Pert 1 KonsepDasar

Sistem Pakar

Pertemuan-1 : Konsep Dasar

Materi Kuliah STIKOM Surabaya 9/12/20111

Deskripsi Mata KuliahDeskripsi Mata Kuliah` Matakuliah ini membahas tentang :` Konsep dasar Sistem Pakar` Konsep dasar Sistem Pakar` Representasi pengetahuan menggunakan : Proposional

logic, predicate calculus, sistem berbasis aturan, ti t ksemantic network

` Representasi pengetahuan samar menggunakan : Bayesian, certaintly factory , y

` System Fuzzy` Jaringan syaraf tiruan


Target MatakuliahTarget Matakuliah` Memahami model-model representasi pengetahuan` Memiliki kemampuan menarik kesimpulan dari fakta` Memiliki kemampuan menarik kesimpulan dari fakta

yang digambarkan dalam model pengetahuan` Merancang dan membuat implementasi sistemg p

pakar menggunakan bahasa pemrograman


Sumber BelajarSumber Belajar` Jusak, 2007, sistem pakar: Buku pegangan kuliah.

Surabaya:STIKOMSurabaya:STIKOM` Gonzales, A.J., and Douglas, D.D. 1993. The

Engineering of Knowledge Based System. New Jersey: Prentice Hall International, Inc.

` Durkin, John. 1994. Expert System: Design and D l t N J P ti H llDevelopment. New Jersey: Prentice Hall International, Inc.

` Kumar Satish 2004 Neural Network: A Classroom` Kumar, Satish. 2004. Neural Network: A Classroom Approach. New Delhi: McGraw-Hill Companies.


Kontrak PerkuliahanKontrak PerkuliahanPertemuan ke - Topik Bahasan1 Menjelaskan kontrak perkuliahan

Konsep dasar Sistem PakarHeuristic Searching

2 Propositional LogicPredicate CalculusPredicate Calculus

3 Sistem berbasis aturan: Forward Reasoning 4 Sistem berbasis aturan: Backward Reasoning5 Membangun sistem berbasis aturan6 Semantic Networks dan Frame7,8 Bayesian dan Certainty Factor,8 ayes a da Ce ta ty acto9,10,11 System Fuzzy12,13,14 Jaringan Syaraf Tiruan

Presentasi tugas ProyekPresentasi tugas Proyek


Presentasi PenilaianPresentasi Penilaian` Ujian Tengah Semester (30%)` Ujian Akhir Semester (30%)` Ujian Akhir Semester (30%)` Tugas (40%)` Project Kelompok (Demo dan Presentasi, pert:12,13,14)` Project Kelompok (Demo dan Presentasi, pert:12,13,14)` Tugas Mandiri (pert:2,3,4,5,8)


Pertemuan-1 : Konsep Dasar Sistem PakarMateri Kuliah STIKOM Surabaya 9/12/20117

Materi Konsep Dasar Sistem PakarMateri Konsep Dasar Sistem Pakar` Tentang Sistem Pakar` Sejarah Sistem Pakar

C` Contoh permasalahan` Sistem Berbasis Aturan` Perbedaan Sistem konvensional dan sistem pakar` Data, informasi dan pengetahuan` Struktur sistem pakar` Heuristic Searching sebagai dasar dari Artificial Intelegenceg g g

(AI)` Depth-First Search` Breadth-first Search

Hill Cli bi S h` Hill-Climbing Search` Branch and Bound Search` Best-first Search` A* Search` A* Search


Sistem PakarSistem Pakar


Defenisi Sistem PakarDefenisi Sistem Pakar1. Sistem pakar (expert system) adalah sistem

yang berusaha mengapdosi pengetahuanyang berusaha mengapdosi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa y p y gdilakukan oleh para ahli.

` Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli.


Sistem pakar yang terkenalSistem pakar yang terkenal` Nama Program: MYCIN` Paling terkenal, dibuat oleh Edward Shortlife of Standfordg ,

University tahun 70-an` Sistem pakar medical yang bisa mendiagnosa penyakit

infeksi dan merekomendasi pengobataninfeksi dan merekomendasi pengobatan` MYCIN membantu dokter mengidentifikasi pasien yang

menderita penyakit. Dokter duduk di depan komputer danmemasukkan data pasien: umur riwayat kesehatan hasilmemasukkan data pasien: umur, riwayat kesehatan, hasillaboratorium dan informasi terkait lainnya. Denganinformasi ini ditambah pengetahuan yang sudah adadalam komputer MYCIN mendiagnosa selanjutnyadalam komputer, MYCIN mendiagnosa selanjutnyamerekomendasi obat dan dosis yang harus dimakan.


Sistem pakar yang terkenalSistem pakar yang terkenal` MYCIN sebagai penasehat medis, tidak dimaksudkan

untuk mengantikan kedudukan seorang dokter. J t k b t d kt d l k fi i` Juga untuk membantu dokter dalam mengkonfirmasi diagnosa dan terapi yang diberikan kepada pasien

` Kesimpulan :sistem pakar seperti MYCIN bisa digunakan sebagai bahan pembanding dalam pengambilan solusi dan pemecahan masalah. K khi b b` Keputusan terakhir atas pengobatan tersebut tetap

` menjadi tanggung jawab dokter.


Sistem pakar yang terkenalSistem pakar yang terkenal

` DENDRALM id ifik i k l k l ki i k dik l` Mengidentifikasi struktur molekular campuran kimia yang tak dikenal

` XCON & XSEL` XCON` M k i t k t k b t k fi i i t` Merupakan sistem pakar untuk membantu konfigurasi sistem

komputer besar, membantu melayani order langganan sistem komputer DEC VAX 11/780 ke dalam sistem spesifikasi final yang lengkap

` Komputer besar seperti VAX terbuat dari ratudan komponen yang berbeda digabung dan disesuaikan dengan konfigurasi tertentu yang diinginkan oleh para pelanggan.

` Ada ribuan cara dimana aseosri Pcboard kabel disk drive periperal` Ada ribuan cara dimana aseosri Pcboard, kabel, disk drive, periperal, perangkat lunak, dan lainnya bisa dirakit ke dalam konfigurasi yang sangat rapih. Untuk mengidentifikasi hal-hal tersebut diperlukan waktu berhari-hari/berminggu-minggu agar bisa memenuhi spesifikasi yang diinginkan pemesan tapi dengan XCON bisa dalamspesifikasi yang diinginkan pemesan, tapi dengan XCON bisa dalam beberapa menit.


Contoh Permasalahan : Jug ProblemJug Problem

` Diberikan 2 ember air dg kapasitas 8 liter dan 6 liter` Kita dapat mengisi satu ember dari ember lainnya` Kita dapat mengisi satu ember dari ember lainnya

dan proses penakaran hanya dengan memakai 2 ember tersebut

` Bagaimana bisa mendapatkan tepat 4 liter dalamember 8 liter

` Solusi :` (0,0) (0,6) (6,0)(6,6)(8,4)(0,4)(4,0)


MANFAAT SISTEM PAKAR :MANFAAT SISTEM PAKAR :1. Memungkinkan orang awam bisa mengerjakan

pekerjaan para ahli2. Bisa melakukan proses secara berulang secara

otomatis3. Menyimpan pengetahuan dan keahlian para pakary p p g p p4. Mampu mengambil dan melestarikan keahlian para

pakar (terutama yang termasuk keahlian langka)5. Mampu beroperasi dalam lingkungan yang berbahaya5. Mampu beroperasi dalam lingkungan yang berbahaya6. Memiliki kemampuan untuk bekerja dengan informasi

yang tidak lengkap dan mengandung ketidakpastian. Pengguna bisa merespon dengan jawaban tidak tahu gg p g jatau tidak yakin pada satu atau lebih pertanyaan selama konsultasi dan sistem pakar tetap akan memberikan jawaban.


MANFAAT SISTEM PAKAR :MANFAAT SISTEM PAKAR :

7. Tidak memerlukan biaya saat tidak digunakan8. Dapat digandakan (diperbanyak) sesuai

kebutuhan dengan waktu yang minimal dan sedikit biayabiaya

9. Dapat memecahkan masalah lebih cepat daripada kemampuan manusia dengan catatankemampuan manusia dengan catatan menggunakan data yang sama.

10. Menghemat waktu dalam pengambilan keputusan


MANFAAT SISTEM PAKAR :MANFAAT SISTEM PAKAR :11. Meningkatkan kualitas dan produktivitas

karena dapat memberi nasehat yang konsistenkarena dapat memberi nasehat yang konsisten dan mengurangi kesalahan

12 Meningkatkan kapabilitas sistem12. Meningkatkan kapabilitas sistem terkomputerisasi yang lain.

13. Mampu menyediakan pelatihan. Pengguna p y p ggpemula yang bekerja dengan sistem pakar akan menjadi lebih berpengalaman. Fasilitas penjelas dapat berfungsi sebagai guru.


KELEMAHAN SISTEM PAKARKELEMAHAN SISTEM PAKAR1. Biaya yang diperlukan untuk membuat, memelihara, dan

mengembangkannya sangat mahal2. Sulit dikembangkan3. Sistem pakar tidak 100% benar 4 Pendekatan oleh setiap pakar untuk suatu situasi atau4. Pendekatan oleh setiap pakar untuk suatu situasi atau

problem bisa berbeda-beda, meskipun sama-sama benar.T f h d b if bj k if d bi5. Transfer pengetahuan dapat bersifat subjektif dan bias

6. Kurangnya rasa percaya pengguna dapat menghalangi pemakaian sistem pakar.p p


KONSEP DASAR SISTEM PAKARKONSEP DASAR SISTEM PAKAR` Konsep dasar sistem pakar mengandung ` keahlian` keahlian, ` ahli/pakar, ` pengalihan keahlian, ` Mengambil keputusan,` aturan,

k j l k` kemampuan menjelaskan.


KeahlianKeahlian` Keahlian bersifat luas dan merupakan

penguasaan pengetahuan dalam bidang khususpenguasaan pengetahuan dalam bidang khususyang diperoleh dari pelatihan, membaca ataupengalaman. p g

` Contoh bentuk pengetahuan yang termasukkeahlian :` Teori, fakta, aturan-aturan pada lingkup

permasalahan tertentuSt t i l b l t k l ik l h` Strategi global untuk menyelesaikan masalah


Ahli / PakarAhli / Pakar` Seorang ahli adalah seseorang yang mampu

menjelaskan suatu tanggapan, mempelajari hal-halmenjelaskan suatu tanggapan, mempelajari hal hal baru seputar topik permasalahan, menyusun kembali pengetahuan jika dipandang perlu,

hk l h d dmemecahkan masalah dengan cepat dan tepat


Pengalihan keahlianPengalihan keahlian` Tujuan dari sistem pakar adalah untuk

mentransfer keahlian dari seorang pakar kementransfer keahlian dari seorang pakar ke dalam komputer kemudian ke masyarakat.

` Proses ini meliputi 4 kegiatan, yaitu` Proses ini meliputi 4 kegiatan, yaitu ` perolehan pengetahuan (dari para ahli atau sumber-

sumber lainnya), ` representasi pengetahuan ke komputer, ` kesimpulan dari pengetahuan dan` pengalihan pengetahuan ke pengguna` pengalihan pengetahuan ke pengguna.


Mengambil keputusanMengambil keputusan` Hal yang unik dari sistem pakar adalah kemampuan

untuk menjelaskan dimana keahlian tersimpan j pdalam basis pengetahuan.

` Kemampuan komputer untuk mengambil kesimpulan dilakukan oleh komponen yang dikenal dengandilakukan oleh komponen yang dikenal dengan mesin inferensi yaitu meliputi prosedur tentang pemecahan masalah.


AturanAturan` Sistem pakar yang dibuat merupakan sistem yang

berdasarkan pada aturan aturan dimana programberdasarkan pada aturan aturan dimana program disimpan dalam bentuk aturan-aturan sebagai prosedur pemecahan masalah. Aturan tersebut bi b b k IF THENbiasanya berbentuk IF THEN.

` .


Kemampuan menjelaskanKemampuan menjelaskan` Keunikan lain dari sistem pakar adalah kemampuan

dalam menjelaskan atau memberidalam menjelaskan atau memberi saran/rekomendasi serta juga menjelaskan mengapa beberapa tindakan/saran tidak di k d ikdirekomendasikan


PERBEDAAN SISTEM KONVENSIONAL DENGAN SISTEM PAKAR

` SistemKonvensional` Focus pada solusi` Programmer bekerja sendirig j` Sequencial

`Sistem Pakar` Fokus pada problem` Team-work` Iterative` Iterative


ELEMEN MANUSIA YANG TERKAIT DALAM PENGGUNAAN DAN PENGEMBANGANSISTEM PAKARSISTEM PAKAR1. Pakar2. Perekayasa pengetahuany p g

` Perekayasa pengetahuan adalah orang yang membantu pakar dalam menyusun area permasalahan dengan menginterpretasikan danp g g pmengintegrasikan jawaban-jawaban pakar ataspertanyaan yang diajukan, menggambarkananalogi, mengajukan counter example danmenerangkan kesulitan-kesulitan konseptual.

3. Pemakai


PemakaiPemakai` Pemakai awam : dalam hal ini sistem pakar

bertindak sebagai konsultan untuk memberikan gsaran dan solusi kepada pemakai

` Pelajar yang ingin belajar : sistem pakar b ti d k b i i t ktbertindak sebagai instruktur

` Pembuat sistem pakar : sistem pakar sebagai partner dalam pengembangan basispartner dalam pengembangan basis pengetahuan.

` Pakar : sistem pakar bertindak sebagai mitra p gkerja/asisten


AREA PERMASALAHAN APLIKASI SISTEM PAKARSISTEM PAKAR` Interpretasi` Yaitu pengambilan keputusan dari hasil observasi, diantaranya : p g p , y

pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan

` Prediksi` Prediksi` Memprediksi akibat-akibat yang dimungkinkan dari situasi-situasi

tertentu, diantaranya : peramalan, prediksi demografis, peralaman ekonomi prediksi lalulintas estimasi hasil militer pemasaranekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan.

` Diagnosis` Menentukan sebab malfungsi dalam situasi kompleks yang

didasarkan pada gejala-gejala yang teramati, diantaranya : medis, elektronis, mekanis, dan diagnosis perangkat lunak


AREA PERMASALAHAN APLIKASI SISTEM PAKARSISTEM PAKAR` Desain` Menentukan konfigurasi komponen-komponen sistem yang cocok

dengan tujuan-tujuan kinerja tertentu dan kendala-kendala tertentu, diantaranya : layout sirkuit, perancangan bangunan

` Perencanaan` Merencanakan serangkaian tindakan yang akan dapat mencapai

sejumlah tujuan dengan kondisi awal tertentu, diantaranya : perencanaan keuangan, komunikasi, militer, pengembangan politik routing dan manajemen proyekpolitik, routing dan manajemen proyek.

` Monitoring` Membandingkan tingkah laku suatu sistem yang teramati dengan

tingkah laku yang diharapkan darinya diantaranya : Computertingkah laku yang diharapkan darinya, diantaranya : Computer Aided Monitoring System


STRUKTUR SISTEM PAKARSTRUKTUR SISTEM PAKAR` 2 bagian utama sistem pakar :` lingkungan pengembangan (development environment) :` lingkungan pengembangan (development environment) :

digunakan untuk memasukkan pengetahuan pakar ke dalam lingkungan sistem pakarli k k lt i ( lt ti i t)` lingkungan konsultasi (consultation environment) : digunakan oleh pengguna yang bukan pakar untuk memperoleh pengetahuan pakar


Komponen-komponen yang terdapatdalam arsitektur/struktur sistem pakar :dalam arsitektur/struktur sistem pakar :` 1. Antarmuka Pengguna (User Interface)` Merupakan mekanisme yang digunakan oleh pengguna p y g g p gg

dan sistem pakar untuk berkomunikasi.` 2. Basis Pengetahuan` Basis pengetahuan mengandung pengetahuan untuk` Basis pengetahuan mengandung pengetahuan untuk

pemahaman, formulasi, dan penyelesaian masalah. ` Komponen sistem pakar ini disusun atas 2 elemen dasar,

iyaitu :` - fakta : informasi tentang obyek dalam area

permasalahan tertentup` - aturan : informasi tentang cara bagaimana memperoleh

fakta baru dari fakta yang telah diketahui.


Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar :dalam arsitektur/struktur sistem pakar :` 2. Akuisisi Pengetahuan (Knowledge Acquisition)` Akuisisi pengetahuan adalah akumulasi transfer` Akuisisi pengetahuan adalah akumulasi, transfer,

dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer..


Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar :dalam arsitektur/struktur sistem pakar :` 3. Mesin/Motor Inferensi (inference engine)` Komponen ini mengandung mekanisme pola` Komponen ini mengandung mekanisme pola

pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah.

` 4. Workplace / Blackboard` Workplace merupakan area dari sekumpulan

memori kerja (working memory) digunakanmemori kerja (working memory), digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara.g g p

`


Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar :dalam arsitektur/struktur sistem pakar :

` 5. Fasilitas Penjelasanj` Adalah komponen tambahan yang akan

meningkatkan kemampuan sistem pakar. ` 6. Perbaikan Pengetahuan` Pakar memiliki kemampuan untuk menganalisis dan

i k tk ki j t k t kmeningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya.


BASIS PENGETAHUAN (KNOWLEDGE BASE)BASIS PENGETAHUAN (KNOWLEDGE BASE)

` Basis pengetahuan berisi pengetahuan-pengetahuan p g p g p gdalam penyelesaian masalah. Ada 2 bentuk pendekatan basis pengetahuan :

` a Penalaran berbasis aturan (rule-based reasoning)` a. Penalaran berbasis aturan (rule based reasoning)Pengetahuan direpresentasikan dengan menggunakan aturan berbentuk IF-THEN. Contoh : aturan identifikasi hewan

` Rule 1 : IF hewan berambut dan menyusui THEN hewan mamalia` Rule 2 : IF hewan mempunyai sayap dan bertelur THEN hewan p y y p

jenis burung` Rule 3 : IF hewan mamalia dan memakan daging THEN hewan

karnivora` Dst...


BASIS PENGETAHUAN (KNOWLEDGE BASE)BASE)b. Penalaran berbasis kasus (case-based reasoning)` Pada penalaran berbasis kasus basis pengetahuan` Pada penalaran berbasis kasus, basis pengetahuan

akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada).


MESIN INFERENSI (INFERENCE ENGINE)ENGINE)

Ada 2 cara penalaran yang dapat dikerjakan dalammelakukan inferensi :` a. Forward Chaining

Pencocokan fakta atau pernyataan dimulai dariPencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri dulu (IF dulu). Dengan kata lain penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.g j

` b. Backward ChainingPencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan g ( ) gkata lain penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam b i t hbasis pengetahuan.


JENIS KERUSAKANA1 = MONITOR RUSAKA2 = MEMORI RUSAKA3 = HDD RUSAKA4 = VGA RUSAKA4 VGA RUSAKA5 = SOUND CARD RUSAKA6 = OS BERMASALAHA7 = APLIKASI RUSAKA8 PSU RUSAKA8 = PSU RUSAKA9 = PROSESOR RUSAKA10 = MEMORY KURANG (PERLU UPGRADE MEMORY)A11 = MEMORY VGA KURANG (PERLU UPGRADE VGA)( )A12 = CLOCK PROSOR KURANG TINGGI (PERLU UPGRADE PROSESOR)A13 = KABEL IDE RUSAKA14 = KURANG DAYA PADA PSU (PERLU UPGRADE PSU)A15 = PERANGKAT USB RUSAKA15 = PERANGKAT USB RUSAKA16 = KEYBOARD RUSAKA17 = MOUSE RUSAK


Heuristic SearchingHeuristic Searching


Heuristic SearchingHeuristic Searching` Penyelesaian masalah yang tidak menggunakan

metode komputasi konvensionalmetode komputasi konvensional` Harus ditemukan teknik baru yang digunakan

manusia utk menyelesaikan masalah` Salah satu metode tersebut adalah metode

searching` Metode searching pada AI merupakan searching

terhadap problem space bukan searching data` Menggambarkan keadaan awal masalah menuju` Menggambarkan keadaan awal masalah menuju

penyelesaian masalah yang diinginkan.


Contoh representasi problem space :Masalah komputerMasalah komputer


Heuristic SearchingHeuristic Searching` Depth-First Search` Breadth-first Search` Breadth-first Search` Hill-Climbing Search` Branch and Bound Search` Branch and Bound Search` Best-first Search` A* Search` A Search


Depth First SearchDepth First Search` Proses searching sistematis buta yang melakukan

ekpansi sebuah path menuju penyelesaian masalahsebelum melakukan explorasi terhadap path yang lainsebelum melakukan explorasi terhadap path yang lain.

` Proses searching mengikuti sebuah path tunggal sampaimenemukan goal atau dead end

` A bil hi k d d d DFS` Apabila proses searching menemukan dead end, DFS akan melakukan penelusuran balik ke node terakhir utkmelihat apakah node tsb memiliki cabang yg belumdiekplorasidiekplorasi.

` Apabila cabang ditemukan, DFS akan melakukan cabangtersebut.

` Apabila tdk ada lagi cabang yg dpt diekplorasi DFS akan` Apabila tdk ada lagi cabang yg dpt diekplorasi, DFS akankembali ke node parent dan melakukan proses seachingterhadap cabang yg belum di ekplorasi dari node parent sampai menemukan penyelesaian masalahsampai menemukan penyelesaian masalah


Bagan dan Contoh DFSBagan dan Contoh DFS

Contoh DFS :t byoutube


Breadth First SearchBreadth First Search` Melakukan proses searching pada semua node yang

berada pada level atau hirarki yang sama terlebih dahulusebelum melanjutkan proses searching pada levelsebelum melanjutkan proses searching pada level berikutnya.

` Contoh BFS ` youtube` youtube


Hill-Climbing Search

` Metoda Hill-climbing merupakan variasi dari depth-first search.

` Dengan metoda ini, eksplorasi terhadap keputusan dilakukan dengan cara depth-first search dengan mencari path yang bertujuan menurunkan cost untuk

j k d l/k tmenuju kepada goal/keputusan. ` Sebagai contoh kita mencari arah menuju Tugu Monas,

setiap kali sampai dipersimpangan jalan kita berhenti dan mencari arah mana yang kira kira akandan mencari arah mana yang kira-kira akan mengurangi jarak menuju Tugu Monas,

` Dengan cara demikian sebetulnya kita berasumsi bahwa secara umum arah tertentu semakin dekat kebahwa secara umum arah tertentu semakin dekat ke Tugu Monas.


Hill Climbingg

` Terdapat dua jenis HC yang sedikit berbeda, yakni :y

1. Simple HC (HC Sederhana) Algoritma akan berhenti kalau mencapai nilai optimum

lokalU t t k t b h Urutan penggunaan operator akan sangat berpengaruhpada penemuan solusi.

Tidak diijinkan untuk melihat satupun langkahselanjutnya.j y

2. Steepest-Ascent HC (HC dengan memilih kemiringan yang paling tajam / curam)

Hampir sama dengan Simple HC hanya saja gerakan Hampir sama dengan Simple HC, hanya saja gerakan pencarian tidak dimulai dari paling kiri. Gerakan selanjutnya dicari berdasarkan nilai heuristik terbaik.


HEURISTIC / INFORMED SEARCH

Studi Kasus : Game 8-puzzlep Terdapat 4 operator yang dapat kita gunakan untuk

menggerakkan dari satu keadaan ke keadaan yang baru.

o Ubin kosong digeser ke kirio Ubin kosong digeser ke kanano Ubin kosong digeser ke atas

Ubi k di s k b ho Ubin kosong digeser ke bawah Keadaan Awal Tujuan

11 22 33 11 22 3377 88 4466 55

88 4477 66 5566 55 77 66 55

Materi Kuliah STIKOM Surabaya9/12/2011 52

HEURISTIC / INFORMED SEARCH/

Informasi khusus yang dapat diberikan antara lain : Informasi khusus yang dapat diberikan antara lain :1. Untuk jumlah ubin yang menempati posisi yang BENAR :

jumlah yang lebih TINGGI adalah yang lebih diharapkan (lebih baik)(lebih baik).

2. Untuk jumlah ubin yang menempati posisi yang SALAH : jumlah yang lebih KECIL adalah yang lebih diharapkan (lebih baik)baik).

3. Menghitung TOTAL GERAKAN yang diperlukan untuk mencapai tujuan: jumlah yang lebih KECIL adalah yang lebih diharapkan (lebih baik)diharapkan (lebih baik).


HEURISTIC / INFORMED SEARCH- Simple Hill Climbing -Simple Hill Climbing Keadaan Awal Tujuan

11 22 33 11 22 33

77 88 44

66 55

88 44

77 66 55

448877

332211

448877

332211

4477

332211

kiri kanan atas

5566 5566 558866

Hb= 6 Hb= 4 Hb= 5

448877

332211

4488

332211

kanan atas

5566 556677

Hb= 5 Hb= 7 Materi Kuliah STIKOM Surabaya9/12/2011 54

HEURISTIC / INFORMED SEARCH- Simple Hill Climbing -Simple Hill Climbing

4488

332211

atas

556677

4488

Hb= 7

4488

332211

448811

3322

448877

332211

kanan atas bawah

556677 556677 5566

Hb= 8 Hb= 6 Hb= 6

Jadi urutan penyelesaian game 8-puzzle diatas dengan menggunakan metodeSimpleSimple HillHill ClimbingClimbing dan menghitung nilai heuristik berupa jumlahjumlah ubinubin yangyangmenempatimenempati posisiposisi yangyang BENARBENAR adalah ubin kosong bergeser ke KIRI,ATA KANAN d il i h i ik khi d l h 8ATAS, KANAN dengan nilai heuristik terakhir adalah 8.


HEURISTIC / INFORMED SEARCH- Steepest-Ascent Hill Climbing -Steepest Ascent Hill Climbing Keadaan Awal Tujuan

11 22 33 11 22 33

77 88 44

66 55

88 44

77 66 55

448877

332211

448877

332211

4477

332211

kiri kanan atas

5566 5566 558866

Hb= 6 Hb= 4 Hb= 5

448877

332211

4488

332211

kanan atas

5566 556677

Hb= 5 Hb= 7 Materi Kuliah STIKOM Surabaya9/12/2011 56

HEURISTIC / INFORMED SEARCH- Steepest-Ascent Hill Climbing -Steepest Ascent Hill Climbing

4488

332211

atas

556677

4488

Hb= 7

4488

332211

448811

3322

448877

332211

kanan atas bawah

556677 556677 5566

Hb= 8 Hb= 6 Hb= 6

Jadi urutan penyelesaian game 8-puzzle diatas dengan menggunakan metodeSteepestSteepest--AscentAscent HillHill ClimbingClimbing dan menghitung nilai heuristik berupajumlahjumlah ubinubin yangyang menempatimenempati posisiposisi yangyang BENARBENAR adalah ubin kosongb k KIRI ATA KANAN d il i h i ik khi d l hbergeser ke KIRI, ATAS, KANAN dengan nilai heuristik terakhir adalah8.


Branch and Bound Search` Perhatikan Gambar di bawah ini. Bagaimana

menggunakan metoda branch and bound untuk mencari terpendek dari kota Semarang menuju kota Probolinggo?


A* Search

` A* Search merupakan gabungan antara best-fi t d b h d b d hfirst dan branch and bound search.

` Misalkan kita memberikan estimasi setiap node terhadap solusi yang diinginkannode terhadap solusi yang diinginkan.

` Maka proses searching untuk mencari jarak terpendek dilakukan dengan melakukanterpendek dilakukan dengan melakukan komputasi terhadap total estimasi:


Best-First Search

` Best-First Search melakukan proses searching dengan cara memberikan estimasi berapa jauh node asal dari solusi yang diinginkannode asal dari solusi yang diinginkan.

` Dengan metoda ini, proses dilakukan dengan melakukan ekspansi terhadap setiap node yang p p p y gmemiliki estimasi terpendek.


` Perhatikan diagram jaringan kotapada Gambar Branch and Bound pSearch yang sudah dilengkapidengan estimasi setiap kotamenuju node tujuan (probilinggo) seperti ditunjukkan dalam tabelestimasi jarak ini:estimasi jarak ini:


Tugas: 8-Puzzle

Diberikan konfigurasi awal 8 numbered tiles on a 3 x 3 board, move the tiles in such a way so as to

d d i d l fi ti f th tilproduce a desired goal configuration of the tiles.


Best First Search

` M t d b t fi t h k k bi i d i t d` Metode best first search merupakan kombinasi dari metode depth first search dan breadth first search dengan mengambil kelebihan dari kedua metode tersebut. Hill li bi tid k di b l hk t k k b li k d d` Hill climbing tidak diperbolehkan untuk kembali ke node pada lebih rendah meskipun node tersebut memiliki nilai heuristik lebih baik. P d b t fi t h i di b l hk j i` Pada best first search, pencarian diperbolehkan mengunjungi node di lebih rendah, jika ternyata node di level lebih tinggi memiliki nilai heuristik lebih buruk.


` Untuk mengimplementasikan metode ini, dibutuhkan 2 antrian yang berisi node-node, yaitu : ` OPEN : berisi node-node yang sudah dibangkitkan sudah` OPEN : berisi node node yang sudah dibangkitkan, sudah

memiliki fungsi heuristik namun belum diuji. Umumnya berupa antrian berprioritas yang berisi elemen-elemen dengan nilai heuristik tertinggi. g gg

` CLOSED : berisi node-node yang sudah diuji


A*A` Perbaikan dari best-first search dengan memodifikasi fungsi

heuristiknya.` Meminimumkan total biaya lintasan` Meminimumkan total biaya lintasan.` Fungsi f sebagai estimasi fungsi evaluasi terhadap node n:

f(n) = g(n) + h(n)dimana:dimana:

f(n) = fungsi evaluasi yang sebenarnya terhadap node ng(n) = Biaya yang di keluarkan dari keadaan awal sampai node nnode nh(n) = Estimasi biaya dari node n sampai tujuan


Documents

Pert 1 KonsepDasar