Contoh Kecerdasan Buatan pada Game Pyromasters (Bomberman)

NAMA     : HUSNUL KHATIMAH
NPM        : 15114026
KELAS    : 3KA10


INTRO
Untuk memenuhi tugas matakuliah softskill kali ini saya akan memposting yang membahas game Pyromasters atau game sejenis Bomberman. Perlu diketahui game Bomberman termasuk salah satu game yang terkenal di era 90-an, kala itu game ini biasa dimainkan untuk konsol Nintendo. Seiring perkembangan zaman yang sudah maju, dan mulai bermunculan berbagai macam teknologi game yang sudah memiliki kualitas yang sangat bagus, baik itu dari sisi cerita, gameplay, maupun grafik, game jenis ini pun sudah mulai ditinggalkan oleh kebanyakan orang.

    8. Representasi Pengetahuan : Logika Predikat

        8.1 Fungsi-Fungsi Logika Predikat
Logika predikat sebenarnya adalah logika proposional ditambah dengan hal-hal baru seperti kuantor, universe of discourse, term, predikat dan fungsi dengan masalah pengkuantoran dan menambah istilah-istilah baru.
Istilah dalam Logika Predikat:
    • Term : kata benda atau subjek
    • Predikat : properti dari term
    • Fungsi proposisional=fungsi
    • Kuantor
    – Universal: yang selalu bernilai benar (∀).
    – Eksistensial: bisa bernilai benar atau salah(∃).
Contoh Logika Predikat:
    • Boni adalah paman dari Ratna.
    • Term=boni , ratna
    • Predikat=adalah paman dari
    • Fungsi=paman(boni,ratna) ; M(n,r)
Bentuk logika predikat:
M(n,r)?¬M(r,n)

    7. Representasi Pengetahuan Logika Proposisi

        7.1 Logika dan Set
Representasi pengetahuan dengan symbol logika merupakan bagian dari penalaran eksak.Merupakan bagian yang paling penting dalam penalaran adalah mengambil kesimpulan dari premis. Dan Logika dikembangkan oleh filusuf Yunani, Aristoteles (abad ke 4 SM) didasarkan pada silogisme, dengan dua premisdan satu konklusi.
Contoh :
    – Premis : Semua wanita adalah makhluk hidup
    – Premis : Milan adalah wanita
    – Konklusi : Milan adalah makhluk hidup
Cara lain merepresentasikan pengetahuan adalah dengan Diagram Venn.


Diagram Venn merepresentasikan sebuah himpunan yang merupakan kumpulan objek. Objek dalam himpunan disebut elemen.
A ={1,3,5,7} ,  B = {….,-4,-2,0,2,4,…..} ,  C = {pesawat, balon}

    6. Representasi Pengetahuan

        6.1 Arti Pengetahuan
Pengetahuan adalah hal yang utama dalam sistem pakar yaitu fakta atau kondisi sesuatu atau keadaan yang timbul karena suatu pengalaman. Pengetahuan dibedakan menjadi 3 klasifikasi yaitu:
    1. Prodecural Knowledge adalah pengetahuan yang berkaitan dengan prosedur atau cara untuk melakukan sesuatu. Contohnya, bagaimana cara mendidihkan air dalam panci.
    2. Declarative Knowledge adalah pengetahuan untuk dapat menentukan nilai benar dan salah suatu hal. Contohnya, jangan celupkan tangan anda dalam air yang mendidih.
    3. Tacid Knowledge kadang disebut juga sebagai "unconscious knowledge", karena pengetahuan tidak dapat diekspresikan atau didefinisikan dengan bahasa. Contohnya, bagaimana menggerakkan tangan.
Representasi pengetahuan adalah cara untuk menyajikan pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi antara suatu pengetahuan dengan pengetahuan yang lain dan dapat dipakai untuk menguji kebenaran penalarannya.

        6.2 Produksi
Aturan Produksi (kaidah produksi) adalah salah satu representasi pengetahuan yang menghubungkan premis dengan konklusi. Aturan produksi adalah jenis representasi pengetahuan yang paling umum digunakan karena memiliki keuntungan yang lebih dibandingkan dengan kekurangannya.
Pengetahuan dalam kaidah produksi direpresentasikan dalam bentuk:

                                JIKA [kondisi] MAKA [Aksi]
                                JIKA [premis] MAKA [Konklusi]

    5.    Metode Pencarian dan Pelacakan 2 (Heuristik)

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.

        5.1 Best First Search
Metode ini adalah kombinasi dari metode depthfirst search dan breadth-first search. Pada metode best-first search, pencarian diperbolehkan mengunjungi node yang ada di level yang lebih rendah, jika ternyata node pada level yang lebih tinggi ternyata memiliki nilai heuristic yang lebih buruk. Fungsi Heuristik yang digunakan merupakan prakiraan (estimasi) cost dari initial state ke goal state, yang dinyatakan dengan :
f’(n) = g(n) + h’(n)