A. DEFINISI MASALAH
1. Carilah 2 aplikasi dari 5 tipe agen
- Simple reflex agents
- Model-based reflex agents
- Goal-based reflex agents
- Utility-based reflex agents dan
- Learning agents
Berikan review masing-masing aplikasi, kenapa aplikasi tersebut masuk
pada tipe agen tertentu ?
2. Pilih satu aplikasi dari 5 tipe agen pada nomor 1, kemudian tentukan PEAS
dari aplikasi tersebut !
B. JAWAB
1. Simple-Reflex Agent :
a. Pintu otomatis :
Pintu akan bereaksi jika ada orang yang masuk zona deteksi dengan jarak
tertentu dan terbaca suhu panas tubuhnya maka pintu akan otomatis
membuka. Bisa disebut simple-reflex agent karena kerjanya simple yaitu
jika terdeteksi manusia maka pintu akan membuka otomatis tidak menekan
tombol apa-apa
b. Sistem pemadam kebakaran otomatis :
Jika ada asap yang terjangkau oleh alat, maka akan mengaktifkan kran
hydrant yang akan menyemprotkan air untuk memadamkan api. Bisa
disebut simple-reflex agent karena, jika terdeteksi adanya asap dan api
reflex langsung keluar air tanpa harus meminta konfirmasi atau menekan
tombol apapun.
Model-Based Agent :
a. Alat pemilih sampah :
Alat akan memilih sampah berdasarkan kriteria bahan sampahnya,
kemudian akan menentukan tong sampah mana yang disediakan untuk
menampung jenis sampah tersebut. Alat ini termasuk Model-Based Agent
karena alat akan menscaan tingkat kebasahan sampah, setelah itu tempat
sampah yang tipe kebasahannya sama dengan sampah otomatis terbuka.
b. Emergency braking collision :
Alat akan mendeteksi jarak kendaraan dan memperingati pengemudi. Jika
kendaraan didepan semakin dekat dan pengemudi tidak merespon, maka
kendaraan akan memperlambat laju kendaraan sehingga tidak menabrak
kendaraan di depannya. Alat ini termasuk Model-Based Agent karena alat
ini memcaba kondisi keadaan yang ada didepannya, apakah ada barang
atau mobil di depannya ? jika ada maka mobil segera mengurangi
kecepatan dan berhenti, jika tidak ada maka mobil akan berjalan dengan
seperti biasa
Goal-Based Agent :
a. Robot koki
Robot dapat memasak makanan secara otomatis. Manusia dapat memilih
menu makanan dan memasukkan bahan apa saja yang dibutuhkan,
kemudian robot akan menerjemahkannya dan mengambil peralatan yang
dibutuhkan. Jika ada bahan atau peralatan yang kurang robot akan
memperingatkan user.misal ada yang memesan nasi goreng, sebelum
ketujuan yaitu nasi goreng maka robot akan di setting untuk memilih
bahan-bahan missal, nasi,telur,bawah merah, bawang putih dll. Setelah
bahan sudah siap, maka robot akan langsung menuju ke tujuan utama,
yaitu membuat nasi goreng.
b. Siri
Aplikasi akan menentukan respon yang tepat sesuai tujuan yang di minta
oleh user.misal kita akan mencari mobil sport, user mengucapkan kata
mobil sport dan agent akan merespon kemudian membuka halaman mobil
sport. Tidak mungkin agent bisa berjalan jika tidak ada memberikan
perintah atau permintaan. Walaupun ada user yang berada didekatnya.
Utility-Based Agent :
a. Rubik solver
Agent ini akan merekam susunan warna di semua sisi. Ia akan menentukan
algoritma yang tepat dan cepat untuk menyusun rubik. Agent memikirkan
apakah setiap sisi sudah berada dalam posisinya masing-masing ? jika
belum sesuai maka agent akan terus berjalan sampai semua sisi berada
dalam posisinya masing-masing.
b. Self parking
Agent akan memindai tempat parkir yang kosong , kemudian menentukan
cara parkir yang tepat untuk memarkirkan kendaraan dengan posisi yang
tepat.mobil parkir dengan mencari tempat yang kosong jika telah
diketemukan tempat yang kosong maka mobil bergegas ke tempat itu dan
siap untuk memarkirkan diri, tapi tidak sembarang parker jika tidak rapi
missal roda ban menginjak garis putih atau tidak sesuai maka mobil akan
segera memperbaiki posisinya agar bisa terparkir dengan rapi.
Learning Agent :
a. Tay AI Microsoft
Agent mempelajari data tweet para user twitter yang digunakan sebagai
acuan untuk membalas tweet dari para user twitter. Agent mempelajari
bagaimana tweet para user dan apa yang harus dibalas agent kepada tweet
tersebut, jadi agent mempelajari seluruh tweet tweet setiap user.
b. Google Maps
Aplikasi ini akan menavigasi user untuk sampai ketempat tujuan dengan
merekam data-data yang telah digunakan dan memilih rute tercepat untuk
menghemat waktu sampai ke tujuan. Missal menemukan jalan pertama
dengan panjang 30 km tapi setelah beberapa bulan kemudian telah
ditemukan rute dengan panjang jalan 25 km. maka dari itu google maps
disebut learning agent karena terus berkembang dengan kondisi jalan yang
sekarang dan jalur itu bisa di lewati kendaraan apa saja.
2)
- Simpel Reflex Agents agen ini merupakan agen paling sederhana dimana agen
hanya menerapkan teknik kondisi-aksi, contoh: aplikasi pengurut surat.
- Model-Based Reflex Agents agen ini mampu melakukan pelacakan terhadap
lingkungan secara terus menerus sehingga lingkungan dapat dikesan dengan
baik dan melakukan tindakan seperti agen reflex sederhana, contoh: aplikasi
deteksi bus
- Goal-Based Agents agen mengetahui tujuan yang ingin dicapai, sehingga agen
akan bekerja terus menerus hingga tujuan agen tercapai, contoh: aplikasi menu
pada restoran
- Utility-Based Agents agen ini memikirkan kondisi yang baik untuk agen
sehingga agen dapat melakukan tugas jauh lebih baik, contoh: aplikasi taksi
- Learning agents merupakan agen yang mampu belajar dari pengalaman,
sehingga mampu meningkatkan kinerja agen itu sendiri, contoh: aplikasi
diagnose penyakit.