01

Modul ke:

Kecerdasan Buatan
Materi Minggu 2: Agen Cerdas (Intelligent agents)
Buku Acuan:
Russel and Norvig, Artificial Intelligence: Modern Approach, Pearson Education
Fakultas
(2010)
FASILKOM I Putu Edy Suardiyana Putra, Ph.D.

Program Studi
Teknik
Informatika
Definisi Agen
• Seperti yang telah dipaparkan pada slide pertemuan 1,
rational agent adalah sesuatu yang mampu bergerak dan
mencari solusi optimal terhadap permasalahan yang dihadapi.
• Secara lebih mendetail, yang dimaksud dengan “Agen” adalah
sesuatu (secara umum dapat dikatakan bahwa sesuatu di sini
merupakan sistem) yang mampu mengenali lingkungannya
melalui sensor-sensor, dan bereaksi terhadap lingkungannya
melalui aktuator.
Contoh agent
• Agen manusia: agen manusia mengenali lingkungannya
dengan menggunakan panca indra. Manusia akan bereaksi
terhadap kondisi lingkungannya menggunakan kaki dan tangan
(aktuator).
• Agen perangkat lunak: agen berupa perangkat lunak akan
mengenali/memahami lingkungannya melalui data-data yang
dikirimkan padanya (seperti paket dari internet, input dari
keyboard) dan bereaksi terhadap kondisi lingkungannya
tersebut dengan (misalnya) menampilkan sesuatu ke layar,
mengirimkan paket balasan melaui internat.
• Poin utamanya adalah agen di sini tidak harus berbentuk fisik.
Ada agen yang berbentuk perangkat lunak.
Cara kerja agen
• Reaksi agen terhadap suatu input akan sangat bergantung dari
bagaimana agen itu diprogram sebelumnya. Jika agen
menerima sebuah input yang belum pernah dilihat/diprogram
sebelumya, agen tidak akan mampu bereaksi.
Cara kerja agen

Gambar 1. Proses kerja agen

Sumber: Russel and Norvig, Artificial Intelligence: Modern Approach, Pearson Education (2010)
Fungsi Agen (Agent Function) dan
Program Agen (Agent Program)
• Secara matematika, perilaku (reaksi) agen sebagai akibat dari
perubahan lingkungan disebut dengan fungsi agen (agent
function).
• Agent function ini nantinya akan diimplementasi dalam bentuk
sebuah program yang disebut program agen (agent program).
Contoh cara kerja agen

• Untuk menggambarkan cara kerja agen, akan digunakan

contoh cara kerja penyedot debu otomatis.
• Asumsikan penyedot debu ini ditugaskan untuk membersihkan
ruangan A dan B.
• Penyedot debu ini akan diberi masukkan (input) dimana lokasi
dia berada beserta kondisi ruangan tersebut.
• Jika ruangan tempat dia berada dalam kondisi kotor, maka dia
akan ditugaskan untuk membersihkan ruangan tersebut. Jika
ruangan berada dalam kondisi bersih, maka robot akan
diperintahkan untuk pindah ke ruangan lainnya.
Contoh cara kerja agen

Gambar 2. Contoh kasus penyedot debu. Pada kasus ini digambarkan bahwa
yang berperan menjadi agen adalah penyedot debu. Sedangkan yang
dimaksud dengan lingkungan adalah Kamar A dan B. Fungsi agen (agent
function) akan ditampilkan pada slide berikutnya.
Sumber: Russel and Norvig, Artificial Intelligence: Modern Approach, Pearson Education (2010)
Agent Function untuk kasus robot
penyedot debu
Tabel 1. Contoh agent function

Contoh masukkan Aksi (Reaksi)

[A, bersih] Pindah ke B

[A, kotor] Bersihkan

[B, bersih] Pindah ke A

[B, kotor] Bersihkan

[A,bersih ], [A, kotor] Bersihkan

Lalu apa yang terjadi jika contoh masukkan: [A, bersih], [A, bersih], [A, kotor] ?
Diskusikan di Forum!
Konsep PEAS

• Agent atau rational agent bertujuan untuk

menemukan solusi dari sebuah
“permasalahan”.
• Permasalahan di sini terdiri dari 4 komponen
yakni PEAS (Performance, Environment,
Actuator, Sensors).
Konsep PEAS
• Performance. Bagian ini menjelaskan apa tujuan
utama dari agen.
• Environment. Bagian ini menjelaskan
lingkungan/situasi yang sedang atau akan dihadapi
oleh agent.
• Actuator. Bagian dari agent yang berfungsi untuk
menggerakkan agen berdasarkan suatu masukkan
(input).
• Sensors. Bagian ini merupakan bagian dari agent yang
bertugas untuk mengenal lingkungan dengan
menerima berbagai jenis masukkan (input).
Contoh konsep PEAS

Studi kasus: Pengemudi taksi otomatis

Agent Type Peformance Environment Actuator Sensors

Pengemudi taxi Kemanan, Jalan, Setir, rem, gas, Kamera,
kenyamanan, kemacetan, klakson. speedometer,
kecepatan, pejalan kaki, GPS,
keuntungan penumpang. accelerometer,
maksimal. sensor mesin,
keyboard.
 Terima Kasih
I Putu Edy Suardiyana Putra, Ph.D.