Page 25 - Learning Mahasiswa

Adapun algoritma pelatihan perceptron sebagai berikut:
• Melakukan inisialisasi semua bobot dan bias (untuk

sederhananya semua bobot dan bobot bias diset sama

dengan nol). Set learning rate:  = 1, (0 <   1)

• Selama kondisi berhenti dan bernilai false, selanjutnya dilakukan
langkah-langkah sebagai berikut:

1. Pada setiap pasangan pembelajaran s – t, dilakukan:

a. Set input dengan nilai sama dengan vektor input, yaitu xi

= si

b. Menghitung respon untuk unit output, menggunakan
persamaan:

y _in = b +  x i w i
i
 ,1 jika y_in 


y = 0 , jika  -  y_in 


1
 − , jika y_in 
c. Melakukan perbaikan bobot dan bias jika terjadi error:
Jika y  t maka:

wi(baru) = wi(lama) + *t*xi

b(baru) = b(lama) + *t
Jika tidak maka :

wi(baru) = wi(lama)

b(baru) = b(lama)

2. Tes kondisi berhenti: apabila tidak terdapat perubahan
bobot pada (i) maka kondisi berhenti TRUE, namun apabila

masih terdapat perubahan maka kondisi berhenti FALSE.

- Algoritma Aplikasi/Pengujian

Algoritma aplikasi/pengujian perceptron sebagai berikut:

1. Menerapkan algoritma pelatihan untuk mengeset bobot-bobot
2. Pada setiap vektor input x yang ingin diklasifikasikan, lakukan

langkah 3

18