Tugas Grafis Komputer dan Pengolahan Citra

Disini saya akan membuat tugas mata kuliah Grafis Komputer dan Pengolahan Citra yaitu membuat Garis Vertikal, Horizontal dan Diagonal dengan menggunakan bahasa Java dan dengan menggunakan OpenGL sebagai Library.

Aplikasi yang digunakan :

• Netbeans IDE 8.1
• OpenGL
• Lightweight Java Game Library (LWJGL).  

Klik link berikut untuk mendownload program :
Download Program 

Klik link berikut untuk mendownload / melihat penjelasan program :
Download Penjelasan Program
 

Metode Pencarian : Heuristic Search (Softskill)

Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namum dengan kemungkinan mengorbankan kelengkapan (completeness). Fungsi heuristik digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.

Jenis-jenis Heuristic Searching:
– Generate and Test.
– Hill Climbing.
– Best First Search.
– Means-EndAnlysis, Constraint Satisfaction, dll.

PEMBANGKITAN dan PENGUJIAN (Generate and Test)

Metode ini merupakan penggabungan antara depth-first search dengan pelacakan mundur (backtracking), yaitu bergerak ke belakang menuju pada suatu keadaan awal.

Algoritma :

1.       Bangkitkan suatu kemungkinan solusi (membangkitkan suatu tititk tertentu atau lintasan tertentu dari keadaan awal).

2.       Uji untuk melihat apakah node tersebut benar-benar merupakan solusinya dengan cara membandingkan node terebut atau node akhir dari suatu lintasan yang  dipilih dengan kumpulan tujuan yang diharapkan.

3.      Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali langkah pertama.

PENDAKIAN BUKIT (Hill Climbing)

Metode ini hampir sama dengan metode pembangkitan dan pengujian, hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristic. Pembangkitan keadaan berikutnya tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristic ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnyayang mungkin.

Algoritma:

Cari operator yang belum pernah digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.

a)     Kerjakan langkah-langkah berikut sampai solusinya ditemukan atau sampai tidak ada operator baru yang akan diaplikasikan pada keadaan sekarang : Cari operator yang belum digunakan; gunakan operator ini untuk mendapatkan keadaan yang baru.

b)     Evaluasi keadaan baru tersebut : – Jika keadaan baru merupakan tujuan, keluar – Jika bukan tujuan, namun nilainya lebih baik daripada keadaan sekarang, maka jadikan keadaan baru tersebut menjadi keadaan sekarang. – Jika keadaan baru tidak lebih baik daripada keadaan sekarang, maka lanjutkan iterasi.

Contoh Penerapan Generate and Test :

“Travelling Salesman Problem (TSP)”

Seorang salesman ingin mengunjungi n kota. Jarak antara tiap-tiap kota sudah diketahui. Kita ingin mengetahui ruter terpendek dimana setaip kota hanya  boleh dikkunjungi tepat 1 kali.

Contoh Penerapan Hill Climbing :

TSP dengan Simple Hill Climbing Disini ruang keadaan berisi semua kemungkinan lintasan yang mungkin. Operator digunakan untuk menukar posisi kota-kota yang bersebelahan. Apabila ada n kota, dan kita ingin mencari kombinasi lintasan dengan menukar posisi urutan 2 kota, maka kita akan mendapatkan sebanyak n!/2!(n-2)! 

Sumber : shabri-prayogi.blogspot.co.id

Metode Pencarian : Blind Search (Softskill)

Blind Search merupakan pencarian asal ketemu. Jika solusi sudah ketemu, maka pencarian akan dihentikan. Jika dibuat skemanya, pencarian buta hanya mengenal tiga bagian, [masalah]-[pencarian]-[solusi]. Misalkan dalam kotak ada 3 kelereng warna merah, 3 biru, dan 3 kuning. Masalahnya adalah, ambillah satu kelereng yang berwarna merah. Solusi, setelah melakukan pencarian, kemudian didapat satu kelereng warna merah, nah, itulah solusinya

Ada dua jenis pencarian buta (blind search) :

1.       Pencarian melebar pertama (Breadth – First Search)

Pada Breadth – First Search semua node pada level n akan dikunjungi terlebih dahulu sebelum mengunjungi node-node pada level n+1. Pencarian dimulai dari node akar terus ke level 1 dari kiri ke kanan, kemudian berpindah ke level berikutnya dari kiri ke kanan hingga solusi ditemukan.

Keuntungannya :

·         Tidak akan menemui jalan buntu, menjamin ditemukannya solusi (jika solusinya memang ada) dan solusi yang ditemukan pasti solusi yang paling baik

·         Jika ada 1 solusi, maka breadth – first search akan menemukannya

·         Jika ada lebih dari 1 solusi, maka solusi minimum akan ditemukan

Kerugiannya :

·         Membutuhkan memori yang banyak, karena harus menyimpan semua simpul yang pernah dibangkitkan dan hal ini harus dilakukan agar BFS dapat melakukan penelusuran simpul-simpul sampai di level bawah

·         Membutuhkan waktu yang cukup lama

2.       Pencarian mendalam pertama (Depth – First Search)

Pada pencarian Depth – First Search dilakukan pada suatu simpul dalam setiap level dari yang paling kiri. Jika pada level yang paling dalam tidak ditemukan solusi, maka pencarian dilanjutkan pada simpul sebelah kanan dan simpul yang kiri dapat dihapus dari memori. Jika pada level yang paling dalam tidak ditemukan solusi, maka pencarian dilanjutkan pada level sebelumnya. Demikian seterusnya sampai ditemukan solusi.

Keuntungannnya : 

       Membutuhkan memori relatif kecil, karena hanya node-node pada lintasan yang aktif saja yang disimpan

·         Dan secara kebetulan, akan menemukan solusi tanpa harus menguji lebih banyak lagi dalam ruang keadaan, jadi jika solusi yang dicari berada pada level yang dalam dan paling kiri, maka DFS akan menemukannya dengan cepat (waktunya cepat)

Kerugiannya :

·         Memungkinkan tidak ditemukannya atau tidak adanya tujuan yang diharapkan, karena jika pohon yang dibangkitkan mempunyai level yang sangat dalam (tak terhingga) à tidak complete karena tidak ada jaminan akan menemukan solusi

·         Hanya mendapat 1 solusi pada setiap pencarian, karena jika terdapat lebih dari satu solusi yang sama tetapi berada pada level yang berbeda, maka DFS tidak menjamin untuk menemukan solusi yang paling baik à tidak optimal

Penerapan Algoritma Blind Search :

·         Breadth First Search (BFS)

·         Depth First Search (DFS)

·         Uniform Cost Search (UCS)

·         Depth-Limited Search (DLS)

·         Iterative-Deeping Search (IDS)

·         Bi-directional search (BDS).

    Sumber : elangsakti.com

Artificial Intelegent : Fuzzy Logic (Softskill)

Bagus Satrio Utomo - 3ka31 - 12114004

Pengertian :

Logika fuzzy merupakan pengembangan dari teori himpunan fuzzy yang diprakarsai oleh Prof. Lofti Zadeh dari University California USA, pada tahun 1965. Logika fuzzy berbeda dengan logika digital biasa, dimana logika digital biasa hanya me-ngenal dua keadaan yaitu: Ya_Tidak atau ON_OFF atau High_Low atau "1"_"0". Sedangkan Logika Fuzzy meniru cara berpikir manusia dengan menggunakan konsep sifat kesamaran suatu nilai. 

Pada Logika Fuzzy dapat memberikan suatu nilai dari nol secara kontinu sampai nilai satu. Perkembangan teori Logika Fuzzy telah menarik pakar system kendali untuk meman-faatkannya dalam pengendalian suatu sis-tem dalam bentuk alogaritma algoritma automatik yang dapat dinyatakan, seperti dalam pemakaian pengaturan lalu lintas, sistem transmisi otomatis, alat rumah tangga, industri dan lain-lainnya. 

Penggunaan pengendali Logika Fuzzy dilaporkan sangat sesuai untuk sistem-sistem yang sulit di-pahami atau diwakilkan dengan suatu model matematik yang teliti, tetapi harus ada suatu operator, dalam hal ini ma-nusia yang telah berpengalaman dan mampu me-ngendalikan sistem tersebut secara baik dan Fuzzy Logic Pendahuluan Program Studi Teknik Elektro – Fakultas Teknik – Universitas Budi Luhur 3 memuaskan, serta dapat memberikan aturan-aturan pengendalian secara kualitatif dalam bentuk kalimat-kalimat Fuzzy.

Contoh Penerapan :

• Manajemen dan pengambilan keputusan, seperti manajemen basis data yangdidasarkan pada logika fuzzy, tata letak pabrik yang didasarkan pada logikafuzzy, sistem pemuat keputusan di militer yang didasarkan pada logika fuzzy,pembuatan games yang didasarkan pada logika fuzzy, dll. 
• Ekonomi, seperti pemodelan fuzzy pada sistem pemasaran yang kompleks, dll.
• Klasifikasi dan pencocokan pola. 
• Psikologi, seperti logika fuzzyuntuk menganalisis kelakuan masyarakat,
• pencegahan dan investigasi kriminal, dll. 
• Ilmu-ilmu sosial, terutama untuk pemodelan informasi yang tidak pasti.
• Ilmu lingkungan, seperti kendali kualitas air, prediksi cuaca, dll. 
• Teknik, seperti perancangan jaringan komputer, prediksi adanya gempa bumi, dll.

Sumber : ebook : Fuzzy Logic : BAB I Program Studi Teknik Elektro – Fakultas Teknik – Universitas Budi Luhur

Artificial Intellegent : Sistem Pakar (Softskill)

Bagus Satrio Utomo - 3KA31- 12114004

Pengertian AI dapat ditinjau dari dua pendekatan :

1) Pendekatan Ilmiah( A Scientific Approach)

Pendekatan dasar ilmiah timbul sebelum invansi ke komputer, ini tidak sama dengan kasus mesin uap. Pendekatan ilmiah melihat batas sementara dari komputer, dan dapat diatasi dengan perkembangan teknologi lanjutan. Mereka tidak mengakibatkan tingkatan pada konsep.

2) Pendekatan Teknik( An Engineering Approach)

Usaha untuk menghindari definisi AI, tetapi ingin mengatasi atau memecahkan persoalan-persoalan dunia nyata(real world problem).

Kecerdasan tiruan(Artificial Intelligence) adalah sub bagian dari ilmu komputer yang merupakan suatu teknik perangkat lunak yang pemrogramannya dengan cara menyatakan data, pemrosesan data dan penyelesaian masalah secara simbolik, dari pada secara numerik.

Masalah-masalah dalam bentuk simbolik ini adalah masalah-masalah yang sering kita jumpai dalam kehidupan sehari-hari. Masalah-masalah ini lebih berhubungan dengan simbol dan konsep simbol dari pada dengan angkaangka. Di sini dengan kecerdasan tiruan diusahakan untuk membuat computer seakan dapat berpikir secara cerdas.

Pengertian Sistem Pakar :

sistem pakar(Expert System/Knowledge Based System), yaitu program komputer yang berisi pengetahuan manusia yang digunakan untuk menyelesaikan masalah dalam domain tertentu.

Walaupun sistem pakar dapat menyelesaikan masalah dalam domain yang terbatas berdasarkan pengetahuan yang dimasukkan ke dalamnya, tetapi sistem pakar tidak dapat menyelesaikan masalah yang tidak dapat diselesaikan manusia. Oleh sebab itu keandalan dari sistem pakar terletak pada pengetahuan yang dimasukkan ke dalamnya.

Dengan menggunakan sistem pakar dalam membantu memecahkan

masalah, didapat beberapa keuntungan:

• Sifatnya yang permanen.
• Mudah untuk ditransfer atau direproduksi.
• Mudah didokumentasikan.
• Menghasilkan keluaran yang konsisten.
• Biaya yang murah.
• Dapat digunakan untuk 24 jam sehari
• Dapat dibentuk semenjak ada keterbatasan dari manusia pakar  

Kerugian Expert System:

• Kurang personalitinya
• Tidak dapat menyelesaikan masalah yang membutuhkan intuisi

Contoh Penerapannya :

• Delta dari General Electric untuk konsultasi kerusakan lokomotif.

• Prospector dari Stanford Research Institute untuk penaksiran prospek mineral.

• Xycon dari Digital Equipment Corp's untuk mengkonfigurasi bagian bagian komputer

• Mycin dikembangkan pada Universitas Stanford (1970), untuk menolong para ahli dalam mendiagnosa bakteri penyakit tertentu

Sumber : ebook : Artifical Intelegent karya Ir. Siswanto