SWARM INTELLIGENCE INTELLIGENT AGENT
(Penerapan Intelligent Agent Pada E-Commerce)
Oleh :
1. Monalisa Zulkifli (372197) 2. Ari Kusuma Wardana (372201) 3. I Made Arya Budhi Saputra (372224) 4. I Made Avendias Mahawan (372225)
PROGRAM PASCASARJANA ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA
1. Pengertian Agent Pada Artificial Intelligent (AI)
Pengertian sebuah AGENT adalah segala sesuatu yang dapat dipandang sebagaimana mengamati lingkungannya melalui sensor dan bertindak atas lingkungan yang melalui efektor. Agent manusia memiliki mata, telinga, dan organ lain untuk sensor, dan tangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor. Sebuah pengganti agent robot kamera dan berbagai pencari inframerah untuk sensor dan berbagai motor untuk efektor. Dalam kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan agent) dan mengarahkan aktivitasnya untuk mencapai tujuan yaitu rasional. Intelligent agent juga dapat belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Russell & Norvig (2003) mengartikan Rational Agent yang mengerjakan segala sesuatu hal dengan benar. Agent Intelligent menurut Nikola Kasabov adalah bahwa Agent harus menunjukkan karakteristik berikut :
1. Mengakomodasi pemecahan masalah baru dengan aturan bertahap. 2. Beradaptasi online dan real time.
3. Mampu menganalisis sendiri dalam hal perilaku, kesalahan dan kesuksesan. 4. Belajar dan meningkatkan melalui interaksi dengan lingkungan.
5. Belajar dengan cepat dari sejumlah besar data.
6. Memiliki penyimpanan memori berbasis contoh dan kapasitas pengambilan. 7. Memiliki parameter untuk mewakili umur pendek dan jangka panjang
memori.
2. Pengukuran Kinerja Pada Pencapaian Kesuksesan Agent
“How Agents Should Act: Right things” mengukur seberapa kesuksesan sebuah agent. Tidak ada satu ukuran yang tetap dan sama untuk semua agent. Hal ini dapat diketahui dari agent secara subyektif tentang kenyamanan dengan kinerja agent itu sendiri. Sehingga harus ada pengukuran kinerja obyektif yang diberlakukan dengan standart otoritas tentang apa artinya sukses dalam lingkungan dan menggunakannya untuk mengukur kinerja sebuah agent.
tindakan yang dilakukan secara rasional. Sedangkan omniscience adalah sebuah kemustahilan dari kenyataan yang sebenarnya telah terjadi. Faktor yang mempengaruhi rasionalitas ialah Pengukuran Kinarja (Performance Measure), Percept Sequence (persepsi urutan), Knowledge from Environment dan Possible Actions.
“When to evaluate agent’s success?” Hal ini mengarah ke definisi agent rasional yang ideal yaitu untuk setiap urutan persepsi yang memungkinkan, agent rasional yang ideal harus melakukan tindakan apapun yang diharapkan dapat memaksimalkan pengukuran kinerjanya, berdasarkan bukti yang diberikan oleh urutan persepsi dan apa pun yang yang merupakan pengetahuan yang dimiliki agent.
3. Struktur Intelligen Agent
Tugas AI adalah untuk merancang sebuah agent yaitu sebuah fungsi yang mengimplementasikan pemetaan agent dari persepsi terhadap tindakan. Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut arsitektur. Secara umum, arsitektur membuat persepsi dari sensor yang tersedia untuk program,
menjalankan program, dan umpan pilihan program aksi terhadap efektor seperti yang dihasilkan.
Hubungan antara agent, arsitektur, dan program dapat disimpulkan :
1. Mapping : Hubungan antara Percepts and Action.
2. AI sebagai designer Agent Program yang merupakan sebuah function yang mengimplementasikan agent mapping dari percepts to action.
3. Architecture menerima percepts dari sensor, menjalankan program dan melakukan aksi yang dipilih action ke effectors.
4. Agent = Architecture + Program
4. Beberapa Contoh Tipe Agent 4.1.Simple Reflex Agents
Gambar diatas menunjukkan struktur Simple reflex agent, struktur yang paling sederhana dalam bentuk skema. Menunjukkan suatu aturan condition action yang memungkinkan agent untuk membaut sambungan dari persepsi untuk bertindak. Persegi panjang untuk menunjukkan keadaan internal saat proses keputusan agent, dan oval untuk mewakili latar belakang informasi yang digunakan dalam proses. Dari gambar diatas secara singkat dapat disampaikan sebagai berikut:
1. Memiliki rule base dalam bentuk “aksi-kondisi”
2. Memiliki komponen untuk mengekstrak Fitur
3. Tidak ada akses untuk menyelesaikan keadaan dunia
4.2.Model Based Reflex Agent
Pengetahuan tentang “bagaimana dunia bekerja” disebut model dari dunia, maka bentuk ini dinamakan “model based reflex agent”. Sebuah model based reflex agent harus menjaga semacam internal model yang tergantung pada sejarah persepsi dan dengan demikian mencerminkan setidaknya beberapa aspek yang tidak teramati negara saat ini. Kemudian memilih tindakan dengan cara yang sama sebagai agent refleks. Model ini lebih kuat daripada simple reflex agent
Goal based agents memperluas pada kemampuan model-based agents, dengan menggunakan “goal” informasi. Tujuan informasi menggambarkan kondisi yang diinginkan. Hal ini memungkinkan agent cara untuk memilih di antara beberapa kemungkinan, memilih satu yang mencapai negara tujuan. Search dan planing adalah sub bidang kecerdasan buatan yang ditujukan untuk urutan tindakan menemukan bahwa mencapai tujuan agent. Dalam beberapa kasus goal-based agent tampaknya kurang efisien; itu lebih fleksibel karena pengetahuan yang mendukung keputusan diwakili secara eksplisit dan dapat dimodifikasi.
4.4.Utility-Based Agents
5. Peneraan Intelligent Agent Pada Aplikasi E-Commerce
Penerapan konsep agent pada program komputer yang berdasarkan pada kecerdasan buatan sangat banyak dijumpai saat ini, pada pembahasan kali ini akan diambil sebuah contoh intellegent agent akan diterapkan pada aplikasi e-commerce yang disusun oleh Leo Willyanto Santoso dkk dengan kasus pemesanan dan pembelian kacamata pada Optik Indo, dalam penelitian ini dikembangkan suatu agent untuk sistem e-commerce di Optik Indo. Konsep Intelligent agent yang diterapkan dalam sistem ini berupa recommendation agent, dimana secara otomatis agent akan memberikan masukan kepada pengunjung web untuk membeli sesuatu produk tertentu. Pada sistem ini, Customer Relationship Management (CRM) ditekankan yang berfungsi untuk membantu dan memberikan respon terhadap keinginan pelanggan. Tujuan dari pengembangan program ini adalah membuat sebuah aplikasi untuk menangani promosi, penjualan, dan pembelian barang bagi Optik Indo dengan dilengkapi intelligent agent.
Secara garis besar dinyatakan bahwa jumlah perdagangan dilakukan secara elektronik telah berkembang luar biasa dengan penggunaan internet yang meluas.
Penggunaan perdagangan dengan cara ini telah memacu dan memicu inovasi dalam transfer dana elektronik, supply chain management, Internet marketing, proses transaksi secara online, pertukaran data elektronik (EDI), inventory management
system, dan automated data collection system. Elektronik commerce yang dilakukan
aspek penjualan e-bisnis. Hal ini juga terdiri dari pertukaran data untuk memfasilitasi pembiayaan dan pembayaran aspek dari transaksi bisnis.
Ada banyak aplikasi e-commerce di Web. Kelemahan umum adalah kurangnya layanan pelanggan dan analisis pemasarannya. Dari hal tersebutlah maka akan dikembangkan sebuah intelligent agent berdasarkan Case Based Reasoning (CBR) yang diintegrasikan dalam sistem rekomendasi produk. Case Based Reasoning ini mempunyai beberapa langkah sebagai berikut:
1. Retrieve: diberikan suatu masalah,mengambil kasus dari memori yang relevan untuk memecahkannya. Kasus terdiri dari suatu masalah, solusinya, dan, biasanya, penjelasan tentang bagaimana solusi berasal.
2. Reuse: memetakan solusi dari kasus sebelumnya untuk masalah saat ini. Tahapan ini mungkin perlu untuk mengadaptasi solusi yang diperlukan agar sesuai dengan situasi baru.
3. Revise: Setelah memetakan solusi sebelumnya terhadap situasi target,
menguji solusi baru dalam dunia nyata (atau simulasi) dan, jika perlu, merevisi.
4. Retain: Setelah solusi telah berhasil disesuaikan dengan masalah saat ini, kemudian disimpan sebagai kasus baru dalam memori.
Selain itu, juga ada graphic-building wizard berdasarkan pengelompokan analisis sejarah pembelian terakhir untuk staf manajemen untuk menganalisis kecenderungan pemasaran. Analisis dan desain sistem yang dibangun menggunakan model UML.
REFRENSI :
Santoso, Leo Willyanto dkk (2010) “Aplikasi E-Commerce Dengan Intelligent Agent Software Pada Optik Indo”. Fakultas Teknologi Industri Jurusan Teknik Informatika, Universitas Kristen Petra.
http://artikel-teknologi-informasi.blogspot.com/2012/11/pengertian-agent-pada-ai-artificial.html
