Download - METODEPENCARIAN& - informatika.unsyiah.ac.id · METODEPENCARIAN& Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala

ì METODE PENCARIAN

Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc

Jurusan Informatika

Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam

Teknik-‐Teknik Search (1/3)

ì Hal-‐hal yang muncul dalam teknik pencarian : ì  Arah Search ì  Topologi proses search ì  Penggunaan fungsi heuris<k untuk memandu proses

tersebut

ì ARAH SEARCH ì  Dapat dilakukan :

ì  Maju à bermula dari keadaan awal (start state) ì  Mundur à diawali dari keadaan tujuan (goal state)


ì TOPOLOGI SEARCH ì  Ada 2 macam penggambaran problem, yaitu dalam

bentuk : ì  TREE (Tree) ì  Graph

ì  TREE ì  Merupakan graf dimana 2 simbol memiliki paling

banyak satu lintasan yang menghubungkannya. ì  Tidak ada loop dalam TREE. ì  Contoh : problem ember air.


ì GRAPH ì  Graph dibedakan menjadi 2 (dua):

ì  Graph berarah ì  Graph Tidak berarah

ì Teknik searching dalam Kecerdasan Buatan (AI) digunakan untuk mencari solusi dari suatu permasalahan.

ì Langkahnya adalah dengan mendefinisikan terlebih dahulu Ruang Masalah (State)

Ruang Masalah

Keadaan Awal (Ini<al State)

Tujuan (Goal)

Studi Kasus : Masalah Galon Air

A B

ì Bagaimana caranya bisa didapatkan air dengan ukuran tepat 2 liter di Galon B?

4 liter 3 liter

Kran air

Studi Kasus : Masalah Galon Air §  Keadaan Awal à Galon A dan B masih kosong

§  Tujuan (Goal) à Galon B berisi 2 liter air, Galon A berisi n liter air

No Kejadian yang mungkin untuk masalah galon air

1 Isi penuh galon A

2 Isi penuh galon B

3 Buang sebagian air dari galon A

4 Buang sebagian air dari galon B

5 Kosongkan isi galon A

6 Kosongkan isi galon B

7 Tuang air dari galon A ke galon B sampai galon B penuh

8 Tuang air dari galon B ke galon A sampai galon A penuh

9 Tuang semua air dari galon A ke galon B

10 Tuang semua air dari galon B ke galon A

Studi Kasus : Masalah Galon Air

ì Solusi Galon A Galon B No. Kejadian

0 liter 0 liter Ini<al State

0 liter 3 liter 2

3 liter 0 liter 10

3 liter 3 liter 2

4 liter 2 liter 8 à Goal

Performance Searching (1/3)

ì Evaluasi sebuah pencarian akan sangat kompleks

ì Dasar pengukuran dari evaluasi : ì  Seberapa cepat search menemukan penyelesaian ì  Seberapa cepat search menemukan penyelesaian

yang baik

ì Kecepatan search ditentukan : ì  Panjang Lintasnya. ì  Jumlah sesungguhnya penulusuran node.


§  Untuk mengukur performansi metode pencarian, terdapat 4 kriteria yang dapat digunakan : §  Completeness

§  Apakah solusi pas< ditemukan? §  Time Complexity

§  Berapa lama waktu yang diperlukan §  Space Complexity

§  Berapa banyak memori yang dibutuhkan §  Op<mally

§  Apakah solusi yang ditemukan adalah solusi yang terbaik?


ì Time & Space complexity diukur berdasarkan : ì  b à faktor percabangan dari search tree ì  d à depth (kedalaman) dari solusi op<mal ì  m à kedalaman maksimum dari search tree (bisa infinite)

Jenis Teknik Pencarian

¨  Ada beberapa teknik untuk mencari kemungkinan penyelesaian, yaitu : ¨  Blind Search (Uninformed Search)

¤  Depth First Search (DFS) ¤  Breadth First Search (BFS) ¤  Uniform Cost Search (UCS) ¤  Depth Limited Search (DLS) ¤  Itera=ve Deepening Search (IDS)

¤ Heuris=k Search (Informed Search) ¤  Hill-‐Climbing Search ¤  Least-‐Cost Search ¤  Best First Search

BLIND SEARCH (Breadth First Search)

ì Pada metode ini diperiksa se<ap node pada level yang sama sebelum mengolah ke level berikutnya yang lebih dalam.

ì Pencarian dilakukan pada semua simpul dalam se<ap level secara berurutan dari kiri à kanan.

ì Jika pada satu level belum ditemukan solusinya, maka pencarian dilanjutkan pada level berikutnya.


ì Keuntungan Breadth First Search : ì  Tidak akan menemui jalan buntu ì  Jika ada solusi, maka Breadth First Search akan

menemukannya, jika lebih dari satu maka solusi akan ditemukan

ì Kelemahan Breadth First Search ì  Membutuhkan memori yang cukup banyak, karena

menyimpan semua node dalam satu pohon ì  Membutuhkan waktu yang cukup lama, karena menguji n

level untuk mendapatkan solusi pada level yang ke(n+1)


ì Sifat Breadth First Search : ì  Complete

ì  Ya, jika b terbatas ì  Time Complexity

ì  Space Complexity

ì  Op<mal ì  Ya, jika semua step cost sama, tapi pada umumnya

<dak op<mal

b+ b2 + b3 +...+ bd = b(bd !1) / (b!1) =O bd+1( ) =O bd( )

O bd( )

Peta Aceh ì Contoh Kasus :

ì  B.Aceh–Sabang : 1000 KM ì  Sabang–Calang : 1000KM ì  Calang–Jantho : 800 KM ì  Jantho–Sigli : 1900 KM ì  Sigli–Meulaboh : 1500 KM ì  Meulaboh–Bireuen : 1800 KM ì  Bireuen–Bl.Pidie : 500 KM ì  Bl.Pidie–Simeulu : 1000 KM ì  Simeulue–Takengon : 1500 KM ì  Takengon–Lhokseumawe: 1500 KM ì  Lhokseumawe–Tapaktua : 1000KM ì  Tapaktuan-‐Singkil : 800KM ì  Singkil-‐Bl.Kejren : 900KM ì  Bl.Kejren-‐Kutacane : 700KM ì  Kutacane-‐Langsa : 900KM ì  Langsa-‐Perlak :1000KM

Tree : Kasus Peta Aceh

BLIND SEARCH (Depth First Search)

ì Pencarian dilakukan pada suatu simpul dalam se<ap level dari yang paling kiri.

ì Jika pada level yang terdalam, solusi belum ditemukan, maka pencarian dilanjutkan pada simpul sebelah kanan dan simpul yang kiri dapat dihapus dari memori

ì Jika pada level yang paling dalam <dak ditemukan solusi, maka pencarian dilanjutkan pada level sebelumnya.

ì Demikian seterusnya sampai ditemukan solusi


ì Metode pencarian dapat dilihat seper< gambar :


ì Keuntungan : ì  Membutuhkan memori rela<f kecil, karena hanya

node-‐node pada lintasan yang ak<f saja yang disimpan

ì  Secara kebetulan, metode ini akan menemukan solusi tanpa harus menguji lebih banyak

ì Kerugian : ì  Memungkinkan <dak ditemukannya tujuan yang

diharapkan ì  Hanya akan mendapatkan solusi pada <ap pencarian


§  Sifat Depth First Search §  Complete

§  Tidak Commplete, jika pohon yang dibangkitkan mempunyai level yang sangat dalam (<dak terhingga)

§  Time Complexity

§  Space Complexity

§  Op<mal §  Tidak op<mal, karena jika terdapat lebih dari satu solusi

yang sama tetapi berada pada level yang berbeda, maka DFS <dak menjamin untuk menemukan solusi yang paling baik

( )mbO( )bmO

Peta Aceh ì Contoh Kasus :

ì  B.Aceh–Sabang : 1000 KM ì  B.Aceh–Calang : 1000KM ì  Calang–Meulaboh : 800 KM ì  Meulaboh–Bl.Pidie : 1900 KM ì  Bl.Pidie–Tapaktuan : 1500 KM ì  Bl.Pidie–Singkil : 1800 KM ì  Meulaboh–Simulue : 500 KM ì  B.Aceh–Jantho : 1000 KM ì  B.Aceh–Sigli : 1500 KM ì  Sigli–Bireuen : 1500 KM ì  Bireuen–Takengon : 1000KM ì  Mtakengon-‐Bl.Kejren : 800KM ì  Takengon-‐Kutacane : 900KM ì  Bireuen-‐Lhokseumawe : 700KM ì  Lhokseumawe-‐Langsa : 900KM ì  Lhokseumawe-‐Perlak :1000KM

Tree : Kasus Peta Aceh

BLIND SEARCH (Uniform Cost Search)

ì Konsepnya hampir sama dengan BFS

ì Pada UCS, menggunakan urutan biaya dari yang paling kecil sampai terbesar

ì UCS berusaha untuk menemukan solusi dengan total biaya terendah.

S A

G B

C

5

8

12

7

2

10

Referensi

ì  Sebagian besar materi(slide) disiapkan oleh (Sekolah Tinggi Ilmu Komputer Indonesia (STIKI) Malang.

ì  George F. Luger, Ar<ficial Intelligence, Addison Wesley, Fourth Edi<on.

ì  Stuart Russell & Peter Norvig, Ar<ficial Intelligence: A Modern Approach, Third Edi<on.