DHAFI RAFIQI
2211050004
Articifial Intellegence 7SI-2
1. Pencarian Buta (Blind search) adalah Algoritma yang tidak memberikan informasi tentang permasalahan yang ada, hanya sebatas definisi dari algoritma tersebut. 
1. Pencarian Buta (Blind search) adalah Algoritma yang tidak memberikan informasi tentang permasalahan yang ada, hanya sebatas definisi dari algoritma tersebut. 
CONTOH BLIND SEARCH:
RANDOM SEARCH
Metode ini akan memilih secara acak keadaan baru dari keadaan yang sekarang, jika goal(tujuan) telah dicapai maka pencarian akan berhenti, namun jika tidak maka akan operator selanjutnya secara acak untuk pindah ke keadaan selanjutnya.
RANDOM SEARCH
Metode ini akan memilih secara acak keadaan baru dari keadaan yang sekarang, jika goal(tujuan) telah dicapai maka pencarian akan berhenti, namun jika tidak maka akan operator selanjutnya secara acak untuk pindah ke keadaan selanjutnya.
2. - Singkatan untuk BFS adalah singkatan dari Breadth First Search. 
DFS adalah singkatan dari Depth First Search.
- Organisasi Data BFS (Pencarian Pertama Luas) menemukan jalur terpendek menggunakan struktur data Antrian. 
- Organisasi Data BFS (Pencarian Pertama Luas) menemukan jalur terpendek menggunakan struktur data Antrian. 
DFS (Pencarian Pertama Kedalaman) menggunakan struktur data Stack.
- Teknik Karena BFS mencapai titik dengan tepi paling sedikit dari titik sumber, BFS dapat digunakan untuk mengidentifikasi jalur terpendek asal tunggal di dalam grafik yang tidak tertimbang. 
- Teknik Karena BFS mencapai titik dengan tepi paling sedikit dari titik sumber, BFS dapat digunakan untuk mengidentifikasi jalur terpendek asal tunggal di dalam grafik yang tidak tertimbang. 
Di DFS, kita mungkin perlu melintasi lebih banyak tepi untuk beralih dari verteks sumber ke verteks tujuan.
- Cocok untuk Membuat Keputusan BFS Treestheirwinning memprioritaskan semua tetangga dan karenanya tidak cocok untuk pohon pengambilan keputusan dalam permainan atau teka-teki. 
- Cocok untuk Membuat Keputusan BFS Treestheirwinning memprioritaskan semua tetangga dan karenanya tidak cocok untuk pohon pengambilan keputusan dalam permainan atau teka-teki. 
DFS lebih cocok untuk tantangan bermain game atau puzzle. Kami membuat pilihan dan kemudian menyelidiki semua hasil yang mungkin. Jika keputusan ini menghasilkan situasi win-win, kami berhenti.
Komplikasi Waktu Waktu berjalan BFS menjadi O (V E) saat menggunakan Daftar Adjacency dan O (V2) saat menggunakan Matriks Adjacency, di mana V mewakili simpul dan E mewakili tepi. 
Komplikasi Waktu Waktu berjalan BFS menjadi O (V E) saat menggunakan Daftar Adjacency dan O (V2) saat menggunakan Matriks Adjacency, di mana V mewakili simpul dan E mewakili tepi. 
DFS memiliki kompleksitas waktu O (V E) ketika menggunakan Daftar Adjacency dan O (V2) ketika menggunakan Matriks Adjacency, di mana V mengacu pada simpul & E yang berarti tepi.
Aplikasi BFS digunakan dalam berbagai aplikasi, termasuk grafik bipartit, rute terpendek, dll. 
Aplikasi BFS digunakan dalam berbagai aplikasi, termasuk grafik bipartit, rute terpendek, dll. 
DFS digunakan dalam berbagai aplikasi, termasuk grafik asiklik & urutan topologi.
Kompleksitas ruang Dalam BFS, kompleksitas kasus lebih penting daripada kompleksitas waktu. DFS membutuhkan lebih sedikit ruang karena hanya perlu menyimpan satu rute dari akar ke simpul daun sekaligus.
Kompleksitas ruang Dalam BFS, kompleksitas kasus lebih penting daripada kompleksitas waktu. DFS membutuhkan lebih sedikit ruang karena hanya perlu menyimpan satu rute dari akar ke simpul daun sekaligus.
Sumber: https://unacademy.com/content/gate-cse-it/difference-between-bfs-and-dfs/
3. - Mencari Kata dalam Sebuah Teka-teki Silang: Setiap huruf yang kamu coba adalah sebuah langkah dalam pencarian kata yang tepat. Dengan mencoba berbagai kombinasi huruf, kamu akhirnya akan menemukan kata yang sesuai dengan petunjuk.
- Memecahkan Rubik's Cube: Setiap gerakan yang kamu lakukan untuk memutar kubus bisa dianggap sebagai sebuah langkah dalam pencarian. Dengan mencoba berbagai kombinasi, kamu akhirnya akan menemukan solusi untuk menyelesaikan kubus.
4. Menilai efisiensi dan keefektifan sebuah algoritma pencarian itu penting, terutama saat kita ingin memilih algoritma yang paling cocok untuk suatu masalah. Ada beberapa faktor yang perlu dipertimbangkan:
Efisiensi:
Waktu Komputasi: Seberapa cepat algoritma tersebut dapat menemukan solusi? Algoritma yang efisien akan menghasilkan solusi dalam waktu yang relatif singkat, terutama untuk masalah yang besar.
Waktu Komputasi: Seberapa cepat algoritma tersebut dapat menemukan solusi? Algoritma yang efisien akan menghasilkan solusi dalam waktu yang relatif singkat, terutama untuk masalah yang besar.
Keefektifan:
Optimalitas: Apakah solusi yang ditemukan adalah solusi terbaik? Algoritma yang optimal akan selalu menemukan solusi terbaik, yaitu solusi dengan biaya terendah atau waktu tercepat.
Kompleksitas Masalah: Semakin kompleks masalahnya, semakin sulit untuk menemukan algoritma yang efisien dan efektif.