Fungsi pembeli • Dengan • Maka dirumuskan: • fx1: fungsi pembeli • Q Quantity/jumlah Trading
Fungsi penjual • fx2: fungsi penjual • Sji: Scoring Function
JU = (1 – fx1) Sji Pbi Psj Psjmin JU
JU merupakan pengukuran nilai manfaat/keuntungan dari transaksi dengan penjual. Bisa dikatakan sebagai bargaining value
: kepuasan penjual terhadap pembeli : penawaran pembeli i : penawaran penjual : batas minimal penawaran penjual : Join Utility
Inisialisasi Populasi • Populasi di bangkitkan dari data sebanyak 200 kromosom. • Tiap kromosom memilik 19 variabel decision yang merupakan data produk, requirement pembeli dan spesifikasi yang ditawarkan penjual.
Flowchart NSGA -II Start
Initialise Populasi gen
Pop Classified
No
Fitness
Gen= gen+1 Crossover
Mutation Yes
Apakah Pop Terklasifikasi NO
STOP
Mengidentifikasi Individu yang dominan
ANALISA & PEMBAHASAN Sumbu x menunjukkan fungsi pembeli, sumbu y menunjukkan fungsi penjual.
maksimum
minimum
maksimum
Jika pembeli mencapai maksimum maka penjual akan mencapai minumum. Maksudnya adalah jika pembeli puas dengan harga produk, spesifikasi produk maka laba yang didapat penjual akan sedikit. Sebaliknya, laba penjual akan mencapai maksimum, jika yang ditawarkan pembeli minimum dari segi harga, spesifikasi maupun kuantitas
NB : harga dianggap maksimum oleh pembeli, jika harganya murah sesuai dengan keinginan
ANALISA & PEMBAHASAN f1(x) 0.53 0.91 0.94667 0.84 0.65 0.74 1.23 0.5 0.6 1.2 0.49 0.88 0.8 1.75 0.92 0.6 0.16 0.4 0.8 1.49
f2(x) 0.35537 0.13819 0.053333 0.072789 0.35 0.52 -0.078027 0.26771 0.52125 -0.22262 0.38561 0.17838 0.12195 -11.951 0.04878 0.66992 0.84 0.58383 0.2 -0.98
Dari grafik tersebut didapatkan hasil seperti pada tabel disamping.
FSM Pembeli Negosiasi Kembali Cari penjual baru Negosiasi Tidak terpenuhi
Negosiasi
Idle
Memilih penjual Bertanya Harga+spesifikasi
Negosiasi harga Bertanya ke penjual untuk potongan Konfirmasi potongan harga harga
Konfirmasi perubahan spesifikasi
Action Beli
Tidak ada potongan
Negosiasi spesifikasi
Cocok Bertanya ke penjual untuk mengubah spesifikasi
Tidak diubah
FSM Penjual Pembeli tidak cocok
Propose harga maks
Ada pembeli
Pembeli menyetujui
idle
Pembeli Pembeli tidak cocok – negosiasi profit tidak cocok Harga diturunkan
Pembeli deal Cocok & sesuai dengan profit
Kesimpulan • Perilaku agent pembeli dipengaruhi oleh tingkat emosional (ketertarikan) terhadap suatu produk. • Perilaku agent penjual dipengaruhi oleh profit dan kuantitas pembelian pembeli • MOEA NSGA –II merupakan solusi optimal untuk penyelesaian multi fungsi pada kasus agen penjual – pembeli ini
Saran • Dikembangkan lagi variabel dan fungsi yang berpengaruh pada agen penjual – pembeli, misalnya servis, guarantee, delivery time • Pengembangan perilaku adapatif pada agen • Implementasi dalam bentuk trading game
Daftar Pustaka •
• •
• • •
• •
• •
Prajitno Imam, Simulasi Pengambilan Keputusan Multi Objektif SCM Procurement menggunakan Hierarchical Finite State Machine, , Seminar Nasional MMT - ITS, 2009 Claudia V.Goldman, Sarit Kraus, Onn Shehory, Agent Strategies : for sellers to satify purchaseorders, for buyer to select sellers, NSF under grant No.IIS980657, IBM. R. Manjavacas, J.J Castro Schez, A Fuzzy Buyer Agent for An Automatic Negotiation Framework On E-Commerce, EUSFLAT – FLA, 2005. Xiaohui Li, Tomohiro Murata, Priority based Matchmaching Method of Buyer and Supplier in B2B emarketplace Using Multi-objektif Optimization, Proceedings of International MultiConference of Engineers and Computer Scientists (IMECS) Vol.1, 2009 Deswindi Leli, Kecepatan Tingkat Penerimaan dan Perilaku Konsumen terhadap produk lama yang Mengalami Perubahan dan Produk Inovasi Baru dalam Upaya Memasuki dan Merebut Pasar, Business & Management Journal Bunda Mulia Vol.3, 2007 Jong-Jin Jung, Geun-Sik Jo, Brokerage between buyer and seller agents using Constraint Satisfaction Problem models, ELSIVIER. Decision Support Systems 28 2000 293–304. Abdullah Konak, David W. Coit, Alice E. Smith. Multi-objective optimization using genetic algorithms: A tutorial, 2006. Srivanandam SN, Deepa SN. Introduction to Genetic Algorithms. ISBN 978-3-540-73189-4, Springer Berlin Heidelberg New York. 2008 Frederick C. Hennie, Finite-State Models for Logical Machines, Wiley, New York. Isabel Praça, Carlos Ramos, Zita Vale and Manuel Cordeiro, Intelligent Agents for Negotiation and Game-based Decision Support in Electricity Markets, 2005
Daftar Pustaka • •
• •
• •
• • •
Anon Sukstrienwong, Buyer Formation with Bundle of Items in E-Marketplaces by Genetic Algorithm, Proceedings of International Multi Conference of Engoineers and Computer Scientist 2010, Vol 1. Marie-Jo Bellosta, Sylvie Kornman and Daniel Vanderpooten, An agent-based mechanism for autonomous multiple criteria auctions, Proceedings of the IEEE/WIC/ACM International Conference on Intelligent Agent Technology (IAT'06) 0-7695-2748-5/06 , 2006 Adianto, Desain Perilaku Agen pada Permainan Bulutangkis dengan Menggunakan Multi Objektif Genetika Algoritma, Tesis, Teknik Elektro- ITS, 2010. Robert H. Guttman and Pattie Maes, Agent-mediated Integrative Negotiation for Retail Electronic Commerce, Electronic Markets 8(1), pp. 22-27, 1998. Hao Li, Jinhu Jiang, An Optimal Combinational Coalition Formation Based On Genetic Algorithm, The International Conference on E-Business Intelligence, 2010 Roi Arapoglou, Kostas Kolomvatsos, and Stathes Hadjiefthymiades, Buyer Agent Decision Process Based on Automatic Fuzzy Rules Generation Methods. Pervasive Computing Research Group, Department of Informatics and Telecommunications, National and Kapodistrian University of Athens, Panepistimiopolis, Ilissia, Athens. Michael P. Wellman, Amy Greenwald, and Peter Stone, Autonomous Bidding Agents, Strategies and Lessons from the Trading Agent Competition. 2007 Coello Coello, C.A. 2002. “Introduction to Evolutionary Multiobjective Optimization.” Fonseca, C.M. and P.J. Fleming. 1993. Genetic Algorithms for Multiobjective Optimization: Formulation, Discussion and Generalization. Genetic Algorithms: Proceedings of the Fifth International Conference. S. Forrest, ed. San Mateo, CA, July 1993.
Terima Kasih
