ULANGAN TENGAH SEMESTER
MATA KULIAH KECERDASAN BUATAN
Nama : Fitriani Ramdhani
NIM : 18020014
MK : Kecerdasan Buatan
1. Jelaskan teknik penyelesaian masalah yang dapat dipakai untuk menyelesaikan permasalahan di kecerdasan buatan (AI)!
a. Analisa Masalah
- Langkah untuk menganalisa masalah yang dihadapi dan mengungkapkan masalah tersebut dalam satu sistem simbol.
- Sistem dapat merupakan diagram, skema, graf atau symbol-simbol yang lain.
- Sistem simbol ini harus diterjemahkan dalam bahasa pemgrograman AI.
- Terdapat Initial state dan Goal State.
b. Representasi Masalah dan Pengetahuan
- Dalam memecahkan soal, dibutuhkan representasi semesta persoalan (Problem Domain).
- Hal ini mencakup pengetahuan yang dibutuhkan dalam penyelesaian masalah dan berkaitan dengan cara pengolahan pengetahuan.
- Representasi sangat penting supaya komputer dapat mengolah secara tepat dan benar.
- Ex : Logika predikat, representasi struktur
c. Inferensi
- Inferensi adalah motor penggerak program AI.
- Bagian ini mengendalikan semua informasi yang masuk dan pelaksanaan kaidah" yang berlaku dalam penyelesaian masalah.
- Inferensi juga disebut kontrol struktur, rute interpreter atau strategi pemecahan soal.
- Beberapa teknik inferensi : teknik pelacakan (searching), kendali pemecahan soal (Control Strategi), Pemecahan persoalan dengan dekomposisi (Decomposition), penerapan pola (pattern maching), dan ikatan (chaining)
d. Penggunaan Bahasa AI
2. Jelaskan dan berikan contoh mengenai Blind Search dan Heuristic Search!
Blind Search mengacu kepada pencarian tidak memiliki informasi atau pengetahuan tambahan mengenai kondisi di luar dari yang telah disediakan oleh definisi masalah sedangkan Heuristic Search mengacu kepada pencarian dengan memiliki informasi mengenai kondisi di luar dari yang telah disediakan oleh definisi masalah.
A. Blind Search ( Uninformed Search).
Blind Search secara umum mengartikan bahwa saat proses pencarian kita tidak memiliki clue/hint apakah hasil yang ditemukan lebih baik daripada yang lainnya, sehingga kita tidak mengetahui apakah hasil dari eksplorasi tersebut bermanfaat secara maksimal atau tidak. Search Space(ruang pencarian) dieksplorasi tanpa memanfaatkan apapuun informasi yang menyangkut pada masalah. Contoh dari Blind Search. Contoh dari Blind Search antara lain BFS dan DFS.
- BFS (Breadth – First Search) : Metode ini akan mulai mencari dari node yang paling kiri, kemudian berpindah ke-node se-level dengannya, dan berulang – ulang terus hingga menemukan solusi yang dimaksud.
- DFS (Depth-first Search) : Metode ini 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.
B. Blind Search ( Uninformed 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).
Didalam Heuristic Search terdapat 2 jenis :
- Generate and Test : Strategi bangkitkan dan uji (generate and test) merupakan pendekatan yang paling sederhana dari semua pendekatan yang akan dibicarakan.
Contoh Generate & Test :
“Travelling Salesman Problem (TSP)”
Seorang salesman ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Kita ingin mengetahui rute terpendek dimana setiap kota hanya boleh dikunjungi tepat 1 kali. Misalkan ada 4 kota dengan jarak antara tiap-tiap kota seperti berikut ini :Alur pencarian dengan Generate and Test.
- 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).
Contoh Hill Climbing :
TSP dengan Simple Hill Climbing Disini ruang keadaan berisi semua kemungkinan lintasan yang mungkin. Operator digunakan untuk menukar posisi kota-kota yang bersebelahan. Apabila ada n kota, dan kita ingin mencari kombinasi lintasan dengan menukar posisi urutan 2 kota, maka kita akan mendapatkan sebanyak n!/2!(n-2)! atau sebanyak 6 kombinasi. Fungsi heuristic yang digunakan adalah panjang lintasan yang terjadi.
a. Breadth First Search (BFS)
- Breadth-first search (BFS) melakukan proses searching pada semua node yang berada pada level atau hirarki yang sama terlebih dahulu sebelum melanjutkan proses searching pada node di level berikutnya.
- Urutan proses searching BFS ditunjukkan dalam Gambar 1.6 adalah: A,B,C,D,E,F.
b. Depth First Search (DFS)
- Depth-first search (DFS) adalah proses searching sistematis buta yang melakukan ekpansi sebuah path (jalur) menuju penyelesaian masalah sebelum melakukan ekplorasi terhadap path yang lain.
- Proses searching mengikuti sebuah path tunggal sampai menemukan goal atau dead end.
- Apabila proses searching menemukan dead-end, DFS akan melakukan penelusuran balik ke node terakhir untuk melihat apakah node tersebut memiliki path cabang yang belum dieksplorasi.
- Apabila cabang ditemukan, DFS akan melakukan cabang tersebut.
- Apabila sudah tidak ada lagi cabang yang dapat dieksplorasi, DFS akan kembali ke node parent dan melakukan proses searching terhadap cabang yang belum dieksplorasi dari node parent sampai menemukan penyelesaian masalah.
- Urutan proses searching DFS ditunjukkan dalam Gambar 1.5 adalah: A, B, E, F, G, C, .
c. Uniform Cost Search (UCS)
- Konsepnya hampir sama dengan BFS, bedanya adalah bahwa BFS menggunakan urutan level yang paling rendah sampai yang paling tinggi, sedangkan UCS menggunakan urutan biaya dari yang paling kecil sampai yang terbesar.
- UCS berusaha menemukan solusi dengan total biaya terendah yang dihitung berdasarkan biaya dari simpul asal menuju ke simpul tujuan.
d. Depth-Limited Search (DLS)
- Metode ini berusaha mengatasi kelemahan DFS (tidak complete) dengan membatasi kelemahan maksimum dari suatu jalur solusi. Tetapi, sebelum menggunakan DLS, kita harus tahu berapa level maksimum dari suatu solusi.
e. Iterative Deepening Search (IDS)
- DS merupakan metode yang menggabungkan kelebihan BFS (Complete dan Optimal) dengan kelebihan DFS (space complexity rendah atau membutuhkan sedikit memori)
- Tetapi konsekuensinya adalah time complexity-nya menjadi tinggi.
f. Bi-Directional Search (BDS)
- Pencarian dilakukan dari dua arah : pencarian maju (dari start ke goal) dan pencarian mundur (dari goal ke start). Ketika dua arah pencarian telah membangkitkan simpul yang sama, maka solusi telah ditemukan, yaitu dengan cara menggabungkan kedua jalur yang bertemu.
4. Berikan contoh dari kegunaan AI dalam kehidupan sehari hari
Artificial Intelligence (AI) merupakan program komputer yang dirancang mengikuti tindakan dan pola pikir manusia. Tak hanya perusahaan-perusahaan besar, kini AI mulai menyentuh sejumlah teknologi, seperti ponsel yang telah menjadi gaya hidup masyarakat perkotaan. Kehadirannya di sejumlah perangkat teknologi sehari-hari mampu memberikan kemudahan bagi penggunanya.
Beberapa contoh AI dalam kehidupan sehari-hari :
· Sistem E-Tilang
Sistem e-tilang menggunakan kecerdasanbuatan atau AI (Artificial Intelligence). AI dapat kita pahami melalui 2 cabang, yaitu machine dan deep learning. Pada e-tilang digunakan metode deep learning. Deep learning dapat diibaratkan sebagai evolusi dari machine learning yang bertujuan meniru cara kerja otak dengan penggunaan algoritma yang lebih kompleks. Deep learning disebut juga jaringan nalar buatan atau artificial neural network (ANN). Metode ini dapat dikatakan lebih unggul dibandingkan dengan machinr learning, yang pada umumnya digunakan untuk memperhitungkan data yang tidak eksak seperti Bahasa/teks, suara, objek, dan autonomus driver. E-Tilang sudah mulai diberlakukan uji cobanya selama bulan Oktober 2018 di Jalan Sudirman-Thamrin. Smartcitizens. E-Tilang atau E-TLE (Electronic Traffic Law Enforcement) adalah sistem tilang elektronik yang memanfaatkan sistem CCTV sebagai pengawasnya alih-alih polisi yang bertugas di jalanan. Apabila ada kendaraan yang melanggar peraturan lalu lintas dan tertangkap CCTV, petugas yang memantau di monitoring room akan merekam dan mencatat nomor plat kendaraan. Pemilik plat kendaraan akan diberikan surat tilang dan harus membayar denda tersebut via bank dalam jangka waktu tujuh hari.
· Aplikasi Ojol
Teknologi AI dalam aplikasi ojol (ojek online) digunakan untuk mengoptimalkan proses memilih pengemudi. Misalnya, ketika memesan ojol, aplikasi akan langsung mencari pengemudi yang lokasinya paling dekat dengan pelanggan.Ketika memesan makanan dengan kata kunci soto misalnya, maka aplikasi akan langsung mencari daftar warung soto berdasarkan kriteria tertentu, misalnya yang lokasinya dekat, ulasan terbanyak, tarif pengiriman murah, dsb. Kemudian, teknologi AI juga digunakan dalam urusan keamanan pelanggan maupun pengemudi. Teknologi AI kini digunakan untuk mendeteksi adanya pemberhentian yang tidak direncanakan. Ketika sistem mendeteksi hal tersebut, sistem akan mengirim notifikasi ke penumpang dan menanyakan apakah penumpang atau pengemudi membutuhkan bantuan.
