PELATIHAN ADALINE

1. Inisialisasi semua bobot dan bias (wi = b = 0). Tentukan α, biasanya α = 0.1, tentukan
toleransi kesalahan yang diijinkan
2. Selama max ∆wi > batas toleransi, lakukan :
a. Set aktivasi unit masukan xi = si (i = 1,...,n)
b. Hitung respon unit keluaran : 𝑛𝑒𝑡 = ∑𝑖 𝑥𝑖 𝑤𝑖 + 𝑏
Y = f(net) = net
c. Perbaiki bobot pola yang mengandung kesalahan (y ≠ t) menurut persamaan :
wi (baru) = wi (lama) +α (t-y)xi
b (baru) = b (lama) + α (t-y)
∆w= α (t-y)x
∆b= α (t-y)

UJI COBA PENGENALAN POLA

Setelah proses pelatihan selesai, ADALINE dapat dipakai untuk pengenalan pola. Umumnya
dipakai fungsi 𝜃 bipolar. Caranya sebagai berikut :
1. Inisialisasi semua bobot dan bias dengan bobot dan bias hasilm pelatihan
2. Untuk semua input masukan bipolar x, lakukan :
a. Set aktivasi unit masukan xi = si (i = 1,..., n)
b. Hitung net vektor keluaran :
𝑛𝑒𝑡 = ∑ 𝑥𝑖 𝑤𝑖 + 𝑏
𝑖
c. Kenakan fungsi aktivasi :
1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 ≥ 0
𝑦= {
−1 𝑗𝑖𝑘𝑎 𝑛𝑒𝑡 < 0
Gunakan model ADALINE untuk mengenali pola fungsi logika “AND” dengan masukan dan
target bipolar :
Tabel 5.1 Masukan dan Target

Gunakan batas toleransi = 0.05 dan α = 0.1

Penyelesaian:
Dengan α = 0.1, maka perubahan bobotnya = ∆wi = 0.1 (t - f(net))xi = 0.1 (t-y) xi.

Tabel Epoch Pertama

Masukan Target Nett Y t-y Perubahan Bobot Bobot Baru

X1 X2. b t ∆w1 ∆w2 ∆b W1 W2 Wb

Inisialisasi Bobot 0 0 0

1 1 1 1

1 -1 1 -1

-1 1 1 -1

-1 -1 1 -1
Berapakah nilai maskimum dari ∆w pada data terakhir?
Apakah ∆w > Batas Toleransi?
Jawab:
*Jika Ya maka Lanjut iterasi
*Jika Tidak maka Berhenti Iterasi dan Lanjut Pengenalan Pola menggunakan Bobot Terakhir
dari pelatihan.

Tabel Epoch Kedua (jika Ya)

Masukan Target Nett Y t-y Perubahan Bobot Bobot Baru

X1 X2. b t ∆w1 ∆w2 ∆b W1 W2 Wb

Masukan Bobot Terbaru

1 1 1 1

1 -1 1 -1

-1 1 1 -1

-1 -1 1 -1
Berapakah nilai maskimum dari ∆w pada data terakhir?
Apakah ∆w > Batas Toleransi?
Jawab:
*Jika Ya maka Lanjut iterasi
*Jika Tidak maka Berhenti Iterasi dan Lanjut Pengenalan Pola menggunakan Bobot Terakhir
dari pelatihan

Tabel Epoch Ketiga (jika Ya)

Masukan Target Nett Y t-y Perubahan Bobot Bobot Baru

X1 X2. b t ∆w1 ∆w2 ∆b W1 W2 Wb

Masukan Bobot Terbaru

1 1 1 1

1 -1 1 -1

-1 1 1 -1

-1 -1 1 -1
Berapakah nilai maskimum dari ∆w pada data terakhir?
Apakah ∆w > Batas Toleransi?
Jawab:
*Jika Ya maka Lanjut iterasi
*Jika Tidak maka Berhenti Iterasi dan Lanjut Pengenalan Pola menggunakan Bobot Terakhir
dari pelatihan
Tabel Pengenalan Pola
Masukan Target
Nett Y
X1 X2. b t

1 1 1 1

1 -1 1 -1

-1 1 1 -1

-1 -1 1 -1

Apakah Y = t?

Jika Ya maka Adaline berhasil memahami Pola ANDA