Membuat Garis Vertikal, Horizontal, Diagonal - Grafik Komputer & Pengolahan Citra**

Tugas Grafik & Pengolahan Citra yakni membuat Program Garis Vertikal, Horizontal dan Diagonal. Disini saya menggunakan Java NetBeans, Java Development Kit, OPENGL dengan library lwjgl. 

Berikut saya lampirkan link laporan pembuatan garis vertikal, horizontal, diagonal :
https://drive.google.com/open?id=0B8dWrs4qb5BbVGF1aGhDMWZKQW8

Definisi PEAS(Performance Measure, Environment, Acuators, Sensors) (Pengenalan Intelegent Agents 2)

1. Definisi PEAS

    Agent merupakan sesuatu yang dapat mengesan (perceiving) lingkungan (environment) nya melalui sensors dan bertindak (acting) terhadap lingkungan tersebut melalui actuators. Dan ketika ingin merancang sebuat agent maka kita harus menjabarkan lingkungan masalah (task environment), yaitu :

PEAS

- P (performance measure) : berisi komponen-komponen yang akan menjadi tolak ukur keberhasilan agent. Performance Measure adalah suatu proses penilaian kemajuan pekerjaan terhadap tujuan dan sasaran yang telah ditentukkan sebelumnya, termasuk informasi atau efisiensi penggunaan sumber daya dalam menghasilkan barang dan jasa, kualitas barang dan jasa, hasil kegiatan dibandingkan dengan maksud yang diinginkan dan efektifitas tindakan dalam mencapai tujuan. 

- E (environment)                 : berisi kondisi yang dapat mempengaruhi disekitar agent.

Tipe-tipe environment sebagai berikut: 

• Fully Observable vs. partially observable

Sensor dari suatu agent akan memberikan akses kepada kondisi sepenuhnya dari environment pada waktu tertentu, artinya suatu agent dapat mengobservasi lingkungan secara keseluruhan.

• Deterministic vs. stochastic

Kondisi berikutnya dari lingkungan telah ditetapkan dari kondisi dan tindakan yang dieksekusi agent dalam waktu sekarang.
• Episodic vs. sequential
Episodic: episode selanjutnya tidak berdasarkan dari tindakan sebelumnya, yaitu pilihan tindakan dilakukan disetiap episode tegantung padda episode itu sendiri.
sequential: tindakan selanjutnya didasari pada tidakan yang sebelumnya dilakukan.

• Static vs. dynamic

Static: lingkungan tidak berubah selama agent melakukan pertimbangan.
dynamic: lingkungan selalu berubah sesuai keinginan ataupun tidak oleh agent. Lingkungan bersifat semiDynamic jika lingkungan itu sendiri tidak berubah seiring berjalannya waktu namun skor dari kemampuan agent berubah.

• Episodic vs. Sequential

Pengalaman agen dibagi ke dalam “episode-episode” atomik (setiapepisode terdiri dari si agen) memahami (perceiving) dan kemudian melaksanakan satu tindakan, dan pilihan tindakan dalam tiap episode hanya tergantung pada episode itu sendiri.

• Discrete vs. continuous

Jumlah persepsi yang terbatas, tindakan, dan episode yang jelas atau bersifat diskrit. 

• Single agent vs. multiagent

Banyaknya jumlah agent yang beroperasi dalam lingkunganitu sendiri.
 

- A (actuators)                     : berisi kemampuan yang dapat agent itu lakukan untuk menggerakkan atau mengontrol suatu sistem atau alat mekanis.

Tipe actuators:

• Hydraulic: terdiri atas silinder dan cairan motor yang menggunakan tenaga hidrolic untuk menjalankan operasi mekanik.
• Pneumatic: mengkonversi energi yang dibuat dengan vacuum atau kompres udara pada tekanan tinggi ke berbagai linear atau gerakan berputar.
• Elektric: ditenagai oleh mesin yang mengkonversi energi elektrik ke mekanikal.

 

- S (sensors)                       : berisi hal-hal apa saja yang dapat diinput agent.Sensor merupakan akan yang digunakan untuk mendeteksi dan merespon ke dalam tipe masukkan dari lingkungan fisik. Sensor dapat berupa Video, accelerometers, kamera, engine sensors, keyboard, GPS.

Sumber :
http://beintelligenttt.blogspot.co.id/2015/04/kecerdasan-buatan-intelligent-agents.html
https://www.scribd.com/doc/48082148/Performance-Measurement
http://maisarohmae23.blogspot.co.id/2016/09/pengertian-peas-dan-cara-kerja-jenis.html

Definisi, Konsep, dan Contoh Agent (Pengenalan Intelegent Agents 1)

1. Definisi Agent
                         
                                  
                        
    Agent adalah segala sesuatu yang 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. 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
- Rational Agent

• Definis : suatu agent yang selalu bertindak memaksimalkan ukuran kinerja, mengingat apa yang ia amati tentang lingkungan (sejarah input) dan pengetahuan lain yang dimilikinya.
• Rational tidak berarti sempurna: ada aspek lingkungan yang tidak diketahui, di luar kendali.
• Terkadang agent bermulai tanpa pengetahuan lingkungan → exploration, learning, autonomy.
• Contoh : Goal, lulus kuliah, juara liga sepak bola.

 - Task Environment

• Ketika merancang sebuah agent, kita harus mendefinisikan lingkungan masalah (task environment), yakni:
  • Performance measure: apa saja yang menjadi ukuran kinerja agent?
  • Environment: di manakah agent berperan?
  • Actuators: apa saja yang bisa dilakukan si agent?
  • Sensors: apa saja yang menjadi perantara input untuk agent?
  • PEAS
  Contoh : agent taksi otomatis 
  

-  Struktur Sebuah Agent

• Agent function
  Sebuah fungsi yang memetakan sejarah input (percept sequence) terhadap tindakan yang dilakukan (action)
  f : P* → A
• Agent program
  Sebuah program yang mengimplementasikan fungsi f di atas arsitektur
• Agent = Arsitektur + Program
• Agent program menerima input percept terakhir (*mungkin* ia menyimpan percept sequence di dalam memory-nya)
  Contoh: VacuumCleanerWorld

3. Contoh Agent
Contoh 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.
Sensors: video, speedometer, GPS, keyboard.
  
Contoh 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).

Contoh 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.

Contoh 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
https://layangantw.wordpress.com/2014/10/26/konsep-intellegent-agents/