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.

<
s s
>
=
u
u u
u
in y if
in y if
in y if
in y f
_ 1
_ 0
_ 1
) _ (
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.

X
1
X
i
X
n
y
1
W
1
W
i
W
n
W
0
.
.
.
.
.
.
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 (0 < 1) (untuk sederhananya,
set dengan angka 1)

Langkah 2:
Selama kondisi berhenti bernilai salah, lakukan
langkah berikut :
Untuk masing-masing pasangan s dan t, kerjakan :
a : set aktivasi dari unit input : x
i
= s
i

b : hitung respon untuk unit output :

=
+ =
n
i
i i
w x b in y
1
_

<
s s
>
=
u
u u
u
in y if
in y if
in y if
in y f
_ 1
_ 0
_ 1
) _ (
c. perbaiki bobot dan bias, jika terjadi kesalahan
pada pola ini :
jika y t, maka
w=*t*x
i
w
i
(baru) = w
i
(lama) + Aw dengan Aw = o * x
i
* t
b(baru) =b(lama) + A b dengan Ab = o * t
jika tidak, maka
w
i
(baru) = w
i
(lama)
b(baru) = b(lama)
d. jika masih ada bobot yang berubah maka
kondisi dilanjutkan, jika tidak maka proses
berhenti.

Contoh Soal 2.1
Buat jaringan Perceptron untuk menyatakan fungsi logika AND dengan menggunakan masukan
biner dan keluaran bipolar. Pilih o = 1 dan u = 0,2
Jawab :
x
1
x
2
t
0 0 -1
0 1 -1
1 0 -1
1 1 1
f
w
1

w
2

x
1

x
2

n a
1
b
Pola hubungan masukan-target :
Masukan Target Output Perubahan bobot
Aw = ox
i
t Ab =
ot
Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab
x
1
x
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
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
Aw = ox
i
t Ab =
ot
Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab
x
1
x
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 2
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = ox
i
t Ab =
ot
Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab
x
1
x
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
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
Aw = ox
i
t Ab =
ot
Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab
x
1
x
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 4
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = ox
i
t Ab =
ot
Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab
x
1
x
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
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
Aw = ox
i
t Ab =
ot
Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab
x
1
x
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 6
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = ox
i
t Ab =
ot
Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab
x
1
x
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
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
Aw = ox
i
t Ab =
ot
Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab
x
1
x
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 8
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = ox
i
t Ab =
ot
Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab
x
1
x
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
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
Aw = ox
i
t Ab =
ot
Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab
x
1
x
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 10
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Iterasi akan di hentikan pada epoch ke 10 karena fnet sudah sama
dengan target nya
Latihan Soal 2.2
Buat jaringan Perceptron untuk mengenali pola pada tabel di bawah ini. Gunaka o = 1 dan u =
0,1.
Jawab :
x
1
x
2
x
3
t
0 1 1 -1
1 0 1 -1
1 1 0 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = ox
i
t Ab = ot

Bobot baru
w
baru
= w
lama
+
Aw
b
baru
= b
lama
+ Ab

x
1
x
2
x
3
1 t a Aw
1
Aw
2
Aw
3
Ab w
1
w
2
w
3
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