Senin, 30 Oktober 2017

Penggunaan OpenGL Pada NetBeans (Java)



Membuat Program Membuat Garis Koordinat dengan Menggunakan OpenGL pada NetBeans
Image result for grafik komputer dan pengolahan citra
+

Image result for netbeans logo
Program ini dapat menggambar garis horizontal, vertikal dan diagonal dengan berdasarkan input titik awal garis dan titik akhir garis dari hasil input user. Program ini terdiri dari 4 class, yaitu:

1. Prog_GarisKoordinat (Main Class)
2. Prog_Vertikal
3. Prog_Horizontal
4. Prog_Diagonal

Untuk lebih lengkapnya silahkan klik link dibawah untuk penjelasan lebih lanjut:

User Guide + Penelasan

Source Code

Jumat, 20 Oktober 2017

PEAS (Performance Measure, Environment, Actuators, and Sensor)

PEAS

Ketika kita akan membuat suatu rancangan agent, kita harus mengidentifikasi lingkungan masalah atau yang biasa kita sebut dengan “Task Environment”

Task Environment-nya adalah:
P (Performance measure) : Komponen keberhasilan/ tujuan/ target agent
E (Environment) : Kondisi sekitar lingkungan agent
A (Actuators) : Segala sesuatu yang dilakukan agent
S (Sensors) : Segala sesuatu yang menjadi input agent

Contoh penggunaan PEAS:
1)  Taksi Otomatis
Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan.
a. Performance measure: sampai tujuan, tidak melanggar lalu lintas, perjalanan nyaman.
b. Environment: jalan, lalu lintas, pejalan kaki, pelanggan.
c. Actoators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.
d. Sensors: video, speedometer, GPS, keyboard.

2) Medical Diagnosis System
Sebuah agent Medical Diagnosis System yang mendiagnosa pasien secara otomatis.
a. Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.
b. Environment: pasien, rumah sakit, suster, dokter.
c. Actoators: layar monitor (pertanyaan, test, diagnosa, treatment, petunjuk).
d. Sensors: keyboard (masukkan gejala penyakit, jawaban pasien).

3) Robot Pabrik Penjamin Mutu
Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda.
a. Performance measure: presentase jumlah komponen yang diletakkan pada kotak yang benar.
b. Environment: ban berjalan, komponen yang diuji, kotak.
c. Actuators: gerak lengan dan tangan robot.
d. Sensors: kamera, sensor fisik.

4) Interactive English Tutor
Sebuah agent tutor yang memberikan latihan english secara interaktif
a. Performance measure: nilai skor maksimal.
b. Environment: para siswa.
c. Actuators: laya monitor (latihan, saran koreksi).
d. Sensors: keyboard.
Sumber:
http://artikel-teknologi-informasi.blogspot.co.id/2012/11/pengertian-agent-pada-ai-artificial.html
http://riansetyawan72.blogspot.co.id/2017/10/definisi-dan-konsep-agent-serta-contoh.html

Agent dan Konsep Agent Pada AI

Definisi Agent

Agent adalah segala sesuatu yang dapat dipandang sebagaimana mengamati lingkungannya 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. Sebuah pengganti agen robot kamera dan berbagai pencari inframerah untuk sensor dan berbagai motor untuk efektor.

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.

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

2) Task Environment
Ketika merancang sebuah agent, kita harus mendefinisikan lingkungan masalah (task environment), yakni :
a. Performance measure: apa saja yang menjadi ukuran kinerja agent?
b. Environment: di manakah agent berperan?
c. Actuators: apa saja yang bisa dilakukan si agent?
d. Sensors: apa saja yang menjadi perantara input untuk agent?
e. PEAS

3) Struktur sebuah agent
a. Agent function
    Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action)
          f : P* → A
b. Agent program
    Sebuah program yang mengimplementasikan fungsi f di atas arsitektur
c. Agent = Arsitektur + Program
d. Agent program menerima input percept terakhir (*mungkin* ia menyimpan percept sequence di dalam memory-nya)

Conto Pengaplikasian Agents:
1)  Taksi Otomatis
Sebuah agent taksi otomatis yang menerima penumpang dan mengantarkannya ke tujuan.
a. Performance measure: sampai tujuan, tidak melanggar lalu lintas, perjalanan nyaman.
b. Environment: jalan, lalu lintas, pejalan kaki, pelanggan.
c. Actoators: arah stir, gas, rem, klakson, sinyal kiri atau kanan.
d. Sensors: video, speedometer, GPS, keyboard.

2) Medical Diagnosis System
Sebuah agent Medical Diagnosis System yang mendiagnosa pasien secara otomatis.
a. Performance measure: pasien sembuh, biaya murah, tidak menyalahi hukum.
b. Environment: pasien, rumah sakit, suster, dokter.
c. Actoators: layar monitor (pertanyaan, test, diagnosa, treatment, petunjuk).
d. Sensors: keyboard (masukkan gejala penyakit, jawaban pasien).

3) Robot Pabrik Penjamin Mutu
Sebuah robot yang melakukan pemisahan komponen yang bermutu tinggi pada ban berjalan ke dalam kotak berbeda.
a. Performance measure: presentase jumlah komponen yang diletakkan pada kotak yang benar.
b. Environment: ban berjalan, komponen yang diuji, kotak.
c. Actuators: gerak lengan dan tangan robot.
d. Sensors: kamera, sensor fisik.

4) Interactive English Tutor
Sebuah agent tutor yang memberikan latihan english secara interaktif
a. Performance measure: nilai skor maksimal.
b. Environment: para siswa.
c. Actuators: laya monitor (latihan, saran koreksi).
d. Sensors: keyboard.

Sumber:
Russel, Stuart J. and Norvig Peter. 2010. Artificial Intelligence A Modern Approach. Pearson: New Jersey