Page 18 - Learning Dosen

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