Konsep Agen dan Lingkungan dalam Kecerdasan Artifisial

---

1. 📌 Pengertian Agen (Agent) dalam AI

6

🔎 Definisi Agen

Dalam AI, agen (agent) adalah entitas yang dapat:

• Mengamati lingkungannya melalui sensor
• Bertindak terhadap lingkungan melalui aktuator (actuator)

📖 Definisi Konseptual

Agen adalah sistem yang:

“menerima input dari lingkungan dan menghasilkan aksi sebagai respon untuk mencapai tujuan tertentu.”

🧠 Contoh Agen

• Robot (sensor kamera, aktuator roda)
• Sistem rekomendasi (sensor = data user, aksi = rekomendasi)
• Mobil otonom

---

2. 🔄 Struktur Agen

📊 Komponen Utama Agen

Komponen	Fungsi
Sensor	Mengambil data dari lingkungan
Aktuator	Melakukan aksi
Lingkungan	Tempat agen beroperasi
Fungsi Agen	Mengubah persepsi menjadi aksi

📖 Narasi

Agen bekerja dalam siklus:

1. Mengamati lingkungan
2. Memproses informasi
3. Mengambil keputusan
4. Melakukan aksi

---

3. ⚙️ Model Agen (Agent Function & Agent Program)

7

🔍 Penjelasan

• Agent Function
  Fungsi matematis yang memetakan percept history → aksi
• Agent Program
  Implementasi nyata dari agent function dalam sistem komputer

📖 Narasi

Agent function bersifat teoritis, sedangkan agent program adalah bentuk praktis yang berjalan di perangkat keras.

---

4. 🤖 Tipe-Tipe Agen

7

📊 Klasifikasi Agen

Tipe Agen	Deskripsi
Simple Reflex Agent	Berdasarkan kondisi saat ini
Model-Based Agent	Memiliki memori lingkungan
Goal-Based Agent	Berorientasi tujuan
Utility-Based Agent	Memaksimalkan nilai/utilitas
Learning Agent	Dapat belajar dari pengalaman

📖 Penjelasan Naratif

• Simple Reflex Agent hanya merespon kondisi langsung
• Model-Based Agent memahami perubahan lingkungan
• Goal-Based Agent memilih aksi berdasarkan tujuan
• Utility-Based Agent memilih aksi terbaik dari beberapa opsi
• Learning Agent terus berkembang dari pengalaman

---

5. 🌍 Konsep Lingkungan (Environment)

6

🔎 Definisi Lingkungan

Lingkungan adalah segala sesuatu yang berada di luar agen yang mempengaruhi keputusan dan aksi agen.

📖 Contoh

• Dunia nyata (jalan untuk mobil otonom)
• Game (lingkungan virtual)
• Data pengguna (untuk sistem rekomendasi)

---

6. 🧩 Karakteristik Lingkungan

📊 Tabel Klasifikasi Lingkungan

Karakteristik	Jenis	Penjelasan
Observability	Fully / Partially	Apakah agen melihat semua kondisi
Deterministic	Deterministic / Stochastic	Apakah hasil aksi pasti
Episodic	Episodic / Sequential	Apakah keputusan saling bergantung
Static	Static / Dynamic	Apakah lingkungan berubah
Discrete	Discrete / Continuous	Jenis nilai/perubahan

📖 Narasi

Lingkungan sangat menentukan bagaimana agen dirancang. Misalnya:

• Lingkungan dinamis membutuhkan respon cepat
• Lingkungan stokastik membutuhkan probabilitas

---

7. 🔁 Interaksi Agen dan Lingkungan

6

🔄 Siklus Interaksi

1. Agen menerima persepsi (percept)
2. Agen memproses informasi
3. Agen menentukan aksi
4. Lingkungan berubah
5. Proses berulang

📖 Narasi

Interaksi ini bersifat kontinu dan membentuk sistem yang adaptif.

---

8. 📌 PEAS (Performance, Environment, Actuator, Sensor)

📊 Struktur PEAS

Komponen	Penjelasan
Performance	Ukuran keberhasilan agen
Environment	Lingkungan agen
Actuator	Alat aksi
Sensor	Alat pengindraan

📖 Contoh PEAS (Mobil Otonom)

Komponen	Contoh
Performance	Keselamatan, kecepatan
Environment	Jalan raya
Actuator	Mesin, rem, setir
Sensor	Kamera, radar

---

9. 💡 Studi Kasus: Agen dalam Kehidupan Nyata

6

📖 Contoh Nyata

• Mobil otonom
• Smart home (lampu otomatis)
• Robot vacuum
• Sistem rekomendasi e-commerce

📌 Analisis

Setiap sistem tersebut:

• Menggunakan sensor (input data)
• Memproses dengan AI
• Menghasilkan aksi

---

10. ⚠️ Tantangan dalam Perancangan Agen

🔍 Permasalahan

• Lingkungan kompleks
• Data tidak lengkap
• Ketidakpastian
• Keterbatasan komputasi

---

11. 🎯 Kesimpulan

• Agen adalah inti dari sistem AI
• Agen berinteraksi dengan lingkungan melalui sensor dan aktuator
• Terdapat berbagai jenis agen sesuai kompleksitas
• Lingkungan mempengaruhi desain agen
• Interaksi agen-lingkungan bersifat dinamis dan berkelanjutan

---

📚 Aktivitas Pembelajaran

• Diskusi: “Jenis agen apa yang paling efektif?”
• Studi kasus: Analisis AI pada aplikasi sehari-hari
• Praktikum: Simulasi agent sederhana (Python/Grid World)