Algoritma pembelajaran perceptron merupakan metode penyesuaian bobot pada model perceptron agar dapat memetakan input ke output secara benar. Algoritma ini termasuk dalam kategori pembelajaran terawasi (supervised learning) dan menggunakan data berlabel dalam proses pelatihannya.
Proses Pembelajaran
Pada setiap iterasi, input diberikan ke model, kemudian output yang dihasilkan dibandingkan dengan target output sebenarnya. Jika terjadi kesalahan, bobot akan diperbarui menggunakan aturan pembelajaran perceptron yang sederhana. Proses ini diulang hingga semua data diklasifikasikan dengan benar atau mencapai batas iterasi tertentu.
Rumus Update Bobot
Rumus update bobot pada perceptron adalah: w = w + η (t - y)x, di mana w adalah bobot, η adalah laju pembelajaran (learning rate), t adalah target, y adalah output prediksi, dan x adalah input. Penyesuaian ini memungkinkan model untuk belajar dari kesalahan.
Konvergensi Algoritma
Algoritma perceptron dijamin akan konvergen jika data yang digunakan bersifat linear separable. Namun, jika data tidak dapat dipisahkan secara linier, proses pembelajaran tidak akan pernah berakhir dan bobot tidak akan stabil.