PEMODELAN MULTI AGENT UNTUK PERILAKU INTERAKSI PADA SIMULASI INTERAKSI ANTAR AGEN
DAN LINGKUNGANNYA DENGAN METODE RULE BASED SYSTEM
Fariz Djunaidi¹, Mochamad Hariadi², Moh.Muhtadin³
Pada pemodelan MultiAgent, dibutuhkan sebuah sistem yang mampu mensimulasikan model obyek agen dan model tingkahlaku setiap agen saat berinteraksi di lingkungannya. Penelitian ini mengusulkan sebuah pemodelan yang menggunakan metode RBS (rule based system), sebagai otak yang akan memproses stimulasi yang diberikan kepada setiap agen. Stimulasi ini bisa berasal dari dalam dirinya, dari agen lainnya, atau dari lingkungannya, yang kemudian dipilah sehingga menghasilkan respon yang natural.
Perilaku saat stimulasi lapar , lelah, ataupun saat agen tidak bugar menjadi tolak ukur tingkah laku pada agen yang akan diamati. Aktivitas menuju ke ruang makan, menuju ke ruang tidur, menuju ke gymnasium,kemampuannya menghindar saat berada pada lintasan yang sama dengan agen lain telah menjadi tolak ukur mampu tidaknya agen melakukan aktivitas tersebut untuk memenuhi stimulasi yang terjadi pada dirinya. Hasil dari penelitian ini menunjukkan bahwa agen berhasil dengan baik merespon semua stimulasi yang terjadi pada dirinya. Selain itu Keadaan stimulasi yang muncul secara bersamaan juga direspon oleh agen dengan kemampuannya membaca prioritas pekerjaan yang harus dilakukan.
(1) Fariz Djunaidi , Bidang Studi Teknik Komputer &
Telematika, Jurusan Teknik Elektro ITS Surabaya.
(2) Mochammad Hariadi, ST, MSc, PhD., Dosen Pembimbing I, Bidang
Studi Teknik Komputer & Telematika, Jurusan Teknik Elektro ITS Surabaya.
(3) Moh Muhtadin, ST, MT., Dosen Pembimbing II, Bidang Studi Teknik Komputer & Telematika, Jurusan Teknik Elektro ITS Surabaya.
I.PENDAHULUAN
Manusia dalam ilmu antropologi, telah dikategorikan sebagai Homo sapiens(manusia yang bijak), karena kapasitas dan kemampuan berpikir yang ada dalam dirinya. Manusia itu sendiri telah mencoba untuk memahami
”bagaimana dirinya berpikir”.Hal ini telah menjadi tumpuan utama saat memproses apa yang dia rasakan, cara untuk untuk mengerti, memprediksi dan cara bagaimana dia memproses semua respon yang terjadi pada dirinya. Saat dunia komputasi mulai berkembang pesat khususnya dengan keberadaan mesin baru yang bernama komputer, manusia mencoba untuk membuat kemampuan baru yang bisa diletakkan pada mesin ini.
Kemampuan itu adalah membuat komputer bisa berpikir (machine with a mind) dan bisa menerjemahkan apa yang dia rasakan melalui sensor-sensornya, maka kemudian metode baru seperti RBS(Rule Based System), yang notabene adalah cabang dari kecerdasan buatan(Artificial Intelligence), telah dibuat dan diterapkan, untuk menirukan konsep kecerdasan berpikir yang ada pada manusia. Metode RBS telah diterapkan pada banyak pembuatan simulasi, dipadukan dengan pemodelan bentuk obyek yang menyerupai manusia, metode ini dipadukan untuk membuat aturan dan menjadi otak yang dimiliki obyek agen tersebut. Salah satu simulasi yang pernah dibuat adalah simulasi tingkah laku manusia. Simulasi ini menggambarkan aktivitas manusia virtual (agen), dengan metode ini agen diharapkan memiliki kemampuan merespon stimulasi yang diberikan kepadanya, baik stimulasi itu timbul
dari dirinya, lingkungannya atau agen lain selain dirinya.
Pada pembuatan simulasi yang lebih konkrit dan lebih nyata ada beberapa hal yang perlu diperhatikan, yaitu pemodelan yang meliputi pemodelan obyek, seperti pemodelan bentuk yang mirip manusia laki-laki atau mirip manusia perempuan. Kemudian pemodelan tingkah laku dari masing-masing obyek tersebut, pemodelan tingkah laku ini adalah sesuatu yang dilihat dari cara agen (obyek agen laki-laki atau perempuan) menerima stimulasi baik yang berasal dari dirinya sendiri, dari lingkungannya atau dari manusia lain selain dirinya.
Pada pemodelan obyek, desain ditekankan pada bagaimana cara membangun bentuk, karena dalam dunia nyata antara manusia laki-laki dan manusia perempuan memiliki ciri-ciri fisik yang sangat berbeda.
Selama ini pemodelan biasanya hanya dilakukan dengan menggunakan kubus, sehingga yang kita lihat hanyalah kemampuan tingkah lakunya saja, seperti saat mensimulasikan tingkah laku pathfinding menggunakan waypoint, namun obyek agennya adalah kubus.
Sementara pada pemodelan tingkah laku, banyak ditekankan kepada penyusunan aturan yang akan digunakan agen saat menanggapi respon, memproses respon dan mengaktualkannya dalam tindakan. Hal-hal yang menjadi perhatian saat mendesain pemodelan tingkah laku ini ada tiga yaitu, pertama, kemampuan agen dalam membaca stimulasi, dimana hal ini sangat bergantung pada kemampuan sensor yang diletakkan pada agen tersebut, kedua, pendefinisian aturan (rule) sebagai pemproses untuk melakukan tindakan terhadap stimulasi yang diberikan, dan penyusunan aturan cara agen mengaktualkan respon yang diterima dari sensornya dan yang ketiga, yaitu, saat stimulasi perlu direspon, ada kemungkinan bahwa agen sedang tidak berada pada tempat dimana aktivitas itu harus dilakukan, sehingga diperlukan kemampuan agen untuk menavigasi tempat yang akan ditujunya, maka kemampuan seperti pathfinding harus dimiliki oleh agen.Untuk mendapatkan unsur realisitik pada simulasi, pembuatan simulasi pada kali ini dirancang dengan memadukan dua pemodelan diatas, yaitu
pemodelan obyek agen dan pemodelan tingkah laku dari masing-masing obyek agen tersebut.
II.DASAR TEORI
Agent adalah bahasa yang di serap dari bahasa Latin yang berarti ”mengerjakan”, agent adalah sesuatu yang mampu melakukan tindakan. Dalam dunia computer, agent di artikan sebagai sesuatu dimana ia memiliki atribut yang membedakan dari hanya sekedar program biasa. Agent memiliki sifat-sifat seperti memiliki kendali otomatis, mampu merasakan lingkungannya, memiliki kemampuan untuk beradaptasi dengan lingkungan dan mampu melakukan pengambilan keputusan untuk mencapai sebuah tujuan
Tingkah laku agen bisa dilihat dari cara agen menanggapi kondisi lingkungan sekitarnya melalui sensor, dan bertindak di lingkungannya tersebut melalui aktuator. Pada agen manusia, mereka memiliki mata, telinga dan organ yang menjadi sensor, serta tangan, lengan, mulut dan bagian tubuh yang lain sebagai aktuator. Pada agen robot mereka memiliki kamera, infrared sebagai sensor pendeteksi jarak dan motor sebagai aktuator. Dari keadaan tersebut bisa diasumsikan bahwa setiap agen bisa merasakaan keadaan lingkungannya (fungsi sensor) dan bisa mengerjakan pekerjaannya(fungsi aktuator), yang mana stimulasi diterima sebagai sesuatu yang harus ditanggapi melalui sensor-sensornya kemudian diproses oleh sistem didalamnya, diputuskan, dan direspon melalui aktuator yang dimiliki oleh agen tersebut. Istilah percept, yang berarti tanggapan akan menjadi rujukan kepada inputan yang diterima oleh agen sebagai suatu stimulasi yang direspon sehingga agen mampu memilih tindakan bergantung kepada cara agen tersebut menanggapi serangkaian kejadian yang distimulasikan kepadanya, tingkah laku agen digambarkan oleh fungsi agen yang dipetakan dari serangkaian respon yang diberikan dan ditanggapi oleh agen menjadi sebuah tindakan. Dalam mengambil keputusan ada faktor seperti parameter pengambilan keputusan yang tepat atau disebut rasional dalam mengambil keputusan .Agen yang memiliki rasionalitas adalah agen yang mengerjakan sesuatu tepat sesuai dengan program yang
diberikan kepadanya. Secara nyata agen akan melakukan tindakan pada setiap stimulasi sudah didefinisikan sebelumnya. Mengerjakan sesuatu yang benar lebih baik daripada sesuatu yang salah, namun apa arti mengerjakan sesuatu yang benar dan apa parameter benar ini?.
Sebagai pendekatan awal akan diasumsikan bahwa pekerjaan yang tepat adal
yang menyebabkan sebuah agen bertindak dengan sukses, oleh karena itu kita memerlukan suatu cara untuk mengukur sukses itu sendiri.
Dengan keberadaan sensor, lingkungan, aktuator, yang dimiliki oleh agen maka akan menjadi tolak ukur kesuksesan agen tersebut dalam mengerjakan tindakannya. Dengan adanya sensor dan aktuator ini kita bisa mendefinisikan lebih tentang apa yang disebut rasional yaitu pengukuran kemampuan formance). Pengukuran kemampuan pada sebuah agen menghasilkan krit
tidaknya tingkah laku dari agen tersebut. Saat agen sudah berada di lingkungannya maka agen secara otomatis akan menghasilkan serangkaian masukan stimulasi yang diproses oleh sistem di dalamnya yang kemudian dilakukan tindakan berdasarkan tanggapan dari stimulasi diterima. Urutan stimulasi dan tindakan ini menyebabkan agen berinteraksi dengan lingkungannya, bila urutan dari tindakan tersebut sudah diinginkan maka agen mengambil tindakan dengan baik untuk memenuhi kebutuhannya terseb
pada kenyataanya tidak ada ukuran yang mutlak untuk semua agen. Namun pada intinya rasionalitas dan performa yang ada dan diberikan kepada agen bergantung pada empat hal, pertama, ukuran kemampuan yang mendefinisikan kriteria sukses, kedua, kemampuan agen dalam mengetahui keadaan sekitarnya, ketiga, kemampuan untuk mengambil tindakan yang bisa dilakukan oleh agen, keempat, agen bisa menanggapi serangkain inputan yang bersamaan dan melakukan pemilihan prioritas untuk mencapai tujuan terbaiknya.
III.DESAIN SYSTEM
Dalam pembuatan tugas akhir ini akan bagi menjadi tujuh bagian :
diberikan kepadanya. Secara nyata agen akan kan tindakan pada setiap stimulasi yang sudah didefinisikan sebelumnya. Mengerjakan sesuatu yang benar lebih baik daripada sesuatu yang salah, namun apa arti mengerjakan sesuatu yang benar dan apa parameter benar ini?.
Sebagai pendekatan awal akan diasumsikan bahwa pekerjaan yang tepat adalah pekerjaan yang menyebabkan sebuah agen bertindak dengan sukses, oleh karena itu kita memerlukan suatu cara untuk mengukur sukses itu sendiri.
Dengan keberadaan sensor, lingkungan, aktuator, yang dimiliki oleh agen maka akan esan agen tersebut dalam mengerjakan tindakannya. Dengan adanya sensor dan aktuator ini kita bisa mendefinisikan lebih tentang apa yang disebut kemampuan (per- ). Pengukuran kemampuan pada sebuah agen menghasilkan kriteria sukses tidaknya tingkah laku dari agen tersebut. Saat agen sudah berada di lingkungannya maka agen secara otomatis akan menghasilkan serangkaian yang diproses oleh sistem di dalamnya yang kemudian dilakukan tindakan gapan dari stimulasi yang . Urutan stimulasi dan tindakan ini menyebabkan agen berinteraksi dengan lingkungannya, bila urutan dari tindakan tersebut sudah diinginkan maka agen harus mengambil tindakan dengan baik untuk memenuhi kebutuhannya tersebut. Walaupun pada kenyataanya tidak ada ukuran yang mutlak untuk semua agen. Namun pada intinya rasionalitas dan performa yang ada dan diberikan kepada agen bergantung pada empat ukuran kemampuan yang mendefinisikan kriteria sukses, kedua, kemampuan agen dalam mengetahui keadaan sekitarnya, ketiga, kemampuan untuk mengambil tindakan yang bisa dilakukan oleh agen, keempat, agen bisa menanggapi serangkain inputan yang bersamaan dan melakukan pemilihan prioritas untuk mencapai
SYSTEM
n tugas akhir ini akan di-
1.Pembuatan model agen
Model Agen virtual dibuat menggunakan tiga agen utama,pembuatan model dibuat sedemikian rupa,dimana setiap agen memiliki bentuk masing-masing,pada agen pertama yaitu agen wanita,bentuk dimiripkan pada wanita
Agen kedua yaitu agen laki
dan agen yang ketiga adalah agen anak kecil,
2.Pembuatan model lingkungan
Lingkungan dibuat dengan beberapa sekat 3 goal utama yaitu dapur,gymnasium,ruang tidur,dapur
a:Gymnasium b:kamar istirahat
embuatan model agen
Model Agen virtual dibuat menggunakan tiga agen utama,pembuatan model dibuat sedemikian agen memiliki bentuk masing,pada agen pertama yaitu agen wanita,bentuk dimiripkan pada wanita
Agen kedua yaitu agen laki-laki
dan agen yang ketiga adalah agen anak kecil,
embuatan model lingkungan
Lingkungan dibuat dengan beberapa sekat dan ma yaitu dapur,gymnasium,ruang
kamar istirahat c:tempatmakan
b c
3.Pembuatan path peta(waypoint)
Path adalah jalan dimana agen akan melintas diatasnya,saat melintas agen harus memastikan kemana dia akan pergi agar agen sampai ke tempat tujuan maka dia harus melewati lintasan yang mengarah kepada tempat yang dituju
Fungsi Waypoint disini adalah untuk menginformasikan ke titik mana objek harus pergi, dengan melintasi waypoint
ada maka objek akan mudah menuju ke tempat tujuan,Waypoint dibuat dari sebuah objek,dimana pada kali ini penyusun menggunakan objek kubus sebagai
Waypoint disusun disepanjang lintasan sebagai penanda bahwa arah menuju goal harus melewati waypoint-waypoint tersebut contohnya agar bisa melintasi lintasan berikut (mengacu ke gambar)maka harus diletakkan kubus kubus sepanjang lintasan tersebut.
Path+waypoint
Kubus kubus di setting sebagai actor sehingga objek tersebut mudah di tracking dan disetel mode invisible,sehingga kubus tidak tampak saat simulasi di jalankan,untuk
peletakan kubus bisa dilihat gambar setelahnya
Path+waypoint+Lingkungan
embuatan path peta(waypoint)
adalah jalan dimana agen akan melintas diatasnya,saat melintas agen harus memastikan kemana dia akan pergi agar agen sampai ke tempat tujuan maka dia harus melewati lintasan yang mengarah kepada tempat disini adalah untuk menginformasikan ke titik mana objek harus pergi, dengan melintasi waypoint-waypoint yang ada maka objek akan mudah menuju ke tempat dibuat dari sebuah objek,dimana pada kali ini penyusun menggunakan objek kubus sebagai waypointnya.
disusun disepanjang lintasan sebagai penanda bahwa arah menuju goal harus tersebut contohnya agar bisa melintasi lintasan berikut (mengacu ke gambar)maka harus diletakkan kubus kubus
Kubus kubus di setting sebagai actor sehingga objek tersebut mudah di tracking dan disetel mode invisible,sehingga kubus tidak tampak saat simulasi di jalankan,untuk informasi peletakan kubus bisa dilihat gambar setelahnya
Lingkungan
Path+waypoint+Lingkungan(tampak dari atas)
4.pembuatan keyframe animasi
Lingkungan(tampak dari atas)
4.pembuatan keyframe animasi
Setelah melakukan proses penempelan objek dan tulang,maka animasi
diinginkan siap dibuat.Tulang yang digunakan menggunkana tipe octahedron,gerakan Animasi berporos pada gerakan rantai kinemtic yang dimiliki oleh tulang-tulang ini,semua gerakan berpusat pada gerakan tulang ini,objek yang menempel menjadi child,dan tulang menjadi parent .Proses ini didalam blender dikenal dengan istilah rigging,yaitu proses menempelkan objek yang sudah dibentuk pada tulang ,tulang tersebut kemudian digerakkan sesuai dengan rencana pose yang akan kita buat Berikut contoh pose yang dibuat
state-state animasi berjalan
state-state animasi makan
state animasi tidur state
5.desain peletakan sensor dan game Logic Setelah melakukan rigging,pembuatan animasi maka kini saatnya membuat agen bergerak,untuk menggerakkan agen secara otomatis Blender menyediakan fasilitas BGE(Blender Game Engine),blender game engine mesin game yang disediakan oleh blender agar agen bisa bergerak maka harus dilakukan setting agar agen memiliki sifat-sifat materi yang mirip manusia 1.Body Object harus diseting sebagai dynamic,hal ini agar mampu membedakan objek halangan yang ada di depannya.
Setelah melakukan proses penempelan objek dan tulang,maka animasi-animasi yang Tulang yang digunakan ,gerakan Animasi berporos pada gerakan rantai kinemtic yang tulang ini,semua gerakan berpusat pada gerakan tulang ini,objek yang dan tulang menjadi Proses ini didalam blender dikenal ,yaitu proses menempelkan objek yang sudah dibentuk pada tulang ,tulang tersebut kemudian digerakkan sesuai dengan rencana pose yang akan kita buat
berjalan
makan
animasi tidur
sensor dan game Logic Setelah melakukan rigging,pembuatan animasi maka kini saatnya membuat agen bergerak,untuk menggerakkan agen secara otomatis Blender BGE(Blender Game mesin game yang nder agar agen bisa bergerak maka harus dilakukan setting agar agen
sifat materi yang mirip manusia Body Object harus diseting sebagai
mampu membedakan objek
2.meletakkan sensor sensor
pendeteksi objek yang ada di depannya,hal ini sangat bermanfaat untuk
dan( obstacle avoidance)
Penggunaan sensor ini sangatlah minimalis karena objek agen sudah mengetahui Peta kemana dia akan pergi,dua sensor yang digunakan ini membantu untuk mengenali apakah agen sudah sampai ke tujuan apa belum,dua sensor itu adalah sensor radar
Dan sensor ray,sensor radar berfungsi untuk mengenali objek sementara sensor ray berfungsi untuk menghitung jarak.
6.pembuatan script pengontrol agen
Script RBS ditulis dalam bahasa Python menggunakan text editor internal Blender.
Script berisi rule-rule yang mengatur perilaku agen dalam menentukan tujuan, pathfinnding, collision avoidance, dan pemenuha
di tempat tujuan. Masing
tersebut saling terkait sehingga harus digabungkan dalam satu file untuk mempermudah organisasinya.
Skrip ini dibagi menjadi 7 bagian penting yaitu 1. Deklarasi Map=yang berisi tipe data array dan
didalamnya ada informasi waypoint
2.deklarasi PROPERTIES=yang berisi variable-variable local yang melekat pada agen meletakkan sensor sensor penting sebagai yang ada di depannya,hal ini sangat bermanfaat untuk mengambil keputusan obstacle avoidance) menghindari halangan
Penggunaan sensor ini sangatlah minimalis karena objek agen sudah mengetahui kemana dia akan pergi,dua sensor yang digunakan ini membantu untuk mengenali apakah agen sudah sampai ke tujuan apa belum,dua sensor itu adalah sensor radar
Dan sensor ray,sensor radar berfungsi untuk mengenali objek sementara sensor ray berfungsi
.
6.pembuatan script pengontrol agen
Script RBS ditulis dalam bahasa Python menggunakan text editor internal Blender.
rule yang mengatur perilaku agen dalam menentukan tujuan, pathfinnding, collision avoidance, dan pemenuhan kebutuhan di tempat tujuan. Masing-masing fungsi tersebut saling terkait sehingga harus digabungkan dalam satu file untuk mempermudah organisasinya.
Skrip ini dibagi menjadi 7 bagian penting yaitu Deklarasi Map=yang berisi tipe data array dan
ada informasi waypoint
2.deklarasi PROPERTIES=yang berisi variable local yang melekat pada agen
LAPAR KENYANG
SEGAR BUGAR DAPUR
TARGET TEMPAT MAKAN
AKTIFITAS STATE
Kembali ketempat
awal
Lelah
TARGET TEMPAT BILA
BILA Bila
AKTIFITAS SEKUNDER RILEKS/
BERDIRI/NONTON TV/DUDUk/JALAN-
JALAN
SCORE 0
SCORE 0 SCORE 100
3.Deklarasi Aktuator=yang berisi variable variable actuator yang melekat pada agen 4.Deklarasi kecepatan=Yang berisi tipe data array dan didalamnya terdapat informasi kecepatan
5.Deklarasi Sensor=berisi deklarasi sensor yang melekat pada agen
6.program Sub main=sub-sub program yang dikendalikan oleh program utama
7.Program utama=program yang sekuen,scenario dari agen
Script ini dijalankan menggunakan bahasa phyton semua script saya sertakan pada lampiran.script ini mengacu pada state sebagai berikut.
Lapar/kenyang Tidur/Segar
Score 0-100 0-100
Prioritas 1 2
Bila Ada 2 atau 3 aktivitas yang memiliki pemenuhan kebutuhan yang sama,maka agen akan memilih prioritas utama,seperti
dan olahraga sama-sama bernilai 0,maka pekerjaan yang akan didahulukan oleh agen adalah makan
IV PENGUJIAN Pengujian dilakukan pada komputer spesifikasi :
SENAM BUGAR
KASUR TIDUR/
IStirahat
Aktifitas
GYMNASIU M Malas
AKTIVITAS
ORANYE=TARGET AKTIFITAS MERAH =STATE TRESHOLD MINIMUM HIJAU =STATE TRESHOLD MAXIMUM BIRU =PEREMPATAN AKTIFITAS HITAM =AKTIFITAS PINK =AKTIFITASSEKUNDER r
SCORE 0 SCORE 100
SCORE 100
3.Deklarasi Aktuator=yang berisi variable- variable actuator yang melekat pada agen
rasi kecepatan=Yang berisi tipe data array dan didalamnya terdapat informasi 5.Deklarasi Sensor=berisi deklarasi sensor sub program yang dikendalikan oleh program utama
7.Program utama=program yang mengontrol
Script ini dijalankan menggunakan bahasa phyton semua script saya sertakan pada script ini mengacu pada state-state
Tidur/Segar OlahRaga/Sehat 0-100
3
Bila Ada 2 atau 3 aktivitas yang memiliki pemenuhan kebutuhan yang sama,maka agen akan memilih prioritas utama,seperti bila tidur sama bernilai 0,maka pekerjaan yang akan didahulukan oleh agen
komputer dengan
Intel Pentium :2,6 GGHz Memory
VGA Card
SistemOperasi :Windows
Agen-agen dibuat dengan 3 Modela utama, satu model yang bertingkah sebagai wanita satu model bertingkah sebagai laki laki dan agen yang lain adalah agen anak kecil
1
diatas berjalan pada environtment dibawah ini
4.1 Pengujian Waypoint
Kemampuan ini dijalankan untuk menguji Kemampuan agen melitasi waypoint
untuk melakukan tracking objek menuju goal,mengenali objek dan melakukan reaksi bila ada stimulus yang tepat untuk dilakukan ditempat itu Berikut adalah data pengujian saat objek lapar dan sedang menuju ke dapur
Data target menuju ke dapur seharusnya melewati point point berikut:
pathkedapur='Node','Node.033','Node.003','Node.004 ','Node.010','Node.011'
Berikut data ray dan data radarnya:
('ini objek depan wanita', OBmejamuakan) ('ini objek yang ditracking', OBNode.011)
jarak objek tracking terhadap waypoint 6.729592564 ('ini objek depan wanita', OBmejamuakan)
('ini objek yang ditracking', OBNode.011)
jarak objek tracking terhadap waypoint 6.729592564 Intel Pentium :2,6 GGHz
: 1024 MB :On Board VGA SistemOperasi :Windows
agen dibuat dengan 3 Modela utama, satu model yang bertingkah sebagai wanita satu model bertingkah sebagai laki laki dan agen yang lain
agen
alan pada environtment dibawah ini
4.1 Pengujian Waypoint
Kemampuan ini dijalankan untuk menguji Kemampuan agen melitasi waypoint-waypoint untuk melakukan tracking objek menuju goal,mengenali objek dan melakukan reaksi bila ada
tepat untuk dilakukan ditempat itu Berikut adalah data pengujian saat objek lapar dan
dapur seharusnya melewati pathkedapur='Node','Node.033','Node.003','Node.004 Berikut data ray dan data radarnya:
('ini objek depan wanita', OBmejamuakan) ('ini objek yang ditracking', OBNode.011)
jarak objek tracking terhadap waypoint 6.729592564 ('ini objek depan wanita', OBmejamuakan)
('ini objek yang ditracking', OBNode.011)
ak objek tracking terhadap waypoint 6.729592564
Kesimpulan,Tracking sukses melewati waypoint dengan baik,pada path Ke dapur Peta tracking terakir adalah Node.011,pada pengujian agen berhasil menemukan tracking yaitu OBNode.011
Note*: untuk data streamingnya bisa dilihat program dijalankan
4.1.2 Kemampuan menghindari tabrakan.
Pengujian ini dijalankan untuk menguji saat sebuah agen beraada pada arah berlawanan namun keduanya berada pada lintasan yang sama
Untuk data hasil pengujian, kita menggunakan refrensi keadaan (
dimana yang satu menuju ke ruang makan, dan yang lain berlawanan arah dari ruang makan kemudian refrensi yang lain adalah ,
waypoint menuju goal (disingkat
pada tabel 4.1.2 ) dan kemampuan rotasi yaitu dengan melihat bila jarak ray < 3 maka agen akan me non-aktifkan tracking
melakukan penghindaran dengan memutar obyek body, sebaliknya saat radar >3
waypoint diaktifkan lagi dan agen kembali menuju goal yang ditujunya,untuk hasilnya bisa dirujuk pada tabel 4.1.2 pada daftar tabel
4.1.3 Kemampuan menemukan tujuan
Kemampuan ini diujikan untuk melihat bagaimana agen melintasi waypoint
untuk mencapai tujuan yang ingin dicapai yaitu, ruang makan sebagai tempat melakukan aktivitas makan, gymnasium
aktivitas olahraga, dan ruang tidur untuk aktivitas istirahat ilustrasi goal
gambar 4.4.
Gambar 4.3 menghindari tabrakan
Kesimpulan,Tracking sukses melewati waypoint dengan baik,pada path Ke dapur Peta tracking terakir adalah Node.011,pada pengujian agen berhasil menemukan tracking yaitu OBNode.011
a streamingnya bisa dilihat langsung saat
4.1.2 Kemampuan menghindari tabrakan.
Pengujian ini dijalankan untuk menguji saat sebuah agen beraada pada arah berlawanan namun
ang sama
Untuk data hasil pengujian, kita menggunakan refrensi keadaan (state) agen dimana yang satu menuju ke ruang makan, dan yang lain berlawanan arah dari ruang makan kemudian refrensi yang lain adalah ,tracking (disingkat goal track pada tabel 4.1.2 ) dan kemampuan rotasi yaitu dengan melihat bila jarak ray < 3 maka agen tracking nya dan melakukan penghindaran dengan memutar obyek body, sebaliknya saat radar >3 tracking diaktifkan lagi dan agen kembali yang ditujunya,untuk hasilnya bisa
pada daftar tabel
4.1.3 Kemampuan menemukan tujuan
Kemampuan ini diujikan untuk melihat waypoint-waypoint untuk mencapai tujuan yang ingin dicapai yaitu, ruang makan sebagai tempat melakukan untuk ruang aktivitas olahraga, dan ruang tidur untuk goal dirujuk pada
Gambar 4.4 agen sedang makan, tidur, berolahraga
Hasil pengukuran kemampuan ini ditekankan saat stimulasi terjadi, maka saat itu kemudian pemilihan path `ditentukan, baik saat agen menuju goal, atau saat kembali dari hasil pembacaan waypoint
tabel 4.1.3 dimana informasi pada tabel yang diberikan merujuk pada gambar 4.5.
Gambar 4.5 Informasi Lintasan dan
4.1.4 Pengujian Pemenuhan Kebutuhan Pengujian ini dilakukan untuk menge respon agen saat stimulasi yang terjadi pada dirinya terhadap pemilihan goal yang akan dicapai,
ini berupa keadaan sebagai berikut:
a. Bila lapar,maka agen mencari makan dan target adalah ruang makan, kemudian bila sudah kenyang kembali ke
b. Bila lelah maka agen akan istirahat dan target adalah pergi ke kasur bila sudah bugar maka agen akan kembali beraktifitas
Bila malas maka agen akan menuju ke gymnasium dan melakukan olahraga hingga property
klimak kemudian beraktifitas
Khusus untuk memonitor tingkat pemenuhan kebuttuhan ini telah dipakai
Gambar 4.3 menghindari tabrakan
Gambar 4.4 agen sedang makan, tidur, berolahraga
Hasil pengukuran kemampuan ini ditekankan saat stimulasi terjadi, maka saat itu kemudian pemilihan path `ditentukan, baik saat , atau saat kembali dari goal waypoint ini bisa dirujuk pada tabel 4.1.3 dimana informasi pada tabel yang diberikan merujuk pada gambar 4.5.
4.5 Informasi Lintasan dan Waypoint
.1.4 Pengujian Pemenuhan Kebutuhan Pengujian ini dilakukan untuk mengetahui
stimulasi yang terjadi pada dirinya yang akan dicapai, stimulus ini berupa keadaan sebagai berikut:
,maka agen mencari makan dan target adalah ruang makan, kemudian bila sudah kenyang kembali ke titik awal
maka agen akan istirahat dan target adalah pergi ke kasur bila sudah bugar maka agen akan kembali beraktifitas
maka agen akan menuju ke dan melakukan olahraga bugar mencapai angka kemudian kembali ke tempat awal
untuk memonitor tingkat pemenuhan kebuttuhan ini telah dipakai software
bantuan dari Delphi untuk memonitor lelah, malas, sebagai ilustrasi bisa dilihat
Gambar 4.6 indikator keadaan agen
Sementara hasil saat stimulasi terjadi terhadap pemilihan jalur bisa dilihat pada tabel 4.1.4 pada daftar tabel yang disertakan.
4.1.5 Pengujian Prioritas
Dalam diri agen diprogram sebuah keadaan untuk bisa memilih prioritas, prioritas ini diberikan berdasarkan tabel (4.1.5.1).
Dengan merujuk pada tabel (4.1.5.2) ,yaitu berkaitan dengan pengujian semua nilai ambigu dan penentuan prioritas pada saat
percobaan ini, pemilihan prioritas aktivitas bisa dijalankan dengan baik oleh agen.
Saat keadaan nilai minimum sama, maka agen akan mengecek prioritas dan mengerjakan aktivitas dengan nilai prioritas lebih besar, pada pengujian ini didapat hasil uji sebagai berikut(tabel 4.1.5.1)
Gambar 4.7 Pengujian keadaan ambiguitas, pengambilan keputusan pada agen, dan pemilihan prioritas
Nilai Ambigu,Nilai dengan score yang sama
ntuan dari Delphi untuk memonitor tingkat lapar, bisa dilihat Gambar 4.6
indikator keadaan agen
Sementara hasil saat stimulasi terjadi terhadap pemilihan jalur bisa dilihat pada tabel
pada daftar tabel yang disertakan.
Dalam diri agen diprogram sebuah prioritas, prioritas ini diberikan berdasarkan tabel (4.1.5.1).
Dengan merujuk pada tabel (4.1.5.2) ,yaitu berkaitan dengan pengujian semua nilai ambigu dan penentuan prioritas pada saat-saat itu, pada percobaan ini, pemilihan prioritas aktivitas bisa
ijalankan dengan baik oleh agen.
Saat keadaan nilai minimum sama, maka agen akan mengecek prioritas dan mengerjakan aktivitas dengan nilai prioritas lebih besar, pada pengujian ini didapat hasil uji
Gambar 4.7 Pengujian keadaan ambiguitas, pengambilan keputusan pada agen, dan pemilihan prioritas
VI. PENUTUP
Kesimpulan
Implementasi simulasi perilaku agen berbasis Rule
diimplementasikan dengan baik
dijalankan bisa kami tarik kesimpulan sebagai berikut
1. Dengan menggunkana Sensor Ray yang diatur dengan kepekaan 10 kotak pada satuan blender dan Sensor Radar yang diatur memiliki jangkauan 45 derajat dapat memodelkan agen untuk melihat benda didepannya,hal ini sebagai pengganti mata yang ada pada manusia nyata
2. Penggunaan waypoint
tracking (Objek yang dilihat saat agen melintas dari tempat awal menuju yang akan dicapai)mampu membantu dan membimbing agen bergerak dari tempat awal menuju goal ,hal ini akan membuat agen tampak alami saat menuju ke tempat tujuan.
3. Keberhasilan komunikasi antara satu dengan agent yang lain sangat dibantu dengan keberadaan sensor
melekat pada attribute agen.
4. Metode RBS, sangat membantu agen menentukan pengambilan keputusan, dan pemilihan prioritas saat stimulasi kepadanya diberikan, keadaan ini sangat penting untuk memodelkan agen mem fungsi berpikir.
Nilai Ambigu,Nilai dengan score yang sama
ENUTUP
Kesimpulan
Implementasi simulasi perilaku agen (if..Then..), telah dengan baik, setelah program dijalankan bisa kami tarik kesimpulan sebagai
Dengan menggunkana Sensor Ray yang diatur dengan kepekaan 10 kotak pada satuan blender dan Sensor Radar yang emiliki jangkauan 45 derajat dapat memodelkan agen untuk melihat benda didepannya,hal ini sebagai pengganti mata yang ada pada manusia nyata
waypoint sebagai objek (Objek yang dilihat saat agen melintas dari tempat awal menuju Goal yang akan dicapai)mampu membantu agent dan membimbing agen bergerak dari tempat awal menuju goal ,hal ini akan membuat agen tampak alami saat menuju ke tempat Keberhasilan komunikasi antara satu agent yang lain sangat dibantu engan keberadaan sensor message yang
attribute agen.
Metode RBS, sangat membantu agen menentukan pengambilan keputusan, dan pemilihan prioritas saat stimulasi kepadanya diberikan, keadaan ini sangat penting untuk memodelkan agen memiliki
DAFTARPUSTAKA:
[1] Russel,Norvig Artificial Inntelligence Modern Approach [2] Foudil, C., and Noureddine, D., Collision Avoidance in
Crowd Simulation with Priority Rules. European Journal of Scientific ResearchVol.15 No.1 pp.6
[3] Handbook of Virtual Humans. John Wiley and Sons, Ltd., 2004.
[4] Pan, X., Han, Charles S., and Law, Kincho H., A Multi Agent Based Simulation Framework For The Study of Human and Social Behavior in Egress Analysis. The International Conference on Computing in Civil Engineering, Cancun, Mexico, July 12
[5] Sung, M., Gleicher, M., and Chenney, S., Scalable behaviors for crowd simulation. The Eurographics Association and Blackwell Publishing,2004.
[6] Tantisiriwat, W., Sumleeon, A., and Kanongchaiyos, P., A Crowd Simulation Using Individual-Knowledge
based Path Construction and Smoothed Particle Hydrodynamics. UNION Agency-Science Czech Republic, 2006.
[7] Ton Roosendaal and Carsten Wartmann. Blender gamekit. Stichting Blender Foundation, 2002.
[8]http://Blenderartist.org, path designing with waypoint
Riwayat Penulis
Nama:Fariz Djunaidi Email:[email protected] NRP yang pernah dimiliki saat kuliah di ITS:
2204 030 067 (D3
Computer Control)
2208 100 557 (S1
Teknik Komputer dan Telematika), Penulis telah
melalui masa
pendidikan SD, SMP, SMA nya di daerah kelahirannya yaitu Sumenep, D3 computer control di ITS ,dan dikampus yang sama penulis melanjutkan pendidikannya di strata satu jurusan teknik elektro ITS di Surabaya, di sini tepatnya di laboratorium telematika dan computer B201, ketertarikannya pada simulasi kehidupan telah menarik perhatiannya untuk bergabung pada bersama tim dosen pada tema penelitian di laboratorium ini, dengan fasilita di 201 yang memadai penulis telah menuangkan semua yang dipelajarinya menjadi buku dan karya tugas akhir, sebagai awal dari memahami metod
yaitu Artificial Intelligence , penulis mengambil topik tugas akhir ini sebagai manifestasi untuk mensimulasikan perilaku manusia dengan membuat pemodelan obyek serta pemodelan tingkah lakunya yang kemudian dipadukan dengan metode RBS ( Based System), demikian uraian singkat tentang penulis.
Artificial Inntelligence Modern Approach [2] Foudil, C., and Noureddine, D., Collision Avoidance in
Crowd Simulation with Priority Rules. European Journal Scientific ResearchVol.15 No.1 pp.6-17, 2006.
[3] Handbook of Virtual Humans. John Wiley and Sons, Ltd.,
[4] Pan, X., Han, Charles S., and Law, Kincho H., A Multi- Agent Based Simulation Framework For The Study of
in Egress Analysis. The International Conference on Computing in Civil Engineering, Cancun, Mexico, July 12-15, 2005.
[5] Sung, M., Gleicher, M., and Chenney, S., Scalable simulation. The Eurographics Association and Blackwell Publishing,2004.
[6] Tantisiriwat, W., Sumleeon, A., and Kanongchaiyos, P., A Knowledge-Merge and Smoothed Particle
Science Press, Plzen,
[7] Ton Roosendaal and Carsten Wartmann. Blender Blender Foundation, 2002.
http://Blenderartist.org, path designing with waypoint
Riwayat Penulis
Nama:Fariz Djunaidi il:[email protected] NRP yang pernah dimiliki saat kuliah di ITS:
2204 030 067 (D3
Computer Control)
2208 100 557 (S1
Teknik Komputer dan Telematika), Penulis telah melalui masa-masa pendidikan SD, SMP, SMA nya di daerah nep, D3 computer control di ITS ,dan dikampus yang sama penulis melanjutkan pendidikannya di strata satu jurusan teknik elektro ITS di Surabaya, di sini tepatnya di laboratorium telematika dan computer B201, ketertarikannya pada narik perhatiannya untuk bergabung pada bersama tim dosen pada tema penelitian di laboratorium ini, dengan fasilita di 201 yang memadai penulis telah menuangkan semua yang dipelajarinya menjadi buku dan karya tugas akhir, sebagai awal dari memahami metode-metode modern yaitu Artificial Intelligence , penulis mengambil topik tugas akhir ini sebagai manifestasi untuk mensimulasikan perilaku manusia dengan membuat pemodelan obyek serta pemodelan tingkah lakunya yang kemudian dipadukan dengan metode RBS (Rule ), demikian uraian singkat tentang
TABEL RUJUKAN
Tabel 4.1.2 Tabel hasil daya hindar yang dimiliki agen Ke
ruang makan
Dari ruang makan
Hasil penghindaran
Jarak agen terhadap agen lain
Nilai rotasi
Goal track
Hasil hindar
agen Agen
Wanita Agen Laki
0
> 3 0
aktif 0
agen Agen
wanita Agen Laki
Berputar
< 3
-1 Non- aktif/
mati
sukses
Tabel 4.1.3 Tabel Informasi waypoint dan Hasil pembacaan oleh agen
Jalur lintasan Informasi jalur node yang
diberikan
Node yang
berhasil dibaca Hasil aktivitas
Menuju ke dapur (Garis hitam pada gambar 4.1.3)
'Node', 'Node.033', 'Node.003', 'Node.004' ,'Node.010', 'Node.011'
OBNode OBNode.033 OBNode.003 OBNode.004 OBNode.010 OBNode.011
Berhasil sampai tujuan, Animasi makan
Berhasil diaktifkan
Menuju ke Gym (Garis coklat pada gambar
4.1.3)
'Node', 'Node.002' ,'Node.001', 'Node.034', 'Node.035'
OBNode OBNode.002 OBNode.001 OBNode.034 OBNode.035
Berhasil sampai tujuan, Animasi olahraga
berhasil diaktifkan
Menuju ke ru- ang tidur(garis biru pada gambar
4.1.3 )
'Node', 'Node.031', 'Node.030', 'Node.029', 'Node.026' ,'Node.027'
OBNode OBNode.031 OBNode.030 OBNode.029 OBNode.026 OBNode.027
Berhasil sampai tujuan, animasi tidur
berhasil diaktifkan
Tabel 4.1.4 Tabel state stimulasi terhadap pemilihan jalur Stimulasi Jalur yang diberikan Hasil Jalur yang
dipilih sebagai goal
Parameter
Lapar Ke dapur, ke ruang tidur,ke gymnasium
Ke dapur Berhasil memilih jalur Lelah Ke dapur,ke ruang
tidur,ke gymnasium
Ke ruang tidur Berhasil memilih jalur Kurang
bugar
Ke dapur,ke ruang tidur,ke gymnasium
Ke gymnasium Berhasil memilih jalur
Tabel 4.1.5.1 Tabel proritas yang ada pada agen
Makan Tidur Olahraga
Nilai Minimum 0 0 0
Nilai maximum 100 100 100
Prioritas 1(utama) 2(kedua) 3(ketiga)
Tabel 4.1.5.2 Tabel hasil pengujian prioritas
Keadaan ambigu Prioritas pekerjaan Keterangan Bila nilai minimum tidur =0
Bila nilai minimum olahraga =0
Tidur Berhasil bila Nilai minimum makan =0
Nilai minimum Tidur =0
Makan Berhasil
bila Nilai minimum makan =0 Nilai minimum OlahRaga =0
Makan berhasil
bila Nilai minimum olahraga =0 Nilai minimum makan =0
Makan berhasil
