Soft Komputing

Soft Computing

1. Latar Belakang Soft Computing

Istilah soft computing dicetus pertama kali pada tahun 1990 sehubungan dengan ide untuk mendirikan BISC (Berkeley Initiative in Soft Computer) oleh Prof. L.A.Zadeh dari Berkeley University. Soft computing, berbeda dengan conventional (hard) computing, memungkinkan toleransi terhadap input, proses dan output yang bersifat tidak akurat(imprecision), tidak pasti (uncertainty) dan setengah benar (partial truth). Dengan adanya toleransi terhadap imprecision, uncertainty dan partial truth, diharapkan akan dapat menciptakan suatu system yang cerdas (intelligent systems), handal (robustness), mudah diproses/dijalankan (tractability) dan membutuhkan biaya yang lebih murah (low solution cost).

2. Definisi Soft Computing

Soft Computing (SC) adalah pendekatan yang muncul untuk komputasi secara paralel meniru kemampuan dari human mind untuk berfikir, belajar dalam suatu lingkungan dengan ketidakpastian dan ketidakakuratan. Mengapakah human-mind merupakan model yang menarik bagi pengembangan softcomputing ? Kunci dari pertanyaan ini sebenarnya terletak pada struktur dan fungsi dari otak manusia. Otak manusia merupakan mesin molekuler, yang terdiri dari dua jenis sel: neuron dan glia. Dalam otak kita terdapat sekitar 1011 sel neuron, sedangkan sel glia sekitar 3 sampai 4 kali lipatnya. Sel neuron berfungsi sebagai pemroses informasi yang diterima oleh otak. Sel neuron terhubung antara satu dengan yang lain dengan benang-benang panjang. Berat otak manusia saat lahir sekitar 400 gram, sedangkan saat dewasa sekitar 1500 gram. Pertambahan berat ini disebabkan oleh bertambahpanjangnya benang-benang tersebut, disamping pertambahan sel glia. Pertambahan panjang ini berkaitan erat dengan proses pembelajaran yang dialami oleh manusia. Hal ini merupakan ide awal bagi pengembangan metode softcomputing: artificial neural network, yang memiliki kemampuan pembelajaran terhadap informasi yang telah diterima. Selain kemampuan pembelajaran, otak manusia juga memiliki kemampuan untuk mengambil keputusan walaupun informasi mengandung unsur ketakpastian dan kekurangtegasan, seperti “manis”, “pahit”, “tinggi”, “rendah”, dsb. Hal ini merupakan konsep yang mendasari pengembangan metode fuzzy, yang mencerminkan cara berfikir manusia. Selain neural network dan fuzzy, masih banyak lagi jenis-jenis metode softcomputing, yang ide awalnya bersumber dari otak manusia maupun mekanisme biologi yang terdapat di alam semesta.

Soft Computing adalah sebuah inovasi pendekatan untuk membangun komputasi sistem cerdas. Pada kenyataan ini, problem dunia nyata memerlukan sistem cerdas yang mengkombinasikan pengetahuan, teknik, dan metode dari berbagai sumber. Sistem cerdas ini diharapkan memiliki kemampuan seperti manusia dalam spesifikasi tertentu, dapat beradaptasi secara mandiri dan belajar agar lebih baik dalam kondisi lingkungan yang berubah, dan dapat menjelaskan bagaimana keputusan itu diambil atau mengambil tindakan.

Soft Computing (SC) merupakan sekumpulan metodologi yang berkembang secara terus-menerus yang tujuan utamanya adalah untuk menghasilkan mesin ber-IQ tinggi. Soft Computing merupakan suatu model pendekatan untuk melakukan komputasi dengan meniru akal manusia dan memiliki kemampuan untuk menalar dan belajar pada lingkungan yang penuh dengan ketidakpastian.

3. Manfaat Soft Computing

Soft Computing dimanfaatkan untuk memecahkan masalah dengan menggunakan pendekatan dalam melakukan penalaran. Beberapa komponen pembentuk soft computing adalah sistem fuzzy, jaringan syaraf tiruan, komputasi evolusioner atau algoritma genetika, dan penalaran dengan probabilitas.

4. Metode-metode yang digunakan oleh Sodt Computing

Mengacu pada definisi yang diberikan oleh Zadeh, metode-metode dalam softcomputing dapat dikategorikan ke dalam tiga kategori besar:

· Fuzzy Logic (FL)

· Neural Network Theory (NN)

· Probabilistic Reasoning (PR)

Metode-metode ini sebenarnya bukanlah sesuatu yang baru diadakan setelah konsep softcomputing dirumuskan. Yang terjadi justru sebaliknya. Metode-metode Fuzzy Logic, Neural Network maupun Probabilistic Reasoning telah ada lebih dahulu. Fuzzy Logic telah berkembang sejak tahun 1965. Konsep-konsep dasar neural network telah digali sejak tahun 1940-an. Probabilistic Reasoning juga bukanlah hal yang baru sama sekali. Karena itu, Zadeh menyebut soft computing sebagai reinkarnasi dari metode-metode di atas. Lebih lanjut lagi, dalam konsep soft computing, ketiga jenis metode ini ibarat pilar, saling mendukung dan bekerjasama dalam memecahkan suatu permasalahan. Keunggulan yang diperoleh dari kerjasama metode-metode itu lebih ditekankan daripada keunggulan individual salah satu daripadanya. Kekurangan satu metode akan ditutup dengan kelebihan metode yang lain. Keunggulan satu metode disumbangkan, sehingga segi-segi positif dari metode yang ada tersebut dapat dimanfaatkan secara optimal.

5. Fuzzy Logic (FL)

Fuzzy merupakan representasi suatu pengetahuan yang dikonstruksikan dengan if- then rules. Karakteristik dari metode ini adalah :

§ pemecahan masalah dilakukan dengan menjelaskan sistem bukan lewat angka- angka, melainkan secara linguistik, atau variable-variable yang mengandung ketakpastian/ketidaktegasan.

§ Pemakaian if-then rules untuk menjelaskan kaitan antara satu variable dengan yang lain.

§ Menjelaskan sistem memakai algoritma fuzzy

Berawal dari paper-paper Zadeh di tahun 1965 mengenai fuzzy-sets, ilmu ini berkembang pesat, dan mulai menemukan aplikasinya di bidang control pada tahun 1974. Pada saat itu, Mamdani memperkenalkan aplikasi fuzzy sebagai alat kontrol steam- engine. Hal ini merupakan momentum penting, sebagai awal bagi teknologi fuzzy untuk menemukan lading aplikasi di dunia industri. Fuzzy memiliki kelebihan-kelebihan, diantaranya :

· Dapat mengekspresikan konsep yang sulit untuk dirumuskan, seperti misalnya “suhu ruangan yang nyaman”

· Pemakaian membership-function memungkinkan fuzzy untuk melakukan observasi obyektif terhadap nilai-nilai yang subyektif. Selanjutnya membership-function ini dapat dikombinasikan untuk membuat pengungkapan konsep yang lebih jelas.

· Penerapan logika dalam pengambilan keputusan

Dewasa ini, fuzzy merupakan salah satu metode memiliki aplikasi luas di bidang kontrol. Hal ini disebabkan antara lain :

Ø kontrol memiliki potensi aplikasi yang sangat luas dan dibutuhkan di berbagai bidang

Ø kuantitas suatu materi dalam sistem kontrol sangat jelas, dan dapat diekspresikan dengan istilah-istilah yang fuzzy seperti “besar”, “banyak”

Ø aturan dalam kontrol mudah untuk didefinisikan memakai kata-kata. Misalnya “jika suhu dalam ruangan terlalu dingin, naikkan suhu penghangat”

Ø perkembangan teori fuzzy sangat pesat, sehingga batas-batasnya dapat di rumuskan dengan jelas.

6. Neural Network (NN)

Neural Networks (Jaringan Saraf Tiruan) menurut Haykin [4] didefinisikan sebagai berikut :

“Sebuah neural network (JST: Jaringan Saraf Tiruan) adalah prosesor yang

terdistribusi paralel, terbuat dari unit-unit

yang sederhana, dan memiliki kemampuan

untuk menyimpan pengetahuan yang

diperoleh secara eksperimental dan siap

pakai untuk berbagai tujuan. Neural

network ini meniru otak manusia dari

sudut : 1) Pengetahuan diperoleh oleh

network dari lingkungan, melalui suatu

proses pembelajaran. 2) Kekuatan koneksi

antar unit yang disebut synaptic weights,

berfungsi untuk menyimpan pengetahuan

yang telah diperoleh oleh jaringan

tersebut.”

Pada tahun 1943, Mc.Culloch dan Pitts

memperkenalkan model matematika yang

merupakan penyederhanaan dari struktur sel

saraf yang sebenarnya (lihat gambar 1).