Slide INF401 KECERDASAN BUATAN PERTEMUAN 9

KECERDASAN BUATAN
PERTEMUAN 9

Planning
(Teknik Dekomposisi
Masalah)

ARTIFICIAL INTELLIGENCE

SEARCHING

BLIND/UN-INFORMED
SEARCH
METODE PENCARIAN
HEURISTIK
FUNGSI HEURISTIK

REASONING

PLANNING

LEARNING

PROPORTIONAL LOGIC

GOAL STACK PLANNING

DECISION TREE LEARNING

FIRST ORDER LOGIC

CONSTRAINT POSTING

NEURAL NETWORK

FUZZY SYSTEMS

GENETIC ALGORITHM

Searching
 Teknik pencarian, yaitu teknik penyelesaian masalah yang

mempresentasikan masalah ke dalam ruang keadaan (state) dan
secara sistematis melakukan pembangkitan dan pengujian statestate dari initial state sampai ditemukan suatu goal state.
 Digunakan dalam pencarian rute optimum untuk memandu
seseorang di perjalanan, misal di swedia setiap taksi dilengkapi
dengan GPS (Global Positioning System)

Reasoning
• Teknik penalaran, yaitu teknik penyelesaian masalah yang
merepresentasikan maslah kedalam logic (mathematics tools yang
digunakan untuk merepresentasikan dan memanipulasi fakta dan
aturan).
• software permainan catur HITECH adalah sistem AI pertama yang
berhasil mengalahkan grandmaster dunia Arnold Danker

Planning
Suatu metode penyelesaian masalah dengan cara memecah masalah
dalam 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 dengan tetap
mengingat dan menangani interaksi yang terdapat pada sub-sub

masalah tersebut. Dalam dunia manufaktur dan robotik. Software
Optimum – AIV adalah suatu planner yang digunakan oleh European
Space Agency untuk perakitan pesawat terbang.

Learning
• secara otomatis menemukan atuan yang diharapkan bisa berlaku
umum untuk dat-data ang belum pernah kita ketahui.
• digunakan dalam bidang transportasi. Software ALVINN digunakan
pada sebuah mobil tanpa dikemudikan manusia  dengan
menngunakan JST yg dilatih dengan berbagai gambar kondisi jalan
raya yang ditangkap kamera pada mobil.

Penyelesaian Masalah
 Penentuan tujuan merupakan langkah awal dalam menyelesaikan masalah
 Sebuah tujuan dapat berupa himpunan keadaan (state)
 Perumusan masalah adalah proses untuk memutuskan aksi dan state apa yang
akan dipertimbangkan dalam mengikuti penentuan tujuan
 Pencarian (search) adalah proses untuk mencari rangkaian terbaik dari
beberapa kemungkinan rangkaian
 Sebuah algoritma pencarian menggunakan masalah sebagai input

menghasilkan solusi dalam serangkaian aksi
 Setelah solusi ditemukan, aksi yang direkomendasikan dapat dilakukan
formulate-search-execute

Tipe Masalah
Single State Problem
• Satu aksi mengantarkan agent ke satu state lain
• Dapat menggunakan uninformed & informed search

Multiple State Problem
• Satu aksi mengantarkan agent ke beberapa kemungkinan state
• Dapat menggunakan uninformed & informed search

Contingency problem (tidak terduga)
• Hasil dari suatu aksi sangat sukar untuk diprediksi, agent mengetahui efek apa yang mungkin ditimbulkan oleh aksi yang
dilakukannya
• Selama aksi dilakukan, sensing juga diperlukan
• Umumnya menggunakan planning untuk kasus khusus seperti pada game dengan 2 pemain dapat menggunakan metode-metode
game playing

Exploration problem
• Agent sama sekali tidak mempunyai informasi mengenai efek dari aksi yang dilakukannya
• Agent perlu bereksperiman & belajar
• Dapat menggunakan metode learning yang ada

Metode Pencarian
• Pencarian Buta (Blind Search/Uninformed search)
•
•
•
•

Pencarian melebar (breath first Search)
Pencarian mendalam pertama (dept first search)
Pencarian mendalam terbatas (dept limited search)
Iterative Deepening Search

• Pencarian Terbimbing (Informed/heuristic Search)
•
•

•
•
•
•

Generate and Test
Pendakian Bukit (Hill Climbing)
Pencarian Terbaik Pertama (Best First Search)
Tabu Search
Simulated Anealing
Cheapest Insertion Heuristic

S
A

D

B
C

D
E
F
G

E

E
F

B

G

C

A

F

B

B

E

G

C

C

F

G

Breath-First Seach
• Pada metode Breadth-First Search, semua node pada level n akan
dikunjungi terlebih dahulu sebelum mengunjungi node-node pada
level n+1

• Pencarian dimulai dari node akar terus ke level ke-1 dari kiri ke kanan,
kemudian berpindah ke level berikutnya demikian pula dari kiri ke
kanan hingga ditemukannya

S
A

D

B
C

D
E

E

E

F

F

B

G

G

C

A

F

B

B

E

G

C

C

F

G

Depth First Search
• Pada Depth-First Search, proses pencarian akan dilakukan pada semua
anaknya sebelum dilakukan pencarian ke node-node yang selevel.
• Pencarian dimulai dari node akar ke level yang lebih tinggi. Proses ini
diulangi terus hingga ditemukannya solusi

S
A

D

B
C

D
E
F
G

E

E

F

F

B

G

C

G

A
B

B

C

C

Jarak dan
E

Jml Langkah
1.

F

G

2.
3.

SE
SB
SG

Arad  Buchared?

Arad  Buchared?

Depth Limited Search
• Sama dengan pada Depth First Search
• Tetapi kedalaman dari pohon dibatasi
• Jika batas kedalaman sudah tercapai akan dilanjutkan ke cabang
berikutnya
• Misal kedalaman maksimal : 3

S
A
B
C

D
D

E

E

E
F

A
B

B

Jarak dan
E

Jml Langkah
1.
2.
3.

SE
SB
SG

Iterative Deepening Search
• Secara iterative akan menggunakan Depth Limited Search dari
kedalaman 0 sampai kedalaman n
• Merupakan penggabungan antara Breath First Search dan Depth First
Search

n
n == 0
0

n
n == 1
1

n
n == 2
2

S

n
n == 3
3
A
B

C

D
D

E

E

E
F

A
B

B

E

n
n == 4
4
S
A

D

B
C

D
E
F

E

E
F

B

A

F

B

G

C

B

E

C

F

n
n == 5
5
S
A

D

B
C

D
E

E

E

F

A
B

B

Jarak dan
E

Jml Langkah
1.

F
G

F

B

G

C

G

C

C

F

G

2.
3.

SE
SB
SG

Sumber
• Russel, S.J., dan Norvig, P., 1995, Artificial Intelligence a Modern Aproach
• Winston, P.H., 1992, Artificial Intelligence
• Handayani, A.N., ---, Kecerdasan Buatan