Sejarah dan Gambaran Umum IFRS
Bahasa
Globalisasi Model Hebb
Investasi Standar Rule
FADHILAH SYAFRIA, ST, MKOM
JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS & TEKNOLOGI
UIN SUSKA RIAU
1
Algoritma Hebb Rule (Neuron Hebb)
• Pada model neuron McCulloch-Pitts pembobotan dan bias
harus ditentukan secara coba-coba atau secara analitis
• Diperlukan suatu cara/metoda tertentu untuk menentukan
pembobotan dan bias
• Pada 1949 D.O. Hebb memperkenalkan model neuron yang
dapat menentukan pembobotan dan bias secara iteratif
dengan memanfaatkan model pembelajaran supervisi
sehingga bobot w dan bias dapat dihitung secara otomatis
tanpa harus melakukan coba-coba
• Arsitektur jaringan Hebb sama seperti arsitektur jaringan
McCulloch-Pits, yaitu beberapa unit input dihubungkan
langsung dengan sebuah unit output
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
• Algoritma pelatihan Hebb :
1. Inisialisasi semua bobot dan bias
wi = 0 dengan i = 1, 2, ... , n ;
b = 0
2. Untuk setiap pasangan input – target (s – t), lakukan :
a). Set aktivasi unit input : xi = si ; (i = 1, 2, ..., n)
b). Set aktivasi unit output : yj = tj ; (j = 1, 2, ..., m)
3. Perbaiki bobot menurut persamaan berikut :
wi (baru) = wi (lama) + xi*yj ;
4. Perbaiki bias menurut persamaan :
b(baru) =b(lama) + y
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Contoh Soal 1.5
Buat jaringan Hebb untuk menyatakan fungsi logika AND jika representasi yang dipakai
adalah :
a). Masukan dan keluaran biner
b). Masukan biner dan keluaran bipolar
c). Masukan dan keluaran bipolar
Jawab :
a) Pola hubungan masukan-target (masukan biner dan keluaran biner)
Masukan Target
p1 p2 1 t
0 0 1 0 p1 w1
n a
0 1 1 0 f
w2
1 0 1 0 p2 b
1 1 1 1
1
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Algoritma pelatihan Hebb :
Inisialisasi bobot dan bias : w1 = 0 w2 = 0 b=0
---------------------------------------------------------------------------------------------------------------------
Data ke-1 : x1 = 0 x2 = 0 y = 0 (target)
Perubahan bobot dan bias untuk Data ke-1 :
W1(baru) = w1(lama) + x1*y
= 0 + 0*0
= 0
W2(baru) = w2(lama) + x2*y
= 0 + 0*0
= 0
b(baru) = b(lama) + y
= 0+0
= 0
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Data ke-2 : x1 = 0 x2 = 1 y = 0 (target)
Perubahan bobot dan bias untuk Data ke-2 :
W1(baru) = w1(lama) + x1*y
= 0 + 0*0
= 0
W2(baru) = w2(lama) + x2*y
= 0 + 1*0
= 0
b(baru) = b(lama) + y
= 0+0
= 0
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Data ke-3 : x1 = 1 x2 = 0 y = 0 (target)
Perubahan bobot dan bias untuk Data ke-3 :
W1(baru) = w1(lama) + x1*y
= 0 + 1*0
= 0
W2(baru) = w2(lama) + x2*y
= 0 + 0*0
= 0
b(baru) = b(lama) + y
= 0+0
= 0
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Data ke-4 : x1 = 1 x2 = 1 y = 1 (target)
Perubahan bobot dan bias untuk Data ke-4 :
W1(baru) = w1(lama) + x1*y
= 0 + 1*1
= 1
W2(baru) = w2(lama) + x2*y
= 0 + 1*1
= 1
b(baru) = b(lama) + y
= 0+1
= 1
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Dari perhitungan diperoleh nilai bobot w1 = 1 w2 = 1 dan b = 1
Nilai tersebut yang akan dipakai untuk menguji seluruh data masukan, hasilnya
adalah :
p1 p2 n = p1 w1 +p2 w2+ b Y Y 1, n 0
0 0 0.1+0.1+1 = 1 1 0, n 0
0 1 0.1+1.1+1= 2 1
1 0 1.1+0.1+1= 2 1
1 1 1.1+1.1+1= 3 1
Keluaran target Jaringan Hebb tidak dapat ‘mengerti’ pola yang dimaksud
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
b. Pola hubungan masukan-target (masukan biner dan keluaran bipolar)
Masukan Target
p1 p2 1 t
0 0 1 -1
0 1 1 -1
1 0 1 -1
1 1 1 1
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Algoritma pelatihan Hebb :
Inisialisasi bobot dan bias : w1 = 0 w2 = 0 b=0
---------------------------------------------------------------------------------------------------------------------
Data ke-1 : x1 = 0 x2 = 0 y = -1 (target)
Perubahan bobot dan bias untuk Data ke-1 :
W1(baru) = w1(lama) + x1*y
= 0 + 0*-1
= 0
W2(baru) = w2(lama) + x2*y
= 0 + 0*-1
= 0
b(baru) = b(lama) + y
= 0 + -1
= -1
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Data ke-2 : x1 = 0 x2 = 1 y = -1 (target)
Perubahan bobot dan bias untuk Data ke-2 :
W1(baru) = w1(lama) + x1*y
= 0 + 0*-1
= 0
W2(baru) = w2(lama) + x2*y
= 0 + 1*-1
= -1
b(baru) = b(lama) + y
= -1 + -1
= -2
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Data ke-3 : x1 = 1 x2 = 0 y = -1 (target)
Perubahan bobot dan bias untuk Data ke-3 :
W1(baru) = w1(lama) + x1*y
= 0 + 1*-1
= -1
W2(baru) = w2(lama) + x2*y
= -1 + 0*-1
= -1
b(baru) = b(lama) + y
= -2 + -1
= -3
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Data ke-4 : x1 = 1 x2 = 1 y = 1 (target)
Perubahan bobot dan bias untuk Data ke-4 :
W1(baru) = w1(lama) + x1*y
= -1 + 1*1
= 0
W2(baru) = w2(lama) + x2*y
= -1 + 1*1
= 0
b(baru) = b(lama) + y
= -3 + 1
= -2
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Dari perhitungan diperoleh nilai bobot w1 = 0 w2 = 0 dan b = -2
Nilai tersebut yang akan dipakai untuk menguji seluruh data masukan, hasilnya
adalah :
p1 p2 n = p1 w1 +p2 w2+ b Y Y 1, n 0
0 0 0.0+0.0+(-2) = -2 -1 1, n 0
0 1 0.0+1.0+(-2)= -2 -1
1 0 1.0+0.0+(-2)= -2 -1
1 1 1.0+1.0+(-2)= -2 -1
Keluaran target Jaringan Hebb tidak dapat ‘mengerti’ pola yang dimaksud
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
c. Pola hubungan masukan-target (masukan bipolar dan keluaran bipolar)
Masukan Target
p1 p2 1 t
-1 -1 1 -1
-1 1 1 -1
1 -1 1 -1
1 1 1 1
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Algoritma pelatihan Hebb :
Inisialisasi bobot dan bias : w1 = 0 w2 = 0 b=0
---------------------------------------------------------------------------------------------------------------------
Data ke-1 : x1 = -1 x2 = -1 y = -1 (target)
Perubahan bobot dan bias untuk Data ke-1 :
W1(baru) = w1(lama) + x1*y
= 0 + -1*-1
= 1
W2(baru) = w2(lama) + x2*y
= 0 + -1*-1
= 1
b(baru) = b(lama) + y
= 0 + -1
= -1
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Data ke-2 : x1 = -1 x2 = 1 y = -1 (target)
Perubahan bobot dan bias untuk Data ke-2 :
W1(baru) = w1(lama) + x1*y
= 1 + -1*-1
= 2
W2(baru) = w2(lama) + x2*y
= 1 + 1*-1
= 0
b(baru) = b(lama) + y
= -1 + -1
= -2
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Data ke-3 : x1 = 1 x2 = -1 y = -1 (target)
Perubahan bobot dan bias untuk Data ke-3 :
W1(baru) = w1(lama) + x1*y
= 2 + 1*-1
= 1
W2(baru) = w2(lama) + x2*y
= 0 + -1*-1
= 1
b(baru) = b(lama) + y
= -2 + -1
= -3
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Data ke-4 : x1 = 1 x2 = 1 y = 1 (target)
Perubahan bobot dan bias untuk Data ke-4 :
W1(baru) = w1(lama) + x1*y
= 1 + 1*1
= 2
W2(baru) = w2(lama) + x2*y
= 1 + 1*1
= 2
b(baru) = b(lama) + y
= -3 + 1
= -2
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
Dari perhitungan diperoleh nilai bobot w1 = 2 w2 = 2 dan b = -2
Nilai tersebut yang akan dipakai untuk menguji seluruh data masukan, hasilnya
adalah :
p1 p2 n = p1 w1 +p2 w2+ b Y Y 1, n 0
-1 -1 -1.2+-1.2+(-2) = -6 -1 1, n 0
-1 1 -1.2+1.2+(-2)= -2 -1
1 -1 1.2+-1.2+(-2)= -2 -1
1 1 1.2+1.2+(-2)= 2 1
Keluaran = target Jaringan Hebb dapat ‘mengerti’ pola yang dimaksud
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
• Berdasarkan contoh 1.5 , jaringan Hebb mampu mengenali
fungsi logika AND dua input apabila representasi data masukan
dan keluaran keduanya berbentuk bipolar.
• Ini berarti dalam jaringan Hebb, pengenalan pola tidak hanya
ditentukan oleh algoritma untuk merevisi bobot saja, tetapi
representasi data juga ikut menentukan hasil pengenalan pola.
• Biasanya representasi data yang digunakan pada jaringan Hebb
adalah bipolar
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
• Latihan Soal 1
Buat jaringan Hebb untuk mengenali pola pada tabel di
bawah ini
p1 p2 p3 1 t
-1 1 1 1 -1
1 -1 1 1 -1
1 1 -1 1 -1
1 1 1 1 1
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
• Latihan Soal 2
Diketahui dua buah pola seperti huruf “T” dan “U” seperti
Gambar di bawah ini. Gunakan jaringan Hebb untuk
mengenali pola tersebut
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
Algoritma Hebb Rule (Neuron Hebb)
• Latihan Soal 3
Berdasarkan pelatihan yang telah dilakukan oleh jaringan
Hebb untuk model huruf “T” dan “U” pada Latihan Soal 2 di
atas, Ujilah model pada Gambar di bawah ini, apakah
mirip huruf “T” atau huruf “U”
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
SELESAI
FAKULTAS SAINS DAN
TEKNOLOGI
UIN SUSKA RIAU
