Negascout merupakan algoritma perbaikan dari Alpha Beta Pruning yang digunakan pada algoritma Minimax. Negascout menghasilkan jendela pencarian yang
lebih kecil dari pada Alpha Beta Pruning. Pemikiran dasar di belakang Negascout ialah langkah yang dilakukan setelah langkah pertama akan menghasilkan
pemotongan Ian Milington, 2006.
Mencermati hal-hal di atas, maka penulis tertarik untuk melakukan studi dengan judul “Analisis dan Implementasi Kecerdasan Buatan pada Permainan
Checker Menggunakan Algoritma Minimax dengan Negascout”. Dengan menggunakan algoritma Negascout, maka diharapkan mampu memaksimalkan waktu
yang diperlukan sistem dalam melakukan eksekusi pencarian pada permainan.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas maka rumusan masalahnya adalah bagaimana menganalisis dan menerapkan algoritma Minimax dengan Negascout pada permainan
Checker.
1.3 Batasan Masalah
Penulis membuat batasan masalah yaitu: 1.
Algoritma yang akan dibahas hanya Minimax dan Negascout, penulis tidak membandingkan algoritma ini dengan algoritma yang lain.
2. Algoritma ini hanya akan menelusuri sampai 12 langkah permainan ke depan.
3. Kecerdasan buatan yang diciptakan tidak mampu melakukan pembelajaran.
1.4 Tujuan Penulisan
Tujuan dari penelitian ini adalah untuk memperoleh desain dan penerapan algoritma Minimax dengan Negascout pada permainan Checker.
Universitas Sumatera Utara
1.5
Manfaat Penulisan
Hasil penelitian ini diharapkan dapat digunakan sebagai: 1.
Sarana yang dapat memberikan kejelasan tentang bagaimana cara kerja algoritma Minimax dengan Negascout pada permainan Checker.
2. Sebagai alat bantu yang dapat memicu timbulnya strategi baru yang dapat
memenangkan permainan Checker.
1.6 Metodologi Penelitian
Langkah-langkah yang ditempuh dalam menyelesaikan penelitian sebagai berikut: 1.
Studi literatur Pada tahap ini penulis mencari literatur dengan rincian sebagai berikut:
a. Mencari referensi mengenai kecerdasan buatan.
b. Mencari referensi mengenai algoritma Minimax dan Negascout.
2. Analisis sistem
Pada tahap ini dilakukan analisis bagaimana menerapkan algoritma Minimax dengan Negascout pada permainan Checker.
3. Perancangan dan implementasi algoritma
Pada tahap ini dilakukan perancangan sesuai dengan hasil dari analisis sistem dan dilanjutkan dengan menerapkan hasil analisis dan perancangan ke dalam
sistem. 4.
Pengujian Pada tahap ini dilakukan pengujian sistem apakah berjalan sesuai dengan
tujuan penelitian. 5.
Kesimpulan dan saran Pada tahap ini dilakukan penarikan kesimpulan dan saran sesuai dengan
analisis dan penerapan yang dilakukan dalam penelitian.
Universitas Sumatera Utara
1.7
Sistematika Penulisan
Sistematika penulisan dibagi menjadi lima bab, yaitu sebagai berikut:
BAB 1: PENDAHULUAN
Berisikan penjelasan tentang Latar Belakang, Rumusan Masalah, Batasan Masalah, Tujuan Penulisan, Manfaat Penulisan, dan Metodologi Penelitian.
BAB 2: TINJAUAN PUSTAKA
Bab ini membahas mengenai teori-teori yang mendukung penelitian.
BAB 3: ANALISIS DAN PERANCANGAN
Bab ini berisikan langkah-langkah penelitian yang dilakukan, serta analisis terhadap fokus permasalahan penelitian.
BAB 4: IMPLEMENTASI DAN PENGUJIAN
Bab ini berisikan implementasi dan pengujian aplikasi.
BAB 5: KESIMPULAN DAN SARAN
Bab ini merupakan rangkuman dari laporan penelitian.
Universitas Sumatera Utara
BAB 2
TINJAUAN PUSTAKA
2.1 Kecerdasan Buatan
Kecerdasan buatan merupakan salah satu bidang ilmu komputer yang didefinisikan sebagai kecerdasan yang dibuat untuk suatu sistem dengan menggunakan algoritma-
algoritma tertentu sehingga sistem tersebut seolah-olah dapat berpikir seperti manusia Ben Coppin, 2004.
Kecerdasan buatan merupakan cabang dari ilmu komputer yang dalam merepresentasi pengetahuan, lebih banyak menggunakan bentuk simbol-simbol dari
pada bilangan, dan memproses informasi berdasarkan metode heuristik atau dengan berdasarkan sejumlah aturan Encyclopedia Britannica.
Dari beberapa pengertian di atas, maka dapat ditarik suatu kesimpulan bahwa kecerdasan buatan ialah salah satu bagian dari ilmu komputer yang mempelajari
perancangan sistem komputer yang cerdas. Maksud dari sistem cerdas yaitu suatu sistem yang dapat memperlihatkan karakteristik yang ada pada tingkah laku manusia,
seperti mengerti suatu bahasa, mempelajari, mempertimbangkan, dan memecahkan suatu masalah.
Kecerdasan buatan telah memberikan suatu kemampuan baru kepada komputer untuk memecahkan masalah yang lebih besar dan lebih luas, tidak hanya terbatas pada
soal-soal perhitungan, penyimpanan data, pengambilan data atau pengendalian yang sederhana saja.
Universitas Sumatera Utara
2.1.1 Tujuan Akhir Kecerdasan Buatan
Menurut Lenat dan Feigenbaum 1992, terdapat sembilan tujuan akhir dari kecerdasan buatan, yaitu:
1. Memahami pola pikir manusia, mencoba untuk mendapatkan pengetahuan
ingatan manusia yang mendalam, kemampuan dalam memecahkan masalah, belajar, dan mengambil keputusan.
2. Otomatisasi, menciptakan sistem yang dapat menggantikan manusia dalam
tugas-tugas intelegensi. Menggunakan sistem yang performanya sebaik manusia dalam melakukan pekerjaan.
3. Penguatan intelegensi, membangun sistem untuk membantu manusia agar
mampu berpikir lebih baik dan lebih cepat.
4. Intelegensi manusia super, membangun sistem yang mempunyai kemampuan
untuk melebihi intelegensi manusia.
5. Menyelesaikan permasalahan, sistem mampu menyelesaikan berbagai masalah
yang luas.
6. Wacana koheren, mampu berkomunikasi dengan manusia menggunakan
bahasa alami.
7. Belajar, mampu memperoleh data sendiri dan mengetahui bagaimana cara
memperoleh data. Sistem mampu membuat hipotesis, penerapan atau pembelajaran secara heuristik dan membuat alasan dengan analogi.
8. Otonomi, mempunyai sistem intelegensi yang beraksi atas inisiatif sendiri.
Universitas Sumatera Utara
9. Informasi, mampu menyimpan informasi dan mengetahui cara mengambil
informasi.
2.2 Agen Cerdas