PERCEPTRON
Arsitektur jaringannya mirip dengan Hebb
Fungsi aktivasinya bukan biner (0,1) atau bipolar(-1,1) tapi (-1, 0, 1)
Ditemukan oleh Rosenblatt(1962) dan Minsky-Papert (1969)
Algoritma pelatihan Perceptron dengan vektor input s, target t , batas
ambang (threshold) u dan laju pemahaman (learning rate) o
Inisialisasi semua bobot = 0 dan b = 0
Set masukan p
i
= s
i
(i=1,2, R)
Hitung keluaran n=E p
i
w
i
+ b
Tentukan output fungsi aktivasi
Bila output = target > perbaiki bobot dan bias
w
i
(baru) = w
i
(lama) + Aw dengan Aw = o p
i
t
b(baru) =b(lama) + A b dengan Ab = o t
Perbaikan dilakukan berulang-ulang sampai semua a=t
Tidak hanya 1 epoch seperti pada aturan Hebb
u <
u s s u
u >
= =
n 1
n 0
n 1
) n ( f a
Contoh Soal 2.1
Buat jaringan Perceptron untuk menyatakan fungsi logika AND dengan menggunakan masukan
biner dan keluaran bipolar. Pilih o = 1 dan u = 0,2
Jawab :
p
1
p
2
t
0 0 -1
0 1 -1
1 0 -1
1 1 1
f
w
1
w
2
p
1
p
2
n a
1
b
Pola hubungan masukan-target :
Masukan Target Output Perubahan bobot
Aw = op
i
t Ab = ot
Bobot baru
w
baru
= w
lama
+ Aw
b
baru
= b
lama
+ Ab
p
1
p
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 1 0 0 0
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = op
i
t Ab = ot
Bobot baru
w
baru
= w
lama
+ Aw
b
baru
= b
lama
+ Ab
p
1
p
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 2
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = op
i
t Ab = ot
Bobot baru
w
baru
= w
lama
+ Aw
b
baru
= b
lama
+ Ab
p
1
p
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 3
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = op
i
t Ab = ot
Bobot baru
w
baru
= w
lama
+ Aw
b
baru
= b
lama
+ Ab
p
1
p
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 4
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = op
i
t Ab = ot
Bobot baru
w
baru
= w
lama
+ Aw
b
baru
= b
lama
+ Ab
p
1
p
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 5
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = op
i
t Ab = ot
Bobot baru
w
baru
= w
lama
+ Aw
b
baru
= b
lama
+ Ab
p
1
p
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 6
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = op
i
t Ab = ot
Bobot baru
w
baru
= w
lama
+ Aw
b
baru
= b
lama
+ Ab
p
1
p
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 7
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = op
i
t Ab = ot
Bobot baru
w
baru
= w
lama
+ Aw
b
baru
= b
lama
+ Ab
p
1
p
2
1 t n a=f(n) Aw
1
Aw
2
Ab w
1
w
2
b
Epoch ke - 8
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
Latihan Soal 2.2
Buat jaringan Perceptron untuk mengenali pola pada tabel di bawah ini. Gunaka o = 1 dan u =
0,1.
Jawab :
p
1
p
2
p
3
t
0 1 1 -1
1 0 1 -1
1 1 0 -1
1 1 1 1
Masukan Target Output Perubahan bobot
Aw = op
i
t Ab = ot
Bobot baru
w
baru
= w
lama
+ Aw
b
baru
= b
lama
+ Ab
p
1
p
2
p
3
1 t a Aw
1
Aw
2
Aw
3
Ab w
1
w
2
w
3
b
Inisialisasi 0 0 0 0
0 1 1 1 -1
1 0 1 1 -1
1 1 0 1 -1
1 1 1 1 1
