Perceptron adalah salah satu algoritma dasar dalam bidang Pembelajaran Mesin yang digunakan untuk klasifikasi data. Algoritma ini pertama kali diperkenalkan oleh Frank Rosenblatt pada tahun 1957. Perceptron merupakan model neuron buatan yang paling sederhana dan menjadi dasar perkembangan jaringan saraf tiruan. Perceptron hanya mampu memisahkan data yang bersifat linear separable atau dapat dipisahkan secara linier.
Sejarah Perceptron
Frank Rosenblatt mengembangkan perceptron sebagai sebuah sistem yang meniru cara kerja neuron pada otak manusia. Model ini awalnya diterapkan pada perangkat keras yang dikenal sebagai Mark I Perceptron. Penelitian tentang perceptron sempat mengalami penurunan minat setelah buku "Perceptrons" karya Marvin Minsky dan Seymour Papert pada tahun 1969 menunjukkan keterbatasan perceptron.
Cara Kerja
Perceptron menerima sejumlah input, memberikan bobot pada masing-masing input, lalu menjumlahkannya. Hasil penjumlahan ini kemudian dilewatkan melalui fungsi aktivasi, seperti fungsi Heaviside, untuk menghasilkan output biner. Proses pembelajaran melibatkan penyesuaian bobot berdasarkan kesalahan prediksi.
Keterbatasan Perceptron
Perceptron hanya dapat memecahkan masalah yang linier. Salah satu contoh masalah yang tidak dapat diselesaikan oleh perceptron adalah masalah XOR. Hal ini menjadi motivasi berkembangnya model jaringan saraf berlapis-lapis seperti multilayer perceptron.