Anda di halaman 1dari 33

PERCEPTRON DENGAN

NILAI BIAS
perceptron

 Ditemukan oleh Rosenblatt thn 1962

 Arsitektur jaringan
◦ Terdiri dari beberapa masukan dan sebuah
bias
◦ Memiliki sebuah unit keluaran
◦ Fungsi aktivasi memiliki kemungkinan nilai -
1,0,1
Lanjutan Arsitektur jaringan
 Secara geometris, fungsi aktivasi
membentuk 2 garis sekaligus masing-
masing dengan persamaan :

◦ w1x1 + w2x2 + … + wnxn + b = θ

◦ w1x1 + w2x2 + … + wnxn + b = -θ


Pelatihan Perceptron
 Misalkan :
◦ s adalah vektor masukan
◦ t target keluaran
◦ adalah laju pemahaman (learning rate) yang
ditentukan
◦ θ adalah threshold yang ditentukan

 Algoritma pelatihan perceptron


◦ Inisialisasi semua bobot dan bias (umumnya
wi=b=0)
Tentukan laju pemahaman ( )  biasanya =1
Lanjutan Algoritma Pelatihan
Perceptron
 Selama ada vektor masukan yang respon unit keluarannya tidak
sama dengan target, lakukan:
◦ Set aktivasi unit masukan xi = si (i=1, 2, …n)

◦ Hitung respon unit keluaran : net = xiwi +b

y=

 Perbaiki bobot pola yang mengandung kesalahan (y  t)


◦ wi(baru) = wi(lama) +  w, (i = 1, 2,…n) dengan  w= α t xi

◦ b(baru) = b(lama) +  b, dengan  b = α t


Catatan untuk algoritma perceptron
 Iterasi dilakukan terus hingga semua pola memiliki
keluaran jaringan yang sama dengan targetnya

 Perubahan bobot hanya dilakukan pada pola yang


mengandung kesalahan (keluaran jaringan 
target). Perubahan bobot hanya terjadi kalau unit
masukan  0.

 Kecepatan iterasi ditentukan juga oleh laju


pemahaman (= α, dengan 0 < α ≤ 1).Semakin
besar α, semakin sedikit iterasi yang diperlukan.
Tetapi jika α terlalu besar, akan merusak pola yang
sudah benar  pemahaman menjadi lambat
Contoh
 Buatlah perceptron untuk mengenali
fungsi logika “dan” dengan masukan dan
keluaran bipolar. Untuk inisialisasi, gunakan
bobot dan bias awal = 0, = 1, dan
threshold = θ = 0
 Penyelesaian :
 Threshold =0
 fungsi
aktivasi :
 1 jika net  0

y  f (net )   0 jika net  0
 1 jika net  0

Penyelesaian ….
 Epoch pertama

 net = xiwi +b = 1(0) +1(0) + 0 = 0  f(net) = 0  t


  w= α t xi ,  b= α t  bobot baru = bobot lama + w
 Jika f(net) = t  bobot tidak dirubah (w = 0)
Penyelesaian ….
 Garis pemisah pola
◦ θ = 0  hanya terbentuk satu garis
◦ Hasil iterasi pola pertama w1 = 1, w2 = 1 dan
b=1  persamaan garisnya x1+ x2 + 1 = 0
◦ Persamaan garis tiap iterasi :
Penyelesaian…
 Secara geometris :
Penyelesaian….
 Epoch kedua
Contoh lain
 Ulangi contoh sebelumnya dengan
masukan biner dan keluaran bipolar.
Gunakan α = 1 dan threshold = θ = 0,2.

 Penyelesaian:
Penyelesaian…
 Hasil iterasi epoch pertama :
Penyelesaian…
 Garis pemisah pola :
◦ Terdapat dua garis :
◦ x1 + x2 + 1 = 0,2
◦ x1 + x2 + 1 = -0,2
Penyelesaian…
 Iterasi epoch kedua
Penyelesaian…
Penyelesaian…
Penyelesaian…
Penyelesaian…
Penyelesaian…
 Persamaan garis setelah 10 epoch :
Soal Latihan
 Diketahui perceptron dengan 3 masukan
biner x1, x2, x3 sebuah bias dan sebuah
keluaran bipolar. Carilah bobot yang akan
mengenali pola sebagai berikut : target
keluaran bernilai 1 apabila semua masukan
bernilai 1 dan target bernilai -1 apabila
tepat salah satu dari masukan bernilai 0.
Gunakan bobot awal dan bias = 0 dengan
laju pemahaman = 1 dan threshold = 0,1
 Bentuk pola masukan dan keluaran
Jawaban
 Jaringan dapat mengenali setelah epoch ke
26.
PENGENALAN POLA KARAKTER
 Algoritma:
◦ Nyatakan tiap pola masukan sebagai vektor
bipolar yang elemennya adalah tiap titik dalam
pola tersebut

◦ Berikan nilai target =+1 jika pola masukan


menyerupai huruf yang diinginkan, jika tidak nilai
target = -1

◦ Berikan inisialisasi bobot, bias, laju pemahaman


dan threshold

◦ Lakukan proses pelatihan perceptron


contoh
 Diketahui 6 buah pola masukan sbb :
Lanj contoh
 Buatlah model perceptron untuk mengenali
pola “A”

 Penyelesaian :
◦ Tiap vektor masukan : 9 x 7 = 63 komponen
◦ Tanda #  nilai +1
◦ Tanda .  nilai -1
◦ Pembacaan dari kiri ke kanan, mulai baris paling
atas
◦ Target bernilai +1  pola menyerupai A
◦ Target bernilai -1  pola tidak menyerupai A
Penyelesaian
 Contoh vektor masukan :
…..

…..
penyelesaian
 Pasangan pola target :

 Misalkan bobot awal =0, laju pemahaman =1


dan threshold = 0,5
penyelesaian
 Fungsi aktivasi :
Pengenalan beberapa pola karakter
 Pengenalan beberapa pola (misal : A atau
bukan A, B atau bukan B,dst):
◦ Menggabungkan beberapa model perceptron
Pengenalan beberapa pola karakter
 Algoritma:
◦ Nyatakan tiap pola masukan sebagai vektor
bipolar yang elemennya adalah tiap titik dalam
pola tersebut

◦ Berikan nilai target tj=+1 jika pola masukan


menyerupai huruf yang diinginkan, jika tidak nilai
target tj= -1 (j = 1,2,…m)

◦ Berikan inisialisasi bobot, bias, laju pemahaman


dan threshold
 Lanjutan algoritma
◦ Lakukan proses pelatihan perceptron
 Hitung respon unit keluaran ke j : netj

 Perbaiki bobot yang mengandung kesalahan

 Lakukan hingga target = keluaran


Tugas Soal