Laporan Pertama Grafik Komputer

Nama : Muhammad Husein Nasution
NPM : 14115634
Kelas : 3KA31





FILE PDF : DOWNLOAD 

LISTING PROGRAM : DOWNLOAD

Definisi PEAS (Performance Measure, Environment, Actuators, Sensors)

1. Pengertian PEAS

• Performance measure, berisi komponen-komponen yang akan menjadi tolak ukur keberhasilan agent.
• Environment, berisi kondisi yang dapat mempengaruhi disekitar agent.
• Actuators, berisi kemampuan yang dapat agent itu lakukan.
• Sensors, berisi hal-hal apa saja yang dapat diinput agent.

Ketika merancang sebuah agen, harus mendefinisikan lingkungan masalah (task environment), yakni:

• Performance Measure: Apa saja komponen pengukur keberhasilan si agent?
• Environment: Kondisi apa saja yang ada disekitar agent?
• Actuators: Apa saja yang bisa dilakukan si agent?
• Sensors: Apa saja yang menjadi inout si agent?

2. Contoh PEAS Pada Agents

Taksi Otomatis
Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan

• Performance measure: sampai tujuan, tidak melanggar lalu lintas, perjalanan nyaman, hemat bensin.
• Environment: jalan, lalu lintas, pejalan kaki, pelanggan.
• Actoators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.
• Sensors: video, speedometer, GPS, keyboard.

Medical Diagnosis System
Sebuah agent Medical Diagnosis System yang mendiagnosa pasien secara otomatis.

• Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.
• Environment: pasien, rumah sakit, suster, dokter.
• Actoators: layar monitor (pertanyaan, test, diagnosa, treatment, petunjuk).
• Sensors: keyboard (masukkan gejala penyakit, jawaban pasien).

Robot Pabrik Penjamin Mutu
Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada  ban berjalan ke dalam kotak berbeda.

• Performance measure: presentase jumlah komponen yang diletakkan pada kotak yang benar.
• Environment: ban berjalan, komponen yang diuji, kotak.
• Actuators: gerak lengan dan tangan robot.
• Sensors: kamera, sensor fisik. 

Interactiv English Tutor
Sebuah agent tutor yang memberikan latihan english secara interaktif.

• Performance measure: nilai skor maksimal.
• Environment: para siswa.
• Actuators: laya monitor (latihan, saran koreksi).
• Sensors: keyboard.

Sumber:
http://yogipratama97.blogspot.co.id/2016/10/pengenalan-intelligent-agents.html

Definisi, Konsep Serta Contoh Agents

1. Pengertian Agents

          Agent adalah segala sesuatu yang dapat dipandang sebagaiman mengamati lingkungan melalui sensor dan bertindak atas lingkungan yang melalui efektor. Agen manusia memiliki mata, telinga dan organ lain untuk sensor dan tangan, kaki, mulut dan bagian tubuh lainnya untuk efektor.
          Dalam kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas lingkungan dan mengarahkan aktivitasnya untuk mencapai tujuan  yaitu rasional. Intelligent agen juga dapat belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Russell & Norvig (2003) mengartikan Rational Agent yang mengerjakan segala sesuatu hal dengan benar.

Agen Intelligent menurut Nikola Kasabov adalah bahwa Agent harus menunjukkan karakteristik berikut.:

• Mengakomodasi pemecahan masalah baru aturan bertahap.
• Beradaptasi online dan real time.
• Mampu menganalisis sendiri dalam hal perilaku, kesalahan dan kesuksesan.
• Belajar dan meningkatkan melalui interaksi dengan lingkungan (perwujudan).
• Belajar dengan cepat dari sejumlah besar data.
• Memiliki penyimpanan memori berbasis contoh dan kapasitas pengambilan.
• Memiliki parameter untuk mewakili umur pendek dan jangka panjang memori.

2. Konsep Agents

1. Rational Agent

• Definisi Rational Agent: suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan (sejarah input) dan pengetahuan lain yang dimilikinya.
• Rational tidak berarti sempurna: ada aspek lingkungan yang tidak diketahui, di luar kendali.
• Terkadang agent bermulai tanpa pengetahuan lingkungan → exploration, learning, autonomy. 

2. Task Environment

Ketika merancang sebuah agent, kita harus mendefinisikan lingkungan masalah (task environment), yakni:

• Performance measure: apa saja yang menjadi ukuran kinerja agent?
• Environment: di manakah agent berperan?
• Actuators: apa saja yang bisa dilakukan si agent?
• Sensors: apa saja yang menjadi perantara input untuk agent?
• PEAS

3. Jenis Environment

• Fully-observable vs. partially-observable: semua info relevan diketahui?
• Deterministic vs. stochastic: next state = current state + action?
• Episodic vs. sequential: apakah tergantung sejarah?
• Static vs. dynamic: environment berubah jika agent tidak bertindak?
• Discrete vs. continuous: bisa terhadap sifat state, percept, action.
• Single agent vs. multiagent: apakah ia kawan (kooperatif) atau lawan (kompetitif)?
• Tentunya, dunia nyata kita partially-observable, stochastic, sequential, dynamic, continuous, dan multiagent.

4. Struktur Sebuah Agent

• Agent Function: Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action)
• f : P* → A
• Agent Program: Sebuah program yang mengimplementasikan fungsi f di atas arsitektur
• Agent = Arsitektur + Program
• Agent Program menerima input percept terakhir (*mungkin* ia menyimpan percept sequence di dalam memory-nya) 

3. Contoh Agents

Taksi Otomatis
Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan

• Performance measure: sampai tujuan, tidak melanggar lalu lintas, perjalanan nyaman, hemat bensin.
• Environment: jalan, lalu lintas, pejalan kaki, pelanggan.
• Actoators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.
• Sensors: video, speedometer, GPS, keyboard.

Medical Diagnosis System
Sebuah agent Medical Diagnosis System yang mendiagnosa pasien secara otomatis.

• Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.
• Environment: pasien, rumah sakit, suster, dokter.
• Actoators: layar monitor (pertanyaan, test, diagnosa, treatment, petunjuk).
• Sensors: keyboard (masukkan gejala penyakit, jawaban pasien).

Robot Pabrik Penjamin Mutu
Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada  ban berjalan ke dalam kotak berbeda.

• Performance measure: presentase jumlah komponen yang diletakkan pada kotak yang benar.
• Environment: ban berjalan, komponen yang diuji, kotak.
• Actuators: gerak lengan dan tangan robot.
• Sensors: kamera, sensor fisik.

Interactiv English Tutor
Sebuah agent tutor yang memberikan latihan english secara interaktif.

• Performance measure: nilai skor maksimal.
• Environment: para siswa.
• Actuators: laya monitor (latihan, saran koreksi).
• Sensors: keyboard.

Sumber:
http://artikel-teknologi-informasi.blogspot.co.id/2012/11/pengertian-agent-pada-ai-artificial.html
https://layangantw.wordpress.com/2014/10/26/konsep-intellegent-agents/
http://yogipratama97.blogspot.co.id/2016/10/pengenalan-intelligent-agents.html