Perceptron Algoritma Pelatihan Perceptron 1 Inisialisasi semua bobot

Perceptron Algoritma Pelatihan Perceptron: 1. Inisialisasi semua bobot dan bias (biasanya = 0) Set learning rate: (0 < 1). untuk penyederhanaan set sama dengan 1. Set nilai threshold (θ) untuk fungsi aktivasi 2. Untuk setiap pasangan pembelajaran s-t, kerjakan: a) set aktivasi unit input xi = si; b) Hitung respon untuk unit output: c) Masukkan kedalam fungsi aktivasi :

Perceptron d) Bandingkan nilai output jaringan y dengan target t jika y ≠ t , lakukan perubahan bobot dan bias dengan cara : wi(baru) = wi(lama) + *t*xi b(baru) = b(lama) + *t jika y = t , tidak ada perubahan bobot dan bias: wi(baru) = wi(lama) b(baru) = b(lama) 3. Lakukan iterasi terus-menerus hingga semua pola memiliki output jaringan yang sama dengan targetnya. Artinya bila semua output jaringan sama dengan target maka jaringan telah mengenali pola dengan baik dan iterasi dihentikan.

Contoh Soal. 1 Buat jaringan Perceptron untuk menyatakan fungsi logika AND dengan menggunakan masukan biner dan keluaran bipolar. Pilih = 1 dan = 0, 2 Jawab : Pola hubungan t x 1 x 2 masukan-target : 0 0 -1 X 2 b net f y 0 1 -1 1 0 -1 1

Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Perubahan bobot w = xi t b = t w 1 w 2 b Epoch ke - 1 b 0 0 0 -1 1 -1 0 0 0 1 1 -1 -1 -1 0 0 -1 1 0 1 -1 -1 -1 0 0 -1 1 1 -1 -1 1 1 0 Target pi wi +b Output t net y=f(n) x 1 x 2 1 -1 w 2 0 1 0 w 1 0 Masukan 0 Bobot baru wbaru = wlama + w bbaru = blama + b 1 Perubahan bobot w = xi t b = t w 1 w 2 b Epoch ke - 2 Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b 1 1 0 0 0 1 -1 0 0 -1 1 1 -1 0 0 0 -1 -1 1 0 -2 1 0 1 -1 -1 -1 1 0 -2 1 1 -1 -1 2 1 -1 1

Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Perubahan bobot w = pi t b = t w 1 w 2 b Epoch ke – 3 Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b 2 1 -1 0 0 1 -1 -1 -1 0 1 1 -1 0 0 0 -1 -1 2 0 -2 1 0 1 -1 0 0 -1 1 0 -3 1 1 -2 -1 1 2 1 -2 Target pi wi +b Output t net y=f(n) Masukan x 1 x 2 Perubahan bobot w = pi t b = t w 1 w 2 b Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b Epoch ke - 4 0 0 1 -1 -2 -1 2 1 -2 0 1 1 -1 -1 -1 2 1 -2 1 0 1 -1 0 0 -1 1 1 -3 1 1 -1 -1 1 2 2 -2

Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Perubahan bobot w = pi t b = t w 1 w 2 b Epoch ke - 5 0 0 1 -1 -2 -1 0 1 1 -1 0 0 1 -1 -1 -1 1 1 0 0 Target pi wi +b Output t net y=f(n) Masukan x 1 x 2 0 1 -1 1 Perubahan bobot w = pi t b = t w 1 w 2 b Epoch ke - 6 Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b 2 2 -2 2 1 -3 3 2 -2 Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b 3 2 -2 0 0 1 -1 -2 -1 0 1 1 -1 0 0 0 -1 -1 3 1 -3 1 0 1 -1 0 0 -1 2 1 -4 1 1 -1 -1 1 3 2 -3

Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Perubahan bobot w = pi t b = t w 1 w 2 b Epoch ke - 7 Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b 3 2 -3 0 0 1 -1 -3 -1 3 2 -3 0 1 1 -1 -1 -1 3 2 -3 1 0 1 -1 0 0 -1 2 2 -4 1 1 0 0 1 1 1 3 3 -3 Target pi wi +b Output t net y=f(n) Masukan x 1 x 2 Perubahan bobot w = pi t b = t w 1 w 2 b Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b 3 3 -3 3 2 -4 Epoch ke - 8 0 0 1 -1 -3 -1 0 1 1 -1 0 0 1 -1 -1 -1 3 2 -4 1 1 1 3 2 -4 0 -1 -1

Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Epoch ke - 9 Perubahan bobot w = pi t b = t w 1 w 2 b Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b 3 2 -4 0 0 1 -1 -4 -1 3 2 -4 0 1 1 -1 -2 -1 3 2 -4 1 0 1 -1 -1 -1 3 2 -4 1 1 1 3 2 -4

Contoh Soal. 1 Buat jaringan Perceptron untuk menyatakan fungsi logika AND dengan menggunakan masukan biner dan keluaran bipolar. Pilih = 0, 8 dan = 0, 5 Jawab : Pola hubungan t x 1 x 2 masukan-target : 0 0 -1 X 2 b net f y 0 1 -1 1 0 -1 1

Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Perubahan bobot w = xi t b = t w 1 w 2 b Epoch ke – 1 b 0 0 0 -0, 8 -1 0 0 0 1 0, 8 -1 -0, 8 -1 0 0 -0, 8 1 0 0, 8 -1 -0, 8 -1 0 0 -0, 8 1 1 0, 8 1 -0, 8 -1 0, 8 Target pi wi +b Output t net y=f(n) x 1 x 2 Epoch ke - 2 0 0 0, 8 -1 0 1 0, 8 -1 1 0 0, 8 -1 1 1 0, 8 -0, 8 w 2 0 0, 8 0 w 1 0 Masukan 0 Bobot baru wbaru = wlama + w bbaru = blama + b 0, 8 Perubahan bobot w = pi t b = t w 1 w 2 b 0 Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b

Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Perubahan bobot w = pi t b = t w 1 w 2 b Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b Epoch ke – 3 0 0 0, 8 -1 0 1 0, 8 -1 1 0 0, 8 -1 1 1 0, 8 1 Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Epoch ke - 4 0 0 0, 8 -1 0 1 0, 8 -1 1 0 0, 8 -1 1 1 0, 8 1 Perubahan bobot w = pi t b = t w 1 w 2 b Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b

Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Perubahan bobot w = pi t b = t w 1 w 2 b Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b Epoch ke - 5 0 0 0, 8 -1 0 1 0, 8 -1 1 0 0, 8 -1 1 1 0, 8 1 Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Epoch ke - 6 0 0 0, 8 -1 0 1 0, 8 -1 1 0 0, 8 -1 1 1 0, 8 1 Perubahan bobot w = pi t b = t w 1 w 2 b Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b

Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Perubahan bobot w = pi t b = t w 1 w 2 b Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b Epoch ke - 7 0 0 0, 8 -1 0 1 0, 8 -1 1 0 0, 8 -1 1 1 0, 8 1 Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Epoch ke - 8 0 0 0, 8 -1 0 1 0, 8 -1 1 0 0, 8 -1 1 1 0, 8 1 Perubahan bobot w = pi t b = t w 1 w 2 b Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b

Masukan x 1 x 2 Target pi wi +b Output t net y=f(n) Epoch ke - 9 0 0 0, 8 -1 0 1 0, 8 -1 1 0 0, 8 -1 1 1 0, 8 1 Perubahan bobot w = pi t b = t w 1 w 2 b Bobot baru wbaru = wlama + w bbaru = blama + b w 1 w 2 b

Latihan Soal. 3 (TUGAS) Buat jaringan Perceptron untuk mengenali pola pada tabel di bawah ini. Gunaka = 1 dan = 0, 1. x 1 x 2 X 3 t 0 1 1 -1 1 0 1 -1 1 1 0 -1 1 1