Ridwan Einstein Blog

#include <iostream.h>
main()
{
int bil, pembagi, fak,bts;
cout<<"masukkan batas nilai :";cin>>bts;
bil=1;
while (bil<=bts)
{
 fak=0;
 pembagi=1;
 while (pembagi<=bil)
  {
if (bil%pembagi==0)
fak++;
pembagi++;
  }
 if (fak==2)
 cout<<bil<<"  ";
 bil++;
 }
return(0);
}

ANALISIS DAN DESAIN SISTEM
Analisis sistem sangat bergantung pada teori sistem umum sebagai sebuah 
landasan konseptual. Terdapat banyak pendekatan untuk analisis sistem dan 
pada dasarnya semunya mempunyai tujuan yang sama, yaitu memahami sistem yang 
rumit kemudian melakukan modifikasi dengan beberapa cara. 
Hasil modifikasi dapat berupa subsistem baru, komponen baruatau serangkaian 
transformasi baru dan lain-lain. Tujuannya adalah untuk memperbaiki berbagai 
fungsi di dalam sistem agar lebih efisien, untuk mengubah sasaran sistem, 
untuk mengganti output, untuk mencapai tujuan yang sama dengan seperangkat 
input yang lain atau untuk melakukan beberapa perbaikan serupa.

format tugas

Salah satu pertanyaan kita yang muncul adalah: "Bagaimana kita menentukan Matrik bobot dan
bias untuk jaringan perceptron dengan banyak input, dimana adalah mustahil untuk
memvisualisasikan batasan-batasan keputusan?” Dalam bab ini kita akan menggambarkan suatu algoritma
untuk pelatihan jaringan perceptron, sehingga mereka dapat belajar untuk memecahkan masalah
klasifikasi. Kita akan mulai dengan menjelaskan apa yang dimaksud dengan aturan belajar
(learning rule) dan akan belajar mengembangkan aturan perceptron. Kami akan menyimpulkan
dengan mendiskusikan keuntungan dan keterbatasan dari jaringan single - layer perceptron.
Diskusi ini akan membawa kita ke dalam bab-bab selanjutnya.

link download materinya disini..