2016 ~ My arTikel

Senin, 14 November 2016

Grafik Komputer & Pengolahan Citra

Posted by KTC | 05.16 Categories:

OpenGL. OpenGL adalah kumpulan standard API (Application Programming Interface) yang menghubungkan software dengan hardware grafis untuk menampilkan gambar 2D dan 3D. Intinya OpenGL itu adalah kumpulan library untuk mengakses hardware (GL= graphical library). Sedangkan , Java adalah bahasa pemrograman yang dapat dijalankan di berbagai komputer termasuk telepon genggam. Bahasa ini awalnya dibuat oleh James Gosling saat masih bergabung di Sun Microsystems saat ini merupakan bagian dari Oracle dan dirilis tahun 1995. Pada Pembuatan Garis ini terdapat 4 Class yaitu : Menu , Diagonal , Vertikal , Horizontal. dan yang menjadi main atau class yang dijalankan pertama kali adalah Menu. saya menggunakan library LWJGL yang memiliki 3 files yaitu :

LWJGL - 2.9.3

LWJGL Source

LWJGL Javadoc

Link Penjelasan Program serta User Guide

Link Program exe

MUHAMMAD TAJUDDIN - 17114562 - 3KA31

Continue No comments

Senin, 31 Oktober 2016

Metode Pencarian - Heuristic Search

Posted by KTC | 01.18 Categories:

Heuristic Search

Heuristic Search adalah pencarian bersyarat (terbimbing). Artinya, solusi yang diperoleh adalah solusi yang terbaik, bukan solusi sekali ketemu. Bagian-bagiannya adalah [masalah]-[pencarian]-[syarat]-[solusi]. Misal contoh masalah pada kasus di atas, Ambillah kelereng merah yang tidak pecah dan tidak lonjong. Sehingga ketika ketemu kelereng merah dan ada pecahnya, itu masih bukan solusi karena tidak sesuai dengan syarat (tidak pecah dan tidak lonjong).

Fungsi heuristik digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapatkan solusi yang diinginkan.

Generate & Test

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

Bangkitkan suatu kemungkinan solusi (membangkitkan suatu tititk tertentu atau lintasan tertentu dari keadaan awal).
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.
Jika solusi ditemukan, keluar. Jika tidak, ulangi kembali langkah pertama.

Contoh :

“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 kal i. Misalkan ada 4 kota dengan jarak antara tiap-tiap kota seperti gambar di bawah ini:

Penyelesaian dengan metode Generate and Test

Hill Climbing.

Metode Hill Climbing hampir sama dengan metode pembangkitan & pengujian (Generate and Test), hanya saja proses pengujian dilakukan dengan menggunakan fungsi heuristik. Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristik ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang mungkin.

Hill Climbing adalah proses pengujian yang dilakukan dengan menggunakan fungsi heuristik. Pembangkitan keadaan berikutnya sangat tergantung pada feedback dari prosedur pengetesan. Tes yang berupa fungsi heuristik ini akan menunjukkan seberapa baiknya nilai terkaan yang diambil terhadap keadaan-keadaan lainnya yang mungkin.

Contoh: 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 l intasan dengan menukar posisi urutan 2 kota, maka kita akan mendapatkan sebanyak:

atau sebanyak 6 kombinasi (lihat gambar dibawah). Fungsi heuristic yang digunakan adalah panjang lintasan yang terjadi.

Sumber :

http://www.elangsakti.com/2013/03/bahasan-fundamental-tentang-blind.html

http://fryunfirst.blogspot.co.id/2015/06/pencarian-heuristik-heuristic-search.html

Muhammad Tajuddin - 17114562 - 3KA31

Continue No comments

Metode Pencarian - Blind Search

Posted by KTC | 01.06 Categories:

Blind Search.

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.

model pencarian blind search yang tidak memiliki informasi awal, model pencarian ini memiliki tiga ciri – ciri utama yaitu:
1. Membangkitkan simpul berdasarkan urutan.
2. Kalau ada solusi maka solusi akan ditemukan.
3. Hanya memiliki informasi tentang node yang telah dibuka (node selanjutnya tidak diketahui).

4. Variabel data pada Blind Search tidak mempunyai atribut / informasi tambahan.

Breadth First Search.

Breadth First Search yaitu model pencarian yang memakai metode melebar. Untuk mencari hasilnya, model Breadth First Search ini menggunakan teknik pencarian persoalannya dengan cara membuka node (titik) pada tiap levelnya. Algoritma yang melakukan pencarian secara melebar yang mengunjungi simpul secara preorder yaitu mengunjungi suatu simpul kemudian mengunjungi semua simpul yang bertetangga dengan simpul tersebut terlebih dahulu. Selanjutnya, simpul yang belum dikunjungi dan bertetangga dengan simpul-simpul yang tadi dikunjungi, demikian seterusnya. algoritma BFS menggunakan graf sebagai media representasi persoalan, tidak sulit untuk mengaplikasikan algoritma ini dalam persoalan-persoalan teori graf.

Contoh Algoritma Breadth First Search :
Dalam algoritma Breadth First Search, simpul anak yang telah dikunjungi disimpan dalam suatu antrian. Antrian ini digunakan untuk mengacu simpul-simpul yan bertetangga dengannya yang akan dikunjungi kemudian sesuai urutan pengantrian. Untuk memperjelas cara kerja algoritma Breadth First Search beserta antrian yang digunakannya, berikut langkah-langkah algoritma Breadth First Search:

Masukkan simpul ujung (akar) ke dalam antrian.
Ambil simpul dari awal antrian, lalu cek apakah simpul merupakan solusi.
Jika simpul merupakan solusi, pencarian selesai dan hasil dikembalikan.
Jika simpul bukan solusi, masukkan seluruh simpul yang bertetangga dengan simpul tersebut (simpul anak) ke dalam antrian.
Jika antrian kosong dan setiap simpul sudah dicek, pencarian selesai dan mengembalikan hasil solusi tidak ditemukan.
Ulangi pencarian dari langkah kedua.

Depth First Search.

Pencarian dilakukan pada satu node dalam setiap level dari yang paling kiri. Jika pada level yang paling dalam, solusi belum ditemukan, maka pencarian dilanjutkan pada node sebelah kanan. Node 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. Jika solusi ditemukan maka tidak diperlukan proses backtracking (penelusuran balik untuk mendapatkan jalur yang dinginkan).

Kelebihan Depth First Search adalah:

1. Pemakain memori hanya sedikit, berbeda jauh dengan BFS yang harus menyimpan semua node yang pernah dibangkitkan.

2. Jika solusi yang dicari berada pada level yang dalam dan paling kiri, maka DFS akan menemukannya secara cepat.

Kelemahan Depth First Search adalah:

1.Jika pohon yang dibangkitkan mempunyai level yang dalam (tak terhingga), maka tidak ada jaminan untuk menemukan solusi (Tidak Complete).

2. Jika terdapat lebih dari satu solusi yang sama tetapi berada pada level yang berbeda, maka pada DFS tidak ada jaminan untuk menemukan solusi yang paling baik (Tidak Optimal).

Sumber :

http://www.elangsakti.com/2013/03/bahasan-fundamental-tentang-blind.html

http://www.churdhulz.byethost22.com/blogs/pengertian-breadth-first-search-bfs?i=1

http://anthonilockheart.blogspot.co.id/2013/04/depth-first-search-dfs-breath-first.html

Muhammad Tajuddin - 17114562 - 3KA31

Continue No comments

Jumat, 30 September 2016

Artificial Intelegence - Fuzzy Logic

Posted by KTC | 04.32 Categories:

Fuzzy Logic

Pengertian :

Fuzzy Logic atau dalam bahasa Indonesia logika Fuzzy adalah teknik/ metode yang dipakai untuk mengatasi hal yang tidak pasti pada masalah – masalah yang mempunyai banyak jawaban. Pada dasarnya Fuzzy logic merupakan logika bernilai banyak/ multivalued logic yang mampu mendefinisikan nilai diantara keadaan yang konvensional seperti benar atau salah, ya atau tidak, putih atau hitam dan lain-lain.

Dengan kata lain Fuzzy Logic mempunyai fungsi untuk “meniru” kecerdasan yang dimiliki manusia untuk melakukan sesuatu dan mengimplementasikannya ke suatu perangkat, misalnya robot, kendaraan, peralatan rumah tangga, dan lain-lain.

Penalaran Logika Fuzzy memnyediakan cara untuk memahami kinerja system dengan cara menilai input dan output system dari hasil pengamatan. Logika Fuzzy menyediakan cara untuk menggambarkan kesimpulan pasti dari informasi yang samar-samar, ambigu dan tidak tepat. Fuzzy logic Pertama kali dikembangkan oleh Lotfi A. Zadeh tahun 1965.

Alasan digunakannya Fuzzy Logic :

Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran.
Fuzzy sangat sederhana dan mudah dimengerti.
Fuzzy Logic sangat fleksibel.
Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
Logika fuzzy mampu memodelkan fungsi-fungsi non linear yang sangat kompleks.
Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
Logika fuzzy didasarkan pada bahasa alami.

Contoh Penerapan Fuzzy Logic :

Sistem Pengereman Mobil (Nissan).
Pengontrol kereta bawah tanah di Sendai, Jepang.
Penghematan Konsumsi Daya Listrik AC (Mitsubhishi Heavy Industries Tokyo).

Sumber dari :

Muhammad Tajuddin - 3KA31 - 17114562

Metode Tsukamoto Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Metode Mamdani Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan: Pembentukan Himpunan Fuzzy Aplikasi fungsi implikasi (aturan) Komposisi aturan Penegasan (defuzzy)

Read more at: http://elektronika-dasar.web.id/operator-implikasi-dan-sistem-inferensi-fuzzy-logic-controller/
Copyright © Elektronika Dasar

Continue No comments

Artificial Intelegence - Sistem Pakar

Posted by KTC | 04.09 Categories:

Artificial Intelegence

Pengertian Artificial Intelegence :

Artificial Intelegence (AI) dalam bahasa Indonesia artinya Kecerdasan Buatan yaitu kecerdasan yang ditunjukkan oleh suatu entitas ilmiah. Kecerdasan dibuat dan dimasukkan ke dalam suatu mesin/ komputer supaya bisa melakukan pekerjaan seperti yang bisa dikerjakan oleh manusia. Kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, perencanaan dan penjadwalan, pengendalian, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah di kehidupan yang nyata.

Kelebihan Artificial Intelegence (AI) :

Artificial Intelligence bersifat konsisten dan teliti .

Artificial Intelligence lebih bersifat permanent.

Artificial Intelligence dapat lebih murah daripada kecerdasan alami.

Artificial Intelligence menawarkan kemudahan untuk digandakan atau disebarkan.

Artificial Intelligence dapat didokumentasi.

Sistem Pakar :

Pengertian Sistem Pakar :

Sistem Pakar adalah sistem/program yang bertingkah laku seperti ahlinya atau pakarnya. Sistem pakar merupakan sistem yang berbasis pengetahuan digunakan untuk membantu menyelesaikan masalah-masalah yang ada dalam dunia nyata.

Sistem Pakar juga suatu program komputer yang dirancang untuk mengambil keputusan seperti keputusan yang diambil oleh seorang atau beberapa orang pakar. Menurut Marimin (1992), sistem pakar adalah sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik berpikir dalam pengambilan keputusan untuk menyelesaikan masalah-masalah yang biasanya hanya dapat diselesaikan oleh tenaga ahli dalam bidang yang bersangkutan.

Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu.

Menurut Arhami, Muhammad 2005 definisi Sistem Pakar :

System pakar merupakan salah satu bagian kecerdasan buatan yang akhir-akhir ini mengalami perkembangan yang sangat pesat. System ini dirancang untuk dapat menirukan keahlian seorang pakar dalam menjawab pertanyaan dan menyelesaikan suatu permasalahan baik di bidang kesehatan, bisnis, ekonomi, keuangan dan sebagainya.
System pakar merupakan program computer yang mampu menyimpan pengetahuan dan kaidah dari domain pakar yang khusus. Dengan bantuan system pakar seorang yang awam atau tidak ahli dalam suatu bidang tertentu akan dapat menjawab pertanyaan, menyelesaikan masalah dan mengambil keputusan yang biasanya dilakukan oleh seorang pakar.

Sistem Pakar menurut Siswanto (kecerdasan tiruan, 2010) program komputer :

Program komputer yang menangani masalah dunia nyata, masalah yang kompleks yang membutuhkan interpretasi pakar.
program komputer untuk menyelesaikan masalah dengan menggunakan komputer dengan model penalaran manusia dan mencapai kesimpulan yang sama dengan yang dicapai oleh seorang jika berhadapan dengan masalah.

Keuntungan Sistem Pakar :

Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.
Menyimpan pengetahuan dan keahlian para pakar.
Meningkatkan output dan produktivitas.
Meningktkan kualitas.
Mampu mengambil dan melestarikan keahlian para pakar.
Memiliki kemampuan untuk mengakses pengetahuan.

Kekurangan Sistem Pakar :

Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
Sulit dikembangkan. Hal itu tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.
System pakar tidak 100% bernilai pasar.

Contoh Penerapan :

SYSTRAN : Perangkat lunak untuk penerjemahan bahasa.

Delco Electronics : Mobil yang dapat mengemudikan sendiri yang menggunakan pendeteksi tepi untuk tetap bertahan di jalan.

Deep Blue : Program catur 1997 yang mengalahkan Garry Kasparov pecatur dunia .

Volkswagen AG : Sistem pengemudi kendaraan otomatis yang diciptakan oleh Jerman.

Sumber dari :

Muhammad Tajuddin - 3KA31 - 17114562

Continue No comments

Artificial Neural Network

Posted by KTC | 03.22 Categories:

Artificial Neural Network

Pengertian Artificial Neural Network :

Jaringan Syaraf Tiruan atau Neural Network adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan Syaraf Tiruan (Neural Network), seperti manusia, belajar dari suatu contoh. Jaringan Syaraf Tiruan (Neural Network) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran. Jaringan Syaraf Tiruan atau Neural Network berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun.

Read more at: http://elektronika-dasar.web.id/jaringan-syaraf-tiruan-neural-network/
Copyright © Elektronika Dasar

Artificial Neural Network (Jaringan Syaraf Tiruan) adalah paradigma pemrosesan suatu informasi yaitu terinspirasi oleh sistem sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistem pemrosesan informasi. Artificial Neural Network (Jaringan Syaraf Tiruan), seperti manusia, belajar dari suatu contoh. Artificial Neural Network (Jaringan Syaraf Tiruan) dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran.

Artificial Neural Network (Jaringan Syaraf Tiruan) berkembang secara pesat pada beberapa tahun terakhir. Jaringan Syaraf Tiruan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum selama beberapa tahun.

Artificial Neural Network memiliki Arsitektur. Setiap neuron dapat memiliki beberapa masukan dan mempunnyai satu keluaran. Jalur masukan pada suatu neuron bisa berisi data mentah atau data hasil olahan neuron sebelumnya. Sedangkan hasil keluaran suatu neutron dapat berupa hasil akhir atau berupa bahan masukkan bagi neutron berikutnya. Jaringan neuron buatan terdiri atas kumpulan grup neuron yang tersusun dalam lapisan yaitu :

Lapisan Input (Input Layer).
Lapisan Tersembunyi (Hidden Layer).
Lapisan Output (Output Layer).

Keuntungan :

Suatu neural jaringan dapat melaksanakan tugas yang suatu program linier tidak bisa.
Ketika suatu unsur neural jaringan gagal, ANN masih dapat melanjut tanpa masalah oleh paralel mereka.
ANN bias diimplementasikan pada berbagai aplikasi.
ANN bias diimplementasikan tanpa masalah yang berarti

Kerugian:

ANN membutuhkan “pelatihan” terlbih dahulu sebelum beroprasi.
Arsitektur dari ANN berbeda dari arsitektur kebanyakan microprocessor, sehingga membutuhkan proses emulasi.
Membutuhkan waktu processing yang tinggi untuk ANN dengan ukuran yang besar.

Contoh Pengaplikasian Artificial Neural Network dalam Security :

Pemanfaatan Artificial Neural Network juga sudah mulai banyak dibicarakan pada dunia security, salah satu impelementasinya diterapkan pada IDS (Intrusion Detection System).Teknik IDS yang umumnya digunakan saat ini adalah menggunakan signature serangan untuk menentukan apakah suatu paket termasuk dalam jenis serangan tertentu atau bukan.

Apabila ada paket yang melintasi jaringan dan ditangkap oleh IDS (dalam hal ini Snort) dan paket tersebut memenuhi kriteria rules diatas maka IDS akan dapat langsung memutuskan bahwa telah terjadi suatu jenis serangan DDOS yangmemanfaatkan tools stacheldracht, dan snort akan langsung mengambil tindakan yang telah ditetapkan sebelumnya. misalnya : mengirimkan pesan alert via sms atau mail ke administrator sistem).

Sumber dari :