KECERDASAN BUATAN

1. Searching

Best First Search merupakan metode yang  mengambil kelebihan dari kedua metode kombinasi dari metode depth-first search dengan metode breadth-first search. Apabila ada pencarian dengan metode hill climbing tidak dapat untuk balik ke node pada level yang lebih rendah walaupun node pada level yang lebih rendah tersebut memiliki nilai heuristik yang lebih baik, lain halnya dengan metode best-first search ini. Pada metode best-first search, pencarian dapat mengunjungi node yang ada dilevel yang lebih rendah, jika node pada level yang lebih tinggi memiliki nilai heuristik yang lebih buruk. 

kebutuhan manusia akan informasi semakin meningkat. Oleh karena itu dibutuhkan waktu yang cepat untuk mencapai kebutuhan tersebut. algoritma pencarian merupakan suatu urutan langkah-langkah (program) yang tepat untuk meningkatkan efisiensi waktu. yang dimaksud efisien dalam bahasan kali ini adalah mencari jalur angkot terpendek dari Pancoran ke Manggarai.

Sebagai contoh, berikut adalah rincian jarak tempuh dan tarif angkot. Rincian berikut ini adalah pengeluaran dari Pancoran ke Manggarai yang dapat ditempuh dengan jarak sekitar ± 10 km. yang akan membuat masalah harus dipecahkan kembali yaitu “tarif angkot” yang harganya selalu relative (harga jauh atau dekat bisa berbeda-beda) berdasarkan jalur dan tarif angkotnya masing-masing.

Keterangan:

S. Pancoran

A. Kuningan

B. Palbatu

C. Cawang

D. Casablanca

E. Tebet

F. Bukit duri

G. Manggarai

S    A    B    C    D    E    F    G    H

h(n)    1 rb    1,5 rb    3 rb    1 rb    1,5 rb    2,5 rb    0    2 rb

Simpul dengan tanda kotak menyatakan bahwa simpul tersebut berada di CLOSED (penah terpilih sebagai bestNode). Sedangkan simpul tanpa tanda kotak menyatakan simpul yang berada di OPEN

Berikut adalah langkah-langkahnya dalam menyelesaikan masalah jalur angkot yang terdapat pada gambar di atas.

Langkah 1.

Langkah pertama OPEN berisi satu simpul yaitu S, maka S jadi simpul terbaik dan dipindahkan ke CLOSED. Kemudian dibangkitkan semua suksesor S, yaitu A,B,C  karena ketiga suksesor belum ada di OPEN maupun CLOSED maka kelimanya dimasukan ke OPEN. Langkah pertama menghasilkan OPEN = [A,B,C] & CLOSED = [S]

Langkah 2.

A dengan biaya terkecil (yaitu f(A) = h(A) = 1 rb) terpilih sebagai simpul terbaik & dipindahkan ke CLOSED. Selanjutnya, semua susesor A dibagkitkan, yaitu: H & D. karena keduanya belum ada di OPEN & CLOSED maka keduanya dimasukan ke OPEN Langkah Kedua menghasilkan OPEN = [B,C,D,H] & CLOSED = [S,A]

Langkah 3.

D dengan biaya terkecil (yaitu f(D) = h(D) = 1 rb) terpilih sebagai simpul terbaik & dipindahkan ke CLOSED. Selanjutnya, semua susesor D dibagkitkan, yaitu: B & F. karena F belum ada di OPEN & CLOSED maka F dimasukan ke OPEN. Karena hanya menghitung biaya perkiraan (h), maka biaya perkiraan dari S ke B atau biaya perkiraan dari S ke B melalui A & D berbeda (yaitu h(B) = 1,5 rb) maka parent dari B perlu diubah yaitu D.  Langkah ketiga menghasilkan OPEN = [B,C,H,F] & CLOSED = [S,A,D]

Langkah 4.

B dengan biaya terkecil (yaitu f(B) = h(B) = 1,5 rb) terpilih sebagai simpul terbaik & dipindahkan ke CLOSED. Selanjutnya, semua susesor B dibagkitkan, yaitu: E. karena E belum ada di OPEN & CLOSED maka E dimasukan ke OPEN. Langkah ini menghasilkan OPEN = [C,E,F,H] & CLOSED = [S,A,B,D]

Langkah 5.

E dengan biaya terkecil (yaitu f(E) = h(E) = 1,5 rb) terpilih sebagai simpul terbaik & dipindahkan ke CLOSED. Selanjutnya, semua susesor E dibagkitkan, yaitu: C & F.  kedua suksesor ini sudah ada di OPEN. Karena hanya menghitung biaya perkiraan (h), maka biaya perkiraan dari S ke C atau biaya perkiraan dari S ke C melalui E adalah sama (yaitu h(C)=3 rb) oleh karena itu, parent dari C tidak perlu diubah lagi.  Langkah ini menghasilkan  OPEN = [C,F,H] dan CLOSED = [S,B,D,E]

Langkah 6.

E dengan biaya terkecil (yaitu f(E) = h(E) = 1,5 rb) terpilih sebagai simpul terbaik & dipindahkan ke CLOSED. Selanjutnya, semua susesor E dibagkitkan, yaitu: C & F.  kedua suksesor ini sudah ada di OPEN. Karena biaya perkiraan dari S ke C atau biaya perkiraan dari S ke C melalui E adalah sama (yaitu h(C)=3 rb) oleh karena itu, parent dari C tidak perlu diubah lagi. sedangkan biaya perkiraan dari D ke F atau biaya perkiraan dari E ke F berbeda (yaitu h(B) = 1,5 rb) maka parent dari F perlu diubah yaitu E. Langkah ini menghasilkan OPEN = [C,H,G] & CLOSED = [S,A,B,D,E,F]

Langkah berikutnya G dengan biaya terkecil terpilih sebagai simpul terbaik. Karena simpul terbaik tersebut adalah goal, berarti solusi telah ditemukan. Hasil penerusuran menghasilkan rute  S-A-B-D-E-F-G dengan total jarak 14 km. Rute yang dihasilkan ini bukanlah rute terpendek karena masih ada rute lain yang lebih pendek, yaitu S-C-G dengan total jaraknya 4,5 km. hal ini menunjukan bahwa Greedy best first search tidak optimal.

Planning

Planning berbeda dengan Search-Based Problem Solving dalam hal representasi goals, states, dan actions, juga berbeda dalam representasi dan pembangunan urutan-urutan action. Planning berusaha untuk mengatasi kesulitan-kesulitan yang dialami dalam Search-Based Problem Solving.

Planning adalah suatu metode penyelesaian masalah dengan cara memecah masalah ke dalam sub-sub masalah yang lebih kecil, menyelesaikan sub-sub masalah satudemi satu, kemudian menggabungkan solusi-solusi dari sub-sub masalah tersebut menjadisebuah solusi lengkap dengan tetap mengingat dan menangani interaksi yang ada antar sub masalah.

Reasoning

teknik reasoning (penalaran) yang merupakan teknik penyelesaian masalah dengan cara merepresentasikan masalah ke dalam basis pengetahuan (knowledge base) mengunakan logic atau bahasa formal (bahasa yang dipahami komputer.

Contohnya yaitu Apel adalah buah-buahan. Itu merupakan fakta yang benar dan nyata.

Semantic network adalah bentuk link yang memiliki arah atau representasi garis deklaratif yang dapat digunakan baik untuk mewakili pengetahuan atau pendukung penalaran pengetahuan sistem otomatis.

Contoh dari analogi sematic network yaitu ada seorang petani, serigala, ayam dan padi. Petani tersebut ingin pindah dengan membawa seekor srigala, ayam dan padi untuk menyebrangi sungai. Sayangnya perahunya terbatas. Yang dapat petani lakukan yaitu dengan membawa 1 object. Petani tersebut tidak bisa meninggalkan ayam dan serigala dalam satu tempat karena ayam tersebut akan di mayam oleh srigala. Demikian pula petani tidak bisa meninggallkan ayam dan padi dalam satu tempat karena padi akan dihabiskan oleh ayam. Dari permasalahan tersebut kita dapat menggunakan semantic network untuk mempresentasikannya.

Contoh hasil dari implementasi pembuatan app seperti pada permasalahan diatas yaitu:

Planning

Planning berbeda dengan Search-Based Problem Solving dalam hal representasi goals, states, dan actions, juga berbeda dalam representasi dan pembangunan urutan-urutan action. Planning berusaha untuk mengatasi kesulitan-kesulitan yang dialami dalam Search-Based Problem Solving.

Planning adalah suatu metode penyelesaian masalah dengan cara memecah masalah ke dalam sub-sub masalah yang lebih kecil, menyelesaikan sub-sub masalah satudemi satu, kemudian menggabungkan solusi-solusi dari sub-sub masalah tersebut menjadisebuah solusi lengkap dengan tetap mengingat dan menangani interaksi yang ada antar sub masalah.

Pengujian keberfungsian suatu metode perencanaan dapat dilakukan pada suatu domain yang dinamakan Dunia Balok (Blocks-World). Dunia Balok dinilai cukup layak sebagai lahan pengujian karena tingkat kompleksitas permasalahan yang mungkin timbuldi dalamnya. Di dalam Dunia Balok dikenal istilah initial-state dan goal-state yang  masing-masing direpresentasikan oleh suatu komposisi dari sejumlah balok. Kemudian,ada satu set operator yang dapat diaplikasikan oleh sebuah tangan robot untuk memanipulasi balok. Permasalahan yang ada di dalam Dunia Balok adalah: Rangkaianoperator seperti apa yang dapat mengubah initial-state menjadi goal-state? Rangkaian operator tersebut biasa disebut sebagai Rencana Penyelesaian

Dua metode perencanaan yang cukup populer dan sudah pernah diuji pada Dunia Balok adalah Goal-Stack-Planning (GSP) dan Constraint-Posting (CP). GSP dan CP memiliki kelemahan dan keunggulan masing-masing. Dari segi kemudahan implementasidan biaya komputasi, GSP lebih unggul dibanding CP. Sedangkan, dari segi efisiensiRencana Penyelesaian yang dihasilkan, CP pada umumnya lebih unggul dibanding GSP.

Tetapi, dari seluruh kemungkinan permasalahan yang timbul pada Dunia Balok,meskipun GSP dan CP mampu menghasilkan rencana-rencana penyelesaian, namun rencana-rencana penyelesaian yang dihasilkan pada umumnya tidak efisien[RIC91]. Padahal, rencana penyelesaian yang efisien adalah salah satu hal yang penting, terutama pada sistem-sistem raksasa. Pada domain tertentu, pemecahan masalah menggunakan komputer perlu dilakukan dengan cara bekerja pada bagian-bagian kecil dari masalah secara terpisah kemudian menggabungkan solusi-solusi per bagian kecil tersebut menjadi sebuah solusi lengkap dari masalah. Karena, jika hal-hal tersebut tidak dilakukan, jumlah kombinasi state dari komponen masalah menjadi terlalu besar untuk dapat ditangani dipandang dari segiwaktu yang tersedia.

Dua syarat untuk melakukan dekomposisi di atas adalah :

·         Menghindari penghitungan ulang dari seluruh state masalah ketika terjadi perubahandari suatu state ke state lainnya.

·         Membagi masalah ke dalam beberapa sub masalah yang relatif lebih mudah untuk diselesaikan.

Penggunaan metode-metode yang terfokus pada cara mendekomposisi masalah ke dalam sub-sub masalah yang sesuai dan cara untuk mengingat dan menangani interaksi antar sub masalah ketika terjadi proses penyelesaian masalah tersebut diistilahkan dengan Perencanaan.

3. Permainan catur memiliki banyak pergerakan berbeda dari setiap satu Gerakan maju, jika penggunaan logika proposional memiliki 6 metode untuk mengukur dan memperhitungkan pergerakan dari pengguna yang melakukan match dengan komputer maka, dari setiap pergerakan yang diberikan oleh pengguna akan dihitung sebagai Gerakan maju yang dimasukkan menjadi beberapa metode tergantung dari situasi yang diberikan kepada komputer. Sebagai contoh pergerakan awal yaitu pada bidak akan menggunakan interpretasi AND atau OR, sedangkan pada saat kita melakukan skak terhadap “mentri atau raja pada komputer”, maka logika yang masukkan akan dikategorikan kedalam metode NOT, OR atau NOT. Perbedaan kedua metode tersebut digunakan untuk melakukan perlawanan atau juga agar permainan terus berjalan hingga akhir.

4. penggunaan fuzzy logic yaitu, logika yang dipergunakan untuk mengukur kebenaran dari suatu perhitungan jika kita tidak dapat menemukan suatu kebenaran yang tepat atau bisa disebut galat. Penggunaan fuzzy logic berguna saat kita hanya mengetahui sedikit informasi dari suatu perhitungan. Contoh fuzzy logic

Metode Sugeno mirip dengan metode Mamdani, hanya output (konsekuen) tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan liniar. Ada dua model metode Sugeno yaitu model fuzzy sugeno orde nol dan model fuzzy sugeno orde satu. Bentuk umum model fuzzy sugeno orde nol adalah :

IF (x1 is A1) o (x2 is A2) o ….. o (xn is An) THEN  z = k

Bentuk umum model fuzzy Sugeno orde satu adalah :

IF (x1 is A1) o (x2 is A2) o ….. o (xn is An) THEN  z = p1.x1 + … pn.xn + q

Defuzzifikasi pada metode Sugeno dilakukan dengan mencari nilai rata-ratanya.