2. PERCEPTRON
• Perceptron adalah bentuk paling sederhana dari JST yang
digunakan untuk mengkasifikasikan pola khusus yang biasa
disebut linearly separable, yaitu pola- pola yang terletak pada
sisi yang berlawanan pada suatu bidang. Pada dasarnya
Perceptron terdiri dari neuron tunggal dengan bobot-bobot
sinaptik dan threshold yang dapat diatur, Perceptron terbatas
hanya untuk mengklasifikasikan dua kelas saja (Suyanto, 2014)
• Perceptron adalah algoritma pada supervised learning untuk
melakukan klasifikasi biner (dua jenis).
4. Perceptron
• Algoritma Pelatihan Perceptron:
• 1. Inisialisasi semua bobot dan bias (biasanya = 0)
• Set learning rate: (0 < 1). untuk penyederhanaan set
sama dengan 1.
• Set nilai threshold (θ) untuk fungsi aktivasi
• 2. Untuk setiap pasangan pembelajaran s-t, kerjakan:
• a) set aktivasi unit input xi = si;
• b) Hitung respon untuk unit output:
• c) Masukkan kedalam fungsi aktivasi :
𝑛𝑒𝑡 = 𝑏 +
𝑖
𝑥𝑖𝑤𝑖
𝑦(𝑛𝑒𝑡) =
1, 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 > 𝜃
0, 𝑗𝑖𝑘𝑎 − 𝜃 ≤ 𝑛𝑒𝑡 ≤ 𝜃
−1, 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 < −𝜃
5. Perceptron
• d) Bandingkan nilai output jaringan y dengan target t
• jika y ≠ t , lakukan perubahan bobot dan bias dengan cara :
• 𝑤𝑖 𝑏𝑎𝑟𝑢 = 𝑤𝑖 𝑙𝑎𝑚𝑎 + . 𝑡. 𝑥𝑖
• 𝑏 𝑏𝑎𝑟𝑢 = 𝑏 𝑙𝑎𝑚𝑎 + . 𝑡
• jika y = t , tidak ada perubahan bobot dan bias:
• 𝑤𝑖 𝑏𝑎𝑟𝑢 = 𝑤𝑖(𝑙𝑎𝑚𝑎)
• 𝑏(𝑏𝑎𝑟𝑢) = 𝑏(𝑙𝑎𝑚𝑎)
• 3. Lakukan iterasi terus-menerus hingga semua pola memiliki
output jaringan yang sama dengan targetnya. Artinya bila semua
output jaringan sama dengan target maka jaringan telah
mengenali pola dengan baik dan iterasi dihentikan.
11. Buat jaringan Perceptron untuk menyatakan fungsi logika
AND dengan menggunakan masukan biner dan keluaran
bipolar. Pilih = 1 dan = 0,2
Jawab :
x1 x2 t
0 0 -1
0 1 -1
1 0 -1
1 1 1
Pola hubungan
masukan-target :
f
X1
net y
X2
b
2
,
0
_
,
1
2
,
0
_
2
,
0
,
0
2
,
0
_
,
1
in
y
jika
in
y
jika
in
y
jika
y
12. Masukan Target pi wi
+ b
Output Perubahan bobot
w = xi t
b = t
Bobot baru
wbaru = wlama + w
bbaru = blama + b
x1 x2 t net y=f(n) w1 w2 b w1 w2 b
Epoch ke - 1 0 0 0
0 0 1 -1 0 0 0 0 -1 0 0 -1
0 1 1 -1 -1 -1 0 0 -1
1 0 1 -1 -1 -1 0 0 -1
1 1 1 1 -1 -1 1 1 1 1 1 0
Masukan Target pi wi
+ b
Output Perubahan bobot
w = xi t
b = t
Bobot baru
wbaru = wlama + w
bbaru = blama + b
x1 x2 t net y=f(n) w1 w2 b w1 w2 b
Epoch ke - 2 1 1 0
0 0 1 -1 0 0 0 0 -1 1 1 -1
0 1 1 -1 0 0 0 -1 -1 1 0 -2
1 0 1 -1 -1 -1 1 0 -2
1 1 1 1 -1 -1 1 1 1 2 1 -1
13. Masukan Target pi wi
+ b
Output Perubahan bobot
w = pi t
b = t
Bobot baru
wbaru = wlama + w
bbaru = blama + b
x1 x2 t net y=f(n) w1 w2 b w1 w2 b
Epoch ke – 3 2 1 -1
0 0 1 -1 -1 -1 2 1 -1
0 1 1 -1 0 0 0 -1 -1 2 0 -2
1 0 1 -1 0 0 -1 0 -1 1 0 -3
1 1 1 1 -2 -1 1 1 1 2 1 -2
Masukan Target pi wi
+ b
Output Perubahan bobot
w = pi t
b = t
Bobot baru
wbaru = wlama + w
bbaru = blama + b
x1 x2 t net y=f(n) w1 w2 b w1 w2 b
Epoch ke - 4
0 0 1 -1 -2 -1 2 1 -2
0 1 1 -1 -1 -1 2 1 -2
1 0 1 -1 0 0 -1 0 -1 1 1 -3
1 1 1 1 -1 -1 1 1 1 2 2 -2
14. Masukan Target pi wi
+ b
Output Perubahan bobot
w = pi t
b = t
Bobot baru
wbaru = wlama + w
bbaru = blama + b
x1 x2 t net y=f(n) w1 w2 b w1 w2 b
Epoch ke - 5 2 2 -2
0 0 1 -1 -2 -1 2 2 -2
0 1 1 -1 0 0 0 -1 -1 2 1 -3
1 0 1 -1 -1 -1 2 1 -3
1 1 1 1 0 0 1 1 1 3 2 -2
Masukan Target pi wi
+ b
Output Perubahan bobot
w = pi t
b = t
Bobot baru
wbaru = wlama + w
bbaru = blama + b
x1 x2 t net y=f(n) w1 w2 b w1 w2 b
Epoch ke - 6 3 2 -2
0 0 1 -1 -2 -1 3 2 -2
0 1 1 -1 0 0 0 -1 -1 3 1 -3
1 0 1 -1 0 0 -1 0 -1 2 1 -4
1 1 1 1 -1 -1 1 1 1 3 2 -3
15. Masukan Target pi wi
+ b
Output Perubahan bobot
w = pi t
b = t
Bobot baru
wbaru = wlama + w
bbaru = blama + b
x1 x2 t net y=f(n) w1 w2 b w1 w2 b
Epoch ke - 7 3 2 -3
0 0 1 -1 -3 -1 3 2 -3
0 1 1 -1 -1 -1 3 2 -3
1 0 1 -1 0 0 -1 0 -1 2 2 -4
1 1 1 1 0 0 1 1 1 3 3 -3
Masukan Target pi wi
+ b
Output Perubahan bobot
w = pi t
b = t
Bobot baru
wbaru = wlama + w
bbaru = blama + b
x1 x2 t net y=f(n) w1 w2 b w1 w2 b
Epoch ke - 8
0 0 1 -1 -3 -1 3 3 -3
0 1 1 -1 0 0 0 -1 -1 3 2 -4
1 0 1 -1 -1 -1 3 2 -4
1 1 1 1 1 1 3 2 -4
16. Masukan Target pi wi
+ b
Output Perubahan bobot
w = pi t
b = t
Bobot baru
wbaru = wlama + w
bbaru = blama + b
x1 x2 t net y=f(n) w1 w2 b w1 w2 b
Epoch ke - 9 3 2 -4
0 0 1 -1 -4 -1 3 2 -4
0 1 1 -1 -2 -1 3 2 -4
1 0 1 -1 -1 -1 3 2 -4
1 1 1 1 1 1 3 2 -4
