REPRESENTASI PENGETAHUAN

1. Arti Pengetahuan

          Representasi Pengetahuan adalah metode yang digunakan untuk mengodekan pengetahuan dalam suatu sistem pakar. Yang dimaksudkan untuk menangkap sifat-sifat penting problema dan membuat informasi itu dapat diakses oleh prosedur pemecahan problema.

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.

2. Produksi

          Sistem produksi adalah suatu rangkaian dari beberapa elemen yang saling berhubungan dan saling menunjang antara satu dengan yang lain untuk mencapai suatu tujuan tertentu. Dengan demikian yang dimaksud dengan sistem produksi adalah merupakan suatu gabungan dari beberapa unit atau elemen yang saling berhubungan dan saling menunjang untuk melaksanakan proses produksi dalam suatu perusahaan tertentu. Beberapa elemen tersebut antara lain adalah produk perusahaan, lokasi pabrik, letak dari fasilitas produksi, lingkungan kerja dari para karyawan serta standar produksi yang dipergunakan dalamperusahaan tersebut.

Subsistem-subsistem dari sistem produksi tersebut antara lain adalah:

·         Perencanaan dan pengendalian produksi

·         Pengendalian kualitas

·         Perawatan fasilitas produksi

·         Penentuan standar-standar operasi

·         Penentuan fasilitas produksi

·         Dan penentuan harga pokok produksi

3. Jaringan semantik

              Jaringan semantik merupakan salah satu yang dipelajari dalam materi Artificial Inteligence (Kecerdasan Buatan) . Dalam jaringan semantik terdapat 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. Sebagai contoh gambar berikut merupakan salah satu gambaran terhadap pengetahuan yang menggunakan jaringan semantik sebagai salahsatualatpengenalnya.

 

Contoh

1.      Bentuk jaringan semantik yang terekam di dalam sistem ingatan seseorang, dapat dipetakan melalui serangkaian pertanyaan yang diajukan kepadanya. Berikut ini merupakan contoh model diskusi untuk melihat pola jaringan semantik.

Di tengah suasana belajar mengajar, di dalam kelas, seorang dosen mencoba membangkitkan kembali semangat belajar anak-anak didiknya. Saat itu, para mahasiswa agaknya lelah dan mengantuk, karena energinya “terkuras” untuk berkonsentrasi, ketika mereka mencoba untuk mengerti penjelasan dari dosennya.

Analisis model diskusi pada kasus di dibawa ini :

Dosen tersebut mengajukan pertanyaan sebagai berikut :

·         "Saya ingin melihat pola jaringan semantik kalian. Apa yang kalian ketahui tentang kata ‘mobil’ ? "

Jawaban yang cukup menarik, antara lain :

·         "Kendaraan bermotor. Rodanya empat. Membutuhkan BBM. Bisa dipakai untuk angkot. Kalau ukurannya besar namanya bis. Harganya mahal. Penumpangnya tidak kehujanan. Bisa dipakai ngebut. Tidak berdaya jika jalanan macet. Pemiliknya harus punya BPKB. Pengemudinya harus punya SIM dan membawa STNK".

·         "Kalau tidak dirawat dengan baik, gampang mogok"

Model jaringan semantik merupakan grafik

Model jaringan semantik merupakan grafik, yang terdiri dari simpul-simpul, yang merepresentasikan objek fisik atau objek konsep, dan busur-busur, yang menunjukkan relasi antar simpul-simpul tersebut. Jaringan semantik merupakan alat efektif, untuk merepresentasikan pemetaan data, yang bertujuan mencegah terjadinya duplikasi data.

Jenis Jaringan Semantik

Danenberg (1988) menjelaskan adanya tujuh jenis relasi dalam jaringan semantik, yaitu umum-khusus, teknik-aplikasi, prasyarat-kelanjutan, sistem-komponen, sinonim, perbedaan, dan berhubungan.

1)      Umum-khusus, yaitu hubungan yang bersifat inversi, di mana umum menyatakan kategori yang abstrak sedangkan khusus menyatakan kategori yang lebih konkrit. Contoh:

       B                                                     A

                         Lingkaran ---------- umum -------------  Kurva

                           A                                                    B

                        Kurva    --------- khusus ------------ Lingkaran

2)      Teknik – Aplikasi, yaitu hubungan yang merupakan pasangan  inversi, di mana teknik menyatakan pengetahuan pokok atau kumpulan keterampilan teknis dan metode yang digunakan untuk tujuan khusus atau aplikasi. Jika topik A adalah teknik yang digunakan dalam aplikasi topik B maka topik B adalah aplikasi dari topik A. Contoh:

A                                                                 B

               Program linier ----------- Teknik --------------- Metode grafik

                        A                                                                 B

               Sistem persamaan -------- Aplikasi ----------- Program linier

3)      Prasyarat-kelanjutan, pasangan relasi inversi, di mana prasyarat menunjuk pengetahuan atau ketrampilan tertentu yang harus dikuasai sebelum siswa boleh mempelajari kelanjutannya. Jika, topik A adalah prasyarat untuk topik B maka topik B adalah kelanjutan dari topik A. Contoh:

     A                                                                              B

             Diferensial  ----------------- Prasyarat ------------------ Integral

                A                                                                               B

            Integral ---------------------- Kelanjutan ---------------- Diferensial

4)      Sistem-Komponen, pasangan relasi inversi, di mana sistem adalah kumpulan komponen yang interdependen sedemikian sehingga tiap komponen memiliki pengaruh terhadap setiap komponen lainnya  dan secara keseluruhan komponen-komponen itu membentuk sistem.  Jika, topik A adalah sistem yang memuat komponen B maka topik B adalah komponen dari topik A. Contoh:

A                                                               B

              Persamaan ------------ Sistem ----------------- Model matematika

                        B                                                                      A

               Model matematika ---------- Komponen ------------ Persamaan

            Untuk membedakan contoh ini dengan pasangan umum-khusus, maka bisa disebutkan bahwa umum dari persamaan adalah kalimat terbuka. Contoh:

                        B                                                                      A

               Persamaan  ---------------- umum ----------------- Kalimat terbuka

     

5)      Sinonim adalah relasi simetrik yang menyatakan kesamaan atau ekivalensi antara dua topik. Jika topik A sinonim dengan topik B, maka topik B adalah sinonim dengan topik A. Contoh:

                        A                                                                        B

                  Fungsi ------------------- Sinonim --------------------- Pemetaan

6)      Perbedaan adalah relasi simetrik yang mensuplai informasi dengan contoh berlawanan dan mengakibatkan dua topik cukup berbeda untuk dipertimbangkan sebagai antonim satu dengan lainnya. Jika, topik A berbeda dengan topik B, maka topik B berbeda dengan topik A. Contoh:

                           A                                                                   B

                Persamaan -------------- Berbeda -------------- Pertidaksamaan

4. Triple Obyek-Atribut-Nilai

           Bentuk object-attribute-value triple daapat digunakan untuk mempresentasikan semua karakteristik pengetahuan dalam semantic net dan digunakan pada sistem pakar MYCIN untuk mendiagnosa penykit infeksi.

5. Schemata : Frame dan Script

a.  Frame berupa kumpulan pengetahuan tentang suatu objek tertentu, peristiwa, lokasi, situasi, berdasarkan pengalaman. Frame memiliki slot yang menggambarkan rincian (atribut) dan karakteristik objek. Hirarki Frame merupakan susunan hirarki dari frame mengijinkan pewarisan frame.

b. Naskah (Script) dalam representasi pengetahuan memiliki arti yaitu mempresentasikan pengetahuan berdasarkan karakteristik yang sudah dikenal sebagai pengalaman – pengalaman dengan cara menggambarkan urutan peristiwa. Dalam menggambarkan urutan peristiwa, script menggunakan slot yang berisi informasi tentang orang, objek, dan tindakan – tindakan yang terjadi dalam suatu peristiwa.

Elemen – elemen script :

1. Kondisi input : kondisi yang harus dipenuhi sebelum terjadinya suatu peristiwa.

2. Track : variasi kejadian yang mungkin dalam suatu script.

3. Prop : objek – objek pendukung yang digunakan pada suatu peristiwa.

4. Role : peran

5. Scene : adegan yang dimainkan

6. Goal : Hasil atau kondisi yang ada setelah urutan peristiwa terjadi.

Berikut ini adalah contoh suatu script kejadian pada “Pertandingan Tae Kwon Do”

Track (Jalur) : Pertandingan Tae Kwon Do

Role (Peran) : Atlet Taekwondo1, Atlet Taekwondo2, Wasit, Panitia

Prop(Pendukung) : Body Protector, Helm, Papan Nilai, Microphone, Arena pertandingan, Alat input skor

Kondisi Input : Atlet terdaftar untuk mengikuti pertandingan

·         Scene -1 : Persiapan Atlet 1,  Atlet2 , dan Pengawas

1.   Panitia menyiapkan daftar nama atlet, papan skor dan microphone, dan alat input skor

2.   Wasit mengetes alat input skor yang telah disediakan panitia

3.   Atlet1 melakukan pemanasan

4.   Atlet2 melakukan pemanasan

·         Scene -2 : Atlet Masuk Arena

1.   Panitia memanggil atlet1 dan atlet2 untuk masuk ke arena dengan microphone

2.   Atlet1 memakai body protector biru dan helm

3.   Atlet2 memakai body protecor merah dan helm

·         Scene -3 : Atlet bertanding

1.   Atlet1 dan atlet2 melakukan penghormatan

2.   Atlet1 dan atlet2 saling melakukan serangan

3.   Atlet1 dan atlet2 saling menghindar

4.   Wasit memimpin pertandingan

5.   Wasit memberikan skor kepada atlet1 dengan alat input skor

6.   Wasit memberikan skor kepada atlet2 dengan alat input skor

7.   Atlet1 melakukan pelanggaran

8.   Atlet2 melakukan pelanggaran

9.   Wasit memberikan hukuman potongan skor kepada atlet1

10.      Wasit memberikan hukuman potongan skor kepada atlet2

·         Atlet telah selesai bertanding

1.   Wasit menghentikan pertandingan

2.   Wasit menghitung skor yang ada di papan skor

3.   Atlet1 dan atlet2 meninggalkan arena

Goal

1.   Atlet1 menang

2.   Atlet2 menang

3.   Atlet1 kalah

4.   Atlet2 kalah

http://prihatnalameindra.blogspot.co.id/2012/04/makalah-sistem-produksi.html

http://komonikasiblogspott.blogspot.co.id/2013/04/jaringan-semantik.html

https://redblacksquad.wordpress.com/2010/10/25/contoh-naskah-script-dalam-representasi-pengetahuan/

METODE PENCARIAN DAN PELACAKAN 2

1. BEST FIRST SEARCH

      Best-First Search merupakan sebuah metode yang membangkitkan simpul dari simpul sebelumnya. Best-first search memilih simpul baru yang memiliki biaya terkecil diantara  semualeaf nodes (simpul-simpul pada level terdalam) yang pernah dibangkitkan. Penentuan simpul terbaik dilakukan dengan menggunakan sebuah fungsi yang disebut fungsi evaluasi f(n).fungsi evaluasi best-first search dapat berupa biaya perkiraan dari suatu simpul menuju ke goal atau gabungan antara biaya sebenarnya dan biaya perkiraan tersebut.

      a.      Ambil simpul terbaik yang ada di OPEN.      b.      Jika simpul tersebut sama dengan goal, maka sukses      c.       Jika tidak, masukkan simpul tersebut ke dalam CLOSED      d.      Bangkitkan semua aksesor dari simpul tersebut      e.      Untuk setiap suksesor kerjakan:Sebagai contoh, pada Gambar 2.34 Jelas bahwa jalur melalui C selalu lebih baik daripada melalui B. Tetapi jika biaya node E muncul, dan pengaruh perubahan yang diberikan ke node B tidak sebesar pengaruhnya terhadap node C, maka jalur melalui B bisa jadi lebih baik. Sebagai contoh, hasil expand node E, misalkan 10, maka biaya node C menjadi 11 (10+1), dengan demikian biaya node A apabila memilih jalur lewat C adalah 12 (11+1). Tentu saja akan lebih baik memilih jalur melalui node B (11). Tapi tidak demikian halnya apabila kemudian node D diekspan. Bisa jadi jalur dengan melalui node B akan lebih buruk lagi ketimbang jalur dengan melalui node C.

Pada setiap langkah proses pencarian terbaik pertama, kita memilih node-node dengan menerapkan fungsi heuristik yang memadai pada setiap node/simpul yang kita pilih dengan menggunakan aturan-aturan tertentu untuk menghasilkan penggantinya. Fungsi heuristic merupakan suatu strategi untuk melakukan proses pencarian ruang keadaan suatu problema secara selektif, yang memandu proses pencarian yang kita lakukan sepanjang jalur yang memiliki kemungkinan sukses paling besar.

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. Ilustrasi algoritma best-first search dapat dilihat pada gambar 3.4 dibawah ini.

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 node-node yang pernah dibangkitkan dan sudah dievaluasi. Algoritma selengkapnya adalah sebagai berikut.

1.      OPEN berisi initial state dan CLOSED masih kosong.

2.      Ulangi sampai goal ditemukan atau sampai tidak ada di dalam OPEN.

i.  Jika suksesor tersebut belum pernah dibangkitkan, evaluasi suksesor tersebut, tambahkan ke OPEN, dan catat parent.

ii.  Jika suksesor tersebut sudah pernah dibangkitkan, ubah parent-nyajika jalur melalui parent ini lebih baik daripada jalur melalui parent yang sebelumnya. Selanjutnya perbarui biaya untuk suksesor tersebut dn nodes lain yang berada di level bawahnya.

Algoritma yang menggunakan metode best-first search, yaitu:

a.      Greedy Best-First

Greedy Best-First adalah algoritma best-first yang paling sederhana dengan hanya memperhitungkan biaya perkiraan (estimated cost) saja, yakni f(n) = h(n). Biaya yang sebenarnya (actual cost) tidak diperhitungkan. Dengan hanya memperhitungkan biaya perkiraan yang belum tentu kebenarannya, maka algoritma ini menjadi tidak optimal.

b.      A*

A* adalah algoritma best-first search yang menggabungkan Uniform Cost Search dan Greedy Best-First Search. Biaya yang diperhitungkan didapat dari biaya sebenarnya ditambah dengan biaya perkiraan. Dalam notasi matematika dituliskan sebagai f(n)= g(n) + h(n). Dengan perhitungan biaya seperti ini, algoritma A* adalahcomplete dan optimal.

2.PROBLEM REDUCTION

Problem reduction atau yang biasa dikenal dengan constraint, intinya adalah berusaha mengurangi masalah dengan harapan masalah yang bersangkutan menjadi lebih mudah diselesaikan. Sekarang ini sudah diketahui teknik konsistensi ini sangat penting dalam penyelesaian constraint satisfactionproblem yang sangat berat sehingga semua aplikasi komersial penyelesaian constraint satisfactionproblem menggunakan teknik konsistensi ini sebagai langkah dasar. Sejarah konsistensi constraint dapat ditlusuri dari peningkatan efisiensi program pengenalan gambar oleh peneliti di intelejensi semu. Pegenalan gambar melibatkan pemberian label kepada semua garis pada gambar dengan cara yang konsisten. Jumlah kombinasi pemberian label pada garis yang memungkinkan dapat menjadi sangat besar, sementara hanya sedikit yang konsisten pada tahap awal. Dengan demikian memperpendek pencarian untuk pembeian nilai yang konsisten.Untuk mengilustrasikan teknik konsistensi ini akan diberikan sebuah contoh constraint satisfaction problem yang sangat sederhana.

Walaupun teknik konsistensi ini jarang digunakan sendirian untuk menghasilkan solusi, teknik konsistensi ini membantu menyelesaikan constraint satisfactionproblem dalam beberapa cara. Teknik konsistensi ini dapat dipakai sebelum pencarian maupun pada saat pencarian.

Kebanyakan solusi menggunakan pohonOR,dimana lintasan dari awal sampai tujuan tidak terletak pada satu cabang. Bila lintasan dari keadaan awal sampai tujuan dapat terletak pada satu cabang, maka kita akan dapat menemukan tujuan lebih cepat.

Pada dasarnya sama dengan algoritma Best First Search, dengan mempertimbangkan adanya arc AND. Gambar berikut menunjukkan bahwa untuk mendapatkan TV orang bisa dengan cara singkat yaitu mencuri atau membeli asal mempunyai uang.Untuk mendeskripsikan algoritma, digunakan nilai F_UTILITY untuk biaya solusi.

 

3. CONSTRAINT SATISFACTION

Penjadwalan perkuliahan merupakan suatu hal yang sangat kompleks dan rumit untuk dipecahkan. Kompleksitasnya dapat dilihat dari sisi mahasiswa, dosen yang mengajar, mata kuliah yang diajarkan, waktu perkuliahan, dan juga ruangan untuk melaksanakan perkuliahan tersebut. Kemungkinan-kemungkinan tersebut sangat mempengaruhi kinerja keseluruhan aktifitas akademis dalam suatu kampus yang akhirnya berdampak pada kompetensi kampus tersebut.

Dalam proses penjadwalan mata kuliah ada beberapa hal yang harus diperhatikan. Pertama, terdapat jadwal-jadwal di mana dosen yang bersangkutan tidak bisa mengajar. Kedua, distribusi jadwal perkuliahan diharapkan dapat merata tiap harinya untuk setiap kelas. Ketiga, pekerjaan penjadwalan mata kuliah ini akan semakin berat jika melibatkan semakin banyak kelas per angkatannya. Keempat, terdapat mata kuliah tertentu yang menggunakan ruang laboratorium yang harus dijadwalkan pada ruang laboratorium.

Karena itu dibutuhkan sebuah metode optimasi yang dapat diterapkan untuk mengerjakan penjadwalan mata kuliah ini. Metode heuristik biasanya menghasilkan solusi yang baik atau memecahkan masalah yang kompleks. Namun, kesulitan utama dalam menggunakan metode heuristik adalah heuristik bukanlah satu algoritma umum. Dalam pemecahan masalahnya metode ini mengabaikan apakah solusi dapat dibuktikan benar atau tidak. Metode heuristik berfungsi seperti algoritma tetapi tanpa jaminan optimalitas. Algoritma Genetika merupakan salah satu algoritma yang tepat digunakan dalam menyelesaikan masalah optimasi kompleks, yang sulit dilakukan oleh metode konvensional. Akan tetapi Algoritma Genetika menerapkan proses heuristik, sehingga dibutuhkan metode lain untuk membuat proses heuristik pada Algoritma Genetika menjadi terarah dan membuat keseluruhan proses menjadi lebih efisien. Metode yang tepat untuk dikombinasikan dengan Algoritma Genetika adalah Metode Constraint Satisfaction Problem (CSP). Constraint Satisfaction Problem merupakan sebuah pendekatan untuk menyelesaikan suatu masalah dengan tujuan menemukan keadaan atau objek yang memenuhi sejumlah persyaratan atau kriteria.

Constraint Satisfaction Problem adalah suatu permasalahan seseorang harus mencari nilai untuk set variabel (finite) yang memenuhi set constraint (finite). Komponen-komponen yang terdapat pada Constraint Satisfaction Problem adalah Variabel yang merupakan penampung dapat diisi berbagai nilai, Constraint yang merupakan suatu aturan yang ditentukan untuk mengatur nilai boleh diisikan ke variabel, atau kombinasi variable, Domain yang merupakan kumpulan nilai legal dapat diisi ke variable, Solusi yang merupakan assignment nilai-nilai dari domain ke setiap variabel tidak ada constraint yang dilanggar.

Constraint Satisfaction Problem dimulai dari solusi kosong dan diakhiri dengan sebuah solusi yang memenuhi semua constraint (consistent). Pencarian solusi dilakukan dengan mencoba mengisi nilai domain pada setiap variabel satu demi satu tanpa melanggar constraint, sampai solusi ditemukan. Algoritma yang paling banyak dipakai untuk melakukan pencarian sistematik untuk menyelesaikan Constraint Satisfaction Problem adalah backtracking. Algoritma backtracking search (penelusuran kembali) adalah suatu bentuk algoritma depth-first-search. Backtracking dapat dilihat sebagaimana searching dalam tree, karena setiap node mewakili state dan turunan dari setiap node mewakili ekstensi dari state tersebut.

Pada metode backtracking, variabel diisi secara sequential selagi semua variabel relevan dengan constraint yang sudah diinisialisasi. Jika solusi partial melanggar constraint, backtracking melakukan langkah kembali ke solusi partial sebelumnya dan memilih nilai lain yang belum dicoba untuk variabel yang ingin diisikan. Langkah tersebut berguna untuk menghindari eksplorasi lebih lanjut dari solusi partial yang salah. Keuntungan backtracking adalah pemeriksaan consistency hanya perlu dilakukan terhadap assignment yang terakhir dilakukan karena pemeriksaan terhadap assignment yang sebelumnya sudah dilakukan sebelumnya.

Pada algoritma backtracking, teknik look ahead digunakan untuk meramalkan efek pemilihan variabel branching untuk mengevaluasi nilai-nilai variabel tersebut. Forward checking adalah salah satu cara untuk melakukan look ahead. Forward checking mencegah terjadinya konflik dengan melarang nilai-nilai yang belum diisikan ke variable untuk dipakai. Ketika suatu nilai diisikan ke suatu variabel, nilai yang berada di domain dari variabel yang konflik dengan assignment tersebut akan dihilangkan dari domain.

Minimum Remaining Value (MRV) adalah suatu teknik yang dikembangkan untuk menangani masalah kemungkinan besar gagal pada pencarian menggunakan Constraint Satisfaction Problem. Minimum Remaining Value berkerja dengan memilih variabel yang memiliki domain legal dan paling sedikit (memiliki kemungkinan untuk membuat suatu dead-end paling besar) untuk diisikan terlebih dulu.

Algoritma Genetika pada dasarnya adalah program komputer yang mensimulasikan proses evolusi. Algoritma Genetika juga merupakan algoritma yang berusaha menerapkan pemahaman mengenai evolusi alamiah pada tugas-tugas pemecahan masalah (problem solving). Pendekatan yang diambil oleh algoritma ini adalah dengan menggabungkan secara acak berbagai pilihan solusi terbaik di dalam suatu kumpulan untuk mendapatkan generasi solusi terbaik berikutnya yaitu pada suatu kondisi yang memaksimalkan kecocokannya atau lazim disebut fitness.

Algoritma Genetika bekerja menggunakan kode dari parameter yang menjadi permasalahan. Parameter problem tersebut dikodekan menjadi sebuah kromosom. Setiap kromosom terdiri dari bagian-bagian yang disebut gen. Gen-gen ini dapat berupa angka biner (‘1’ dan ‘0’), sehingga kromosom yang terbentuk merupakan sebuah deretan string biner. Pencarian solusi pada algoritma ini melibatkan sejumlah populasi dari titik-titik pada ruang parameter. Setiap titik tersebut disebut individu. Variable dan parameter yang digunakan yaitu fitness (nilai hasil evaluasi Objective Function yang dipakai untuk tolak ukur kualitas kromosom) untuk menentukan tingkat kesesuaian suatu individu dengan kriteria yang ingin dicapai, populasi jumlah individu per generasi, probabilitas terjadinya crossover pada suatu generasi, probabilitas terjadinya mutasi, serta banyaknya generasi yang dilibatkan.

4. MEANS AND ANALYSIS

Means-Ends Analysis terdiri dari tiga unsur kata yakni; Mean, End dan Analysis. Mean menurut bahasa yakni berarti, banyaknya cara. Sedangkan End adalah akhir atau tujuan, dan Analysis berarti analisa atau penyelidikan secara sistematis.

Means-Ends Analysis pertama kali diperkenalkan oleh Newell dan Simon (wikipedia, 2007) dalam General Problem Solving (GPS), yang menyatakan bahwa Means-Ends Analysis adalah suatu teknik pemecahan masalah di mana pernyataan sekarang dibandingkan dengan tujuan, dan perbedaan di antaranya dibagi ke dalam sub-subtujuan untuk memperoleh tujuan dengan menggunakan operator yang sesuai.

http://deisyamalia.blogspot.co.id/2012/03/best-first-search.html

http://mitraikhtiar.blogspot.co.id/2013/03/mean-ends-analisys-mea.html