Gambar 2.7 Arsitektur Jaringan Syaraf Tiruan
[Laurence. Fausett. 1994].
2.4.1 Fungsi Aktivasi
Ada beberapa fungsi aktivasi yang sering digunakan dalam jaringan syaraf tiruan, antara lain:
a. Fungsi Undak Biner
Jaringan dengan lapisan tunggal sering menggunakan fungsi undak untuk mengkonversikan input dari suatu variable yang bernilai kontinu ke
suatu output biner 0 atau 1. Fungsi undak biner dirumuskan sebagai:
x x
Y 1
.…2.1
Gambar 2.8 Grafik Fungsi Undak Biner
[ Sri. Kusumadewi. 2003].
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
b. Fungsi Undak Biner Threshold
Fungsi undak biner dengan menggunakan nilai ambang sering juga disebut dengan nama fungsi nilai ambang. Fungsi undak biner dengan
nilai ambang θ dirumuskan sebagai:
x x
Y 1
…2.2
Gambar 2.9 Grafik Fungsi Undak Biner Threshold
[Sri. Kusumadewi. 2003].
c. Fungsi Bipolar
Fungsi bipolar sebenarnya hampir sama dengan fungsi undak biner, hanya saja output yang dihasilkan berupa 1,0, -1. Fungsi bipolar
dirumuskan sebagai:
1 1
x x
x Y
…2.3
Gambar 2.10 Grafik Fungsi Bipolar
[Sri. Kusumadewi. 2003].
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
d. Fungsi Bipolar Threshold
Fungsi bipolar sebenarnya hampir sama dengan fungsi undak buner dengan threshold, hanya saja output yang dihasilkan berupa 1, 0 atau –1.
Fungsi bipolar dengan threshold dirumuskan sebagai:
x x
Y 1
1 …2.4
Gambar 2.11 Grafik Fungsi Bipolar Threshold
[ Sri. Kusumadewi. 2003].
e. Fungsi Linear
Fungsi linear memiliki nilai output yang sama dengan nilai inputnya. Fungsi linear dirumuskan sebagai:
x Y
…2.5
Gambar 2.12 Grafik Fungsi Linear
[Sri. Kusumadewi. 2003].
f. Fungsi Saturating Linear
Fungsi ini akan bernilai 0 jika inputnya kurang dari -0,5 dan akan bernilai 1 jika inputnya lebih dari 0,5. Sedangkan jika nilai input terletak
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
antara –0,5 dan 0,5, maka outputnya akan bernilai sama dengan nilai input ditambah 0,5. Fungsi saturating linear dirumuskan sebagai:
5 ,
5 ,
5 ,
5 5
, 1
x x
x x
Y
…2.6
Gambar 2.13 Grafik Fungsi Saturating Linear
[Sri. Kusumadewi. 2003].
g. Fungsi Symetric Saturating Linear
Fungsi ini akan bernilai –1 jika inputnya kurang dari –1, dan akan bernilai 1 jika inputnya 1. Sedangkan jika nilai input terletak antara –1
dan 1, maka outputnya akan bernilai sama dengan nilai inputnya. Fungsi symmetric saturating linear dirumuskan sebagai:
1
1 1
1 1
1 x
x x
x Y
…2.7
Gambar 2.14 Grafik Fungsi Symetric Saturating Linear
[Sri. Kusumadewi. 2003].
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
h. Fungsi Sigmoid Biner
Fungsi ini digunakan untuk jaringan syaraf yang dilatih dengan menggunakan metode backpropagation. Fungsi sigmoid biner memiliki
nilai pada range 0 sampai 1. Oleh karena itu, fungsi ini sering digunakan untuk jaringan syaraf yang membutuhkan nilai output yang terletak pada
interval 0 sampai 1. Namun, fungsi ini bias juga digunakan oleh jaringan syaraf yang nilai outputnya 0 sampai 1.Fungsi sigmoid biner dirumuskan
sebagai:
x
e x
f Y
1
1 …2.8
Gambar 2.15 Grafik Fungsi Sigmoid Biner
[Sri. Kusumadewi. 2003].
i. Fungsi Sigmoid Bipolar
Fungsi sigmoid bipolar hampir sama dengan fungsi sigmoid biner, hanya saja output dari fungsi ini memiliki range antara 1 sampai –1.
Fungsi sigmoid bipolar dirumuskan sebagai:
x x
e e
x f
Y
1 1
…2.9
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Gambar 2.16 Grafik Fungsi Sigmoid Bipolar
[Sri. Kusumadewi. 2003].
2.4.2 Algoritma Backpropogation
Kategori