Intelligent Agent. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc
|
|
- Widya Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Intelligent Agent ì Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala
2 KONSEP AGENT An agent is anything that can be viewed as perceiving its environment through sensors and ac6ng upon that environment through actuators Human Agent : Eyes, Ears and other organs for sensors Hands, Legs, Mouth, and other body part for actuators Robo6c Agent : Cameras and infrared range finders for sensors Various Motors for actuator SoCware agent : Keystroke, file contents, network packets as sensory inputs Acts on the environment by displaying on the screen, wri6ng files, and sending network packets
3 KONSEP AGENT Percept à Input (Masukan indera si agent) Ac6on à 6ndakan yang dilakukan oleh si agent Environment à lingkungan dimana si agent berada Tujuan Agent
4 KONSEP RATIONAL AGENT Ra6onal à melakukan hal yang terbaik Kita harus mendefinisikan tujuan dari agent Goal bisa dinyatakan sebagai performance measure Contoh : Lulus Kuliah Cepat Kaya Bahagia GOAL PERFORMANCE MEASURE IPK Gaji Bulanan Tingkat Kebahagiaan Ra6onal Agent adalah Suatu agent yang selalu ber6ndak memaksimalkan ukuran kinerja, mengingat apa yang ia ama6 tentang lingkungan dan pengetahuan lain yang dimilikinya
5 TASK ENVIRONMENT ì Ke6ka merancang sebuah agent, kita harus mendefinisikan masalah (task environment), yaitu : ì ì ì ì Percept : Apa saja yang jadi input si agent? Ac6on : Apa saja yang bisa dilakukan si agent? Goals : Apa tujuan si agent? Environment : Dimanakah si agent berperan? ì Task Environment à PAGE (Russel & Norvig menggunakan singkatan PEAS)
6 CONTOH AGENT : TAXI OTOMATIS Taksi Otoma6s yang menerima penumpang dan mengantarkan ke tujuannya : Percept Video, Speedometer, GPS, Keyboard Ac6ons S6r Arah, Klakson, gas, rem, sinyal kiri/kanan Goal Tujuan penumpang, mencapai setoran, hemat bensin, 6dak nabrak, 6dak di6lang Environment Jalan, lampu merah, lalulintas, pejalan kaki, cuaca
7 CONTOH AGENT : ROBOT PABRIK PENJAMIN MUTU Robot yang mengama6 komponen pada ban berjalan, lalu memisahkan yang bermutu 6nggi dari yang jelek, cacat, dan lain- lain ke dalam dua kotak: Percept Kamera, sensor fisik Ac6ons Goal Gerak lengan robo6k Komponen masuk kotak yang benar (presentase) Environment Ban berjalan, komponen yang diuji, kotak- kotak
8 Merancang Sebuah Agent Struktur Sebuah Agent ì Agent = Arsitektur + Program ì Agent Program menerima input percept terakhir
9 CONTOH : VACUUM CLEANER ì Definisi Task Environment: ì Percepts : lokasi dan status, misal : [A,Kotor] ì Contoh Percept Sequence (urutan inputan) {[A,Kotor], [A,Bersih], [B, Kotor], [B, Bersih],.} {[A,Kotor], [A,Kotor], [A, Kotor], [A, Bersih],.} ì Ac6on : DoKekiri, DoKekanan, DoSedot, DoSantai ì Goal : menjaga kebersihan ì Environment : ruangan A dan B beserta isi debunya
10 Contoh Agent : AGENRAJIN
11 JENIS- JENIS AGENT PROGRAM Menurut Russel dan Norvig: Simple Reflex Agents Hanya berdasarkan percept terakhir Model- based reflex agents : Memiliki representasi internal mengenai keadaan lingkungan Goal- based agents : Memiliki informasi mengenai tujuan, memilih 6ndakan yang mencapai tujuan U6lity- based agents : Melakukan penilaian kuan6ta6f terhadap suatu keadaan lingkunganà u6lity func6on. Berkaitan dengan Performance Measure Learning agents : Belajar dari pengalaman, meningkatkan kinerja
12 Simple Reflex Agents Sumber dari:
13 Model Based- Reflex Agents Sumber dari:
14 Sumber dari: Goal Based Agents
15 Utility- Based Agents Sumber dari:
16 Sumber dari: Learing Agents
17 RINGKASAN ì Sebuah Ra6onal Agent harus memiliki tujuan (goal). ì Sebuah Task Environment mendefinisikan Percept, Ac6on, Goal, dan Environment sebuah agent. ì Agent Func6on memetakan percept sequence (histori urutan) terhadap 6ndakan. ì Agent Program mengimplementasikan agent func6on.
18 Referensi ì Semua materi slide dibuat oleh (Sekolah Tinggi Ilmu Komputer Indonesia (STIKI) Malang. ì George F. Luger, Ar6ficial Intelligence, Addison Wesley, Fourth Edi6on. ì Stuart Russell & Peter Norvig, Ar6ficial Intelligence: A Modern Approach, Third Edi6on. ì hep://en.wikipedia.org/wiki/intelligent_agent
Agent Cerdas. Chastine Fatichah. Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012
Kecerdasan Buatan Agent Cerdas Chastine Fatichah Teknik Informatika Institut Teknologi Sepuluh Nopember November 2012 1 / 25 Pokok Bahasan Agent & environment Konsep Rational Agents PEAS (Performance measure,
Lebih terperinciPengertian Agent. percepts. actions
Pengertian Agent sensors percepts? agent actuators (effectors) actions environment AGENT, adalah : Sesuatu (entity) yang menerima masukan (percept) dari lingkungannya (environment) melalui sensorsensor,
Lebih terperinciPengenalan Intelligent Agent
Pengenalan Intelligent Agent Pertemuan II Wahyu Supriyatin Intelligent Agent Sistem agent pintar yang dirancang untuk bekerja secara otomatis pada setiap aplikasinya dengan sensornya yaitu menerima pesan
Lebih terperinciIntelligent Agent. PERTEMUAN 10 Diema Hernyka Satyareni, M.Kom
Intelligent Agent PERTEMUAN 10 Diema Hernyka Satyareni, M.Kom Outline Konsep Agen Cerdas dan Lingkungannya Konsep Perancangan Agen Cerdas Perancangan Agen Cerdas Karakteristik Agen Arsitektur Agen Tipe
Lebih terperinciAgen Cerdas. Oleh: Dewi Liliana IT PNJ
Agen Cerdas Oleh: Dewi Liliana IT PNJ Tujuan Mengetahui konsep agen cerdas dan lingkungan agen cerdas. Mengetahui konsep PEAS (Performance measure, Environment, Actuators, Sensors) untuk merancang agen
Lebih terperinciMETODE PENCARIAN. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc
METODE PENCARIAN Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam Teknik- Teknik Search (1/3) Hal- hal yang muncul
Lebih terperinciPENGANTAR KECERDASAN BUATAN. Aturan Umum
PENGANTAR KECERDASAN BUATAN Aturan Umum PENILAIAN Tugas ; resume paper, jurnal 4 kali = 20% Quiz ; 2 kali = 10% Ujian Tengah Semester = 30% Ujian Akhir Semester = 40% INDEX Nilai 80 NA 100 A 68 NA 79 B
Lebih terperinciPengantar kecerdasan buatan. Rational Agent
Pengantar kecerdasan buatan Rational Agent Agent Kecerdasan buatan tidak akan berfungsi / berguna apabila tidak diterapkan pada suatu obyek / entitas yang bisa bertindak berdasarkan kecerdasan buatan tersebut
Lebih terperinciMuhammad Bagir S.E., M.T.I
Muhammad Bagir S.E., M.T.I Pengertian Agent Secara umum, sebuah entitas yang berinteraksi dengan lingkungannya Persepsi melalui indra Tindakan melalui effector dan actuator Agent : Entitas dalam sebuah
Lebih terperinciPengantar Kecerdasan Buatan
Pengantar Kecerdasan Buatan KONSEP DASAR ARTIFICIAL INTELLIGENCE (KECERDASAN BUATAN) Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam
Lebih terperinciPengenalan Intelligent Agents Russell, S and Norvig, P Artificial Intelligence: A Modern Approach Prentice Hall, 2003, Second Edition - bab 2
Pengenalan Intelligent Agents Russell, S and rvig, P Artificial Intelligence: A Modern Approach Prentice Hall, 2003, Second Edition - bab 2 AGENT dan Lingkungannya Agents adalah segala sesuatu yang dapat
Lebih terperincisasaran yang dirancang
Agen Cerdas Pkk Bahasan 1. Agents and Envirnments 2. Ratinality 3. PEAS (Perfrmance measure, Envirnment, Actuatrs, Sensrs) 4. Agent types 5. Envirnment types Agen dan Lingkungan Sistem Agen Cerdas Prgram
Lebih terperinciVISUALISASI INFORMASI
BAB XI VISUALISASI INFORMASI 11.1 VISUALISASI INFORMASI 11.1.1 Pengertian Visualisasi Informasi adalah rekayasa dalam pembuatan gambar, diagram atau animasi untuk penampilan suatu system informasi. Visualisasi
Lebih terperinciKONTROL OTOMATIS PADA ROBOT PENGANTAR BARANG DENGAN PARAMETER MASUKAN JARAK DENGAN OBJEK DAN POSISI ROBOT. oleh. Ricky Jeconiah NIM :
KONTROL OTOMATIS PADA ROBOT PENGANTAR BARANG DENGAN PARAMETER MASUKAN JARAK DENGAN OBJEK DAN POSISI ROBOT oleh Ricky Jeconiah NIM : 622009004 Skripsi Untuk melengkapi salah satu syarat memperoleh Gelar
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Permainan Reversi Permainan Reversi adalah permainan yang dimainkan oleh dua orang pemain. Permainan ini dimainkan di atas papan Reversi persegi yang terdiri dari 8 baris dan 8
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Sistem Kecerdasan Buatan : AK012229 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan Intelegensi Buatan (KB) konsep Intelegensi
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5
SATUAN ACARA PERKULIAHAN MATA KULIAH : SISTEM CERDAS (AK014226) FAKULTAS / JURUSAN : TEKNIK KOMPUTER / D3 SKS/SEMESTER : 2/5 Minggu Ke Pokok Bahasan Dan TIU 1 Pengenalan Intelegensi Buatan (KB) konsep
Lebih terperinciHEURISTIC SEARCH. Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc
HEURISTIC SEARCH Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Jurusan Informatika Universitas Syiah Kuala http://informatika.unsyiah.ac.id/irvanizam Travelling Salesmen Problem Seorang salesman
Lebih terperinciKecerdasan Buatan/ Artificial Intelligence
Kecerdasan Buatan/ Artificial Intelligence Agen Cerdas Imam Chlissdin, S.Si., M.Km. Pkk Bahasan 1. Agents and Envirnments 2. Ratinality 3. PEAS (Perfrmance measure, Envirnment, Actuatrs, Sensrs) 4. Agent
Lebih terperinciSTUDI PENERAPAN ALGORITMA DIJKSTRA DAN ALGORITMA A* DALAM MENENTUKAN RUTE TERPENDEK PADA ROBOT PEMADAM API
STUDI PENERAPAN ALGORITMA DIJKSTRA DAN ALGORITMA A* DALAM MENENTUKAN RUTE TERPENDEK PADA ROBOT PEMADAM API Akhmad Alfan Hidayatullah, Anik Nur Handayani, Muhammad Jauharul Fuady Teknik Elektro - Universitas
Lebih terperinciLEARNING ARTIFICIAL INTELLIGENT. Dr. Muljono, S.Si, M. Kom
LEARNING ARTIFICIAL INTELLIGENT Dr. Muljono, S.Si, M. Kom Outline Decision tree learning Jaringan Syaraf Tiruan K-Nearest Neighborhood Naïve Bayes Decision Tree Learning : Klasifikasi untuk penerimaan
Lebih terperinciKECERDASAN BUATAN ARTIFICIAL INTELLIGENCE. Copyright: Anik Handayani FT-UM
KECERDASAN BUATAN ARTIFICIAL INTELLIGENCE Copyright: Anik Handayani FT-UM ARTIFICIAL INTELLIGENCE Mata Kuliah:Kecerdasan Buatan (Artificial Intelligence/AI) Deskripsi Mengenai Kecerdasan Buatan Kecerdasan
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)
Mata : Kecerdasan Buatan Bobot Mata : 3 Sks GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Deskripsi Mata : Representasi pengetahuan dan pemecahan persoalan AI; Logika; Uncertainty; Vision Blind Search; Al
Lebih terperinciSATUAN ACARA PERKULIAHAN (SAP)
SATUAN ACARA PERKULIAHAN (SAP) Nama Mata Kuliah : Kecerdasan Buatan Kode Mata Kuliah : TI 037 Bobot Kredit : 3 SKS Semester Penempatan : VI Kedudukan Mata Kuliah : Mata Kuliah Keahlian Berkarya Mata Kuliah
Lebih terperinciKI Kecerdasan Buatan Materi 6: Pencarian dgn. Lihat Status Lawan (Adversarial Search)
[AIMA] Russel, Stuart J., Peter Norvig, "Artificial Intelligence, A Modern Approach" rd Ed., Prentice Hall, New Jersey, KI9 Kecerdasan Buatan Materi 6: Pencarian dgn. Lihat Status Lawan (Adversarial Search)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Kecerdasan Buatan Artificial Intelligence atau kecerdasan buatan merupakan cabang dari ilmu komputer yang konsern dengan pengautomatisasi tingkah laku cerdas (Desiani dan Arhami,
Lebih terperinciLEARNING ARTIFICIAL INTELLIGENT
LEARNING ARTIFICIAL INTELLIGENT Outline Decision tree learning Jaringan Syaraf Tiruan K-Nearest Neighborhood Naïve Bayes Data Latih 1 Decision Tree??? Pelamar IPK Wawancara Diterima P1 Bagus Tinggi P2
Lebih terperinciProblem-solving Agent: Searching
Problem-solving Agent: Searching Kuliah 3 Sistem Cerdas 5 April 2010 STMIK Indonesia Problem-Solving Agent Kelemahan reflex agent tidak cocok untuk menangani masalah besar!! Goal-based agent memiliki tujuan,
Lebih terperinciPENERAPAN ALGORITMA BIDIRECTIONAL A* PADA MOBILE NAVIGATION SYSTEM
PENERAPAN ALGORITMA BIDIRECTIONAL A* PADA MOBILE NAVIGATION SYSTEM Indra Siregar 13508605 Program Studi Teknik Teknik Informatika, Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jalan
Lebih terperinciTK36301 PENGANTAR KECERDASAN BUATAN
RENCANA PEMBELAJARAN SEMESTER (RPS) TK36301 PENGANTAR KECERDASAN BUATAN DISUSUN OLEH : APRIANTI PUTRI SUJANA, S.KOM., M.T. PROGRAM STUDI S1 SISTEM KOMPUTER FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS
Lebih terperinciKontrol Otomatis pada Robot Pengantar Barang
Kontrol Otomatis pada Robot Pengantar Barang dengan Parameter Masukan Jarak dengan Objek dan Posisi Robot Ricky Jeconiah 1, Darmawan Utomo 2, Saptadi Nugroho 3 Program Studi SistemKomputer, Fakultas Teknik
Lebih terperinciIKI30320 Kuliah 3 3 Sep Ruli Manurung. Problem solving agent. Representasi masalah: state space. Pencarian solusi: search.
Outline IKI 00: istem Cerdas : -olving Agent & Fakultas Ilmu Komputer Universitas Indonesia 4 eptember 007 5 -olving Agent Mekanisme kerja -olving Agent Di kuliah yang lalu kita melihat contoh reflex agent:
Lebih terperinciDibuat oleh: Diperiksa oleh: Disetujui oleh:
RENCANA PEMBELAJARAN SEMESTER No. Dokumen : Revisi : Nama Matakuliah Tanggal : Pengantar Intelegensi Buatan Halaman :. dari.. Halaman Dibuat oleh: Diperiksa oleh: Disetujui oleh:. Betha Nurina Sari Aries
Lebih terperinciMendeteksi Blob dengan Menggunakan Algoritma BFS
Mendeteksi Blob dengan Menggunakan Algoritma BFS Ahmad Fajar Prasetiyo (13514053) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Teknologi Jaringan Komunikasi
BAB 2 LANDASAN TEORI Bab ini akan menjelaskan tentang landasan teori yang digunakan pada penelitian tugas akhir ini. Pemaparan ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis serta
Lebih terperinciLesson-1. Introduction to Artificial Intelligence
Lesson-1 Introduction to Artificial Intelligence Contoh Aplikasi AI VIDEO Artificial Intelligence Intelligence Kecerdasan Intelegensia Kepintaran Artificial Buatan Semu Artifisial Apa itu AI? Bagaimana
Lebih terperinciSISTEM GERAK PARKIR MOBIL OTOMATIS DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN
SISTEM GERAK PARKIR MOBIL OTOMATIS DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN Eko Budi Setiawan¹, Warih Maharani², Fazmah Arif Yulianto³ ¹Teknik Informatika,, Universitas Telkom Abstrak Proses parkir mobil
Lebih terperinciIKI30320 Kuliah 19 3 Des Ruli Manurung. Learning. Agents. Inductive Learning. Decision Tree. Mengukur Kinerja Belajar.
Outline IKI 30320: Sistem Cerdas : Machine 1 2 akultas Ilmu Komputer Universitas Indonesia 3 4 3 Desember 2007 5 Agent yang 2 pendekatan membangun agent: Dirancang, diprogram, diberi knowledge oleh manusia
Lebih terperinciKI Kecerdasan Buatan Materi 7: Pencarian dgn. Batasan Kondisi (Constraint Satisfaction Problems)
[AIMA] Russel, Stuart J., Peter Norvig, "Artificial Intelligence, A Modern Approach" 3rd Ed., Prentice Hall, New Jersey, 200 KI09322 Kecerdasan Buatan Materi 7: Pencarian dgn. Batasan Kondisi (Constraint
Lebih terperinciKAJIAN KINERJA KESELAMATAN BUS ANTAR KOTA DALAM PROVINSI DI JAWA TIMUR
KAJIAN KINERJA KESELAMATAN BUS ANTAR KOTA DALAM PROVINSI DI JAWA TIMUR Yogi Arisandi *1, Harnen Sulistio 2, Achmad Wicaksono 2 1 Mahasiswa / Program Magister / Jurusan Teknik Sipil / Fakultas Teknik /
Lebih terperinciPencarian Rute Line Follower Mobile Robot Pada Maze Dengan Metode Q Learning
Pencarian Rute Line Follower Mobile Robot Pada Maze Dengan Metode Q Learning Abstrak 1Samsul Arifin, 2 Arya Tandy Hermawan & 2 Yosi Kristian 1Sekolah Tinggi Manajemen Informatika dan Komputer Asia Malang
Lebih terperinciPENCARIAN LOKASI FASILITAS UMUM TERDEKAT DILENGKAPI DENGAN RUTE KENDARAAN UMUM LYN
PENCARIAN LOKASI FASILITAS UMUM TERDEKAT DILENGKAPI DENGAN RUTE KENDARAAN UMUM LYN Esther Irawati S. 1, Gunawan 2, Indra Maryati 1, Joan Santoso 1, Rossy P.C. 1 1 Jurusan Teknik Informatika, Sekolah Tinggi
Lebih terperinciIKI30320 Kuliah 5 12 Sep Ruli Manurung. Best-first. search. Greedy best-first. search. search. Merancang heuristic
Outline 1 A IKI 30320: istem Cerdas : Informed earch A 2 3 A 4 Fakultas Ilmu Komputer Universitas Indonesia 5 12 eptember 2007 6 Heuristic function A Prinsip akukan node expansion terhadap node di fringe
Lebih terperinciCase Study : Search Algorithm
Case Study : Search Algorithm INF-303 Kecerdasan Buatan Jurusan Informatika FMIPA UNSYIAH Irvanizam Zamanhuri, M.Sc Dr. Taufiq A. Gani, M.EngSc Website: http://informatika.unsyiah.ac.id/irvanizam Contoh
Lebih terperinciRANCANG BANGUN ROBOT WALL FOLLOWER PENYEDOT DEBU BERBASIS MIKROKONTROLER ATMEGA8535
RANCANG BANGUN ROBOT WALL FOLLOWER PENYEDOT DEBU BERBASIS MIKROKONTROLER ATMEGA8535 Laporan Akhir ini disusun sebagai salah satu syarat menyelesaikan pendidikan Diploma III pada Jurusan Teknik Komputer
Lebih terperinciMenurut Kaplan, AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami
KECERDASAN BUATAN (AI/Artificial Intelligence) Menurut Kaplan, AI mempunyai beberapa kelebihan dibandingkan dengan kecerdasan alami (kecerdasan manusia). Kelebihan AI yaitu : AI lebih bersifat permanent
Lebih terperinciSistem Navigasi Indoor Menggunakan Sinyal Wi-fi dan Kompas Digital Berbasis Integrasi dengan Smartphone untuk Studi Kasus pada Gedung Bertingkat
Sistem Navigasi Indoor Menggunakan Sinyal Wi-fi dan Kompas Digital Berbasis Integrasi dengan Smartphone untuk Studi Kasus pada Gedung Bertingkat A448 Alifa Ridho Musthafa, R.V. Hari Ginardi, dan F.X. Arunanto
Lebih terperinciRepresentasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A*
Representasi Graf Berarah dalam Mencari Solusi Jalur Optimum Menggunakan Algoritma A* Denny Nugrahadi Teknik informatika ITB, Bandung, email: d_nugrahadi@yahoo.com Abstract Makalah ini membahas mengenai
Lebih terperinciROBOT PEMINDAH BARANG BERBASIS MIKROKONTROLER ATmega 32
ROBOT PEMINDAH BARANG BERBASIS MIKROKONTROLER ATmega 32 Oskardy Pardede 1127026 Jurusan Sistem Komputer, Fakultas Teknik,, Jl. Prof.Drg.Suria Sumantri, MPH no. 65, Bandung, Indonesia. Email : oskardy.pardede@gmail.com
Lebih terperinciSATUAN ACARA PERKULIAHAN (SAP)
SATUAN ACARA PERKULIAHAN (SAP) Nama Mata Kuliah : Pemrograman C++ Kode Mata Kuliah : MI 016 Bobot Kredit : 3/1 SKS Semester Penempatan : II Kedudukan Mata Kuliah : Mata Kuliah Keahlian Berkarya Mata Kuliah
Lebih terperinciKECERDASAN BUATAN UNTUK MENYELESAIKAN RUBIK S CUBE DENGAN ALGORITMA IDA*
KECERDASAN BUATAN UNTUK MENYELESAIKAN RUBIK S CUBE DENGAN ALGORITMA IDA* Ardhan Wahyu R 1, Purwanto 2, dan Susy Kuspambudi A 3 Universitas Negeri Malang E-mail: ardhan.matematika@gmail.com; purmatum@yahoo.com;
Lebih terperinciKendali Logika Fuzzy Pada Robot Line Follower
Kendali Logika Fuzzy Pada Robot Line Follower 15 Line Follower Robot with Fuzzy Logic Control David STMIK Pontianak E-mail: davidliauw@gmail.com Abstrak Pada Penelitian ini, dirakit dan dikodekan program
Lebih terperinciPERANCANGAN DAN REALISASI WITNESS CAMERA DENGAN MEDIA PENYIMPANAN SDCARD ABSTRAK
PERANCANGAN DAN REALISASI WITNESS CAMERA DENGAN MEDIA PENYIMPANAN SDCARD Andhy Joggy Parulian / 0422079 Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung, Indonesia,
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4I3 SISTEM REKOGNISI Disusun oleh: Tjokorda Agung Wirayudha PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana Semester
Lebih terperinciPENGGUNAAN KOMPUTER DALAM
TI091209 [2 SKS] OTOMASI INDUSTRI MINGGU KE-13 PENGGUNAAN KOMPUTER DALAM OTOMASI INDUSTRI (KENDALI KOMPUTER DALAM JARINGAN) disusun oleh: Mokh. Suef Yudha Prasetyawan Maria Anityasari Jurusan Teknik Industri
Lebih terperinciIMPLEMENTASI DIGITAL WATERMARKING PADA FILE AUDIO DENGAN MENGGUNAKAN METODE PHASE CODING SKRIPSI FITRIYANI
IMPLEMENTASI DIGITAL WATERMARKING PADA FILE AUDIO DENGAN MENGGUNAKAN METODE PHASE CODING SKRIPSI FITRIYANI 041401066 PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciStudi Kasus Kecerdasan Buatan 2015
FAKULTAS ILMU KOMPUTER JURUSAN TEKNIK INFORMATIKA INSTITUT INFORMATIKA & BISNIS DARMAJAYA Kecerdasan Buatan Praktikum 1 (Kasus 1) Leacturer : Yulmaini, S.Kom., M.Cs PENGENALAN KECERDASAN BUATAN Waktu :
Lebih terperinciSekilas Tentang Kecerdasan Buatan
Sekilas Tentang Kecerdasan Buatan Oleh: Entin Martiana Penyaji: Setiawardhana Definisi Kecerdasan Buatan Banyak cara untuk mendefinisikan Kecerdasan Buatan, diantaranya adalah : Suatu studi yang mengupayakan
Lebih terperinciPENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS)
PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS) Hari Santoso 146060300111019 haripinter@gmail.com Prodi Sistem Komunikasi dan Infromatika Teknik Elektro
Lebih terperinciABSTRAK. v Universitas Kristen Maranatha. Kata kunci: backpropagation, Multilayer Perceptron (MLP), masalah klasifikasi
ABSTRAK Salah satu fungsi dari pengklasifian data adalah untuk dapat mengenali objek baru. Sebuah sistem komputer yang berbentuk Multilayer Perceptron (MLP), dengan algoritma backpropagation mampu membantu
Lebih terperinciTIU: Mahasiswa mampu menghasilkan aplikasi Komputer Grafik sederhana. Pemrograman OpenGL API dasar 2 dimensi. Penggunaan aplikasi pengolah grafis 3D
Matakuliah : Komputer Grafik Dosen : Yonathan Ferry Hendrawan ThAkad : 2013-2014 Semester : Genap (empat) Prodi : S1 Teknik Informatika KONTRAK KULIAH 1. Manfaat Matakuliah Dengan mengambil mata kuliah
Lebih terperinciIMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK
IMPLEMENTASI ALGORITMA GENERATE AND TEST PADA PENCARIAN RUTE TERPENDEK Selvy Welianto (1) R. Gunawan Santosa (2) Antonius Rachmat C. (3) selvywelianto@yahoo.com gunawan@ukdw.ac.id anton@ukdw.ac.id Abstraksi
Lebih terperinciEvaluasi dan Usaha Optimalisasi Algoritma Depth First Search dan Breadth First Search dengan Penerapan pada Aplikasi Rat Race dan Web Peta
Evaluasi dan Usaha Optimalisasi Algoritma Depth First Search dan Breadth First Search Tjatur Kandaga, Alvin Hapendi Jurusan Teknik Informatika, Fakultas Teknologi informasi, Universitas Kristen Maranatha
Lebih terperinciTIU: Mahasiswa mampu menghasilkan aplikasi Komputer Grafik sederhana. Pemrograman OpenGL API dasar dan interaksi 2 dimensi
Matakuliah : Komputer Grafik Dosen : Yonathan Ferry Hendrawan ThAkad : 2014-2015 Semester : Genap (empat) Prodi : S1 Teknik Informatika KONTRAK KULIAH 1. Manfaat Matakuliah Dengan mengambil mata kuliah
Lebih terperinciPertemuan 10. Introduction to Logic Propositional Logic
Pertemuan 10 Introduction to Logic Propositional Logic Logical Intelligent Agent Problem solving agent hanya bisa menyelesaikan masalah yang lingkungannya accessible Kita membutuhkan agen yang dapat menambah
Lebih terperinciPETUNJUK LOGIN BAA DAN PENGGUNAAN SISTEM E- REGISTRASI UNIVERSITAS UDAYANA
PETUNJUK LOGIN BAA DAN PENGGUNAAN SISTEM E- REGISTRASI UNIVERSITAS UDAYANA 1. Pertama-tama hal yang harus dilakukan adalah masuk ke halaman situs imissu terlebih dahulu dengan cara ketik : https://imissu.unud.ac.id/
Lebih terperinciBAB I PENDAHULUAN. WebGL adalah standar web untuk pemrograman grafik yang menggunakan
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah WebGL adalah standar web untuk pemrograman grafik yang menggunakan standar OpenGL ES 2.0. Standar ini diperkenalkan sebagai standar yang harus diikuti semua
Lebih terperinciIKI 30320: Sistem Cerdas Kuliah 3: Problem-Solving Agent & Search
IKI 30320: Sistem Cerdas : -Solving Agent & Fakultas Ilmu Komputer Universitas Indonesia 3 September 2007 Outline 1 2 3 4 5 Outline 1 2 3 4 5 -Solving Agent Di kuliah yang lalu kita melihat contoh reflex
Lebih terperinciBAB 1 PENDAHULUAN. Penggunaan papan tulis pada bidang edukasi merupakan salah satu hal yang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Penggunaan papan tulis pada bidang edukasi merupakan salah satu hal yang penting dalam menciptakan proses pembelajaran yang efektif antara pengajar dengan pelajar.
Lebih terperinciVideo A. Introduction
A. Introduction T (teacher): Good morning 1B! Ss (students): Good morning Ms. T: How are you today? Ss: I m fine thank you. T: 1B masih ingat tidak? One two eyes on me! Ss: One two eyes one you! T: Do
Lebih terperinciKecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017
Kecerdasan Buatan B Artificial Inttelligent CEH3I3 PRODI SISTEM KOMPUTER UNIVERSITAS TELKOM BANDUNG 2017 PENDAHULUAN (Pengenalan Silabus dan Kontrak Belajar) Pengenalan Matakuliah Matakuliah Bobot : Kecerdasan
Lebih terperinciPenggunaan sistem Pneumatik antara lain sebagai berikut :
SISTEM PNEUMATIK SISTEM PNEUMATIK Pneumatik berasal dari bahasa Yunani yang berarti udara atau angin. Semua sistem yang menggunakan tenaga yang disimpan dalam bentuk udara yang dimampatkan untuk menghasilkan
Lebih terperinciPENERAPAN SINYAL ULTRASONIK PADA SISTEM PENGENDALIAN ROBOT MOBIL
PENERAPAN SINYAL ULTRASONIK PADA SISTEM PENGENDALIAN ROBOT MOBIL SUMARNA Program Studi Teknik Informatika Universita PGRI Yogyakarta Abstrak Sinyal ultrasonik merupakan sinyal dengan frekuensi tinggi berkisar
Lebih terperinciAPLIKASI PEMBELAJARAN ANGGOTA TUBUH MANUSIA DALAM BAHASA JEPANG MENGGUNAKAN FLASH 8 TUGAS AKHIR RAISSA ADITYA RAHAYU
APLIKASI PEMBELAJARAN ANGGOTA TUBUH MANUSIA DALAM BAHASA JEPANG MENGGUNAKAN FLASH 8 TUGAS AKHIR RAISSA ADITYA RAHAYU 082406008 PROGRAM STUDI DIPLOMA III TEKNIK INFORMATIKA DEPARTEMEN MATEMATIKA FAKULTAS
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Kecerdasan Buatan Kecerdasan buatan merupakan salah satu bidang ilmu komputer yang didefinisikan sebagai kecerdasan yang dibuat untuk suatu sistem dengan menggunakan algoritmaalgoritma
Lebih terperinciProf. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence
Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence 12/11/2009 1 Pada hidup sehari-hari, kita terbiasa dengan ucapan kecil, agak panas, sekitar jam 2. Ucapan yang tidak presisi (imprecise
Lebih terperinciKecerdasan Buatan. Dosen : Dr. Ir. Dian Retno Sawitri, MT Buku : Russel and Norvig (1995) Turban (1993) Rich and Knight (1991) dll
Kecerdasan Buatan Dosen : Dr. Ir. Dian Retno Sawitri, MT Buku : Russel and Norvig (1995) Turban (1993) Rich and Knight (1991) dll Definisi Kecerdasan Buatan (Artificial Intelligence/AI) Proses Berpikir
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dengan semakin berkembangnya aset potensial kota, setiap kota yang memiliki beragam aset potensial dituntut untuk lebih memperkenalkan aset potensial yang dimilikinya.
Lebih terperinciANALISIS DAN DESAIN KNOWLEDGE MANAGEMENT SYSTEM STUDI KASUS : PEMBUATAN MATERI AJAR DI SEKOLAH TINGGI INFORMATIKA & KOMPUTER INDONESIA (STIKI) MALANG
ANALISIS DAN DESAIN KNOWLEDGE MANAGEMENT SYSTEM STUDI KASUS : PEMBUATAN MATERI AJAR DI SEKOLAH TINGGI INFORMATIKA & KOMPUTER INDONESIA (STIKI) MALANG Eva Handriyantini dan Rully Soelaiman Program Studi
Lebih terperinciBAB I PENDAHULUAN. mengalami perkembangan yang sangat pesat. Banyak Negara maju berlombalomba
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi modern dewasa ini khususnya dalam dunia teknologi robotika mengalami perkembangan yang sangat pesat. Banyak Negara maju berlombalomba untuk menciptakan robot
Lebih terperinciARTIFICIAL INTELEGENCE ALGORITMA A* (A STAR) SEBAGAI PATHFINDING ENEMY ATTACK PADA GAME TRASH COLLECTION
ARTIFICIAL INTELEGENCE ALGORITMA A* (A STAR) SEBAGAI PATHFINDING ENEMY ATTACK PADA GAME TRASH COLLECTION TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika
Lebih terperinciImplementasi Karakteristik Sistem Multi-Agent Pada Pengujian Perangkat Lunak
191 Implementasi Karakteristik Multi-t Pada Pengujian Perangkat Lunak Elly Antika *), Prawidya Destarianto **), Hendra Yufit Riskiawan ***) Politeknik Negeri Jember E-mail: * ellyantika.niam@gmail.com,
Lebih terperinciBAB 1 PENDAHULUAN. Berbagai cabang ilmunya telah membantu manusia menyelesaikan pekerjaan dengan
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu kecerdasan buatan saat ini sudah berkembang pesat. Berbagai cabang ilmunya telah membantu manusia menyelesaikan pekerjaan dengan lebih baik, cepat,
Lebih terperinciIDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN
IDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN Galih Probo Kusuma, Dr Melania Suweni Muntini, MT Jurusan Fisika Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Lebih terperinciPENERAPAN METODE ASSOCIATION RULE MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENEMUKAN POLA PEMINJAMAN BUKU
PENERAPAN METODE ASSOCIATION RULE MINING MENGGUNAKAN ALGORITMA APRIORI UNTUK MENEMUKAN POLA PEMINJAMAN BUKU TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciAbstrak. i Universitas Kristen Maranatha
Abstrak Studi deskriptif mengenai achievement goal orientation pada mahasiswa yang sedang mengontrak mata kuliah PPLK di Universitas "X" Bandung. Penelitian ini bertujuan untuk memeroleh gambaran mengenai
Lebih terperinciPerancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Pembagian Kelas Kuliah Mahasiswa dengan Kombinasi Metode K-Means dan K-Nearest Neighbors Gede Aditra
Lebih terperinciSistem Bahan Bakar. Sistem Bahan Bakar
Sistem Bahan Bakar A. Garis Besar Sistem Bahan Bakar Sistem bahan bakar sepeda motor terdiri dari bagian-bagian seperti: Tangki bahan bakar, tutup tangki bahan bakar, katup bahan bakar, saringan bahan
Lebih terperinciBAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem Definisi Sistem
BAB 2 LANDASAN TEORI 2.1 Konsep Dasar Sistem 2.1.1 Definisi Sistem Menurut Mustakini (2009:34), Sistem dapat didefinisikan dengan pendekatan prosedur dan pendekatan komponen, sistem dapat didefinisikan
Lebih terperinciABSTRAK. i Universitas Kristen Maranatha
ABSTRAK Telepon Seluler (ponsel) telah berubah dari alat telekomunikasi biasa menjadi alat yang mempunyai berbagai fasilitas. Selain untuk berkomunikasi, ponsel juga dapat digunakan untuk koneksi internet
Lebih terperinciBAB 1. Pendahuluan. untuk kendaraan-kendaraan pribadi baik beroda dua maupun beroda empat.
BAB 1 Pendahuluan 1.1 Latar belakang Perkembangan teknologi otomotif di dunia semakin berkembang, terutama untuk kendaraan-kendaraan pribadi baik beroda dua maupun beroda empat. Dengan adanya perkembangan
Lebih terperinciSistem Navigasi Berbasis Maze Mapping pada Robot Beroda Pemadam Api
Sistem Navigasi Berbasis Maze Mapping pada Robot Beroda Pemadam Api PENELITI / TIM PENELITI Dr. Erwani Merry Sartika S.T., M.T. (220148) Muliady S.T., M.T. (220147) Nelson M.P S.T. (0922049) Junaidi Sucipto
Lebih terperinciRealisasi Robot Pembersih Lantai Dengan Fasilitas Tangan Pengambil Sampah Dan Penghisap Sampah
Realisasi Robot Pembersih Lantai Dengan Fasilitas Tangan Pengambil Sampah Dan Penghisap Sampah Disusun Oleh: Nama : Reftudie Naga Sakti NRP : 1022023 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciBAB IV PENGUJIAN DAN ANALISA
BAB IV PENGUJIAN DAN ANALISA Pada bab ini akan dibahas tentang pengujian berdasarkan perencanaan dari sistem yang dibuat. Pengujian ini dilaksanakan untuk mengetahui kemampuan dari sistem dan untuk mengetahui
Lebih terperinciOrganisasi & Arsitektur Komputer
Organisasi & Arsitektur Komputer 1 Logika Digital Eko Budi Setiawan, S.Kom., M.T. Eko Budi Setiawan mail@ekobudisetiawan.com www.ekobudisetiawan.com Teknik Informatika - UNIKOM 2013 Pendahuluan Gerbang
Lebih terperinciBAB I PENDAHULUAN. penyampaian materi tidak bisa ditangkap dengan baik oleh peserta didik.
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pembelajaran di dalam kelas bertujuan untuk membangun pengetahuan mahasiswa dalam bidang studi atau ketrampilan tertentu. Pembelajaran sendiri adalah proses
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
1 RENCANA PEMBELAJARAN SEMESTER (RPS) Mata Kuliah : Applied Artificial Intelligent Kode/ Bobot : ------- Status : Mata Kuliah Penunjang Disertasi Prasyarat : - Deskripsi Singkat : Konsep dasar Artificial
Lebih terperinciL ctur er: M. Mift Mi ak ft ul Am A i m n i,,s. Kom om,. M. M. ng.
POLITEKNIK NEGERI SRIWIJAYA Jurusan Teknik Komputer Program Studi D3 Teknik Komputer Lecturer: M. Miftakul Amin, S. Kom., M. Eng. Intelegensi Buatan Sesi 1 Pengantar Intelegensi Buatan 2015 Intelegensi
Lebih terperinciPENDAHULUAN. Traffic Light adalah suatu lampu indikator pemberi sinyal yang di tempatkan di
1 PENDAHULUAN A. LATAR BELAKANG Traffic Light adalah suatu lampu indikator pemberi sinyal yang di tempatkan di persimpangan jalan, atau lokasi-lokasi lain untuk menunjukkan keadaan aman agar mengendarai
Lebih terperinci