Jurnal Teknik Informatika, Vol 1 Sepetember 2012

Sistem Pakar Diagnosa Penyakit Ginjal Menggunakan

Metode Hill Climbing
Suci Oktaviana1,, Satria Perdana Arifin, S.T, M.T.I2, Ibnu Surya, S.T3
1
Teknik Informatika
2
Sistem Informasi Industri
3
Teknik Informatika
Politeknik Caltex Riau
Jl. Umbansari 1 Rumbai, Pekanbaru 28265 – Riau. Telp: 0761-53939, Fax: 0761-554224
www.pcr.ac.id

Abstrak
Ginjal adalah salah satu organ penting pada tubuh manusia dalam sistem ekskresi. Jika ginjal tidak
berfungsi dengan baik, maka badan tidak berupaya menolak air, garam, dan bahan lain secukupnya yang
dapat mengakibatkan kematian kecuali jika pengobatan secara analisa dilakukan. Untuk itu diperlukan
suatu sistem pakar yang digunakan untuk mendiagnosa awal dari penyakit ginjal sehingga membantu
pemakai dalam mengidentifikasi permasalahan kesehatan. Sistem pakar dapat menirukan langkah-
langkah yang dilakukan seorang pakar untuk memecahkan masalah berdasarkan pengetahuan masalah
yang dimilikinya. Proses identifikasi yang dilakukan melalui interaksi tanya-jawab antara sistem dengan
pemakai. Aturan pada basis pengetahuan menggunakan metode penalaran forward chaining dan metode
penelusuran Hill Climbing, memanfaatkan database MySQL serta bahasa pemrograman PHP.
Berdasarkan hasil analisa kuisioner dengan persentase sebesar 89,3% diperoleh bahwa sistem ini dapat
memberikan data dan informasi yang bermanfaat bagi pasien.

Kata Kunci: Ginjal, Sistem Pakar, Forward Chaining, Hill Climbing.

Abstract
Kidney is one of the important organs of the human body in the excretion system. If the kidneys are not
functioning properly, the body does not attempt to resist water, salt, and other ingredients to taste that
can result in death unless treatment is performed analysis. It required an expert system that is used to
diagnose the onset of kidney disease so as to help users in identifying health problems. Expert systems
can mimic the steps taken an expert to solve the problem based on the knowledge they have. The
identification process is done through a question and answer interaction between the user's system. The
rules to the knowledge base using forward chaining reasoning and Hill Climbing search method, using
the MySQL database and the PHP programming language. Based on the analysis of the questionnaire
with a percentage of 89.3% was obtained that the system can provide data and information to benefit
patients.

Keywords: Kidney, Expert System, Forward Chaining, Hill Climbing.

1. Pendahuluan
Sistem pakar merupakan sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar
komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar
biasanya digunakan untuk melakukan interpretasi dan analisa, diagnosa, dan membantu pengambilan
keputusan. Salah satu implementasi sistem pakar pada bidang kesehatan yaitu untuk melakukan diagnosa
awal pada penyakit ginjal.
Penyakit ginjal adalah penyakit yang memang harus dikenali dan diwaspadai sejak dini oleh setiap
orang. Ginjal yang merupakan salah satu bagian dari sistem eksresi sangat penting bagi keberlangsungan
kesehatan manusia. Ginjal adalah organ penting dalam tubuh yang menjalankan fungsi penting dalam
tubuh sebagai alat filtrasi, yaitu mengeluarkan kelebihan garam, air, dan asam. Dengan demikian
diperlukan kemampuan analisa yang akurat dalam menentukan diagnosa keadaan ginjal seseorang.
Namun dengan kemudahan adanya dokter ahli, terkadang terdapat pula kelemahannya seperti jam kerja
(praktek) terbatas dan banyaknya pasien sehingga harus menunggu antrian. Dikarenakan permasalahan
tersebut, sehingga mendorong pembangunan sebuah sistem pakar diagnosa penyakit ginjal untuk
diwujudkan. Oleh karena itu, dalam proyek akhir ini dibangun aplikasi sistem pakar diagnosa penyakit
2 Suci Oktaviana

ginjal. Ada beberapa metode penulusuran heuristik yang digunakan untuk sistem pakar seperti generate
and test, hill climbing, best first search, dan simulated annealing.
Metode penulusuran sistem pakar yang digunakan pada proyek akhir ini adalah Hill Climbing. Proses
pengujian Hill Climbing dilakukan dengan menggunakan fungsi heuristik yang menunjukkan seberapa
baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang mungkin.

Adapun tujuan dari proyek akhir ini adalah:

1. Membangun aplikasi sistem pakar berbasis web sebagai alat bantu untuk mendiagnosa penyakit ginjal.
2. Memberikan informasi penyakit berdasarkan gejala-gejala awal dari penyakit ginjal.

Perumusan masalah dalam membuat proyek akhir ini yaitu:

1. Bagaimana merancang suatu sistem pakar yang dapat digunakan untuk mendiagnosa jenis penyakit
ginjal berdasarkan gejala yang dirasakan user menggunakan metode forward chaining dan metode
penulusuran Hill Climbing.
2. Bagaimana mendapatkan data-data tentang penyakit ginjal yang sesuai dengan ilmu kedokteran.

Ruang lingkup masalah dalam proyek akhir ini adalah:

1. Data-data penunjang penyakit ginjal digunakan yaitu hanya penyakit ginjal dengan kategori penyakit
Glomerulonefropati (peradangan ginjal), yakni syndrome nefritik dan syndrome nefrotik. Melakukan
konsultasi dengan dr. H. Jazil Karimi, Sp.PD yang praktek di RSUD Arifin Achmad Pekanbaru dan
dr. Arles, Sp.PD yang praktek di RS Awal Bros Pekanbaru.
2. Hasil diagnosa jenis penyakit memiliki bobot yang didapat dari pengetahuan dokter ahli (spesialis
penyakit dalam).
3. Pembangunan sistem pakar menggunakan metode penalaran maju (forward chaining) dan metode
penulusuran Hill Climbing.
4. Nilai bobot bersifat statis (tidak bisa di ubah).
5. Aplikasi ini digunakan oleh admin dan user (pengguna).
6. Penyimpanan data-data penunjang menggunakan database MySQL.
7. Bahasa pemrograman yang digunakan adalah PHP.
8. Output yang dihasilkan dari aplikasi ini adalah diagnosa awal penyakit ginjal beserta hasil
pembobotan yang digunakan sebagai besarnya penyakit yang diderita user.

Manfaat dari sistem pakar untuk diagnosa penyakit ini adalah:

1. Masyarakat dapat menggunakan sistem ini untuk mengetahui jenis penyakit ginjal secara lebih cepat
dan tepat.
2. Masyarakat dapat melakukan diagnosa sendiri penyakit ginjal berdasarkan gejala-gejala awal yang di
rasakan oleh user.

2. Tinjauan Pustaka

2.1 Sistem Pakar

Sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke
komputer yang dirancang untuk menyelesaikan masalah seperti layaknya seorang pakar.
Keahlian dipindahkan dari pakar ke suatu komputer. Pengetahuan ini kemudian disimpan di dalam
komputer. Pada saat pengguna menjalankan komputer untuk mendapatkan informasi, maka sistem pakar
akan menanyakan fakta-fakta dan dapat membuat penalaran (inferensi) sehingga sampai pada suatu
kesimpulan. Kemudian, sistem pakar memberikan penjelasan dan kesimpulan atas hasil konsultasi yang
telah dilakukan sebelumnya (Turban, E., 2005). Dengan sistem pakar ini, orang awam pun dapat
menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya
hanya dapat diperoleh dengan bantuan para ahli dibidangnya. Sistem pakar ini juga dapat membantu
aktivitas para pakar sebagai asisten yang mempunyai pengetahuan yang dibutuhkan.

2.2 Metode Inferensi

Metode inferensi merupakan suatu cara penarikan kesimpulan yang dilakukan oleh mesin inferensi
untuk menyelesaikan masalah. Ada dua metode inferensi yang penting dalam sistem pakar, yaitu runut
maju (forward chaining) dan runut balik (backward chaining).
 3

1. Forward Chaining
Forward Chaining adalah suatu strategi pengambilan keputusan yang dimulai dari bagian premis
(fakta) menuju konklusi (kesimpulan akhir) (Kusrini, 2006). Metode inferensi ini yang akan
digunakan dalam sistem pakar yang akan dibangun dengan contoh penalaran sebagai berikut :
If Nyeri pinggang
And sulit buang air kecil
And urine berwarna gelap
And produksi urine sedikit
Then Sindroma Nefritik

Gambar 2.2 Skema Forward Chaining

Dalam proyek akhir ini menggunakan metode penalaran forward chaining (Runut Maju).
Karena pada teknik ini, pendekatan penalaran dimulai dari sekumpulan data yang berupa gejala
penyakit yang diderita menuju kesimpulan akhir, sehingga memudahkan untuk melakukan konsep
sistem kecerdasan buatan ini.

2.3 Pencarian Heuristik (Heuristic Searching)

Pencarian buta tidak selalu dapat diterapkan dengan baik, hal ini disebabkan waktu aksesnya yang
cukup lama serta besarnya memori yang diperlukan. Kelemahan ini sebenarnya dapat diatasi jika ada
informasi tambahan dari domain yang bersangkutan (Kusumadewi, 2003). Istilah heuristic berasal dari
bahasa Yunani yang berarti menemukan. Heuristic merupakan suatu strategi untuk melakukan proses
pencarian (search) ruang problema secara selektif, yang memandu proses pencarian yang kita lakukan
disepanjang jalur yang memiliki kemungkinan hasil paling maksimal. Heuristik adalah sebuah teknik
yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan
kelengkapan (completeness). Metode heuristic search menggunakan suatu fungsi yang menghitung biaya
perkiraan (estimasi) dari suatu simpul tertentu menuju ke simpul tujuan, disebut fungsi heuristic.
Fungsi heuristik digunakan untuk mengevaluasi keadaan-keadaan problema individual dan
menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.
Jenis-jenis Heuristic Searching:
1. Generate and Test.
2. Hill Climbing.
3. Best First Search.
4. Alpha Beta Prunning, Means-End-Analysis, Constraint Satisfaction, Simulated Annealing.

2.4 Hill Climbing

Metode Hill Climbing Search adalah salah satu metode pencarian dalam menentukan diagnosa
penyakit yang singkat dengan memperkecil jumlah keadaan yang disinggahinya tanpa harus mengecek
pada node sesudahnya. Metode Hill Climbing merupakan variasi dari metode DFS. Dengan metode ini,
eksplorasi terhadap keputusan dilakukan dengan cara DFS dengan mencari path yang bertujuan
menurunkan cost untuk menuju kepada goal/kesimpulan. Dalam prosedur Hill Climbing, fungsi uji
dikombinasikan dengan fungsi heuristik. Dimana fungsi heuristik disini menggunakan ukuran keyakinan
dari pasien (user) untuk menentukan diagnosa awal penyakitnya atau tes yang berupa fungsi heuristik ini
akan menunjukkan seberapa baiknya nilai terkaan (estimasi) yang diambil terhadap keadaan-keadaan
lainnya yang mungkin.
Cara kerjanya adalah menentukan langkah berikutnya dengan menempatkan node yang akan muncul
sedekat mungkin dengan sasarannya dengan menggunakan fungsi heuristic, yaitu berupa bobot yang
didapat dari dokter ahli pada gejala dengan angka presentase dari 1 hingga 100.
Algoritma Hill Climbing :
1. Mulai dari keadaan awal, lakukan pengujian. Jika merupakan tujuan, maka berhenti. Dan jika tidak,
lanjutkan dengan keadaan sekarang sebagai keadaan awal.
4 Suci Oktaviana

2. Lakukan hingga tujuan tercapai.

a. Tentukan tujuan berdasarkan nilai heuristic terbaik dari node-node yang ada.
b. Lakukan untuk tiap node yang digunakan oleh keadaan sekarang.
i. Gunakan node tersebut dan bentuk keadaan baru.
ii. Evaluasi keadaan baru tersebut. Jika merupakan tujuan (hasil), keluar. Jika tidak, bandingkan
dengan nilai heuristik dengan node lainnya. Jika lebih baik, jadikan nilai heuristik keadaan baru
sebagai tujuan.
c. Jika tujuan lebih baik daripada nilai heuristik keadaan sekarang, ubah tujuan menjadi keadaan
sekarang.

Gambar 2.4 Contoh Tree untuk Hill Climbing

Lintasan yang didapat : S – B – C – E – Z

Keuntungan dari algoritma Hill Climbing ini ialah:
1. Membutuhkan memori yang relative kecil, karena hanya node-node pada lintasan yang aktif saja
yang disimpan.
2. Metode hill climbing search akan menemukan solusi tanpa harus menguji lebih banyak lagi
dalam ruangan keadaan.

3. Perancangan
3.1 Perancangan Sitemap
Sitemap digunakan untuk mempermudah dalam pengenalan jalannya website.
1. Sitemap Admin
Proses kegiatan admin ditunjukkan pada sitemap dibawah ini.

Gambar 3.1 Sitemap Admin

 5

Pada sitemap admin, admin harus melakukan login terlebih dahulu. Setelah proses otentikasi
berhasil terdapat beberapa menu utama yang ada pada halaman utama admin, diantaranya menu daftar
gejala dimana pada menu tersebut admin dapat melakukan tambah gejala dan ubah gejala. Kemudian
pada menu daftar penyakit, admin juga dapat melakukan tambah penyakit dan ubah penyakit. Selain itu,
pada menu daftar rule admin juga bisa melakukan tambah rule dan ubah rule. Kemudian pada menu
terakhir admin juga dapat mengubah password nya pada menu ubah password.

2. Sitemap Pasien
Adapun proses kegiatan pasien ditunjukkan pada sitemap berikut.

Gambar 3.2 Sitemap pasien

Pada sitemap pasien, pasien juga harus melakukan login terlebih dahulu untuk dapat masuk pada
halaman utama pengguna. Setelah berhasil login, pasien(pengguna) dapat melakukan kegiatan yang
terdapat pada menu diagnosa, rekam medis, data pasien, dan keterangan.

3. Sitemap Guest
Proses kegiatan guest dapat dilihat pada gambar berikut.

Gambar 3.3 Sitemap guest

3.2 Flowchart
Flowchart atau diagram alur digunakan untuk menggambarkan alur suatu program menjadi lebih
sederhana sehingga program tersebut dapat lebih dimengerti. Pada aplikasi ini terdapat beberapa
flowchart, yaitu :
1. Flowchart Administrator

Gambar 3.4 Flowchart Admin

6 Suci Oktaviana

2. Flowchart Pasien

Gambar 3.5 Flowchart Pasien

3.3 Perancangan ERD

jenis_kelamin
alamat
nama
pekerjaan
password username password

username tanggal

pasien admin

1
id_history

history
child parent
tanggal
kd_gejala
M

penyakit M rule M gejala

nama_gejala

kd_penyakit nama_penyakit id_rule jawaban

bobot

Gambar 3.6 ERD

3.4 Perancangan Tabel

Tabel – tabel yang terbentuk berdasarkan ERD diatas adalah :
1. Tabel Pasien
Tabel user akan berisi daftar pengguna yang dapat menggunakan sistem ini.
Tabel 3.1 Pasien
Nama Tipe Data Keterangan

username* Char(10) Kode User

Kata kunci user untuk dapat
password Varchar(20)
login.
nama Varchar(40) Nama pasien
jenis_kelamin Varchar(20) Jenis kelamin pasien
alamat Varchar(100) Alamat pasien
pekerjaan Varchar(20) Pekerjaan pasien
tanggal Varchar(100) Tanggal hari ini
 7

2. Tabel Admin
Tabel admin akan berisi data admin untuk login sehingga dapat meng-update data yang ada
didalam sistem.
Tabel 3.2 Admin
Nama Tipe Data Keterangan

username* Char(10) Kode User

password Varchar(20) Kata kunci user untuk dapat login.

3. Tabel Penyakit
Tabel penyakit berisi kd penyakit dan nama penyakit. Kd penyakit digunakan sebagai primary
key untuk memberi tanda yang unik kepada setiap penyakit.
Tabel 3.3 Penyakit
Nama Tipe Data Keterangan

kd_penyakit* int(10) Kode Penyakit

nama_penyakit Varchar(20) Nama penyakit

4. Tabel Gejala
Tabel penyakit berisi kd gejala dan nama gejala. Kd gejala digunakan sebagai primary key untuk
memberi tanda yang unik kepada setiap gejala.
Tabel 3.4 Gejala
Nama Tipe Data Keterangan

kd_gejala* int(10) Kode gejala

nama_gejala
Varchar(100) Nama gejala

5. Tabel History
Tabel history hasil berisi history dari pasien yang melakukan diagnosa.
Tabel 3.5 History
Nama Tipe Data Keterangan

id_history* int(11) Kode history

username** Nama pasien
Varchar(20)
kd_penyakit** Varchar(10) Nama penyakit

tanggal Varchar(40) Tanggal diagnosa

6. Tabel Rule
Terdapat relasi antar tabel gejala dan tabel penyakit, sehingga ditambahkan satu tabel relasi
dengan nama tabel rule.
Tabel 3.6 Rule
Nama Tipe Data Keterangan

id_rule* int(10) Kode Rule

parent**
int(20) Nama gejala
jawaban int(20) Jawaban Ya atau Tidak

child** Int(20) Nama Gejala

8 Suci Oktaviana

kd_penyakit** int(20) Nama penyakit

bobot Bobot gejala untuk penyakit

Varchar(20)

4. Pengujian dan Analisa

4.1 Tampilan Awal Website

Gambar 4.1 Tampilan awal

Pada gambar 4.1 merupakan tampilan awal dari aplikasi. Pada halaman awal aplikasi user (guest)
dapat daftar terlebih dahulu, kemudian login sebagai member.

Gambar 4.2 Petunjuk Diagnosa

Gambar 4.3 Halaman Diagnosa

Pada gambar 4.2 diatas ialah halaman petunjuk untuk mulai melakukan diagnose. Sedangkan
Gambar 4.3 di atas merupakan halaman untuk melakukan diagnosa.
 9

4.2 Analisa
Pada pengujian pengguna ini dilakukan dengan cara pengisian kuesioner yang berisi kan 5
pernyataan terhadap 15 reponden. Pernyataan yang akan diberikan yaitu terdiri dari 2 jenis yaitu : dari
segi Interaksi Manusia Komputer (IMK) dan dari segi sistem diagnosis penyakit. Setiap pertanyaan diberi
poin yaitu dengan oin nilai 1 sampai 5 dengan keterangan sebagai berikut.
Poin 1 = Buruk (B)
Poin 2 = Kurang Baik (KB)
Poin 3 = Cukup Baik (CB)
Poin 4 = Baik (B)
Poin 5 = Sangat Baik (SB)
1. Kuisioner Untuk Pengguna
Kuisioner untuk pengguna, disediakan 5 pertanyaan tentang memudahkan dalam mendiagnosa
penyakit ginjal khususnya syndrome nefritik dan syndrome nefrotik, kenyamanan dalam pemakaian
aplikasi, sistem berjalan dengan baik sesuai dengan fungsi-fungsinya, sistem memberikan data dan
informasi yang bermanfaat bagi pasien, sistem mudah digunakan. Hasil kuisioner adalah sebagai berikut :

Tabel 4.1 Rekapitulasi hasil kuesioner kepada pengguna sistem

Jumlah Responden 15 pengguna

NO Evaluasi
Sangat Sangat
Baik Cukup Kurang
Baik Kurang
Memudahkan dalam mendiagnosa
1 penyakit ginjal khususnya syndrome 8 4 3 0 0
nefritik dan syndrome nefrotik

2 Kenyamanan dalam pemakaian aplikasi 6 7 2 0 0

Sistem berjalan dengan baik sesuai
3 dengan fungsi-fungsinya 6 6 3 0 0

Sistem memberikan data dan informasi

4 9 4 2 0 0
yang bermanfaat bagi pasien

5 Sistem mudah digunakan 9 3 3 0 0

Dari hasil perhitungan analisa kuisioner, maka dapat diketahui nilai dari setiap pernyataan seperti
dibawah ini :
Tabel 4.2 Tabel nilai analisa diagnosa penyakit ginjal dengan responden dokter ahli
Pernyataan 1 2 3 4 5 Skor

1. Memudahkan dalam mendiagnosa

penyakit ginjal khususnya syndrome 0 0 3 4 8 86,7%
nefritik dan syndrome nefrotik.

2. Kenyamanan dalam pemakaian aplikasi 0 0 2 7 6 85,3%

3. Sistem berjalan dengan baik sesuai

0 0 3 6 6 84%
dengan fungsi-fungsinya

4. Sistem memberikan data dan informasi

0 0 2 4 9 89,3%
yang bermanfaat bagi pasien

5. Sistem mudah digunakan 0 0 3 3 9 88%

10 Suci Oktaviana

Dari nilai yang didapat dengan menggunakan metode skala likert tersebut, maka dapat dianalisa bahwa :
1. Memudahkan dalam mendiagnosa penyakit ginjal khususnya syndrome nefritik dan syndrome
nefrotik dengan Sangat Baik.
2. Kenyamanan dalam pemakaian dengan Sangat Baik.
3. Sistem berjalan dengan baik sesuai fungsi-fungsinya dengan Sangat Baik.
4. Sistem Memberikan data dan Informasi dan informasi yang bermanfaat bagi pasien dengan
Sangat Baik.
5. Sistem mudah digunakan dengan Sangat Baik.

5. Kesimpulan dan Saran

5.1 Kesimpulan
Setelah melakukan analisa, perancangan, implementasi dan evaluasi sistem pakar untuk
mendiagnosa ginjal, dapat disimpulkan bahwa:
1. Sistem pakar diagnosa penyakit ginjal yang berdasarkan pembobotan dari dokter spesialis penyakit
dalam berhasil untuk mendiagnosa ginjal menggunakan metode Hill Climbing.
2. Hasil diagnosa pada aplikasi diagnosa dini penyakit ginjal sesuai dengan tree pada sistem.
3. Berdasarkan hasil pengujian kuisioner yang dilakukan terhadap responden, didapat bahwa sistem
dapat memberikan data dan informasi yang bermanfaat bagi pasien dengan persentase sebesar
89,3%.
5.2 Saran
Beberapa saran yang dapat diberikan untuk pengembangan aplikasi ini diantaranya:
1. Memperluas ruang lingkup pendeteksian terhadap jenis penyakit lainnya yang ada pada ginjal agar
sistem dapat mendiagnosa jenis penyakit yang lebih bervariasi.
2. Untuk kedepannya, sistem ini dapat dikembangkan dengan fitur-fitur yang lebih menarik seperti
cara mengenal tanda-tanda gejala pada tubuh pasien melalui video, dsb.

VI. Daftar Pustaka

[1] Aprilia Sulistyohati, Taufiq Hidayat (2008). Aplikasi Sistem Pakar Diagnosa Penyakit Ginjal
Dengan Metode Dempster-Shafer. Diambil 24 Oktober 2011 pukul 2:50 WIB dari
http://journal.uii.ac.id/index.php/Snati/article/viewFile/720/675
[2] Artanti, F.R. (2004). Perancangan dan Pembuatan Sistem Pakar Hama dan Pengendalian untuk
Tanaman Hortikultura. Skripsi. Surabaya: Universitas Kristen Petra.
[3] Hanifah. (1998). ”Exact: System Pakar sebagai Penasehat Perbaikan Perangkat Keras
Komputer”. Yogyakarta.
[4] Kusumadewi. (2003). Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Penerbit
Graha Ilmu Yogyakarta.
[5] Kusrini. (2006). Sistem Pakar Teori dan Aplikasi. Yogyakarta: Penerbit Andi Yogyakarta.
[7] Medicastore. Media Informasi Obat dan Penyakit. Diambil 30 November 2011 pukul 22.30 WIB
dari http://medicastore.com/penyakit/719/Sindroma_Nefrotik.html
[8] Pengantar Inteligensia Buatan – Heuristic Searching. Teknik Pencarian Heuristik (Heuristic
Searching). Diambil 26 Oktober 2011 pukul 14.26 WIB dari
http://journal.mercubuana.ac.id/data/Heuristic-search.pdf
[9] Turban, E. (2005). Decision Support System and Intelligent Systems. Yogyakarta: Penerbit Andi
Yogyakarta.
[10] Yuyun Yuliawati R. Pencarian Jarak Terpendek Menggunakan Metode Breadth First Search
dan Metode Hill Climbing. Diambil 17 November 2011 pukul 18.50 WIB dari
http://elib.unikom.ac.id/download.php?id=4505
[11] KECERDASAN BUATAN(ARTIFICIAL INTELLIGENCE). Diambil 04 Agustus 2012 pukul
00:18 WIB dari
http://www.google.co.id/webhp?rlz=1C1CHMO_idID476ID476&sourceid=chrome-
instant&ie=UTF-
8#q=hill+climbing+dan+depth+first+search&hl=id&rlz=1C1CHMO_idID476ID476&prmd=im
vns&source=lnt&tbs=ctr:countryID&cr=countryID&sa=X&ei=ogkcUK6uH8XnrAfh-
IHYAQ&ved=0CE8QpwUoAQ&bav=on.2,or.r_gc.r_pw.r_qf.&fp=57d82a0705abf07a&biw=12
80&bih=699
[12] PEMBOBOTAN (WEIGHTING). Diambil 28 Agustus 2012 pukul 11.45 WIB dari
http://lbprastdp.staff.ipb.ac.id/files/2011/12/10.-skoring.pdf