10/7/2015

Sistem Kecerdasan Buatan

Masalah, Ruang Masalah dan
Pencarian Solusi

Bahan Bacaan :
Sri Kusumadewi, Artificial Intelligence.
Russel, Artificial Intelligence Modern Approach

Masalah
Untuk membangun sistem yang mampu menyelesaikan
masalah, perlu dipertimbangkan 4 hal:
Mendefinisikan masalah dengan tepat
Spesifikasi yang tepat mengenai keadaan awal
Solusi yang diharapkan
Menganalisis masalah serta mencari beberapa teknik
penyelesaian masalah yang sesuai
Merepresentasikan pengetahuan yang perlu untuk
menyelesaikan masalah
Memilih teknik penyelesaian masalah yang terbaik

2 bagian utama kecerdasan buatan :

a. basis pengetahuan (knowledge base): berisi fakta-fakta,
teori, pemikiran & hubungan antara satu
dengan lainnya.
b. motor inferensi (inference engine) : kemampuan menarik
kesimpulan berdasarkan basis pengetahuan

Masalah Sebagai Ruang Keadaan

Suatu ruang yang berisi semua keadaan
yang mungkin
Misalkan permasalahan yang dihadapi
adalah Permainan Catur.
Maka harus ditentukan
Posisi awal pada papan catur
Aturan-aturan untuk melakukan gerakan
secara legal
Tujuan (goal)

10/7/2015

Posisi awal pada papan catur

Posisi awal selalu sama

Aturan-aturan untuk melakukan

gerakan secara legal
Aturan-aturan sangat berguna untuk menentukan gerakan
suatu bidak
Untuk mempermudah
huruf (a,b,c,d,e,f,g,h) horizontal
angka (1,2,3,4,5,6,7,8) vertikal
Contoh
bidak (e,2) ke (e,4)
IF Bidak putih pada Kotak(e,2),
AND Kotak(e,3) Kosong,
AND Kotak(e,4) Kosong
Then Gerakkan bidak dari (e,2) ke (e,4)

Aturan-aturan untuk melakukan

gerakan secara legal

Tujuan (goal)
Tujuan yang ingin dicapai adalah posisi
pada papan catur yang menunjukkan
kemenangan seseorang terhadap
lawannya
Ditandai dengan posisi Raja yang sudah
tidak dapat bergerak lagi

10/7/2015

Ruang Keadaan (State Space)

Suatu ruang yang berisi semua keadaan yang
mungkin
Sehingga secara umum, untuk mendeskripsikan
masalah dengan baik, harus:
Mendefinisikan suatu ruang keadaan
Menetapkan satu atau lebih keadaan awal
Menetapkan satu atau lebih tujuan
Menetapkan kumpulan aturan
Ada beberapa cara untuk merepresentasikan Ruang
Keadaan (Graph keadaan, Pohon pelacakan)

Contoh : Masalah PETANI

Identifikasi ruang keadaan

Contoh : Masalah PETANI

Seorang petani akan menyebrangkan seekor
kambing, seekor serigala dan sayur mayur
dengan sebuah perahu melalui sungai.
Perahu hanya bisa memuat petani dan satu
penumpang lain.
Jika Petani menyebrangkan serigala, sayur
akan dimakan kambing
Jika Petani menyebrangkan sayur maka
kambing akan dimakan serigala

Contoh : Masalah PETANI

Aturan-aturan

Permasalahan ini dapat dilambangkan dengan

(kambing,serigala,sayuran,perahu).
Contoh : daerah asal (0,1,1,1) = daerah asal tidak
ada kambing,ada serigala,ada sayuran,ada perahu

Keadaan awal & tujuan

Keadaan awal, pada kedua daerah :
daerah asal = (1,1,1,1)
daerah seberang = (0,0,0,0)

Keadaan tujuan, pada kedua daerah :

daerah asal = (0,0,0,0)
daerah seberang = (1,1,1,1)

10/7/2015

Contoh : Masalah PETANI

Solusi

Contoh : Masalah Ember

Ada 2 ember masing-masing berkapasitas
4 galon (ember A) dan 3 galon (ember B).
Ada pompa air yg akan digunakan untuk
mengisi air pada ember tersebut.
Bagaimana dapat mengisi tepat 2 galon
air ke dalam ember berkapasitas 4 galon?
Ember A
Kapasitas :
4 galon

Ember B
Kapasitas :
3 galon

Isi = 2 galon?

Contoh : Masalah Ember

Contoh : Masalah Ember

Penyelesaian :
Identifikasi ruang keadaan (state space)
Permasalahan ini dapat digambarkan sebagai himpunan pasangan
bilangan bulat :
x = jumlah air yg diisikan ke ember 4 galon (ember A)
y = jumlah air yg diisikan ke ember 3 galon (ember B)

Ruang keadaan = (x,y) sedemikian hingga x {0,1,2,3,4} dan y

{0,1,2,3}

Keadaan awal & tujuan

Keadaan awal : kedua ember kosong = (0,0)
Tujuan : ember 4 galon berisi 2 galon air = (2,n) dengan sembarang n

Keadaan ember
Keadaan ember bisa digambarkan sebagai berikut :

10/7/2015

Contoh : Masalah Ember

Contoh : Masalah Ember

Aturan-aturan
Diasumsikan kita dapat mengisi ember air itu
dari pompa air, membuang air dari ember ke
luar, menuangkan air dari ember yang satu ke
ember yang lain.

Contoh : Masalah Ember

TUGAS
3 Kanibal & 3 Misionaris
Menyeberangkan semuanya ke seberang
Jika terdapat lebih banyak kanibal pada satu sisi,
maka misionaris akan dimakan oleh kanibal
Notasi
M adalah Misionaris
K adalah Kanibal

Harus dijaga agar M >= K pada satu sisi

Tentukan aturan-aturan yang digunakan
dan penyelesaiannya!!

10/7/2015

Graph Keadaan

Representasi Ruang Keadaan

Graph Keadaan
Terdiri dari node-node yang menunjukkan
keadaan yaitu keadaan awal dan keadaan baru
yang akan dicapai dengan menggunakan
operator
Node-node saling dihubungkan dengan
menggunakan arc (busur) yang diberi panah
untuk menunjukkan arah

Node M : awal, node T : tujuan. Ada 4 lintasan dari M ke T :

Lintasan buntu atau lintasan yang tidak sampai ke tujuan :

Pohon Pelacakan / Pencarian

M-A-B-C-E-T
M-A-B-C-E-H-T
M-D-C-E-T
M-D-C-E-H-T
M-A-B-C-E-F-G
M-A-B-C-E-I-J
M-D-C-E-F-G
M-D-C-E-I-J
M-D-I-J

Pohon Pelacakan / Pencarian

menggambarkan keadaan secara hirarkis

Node pada level-0 disebut akar/root menunjukkan keadaan awal & memiliki
beberapa percabangan yang terdiri atas
beberapa node yg disebut anak/child
Node yg tidak memiliki anak disebut daun/leaf menunjukkan akhir dari suatu pencarian, dapat
berupa tujuan yang diharapkan (goal) atau jalan
buntu (dead end).

10/7/2015

Pohon AND / OR
Pohon OR

Pohon AND / OR
Masalah sebelumnya jika diselesaikan
dengan pohon AND / OR :

Solusi masalah M 4 kemungkinan A or B

or C or D

Pohon AND

Solusi masalah M A and B and C and D

Metode Pelacakan / Pencarian

Metode Pelacakan / Pencarian

Hal penting dalam menentukan keberhasilan

sistem cerdas adalah kesuksesan dalam
pencarian.
Pencarian = suatu proses mencari solusi dari
suatu permasalahan melalui sekumpulan
kemungkinan ruang keadaan (state space).
Ruang keadaan = merupakan suatu ruang yang
berisi semua keadaan yang mungkin.

Dalam permainan catur misalnya, seorang

pemain mempertimbangkan sejumlah
kemungkinan tentang langkah langkah
berikutnya, memilih yang terbaik menurut
kriteria tertentu seperti kemungkinan
respon lawannya.
Aspek tingkah laku cerdas yang
mendasari teknik penyelesaian problema
seperti dalam permainan catur tersebut
dinamakan proses pencarian ruang
keadaan (space state search).

10/7/2015

Kriteria
Completeness : apakah metode tersebut
menjamin penemuan solusi jika solusinya
memang ada?
Time complexity : berapa lama waktu yang
diperlukan?
Space complexity : berapa banyak memori yang
diperlukan?
Optimality : apakah metode tersebut menjamin
menemukan solusi yang terbaik jika terdapat
beberapa solusi berbeda?

Breadth First Search

Teknik Pencarian
Pencarian buta (blind search) : tidak ada
informasi awal yang digunakan dalam proses
pencarian
Pencarian melebar pertama (Breadth First Search)
Pencarian mendalam pertama (Depth First Search)

Pencarian terbimbing (heuristic search) : adanya

informasi awal yang digunakan dalam proses
pencarian
Pendakian Bukit (Hill Climbing)
Pencarian Terbaik Pertama (Best First Search)

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 1 dari kiri ke kanan, kemudian
berpindah ke level berikutnya dari kiri ke
kanan hingga solusi ditemukan.

10/7/2015

Breadth First Search

Keuntungan :
tidak akan menemui jalan buntu, menjamin ditemukannya solusi
(jika solusinya memang ada) dan solusi yang ditemukan pasti
yang paling baik
jika ada 1 solusi, maka breadth first search akan
menemukannya,jika ada lebih dari 1 solusi, maka solusi
minimum akan ditemukan.
Kesimpulan : complete dan optimal

Kelemahan :
membutuhkan memori yang banyak, karena harus menyimpan
semua simpul yang pernah dibangkitkan. Hal ini harus dilakukan
agar BFS dapat melakukan penelusuran simpul-simpul sampai
di level bawah
membutuhkan waktu yang cukup lama

Depth First Search

Depth First Search

Pencarian dilakukan pada suatu simpul dalam
setiap level dari yang paling kiri.
Jika pada level yang paling dalam tidak
ditemukan solusi, maka pencarian dilanjutkan
pada simpul sebelah kanan dan simpul yang kiri
dapat dihapus dari memori.
Jika pada level yang paling dalam tidak
ditemukan solusi, maka pencarian dilanjutkan
pada level sebelumnya. Demikian seterusnya
sampai ditemukan solusi.

Depth First Search

Keuntungan :
membutuhkan memori relatif kecil, karena hanya node-node
pada lintasan yang aktif saja yang disimpan
Secara kebetulan, akan menemukan solusi tanpa harus menguji
lebih banyak lagi dalam ruang keadaan, jadi jika solusi yang
dicari berada pada level yang dalam dan paling kiri, maka DFS
akan menemukannya dengan cepat (waktu cepat)

Kelemahan :
Memungkinkan tidak ditemukannya tujuan yang diharapkan,
karena jika pohon yang dibangkitkan mempunyai level yang
sangat dalam (tak terhingga) / tidak complete karena tidak ada
jaminan menemukan solusi
Hanya mendapat 1 solusi pada setiap pencarian, karena jika
terdapat lebih dari satu solusi yang sama tetapi berada pada
level yang berbeda, maka DFS tidak menjamin untuk
menemukan solusi yang paling baik (tidak optimal).

10/7/2015

Heuristik Search
Pembangkit dan pengujian (generate and
test)
hill climbing
Best first search
A*

Metode Heuristik
Pencarian buta tidak selalu dapat diterapkan dengan
baik, karena waktu aksesnya yang cukup lama &
besarnya memori yang diperlukan. Terutama untuk
permasalah dengan ruang masalah yang besar.
Heuristik adalah sebuah teknik yang mengembangkan
efisiensi dalam proses pencarian, namun dengan
kemungkinan mengorbankan kelengkapan
(completeness).
Metode heuristic search menggunakan suatu fungsi
yang menghitung biaya perkiraan (estimasi) dari suatu
simpul tertentu menuju ke simpul tujuan

Contoh : 8-puzzle

Langkah awal

Ada 4 operator yang dapat digunakan untuk

menggerakkan dari satu keadaan ke keadaan yang baru
1. Ubin kosong digeser ke kiri
2. Ubin kosong digeser ke kanan
3. Ubin kosong digeser ke bawah
4. Ubin kosong digeser ke atas

10

10/7/2015

Pada pencarian heuristik perlu diberikan informasi khusus, yaitu jumlah

ubin yang menempati posisi yang benar.
Jumlah yang lebih tinggi adalah yang lebih diharapkan (lebih baik).

Generate and Test

Gabungan dari Depth First Search dan backtracking,
bergerak ke belakang menuju pada suatu keadaan awal.
Algoritma :
1. Bangkitkan suatu kemungkinan solusi (membangkitkan suatu
tititk tertentu atau lintasan tertentu dari keadaan awal).
2. Uji untuk melihat apakah node tersebut benar-benar merupakan
solusinya dengan cara membandingkan node terebut atau node
akhir dari suatu lintasan yang dipilih dengan kumpulan tujuan
yang diharapkan.
3. Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali langkah
pertama.

Untuk jumlah ubin yang menempati posisi yang salah

Jumlah yang lebih kecil adalah yang diharapkan (lebih baik)

Contoh : Travelling Salesman

Problem (TSP)
Seorang salesman ingin mengunjungi n kota. Jarak
antara tiap-tiap kota sudah diketahui. Kita ingin
mengetahui ruter terpendek dimana setaip kota hanya
boleh dikkunjungi tepat 1 kali. Misalkan ada 4 kota
dengan jarak antara tiap-tiap kota seperti berikut ini :

11

10/7/2015

Hill Climbing
Metode ini hampir sama dengan metode
pembangkitan dan pengujian, hanya saja proses
pengujian dilakukan dengan menggunakan
fungsi heuristik. Pembangkitan keadaan
berikutnya tergantung pada feedback dari
prosedur pengetesan. Tes yang berupa fungsi
heuristic ini akan menunjukkan seberapa
baiknya nilai terkaan yang diambil terhadap
keadaan-keadaan lainnya yang mungkin.

Algoritma Simple Hill Climbing

Cari operator yang belum pernah digunakan; gunakan
operator ini untuk mendapatkan keadaan yang baru.
Kerjakan langkah-langkah berikut sampai solusinya
ditemukan atau sampai tidak ada operator baru yang
akan diaplikasikan pada keadaan sekarang :
Cari operator yang belum digunakan; gunakan operator
ini untuk mendapatkan keadaan yang baru.
Evaluasi keadaan baru tersebut :
Jika keadaan baru merupakan tujuan, keluar
Jika bukan tujuan, namun nilainya lebih baik daripada keadaan
sekarang, maka jadikan keadaan baru tersebut menjadi keadaan
sekarang.
Jika keadaan baru tidak lebih baik daripada keadaan sekarang,
maka lanjutkan iterasi.

Pada simple hill climbing, ada 3 masalah

yang mungkin:
Algoritma akan berhenti kalau mencapai nilai
optimum local
Urutan penggunaan operator akan sangat
berpengaruh pada penemuan solusi
Tidak diijinkan untuk melihat satupun langkah
sebelumnya.

12

10/7/2015

Contoh : TSP dengan Simple Hill Climbing

Operator digunakan untuk menukar posisi kota-kota
yang bersebelahan. Apabila ada 4 kota, dan kita ingin
mencari kombinasi lintasan dengan menukar posisi
urutan 2 kota, maka kita akan mendapatkan sebanyak
6 kombinasi.
n!
4!
4!
4

2.3 6
2!(n 2)!
2!( 4 2)! 2!2!

(1,2) menukar posisi kota 1 dan 2

(1,3) menukar posisi kota 1 dan 3
(1,4) menukar posisi kota 1 dan 4
(2,3) menukar posisi kota 2 dan 3
(2,4) menukar posisi kota 2 dan 4
(3,4) menukar posisi kota 3 dan 4

Steepest Ascent Hill Climbing

Hampir sama dengan simple hill climbing,
hanya gerakan pencarian tidak dimulai
dari posisi paling kiri. Gerakan selanjutnya
dicari berdasarkan nilai heuristik terbaik.
Dalam hal ini urutan operator tidak
menentukan penemuan solusi.

13

10/7/2015

A*
Perbaikan dari metode Best-First search
dengan memodifikasi fungsi heuristiknya
A* meminimumkan total biaya lintasan.
Pada kondisi yang tepat, A* akan
memberikan solusi yang terbaik dalam
waktu yang optimal.

Fungsi Heuristik yang digunakan merupakan

prakiraan (estimasi) cost dari initial state ke goal
state, yang dinyatakan dengan :
f(n) = g(n) + h(n)
dimana :
f = Fungsi evaluasi
g = cost dari initial state ke current state
h = perkiraan cost dari current state ke goal
state

Contoh
Misalkan kita memiliki ruang pencarian seperti pada
gambar berikut. Node M merupakan keadaan awal dan
node T merupakan tujuannya. Biaya edge yang
menghubungkan node M dengan node A adalah biaya
yang dikeluarkan untuk bergerak dari kota M ke kota A.
Nilai g diperoleh berdasarkan biaya edge minimal.
Sedangkan nilai h di node A merupakan hasil perkiraan
terhadap biaya yang diperlukan dari node A untuk
sampai ke tujuan. h(n) bernilai ~ jika sudah jelas tidak
ada hubungan antara node n dengan node tujuan (jalan
buntu). Kita bisa merunut nilai untuk setiap node.

14

10/7/2015

Penelusuran dengan f(n)=h(n)

Node
diekspansi
M
C
H
T

Antrian OPEN
[M(6)]
[C(2), A(3), B(4)]
[H(2), A(3), B(4), I(~)]
[T(0), A(3), B(4), L(~),
I(~)]
[A(3), B(4), L(~) , I(~)]

Latihan Blind Search

1. Diketahui gambar pohon berikut :
S
A

Penelusuran dengan f(n)=g(n)+h(n)

Node
diekspansi
M
C
H
T

Antrian OPEN
[M(6)]
[C(6), B(7), A(8)]
[H(7), B(7), A(8), I(~)]
[T(7), B(7), A(8), L(~),
I(~)]
[B(7), A(8), L(~), I(~)]

Latihan Hill Climbing

Carilah lintasan terpendek dari graph di
bawah dengan metode simple hill climbing
dan stepest hill climbing. Jika operator
yang digunakan hanya 4, yaitu (1,2), (2,3),
(3,4) dan (4,1)

D
I

J*

Implementasikan algoritma BFS dan

DFS untuk pohon diatas jila GOAL=J

Latihan Best 1st Search & A*

3

4
5

C
G

5
3

Jika h(n) sbb : A-G=10,4; B-G=6,7; C-G=4;

D-G=8,9; E-G=6,9; F-G=3,
S-G=11.
Carilah lintasan terpendek dimulai dari S ke
G!

15