Langsung ke konten utama

JOGL Untuk Netbeans 7.2

Selamat malam pemirsa, tulisan ini merupakan tulisan yang saya pindah dari blog saya yang lama.

Sobat Pernah Belajar Pemrograman grafis dengan OpenGL...??
kira kira mudah Gak ??

hehehe...sebenarnya ini pengalaman pribadi saya waktu ada kuliah Pemrograman Komputer Grafis.Naah...dosen saya ternyata ngajaknya main main di OpenGL.berhubung saya kurang faham OpenGL saya mencoba cari cari informasi cara ngawinin OpenGL sama Netbeans soalnya saya baru bisa dikit dikit pake java.Untungnya Om Saya (Google) bisa jawab kegalauan saya.Saya di Kasih tau soal JOGL.

Apa itu JOGL..??
JOGL adalah library OpenGL untuk java yang biasanya dipakai di netbeans.
untuk Downloadnya silahkan download di sini.
atau kalo gak cocok dengan netbeans versi anda,bisa di download di sini.Anda bisa memilih sesuai dengan netbeans versi anda.
 ScreenShootnya seperti ini





Cara instal :
  1. jalankan Aplikasi Netbeans (Saya Menggunakan Netbeans 6.7.1, saat ini Netbeans 6.8 beta sudah di rilis)
  2. Klik –> Menu Tools –> plugins
  3. Pilih Tab Downloaded
  4. Klik tombol add Plugins.
  5. Browse ke directory tempat library Java openGL berada (yang berextensi .nbm)
  6. select all (Ctrl+A) (karena ada banyak library disana)
  7. Klik Open
  8. Install
  9. Next 10.Pilih “I accept the terms in all of the lincense agreements” Kemudian Klik Install 11.Tunggu sebentar kemudian Klik Continue 12.Tunggu sebentar kemudian klik Finish untuk merestart IDE Netbeans
Setelah JOGL terinstal pada Netbeans… pada IDE Netbeans telah disediakan demo contoh-contoh OpenGL pada Java. Muncul pada saat anda akan membuat New Project pada Netbeans.

selamat berkreasi dengan Java + OpenGL Anda.Maju terus Programmer Indonesia.
Label:

Komentar

Posting Komentar

Postingan populer dari blog ini

Contoh Perhitungan Algoritma Perceptron

      Melanjutkan tulisan saya sebelumnya tentang algoritma perceptron,kali ini saya akan menulis tentang conto perhitungan manual algoritma perceptron. Untuk contoh kasusnya saya menggunakan data logika AND. Cekidot.... Algoritma      Data yang kita gunakan sebagai contoh adalah data logika AND sebagai berikut: x1 x2 target 0 0 0 0 1 0 1 0 0 1 1 1       tentukan bobot awal secara acak, saya pakai contoh w1 = 0,w2 =0, learning rate = 1, bias = 0,maksimal epoh = 10. Disini saya memakai fungsi aktivasi undak biner. Epoh ke 1 Data ke satu x = {0,0}, bobot w = {0,0},b=0,target = 0 y_in = (x1*w1)+(x2*w2)+b = (0*0)+(0*0)+0 = 0 y = sign(0) = 1 karena y != target maka hitung error dan update bobot  error = target - y = 0 - 1 = -1 w1_baru = w1_lama +(learning_rate*error*x1)                = 0 ...
12 komentar
Baca selengkapnya

Contoh Perhitungan Algoritma Learning Vector Quantization

Melanjutkan tulisan saya tentang algoritma Learning Vector Quantization yang lalu, kali ini saya akan melanjutkan dengan contoh perhitungan manual. Berikut ini contoh data yang akan kita hitung. No X1 X2 X3 X4 target 1 0 1 1 0 0 2 0 0 1 1 1 3 1 1 1 1 0 4 1 0 0 1 1 pada contoh di atas, saya menggunakan 4 data sebagai data training beserta target yang bertujuan untuk mendapatkan bobot yang akan digunakan pada proses klasifikasi. Bobot awal adalah { 1, 1, 1, 0} dan { 1, 0, 1, 1} dengan learning rate 0,05 dengan fungsi pembelajaran = 0,1. Pelatihan Iterasi ke 1 1. Data ke 1 { 0, 1, 1, 0} dengan target 0, bobot = {{ 1, 1, 1, 0},{ 1, 0, 1, 1}}      - menghitung bobot untuk masing masing output :          kelas 0 = sqrt(((0-1)^2)+((1-1)^2)+((1-1)^2)+((0-...
39 komentar
Baca selengkapnya

Part 7 : Normalisasi Histogram

Menyambung tulisan saya yang sebelumnya tentang pengolahan citra khususnya histogram,kali ini saya lanjutkan tentang Normalisasi histogram.Sebelumnya saya harap agan sudah mengerti tentang histogram.Jika belum bisa di baca dulu di tulisan saya sebelumnya di sini . Normalisasi Histogram adalah menskalakan nilai piksel secara linear untuk menggunakan secara penuh jangkauan yang tersedia. Rumus :  Keterangan : n k= nilai grayscale dari piksel ke k(k = 0,1,2,3....) min = nilai grayscale terkecil yang diperoleh dari histogram max = nilai grayscale terbesar L = range nilai grayscale citra Contoh perhitungan : dari tabel di atas,nilai min adalah 2 yaitu nilai grayscale terkecil dari citra dan max adalah 5 s = 0 - 2 /5 - 2 =0 (untuk n = 0)  hasil = 0 x 7(nilai maksimal grayscale) = 0 sk = 3 - 2 /5 - 2 = 0.333  (untuk n = 3) hasil = 0.333 x 7 = 2 keterangan : 7 adalah range grayscale dari citra,dan untuk banyak kasus biasanya memakai 255. Tujuan Normalisasi...
1 komentar
Baca selengkapnya