METODE PENCARIAN DAN PELACAKAN

METODE PENCARIAN DAN PELACAKAN
(Alexander Joharico 10114786,

Ridho Satria 19114301, Anggit Pangestu 11114242,

·         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.

·         Untuk mengukur perfomansi metode pencarian, terdapat 4 kriteria yang dapat digunakan :

1.      Completeness : apakah metode tersebut menjamin penemuan solusi jika solusinya memang ada?

2.      Time complexity : berapa lama waktu yang diperlukan? [semakin cepat, semakin baik]

3.      Space complexity : berapa banyak memori yang diperlukan

4.      Optimality : apakah metode tersebut menjamin menemukan solusi yang terbaik jika terdapat beberapa solusi berbeda?

Dua teknik pencarian dan pelacakan

– Pencarian buta (blind search)

Blind Searching adalah model pencarian buta atau pencarian yang tidak memiliki inforamasi awal, model pencarian ini memiliki tiga ciri – ciri utama yaitu:

-          Membangkitkan simpul berdasarkan urutan

-          Kalau ada solusi maka solusi akan ditemukan

-          Hanya memiliki informasi tentang node yang telah dibuka (node selanjutnya tidak diketahui).

Blind Searching sendiri dibagi menjadi dua macam yaitu :

• Pencarian melebar pertama (Breadth – First Search)

Breadth First Search yaitu model pencarian yang memakai metode melebar. Untuk mencari hasilnya, model BFS ini menggunakan teknik pencarian persoalannya dengan cara membuka node (titik) pada tiap levelnya.

Lebih jelasnya dapat dilihat pada gambar dibawah ini :

·         Semua node pada level n akan dikunjungi terlebih dahulu sebelum level n+1

·         Mulai dari akar terus ke level 1 dari kiri ke kanan

·         Kemudian ke level  selanjutnya hingga solusi ditemukan

Keuntungan :

– Tidak akan menemui jalan buntu

– Menjamin ditemukannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti yang paling baik

– Jika ada satu solusi maka bread-first search akan menemukannya

Kelemahannya :

– Membutuhkan memori yang cukup banyak

– Membutuhkan waktu yang cukup lama

• Pencarian mendalam pertama (Depth – First Search)

DFS (Depth-first Search) sering disebut juga pencarian mendalam. Sesuai dengan namanya “pencarian mendalam”, DFS tidak mencari solusi per level, namun mencari pada kedalaman sebelah kiri terlebih dahulu, kemudian bila belum ditemuakn “goal”nya dilanjutkan ke sisi sebelah kanan dan seterusnya sampai ditemukan target/goal.

Dengan menggunakan permasalahan yang sama dengan penjelasan di awal tadi, maka pada model DFS akan di dapatkan solusi seperti gambar di bawah ini :

Keuntungan :

– Memori yang relatif kecil

– Secara kebetulan, akan menemukan solusi tanpa harus menguji lebih banyak lagi

– Pencarian terbimbing (heuristic search)

Heuristic Search merupakan metode pencarian yang memperhatikan nilai heuristik (nilai perkiraan).

Teknik pencarian heuristik (heuristic searching) merupakan suatu strategi untuk melakukan proses pencarian ruang keadaan (state space) suatu problema secara selektif, yang memandu proses pencarian yang kita lakukan di sepanjang jalur yang memiliki kemungkinan sukses paling besar, dan mengesampingkan usaha yang bodoh dan memboroskan waktu.

Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan (completeness).

Heuristic Search memperkirakan jarak menuju Goal (yang disebut dengan fungsi heuristik).
Fungsi heuristik ini digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.

Jenis-jenis Heuristic Searching :

·                     Generate and Test

·                     Hill Climbing

·                     Best First Search

·                     Alpha Beta Prunning

·                     Means-End-Anlysis

·                     Constraint Satisfaction

Kali ini yang akan dibahas adalah metode Generate and Test, Hill Climbing dan Best First Search. Karena ketiga metode tersebut adalah metode Heursistic Searching yang paling sering digunakan dan paling optimal hasilnya.

• Pendakian Bukit (Hill Climbing)

Hill Climbing (mendaki bukit) merupakan salah satu variasi metode buat dan uji (generate and test) dimana umpan balik yang berasal dari prosedur uji digunakan untuk memutuskan arah gerak dalam ruang pencarian (search).

Dalam prosedur buat dan uji yang murni, respon fungsi uji hanyalah ya atau tidak. Dalam prosedurHill Climbing, fungsi uji dikombinasikan dengan fungsi heuristik yang menyediakan pengukuran kedekatan suatu keadaan yang diberikan dengan tujuan (goal).
Prosedur Hill Climbing :

1.    Buatlah solusi usulan pertama dengan cara yang sama seperti yang dilakukan dalam prosedur buat dan uji (generate and test). Periksalah apakah solusi usulan itu merupakan sebuah solusi. Jika ya, berhentilah. Jika tidak, kita lanjutkan ke langkah berikutnya.

2.    Dari solusi ini, terapkan sejumlah aturan yang dapat diterapkan untuk membuat sekumpulan solusi usulan yang baru.

3.    Untuk setiap elemen kumpulan solusi tersebut, lakukanlah hal-hal berikut ini :

1.      Kirimkanlah elemen ini ke fungsi uji. Jika elemen ini merupakan sebuah solusi, berhentilah.

2.      Jika tidak, periksalah apakah elemen ini merupakan yang terdekat dengan solusi yang telah diuji sejauh ini. Jika tidak, buanglah.

3.      Ambilah elemen terbaik yang ditemukan di atas dan pakailah sebagai solusi usulan berikutnya. Langkah ini bersesuaian dengan langkah dalam ruang problema dengan arah yang muncul sebagai yang tercepat dalam mencapai tujuan.

4.      Kembalilah ke langkah 2.

Masalah-masalah yang mungkin timbul pada prosedur Hill Climbing :

-        Maksimum lokal adalah suatu keadaan yang lebih baik daripada semua tetangganya namun masih belum lebih baik dari suatu keadaan lain yang jauh letaknya darinya.

-        Daratan  (Plateau) adalah suatu daerah datar dari ruang pencarian (search) dimana semua himpunan keadaan tetangganya memiliki nilai yang sama.

-        Punggung (Ridge) adalah suatu daerah ruang pencarian (search) yang lebih tinggi daripada daerah sekitarnya, namun tidak dapat dibalikkan oleh langkah–langkah tunggal ke arah manapun.

Solusinya:

-        Melakukan langkah balik (backtracking) ke simpul yang lebih awal dan mencoba bergerak ke arah yang lain.

-        Melakukan lompatan besar ke suatu arah untuk mencoba bagian ruang pencarian yang baru.

-        Menerapkan dua atau lebih aturan sebelum melakukan uji coba. Ini bersesuaian dengan bergerak ke beberapa arah sekaligus.

• Pencarian Terbaik Pertama (Best First Search)

Pencarian terbaik pertama (Best First Search) merupakan suatu cara yang menggabungkan keuntungan atau kelebihan dari pencarian Breadth-First Search dan Depth-First Search. Pada setiap langkah proses pencarian terbaik pertama, kita memilih node-node dengan menerapkan fungsi heuristik yang memadai pada setiap node/simpul yang kita pilih dengan menggunakan aturan-aturan tertentu untuk menghasilkan penggantinya.

Fungsi Heuristik yang digunakan merupakan prakiraan (estimasi) cost dari initial state ke goal state, yang dinyatakan dengan :

f’ = g + h’

dimana

f’ = prakiraan cost dari initial ke goal

g = cost dari initial state ke current state

h’ = prakiraan cost dari current state ke goal state

Terdapat dua jenis algoritma Best First Search, yaitu:

- Greddy Best yang hanya memperhitungkan biaya perkiraan saja.

- A* yang memperhitungkan gabungan dua biaya, biaya sebenarnya dan biaya perkiraan.

1. Greddy Best

Greedy Best First Search hanya memperhitungkan biaya perkiraan (estimated cost) saja, yakni:

f(n) = h(n)

Dimana : h(n)= perkiraan biaya dari simpul n ke goal.

Biaya yang sebenarnya (actual cost) tidak diperhitungkan. Dengan hanya memperhitungkan biaya perkiraan yang belum tentu kebenarannya maka algoritma ini menjadi tidak optimal.
Algoritma greddy best ini membentuk solusi langkah per langkah (step by step). Pada setiap langkah, terdapat banyak pilihan yang perlu dieksplorasi. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan.

2. A*

Algoritma ini merupakan algoritma Best First Search yang menggabungkan Uniform Cost Search danGreddy Best First Search.

Algoritma ini memperhitungkan biaya dari biaya sebenarnya ditambah dengan biaya perkiraan.
Dalam notasi matematika dituliskan sebagai:

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

dimana :

g(n) = biaya sebenarnya untuk mencapai simpul n

h(n) = perkiraan biaya dari simpul n ke goal.

f(n) = perkiraan total biaya jalur yang melalui simpul n ke goal.

Dengan perhitungan biaya seperti ini, algoritma A* adalah complete dan optimal.

REFERENSI :

http://blognyacomel.blogspot.com/2013/11/best-first-search.html

          diakses 3 Oktober 2015 pukul 12.23

http://buatugasai.blogspot.com/2013/04/metode-pencarian-dan-pelacakan_4.html

          diakses 1 Oktober 2015 pukul 01.14

 

Pengantar Inteligensia Buatan – Heuristic Searching (Anonymous Writer)

https://aiukswkelasgkelompok7.wordpress.com/metode-pencarian-dan-pelacakan/

http://najibzot.blogspot.co.id/p/teknik-searching-kecerdasan-buatan-di.html

Mata Kuliah : PENG. TEKNOLOGI SISTEM CERDAS