Selasa, 02 November 2010

ADAB-ADAB SEORANG THOLIB TERHADAP DIRINYA

لقبولِبذالكليصلُحَخلقٍأومعتقدٍسوءِوحسدٍوغلٍوغشٍآلِّمِنالقلبِتطهيرُالعلمِحفظِهو.

“Membersihkan hati dari kedengkian, dendam dan hasad serta jeleknya keyakinan atau akhlak agar dengan itu dapat menerima ilmu dan menghafalnya dengan baik.”

السّنّةِإحياءَوبهالعملَوتعالىاللهِوجهَبهيقصدَبأنالعلمِطلبِفيالنّيّةِحسنُباطنِهتحلِيَةَوقلبِهتنويرَو.

“Memiliki niat yang baik dalam tholabul ilmi dengan bertujuan meraih keridhoan Alloh Ta’ala dan mengamalkanya serta menghidupkan sunnah, menerangi hatinya dan mengisi batinnya.”

الشّبابِوقتِفيالعلمِتحصيلِإلىالمبادرةُ,التَّأمِيلِوالتّسويفِبخدعِلايغترو,سآلَّفإنّعِوَضَلاولهابَدَلَلاعمرِهمِنتُمضِياعةٍ.

“Bersegera untuk mencapai ilmu di waktu muda, jangan terpengaruh dengan tipuan orang-orang yang mengulur-ngulur (waktunya) karena setiap waktu yang telah lewat dari umur tidak ada penggantinya.”

خَلِقًاآانإنومثلهتيسّربمااللِّباسِمِنوتيسّربماالوقتِمِنيقنعَأن,فبالصّبرِالعلمِسعةَينالُالعيشِضيقِعلى.

“Merasa cukup dengan makanan yang didapat dan pakaian yang dimiliki meski telah usang.

Kesabaran atas kesulitan hidup akan meraih keluasaan ilmu.”

نهارِهوليلِهأوقاتِيقسّمَأن,لهقيمةَلاالعُمرِبقيةَفإنّعُمرِهمِنبقيمايغتنمو.وللمطالعةِوالنّهارِوسطُللكتابةِوالأبكارُللبحثِوالأسحارُللحفظِالأوقاتِأجوَدُواللّيلُالمذاآرةِ.

“Membagi waktu malamnya dan siangnya, serta memanfaatkan sisa umurnya, sebab umur yang tersisa itu tiada taranya.

Waktu yang paling baik untuk menghafal adalah waktu sahur (menjelang subuh), dan untuk mempelajari sesuatu adalah pagi-pagi, adapun untuk menulis adalah pertengahan siang sedang untuk menela’ah dan mengulang pelajaraan adalah malam hari.”

الفينومِهفييزيدلاذِهنِهوبدنِهفيضررٌيلحقهمالمنومِهمِنيقلّلَأنويومِساعاتٍثمانِعناللّيلةِ.

“Mengurangi waktu tidur selama tidak membahayakan badan dan pikirannya, (hendaknya) waktu tidur tidak lebih dari delapan jam sehari dan semalam.”

الملالِعدمِوالفهمِوبالعلمِالإشتغالِعلىالعينةِالأسبابِأعظمِمن,القدرِأآلُوللنّومِجالبةٌآثرتِهوالشُّربِلكثرةِجالبةٌالأآلِآثرةَلأنّالحلالِمِناليَسِيرِالبَلادَةِ.

“Diantara sebab terbesar yang dapat membantu agar (selalu) sibuk dengan ilmu dan tidak bosan ialah makan dengan kadar yang ringan dari yang halal, karena banyak makan dapat mendorong untuk banyak minum kemudian menyebabkan banyak tidur dan kebodohan.”

طعامِهفيالحلالَيتحرّىوشأنِهجميعِفيبالورعِنفسَهيأخدَأنوشرابِهومَسكَنِهولباسِه.

“Menumbuhkan sikap waro’ dalam segenap urusannya dan berusaha agar makanannya, minumannya, pakaiannya dan tempatnya (senantiasa) halal.”

مِنهيَستَفِيدُأويُفِيدُهمَنإلايُخالِطَلاأنالعلمِلطالبِيَنبَغِي.

“Seorang tholabul ilmi sepatutnya tidak bergaul kecuali dengan orang yang dapat memberinya faedah atau dapat mengambil faedah darinya.”

الضَّحكِوبالسُّخفِالمجالسِفيالتَّبَذُّلَوالعَبَثَواللَّعِبَيجتنبَأن.أنبأسلاوبتَنَزُّبصرَهوقلبَهونفسَهيريحَالمُتَنَزِّهاتِفيهٍ,رياضَةِوالمشيِبمعاناةِلابأسوبهالبدنِ.

“Menjauhi perkara yang sia-sia dan main-main serta majlis-majlis yang dipenuhi dengan tertawa dan hal yang tiada guna. Tidak mengapa untuk menghibur jiwa, hati dan pandangannya dengan bertamasya ke suatu tempat, tidak mengapa pula menyegarkan kaki dan berolah raga badan.” dipenuhi dengan tertawa dan hal yang tiada guna. Tidak mengapa untuk menghibur jiwa, hati dan pandangannya dengan bertamasya ke suatu tempat, tidak mengapa pula menyegarkan kaki dan berolah raga badan.”

)}العلمِطلبِفِيالسّلفِهديِمِن,بصفحة{(55–47)}العلمِطلبِفِيالسّلفِهديِمِن,بصفحة{(55–47

Minggu, 11 April 2010

Materi Kecerdasan Buatan

PENDAHULUAN

SEJARAH

1956 (Allen Newel dkk), pada awal perkembangannya AI secara konsisten diarahkan untuk melakukan simulasi “Neural Network” dengan model numeric saraf yang disebut “percepton”.

Awal 60-an Newel dkk mengerjakan program komputer “Logical Theorist” & memperkenalkan pemrosesan simbolik. Dalam pendekatan simbolik, pengetahuan diekspresikan sebagai aturan

LANJUTAN

Th 70-an, kemajuan ini terjadi dalam interpretasi input visual, representasi kemampuan memahami bahasa, sistem pengenal ucapan, kemampuan untuk mengidentifikasi kata-kata dan sistem pakar

Mesin-mesin AI juga mengalami perkembangan yang cukup panjang

DEFINISI

Kecerdasan Buatan (AI) didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya dianggap komputer.

Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia.

LANJUTAN

Sub-bidang pengetahuan komputer yang khusus ditujukan untuk membuat SW dan HW yang sepenuhnya bisa menirukan beberapa fungsi otak manusia

Cabang ilmu pengetahuan komputer yang mempelajari otomatisasi tingkah-laku cerdas (intelligent), algoritma yang diperlukan dalam penerapan pengetahuan, serta teknik-teknik bahasa dan pemrograman yang dipakai dalam implementasinya

LANJUTAN

Dunia psikologi: AI merupakan suatu studi kecakapan mental melalui penggunaan model-model komputasi

Dunia ilmu komputer, pertama AI adalah bidang studi penyelidikan untuk menjelaskan dan menandingi perilaku cerdas dalam wilayah proses-proses komputasi. Kedua AI adalah suatu usaha tentang bagaimana menghasilkan representasi dan prosedur yang secara otomatis menyelesaikan masalah-masalah sebagaimana penyelesaian yang dilakukan manusia. Termasuk aspek knowledge representation & manipulasinya.

Pengertian AI

Kecerdasan, yaitu AI akan membuat mesin menjadi “cerdas”

Penelitian, yaitu AI adalah suatu studi bagaimana membuat agar komputer dapat melakukan sesuatu sebaik yang dikerjakan oleh manusia

Bisnis, yaitu AI adalah kumpulan peralatan yang sangat powerful dan metodologis dalam meyelesaikan masalah –masalah bisnis

Pemrograman, yaitu AI meliputi studi tentang pemrograman simbolik, penyelesaian masalah dan searching.

FAHAM PEMIKIRAN

AI Konvensional , melibatkan metoda2 yang sekarang diklasifikasikan sebagai pembelajaran mesin (formalisme & analisis statistik). Dikenal juga sebagai AI simbolis, AI logis. Contoh: Sistem Pakar

LANJUTAN

Kecerdasan Komputasional (CI, Computational Intelligence) Kecerdasan komputasional melibatkan pengembangan atau pembelajaran iteratif. Pembelajaran ini berdasarkan pada data empiris dan diasosiasikan dengan AI non-simbolis. Contoh: Jaringan Syaraf, Sistem Fuzzy, Komputasi Evolusioner

KONSEP-KONSEP

Representasi pengetahuan (knowledge representation), struktur, makna & akuisisi

Strategi pengendalian/inferensi (proses deduksi fakta-fakta baru dari penyimpulan fakta-fakta lain yang ada

Kemampuan untuk belajar/beradaptasi

Searching & matching

hasilkan & uji (generate & test)


BIDANG APLIKASI

Robotika

Sistem Pakar (expert system)

Permainan (Game playing)

Bahasa Alami ( Natural Language)

Teori pembuktian (Theorem proving)

Computer-assisted education/learning

Logika Kabur

Jaringan Saraf

Algoritma Genetika

Pembuatan keputusan otomatik

KECERDASAN ALAMI
vs
KECERDASAN BUATAN

Cepat mengalami perubahan

Kreatif

Memungkinkan orang untuk menggunakan pengalaman secara langsung

Pemikiran manusia dapat digunakan secara luas

Sulit didokumentasikan

Lebih bersifat permanen

Mudah diduplikasikan & disebarluaskan

Lebih murah untuk aplikasi pekerjaan yang besar

Konsisten & teliti

Dapat didokumentasikan

Mengerjakan pekerjaan bisa lebih cepat dan hasilnya lebih baik

SOFT COMPUTING

Koleksi dari beberapa metodologi yang bertujuan mengeksploitasi adanya toleransi terhadap ketidakpastian, ketidaktepatan dan kebenaran parsial untuk dapat diselesaikan dengan mudah dan biaya penyelesaian murah

Merupakan gabungan ANN (artificial neural network), logika kabur, algoritma genetika dan teknik AI konvensional

LANJUTAN

Karakteristik Soft Computing:

Memerlukan keahlian manusia, apabila direpresentasikan dalam bentuk aturan (IF – THEN)

Model komputasinya diilhami oleh proses biologis

Merupakan teknik optimasi baru

Menggunakan komputasi numeris

Memiliki toleransi kegagalan

n KECERDASAN BUATAN
(ARTIFICIAL INTELLIGENCE)

n PERTEMUAN 1

n PENGANTAR KECERDASAN BUATAN

n Pembahasan

n Kontrak Perkuliahan

n Pemahaman Tujuan Perkuliahan

n Pengantar Kecerdasan Buatan

- Definisi kecerdasan buatan

- Kecerdasan buatan vs kecerdasan alami

- Sejarah kecerdasan buatan

- Perkembangan dan aplikasinya

n Kontrak Perkuliahan

n Kontrak kuliah AI.doc

n GBPP Kecerdasan Buatan.doc

n Berisi:

-Materi kuliah

-aturan perkuliahan

-aturan penilaian

-daftar pustaka

n Pemahaman Tujuan Perkuliahan

Kuliah ini memberikan prinsip-prinsip dasar dan metode utama dari Kecerdasan Buatan, menyiapkan mahasiswa untuk membangun sistem yang kompleks dalam kaitan kemampuan dalam pemrosesan pintar informasi.

n Definisi
Kecerdasan Buatan

n Pengantar

n Bisakah mesin berpikir?

n Jika bisa, bagaimana caranya?

n Dan jika tidak bisa, kenapa tidak?

n Dan apa yang dikatakan sebagai pikiran (mind)?

n Arti Kecerdasan

kemampuan untuk

n belajar atau mengerti dari pengalaman,

n memahami pesan yang kontradiktif dan ambigu,

n menanggapi dengan cepat dan baik atas

situasi yang baru,

n menggunakan penalaran dalam memecahkan masalah serta menyelesaikannya dengan efektif

(Winston dan Pendergast, 1994)

n Apa itu AI?

n Merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal - yang dalam pandangan manusia adalah – cerdas (H. A. Simon [1987])

n Sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Kinight [1991])

n Kategori Definisi AI

n Dikelompokkan menjadi 4 macam :

n Detail Kecerdasan Buatan

n Sudut Pandang Kecerdasan

Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat seperti yang dilakukan manusia)

n Sudut Pandang Penelitian

Kecerdasan buatan adalah studi bagaimana membuat komputer dapat melakukan sesuatu sebaik yang dilakukan manusia

n Sudut Pandang Bisnis

Kecerdasan buatan adalah kumpulan peralatan yang sangat powerful dan metodologis dalam menyelesaikan masalah bisnis

n Sudut Pandang Pemrogram

Kecerdasan buatan meliputi studi tentang pemrograman simbolik, problem solving, dan pencarian (searching)

n 2 Bagian Utama AI

n Basis Pengetahuan (knowledge base)

berisi fakta-fakta, teori, pemikiran dan hubungan komponen satu dengan yang lainnya

n Motor Inferensi (inference engine)

Kemampuan menarik kesimpulan berdasar pengalaman. Berkaitan dengan representasi dan duplikasi proses tersebut melalui mesin (misalnya, komputer dan robot).

n Konsep Kecerdasan Buatan

n Turing Test

Metode Pengujian Kecerdasan (Alan Turing).

Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai.

n Pemrosesan Simbolik

Sifat penting dari AI adalah bahwa AI merupakan bagian dari ilmu komputer yang melakukan proses secara simbolik dan non-algoritmik dalam penyelesain masalah.

n Heuristic

Suatu strategi untuk melakukan proses pencarian (search) ruang problem secara efektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar.

n Inferensi (Penarikan Kesimpulan) à AI mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning), termasuk didalamnya proses (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristik, dll

n Pencocokan Pola (Pattern Matching) à Berusaha untuk menjelaskan obyek, kejadian (events) atau proses, dalam hubungan logik atau komputasional

n “State of the Art” AI

n Deep Blue mengalahkan Kasparov, juara dunia Catur.

n PEGASUS, suatu sistem memahami ucapan yang mampu menangani transaksi seperti mendapatkan informasi tiket udara termurah.

n MARVEL: suatu sistem pakar real-time memonitor arus data dari pesawat Voyager dan setiap anomali sinyal.

n Sistem robot mengemudikan sebuah mobil dengan kecepatan yang cepat pada jalan raya umum.

n Suatu diagnostik sistem pakar sedang mengkoreksi hasil diagnosis pakar yang sudah punya reputasi.

n Agent pintar untuk bermacam-macam domain yang bertambah pada laju yang sangat tinggi .

n Subjek materi pakar mengajar suatu learning agent penalarannya dalam pusat penentuan gravitasi.

n Tujuan Kecerdasan Buatan

n Membuat komputer lebih cerdas

n Mengerti tentang kecerdasan

n Membuat mesin lebih berguna

n Kecerdasan Buatan
VS
Kecerdasan Alami

n Perbedaan Kecerdasan Buatan dengan Kecerdasan Alami

n Lebih permanen

n Menawarkan kemudahan duplikasi dan penyebaran

n Lebih murah daripada kecerdasan alami

n Konsisten dan menyeluruh

n Dapat didokumentasikan

n Dapat mengeksekusi tugas tertentu lebih cepat daripada manusia

n Dapat menjalankan tugas tertentu lebih baik dari banyak atau kebanyakan orang.

n Kelebihan Kecerdasan Alami dibanding AI

n Bersifat lebih kreatif

n Dapat melakukan proses pembelajaran secara langsung, sementara AI harus mendapatkan masukan berupa simbol dan representasi-representasi

n Menggunakan fokus yang luas sebagai referensi untuk pengambilan keputusan. Sebaliknya, AI menggunakan fokus yang sempit

n Sejarah
Kecerdasan Buatan

Perkembangan dan
Aplikasinya

n Sejarah Kecerdasan Buatan

n Awal kerja JST dan logika

n Teori Logika (Alan Newell and Herbert Simon)

n Kelahiran AI: Dartmouth workshop - summer 1956

n John McCarthy’s memberi nama bidang: artificial intelligence

n Awal antusias, harapan besar
(1952-1969)

n McCarthy (1958)

- mendefinisikan Lisp

- menemukan time-sharing

- Advice Taker

n Pembelajaran tanpa pengetahuan

n Pemodelan JST

n Pembelajaran Evolusioner

n Samuel’s checkers player: pembelajaran

n Metode resolusi Robinson.

n Minsky: the microworlds (e.g. the block’s world).

n Banyak demonstrasi kecil ttg perilaku “intelligent”

n Prediksi over-optimistic Simon

n Masa Gelap (1966-1973)

n AI tidak mengalami perkembangan: ledakan perkembangan combinatorial

n Fakta bahwa suatu program bisa mendapatkan suatu solusi secara prinsip tidak berarti bahwa program memuat beberapa mekanisme yang dibutuhkan untuk mendapatkannya secara praktis.

n Kegagalan dari pendekatan terjemahan bahasa alami berbasis pada grammars sederhana dan kamus kata.

n Penterjemahan kembali yang populer English->Russian->English

n Penemuan untuk pemrosesan bahasa natural dihentikan.

n Kegagalan perceptron untuk belajar dari fungsi sederhana sebagaimana disjunctive/eksclusive OR.

n Penelitian pada JST dihentikan.

n Realisasi dari kesukaran dalam proses learning dan keterbatasan dari metode yang dieksplorasi

n Konsep pembelajaran simbolik (Winston’s influential thesis, 1972)

n Renaissance (1969-1979)

n Perubahan pada paradigma penyelesaian:

n Dari penyelesaian masalah berbasis “search-based” menjadi penyelesaian masalah berbasis pengetahuan.

n Sistem pakar pertama

n Dendral: menginferensi struktur molecular dari informasi yang disediakan oleh spektrometer massa.

n Mycin: diagnoses blood infections

n Prospector: merekomendasikan eksplorasi pengeboran pada lokasi geologi yang menyediakan suatu deposit mineral molybdenum.

n Era Industrial
(1980-sekarang)

n Sukses pertama Sistem Pakar secara komersial.The.

n Many AI companies.

n Eksplorasi dari strategi pembelajarqan yqang bermacam-macam (Explanation-based learning, Case-based Reasoning, Genetic algorithms, Neural networks, etc.)

n Kembalinya neural networks
(1986-sekarang)

n Penggalian kembali algoritma learning back propagation untuk neural networks yang pertama dikenalkan dalam tahun 1969 oleh Bryson and Ho.

n Banyak aplikasi sukses dari Neural Networks.

n Kehilangan respek terhadap sulitnya membangun sistem pakar (macetnya knowledge acquisition).

n Kematangan
(1987-sekarang)

n Perubahan dalam cakupan dan metodologi penelitian bidang Kecerdasan Buatan:

n Membangun di atas teori yang ada, bukan cuma mengusulkan teori baru;

n berbasis klaim pada theorema dan eksperimen, bukan pada intuisi;

n menunjukkan relevansi ke aplikasi nyata, bukan pada contoh “mainan”.

n Agent Cerdas (1995-sekarang)

Realisasi yang pada mulanya dipisahkan dalam sub dari Kecerdasan Buatan (speech recognition, problem solving and planning, robotics, computer vision, machine learning, knowledge representation, etc.) perlu direorganisasi bilamana hasil-hasilnya diikat bersama-sama kedalam suatu desain agent tunggal.

n Suatu proses reintegrasi dari sub-area yang berbeda dari KB untuk membentuk “whole agent”:

n “agent perspective” of AI

n agent architectures (e.g. SOAR, Disciple);

n multi-agent systems;

n agent untuk aplikasi tipe-tipe yang berbeda, web agents.

n Domain Yang Sering Dibahas

n Mundane Task

- Persepsi (vision & speech)

- Bahasa alami (understanding, generation & translation)

- Pemikiran yang bersifat commonsense

- Robot control

n Formal Task

- Permainan / Games

- Matematika (Geometri, logika, kalkulus integral, pembuktian)

n Expert Task

- Analisis finansial

- Analisis medikal

- Analisis ilmu pengetahuan

- Rekayasa (design, pencarian kegagalan, perencanaan

manufaktur)

n Tugas

n Cari contoh aplikasi kecerdasan buatan, dan jelaskan fungsi dari aplikasi tersebut di masyarakat !

n Summary

n Kecerdasan buatan terdiri dari knowledge base dan motor inference

n Digunakan untuk membantu menyelesaikan permasalahan manusia

n Kecerdasan buatan mengalami perkembangan terus menerus sampai saat ini

n Semakin banyak objek yang mampu diselesaikan oleh Kecerdasan buatan

n Daftar Pustaka

n Sri Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, 2003, Yogyakarta

n William Siler and James J. Buckley, “Fuzzy Expert System and Fuzzy Reasoning”, Wiley-Interscience, 2005

n Laurene Fauset, “Fundamental of Neural Network”, Prentice Hall, 2000

BAB 2

MASALAH,

RUANG KEADAAN

&

PENCARIAN

Membangun sistem yang menggunakan AI, ada 2 bagian utama

Basis Pengetahuan (Knowledge Base), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.

Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.

Input yang diberikan pada sistem yang menggunakan AI berupa masalah & pada sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan.

Sistem harus memiliki inference engine agar mampu mengambil kesimpulan berdasarkan fakta atau pengetahuan.

Output yang diberikan berupa solusi masalah sebagai hasil dari inferensi.

Suatu sistem yang mampu menyelesaikan masalah:

Mendefinisikan masalah dengan tepat yang mencakup spesifikasi mengenai keadaan awal dan 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 baik

MENDEFINISIKAN MASALAH SEBAGAI SUATU RUANG KEADAAN

Misalkan permasalahan “Papan Catur”

Posisi awal pada papan catur

Aturan-aturan untuk melakukan gerakan secara legal

Tujuan (Goal)

Contoh tersebut menunjukkan representasi masalah dalam Ruang Keadaan (State Space), yaitu suatu ruang yang berisi semua keadaan yang mungkin

Untuk mendeskripsikan masalah dengan baik harus

Mendefinisikan suatu ruang keadaan

Menetapkan satu atau lebih keadaan awal

Menetapkan satu atau lebih tujuan

Menetapkan kumpulan aturan

Cara untuk merepresentasikan
Ruang Keadaan

Graph Keadaan, Graph terdiri dari node-node yang menunjukkan keadaan yaitu keadaan awal dan keadaan baru yang akan dicapai dengan menggunakan operator. Node-node dalam graph keadaan saling dihubungkan dengan menggunakan arc (busur) yang diberi panah untuk menunjukkan arah dari suatu keadaan ke keadaan berikutnya

Lanjutan

Pohon Pelacakan, yaitu untuk menghindari kemungkinan adanya proses pelacakan suatu node secara berulang, maka digunakan struktur pohon (menggambarkan keadaan secara hirarkis).

Lanjutan

Pohon terdiri-dari beberapa node, yang terletak pada level-0 disebut “akar”

Node akar memiliki beberapa percabangan yang sering disebut dengan nama “anak” dan merupakan node-node perantara

Node-node yang tidak memiliki anak sering disebut dengan nama node “daun” yang menunjukkan akhir dari suatu pencarian

METODE PENCARIAN & PELACAKAN

  1. Pencarian Buta (Blind Search)

Pencarian Melebar Pertama (Breadth-First Search)

Pencarian Mendalam Pertama (Depth-First Search)

Pencarian Heuristik (Heuristic Search)

Lanjutan

Ada 4 metode pencarian heuristic:

Pembangkit & Penggujian (Generate and Test)

Pendakian Bukit (Hill Climbing)

Simple Hill Climbing

Steepest-Ascent Hill Climbing

Pencarian Terbaik Pertama (Best First Search)

Best First Search

Membangkitkan simpul berikutnya dari sebuah simpul terbaik diantara semua leaf nodes (simpul-simpul pada level terdalam) yang pernah dibangkitkan.

Penentuan simpul terbaik dapat dilakukan dengan menggunakan informasi berupa biaya perkiraan dari suatu simpul menuju ke goal atau gabungan antara biaya sebenarnya dan biaya perkiraan.

Algoritma Best First Search

OPEN berisi initial state dan CLOSED masih kosong.

Ulangi sampai goal ditemukan atau sampai tidak ada nodes di dalam OPEN

Ambil simpul terbaik di dalam OPEN

Jika simpul tersebut sama dengan goal maka sukses, jika tidak masukkan simpul tersebut ke dalam CLOSED

Bangkitkan semua suksesor dari simpul tersebut

LANJUTAN

Jika suksesor belum pernah dibangkitkan, evaluasi kemudian tambahkan ke OPEN dan catat parent (orang tuanya)

Jika suksesor sudah pernah dibangkitkan, ubah parentnya jika jalur melalui parent ini lebih baik daripada jalur melalui parent sebelumnya. Perbarui biaya untuk suksesor tersebut dan nodes lain yang berada di level bawahnya.

LANJUTAN

OPEN adalah senarai (list) yang digunakan untuk menyimpan simpul2 yang pernah dibangkitkan dan nilai heuristiknya telah dihitung tetapi belum pernah terpilih sebagai simpul terbaik, jadi simpul-simpul yang masih memiliki peluang (peluangnya masih terbuka) untuk terpilih sebagai simpul terbaik.

CLOSED adalah senarai untuk menyimpan simpul2 yang sudah pernah dibangkitkan dan sudah pernah terpilih sebagai simpul terbaik. Artinya CLOSED berisi simpul-simpul yang tidak mungkin terpilih sebagai simpul terbaik (peluang untuk terpilih sudah tertutup).

LANJUTAN

Greedy Best-First Search merupakan algoritma yang paling sederhana dengan hanya memperhitungkan biaya perkiraan saja, yaitu f(n) = h(n). Biaya yang sebenarnya tidak diperhitungkan. Algoritma ini menyebabkan hasil perhitungan menjadi tidak optimal karena hanya memperhitungkan biaya perkiraan yang belum tentu kebenarannya.

LANJUTAN

A* (A Bintang). Biaya yang diperhitungkan didapat dari biaya sebenarnya ditambah dengan biaya perkiraan, yaitu f(n) = g(n) + h(n).Dengan demikian, algoritma A* adalah complete dan optimal. BAB 2

MASALAH,

RUANG KEADAAN

&

PENCARIAN

Membangun sistem yang menggunakan AI, ada 2 bagian utama

Basis Pengetahuan (Knowledge Base), berisi fakta-fakta, teori, pemikiran dan hubungan antara satu dengan lainnya.

Motor Inferensi (Inference Engine), yaitu kemampuan menarik kesimpulan berdasarkan pengalaman.

Input yang diberikan pada sistem yang menggunakan AI berupa masalah & pada sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan.

Sistem harus memiliki inference engine agar mampu mengambil kesimpulan berdasarkan fakta atau pengetahuan.

Output yang diberikan berupa solusi masalah sebagai hasil dari inferensi.

Suatu sistem yang mampu menyelesaikan masalah:

Mendefinisikan masalah dengan tepat yang mencakup spesifikasi mengenai keadaan awal dan 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 baik

MENDEFINISIKAN MASALAH SEBAGAI SUATU RUANG KEADAAN

Misalkan permasalahan “Papan Catur”

Posisi awal pada papan catur

Aturan-aturan untuk melakukan gerakan secara legal

Tujuan (Goal)

Contoh tersebut menunjukkan representasi masalah dalam Ruang Keadaan (State Space), yaitu suatu ruang yang berisi semua keadaan yang mungkin

Untuk mendeskripsikan masalah dengan baik harus

Mendefinisikan suatu ruang keadaan

Menetapkan satu atau lebih keadaan awal

Menetapkan satu atau lebih tujuan

Menetapkan kumpulan aturan

Cara untuk merepresentasikan
Ruang Keadaan

Graph Keadaan, Graph terdiri dari node-node yang menunjukkan keadaan yaitu keadaan awal dan keadaan baru yang akan dicapai dengan menggunakan operator. Node-node dalam graph keadaan saling dihubungkan dengan menggunakan arc (busur) yang diberi panah untuk menunjukkan arah dari suatu keadaan ke keadaan berikutnya

Lanjutan

Pohon Pelacakan, yaitu untuk menghindari kemungkinan adanya proses pelacakan suatu node secara berulang, maka digunakan struktur pohon (menggambarkan keadaan secara hirarkis).

Lanjutan

Pohon terdiri-dari beberapa node, yang terletak pada level-0 disebut “akar”

Node akar memiliki beberapa percabangan yang sering disebut dengan nama “anak” dan merupakan node-node perantara

Node-node yang tidak memiliki anak sering disebut dengan nama node “daun” yang menunjukkan akhir dari suatu pencarian

METODE PENCARIAN & PELACAKAN

Pencarian Buta (Blind Search)

Pencarian Melebar Pertama (Breadth-First Search)

Pencarian Mendalam Pertama (Depth-First Search)

Pencarian Heuristik (Heuristic Search)

Lanjutan

Ada 4 metode pencarian heuristic:

Pembangkit & Penggujian (Generate and Test)

Pendakian Bukit (Hill Climbing)

Simple Hill Climbing

Steepest-Ascent Hill Climbing

Pencarian Terbaik Pertama (Best First Search)

Simulated Annealing