Anda di halaman 1dari 6

JST ADALINE dan

MADALINE

Metode pembelajaran Delta rule biasanya


dipakai dalam pelatihan pada model jaringan
Adaline (adaptive linear neuron ) dan Madaline
(many adaline)
Adaline adalah unit tunggal (neuron) yg
menerima input dari beberapa unit.
Jika adaline dikombinasikan sedemikian hingga
output dari beberapa adaline menjadi input bagi
adaline yg lain. Jaringan ini membentuk jaringan
banyak lapisan yg sering disebut dgn Madaline

DELTA RULE
Selama pelatihan pola, delta rule
akan mengubah bobot dengan cara
meminimalkan error antara output
jaringan y dengan target t.
Gambar berikut adalah arsitektur
jaringan delta rule untuk dua input.
X1
W1

XW
X2

W2

y_in

F(y_in)

Algoritma delta rule untuk memperbaiki


bobot ke-i (untuk setiap pola) adalah:
w(baru) = w(lama) + (t-y)*xi
Dengan :
xi = vektor input
y = output jaringan
t = target
= learning rate
Pelatihan akan dihentikan jika nilai error
(t-y) pada suatu epoch bernilai nol.

Soal
Buatlah jaringan saraf tiruan untuk melakukan
pembelajaran terhadap fungsi logika OR
dengan input biner dan target biner sbb.
X1

X2

OR

Gunakan algoritma pelatihan delta rule, bila


ditentukan nilai learning rate () = 0,2 dan bobot
awal yang dipilih w1 = 0,1 dan w2 = 0,3 serta
fungsi aktivasi yang digunakan adalah fungsi
undak biner, dengan = 0,5.

LATIHAN SOAL
Buatlah jaringan saraf tiruan untuk
melakukan pembelajaran terhadap
fungsi logika AND-2 input dengan
input biner dan target biner, bila
ditentukan nilai learning rate () =
0,4 dan bobot awal yang dipilih w1 =
0,2 dan w2 = 0,4 serta fungsi aktivasi
yang digunakan adalah fungsi undak
biner, dengan = 0,5!