Arsitektur Perceptron

Arsitektur perceptron merupakan landasan utama dalam pengembangan jaringan saraf tiruan. Model ini terdiri dari satu lapisan input dan satu lapisan output tanpa lapisan tersembunyi. Setiap input dikalikan dengan bobot tertentu, kemudian hasilnya dijumlahkan dan diproses melalui fungsi aktivasi.

Komponen Utama

Komponen utama perceptron meliputi input, bobot, fungsi penjumlahan, dan fungsi aktivasi. Setiap input data mendapatkan bobot yang mencerminkan tingkat kepentingannya. Fungsi penjumlahan bertugas mengakumulasikan hasil kali input dengan bobot, sedangkan fungsi aktivasi seperti step function menentukan output akhir.

Diagram Perceptron

Diagram perceptron biasanya digambarkan berupa titik-titik yang mewakili input, dengan garis penghubung ke node output. Bobot pada tiap garis tersebut dapat diubah selama proses pelatihan. Skema ini sangat membantu dalam memahami proses propagasi sinyal di neural network.

Peran Bias

Bias adalah nilai tambahan yang disertakan dalam proses penjumlahan input dan bobot. Bias berfungsi untuk menggeser hasil fungsi aktivasi agar model dapat menyesuaikan diri terhadap data yang tidak melalui titik asal (origin) pada bidang koordinat.