SOFT COMPUTING
Soft computing mengeksploitasi
adanya toleransi terhadap ketidaktepatan, ketidakpastian, dan kebenaran parsial
untuk dapat diselesaikan dan dikendalikan dengan mudah agar sesuai dengan
realita (Prof. Lotfi A Zadeh, 1992). Soft Computing
adalah kumpulan teknik – teknik perhitungan dalam ilmu komputer, inteligensia
semu, dan beberapa disiplin ilmu teknik lainnya, yang berusaha untuk mempelajari,
menganalisa fenomena yang sangat rumit. Dan mampu beradaptasi agar
dapat bekerja lebih baik jika terjadi perubahan lingkungan.
Bagian
- bagian dari Soft Computing sendiri adalah :
- Fuzzy
- Jaringan Saraf atau Neural Network
- Probabilistic Reasoning
Dan dibawah ini, saya akan memberikan penjelasan tentang bagian – bagian dari Soft Computing.
FUZZY
Fuzzy.
Ya, apa sih Fuzzy itu? Apa yang ada dibenak Kalian tentang Fuzzy? Klo aku
pribadi sih, Fuzzy itu sesuatu yang tidak jelas. Tapi, masa iya saya belajar
sesuatu yang tidak jelas, kan gak mungkin juga lah ya. Fuzzy itu dalam dunia
Komputer biasa dikenal dengan Logika Fuzzy. Penggunaan logika fuzzy ini
digunakan untuk memecahkan sistem yang rumit untuk memetakan suatu ruang input
ke dalam ruang output.
Sebelum
logika fuzzy keluar, ada sistem tradisional. Sistem tradisional ini digunakan
untuk mengontrol keluaran tunggal yang berasal dari beberapa masukan yang tidak
saling berhubungan. Karena ketidak tergantungan, penambahan masukan yang
baru akan memperumit proses kontrol dan membutuhkan proses perhitungan kembali
dari semua fungsi. Sedangkan cara kerja sistem logika fuzzy ini penambahan
masukan baru pada sistem fuzzy, maksudnya yaitu sistem yang bekerja berdasarkan
prinsip - prinsip logika fuzzy, hanya membutuhkan penambahan fungsi keanggotaan
yang baru dan aturan - aturan yang berhubungan dengannya.
Secara umum, sistem fuzzy sangat
cocok untuk penalaran pendekatan terutama untuk sistem yang menangani masalah -
masalah yang sulit didefinisikan dengan menggunakan model matematis. Contohnya,
kita akan memasukkan nilai kecepatan pada sebuah komputer dan ternyata sistem
bersifat kurang jelas, sehingga sulit mendefinisikan model matematikanya.
Keuntungan
dari sistem fuzzy ini yaitu, sistem fuzzy mempunyai kemampuan penalaran yang
mirip dengan manusia dan pada sistem fuzzy mengurangi jumlah nilai yang harus
dipergunakan pengontrol untuk membuat suatu keputusan.
- Logika Fuzzy sangat fleksibel
- Logika Fuzzy memiliki toleransi
- Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti
- Logika fuzzy mampu memodelkan fungsi - fungsi nonlinear yang sangat kompleks
JARINGAN
SARAF
Jaringan
saraf biasanya kita temukan hanya ada dipelajaran Biologi atau biasa ditemukan
pada otak manusia. Tapi disini saya akan memberitahukan sedikit tentang
jaringan saraf pada komputer. Jaringan saraf pada komputer ini biasa yang dikenal berbagai sistem
kecerdasan buatan yang salah satunya adalah jaringan saraf tiruan atau neural
network. Ide dasar pembuatan neural network ini dimulai dari otak manusia,
karena didalam otak manusia memiliki banyak neuron, dan neuron sendiri
berfungsi untuk memproses tiap informasi yang masuk.
Neural
Network atau Jaringan Syaraf Tiruan merupakan algoritma komputasi yang meniru
cara kerja sel saraf. Semua sinyal yang masuk dikalikan dengan bobot yang ada
pada tiap masukan, oleh sel neuron, semua sinyal yang sudah dikalikan dengan
bobot dijumlahkan kemudian ditambah lagi dengan bias. Hasil penjumlahan ini
diinputkan ke suatu fungsi (fungsi aktifasi) menghasilkan keluaran dari neuron.
Fungsi Neural network ini dapat mengklasifikasi dan memetakan pola yang didapat
dari input (stimulasi) ke dalam pola baru pada output, dapat menyimpan pola
yang akan dipanggil kembali, mengoptimasi permasalahan dan memprediksi.
Neural
network juga merupakan ilmu soft computing yang termasuk non linier program
dimana neuron network mengadopsi kemampuan otak (jaringan saraf) yang mampu
memberikan stimulasi (rangsangan), melakukan proses dan memberikan output
(respon). Neural Network mengadopsi mekanisme berpikir sebuah sistem atau
aplikasi yang menyerupai otak manusia, baik untuk pemrosesan berbagai sinyal
elemen yang diterima, toleransi terhadap kesalahan atau error, dan juga
parallel processing.
Tahap-tahap dari Neural Network :
1.
Pembelajaran : Pada tahap ini neural network diberikan sekumpulan data input
beserta outputnya. Dan melalui model sementara yang telah ditentukan, akan
dibuat bobot masing-masing variabel yang mempengaruhi suatu output. Dalam tahap
pembelajaran ini, bobot tersebut selalu di perbaiki untuk dapat menghasilkan
suatu model dengan residu terkecil.
2.
Pengujian : Tahap ini untuk menguji model yang telah didapatkan dari proses
pembelajaran. Tahap ini akan membandingkan apakah error rate yang dihasilkan
dapat diterima atau tidak.
3.
Peramalan Atau Perkiraan : Pada tahap ini model Neural network yang sudah jadi
dan akan digunakan untuk meramalkan suatu input yang telah ada.
PROBABILISTIC
REASONING
Probabilistic
Reasoning adalah salah satu metode Soft Computing yang digunakan
untuk untuk mengambil sebuah keputusan,
walaupun informasi yang diolah kurang lengkap atau mengandung unsur
ketidakpastian. Jadi,
dari semua data - data yang sudah dimiliki, metode ini memberikan pola-pola
tertentu untuk mengambil keputusan.
Tiga
kategori dari Probabilistic Reasoning antara lain :
- Teori Chaos
Memiliki
implikasi yang luas dalam analisis pengambilan keputusan. Pengertian Teori Chaos
yaitu memberi pengertian bahwa suatu
aksi sekecil pun dapat berimplikasi pada suatu akibat yang besar dan dalam
pengambilan keputusan senantiasa dihadapkan pada suatu potensi ketidakteraturan
dan ketidakpastian sehingga batasan-batasan metode pengambilan keputusan tradisonal
tidak mencukupi lagi.
2. Belief Networks (BN)
Belief
Networks adalah penalaran kausal, dimana BN telah banyak digunakan dalam
berbagai aplikasi. BN sekarang ini menjadi andalan dalam bidang penelitian Flu
Burung yang dikenal sebagai penalaran pasti.
3. Genetic Algorithm (GA)
Genetic
Algoritma adalah metode komputasi yang meniru proses evolusi dan seleksi alam.
Metode ini sering dimanfaatkan untuk mencari nilai optimal suatu fungsi atau permasalahan.
Jadi, dari semua data-data yang
sudah dimiliki, metode ini memberikan pola-pola tertentu untuk mengambil
keputusan.
Evolutionary Computing
Setiap
orang ingin mendapatkan yang terbaik dalam hidupnya, sama juga yang terjadi
dengan dunia pemrograman, khususnya dalam bidang algoritma pemrograman. Setiap algoritma
yang dibuat diharapkan bisa memecahkan sebuah permasalahan yang ada dengan
seoptimal mungkin. Salah satu algoritma yang termasuk dalam algoritma optimasi
berbasis probabilistic yaitu algotitma Evolutionary Computation.
Pengertian
Evolutionary Computation itu sendiri
adalah suatu abstraks dari teori evolusi biologis yang digunakan untuk
membuat prosedur atau metodologi optimasi, biasanya diterapkan pada komputer,
yang digunakan untuk memecahkan masalah. Algoritma Evolutionary Computation memiliki
ide dasar dari bagaimana proses evolusi yang terjadi pada makhluk hidup. Yang
menganggap bahwa hasil setiap evolusi itu akan membawa sesuatu menjadi lebih
baik dan optimal.
Beberapa
algoritma yang termasuk kedalam algoritma Evolutionary Computation diantaranya adalah swarm intelligence dimana algoritma
ini didasarkan dari kecerdasan berkelompok. Dengan semakin banyaknya anggota
kelompok dan terkumpulnya kecerdasan - kecerdasan individual maka akan
menyebabkan terkumpulnya kecerdasan kelompok yang luar biasa.
