Program Menggambar Garis Vertikal, Horizontal dan Diagonal Menggunakan Java NetBeans serta Dengan Library OpenGL

Untuk melengkapi tugas kampus untuk mata kuliah Grafik Komputer dan Pengolahan Citra saya membuat post ini, dan dengan demikian tugas yang saya kerjakan telah saya kerjakan dengan ketentuan yang sudah di tentukan. Dan mungkin masih banyak kekurangan didalam Script Program maupun penjelasannya, dengan waktu yang cukup singkat dalam memahami library OpenGL dan ketebatasan fasilitas dan lain-lain. Untuk program ini dibentuk dalam satu project yang terdiri dari  4 bagian yaitu Main Menu, Vertical, Horizontal dan Diagonal.

Berikut ini saya lampirkan file dalam bentuk .pdf extantion dapat di download disini dan dilihat disini(klik jika muncul underline)

Terima kasih atas kunjungannya ke blog saya 

UNIVERSITAS GUNADARMA

2017

Grafik Komputer dan Pengolahan Citra (GKPC)

3KA23

Copyright © 2017 [Syarif Segaf] 16115768

Intelligent Agents Part 2 (Definisi PEAS)

1. Definisi PEAS

PEAS (Performance Measure, Environment, Actuators, Sensors)

PEAS adalah singkatan dari Performance Measure, Environment, Actuators dan Sensors yang didefinisikan sebagai berikut : 

• P (Performance Measure) : Komponen keberhasilan dari Agent
• E (Environment) : Kodisi sekitar Agent
• A (Actuators) : Segala sesuatu yang dapat dilakukan oleh Agent
• S (Sensors) : Segala sesuatu yang menjadi input dari Agent

2. Contoh PEAS

• Agent : Sistem Diagnosis Medis.
• Performance Measure : Kesembuhan pasien, biaya minim.
• Environment : Pasien, pegawai rumah sakit, rumah sakit.
• Actuators : Layar monitor (pertanyaan, test, perawatan, rujukan).
• Sensors : Keyboard (gejala, temuan, pertanyaan pasien).
• Agent : Part-picking Robot.
• Performance Measure : persentase komponen pada tempat penampungan yang sesuai.
• Environment : Bagian-bagian mesin, wadah penampungan.
• Actuators : Gabungan tangan dan lengan (Robot).
• Sensors : Kamera, angle sensor.
• Agent : Interactive English Tutor.
• Performance Measure : Nilai maksimal ujian siswa.
• Environment : Siswa-siswa.
• Actuators : Monitor (latihan, soal-soal, koreksi).
• Sensors : Keyboard.
• Agent : Supir Taxi
• Performance Measure : Aman, cepat, legal, perjalanan yang nyaman, pendapatan maksimal.
• Environment : Jalan, rambu-rambu lalu lintas, penumpang. 
• Actuators : Roda, Pedal Gas, Pedal Rem, Klakson.
• Sensors : Kamera, speedometer, GPS, sensor mesin, keyboard.

Sumber & Refrensi : 

• Brecle, H : A Multi-Agent Framework For Planning And Managing Mobility Services
• http://artikel-teknologi-informasi.blogspot.co.id/2012/11/pengertian-agent-pada-ai-artificial.html
• Intelligent Agents, Chapter 2, ICS 171, Fall 2009
• https://www.ics.uci.edu/~welling/teaching/ICS171fall10/Agents171Fall10.pdf
• Hennoch, J dan Ulrich, H : Agent-Based Managements Systems In Logistics
• Russell, S dan Norvig, P : Artificial Intelligence, A Modern Approach Prentice Hall, 2003

UNIVERSITAS GUNADARMA

2017

Pengantar Teknologi Sistem Cerdas (PTSC) Tugas 3

3KA23

Copyright © 2017 [Syarif Segaf] 16115768

Intelligent Agents Part 1 (Definisi, Konsep serta Contoh Agents)

1. Definisi Agent

Intelligent Agents

Agents adalah segala sesuatu yang dapat melihat/ mengartikan/ mengetahui (perceiving) linkungannya melalui alat sensor (sensors) dan bertindak (acting) melalui alat aktuator (actuators).

• Manusia sebagai agent : mata, telinga dan organ lainnya sebagai sensors; tangan, kaki, mulut dan bagian tubuh lainnya sebagai actuators

• Robot sebagai agent : kamera dan pejejak infra merah sebagai sensors; berbagai motor pengerak sebagai actuators

• Software sebagai agent : tekanan pada keyboard, isi file dan paket-paket pada jaringan sebagai masukan sensors; tampilan pada layar, penulisan file dan pengiriman paket jaringan sebagai keluaran actuators

• Fungsi agent (f) adalah pemetaan dari urutan persepsi (percept) menjadi tindakan (actions) [f: P* -> A]

• Program agent berjalan pada arsitektur fisik untuk menghasilkan fungsi agent (f) agent = architecture + program.

Dalam kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen) 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 Agent

Konsep Rational Agent adalah agent yang melakukan sesuatu yang benar

• Setiap actions diselesaikan/dikerjakan dengan benar

Apakah sesuatu yang benar?

• Agent yang paling sukses/ berhasil
• Mengukur kesuksesan/ keberhasilan?

Pengukur kemampuan haruslah objektif (contoh : Vacuum cleaner world)

• Jumlah debu yang dapat dibersihkan pada waktu tertentu
• Seberapa bersih lantai
• Besarnya konsumsi listrik
• Besarnya noise yang dihasilkan

Rasional tergantung pada 4 hal :

• Kemampuan yang terukur.
• Pengetahuan lingkungan sebelumnya/ terdahulu.
• Tindakan.
• Urutan persepsi (sensors).

Def: Untuk setiap urutan persepsi yang mungkin, rational agent harus memilih tindakan yang diharapkan dapat memaksimalkan kemampuan dengan memberikan bukti yang dihasilkan dari urutan persepsi dan pengetahuan yang dimiliki oleh agent.

Rationalitas ≠ kemahatahuan (omniscience)

• Omniscient Agent adalah agent mengetahui akibat yang terjadi dari suatu tindakan.

Agent dapat bertindak sesuai dengan yang diharapkan untuk memodifikasi persepsi akan datang dengan mendapatkan informasi yang berguna (pengumpulan informasi dan eksplorasi)

Agent dikatakan autonomous, jika perilakunya ditentukan oleh pengalamannya sendiri (dengan kemampuan untuk belajar dan beradaptasi)

3. Contoh Agent

• Sistem Diagnosis Medis
• Part-picking Robot
• Interactive English Tutor
• Supir Taxi

Sumber & Refrensi : 

• Brecle, H : A Multi-Agent Framework For Planning And Managing Mobility Services
• http://artikel-teknologi-informasi.blogspot.co.id/2012/11/pengertian-agent-pada-ai-artificial.html
• Intelligent Agents, Chapter 2, ICS 171, Fall 2009
• https://www.ics.uci.edu/~welling/teaching/ICS171fall10/Agents171Fall10.pdf
• Hennoch, J dan Ulrich, H : Agent-Based Managements Systems In Logistics
• Russell, S dan Norvig, P : Artificial Intelligence, A Modern Approach Prentice Hall, 2003

UNIVERSITAS GUNADARMA

2017

Pengantar Teknologi Sistem Cerdas (PTSC) Tugas 2

3KA23

Copyright © 2017 [Syarif Segaf] 16115768