Multimedia Tugas UAS

Multimedia Tugas UAS

 Penggambaran Diri

Sifat saya : Petualang

  Sosial

   BAIK HATI

   Dody Pranata

Old english text = black letter

Bernard mt condenses = sans sherief

 

PositifNegatif

·         Tulisan dengan dsain klasik

·         Umumnya digunakan pada suatu event-event klasik

·         Dsain yang bagus untuk membuat papan poster dengan tema yang keren

·         Tulisan cendrung jarang bisa di baca banyak orang

·         Cocok untuk membuat surat di zaman kerajaan

·         Familiar di kalangan para pekerja malam

·         Banyak digemari oleh kalangan remaja

 

 

 

 

 Logo yang terlihat klasik

Tren dikalangan remaja

Tulisan : old engkish text

   Kelopak bunga berwarna merah yang mengartikan pencapain yang berharga

·         Warna merah melambangkan kemewahan dengan campuran putih

·         Jenis tulisan dasar yang simpel namun berkelas

Lambang hewan jenis kucing besar (puma), melambang kegiatan olahraga yang tekenal

Jenis tulisan bold dengan dsain yang simple.

Kombinasi 3 warna dasar yaitu biru merah dan hijau mencerminkan keberanian ketenangan dan alam, ketiga aspek tersebut disatukan dalam logo ini

Serta perpaduan dengan jenis tulisan yang simpel

 

 

 

 

 

 

Britannic Bold : tulisan dengan dsain yang asal-asalan dengan dasar sebagai dunia yang terbengkalai (hancur).

Font warna hitam : mengangkat tema kehidpan yang gelap.

Logo hitam : tema gelap, kehidupan yang mungkin saja bisa berakhir.

Lamabang kunang-kunang : secercah cahaya harapan dari kunang-kunang yang hidup di kegelapan

Efek blur : efek realistik.

Latar hitam : sebagai penyatuan dengan logo.

Jenis tulisan : lebih berani dan kokoh.

Kombinasi warna : merah dan putih adlah warna dari bendera negara

Kuning berarti semangat (wilayah sumbawa)

Logo : sayap dan jabat tangan sebagai persatuan

Rusa, lambang wilayah sumbawa.

 

Tema Alam

Daun hijau : alam dengan warna umum dari daun

Daun besar dan kecil : pertumbuhan alam dari kecil ke besar

Economic green : menjaga kelestarian alam dengan dsain teknologi yang lebih bersahabat dengan alam

Warna putih dan hijau : paduan warna netral dan warna alam.

 

Genetic Algorithm

Genetic Algorithm

 

 Genetic Algorithm 

genetic Algorithm (GA) adalah bagian dari evolutionary Algorithm yaitu suatu algoritma yang mencontoh proses evolusi alami dimanh konsep utamanya adalah individu-individu yang paling unggul akan bertahan hidup, sedangkan individu-individu yang lemah akan penuh .keunggulan individu-individu ini diuji melalui suatu fungsi yg di kenal sebagai fitness dalam GA didefinisikan sebagai gambaran khayalan suatu solusi terhadap suatu permasalahan. 

     Proses GA dimulai dengan menentukan populasi awal initial population yang terdiri dari beberapa kromosom yang disusun oleh beberpa gen yang merupakan representasi dari kandidat-kandidat solusi dari suatu masalah. Kandidat-kandidat terbaik akan dipilih melalui proses selection, berdasarkan fitness value yang telah dihitung untuk setiap kromosom dalam populasi. Kandidat – kandidat terpilih dari proses ini adalah individu-individu yang akan mengisi mating pool yaitu suatu set dimana dua parents akan dibentuk dari sini. Dalam Evolutionary Algorithm prinsip bertahan muncul karena adanya proses reproduksi. Turunan offspring yang dihasilkan akan membawa sifat gen orangtuanya (parents) , oleh sebab itu parents dipilih dari mating pool yang merupakan kumpulan kandidat-kandidat terbaik dari suatu populasi. 

    Crossover adalah suatu operator rekombinasi yang bertujun untuk memperloleh individu yang lebih baik. Operator crossover melakukan rekombinasi dari set parents yang akan dipilih secara acak dari mating pool yang telah terbentuk dari proses seleksi. Crossover akan menghasilkan satu set turunan offspring yang keragamannya akan tetap dipertahankan dengan proses selanjutnya yaitu mutasi. Pada operator mutasi, keragaman akan dipertahankan dengan menukar salah satu atau lebih gen dalam kromosom dengan nilai kebalikannya. Sebagai contoh, jika kromosom kita memiliki nilai biner 0 dan 1 maka jika secara acak titik mutasi yang terpilih memiliki nilai 1, nilai ini akan ditukar menjadi nilai 0 atau sebaliknya. Hasil dari operator mutasi ini adalah turunan baru yang selanjutnya akan kembali diuji pada funsi fitness untuk melihat kelayakan populasi baru dari hasil proses GA ini sebagai kandidat solusi dari masalah yang diberikan. Proses pengujian fitness, seleksi,crossover dan mutasi akan dilakukan secara berulang sedemikian hingga telah dipenuhi salah satu kontrol perulangan proses GA berikut yaitu iterasi, konvergensi atau nilai fitness.

                                                                                                                 

 

HEURISTIC SEARCH

HEURISTIC SEARCH

 HEURISTIC SEARCH

    

Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namum dengan kemungkinan mengorbankan kelengkapan (completeness).

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

Jenis-jenis Heuristic Searching:

   – Generate and Test.

   – Hill Climbing.

   – Best First Search.

   – Means-EndAnlysis, Constraint Satisfaction, dll.

 

PENDAKIAN BUKIT (Hill Climbing)

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

§  PENCARIAN TERBAIK PERTAMA (Best-First Search)

§  Metode ini merupakan kombinasi dari metode depthfirst search dan breadth-first search. Pada metode best-first search, pencarian diperbolehkan mengunjungi node yang ada di level yang lebih rendah, jika ternyata node pada level yang lebih tinggi ternyata memiliki nilai heuristic yang lebih buruk.

§  Fungsi Heuristik yang digunakan merupakan prakiraan (estimasi) cost dari initial state ke goal state, yang dinyatakan dengan : 

f’(n) = g(n) + h’(n)

§  f’ = Fungsi evaluasi

§  g = cost dari initial state ke current state

§  h’ = prakiraan cost dari current state ke goal state

§  Constraint Satisfaction

§  Problem search standard :
– state adalah "black box“
– setiap struktur data yang mendukung fungsi successor, fungsi heuristik dan tes goal.

§  CSP:

– state didefinisikan sebagai variabel Xi dengan nilai dari domain Di – Tes goal adalah sekumpulan constraint yang menspesifikasikan kombinasi dari nilai subset variabel.

§  Contoh sederhana adalah bahasa representasi formal.

CSP ini merupakan algoritma general-purpose dengan kekuatan lebih daripada algoritma pencarian standar.

BLIND SEARCH

BLIND SEARCH

 BLIND SEARCH

    Blind Search adalah pencarian solusi tanpa adanya informasi yang dapat mengarahkan pencarian untuk mencapai goal state dari current state (keadaan sekarang). Informasi yang ada hanyalah definisi goal state itu sendiri, sehingga algoritma dapat mengenali goal state bila menjumpainya.

Dengan ketiadaan informasi, maka blind search dalam kerjanya memeriksa/mengembangkan node-node secara tidak terarah dan kurang efisien untuk kebanyakan kasus karena banyaknya node yang dikembangkan.

Dikatakan “blind” atau “buta” karena memang tidak ada informasi awal yang digunakan dalam proses pencarian.

Blind Search meliputi :

a)      Breadth First Search (BFS)

b)      Uniform Cost Search (UCS)

c)      Depth First Search (DFS)

d)      Depth Limited Search (DLS)

e)      Iterative Deepening Search (IDS)

f)       Bi-Directional Search (BDS)

  Dari ke-enam macam pencarian buta di atas, yang sering dibahas adalah “Breadth First Search (BFS)” dan “Depth First Search (DFS)”.

 

A.    BREADTH FIRST SEARCH (BFS)

Breadth First Search (BFS) merupakan metode pencarian yang bertujuan untuk memperluas dan memeriksa semua simpul pada graph atau urutan kombinasi dengan pencarian secara sistematis melalui setiap solusi.

BFS melakukan pencarian secara mendalam pada keseluruhan graph atau urutan tanpa memperhatikan tujuan sehingga menemukan tujuan tersebut. BFS tidak menggunakan algoritma heuristik.

Karakteristik Breadth First Search :

·                     Jika ada solusi, BFS akan menemukannya.

·                     BFS akan menemukan solusi dengan jalur terpendek.

·                     BFS tidak akan terjebak dalam “looping”.

·                     BFS membutuhkan space untuk menyimpan node list antrian dan space yang dibutuhkan dan mungkin space yang dibutuhkan itu cukup besar.

B.     DEPTH FIRST SEARCH (DFS)

Depth-first search (DFS) adalah proses searching sistematis buta yang melakukan  ekpansi sebuah path (jalur) menuju penyelesaian masalah sebelum melakukan ekplorasi terhadap path yang lain. Proses searching mengikuti sebuah path tunggal sampai menemukan goal atau dead end

Apabila proses searching menemukan dead-end, DFS akan melakukan penelusuran balik ke node terakhir untuk melihat apakah node tersebut memiliki path cabang yang belum dieksplorasi.

Kelebihan Depth-first search :

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

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

Kelemahan Depth-first search :

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