ABSTRAKSI: Dalam AI terdapat beberapa teknik problem solving yang digunakan dan salah satunya adalah planning. Planning ini adalah teknik pencarian aksi-aksi yang digunakan agar initial state dapat berubah menjadi goal state. Dalam planning terdapat algoritma hill climbing yang menggabungkan teknik heuristic search dengan planning. Heuristic yang digunakan dalam algoritma ini adalah heuristic additive. Ada dua metode dalam Planning,yaitu Forward Planning dan Backward Planning. Pada Forward Planning, sebuah aksi relevan dengan goal jika salah satu efeknya cocok dengan subgoal. Sedangkan Backward Planning akan membuktikan pencapaian goal dari current state.
Dalam tugas akhir ini diimplementasikan algoritma hill climbing dengan menggunakan heuristic additive. Sistem ini akan menampilkan output berupa aksi-aksi yang dilakukan oleh sistem untuk mencapai goal state, menampilkan jumlah aksi yang dilakukan, serta menampilkan waktu proses yang dibutuhkan sistem untuk menyelesaikan problem.
Hasil dari penelitian tugas akhir ini didapat bahwa algoritma hill climbing planner bisa berjalan hingga kompleksitas lima belas balok. Backward Planning terbukti lebih baik dibandingkan ForwardPlanning karena lebih mampu nenemukan solusi. Algoritma Hill Climbing tidak dapat menyelesaikan kasus yang kondisi heuristicnya sudah minimum dan untuk mencapai goal harus melakukan aksi yang membuat heuristicnya menjadi bertambah. Solusi yang didapat dari algoritma ini sudah optimal dibandingkan dengan solusi yang dihasilkan Algoritma Graphplan.Kata Kunci : hill climbing, solving by searching, heuristic additive, artificial intelligence,ABSTRACT: In AI there are some techniques for problem solving that been used and one of them is planning. Planning is one of searching technique that is used in order that initial state can change to be a goal state. In planning there is hill climbing planner algorithm that combined heuristic search technique with planning. Heuristic that is used in this algorithm called heuristic additive. There are two methods in Planning, they are Forward Planning and Backward Planning. In Forward Planning, an action relevant with subgoal if at least one of its effect compatible with a subgoal. However, Backward Planning will proves goal achievement from the current state.
In this final project, have been implemented hill climbing planner algorithm with heuristic additive. This system will show steps chosen by the system to reach goal state, figure out some acts that have been done, and shows timing process that is needed by system to finish the problem.
From this final project’s experiment is concluded that hill climbing planner algorithm can be worked until complexity fifthteen blocks. Backward Planning proved better than Forward Planning because of its ability to solve more problem than Forward Planning does. Hill Climbing Algorithm can’t solved the problem where the state have a minimum heuristic and to reach a goal must act that can make a heuristic increased. The results of this algorithm compared with Graphplan Algorithm are optimalKeyword: hill climbing, solving by searching, heuristic additive, artificial intelligence, planning,