Intellegence Agent [PDF]

Citation preview

Pendahuluan Intelligent Agent Agent: Sebuah Tinjauan Kecerdasan Agen atau dalam bahasa inggrisnya Intellegent Agent sering disingkat dengan AI yang merupakan cabang terpenting dalam dunia komputer. Akhir-akhir ini, teknologi AI telah begitu banyak mempengaruhi kehidupan manusia. AI kini berada disekeliling kita, di dalam kehidupan sehari-hari kita, boleh dikatakan tidak ada satu pun peralatan yang tidak menggunakan teknologi AI. Di rumah, radio, mesin cuci, kulkas, ponsel, dll dilengkapi dengan Integrated Circuit komputer yang mempunyai AI. Dengan kata lain AI ialah ilmu dan rekayasa yang membuat mesin mempunyai intelligensi tertentu khususnya program komputer yang ‘cerdas’. Intelligent Agent (AI) adalah program komputer yang membantu pengguna menjalankan tugas komputer rutin. Program ini menjalankan tugas tertentu berdasarkan aturan yang telah ditentukan sebelumnya dan pengetahuan yang disimpan dalam basis pengetahuannya. AI merupakan alat yang sangat powerful dalam mengatasi keterbatasan paling kritis dari internet, yaitu banjir informasi, dan membuat electronic Commerce mampu menjadi alat organisasi. Rumusan Masalah Bagaimana pembahasan lebih lanjut mengenai Intelligent Agent?



1



Pembahasan Definisi Agent Istilah agen diturunkan dari konsep agensi (Agency), maksudnya memekerjakan seseorang untuk bertindak atas kepentingan anda.



Satu agen manusia melambangkan



seseorang dan interaksi dengan lainnya untuk menyelesaikan tugas yang ditentukan sebelumnya. Selama proses perkembangan, beberapa nama telah digunakan untuk mendeskripsikan agen cerdas, yaitu agen perangkat lunak, wizard, software Penn knowbot, Ana softbot (robot perangkat cerdas). Istilah tersebut kadang mengacu kepada jenis agen berbeda atau agen dengan tingkat kecerdasan berbeda. Terdapat beberapa definisi agen cerdas. Masing-masing definisi menggambarkan perspektif orang yang mendefinisikannya. Berikut adalah beberapa contoh: 



Intelligent



Agent adalah entitas perangkat lunak dengan beberapa tingkat



kebebasan atau otonomi yang melakukan beberapa kumpulan operasi atas nama pengguna atau program lain, dan dalam melakukannya menggunakan beberapa 



pengetahuan atau representasi tujuan atau keinginan pengguna. Autonomus Agent sistem komputasional yang mendiami beberapa lingkungan







dinamis kompleks, berpikir dan bertindak secara mandiri dalam satu lingkungan. Intelligent Agent secara terus menerus menjalankan tiga fungsi: persepsi kondisi dinamis dalam lingkungan, tindakan untuk memengaruhi kondisi dalam lingkungan, dan pertimbangan untuk menginterpretasikan persepsi, memecahkan







masalah, menarik kesimpulan, dan menentukan aksi. Implementasi perangkat lunak pada satu tugas dalam domain tertentu, atas







kepentingan atau sebagai pengganti seseorang atau agen lain. Suatu agen adalah sebuah sistem komputer yang diletakkan pada beberapa lingkungan dan mampu bertindak mandiri dalam lingkungan ini untuk memenuhi tujuan desainnya.



Tingkat Intelligent Kecerdasan adalah fitur utama yang berhubungan dengan pendefinisian Intelligent agen karena hal inilah yang membuat Intelligence agen berbeda dari agan biasa. menyatakan bahwa Intelligence dalam pengertian ini memiliki fitur: 







Reaktivitas Agen merasakan lingkungannya dan menanggapi perubahan yang muncul padanya secara tepat waktu. Proaktivitas 2



Agen mampu memperlihatkan perilaku yang mengarah pada tujuan melalui  



pengambilan inisiatif. Kemampuan Sosial Agen harus dapat dipercaya dan mampu berinteraksi dengan pengguna manusia. Tingkat nol (0) Agen ini mencari dokumen yang diminta pengguna sesuai dengan perintah yang







jelas. Tingkat 1 Agen ini menyediakan fasilitas pencarian diinisiasi-pengguna untuk menemukan







halaman Web yang relevan. Tingkat 2 Agen ini mampu untuk mengelola profil pengguna, kemudian memonitor informasi







internet Sn memberitahu pengguna jika informasi yang relevan ditemukan. Tingkat 3 Agen pada tingkat ini memiliki komponen pembelajaran dan deduktif pada profil pengguna untuk membantu pengguna yang tidak dapat menyusun pertanyaan atau menentukan sasaran pencarian.



Komponen Agen Intelligent Agent adalah program yang mengandung komponen berikut:  







    



Pemilik (owner). Nama pengguna, nama proses induk, atau nama agen. Pencipta (author). Pemilik, jasa, atau nama agen master pengembangan. Rekening (account). Intelligent agen harus memiliki keterkaitan rekening atau alamat elektronik pemilik untuk tujuan tagihan atau petunjuk ke asal-usulnya. Tujuan Diperlukan pertanyaan yang jelas tentang penyelesaian tugas yang berhasil. Deskripsi persoalan Merincikan atribut dari tujuan. Kreasi da durasi Diperlukan tanggal permintaan dan respons. Latar belakang Informasi Pendukung. Subsistem Intelligence Sistem pakar berbasis-aturan atau sistem komputasi saraf.



Karakteristik Intelligent Agent Dalam banyak kasus, agen dirancang untuk mengerjakan satu buah tugas. Tugas ini dapat berupa pencarian di internet untuk menemukan di mana dan kapan satu Ijen dilelang, 3



atau mungkin menyaring surat elektronik. Agen yang lebih canggih mampu melakukan banyak tugas, tetapi kemungkinan besar sistem masa depan akan benar-benar multiagen, kombinasi dari berbagai agen yang masing-masing menangani sebuah tugas sederhanayang terpisah. Meskipun tidak ada definisi yangdisepakati bersama tentang agen cerdas, beberapa ciri atau kemampuan yang dipikirkan banyak orang pada saat membahas intellegent agen dapat dianggap sebagai karakteristik utama. 



Otonomi atau Pemberdayaan Agen adalah mandiri, artinya ia mampu untuk bertindak sendiri atau diberdayakan. Karena agen bersifat fleksibel, berorientasi pada tujuan, kolaborasi, maka ia harus mampu untuk mengambil keputusan sendiri. Otonomi menyatakan bahwa agen mengambil inisiatif dan melatih kendali atas tindakannya sendiri



dengan cara sebagai berikut:  Berorientasi pada Tujuan  Kolaboratif  Fleksibel  Bergerak sendiri (sel-starting)  Komunikasi (Interaktivitas) Agen dirancang untuk mampu berintraksi dengan agen lain, manusia atau program perangkat lunak. Ini merupakan kemampuan penting untuk melihat agen 



secara sekilas. Otonomi Tugas Berulang Sebuah agen dirancang untuk melaksanakan tugas tetap secara berulang-ulang







tanpa pernah merasa bosan, sakit, atau melakukan pemogokan. Reaktivitas Agen merasakan lingkungannya dan menanggapi perubahan yang muncul







padanya secara tepat waktu. Proaktivitas (Persistensi) Agen mampu memperlihatkan perilaku yang mengarah pada tujuan melalui







pengambilan inisiatif. Kontinuitas Sementara Agen melakukan tugasnya secara terus menerus, bukan berarti satu tindakan atau langkah akan berakhir setelah satu rangkaian perintah selesai. Namun, program



 







boleh tidak aktif untuk sementara waktu sampai munculnya sesuatu. Personalitas Agen harus dapat dipercaya dan mampu berinteraksi dengan pengguna manusia. Beroperasi pada Latar Belakang: Mobilitas Agen harus dapat bekerja secara tak terlihat, dalam dunia cyberspace, atau dalam sistem komputer lain atau tanpa perhatian konstan dari penggunanya. Mobilitas 4



Agen ini dapat membawa dirinya sendiri melintasi arsitektur dan platform sistem 



yang berbeda-beda, dan jauh lebih fleksibel dari pada yang lainnya Kecerdasan dan Pembelajaran Dikarenakan agen berjalan sendiri, maka sebuah agen harus dapat atau memperoleh pembelajaran secara mandiri walaupun beberapa ahli (AI) berpendapat bahwa agen terkadang belajar dengan “memata-matai”.



Mengapa Intelligent Agent? Alvin Toffler (1970), memperingatkan akan datangnya banjir, bukan berupa air, melainkan informasi. Ia memperediksi bahwa kita pada akhirnya akan dibanjiri data sehingga akan lumpuh dan tidak mampu memilih diantara pilihan-pilihan. Prediksinya menjadi kenyataan. Informasi berlebihan adalah salah satu produk yang tidak diinginkan dari masa informasi. Manajer dan pembuat keputusan lain tidak diharapkan untuk dapat membaca semua dokumen yang melewati mejanya, semua data yang relevan pada database, artikel di majalah dan semua jurnal dimana mereka mendaftar, atau bahkan semua email yang masuk ke mailbox komputer mereka. Gartner Group percaya bahwa:   



Jumlah data yang dikumpulkan oleh perusahaan berlipat dua setiap tahunnya. Pekerja pengetahuan hanya dapat menganalisis sekitar lima persen dari data ini. Sebagian besar dari usaha mereka dipergunakan untuk mencoba menemukan pola penting dalam data tersebut (60% atau lebih), persentase yang jauh lebih kecil dipergunakan untuk apa arti pola ini (20% atau lebih), dan waktu yang sangat







kecil (10% atau kurang) sebenarnya dilakukan sesuatu pada pola tersebut. Overload informasi mengurangi kemampuan pengambilan keputusan kita sebesar 50%.



Akan tetapi, krisis yang sebenarnya berkembang dengan munculnya internet. Internet memuat sekumpulan informasi yang membangkitkan dan mereplikasi mesin. Ribuan sistem baru dan bahkan pengguna yang lebih banyak membawa sumber data baru ke dalam Net setiap menit. Ini dapat menjadi sebuah pengalaman besar untuk masuk ke dalam Net pertama kalinya karena bagitu banyak data tiba-tiba tersedia. Para pengguna berpengalaman mencoba mencari cara untuk menyaring data tersebut sehingga mereka dapat memahami aliran informasi yang ditemukan secara Online. Nilai utama dari agen cerdas adalah agen ini mampu membantu pencarian pada semua data tersebut. Agen ini menghemat waktu melalui pengambilan keputusan tentang apa yang relevan bagi pengguna tersebut. Kemampuan pengambilan keputusan pengguna ditingkatkan



5



dengan informasi dari pada dilumpuhkan oleh terlalu banyaknya input. Agen adalah jawaban kecerdasan tiruan atas kebutuhan yang diciptakan oleh komputer. Terdapat beberapa alasan mengapa teknologi ini akan berkembang dengan cepat, diantaranya, Intelligent agent dapat memperbaiki manajemen dan keamanan jaringan komputer, mendukung e-commerce, memberdayakan pekerja, meningkatkan produktivitas dan kualitas). Alasan-alasan untuk kesuksesan agen disebutkan di bawah ini:      



Dukungan Keputusan. Dukungan Pelanggan lini depan Aktivitas kantor yang berulang Aktivitas pribadi biasa Pencarian dan Perolehan Pakar domain



Singkatnya, agen perangkat lunak dapat memperbaiki produktivitas pengguna akhirnya dengan menjalankan berbagai macam tugas. Yang paling penting dari semua tugas tersebut adalah mendapatkan informasi, menyaringnya, dan menggunakannya untuk dukungan keputusan. Klasifikasi dan Tipe Agen Cerdas Agen dapat diklasifikasikan dalam beberapa hal. Klasifikasi yang paling populer adalah berdasarkan tipe aplikasi dan karakteristik. Klasifikasi lain dapat disesuaikan dengan struktur kendali, lingkungan komputasional, dan bahasa pemrograman. Klasifikasi Menurut Tipe Aplikasi Franklin



dan



Graesser



(1996)



menggunakan



pohon



taksonomi



untuk



mengklasifikasi agen tautonomi (gambar. 1). Relevan dengan pengambilan keputusan manajerial adalah agen komputasional, agen perangkat lunak, dan agen tugas khusus.



Sumber: S. Franklin dan A. Graessar, Institute for Intelligent Systems, Universitas Memphis, TN dalam ......... (........).



6



Gambar. 1.



Agen Organisasional dan personal Agen Organisasional menjalankan tugas atas kepentingan proses bisnis atau aplikasi komputer. Agen Personal menjalankan tugas atas kepentingan pengguna perorangan. Agen Privat dan Publik Agen Privat hanya digunakan untuk satu pengguna dan diciptakan oleh pengguna tersebut. Agen Publik diciptakan oceh seorang desainer untuk digunakan oleh setiap orang yang memiliki akses ke aplikasi, jaringan, maupun database. Agen Perangkat Lunak dan Intelligent Agent Kebanyakan agen belum mampu untuk melakukan proses pembelajaran sendiri seperti halnya E-Commerce, sehingga sering disebut sebagai agen perangkat lunak. Beberapa klasifikasi lainnya yaitu:       



Agen untuk aliran kerja dan proses manajemen bisnis Agen untuk penginderaan terdistribusi Agen untuk pemerolehan kembali dan manajemen Agen untuk Electronic Commerce Agen untuk interaksi manusia komputer Agen untuk lingkungan virtual Agen untuk simulasi sosial



Klasifikasi Menurut Karakteristik Intelligent, Derajat otonomi dan otoritas yang diberikan pada agen, dan dapat diukur –setidaknya secara kualitatif-berdasarkan sifat interaksi antaragen dengan entitas lain di dalam sistem. Mobilitas, Derajat pemikiran atau pertimbangan dan perilaku pembelajaran, yaitu kemampuan agen untuk menerima pernyataan tujuan pengguna dan melaksanakan tugas yang diserahkan padanya. Mobile Agent, Derajat perjalanan agen itu sendiri melintasi jaringan. Klasifikasi Lain Agen Perangkat Lunak Berbasis Internet Agen E-Mail (Mailbot) Agen yang membantu browsing Web Agen FAQ Agen Pencarian (Pengindeksan) Intelligent Internet Softbot untuk penemuan Informasi 7



Manajemen Pengawasan Jaringan      



Patrol Application Management WatchGuard Alert View InterAp Mercury Center’s Newshound Infosage



Agen E-Commerce Klasifikasi yang dapat membantu mengidentifikasi di mana teknologi agen dapat menjadi bantuan:         



Identifikasi Kebutuhan Perantara Produk Perantara Dagang Negosiasi Pembelian dan Pengiriman Layanan dan Evaluasi Produk Agen E-Commerce lainnya Agen Deteksi Penipuan Agen Pembelajaran



Agen Lain        



Agen Antar Muka Pengguna Pembelajaran dan Pengajaran Manajemen Rantai Persediaan Manajemen Aliran kerja dan Administratif Web Mining Monitoring dan Penyiagaan Kolaborasi Mobile E-commerce



Agen DSS dan Multiagen  Agen DSS Kerangka kerja bagi agen DSS telah diajukan oleh dengan membagi menjadi lima tipe, yaitu : monitoring data, perolehan data, pemodelan pengelolaan domain, dan pembelajaran preferensi  Multiagen Sistem multiagen ialah lingkungan



berbasis-komputer



yang



mengandung banyak agen perangkat lunak untuk menjalankan tugas tertentu. Kecerdasan tiruan terdistribusi (DAI) adalah ilmu tentang rancangan system AI yang terdistribusi tetapi terpusat



8



dan melibatkan desain system



terdistribusi banyak agen dengan masalah yang harus dipecahkan atau tugas yang harus diselesaikan. Pendekatan DAI memecah tugas menjadi berbagai subtugas, masingmasing ditangani oleh suatu agen.infrastruktur dari DAI dapat dikonstruksi dengan sebuah arsitektur yang dikenal sebagai blackboard. Dalam sistem multiagen tidak ada satupun desainer yang berada di belakang semua agen karena agen dapat bekerja menuju tujuan yang berlainan, bahkan bertolak belakang, dan terkadang paralel, serta dapat bekerja sama atau bersaing satu sama lain. Dalam sistem DAI, agen yang bertindak dalam cara tertentu adalah baik bagi sistem sebagai suatu keselluruhan, sementara dalam sistem multiagen hal itu tidak diperlukan. Sistem multiagen untuk penyampaian isi dari Intelligence akan mengarah ke komunikasi yang lebih baik sehingga agen dapat memecahkan masalah secara kooperatif pada sebuah sistem terbuka yang terdistribusi. Lingkungan agen disebut lingkungan pengolahan multi agen (MAPE). Solusi kompleks dipecah menjadi beberapa submasalah, masingmasing diberikan kepada satu agen yang mengerjakan masalah tersebut lepas dari yang lain dan didukung oleh sebuah basis pengetahuan. Informasi didapatkan dan diinterprestasi oleh agen penglahan pengetahuan yang menggunakan metode deduktif dan indutif serta komputasi. Jikatidak ada pengetahuan yang tersedia untuk menjawab permintaan, maka penciptaan pengetahuan dan pengumpulan agen dari berbagai tipe akan dipicu Web Semantik : Representasi Pengetahuan untuk Intelligence Agent Persoalan utama dalam pengembangan Intelligence Agent di internet ialah sebagian informasi di web tidak dirancang untuk digunakan oleh program perangkat lunak lain. Secara tradisional, pengetahuan dalam web direpresentasikan dalam format yang disebut HTML (Hyper Text Markup Language) yang dirancang bagi manusia dan didasarkan pada konsep bahwa informasi terdiri atas penanda teks dan grafik yang berisi link. HTML tidak menyajikan isi dengan cara yang dapat dimengerti dan dipergunakan dengan mudah ole perangkat lunak lain. Demikian juga akan sulit bagi agen perangkat lunak untuk menemukan item produk dari halaman web yang berisi banyak produk. Agen perangkat lunak tidak mempermasalahkan tampilan halaman; agen ini hanya memerhatikan isinya. 9



Web semantik adalah solusi untuk permasalahan ini. Web ini menyediakan standar presentasi dan organisasi isi sehingga isi dapat digunakan bersama secara aman di antara aplikasi perangkat lunak yang berlainan. Konstruksi semantik yang dapat saling dipahami, agen komputer menjadi lebih mudah untuk mengakses, memahami, dan membagi pengetahuan dalam web.  Definisi Web Semantik Merupakan bagian dari usaha untuk menggabungkan arti dan hubungan timbal balik konsep ke dalam informasi web. Web semantik adalah perluasan dari web saat ini, yang di dalamnya informasi dinyatakan dalam arti yang jelas, memungkinkan komputer dan orang untuk bekerja sama secara lebih baik. Web semantik dimaksudkan untuk memungkinkan suatu lingkungan dimana sistem informasi yang bebas



dan terkoneksi-internet dapat



mempertukarkan pengetahuan dan spesifikasi tindakan sehingga menghasilkan eksekusi aktivitas yang dapat diterima oleh semua sistem yang terlibat (Schwartz, 2003). World Wide Web Consortium (W3C) mendefinisikan web semantik sebagai representasi data pada World Wide Web. Ini berdasarkan Resource Description Framework (RDF) yang mengintegrasikan berbagai aplikasi dengan menggunakan XML (Extensible Markup Language) untuk sintaks dan URL untuk penamaan. Dibangun pada dua teknologi yang telah ada : XML dan layanan web.  XML dan Layanan Web XML adalah perluasan dari HTML yang mempresentasikan arti dari konsep melalui tag yang ditentukan oleh pengguna. XML adalah fondasi dari layanan web maupun web semantik. XML memungkinkan lebih banyak ketentuan tag untuk memasukkan informasi semantik. Layanan web adalah sebuah teknologi berbasis XML yang telah mendapatkan dukungan dari perusahaan perangkat lunak terkemuka seperti IBM, Microsoft, dan Sun Microsystems. Layanan web meliputi empat lapisan (layer): transport, pesan, deskripsi layanan, serta publikasi dan integrasi (Huhns, 2002)  Layer Transport Bertanggung jawab melakukan transmisi data. Dibangun pada fondasi 



transport data yang telah ada Layer XML messaging



10



Protokol akses objek sederhana menyediakan protokol yang digunakan sistem berbasis Web untuk berkomunikasi satu sama lain pada saat membutuhkan 



layanan, seperti pencarian produk atau jadwal peerbangan. Layer Deskripsi Layanan Web Services Description Language (WSDL) memungkinkan layanan dideskripsikan dalam bentuk yang dapat dibaca oleh mesin dan dapat







menentukan nama-nama fungsi, parameter yang dibutuhkan, dan hasilnya. Layer Publikasi dan integrasi Memublikasikan layanan untuk aplikasi. Universal Description, Discovery, and Integration (UDDI) memberi pengguna dan bisnis sebuah “yellow page” dari layanan sehingga mereka dapat dengan mudah menemukan layanan yang



dibutuhkan.  Layer Cake pada Web Semantik Web semantik memperluas layer yang didefinisikan dalam layanan web untuk lebih meningkatkan organisasi pengetahuan dan interoperabilitas. Komponen utama dari teknologi Web Semantik adalah (Preece dan Decker, 2002) : 1. Model data yang disatukan seperti RDF (Resources Description Framework) 2. Bahasa pada ketentuan semantik yang dibangun pada RDF (exp: DAML+OIL) 3. Ontologi dari terminologi standar untuk penandaan sumber daya Web, digunakan oleh deskripsi tingkat layanan yang kaya secara semantik dan peranti pendukung yang membantu pembuatan dan pengolahan 



tanda semantik Universal Resources Identifier Universal Resources Identifier serupa dengan URL (Universal Resource Locator) dalam internet. URI menunjuk pada sumber daya web yang tersedia.







Semua URL adalah URI tapi tidak dengan sebaliknya. Resources Description Framework dirancang untuk menghubungkan satu URI ke URI lainnya. RDF menyediakan model data yang mendukung integrasi cepat dari sumber data dengan menjembatani perbedaan semantik. RDF adalah suatu jenis pernyataan tentang sumber



daya



dan



hubungannya.



RDF



sering



digunakan



untuk



merepresentasikan metadata tentang sumber daya web yang lain seperti file 



XML. Ontologi Didefinisikan sebagai ilmu atau studi tentang keberadaan. Sederhananya, ontologi adalah sekumpulan istilah yang berkaitan dengan domain 11



pengetahuan, meliputi kosa kata, interkoneksi semantik, dan beberapa aturan sederhana dari inferensi dan logika untuk topik tertentu. Dalam web semantik, ontologi adalah sekumpulan pernyataan RDF terkait yang menetapkan berbagai macam hubungan di antara elemen data dan cara untuk membuat 



inferensi logis di antaranya Logika Logika layanan menyatakan aturan yang mengarahkan penggunaan pernyataan







ontologis. Bukti dan Kepercayaan Agen menegosiasikan eksekusi kebutuhan fungsi tertentu untuk memeriksa logika kompleks, menukar bukti, dan membangun Kepercayaan sebelum dapat



berkolaborasi.  Keuntungan dan Keterbatasan Web Semantik Keuntungan : 1. Mudah Dimengerti 2. Integrasi sumber daya dengan mudah 3. Menghemat waktu dan biaya pengembangan 4. Memperbarui isi secara otomatis 5. Penggunaan ulang sumber daya dengan mudah Kerugian : 1. Representasi grafis mungkin terlalu disederhanakan 2. Web semantik membutuhkan lebih banyak peranti untuk mencari isi dan membangun referensi ke hal-hal yang telah ada sebelumnya 3. Ontologi mungkintidak ditentukan dengan tepat 4. Agen yang berurusa dengan web semantik dengan kandungan informasi yang tidak konsisten, tidak tepat, atau sumber yang kurang andal mungkin terkontaminasi atau memimpin kepada keputusan yang salah 5. Kemanan dan persoalan terkait merupakan perhatian kunci karena web semantik



memungkinkan



agendari



sistem



berlainan



untuk



berkomunikasi dan berbagi informasi  Aplikasi Layanan Web Semantik Salah satu dari aplikasi layanan web semantik ialah MusicBranz yang menyediakan database besar dari metadata musik untuk digunakan bersamasama. Gagasan pada MusicBranz dapat ditemukan pada proyek Internet 



Compact Disc Database (CDDB) yang dimulai pada tahun 1996. Sistem Rekomendasi Berbasis-Web Aplikasi utama e-commerce dari Intelligence system digunakan



untuk



merekomendasikan produk yang tepat kepada pelanggan. Motivasi utama untuk menggunakan agen rekomendasi adalah personalisasi merupakan tren utama dalam 12



pemasaran



dan



layanan



pelanggan.



Untuk



mendukung



usaha



pemasaran,



mengumpulkan dan menganalisis informasi kontekstual yang berhubungan dengan minat dan kebutuhan informasi pengguna merupakan hal yang mendasar. Sistem rekomendasi ialah sistem Intelligence system yang dapat mengidentifikasi minat pelanggan dari penggunaan data yang telah ada dan berdasarkan hal tersebut membuat ulasan untuk menigkatkan loyalitas pelanggan serta mencapai tingkat konversi/retensi yang lebih tinggi.  Taksonomi Mekanisme Rekomendasi Profil pengguna merupakan dasar untuk merancang sebagian besar fungsi sistem rekomendasi. Tabel 1. Dimensi dalam Fungsi Rekomendasi







Pembuatan dan Pengelolaan Profil Eksploitasi dan Rekomendasi Profil Representasi profil pengguna Metode penyaringan informasi Pembuatan profil awal Teknik mencocokkan profil item pengguna Teknik pembelajaran profil Teknik mencocokkan profil pengguna Umpan balik relevansi Teknik adaptasi profil Montaner, dkk., (2003) Pembuatan dan Pengelolaan Profil Sistem rekomendasi perlu membuat dan memelihara profil pengguna agar dapat mengenali penggunanya. Aspek penting untuk membuat dan mengelola profil : 1. Representas Profil pengguna Melalui pendekatan seperti sejarah pembelian, navigasi web atau email, fitur demografis 2. Pembuatan profil awal 3. Teknik pembelajaran profil Teknik clustering memungkinkan pengguna dikelompokkan ke dalam banyak kelompok yang serupa. Teknik classifier menggunakan informasi tentang item dan profil pengguna sebagai input dan menghasilkan kategori output yang mempresentasikan seberapa penting merekomendasikan suatu item kepada pengguna. 4. Umpan balik relevansi Pendekatan ekplisit meminta pengguna secara ekplisit mengevaluasi item untuk menunjukkan preferensi mereka. Pendekatan implisit memiliki modul yang melekat dalam sistem untuk menyimpulkan preferensi pengguna dengan memonitor fakta tertentu 5. Teknik adaptasi profil Informasi yang di dapat dari umpan balik relevansi harus dianalisis







untuk memodifikasi profil pengguna. Eksploitasi dan Rekomendasi Profil 13



Sistem rekomendasi mengandalkan informasi yang tersedia untuk mengambil keputusan. Tugas utamanya ialah : 1. Metode Penyaringan Informasi Mengidentifikasi item yang berguna dari sejumlah besar kandidat. Penyaringan demografis menggunakan data demografis pengguna untuk menentukan item mana yang mungkin tepat untuk rekomendasi. Penyaringan berbasis isi merekomendasikan item kepada pengguna berdasarkan deskripsi item yang telah dievaluasi sebelumnya dan informasi yang tersedia dari isi (contoh : kata kunci). Penyaringan kolaboratif mencocokkan orang yang minatnya serupa dan membuat rekomendasi sesuai dengan hal tersebut. 2. Pencocokan item-profil Pengguna Sistem penyaringan berbasis isi menggunakan perbandingan langsung antara profil penguna dengan item baru. Jadi, diperlukan pencocokan profil item 3. Pencocokan profil pengguna Penyaringan kolaboratif harus mencari pengguna yang serupa sebelum membuat rekomendasi. Langkah perhitungan : menemukan pengguna yang serupa, membuat suatu lingkungan, dan menghitung prediksi berdasarkan tetangga yang dipilih. Persoalan Manajerial pada Agen Cerdas Intelligence Agent memberikan sebuah cara yang inovatif untuk memproses tugas rutin secara otomatis. Beberapa persoalan manajerial adalah penting karena memiliki seuatu derajat otonomi dan otorisasi.  Justifikasi Biaya Autonomous agent yang menjalankan tugas kompleks, cukup mahal. Biaya agen ini diambil dari banyaknya jumlah R&D dalam pembuatannya, selain itu, agen ini mungkin berupa program kustom yang membutuhkan waktu pemrograman yang lama. Mafaat sering tidak terlihat dengan jelas dan hasilnya sulit diukur, tetapi jika tidak berinvestasi dalam teknologi, sedangkan kompetito melakukan, maka mungkin akan tertinggal di belakang (Hendler, 1999)  Keamanan Kekhawatiran yang jelas untuk keamanan sistem apakah pengiriman agen yang akan kembali akan membawa virus atau trojan  Privasi Ada kasus yang menunjukkan bahwa agen mengganggu privasi seseorang.  Kecerdasan dan Etika Industri 14



Pengumpulan kecerdasan industri yang sah biasanya mahal dan menghabiskan waktu. Maka akan muncul prakti cyper-spying, dengan sifat internet yang tidak memiliki baasan, risiko bahwa suatu perusahaan tak beretika akan bersaing secara tidak adil melalui pencurian riset dan pengembangan berharga perusahaan.  Persoalan Etika Lainnya Agen merepresentasikan cara baru yang signifikan untuk berinteraksi dengan dunia.  Pembelajaran Agen Semakin banyak anda menggunakannya, semakin banyak agen belajar, dan karenanya akan semakin efekif.  Akurasi Agen Seiring dengan pembelajaran agen, mucullah akurasi agen  Harapan Berlebihan Ada Harapan yang tinggi setiap kali muncul teknolog atau produk baru  Penerimaan Sistem Penambahan Intelligence Agent ke dalam sistem yang telah ada terkadang dapat menimbulkan masalah.  Teknologi Sistem Jika suatu Intelligence Agent menjadi lebih kuat, maka sistem yang dibutuhkan untuk menjalankannya juga harus semakin kuat.



15



DAFTAR PUSTAKA Authors, F. (2014). Intelligence decision systems in enterprise information management. http://doi.org/10.1108/17410391111148594 Collan, M., Liu, S., & Collan, M. (2006). Fuzzy logic and intelligent agents : towards the next step of capital budgeting decision support Fuzzy logic and intelligent agents : towards the next step of capital budgeting decision support. http://doi.org/10.1108/02635570310479981 Efraim, T., Jay, E. A., & Ting, P. L. (2005). Decision Support Systems and Intellegent System (2nd ed.). ANDI. Foster, D., Mcgregor, C., & El-masri, S. (n.d.). A Survey of Agent-Based Intelligent Decision Support Systems to Support Clinical Management and Research University of Western Sydney. Phillips-wren, G. E. (2008). Intelligent Agents in Decision Support Systems Support for Decision Making, 505–507. Plenert, G. (1999). Intelligence Systems. Emerald Insight, 23, 48–54. Retrieved from http://dx.doi.org/10.1108/03684929410075011



16