Langsung ke konten utama

Latihan Algoritma Dasar ( Membuat Segitiga )

Selamat malam pemirsa,jumpa lagi dengan saya.Kali ini saya mau mengajak agan agan untuk sejenak mengingat algoritma perulangan dan perkondisian.

Agan pernah disuruh buat program seperti ini ??

Kalo iya kira kira kapan ??
Kali ini saya mau mengajak agan agan sejenak kembali ke masa masa awal kita belajar pemrograman.Mungkin program seperti ini sudah usang.Tapi jujur deh pasti dulu kelewatan buat program yang seperti ini.Karena biasanya terlalu ambisi buat belajar program yang canggih,sampai lupa gak nyoba yang paling dasar seperti ini (pengalaman pribadi).Hehehe...

Oke deh langsung aja saya kasih screen shoot kode program yang sudah saya buat barusan.Cekidot...
  
Program 1

 
Output



Program 2

 

Output




Program 3

 

Output
 

Nah..Kalo ada lagi yang bentuk lain,bisa dicoba sendiri deh.Sebenarnya tulisan ini terinspirasi gara gara kemarin pas interview kerja ditanya buat yang beginian.Udah ditanya rancangan database,konsep OOP,dan lain lain bisa kejawab,giliran pertanyaan buat program yang begituan gak kejawab.Efek gak mau habisin materi dasar sih,hehehe.Saya harap pengalaman saya tersebut tidak terjadi sama agan agan semua waktu melamar kerja.Dan tips dari saya kali ini...

" Mulailah belajar sesuatu dari hal hal dasar dan jangan pernah lewatkan setiap detail langkahnya"

Akhir kata,sampai jumpa dilain kesempatan.
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