<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="id">
	<id>https://inibudi.or.id/wiki/index.php?action=history&amp;feed=atom&amp;title=Perceptron_dalam_Neural_Network</id>
	<title>Perceptron dalam Neural Network - Riwayat revisi</title>
	<link rel="self" type="application/atom+xml" href="https://inibudi.or.id/wiki/index.php?action=history&amp;feed=atom&amp;title=Perceptron_dalam_Neural_Network"/>
	<link rel="alternate" type="text/html" href="https://inibudi.or.id/wiki/index.php?title=Perceptron_dalam_Neural_Network&amp;action=history"/>
	<updated>2026-05-23T00:18:27Z</updated>
	<subtitle>Riwayat revisi halaman ini di wiki</subtitle>
	<generator>MediaWiki 1.43.0</generator>
	<entry>
		<id>https://inibudi.or.id/wiki/index.php?title=Perceptron_dalam_Neural_Network&amp;diff=8899&amp;oldid=prev</id>
		<title>Budi: Batch created by Azure OpenAI</title>
		<link rel="alternate" type="text/html" href="https://inibudi.or.id/wiki/index.php?title=Perceptron_dalam_Neural_Network&amp;diff=8899&amp;oldid=prev"/>
		<updated>2025-07-27T02:58:14Z</updated>

		<summary type="html">&lt;p&gt;Batch created by Azure OpenAI&lt;/p&gt;
&lt;p&gt;&lt;b&gt;Halaman baru&lt;/b&gt;&lt;/p&gt;&lt;div&gt;Perceptron adalah unit dasar dari sebuah [[jaringan syaraf tiruan]] yang pertama kali diperkenalkan oleh Frank Rosenblatt pada tahun 1957. Model perceptron merepresentasikan neuron buatan yang dapat digunakan untuk melakukan [[klasifikasi]] data secara linier.&lt;br /&gt;
&lt;br /&gt;
== Cara Kerja Perceptron ==&lt;br /&gt;
Setiap perceptron menerima sejumlah input yang masing-masing memiliki bobot tersendiri. Output dari perceptron ditentukan oleh fungsi aktivasi yang biasanya berupa fungsi langkah. Jika jumlah input yang berbobot melebihi suatu ambang batas, maka perceptron akan &amp;quot;menyala&amp;quot; dan menghasilkan output 1; jika tidak, outputnya adalah 0.&lt;br /&gt;
&lt;br /&gt;
== Keterbatasan Perceptron ==&lt;br /&gt;
Perceptron hanya dapat memecahkan masalah yang [[linear separable]] atau dapat dipisahkan secara linier. Masalah yang lebih kompleks, seperti XOR, tidak dapat diselesaikan oleh perceptron tunggal. Hal ini mendorong pengembangan arsitektur lebih kompleks, seperti [[multi-layer perceptron]].&lt;br /&gt;
&lt;br /&gt;
== Peran dalam Neural Network Modern ==&lt;br /&gt;
Meskipun sederhana, perceptron menjadi fondasi bagi pengembangan jaringan syaraf yang lebih canggih. Konsep ini tetap relevan dalam pembelajaran [[deep learning]] dan digunakan sebagai blok bangunan dalam berbagai arsitektur jaringan modern.&lt;/div&gt;</summary>
		<author><name>Budi</name></author>
	</entry>
</feed>