Evolutionary Computing

Algoritma yang mengikuti prinsip dasar seleksi alam dikenal secara luas dengan sebutan Evolutionary Algorithm (EA). Karena EA merupakan suatu metode komputasi yang bersifat generik dan sangat fleksibel , EA bisa digunakan dalam berbagai aplikasi dan tujuan berbeda.

Aplikasi tersebut secara garis besar bisa dibagi dalam lima kategori, yaitu:

• Perencanaan (planning)
• Perancangan (design)
• Simulasi dan identifikasi (simulation and identification)
• Kontrol (control)
• Pengelompokkan (classification)

Sumber :
https://statistikakomputasi.wordpress.com/2010/04/16/mengenal-evolutionary-computation-komputasi-yang-meniru-evolusi-alam/

Jaringan Syaraf

Jaringan Syaraf Tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi.

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

Konsep Dasar Jaringan Syaraf Tiruan

Jaringan syaraf tiruan terdiri dari beberapa neuron dan ada hubungan antar neuron- neuron seperti pada otak manusia. Neuron/selsaraf adalah sebuah unit pemroses informasi yang merupakan dasar operasi jaringan syaraf tiruan.

Jaringan syaraf tiruan terdiri atas beberapa elemen penghitung tak linier yang masing-masing dihubungkan melalui suatu pembobot dan tersusun secara paralel. Pembobot inilah yang nantinya akan berubah (beradaptasi) selama proses pelatihan.

Pelatihan perlu dilakukan pada suatu jaringan syaraf tiruan sebelum digunakan untuk menyelesaikan masalah. Hasil pelatihan jaringan syaraf tiruan dapat diperoleh tanggapa yang benar (yang diinginkan) terhadap masukan yang diberikan. Jaringan syaraf tiruan dapat memberikan tanggapan yang benar walaupun masukan yang diberikan terkena derau atau berubah oleh suatu keadaan

Karakteristik Jaringan Syaraf Tiruan

Penyelesaian masalah dengan jaringan syaraf tiruan tidak memerlukan pemrograman. Jaringan syaraf tiruan menyelesaikan masalah melalui proses belajar dari contoh-contoh pelatihan yang diberikan. Biasanya pada jaringan syaraf tiruan diberikan sebuah himpunan pola pelatihan yang terdiri dari sekumpulan contoh pola. Proses belajar jaringan syaraf tiruan berasal dari serangkaian contoh-contoh pola yang diberikan.metode pelatihan yang sering dipakai adalah metode belajar terbimbing. Selama proses belajar itu pola masukan disajikan bersama-sama dengan pola keluaran yang diinginkan. Jaringan akan menyesuaikan nilai bobotnya sebagai tanggapan atas pola masukan dan sasaran yang disajikan tersebut.

Sumber :

https://jalanwaktu.wordpress.com/jaringan-syaraf-tiruan/

Probabilistic Reasoning

Reasoning berarti mengambil suatu keputusan atas suatu alasan atau sebab tertentu. Reasoning sendiri ada 2 jenis yaitu logical reasoning  dan probabilistic reasoning. Salah satu kelebihan probabilistic reasoning dibandingkan logical reasoning adalah kemampuannya untuk mengambil keputusan yang rasional, walaupun informasi yang diolah kurang lengkap atau mengandung unsur ketidakpastian.

Probabilistic Reasoning adalah metode Soft Computing 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.

Tiga kategori kategori dari Probabilistic Reasoning :

1.      Teori Chaos

Teori chaos memiliki implikasi yang luas dalam analisis pengambilan keputusan. Teori chaos memberi pengertian bahwa suatu aksi sekecil pun dapat berimplikasi pada suatu akibat yang besar. Teori chaos juga memberikan pengertian bahwa dalam pengambilan keputusan senantiasa dihadapkan pada suatu potensi ketidakteraturan dan ketidakpastian sehingga batasan-batasan metode pengambilan keputusan tradisonal tidak mencukupi lagi. Teori chaos menuntut perubahan model mental yang sama sekali baru dan kreatif dari sang pengambilan keputusan. Sistem pintar dan kecerdasan berupaya mengantisipasi aspek ketidakpastian dan ketidakteraturan tersebut dengan mengadopsi logika berpikir manusia ke dalam mesin komputer. Dengan sistem pintar, suatu perangkat komputer dapat menganalisis suatu sistem permasalahan dan melakukan pengambilan keputusan.

2.     Belief Networks

Belief Networks (BN) 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. BN sendiri didasarkan pada hukum-hukum probabilitas.

3.      Genetic Algorithm <GA>

GA diperkenalkan oleh John Holland pada pertengahan tahun 70-an. GA adalah metode komputasi yang meniru proses evolusi dan seleksi alam. Metode ini sering dimanfaatkan untuk mencari nilai optimal suatu fungsi/permasalahan.

Sumber :

https://prinzessino.wordpress.com/2010/03/09/soft-computing/
http://syahrulzzadie.blogspot.co.id/2014/10/pengertian-soft-computing.html 

Logika Fuzzy

Logika Fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam ruang output. Untuk sistem yang sangat rumit, penggunaan logika fuzzy (fuzzy logic) adalah salah satu pemecahannya. Sistem tradisional dirancang untuk mengontrol keluaran tunggal yang berasal dari beberapa masukan yang tidak saling berhubungan.  Karena ketidaktergantungan ini, penambahan masukan yang baru akan memperumit proses kontrol dan membutuhkan proses perhitungan kembali dari semua fungsi . Kebalikannya, penambahan masukan baru pada sistem fuzzy, 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 Misalkan, nilai masukan dan parameter sebuah sistem bersifat kurang akurat atau kurang jelas, sehingga sulit mendefinisikan model matematikanya.

Sistem fuzzy mempunyai beberapa keuntungan bila dibandingkan dengan sistem tradisional, misalkan pada jumlah aturan yang dipergunakan. Pemrosesan awal sejumlah besar nilai menjadi sebuah nilai derajat keanggotaan pada sistem fuzzy mengurangi jumlah nilai menjadi sebuah nilai derajat keanggotaan pada sistem fuzzy mengurangi jumlah nilai yang harus dipergunakan pengontrol untuk membuat suatu keputusan. Keuntungan lainnya adalah sistem fuzzy mempunyai kemampuan penalaran yang mirip dengan kemampuan penalaran manusia. Hal ini disebabkan karena sistem fuzzy mempunyai kemampuan untuk memberikan respon berdasarkan informasi yang bersifat kualitatif, tidak akurat, dan ambigu.

Ada beberapa alasan penggunaan Logika Fuzzy :

• 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.
• Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan. 
• Logika fuzzy dapat bekerjasama dengan teknik - teknik kendali secara konvensional.
• Logika fuzzy didasarkan pada bahasa alami.

Fuzzy logic jika di atau dalam bahasa Indonesia logika Fuzzy adalah teknik/ metode yang dipakai untuk mengatasi hal yang tidak pasti pada masalah – masalah yang mempunyai banyak jawaban. Pada dasarnya Fuzzy logic merupakan logika bernilai banyak/ multivalued logic yang mampu mendefinisikan nilai diantara keadaan yang konvensional seperti benar atau salah, ya atau tidak, putih atau hitam dan lain-lain. Penalaran Logika Fuzzy memnyediakan cara untuk memahami kinerja system dengan cara menilai input dan output system dari hasil pengamatan. Logika Fuzzy menyediakan cara untuk menggambarkan kesimpulan pasti dari informasi yang samar-samar, ambigu dan tidak tepat.

 

Sumber :

http://socs.binus.ac.id/2012/03/02/pemodelan-dasar-sistem-fuzzy/

http://www.temukanpengertian.com/2013/08/pengertian-fuzzy-logic.html

Expert System (Sistem Pakar)

Expert system (sistem pakar) yaitu sistem berbasis komputer yang mengadopsi pengetahuan seorang pakar ahli ke dalam sistem berbasis komputer yang bisa digunakan untuk menyelesaikan permasalahan seperti yang dilakukan oleh seorang pakar/ ahli. Sistem pakar bukan bertujuan untuk meniadakan seorang pakar/ ahli, akan tetapi bertujuan untuk mendokumentasi/ menyimpan pengetahuan pakar dalam komputer, alasannya kemampuan seorang pakar bisa berubah-ubah seiring perkembangan usianya yang semakin tua. Sehingga dengan adanya sistem pakar ini maka akan membantu pekerjaan seorang pakar maka tidak heran jika sistem pakar  disebut asisten seorang pakar yang berpengalaman.

Secara umum system pakar (expert system) adalah system yang berusaha mengadopsi pengetahuan manusia ke computer agar computer dapat menyelesaikan masalah seperti biasa yang dilakukan oleh para ahli. System pakar yang baik dirancang agar dapat menyelesaikan suatu permaslahan tertentu dengan meniru kerja dari para ahli. Dengan system pakar ini, orang awampun juga diharapkan dapat menyelesaikan masalah yang cukup rumit. Dimana yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, system pakar ini juga akan membantu aktivitasnya sebagai asisten yang sangat berpengalaman.

Sebagai suatu sistem pendukung keputusan, Sistem Pakar menawarkan kemampuan yang unik dan menjadi daya tarik. Keunikan itu adalah:

• Sistem Pakar menawarkan kesempatan untuk membuat keputusan yang melebihi kemampuan manajer.

• Sistem pakar dapat menjelaskan alur penalarannya dalam mencapai suatu pemecahan tertentu.

 

Kelebihan Expert System

• Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli
• Bisa melakukan proses secara berulang secara otomatis
• Menyimpan pengetahuan dan keahlian para pakar
• Meningkatkan output dan produktivitas
• Meningkatkan kualitas
• Mampu mengambil dan melestarikankeahlian para pakar
• Mampu beroperasi dalam lingkungan berbahaya
• Memiliki kemampuan untuk mengakses pengetahuan
• Memiliki realibilitas
• Meningkatkan kapabilitas sistem computer
• Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian 
• Sebagai media pelengkap dalam pelatihan 
• Meningkatkan kapabilitas dalam penyelesaian masalah 
• Menghemat waktu dalam pengambilan keputusan
  

 

Kekurangan Expert System (ES)

• Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.
• Sulit dikembangkan (Hal ini erat kaitannya dengan ketersediaan pakar dalam bidangnya).
• Sistem pakar tidak 100% bernilai benar.
• Sistem pakar tidak dapat menangani pengetahuan yang tidak konsisten. Ini merupakan kerugian nyata karena dalam dunia bisnis hanya sedikit yang tetap sepanjang waktu karena berubah-ubahnya manusia.
• Sistem pakar tidak dapat menerapkan panilaian dan intuisi yang merupakan unsur penting saat memecahkan masalah semi terstruktur atau tidak terstruktur.

Konsep Dasar Expert System (ES)

Menurut Efraim Turban, sistem pakar harus mengandung elemen-elemen sebagai berikut:

• Pengalaman
• Orang ahli (pakar) 
• Transfer pengalaman
• Pembuatan alasan 
• Pembuatan simbol
• Aturan 
• Kemampuan untuk menjelaskan

Keahlian adalah suatu kelebihan penguasan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca atau pengalaman. Bentuk pengetahuan : 

• Fakta-fakta pada lingkup permasalahan tertentu
• Teori-teori pada lingkup masalah tertentu 
• Prosedur-prosedur berkenaan dengan lingkup masalah tertentu
• Strategi-strategi global untuk menyelesaikan masalah meta-knowledge (pengetahuan tentang pengetahuan)

Sumber :

http://www.temukanpengertian.com/2014/12/pengertian-expert-system.html

http://expertsystemchyntia.blogspot.co.id/

http://marcostanuwijaya.blogspot.co.id/2011/04/apa-yang-dimaksud-sistem-pakar-expert.html

https://elhasbyblog.wordpress.com/kuliah-2/expert-system-sistem-pakar/