Sistem

P
E
R
C
E
P
T
R
O
N

Cerdas
By Kelompok 4
Asadul Umam
P.Y.K
Purnomo
Wahyu Adi
Wicaksono

PERCEPTRON
Perceptron

merupakan jaringan syaraf yang

memiliki
pengaruh
yang
paling
luas
dibandingkan model jaringan syaraf sebelumnya.
Perceptron pertama kali dikemukakan oleh
Rosenblatt (1962), Minsky (1969) dan Papert
(1988).
Perceptron
lebih kuat dari metode Hebb
terutama dalam iterasi yang dapat membuat
output dari bobot menjadi konvergen.
Bila
ditest
terhadap
pola
input
dapat
menghasilkan output yang sesuai target.

unit sensor
Lapisan
Perceptron

unit asosiasi
unit respon

Aktivasi yang digunakan dalam pereptron

adalah aktivasi bipolar, yaitu -1, 0, 1.

Output
Fungsi
Aktifasi

1 if y _ in

f ( y _ in ) 0 if y _ in
1 if y _ in

ARSITEKTUR PERCEPTRON
O Arsitektur

Perceptron sederhana adalah

terdiri dari beberapa input dan sebuah
output.
O Tujuan
dari
jaringan
adalah
untuk
mengklasifikasikan
masing-masing
pola
input dan pola output baik yang bernilai +1
atau yang bernilai -1.

Arsitektur perceptron untuk klasifikasi tunggal

ARSITEKTUR PERCEPTRON

O Secara matematis dapat dituliskan sebagai

berikut:
O Pelatiahan

pada
perceptron
dilakukan
dengan cara membandingkan keluaran dari
jaring dengan targetnya seperti berikut ini:

ALGORITMA PERSEPTRON
Algoritma berlaku untuk input bipolar atau
input biner dengan nilai target bipolar dan
nilai threshold yang tetap serta nilai bias yang
dapat diatur.
Prosedur pemecahan masalah antara lain:
s : Vektor masukan
: laju pemahaman
t : Target Keluaran : Threshold
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)

ALGORITMA PERSEPTRON
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 = si

b : hitung respon untuk unit output :
n

y _ in b xi wi
i 1

f ( y _ in )

1 if y _ in
0 if y _ in
1 if y _ in

ALGORITMA PERSEPTRON
c. perbaiki bobot dan bias, jika terjadi

kesalahan pada pola ini :

jika y t, maka
w=*t*xi
wi (baru) = wi (lama) + w dengan w = * xi * t
b(baru) =b(lama) + b dengan b = * t

jika tidak, maka

wi (baru) = wi (lama)
b(baru) = b(lama)
d. jika masih ada bobot yang berubah maka

kondisi dilanjutkan, jika tidak maka proses

berhenti.

Contoh Perceptron
Buatlah jaringan saraf tiruan untuk melakukan
pembelajaran terhadap fungsi logika AND dengan
input biner dan target bipolar sebagai berikut.
X1

X2

Target

0
0
1
1

0
1
0
1

-1
-1
-1
1

Menggunakan algoritma pelatihan perceptron bila

ditentukan nilai learning rate () = 0,8 dan nilai
thershold () = 0,5
Algoritma pelatihan perceptron:
Bobot Awal : w1 = w2 = 0 Learning rate () : 0,8
Bias Awal : b = 0 Threshold () : 0,5

Epoch ke-1
Fungsi
Aktifasi :
O
Data ke-1 (x1 = 0, x2 = 0 target = -1)
Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus
dilakukan perubahan bobot dan bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) + *t*x1 = 0 + 0,8*(1).0 = 0
w2 (baru) = w2 (lama) + *t*x1 = 0 + 0,8*(1).0 = 0
b (baru) = b (lama) + *t = 0 + 0,8*(-1).0 =
-0,8

Data
O ke-2 (x1 = 0, x2 = 1 target = -1)

Hasil aktifasi y = 0
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan
bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 0
w2 (baru) = w2 (lama) = 0
b (baru) = b (lama) = -0,8
Data ke-3 (x1 = 1, x2 = 0 target = -1)
Hasil aktifasi y = 0
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan
bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 0
w2 (baru) = w2 (lama) = 0
b (baru) = b (lama) = -0,8

Data ke-4 (x1 = 1, x2 = 1 target = 1)

Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot dan
bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 0 + 0,8*(1).1 = 0,8
w2 (baru) = w2 (lama) +*t*x2 = 0 + 0,8*(1).1 = 0,8
b (baru) = b (lama) +*t = -0,8 + 0,8*(1) = 0,8

Epoch ke-2
Dari epoch ke-1 diperoleh nilai bobot dan bias berikut.
w1 = 0,8, w2 = 0,8, dan b = 0
Data ke-1 (x1 = 0, x2 = 0 target = -1)
Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot dan
bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 0,8 + 0,8*(-1).0 = 0,8
w2 (baru) = w2 (lama) +*t*x2 = 0,8 + 0,8*(-1).0 = 0,8
b (baru) = b (lama) +*t = 0 + 0,8*(-1) = -0,8

Data
O ke-2 (x1 = 0, x2 = 1 target = -1)

Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot
dan bias).
Perubahan bobot dan bias tetap:
w1 (baru) = w1 (lama) +*t*x1 = 0,8 + 0,8*(-1).0 = 0,8
w2 (baru) = w2 (lama) +*t*x2 = 0,8 + 0,8*(-1).1 = 0
b (baru) = b (lama) +*t = -0,8 + 0,8*(-1) = -1,6
Data ke-3 (x1 = 1, x2 = 0 target = -1)
Hasil aktifasi y = 0
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan
bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 0,8
w2 (baru) = w2 (lama) = 0
b (baru) = b (lama) = -1,6

Data ke-4 (x1 = 1, x2 = 1 target = 1)

Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot dan
bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 0,8 + 0,8*(1).1 = 1,6
w2 (baru) = w2 (lama) +*t*x2 = 0 + 0,8*(1).1 = 0,8
b (baru) = b (lama) +*t = -1,6 + 0,8*(1) = -0,8

Epoch ke-3
Dari epoch ke-2 diperoleh nilai bobot dan bias berikut.
w1 = 1,6, w2 = 0,8, dan b = -0,8
Data ke-1 (x1 = 0, x2 = 0 target = -1)
Hasil aktifasi y = 0
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 1,6
w2 (baru) = w2 (lama) = 0,8
b (baru) = b (lama) = -0,8

Data
O ke-2 (x1 = 0, x2 = 1 target = -1)

Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot
dan bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 1,6 + 0,8*(-1).0 = 1,6
w2 (baru) = w2 (lama) +*t*x2 = 0,8 + 0,8*(-1).1 = 0
b (baru) = b (lama) +*t = -0,8 + 0,8*(-1) = -1,6
Data ke-3 (x1 = 1, x2 = 0 target = -1)
Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot
dan bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 1,6 + 0,8*(-1).1 = 0,8
w2 (baru) = w2 (lama) +*t*x2 = 0 + 0,8*(-1).0 = 0
b (baru) = b (lama) +*t = -1,6 + 0,8*(-1) = -2,4

Data ke-4 (x1 = 1, x2 = 1 target = 1)

O
6
Hasil aktifasi y = -1
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot dan
bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 0,8 + 0,8*(1).1 = 1,6
w2 (baru) = w2 (lama) +*t*x2 = 0 + 0,8*(1).1 = 0,8
b (baru) = b (lama) +*t = -2,4 + 0,8*(1) = -1,6

Epoch ke-4
Dari epoch ke-3 diperoleh nilai bobot dan bias berikut.
w1 = 1,6, w2 = 0,8, dan b = -1,6
Data ke-1 (x1 = 0, x2 = 0 target = -1)
Hasil aktifasi y = 0
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 1,6
w2 (baru) = w2 (lama) = 0,8
b (baru) = b (lama) = -1,6

Data
O ke-2 (x1 = 0, x2 = 1 target = -1)

Hasil aktifasi y = 0
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan
bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 1,6
w2 (baru) = w2 (lama) = 0,8
b (baru) = b (lama) = -1,6
Data ke-3 (x1 = 1, x2 = 0 target = -1)
Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot
dan bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 1,6 + 0,8*(-1).1 = 0,8
w2 (baru) = w2 (lama) +*t*x2 = 0,8 + 0,8*(-1).0 = 0,8
b (baru) = b (lama) +*t = -1,6 + 0,8*(-1) = -2,4

Data ke-4 (x1 = 1, x2 = 1 target = 1)

O
8
Hasil aktifasi y = -1
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot dan
bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 0,8 + 0,8*(1).1 = 1,6
w2 (baru) = w2 (lama) +*t*x2 = 0,8 + 0,8*(1).1 = 1,6
b (baru) = b (lama) +*t = -2,4 + 0,8*(1) = -1,6

Epoch ke-5
Dari epoch ke-4 diperoleh nilai bobot dan bias berikut.
w1 = 1,6, w2 = 1,6, dan b = -1,6
Data ke-1 (x1 = 0, x2 = 0 target = -1)
Hasil aktifasi y = 0
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 1,6
w2 (baru) = w2 (lama) = 1,6
b (baru) = b (lama) = -1,6

Data
O ke-2 (x1 = 0, x2 = 1 target = -1)

Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot
dan bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 1,6 + 0,8*(-1).0 = 1,6
w2 (baru) = w2 (lama) +*t*x2 = 1,6 + 0,8*(-1).1 = 0,8
b (baru) = b (lama) +*t = -1,6 + 0,8*(-1) = -2,4
Data ke-3 (x1 = 1, x2 = 0 target = -1)
Hasil aktifasi y = 0
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan
bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 1,6
w2 (baru) = w2 (lama) = 0,8
b (baru) = b (lama) = -2,4

Data
ke-4 (x1 = 1, x2 = 1 target = 1)

Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot dan
bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 1,6 + 0,8*(1).1 = 2,4
w2 (baru) = w2 (lama) +*t*x2 = 0,8 + 0,8*(1).1 = 1,6
b (baru) = b (lama) +*t = -2,4 + 0,8*(1) = -1,6

Epoch ke-6
Dari epoch ke-5 diperoleh nilai bobot dan bias berikut.
w1 = 2,4, w2 = 1,6, dan b = -1,6
Data ke-1 (x1 = 0, x2 = 0 target = -1)
Hasil aktifasi y = -1
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 2,4
w2 (baru) = w2 (lama) = 1,6
b (baru) = b (lama) = -1,6

Data
O ke-2 (x1 = 0, x2 = 1 target = -1)

Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot
dan bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 2,4 + 0,8*(-1).0 = 2,4
w2 (baru) = w2 (lama) +*t*x2 = 1,6 + 0,8*(-1).1 = 0,8
b (baru) = b (lama) +*t = -1,6 + 0,8*(-1) = -2,4
Data ke-3 (x1 = 1, x2 = 0 target = -1)
Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot
dan bias).
Perubahan bobot dan bias tetap:
w1 (baru) = w1 (lama) +*t*x1 = 2,4 + 0,8*(-1).1 = 1,6
w2 (baru) = w2 (lama) +*t*x2 = 1,6 + 0,8*(-1).1 = 0,8
b (baru) = b (lama) +*t = -2,4 + 0,8*(-1) = -3,2

Data
ke-4 (x1 = 1, x2 = 1 target = 1)

Hasil aktifasi y = -1
(tidak sama dengan target t = 1, maka harus dilakukan perubahan bobot dan
bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 1,6 + 0,8*(1).1 = 2,4
w2 (baru) = w2 (lama) +*t*x2 = 0,8 + 0,8*(1).1 = 1,6
b (baru) = b (lama) +*t = -3,2 + 0,8*(1) = -2,4

Epoch ke-7
Dari epoch ke-6 diperoleh nilai bobot dan bias berikut.
w1 = 2,4, w2 = 1,6, dan b = -2,4
Data ke-1 (x1 = 0, x2 = 0 target = -1)
4
Hasil aktifasi y = -1
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 2,4
w2 (baru) = w2 (lama) = 1,6
b (baru) = b (lama) = -2,4

Data
ke-2 (x1 = 0, x2 = 1 target = -1)

Hasil aktifasi y = -1
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan
bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 2,4
w2 (baru) = w2 (lama) = 1,6
b (baru) = b (lama) = -2,4
Data ke-3 (x1 = 1, x2 = 0 target = -1)
Hasil aktifasi y = 0
(tidak sama dengan target t = -1, maka harus dilakukan perubahan bobot
dan bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 2,4 + 0,8*(-1).1 = 1,6
w2 (baru) = w2 (lama) +*t*x2 = 1,6 + 0,8*(-1).0 = 1,6
b (baru) = b (lama) +*t = -2,4 + 0,8*(-1) = -3,2

Data
ke-4 (x1 = 1, x2 = 1 target = 1)

Hasil aktifasi y = 0
(tidak sama dengan target t = 1, maka harus dilakukan perubahan bobot dan
bias).
Perubahan bobot dan bias:
w1 (baru) = w1 (lama) +*t*x1 = 1,6 + 0,8*(1).1 = 2,4
w2 (baru) = w2 (lama) +*t*x2 = 1,6 + 0,8*(1).1 = 2,4
b (baru) = b (lama) +*t = -3,2 + 0,8*(1) = -2,4

Epoch ke-8
Dari epoch ke-7 diperoleh nilai bobot dan bias berikut.
w1 = 2,4, w2 = 2,4, dan b = -2,4
Data ke-1 (x1 = 0, x2 = 0 target = -1)
4
Hasil aktifasi y = -1
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 2,4
w2 (baru) = w2 (lama) = 2,4
b (baru) = b (lama) = -2,4

Data
ke-2 (x1 = 0, x2 = 1 target = -1)

Hasil aktifasi y = 0
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan
bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) +*t*x1 = 2,4 + 0,8*(-1).0 = 2,4
w2 (baru) = w2 (lama) +*t*x2 = 1,6 + 0,8*(-1).0 = 1,6
b (baru) = b (lama) +*t = -2,4 + 0,8*(-1) = -3,2
Data ke-3 (x1 = 1, x2 = 0 target = -1)
Hasil aktifasi y = -1
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan
bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 2,4
w2 (baru) = w2 (lama) = 1,6
b (baru) = b (lama) = -3,2

Data
ke-4 (x1 = 1, x2 = 1 target = 1)

Hasil aktifasi y = 1
(sama dengan target t = -1, maka harus dilakukan perubahan bobot dan bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 2,4
w2 (baru) = w2 (lama) = 1,6
b (baru) = b (lama) = -3,2

Epoch ke-9
Dari epoch ke-8 diperoleh nilai bobot dan bias berikut.
w1 = 2,4, w2 = 1,6, dan b = -3,2
Data ke-1 (x1 = 0, x2 = 0 target = -1)
2
Hasil aktifasi y = -1
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 2,4
w2 (baru) = w2 (lama) = 1,6
b (baru) = b (lama) = -3,2

Data
ke-2 (x1 = 0, x2 = 1 target = -1)

Hasil aktifasi y = -1
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan
bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 2,4
w2 (baru) = w2 (lama) = 1,6
b (baru) = b (lama) = -3,2
Data ke-3 (x1 = 1, x2 = 0 target = -1)
Hasil aktifasi y = -1
(sama dengan target t = -1, maka tidak dilakukan perubahan bobot dan
bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 2,4
w2 (baru) = w2 (lama) = 1,6
b (baru) = b (lama) = -3,2

Data
ke-4 (x1 = 1, x2 = 1 target = 1)

Hasil aktifasi y = 1
(sama dengan target t = 1, maka harus dilakukan perubahan bobot
dan bias).
Bobot dan bias tetap:
w1 (baru) = w1 (lama) = 2,4
w2 (baru) = w2 (lama) = 1,6
b (baru) = b (lama) = -3,2
Pada Epoch ke-9 sudah tidak teradi perubahan bobot dan bias dan
sekaligus nilai output aringan untuk semua data bernilai sama dengan
targetnya. Jadi proses pembelaaran harus dihentikan. Hasil akhirnya
adalah:
Nilai bobot, w1 = 2,4; w2 = 1,6; dan bias = -3,2.

SEKIAN
TERIMA KASIH