MachineLearning for preparing class presentation.pptx

shinchouu 0 views 27 slides Oct 13, 2025
Slide 1
Slide 1 of 27
Slide 1
1
Slide 2
2
Slide 3
3
Slide 4
4
Slide 5
5
Slide 6
6
Slide 7
7
Slide 8
8
Slide 9
9
Slide 10
10
Slide 11
11
Slide 12
12
Slide 13
13
Slide 14
14
Slide 15
15
Slide 16
16
Slide 17
17
Slide 18
18
Slide 19
19
Slide 20
20
Slide 21
21
Slide 22
22
Slide 23
23
Slide 24
24
Slide 25
25
Slide 26
26
Slide 27
27

About This Presentation

erdtfghjk


Slide Content

TUGAS 2 KECERDASAN BUATAN

APA ITU HILL CLIMBING? Metode Hill Climbing adalah salah satu metode yang di gunakan dalam menyelesaikan permasalahan pencarian jarak terdekat (Rich et al.,1991 dalam Russel dan Norvig, 2003). Cara kerjanya adalah menentukan langkah berikutnya dengan menempatkan node yang akan muncul sedekat mungkin dengan sasarannya . Proses Pengujian dilakukan dengan menggunakan fungsi heuristik . Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari prosedur pengetesan . Tes yang berupa fungsi heuristik ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan keadaan lainnya yang mungkin ( Kusumadewi , 2003). Hill climbing adalah teknik optimasi untuk menemukan pemecahan masalah dari data input dengan menggunakan algoritma . Tahapan terbaik yang di gunakan dalam pemecahan permasalahan adalah properti yang penjelasan state itu sendiri berisi semua informasi yang diperlukan untuk Solusi (Russell dan Norvig, 2003). Algoritma berisi memori yang efisien karena tidak mempertahankan pohon pencaharian namun hanya dapat terlihat pada kondisi saat ini , dan state yg akan datang .

HILL CLIMBING Terdapat dua jenis Hill Climbing yang sedikit berbeda , yakni Simple Hill Climbing (Hill Climbing sederhana ) dan Steepest-Ascent Hill Climbing (Hill Climbing dengan memilih kemiringan yang paling tajam / curam ). Simple hill climbing, awalnya next state akan ditentukan dengan membandingkan current state dengan satu successor. Proses pembandingan ini dimulai dari sebelah kiri . Apabila ditemukan penerus baru yang lebih baik dari kondisi saat itu current state maka penerusnya tersebut akan menjadi next state. Sedangkan pada steepest ascent hill climbing dalam menentukan next state, current state langsung dibandingkan dengan semua successor yang ada di dekatnya , sehingga next state yang diperoleh merupakan successor yang paling baik serta mendekati hasil optimasi yang diharapkan . Selain itu simple hill climbing urutan penggunaan operator sangat berpengaruh terhadap solusi , sedangkan pada steepest ascent hill climbing urutan penggunaan operator tidak berpengaruh terhadap solusi . Dari segi kelebihan simple hill climbing efisiensi dari segi memori sedangkan steepest ascent hill climbing memerlukan memori yang banyak dalam penyimpanannya .

SIMPLE HILL CLIMBING Adapun algoritma simple hill climbing adalah sebagai berikut : Evaluasi state awal , jika state awal sama dengan tujuan , maka proses berhenti . Jika tidak sama dengan tujuan maka lanjutkan proses dengan membuat state awal sebagai state sekarang . Mengerjakan langkah berikut sampai Solusi ditemukan atau sampai tidak ada lagi operator baru yang dapat digunakan dalam state sekarang : Mencari sebuah operator yang belum pernah digunakan dalam state sekarang dan gunakan operator tersebut untuk membentuk state baru . Evaluasi state baru . Jika state baru adalah tujuan , maka proses berhenti . Jika state baru tersebut bukan tujuan tetapi state baru lebih baik daripada state sekarang , maka buat state baru menjadi state sekarang . Jika state baru tidak lebih baik daripada statesekarang , maka lanjutkan ke langkah 2. Algoritma steepest ascent hill climbing 1. Evaluasi keadaan awal (Initial State). Jika keadaan awal sama dengan tujuan (Goal state) makakembali pada initial state dan berhenti berproses . Jika tidak maka initial state ter sebut jadikansebagai current state. 2. Mulai dengan current state = initial state. 3. Dapatkan semua pewaris (successor) yang dapat dijadikan next state pada current statenya dan evaluasi successor tersebut dengan fungsi evaluasi dan beri nilai pada setiap successor tersebut . Jika salah satu dari successor tersebut mempunyai nilai yang lebih baik dari current state maka jadikan successor dengan nilai yang paling baik tersebut sebagai new current state. Lakukan operasi ini terus menerus hingga tercapai current state = goal state atau tidak ada perubahan pada current statenya .

Contoh dan penyelesaian metode simple hill climbing

Contoh dan penyelesaian metode simple hill climbing

Contoh dan penyelesaian metode simple hill climbing

Contoh dan penyelesaian metode simple hill climbing

Contoh dan penyelesaian metode simple hill climbing

Contoh dan penyelesaian metode simple hill climbing

Contoh dan penyelesaian metode simple hill climbing

Contoh dan penyelesaian metode simple hill climbing

Contoh dan penyelesaian metode simple hill climbing

Contoh dan penyelesaian metode simple hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

CONTOH DAN PENYELESAIAN steepest ascent hill climbing

KELOMPOK SHIN G. Melva K.A. Lengary (23123051) - Ketua Jonatan Lewo Ditanya (23123035) Fransiskus Fernando S. Bataona (23123026)

TERIMAKASIH
Tags