Pada tanggal 23 September 2022, Program Studi Teknik Informatika di Institut Teknologi Sumatera (ITERA) menyelenggarakan kegiatan kuliah tamu dalam rangka Program Kompetisi Kampus Merdeka (PK-KM) dengan tema “Intelegensi Buatan.” Acara ini menghadirkan narasumber berpengalaman di bidang Artificial Intelligence, yaitu Andhik Ampuh Yunanto, S.Kom., M.Kom., yang berbagi pengetahuan terkait salah satu algoritma pencarian yang populer: algoritma hill climbing.
Algoritma hill climbing adalah algoritma pencarian lokal yang digunakan untuk optimasi dan penyelesaian masalah. Algoritma ini bekerja dengan cara terus bergerak ke arah peningkatan nilai, hingga mencapai titik di mana tidak ada tetangga yang memiliki nilai lebih tinggi. Salah satu contoh penerapan algoritma ini adalah dalam traveling-salesman problem, di mana seorang agen (misalnya seorang salesman) perlu mengunjungi sejumlah kota dengan jarak total yang seminimal mungkin. Pendekatan ini sering disebut *pencarian lokal serakah* karena hanya mempertimbangkan solusi terbaik dari lingkungan terdekat tanpa memperhitungkan solusi yang lebih jauh.
Algoritma hill climbing digunakan dalam konteks optimasi, terutama ketika terdapat heuristik atau fungsi evaluasi yang baik. Pendekatan ini sederhana karena tidak perlu menyimpan struktur pohon pencarian atau grafik, melainkan hanya memerlukan satu status atau keadaan (state) pada satu waktu.
Dalam algoritma ini, terdapat beberapa komponen penting:
1. State (Keadaan): Titik yang sedang dievaluasi pada lanskap pencarian.
2. Value (Nilai): Nilai dari keadaan yang merepresentasikan kualitas solusi.
Lanskap ruang status (state-space landscape) adalah representasi grafis dari algoritma ini, dengan sumbu Y menunjukkan fungsi tujuan atau fungsi biaya, dan sumbu X menunjukkan ruang keadaan. Jika tujuan pada sumbu Y adalah fungsi biaya, maka tujuan pencariannya adalah menemukan titik minimum global. Jika berupa fungsi tujuan, maka pencariannya adalah mencari maksimum global.
Dalam lanskap ini, terdapat beberapa konsep yang perlu dipahami:
1. Local Maximum: Puncak sementara yang lebih baik dari tetangganya, tetapi bukan solusi global.
2. Global Maximum: Solusi tertinggi atau terbaik yang dapat ditemukan di seluruh lanskap.
3. Flat Local Maximum: Area datar di mana nilai semua tetangga sama.
Kuliah tamu ini bertujuan untuk meningkatkan mutu pendidikan dan pemahaman mahasiswa terkait teknik-teknik optimasi dalam ilmu komputer, khususnya dalam lingkup Artificial Intelligence. Materi yang diberikan bertujuan untuk melengkapi pengetahuan mahasiswa dalam mata kuliah Intelegensi Buatan, khususnya pada topik Problem Solving & Search Beyond Classical Search. Selain itu, kegiatan ini merupakan salah satu upaya untuk mewujudkan visi Program Kompetisi Kampus Merdeka (PK-KM) dalam meningkatkan kualitas pendidikan tinggi secara berencana dan berkelanjutan.
Kegiatan ini dihadiri oleh mahasiswa Teknik Informatika ITERA yang tertarik mempelajari algoritma pencarian dan optimasi dalam konteks Artificial Intelligence. Narasumber, Andhik Ampuh Yunanto, S.Kom., M.Kom., memaparkan teori dan aplikasi algoritma hill climbing serta contoh kasus yang relevan, sehingga mahasiswa memperoleh pemahaman yang lebih baik tentang pentingnya metode optimasi dalam pengembangan teknologi berbasis AI.
Dengan adanya kegiatan seperti kuliah tamu ini, mahasiswa diharapkan dapat memperdalam pemahaman mengenai teknik-teknik dasar dalam Artificial Intelligence dan penerapannya dalam berbagai bidang. Kuliah tamu ini juga menjadi wadah bagi mahasiswa untuk belajar langsung dari praktisi di bidang teknologi informasi, yang akan sangat berguna dalam menghadapi tantangan di dunia kerja serta mendukung pencapaian tujuan pendidikan tinggi yang lebih unggul dan berdaya saing tinggi.
Melalui Program Kompetisi Kampus Merdeka, ITERA menunjukkan komitmennya untuk mempersiapkan mahasiswa dengan keterampilan yang sesuai dengan perkembangan teknologi terkini dan kebutuhan industri.
