(1) Paralel prosesor adalah pemrosesan paralel (parallel processing) adalah penggunaaan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Idealnya, parallel processing membuat program berjalan lebih cepat karena semakin banyak CPU yang digunakan.
(2) Paralel prosesor adalah suatu prosesor dimana pelaksanaan instruksinya secara bersamaan waktunya.
(1) Paralel prosesor adalah pemrosesan paralel (parallel processing) adalah penggunaaan lebih dari satu CPU untuk menjalankan sebuah program secara simultan. Idealnya, parallel processing membuat program berjalan lebih cepat karena semakin banyak CPU yang digunakan.
(2) Paralel prosesor adalah suatu prosesor dimana pelaksanaan instruksinya secara bersamaan waktunya.
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondelferrydmn1999
Indonesia, negara kepulauan yang kaya akan keragaman budaya, suku, dan tradisi, memiliki Jakarta sebagai pusat kebudayaan yang dinamis dan unik. Salah satu kesenian tradisional yang ikonik dan identik dengan Jakarta adalah ondel-ondel, boneka raksasa yang biasanya tampil berpasangan, terdiri dari laki-laki dan perempuan. Ondel-ondel awalnya dianggap sebagai simbol budaya sakral dan memainkan peran penting dalam ritual budaya masyarakat Betawi untuk menolak bala atau nasib buruk. Namun, seiring dengan bergulirnya waktu dan perubahan zaman, makna sakral ondel-ondel perlahan memudar dan berubah menjadi sesuatu yang kurang bernilai. Kini, ondel-ondel lebih sering digunakan sebagai hiasan atau sebagai sarana untuk mencari penghasilan. Buku foto Lensa Kampung Ondel-Ondel berfokus pada Keluarga Mulyadi, yang menghadapi tantangan untuk menjaga tradisi pembuatan ondel-ondel warisan leluhur di tengah keterbatasan ekonomi yang ada. Melalui foto cerita, foto feature dan foto jurnalistik buku ini menggambarkan usaha Keluarga Mulyadi untuk menjaga tradisi pembuatan ondel-ondel sambil menghadapi dilema dalam mempertahankan makna budaya di tengah perubahan makna dan keterbatasan ekonomi keluarganya. Buku foto ini dapat menggambarkan tentang bagaimana keluarga tersebut berjuang untuk menjaga warisan budaya mereka di tengah arus modernisasi.
2. Metode pelatihan Perceptron lebih kuat dari metode
Hebb terutama dalam iterasi yang dapat membuat
output dari bobot menjadi konvergen.
Perbedaan tipe Perceptron pertama kali dikemukakan
oleh Rosenblatt (1962) dan Minsky (1969) .dan Papert
(1988).
Aktivasi yang digunakan dalam pereptron adalah
aktivasi bipolar, yaitu -1, 0, 1.
1 if y _ in > θ
f ( y _ in) = 0 if − θ ≤ y _ in ≤ θ
− 1 if y _ in < −θ
3. Arsitektur Perceptron sederhana adalah terdiri dari
beberapa input dan sebuah output.
Tujuan dari jaringan adalah untuk mengklasifikasikan
masing-masing pola input dan pola output baik yang
bernilai +1 atau yang bernilai -1.
1
X1
W0
.
. W1
.
Xi Wi y
.
. Wn
.
Xn
4. Algoritma berlaku untuk input bipolar atau input
biner dengan nilai target bipolar dan nilai
threshold yang tetap serta nilai bias yang dapat
diatur.
Langkah 1 :
Inisialisasi bobot dan bias (untuk sederhananya, set bobos
dan bias dengan angka 0).
Set learning rate α (0 < α ≤ 1) (untuk sederhananya, set α
dengan angka 1)
5. Langkah 2:
Selama kondisi berhenti bernilai salah, lakukan langkah
berikut :
Untuk masing-masing pasangan s dan t, kerjakan :
a : set aktivasi dari unit input : xi = si
b : hitung respon untuk unit output :
n
1 if y _ in > θ
y _ in = b + ∑ xi wi
f ( y _ in) = 0 if − θ ≤ y _ in ≤ θ
i =1 − 1 if y _ in < −θ
6. c. perbaiki bobot dan bias, jika terjadi kesalahan pada pola
ini :
jika y ≠ t, maka
∆w=α*t*xi
wi (baru) = wi (lama) + ∆w dengan ∆w = α
* xi * t
b(baru) =b(lama) + ∆ b dengan ∆b = α * t
jika tidak, maka
wi (baru) = wi (lama)
b(baru) = b(lama)
jika masih ada bobot yang berubah maka kondisi
dilanjutkan, jika tidak maka proses berhenti.
7. Contoh Soal 2.1
Buat jaringan Perceptron untuk menyatakan fungsi logika AND dengan menggunakan masukan
biner dan keluaran bipolar. Pilih α = 1 dan θ = 0,2
Jawab :
Pola hubungan masukan-target :
x1 x2 t
0 0 -1
0 1 -1
1 0 -1
1 1 1
x1 w1
n a
∑ f
w2
x2
b
1
8. Masukan Target Output Perubahan Bobot baru
bobot w baru = w lama +
∆w = αx i t ∆b ∆w
= αt b baru = b lama + ∆b
x1 x2 1 t n a=f(n) ∆w1 ∆w2 ∆b w1 w2 b
Epoch ke - 1 0 0 0
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan Bobot baru
bobot w baru = w lama +
∆w = αx i t ∆b ∆w
= αt b baru = b lama + ∆b
x1 x2 1 t n a=f(n) ∆w1 ∆w2 ∆b w1 w2 b
Epoch ke - 2
0 0 1 -1
0 1 1 -1
1 0 1 -1
9. Masukan Target Output Perubahan Bobot baru
bobot w baru = w lama +
∆w = αx i t ∆b ∆w
= αt b baru = b lama + ∆b
x1 x2 1 t n a=f(n) ∆w1 ∆w2 ∆b w1 w2 b
Epoch ke - 3
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan Bobot baru
bobot w baru = w lama +
∆w = αx i t ∆b ∆w
= αt b baru = b lama + ∆b
x1 x2 1 t n a=f(n) ∆w1 ∆w2 ∆b w1 w2 b
Epoch ke - 4
0 0 1 -1
0 1 1 -1
1 0 1 -1
10. Masukan Target Output Perubahan Bobot baru
bobot w baru = w lama +
∆w = αx i t ∆b ∆w
= αt b baru = b lama + ∆b
x1 x2 1 t n a=f(n) ∆w1 ∆w2 ∆b w1 w2 b
Epoch ke - 5
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan Bobot baru
bobot w baru = w lama +
∆w = αx i t ∆b ∆w
= αt b baru = b lama + ∆b
x1 x2 1 t n a=f(n) ∆w1 ∆w2 ∆b w1 w2 b
Epoch ke - 6
0 0 1 -1
0 1 1 -1
1 0 1 -1
11. Masukan Target Output Perubahan Bobot baru
bobot w baru = w lama +
∆w = αx i t ∆b ∆w
= αt b baru = b lama + ∆b
x1 x2 1 t n a=f(n) ∆w1 ∆w2 ∆b w1 w2 b
Epoch ke - 7
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan Bobot baru
bobot w baru = w lama +
∆w = αx i t ∆b ∆w
= αt b baru = b lama + ∆b
x1 x2 1 t n a=f(n) ∆w1 ∆w2 ∆b w1 w2 b
Epoch ke - 8
0 0 1 -1
0 1 1 -1
1 0 1 -1
12. Masukan Target Output Perubahan Bobot baru
bobot w baru = w lama +
∆w = αx i t ∆b ∆w
= αt b baru = b lama + ∆b
x1 x2 1 t n a=f(n) ∆w1 ∆w2 ∆b w1 w2 b
Epoch ke - 9
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan Bobot baru
bobot w baru = w lama +
∆w = αx i t ∆b ∆w
= αt b baru = b lama + ∆b
x1 x2 1 t n a=f(n) ∆w1 ∆w2 ∆b w1 w2 b
Epoch ke - 10
0 0 1 -1
0 1 1 -1
1 0 1 -1
13.
14. Iterasi akan di hentikan pada epoch ke 10 karena fnet sudah sama
dengan target nya
15. Latihan Soal 2.2
Buat jaringan Perceptron untuk mengenali pola pada tabel di bawah ini. Gunaka α = 1 dan θ =
0,1.
x1 x2 x3 t
0 1 1 -1
1 0 1 -1
1 1 0 -1
1 1 1 1
Jawab :
Masukan Target Output Perubahan bobot Bobot baru
∆w = αx i t ∆b = w baru = w lama +
αt ∆w
b baru = b lama + ∆b
x1 x2 x3 1 t a ∆w1 ∆w2 ∆w3 ∆b w1 w2 w3 b
Inisialisasi 0 0 0 0
0 1 1 1 -1
1 0 1 1 -1
1 1 0 1 -1
1 1 1 1 1