METODOLOGI DALAM SOFT COMPUTING
1. System Fuzzy
Pengertian
Sistem Fuzzy adalah suatu sistem yang
menggunakan himpunan fuzzy untuk memetakan suatu inputan menjadi output
tertentu (blackbox). Misalnya, jika anda mengetahui seberapa layanan pada
restaurant tersebut, anda dapat menentukan berapa jumlah tip yang layak
diberikan kepada pelayan.
Secara umum dalam sistem logika fuzzy
terdapat empat buah elemen dasar, yaitu:
-
Basis
kaidah (rule base), yang berisi aturan-aturan secara linguistik yang bersumber
dari para pakar.
-
Suatu
mekanisme pengambilan keputusan (inference engine), yang memperagakan bagaimana
para pakar mengambil suatu keputusan dengan menerapkan pengetahuan (knowledge).
-
Proses
fuzzifikasi (fuzzification), yang mengubah besaran tegas (crisp) ke besaran
fuzzy.
-
Proses
defuzzifikasi (defuzzification), yang mengubah besaran fuzzy hasil dari
inference engine, menjadi besaran tegas (crisp).
Fuzzy yang dipelopori
oleh Lutfi Askar Zadeh, pria keturunan Iran yang sempat mengenyam pendidikan di
Rusia dan saat ini tinggal di Amerika Serikat merupakan dasar dari Soft
Computing. Algoritmanya merupakan konversi dari numerik biasa yang diistilahkan
dengan CRISP menjadi fungsi keanggotaan Fuzzy yang bersifat manusiawi
(linguistik).Beberapa kritikus menanyakan mengapa fuzzy tetap menyandarkan pada
aritmatika, sehingga munculah Fuzzy tipe-2 yang memasukkan unsur
ketidakpastian.
2. Jaringan Syaraf Tiruan
Jaringan syaraf tiruan (artifical
neural network) adalah sistem komputasi yang arsitektur dan operasinya diilhami
dari pengetahuan tentang sel syaraf biologis di dalam otak. Jaringan syaraf
tiruan merupakan salah satu representasi buatan dari otak manusia yang selalu
mencoba menstimulasi proses pembelajaran pada otak manusia tersebut. Jaringan
syaraf tiruan dapat digambarkan sebagai model matematis dan komputasi untuk
fungsi aproksimasi non-linear, klasifikasi data cluster dan regresi
non-parametrik atau sebuah simulasi dari koleksi model jaringan syaraf biologi.
Model jaringan syaraf ditunjukkan
dengan kemampuannya dalam emulasi, analisis, prediksi dan asosiasi. Kemampuan
yang dimiliki jaringan syaraf tiruan dapat digunakan untuk belajar dan
menghasilkan aturan atau operasi dari beberapa contoh atau input yang dimasukkan
dan membuat prediksi tentang kemungkinan output yang akan muncul atau menyimpan
karakteristik input yang diberikan kepada jaringan syaraf tiruan.
Salah satu organisasi yang sering
digunakan dalam paradigma jaringan syaraf tiruan adalah perambatan galat
mundur atau backpropagation. (Hermawan,
2006).
Jaringan Syaraf Tiruan, yang
merupakan metode yang dikembangkan oleh mcculloch – pitts merupakan algoritma
yang berusaha meniru bentuk syaraf biologis makhluk hidup. Dengan konsep
Neuron-nya disertai dengan bobot dan fungsi aktivasi merupakan terobosan dalam
algoritma soft computing. Setelah sempat redup di tahun 70-an karena tidak
sanggup menyelesaikan kasus serderhana seperti XoR, akhirnya algoritma ini
marak diteliti kembali setelah Hopfield menemukan metode pembelajaran rambatan
kesalahan (backprogragation error) yang sanggup mengeset bobot sesuai dengan
target pembelajaran.
3. Probabilistic Reasoning
Probabilistic Reasoning adalah metode
Soft Computing juga untuk membuat komputer atau suatu device mengambil
keputusan layaknya makhluk hidup. Jadi, dari semua data-data yang sudah
dimiliki, metode ini memberikan pola-pola tertentu untuk mengambil keputusan.
Soft computing menjadi satu diantara
solusi daripada permasalahan di dunia. Kenapa? Dengan adanya unsur-unsur pokok
dalam metode ini diharapkan akan menciptakan suatu sistem yang cerdas, mudah
diproses serta membutuhkan biaya yang tidak banyak.
Banyak contoh-contoh riset yang
sekarang mulai mengimplementasikan Soft Computing, seperti AC yang hanya hidup
ketika AC tersebut merasakan adanya panas dari sensornya, dan TV yang
menggunakan "Eye Recognition" dimana TV tersebut akan Shut Down
otomatis ketika yang menonton TV sudah memejamkan mata dan tertangkap sensor TV.
4. Evolutionary Computing
Evolutionary computation merupakan
suatu wilayah ilmu komputer yang menggunakan pola pikir dari konsep dan prinsip
dasar dari evolusi alam, yaitu prinsip seleksi alam Darwinisme, sebagai
inspirasi dalam perancangan metode komputasi. Dalam proses seleksi alam, siap
yang kuat (yang bisa beradaptasi) dialah yang bisa bertahan. Ternyata ide ini
telah berkembang sejak tahun 1940an, jauh sebelum periode dimana komputer
berkembang pesat. Tahun 1948, Turing memperkenalkan istilah “genetical or
evolutionary search” dan tahun 1962 Bremermann melakukan eksperimen tentang
“optimisasi melalui evolusi dan kombinasi ulang (optimization through evolution
and recombination)” . Pada era tahun 1960an, tiga implementasi ide dasar ini
dikembangkan masing-masing di tempat berlainan. Di Amerika, Fogel, Owens, dan
Walsh memperkenalkan Evolutionary Programming, sedangkan Holland (juga di
Amerika) menyebut metodenya sebagai Genetic Algorithm. Sementara itu di Jerman,
Rechenberg dan Schwefel menemukan metode Evolution Strategies. Selama lima
belas tahun berikutnya, metode tersebut dikembangkan secara terpisah, namun
sejak awal tahun 1990an ketiganya dipandang sebagai tiga jenis representasi
(dialek) dari satu teknologi yang diberi nama Evolutionary Computing. Di awal
tahun 1990an juga bergabung dalam arus pemikiran ini suatu metode baru, yaitu
Genetic Programming, yang dipelopori oleh Koza.
) atau ada juga yang menyebutkan dengan computational intelligence .
Bidang ilmu ini dimasukkan sebagai bidang ilmu komputer di awal 1990 -
an se-ide dengan berdirinya BISC (Berkeley Initiative in Soft Computer)
oleh Prof. L.A.Zadeh dari Berkeley University . Sebelum adanya bidang
ilmu ini Optimasi sebelumnya lebih banyak dikuasai dengan pemodelan
stokastik (pro[censored]listik). 
