Dokumen tersebut membahas dua model neuron yaitu McCulloch-Pitts dan Hebb. McCulloch-Pitts adalah model neuron pertama yang dirancang tahun 1943, sedangkan model Hebb dirancang tahun 1949 oleh Donald Hebb. Kedua model dijelaskan arsitektur dan algoritmanya beserta contoh penerapan untuk mengenali pola logika AND dan OR.
2. MODEL NEURON MCCULLOCH-PITTS
Tahun 1943 oleh Warren Mc Culloch, Ahli
Syaraf dan Walter Pitts, Ahli Logika
Neuron McCulloch-Pitts model JST
pertama
5. CONTOH 1
Buat Model Neuron McCulloch-Pitts untuk
mengenali pola fungsi logika “AND” sesuai tabel
kebenaran berikut.
X1 X2 Y
0 0 0
0 1 0
1 0 0
1 1 1
10. ALGORITMA PELATIHAN HEBB
1. Inisialisasi Bobot dan Bias: Wi=0; b=0
2. Untuk setiap pasangan input-target,
lakukan
a. Set aktivasi unit input: Xi=Si; (i=1,2,...,n)
b. Set aktivasi unit output:Yj=tj; (j=1,2,...,m)
11. ALGORITMA PELATIHAN HEBB
3. Perbaiki bobot menurut persamaan
berikut Wi(baru)=Wi(lama)+Xi*Yj;
4. Perbaiki bias menurut persamaan
berikut
b(baru)=b(lama)+Y
12. CONTOH 2
Buat jaringan Hebb untuk mengenali pola
fungsi logika “OR” menurut tabel
kebenaran berikut.
X1 X2 Target
0 0 0
0 1 1
1 0 1
1 1 1
14. CONTOH 2; DATA KE-1
X1 = 0; X2 = 0 ; y= 0 (target)
Perubahan bobot dan bias untuk data ke-1:
W1(baru) = W1(lama)+X1*Y
= 0+0.0 = 0
W2(baru) = W2(lama)+X2*Y
= 0+0.0 = 0
b(baru) = b(lama)+Y
= 0+0 = 0
15. CONTOH 2; DATA KE-2
X1 = 0; X2 = 1 ; y= 1 (target)
Perubahan bobot dan bias untuk data ke-2:
W1(baru) = W1(lama)+X1*Y
= 0+0.1 = 0
W2(baru) = W2(lama)+X2*Y
= 0+1.1 = 1
b(baru) = b(lama)+Y
= 0+1 = 1
16. CONTOH 2; DATA KE-3
X1 = 1; X2 = 0 ; y= 1 (target)
Perubahan bobot dan bias untuk data ke-3:
W1(baru) = W1(lama)+X1*Y
= 0+1.1 = 1
W2(baru) = W2(lama)+X2*Y
= 1+0.1 = 1
b(baru) = b(lama)+Y
= 1+1 = 2
17. CONTOH 2; DATA KE-4
X1 = 1; X2 = 1 ; y= 1 (target)
Perubahan bobot dan bias untuk data ke-4:
W1(baru) = W1(lama)+X1*Y
= 1+1.1 = 2
W2(baru) = W2(lama)+X2*Y
= 1+1.1 = 2
b(baru) = b(lama)+Y
= 2+1 = 3
18. CONTOH 2;PENGUJIAN
Nilai W1=2; W2=2 dan b=3 digunakan untuk
pengujian terhadap fungsi aktifasi
X1 X2 Net = ΣXiWi
+ b
Y(net)
0 0 0.2+0.2+3 = 3 1
0 1 0.2+1.2+3 = 5 1
1 0 1.2+0.2+3 = 5 1
1 1 1.2+1.2+3 = 7 1
19. CONTOH 2; HASIL
≠
Y(net) ≠ Target
JST tidak dapat mengenali pola pada fungsi
logika OR dengan input-output berupa bilangan
biner.
20. TUGAS MANDIRI
Coba jaringan Hebb untuk mengenali pola
fungsi logika OR dengan ketentuan:
Input bilangan biner, output bilangan bipolar
Input bilangan bipolar, output bilangan
bipolar
Coba jaringan Hebb untuk mengenali pola
fungsi logika AND dengan ketentuan
Input bilangan biner, output bilangan biner
Input bilangan biner, output bilangan bipolar
Input bilangan bipolar, output bilangan
bipolar