ARTIFICIAL INTELLIGENCE: PENCARIAN LANJUTAN

 SISTEM PADA AI

Input yg diberikan pada sistem adalah berupa masalah. Sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan. Sistem harus memiliki motor inferensi agar mampu mengambil kesimpulan berdasarkan fakta atau pengetahuan. Output yang diberikan berupa solusi masalah sebagai hasil dari inferensi.

MASALAH DAN RUANG MASALAH

4 hal yang harus dilakukan agar sistem menyelesaikan masalah terpisah :

1.  Mendefinisikan masalah dengan tepat
• Spesifikasi yang tepat mengenai keadaan awal
• Solusi yang diharapkan
2. Menganalisa masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai
3. Membatasi dan menghadirkan pengetahuan yang diperlukan untuk menyelesaikan masalah
4. Pilih teknik penyelesaian terbaik dan aplikasikan pada masalah

Untuk Mendefinisikan Suatu Masalah Sebagai Ruang Masalah

Beberapa hal yang harus dilakukan :

1. Definisikan ruang stata yang memuat semua konfigurasi yg mungkin dari objek yang terkait (dan mungkin beberapa yg tidak mungkin). Hal ini, tentu saja mungkin untuk mendefiniskan ruang stata dengan jumlah stata yang tidak terbatas.
2. Tentukan satu atau beberapa stata yang menyatakan keadaan awal dari masalah, disebut initial states.
3. Tentukan satu atau beberapa stata yang dapat diterima sebagai keadaan akhir (solusi), disebut goal states.
4. Tentukan sejumlah aturan yang menentukan aksi yang diperkenankan, hal ini mencakup beberapa hal sbb : 
• Apa asumsi non stata yang ditampilkan dalam deskripsi masalah non formal ? Akan menentukan yg termasuk dan tidak termasuk stata.
• Seberapa luas aturan harus dibuat ? Dapat menentukan aturan diberlakukan untuk stata mana saja.
• Berapa banyak pekerjaan yang diperlukan untuk menyelesaikan masalah harus disusun dan dimasukkan ke dalam aturan ? Akan menentukan jumlah baris aturan.

CARA MEMPRESENTASIKAN MASALAH

Beberapa Cara untuk Mempresentasikan ruang masalah yaitu :

• Graph Keadaan

• Pohon Pelacakan

• Pohon AND/OR

KONSEP PENCARIAN

Pencarian merupakan suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan ruang keadaan (state space). Ruang keadaan sendiri yaitu suatu ruang yang berisi semua keadaan yang mungkin.

Untuk mengukur perfomansi metode pencarian, terdapat empat kriteria yang dapat digunakan :

1. Completeness : Apakah metode tersebut menjamin penemuan solusi jika solusinya memang ada?
2. Time complexity : Berapa lama waktu yang diperlukan? 
3. Space complexity : Berapa banyak memori yang diperlukan?
4. Optimality : Apakah metode tersebut menjamin menemukan solusi yang terbaik jika terdapat beberapa solusi berbeda?

METODE PENCARIAN HEURISTIK

Pencarian terbimbing (heuristic search). Heuristic searching merupakan metode pencarian yang memperhatikan nilai heuristik (nilai perkiraan). Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness).

• Generate-and-Test

Teknik Generate-and-Test adalah teknik yang paling mudah dibandingkan teknik search yang lain, namun relatif lebih lama dalam mendapatkan solusi.

Algoritma Generate-and-Test :

1. Bentuk solusi yang mungkin.

Untuk beberapa masalah, ini berarti membentuk poin terpisah dari area permasalahan. Pada masalah lain, ini berarti membentuk jalur dari stata awal. 

2. Lakukan test untuk melihat apakah poin yang ditemui adalah solusi dengan membandingkan poin yang dipilih atau poin terakhir dari jalur yang dipilih dengan kumpulan stata tujuan 

3. Jika solusi sudah ditemukan, quit. Jika belum kembali ke langkah 1.

Kebaikan dan Keburukan Generate-and-Test 

Jika penurunan solusi yang mungkin dilakukan secara sistematis, maka procedure diatas akan dapat menemukan solusi suatu saat, jika memang ada. Tapi sayangnya jika ruang permasalahan sangat luas maka saat ditemukannya solusi akan menjadi sangat lama. Cara terbaik menerapkan generate-and-test yang sistematis adalah pada tree dari depth-first search dengan backtracking, yaitu kembali ke stata sebelumnya bila ditemui stata yg sudah pernah di test atau memodifikasi prosedurnya untuk menelusuri stata pada bentuk graph.

• Hill Climbing

   Teknik Hill Climbing adalah pengembangan dari teknik Generate-and-Test, dengan penambahan adanya umpan balik dari prosedur test yang sudah digunakan untuk membantu memilih arah mana yang harus ditelusuri pada setiap area search.

   Pada prosedur Generate-and-Test yang murni, fungsi test hanya ditanggapi dengan Ya atau Tidak. Tetapi pada Hill Climbing fungsi test ditambahkan dengan fungsi heuristic atau fungsi objectif yang memungkinkan perkiraan seberapa dekat simpul yang ditelusuri terhadap goal state.

    Hill-climbing sering kali digunakan jika fungsi heuristic yang baik tersedia untuk mengevaluasi stata, tapi ketika tidak ada lagi pengetahuan yang dapat digunakan. Sebagai contoh, anda berada disuatu kota yang belum pernah anda kunjungi tanpa memiliki peta. Tujuannya menuju gedung tertinggi yang terlihat dari tempat anda berada. 

    Fungsi heuristic adalah hanya masalah jarak antara lokasi anda berada dengan letak gedung tertinggi dan bagaimana menemukan jarak yang terdekat atau cara tercepat menuju gedung tertinggi.

    Penyelesaian masalah diatas dimulai dengan meninjau karakteristik masalah, apakah solusi yang pertama ditemukan dapat diterima sebagai solusi yang baik ? (mutlak atau relatif ?) Karena tidak ada peta dan tidak ada pengalaman memilih jalan (tidak ada pengetahuan) maka dipilih saja jalan yang arahnya menuju solusi sampai kita tiba di tujuan tanpa mengulangi atau mencoba lagi jalur yang lain dan kita terima itu sebagai solusi terbaik (dgn mengabaikan kemungkinan lain). Jadi adalah masuk akal menerapkan hill-climbing ketika tidak ada alternatif yang dapat diterima untuk memilih atau menuju pada suatu stata.

Algoritma Simple Hill Climbing :

1. Evaluasi initial state. Jika ini goal state maka return dan keluar. Jika bukan maka lanjutkan dengan initial state sebagai current state.
2. Ulangi langkah berikut sampai menemukan solusi atau sampai tidak ada lagi operator yang dapat digunakan pada current state
• Pilih operator yang belum digunakan pada current state dan gunakan untuk menghasilkan/menuju stata baru
• Evaluasi stata baru.
• Jika ini goal state maka return dan keluar
• Jika bukan goal state tetapi lebih baik dari current state maka jadikan stata baru sebagai current state
• Jika tidak lebih baik dari current state lanjutkan perulangan

• Best-First-Search 

Teknik Best-First-Search adalah teknik search yang menggabungkan kebaikan yang ada dari teknik Depth-First-Search dan Breadth-First-Search. Tujuan menggabungkan dua teknik search ini adalah untuk menelusuri satu jalur saja pada satu saat, tapi dapat berpindah ketika jalur lain terlihat lebih menjanjikan dari jalur yang sedang ditelusuri. Untuk mendapatkan jalur yang menjanjikan adalah dengan memberikan skala prioritas pada setiap stata saat dihasilkan dengan fungsi heuristic.

Untuk menggunakan Best-First-Search, kita memerlukan dua daftar simpul, yaitu :

1. OPEN
• berisi simpul yang dihasilkan dari fungsi heuristic tapi belum dievaluasi, memilki antrian prioritas dimana elemen dengan prioritas tertinggi adalah yang memiliki nilai paling baik yang dihasilkan fungsi heuristic. 
2. CLOSED 
• berisi simpul yang sudah dievaluasi. Kita perlu tetap menyimpan simpul-simpul ini dalam memori jika kita ingin melakukan search pada Graph, sehingga jika kita menemui suatu simpul kita bisa memeriksa apakah simpul ini sudah pernah dieavaluasi atau belum.

Algoritma Best-First-Search :

1. Mulai dengan OPEN hanya berisi initial state
2. Sampai goal ditemukan atau tidak ada lagi simpul yang tersisa dalam OPEN, lakukan :  
• Pilih simpul terbaik dalam OPEN
• Telusuri successor-nya
• Untuk tiap successor, lakukan :
• Jika belum pernah ditelusuri sebelumnya, evaluasi simpul ini, tambahkan kedalam OPEN dan catat parentnya.
• Jika sudah pernah ditelusuri, ganti parent nya jika jalur baru lebih baik dari sebelumnya.

ARTIFICIAL INTELLIGENCE: PENCARIAN,METODE BFS-DFS

KONSEP PENCARIAN

Pencarian merupakan suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan ruang keadaan (state space). Ruang keadaan sendiri yaitu suatu ruang yang berisi semua keadaan yang mungkin.

Untuk mengukur perfomansi metode pencarian, terdapat empat kriteria yang dapat digunakan :

1. Completeness : Apakah metode tersebut menjamin penemuan solusi jika solusinya memang ada?
2. Time complexity : Berapa lama waktu yang diperlukan? 
3. Space complexity : Berapa banyak memori yang diperlukan?
4. Optimality : Apakah metode tersebut menjamin menemukan solusi yang terbaik jika terdapat beberapa solusi berbeda?

TEKNIK PENCARIAN

Teknik searching pada AI dibagi menjadi 2 yaitu :

1. Pencarian buta (blind search). Blind searching adalah model pencarian buta atau pencarian yang tidak memiliki informasi awal. Ada beberapa algoritma pencarian buta diantaranya BFS (Breadth First Search), DFS (Depth First Search), dan UCS (Uniform Cost Search). Model pencarian ini memiliki tiga ciri-ciri utama yaitu :
• Membangkitkan simpul berdasarkan urutan
• Jika ada solusi maka solusi akan ditemukan
• Hanya memiliki informasi tentang node yang telah dibuka, (node selanjutnya tidak diketahui
2. Pencarian terbimbing (heuristic search). Heuristic searching merupakan metode pencarian yang memperhatikan nilai heuristik (nilai perkiraan). Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness). Jenis-jenis heuristic searching :
• Generate and Test
• Hill Climbing
• Best First Search
• Alpha Beta Prunning
• Means-End-Analysis
• Constraint Satisfaction

KARAKTERISTIK MASALAH

Pencarian heuristic adalah metode yang sangat umum yang dapat diterapkan dalam begitu banyak masalah, meliputi begitu banyak variasi teknik yang spesifik, dimana masing-masing efektif untuk penyelesaian masalah tertentu yang lebih spesifik. Untuk memilih metode mana (atau kombinasi metode mana) yang akan digunakan untuk menyelesaikan masalah, penting untuk menganalisa masalah pada beberapa dimensi kunci atau karakteristik, sebagai berikut :

• Dapatkah masalah disederhanakan kedalam kelompok terpisah yang lebih kecil atau subprogram yang lebih mudah ?
• Dapatkah satu tahap penyelesaian solusi diabaikan atau setidaknya tidak dilakukan jika terbukti tidak layak ?
• Apakah ruang lingkup masalah dapat diprediksi ?
• Dapatkah dinyatakan sebuah solusi yang baik untuk penyelesaian masalah tanpa membandingkannya dengan solusi lain yang mungkin ?
• Solusi yang diinginkan adalah sebuah stata atau jalur menuju stata ?
• Apakah sejumlah pengatahuan mutlak diperlukan untuk menyelesaikan masalah atau pengetahuan hanya diperlukan untuk membatasi pencarian ?
• Dapatkah komputer yang diberikan permasalahan langsung memberikan solusi atau pemecahan masalah memerlukan interaksi antara komputer dan manusia ?

TEKNIK SEARCH

• Arah search Dapat dilakukan : Maju, bermula dari keadaan awal (start state) Mundur, diawali dari keadaan tujuan (goal state)
• Topologi proses search Ada dua macam penggambaran problem, yaitu dalam bentuk : 
1. Pohon (tree)
2. Graf (graph) : Graf berarah dan Graf tidak berarah

METODE BREADTH-FIRST-SEARCH

Algoritma Breadth-First-Search :

1. Bentuk variabel dengan nama NODE-LIST dan jadikan sebagai initial state.
2. Sampai goal state ditemukan atau NODE-LIST kosong, lakukan : 
• Ambil elemen pertama dari NODE-LIST, sebut E. jika NODE-LIST kosong, quit.
• Untuk tiap cara dimana tiap aturan(fungsi) dapat cocok dengan stata di E, lakukan : 
• Gunakan aturan(fungsi) untuk menuju stata baru
• Jika stata baru adalah goal state, quit return stata ini 
• Jika bukan, tambahkan stata baru di akhir NODE-LIST.

METODE DEPTH-FIRST-SEARCH

Algoritma Depth-Fisrt-Search : 

1. Jika initial state adalah goal state, quit dan return success 
2. Jika bukan, lakukan dibawah ini sampai dicapai sinyal success atau gagal
• Tentukan successor, E dari initial state. Jika tidak ada lagi successor, maka sinyal gagal
• Jalankan Depth-Fisrt-Search dengan E sebagai initial state
• Jika success dihasilkan, sinyal success. Jika tidak maka ulangi langkah 

ARTIFICIAL INTELLIGENCE:SISTEM,MENDEFINISIKAN MASALAH,SISTEM PRODUKSI,STRATEGI KENDALI,CONTOH KASUS

SISTEM PADA AI

Input yg diberikan pada sistem adalah berupa masalah. Sistem harus dilengkapi dengan sekumpulan pengetahuan yang ada pada basis pengetahuan. Sistem harus memiliki motor inferensi agar mampu mengambil kesimpulan berdasarkan fakta atau pengetahuan. Output yang diberikan berupa solusi masalah sebagai hasil dari inferensi.

4 hal yang harus dilakukan agar sistem menyelesaikan masalah terpisah :

1.  Mendefinisikan masalah dengan tepat
• Spesifikasi yang tepat mengenai keadaan awal
• Solusi yang diharapkan
2. Menganalisa masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai
3. Membatasi dan menghadirkan pengetahuan yang diperlukan untuk menyelesaikan masalah
4. Pilih teknik penyelesaian terbaik dan aplikasikan pada masalah

MENDEFINISIKAN MASALAH SEBAGAI PENCARIAN RUANG STATA

Beberapa hal yang harus dilakukan :

1. Definisikan ruang stata yang memuat semua konfigurasi yg mungkin dari objek yang terkait (dan mungkin beberapa yg tidak mungkin). Hal ini, tentu saja mungkin untuk mendefiniskan ruang stata dengan jumlah stata yang tidak terbatas.
2. Tentukan satu atau beberapa stata yang menyatakan keadaan awal dari masalah, disebut initial states.
3. Tentukan satu atau beberapa stata yang dapat diterima sebagai keadaan akhir (solusi), disebut goal states.
4. Tentukan sejumlah aturan yang menentukan aksi yang diperkenankan, hal ini mencakup beberapa hal sbb : 
• Apa asumsi non stata yang ditampilkan dalam deskripsi masalah non formal ? Akan menentukan yg termasuk dan tidak termasuk stata.
• Seberapa luas aturan harus dibuat ? Dapat menentukan aturan diberlakukan untuk stata mana saja.
• Berapa banyak pekerjaan yang diperlukan untuk menyelesaikan masalah harus disusun dan dimasukkan ke dalam aturan ? Akan menentukan jumlah baris aturan.

SISTEM PRODUKSI

Sistem produksi terdiri dari :

1. Sejumlah aturan, dimana tiap aturan memiliki sis kiri yang menyatakan bentuk yang dapat digunakan dan sisi kanan yang menyatakan hasil operasi jika aturan diaplikasikan.
2. Satu atau lebih pengetahuan/database yang berisi informasi apapun yang berkaitan dgn tiap masalah. Beberapa bagian database mungkin tetap sedangkan yang lain ditambahkan sesuai dengan masalah yang dihadapi. Informasi dalam database dapat tersusun dalam banyak cara berbeda.
3. Strategi kendali yang akan menentukan perintah dalam aturan yang mana yang akan dibandingkan dengan database dan cara menyelesaikan konflik yang muncul ketika ada lebih dari satu aturan yang cocok.
4. Penggunaan aturan.

STRATEGI KENDALI

Strategi kendali diperlukan untuk memutuskan aturan mana yang akan digunakan dalam lanjutan proses pencarian untuk mendapatkan penyelesaian masalah.

Syarat suatu strategi kendali yang baik adalah :

1. Menggerakkan stata (menjalankan proses) menuju solusi
2. Harus sistematik

Kedua syarat itu akan melahirkan banyak metode pencarian.

CONTOH KASUS

Diberikan dua bejana air, dengan kapasitas 4 liter dan 3 liter, yang keduanya tidak memiliki skala/ batas ukuran. Ada sejumlah tak terbatas air yang dapat diisikan kedalam bejana. Bagaimana cara mengisikan tepat 2 liter air ke dalam bejana berukuran 4 liter?

Definisi ruang stata kasus Bejana Air

Definisi ruang stata untuk kasus bejana air dapat dinyatakan sebagai pasangan bilangan bulat

(x,y); x=0,1,2,3 atau 4 dan y=0,1,2 atau 3

Dimana x menyatakan volume air pada bejana 4 liter dan y menyatakan volume air pada bejana 3 liter. Stata awal (initial state) : (0,0) dimana kedua bejana kosong.

Stata akhir (goal state) : (2,n) dimana bejana pertama berisi 2 liter dan bejana kedua bisa berisi berapa saja.

Sistem Produksi Bejana Air

Penyelesaian Kasus Bejana Air

Hasil Analisa Masalah

Permasalahan dapat dipecahkan dengan menggunakan aturan produksi yang dikombinasikan dengan pendekatan strategi kendali untuk menelusuri ruang masalah sampai ditemukan jalur dari initial state ke goal state. Sehingga proses pencarian menjadi penting untuk menyelesaikan masalah. Pencarian adalah mekanisme umum yang dapat digunakan ketika tidak ada metode langsung lain yang diketahui.