Anda di halaman 1dari 7
Model Komputasi Cerdas Proaktif untuk Monitoring Proyek-proyek Teknologi Informasi Menggunakan Sistem Multiagen Otonomos Azhari Subahar Ilmu Komputer, FMIPA-UGM Statistika, FMIPA-UGM arisn@ugm.ac.id subanar@yahoo.com Retantyo Wardoyo Sri Hartati Ilmu Komputer, FMIPA-UGM Ilmu Komputer, FMIPA-UGM rw@ugm.ac.id shartati@ugm.ac.id Abstrak Model komputasi cerdas proaktif merupakan satu bagian penting dari pendekatan sistem kecerdasan buatan yang dapat diterapkan untuk persoalan yang bersifat dinamis dan terdistribusi. Termasuk untuk mendukung otomasisasi dari kegiatan manajemen proyek dalam sebuah perusahaan. Misalnyai untuk mengetahui secara otomatis dan realtime dari ketepatan ataupun ketidaksesuaian antara jadwal yang telah ditetapkan dibandingkan dengan pelaksanaan proyek. Pada makalah ini dikaji, didesain, dan dievaluasi sebuah model komputasi proaktif untuk monitoring pelaksanaan proyek-proyek berbasis agen cerdas. Metode prometheues digunakan untuk membangun prototip. Kode program dibangun dengan bahasa Jadex agen framework. Berdasarkan hasil pengujian, agen-agen cerdas otonomos yang dibangun terlihat telah mampu menunjukkan kemampuan proaktif setiap saat untuk mencari dan menyajikan informasi monitoring proyek terhadap beberapa uji sampel data proyek teknologi informasi yang disimulasikan. Katakunci: komputasi proaktif, agen cerdas, monitoring proyek, proyek teknologi informasi. paralel, atau modul-modul tersebut 1. Pendahuluan merupakan bagian penting yang diperlukan untuk menyelesaikan proyek-proyek yang Sebuah perusahaan teknologi informasi lain dengan sedikit modifikasi [1,2]. umumnya memiliki banyak kegiatan proyek Hingga saat ini model-model komputasi perangkat lunak yang telah direncanakan untuk mendukung masalah kegiatan dan dan harus segera dikerjakan untuk suatu proses manajemen untuk perusahaan masih jangka waktu dan dengan sejumlah dana banyak dinominasi pada model komputasi investasi tertentu. Proyek-proyek tersebut secara interaktif [3]. Aplikasi-aplikasi sistem pada umumnya juga dapat dilakukan secara informasi yang ada masih banyak terdistribusi oleh anak perusahaan atau membutuhkan interaksi dari para rekanan. penggunanya. Termasuk sistem informasi Salah satu masalah yang cukup menarik untuk mendukung kegiatan manajemen adalah bagaimana melakukan monitoring proyek. Misalnya jika seorang manajer ingin terhadap semua perkembangan dari mendapatkan dan melihat informasi pekerjaan proyek tersebut secara efektif dan kemajuan dari pekerjaan proyek, detail realtime. Masalah akan menjadi lebih rumit proyek, kesesuaian atau ketidaksesuaian jika dari setiap proyek tersebut terdapat pula dengan jadwal yang telah ditetapkan, sisa bagian modul dan komponen program yang waktu dan pekerjaan. Biasanya akan dapat dikerjakan secara bersamaan dan INKOM, Vol. III, No. 1-2, Nop 2009 III-7 membutuhkan beberapa langkah interaksi 2. Komputasi proaktif dan agen dengan menu-menu dari aplikasi. Hal ini, otonomos tentu cukup menyita waktu dan kurang menyenangkan bagi seorang direktur proyek Komputasi proaktif adalah suatu ataupun manajer proyek [4]. pendekatan yang terus berkembang untuk Pada sisi yang lain, seorang direktur mendukung tantangan terhadap proyek, manajer proyek dimungkinkan pula pengembangan aplikasi-aplikasi kecerdasan dapat memanfaatkan lebih dari sekedar agar mampu berfungsi secara adaptif, aktif hanya satu komputer untuk monitoring detail dan mandiri. Disamping itu juga merupakan aktivitas dari setiap proyek dengan tujuan sebagai alat penghubung cerdas yang dapat agar dapat melihat secara menyeluruh. dibuat agar aktif bagi para pengembang Misalnya dari dua hingga puluhan komputer dalam mendisain aplikasi. Seperti yang pada saat yang bersamaan untuk melihat dan ditulis oleh Miettinen et al [6], salah satu menghitung perbandingan hasil yang tujuan utama dari pendekatan komputasi dicapai, termasuk untuk analisis kinerja dari proaktif adalah untuk membuat komputer tim, penjadwalan ulang kegiatan proyek, agar mampu mengantisipasi pemakai dan analisis biaya proyek yang sedang berjalan, memberikan reaksi atau tindakan yang dan sebagainya, maka dia akan menjadi didasarkan pada informasi yang ditangkap kesulitan karena fokus perhatiannya akan oleh sensor aplikasi. terbagi pada komputer-komputer lainnya Pernyataan hampir sama juga ditulis oleh tersebut [4]. Want et al [7], arsitektur suatu perangkat Menurut Holden [5], model komputasi lunak proaktif harus mampu memberikan proaktif merupakan sebuah upaya agar respon secara langsung atau tidak langsung komputer dapat mengantisipasi kebutuhan melalui cara penalaran yang paling sesuai atau kondisi tersebut. Komputer diharapkan untuk melaksanakan suatu tindakan tertentu atau kadang-kadang dapat melakukan ataupun langkah-langkahnya (baik positif keinginan-keinginan tertentu dari orang maupun disengaja). Sehingga dapat tersebut. Atau bahkan komputer-komputer dipastikan bahwa keputusan dan aktivitas lainnya dapat dirancang sedemikian hingga yang dilakukan oleh sistem saat ini akan secara aktif mampu menunjukan saling menentukan dan mendukung pula aktivitas berhubungan dengan beberapa komputer selanjutnya yang akan dilakukan oleh sistem lain untuk berbagi pekerjaan tanpa ada tersebut. intervensi manusia. Sedangkan Bech dan Wilson [8], dan Tujuan utama dari makalah penelitian ini Sayouti et al [9] menyatakan bahwa adalah untuk memodelkan sebuah komputasi kemampuan komputasi secara proaktif cerdas secara proaktif berbasis agen-agen merupakan salah satu karakteristik penting otonomos untuk monitoring dari dari perangkat lunak berbasis agen cerdas. pelaksanaan pekerjaan proyek, detail Agen-agen cerdas proaktif didesain tidak pekerjaan dari proyek-proyek. Proyek- hanya bereaksi terhadap pemacu eksternal proyek perusahaan dipilih dikhususkan dengan suatu cara tertentu dan tepat waktu. untuk perusahaan teknologi informasi. Tetapi agen-agen cerdas proaktif dapat juga Proyek-proyek diasumsikan telah didesain didalam komponen penalaran direncanakan sebelumnya oleh direktur internalnya untuk mempertimbangkan, proyek dan manajer proyek, kemudian memilih diantara alternatif, dan bertindak dilaksanakan oleh beberapa anak perusahaan sesuai dengan berbagai kemungkinan yang dan rekanan, dan disimpan pada masing- diciptakan oleh setiap pemacu eksternal masing basisdata unit kerja tersebut. terhadap agen-agen tersebut. Holden [5], secara sederhana menuliskan perbedaan antara komputasi proaktif dengan komputasi reaktif berbasis agen seperti berikut. Agen proaktif mempunyai tanggung INKOM, Vol. III, No. 1-2, Nop 2009 III-8 jawab dan kesempatan untuk membuat yang diberikan menunjukkan bahwa aplikasi aneka pilihan yang dipengaruhi oleh tersebut bekerja lebih cepat keadaan lingkungannya ataupun menformulasikan solusi terhadap mempengaruhi lingkungannya agar kemungkinan masalah-masalah yang akan mendorong kearah hasil yang ingin dicapai. dihadapi dan memberikan dukungan bagi Sedangkan pada agen reaktif bekerja karena setiap penggguna aplikasi. dituntun dan dipacu oleh keadaan Huhns [12] memperlihatkan sebuah lingkungan atau pengguna aplikasi tersebut. arsitektur kognitif untuk sebuah sistem agen Selanjutnya Holden [5] juga memberikan cerdas yang sering disebut arsitektur sistem contoh aplikasi kecerdasan untuk bidang model BDI. Sebuah arsitektur BDI mengacu bisnis berbasis reaktif dan proaktif yang pada bagaimana beliefs, desires and dapat membantu perusahaan pada beberapa intentions direpresentasikan dapat hal. Komputasi reaktif misalnya untuk diperbaharui, ditambahkan, dianalisis dan segera bereaksi dan tanggap terhadap diolah (reasoner) untuk kemudian perubahan kecenderungan pasar, perubahan melakukan tindakan-tindakan secara reaktif prilaku konsumer dan pola persebarannya, atau proaktif dalam model komputasi perkembangan preferensi pelanggan, berbasis agen-agen cerdas. perusahaan, kondisi pasar. Pada Gambar 1 diperlihatkan skema Sedangkan sebuah aplikasi kecerdasan komponen internal dari agen model BDI, proaktif dapat dimanfaatkan untuk diambil dari Huhns [12]. Beliefs, merupakan mengidentifikasi suatu masalah yang fakta dan informasi sebuah agen tentang kemungkinan menimbulkan dampak negatif sesuatu yang ada disekelilingnya. Desires, terhadap kepentingan bisnis secara langsung merupakan sesuatu dalam diri agen, dimana atau tidak langsung. Dengan demikian, para sebuah agen menginginkan untuk operator dan manajer dapat menyingkat mencapainya. Intentions, desires dari agen waktu untuk menemukan penyelesaiannya yang sedang dikerjakan, atau juga sebelum mereka berhadapan dengan merupakan komitmen paling dalam dari pelanggan. Artinya manager dan para individual agen. Agen-agen BDI pada pekerja akan mempunyai informasi dan prinsipnya bekerja dan memutuskan sendiri dukungan strategi yang lebih cepat untuk berdasarkan goals yang ingin dicapai dan membuat keputusan pelayanan di waktu bagaimana mencapainya. yang lebih tepat, dibandingkan harus Sayouti et al [9], dan Liu [10] otonomos menunggu persoalan yang kemungkian (autonomous) adalah sebuah konsep yang muncul dari pelanggan pada hari-hari penting bagi sebuah agen cerdas. Tingkah berikutnya [10,11]. laku ini dapat didasarkan pada baik Sebagai contoh yang lain, sebuah pengalaman sendiri ataupun pengetahuan komponen komputasi proaktif telah internal yang digunakan untuk beroperasi ditanamkan kedalam sebuah sistem dalam lingkungan tertentu. Sebuah sistem pengambilan informasi oleh Mittienen [6]. adalah otonomos jika perilaku sistem dapat Komponen ini dapat secara proaktif meramal ditentukan oleh pengalaman sendiri. Jika informasi yang relevan harus diproduksi perilaku agen sepenuhnya didasarkan pada oleh model yang didasarkan pada pengetahuan internal yang dibangun tanpa pembelajaran dan pengamatan yang memperhatikan kepada berbagai variasi dinginkan pemakai. Ternyata ini lebih pemacu atau persepsi, maka agen ini disebut efektif dibandingkan dengan model kurang memiliki otonomos. komputasi pengembalian informasi sistem Wood [13] lebih menegaskan pula bahwa secara interaktif. pengetahuan internal yang dibangun Want et al [7] memperlihatkan sedemikian rupa harus memberikan perbandingan tujuh buah aplikasi berbasis kemampuan agen untuk belajar dengan komputasi proaktif. Dari hasil rangkuman pengetahuan awal yang cukup. Fleksibilitas Azhari, et. al.: Model Komputasi Cerdas Proaktif untuk Monitoring Proyek-proyek Teknologi Informasi Menggunakan Sistem Multiagen Otonomos III-9 dari agen untuk beroperasi berdasarkan beroperasi dengan sukses pada berbagai kondisi yang berbeda akan dicapai melalui kondisi lingkungan, diberikan waktu yang otonomos. Artinya cerdas yang benar-benar cukup untuk beradaptasi. sebagai agen otonomos harus dapat Gambar 1. Struktur internal agen model BDI untuk pihak manajemen perusahaan seperti 3. Analisis dan rancangan model direktur proyek dan manajer proyek. Kemudian ketiga, Agent-Monitoring yang Secara prinsip agen-agen cerdas berfungsi untuk mencari dan mengelola data otonomos yang dikembangkan harus mampu status kemajuan dari proyek-proyek. secara proaktif mencari data kemajuan dan Pada Gambar 2a diperlihatkan arisitektur menyajikan informasi monitoring dari dari model. Sedangkan komponen internal proyek-proyek yang sedang dilaksanakan utama dari masing-masing agen tersebut oleh perusahaan. Baik ketika data awal diperlihatkan pada Gambar 2b. Skema ini sudah tersedia atau ketika data status merupakan model hibrida, karena ada bagian dimasukan dan diperbaharui. yang berfungsi reaktif dan ada bagian yang Dalam penelitian ini proyek-proyek berfungsi proaktif. teknologi informasi diasumsikan dikerjakan Persepsi merupakan bagian untuk oleh beberapa pihak seperti holding menangkap atau mengenali informasi baik company, anak perusahaan, dan rekanan. internal maupun disekeliling dari setiap Data proyek, detail proyek, dan agen-agen. Seperti permintaan data dari agen perkembangan proyek disimpan secara lain, permintaan untuk melakukan aktivitas terdistribusi pada komputer dari masing- kerjasama. Bagian behaviour merupakan masing unit kerja tersebut. Oleh karena itu, kemampuan-kemampuan dari agen untuk agen-agen cerdas otonomos perlu mengenali kondisi-kondisi yang diterima membangun sebuah strategi proaktif secara dari persepsi, kemudian menyeleksi menjadi internalnya untuk refaktorisasi, konsilidasi tindakan-tindakan agen. Komponen sosial dan pergantian yang paling bersesuaian dari merupakan kemampuan untuk kondisi-kondisi tersebut. berkomunikasi dan berdialog dari sesama Dalam penelitian ini, diusulkan dibuat agen lainnya ataupun dengan para pengguna. tiga agen utama. Yaitu pertama, Agent- Selanjutnya bagian goal based planner Project berfungsi untuk mengelola informasi merupakan kemampuan untuk agen proaktif setiap proyek, detail kegiatan yang terletak memilih pengetahuan internal atau pada berbagai komputer perusahaan. Kedua, memperbaharuinya dari agen dan Agent-Antarmuka berfungsi untuk mempengaruhi agen-agen untuk melakukan mendeteksi dan memfasilitasi keinginan dan tindakan. Misalnya Agent-Monitoring secara pengaturan navigasi dan tampilan antarmuka proaktif akan selalu mempengaruhi Agent- INKOM, Vol. III, No. 1-2, Nop 2009 III-10 Project untuk melakukan kegiatan bahasa pemrograman Java dan Jadex agen monitoring jika ada atau tidak ada framework [12]. Berikut diberikan beberapa permintaan informasi monitoring dari Agen- hasil tampilan dari prototip ketika Antarmuka. dijalankan. 4. Hasil dan pembahasan Model agen-agen cerdas proaktif telah diimplementasikan dengan menggunakan   Agent-Antarmuka Agent-Monitoring Agent- Project dbprojectprogress dbProjectMaster a. model proaktif monitoring proyek b. struktur internal BDI agen-agen proaktif Gambar 2 Agen proaktif monitoring project Pada Gambar 3 diberikan tampilan hasil pengujian terhadap agen-agen otonomos ketika mengirimkan hasil pengambilan informasi mengenai semua proyek perusahaan dari server. Sebagai contoh, pada gambar terlihat “Project Company High Internet” dengan Andrey Romes sebagai manager proyek, biaya proyek 150, tanggal dimulai 2008-09-01, tanggal selesai 2009- 01-01 dan proyek ini termasuk jenis kategori infrastructure, dan begitu seterusnya untuk Gambar 4 Informasi kemajuan setiap proyek proyek-proyek lainnya. dalam bentuk gantt chart Gambar 5 Informasi kemajuan untuk detail proyek Banana 2.0 Gambar 3 detail informasi project Banana 2.0 Selanjutnya pada Gambar 3, pada bagian window detail project ditunjukkan pula Azhari, et. al.: Model Komputasi Cerdas Proaktif untuk Monitoring Proyek-proyek Teknologi Informasi Menggunakan Sistem Multiagen Otonomos III-11 detail kegiatan untuk “Proyek Banana 2.0” 6. Daftar pustaka yaitu observation, sample data [1] B. Raphael, B. Domer, Saitta and I.F.C. collection, first draff, proposal, Smith, 2007, “Incremental development contract, planning, coding and of CBR strategies for computing project implementation, dan deployment. cost probabilities”, Advanced Contoh hasil yang diperoleh terhadap Engineering Informatics, vol. 21(3), pengujian kemampuan dari prototip model pp.311-321, July 2007. untuk menampilkan informasi monitoring [2] O.H. Franco, L.F. Castilo, J.M. atau perkembangan proyek ditampilkan pada Corchado and C.A. Lopez, “Multiagent Gambar 4. Pada window project progress system for software monitoring and terlihat semua status perkembangan proyek- users' activities in a network proyek perusahaan dalam bentuk gantt equipment”, Scientia Et Technica, vol. chart. Berturut-turut adalah Project Auto 13(34), UTP, Pereira, Colombia, 2007. Billing (50%), Project Banana 2.0 (50%), Project Company Auto Billing version II [3] S. Liu and C. Wang, “Optimization (50%), Project Company High Internet model for resource assignment problems (70%), Project Home Entertainment II of linear construction projects”, (25%), Project School Speedy I (100%), Automation in Construction, vol. 16(4), Project Community Development (60%), pp.460-473, July 2007. dan Project Data Exchange (50%). [4] S. Bergamaschi, G. Gelati, F. Guerra Sedangkan pada Gambar 5, terlihat and M. Vincini, “An intelligent data perkembangan detail dari Project Banana 2.0 integration approach for collaborative berturut-turut adalah Observation (12%), project management in virtual Sample data Collection (50%), First Draf enterprises”, World Wide Web: Internet (80%), Proposal (50%), Contract (78%), and Web Information Systems, Springer Planning (25%), Coding and Implementation Science, Business Media, Inc. (90%), dan Deployment (6%). Netherlands, 2005. [5] H. Holden, “Reactive and proactive 5. Kesimpulan business intelligence”, Business Intelligence Network, article, Berdasarkan sejumlah sampel data uji http://www.b-eye-network.co.uk/view- untuk simulasi perkembangan kegiatan articles/5899 (diakses 6 Agustus 2008) proyek yang diberikan terhadap agen-agen cerdas dapat disimpulkan bahwa prototip [6] M. Miettinen, V. Tuulos and P. aplikasi yang telah dibangun menunjukkan Myllymki, “A testbed for proactive kemampuan proaktif. Antara satu agen information retrieval”. In P. Floreen, et dengan agen lainnya dapat menunjukkan al. editors, Proc. of the Workshop on bekerja sama didalam mencari dan Context Awareness for Proactive menyajikan informasi monitoring proyek- Systems (CAPS 2005), pp. 137–146, proyek yang ditampilkan dalam bentuk gantt Helsinki, 2005. chart. [7] R. Want, T. Pering and D. Tennenhouse, Kedepan, penelitian ini dimungkinkan “Comparing autonomic and proactive dilanjutkan untuk ditambahkan sebuah computing”, IBM Systems Journal, vol. proses kemampuan rekomendasi dari agen- 42(1), 2003. agen sistem. Sedemikian hingga manager [8] J.C. Beck and N. Wilson, “Proactive proyek dapat mudah untuk mengestimasi algorithms for job shop scheduling with keberhasilan keberlanjutan dari siswa waktu probabilistic durations”, J. Artificial pelaksanaan setiap proyek. Intelligence Research, vol. 28, pp. 183- 232, 2007. INKOM, Vol. III, No. 1-2, Nop 2009 III-12 [9] A. Sayouti, H. Medromi, F.Q. Aniba, S. [11]K.V. Hindriks and·J.J.Meyer, “Toward a Benhadou and A. Echchahad, programming theory for rational “Modeling autonomous mobile system agents”, J. Autonomous Agents and with an agent oriented approach”, Int. J. Multi-Agent Systems, vol.19(1), pp.4– Computer Science and Network 29, August 2009 Security, vol.9(9), September 2009. [12]M.N.Huhns, “Jadex and BDI agents”, [10]J. Liu, “Autonomous agents annd multi- www.cse.sc.edu/~huhns/csce590/, agent systems: explorations in learning, (diakses 6 Agustus 2008). self-organization and adaptive [13] S.Wood, “Representation and computation”, Hong Kong Baptist purposeful autonomous agents”, University, Press, 2001. Robotics and Autonomous Systems,vol. 51, pp. 217–228, 2005. Azhari, et. al.: Model Komputasi Cerdas Proaktif untuk Monitoring Proyek-proyek Teknologi Informasi Menggunakan Sistem Multiagen Otonomos III-13