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
YOGYAKARTA
2014
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.
How to evaluate agents success? Mengevaluasi kinerja sangat penting.
Dalam hal ini sangatlah diperlukan evaluasi untuk membedakan antara rasionalitas
dan omniscience (kemahatahuan). Rasionalitas bahwa agent tahu hasil dari sebuah
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 agents 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
5. PAGE = Percepts, Actions, Goal(s) and Environment.
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. Pekerjaan hanya jika keputusan yang tepat dapat dilakukan atas dasar
persepsi saat ini
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

4.3. Goal-Based Agents

 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

Goal tidak cukup untuk menghasilkan perilaku berkualitas tinggi. Ada banyak
urutan tindakan untuk mencapai tujuan, tetapi beberapa yang lebih cepat, lebih
aman, lebih dapat diandalkan, atau lebih murah daripada yang lain. Tujuan hanya
memberikan perbedaan antara kondisi bahagia dan tidak bahagia, sedangkan
ukuran kinerja yang lebih umum harus memungkinkan perbandingan beberapa
urutan kondisi yang berbeda jika agent ingin mencapai tujuan. Terminologi yang
dipergunakan untuk mengatakan bahwa jika satu kondisi lebih disukai daripada
kondisi yang lain, itu mempunyai utilitas yang lebih tinggi untuk agent.
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
antara perusahaan yang disebut sebagai business-business atau B2B. B2B dapat
terbuka untuk semua pihak yang berkepentingan (misalnya pertukaran komoditi) atau
terbatas pada spesifik, pra-kualifikasi peserta (swasta pasar elektronik). E-commerce
yang dilakukan antara perusahaan dan konsumen, di sisi lain, ini disebut sebagai
bisnis-konsumen-atau B2C. Ini adalah jenis electronic commerce yang dilakukan
oleh perusahaan seperti Amazon.com. belanja online adalah suatu bentuk
perdagangan elektronik di mana pembeli langsung secara online ke komputer penjual
biasanya melalui internet. Tidak ada pelayanan perantara. Transaksi jual beli selesai
elektronik dan interaktif secara real-time seperti Amazon.com untuk buku-buku baru.
Jika perantara hadir, maka penjualan dan transaksi pembelian disebut perdagangan
elektronik seperti eBay.com. Elektronik commerce umumnya dianggap sebagai
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

http://en.wikipedia.org/wiki/Intelligent_agent