INFERENSI
Inferensi adalah : Proses yang digunakan dalam Sistem Pakar untuk menghasilkan informasi baru dari informasi yang telah diketahui. Dalam sistem pakar proses inferensi dilakukan dalam suatu modul yang disebut Inference Engine (Mesin inferensi).
REASONING
Definisi : Proses bekerja dengan pengetahuan, fakta dan strategi pemecahan masalah, untuk mengambil suatu kesimpulan (Berpikir dan mengambil kesimpulan). Berikut adalah metode reasoning :
1. Deductive Reasoning
Kita menggunakan reasoning deduktif untuk mendeduksi informasi baru dari hubungan logika pada informasi yang telah diketahui.
Contoh:
Implikasi : Saya akan basah kuyup jika berdiri ditengah-tengah hujan deras
Aksioma : Saya berdiri ditengah-tengah hujan deras
Konklusi : Saya akan basah kuyup
IF A is True AND IF A IMPLIES B is True, Then B is True
2. Inductive Reasoning
Kita menggunakan reasoning induktif untuk mengambil kesimpulan umum dari sejumlah fakta khusus tertentu.
Contoh:
Premis : Monyet di Kebun Binatang Ragunan makan pisang
Premis : Monyet di Kebun Raya Bogor makan pisang
Konklusi : Semua monyet makan pisang
3. Abductive Reasoning
Merupakan bentuk dari proses deduksi yang mengijinkan inferensi plausible.
Plausible berarti bahwa konklusi mungkin bisa mengikuti informasi yang tersedia, tetapi juga bisa salah.
Contoh:
Implikasi : Tanah menjadi basah jika terjadi hujan
Aksioma : Tanah menjadi basah
Konklusi : Apakah terjadi hujan?
IF B is True AND A implies B is true, Then A is True?
4. Analogical Reasoning
Kita mengunakan pemodelan analogi untuk membantu kita memahami situasi baru atau objek baru. Kita menggambar analogi antara 2 objek/situasi, kemudian melihat persamaan dan perbedaan untuk memandu proses reasoning.
5. Common Sense Reasoning
Melalui pengalaman, manusia belajar untk memecahkan masalahnya secara efisien.
Dengan menggunakan common sense untuk secara cepat memperoleh suatu solusi.
Dalam sistem pakar, dapat dikategorikan sebagai Heuristic.
Proses heuristic search atau best first search digunakan pada aplikasi yang membutuhkan solusi yang cepat
RESOLUSI
Definisi: Strategi inferensi yang digunakan pada sistem logika untuk menentukan kebenaran dari suatu assertion (penegasan).
- Metoda Resolusi mencoba untuk membuktikan bahwa beberapa teorema atau ekspresi sebagai proposisi P adalah TRUE, dengan memberikan sejumlah aksioma dari masalah tersebut.
- Proof by Refutation, suatu teknik yang ingin membuktikan bahwa ⌐P tidak dapat menjadi TRUE.
- Resolvent : ekspresi baru yang muncul dari metode resolusi yang merupakan gabungan (union) dari aksioma yang ada dengan teorema negasi.
Misalnya :
Ada 2 aksioma:
A V B (A is True OR B is True) dan ⌐ B V C (B is Not True OR C is True).
(A V B) Λ (⌐ B V C ) = A V C
Resolvent tersebut kemudian ditambahkan pada list dari aksioma dan akan menghasilkan resolvent baru. Proses ini berulang sampai menghasilkan kontradiksi.
NON RESOLUSI
Pada resolusi, tidak ada pembedaan antara goals (tujuan), premises maupun rules. Semua dianggap sebagai aksioma dan diproses dengan rule resolusi untuk inferensi. Cara tersebut dapat menyebabkan kebingungan karena menjadi tidak jelas apa yang ingin dibuktikan.
Teknik Nonresolusi atau natural-deduction mencoba mengatasi hal tersebut dengan menyediakan beberapa statement sebagai goal-nya
Untuk membuktikan [H Λ (A → B) → C]:
If (B → C), then membuktikan (H → A)
HUKUM DALAM INFERENSI LOGIKA
BACKWARD CHAINING
Pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut.
Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.
Beberapa sifat dari backward chaining:
1. Good for Diagnosis.
2. Looks from present to past.
3. Works from consequent to antecedent.
4. Is goal-driven, top-down reasoning.
5. Works backward to find facts that support the hypothesis. 6. It facilitates a depth-first search.
7. The consequents determine the search.
8. It does facilitate explanation.
FORWARD CHAINING
Merupakan grup dari multipel inferensi yang melakukan pencarian dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi. Forward Chaining adalah data driven karena inferensi dimulai dengan informasi yg tersedia dan baru konklusi diperoleh
Beberapa Sifat forward chaining:
1. Good for monitoring, planning, and control
2. Looks from present to future.
3. Works from antecedent to consequent.
4. Is data-driven, bottom-up reasoning.
5. Works forward to find what solutions follow from the facts.
6. It facilitates a breadth-first search.
7. The antecedents determine the search.
8. It does not facilitate explanation.
Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.
Kita menggunakan reasoning induktif untuk mengambil kesimpulan umum dari sejumlah fakta khusus tertentu.
Contoh:
Premis : Monyet di Kebun Binatang Ragunan makan pisang
Premis : Monyet di Kebun Raya Bogor makan pisang
Konklusi : Semua monyet makan pisang
3. Abductive Reasoning
Merupakan bentuk dari proses deduksi yang mengijinkan inferensi plausible.
Plausible berarti bahwa konklusi mungkin bisa mengikuti informasi yang tersedia, tetapi juga bisa salah.
Contoh:
Implikasi : Tanah menjadi basah jika terjadi hujan
Aksioma : Tanah menjadi basah
Konklusi : Apakah terjadi hujan?
IF B is True AND A implies B is true, Then A is True?
4. Analogical Reasoning
Kita mengunakan pemodelan analogi untuk membantu kita memahami situasi baru atau objek baru. Kita menggambar analogi antara 2 objek/situasi, kemudian melihat persamaan dan perbedaan untuk memandu proses reasoning.
5. Common Sense Reasoning
Melalui pengalaman, manusia belajar untk memecahkan masalahnya secara efisien.
Dengan menggunakan common sense untuk secara cepat memperoleh suatu solusi.
Dalam sistem pakar, dapat dikategorikan sebagai Heuristic.
Proses heuristic search atau best first search digunakan pada aplikasi yang membutuhkan solusi yang cepat
RESOLUSI
Definisi: Strategi inferensi yang digunakan pada sistem logika untuk menentukan kebenaran dari suatu assertion (penegasan).
- Metoda Resolusi mencoba untuk membuktikan bahwa beberapa teorema atau ekspresi sebagai proposisi P adalah TRUE, dengan memberikan sejumlah aksioma dari masalah tersebut.
- Proof by Refutation, suatu teknik yang ingin membuktikan bahwa ⌐P tidak dapat menjadi TRUE.
- Resolvent : ekspresi baru yang muncul dari metode resolusi yang merupakan gabungan (union) dari aksioma yang ada dengan teorema negasi.
Misalnya :
Ada 2 aksioma:
A V B (A is True OR B is True) dan ⌐ B V C (B is Not True OR C is True).
(A V B) Λ (⌐ B V C ) = A V C
Resolvent tersebut kemudian ditambahkan pada list dari aksioma dan akan menghasilkan resolvent baru. Proses ini berulang sampai menghasilkan kontradiksi.
NON RESOLUSI
Pada resolusi, tidak ada pembedaan antara goals (tujuan), premises maupun rules. Semua dianggap sebagai aksioma dan diproses dengan rule resolusi untuk inferensi. Cara tersebut dapat menyebabkan kebingungan karena menjadi tidak jelas apa yang ingin dibuktikan.
Teknik Nonresolusi atau natural-deduction mencoba mengatasi hal tersebut dengan menyediakan beberapa statement sebagai goal-nya
Untuk membuktikan [H Λ (A → B) → C]:
If (B → C), then membuktikan (H → A)
HUKUM DALAM INFERENSI LOGIKA
BACKWARD CHAINING
Pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mengecek pada sebab-sebab yang mendukung (ataupun kontradiktif) dari ekspektasi tersebut.
Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.
Beberapa sifat dari backward chaining:
1. Good for Diagnosis.
2. Looks from present to past.
3. Works from consequent to antecedent.
4. Is goal-driven, top-down reasoning.
5. Works backward to find facts that support the hypothesis. 6. It facilitates a depth-first search.
7. The consequents determine the search.
8. It does facilitate explanation.
FORWARD CHAINING
Merupakan grup dari multipel inferensi yang melakukan pencarian dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi. Forward Chaining adalah data driven karena inferensi dimulai dengan informasi yg tersedia dan baru konklusi diperoleh
Beberapa Sifat forward chaining:
1. Good for monitoring, planning, and control
2. Looks from present to future.
3. Works from antecedent to consequent.
4. Is data-driven, bottom-up reasoning.
5. Works forward to find what solutions follow from the facts.
6. It facilitates a breadth-first search.
7. The antecedents determine the search.
8. It does not facilitate explanation.
Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.
Untuk menghormati dan menghargai profesi saudara kita yang bekerja dalam bidang prostitusi maka alangkah lebih baik apabila kita menyebut mereka sebagai berikut :
Choosey : (baca PSK)
Lover : (baca Customer)
Sudah menjadi sesuatu yang biasa apabila seseorang atau bahkan perusahaan menggunakan perangkat SI/TI. Pemanfaatan Sistem Informasi/Teknologi Informasi (SI/TI) selain membawa manfaat yang besar bagi penggunannya juga membawa dampak bagi lingkungan sekitar. Dengan adanya teknologi digital khususnya SI/TI ada inovasi produk termasuk transaksi perdagangannya, serta menyatunya teknologi kedalam sebuah produk. Saat ini setiap orang dan perusahaan telah terhubung dalam sebuah teknologi digital yang sifatnya online. Secara lebih khusus, pengguna merasa mendapat kemudahan dan manfaat yang diharapkan dari setiap penggunaan teknologi digital, khususnya SI/TI.
Dolly, Heaven of Love bagi para lelaki merupakan salah satu bisnis prostitusi yang terkenal se Asia Tenggara. Kegiatan yang berlangsung di Dolly sendiri saat ini masih dilakukan dengan cara manual untuk menarik pelanggan. Untuk membuat proses bisnis dapat berjalan secara efisien dan efektif maka dengan ini saya membuat suatu rancang bangun SI/TI yang diharapkan dapat membantu efisiensi dan responsive bagi Lover Dolly Heaven of Love, yaitu :
1. E-Commerce
E-Commerce ini dibangun dengan tujuan agar para lover dapat mengakses kegiatan para choosey dan event¬-event yang sedang atau akan berlangsung di Dolly. SI/TI e-commerse ini bukan hanya sekedar website catalog namun website ini dilengkapi dengan SI/TI yang terintegrasi. Integrasi yang dimaksudkan adalah sistem pendaftaran member. Salah satu tujuan dibuat pendaftaran member ini adalah untuk menghindari pengaksesan secara publik terhadap masyarakat khususnya anak dibawah umur. Dalam proses pendaftaran member, Lover diwajibkan mencantumkan ID KTP pada form pendaftaran (berhubung dengan akan dikembangkan-nya e-KTP) sehingga admin dapat memiliki data asli dari para lover untuk seluruh wilayah Indonesia.
Selain itu, pengisian ID KTP yang diwajibkan ini dimaksudkan agar tidak terjadi redudant terhadap data yang sama atau dengan kata lain para lover hanya dapat mendaftar sekali seumur hidup. Hal ini dapat membantu SI/TI dalam efisensi dalam manajemen truly lover (pelanggan setia) terkait hal bonus tahunan yang menjadi kontribusi dari Dolly terhadap para lover. Lebih lanjut, semakin terintegrasinya data lover maka semakin mudah admin me-manajemen master database Dolly. Lover juga dapat melakukan proses booking terhadap choosey, inside bloosom atau outside bloosom. Inside bloosom adalah lover melakukan proses booking hanya di sekitar wilayah Dolly sedangkan outside bloosom adalah lover melakukan proses booking di luar wilayah Dolly.
Lebih lanjut, manfaat penggunaan ID KTP ini diharapkan dapat membantu para istri lover apakah suami mereka tercantum sebagai salah satu member atau tidak. Kenikmatan memang mengandung resiko untuk itulah SI/TI ini dibangun dengan se-fair mungkin.
2. E-Smart
E-Smart adalah kartu member yang dilengkapi dengan akses pembayaran atau e-paying. E-Smart ini digunakan untuk pembayaran makanan, penginapan, dan para choosey. Lover dapat menginvestasikan minimal Rp 500.000,- sebagai modal awal. Dengan adanya e-paying ini diharapkan proses pembayaran dapat berjalan dengan efisien hanya dengan menggesek kartu pada Electronic Delivery Channel (EDC).
3. E-Mobile
E-Mobile adalah salah satu fasilitas yang dapat digunakan oleh para lover untuk mengakses kegiatan para choosey melalui handphone atau smartphone. Heaven in your hands adalah moto dari e-mobile yang akan dibangun ini.
4. Choosey Requirement Planning (CRP)
Bila dalam dunia perindustrian terdapat MRP (Material Requirement Planning), kini dalam rangka mengurangi idle time (waktu menganggur) dan antrian para choosey, SI/TI CRP juga perlu dipertimbangkan untuk dibangun dan dikembangkan. SI/TI CRP ini diharapkan dapat mengurangi waktu menggangur para choosey sehingga bukan hanya SI/TI yang terintegrasi namun choosey resource juga dapat diintegrasikan melalui SI/TI ini. Adapun sistem ini terdapat beberapa features yaitu meliputi, penjadwalan para choosey dan penilaian kinerja para choosey terhadap para lover.
Rancang bangun teknologi Dolly ini diperkirakan memakan waktu sekitar 3 tahun sebagai tahap pengenalan sekaligus melakukan training yang ditujukan kepada user yang akan mengoperasikan SI/TI. Adapun beberapa faktor yang sudah dipertimbangkan untuk membangun SI/TI tersebut diatas, yaitu
1. Politik
Dari segi politik, pemerintah sudah memberikan dukungan meskipun masih terdapat pro dan kontra dibukanya Dolly sebagai tempat prostitusi. Namun, dengan dibukanya Dolly pemerintah mengharapkan tidak terjadi perzinahan yang merajalela di lingkungan masyarakat. SI/Ti yang dikembangkan juga tidak akan mempengaruhi kondisi politik saat ini melainkan dengan adanya rancang bangun SI/TI ini diharapkan dapat membuat negara Indonesia sebagai negara pertama yang membuka lahan prostitusi dengan teknologi yang muktahir sehingga membuat para wisatawan asing tertarik untuk datang ke Indonesia.
2. Ekonomi
Dari segi ekonomi, negara memperoleh pendapatan melalui pajak dan devisa yang diperoleh dari para lover yang sebagian berasal dari luar negeri. Selain itu, beberapa warga yang tinggal berdekatan dengan Dolly juga mendapatkan keuntungan, yaitu mereka mendapatkan penghasilan dari berjualan minuman, rokok, dan tempat parkir. Dari segi SI/TI manfaat yang dirasakan adalah semakin efisien dan efektif-nya proses manajemen pelayanan. Tidak salah apabila pembangunan SI/TI ini dirasa cukup mahal namun dilihat dari sisi pendapatan yang dihasilkan Dolly setiap malamnya yang mencapai Rp 338, 4 juta tidak sebanding dengan harga rancang bangun SI/TI yang dirancang untuk 5-10 tahun ke depan.
3. Sosial
Dari segi sosial, dapat kita ketahui bahwa bisnis prostitusi dapat mendatangkan penyakit HIV AIDS yang dapat menyebar di lingkungan sekitar. SI/TI tidak dapat mencegah terjadinya penyakit tersebut namun SI/TI dapat memberikan suatu pendukung keputusan untuk melakukan check up rutin kepada para choosey. Bila di STIKOM Surabaya menerapkan kata-kata motivasi bagi mahasiswanya maka Dolly dapat menerapkan kata-kata himbauan seperti, Keep safety with Free Sex.
4. Teknologi
Dari segi teknologi, SI/TI yang terus berkembang pesat saat ini menjadikan suatu batu loncatan bagi Dolly untuk ikut serta meramaikan blantika teknologi yang sedang marak di Indonesia. SI/TI yang akan dibangun ini diharapkan akan menjadi pencetus bagi perusahaan sekitar bahwa bisnis prostisusi pun dapat dikembangkan melalui pemanfaatan teknologi.
E-Commerce ini dibangun dengan tujuan agar para lover dapat mengakses kegiatan para choosey dan event¬-event yang sedang atau akan berlangsung di Dolly. SI/TI e-commerse ini bukan hanya sekedar website catalog namun website ini dilengkapi dengan SI/TI yang terintegrasi. Integrasi yang dimaksudkan adalah sistem pendaftaran member. Salah satu tujuan dibuat pendaftaran member ini adalah untuk menghindari pengaksesan secara publik terhadap masyarakat khususnya anak dibawah umur. Dalam proses pendaftaran member, Lover diwajibkan mencantumkan ID KTP pada form pendaftaran (berhubung dengan akan dikembangkan-nya e-KTP) sehingga admin dapat memiliki data asli dari para lover untuk seluruh wilayah Indonesia.
Selain itu, pengisian ID KTP yang diwajibkan ini dimaksudkan agar tidak terjadi redudant terhadap data yang sama atau dengan kata lain para lover hanya dapat mendaftar sekali seumur hidup. Hal ini dapat membantu SI/TI dalam efisensi dalam manajemen truly lover (pelanggan setia) terkait hal bonus tahunan yang menjadi kontribusi dari Dolly terhadap para lover. Lebih lanjut, semakin terintegrasinya data lover maka semakin mudah admin me-manajemen master database Dolly. Lover juga dapat melakukan proses booking terhadap choosey, inside bloosom atau outside bloosom. Inside bloosom adalah lover melakukan proses booking hanya di sekitar wilayah Dolly sedangkan outside bloosom adalah lover melakukan proses booking di luar wilayah Dolly.
Lebih lanjut, manfaat penggunaan ID KTP ini diharapkan dapat membantu para istri lover apakah suami mereka tercantum sebagai salah satu member atau tidak. Kenikmatan memang mengandung resiko untuk itulah SI/TI ini dibangun dengan se-fair mungkin.
2. E-Smart
E-Smart adalah kartu member yang dilengkapi dengan akses pembayaran atau e-paying. E-Smart ini digunakan untuk pembayaran makanan, penginapan, dan para choosey. Lover dapat menginvestasikan minimal Rp 500.000,- sebagai modal awal. Dengan adanya e-paying ini diharapkan proses pembayaran dapat berjalan dengan efisien hanya dengan menggesek kartu pada Electronic Delivery Channel (EDC).
3. E-Mobile
E-Mobile adalah salah satu fasilitas yang dapat digunakan oleh para lover untuk mengakses kegiatan para choosey melalui handphone atau smartphone. Heaven in your hands adalah moto dari e-mobile yang akan dibangun ini.
4. Choosey Requirement Planning (CRP)
Bila dalam dunia perindustrian terdapat MRP (Material Requirement Planning), kini dalam rangka mengurangi idle time (waktu menganggur) dan antrian para choosey, SI/TI CRP juga perlu dipertimbangkan untuk dibangun dan dikembangkan. SI/TI CRP ini diharapkan dapat mengurangi waktu menggangur para choosey sehingga bukan hanya SI/TI yang terintegrasi namun choosey resource juga dapat diintegrasikan melalui SI/TI ini. Adapun sistem ini terdapat beberapa features yaitu meliputi, penjadwalan para choosey dan penilaian kinerja para choosey terhadap para lover.
Rancang bangun teknologi Dolly ini diperkirakan memakan waktu sekitar 3 tahun sebagai tahap pengenalan sekaligus melakukan training yang ditujukan kepada user yang akan mengoperasikan SI/TI. Adapun beberapa faktor yang sudah dipertimbangkan untuk membangun SI/TI tersebut diatas, yaitu
1. Politik
Dari segi politik, pemerintah sudah memberikan dukungan meskipun masih terdapat pro dan kontra dibukanya Dolly sebagai tempat prostitusi. Namun, dengan dibukanya Dolly pemerintah mengharapkan tidak terjadi perzinahan yang merajalela di lingkungan masyarakat. SI/Ti yang dikembangkan juga tidak akan mempengaruhi kondisi politik saat ini melainkan dengan adanya rancang bangun SI/TI ini diharapkan dapat membuat negara Indonesia sebagai negara pertama yang membuka lahan prostitusi dengan teknologi yang muktahir sehingga membuat para wisatawan asing tertarik untuk datang ke Indonesia.
2. Ekonomi
Dari segi ekonomi, negara memperoleh pendapatan melalui pajak dan devisa yang diperoleh dari para lover yang sebagian berasal dari luar negeri. Selain itu, beberapa warga yang tinggal berdekatan dengan Dolly juga mendapatkan keuntungan, yaitu mereka mendapatkan penghasilan dari berjualan minuman, rokok, dan tempat parkir. Dari segi SI/TI manfaat yang dirasakan adalah semakin efisien dan efektif-nya proses manajemen pelayanan. Tidak salah apabila pembangunan SI/TI ini dirasa cukup mahal namun dilihat dari sisi pendapatan yang dihasilkan Dolly setiap malamnya yang mencapai Rp 338, 4 juta tidak sebanding dengan harga rancang bangun SI/TI yang dirancang untuk 5-10 tahun ke depan.
3. Sosial
Dari segi sosial, dapat kita ketahui bahwa bisnis prostitusi dapat mendatangkan penyakit HIV AIDS yang dapat menyebar di lingkungan sekitar. SI/TI tidak dapat mencegah terjadinya penyakit tersebut namun SI/TI dapat memberikan suatu pendukung keputusan untuk melakukan check up rutin kepada para choosey. Bila di STIKOM Surabaya menerapkan kata-kata motivasi bagi mahasiswanya maka Dolly dapat menerapkan kata-kata himbauan seperti, Keep safety with Free Sex.
4. Teknologi
Dari segi teknologi, SI/TI yang terus berkembang pesat saat ini menjadikan suatu batu loncatan bagi Dolly untuk ikut serta meramaikan blantika teknologi yang sedang marak di Indonesia. SI/TI yang akan dibangun ini diharapkan akan menjadi pencetus bagi perusahaan sekitar bahwa bisnis prostisusi pun dapat dikembangkan melalui pemanfaatan teknologi.
Setelah lulus SMA, Julaikah memiliki keinginan untuk
melanjutkan studi di bidang komputer. Namun karena bidang komputer memiliki
beberapa disiplin ilmu, maka julaikah harus berkonsultasi dg sistem pakar untuk
menentukan pilihan yg tepat bagi dia.
Buatlah sebuah siste mpakar untuk membantu Julaikah
menentukan pilihan dg kreteria sebagai berikut :
Disiplin ilmu yg
direkomendasikan meliputi : Programmer komputer, ilmu komputer (computer
science), teknisi komputer atau bidang lain selain komputer.
1. Dependency Diagram
2.
3.
Rule 1 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 2 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = rendah or tes minat pemecahan masalah = sedang and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 3 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = bagus or tes minat pemecahan masalah = rendah and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 4 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = rendah or tes minat pemecahan masalah = bagus and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 5 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = bagus or tes minat pemecahan masalah = sedang and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 6 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = sedang or tes minat pemecahan masalah = bagus and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 7 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 8 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = rendah or tes minat pemecahan masalah = sedang and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 9 ;
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = bagus or tes minat pemecahan masalah = rendah and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 10 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = rendah or tes minat pemecahan masalah = bagus and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 11 ;
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = bagus or tes minat pemecahan masalah = sedang and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 12 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = sedang or tes minat pemecahan masalah = bagus and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 13 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 14 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = rendah or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 15 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 16 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = rendah or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 17 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = bagus or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 18 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = sedang or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 19 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 20 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = rendah or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 21 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = bagus or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 22 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = rendah or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 23 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = bagus or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 24 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = sedang or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 25 :
if finansial = tidak and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Rule 26 :
if finansial = tidak and tes minat komputer = bagus or tes minat reparasi = rendah or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Rule 27 :
if finansial = tidak and tes minat komputer = sedang or tes minat reparasi = bagus or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Rule 28 :
if finansial = tidak and tes minat komputer = sedang or tes minat reparasi = rendah or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Rule 29 :
if finansial = tidak and tes minat komputer = rendah or tes minat reparasi = bagus or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Rule 30 :
if finansial = tidak and tes minat komputer = rendah or tes minat reparasi = sedang or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
2.
3.
Rule 1 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 2 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = rendah or tes minat pemecahan masalah = sedang and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 3 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = bagus or tes minat pemecahan masalah = rendah and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 4 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = rendah or tes minat pemecahan masalah = bagus and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 5 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = bagus or tes minat pemecahan masalah = sedang and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 6 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = sedang or tes minat pemecahan masalah = bagus and tes attitude matematika = ok or tes attitude program = ok then support = diterima sistem komputer
Rule 7 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 8 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = rendah or tes minat pemecahan masalah = sedang and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 9 ;
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = bagus or tes minat pemecahan masalah = rendah and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 10 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = rendah or tes minat pemecahan masalah = bagus and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 11 ;
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = bagus or tes minat pemecahan masalah = sedang and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 12 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = sedang or tes minat pemecahan masalah = bagus and tes attitude matematika = ok or tes attitude program = not ok then support = diterima ilmu komputer
Rule 13 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 14 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = rendah or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 15 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 16 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = rendah or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 17 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = bagus or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 18 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = sedang or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = ok then support = diterima sistem informasi
Rule 19 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 20 :
if finansial = ya and tes minat komputer = bagus or tes minat reparasi = rendah or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 21 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = bagus or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 22 :
if finansial = ya and tes minat komputer = sedang or tes minat reparasi = rendah or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 23 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = bagus or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 24 :
if finansial = ya and tes minat komputer = rendah or tes minat reparasi = sedang or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = not ok then support = diterima teknologi informasi
Rule 25 :
if finansial = tidak and tes minat komputer = bagus or tes minat reparasi = sedang or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Rule 26 :
if finansial = tidak and tes minat komputer = bagus or tes minat reparasi = rendah or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Rule 27 :
if finansial = tidak and tes minat komputer = sedang or tes minat reparasi = bagus or tes minat pemecahan masalah = rendah and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Rule 28 :
if finansial = tidak and tes minat komputer = sedang or tes minat reparasi = rendah or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Rule 29 :
if finansial = tidak and tes minat komputer = rendah or tes minat reparasi = bagus or tes minat pemecahan masalah = sedang and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Rule 30 :
if finansial = tidak and tes minat komputer = rendah or tes minat reparasi = sedang or tes minat pemecahan masalah = bagus and tes attitude matematika = not ok or tes attitude program = not ok then support = tidak diterima di bidang IT
Tugas - Manfaat dan Kegagalan SI/TI pada U.S. Xpress
8:30 AM
•
Kuliah - Perencanaan Strategis SI/TI
•
0
comments
Hari gini masih pake surat buat katakan cinnntttaaa... oh, NO!!
Ga jaman lagi ngajak ngedate cewek atau cowok pake surat, please dech!! Hari-hari ini teknologi semakin berkembang dan menggila seiring berkembangnya jaman dan tentunya kita juga patut berterima kasih sama orang-orang yang punya otak cemerlang dalam pengembangannya di bidang SI/IT. Applause dah buat para inovator SI/TI..
SI/TI saat ini banyak digunakan oleh perusahaan sebagai sarana pendukung dalam kemajuan proses bisnis perusahaan dan U.S. Xpress adalah salah satu perusahaan yang memanfaatkan SI/TI. U.S. Xpress adalah salah satu raksasa bisnis transportasi Amerika Serikat yang dikenal inovatif dalam pemanfaatan SI/TI. Indikator dari keberhasilan/manfaat yang berdampak pada peningkatan pendapatan adalah meningkatnya penjualan dalam pasar yang sudah ada serta perluasan ke pasar yang baru dan memberikan kepuasan terhadap pelanggan. U.S. Xpress menggunakan teknologi yang muktahir untuk mendapatkan informasi yang akurat, terpercaya, mudah diakses dikarenakan anak perusahaan yang tersebar di seluruh bagian U.S, dan sebagai sarana pengambilan keputusan untuk pemangkasan biaya waktu menganggur (idle time) kendaraan armadanya
Kegagalan SI/TI pada U.S. Xpress dirasakan berjalan selaras dengan sebagaimana manfaat SI/TI. Tidak adanya integrasi data, masing-masing anak perusahaan memiliki sistem dan jaringan tersendiri, dan kurangnya integrasi antara data warehouse dan bussiness intelligence. Untuk selengkapnya mengenai strength, weakness, strategy, dan recovery mereka dapat di download disini..
Kegagalan SI/TI pada U.S. Xpress dirasakan berjalan selaras dengan sebagaimana manfaat SI/TI. Tidak adanya integrasi data, masing-masing anak perusahaan memiliki sistem dan jaringan tersendiri, dan kurangnya integrasi antara data warehouse dan bussiness intelligence. Untuk selengkapnya mengenai strength, weakness, strategy, dan recovery mereka dapat di download disini..
Sistem berbasis aturan (rule-based system) adalah sebuah program yang menggunakan aturan IF-THEN. Model ini berbeda dengan pemrograman konvensional, misalnya rule tidak harus berada pada urutan tertentu. Seperti halnya AI, sistem berbasis aturan memiliki kekuatan serta keterbatasan yang harus dipertimbangkan sebelum memutuskan apakah itu teknik yang tepat digunakan untuk suatu masalah. Sistem ini memeriksa semua kondisi aturan (IF) dan menentukan subset, set konflik, aturan kondisinya didasarkan pada memori kerja.
Contoh dari sistem berbasis aturan adalah sbb:
IF Sabtu OR Minggu THEN Nonton bioskop
IF NOT (Sabtu OR Minggu) THEN Bekerja
Manfaat sistem berbasis aturan (rule-based system) :
1. Kedokteran
Dengan adanya sistem berbasis aturan untuk mendiagnosa penyakit jantung berbasis web ini dapat membantu masyarakat luas dalam mencari informasi, konsultasi ataupun pengobatan penyakit secara jelas, cepat, dan tepat tanpa harus pergi ke RS atau datang ke Klimik.
2. Musik
Dengan adanya sistem berbasis aturan untuk pemilihan gitar elektrik maka pembeli dapat lebih mudah untuk memutuskan akan membeli gitar yang sesuai dengan kebutuhan mereka dan menghindari penipuan oleh pihak toko.
3. Pertanian
Dengan adanya sistem berbasis aturan untuk mendiagnosa penyakit tanaman padi maka sistem dapat dijadikan asisten pandai di bidangnya sebagai sumber pengetahuan oleh user.
Kelebihan sistem berbasis aturan (rule-based system)
1) Availability-bertambah
2) Intelligent tutor
3) Intelligent dB
4) Danger-reduced
5) Performance
6) Multiple expertise
7) Reability-bertambah
8) Explanation
9) Steady, unemotional and complete response
Kekurangan sistem berbasis aturan (rule-based system)
1) Jika terlalu banyak aturan, sistem menjadi sulit dalam me-maintain performance.
2) Keterbatasan dalam memutuskan teknik yang digunakan untuk suatu masalah.
Resume Pertemuan 1 - Konsep Dasar dan Heuristik Search
10:30 PM
•
Kuliah - Sistem Pakar
•
0
comments
A. Pengertian Sistem Pakar
Sistem Pakar adalah sebuah program komputer yang mencoba meniru atau mensimulasikan pengetahuan (knowledge) dan ketrampilan (skill) dari seorang pakar pada area tertentu. Selanjutnya sistem ini akan mencoba memecahkan suatu permasalahan sesuai dengan kepakarannya.
• Sistem pakar merupakan salah satu aplikasi dari kecerdasan buatan (artificial intelligence).
• AI sendiri berakar dari keinginan manusia untuk membuat sebuah mesin cerdas.
• Dewasa ini sistem pakar telah diaplikasikan dalam banyak bidang, misalnya: industri manufaktur, pertanian, medis, militer de-es-be.
B. Contoh Permasalahan
Contoh klasik permasalahan dalam sistem pakar adalah masalah 2 ember air. "Diberikan 2 ember air yang berkapasitas 8 litter dan 6 liter. Kita dapat mengisi satu ember dari ember lainnya dan proses penakaran hanya dengan memakai 2 ember tersebut. Bagaimana kita bisa mendapatkan tepat 4 liter dalam ember 8 liter. Asumsikan tidak ada air yang hilang dalam proses penakaran".
Langkah penyelesaian:
1.Menentukan aksi-aksi (problem space) yang bisa mengubah kondisi pada kedua ember dalam bentuk rule atau tree-diagram seperti dalam Gambar 1.1 Contoh kemungkinan aksi-aksi:
(a) Isi ember 8 liter.
(b) Isi ember 6 liter.
(c) Kosongkan ember 8 liter.
(d) Kosongkan ember 6 liter.
(e) Isikan seluruh air dalam ember 8 liter ke 6 liter.
(f) Isikan seluruh air dalam ember 6 liter ke 8 liter.
(g) Penuhi ember 8 liter dari 6 liter.
(h) Penuhi ember 6 liter dari 8 liter.
2. Menentukan urutan aksi untuk menghasilkan solusi, seperti:
(0,0)→b (0,6) f→(6,0) →b (6,6) g→(8,4) →c (0,4) f→(4,0)
Gambar 1. Diagram Tree Untuk "Jug Problem"
C. Heuristic Searching
1. Depth-first Search
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.
2. Breadth-first Search
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.
3. Hill-Climbing Search
Metoda Hill-climbing merupakan variasi dari depth-first search. Dengan metoda ini, eksplorasi terhadap keputusan dilakukan dengan cara depth-first search dengan mencari path yang bertujuan menurunkan cost untuk menuju kepada goal/keputusan. Sebagai contoh kita mencari arah menuju Tugu Pahlawan, setiap kali sampai dipersimpangan jalan kita berhenti dan mencari arah mana yang kira-kira akan mengurangi jarak menuju Tugu Pahlawan. Dengan cara demikian sebetulnya kita berasumsi bahwa secara umum arah tertentu semakin dekat ke Tugu Pahlawan.
4. Branch and Bound Search
Proses searching dengan mencari jalur terpendek.
5. Best-First Search
Best-First Search melakukan proses searching dengan cara memberikan estimasi berapa jauh node asal dari solusi yang diinginkan. Dengan metoda ini, proses dilakukan dengan melakukan ekspansi terhadap setiap node yang memiliki estimasi terpendek.
6. A* Search
A* Search merupakan gabungan antara best-first dan branch and bound search. Misalkan kita memberikan estimasi setiap node terhadap solusi yang diinginkan. Maka proses searching untuk mencari jarak terpendek dilakukan dengan melakukan komputasi terhadap total estimasi.
Read More..
Sistem Pakar adalah sebuah program komputer yang mencoba meniru atau mensimulasikan pengetahuan (knowledge) dan ketrampilan (skill) dari seorang pakar pada area tertentu. Selanjutnya sistem ini akan mencoba memecahkan suatu permasalahan sesuai dengan kepakarannya.
• Sistem pakar merupakan salah satu aplikasi dari kecerdasan buatan (artificial intelligence).
• AI sendiri berakar dari keinginan manusia untuk membuat sebuah mesin cerdas.
• Dewasa ini sistem pakar telah diaplikasikan dalam banyak bidang, misalnya: industri manufaktur, pertanian, medis, militer de-es-be.
B. Contoh Permasalahan
Contoh klasik permasalahan dalam sistem pakar adalah masalah 2 ember air. "Diberikan 2 ember air yang berkapasitas 8 litter dan 6 liter. Kita dapat mengisi satu ember dari ember lainnya dan proses penakaran hanya dengan memakai 2 ember tersebut. Bagaimana kita bisa mendapatkan tepat 4 liter dalam ember 8 liter. Asumsikan tidak ada air yang hilang dalam proses penakaran".
Langkah penyelesaian:
1.Menentukan aksi-aksi (problem space) yang bisa mengubah kondisi pada kedua ember dalam bentuk rule atau tree-diagram seperti dalam Gambar 1.1 Contoh kemungkinan aksi-aksi:
(a) Isi ember 8 liter.
(b) Isi ember 6 liter.
(c) Kosongkan ember 8 liter.
(d) Kosongkan ember 6 liter.
(e) Isikan seluruh air dalam ember 8 liter ke 6 liter.
(f) Isikan seluruh air dalam ember 6 liter ke 8 liter.
(g) Penuhi ember 8 liter dari 6 liter.
(h) Penuhi ember 6 liter dari 8 liter.
2. Menentukan urutan aksi untuk menghasilkan solusi, seperti:
(0,0)→b (0,6) f→(6,0) →b (6,6) g→(8,4) →c (0,4) f→(4,0)
Gambar 1. Diagram Tree Untuk "Jug Problem"
1. Depth-first Search
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.
2. Breadth-first Search
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.
3. Hill-Climbing Search
Metoda Hill-climbing merupakan variasi dari depth-first search. Dengan metoda ini, eksplorasi terhadap keputusan dilakukan dengan cara depth-first search dengan mencari path yang bertujuan menurunkan cost untuk menuju kepada goal/keputusan. Sebagai contoh kita mencari arah menuju Tugu Pahlawan, setiap kali sampai dipersimpangan jalan kita berhenti dan mencari arah mana yang kira-kira akan mengurangi jarak menuju Tugu Pahlawan. Dengan cara demikian sebetulnya kita berasumsi bahwa secara umum arah tertentu semakin dekat ke Tugu Pahlawan.
4. Branch and Bound Search
Proses searching dengan mencari jalur terpendek.
5. Best-First Search
Best-First Search melakukan proses searching dengan cara memberikan estimasi berapa jauh node asal dari solusi yang diinginkan. Dengan metoda ini, proses dilakukan dengan melakukan ekspansi terhadap setiap node yang memiliki estimasi terpendek.
6. A* Search
A* Search merupakan gabungan antara best-first dan branch and bound search. Misalkan kita memberikan estimasi setiap node terhadap solusi yang diinginkan. Maka proses searching untuk mencari jarak terpendek dilakukan dengan melakukan komputasi terhadap total estimasi.
