Page 18 - Learning Mahasiswa
P. 18
feedback dari input yang digunakan. Gambar 5 merupakan
ilustrasi dari recurrent network.
Gambar 5 Recurrent Network
Sumber: wikipedia.org
Untuk menentukan keluaran neuron maka diperlukan suatu
fungsi aktivasi. Fungsi aktivasi diartikan sebagai net masukan
(kombinasi linier masukan dan bobotnya). ANN menggunakan
fungsi aktivasi untuk membatasi keluaran Y agar sesuai dengan
batasan sinyal outputnya. Selain itu fungsi ini bertujuan untuk
menentukan apakah neuron diaktifkan atau tidak. Berikut
merupakan jenis-jenis fungsi aktivasi pada ANN:
a. Fungsi Linear
Fungsi aktivasi linear memiliki nilai output sama dengan nilai
input. Rumus dari fungsi aktivasi ini yaitu: y = x (Gambar 6). Fungsi
linear dianggap tidak menggunakan fungsi aktivasi karena fungsi
ini tidak didapat perhitungan apapun yang dilakukan pada nilai
keluaran.
11
