Soft Computing (Basis Pengetahuan (Bagian 1))

Soft Computing

      Pada saat ini komputer merupakan alat yang tidak bisa dipisahkan dari kita pada kehidupan sehari-hari. Berbeda dengan masa lampau, komputer hanya dianggap barang mahal, canggih, dan dapat menghitung lebih cepat dari manusia, tetapi saat ini, komputer adalah sebuah alat yang bila terkoneksi dengan jaringan internet akan membawa kita seperti keliling dunia. Kita selalu berpikir bahwa komputer akan memecahkan semua masalah dalam kehidupan kita, tetapi tidak semua masalah yang kita hadapi akan dipecahkan oleh sebuah rumusan yang pasti dan eksak. Banyak masalah yang membutuhkan banyak faktor untuk menyelesaikannya, untuk itu dibuatlah soft computing untuk memecahkan masalah tersebut.

        Soft computing adalah segolongan metoda yang mampu mengolah data dengan baik walaupun didalamnya terdapat ketidakpastian, ketidakakuratan maupun kebenaran parsial (Prof. Lotfi A Zadeh, 1992). Soft computing dibentuk dari 4 unsur:

1. System Fuzzy/Fuzzy Logic
2. Neural Network
3. Probabilistic Reasoning
4. Evolutionary Computing

A.  System Fuzzy

      Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau membership function menjadi ciri utama dalam penalaran dengan logika fuzzy tersebut (Kusuma Dewi, 2003). Fuzzy logic dikonstruksikan dengan if-then rules, karakteristik dari metode fuzzy yaitu 

1. Pemecahan masalah dilakukan secara Linguistik atau variabel yang mengandung ketidakpastian
2. Pemakaian if-then untuk menjelaskan hubungan antar variabel
3. menjelaskan sistem dengan algoritma fuzzy

    Penerapan system fuzzy sebagai contoh adalah, pada tahun 1990 di jepang, dibuat sebuah mesin cuci otomatis yang dapat mendeteksi kotoran pada pakaian. Sebagai input logika tersebut jika baju yang terdeteksi sensor terdapat kotoran, maka akan diinput jenis kotoran, tingkat kekotoran dan banyaknya cucian, lalu setelah data tersebut diproses outputnya adalah bagaimana mesin cuci tersebut melakukan putaran-putaran yang tepat.

B. Neural Network

     Secara   umum   Neural   Network   (NN)   adalah   jaringan   dari   sekelompok unit pemroses kecil  yang  dimodelkan  berdasarkan  jaringan  syaraf  manusia.  NN ini merupakan  sistem  adaptif yang  dapat  merubah  strukturnya  untuk memecahkan masalah  berdasarkan  informasi  eksternal maupun  internal  yang  mengalir  melalui jaringan  tersebut.  Secara  sederhana  NN  adalah sebuah alat  pemodelan  data statistik  non-linear.  NN  dapat  digunakan  untuk  memodelkan   hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada  data. 

     

    Salah satu penerapan Artificial Neural Network adalah digunakan untuk pengenalan karakter optik yang dikenal dengan Optical Character Recognation. Optical Character Recognition merupakan suatu teknologi yang memungkinkan mesin (komputer) secara otomatis dapat mengenali karakter lewat suatu mekanisme optik. Proses yang dilakukan adalah mengubah citra yang mengandung karakter-karakter di dalamnya ke dalam informasi yang dapat dimanipulasi oleh mesin

C. Probabilistic Reasoning

     Reasoning berarti mengambil suatu keputusan atas suatu alasan atau sebab tertentu. Dua jenis reasoning adalah logical reasoning dan probabilistic reasoning. Salah satu kelebihan probabilistic reasoning dibandingkan logical reasoning terletak pada kemampuan untuk mengambil keputusan yang rasional, walaupun informasi yang diolah kurang lengkap atau mengandung unsur ketidakpastian.

   Probabilistic Reasoning mempunyai metode yang disebut Metode Naive Bayes. Metode ini digunakan untuk melakukan klasifikasi pada serangkaian data, kemudian dari data tersebut ditemukan sebuah pola untuk mengambil keputusan dalam masalah.

D. Evolutionary Computing

     Evolutionary Computation (EC) merupakan suatu abstraksi yang mengadopsi evolusi dan genetika yang disederhanakan. Dari abstraksi tersebut, lahirlah berbagai algoritma berbasis EC yang dikenal sebagai Evolutionary Algorithms (EAs). Sejak diperkenalkan pada tahun 1960-an, EAs terus diteliti dan dikembangkan hingga saat ini. Yang menarik pada EAs adalah Hanya dengan menggunakan proses-proses yang sebagian besar dilakukan secara acak, EAs bisa menghasilkan solusi yang bagus (mungkin saja solusi terbaik) dengan kecepatan yang dapat diterima. (Suyanto, Informatika 2008)

      Dalam Evolutionary Computing, penerapan yang ada salah satunya adalah Algoritma Genetika. Algoritma Gnetika termasuk dalam Evolutionary Algorithm yang merupakan penerapan dari abstraksi Evolutionary computing. Algoritma genetika  didasarkan pada prinsip-prinsip genetika dan seleksi alam. Elemen-elemen dasar dari genetika alam adalah. Reproduksi, crossover, dan mutasi. GA termasuk temuan dalam bidang optimasi, dimana suatu algoritma diciptakan dengan meniru mekanisme evolusi dalam perkembangan makhluk hidup. Dalam algoritma genetika ini, proses perkembangbiakan ini menjadi proses dasar yang menjadi perhatian utama dengan dasar berpikir "Bagaimana mendapatkan keturunan yang lebih baik". Dalam GA prosedur pencarian hanya didasarkan pada nilai fungsi tujuan, tidak ada pemakaian gradient atau teknik kalkulus.

Sumber:
https://ilmukuilmumu.wordpress.com/2009/11/12/teknik-optimasi/
http://tiindonesia.blogspot.co.id/2015/04/genetic-algorithm.html
Pengantar Soft Computing, Anto Satrio Nugroho
jmc.co.id/media/general/20140923_11.Logikafuzzy_.pdf
elib.unikom.ac.id/download.php?id=18725
http://www.komputasi.lipi.go.id/utama.cgi?daftarbuku&buku1130608045
Implementasi Artificial Neural Network Untuk Optical Character Reader
http://www.metode-algoritma.com/2013/06/conoth-perhitungan-naive-bayes.html