Nama : Riski Aprilia Rihadatulais

NIM : 1903040078
Kelas : B
Pembahasan Soal Perceptron Jaringan Saraf Tiruan

Soal :
Diketahui perceptron dengan 3 masukan biner x1, x2, dan x3, sebuah bias, dan sebuah keluaran
bipolar. Cari bobot yang akan mengenali pola sebagai berikut:
1. Target keluaran bernilai 1 jika salah satu atau semua masukan bernilai 1;
2. Target bernilai -1 jika tepat salah satu dari masukan bernilai 0;
3. Target bernilai 0 apabila semua masukan bernilai 0.
Gunakan bobot awal = bias = 0.1 dengan laju pemahaman α = 0.5 dan threshold θ = 0.2. Fungsi
aktivasi yang digunakan silakan pilih dari materi sebelumnya (bebas).
Langkah mengerjakan:
- Gambarkan arsitektur JST tersebut;
- Lakukan proses training terhadap data masukan.
- Catat bobot akhir yang diperoleh.
- Setelah itu lakukan testing menggunakan data masukan yang sama dan bobot akhir dari
proses training, catat hasil keluaran jaringan.
Penyelesaian :
1 2 3 4 5 6 7 8
X1 1 1 1 0 1 0 0 0
X2 1 1 0 1 0 1 0 0
X3 1 0 1 1 0 0 1 0
B 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1
t 1 -1 -1 -1 1 1 1 0

1. Arsitektur Jaringan Saraf Tiruan

X1 w₁

❑
X2 w₂ ∑ x . w+b y_in F(y_in) y
❑
w₃
X3
 b
1
 Bobot awal : w = [0,1 , 0,1 , 0,1]
 Bobot bias awal : b = [0,1 , 0,1 , 0,1]
 Learning rate (alfa) : α = 0,5
 Threshold (beta) : β = 0,2

2. Proses Training
 Literasi ke 1
 Data ke 1 (1 1 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i
= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= 0,1 + [(1) . (0,1)] + [(1) . (0,1)] + [(1) . (0,1)]
= 0,1 + 0,1 + 0,1 + 0,1
= 0,4
Hasil aktivasi = 1 (y_in < 0,5)
Target t = 1
y=t

 Data ke 2 (1 1 0)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i
= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= 0,1 + [(1) . (0,1)] + [(1) . (0,1)] + [(0) . (0,1)]
= 0,1 + 0,1 + 0,1 + 0
= 0,3
Hasil aktivasi = 1 (y_in < 0,5)
Target t = -1
y≠t

Bobot (baru) = wᵢ(lama) + α . t . Xᵢ

w₁ = 0,1 + (0.5)(-1) (1) = 0,1 - 0,5 = -0,4
w₂ = 0,1 + (0,5)(-1) (1) = 0,1 - 0,5 = -0,4
w₃ = 0,1 + (0.5)(-1) (0) = 0,1 - 0 = 0,1

Bias (baru) = b(lama) + α . t

b = 0,1+ (0,5) . (-1)
B = 0,1 – 0,5
b = -0,4

 Data ke 3 (1 0 1)
 ❑
y_in = b +∑ ❑ Xᵢ wᵢ
i
= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= -0,4 + [(1) . (-0,4)] + [(0) . (-0,4)] + [(1) . (0,1)]
= -0,4 - 0,4 + 0,1
= -0,7
Hasil aktivasi = -1 (y_in > 0,5)
Target t = -1
y=t

 Data ke 4 (0 1 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i
= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,4) + [(0) . (-0,4)] + (1). (-0,4) + (0) . (0,1)
= -0,4 + 0 - 0,4 + 0
= -0,8
Hasil aktivasi = -1 (y_in > 0,5)
Target t = -1
y=t
 Data ke 5 ( 1 0 0 )
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i
= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,4) + [(1) . (-0,4)] + (0). (-0,4) + (0) . (0,1)
= -0,4 + 0 - 0,4 + 0
= -0,8
Hasil aktivasi = -1 (y_in > 0,5)
Target t = -1
y≠t

 Literasi ke 2
 Data ke 1 (1 1 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i
= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= -0,4 + [(1) . (-0,4)] + [(1) . (-0,4)] + [(1) . (0,1)]
= -0,4 - 0,4 -0,4 + 0,1
= -1,1
Hasil aktivasi = -1 (y_in < 0,5)
Target t = 1
y≠t
 Bobot (baru) = wᵢ(lama) + α . t . Xᵢ
w₁ = -0,4 + (0.5)(1) (1) = -0,4 +0,5 = 0,1
w₂ = -0,4 + (0,5)(1) (1) = -0,4 + 0,5 = 0,1
w₃ = 0,1 + (0.5)(1) (1) = 0,1 + 0,5 = 0,6

Bias (baru) = b(lama) + α . t

b = -0,4+ (0,5) . (1)
B = -0,4 + 0,5
b = 0,1

 Data ke 2 (1 1 0)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i
= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= 0,1 + [(1) . (0,1)] + [(1) . (0,1)] + [(0) . (0,6)]
= 0,1 + 0,1 + 0,1 + 0
= 0,3
Hasil aktivasi = 1 (y_in < 0,5)
Target t = -1
y≠t

Bobot (baru) = wᵢ(lama) + α . t . Xᵢ

w₁ = (0,1) + [(0.5)(-1) (1)] = 0,1 - 0,5 = -0.4
w₂ = (0,1) + [(0,5)(-1) (1) ]= 0,1- 0,5 = -0,4
w₃ = (0,6) + [(0.5)(-1) (0)] = 0,6 – 0 = 0,6

Bias (baru) = b(lama) + α . t

b = 0,1 + (0,5) . (-1)
B = 0,1 – 0,5
b = -0,4

 Data ke 3 (1 0 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,4) + [(1) . (-0,4) ]+ [(0) . (-0,4)] + [(1) . (0,6)]
= -0,4 - 0,4 – 0 + 0,6
= -0,2
Hasil aktivasi = -1 (y_in < 0,5)
Target t = -1
y=t
  Data ke 4 (0 1 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,4) + [(0) . (-0,4)] + [(1) . (-0,4)] + [(1) . (0,6)]
= -0,4 -0,4 + 0,6
= -0,2
Hasil aktivasi = -1 (y_in < 0,5)
Target t = -1
y=t

 Literasi ke 3
 Data ke 1 (1 1 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,4) + [(1) . (-0,4) ]+ [(1) . (-0,4)] +[ (1) . (0,6)]
= -0,4 – 0,4 – 0,4 + 0,6
= -0,6
Hasil aktivasi = -1 (y_in < 0,5)
Target t = 1
y≠t
Bobot (baru) = wᵢ(lama) + α . t . Xᵢ
w₁ = -0,4 + (0.5)(1) (1) = -0,4 +0,5 = 0,1
w₂ = -0,4 + (0.5)(1) (1) = -0,4 +0,5 = 0,1
w₃ = 0,6 + (0.5)(1) (1) = 0,6 + 0,5 = 1,1

Bias (baru) = b(lama) + α . t

b = (-0,4)+ (0,5) . (1)
B = -0,4 + 0,5
b = 0,1

 Data ke 2 (1 1 0)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (0,1) + [(1) . (0,1)] + [(1) . (0,1)] + [(0) . (1,1)]
= 0,1 + 0,1 + 0,1 + 0
= 0,3
Hasil aktivasi = -1 (y_in < 0,5)
Target t = 1
 y≠t

Bobot (baru) = wᵢ(lama) + α . t . Xᵢ

w₁ = 0,1 + (0.5)(-1) (1) = 0,1 - 0,5 = -0,4
w₂ = 0,1 + (0.5)(-1) (1) = 0,1 - 0,5 = -0,4
w₃ = 1,1 + (0.5)(-1) (0) = 1,1 – 0 = 1,1

Bias (baru) = b(lama) + α . t

b = (0,1)+ (0,5) . (-1)
B = 0,1 - 0,5
b = -0,4

 Data ke 3 (1 0 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,4) + (1) . (-0,4) + (0) . (-0,4) + (1) . (1,1)
= -0,4 – 0,4 + 0 + 1,1
= 0,3
Hasil aktivasi = 1 (y_in < 0,5)
Target t = -1
y≠t

Bobot (baru) = wᵢ(lama) + α . t . Xᵢ

w₁ = -0,4 + (0.5)(-1) (1) = -0,4 - 0,5 = -0,9
w₂ = -0,4 + (0.5)(-1) (0) = -0,4 - 0 = -0,4
w₃ = 1,1 + (0.5)(-1) (1) = 1,1 – 0,5 = 0,6

Bias (baru) = b(lama) + α . t

b = (-0,4)+ (0,5) . (-1)
B = -0,4 - 0,5
b = -0,9

 Data ke 4 (0 1 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,9) + (0) . (-0,9) + (1) . (-0,4) + (1) . (0,6)
= -0,9 +0 -0,4 +0,6
= -0,7
 Hasil aktivasi = -1 (y_in > 0,5)
Target t = -1
y=t

 Literasi ke 4
 Data ke 1 (1 1 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,9) + [(1) . (-0,9) ]+ [(1) . (-0,4)] +[ (1) . (0,6)]
= -0,9 – 0,9 – 0,4 + 0,6
= -1,6
Hasil aktivasi = -1 (y_in < 0,5)
Target t = 1
y≠t
Bobot (baru) = wᵢ(lama) + α . t . Xᵢ
w₁ = -0,9 + (0.5)(1) (1) = -0,9 +0,5 = -0,4
w₂ = -0,4 + (0.5)(1) (1) = -0,4 +0,5 = 0,1
w₃ = 0,6 + (0.5)(1) (1) = 0,6 + 0,5 = 1,1

Bias (baru) = b(lama) + α . t

b = (-0,9)+ (0,5) . (1)
B = -0,9 + 0,5
b = -0,4

 Data ke 2 (1 1 0)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,4) + [(1) . (-0,4)] + [(1) . (0,1)] + [(0) . (1,1)]
= -0,4 - 0,4 + 0,1 + 0
= -0,7
Hasil aktivasi = -1 (y_in > 0,5)
Target t = -1
Y=t

 Data ke 3 (1 0 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,4) + (1) . (-0,4) + (0) . (0,1) + (1) . (1,1)
 = -0,4 – 0,4 + 0 + 1,1
= 0,3
Hasil aktivasi = 1 (y_in < 0,5)
Target t = -1
y≠t

Bobot (baru) = wᵢ(lama) + α . t . Xᵢ

w₁ = -0,4 + (0.5)(-1) (1) = -0,4 - 0,5 = -0,9
w₂ = -0,4 + (0.5)(-1) (0) = -0,4 - 0 = -0,4
w₃ = 1,1 + (0.5)(-1) (1) = 1,1 – 0,5 = 0,6

Bias (baru) = b(lama) + α . t

b = (-0,4)+ (0,5) . (-1)
B = -0,4 - 0,5
b = -0,9

 Data ke 4 (0 1 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,9) + (0) . (-0,9) + (1) . (-0,4) + (1) . (0,6)
= -0,9 +0 -0,4 +0,6
= -0,7
Hasil aktivasi = -1 (y_in > 0,5)
Target t = -1
y=t

 Literasi ke 5
 Data ke 1 (1 1 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,9) + [(1) . (-0,9) ]+ [(1) . (-0,4)] +[ (1) . (0,6)]
= -0,9 – 0,9 – 0,4 + 0,6
= -1,6
Hasil aktivasi = -1 (y_in < 0,5)
Target t = 1
y≠t
Bobot (baru) = wᵢ(lama) + α . t . Xᵢ
w₁ = -0,9 + (0.5)(1) (1) = -0,9 +0,5 = -0,4
w₂ = -0,4 + (0.5)(1) (1) = -0,4 +0,5 = 0,1
 w₃ = 0,6 + (0.5)(1) (1) = 0,6 + 0,5 = 1,1

Bias (baru) = b(lama) + α . t

b = (-0,9)+ (0,5) . (1)
B = -0,9 + 0,5
b = -0,4

 Data ke 2 (1 1 0)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,4) + [(1) . (-0,4)] + [(1) . (0,1)] + [(0) . (1,1)]
= -0,4 - 0,4 + 0,1 + 0
= -0,7
Hasil aktivasi = -1 (y_in > 0,5)
Target t = -1
Y=t

 Data ke 3 (1 0 1)
❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,4) + (1) . (-0,4) + (0) . (0,1) + (1) . (1,1)
= -0,4 – 0,4 + 0 + 1,1
= 0,3
Hasil aktivasi = 1 (y_in < 0,5)
Target t = -1
y≠t

Bobot (baru) = wᵢ(lama) + α . t . Xᵢ

w₁ = -0,4 + (0.5)(-1) (1) = -0,4 - 0,5 = -0,9
w₂ = -0,4 + (0.5)(-1) (0) = -0,4 - 0 = -0,4
w₃ = 1,1 + (0.5)(-1) (1) = 1,1 – 0,5 = 0,6

Bias (baru) = b(lama) + α . t

b = (-0,4)+ (0,5) . (-1)
B = -0,4 - 0,5
b = -0,9

 Data ke 4 (0 1 1)
 ❑
y_in = b +∑ ❑ Xᵢ wᵢ
i

= b + X₁ w₁ + X₂ w₂ + X₃ w₃
= (-0,9) + (0) . (-0,9) + (1) . (-0,4) + (1) . (0,6)
= -0,9 +0 -0,4 +0,6
= -0,7
Hasil aktivasi = -1 (y_in > 0,5)
Target t = -1
y=t