Maryona Septiara
MATERI 2
• Agen manusia:
• Sensor: mata, telinga, hidung, kulit, lidah dan organ tubuh lain;
• Actuator: tangan, kaki, otot, mulut, dan bagian tubuh lain
• Agen robotik:
• Sensor: kamera, audio, e-nose, microphone, sensor lingkungan, sensor
jarak, dan sensor lainnya
• Actuator: Motor, speaker, penggerak roda, berbagai macam motor
KONSEP AGENT
• Agen robotik :
• Sensor: kamera, infrared, dll
• Actuator: lengan serta berbagai motor
• Agen software:
• Antarmuka pengguna grafis sebagai sensor dan sekaligus sebagai
penggeraknya.
AGENT CERDAS
• Program yang dapat diberi tugas dan dapat menyelesaikan tugasnya secara
mandiri, serta mempunyai inteligensi.
• Dengan bantuan system agen tersebut, maka pekerhaan ang membutuhkan
waktu lama dapat diselesaikan dengan baik dan lebih cepat.
• Dengan adanya agen cerdas pada aplikasi diharapkan aplikasi tersebut dapat
berfikir dan dapat menentukan pilihan Langkah terbaik sehingga dapat
mengalahkan manusia.
KONSEP RATIONAL AGENT
Ketika merancang sebuah agent, kita harus mendefinisikan lingkungan masalah (task
environment) yakni PEAS:
• Sebuah agen haruslah mengarah kepada “lakukan hal yang benar", berdasarkan
kepada apa yang dapat dipahaminya dan tindakan yang dapat dilakukannya.
Tindakan yang benar adalah tindakan yang akan menyebabkan agen tersebut
paling berhasil
• Performance Measure: Sebuah kriteria objektif untuk keberhasilan sebuah
perilaku agen
• Misalnya ukuran performance dari sebuah agen vacuum-cleaner:
1. jumlah debu yang dibersihkan
2. jumlah waktu yang dihabiskan
3. jumlah listrik yang dikonsumsi
4. jumlah kebisingan yang dihasilkan, dll.
CONTOH : AGEN TAKSI ONLINE
14
Misalnya sebua agen medical diagnosis system mendiagnosa pasien secara otomatis:
• Performance measure (komponen pengukur keberhasilan): pasien sembuh, biaya
murah, dll
• Environment (kondisi disekitar agent ): pasien, suster, dokter, rumah sakit
• Actuators (dilakukan agent) : layer monitor (pertanyaan, tes, diagnose,
treatment, petunjuk)
• Sensors (input agent) : keyboard (masukan gejala penyakit, jawaban pasien)
CONTOH : TUTOR BAHASA INGGRIS INTERAKTIF
o Pada kasus ini, dibutuhkan agen refleks berbasis model yang dapat terus
melakukan pelacakan terhadap lingkungan sehingga lingkungan dapat dikesan
dengan baik.
o Agen ini akan menambahkan suatu model tentang dunia yaitu pengetahuan
tentang bagaimana dunianya bekerja.
o Jadi, agen refleks berbasis model ini menjaga keadaan dunianya menggunakan
model internal kemudian memilih tindakan seperti agen refleks sederhana.
3. GOAL-BASED AGENTS
o Pengetahuan agen akan keseluruhan keadaan pada lingkungan tidak selalu cukup.
o Suatu agen tertentu harus diberikan informasi tentang tujuan yang merupakan
keadaan yang ingin dicapai oleh agen.
o Dengan demikian, agen akan bekerja hingga mencapai tujuannya.
o Pencarian dan perencanaan adalah dua deretan pekerjaan yang dilakukan untuk
mencapai tujuan agen.
o Agen refleks berbasis tujuan ini menambahkan informasi tentang tujuan tersebut.
o Contoh : agen taxi harus mengetahui tujuan penumpang untuk memutuskan belok
kiri, kanan, atau lurus pada suatu persimpangan.
4. UTILITY-BASED AGENTS
o Pencapaian tujuan pada agen tidak cukup untuk menghasilkan agen dengan
tingkah laku berkualitas tinggi.
o Sebagai contoh untuk agen pengendara taxi, ada beberapa tindakan yang
dapat dilakukan oleh agen sehingga dapat mencapai tempat tujuan, namun
ada yang lebih cepat, lebih aman, atau lebih murah dari yang lainnya.
o Agen refleks berbasis tujuan tidak membedakan keadaan yang bagus dengan
keadaan yang tidak bagus untuk agen.
o Pada agen refleks berbasis kegunaan ini memikirkan kondisi yang bagus
untuk agen sehingga agen dapat melakukan tugasnya jauh lebih baik.
o Walaupun untuk kasus tertentu, tidak mungkin agen dapat melakukan
semuanya sekaligus. Misalnya untuk agen pengendara taxi, untuk pergi ke
suatu tempat tujuan dengan lebih cepat, itu bertentangan dengan keadaan
lebih aman. Karena untuk perjalanan taxi yang lebih cepat, tentu saja
tingkat bahaya lebih tinggi dari pada perjalanan taxi yang santai.
5. LEARNING AGENTS
• Memungkinkan agen untuk beraksi dalam lingkungan yg tidak dikenal, dan menjadi
semakin kompeten dari sebelumnya.
• Komponen
• Learning Element : yang bertanggungjawab untuk membuat peningkatan.
• Performance Element : bertanggungjawab memilih aksi
• Critics : sebagai umpan balik dan menentukan bagaimana kinerja elemen perlu
dimodifikasi agar lebih baik dilain waktu.
• Problem Generator : bertanggungjawab dalam menyarankan aksi yang mengarah
pada pengalaman baru
TERIMAKASIH
TUGAS
1. Carilah sensor manusia yang diterapkan pada sensor robotic, beserta
dengan contoh robot dan implementasinya.
Example:
• Sensor manusia : mata
• Sensor robotic : kamera
2. Bagaimana intelligent agent digunakan dalam bidang robotika dan
kendaraan otonom?
Dikumpul paling lama hari Senin tanggal 16 Oktober 2023, jam 00.00 di
LMS (Pertemuan 2)