analisis kualitas pelayanan - MMT-ITS

Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
MODEL KOMPUTASI KECERDASAN
BERBASIS SISTEM AGEN DAN SISTEM MULTIAGEN
Azhari dan Sri Hartati
Ilmu Komputer, Fakultas MIPA, UGM, Yogyakarta
[email protected]
ABSTRAK
Pemodelan komputasi berbasis teknologi agen cerdas merupakan suatu
pendekatan baru dalam bidang rekayasa perangkat lunak untuk menyelesaikan
persoalan komputasi dunia nyata yang kompleks, heterogen dan terdistribusi. Model
komputasi berbasis agen cerdas ini, telah mulai banyak diterapkan terhadap berbagai
persoalan, termasuk persoalan untuk model-model komputasi cerdas seperti robotika,
permainan, kolaborasi, bisnis dan industri.
Pada makalah ini, akan diekplorasi, dianalisis dan dibahas prinsip-prinsip, dan
karakteristik utama, serta aplikasi dari pendekatan model komputasi agen cerdas.
Sebuah model atau sistem komputasi berbasis agen cerdas, pada dasarnya terdiri dari
agen secara tunggal (sistem agen) ataupun sekumpulan agen-agen (sistem multiagen)
yang memiliki atau difasilitasi kemampuan untuk berkerja dan aktif secara autonomous
(mandiri), reaktif, proaktif, dan mampu berinteraksi dengan agen-agen yang sama atau
agen berbeda menurut kondisi lingkungan yang diciptakan untuknya dan tanpa
intervensi dari pengguna sistem. Keuntungan dan kelebihan dari pemanfataan
komputasi berbasis agen cerdas dapat meningkatkan kecepatan, efisien untuk komputasi
paralel, memudahkan membangun dan merawat perangkat lunak.
Key words: Intelligent Systems, Intelligent Agent, Multiagen System.
PENDAHULUAN
Dalam bidang ilmu komputasi terdapat banyak domain persoalan kompleks yang
membutuhkan pendekatan model-model komputasi, teknologi dan sistem komputer agar
mampu berkerja secara paralel, individual atau bersama-sama, kongkuren, dan saat itu
juga (real time) untuk mencapai suatu tujuan tertentu. Sebagai contoh pada sistem
informasi perbankan antar bank yang dikembangkan berbasis komunikasi internet dan
tanpakabel. Sistem melakukan milyaran traksaksi setiap harinya. Sedangkan sistem
komunikasi internet dan tanpa kabel itu sendiri merupakan sebuah sistem yang sangat
kompleks yang terdiri dari berbagai jenis server, sistem operasi, dan sistem aplikasi,
serta mekanisme penyimpan informasi yang beragam. Subsistem tersebut tersebar dan
terletak pada berbagai lokasi, yang saling terhubung, dan saling berinterkasi. Sistem
dapat menyediakan berbagai ragam informasi dan pengetahuan bagi setiap orang yang
menginginkan, dan mengalir dari suatu subsistem ke subsistem lainnya. Contoh yang
lain adalah sistem manajemen dan pengaturan lalulintas pada suatu perkotaan modern
yang dikendalikan oleh komputer. Sistem dapat terdiri dari kenderaan, jalan raya, lampu
lalulintas, pengemudi, polisi, aturan dan prosedur pengaturan berlalulintas. Setiap
subsistem secara individual, bersama-sama, berinteraksi yang berfungsi bekerja dalam
sistem.
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Persoalan menjadi menarik adalah bagaimana jika salah satu atau lebih dari
subsistem-subsistem tersebut mengalami penurunan fungsi dan kinerja maka dapat
dipastikan akan mempengaruhi aliran kerja, mekanisme sistem secara parsial atau
menyeluruh. Hal ini menyebabkan perlu segera diketahui subsistem mana, terletak
dimana, apa dan mengapa mengalami disfungsi. Kemudian tindakan apa yang harus
segera dilakukan. Adakah yang mampu menunjukkannya, atau apakah harus dideteksi
secara manual? Dari contoh-contoh tersebut, sistem-sistem model komputasi kompleks
saat ini dipadang memerlukan teknik-teknik baru dalam pengembangan sistem otomatis
dan cerdas dimasa akan datang, seperti teknologi klustering, algoritma genetika,
komputasi swam, dan komputasi agen cerdas (Axelrod, 1997; Falting, 2000; Jenning,
2001; dan Russell, 2003).
Dalam tulisan ini akan dibahas sebuah pendekatan baru model komputasi
berbasis sistem agen cerdas. Tujuan utama dari makalah ini adalah melakukan
pengkajian, analisis dan suatu pendekatan model komputasi sistem agen cerdas. Dan
dibahas mengenai karakteristik utama dari sistem agen cerdas, prinsip-prinsip model
komputasi berbasis sistem agen, berbasis sistem multiagen, dan sebuah studi kasus.
MODEL KOMPLEKSITAS DAN SISTEM PERANGKAT LUNAK
Menurut Azelrod (1997) dan Jenning (2001), karakteristik kompleksitas suatu
sistem persoalan dunia nyata sering dinyatakan dalam bentuk hierarki. Misalnya sebuah
sistem tersusun dari subsistem-subsistem yang saling berinteraksi, masing-masing
dinyatakan secara struktur hierarki hingga ketingkat subsistem paling bawah yang dapat
dicapai. Disamping itu, bentuk hierarki terasa lebih cepat untuk mengetahui tingkat
ukuran kompleksitas suatu sistem. Sedangkan interaksi didalam sistem dapat
diidentifikasikan dan dinyatakan baik untuk interaksi didalam subsistem ataupun antara
subsistem-subsistem. Seperti pada model bentuk hierarki, abstraksi umum dari suatu
sistem kompleks juga banyak dinyatakan dalam bentuk model kanonik seperti yang
ditunjukan pada gambar 1. Pada gambar diperlihatkan, setiap subsistem terdiri dari
komponen-komponen yang dapat berinterkasi secara internal. Hubungan antara
subsistem dengan subsistem mirip dengan model interaksi-relasional dalam sebuah
organisasi.
Selanjutnya Jenning (2001) dan Liu dan Wu (2001), menuliskan bahwa sebuah
sistem perangkat lunak pada dasarnya juga merupakan sebuah sistem kompleks yang
dibentuk berdasarkan solusi terhadap suatu domain persoalan kompleks dunia nyata.
Secara internal, didalam sebuah perangkat lunak, juga memiliki sejumlah bagian-bagian
atau subunit-subunit tertentu yang saling berinterkasi. Tingkat kompleksitas sebuah
perangkat lunak tidak hanya tergantung pada bagaimana memetakan persoalan menjadi
subbagian-subbagian dari perangkat lunak, tetapi juga dari luas dan kompleks cakupan
domain persolaan yang ditangani.
Dari kenyataan itulah, maka para pengembang perangkat lunak harus mampu
menyediakan atau menemukan cara dan alat agar mampu menyelesaikan kompleksitas
terhadap suatu persoalan dunia nyata secara lebih mudah dan cepat. Suatu pemodelan
komputasi perangkat lunak kompleks pada dasarnya juga harus mampu menunjukan dan
melakukan: i) pendekomposisian persoalan kompleks menjadi subunit-subunit terkecil
yang relatif saling asing namun tetap berfungsi secara terpadu; ii) pendefinisian atau
abstraksi agar model sistem lebih sederhana namun juga sifat-sifat sistem tetap dapat
dideskripsikan secara rinci, iii) penanganan agar berbagai subunit (komponen) tetap
ISBN : 979-99735-1-1
C-6-2
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
dapat saling berinteraksi antara satu subunit dengan subunit lainnya (Brenner, Zarnekov,
dan Wittig, 1998; El-Khouly, 2000; Ferber, 1999).
Gambar 1. Model kanonik abstraksi suatu sistem kompleks. (Sumber: Jenning, 2001).
Salah satu paradigma atau pendekatan untuk pengembangan perangkat lunak
yang mulai berkembang dewasa ini adalah pendekatan sistem agen cerdas (Falting,
2000; Murch dan Johnson, 1999). Sistem agen merupakan suatu cara memandang
pengembangan perangkat lunak berbasis agen-agen baik secara individual (sistem agen)
atau bersama-sama (sistem multiagen) sehingga mampu meningkat kemampuan sistem
aplikasi yang dikembangkan (Aylett, et.al, 2001; Ferber, 1999, Russell dan Norvig,
2003). Intellegent software agent dapat dikatakan sebagai sebuah perangkat lunak yang
dapat membentuk kegiatan-kegiatan spesifik (terhadap seorang pengguna), dan
memiliki tingkat kecerdasan tertentu yang mampu untuk membentuk sebagian dari
kegiatan tersebut secara autonomous dan berinteraksi dengan lingkungan (Falting, 2000;
Mohammadian, 2000; Stone dan Veleso, 2000).
Secara prinsipil, terdapat lima hal kecenderungan yang memacu perkembangan
model komputasi berbasis kecerdasan agen saat ini adalah (Wooldrige, 2002):
-
-
ubiquity (komputer terdapat dimana-mana, menyebar diberbagai lokasi)
interconection (komputer dapat saling terhubung atau berkaitan satu dengan
lainnya)
intelligence (komputer dapat melakukan aktivitas-aktivitas kompleks secara
otomatis)
delegation (manusia dapat mendelegasikan sebagian atau banyak pekerjaannya
kepada komputer, misalnya komputer dapat berfungsi sebagai pemegang kendali
penerbangan pesawat)
human-oriented (komputer dapat bekerja berorientasikan seperti cara kerja manusia,
misalnya robot penjaga rumah)
Sejalan dengan hal tersebut dari makalah (El-Khouly, 2000; Wooldrige dan
Jenning, 1999), satu faktor lain yang juga memacu berkembangnya model komputasi
berbasis agen cerdas adalah perkembangan bahasa-bahasa pemrograman dalam
menyediakan fasilitas kemudahan penciptaan bagian-bagian atau subunit-subunit dari
suatu sistem komputasi kompleks yang akan dibangun. Yaitu dalam bentuk pendekatan
sub-routines, procedures and functions, abstract data types, serta berbasis obyek-obyek.
ISBN : 979-99735-1-1
C-6-3
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Sistem agen cerdas telah banyak diterapkan dalam berbagai bidang (Alyett, et.al,
1988; Brenner, Zarnekow, dan Wittig, 1988; Sycara, 1998). Misalnya seperti aplikasi
game, simulasi (El-Khouly, 2000), robotika (Liu and Wu, 2001; Remco de Boer & Jelle
Kok, 2002), industri dan bisnis (Azhari dan Wardoyo, 2005; Noriega, dan Sierra, 1999;
Pitt, Mattew dan Jim, 1995), multimedia, jaringan komputer, mesin pencari (Bose dan
Sugumaran, 1999). Sebagai contoh, penerapan terhadap pengembangan sistem
informasi manajemen (Alyett, et.al, 1988), kemudian pengembangan sistem navigasi
pencarian informasi berbasis agen (El-Beltagy, et.all, 1999), selanjutnya penerapan
sistem agen untuk mendukung kerjasama koalisi kekuasaan (Maamar, dan Paul 2002).
Kemudian pendekatan kemampuan berbasis agen juga dilakukan oleh Cui, Brian, dan
Michael (2000) untuk monitoring dan analisis sistem. Sedangkan Allen (2001), dalam
tulisannya menuliskan model pendekatan secara organisasi dan sosial untuk
meningkatkan proses pengambilan informasi pada monitoring manajemen secara
adaptif.
Pengembangan sistem informasi berbasis agen cerdas pada dasarnya juga
merupakan upaya agar sistem mampu menyerap, menyaring informasi dari berbagai
sumber secara semantik, dan kemudian menyajikan informasi tersebut menjadi sebuah
bentuk yang paling bersesuaian, menurut pengetahuan dan pemahaman pengguna
terhadap informasi. Hal ini perlu didukung oleh kemampuan dan pengetahuan sistem
terhadap sumber-sumber informasi, serta memperhatikan kandungan makna dari
informasi tersebut (El-Beltagy, et.all, 1999).
SISTEM AGEN CERDAS
Definisi Agen
Pada makalah ini, definisi sebuah agen disadur dari makalah Wooldridge and
Jennings (1999), yang menyatakan bahwa sebuah agen adalah sebuah sistem komputer
yang berada dalam suatu lingkungan dan memiliki kemampuan bertindak autonomous
didalam situasi lingkungan tersebut sesuai dengan sasaran yang dirancang.
An agent is a computer system that is situated in some environment, and that is
capable of autonomous action in this environment in order to meet its design
objectives.
Pada Gambar 2, diperlihatkah abstraksi dari model komputasi sebuah agen. Pada
gambar terlihat setiap tindakan atau aktivitas dibangun oleh agen untuk memenuhi
kondisi lingkungannya. Pada gambar 2b, diperlihatkan unit atau komponen internal dari
sebuah agen yang memiliki events (pemacu indera), beliefs (pengahuan), actions
(tindakan), goals (tujuan), dan plans (agenda dan rencana).
agen
events
Action:
output
perceptions
beliefts
Sensor:
input
goals
actions
lingkungan
actions
b. internal agen
a. agen dan lingkungan
Gambar 2. Abstraksi sebuah agen.
ISBN : 979-99735-1-1
C-6-4
plans
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Menurut Russel dan Norvig (2003), sebuah agen adalah segala sesuatu yang
dapat merasakan lingkungannya melalui peralatan sensor-sensor, bertindak sesuai
dengan lingkungannya dan dengan mengunakan peralatan penggeraknya (actutator).
Sebagai contoh termasuk manusia, robotika, atau perangkat lunak agen.
Sebuah agen selalu mencoba untuk mengoptimasi sebuah nilai ukuran kinerja
yang disebut agen memiliki rasional (rational agent) (Bowling dan Veloso, 2002; Dal
Forno, dan Merlone, 2002; Roehr, 1999; Stone dan Veloso, 2000). Sebuah agen adalah
rasional jika dapat memilih kemungkinan untuk bertindak yang terbaik setiap saat,
menurut apa yang ia ketahui mengenai lingkungannya pada saat itu. Ukuran kinerja
(atau rational agent) biasanya didefinisikan oleh perancang agen dan merepleksikan apa
yang diharapkan mampu dilakukan dari agen tersebut. sebuah agen berbasis rasional
juga disebut sebauh agen cerdas.
Melihat definisi rasional agen tersebut, secara umum dapat dikatakan mirip
seperti pada manusia (mata sebagai sensor, tangan sebagai penggerak), agen–agen
robotika (kamera sebagai sensor, roda sebagai penggerak), perangkat lunak (antarmuka
pengguna grafis sebagai sensor dan sekaligus sebagai pengeraknya). Dari perspektif ini,
bidang kecerdasan buatan dapat dipandang sebagai studi mengenai prinsip-prinsip dan
perancangan dari rasio agen-agen buatan.
Lingkungan
Setiap agen juga tidak harus mampu melakukan adaptasi secara tepat (Roehrl,
1999). Dalam pengertian, hanya tindakan terbaik yang dipilih dan dilakukan agen
(secara parsial dari tindakan-tindakan yang dibentuk) terhadap lingkungan yang
mempengaruhinya. Tindakan yang terpilih tersebut mungkin saja merupakan tindakan
gagal. Oleh karena itu, dengan berbagai domain kondisi lingkungan yang lebih
kompleks, setiap agen harus dipersiapkan untuk segala kemungkinan kegagalan.
Sifat-sifat lingkungan memiliki sebuah peranan yang cukup penting untuk
menentukan kompleksitas dari proses perencanaan agen, tetapi bukan sebagai faktor
utama, karena model interaksi dengan lingkungannya juga perlu diperhatikan. Berikut
menurut Russel dan Norvig (2003), jenis-jenis lingkungan yang dapat dibentuk dan
dibangun untuk pemodelan komputasi sistem agen dan multiagen dapat diklasifikasi
seperti berikut:
-
Dapat diakes dan takterakses.
Sebuah lingkungan dalam bentuk dapat diakses jika terdapat informasi mengenai
status lingkungan dapat diperoleh secara lengkap, akurat, dan aktual oleh agen.
Sedangkan jika tidak satupun informasi dari status lingkungan yang dapat diperoleh
disebut lingkungan takterakses.
-
Deterministik dan non-deterministik.
Sebuah lingkungan disebut deterministik jika terdapat satu dari setiap tindakan dari
agen yang dapat menjamin secara tepat dan sesuai dengan kondisi status
lingkungan. Sedangkan informasi kondisi status lingkungan yang tidak dapat secara
pasti diperoleh dan diprediksi oleh agen untuk menghasil tindakan yang tepat
disebut lingkungan non-deterministik.
-
Statis dan dinamis.
Lingkungan statis adalah status kondisi dari lingkungan yang dapat dianggap jarang
berubah kecuali dirubah oleh kinerja tindakan agen. Sebaliknya, lingkungan dinamis
ISBN : 979-99735-1-1
C-6-5
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
adalah jika paling tidak terdapat satu dari proses-proses lain berlangsung dalam
lingkungan tersebut, dan menyebabkan agen sukar mengikutinya.
-
Diskrit dan kontinu.
Sebuah lingkungan disebut diskrit jika terdapat informasi dari status lingkungan
secara tepat, terukur (finite) dengan tindakan-tindakan dan persepsi-persepsi dalam
agen. Sedangkan status lingkungan yang tidak terukur (infinite) disebut lingkungan
kontinu.
SISTEM MULTIAGEN CERDAS
Karakteristik Model Komputasi Sistem Multiagen
Model komputasi sebuah sistem multiagen (Russell, dan Norvig, 2003; Stone
dan Veloso, 2000; Weiss, 1999) dapat dipandangan sebagai sebuah agen yang termasuk
dalam sekumpulan agen-agen lainnya dan saling berinteraksi satu agen dengan agen
lainnya, untuk mencapai sasaran yang dirancang. Dengan pengertian tersebut sebuah
sistem perangkat lunak kompleks dapat dinyatakan sebagai sebuah koleksi dari banyak
agen-agen autonomous berukuran kecil, masing-masing memiliki fungsi-fungsi dan
sifat-sifat sendiri, dan berinteraksi diantara agen-agen melakukan integrasi sistem secara
menyeluruh. Pada gambar 3, diperlihat skema abstraksi sari model komputesi sistem
multiagen. Di dalam subsistem agen-agen berinterkasi dalam lingkungannya, sedangkan
dengan subsistem yang lain berinteraksi dalam bentuk relasi organisasioanal.
Wooldridge (2002) menetapkan tujuan utama penelitian dalam bidang
komputasi sistem multiagen adalah:
-
Agen-agen sebagai paradigma untuk rekayasa perangkat lunak.
Para ahli bidang rekayasa perangkat lunak telah maju selangkah dalam memahami
karakteristik-karakteristik dari kompleksitas perangkat lunak. Dalam pengertian
interaksi merupakan satu karakteristik yang penting dari model komputasi
kompleks.
agen
agen
agen
agen
agen
agen
Relasi organisasional
Sistem Multiagen
Gambar 3. Sistem Multiagen
-
Agen-agen sebagai sebuah alat untuk memahami model relasi sosial antar manusia.
Sistem multiagen menyediakan sebuah cara baru untuk melakukan simulasi model
komputasi hubungan sosial kemasyarakatan, yang mungkin akan membantu
membuka pemahaman dari berbagai jenis proses interaksi sosial.
ISBN : 979-99735-1-1
C-6-6
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Perbedaaan utama antara model komputasi sistem agen dengan sistem
multiagen, dapat dilihat dari beberapa sudut padang. Menurut Vlassis (2003) dapat
dibedakan seperti desain, lingkungan, persepsi, pengendalian, pengetahuan, komunikasi.
-
-
-
-
-
-
Perancangan
Dalam kasus berbagai jenis agen dapat dipadang sebagai sebuah sistem multiagen
yang dirancang dirancang dengan berbagai cara yang berbeda. Setiap agen-agen
yang dirancang dengan cara yang sama, memiliki kemampuan dan berprilaku mirip
akan membentuk sistem multiagen homogen. Sebaliknya setiap agen yang dirancang
dengan cara berbeda, memiliki kemampuan berbeda disebut membentuk sistem
multiagen yang heterogen.
Lingkungan
Agen-agen harus bekerja dalam lingkungan yang dapat bersifat statis (time
invariant) atau dinamis (nonstationary). Banyak teknik kecerdasan buatan untuk
komputasi agen-agen tunggal dikembangkan untuk lingkungan statis. Karena
dipandang paling mudah ditangani dan lebih ketat secara matematis. Dalam model
komputasi sistem multiagen, keberadaan dari multi agen justru membentuk
lingkungan menjadi kelihatan dinamis jika dipandang dari setiap agen. Misalnya
proses agen belajar secara bersama-sama memungkin prilaku laku tidak stabil.
Persepsi
Seluruh informasi yang akan diterima melalui sensor agen-agen dalam sistem
komputasi multiagen pada umumnya adalah terdistribusi. Agen-agen dapat
mengobservasi data yang berbeda secara spasial (lokasi berbeda), sementara (sampai
pada waktu yang berbeda). Proses otomatis ini memberikan status secara parsial
untuk setiap agen-agen, yang mungkin menimbulkan berbagai akibat dalam
membuat keputusan. Begitu juga mengenai penggabungan sensor, berdampak
bagaimana agen-agen dapat mengoptimalkan kombinasi persepsi-persepsi mereka
supaya meningkatkan kumpulan pengetahuan mereka mengenai status terkini.
Pengendalian
Berbeda pada model komputasi sistem agen tunggal, pada model multiagen
pengendalian merupakan proses yang dilakukan secara terdistribusi. Dalam arti
bahwa tidak ada proses terpusat yang mengumpulkan informasi dari setiap agen dan
kemudian memutuskan tindakan yang harus dilakukan oleh setiap agen. Keputusan
pada sistem multiagen justru bebas tergantung pada masing-masing agen sendiri.
Misalnya pada komputasi sistem multiagen untuk model koordinasi team,
pembuatan keputusan secara terdistribusi dapat menghasilkan komputasi secara
asinkron.
Pengetahuan
Pada model komputasi sistem agen tunggal, biasanya diasumikan bahwa agen
mengetahui tindakannya sendiri tetapi bukan bagaimana lingkungan terpengaruh
oleh tindakan tersebut. Sedangkan pada model komputasi sistem multiagen, tingkat
pengetahuan setiap agen mengenai lingkungan terkini dapat berbeda secara
substansi.
Komunikasi
Interaksi atau komunikasi pada model komputasi sistem multiagen adalah proses
dua arah, dimana semua agen berpotensi sebagai penerima dan pengirim pesan.
Komunikasi dapat digunakan untuk berbagai hal, misalnya untuk koordinasi
diantara agen-agen atau untuk negosiasi menurut kepentingan masing-masing agen.
ISBN : 979-99735-1-1
C-6-7
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Keuntungan dan Tantangan Model Komputasi Sistem Multiagen
Terdapat banyak keuntungan dan kelebihan terhadap pemilihan penyelesaian
suatu problem sistem yang kompleks dengan model komputasi sistem multiagen.
Menurut Sycara (1998), beberapa keuntungan dari pemanfaatan teknologi sistem
multiagen, antara lain adalah :
-
Meningkatkan speedup and efficiensy, terutama untuk komputasi asinkron dan
paralel.
Lebih robustness and reliability, dalam arti sistem secara menyeluruh dapat
mengalami penurunan fungsi jika terdapat satu atau lebih agen gagal.
Lebih scalability and flexibility, karena dipandang mudah menambah satu agen
kedalam sistem.
Low cost, dengan anggapan bahwa sebuah agen perlu biaya lebih rendah dibangun
dibandingkan dengan mengerjakan ulang sistem secara menyeluruh.
Phase development and reusability lebih mudah, karena tahap-tahap untuk
mengembangkan dan mengelola perangkat lunak lebih mudah secara modular dari
pada secara monolitik.
Wooldridge (2002) pada penelitiannya menyatakan bahwa melakukan transformasi
dari model komputasi sistem agen tunggal menjadi model komputasi sistem multiagen
memiliki banyak keuntungan tetapi juga meningkatkan tantangan seperti berikut :
-
-
-
-
Bagaimana melakukan dekomposisi dari persoalan, mengalokasikan sub-sub tugas
kepada agen-agen, dan menyatukan hasil secara parsial.
Bagaimana menangani persepsi informasi yang terdistribusi. Bagaimana agen-agen
mampu secara konsisten berbagi model-model dari lingkungannya.
Bagaimana mengimplementasikan pengendalian terdisribusi dan membangun
mekanisme koordinasi secara efisien antara agen-agen.
Bagaimana merancang algoritma pembelajaran dan rencana agenda-agenda
multiagen secara efisien.
Bagaimana menyajikan pengetahuan. Bagaimana membuat agen-agen agar mampu
untuk berbuat, merencanakan agenda, dan berbagi pengetahuan dengan agen-agen
lainnya.
Bagaimana membangun agar agen-agen mampu berkomunikasi. Apakah model
bahasa dan protokol untuk digunakan. Kapan dan dengan siapa sebaiknya sebuah
agen berkomunikasi.
Bagaimana membangun agar agen-agen mampu bernegosiasi dan menyelesaikan
komplik.
Bagaimana membangun agar agen-agen mampu untuk membentuk struktur secara
organisasional seperti dalam tim atau model koalisi. Dan bagaimana memberikan
tugas kepada agen-agen.
Bagaimana menjamin prilaku sistem agar stabil dan koheren.
STUDI KASUS DAN PEMBAHASAN
Pada contoh kasus berikut diberikan sebuah model komputasi berbasis multi
agen untuk pengelolaan dan manajemen keahlian anggota tim proyek suatu perusahan
(Azhari dan Wardoyo, 2005). Keahlian, ketrampilan, dan pengalaman seti-ap staf
personalia perusahaan dan anggota tim proyek dapat pula dikelola dan disimpan ke
dalam model manajemen pengetahuan. Sehingga proses pembentukan tim proyek Pada
ISBN : 979-99735-1-1
C-6-8
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
model sistem berbasis manajemen pengetahuan disini, telah dirancang komponenkomponen agen, komponen ontologi, basis pengetahuan dan keahlian tim proyek,
baisdata personalia, antarmuka sistem. Secara menyeluruh diagram arsitektur model
komputasi sistem multiagen dari manajemen pengetahuan terhadap tim proyek ini
diperlihatkan pada Gambar 4.
Agen_pelatih_tim adalah agen yang melakukan pembelajaran dan pelatihan
(sebelum, saat pelaksanaan) kepada setiap anggota staf dan tim proyek secara mandiri.
Agen ini bekerja sama dengan agen_pengelola_kriteria, agen_penge-lola_keahlian, dan
agen_pengevaluasi_tim. Agen ini juga mampu meningkatkan materi penge-tahuannya
berda-sarkan masukan dari
user
user
user
user
pengguna.
Evaluasi
Tim
Skill
Manajemen
Team
Building
Agen kriteria
Agen evaluasi
Penilaian Tim
dbRealTeam
Proyek
Agen Skill
Agen lesson
Motode and
Constrains
Pemilihan dan
Klassifikasi
Agen team
building
dbKriteria
dbRencana
Proyek
dbRencana
TimProyek
Agen_penyelaras_imbalan
melakukan perhitungan nilai
skoring keseimbangan
pemberian imbalan terhadap
tim-tim proyek secara portfolio.
Agen_pengevaluasi_tim melakukan dialog dan memperbaruhi
nilai keahlian anggota tim. Agen
ini bekerja sama dengan
agen_pengelola_ keahlian.
Agen_pengelola_keahlia
n akan mengelola, menga-tur
pengetahuan
dan
keahlian
dbProfileStaf dbPengetahuan
dbStakeholders
TimProyek
anggota tim seperti nilai-nilai
lebih secara kualitatif dan
Gambar 4. Arsitektur model komputasi
kuantitaf mulai dari data diri,
manajemen pengetahuan tim proyek.
sejarah
perkembangan
pengetahuan;
kemampuan
kreativitas, inovasi, komunikasi, teknologikal, administratif, pengalaman-pengalaman
hingga kemampuan kerja secara tim. Agen_pengelola_keahlian ini juga menyediakan
fasilitas pencarian dan discovery dari akumulasi pengetahuan (yang telah disimpan dan
diperbaharui) menurut pola-pola semi atau terstruktur yang sesuai dengan minat
ketertarikan pengguna yang dengan mudah dibentuk.
Komponen yang paling penting dari rancangan model manajemen pengetahuan
ini adalah agen_pembentuk_tim. Bersama-sama dengan agen_ penyelaras_imbalan,
agen_pengelola_kriteria, agen_ pemilih_staf, dan agen_pengalokasi_staf, agen-agen
berinteraksi memfasilitasi manajer proyek dalam pemilihan dan pembentukan satu atau
lebih tim proyek dengan melakukan skoring sesuai dengan startegi dan prinsip
manajemen portofolio proyek perusahaan. Agen_pembentuk_tim ini bersifat dinamis
dan mempunyai kemampuan untuk meningkatkan dan mengembangkan model-model
baru proses pembentukan tim-tim proyek secara lebih berkualitas, sinergis, dan
seimbang dalam pemanfaatan sumberdaya manusia yang terbatas. Manajer proyek atau
perkantoran dapat melakukan analisis perkembangkan kemajuan yang dicapai oleh
setiap anggota tim proyek.
ISBN : 979-99735-1-1
C-6-9
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
KESIMPULAN
Dari hasil pengkajian model komputasi sistem agen cerdas yang dilakukan
dalam penelitian dapat diperoleh beberapa kesimpulan, yaitu:
-
-
model komputasion berbasis agen cerdas sangat tetap dan mudah untuk diterapkan
untuk komputasi kompleks, sehingga sistem dapat bekerja secara mandiri.
pada model komputasi contoh kasus diperlihatkan bahwa sistem manajemen
pengetahuan keahlian tim proyek dapat dengan mudah didekompisikan dalam betuk
agen-agen, seperti agen_pelatihan_tim, agen_pembentukan_tim, agen_penentuankriteria.
setiap agen-agen pada studi kasu model komputasi manajemen pengetahuan dapat
saling berinteraksi satu dengan lainnya.
DAFTAR PUSTAKA
Allen, W.J., et. all, 2001, Monitoring and Adaptive Management: Addressing Social and
Organisational Issues to Improve Information Sharing. Natural Resources
Forum, vol 25(3), pp. 225-233.
Axelrod, R. M., 1997, The Complexity of Cooperation: Agent-based Models of
Competition and Collaboration, Princeton Studies in Complexity. Princeton,
N.J.: Princeton University, Press.
Aylett, R., et.all, 1988, Agent Systems and Applications, Second UK Workshop on
Foundations of Multi-Agent Systems, Centre for Virtual Environments,
University of Salford, UK.
Azhari, dan Wardoyo, R., 2005, Rancangan Model Manajemen Pengetahuan untuk
Mendukung Proses Pembentukan Tim Proyek Teknologi Informasi, Proc.
Seminar Nasional Aplikasi Teknologi Informasi, SNATI 2005, Universitas Islam
Yogyakarta.
Bose, R. and Sugumaran.,V., 1999, Application of Intelligent Agent Technology for
Managerial Data Analisys and Mining, The Database for Advance in
Informastion Systems, vol 30(10).
Bowling, M. and Veloso, M., 2002, Multiagent Learning Using a Variable Learning
Rate, Artificial Intelligence, 136(8), pp.215-250.
Brenner, W., Zarnekow, R., and Wittig, H., 1998, Intelligent Software Agents:
Foundations and applications. Berlin; New York: Springer.
Cui, Z., Brian O., and Michael S., 2000, An In-Service Agent Monitoring and Analysis
System, Intelligent Business Systems Research, Advanced Communication
Research Department, BT Adastral Park, IPSWICH IP5 3RE, UK.
Dal Forno, A., and Merlone, U., 2002, A Multi-agent Simulation Platform for Modeling
Perfectly Rational and Bounded-rational Agents in Organizations, Journal of
Artificial Societies and Social Simulation, vol 5 (2).
El-Beltagy S., et.all, 1999, A Multiagent system for Navigation Assistance and
Information Finding, Computer Science Technical Report, ESPRC grant
GR/K73060, Multimedia Research Group Department of Electronics and
Computer Science, University of Southampton, Southampton SO17 1BJ, UK.
El-Khouly, M.M.M., 2000, An Agent-based System for Teaching Programming
Languanges and Reuse of Software Components. Disertasi Doktor, Graduate
School of Science and Enginerring, Saitama University, Japan.
ISBN : 979-99735-1-1
C-6-10
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
Faltings, B., 2000, Intelligent Agents: Software Technology for the New Millennium,
Informatik, vol 1.
Ferber, J., 1999, Multi-Agent Systems: An Introduction to Distributed Artifcial
Intelligence, Addison-Wesley.
Gmytrasiewicz, P. J. and Durfee, E. H., 2001, Rational Communication, Multi-agent
Environments, Autonomous Agents and Multi-Agent Systems, vol 4. pp.233-272.
Jenning., N.,R., 2001, An Agent-Based Approach for Building Complex Software
Systems, Communications of the ACM, Vol. 44(4).
Liu, J., and Wu, J., 2001, Multiagent Robotic Systems, CRC Press, Boca Raton London
New York Washington, D.C.
Maamar, Z., dan Paul L., 2002, Multi-Agent Systems to Support Coalition Forces,
Information & Security. vol 8 (2).
Mohammadian, M., 2000, Advances in Intelligent Systems: Theory and Applications,
Frontiers in Artificial Intelligence and Applications, vol 59, Amsterdam,
Washington DC, IOS Press.
Murch, R., and Johnson, T., 1999, Intelligent software agents, Upper Saddle River, N.J,
Prentice Hall PTR.
Nisan, N., 1999, Algorithms for Selfish Agents, Proc. 16th Symp. On Theoretical
Aspects of Computer Science, Trier, Germany.
Noriega, P. and Sierra, C., 1999, Agent Mediated Electronic Commerce, Lecture Notes
in Artifcial Intelligence 1571. Springer.
Pitt, J., Mattew A., and Jim C., 1995, Autonomous Agents in Inter-Organizations
Project Management, Communications of ACM on Intelligent Agents, vol 37(7).
Remco de Boer & Jelle Kok, 2002, The Incremental Development of a Synthetic MultiAgent System: The UvA Trilearn 2001 Robotic Soccer Simulation Team,
Master's thesis for Artificial Intelligence and Computer Science, Faculty of
Science University of Amsterdam, February 28.
Roehrl, A., 1999, Multi-Agent Rationality, Journal of Artificial Societies and Social
Simulation, http://www.soc.surrey.ac.uk/ JASSS/JASSS.html [terakhir diakses,
10 Mar 2005].
Russell, S. J. and Norvig, P., 2003, Artificial Intelligence: A Modern Approach, Prentice
Hall, 2nd edition.
Stone, P. and Veloso, M., 2000, Multiagent Systems: A Survey From A Machine
Learning Perspective. Autonomous Robots, vol. 8(3).
Sycara, K., 1998, Multiagent Systems, AI Magazine, vol 19(2), pp79-92.
Vlassis, N., 2003, A Concise Introduction to Multiagent Systems and Distributed AI,
Intelligent Autonomous Systems, Informatics Institute, University of Amsterdam,
http://www.science.uva.nl/~vlassis/cimasdai/, [terakhir diakses, 10 Juni 2005].
Weiss, G., 1999, Multiagent Systems: A Modern Approach to Distributed Artificial
Intelligence, Cambridge, Mass. MIT Press.
Wooldridge M., and Jennings, N. R., 1999, Software Engineering with Agents: Pitfalls
and Pratfalls, IEEE Internet Computing, vol 3 (3) 20-27,
http://www.ecs.soton.ac.uk/ ~nrj/abse.html, [akses terakhir, 10 Oktober 2004].
Wooldridge, M., 2002, An Introduction to Multi-Agent Systems, John Wiley & Sons.
ISBN : 979-99735-1-1
C-6-11
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
ISBN : 979-99735-1-1
C-6-12
Prosiding Seminar Nasional Manajemen Teknologi III
Program Studi MMT-ITS, Surabaya 4 Pebruari 2006
ISBN : 979-99735-1-1
C-6-13