Tugas 2 Sistem Kendali Cerdas

NAMA : NURAZIZAH POHAN

KELAS : EK-6B
NIM : 1705041008

1
1. Buktikan bahwa fungsi aktivasi sigmoid f(x) = memiliki turunan
1+ e−x
f’(x)=f(x) (1-f(x))

Jawab :

1
f’(x) = f(x) =
1+ e−x

u = 1, u’ = 0, v = 1 + e− x, v’ = -e− x
1
f(x) =
1+ e−x

u' v−u v '

f’(x) =
v2

0 ( 1+ e−x ) −1(−e−x )
=
(1+ e−x )2

0+ e−x
= 2
( 1+e−x )
−x
e
= −x 2
(1+e )

Sehingga :

f’(x) = f(x) (1-f(x))

e− x
¿ = f(x) - f²(x)
(1+e− x )2

e− x 1 1
= −x 2 = −x -
(1+e ) 1+ e (1+e− x )2

e− x (1+e ¿¿−x)−1
−x 2 =
¿ ¿
(1+e ) (1+ e−x )2
 e− x
¿ − x 2 (terbukti)
(1+e )

Dalam backpropagation, fungsi aktivasi yang dipakai harus memenuhi

beberapa syarat, yaitu:
a. Kontinu
b. Terdiferensial dengan mudah
c. Merupakan fungsi yang tidak turun
Fungsi sigmoid sering dipakai karena nilai fungsinya yang terletak
antara 0 dan 1 dan dapat diturunkan dengan mudah.
Fungsi signoid adalah salah satunya yang memenuhi ketiga syarat
tersebut yang memiliki range 0 sampai dengan 1 untuk jaringan saraf
yang membutuhkan nilai output yang terletak pada nilai interval
tersebut, juga pada jaringan saraf yang nilai outputnya 0 atau 1.

2. Gambarkanlah jaringan syaraf tiruan layar jamak yang terdiri dari 5 unit masukan, 2 layar
tersembunyi yang masing-masing berisi 4 dan 3 neuron, serta unit keluaran tunggal.
Jawab :

x1

z1.1

x2 z2.1
w211

z1.2
y
w311

x3
z3.1 w411

z1.3
 x4 z4.1

z1.4

x5

Penjelasan :
v1.1, v2.1, v3.1, v4.1, v5.1
v1.2,.v2.2, v3.2, v4.2, v5.2
v1.3,.v2.3, v3.3, v4.3, v5.3
v1.4,.v2.4, v3.4, v4.4, v5.4
w111, w121, w131, w141
w112, w122, w132, w142
w113, w123, w133, w143
x1-x5 : input layer
z1.1-z4.1 : hidden layer
y: output layer.

3. Suatu neuron j menerima masukan dari 4 neuron lain dengan fungsi aktivasi masing-masing
bernilai 10, -20, 4 dan -2. Bobot dari keempat neuron tersebut ke neuron j masing-masing
sebesar 0.8, 0.2, -1.0 dan -0.9. Hitunglah keluaran neuron j jika fungsi aktivasi yang
digunakan pada neuron j adalah :

a. Threshold biner (0 atau 1) dengan nilai threshold = 2

Jawab :
Net = b+ ∑ xi w i = 2+(10*0.8)+(-20*0.2)+(4*-1.0)+(-2*-0.9)
i
= 2+8+(-4)+(-4)+1.8
= 3.8
Net ≥ 2 maka y = 1
 b. Sigmoid

Jawab :

y = 1/1+e−3.8 = 0.97
x1 x2 Net Y (≥2=1, <2=0)

10 0,8 10*0,8 = 8 1
-20 0,2 -20*0,2 = -4 0
4 -1 4*-1 = -4 0
-2 -0,9 -2*-0,9 = 1,8 0
8-4-4+1,8 = 1,8
y = 1/1+e−1.8 = 0,85

x1 x2 y (≥2=1, <2=0) 1,6+0,2-1+0 = 0,8

1 1
1 0
0 1
0 0
net (∑ x i wi ¿ y = 1/1+
i
1*0,8 + 1*0,8 = 1,6 0 e−0.8 =
1*0,2 + 0*0,2 = 0,2 0 0,68
0*-1 + 1*-1 = -1 0
0*-0,9 + 0*-0,9 = 0 0

c. Sigmoid dengan sebuah tambahan bias

Jawab :

Yj + (netj) dimana 1 jika netj >1 dan 0 jika Yj ≤ 1

Netj net ∑ x i wi ¿ + bj
i

=10(0,8) + (-20). 0,2 +4(-1)+(-2) (-0.9)+1

=8-4-4+1,8+1
=1,9 → y=1

4. Buatlah jaringan untuk menyatakan fungsi “NAND” dengan 2 masukan biner x1 dan x2
Jawab :

Tabel kebenaran NAND

P1 P2 NAND
0 0 1
0 1 1
1 0 1
1 1 0
 P1 P2 n=p1w1+p2w2+b a=f(n)
0 0 0.3+0.4-6=-6 1
0 1 0.3+1.4-6=-2 1
1 0 1.3+0.4-6=-3 1
1 1 1.3+1.4-6=1 0

5. Perhatikan jaringan syaraf McCulloch-Pitts dengan input biner yang tampak pada gambar
3.11. Unit N3, N4 dan N5 masing-masing memiliki threshold = 2. Tentukan respon/keluaran
unit N5 untuk semua kemungkinan masukan N1 dan N2
Jawab :

x1 x2 net1 ( net2 (
∑ x i wi ¿ z1 ∑ x i wi ¿ z2
i i
1 1 1*1 + 1*2 = 3 1 1*2 + 1*1 = 3 1
1 0 1*-1 + 0*1 =
0 1*1 + 0*-1 = 1 0
-1
0 1 0*1 + 1*2 = 2 0 0*2 + 1*1 = 1 0
0 0 0*-1 + 0*1 = 0 0 0*1 + 0*-1 = 0 0

z1 z2
net (∑ x i wi ¿ y (net>2=1, net≤2=0)
i
1 1 1*2 + 1*2 = 4 1
0 0 0*2 + 0*2 = 0 0
0 0 0*2 + 0*2 = 0 0
0 0 0*2 + 0*2 = 0 0

6. Buatlah model McCulloch-Pitts untuk menyatakan fungsi logika

“AND” dalam 3 variabel x1, x2, dan x3

Jawab :

X3 X2 X1 Net= ∑ ❑ XW Y(net)= {o1 jika net <3

jika net > 3
0 0 0 0.1 + 0.1 + 0.1 = 0
0
0 0 1 0.1 + 0.1 + 1.1 = 0
1
0 1 0 0.1 + 1.1 + 0.1 = 0
1
0 1 1 0.1 + 1.1 + 1.1 = 0
2
1 0 0 1.1 + 0.1 + 0.1 = 0
1
1 0 1 1.1 + 0.1 + 1.1 = 0
2
1 1 0 1.1 + 1.1 + 0.1 = 0
2
1 1 1 1.1 + 1.1 + 1.1 = 1
3