Algoritma Perceptron (Rosenblatt, 1958)

Perceptron (Rosenblatt, 1958)

      Selamat malam pemirsa, mumpung agak longgar saya mau nambahin coretan lagi di blog ini. Ngelanjutin tentang Neural network pada tulisan saya sebelumnya. Cekidot...

Pengertian

        Perceptron merupakan salah satu jenis ANN supervised. Perceptron pertama kali diperkenalkan oleh Frank Rosenblatt pada tahun 1958. Perceptron adalah jenis ANN untuk layer tunggal dan mempunyai performa yang baik pada klasifikasi data linear. Untuk klasifikasi data yang tidak linear, perceptron mempunyai performa yang kurang baik.Berikut merupakan arsitektur perceptron.

Gambar arsitektur perceptron

       Dari gambar di atas,x1 dan x2 adalah input. Input di sini adalah parameter atau fitur data yang akan di gunakan untuk data latih maupun data uji. Sedangkan w1 dan w2 adalah bobot. dan y adalah output.

       Perceptron menggunakan fungsi aktivasi untuk mendapatkan output. Untuk penjelasan fungsi aktivasi bisa agan baca di tulisan saya sebelumnya tentang Neural network.

Algoritma

1. merupakan data latih,x adalah data latih dan y adalah target yang di inginkan, inisialisasi bobot awal w ,learning rate dan maksimal epoh
2. hitung v dengan rumus v = (x*w)
3. hitung output dengan fungsi aktivasi output = sign(v)
4. jika output = target, maka di lanjutkan menghitung data kedua
5. jika output != target,maka lanjut ke langkah ke enam
6. hitung error,error = target - output
7. hitung bobot baru dengan rumus, bobot baru = bobot lama + (learning rate*error*input)
8. kembali ke langkah kedua untuk menghitung data selanjutnya dengan bobot baru
9. berhenti jika bobot tidak berubah untuk semua data atau iterasi maksimal epoh terpenuhi

sementara cukup untuk kali ini, untuk contoh perhitungan manualnya kita lanjutkan pada kesempatan yang akan datang.salam...