Langsung ke konten utama

Blind Search

ALGORITMA GRAPH

·      Algoritma traversal di dalam graf adalah mengunjungi simpul – simpul dengan cara yang sistematik.

·                Pencarian Melebar ( Breadth First Search atau BFS )
·                Pencarian Mendalam Depth First Search atau DFS )

1.             Breadth First Search atau BFS
Breadth First Search adalah algoritma pencarian simpul dalam graf (pohon) secara traversal yang dimulai dari simpul akar dan mengecek semua simpul – simpul tetangganya. Setelah itu, dari tiap simpul tetangganya, algoritma akan terus mengecek semua simpul tetangganya yang belum dicek. Sedemikian seterusnya hingga menemukan simpul tujuan Breadth First Search. Interpreter kaidah mulai dari fakta yang ada yaitu hipotesa kemudian kaidah bagian THEN mulai di uji untuk mendukung hipotesa awal. Jika ditemukan maka kaidah IF yang cocok digunakan untuk menghasilkan hipotesa antara yang baru. kemudian proses berantai terus di ulang, mengumpulkan bukti yang mendukung, sehingga hipotesa kebenarannya.

 



Graf Breadth First Search

Breadth First Search merupakan proses penalaran dengan pendekatan proses goal – driven. Memulai titik pendekatannya dari goal yang akan dicari nilainya kemudian bergerak mencari informasi yang mendukung goal tersebut.

Keuntungan BFS:
·           Tidak menemui jalan buntu.
·           Jika ada suatu solusi, maka Braedth First Search akan menemukannya. Dan jika didapat lebih dari satu solusi, maka solusi minimum akan ditemukan.
Kelemahan BFS:
·           Membutuhkan memori yang cukup banyak, karena menyimpan semua node dalam suatu pohon.
·           Membutuhkan waktu yang cukup lama, karena akan menguji n level untuk mendapatkan solusi pada level ke – ( n + 1 )
·           Idenya mirip dengan algo prim dan dijkstra.
·           Traversal dimulai dari simpul v.
·           Algoritma :
-       Kunjungi simpul v,
-       Kunjungi semua simpul yang bertetangga dengan simpul v terlebih dahulu,
-       Kunjungi simpul yang belum dikunjungi dan bertetangga dengan simpul – simpul yang tadi di kunjungi, demikian seterusnya.
·           Jika graf berbentuk pohon berakar, maka semua simpul pada aras d dikunjungi lebih dahulu sebelum simpul – simpul pada aras d + 1.

Representasi BFS
·           Pada umumnya graf di representasikan baik secara array ataupun list.
·           Dalam kuliah ini menggunakan Link LIST dan queue
Strucut node {
     int data;
     struct node *link;
};

BFS Properti dan Running Time
·           O ( V + E )
·           G = ( V, E ), bfs mencari seluruh vertex yang dapat diraih dari source s.
·           Untuk setiap vertex pada level l, path bfs tree antara s dan v mempunyai 1 edge dan selain path dalam G antara s dan v setidaaknya mempunyai 1 edge.
·           Jika ( u, v ) adalah edge maka jumlah level u dan v dibedakan setidaknya satu tingkat.
·           BFS menghitung seluruh jarak terpendek ke seluruh vertex yang dapat di raihnya.

Kegunaan BFS
·           Memeriksa apakah graph terhubung.
·           Menghitung spanning forest graph.
·           Menghitung, tiap vertex dalam graph, jalur dengan jumlah edge menimum antara vertex awal dan current vertex atau ketiadaan path.
·           Menghitung cycle dalam graph atau ketiadaan cycle.
·           O ( V + E )

Contoh BFS
·           Awal simpul adalah v1 dari graf G dibawah
·           Kunjungan BFS menghasilkan :
·           v1, v2, v5, v3, v4, v7, v6, v8, v9
 








2.             Depth First Search atau DFS
Metode Depth First Search dilakukan dengan node awal secara mendalam hingga yang paling akhir ( dead – end ) sampai ditemukan goal state. Dengan kata lain, simpul cabang anak yang terlebih dahulu dikunjungi. Andaikan tujuan yang diinginkan belum tercapai maka pencarian dilanjutkan ke cabang berikutnya hingga semua node di kunjungi.

Depth First Search ( DFS ) adalah algoritma pencarian simpul dalam graf secara traversal yang dimulai dari simpul akar dan mengecek simpul anaknya yang pertama, setelah itu, algoritma mengecek simpul anak dari simpul anak yang pertama tersebut, hingga mencapai simpul daun atau simpul tujuan.
·           Traversal dimulai dari simpul v.
·           Algoritma:
-                Kunjungi simpul v,
-                Kunjungi simpul w yang bertetangga dengan simpul v
-                Ulangi DFS mulai dari simpul w
-                Ketika mencapai simpul u sedemikian sehingga semua simpul yang bertetangga dengannya telah dikunjungi, pencarian dirunut – balik ke simpul terakhir yang dikunjungi sebelumnya dan mempunyai simpul w yang belum dikunjungi.
-                Pencarian berakhir bila tidak ada lagi simpul yang belum dikunjungi yang dapat dicapai dari simpul yang telah dikunjungi.

Keuntungan DFS:
·           Membutuhkan memori yang relaatif kecil, karena hanya node – node pada lintasan yang aktif yang disimpan.
·           Secara kebetulan, metode Depth First Search akan menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan.

Kelemahan DFS:
·           Memungkinkan tidak ditemukannya tujuan yang diharapkan
·           Hanya akan mendapatkan satu solusi pada setiap pencarian

Untuk memeriksa algoritma diatas, bahwa keadaan – keadaan turunan (descendent) ditambahkan atau dihapuskan dari ujung kiri open. Hasil dari penerapan algoritma.




Sumber :



Elearning.uin-suka.ac.id/attachment/pencarian_heuristik_bjyr6.pdf

Komentar

Postingan populer dari blog ini

Contoh Kasus COBIT

Sejarah Cobit Cobit merupakan sebuah framework yang dikembangkan oleh ISACA ( Information Systems Audit and Control Association ). Berikut perjalan waktu perkembangan Cobit : 1.     1996 : ISACA (Information Systems Audit and Control Association ) merilis sebuah rangkaian alat pengendalian objektif untuk aplikasi bisnis, yaitu COBIT 1.0. 2.     1998 : COBIT 2.0 rilis yang dilengkapi dengan rangkaian alat implementasi dan pengendalian objektif level tinggi yang detail. 3.     2000 : COBIT 3.0 dirilis dengan menyertakan panduan bagi manajemen. 4.     2002 : Sarbanes – Oxley Act ditetapkan sebagai peraturan atau hukum foderal Amerika yang memberikan dampak pada meningkatnya penggunaan COBIT di Amerika. 5.     2003 : Muncul versi online dari COBIT. 6.     2005 : COBIT 4.0 rilis 7.     2007 : COBIT 4.1 rilis 8.     2012 : COBIT 5.0 rilis, merupakan integrasi dari COBIT 4.1, Val IT 2.0 dan Risk IT frameworks, dan juga menghilangkan secara signifikan terkait bisnis model

Heuristik (Heuristic Search)

Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namum dengan kemungkinan mengorbankan kelengkapan (completeness). Fungsi heuristik 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. – Means-EndAnlysis, Constraint Satisfaction, dll. 1). PEMBANGKITAN dan PENGUJIAN (Generate and Test) Metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal. Algoritma  : 1. Bangkitkan suatu kemungkinan solusi (membangkitkan suatu tititk tertentu atau lintasan tertentu dari keadaan awal). 2. Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node terebut atau node akhir dari suatu lintasan yang

Sistem Pakar

APA ITU SISTEM PAKAR ? Sistem pakar adalah salah satu cabang dari AI yang membuat penggunaan secara luas  knowledge  yang khusus untuk penyelesaian masalah tingkat manusia yang pakar. Seorang pakar adalah orang yang mempunyai keahlian dalam bidang tertentu, yaitu pakar yang mempunyai  knowledge  atau kemampuan khusus yang orang lain tidak mengetahui atau mampu dalam bidang yang dimilikinya. Ketika sistem pakar dikembangkan pertama kali sekitar tahun 70-an system pakar hanya berisi  knowledge  yang eksklusif. Namun demikian sekarang ini istilah sistem pakar sudah digunakan untuk berbagai macam system yang menggunakan teknologi sistem pakar itu. Teknologi sistem pakar ini meliputi Bahasa sistem pakar, program dan perangkat keras yang dirancang untuk membantu pengembangan dan pembuatan sistem pakar. Sistem Pakar biasa disebut  Expert System  merupakan suatu pengembangan dari Decision Support Systems (DSS), yang memiliki fungsi sebagai konsultan. Sistem pakar merupakan salah satu