ID3 adalah suatu algoritma matematika yang digunakan untuk menghasilkan suatu pohon keputusan yang mampu mengklasifikasi suatu obyek. ID3 diperkenalkan pertama kali oleh Ross Quinlan (1979).

Aturan-aturan yang dihasilkan oleh ID3 mempunyai relasi yang hirarkis seperti suatu pohon.

Contoh Kasus :

14 Minggu Permainan Tenis pada Setiap Sabtu Pagi

Atribut Tujuan adalah Bermain Tenis yang memiliki value ya atau tidak. Atribut adalah Ramalan_Cuaca, Suhu, Kelembaban, dan Angin.

ALGORITMA DAN FLOWCHART
Entropy adalah formula untuk menghitung homogenitas dari sebuah sample/contoh.

Untuk Mengetahui lebih lanjut materi tentang Algoritma dan Flowchart, Silahkan Download Materi ini.

Algoritma Genetic adalah suatu metoda pencarian (search) acak yang didasarkan atas prinsip evolusi yang terjadi di alam.

Dalam proses evolusi, individu secara terus menerus mengalami perubahan gen untuk menyesuaikan dengan
lingkungan hidupnya. Hanya individu yang kuat yang mampu bertahan, sehingga dalam proses evolusi dapat diharapkan diperoleh individu yang terbaik. Proses seleksi alamiah ini melibatkan perubahan gen yang terjadi pada individu melalui proses perkembangbiakan untuk mendapatkan keturunan yang lebih baik.

Landasan teoritis untuk Algoritma genetik ini diajukan oleh John Holland dalam bukunya yang berjudul “Adaption in Natural and Artificial Systems” pada tahun 1975, yang kemudian dikembangkan lebih lanjut oleh muridnya David Goldberg.
Proses genetika dari organisme-organisme biologi yang berdasar pada teori evolusi Charles Drawin

Terdapat beberapa Dasar Algoritma Genetika :

1. Populasi

2. Individu

3. Nilai Fitnes

Dasar Algoritma Genetik -Populasi-

Populasi adalah kumpulan kromosom (chromosome). Kromosom ini dibentuk dari komponen-komponen penyusun yang disebut sebagai gen dan nilainya dapat berupa bilangan numerik, biner, simbol ataupun karakter tergantung dari permasalahan yang ingin diselesaikan.

Dasar Algoritma Genetik -Individu-

Individu merupakan kumpulan gen dalam sistem algoritma genetik bisa dikatakan sama dengan kromosom. Gen ini bisa biner, float, dan kombinatorial.
Individu dalam algoritma genetik dapat juga menyatakan salah satu kemungkinan solusi yang dicari.
Misalkan dalam travel salesman problem individu dapat menyatakan suatu jalur terpendek yang akan ditempuh.

Dasar Algoritma Genetik -Nilai Fitness-

Sebelum algoritma ini dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan dalam fungsi tujuan, yang dikenal dengan fungsi fitness.
Jika nilai fitness semakin besar, maka sistem yang dihasilkan semakin baik.
Kromosom dengan nilai fitness yang tinggi ini akan memberikan probabilitas yang tinggi untuk bereproduksi pada generasi selanjutnya.
Sehingga untuk setiap generasi pada proses evolusi, fungsi fitness yang mensimulasikan seleksi alam, akan menekan populasi kearah fitness yang meningkat.

Prinsip Kerja

Prinsip Kerja
Membangkitkan populasi awal, Populasi awal ini dibangkitkan secara random sehingga didapatkan solusi awal. Populasi itu sendiri terdiri dari sejumlah kromosom yang merepresentasikan solusi yang diinginkan.

Membentuk generasi baru, didapat tiga operator yaitu operator reproduksi/ seleksi, perkawinan silang dan mutasi. Proses ini dilakukan berulangulang sehingga didapatkan jumlah kromosom yang cukup untuk membentuk generasi baru dimana generasi baru ini merupakan representasi dari solusi baru.

Definisi Penting

Genotype (Gen), sebuah nilai yang menyatakan satuan dasar yang membentuk suatu arti tertentu dalam satu kesatuan gen yang dinamakan kromosom. Dalam algoritma genetika, gen ini bisa berupa nilai biner, float, integer maupun karakter.

Allele, nilai dari gen.

Kromosom, gabungan gen-gen yang membentuk nilai tertentu.

Individu, menyatakan satu nilai atau keadaan yang menyatakan salah satu solusi yang mungkin dari permasalahan yang diangkat.

Populasi, merupakan sekumpulan individu yang akan diproses bersama dalam satu siklus proses evolusi.

Generasi, menyatakan satu-satuan siklus proses evolusi.

Nilai Fitness, menyatakan seberapa baik nilai dari suatu individu atau solusi yang didapatkan.

Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Logika fuzzy pertama kali diformulasikan dalam sebuah seminar oleh Lotfi A Zadeh dari University of Califonia, Berkeley tahun 1965.

Metode ini diformulasikan dalam rangka mencari nilai tengah antara bilangan Aristoteles 0 dan 1. Selain itu, logika fuzzy merupakan peningkatan dari logika boolean. Menggantikan kebenaran boolean dengan tingkat kebenaran. Dasar logika fuzzy adalah memformulasikan bilangan antara 0 dan 1 atau lebih tepat 0.0 dan 1.0

Dari pengertian tersebut didapatkan contoh mengenai Logika Fuzzy ini. Contohnya adalah :

1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari.
2. Pelayan restoran memberikan pelayanan terhadap tamu, kemudian tamu akan memberikan tip yang sesuai atas baik tidaknya pelayan yang diberikan.
3. Anda mengatakan pada saya seberapa sejuk ruangan yang anda inginkan, saya akan mengatur putaran kipas yang ada pada ruangan ini.
4. Penumpang taksi berkata pada sopir taksi seberapa cepat laju kendaraan yang diinginkan, sopir taksi akan mengatur pijakan gas taksinya.

Dari Logika Fuzzy ini, didapatkan beberapa alasan mengapa orang menggunakan Logika Fuzzy :

1. Konsep logika fuzzy mudah dimengerti. Artinya konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalamanpengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.

Aplikasi Logika Fuzzy

Penerapan logika fuzzy dalam pengaturan kipas angin atau AC.

Dimana dalam masalah ini digunakan thermometer untuk menentukan suhu ruangan, dan variabel fuzzy yang dimodelkan adalah suhu ruangan dan putaran mesin.

Dengan himpunan fuzzy untuk variabel suhu ruangan adalah dingin, sedang, dan panas.

Sedang untuk variable putaran mesin, himpunan fuzzy yang dipakai adalah lambat, sedang dan cepat.

Di sinilah contohnya metode logika fuzzy dipakai, dengan menjawab pernyataan jika dan maka (IF THEN).

Skema Dasar Logika Fuzzy

1. Input fuzzy berupa bilangan crisp (tegas) yang dinyatakan dalam himpunan input.
2. Fuzzifikasi merupakan proses untuk mengubah bilangan crisp menjadi nilai keanggotaan dalam himpunan fuzzy.
3. Fuzzy inference system merupakan bagian pengambilan kesimpulan (reasoning) dan keputusan.
4. Knowledge base berisi aturan-aturan yang biasanya dinyatakan dengan perintah! IF …. THEN….
5. Defuzzification merupakan proses untuk merubah nilai output fuzzy menjadi nilai crisp.

Sistem pakar memiliki berbagai pengertian yang dikemukakan oleh beberapa ahli. Menurut Martin dan Oxman, Sistem Pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. Menurut Durkin, Sistem Pakar adalah Program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar. Menurut Giarratano dan Riley, Sistem Pakar adalah sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar.

Jadi dapat disimpulkan secara umum, Sistem Pakar adalah sistem informasi berbasis komputer yang menggunakan pengetahuan pakar untuk mencapai performa keputusan tingkat tinggi dalam domain persoalan yang sempit.

Contoh Sistem Pakar antara lain:

1. MYCIN

Dirancang oleh Edward Feigenbaum (Universitas Stanford) pada tahun ‘70an. MYCIN merupakan sistem pakar medical yang dapat mendiagnosa infeksi bakteri dan rekomendasi pengobatan antibiotik.

2. DENDRAL

Sistem pakar struktur molekular dan kimia.

3. PROSPECTOR

Didesain oleh Sheffield Research Institute pada akhir ‘70an. Digunakan untuk membantu ahli geologi yang mencari dan menemukan biji deposit (mineral dan batu-batuan).

4. XCON (R1)

Sistem pakar konfigurasi sistem komputer dasar. Dikembangkan oleh Digital Equipment Corporation (DEC) dan Carnegie Mellon University (CMU) pada akhir ‘70an. Digunakan untuk sistem komputer DEC VAC 11 1780.

5. DELTA

Didesain dan dikembangkan oleh General Electric Company. Merupakan sistem pakar personal maintenance dengan mesin lokomotif listrik diesel.

6. YESMVS

Didesain oleh IBM pada awal tahun ‘80an. Digunakan untuk membantu operator komputer dan mengontrol sistem operasi MVS (Multiple Virtual Storage).

7. ACE

Didesain dan dikembangkan oleh AT&T Bell Lab pada awal tahun ‘80an. Merupakan sistem pakar troubleshooting pada sistem kabel telepon.

Sistem Pakar memiliki beberapa ciri, yaitu :

- Terbatas pada bidang yang spesifik

- Berdasarkan pada aturan tertentu

- Outputnya bersifat saran

- Outputnya tergantung dialog dengan user

Selain itu, Sistem Pakar juga memiliki kelebihan dan kelemahan. Kelebihan Sistem Pakar antara lain adalah memungkinkan orang awam bisa mengerjakan pekerjaan para ahli, menyimpan pengetahuan dan keahlian para pakar, meningkatkan output dan produktivitas, menghemat waktu dalam pengambilan keputusan, dan meningkatkan kualitas. Sedangkan kelemahan Sistem Pakar adalah biaya yang diperlukan untuk membuat sangat mahal, sulit dikembangkan, ketersediaan pakar di bidangnya, dan tidak 100% bernilai benar.

Di bawah ini merupakan Klasifikasi Aplikasi Sistem Pakar :

1. Control

Merupakan aplikasi komputer yang sangat umum. Ada dua jenis Control, yaitu loop terbuka dan loop tertutup.

2. Debugging

Proses mencari kesalahan dan memperbaiki solusi.

3. Design

Pengumpulan informasi mengenai spesifikasi sistem dan produk tertentu.

4. Diagnosis

Untuk mendiagnosa produk atau sistem yang sudah tidak berfungsi.

5. Instruksional

Untuk membantu dalam proses belajar mengajar.

6. Interpretasi

Membantu seseorang dalam menafsir dan memahami situasi atau perspektif suatu peristiwa. Contohnya : analisa intelegensia, daya tahan, citra dan sinyal.

7. Planning

Merumuskan metode yang dapat mendekatkan pada tujuan. Contohnya : proyek manajemen, taktik dan strategi militer, pemrograman robot.

8. Prediksi

Meramalkan apa yang terjadi di masa yang akan datang.

9. Reparasi

Memperbaiki barang yang rusak ke keadaan semula.

10. Konfigurasi

Ada 6 elemen dalam Sistem Pakar, yaitu :

1. User Interface

Komunikasi antara user dan sistem pakar.

2. Explanation Facility

Pemberian alasan kepada user.

3. Working Memory

4. Inference Engine

Penentuan aturan yang harus dipenuhi, prioritas aturan yang tercukupi, dan prioritas yang tertinggi.

5. Agenda

Daftar yang diprioritaskan dari Inference Engine.

6. Fasilitas Pemrolehan Pengetahuan

Cara otomatis bagi pemakai untuk memasukkan pengetahuan dalam sistem.

Sistem Pakar mempunyai dua cara untuk melakukan inferensi, yaitu dengan Sistem Perantaian Maju (Forward Chaining System) dan Sistem Perantaian Balik (Backward Chaining System). Forward Chaining System merupakan pemberi alasan dari fakta untuk kesimpulan hasil dari fakta. Misalnya jika kita melihat bahwa hari ini akan turun hujan sebelum pergi (fakta), maka kita harus membawa payung (kesimpulan). Contoh programnya : Pemrograman OPS5, CLIPS. Backward Chaining System merupakan pemberian alasan sebaliknya dari hipotesa, kesimpulan potensial dibuktikan, pada fakta yang mendukung hipotesa. Misalnya jika kita tidak melihat keluar dan seseorang masuk dengan sepatu basah dan payung. Hipotesa kita adalah bahwa sekarang sedang hujan. Contoh programnya : EMYCIN.

Salah satu metode dalam teknik Pencarian dan Pelacakan adalah Pencarian Terbimbing (Heuristic Search). Dalam Heuristic Search sendiri, dibagi menjadi dua metode lagi, yaitu Pendakian Bukit (Hill Climbing) dan Pencarian Terbaik Pertama (Best First Search). Metode Hill Climbing telah dibahas pada Bab III. Dan di Bab IV ini akan dibahas mengenai metode Best First Search.

Metode Best First Search merupakan kombinasi dari kelebihan metode Depth First Search dan metode Breadth First Search. Pada metode Hill Climbing, tidak diperbolehkan untuk kembali ke node pada level yang lebih rendah meskipun node pada level yang lebih rendah tersebut memiliki nilai heuristik yang lebih baik. Sedangkan pada metode yang akan kita bahas ini, yaitu Best First Search pencarian diperbolehkan mengunjungi node yang ada di level yang lebih rendah.

Dalam pencarian Metode Best First ini, penentuan node berikutnya adalah node yang terbaik yang pernah dibangkitkan dengan menggunakan informasi. Informasi yang digunakan adalah

1. biaya perkiraan
2. biaya sebenarnya

Metode Best First dibagi lagi menjadi 2 jenis, yaitu :

1. Greedy Best First Search.

Algoritma ini Merupakan jenis Best First Search yang hanya mempertimbangkan harga perkiraan (estimated cost) yaitu f(n) = h(n). Sedangkan harga sesungguhnya tidak digunakan. Sehingga solusi yang dihasilkan tidak optimal.  Algoritma greedy ini membentuk solusi langkah per langkah (step by step). Pada setiap langkah, terdapat banyak pilihan yang perlu dieksplorasi. Oleh karena itu, pada setiap langkah harus dibuat keputusan yang terbaik dalam menentukan pilihan.

biaya perkiraan f(n) = h(n)

2. Algoritma A*

Algoritma A* yang memperhitungkan gabuangan dua biaya, biaya sebenarnya dan biaya perkiraan atau f(n) = g(n) + h(n)

Biaya sebenarnya + Biaya Perkiraan

f(n) = g(n) + h(n)

Contoh Soal:

Berikut ini adalah peta Romania dengan jarak jalan-jalan yang menghubungkan kota-kota dalam km.

Adapun jarak kota-kota terhadap kota Bucharest jika ditarik garis lurus adalah sebagai berikut :
Arad 366
Bucharest 0
Craiova 160
Dobreta 242
Eforie 161
Fagaras 178
Giurgiu 77
Hirsova 151
Iasi 226
Lugoj 244
Mehadia 241
Neamt 234
Oradea 380
Pitesti 98
Rimnicu Vilcea 193
Sibiu 253
Timisoara 329
Urziceni 80
Vaslui 199
Zerind 374

Permasalahannya adalah untuk mencari jalan terdekat dari kota Arad menuju kota Bucharest dengan menggunakan metoda Best First Search dan A*.

MENGGUNAKAN GREEDY BEST FIRST SEARCH

LANGKAH 1 :

LANGKAH 2:

LANGKAH 3:

LANGKAH 4:

Dari Langkah-langkah di atas, dengan metode Best First Search didapatkan kota-kota yang harus dilalui untuk mendapatkan jalan yang paling dekat jaraknya dari Arad ke Bucharest adalah : Arad – Sibiu – Fagaras – Bucharest. Dari peta di atas, panjang jalan yang dilalui adalah 140+99+211 = 450 km.

MENGGUNAKAN A*

LANGKAH 1:

LANGKAH 2:

LANGKAH 3:

LANGKAH 4:

LANGKAH 5:

Dari langkah-langkah di atas, dengan metode A* didapatkan kota-kota yang harus dilalui untuk mendapatkan rute jalan yang paling dekat jaraknya dari Arad ke Bucharest adalah : Arad – Sibiu – Rimnicu – Pitesti – Bucharest. Dari peta di atas, panjang jalan yang dilalui adalah 140+80+97+101 = 418 km.

Jika dibandingkan dengan hasil metode Greedy Best First Search, penelusuran dengan metode A* untuk mencapai goal lebih besar kedalamannya (BFS=4 langkah, A* = 5 langkah). Begitu juga Node yang dieksplore, metode A* lebih banyak daripada Greedy Best First Search (BFS=10 node, A*=14 node). Akan tetapi, rute yang dihasilkan dengan metode A* lebih baik dari Greedy Best First Search (BFS=450 km, A*= 418 km).

Jelas bahwa jika masalah yang dihadapi diprioritaskan kepada cost yang optimum, metode A* lebih baik digunakan, sedangkan jika kecepatan mencapai tujuan lebih diprioritaskan maka metode Greedy Best First Search lebih baik digunakan.

Dalam metode ini, diperlukan kesuksesan dalam pencarian. Sebelum kita mendalami tentang metode ini, kita harus mengetahui dulu, apa itu kesuksesan dalam pencarian.

Pencarian adalah suatu proses mencari solusi dari suatu permasalahan melalui sekumpulan kemungkinan ruang keadaan (state space). Dari suatu pencarian kita dapat menyimpulkannya pada kalimat Ruang Keadaan. Dimana Ruang Keadaan ini merupakan suatu ruang berisi semua keadaan yang mungkin.

Dalam Metode Pencarian dan Pelacakan, terdapat 4 kriteria yang digunakan untuk mengukur performansi metode pencarian yaitu :
1. Completeness : apakah metode tersebut menjamin penemuan solusi jika solusinya
memang ada?
2. Time complexity : berapa lama waktu yang diperlukan?
3. Space complexity : berapa banyak memori yang diperlukan?
4. Optimality : apakah metode tersebut menjamin menemukan solusi yang
terbaik jika terdapat beberapa solusi berbeda?

Dalam metode ini terdapat dua teknik Pencarian dan Pelacakan yaitu :
1. Pencarian buta (blind search)

• Pencarian melebar pertama (Breadth – First Search)
Keuntungan :
1. Tidak akan menemui jalan buntu.
2. Menjamin ditemukannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti yang paling baik.
3. Jika ada satu solusi maka bread-first search akan menemukannya.

Kelemahannya :
1. Membutuhkan memori yang cukup banyak.
2. Membutuhkan waktu yang cukup lama.

• Pencarian mendalam pertama (Depth – First Search)
Proses pencarian dilakukan pada semua anaknya sebelum dilakukan pencarian ke node-node yang selevel

Keuntungan :
1. Memori yang relatif kecil.
2. Secara kebetulan, akan menemukan solusi tanpa harus menguji lebih banyak lagi.

2. Pencarian terbimbing (heuristic search)
• Pendakian Bukit (Hill Climbing)
• Pencarian Terbaik Pertama (Best First Search)

Dari metode ini, kita akan membahas salah satu dari teknik metode Pencarian dan Pelacakan ini. Teknik yang akan kita bahas adalah Pecarian terbimbing atau pencarian Heuristic. Metode heuristic search diharapkan bisa menyelesaikan permasalahan yang lebih besar. Metode heuristic search menggunakan suatu fungsi yang menghitung biaya perkiraan (estimasi) dari suatu simpul tertentu menuju ke simpul tujuan disebut fungsi heuristic
Aplikasi yang menggunakan fungsi heuristic : Google, Deep Blue Chess Machine

A. Hill Climbing
Metode Pencarian Bukit (Hill Climbing) ini dibagi menjadi dua macam metode, yaitu :

• Simple Hill Climbing, algoritmanya sebagai berikut :
- Pertama kita mulai dengan pengujian, jika yang diuji merupakan tujuan, maka pengujian berhenti dan jika tidak, lakukan pengujian kembali dengan keadaan sekarang sebagai keadaan awal.
- Kerjakan langkah selanjutnya sampai solusinya ditemukan, atau sampai tidak ada operator baru. Kemudian cari operator yang belum pernah digunakan, setelah itu gunakan operator ini untuk mendapatkan keadaan yang baru. Periksa keadaan baru tersebut.
- Jika keadaan baru merupakan tujuan, maka pengujian selesai dan keluar. Jika bukan tujuan, kembali seperti tadi yaitu jadikan keadaan baru tersebut menjadi keadaan sekarang. Jika keadaan baru tetap bukan tujuan, gunakan iterasi.

• Steepest Ascent Hill Climbing
- Pertama kita mulai dengan pengujian, jika yang diuji merupakan tujuan, maka pengujian berhenti dan jika tidak, lakukan pengujian kembali dengan keadaan sekarang sebagai keadaan awal. Kerjakan hingga tujuan tercapai.
- Tentukan SUCC sebagai nilai heuristic terbaik dari successor-successor. Kerjakan untuk tiap operator yang digunakan oleh keadaan sekarang. Gunakan operator tersebut dan bentuk keadaan baru.
- Periksa keadaan baru tersebut. Jika keadaan baru merupakan tujuan, maka pengujian selesai dan keluar. Jika bukan tujuan, bandingkan nilai heuristiknya dengan SUCC. Jika hasilnya lebih baik, jadikan nilai heuristic keadaan baru tersebut sebagai SUCC. Namun jika tidak lebih baik, nilai SUCC tidak berubah.
- Jika SUCC lebih baik daripada nilai heuristic keadaan sekarang, ubah node SUCC menjadi keadaan sekarang.

Contoh Soal Steepest Ascent Hill Climmbing :

Jawaban Soal :

Adapun spesifikasi dari notebook ini dapat dilihat dibawah :

Platform : Notebook PC
Processor Type : Intel Core i3 Processor
Processor Onboard : Intel® Core™ i3-330M Processor (2.13 GHz, Cache 3 MB)
Chipset : Intel HM55
Standard Memory : 2 GB DDR3 SDRAM PC-8500
Max. Memory : 8 GB (2 DIMMs)
Video Type : Intel® Graphics Media Accelerator HD 256MB (shared)
Display Size : 14″ WXGA LED
Display Max. Resolution : 1366 x 768
Display Technology : Clear SuperView LED
Audio Type : Integrated
Speakers Type : Integrated
Floppy Drive : Optional
Hard Drive Type : 320 GB Serial ATA 5400 RPM
Optical Drive Type : DVD±RW
Modem : Optional
Networking : Integrated
Network Speed : 10 / 100 Mbps
Wireless Network Type : Integrated
Wireless Network
Protocol : IEEE 802.11b, IEEE 802.11g, IEEE 802.11n
Wireless Bluetooth : Integrated V 2.1 +EDR
Keyboard Type : QWERTY 82 keys
Input Device Type : Touch Pad
Slot Provided : Optional
Card Reader Provided : SD, MMC, Memory Stick / Stick PRO
Interface Provided : 2x USB 2.0, eSATA/USB, VGA, LAN, Audio
O/S Provided : Pre-sales Request Available
Battery Type : Rechargeable Lithium-ion Battery 6 Cell
Power Supply : External AC Adapter
Dimension (WHD) : 340 x 38 x 232 mm
Weight : 2.3 kg
Standard Warranty : 1-year Limited Warranty by Authorized Distributor
Bundled Peripherals : Optional
Package Contents : Contents may vary

Untuk membangun sistem perlu dipertimbangkan 4 hal :
- Mendefinisikan masalah dengan tepat
• Spesifikasi yang tepat mengenai keadaan awal
• Solusi yang diharapkan
- Menganalisis masalah serta mencari beberapa teknik penyelesaian masalah yang sesuai
- Merepresentasikan pengetahuan yang perlu untuk menyelesaikan masalah
- Memilih teknik penyelesaian masalah yang terbaik

Sebagai contohnya :
Kita akan menganalisa perjalanan dari UKSW Kampus 1 menuju ke UKSW Kampus 2.
Analisanya sebagai berikut :
Spesifikasi keadaan awalnya UKSW Kampus 1, kemudian solusi yang diharapkan perjalanan paling cepat menuju UKSW Kampus 2.

Analisis kemungkinan yang terjadi adalah :
1. Dari UKSW Kampus 1 menuju ke arah Masjid Kauman di jalan Wahid Hasyim, Setelah melewati masjid, kemudian melewati Pasar Jetis dan jalan Osamaliki. Setelah sampailah di UKSW Kampus 2.

2. Dari UKSW Kampus 1 menuju ke arah perempatan SD Lab, kemudian menuju jalan Monginsidi, setelah melewati jalan tersebut, kita menuju ke jalan Kartini, setelah melewati jalan Kartini, kita menuju ke jalan Adi Sutjipto atau arah alun-alun kota, setelah dari alun-alun kota kita menuju ke jalan Tentara Pelajar, dan kemudian sampai di jalan Osamaliki di mana UKSW Kampus 2 berada.

3. Dari UKSW Kampus 1 kita menuju ke arah Bundaran Tamansari, setelah dari Bundaran Tamansari, kita menuju ke jalan Sukowati atau kearah alun-alun kota, setelah melewati alun-alun, kita menuju ke jalan Brigjen Sudiarto dan di ujung jalan tersebut adalah jalan Osamaliki dan di situlah UKSW Kampus 2 berada.

Dalam merepresentasikan pengetahuan dan memilih teknik penyelesaian yang baik, dari analisis diatas dapat kita ambil jarak atau perjalanan terpendek dan tercepat adalah jalur pertama. Mengapa?
Dikarenakan jalur tersebut, untuk menuju ke UKSW Kampus 2 tidak perlu melewati beberapa jalan. Hanya melewati 2 jalan saja dan jalan tersebut tidak mencari jalan yang lain atau berbelok-belok.

Lintasan dari A menuju ke T :
1. A – B – F – G – T
2. A – B – F – G – J – T
3. A – B – F – G – I – J – T
4. A – C – D – G – T
5. A – C – D – G – J – T
6. A – C – D – G – I – J – T
7. A – C – F – G – T
8. A – C – F – G – J – T
9. A – C – F – G – I – J – T

Lintasan yang tidak sampai :
1. A – B – F – E
2. A – B – F – G – H
3. A – C – F – E
4. A – C – F – G – H
5. A – C – D – G – H

Harga resmi tidak diketahui tetapi ada yang sudah menjual di Singapura dengan harga USD 500 atau mendekati empat jutaan rupiah.

Berikut ini spesifikasi Netbook Fujitsu LifeBook MH330:

* 10.1” 1024 x 600 display (400:1 contrast ratio)
* Atom N450 processor
* 1GB RAM
* 250GB HDD
* GMA 3150 graphis
* 802.11b/g/n Wi-Fi
* Bluetooth V2.1
* 3x USB, VGA, cared reader

Jadi bisa disimpulkan bahwa pertama kali Dell Streak akan dipasarkan di Eropa terlebih dahulu dan di Amerika akan menyusul tak lama kemudian.

Tablet Dell Streak ini akan memiliki layar sentuh multitouch dengan resolusi 800×480px, kamera 5mpx dengan autofocus dan flash, serta pilihan warna-warna yang menarik serta cover yang bisa dipersonalisasi. Tablet ini juga memiliki kamera depan VGA untuk videochat. Ada juga docking connector 30 pin sehingga kita bisa menancapkan ke docking.

Credit : Berita Teknologi