Nama : Syaiful Maarif
NPM : 2311059017P
Kelas : 7SIS1
Diskusi : Pertemuan 3
1. Apa yang dimaksud dengan "pencarian buta" dalam kecerdasan buatan, dan apa peran utamanya dalam pemecahan masalah?
Pencarian buta, juga disebut pencarian tanpa informasi, bekerja tanpa informasi tentang ruang pencarian. Pencarian ini hanya mengetahui cara membedakan status tujuan dari yang lainnya. Artinya, pencarian ini akan mengetahui saat Anda telah mencapai tujuan, tetapi tidak akan memberi tahu Anda apakah jalur tertentu akan membawa kita ke tujuan. Algoritme ini tidak memiliki pengetahuan domain tentang status masalah dan tidak menggunakan heuristik.
Peran utama dalam pemecahan masalah yaitu : state, successor function, Goal test, path cost
Referensi : https://prateekvjoshi.com/2014/01/18/why-would-we-ever-use-blind-search/(Prateek Joshi)
2. Apa perbedaan antara Breadth-First Search (BFS) dan Depth-First Search (DFS) dalam pencarian buta? 
BFS (Breadth-first search) adalah metode pencarian jaringan yang menyelidiki semua simpul di sekitarnya setelah memulai dari simpul akar. DFS (Depth initial search) adalah algoritma yang dimulai dengan simpul pertama dalam jaringan dan terus menjelajah hingga menemukan simpul yang diinginkan atau bahkan simpul tanpa anak. Akibatnya, perbedaan utama antara BFS dan DFS adalah sebagai berikut :
- BFS menggunakan struktur data antrian sedangkan DFS memanfaatkan struktur data stack.
- BFS dapat mengidentifikasi satu jalur terpendek asal didalam graf yang tidak berbobot, DFS perlu melintasi banyak sisi untuk berpindah     dari titik sumber ke titik tujuan
- BFS berprinsip FIFO (First in, First Out), DFS berprinsip LIFO ( Last in First Out)
Referensi : https://unacademy.com/content/gate-cse-it/difference-between-bfs-and-dfs/
3. Sebutkan beberapa contoh masalah dunia nyata yang dapat dipecahkan dengan teknik pencarian dan pelacakan buta.
- Jaringan Sensor Cerdas untuk Sistem Perawatan Kendaraan
membahas tentang Jaringan Sensor Cerdas untuk Sistem Perawatan Kendaraan. Mobil modern bukan lagi sekadar perangkat mekanis; Mereka dipantau secara luas melalui berbagai jaringan sensor & menggunakan sirkuit terpadu serta teknik desain dan kontrol berbasis mikroprosesor, sementara transformasi ini telah mendorong kemajuan besar dalam efisiensi dan keselamatan. Dalam sistem yang ada penekanannya diberikan pada keselamatan kendaraan, modifikasi struktur fisik kendaraan tetapi sistem yang diusulkan memperkenalkan konsep penting dalam bidang industri otomotif. Ini adalah antarmuka teknologi canggih seperti Sistem Tertanam dan dunia Otomotif. ΓÇ£Jaringan Sensor Cerdas untuk Sistem Perawatan KendaraanΓÇ¥ ini paling cocok untuk keamanan kendaraan serta pemeliharaan kendaraan. Selanjutnya juga mendukung fitur lanjutan antarmuka modul GSM. Melalui konsep ini jika terjadi keadaan darurat atau kecelakaan, sistem akan secara otomatis mendeteksi dan mencatat berbagai parameter seperti level gas LPG, Suhu Mesin, kecepatan saat ini, dan lain-lain. sehingga pada saat investigasi parameter ini dapat berperan penting untuk mengetahui kemungkinan penyebab kecelakaan. Selanjutnya jika terjadi kecelakaan & pencurian kendaraan, modul GSM akan mengirimkan SMS ke Polisi, perusahaan asuransi serta anggota keluarga.
Referensi : https://wikidocs.net/202259
[1]. Ashwani chandel, Manu Sood,ΓÇ¥Teknik Pencarian dan Optimasi dalam Kecerdasan Buatan: Studi Komparatif & Analisis KompleksitasΓÇ¥, Jurnal Internasional Penelitian Lanjutan di bidang Teknik & Teknologi Komputer (IJARCET) Volume 3 Edisi 3, Maret 2014.
[2]. DonavalliVenkataVidya Deepthi, M.Ganesh Babu,Konda Sreenu,ΓÇ¥ Perbandingan Teknik Optimasi Berbeda dalam Kecerdasan BuatanΓÇ¥, Jurnal Internasional Tren Penelitian Lanjutan dalam Teknik dan Teknologi (IJARTET) Vol. 4, Edisi Khusus 21 Agustus 2017
[3]. DW Patterson, ΓÇ£Pengantar Kecerdasan Buatan dan Sistem PakarΓÇ¥, PHI Learning Private Limited, 2009.
[4]. S. Russel dan P.Norvig, ΓÇ£Artificial Intelligence a Modern ApproachΓÇ¥, Sebuah buku tentang Kecerdasan Buatan dan AlgoritmaΓÇû, 2006.
[5]. RE Korf, ΓÇ£Makalah Ilmiah tentang Algoritma Pencarian Kecerdasan BuatanΓÇ¥, Universitas California Los Angeles, Juni 1999.
4. Bagaimana Anda menilai efisiensi dan keefektifan sebuah algoritma pencarian dalam pemecahan masalah? Apa yang perlu    dipertimbangkan?
1.Pahami Masalah dengan Baik:
Pertama-tama, pahami sepenuhnya masalah yang akan Anda selesaikan. Pahami masalah secara menyeluruh, termasuk batasan dan persyaratan spesifiknya.
2.Analisis Kecepatan dan Kompleksitas Algoritma:
Evaluasi berbagai algoritma yang mungkin untuk menyelesaikan masalah tersebut. Perhatikan waktu eksekusi (kompleksitas waktu) dan penggunaan sumber daya lainnya seperti memori (kompleksitas ruang) dari masing-masing algoritma. Algoritma yang lebih efisien biasanya memiliki kompleksitas yang lebih rendah.
3.Pertimbangkan Keperluan Spesifik:
Pertimbangkan aspek-aspek spesifik dari masalah, seperti volume data yang akan diolah, frekuensi penggunaan algoritma, dan sumber daya yang tersedia. Algoritma yang efisien dalam satu konteks mungkin tidak efisien dalam konteks lain.
4.Uji Kinerja Algoritma:
Uji kinerja berbagai algoritma dengan data yang relevan untuk kasus Anda. Ini dapat memberikan wawasan langsung tentang bagaimana algoritma akan berkinerja pada kasus yang sebenarnya.
5.Perhatikan Skalabilitas:
Pertimbangkan apakah algoritma akan tetap efisien ketika digunakan pada data yang lebih besar atau dalam jangka waktu yang lebih lama.
6.Teliti Kemajuan dan Literatur:
Teliti penelitian terbaru dan literatur terkait dengan masalah yang Anda hadapi. Mungkin ada algoritma atau teknik terbaru yang lebih efisien dalam menyelesaikan masalah serupa.
7.Bandingkan Keuntungan dan Kekurangan:
Evaluasi keuntungan dan kekurangan masing-masing algoritma, termasuk faktor-faktor seperti kemudahan pemeliharaan, skalabilitas, dan ketersediaan sumber daya.
8.Pilih Algoritma yang Sesuai:
Setelah mempertimbangkan semua faktor di atas, pilih algoritma yang paling sesuai dengan kebutuhan Anda, baik dari segi efisiensi maupun faktor-faktor lainnya.
9.Implementasi dan Uji Kembali:
Implementasikan algoritma yang dipilih dan uji kembali kinerjanya dengan data aktual. Hal ini akan membantu memvalidasi pilihan Anda dan mengidentifikasi masalah yang mungkin timbul dalam situasi nyata.
10.Kontinuasi Pemantauan:
Setelah implementasi, terus pantau kinerja algoritma. Jika masalah berkembang atau persyaratan berubah, Anda mungkin perlu mempertimbangkan kembali pilihan algoritma Anda.
Yang perlu dipertimbangkan, memilih algoritma yang tepat adalah langkah kunci dalam mengembangkan perangkat lunak yang efisien. Pemahaman yang baik tentang masalah, analisis algoritma, dan uji kinerja akan membantu Anda membuat keputusan yang tepat.
Referensi : https://brainly.co.id/tugas/54513072 (arintajuliabuwanasap)