Jaringan Syaraf Tiruan PDF
Jaringan Syaraf Tiruan PDF
Masukan
X1
Target
Bab 5
I 1
I I 1
-[ 1
PERCEPTRON
-1 1 -L -i 1
I
I
1 1
I -7 -1
1
I 1
-1 -1 1
I Model jaringan percepkon ditemukan oleh Rosenbratt (1962) dan
-7
Minsky - Papert (1969). Model tersebut merupakan model yang
mcmiliki aplikasi dan pelatihan yang paling baik pada era tersebut.
5. I Arsitektur faringan
Arsitektr,u jaringan percepkon mirip dengan arsitekttu jari.g* Hebb.
Gambar 5.1
5.2 Pelatihan Perceptron ,r, lterasi dilakukan terus hingga semua pola memiliki keluaran
jaringan yang sama dengan targetrya faringan sudah memahami
Misalkan pola). Iterasi tidakberhenti setelah semua pola dimasukkan seperti
yang terjadi pada model Hebb
s adalah vektor masukan dan t adalah target keluaran
h. Pada langkah 2 (c), penrbahan bobot hanya dilakukan pada pola
a adalahlajupemahaman (leaming rate) yang ditentukan
yang mengandung kesalahan (keluaran jaringan * target)'
0 adalah tlreshold y Nrgditenhrkan Penrbahan tersebut merupakan hasil kali unit masukan dengan
target dan laju pemahaman. Perubahan bobot hanya akan terjadi
Algoritma pelatihan perceptron adalah sebagai berikut :
kalauurLitmasukan * 0.
1. kLisialisasi semrla bobot dan bias (umumnya wi =b = 0) c. Kecepatan iterasi ditenhrkan pula oleh laju pemahaman (=6v
dengan 0 <a <1) yang dipakai. Semakin besar hargd d,
]enturkan laju pemahaman (=a). Untuk penyederhanaan, semakin sedikit iterasi yang diperlukan. Akan tetapi ika a terlalu
biasanya adibeinilai=1
besar, maka akan merusak pola yang sudah benar sehingga
selama ada elemen vektor masukan yang respon unit keruarannya pemahaman menjadi lambat.
tidak sama dengan target, lakukan :
Algoritma pelatihan perceptron lebih baik dibandingkan model Hebb
a. Set aktivasi unit masukan q karena:
x1 = (i = I, ...,n)
1. Setiap kali sebuah pola dimasukkan, hasil keluaran jaringan
b. Hitungresponunitkeluaran : net =| x,w, +b clibandingkan dengan target yang sesungguhnya. Jika terdapat
perbedaan, maka l)(rbot akan dimodifikasi. Jadi tidak semua bobot
sclaltr d imodifi kas i tl a lam schiap iterasinya'
Syaraf Tiruan dan
I't l{(.IPTRON 63
-1 -1
L.rarLr = bobotlama+ Aw
1
-1 _1 -x Input pola kedua dan seterusnya dihitung secara analog. Pada pola
tcrakhir (*t, *, 1) = (-1 -1 1), harga f(net) = -1 y*g sama dengan
targchrya. Maka bobot tidak diubah. Hal ini dinyatakan dengan
Untuk threshold = Q maka {r.rngsi aktivasi menjadi :
konclisi Aw=0
64 Jaringan Sfraf Tiruan PERCEPTRON 65
Perhatikan bagaimana perubahan persamaan garis yang terbentuk memisahkan dengan benar pola L dan 4. Garis pada gambar 5.2 (ll)
dalam setiap pola input. Garis pemisah pola terbentuk dari persamaan memisahkan dengan benar pola 1, 2 dan 4. Berikukrya garis pada
w4t+wrx, *b= 0 dan wflt+w2xz+b=-0 " Karena d = 0 maka gambar 5.2 (c) memisahkan dengan benar semua pola menjadi 2
hanya terbentuk sebuah garis saja. bagian.
{Hasil iterasi pola pertam? I w1 = 1, w2 = 1 dan b = 1. Maka garis Mengingat tidak semua f(net) pada tabel 5.2 sama dengan target t,
pemiSahnya memiliki persaruan I Xr * xz * 1- = 0 (atau xt-t x2 = -t), maka iterasi dilanjutkan pada epoch kedua. Semua pola kembali
yang secara geometris dapat digambarkan pada gambar 5.2 (a). dimasukkan ke jaringan dengan menggunakan bobot terakhir yang
Vt* dz . -\ (r-t /t .t diperoleh sebagai bobot awalrrya. Diperoleh hasil iterasi seperti yang
Xz, o
tampak pada tabel5.4
Tabel5.4
Cambar 5.2(a)
Gambar 5.2(a) 5.2(b)
Garnbar 5.2 fb) Gambar 5.2 (c)
Masukan Target y PerubahanBobot BobotBaru
Persamaan garis unhrk tiap iterasi tampak pada tabel5.3
(x1 xz 1) t net =f (net) (Lw, Lw, Ab) (wr wz b)
Tabel 5.3
bobot yang diperoleh dari epoch pertama (1 L -1)
Masukan BobotBam Persamaan
(x,
(1 1 1) 111(000) (1 1. -1)
xr 1) (wr wz b) Garis
(i 1. 1) (1 1
1) X1*X2=-l
(1 -1. 1) -7 -1 -1 (00 0) (r1 9
(1 -1 1) (0 z 0) Xz=0
(-1 1 r) -1, -1 -1 (00 0) (1 1 ,ir
Penyclcsrtinn sebagai contoh, setelah pola pertama dimasukkan, maka garis yang
terbentuk memilikipersamaan xt + x2 +I = 0.2 (atau x, * x,
Dcngirrr llm:slruld = 0.2, maka fungsi aktivasi menjadi : =_0.g )
dan x, + x2 +l = -0.2 (atau x, * x, = -l.Z).Garis ini akan mengenali
It jika net > 0.2 pola pertama dan terakhir (lihat gambar 5.3).
jika -0.2<net<0.2
I
y=f (net) = J0
[-l
I
Tabel5.5
epoch 3:
(1 11) 1 0 0 (1 1
t 1) (2 3 -2)
(001) -1, -L
o -1 (0 0 0) (0 1 -2) epoch 8:
epoch 4 :
(111) 1 -1 -1, (1 1 1) (2 3 -3)
(111) 7 -7 -1 (1 1 1) (1 2 -1) (1 01) -1 -1 -1, (o 0 0) (2 3 -3)
(1 01) -1 0 0 (-1 0 -1) (0 2 -2) Q11) -1 0 0 (0 -I -1) (2 2 -4)
(0 11) -7 0 0 (0 -1. -1) (0 1 -3) (001) -1 -4 -1. (0 0 0) Q2-4)
(001) -1 -3 -1 (o 0 o) (0 1 -3) epoch 9:
epoch 5:
(r 1 1) 1 0 0 (1 1 1) (3 3 -3)
(111) 1
o
-L -1 (1 L 1) (1 2 -2) (l 0 1) -1 0 0 (-1 0 -1) (2 3 -4)
(1 01) -1 -1 -1 (0 0 0) (1 2 -2) (0 11) -1 -1. -1 (0 0 o) Q3-4)
(0 11) -1 0 0 (o -L -1) (1 1 -3) (001) -1 -4 -1 (0 0 0) (2 3 -4)
(001) -1 -3 -7 (0 0 0) (1 1 -3) t'poch 10:
epoch 6:
(r 1 1) 1 1 1 (00 0) (2 3 -4)
1 1 I 1.
2xr+3ry= 4.2
_t I 0 -7
a
2x,+35 - 3.6 0 1 -1
0 1 1 -7
Gambar5.4
Contoh 5.3
Iterasi yang dilakukan tampak pada tabel5.9. Kolom perubahan bobot
Diketahui perceptron dengan 3 masukan biner x1, x2, X3, sebuah bias yangkosongberarti (Lw, Lw., Lw, A,b) = (0 0 0 0).Initeryadijika
dan sebuah keluaran bipolar. carilah bobot yang akan mengenali pola f (net) = t
sebagai berikut : target keluaran bemilai 1 apabila r"-.ti masukan
bemilai 1, dan target bemilai = -1 apabila tepat sarah sahr dari Tabel5.9
masukan bernilai 0 (tidak diketahui bagaimana target apabila ad.a 2
atau lebih masukan yang bemilai 0). Gtrnakan bobot awal dan bias Masukan Target v PenrbahanBobot BobotBaru
=
0 dengan laju pemahaman = a =1, dan threshold = 0 = 0.L (xr xz xr 1) t net = f (net) (Lw., Lw.- Lw. A,b ) (*t wz wrb)
Penyelesaian
epoch 1 : inisialisasi (ooo)
Bentuk pola masukan dan targefrya tampak pada taber 5.g. Bentuk ini
sama dengan pola yang tidak dapat diselesaikan dengan model Hebb
(1 11 1) | 0 0 (1 1 1 i) (1111)
pada contoh 4.2 (1 10 1) -1 a
J 1. (-1 -7 0 -1) (0010)
(1 01 1) -1 I 1 (-1 0 -1 -1)(-100-1)
(0 11 1) 1
-t -1 -1 (-1 0 0 -1)
epoch2:
(11 11) 7-2 -1 (11L1) (0 110)
(l 1 0 1) -1 I (-1 -1 0 -1) (-1
01-1)
Jaringan Syaraf Tiruan dan Pemrogrannnrrya Menggunakan Matlab
IIIRCEPTRON 73
(0 111) 00 -1)C1 -1 0-
ilr11) 1 -3 -1 (1 1) (1 1. 2 -3)
epoch3: (r r 0 1) -1 -1 -1 (1 L2-3)
(11.11) 1 -4 -1. 1) (001-1) (r 0 1 1) -1 0 0 (-1 0 -1 -1) (0 1 1, -4)
(1 101) -1 -1 -1, (001-1) (0 I11) -1 -2 -1 (011-4)
(1011) -1 0 0 -1)(-100-2) e;xrch 20 :
##
trt- --- l+
u4444 # ;
5.3 Pengenalan Pola Karakter il#
il##tr*
+ #
lt # -t+4 #
Perceptron dapat pula dipakai untr-rk mengenali pola karakter. Dengan ilil# ### ; ;'* 4 *';;
berbagai pola masukan yang menyempai humf-humf alphabeth, Pola 1 Pola 2 Pola 3
perceptron dapat dilatih untr-rk mengenalinya.
t+ 11
tt tl # .t4 J+ 4
ttfr 1+
tfifr.
4 .t1
1 1
Algoritma untuk mengenali apakah pola masukan yang diberikan 11 1+ ! 4 4
t
menyerupai sebuah karakter tertenfu (misal *i.ip hunrf ,,A,,) atau
'fl,r t+
rl
,t.r4# 44 u444
t+ t+ t+ t+
4
tf
tidak adalah sebagai berikut : fi.# 4 + #
urli ::
B4444
ttfrtrtr 4 J+ 1+4
l+.
1. Nyatakan tiop pola masukan sebagai vektor bipolar yang tt# 4 'l+
,li
i,i;,r elemennya adalah tiap titik dalampola tersebut. sJl
ttf l+
tt 1+ 4
tttt
4.tl1+
+t
.,ffrt 1.tJ].4
l+
l',l, .,
2. Berikan nilai target = +1 jika pola masukan menyerupai humf Fola 4 Pola 5 Pola 6
Pola 2 -7
Vektor masukan poia 3 adalah
Pola 3 -1
(-1 -1 1 1 1 1 1 --i.1 -1. -1. -L -1 1 1 -1 -1 -L -1, -1,
-1.
1.-1. -1. -1, -r -1. -1. -1 1 -1 -1 -1 -L -1 1. -1. -1. -1, -1 -1, -1, Pola 4 1.
Vektor masukanpola 6 adalah scbuah pola hurrf). Dihihrng net = Ix,w,+b. Berikubrya, fungsi
i=t't
(-1 -1 1 1. 1. -L -1. -1 1. -1. -t -1 1 -1 L -1 -1 -1. -1. -1. 1.
n khivasi dihitung menggunakan persalnaan
1 -1. -1 -L -1. -1. -1 1 -1 -1 -1. -1. -1. -1 -1 -1 -1 -1
1. -1. -1.
1 -1-1-1-1 -L 1" -1. 1. -1 -1. -1 1 -1 -7 -1, 1 1 1 -1 -1) It jika net > 0.5
Target bemilai = +1 bila pola masukan menyerupai huruf "A". Jika
y=f (net) = j0 jika -0.5<net<0.5
tidak, maka target bemilai = -1. Pola yang menyerupai hu.ruf "A" l-t jika net < -0.5
adalah pola 1 dan pola 4. Pasangan pola dan targetnya tampak pada
tabel5.L0 Alrirbila f (net) * target, maka bobot dan bias diubah
5.3.2 Pengenalan Beberapa Pola Karakter a. Hihurgresponunitkeluaran ke-j : ne! = I.x,w,, +bt
Pengenalan beberapa pola karakter sekaiigr_rs (misal "A,'
bukan ataLr
"4", "8" ataLt bukan "8", dar. seterusnya) dilakukan dengan cara
menggabungkan beberapa model perceptron bab 5.4.1. Jadi ada iika net, > 0
beberapa unit keluaran sekaliprs, seperti yang tampak pada gambar Yi=f (neti) = jika -01net,<0
5.6
{' jika net, < -0
Perbaiki bobot pola yang mengandung kesalahan (yi* ti)
menurutpersamaan :
4. Lakukan proses pelatihan perceptron seperti bab 5.3 untr"rk tiap Pola 2 -7 1 -1
trnit keluaran sebagai berikut :
80 Jaringan Syaraf Tiruan dan Pemrogramanrrya Menggunakan Matlab
I)t.RCEPTRON
81
b. menggunakanbias
Pola 4 1 -1 -1
c. Turrjukkan secara grafik bahwa tanpa bias, perceptron tidak
Pola 5 -1. 1 --t
akan mampu mengenali poia secara benar.
Pola 6 -I -1 7
'1. B,uatlah model perceptron yang dapat dipakai untuk membentuk
klasifikasi berikut ini (perhatikan bahwa pola tersebut berarti
Selanjuhrya iterasi dapat dibuat seperti contoh 5.2 dan 5.3, dengan
bahwa 2 input pertama mempakan anggota kelas dan 2 input
beberapa perubahan sebagai berikut :
terakhir bukan anggota kelas)
. Vektor masukan terdiri dari 36 elemen XI, )9, ... , Xra dan
sebuahbiasb Masukan Target
t Ada 3 target tr, tz dan t:
Xr
I Ada 3 kolom net yaitu net; fltz dan nefu, masing-
masing merupakan hasil kali bobot dengan vektor 1
1 1 1 7
masukan
-1 1 -1 -1
Ada 3 buah y
yang merupakan fungsi aktivasi ketiga
1,