Tugas Pengantar Teknologi Game ke-2

A. REVIEW ALUR GAME DUOLINGO

Aplikasi Duolingo didesain untuk membantu mempelajari Bahasa dengan mudah dan nyaman sehingga melakukannya tidak seperti sedang belajar tapi lebih kearah bersenang-senang . Aplikasi ini mengijinkan kita untuk belajar lebih banyak Bahasa yang berbeda seperti Spanyol, Inggris, Italia atau Portugis,dll. Kita hanya tinggal memilih Bahasa yang ingin dipelajari saat pertama kali menggunakan aplikasinya.

Salah satu manfaat dari Duolingo dibandingkan dengan aplikasi pembelajaran Bahasa yang lainnya adalah cara penggunaan konsepnya ‘gamification’.

Duolingo menyajikan pelajaran dengan cara yang membuatnya seolah anda sedang bermain dalam sebuah permainan.

Setelah anda  melengkapi pelajaran, anda mendapatkan poin pengalaman. Jika anda membuat kesalahan, ia akan menghilangkan hati. Duolingo mencoba untuk membuatnya sehingga proses belajar anda terasa seperti permainan video yang menyenangkan.

Dalam aplikasi ini apabila user mampu melewati serangkaian soal maka level pun akan meningkat. Dalam tiap level yang meningkat ini membuat user mampu untuk melewati jenjang soal yang lebih sulit yang sudah dikelompokkan.

B. DECISION MAKING PADA GAME DUOLINGO

Decision Making adalah serangkaian algoritma yang dirancang dengan memasukan beberapa kemungkinan langkah yang bisa diambil oleh suatu aplikasi, Pada game ini decision makingmemberikan kemampuan suatu karakter untuk menentukan langkah apa yang akan diambil. Decision making dilakukan dengan cara menentukan satu pilihan dari list yang sudah dibuat pada algoritma yang dirancang. Decision Making dibagi menjadi 3 :

Decision Tree

Pohon Keputusan (Decision Tree) merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa alami. Aturan ini juga dapat diekspresikan dalam bentuk bahasa basis data seperti SQL untuk mencari record pada kategori tertentu. Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Karena pohon keputusan memadukan antara eksplorasi data dan pemodelan, pohon keputusan ini sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain (J R Quinlan, 1993).

State Machine

Finite State Machines (FSM) adalah sebuah metodologi perancangan sistem kontrol yang menggambarkan tingkah laku atau prinsip kerja sistem dengan menggunakan tiga hal berikut: State (Keadaan), Event (kejadian) dan action (aksi). Pada satu saat dalam periode waktu yang cukup signifikan, sistem akan berada pada salah satu state yang aktif. Sistem dapat beralih atau bertransisi menuju state lain jika mendapatkan masukan atau event tertentu, baik yang berasal dari perangkat luar atau komponen dalam sistemnya itu sendiri (misal interupsi timer). Transisi keadaan ini umumnya juga disertai oleh aksi yang dilakukan oleh sistem ketika menanggapi masukan yang terjadi. Aksi yang dilakukan tersebut dapat berupa aksi yang sederhana atau melibatkan rangkaian proses yang relative kompleks.

Rule System

Rule Based System merupakan metode pengambilan keputusan berdasarkan pada aturan-aturan tertentu yang telah ditetapkan. RBS dapat diterapkan pada agen virtual dalam bentuk kecerdasan buatan sehingga dapat melakukan tindakan tertentu. Tindakan tersebut direpresentasikan oleh set aturan yaitu penyebab tindakan itu terjadi, proses tindakan dan hasil dari tindakan tersebut.

Diantara ketiga jenis Decision making diatas, game Duolingo cenderung kerah Rule system. Dengan adanya aturan yang sudah ditetapkan, Artificial intelligence membuat suatu tindakan dalam game. Sebagai contoh, saat game menanyakan sejumlah soal dalam Bahasa lain dan user salah sedikit dalam menuliskan jawaban. Sistem akan menilai bahwa jawaban tersebut hampir benar.

Ditambah lagi dengan adanya fitur menjawab dalam bentuk voice recognition membuat user harus semakin cerdas dalam memberikan jawaban.

C. PATHFINDING PADA GAME DUOLINGO

Pathfinding merupakan cara untuk mendapatkan route antara 2 buah point. Pathfinding memiliki beberapa algoritma yang bisa diterapkan antara lain.

·       Brute Force Algoritma ini merupakan algoritma yang paling  mudah dimengerti. Cara kerjanya adalah membandingkan posisi sekarang dengan posisi tujuan dan menentukan langkah berikutnya.

·       BFS Breadth-First Search merupakan algortima yang menyelesaikan masalah dengan memanfaatkan struktur pohon.

·       DFS Deep-First Search merupakan algoritma yang menyeleseaikan masalah dengan memanfaatkan struktur pohon. DFS mencari solusi ke node yang paling dalam pada pohon.

·       Branch and Bound dan A* Branch and Bound merupakan pengembangan dari BFS. Pada Branch and Bound, setiap node memiliki harga (dengan cara penghitungan harga yang bermacam-macam). Harga node menentukan kedekatan node dengan solusi. Algoritma A* (Baca : A bintang) merupakan salah satu pengembangan dari Algoritma Branch and Bound. Perhitungan harga pada algoritma A* memanfaatkan unsur heuristik pada benda.

Berdasarkan algoritma pathfinding diatas, Duolingo cenderung ke arah Branch and Bound. Mengapa demikian? Karena game ini membuat user melewati berbagai tahapan level dengan point yang berbeda-beda yang harus dicapai.

Misal, jika user ingin mendapatkan banyak point maka user harus menjawab soal dengan tingkat keakurasian yang tinggi. Sehingga level dan point bertambah  

Tugas Pengantar Teknologi Game ke-1

ARTIFICIAL INTELLIGENT PADA GAME

 

Artificial Intelligence(Kecerdasan buatan) adalah kecerdasan entitas buatan, umumya sistem ini berkaitan dengan komputer. Kecerdasan yang diciptakan akan dimasukkan ke dalam suatu mesin agar mampu melakukan pekerjaan yang dapat dilakukan manusia salah satu contoh dari kecerdasan buatan dapat diimplementasikan dalam suatu permainan komputer (games). 

Game adalah suatu permainan komputer yang dibuat dengan teknik dan metode animasi. Permainan Game merupakan bidang AI yang sangat populer berupa permainan antara manusia melawan mesin yang mempunyai intelektual untuk berpikir. Deep blue adalah salah satu komputer yang ditanamkan AI dalam game yang berupa catur buatan IBM pertama yang memenangkan sebuah permainan catur melawan seorang juara dunia (Gerry Kasparov) dalam waktu standar sebuah turnamen catur. Kemenangan pertamanya (dalam pertandingan atau babak pertama) terjadi pada 10 Februari 19996 dan merupakan permainan yang sangat terkenal. 

Salah satu unsur yang berperan penting dalam suatu game adalah Kecerdasan buatan. Dengan adanya kecerdasan buatan, elemen-elemen dalam game dapat berprilaku sealami mungkin layaknya manusia. 

Game AI adalah aplikasi untuk memodelkan karakter yang terlibat dalam permainan baik sebagai lawan ataupun karakter pendukung yang merupakan bagian dari permainan tetapi tidak ikut bermain(NPC=Non Playable Character). Peranan Kecerdasan buatan dalam hal interaksi pemain dengan permainan adalah pada penggunaan interaksi yang bersifat alami yaitu yang biasa digunakan manusia untuk berinteraksi dengan sesama. 

Dalam game berbasis Kecerdasan buatan. Ada banyak teknik yang diadaptasi dari bidang kecerdasan buatan untuk diterapkan pada game, diantaranya; 

• Decision Making 

Decision Making adalah serangkaian algoritma yang dirancang dengan memasukan beberapa kemungkinan langkah yang bisa diambil oleh suatu aplikasi, Pada game ini decision making memberikan kemampuan suatu karakter untuk menentukan langkah apa yang akan diambil. Decision making dilakukan dengan cara menentukan satu pilihan dari list yang sudah dibuat pada algoritma yang dirancang. Algoritma decision making kerap digunakan dalam aplikasi game, akan tetapi algoritma decision making dapat diimplementasikan pada banyak aplikasi lain.
Decision Making terbagi menjadi 3 yaitu : Decision Tree, State Machine dan Rule System

1. Decision Tree

Pohon Keputusan (Decision Tree) merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal. Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan. Aturan dapat dengan mudah dipahami dengan bahasa alami. Aturan ini juga dapat diekspresikan dalam bentuk bahasa basis data seperti SQL untuk mencari record pada kategori tertentu. Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Karena pohon keputusan memadukan antara eksplorasi data dan pemodelan, pohon keputusan ini sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain(J R Quinlan, 1993).

Dalam situasi lain kemampuan untuk menjelaskan alasan pengambilan keputusan adalah sesuatu yang sangat penting. Misalnya pada perusahaan asuransi ada larangan resmi untuk mendeskriminasi berdasarkan variabel-variabel tertentu. Perusahaan asuransi dapat mencari sendiri keadaan yang mencerminkan bahwa mereka tidak menggunakan deskriminasi yang ilegal dalam memutuskan seseorang diterima atau ditolak. Sebuah pohon keputusan adalah sebuah struktur yang dapat digunakan untuk membagi kumpulan data yang besar menjadi himpunan-himpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan. Anggota himpunan hasil menjadi mirip satu dengan yang lain dengan masing-masing rangkaian pembagian. Sebuah model pohon keputusan terdiri dari sekumpulan aturan untuk membagi sejumlah populasi yang heterogen menjadi lebih kecil, lebih homogen dengan memperhatikan pada variabel tujuannya. Sebuah pohon keputusan mungkin dibangun dengan seksama secara manual, atau dapat tumbuh secara otomatis dengan menerapkan salah satu atau beberapa algoritma pohon keputusan untuk memodelkan himpunan data yang belum terklasifikasi (Tan dkk, 2004).
Variabel tujuan biasanya dikelompokkan dengan pasti dan model pohon keputusan lebih mengarah pada perhitungan probabilitas dari masing-masing record terhadap kategori-kategori tersebut, atau untuk mengklasifikasi record dengan mengelompokkannya dalam satu kelas. Pohon keputusan juga dapat digunakan untuk mengestimasi nilai dari variabel kontinyu, meskipun ada beberapa teknik yang lebih sesuai untuk kasus ini.
Kelebihan dari metode pohon keputusan adalah:

1. Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik
2. Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sampel diuji hanya berdasarkan kriteria atau kelas tertentu
3. Fleksibel untuk memilih fitur dari node internal yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional
4. Dalam analisis multivarian, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan kriteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.

Kekurangan pada pohon keputusan adalah:

1. Terjadi overlapping terutama ketika kelas-kelas dan kriteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan
2. Pengakumulasian jumlah kesalahan dari setiap tingkat dalam sebuah pohon keputusan yang besar
3. Kesulitan dalam mendesain pohon keputusan yang optimal
4. Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.

Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Setiap percabangan menyatakan kondisi yang harus dipenuhi dan tiap ujung pohon menyatakan kelas data. Contoh pada Gambar diatas adalah identifikasi pembeli komputer. Dari pohon keputusan tersebut diketahui bahwa salah satu kelompok yang potensial membeli komputer adalah orang yang berusia di bawah 30 tahun dan juga pelajar. Setelah sebuah pohon keputusan dibangun maka dapat digunakan untuk mengklasifikasikan record yang belum ada kelasnya. Dimulai dari node root, menggunakan tes terhadap atribut dari record yang belum ada kelasnya ini lalu mengikuti cabang yang sesuai dengan hasil dari tes tersebut, yang akan membawa kepada internal node (node yang memiliki satu cabang masuk dan dua atau lebih cabang yang keluar), dengan cara harus melakukan tes lagi terhadap atribut atau node leaf. Record yang kelasnya tidak diketahui kemudian diberikan kelas yang sesuai dengan kelas yang ada pada node leaf. Pada pohon keputusan setiap simpul leaf menandai label kelas. Proses dalam pohon keputusan yaitu mengubah bentuk data (tabel) menjadi model pohon (tree) kemudian mengubah model pohon tersebut menjadi aturan (rule) (J R Quinlan, 1993).
Salah satu algoritma induksi pohon keputusan yaitu ID3 (Iterative Dichotomiser 3). ID3 dikembangkan oleh J. Ross Quinlan. Dalam prosedur algoritma ID3, input berupa sampel training, label training dan atribut. Algoritma Decision Tree C4.5 merupakan pengembangan dari ID3. Sedangkan pada perangkat lunak open source WEKA mempunyai versi sendiri dari C4.5 yang dikenal sebagai J48.

2. State Machine

Finite State Machines (FSM) adalah sebuah metodologi perancangan sistem kontrol yang menggambarkan tingkah laku atau prinsip kerja sistem dengan menggunakan tiga hal berikut: State (Keadaan), Event (kejadian) dan action (aksi). Pada satu saat dalam periode waktu yang cukup signifikan, sistem akan berada pada salah satu state yang aktif. Sistem dapat beralih atau bertransisi menuju state lain jika mendapatkan masukan atau event tertentu, baik yang berasal dari perangkat luar atau komponen dalam sistemnya itu sendiri (misal interupsi timer). Transisi keadaan ini umumnya juga disertai oleh aksi yang dilakukan oleh sistem ketika menanggapi masukan yang terjadi. Aksi yang dilakukan tersebut dapat berupa aksi yang sederhana atau melibatkan rangkaian proses yang relative kompleks.
Berdasarkan sifatnya, metode FSM ini sangat cocok digunakan sebagai basis perancangan perangkat lunak pengendalian yang bersifat reaktif dan real time. Salah satu keutungan nyata penggunaan FSM adalah kemampuannya dalam mendekomposisi aplikasi yang relative besar dengan hanya menggunakan sejumlah kecil item state. Selain untuk bidang kontrol, Penggunaan metode ini pada kenyataannya juga umum digunakan sebagai basis untuk perancangan protokol-protokol komunikasi, perancangan perangkat lunak game, aplikasi WEB dan sebagainya.
Dalam bahasa pemrograman prosedural seperti bahasa C, FSM ini umumnya direalisasikan dengan menggunakan statemen kontrol switch case atau/dan if..then. Dengan menggunakan statemen-statemen kontrol ini, aliran program secara praktis akan mudah dipahami dan dilacak jika terjadi kesalahan logika.

3. Rule Systems

Rule Based System merupakan metode pengambilan keputusan berdasarkan pada aturan-aturan tertentu yang telah ditetapkan. RBS dapat diterapkan pada agen virtual dalam bentuk kecerdasan buatan sehingga dapat melakukan tindakan tertentu. Tindakan tersebut direpresentasikan oleh set aturan yaitu penyebab tindakan itu terjadi, proses tindakan dan hasil dari tindakan tersebut.
Rule Base Systems (RBS) sistem yang baik untuk mendapat jawaban dari pertanyaan mengenai What (apa), How (bagaimana) dan Why (mengapa) dari Rule Base (RB) selama proses inferensia. Jawaban dan penjelasannya dapat disediakan dengan baik. Masalah yang ada dengan SBP adalah ia tak dapat secara mudah menjalankan proses akuisisi knowledge (pengetahuan) dan ia tak dapat mengupdate rule (aturan) secara otomatis. Hanya pakar yang dapat mengupdate Knowledge Base (KB) secara manual dengan dukungan dari knowledge engineer (insinyur pengetahuan). Lebih jauh kebanyakan peneliti dalam SBA lebih memperhatikan masalah optimasi pada rule yang sudah ada daripada pembangkitan rule baru dari rule yang sudah ada. Namun demikian, optimasi rule tak dapat mengubah hasil dari inferensia secara signifikan, yaitu dalam hal cakupan pengetahuan.
Ripple Down Rule (RDR) datang untuk mengatasi permasalahan utama dari sistem pakar: pakar tak perlu lagi selalu mengkomunikasikan pengetahuan dalam konteks yang spesifik. RDR membolehkan akuisisi yang cepat dan sederhana secara ekstrim tanpa bantuan dari knowledge engineer. Pengguna tak perlu menguji RB dalam rangka mendefinisikan rule baru: pengguna hanya perlu untuk mampu mendefinisikan rule baru yang secara benar mengklasifikasikan contoh yang diberikan, dan sistem dapat menentukan dimana suatu rule harus ditempatkan dalam hirarki rulenya. Keterbatasan dari RDR adalah kekurangan dalam hal inferensia yang berdayaguna. Tak seperti SBA yang dilengkapi dengan inferensia melalui forward dan backward chaining, RDR kelihatannya menggunakan Depth First Search (DFS) yang memiliki kekurangan dalam hal fleksibelitas dalam hal penjawaban pertanyaan dan penjelasan yang tumbuh dari inferensia yang berdayaguna.
Variable-Centered Intelligent Rule System (VCIRS) merupakan perkawinan dari SBA dan RDR. Arsitektur sistem diadaptasi dari SBA dan ia mengambil keuntungan-keuntungan yang ada dari RDR. Sistem ini mengorganisasi RB dalam struktur spesial sehingga pembangunan pengetahuan, inferensia pengetahuan yang berdayaguna dan peningkatan evolusional dari kinerja sistem dapat didapatkan pada waktu yang sama. Istilah “Intelligent” dalam VCIRS menekankan pada keadaan sistem ini yang dapat “belajar” untuk meningkatkan kinerja sistem dari pengguna sistem selama pembangunan pengetahuan (melalui analisis nilai) dan penghalusan pengetahuan (dengan pembangkitan rule).

• Path Finding 

Metode Path Finding seringkali dijumpai pada game yang bergenre strategi, dimana kita sebagai user menunjuk satu karakter untuk digerakkan ke lokasi tertentu dengan cara mengklik lokasi yang akan dituju. Maka, si karakter tersebut akan bergerak ke arah yang telah ditentukan, dan secara “cerdas” dapat menemukan jaur terpendek ataupun menghindari rintangan yang ada.Metode pada Path Finding terbagi menjadi 4 bagian yaitu:

1. Waypoints

Merupakan titik acuan/kumpulan koordinat yang digunakan untuk keperluan navigasi. Maksud dari keperluan navigasi disini adalah mengidentifikasi sebuah titik dipeta. Disetiap koordinat biasanya menyertakan longitude, latitude, dan terkadang altitude untuk keperluan navigasi di udara.

2. A* Searching

Algoritma A* merupakan yang sering digunakan pada game yang menggunakan metode pathfinding. Algoritma ini dipilih karena A* sangat mudah untuk diimplementasikan dan sangat efisien. Dengan menggunakan algoritma A* kita dapat menentukan jalur terpendek. Pada algotitma ini akan menyeleksi dengan cara membuang langkah yang tidak perlu dengan mempertimbangkan bahwa langkah yang dibuang dipastikan tidak mencapai solusi yang diinginkan.
Prinsip dari algoritma ini yaitu dengan cara mencari jalur terpendek dari sebuah simpul awal (Starting Point) menuju ke simpul tujuan dengan memperhatikan harga (F) terkecil. Algoritma A* akan memperhitungkan cost dari current state ke tujuan dengan fungsi heuristic, selain itu algoritma ini juga mempertimbangkan cost yang telah ditempuh selama ini dari initial state ke current state. Jadi maksudnya jika jalan yang telah ditempuh terlalu panjang dan ada jalan lain yang cost nya lebih kecil tetapi memberikan posisi yang sama jika dilihat dari goal, maka jalan yang lebih pendeklah yang akan dipilih.

3. Dijkstra

Algoritma Dijkstra yang dinamai penemunya yakni seorang ilmuwan komputer, Edsger Dijkstra merupakan sebuah algoritma yang rakus atau biasa dikenal dengan algoritma greedy. Algoritma ini biasa dipakai dalam memecahkan permasalahan jarak terpendek (shortest path problem) untuk sebuah graf berarah (directed graph) dengan bobot-bobot sisi (edge weights) yang bernlai positif.

4. Tactical Pathfinding

Tactical Pathfinding merupakan algoritma pencarian jalur yang bisa melakukan pencarian jalur terpendek dengan menghitung bobot ancaman. Implementasi algoritma ini dapat memberikan gerakan taktis pada non-player character. Algoritma ini dilakukan berdasarkan algoritma pencarian jalur A* yang ditambah dengan perhitungan bobot.

• Mengejar dan Menghindar

Mengejar dan menghindar merupakan teknik dasar yang diterapkan pada banyak game berbasis kecerdasan buatan dari yang sederhana sampai yang kompleks. apakah itu space shooters, RPG, atau game strategi. metode paling umum pada teknik mengejar dan menghindar ini adalah melakukan pemutakhiran (update) koordinat terhadap objek yang menjadi sasaran. Posisi relatif dan kecepatan dapat dijadikan sebagai parameter pada algoritma mengejar dan menghindar. Metode Line-of-sight yang membutuhkan dasar rumus persamaan garis juga serngkali dijadikan basis metode mengejear dan menghindar.

• Pola Pergerakan

Pola pergerakan merupakan cara yang sederhana untuk memberikan ilusi kecerdasan pada sebuah game. Game Galaga adalah contoh klasik penerapan pola pergerakan ini, dimana pesawat musuh dapat bergerak secara melingkat atau mengikuti pola garis lurus yang ditentukan. Contoh lain penerapan pola pergerakan adalah pada game first-person shooter yang menampilkan monster yang sedang berpatroli pada jalur tertentu, pada game simulasi pertempuran pesawat dimana pesawat musuh dapat melakukan manuver-manuver di udara yang menyulitkan kita mengejar, atau karakter-karakter non-player (figuran) seperti kambing yang sedang berjalan membutuhkan teknik pola pergerakan ini. Metode standar untuk menerapkan pola pergerakan adalah dengan cara menyimpan pola tersebut dalam suatu array. Array tersebut terdiri dari serangkaian koordinat atau perintah pergerakan dengan pola tertentu untuk mengontrol koordinat dari objek. Dengan metode ini, bisa didapatkan pola-pola pergerakan seperti melingkar, garis lurus, zig-zag atau bahkan kurva tak beraturan.

• Jaringan saraf tiruan (neural network)

Neural network cukup baik ketika diterapkan pada kasus-kasus yang sifatnya non-linier atau mengambil keputusan yang tidak dapat dilakukan dengan metode tradisional. Penerapannya seringkali pada game-game yang memerlukan kemampuan adaptif atau belajar dari pengalaman. Sebagai contoh, jika suatau ketika terjadi pertempuran antar player dengan unit komputer, dan unit komputer mengalami kekalahan, maka pada kesempatan lain yang serupa, komputer akan memilih untuk tidak bertempur. Semakin banyak pengalaman yang dialami komputer, maka komputer menjadi semakin cerdas. Prinsip dasar dari jaringan saraf tiruan ini adalah perbaikan bobot secara terus menerus agar output yang dihasilkan menjadi semakin akurat (semakin cerdas).

• Algoritma Genetis (genetic algorithm)

Algoritma genetis sedikit banyak dipengaruhi oleh teori evolusi yang dicetuskan Darwin, yaitu bahwa spesies akan terus menerus beradaptasi dengan lingkungannya dan ciri khasnya yang terletak pada kromosom, akan diturunkan pada generasi berikutnya. Generasi turunan ini menerima gabungan kromosom dari kedua induknya, yang disebut dengan crossover. Pada algoritma genetis, akan diterapkan langkah ranking fitness untuk melakukan seleksi terhadap langkah ranking fitness untuk melakukan seleksi terhadap generasi turunan yang terbaik. Pada game berbasis algorima genetis, turunan terbaik inilah yang dilibatkan ke dalam game, dimana akan digunakan oleh komputer untuk merespons perubahan-perubahan tingkah laku user.

Source :

http://dunotifkejora.blogspot.com/2016/04/kecerdasan-buatan-ai-pada-game.html

http://i-niblog.blogspot.com/2017/04/artificial-intelligence-pada-game.html

Tugas Desain Pemodelan Grafik Ke - 4

A SURVEY ON SIMILARITY MEASURES IN TEXT MINING

(SURVEI TENTANG TINDAKAN KESAMAAN DALAM PENAMBANGAN TEKS)

M.K.Vijaymeena¹ and K.Kavitha^{2  1}M.E. Scholar, Department of Computer Science & Engineering, Nandha Engineering College, Erode-638052, Tamil Nadu, India
2
Assistant Professor, Department of Computer Science & Engineering, Nandha Engineering College, Erode-638052, Tamil Nadu, India  

1. ABSTRAK

Volume sumber daya teks telah meningkat di perpustakaan digital dan internet. Mengorganisasikan dokumen teks ini telah menjadi kebutuhan praktis. Untuk mengorganisasikan sejumlah besar objek ke dalam jumlah kecil atau minimum kelompok koheren secara otomatis, teknik Clustering digunakan. Dokumen-dokumen ini banyak digunakan untuk pencarian informasi dan tugas-tugas pemrosesan Bahasa manusia . Algoritma Clustering yang berbeda membutuhkan metrik untuk mengukur seberapa berbedanya dua dokumen yang diberikan. Perbedaan ini sering diukur dengan ukuran kesamaan seperti jarak Euclidean, kesamaan Cosine dll. Proses pengukuran kesamaan dalam penambangan teks dapat digunakan untuk mengidentifikasi algoritma pengelompokan yang sesuai untuk masalah spesifik. Survei ini membahas karya-karya yang ada pada kesamaan teks dengan mempartisi mereka menjadi tiga pendekatan signifikan; Kesamaan berbasis string, berbasis pengetahuan dan kesamaan berbasis Corpus.

2. INTI DARI ISI JURNAL

Jurnal Survei tentang tindakan kesamaan dalam penambangan teks ini membahas karya  yang ada pada kesamaan teks dengan mempartisi mereka menjadi tiga pendekatan signifikan; Kesamaan berbasis string, berbasis pengetahuan dan kesamaan berbasis Corpus.

Pada pendeketan kesamaan berbasis string diimplementasikan dalam bentuk paket SimMetrics . Metrik yang digunakan untuk mengukur jarak antara string teks disebut String metrik dan digunakan untuk pencocokan string dan perbandingan

Pada kesamaan berbasis pengetahuan ukuran kesamaan semantik dan didasarkan pada pengidentifikasian tingkat kesamaan antara kata-kata dan menggunakan berbagai informasi yang berasal dari jaringan semantik [15]. Jaringan semantik yang paling populer dikenal sebagai WordNet yang merupakan basis data leksikal besar bahasa Inggris. Kata benda, kata kerja, kata keterangan, dan kata sifat dikelompokkan ke dalam kelompok sinonim kognitif yang dikenal sebagai sinkronisasi.

Pada kesamaan berbasis corpus ukuran kesamaan semantik yang menentukan kesamaan antara kata-kata berdasarkan informasi yang diperoleh dari korpora.

Algoritma Berbasis String digunakan untuk mengukur kesamaan Lexical; Algoritma Berbasis Corpus dan Pengetahuan Berbasis didasarkan pada kesamaan Semantic

3. METODE YANG DIGUNAKAN

Metode yang digunakan adalah Teknik Perbaikan guna menyaring informasi yang berlebihan dan digunakan untuk mengelompokkan data yang terkait erat. Ini mewakili rangkaian lengkap pemangkasan, pemesanan, generalisasi, dan pengelompokan.

4. KELEBIHAN

Pada jurnal ini menguraikan dengan baik terhadap pendekatan yang digunakan secara signifikan. Dengan meningkatnya sumber daya kata pada internet dan perpustakaan digital dilakukan Teknik clustering yang mengorganisasikan sejumlah besar objek ke dalam jumlah kecil atau minimum kelompok koheren secara otomatis dan tentunya memudahkan pengelompokan pada penambangan kata .

5. KEKURANGAN

Pada jurnal ini banyaknya rumus yang tidak awam sehingga dibutuhkan pemahaman yang ekstra dalam memahami maksud dari rumus yang diberikan.

6. KESIMPULAN

Text Mining merupakan bidang penelitian yang signifikan yang mendapatkan popularitas yang meningkat dalam beberapa tahun terakhir. Mengukur kesamaan antara dokumen teks adalah operasi penting dari text mining. Dalam survei ini, tiga pendekatan kesamaan teks seperti String-based, Corpus-based dan kesamaan Knowledge-based dibahas. String-based dioperasikan pada komposisi karakter dan urutan string. kesamaan Corpus-based adalah ukuran kesamaan semantik yang menentukan kesamaan antara kata-kata berdasarkan informasi yang diperoleh dari corpus besar. Ukuran kesamaan semantik dikenal sebagai kesamaan Berbasis Pengetahuan didasarkan pada tingkat kesamaan antara kata-kata dan konsep. Beberapa algoritma ini digabungkan bersama dalam banyak penelitian dan mereka adalah langkah-langkah kesamaan hybrid. paket kesamaan berguna seperti SimMetrics, WordNet Similarity dan NLTK disebutkan. Arsitektur sistem untuk sebuah sistem text mining tingkat lanjut dan fungsi dari berbagai komponen dijelaskan. Berbagai aplikasi real time yang berbeda dari text mining digunakan dalam lingkungan seperti Industri Mobil dan Industri Layanan Kesehatan telah dibahas.

7.SARAN/PENGEMBANGAN BERIKUTNYA

Jurnal yang ada sudah sangat bagus hanya saja akan lebih baik lagi jika rumus yang diuraikan dapat lebih mudah dipahami oleh orang awam yang tidak begitu mengerti fungsi matematika seperti pada bagian sub materi Ukuran kesamaan berbasis istilah.

 

Tugas Desain Pemodelan Grafik ke - 3

PEMBUATAN ANIMASI 4 MENIT DENGAN MENGGUNAKAN SOFTWARE BLENDER

      A. PENGENALAN BLENDER

Ø  Pengertian Blender

Blender merupakan OSS (Open Source SOftware) atau istilah lainnya software yang dapat di gunakan di berbagai macam OS (Operating System). Ini digunakan untuk dikembangkan secara komersial, tetapi sekarang dirilis di bawah GPL (GNU General Public License).
Blender tersedia untuk berbagai sistem operasi, seperti: ,Microsoft Windows, Mac OS X, Linux, IRIX, Solaris ,NetBSD, FreeBSD, OpenBSD.

Ø  Fitur Pada Blender

ü  Model: Obyek 3D tipe, termasuk jerat poligon, permukaan NURBS, Bezier dan kurva B-spline; multiresolusi patung kemampuan; Modifier stack deformers; model Mesh; Python Scripting

ü  Rigging: Skeleton kode ciptaan; Skinning; lapisan Bone; B-splines interpolated tulang

ü  Animasi: animasi editor non-linear; Vertex framing kunci untuk morphing, animasi Karakter berpose editor; deformers animasi, pemutaran Audio; sistem kendala animasi

ü  Rendering: raytracer inbuilt; oversampling, blor gerak, efek pasca produksi, ladang, non-square pixel, lapisan Render dan melewati; Render baking ke peta UV, Efek termasuk halo, suar lensa, kabut, vektor motion-blur proses pasca- , dan proses pasca-defocus; Ekspor naskah untuk penyaji eksternal

ü  UV unwrapping: Laurent dan metode Berdasarkan Sudut unwrapping; unwreapping berdasarkan jahitan; falloff proporsional mengedit peta UV

ü  Shading: membaur dan shader specular; Node editor; hamburan Bawah, shading Tangent; peta Refleksi

ü  Fisika dan Partikel: sistem Partikel dapat dilampirkan ke mesh objek; simulator Fluida; solver Realtime tubuh lembut

ü  Imaging dan Komposisi: multilayer OpenEXR dukungan; filter node komposit, konverter, warna dan operator vektor; 8 mendukung prosesor; sequencer realtime dekat; Bentuk gelombang dan U / V menyebar plits

ü  Realtime 3D/Game Penciptaan: editor grafis logika; Bullet Fisika dukungan Perpustakaan; jenis Shape: polyhedron Convex, kotak, bola, kerucut, silinder, kapsul, majemuk, dan mesh segitiga statis dengan mode auto penonaktifan; tabrakan Diskrit; Dukungan untuk kendaraan dinamika; Mendukung semua modus pencahayaan OpenGL; Python scripting; Audio

B. PENGGUNAAN SOFTWARE BLENDER DALAM PEMBUATAN ANIMASI BERDURASI 4 MENIT 

Dalam animasi 4 menit ini kami membaginya menjadi beberapa bagian, diantaranya ;

1.INTRO

Dalam intro, animasi di menit pertama ini menunjukkan pengenalan dari animasi kami dimana kami menggunakan 3 kucing yang bernama Arin, Clara dan Fika. Untuk pembuatan intro berikut saya uraikan langkah-langahnya ; 

Langkah pertama bukalah software Blender yang ada pada desktop, kemudian buatlah objek kucing dengan memadukan objek cube dan silinder yang sudah dimodifikasi sehingga membentuk objek kucing.

                              

                               

                           Tambahkan kamera dan lampu menggunakan shortcut SHIFT+A sehingga objek                                   kucing dapat lebih terlihat dan tidak gelap.

                           Setelah objek kucing terlihat jelas, tambahkan 2 buah objek Uv sphere dan 1 buah                               object cone untuk membuat wajah kucing menggunakan Shortcut Shift+A>mesh.

                           

                           

                         

                          Setelah ini tambahkan warna pada objek kucing baik itu dari bagian badan, mata dan                            mulut. Setelah diberikan warna maka akan tampil seperti dibawah ini. Lakukan                                    duplikat 3 kali sehingga membentuk 3 object kucing yang sama.

                           

                          

       

                          

                         Jika ingin tampilan lebih mulus, tambahkan subdivision surface pada modifier object                           kucing. Anda dapat menambahkan aksesoris dengan menggunakan objek lainnya                                 sesuai keinginan anda.

                         Langkah selanjutnya adalah struktur layer animasi baik dari segi object maupun                                   background.

                         Tambahkan objek plane dan masuk ke menu texture.

                               Masuk ke menu UV Editing dan klik tab agar ke edit mode ,lakukan unwrap agar

                               texture dapatterimplementasi ke object plane.

                               

                             Setelah itu tambahkan objek pohon untuk memperhias tampilan animasi.

                             

                         Kemudian atur frame rate nya, disini kami menggunakan 30 fps sehingga jika ingin                             membuat 1 menit, 30fps x 30 detik sehingga menghasilkan 900 frame rate

                         Kemudian lakukan rendering dengan klik animation dan atur menjadi avi raw.

LINK YOUTUBE :

https://www.youtube.com/watch?v=HSpF6Emt--Q&t=97s

Tugas Desain Pemodelan Grafik ke - 2

INNOVATION OF NASA LOGO

Gambar diatas merupakan logo yang sudah saya inovasikan. Setiap gambar memiliki maknanya masing-masing. 
Didalam gambar lingkaran terdapat kata "NASA" yang menunjukkan bahwa gambar ini merupakan identifikasi dari National Aeronautics and Space Administration / Badan Penerbangan dan Antariksa yang merupakan lembaga pemerintah milik Amerika Serikat  yang meneliti luar angkasa dalam jangka panjang. 
Lingkaran penuh melambangkan Bulan dan didalamnya disebarkan bintang-bintang kecil serta latar belakang biru yang menunjukan keadaan langit. 
Cincin yang mengitari bulan dianalogikan sebagai cincin planet saturnus serta adanya gambar roket yang menunjukan transportasi NASA dalam meneliti luar angkasa. 

Dari semua deskripsi diatas menunjukan bahwa tanpa melihat nama "NASA" pun orang-orang sudah tahu bahwa ini logo ini meneliti keaadaan luar angkasa. 

Tugas Desain Pemodelan Grafik ke - 1

SEKILAS TENTANG NASA

NASA adalah singkatan dari National Aeronautics and Space Administration. NASA juga dapat di sebutkan sebagai badan pemerintah Amerika Serikat yang bertanggung jawab atas sains dan teknologi yang terkait dengan udara dan ruang. The Space Age dimulai pada tahun 1957 dengan diluncurkannya satelit Soviet Sputnik. NASA diciptakan pada tahun 1958. Agensi dibuat untuk mengawasi penelitian eksplorasi dan aerasi laut A.S.

Logo NASA adalah cerminan kuat dari tradisi dan sejarah organisasi yang memiliki visualisasi elemen eksplorasi ruang angkasa dan aeronautika. Nasa memiliki berbagai logo, berikut ini diuraikan beberapa logo NASA yang pernah ada.

ANALISIS LOGO NASA

Logo Pertama

Logo NASA pertama dapat ditelusuri kembali ke tahun 1959, ketika Komite Penasehat Nasional Aeronautics (NACA) ingin membuat segel, yang dapat meliputi transformasi komite menjadi agen yang unggul dalam ruang dan aeronautika. Oleh karena itu, desain NASA Lewis Research Center dipilih sebagai seleksi akhir, yang menampilkan Matahari, bulan, bintang putih, jalur orbital dan chevron merah dengan "National Aeronautics and Space Administration" mengelilingi gambar.

Logo Kedua

Namun, untuk penggunaan kurang formal, sekretaris eksekutif  NACA diminta James Modarelli, kepala Laporan Penelitian NASA Lewis 'Divisi, untuk menyederhanakan desain logo NASA. Jadi, Mr Modarelli menebang desain logo NASA hanya bintang-bintang dan jalur orbital pada latar belakang biru dengan chevron merah melewati surat NASA. Versi revisi dari logo NASA mewakili banyak aspek ruang dan sifat relatif ke agensi. Dalam logo NASA, bola merupakan planet, bintang-bintang menunjukkan ruang, dan chevron merah melambangkan aeronautika, sedangkan orbit menandakan perjalanan ke luar angkasa.Pada tahun 1975, ketika berita tentang NASA mengembangkan baru dan logo NASA lebih modern muncul, ini logo NASA bernama "bakso" untuk membedakan antara dua logo NASA lainnya.

Logo Ketiga

Diperkenalkan pada tahun 1975, NASA logo modern adalah gaya dan berlekuk-lekuk penyerahan surat-surat NASA dalam warna merah. Itu disebut "cacing" logo. Ia dirancang untuk memenuhi tuntutan pertumbuhan teknologi NASA prestasi di bidang ruang dan aeronautika. Namun, pada 24 Mei 1992, NASA memilih untuk pergi dengan logo NASA sebelumnya bahwa lembaga yang digunakan 1959-1975. Menurut Daniel Goldin, Administrator NASA, perubahan itu dilakukan setelah menerima pengaduan dari karyawan di seluruh negeri tentang inkompetensi logo dan kurangnya proyeksi. Dengan demikian, penggunaan NASA "cacing" logo dibatasi dan disediakan untuk tujuan khusus, dan dengan persetujuan Visual Identity Koordinator di Markas NASA. Dari tahun 1992 sampai tanggal, NASA telah menggunakan "bakso" sebagai logo resmi NASA mereka. Hal ini dianggap sebagai mimpi buruk desain oleh Greg, (Graphics Manager untuk Layanan Lewis 'Penerbitan) sebagai cetak tidak muncul jelas dalam cetak laser.

Logo Keempat

Jadi, versi lain dari logo NASA dengan garis putih tipis sekitar lingkungan biru digunakan untuk jenis cetak tertentu - dengan latar belakang gelap

Berikut ini saya lakukan analisis pada Logo Nasa yang keempat

Ø  Warna hitam yang ada diluar lingkaran menunjukan ruang angkasa/langit di malam hari

Ø  Lingkaran dengan latar biru mewakili bentuk planet

Ø  Tulisan NASA menunjukan identitas National Aeronautics and Space Administration

Ø  Chevron merah mewakili rasi bintang tertentu

Sebenarnya chevron merah tersebut tidak hanya mewakili rasi bintang tertentu namun terinspirasi oleh program penelitian kerdirgantaraan yang sebenarnya dari almarhum Fifties

Ini merupakan model sayap supersonic yang dipilin dan disandera, terbuat dari kayu dan dirancang untuk diuji di terowongan angin

Perancang utama lambang NASA dan bale bakso adalah James J. Modarelli

Pemimpin penelitian di bawah Jones di Ames adalah Elliott D. Katzen, sementara Clinton E. Brown memimpin pekerjaan di Langley. Pada tahun 1958, setelah meninjau sayap maju yang dibuat oleh kedua kelompok tersebut, Modarelli menyesuaikan ciri-ciri radikal dari konfigurasi sayap panah dalam evolusinya terhadap desain segel NASA. Sayap ini juga akhirnya menjadi elemen lencana NASA.

Sumber :

http://darkofjoker.blogspot.com/2010/06/sejarah-logo-nasa.html

https://www.viva.co.id/digital/teknopedia/616687-ini-asal-usul-logo-nasa