MODEL KOMPUTASI KECERDASAN BERBASIS SISTEM AGEN DAN SISTEM MULTIAGEN. Key words: Intelligent Systems, Intelligent Agent, Multiagen System

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.


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


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


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


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


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


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


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


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


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


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


ISBN : 979-99735-1-1 C-6-12


ISBN : 979-99735-1-1 C-6-13

MODEL KOMPUTASI KECERDASAN BERBASIS SISTEM AGEN DAN SISTEM MULTIAGEN. Key words: Intelligent Systems, Intelligent Agent, Multiagen System

Recommend Documents