Algoritma Python Yang Cukup Populer Adalah

Berikut ini implementasi algoritma selection sort dalam Bahasa pemrograman Python:

Jaringan Fungsi Radial (RBFNs)

Seperti namanya, ini didasarkan pada fungsi aktivasi Radial basis function (RBF). Proses pelatihan model membutuhkan waktu yang sedikit lebih sedikit menggunakan RBFN daripada MLP. Jenis RBFN langsung adalah jaringan saraf umpan maju tiga lapis dengan lapisan input, lapisan tersembunyi yang terdiri dari beberapa unit aktivasi nonlinier RBF, dan lapisan keluaran linier yang bertindak sebagai unit penjumlahan untuk memberikan keluaran akhir.

RBFN digunakan untuk menganalisis harga pasar saham dan juga memperkirakan harga jual di industri Ritel karena kemampuannya untuk bekerja pada data berbasis deret waktu. Aplikasi lain termasuk pengenalan ucapan, analisis deret waktu, pengenalan gambar, pemerataan adaptif, diagnosis medis, dll.

Modifikasi dan Optimasi

Ada beberapa cara untuk memodifikasi dan mengoptimalkan Selection Sort. Salah satu optimasi sederhana adalah dengan menghentikan algoritma jika tidak ada pertukaran yang terjadi dalam satu iterasi, meskipun ini tidak memberikan banyak manfaat karena Selection Sort memang dirancang untuk selalu mencari elemen terkecil pada setiap iterasi.

Di dunia di mana hampir semua tugas manual diotomatisasi, definisi manual berubah. Algoritma machine learning dapat membantu komputer bermain catur, melakukan operasi, dan menjadi lebih pintar dan lebih pribadi. Kita hidup di era kemajuan teknologi yang konstan, dan melihat bagaimana komputasi telah berkembang selama bertahun-tahun, kita dapat memprediksi apa yang akan terjadi di hari-hari mendatang.

Salah satu fitur utama dari revolusi ini yang menonjol adalah bagaimana alat dan teknik komputasi telah di demokratisasi. Dalam lima tahun terakhir, para ilmuwan data telah membangun mesin pengolah data yang canggih dengan mengeksekusi teknik-teknik canggih dengan mulus. Hasilnya sangat mencengangkan.

Algoritma Reinforcement Learning menggunakan hasil atau hasil sebagai patokan untuk memutuskan langkah tindakan selanjutnya. Dengan kata lain, algoritme ini belajar dari hasil sebelumnya, menerima umpan balik setelah setiap langkah, dan kemudian memutuskan apakah akan melanjutkan langkah berikutnya atau tidak.

Sistem mempelajari apakah ia membuat pilihan yang benar, salah, atau netral dalam prosesnya. Sistem otomatis dapat menggunakan Reinforcement Learning karena dirancang untuk membuat keputusan dengan intervensi manusia yang minimal.

Misalnya, Sahabat DQ mendesain mobil self-driving dan bermaksud melacak apakah mobil tersebut mengikuti peraturan lalu lintas dan memastikan keselamatan di jalan. Dengan menerapkan Reinforcement Learning , kendaraan belajar melalui pengalaman dan taktik penguatan.

Algoritme memastikan bahwa mobil mematuhi undang-undang lalu lintas dengan tetap berada di satu jalur, mengikuti batas kecepatan, dan berhenti bertemu pejalan kaki atau hewan di jalan.

Lalu, apa saja algoritma dengan deep learning reinforcement learning ini? Yuk simak selengkapnya sekarang!

Kelebihan dan Kekurangan Selection Sort

Macam-macam library python

Ada beberapa jenis library yang populer di kalangan data scientist, di antaranya:

TensorFlow adalah platform end-to-end open-source untuk membuat aplikasi machine learning atau komputasi numerik cepat yang dibuat dan dirilis oleh Google. Library dasar ini dapat dipakai untuk membuat model deep learning secara langsung atau menggunakan library wrapper untuk menyederhanakan proses yang dibangun di atas TensorFlow.

Fitur utama TensorFlow meliputi bekerja secara efisien dengan ekspresi matematika yang melibatkan array multidimensi, dukungan yang baik dari jaringan saraf yang dalam dan konsep machine learning, hingga komputasi GPU/CPU di mana kode yang sama dapat dieksekusi pada kedua arsitektur.

NumPy (Numerical Python) adalah library python yang digunakan untuk bekerja dengan array dan juga memiliki fungsi yang bekerja dalam domain aljabar linier, transformasi fourier, dan matriks. Library yang dibuat pada 2005 oleh Travis Oliphant ini merupakan proyek open source sehingga Anda dapat menggunakannya secara bebas. Meski python memiliki daftar yang melayani tujuan array, prosesnya begitu lambat sehingga memerlukan NumPy yang bisa menyediakan objek array hingga 50 kali lebih cepat daripada daftar python tradisional.

SciPy (Scientific Python) adalah perpustakaan open-source yang digunakan untuk perhitungan ilmiah tingkat tinggi. Jenis library ini dibangun di atas ekstensi NumPy dan bekerja bersama untuk menangani komputasi yang kompleks. NumPy memungkinkan pengurutan dan pengindeksan data array, sementara kode data numerik disimpan di SciPy. Library python ini juga banyak digunakan oleh para developer dan engineer.

Pandas adalah perpustakaan penting bagi para data scientist. Library untuk machine learning yang bersifat open source ini menyediakan struktur data tingkat tinggi yang fleksibel serta berbagai alat analisis. Penggunaannya memudahkan analisis data, manipulasi data, dan pembersihan data. Pandas mendukung berbagai jenis operasi seperti penyortiran, pengindeksan ulang, iterasi, penggabungan, konversi data, visualisasi, agregasi, dan lain sebagainya.

Jenis library ini bertanggung jawab untuk merencanakan data numerik. Itulah alasan Matplotlib digunakan dalam analisis data. Library python yang bersifat open source ini dapat memplot angka-angka berdefinisi tinggi seperti diagram lingkaran, histogram, scatterplot, grafik, dan lain-lain.

Keras adalah API deep learning yang ditulis dengan python dan berjalan di atas platform machine learning TensorFlow. Dengan lebih dari satu juta pengguna individu pada akhir tahun 2021, penggunaan Keras saat ini terbilang masif, baik di industri maupun komunitas penelitian. Bersama dengan TensorFlow, Keras lebih banyak dipakai daripada solusi deep learning lainnya dan sangat populer di kalangan startup yang menempatkan deep learning sebagai inti dari produk yang ditawarkan.

Tanpa disadari, Anda pun terus berinteraksi dengan fitur yang dibuat dengan Keras (fitur yang salah satunya digunakan di Netflix). Keras & TensorFlow juga merupakan favorit di antara para peneliti, bahkan diadopsi oleh para peneliti di organisasi ilmiah besar, seperti CERN dan NASA.

Scikit-learn adalah library python terkenal yang digunakan untuk data kompleks. Perpustakaan open source ini mendukung machine learning dengan mendukung berbagai algoritma yang diawasi dan tidak diawasi seperti regresi linier, klasifikasi, pengelompokan, dan lain sebagainya. Library ini bekerja sama dengan Numpy dan SciPy.

PyTorch adalah perpustakaan machine learning terbesar yang mengoptimalkan komputasi tensor. Ia memiliki API yang kaya untuk melakukan komputasi tensor dengan akselerasi GPU kuat, membuatnya mampu membantu memecahkan masalah aplikasi yang terkait dengan jaringan saraf.

Perpustakaan tensor yang dioptimalkan ini utamanya digunakan untuk aplikasi deep learning menggunakan GPU dan CPU. Library phyton yang sebagian besar dikembangkan oleh tim Riset AI Facebook ini merupakan salah satu yang paling banyak digunakan di samping TensorFlow dan Keras.

Scrapy juga termasuk perpustakaan open source yang digunakan untuk mengekstraksi data dari website. Library ini menyediakan perayapan web yang sangat cepat, pengikisan layar tingkat tinggi, serta juga bisa digunakan untuk data mining dan pengujian data otomatis.

Kalian pasti pernah bahkan sering menjumpai berbagai jenis data khususnya data angka yang berantakan. Atau bahkan juga bingung bagaimana caranya mengurutkan data numerik dengan bahasa pemrograman. Tenang saja, algoritma sorting adalah jawabannya. Secara singkatnya sorting adalah metode untuk pengurutan data.

Secara garis besarnya, Sorting (Pengurutan) adalah suatu proses penyusunan kembali kumpulan objek menggunakan tata aturan tertentu. Sorting disebut juga sebagai suatu algoritma untuk meletakkan kumpulan elemen data ke dalam urutan tertentu berdasarkan satu atau beberapa kunci dalam tiap-tiap elemen. Pengurutan atau sorting merupakan proses dasar yang ada dalam sebuah algoritma dan struktur data. Penggunaan algoritma sorting dapat pula diaplikasikan pada algoritma Python.

Tujuan utama dari proses pengurutan atau sorting adalah untuk mengurutkan data berdasarkan keinginan baik itu dari yang terendah maupun yang tertinggi, sehingga data yang dihasilkan akan lebih terstruktur, teratur dan sesuai dengan kebutuhan.

Terdapat beberapa algoritma python yang cukup populer dalam mengurutkan data. Seperti misalnya insertion sort, selection sort, merge sort, heap sort, quick sort, bubble sort, shell sort, comb sort, counting sort, bucket sort, radix sort.

Tentunya pengaplikasian algoritma sorting pada algoritma python memiliki banyak keuntungannya. Hal yang paling utama dalam penggunaannya yakni untuk mempersingkat dalam penggunaan waktu dalam pembuatan proses program, karena jika saja tidak menggunakan sorting, bisa anda bayangkan kembali jika data yang anda buat lebih dari ratusan hingga ribuan, akankah anda akan mengurutkan data satu persatu hingga kesekian.

Dengan demikian, penggunaan algoritma sorting ini sangat memudahkan pengguna dan efisien untuk melakukan pengurutan data. Terlebih jika sewaktu-waktu ada beberapa kesalahan dalam metode penyortingan sangat mudah untuk mengubah proses pengurutannya karena metode sorting ini hanya menggunakan mungkin saja satu rumus utama yang digunakan untuk semua data.

Pada artikel DQLab kali ini, kita akan membahas mengenai algoritma sorting dengan menggunakan Python. Artikel ini khusus dibuat teruntuk kalian para data lovers di bidang data untuk mengetahui penerapan algoritma sorting khususnya pada Python. Jadi, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!

Algoritma bubble sort cukup populer dan sederhana. Proses pada bubble sort dilakukan dengan pertukaran data di sebelahnya secara terus menerus hingga dalam suatu iterasi tertentu tidak ada lagi perubahan atau pertukaran. Algoritma bubble sort termasuk ke dalam kategori algoritma comparison sort, karena menggunakan perbandingan pada operasi antar elemen nya.

Analogi algoritma bubble sort :

Bandingkan nilai pada data ke satu dengan data ke dua

Apabila nilai data ke satu lebih besar dari data ke dua maka tukar posisinya

Kemudian data yang lebih besar tersebut dibandingkan lagi dengan data ketiga

Apabila data ke tiga lebih kecil dari data ke dua maka tukar posisinya

Dan begitu seterusnya hingga semua data yang ada menjadi terurut

Baca juga : 3 Jenis Algoritma Machine Learning yang Dapat Digunakan di Dunia Perbankan

Algoritma selection sort merupakan pengurutan dengan konsep memilih elemen dengan nilai paling rendah dan menukar elemen tersebut dengan elemen ke i. Nilai dari i dimulai dari 1 ke n, yang dimana n merupakan jumlah total elemen dikurangi satu.

Analogi algoritma selection sort :

Memulai pengecekan data dari data ke 1 hingga data ke n.

Menentukan bilangan dengan index terkecil dari data pada bilangan tersebut.

Menukar bilangan index terkecil dengan bilangan pertama.

Begitu seterusnya hingga data berhasil diurutkan semuanya.

Baca juga : Belajar Data Science: Pahami Penggunaan Machine Learning pada Python

Algoritma insertion sort merupakan suatu metode pengurutan data dengan melakukan penempatan setiap elemen data pada posisinya dengan membandingkan dengan data-data yang telah ada. Prinsip dari insertion sort adalah dengan membagi data yang akan diurutkan menjadi dua kelompok, satu kelompok yang belum diurutkan dan yang satunya lagi sudah diurutkan, Elemen yang pertama diambil dari kelompok list yang belum diurutkan dan kemudian ditempatkan sesuai posisinya pada bagian lain yang belum diurutkan.

Analogi Algoritma insertion sort

Membandingkan data kedua dengan data kesatu

Apabila data ke dua lebih kecil maka tukar posisinya

Data ketiga dibandingkan dengan data kesatu dan kedua

Apabila data ketiga lebih kecil tukar lagi posisinya

Data keempat dibandingkan dengan data ketiga hingga kesatu

Apabila data keempat lebih kecil dari ketiga maka letakkan data keempat ke posisi paling depan

Begitu seterusnya hingga tidak ada lagi data yang dapat dipindahkan.

Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIAL:

Kalau kamu mendengar istilah “Library”, apa yang terlintas di pikiran kamu? Pasti tidak akan jauh-jauh dari pengertian sebuah ruangan atau tempat dimana kamu bisa menemukan banyak buku disimpan dan dibaca kapan saja. Hal ini juga berlaku pada programming, Library diartikan sebagai kumpulan kode yang telah dikompilasi sebelumnya yang dapat digunakan nanti dalam suatu program untuk beberapa operasi tertentu yang terdefinisi dengan baik. Selain kode yang telah dikompilasi sebelumnya, library mungkin berisi dokumentasi, data konfigurasi, templat pesan, kelas, dan nilai, dll.

Salah satu yang paling sering digunakan adalah Library Python. Selain karena memiliki fitur yang beragam, Python juga membuat pekerjaan yang berhubungan dengan data menjadi lebih efektif dan efisien.

Lalu apa sebenarnya Library Python itu? Apa saja jenis dan fungsinya? Yuk simak jawabannya pada artikel berikut.

Berikut adalah beberapa algoritma pengurutan yang populer dalam Python:

Bubble Sort adalah algoritma sederhana yang membandingkan setiap pasangan elemen dan menukarnya jika mereka dalam urutan yang salah. Proses ini diulang hingga tidak ada lagi pertukaran yang diperlukan.

Selection Sort bekerja dengan membagi array menjadi dua bagian: bagian terurut dan tidak terurut. Pada setiap iterasi, elemen terkecil dari bagian tidak terurut dipilih dan dipindahkan ke bagian terurut.

Insertion Sort membangun array terurut satu per satu dengan mengambil elemen dari bagian tidak terurut dan menyisipkannya ke posisi yang tepat dalam bagian terurut.

Merge Sort adalah algoritma pengurutan berbasis pembagian dan penaklukan. Array dibagi menjadi dua bagian, diurutkan secara rekursif, dan kemudian digabungkan kembali.

Quick Sort juga menggunakan pendekatan pembagian dan penaklukan. Elemen pivot dipilih, dan array dibagi menjadi dua sub-array yang berisi elemen yang lebih kecil dan lebih besar dari pivot, yang kemudian diurutkan secara rekursif.

Tim Sort adalah algoritma pengurutan yang digunakan dalam Python dan merupakan gabungan dari Merge Sort dan Insertion Sort. Ini dirancang untuk bekerja dengan baik pada data yang sudah sebagian terurut.

Algoritma pengurutan populer dalam Python termasuk Bubble Sort, Selection Sort, Insertion Sort, Merge Sort, Quick Sort, dan Tim Sort.

Python populer karena bahasa pemrograman ini lebih produktif jika dibandingkan dengan bahasa pemrograman lain seperti C++ dan Java. Penggunaan python juga didukung oleh kesederhanaan sintaks pemrograman, keterbacaan kode, dan perintah seperti bahasa Inggris yang membuat pengkodean dengan python jauh lebih mudah dan efisien.

Multidimensional Array

Salah satu fitur menarik dari NumPy adalah library ini mampu membuat multidimensional array dan melakukan manipulasi array dengan mudah dan cepat. Multidimensional array adalah array yang berbentuk lebih dari 1 dimensi seperti 2D, 3D, 4D dan seterusnya. Cara membuat multidimensional array sama dengan membuat array 1 dimensi, perbedaannya hanya pada parameter yang digunakannya saja. Berikut ini adalah contohnya membuat array 2 dimensi:

Array diatas adalah berbentuk (2,5) artinya mempunyai 2 baris dan 5 kolom. Kita bisa melihat jumlah elemen di setiap dimensi dengan menggunakan fungsi shape.

3. Operasi Aritmatika

Operator aritmatika adalah operator yang biasa ditemukan untuk operasi matematika. Aritmatika sendiri merupakan cabang ilmu matematika yang membahas perhitungan sederhana, seperti kali, bagi, tambah dan kurang (kabataku). Kita bisa menggunakan operasi aritmatika seperti penjumlahan, pengurangan, perkalian, pembagian dan perpangkatan. Operator yang digunakan adalah  +, -, *, / dan **

Berikut contoh operasi aritmatika pada array,

Baca juga : Belajar Data Science: Pahami Penggunaan Machine Learning pada Python

Jago Library Python Hingga Jadi Data Science Bersama Danacita

Kabar gembira untuk kamu yang ingin mempelajari Library Python dan menjadi Data Science, sekarang kamu bisa belajar dengan mudah di bootcamp bersama Danacita.

Danacita adalah sebuah platform Fintech pembiayaan pendidikan yang bertujuan untuk memperluas akses pendidikan tinggi dan pelatihan di Indonesia. Termasuk pelatihan atau bootcamp data di Algoritma, Rakamin dan Dibimbing.

Danacita memberikan solusi pembayaran bootcamp secara cicilan bagi kamu dengan alternatif pembayaran bertahap mulai dari 6 bulan hingga 12 bulan.

Syarat untuk mengajukan cicilan sangat mudah, kamu hanya perlu submit beberapa dokumen pendukung seperti KTP atau identitas diri, foto diri, dan slip gaji atau mutasi rekening 1 bulan terakhir untuk yang telah memiliki penghasilan tetap. Akan tetapi jika kamu belum bekerja, dokumen pengajuannya bisa menggunakan data wali, seperti orang tua, dan saudara. Selain itu, Danacita juga aman, karena sudah berizin dan diawasi oleh OJK.

Ajukan biaya bootcamp mu sekarang di sini.

Buku ini merupakan buku ajar Algoritma Pemrograman yang didalamnya terkandung pelajaran mengenai dasar-dasar pemrograman komputer. Bahasa pemrograman Python digunakan karena bahasa ini sangat populer dan menjadi salah satu bahasa pemrograman terbaik untuk belajar. Besar harapan buku ini dapat menjadi teman belajar mahasiswa sehingga dapat menguasai dasar-dasar pemrograman komputer. Buku ini dimulai dari pengantar Algoritma yang disertai dengan materi penunjang yaitu perangkat lunak flowgorithm. Selanjutnya, pengguna buku ini akan diperkenalkan pada struktur Algoritma yang nantinya digunakan sebagai dasar terkait implementasinya pada Bahasa pemrograman Python. Sehingga selain teori, pengguna buku juga dapat langsung mempraktikkannya. Materi lain pada buku ini mencakup Bahasa pemrograman Python, komponen dasar pemrograman, Percabangan, Pengulangan, Array, List, Tuple, Dictionary serta subrutin baik menggunakan prosedur maupun fungsi.

Data science merupakan ilmu yang mempelajari tentang tata cara mengumpulkan data, mengolah data, menganalisis data, dan memvisualisasikan data sampai menghasilkan informasi dari data tersebut. Data science merupakan ilmu yang menggabungkan beberapa ilmu di dalamnya seperti statistika, matematika, aljabar linier, sistem informasi, pemahaman bisnis, dan lain-lain. Data science pun diterapkan menggunakan bahasa pemrograman, salah satunya Python. Perlu diketahui bahwa Python tidak hanya untuk membuat aplikasi atau software. Bahkan pada masa kini, Python data science pun cukup sering digunakan dan menjadi favorit.

Python merupakan salah satu bahasa pemrograman yang cukup populer dan sering digunakan dan cukup banyak diminati. Bahasa pemrograman in tergolong bahasa pemrograman yang sederhana dan mudah dan menyediakan library yang sangat banyak. Python memiliki beberapa kelebihan seperti lebih efisien dalam hal kecepatan dan ketepatan dalam membaca kode. Bahasa pemrograman Python pun cukup sering digunakan untuk membuat aplikasi. Bahkan Google, Youtube, Instagram, Spotify pun menggunakan bahasa pemrograman Python. Nah, untuk data science kira-kira library apa saja ya yang populer digunakan?

Numpy yang merupakan singkatan dari Numerical Python merupakan library yang cukup banyak digunakan dalam proses analisis data. Numpy dapat digunakan untuk operasi vektor dan matriks serta dapat mengelola array. Salah satu kelebihan dari numpy adalah dapat terintegrasi dengan beberapa bahasa pemrograman lainnya. Perlu diketahui bahwa library Numpy merupakan bagian dari library Scipy. Sebelum digunakan, Numpy perlu di import terlebih dahulu dengan cara mengetikkan import numpy as np.

Baca juga : Belajar Data Science Secara Otodidak? Berikut langkah-langkahnya!

Matplotlib merupakan salah satu library dalam Python yang digunakan untuk proses visualisasi data. Visualisasi data merupakan salah satu tahapan penting agar hasil analisis mudah dipahami. Matplotlib berisi fungsi-fungsi yang dapat mengatur plot dalam gambar, menambah label di plot, dan lain-lain. Matplotlib dapat digunakan untuk visualisasi data dalam bentuk 2D maupun 3D. Adapun cara untuk mengimport library Python adalah dengan mengetikkan import matplotlib as mpl atau import matplotlib.pyplot as plt.

Pandas merupakan salah satu library dalam Python yang open source. Pandas digunakan untuk mempermudah dalam mengolah dan menganalisa data-data terstruktur seperti dapat digunakan untuk membuat tabel, mengubah dimensi data, mengecek data, dan lain-lain. Pandas juga berfungsi mengolah data menggunakan teknik join, distinct, group by, agregasi, dll. Selain itu Pandas juga dapat membaca file dengan format seperti .txt, .csv, dan .tsv. Adapun cara mengimport library ini adalah dengan mengetikkan import pandas as pd.

Scikit-Learn merupakan library dalam Python untuk machine learning. Scikit-Learn ini kompatibel dengan library Numpy dan Scipy. Library ini memudahkan kita dalam proses analisis data yang menggunakan algoritma machine learning seperti algoritma regresi, Naive Bayes, Clustering, Decision Tree, Parameter Tuning, Data Preprocessing Tool, Export/Import Model, Machine Learning Pipeline, dan masih banyak lainnya. Adapun algoritma tingkat lanjutnya adalah Metode Ensemble, manipulasi fitur, deteksi outlier, serta pemilihan dan validasi model.

Baca juga : Mulai Belajar Data Science GRATIS bersama DQLab selama 1 Bulan Sekarang!

Belajar Menggunakan Library Python dengan Ikut Bootcamp Data Science

Algoritma merupakan kelas bootcamp yang memberikan keterampilan ilmu data dan membekali setiap profesional dengan serangkaian keterampilan inti di berbagai domain visualisasi data, regresi, pemodelan data, pembelajaran mesin, dan literasi pemrograman statistik. Algoritma dapat diikuti oleh siapapun baik itu seorang eksekutif pemasaran, analis bisnis, pengusaha, atau profesional pasar keuangan, dan yang lainnya Algoritma juga dapat mengajarkan ilmu data kepada individu maupun melatih perusahaan dan karyawannya untuk mendapatkan keuntungan yang lebih baik dari data.

Informasi selengkapnya, klik di sini.

Bootcamp Data Science Rakamin merupakan perjalanan akselerasi karir selama 18 minggu untuk menjadi seorang yang ahli dalam bidang daya. Di sini,kamu akan belajar langsung dari ahli level Senior hingga Head level dari perusahaan ternama seperti Gojek, Tokopedia, Traveloka, hingga Shopee. Pembelajarannya yang bersifat praktik dan studi kasus, membuat kamu kamu bisa dijamin siap kerja setelah lulus dari program bootcamp ini.

Materi yang akan kamu dapatkan antara lain:

Informasi selengkapnya, klik di sini.

Bootcamp Data Science Dibimbing merupakan program pelatihan intensif untuk meningkatkan keterampilan peserta dalam mengolah, menganalisis, hingga membangun visualisasi data. Di sini kamu akan mendapatkan beragam kemampuan di bidang data seperti cara mengelola data menggunakan SQL, Machine Learning, & Python selama 4,5 bulan yang akan dibimbing langsung oleh para praktisi data berpengalaman.

Materi yang akan kamu dapatkan di sini antara lain:

Informasi selengkapnya, klik di sini.

Ketika program tersebut dijalankan, berikut ini hasil outputnya: