Intinya, di AI, ketika kita punya masalah yang solusinya nggak langsung ketahuan (misal nyelesaiin puzzle atau cari rute), kita bisa pakai pencarian ruang keadaan (state space search). Di sini, kita punya tiga konsep utama: State (kondisi sistem saat itu, contohnya posisi ubin di puzzle), Operator (aksi buat ubah state, misal geser ubin), dan Goal (kondisi akhir yang diinginkan, misal puzzle tersusun rapi). Prosesnya adalah menjelajah dari state awal ke goal dengan menerapkan operator-operator tadi.
Ada dua strategi pencarian dasar yang "buta" (uninformed), karena nggak punya petunjuk tambahan soal di mana goal-nya:
1. BFS (Breadth-First Search): Nyari melebar dulu, level per level. Pakai antrian (queue). Kelebihan: Pasti nemu solusi terpendek. Kekurangan: Boros memori, karena nyimpen semua node di satu level.
2. DFS (Depth-First Search): Nyari dalam dulu, nyusuri satu cabang sampe ujung. Pakai tumpukan (stack). Kelebihan: Hemat memori, karena cuma nyimpen jalur yang lagi aktif. Kekurangan: Nggak jamin nemu solusi terpendek, bisa nyangkut di loop.
Jadi, pilihannya tergantung situasi: butuh solusi optimal dan memori cukup? Pake BFS. Ruang masalahnya gede banget dan memori terbatas? Pake DFS. Keduanya punya trade-off antara kompleksitas waktu (seberapa cepat) dan kompleksitas ruang (seberapa boros memori). Inti dari semua ini adalah kita punya metode sistematis buat menjelajah banyak kemungkinan buat nemuin solusi.
