Gerbang Logika

3. Gerbang Logika

Gerbang logika adalah rangkaian dengan satu

5. Hasil dan Analisa

atau lebih sinyal masukan, tetapi hanya menghasilkan Pelatihan dan pengujian data dengan metode satu sinyal berupa tegangan tinggi atau tegangan

perceptron dengan menggunakan tiga pola data yang rendah sebagai sinyal keluaran. Gerbang logika

berbeda serta masing-masing target yang berbeda merupakan dasar pembentukan sistem digital. pula. Adapun bentuk pola data pertama yang akan Gerbang logika yang digunakan diantaranya OR,

dilatih dan diuji ditunjukkan pada Tabel 1 dengan AND, NOR, NAND, Ex-OR, dan Ex-NOR di mana

data input biner dan data target biner. [2]:

Tabel 1(a). Data Input Biner dengan Data Target

a. Gerbang OR

Biner

Gerbang OR adalah suatu rangkaian logika

Data

Data Target

dasar yang menyatakan bahwa output-nya akan

Input

mempunyai logika 1 jika salah satu input-nya

O AN NO NA Ex- Ex-

mempunyai logika 1 atau semuanya mempunyai

ND OR NOR

logika 1.

b. Gerbang AND

0 1 1 0 0 1 1 0 Gerbang AND adalah suatu rangkaian logika

1 1 1 1 0 0 0 1 dasar yang menyatakan output-nya akan

mempunyai logika 1 jika semua input-nya Pola data pada Tabel 1(a) adalah pola data berlogika 1. dengan dua data input dan satu data target yang

ISBN: 979-458-766-4 KeTIK 2014 Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi

bervariasi dengan learning rate = 0.7 maksimum Adapun grafik penurunan kuadrat error pada epoch = 150000. Adapun hasil pelatihan dan fungsi logika NOR dengan target error 0.1 pengujian dari data pada Tabel 1(a) dapat dilihat pada

ditunjukkan pada Gambar 1.

Tabel 1(b).

Tabel 1(b). Hasil Pengujian Data Input Biner dengan Data Target Biner

Gambar 1. Grafik Penurunan Kuadrat Error

Selanjutnya yaitu menguji bentuk pola dengan data input bipolar dengan target bipolar yang ditunjukkan pada Tabel 2.

Tabel 2(a). Data Input Bipolar dengan Data Target Bipolar

Data

Data Target

Dari Tabel 1(b) dapat dilihat bahwa pengujian Pola data pada Tabel 2(a) adalah pola data dengan input biner dan target biner untuk mengenali

dengan dua data input dan satu data target yang gerbang logika dengan metode perceptron memiliki

bervariasi dengan learning rate dan maksimum epoch hasil yang berbeda. Dimana pengujian fungsi logika

yang sama pada pengujian data sebelumnya, yaitu OR dan NOR lebih cepat dikenali dibandingkan

learning rate = 0.7 maksimum epoch = 150000. dengan fungsi logika lainnya pada target error 0.1 dan

Adapun hasil pelatihan dan pengujian dari data pada jumlah iterasi 20. Sedangkan fungsi logika AND dan

Tabel 2(a) dapat dilihat pada Tabel 2(b). NAND dikenali pada target error 0.1 dan jumlah iterasi 21. Untuk pengujian fungsi logika Ex-OR dan

Ex-NOR dengan data biner hasilnya tidak dapat dikenali dengan jumlah iterasinya tak terhingga.

KeTIK 2014

ISBN: 979-458-766-4

Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi

Tabel 2(b). Hasil Pengujian Data Input Bipolar Tabel 3(b). Hasil Pengujian Data Input Bimer dengan Data Target Bipolar

dengan Data Target Bipolar

Dari Tabel 2(b) dapat dilihat bahwa hasil Dari Tabel 3(b) dapat dilihat bahwa hasil pengujian dengan input bipolar dan target bipolar

dengan input biner dan target bipolar juga untuk mengenali gerbang logika dengan metode

mendapatkan hasil yang sama dengan pengujian data perceptron memiliki hasil yang sama, yaitu sama-

input bipolar dan target bipolar, yaitu sama-sama sama tidak dapat mengenali pola data yang diberikan.

tidak dapat mengenali pola data yang diberikan. Selanjutnya yaitu menguji bentuk pola dengan

Dari ke-3 pengujian dapat diketahi bahwa data data input biner dengan target bipolar (hybrid) yang

biner yang lebih baik dan dapat mengenali gerbang ditunjukkan pada Tabel 3.

logika dengan metode perceptron dibandingkan dengan data bipolar dan hybrid yang hasilnya sama-

Tabel 3(a). Data Input Biner dengan Data Target sama tidak dapat mengenali pola data yang diberikan. Bipolar (Hybrid)

Data

6. Kesimpulan

Data Target

Input

Dari hasil penelitian dapat diambil beberapa

Ex-

kesimpulan antara lain:

X X OR AND NOR NAN 1 Ex- 2 NO

a. Data biner lebih baik digunakan dari pada data

D OR

bipolar dan hybrid dalam mengenali gerbang

b. Gerbang logika OR dan NOR dengan input biner

dan target biner lebih cepat dikenali dari pada

1 gerbang logika yang lain pada target error 0.1 dan jumlah iterasi 20.

c. Gerbang logika Ex-OR dan Ex-NOR tidak dapat dengan dua data input dan satu data target yang

Pola data pada Tabel 3(a) adalah pola data

dikenali dengan input biner dan target biner. bervariasi dengan learning rate dan maksimum epoch

d. Metode perceptron tidak dapat mengenali gerbang yang sama pada pengujian data sebelumnya, yaitu

logika dengan baik pada data input bipolar dengan learning rate = 0.7 maksimum epoch = 150000.

target bipolar maupun data input biner dengan Adapun hasil pelatihan dan pengujian dari data pada

target bipolar (hybrid).

Tabel 2(a) dapat dilihat pada Tabel 3(b).

ISBN: 979-458-766-4 KeTIK 2014 Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi

Daftar Pustaka:

Liu, Dehua, et al. (2013). “Large-Scale [1] Afriyanti, Liza (2010). “Rancang Bangun

[5]

Hierarchical Classification via Tool untuk Jaringan Syaraf Tiruan

Stochastic Perceptron”. Proceedings (JST) Model Perceptron”. Prosiding

of the Twenty-Seventh AAAI SNATI, Juni 2010. Universitas Islam

Conference on Artificial Intelligence. Indonesia, Yogyakarta.

Zhejiang University, Hangzhou [2] Andrian, Yudhi (2011). “Sistem Digital”.

310007, China.

Sutojo, T., et al. (2010). “Kecerdasan [3] Baldassi, Carlo (2012). “Generalization

Penerbit Andi, Yogyakarta.

[6]

Buatan”. Penerbit Andi, Yogyakarta. Learning in a Perceptron With Binarysynapses”. Torino, Italy.

[4] Ghiaseddin, Behnam, et al. (2013). “Multilayer Perceptron network for automatic Driving vehicle”. Life Science Journal 2013;10(5s).

KeTIK 2014

ISBN: 979-458-766-4

Konferensi Nasional Pengembangan Teknologi Informasi dan Komunikasi