Lihat sumber Fungsi Aktivasi pada Perceptron

Fungsi aktivasi pada perceptron berperan penting dalam menentukan output dari model berdasarkan hasil penjumlahan input dan bobot. Tanpa fungsi ini, model tidak dapat membuat keputusan klasifikasi. Fungsi aktivasi yang umum digunakan pada perceptron adalah fungsi step atau [[Heaviside step function]].

== Jenis Fungsi Aktivasi ==
Fungsi step menghasilkan output biner, yaitu 1 jika nilai input lebih dari ambang batas, dan 0 jika sebaliknya. Fungsi ini sederhana dan menjadi ciri khas perceptron klasik. Pada model yang lebih kompleks, digunakan fungsi aktivasi lain seperti [[sigmoid]] atau [[ReLU]].

== Peran Fungsi Aktivasi ==
Fungsi aktivasi memungkinkan perceptron untuk melakukan [[klasifikasi]] dengan membagi ruang input ke dalam dua kelas. Tanpa fungsi ini, output model akan berupa nilai kontinu dan sulit digunakan untuk pengambilan keputusan.

== Pengaruh pada Pembelajaran ==
Pemilihan fungsi aktivasi mempengaruhi kemampuan model dalam belajar dari data. Fungsi step cocok untuk masalah klasifikasi biner dengan data yang [[linear separable]], sementara fungsi lain diperlukan untuk model yang lebih kompleks seperti [[multilayer perceptron]].