komodifikasi dalam ajang pencarian bakat penyanyi dangdut ...
ARTIFICIAL INTELLIGENCE ALGORITMA PENCARIAN (Searching Algorithm)
-
Upload
stikombanyuwangi -
Category
Documents
-
view
2 -
download
0
Transcript of ARTIFICIAL INTELLIGENCE ALGORITMA PENCARIAN (Searching Algorithm)
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 1
A R T I F I C I A L I N T E L L I G E N C E
A L G O R I T M A P E N C A R I A N (SearchingAlgorithm)
Dosen Pengampu :
Sulaibatul Aslamiyah, S.Kom
Disusun oleh :
Nurul Ichwanti (1111100736)
S1 – TEKHNIK INFORMATIKA
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 2
Jl. Ahmad Yani 80 Banyuwangi Telp.( 0333) - 7766990
E-mail :www.stikombanyuwangi.ac.id
DAFTAR ISI
Halaman Judul 1
Daftar Isi 2
BAB 1 PENDAHULUAN 3
BAB 2 BEST FIRST SEARCH
2.1 Metode Best First Search 5
2.1.1 Greedy Best First Search 6
2.1.2 Algoritma A* 8
2.1.3 Perbandingan Greedy Best First Searh dan AlgoritmaA* 10
BAB 3 BRANCH AND BOUND
3.1 Metode Branch and Bound 11
3.2 Contoh soal dan penyelesaian 11
3.3 Kelebihan dan kekurangan 12
BAB 4 BRANCH AND BOUND DENGAN DYNAMIC PROGRAMMING
4.1 Metode Branch and Bound dengan Dynamic Programmming 13
4.2 Contoh soal dan penyelesaian 13
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 3
4.3 Kelebihan dan kekurangan 14
BAB 5 KESIMPULAN 15
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 4
BAB 1
PENDAHULUAN
Permasalahan pencarian adalah merupakan yang sering dijumpaioleh peneliti di bidang Kecerdasan Buatan. Permasalahan ini
merupakan hal penting dalam menentukan keberhasilan system
kecerdasan buatan. Metode pencarian dibagi menjadi 3 bagian, dapat
dilihat pada bagan dibawah ini :
Keterangan :
1. Metode Pencarian Buta, merupakan metode sederhana yang hanya
berusaha mencari kemungkinan penyelesaian. Metode yang termasuk
pada bagian ini adalah Breadth First Search, Depth First Search,
Hill climbing, Beam Fisrt, dan Best First Search.
Kecerdasan Buatan | Artificial Intelligence
Gambar 1.1 Bagan Metode Penelusuran(Searching)
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 5
2. Metode Penyelesaian Optimal, merupakan metode yang lebih kompleks yang
akan mencari jarak terpendek. Metode yang termasuk pada bagian
ini adalah British Museum Procedure, Branch and Bound, Dynamic
Programming dan A*. Metode-metode ini digunakan pada saat harga
perjalanan untuk mencari kemungkinan menjadi perhitungan.
3. Metode Permainan, merupakan metode yang digunakan saat berhadapan
dengan musuh. Prosedur ini adalah minimax search, alpha beta
pruning. Metode ini banyak digunakan pada program-program
permainan seperti catur,dsb.
Metode pencarian dikatakan penting untuk menyelesaikan
permasalahan karena setiap state (keadaan) menggambarkan
langkah-langkah untuk menyelesaikan permasalahan.
Metode pencarian dikatakan penting untuk perencanaan karena
dalam sebuah permainan akan menentukan apa yang harus
dilakukan, dimana setiap state menggambarkan kemungkinan
posisi pada suatu saat.
Metode pencarian adalah bagian dari kesimpulan, dimana setiap
state menggambarkan hipotesis dalam sebuah rangkaian deduktif.
Secara umum, untuk mendeskripsikan suatu permasalahan dengan
baik harus :
a. Mendefinisikan suatu ruang keadaan.
b. Menerapkan satu atau lebih keadaan awal.
c. Menetapkan satu atau lebih tujuan.
d. Menetapkan kumpulan aturan.
Pada makalah ini saya hanya membahas tiga pokok bahasan saja
(menyesuaikan tugas), yakni :
1) Best First Search
2) Branch and Bound
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 6
3) Branch and Bound dengan Dynamic Programming
BAB 2
BEST FIRST SEARCH
2.1 Metode Best First Search
Merupakan metode/teknik search yang menggabungkan
kebaikan yang ada dari teknik Depth First Search dan
Breadth First Search.
Tujuan menggabungkan dua tekhnik search ini
adalah untuk menelusuri satu jalur saja pada satu
saat, tapi dapat berpindah ketika jalur lain terlihat
lebih menjanjikan dari jalur yang sedang ditelusuri.
Untuk mendapatkan jalur yang menjanjikan adalah dengan
memberikan skala prioritas pada setiap state saat
dihasilkan dengan fungsi heuristic.
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 7
Pencarian diperkenankan mengunjungi node yang ada di
level yg lebih rendah jika ternyata node pada level yg
lebih tinggi ternyata memiliki nilai heuristik yg
buruk.
Contoh :
Untuk mengimplementasikan metode ini, dibutuhkan 2
antrian yang berisi node- node, yaitu :
1. OPEN berisi simpul-simpul yang masih memiliki
peluang (peluangnya masih terbuka) untuk terpilih
sebagai simpul terbaik.
2. CLOSED berisi simpul-simpul yang tidak mungkin
terpilih sebagai simpul terbaik (peluang untuk
terpilih sudah tertutup)
Best First Search akan membangkitkan node berikutnya
dari semua node yg pernah dibangkitkan.
Pertanyaannya :
Bagaimana menentukan sebuah node terbaik saat
ini?
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 8
Dilakukan dengan menggunakan biaya perkiraan.
Bagaimana caranya menentukan biaya perkiraan?
Biaya perkiraan dapat ditentukan dengan fungsiheurist ic.
Fungsi Heurist ic :
- Suatu fungsi heuristic dikatakan baik jika bisa
memberikan biaya perkiraan yang mendekati biaya
sebenarnya.
- Semakin mendekati biaya sebenarnya, fungsi heuristic
tersebut semakin baik.
Ada 2 jenis Pencarian Terbaik Pertama ( Best First Search),
yaitu :
1. Greedy Best First Search
2. Algoritma A*
2.1.1 Greedy Best First Search
Algoritma ini merupakan jenis algoritma Best
First Search yg paling sederhana. Algoritma ini hanya
memperhitungkan biaya perkiraan saja,
f(n) = h ’(n)
Karena hanya memperhitungkan biaya perkiraan yang
belum tentu kebenarannya, maka algoritma ini menjadi
tidak optimal.
Contoh
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 9
Langkah 1 :
Langkah 2 :
Langkah 3 :
Solusi :
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 10
Kesimpulan :
Dari contoh di atas, Greedy akan menemukan solusi S-
B-K-G dengan total jarak = 105
Padahal ada solusi lain yg lebih optimal, yakni :
S-A-B-F-K-G dengan total jarak hanya 95
2.1.2 Algoritma A*
Berbeda dg Greedy, algoritma ini akan menghitung
fungsi heuristic dengan cara menambahkan biaya
sebenarnya dengan biaya perkiraan. Sehingga didapatkan
rumus :
g(n) = Biaya sebenarnya dari Node Awal ke Node n
h’(n) = Biaya perkiraan dari Node n ke Node Tujuan
Contoh
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 11
Langkah 1 :
Langkah 2 :
Langkah 3 :
Langkah 4 :
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 12
Langkah 5 :
Langkah 6 :
Solusi :
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 13
2.1.3 Perbandingan Greedy Best First Search dan
Algoritma A*
Greedy Best First Search t idak bisa menemukan solusi yang
optimal.
Algoritma A* dapat menemukan solusi yang optimal.
Algoritma A* lebih baik dalam melakukan pencarian
heuristic daripada Greedy Best First Search karena
dapat menghasilkan solusi yang optimal.
BAB 3
BRANCH AND BOUND
3.1 Metode Branch and Bound
Metode Branch and Bound adalah sebuah teknik
algoritma yang secara khusus mempelajari bagaimana
caranya memperkecil Search Tree menjadi sekecil
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 14
mungkin. Pada metode ini kita tidak memerlukan
estimasi jarak tiap node menuju GOAL. Selain itu
elemen-elemen pada queue bukan tiap node, melainkan
lintasan parsial yang sudah tercapai.
3.2 Contoh Soal dan Penyelesaian
- Algoritma
1. Buat sebuah Antrian, inisialisasi node pertama
dengan Root dari tree
2. Bila lintasan parsial tidak sama dengan lintasan
GOAL, maka lintasan parsial diganti dengan
lintasan parsial+node child, semuanya diatur
berdasarkan harga yang diurut secara ascending.
3. Bila node pertama=lintasa GOAL, selesai.
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 15
3.3 Kelebihan dan Kekurangan
Metode ini mempunyai beberapa kelebihan, namun selain
kelebihan juga memiliki kelemahan, diantaranya :
Kelebihan
Algoritma berhenti pada nilai optimum sebenarnya
(menemukan optimum global) .
Kelemahan
Membutuhkan memori yang cukup banyak, karena bisa
jadi menyimpan semua lintasan parsial yang
memungkinkan.
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 16
BAB 4
BRANCH AND BOUND
DENGAN DYNAMIC PROGRAMMING
4.1 Metode Branch and Bound dengan Dynamic Programming
Metode ini sama dengan Branch and Bound, tetapi lebih
efi sien karena bisa mengurangi lebar/melakukan pemotongan
terhadap lebar dari tree. Hal ini dilakukan dengan cara
mereduksi lintasan parsial yang menuju ke suatu node
yang sudah pernah dikunjungi sebelumnya.
4.2 Contoh Soal dan Penyelesaian
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 17
Algoritma
1. Buat sebuah antrian, inisialisasi node pertama dengan
Root dari tree.
2. Bila lintasan parsial tidak sama dengan lintasan GOAL,
jika ada lintasan parsial dengan node terakhir yang
sama (dalam satu queue) maka diambil yang harganya
paling minimal, sedangkan yang lebih mahal dihapus
dari queue, sehingga tree akan lebih kurus.
3. Bila node pertama=lintasan GOAL, selesai.
Kecerdasan Buatan | Artificial Intelligence
| S1 Pagi – Teknik Informatika |STIKOM Banyuwangi 18
4.3 Kelebihan dan Kekurangan
Metode ini mempunyai beberapa kelebihan, namun selain
kelebihan juga memiliki kelemahan, diantaranya :
Kelebihan
Algoritma berhenti pada nilai optimum sebenarnya.
Lebih efisien dari metode Branch dan Bound dalam
penggunaan memori dan waktu eksekusi karena ada
pemotongan.
Kelemahan
Harus mengingat node terakhir dari lintasan
parsial yang sudah dicapai sebelumnya.
BAB 5
ANALISA DAN KESIMPULAN
Metode Optimal lebih menguntungkan dan lebih baik daripada
metode non-optimal, karena membutuhkan memori yang relative
kecil dan berhenti pada nilai optimum sebenarnya.
Kecerdasan Buatan | Artificial Intelligence