Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

2026-08-23T10:29:38Z

Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

← Revisi sebelumnya		Revisi per 23 Agustus 2026 10.29
Baris 1:		Baris 1:
	Dalam ilmu [[pemelajaran mesin]], '''''perceptron''''' adalah algoritma pada pemelajaran terbimbing untuk melakukan klasifikasi biner (dua jenis). Klasifikasi biner menggunakan suatu fungsi yang menentukan suatu data termasuk dalam suatu kelompok atau tidak. Ia termasuk jenis pengklasifikasi [[Lincoln Near-Earth Asteroid Research\|linear]], yaitu algoritma klasifikasi yang memprediksi dengan fungsi linear yang tersusun dari himpunan bobot dengan vektor fitur.		[[File:Perceptron_moj.png\|thumb\|right\|280px\|Perceptron moj]]

			Dalam ilmu [[pemelajaran mesin]], '''''perceptron''''' adalah algoritma pada pemelajaran terbimbing untuk melakukan klasifikasi biner (dua jenis). Klasifikasi biner menggunakan suatu fungsi yang menentukan suatu data termasuk dalam suatu kelompok atau tidak.<ref>Y. Freund. [http://cseweb.ucsd.edu/~yfreund/papers/LargeMarginsUsingPerceptron.pdf Large margin classification using the perceptron algorithm]. ''Machine Learning''. 1999. Vol. 37 (3). hlm. 277–296. doi:10.1023/A:1007662407062.</ref> Ia termasuk jenis pengklasifikasi [[Lincoln Near-Earth Asteroid Research\|linear]], yaitu algoritma klasifikasi yang memprediksi dengan fungsi linear yang tersusun dari himpunan bobot dengan vektor fitur.

	== Definisi ==		== Definisi ==
Baris 30:		Baris 32:

	== Referensi ==		== Referensi ==
			<references />

			== Sumber dan atribusi ==

			Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Perceptron&oldid=29507412 Wikipedia bahasa Indonesia], revisi 29507412 (2026-07-30T14:38:07Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Gambar pada artikel ini bersumber dari Wikimedia Commons dan mengikuti ketentuan lisensi masing-masing berkas. Mohon gunakan konten dan media secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

	~~== Sumber dan atribusi ==~~		<!-- WIKI_UNISSULA_PRESENTATION_V4 -->

	~~Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Perceptron&oldid=29507412 Wikipedia bahasa Indonesia], revisi 29507412 (2026~~-07-~~30T14:38:07Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi~~-~~BerbagiSerupa (CC BY~~-~~SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.~~

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29507412; atribusi sumber disertakan.

2026-08-23T10:02:11Z

Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29507412; atribusi sumber disertakan.

Halaman baru

Dalam ilmu [[pemelajaran mesin]], '''''perceptron''''' adalah algoritma pada pemelajaran terbimbing untuk melakukan klasifikasi biner (dua jenis). Klasifikasi biner menggunakan suatu fungsi yang menentukan suatu data termasuk dalam suatu kelompok atau tidak. Ia termasuk jenis pengklasifikasi [[Lincoln Near-Earth Asteroid Research|linear]], yaitu algoritma klasifikasi yang memprediksi dengan fungsi linear yang tersusun dari himpunan bobot dengan vektor fitur.

== Definisi ==
Dalam konsep modern, ''perceptron'' adalah algoritma untuk mempelajari suatu pengklasifikasi biner yang disebut [[Pengklasifikasi linear#Definisi|fungsi ambang batas]], yaitu fungsi yang memetakan input <math>\mathbf{x}</math> (vektor bernilai riil) ke nilai <math>f(\mathbf{x})</math> (nilai biner):

:<math>
f(\mathbf{x}) = \begin{cases}
1 & \text{jika }\ \mathbf{w} \cdot \mathbf{x} + b > 0 \\
0 & \text{lainnya}
\end{cases}
</math>

dengan <math>\mathbf{w}</math> adalah vektor bobot (''weight'') bernilai riil dan <math>\mathbf{w} \cdot \mathbf{x}</math> adalah [[produk skalar]] <math>\sum_{i=1}^m w_i x_i</math> dengan <math>m</math> adalah jumlah input ke ''perceptron'' dan <math>b</math> adalah bias. Nilai bias menggeser batasan keputusan menjauh dari titik asal dan tidak bergantung pada nilai input.

Nilai <math>f(\mathbf{x})</math> (0 atau 1) dipakai untuk mengklasifikasikan <math>\mathbf{x}</math> sebagai kelompok positif atau negatif (untuk kasus klasifikasi biner).

Dalam konteks [[jaringan saraf tiruan]], ''perceptron'' adalah saraf tiruan yang menggunakan [[fungsi tangga Heaviside]] sebagai fungsi aktivasi. Algoritma ''perceptron'' juga disebut ''perceptron'' lapis tunggal (''single-layer perceptron'') untuk membedakannya dari ''perceptron'' lapis banyak (''multilayer perceptron'') yang dipakai untuk jaringan saraf tiruan yang lebih kompleks. Sebagai pengklasifikasi linear, ''perceptron'' lapis tunggal adalah jaringan saraf tiruan langkah depan (''feed-forward'') paling sederhana.

== Bacaan lebih lanjut ==
* Aizerman, M. A., Braverman, E. M., dan Lev I. Rozonoer. 1964. "Theoretical foundations of the potential function method in pattern recognition learning". ''Automation and Remote Control'', 25: 821–837.
* Collins, M. 2002. [https://www.aclweb.org/anthology/W02-1001 "Discriminative training methods for hidden Markov models: Theory and experiments with the perceptron algorithm"] dalam ''Proceedings of the Conference on Empirical Methods in Natural Language Processing'' (EMNLP '02).
* Gallant, S. I. 1990. [http://ieeexplore.ieee.org/xpl/freeabs_all.jsp?arnumber=80230 "Perceptron-based learning algorithms".] ''IEEE Transactions on Neural Networks'', 1 (2), hal. 179–191.
* Minsky M. L. dan Papert S. A. 1969. ''Perceptrons''. Cambridge: MIT Press.
* Mohri, Mehryar dan Rostamizadeh, Afshin. 2013. [https://arxiv.org/abs/1305.0208 "Perceptron Mistake Bounds".] arXiv:1305.0208 [cs.LG].
* Novikoff, A. B. 1962. "On convergence proofs on perceptrons". ''Symposium on the Mathematical Theory of Automata'', 12, hal. 615–622.
* Rosenblatt, Frank. 1958. "The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain". ''Psychological Review'', 65 (6), hal. 386–408. .
* Rosenblatt, Frank. 1962. ''Principles of Neurodynamics''. Washington: Spartan Books.
* Widrow, B. dan Lehr, M. A. 1990. [http://www.inf.ufrgs.br/~engel/data/media/file/cmp121/widrow.pdf "30 years of Adaptive Neural Networks: Perceptron, Madaline, and Backpropagation".] ''Proc. IEEE'', 78 (9), hal. 1415–1442.
* Yin, Hongfeng. 1996. "Perceptron-Based Algorithms and Analysis". ''Spectrum Library'', Concordia University, Kanada

== Referensi ==

== Sumber dan atribusi ==

Konten artikel ini diadaptasi dari [https://id.wikipedia.org/w/index.php?title=Perceptron&oldid=29507412 Wikipedia bahasa Indonesia], revisi 29507412 (2026-07-30T14:38:07Z), yang tersedia berdasarkan lisensi Creative Commons Atribusi-BerbagiSerupa (CC BY-SA). Mohon gunakan konten ini secara bijak serta sesuai dengan ketentuan lisensi yang berlaku.

Perceptron - Riwayat revisi

Maintenance script: Presentation V4: sitasi, referensi, Math, Wikimedia Commons, dan atribusi

Maintenance script: Impor teks terkontrol dari Wikipedia bahasa Indonesia; revisi 29507412; atribusi sumber disertakan.