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 + (1*(-1)*0) = 0 w2_baru = w2_lama +(learning_rate*error*x2)                = 0+(1*(-1)*0) = 0
12 komentar
Baca selengkapnya

Pemrograman Berorientasi Object - Overloading dan Overriding

       Function atau method overloading dan override adalah fitur yang sangat mendasar dan berguna dari bahasa OOP manapun. Dalam tutorial ini kita akan membahas implementasi metode overloading dan override di php. Di sini pertama kita akan membahas dasar-dasar overloading dan override. Setelah eksplorasi dasar kita akan menerapkan overloading dan override di php. Sebelum melangkah lebih jauh, saya mengasumsikan bahwa Anda memiliki pengetahuan dasar tentang class dan pewarisan di php. Anda juga memiliki pemahaman tentang magic method di php. Magic method karena overloading di php bisa di implmentasikan dengan menggunakan magic method. Overriding        Arti dasar dari overriding di OOP sama dengan arti kata sebenarnya. Dalam arti kata sebenarnya dari overriding adalah menggantikan perilaku orang tua yang sama pada anak. Ini sama dengan override method di OOP. Dalam arti OOP, override adalah mengganti method class induk di class anak. Atau dengan method kata kunci sederhana yang me
1 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)+((0-0)^2)) = 1         kelas 1 = sqrt(((0-1)^2)+((1-0)^2)+((1-
38 komentar
Baca selengkapnya