Jawaban 1. Merupakan kawasan penelitian, aplikasi dan instruksi yang terkait dengan pemrograman komputer untuk melakukan sesuatu hal - yang dalam pandangan manusia adalah cerdas (H. A. Simon [1987]) Sebuah studi tentang bagaimana membuat komputer melakukan hal-hal yang pada saat ini dapat dilakukan lebih baik oleh manusia (Rich and Kinight [1991]) 2. teknik representasi pengetahuan Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain. Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya. teknik pencarian goal 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 3. Game Playing General Problem Solving Natural Language Recognition Speech Recognition Visual Recognition Robotics Dan Sistem Pakar Game Playing (permainan game) merupakan bidang AI yang sangat populer berupa permainan antara manusia melawan mesin yang mempunyai intelektual untuk berpikir. Bermain dengan komputer memang menarik, bahkan sampai melupakan tugas utama yang lebih penting. Komputer dapat bereaksi dan menjawab tindakantindakan yang diberikan oleh lawan mainnya. 4. Kalkulus predikat merupakan cara sederhana untuk mempresntasikan pengetahuan secara deklaratif. Jaringan semantik adalah gambaran pengetahuan grafis yang menunjukkan hubungan antar berbagai objek, terdiri dari lingkaran-lingkaran yang dihubungkan dengan anak panah yang menunjukkan objek dan informasi tentang objek-objek tersebut. Kaidah yang mengacu pada tabel keputusan akan menampilkan semua atribut untuk identifikasi Kaidah yang dihasilkan pohon keputusan hanya menampilkan atribut yang khusus digunakan untuk identifikasi Frame merupakan kumpulan pengetahuan tentang suatu obyek tertentu, peristiwa, lokasi, situasi kaidah produksi biasa ditulis dalam bentuk jika-maka, merupakan hubungan implikasi antara bagian premise dan kongklusi.. pencarian buta (juga disebut pencarian kurang informasi) adalah sebuah pencarian yang tidak memiliki informasi tentang domain tersebut. The only thing that a blind search can do is distinguish a non-goal state from a goal state. Satu-satunya hal bahwa pencarian buta bisa lakukan adalah membedakan negara non-tujuan dari negara tujuan. Heuristic search

Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun 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. Hill Climbing Hill Climbing berbeda Generate-and-Test, yaitu pada feedback dari prosedur test untuk membantu pembangkit menentukan yang langsung dipindahkan dalam ruang pencarian. Dalam prosedur Generate & test , respon fungsi pengujian hanya ya atau tidak. Tapi jika pengujian ditambahkan dengan atauran fungsi-fungsi yang menyediakan estimasi dari bagaimana mendekati state yang diberikan ke state tujuan, prosedur pembangkit dapat mengeksplorasi ini sebagaimana ditunjukkan di bawah. HC sering digunakan jika terdapat fungsi heuristic yang baik untuk mengevaluasi state. Sebagai contoh, anda berada di sebuah kota yang tidak dikenal, tanpa peta dan anda ingin menuju ke pusat kota. Cara sederhana adalah gedung yang tinggi. Fungsi heuristicsnya adalah jarak antara lokasi sekarang dengan gedung yang tinggi dan state yang diperlukan adalah jarak yang terpendek. Simple HC Algorithm: Simple HC 1. Evaluate the initial state. If it is also a goal state, then return it and quit. Otherwise, continue with the initial state as the current state. 2. Loop until a solution is found or until there are no new operators left to be applied in the current state: a). Select an operator that has not yet been applied to the current state and apply it to produce a new state. b). Evaluate the new state: (i) If it is a goal state, then return it and quit. (ii) If it is not a goal state but it is better than the current state, then make it the

current state. (iii) If it is not better than the current state, then continue in the loop. Algoritma Steepest-Ascent HC: 1. Evaluate initial state. If it is also a goal state, then return it and quit. Otherwise, continue with the initial state as the current state. 2. Loop until a solution is found or until a complete iteration produces no change to current state: a). Let SUCC be a state such that any possible successor of the current state will be better than SUCC. b). For each operator that applies to the current state do: (i) Apply the operator and generate a new state. (ii) Evaluate the new state. If it is a goal state, return it and quit. If not, compare it to SUCC. If it is better, then set SUCC to this state. If it is not better, leave SUCC alone. c). If the SUCC is better than current state, then set current state to SUCC. Best-First Search Merupakan metode yang membangkitkan suksesor dengan mempertimbangkan harga (didapat dari fungsi heuristik tertentu) dari setiap node, bukan dari aturan baku seperti DFS maupun BFS. Gambar 3.3 mengilustrasikan langkah-langkah yang dilakukan oleh algoritma Best First Search. Pertama kali, dibangkitkan node A. Kemudian semua suksesor A dibangkitan, dan dicari harga paling minimal. Pada langkah 2, node D terpilih karena harganya paling rendah, yakni 1. Langkah 3, semua suksesor D dibangkitkan, kemudian harganya akan dibandingkan dengan harga node B dan C. Ternyata harga node B paling kecil dibandingkan harga node C, E, dan F. Sehingga B terpilih dan selanjutnya akan dibangkitkan semua suksesor B. Demikian seterusnya sampai ditemukan node Tujuan. Untuk mengimplementasikan algoritma pencarian ini, diperlukan dua buah senarai, yaitu: OPEN untuk mengelola node-node yang pernah dibangkitkan tetapi belum dievaluasi dan CLOSE untuk mengelola nodenode yang pernah dibangkitkan dan sudah dievaluasi. Algoritma selengkapnya adalah sebagai berikut:

Algoritma Best-Fisrt Search: 1. Start with OPEN containing just the initial state. 2. Until a goal is found or there are no nodes left on OPEN do: a) Pick the best node on OPEN. b) Generate its successors. c) For each successor do: i. If it has not been generated, evaluate it, add it to OPEN, and record its parent. ii. If it has been generated, change the parent if this new path is better than the previous one. In that case, update the cost of getting to this node and to any successors that this node may already have.