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.
Cara Kerja Perceptron
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 "menyala" dan menghasilkan output 1; jika tidak, outputnya adalah 0.
Keterbatasan Perceptron
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.
Peran dalam Neural Network Modern
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.