SEARCHING Teknik Informatika

Politeknik Negeri Indramayu

REFERENSI
 Materi kuliah IF3170 Inteligensi Buatan Teknik Informatika ITB, Rinaldi Munir
 Materi kuliah Inteligensi Buatan Polindra, Adi Suheryadi
 Stuart J Russell & Peter Norvig, Artificial Intelligence: A Modern Approach, 3rd
Edition, Prentice-Hall International, Inc, 2010, Textbook Site:
http://aima.cs.berkeley.edu/ (2nd edition)
 Free online course materials | MIT OpenCourseWare Website: Site:
http://ocw.mit.edu/courses/electrical-engineering-andcomputer-science/
 Lecture Notes in Informed Heuristic Search, ICS 271 Fall 2008,
http://www.ics.uci.edu/~dechter/courses/ics-271/fall08/lecture-notes/4.InformedHe
uristicSearch.ppt
OVERVIEW
 Merupakan algoritma untuk mencari kemungkinan penyelesaian
 Sering dijumpai pada penelitian bidang AI
 Metode sederhana dari searching, hanya mencari kemungkinan
penyelesaian
Contoh : dept-first search, hill climbing, breath-first search, dll
 Metode lebih komplek mencari jarak terpendek
Contoh A*, Branch and bound, Dynamic Programming
SKEMA METODE SEARCHING
UKURAN PERFORMANSI
 Completeness
Apakah metode tersebut menjamin penemuan solusi jika solusinya
memang ada?
 Optimality
Apakah metode tersebut menjamin menemukan solusi yang terbaik jika
terdapat beberapa solusi berbeda?
 Time complexity
Berapa lama waktu yang diperlukan?
 Space complexity
Berapa banyak memori yang diperlukan?
WHAT ARE WE LEARNING
TODAY?
1. Breadth First Search (BFS)
2. Depth First Search (DFS)
3. Best First Search (BFS)
4. Greedy Best First Search
5. A*
ALGORITMA PENCARIAN
Tanpa informasi (uninformed/blind search)
 Tidak ada informasi tambahan
 Contoh: DFS, BFS, Depth Limited Search, Iterative Deepening Search,
Uniform Cost Search
Dengan informasi (informed Search)
 Pencarian berbasis heuristik
 Mengetahui non-goal state “lebih menjanjikan” daripada yang lain
 Contoh: Best First Search, A*, Greedy Best First Search
UNINFORMED SEARCH
BREADTH-FIRST SEARCH
S

A D

B D A E

C E E B B F
11

D F B F C E A C G
14 17 15 15 13
G C G F
19 19 17
G 25
KELEBIHAN BFS
 Tidak akan menemui jalan buntu
 Jika ada satu solusi, maka BFS akan menemukannya. Dan jika
ada lebih dari satu solusi, maka solusi minimum akan ditemukan.
KELEMAHAN BFS
 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 ke-(n+1)
LATIHAN
Jika kita hendak berkunjung dari kota 1 ke kota
8, maka dengan menggunakan Algoritma BFS,
urutan kota yang akan dihasilkan adalah:

JAWABAN:
1–2–3–4–5–6–7–8
DEPTH-FIRST SEARCH
S

A D

B D A E

C E E B B F
11

D F B F C E A C G
14 17 15 15 13
G C G F
19 19 17 G 25
KELEBIHAN DFS
Membutuhkan memori yang relatif kecil, karena hanya node-
node pada lintasan yang aktif saja yang disimpan.
Secara kebetulan, metode DFS akan menemukan solusi tanpa
harus menguji lebih banyak lagi dalam ruang keadaan.
KELEMAHAN DFS
 Memungkinkan tidak ditemukan tujuan yang diharapkan
 Hanya akan mendapatkan 1 solusi pada setiap pencarian
LATIHAN
Jika kita hendak berkunjung dari kota 1 ke kota
8, maka dengan menggunakan Algoritma DFS,
urutan kota yang akan dihasilkan adalah:

JAWABAN:
1–2–4–8–5–6–3–7
INFORMED SEARCH
BEST FIRST SEARCH
Utamakan nilai yang
terkecil/terbesar
(Tergantung fungsi
optimal yang ditetapkan
sebelumnya)
Tentukan rute terpendek
dari S ke I

Jawaban:
S–A–C– B –D– I
GREEDY BEST-FIRST SEARCH
Ide: menggunakan rumus/formula/fungsi f(n) untuk setiap node
 f(n) = h(n) estimasi cost yang akan diperoleh dari n menuju tujuan
Greedy best-first search
memperluas node yang
kemungkinan besar
mendekati tujuan awal
KEKURANGAN
 Terdapat kemungkinan terjebak di Local Minima
 Tidak dapat berbalik/berubah
ALGORITMA A*
Ide: menghindari path yang kemungkinan besar tidak efektif
Fungsi f(n) = g(n) + h(n)
g(n) = cost sejauh ini untuk mencapai n
h(n) = estimasi cost dari n ke tujuan
f(n) = estimasi total cost dari n ke tujuan
 INSPIRASI TOPIK TA

http://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2015-2016/Makalah-2016/MakalahStima-2016-033.pdf
INSPIRASI TOPIK TA

http://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2015-2016/Makalah-2016/MakalahStima-2016-004.pdf
INSPIRASI TOPIK TA

http://informatika.stei.itb.ac.id/~rinaldi.munir/Stmik/2013-2014/Makalah2013/MakalahIF2211-2013-064.pdf
PEMBAGIAN TOPIK D3 TI 3A
1. algoritma depth first search: Kartika, uun, vanda, afandi, renol, michael
2. algoritma breadth first search: sintia, nanda, rapi, sakti, rahmat, dito
3. algoritma best first search: nadwa, kenti, afif, faishol, idang, liana
4. algoritma greedy best first search: bunga, merry, afifah, adit, ageng, faisal
5. algoritma A*: halimah, darsini, handika, ali, imam, raka

POIN-POIN
1. cara kerja
2. bagaimana contohnya/simulasi
3. penerapan dunia nyata
PEMBAGIAN TOPIK D3 TI 3B
1. algoritma depth first search: genandra, annisa, koriah, putri, mustofa, nisa
2. algoritma breadth first search: indah R, rifko, indah L, hiza, rizky fajar, via
3. algoritma best first search: alya, desi, henda, alif, sulhin, rifky
4. algoritma greedy best first search: fatihatul, naufal R, andri, delia, rizky A, sri
5. algoritma A*: rizky P, Fatimah, amel, naufal, faldi, indra

POIN-POIN
1. cara kerja
2. bagaimana contohnya/simulasi
3. penerapan dunia nyata