani kembali

Masalah, ruang keadaan dan pencarian

Solusi

Daerah Asal Daerah Seberang Aturan yg

digunakan
(P,Sy,K,Sg) (0,0,0,0) 1
(0,Sy,0,Sg) (P,0,K,0) 7
(P,Sy,0,Sg) (0,0,K,0) 2
(0,0,0,Sg) (P,Sy,K,0) 4
(P,0,K,Sg) (0,Sy,0,0) 3
(0,0,K,0) (P,Sy,0,Sg) 7
(P,0,K,0) (0,Sy,0,Sg) 1
(0,0,0,0) (P,Sy,K,Sg) Solusi

Masalah, ruang keadaan dan pencarian

Pertimbangan sistem yg mampu menyelesaikan
masalah
1. Mendefinisikan masalah dg tepat. Spesifikasi
mengenai keadaan awal dan solusi yg diharapkan.
2. Analisis permasalahan. Menggunakan teknik yg
sesuai.
3. Merepresentasikan pengetahuan utk permasalahan.
4. Memilih teknik penyelesaian yg terbaik.

Masalah, ruang keadaan dan pencarian

Teknik-teknik penyelesaian masalah

 Searching (pencarian)
 Reasoning (Penalaran)
 Planning
memecah masalah kedalam sub masalah yg lebih
kecil, menyelesaikan masalah satu demi satu, dan
menggabungkan solusi dari sub masalah tersebut.
 Learning
Program komputer secara otomatis sanggup belajar
dan meningkatkan kinerjanya melalui pengalaman.

Masalah, ruang keadaan dan pencarian

Searching (Pencarian)
Kriteria untuk mengukur performance metode pencarian
(Russel, Stuart dan Norvig,1995) :
 Completeness : Apakah metode tersebut menjamin adanya solusi jika
solusinya ada?

 Time complexity : Berapa lama waktu yang diperlukan?

 Space Complexity :Berapa banyak memori yang dibutuhkan?

 Optimality : apakah metode tersebut menjamin menemukan solusi

terbaik jika terdapat solusi yang berbeda?

Masalah, ruang keadaan dan

pencarian
Searching (Pencarian)

Masalah, ruang keadaan dan

pencarian
1. Breadth-first Search (pencarian melebar pertama)

 Breadth-first search (BFS) melakukan proses

searching pada semua node yang berada pada level
atau hirarki yang sama terlebih dahulu sebelum
melanjutkan proses searching pada node di level
berikutnya.
 Urutan proses searching BFS ditunjukkan dalam
gambar adalah: 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

BFS ini memiliki sifat complete dan optimal

Masalah, ruang keadaan dan

pencarian
Kerugian

Membutuhkan memori yang cukup

banyak, karena menyimpan semua node
dalam satu pohon
Membutuhkan waktu yang cukup lama

Masalah, ruang keadaan dan

pencarian
 Jika b = jumlah simpul anak yg dimiliki oleh sebuah simpul dan d adalah
kedalaman solusi, maka jml simpul yg hrs disimpan adl O(bd)

Misalkan b=10 dan d = 3 maka BFS hrs menyimpan 100 +101 +102 +103
Atau 1+10+100+1000 = 1.111 simpul.

Masalah, ruang keadaan dan

pencarian
2. Depth-first Search

 Depth-first search (DFS) adalah proses searching

yang melakukan ekpansi sebuah path (jalur)
menuju penyelesaian masalah sebelum
melakukan ekplorasi terhadap path yang lain.
 Proses searching mengikuti sebuah path tunggal
sampai menemukan goal atau dead end.
DFS

 Apabila cabang ditemukan, DFS akan melakukan

cabang tersebut.
 Apabila sudah tidak ada lagi cabang yang dapat
dieksplorasi, DFS akan kembali ke node parent dan
melakukan proses searching terhadap cabang yang
belum dieksplorasi dari node parent sampai
menemukan penyelesaian masalah.
 Urutan proses searching DFS ditunjukkan dalam
Gambar adalah: A, B, E, F, G, C, ...
DFS

Masalah, ruang keadaan dan pencarian

Kelebihan DFS adalah:

 Pemakaian memori hanya sedikit, berbeda jauh

dengan BFS yang harus menyimpan semua node
yang pernah dibangkitkan.
Jika b = jumlah simpul anak yg dimiliki oleh sebuah simpul dan d adalah
kedalaman solusi, maka jml simpul yg hrs disimpan adl bd
Misalkan b=10 dan d = 3 maka DFS hrs menyimpan 10 x3 = 30

 Jika solusi yang dicari berada pada level yang

dalam dan paling kiri, maka DFS akan
menemukannya secara cepat.
Kelemahan DFS adalah:
 Jika pohon yang dibangkitkan mempunyai level yang
dalam (tak terhingga), maka tidak ada jaminan untuk
menemukan solusi (Tidak Complete).
 Jika terdapat lebih dari satu solusi yang sama tetapi
berada pada level yang berbeda, maka pada DFS
tidak ada jaminan untuk menemukan solusi yang
paling baik (Tidak Optimal).
3. Depth-Limited Search (DLS)
- Metode ini berusaha mengatasi kelemahan
DFS (tidak complete) dengan membatasi
kelemahan maksimum dari suatu jalur solusi.

- Tetapi, sebelum menggunakan DLS, kita

harus tahu berapa level maksimum dari suatu
solusi.
4. Uniform Cost Search (UCS)
- Konsepnya hampir sama dengan BFS,
bedanya adalah bahwa BFS menggunakan
urutan level yang paling rendah sampai yang
paling tinggi, sedangkan UCS menggunakan
urutan biaya dari yang paling kecil sampai
yang terbesar.

- UCS berusaha menemukan solusi dengan

total biaya terendah yang dihitung
berdasarkan biaya dari simpul asal menuju
ke simpul tujuan.
 5. Iterative-Deepening Search (IDS)

 IDS melakukan pencarian secara iteratif menggunakan penelusuran

Depth-Limited Search (DLS) dimulai dengan batasan level 0.
 Jika belum ditemukan solusi, maka dilakukan iterasi ke-2 dengan
batasan level 1.
 Demikian seterusnya sampai ditemukan solusi.
IDS
IDS
IDS
IDS
IDS
 6. Bi-Directional Search (BDS)

- Pencarian dilakukan dari dua arah : pencarian

maju (dari start ke goal) dan pencarian mundur
(dari goal ke start).
- Ketika dua arah pencarian telah membangkitkan
simpul yang sama, maka solusi telah ditemukan,
yaitu dengan cara menggabungkan kedua jalur
yang bertemu.
BDS
Referensi

 Sutojo, T., Mulyanto, E., Suhartono, V. (2011), “Kecerdasan Buatan”,

Andi Yogyakarta.
 Suyanto (2011), Artificial Intelligence, Informatika, Bandung

Masalah, ruang keadaan dan pencarian