Soft Computing

• Soft Computing ialah istilah yang di terapkan pada bidang dalam ilmu computer yang dicirikan oleh penggunaan solusi eksak untuk tugas-tugas komputasi keras seperti NP-Lengkap , untuk solusi yang tepat tidak dapat diturunkan dalam waktu polynomial.

• Soft Computing Merupakan metode yang dapat mengolah data-data yang bersifat tidak pasti, impresisi, dan dapat di implementasikan dengan biaya yang murah (low-cost-solution)

• Definisi Soft Computing menurut Prof. Lotfi A. Zadeh .isinya “Berbeda dengan pendekatan Konvensional hardcomputing, soft computing dapat bekerja dengan baik walupun terdapat ketidakpastian, ketidakakuratan maupun kebenaran parsial pada data yang diolah. Hal inilah yang melatarbelakangi fenomena dimana kebanyakan metode soft computing mengambol human-mind sebagai model.”

Beberapa Metode yang termasuk Soft Computing:
 Fuzzy logic
 Artificial Neural Network
 Probabilistyc Reasoning
 Evolutionary Computation (EC)
 Swarm Intelegence
 Teori chaos
 Perceptron

Ciri khas dari softcomputing adalah penekanan pada partnership atau kerjasama yang saling menguntungkan dari berbagai metode yang ada. Tiap metode memiliki segi positif yang dapat disumbangkan secara komplementer, menutupi kekurangan dari metode yang lain. Contoh yang mencolok dari kombinasi yang sangat efektif adalah apa yang kemudian dikenal sebagai "sistem neurofuzzy."Sistem seperti ini menjadi semakin terlihat sebagai produk konsumen mulai dari AC dan mesin cuci untuk mesin fotokopi dan camcorder

Fuzzy Logic (FL)
Karakteristik Metode ini :

1. pemecahan masalah dilakukan dengan menjelaskan sistem bukan lewat angka-angka, melainkan secara linguistik, atau variable-variable yang mengandung ketakpastian/ketidaktegasan.
2. Pemakaian if-then rules untuk menjelaskan kaitan antara satu variable dengan yang lain.
3. Menjelaskan sistem memakai algoritma fuzzy
   

Kelebihan Metode Fuzzy

1. Dapat mengekspresikan konsep yang sulit untuk dirumuskan, seperti misalnya “suhu ruangan yang nyaman”
2. 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.
3. Penerapan logika dalam pengambilan keputusan
   

Fuzzy memiliki wilayah aplikasi yang luas terutama dalam bidang kontrol, robotika, pattern recognition, sistem cerdas, dll

Neural Networks (NN)
Definisi Neural Network menurut Haykin : “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.”

Sebuah neural network dapat dianalisa dari dua sisi:
• bagaimana neuron-neuron tersebut dirangkaikan dalam suatu jaringan (arsitektur)
• bagaimana jaringan tersebut dilatih agar memberikan output sesuai dengan yang dikehendaki (algoritma pembelajaran). Algoritma pembelajaran ini menentukan cara bagaimana nilai penguatan yang optimal diperoleh secara otomatis.

Berdasarkan arsitekturnya, neural network dapat dikategorikan, antara lain, single-layer neural network, multilayer neural network, recurrent neural network dsb. Berbagai algoritma pembelajaran antara lain Hebb’s law, Delta rule, Backpropagation algorithm, Self Organizing Feature Map, dsb.

Kelebihan Neural Network:

1. Dapat memecahkan problema non-linear yang umum dijumpai di aplikasi
2. Kemampuan memberikan jawaban terhadap pattern yang belum pernah dipelajari (generalization)
3. Dapat secara otomatis mempelajari data numerik yang diajarkan pada jaringan tersebut
   

Neural Network memiliki aplikasi yang sangat luas di bidang pattern recognition, seperti voice recognition, character recognition maupun aplikasi-aplikasi pada bidang ekonomi, bisnis dan bioteknologi

Probabilistic Reasoning(PR) dan Genetic Algorithm(GA)
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. Termasuk dalam kategori PR antara lain teori Chaos, Belief Networks, Genetic Algorithm. Diskusi dalam makalah ini difokuskan pada salah satu metode dalam PR, yaitu Genetic Algorithm (GA).

Kelebihan Genetic Algorithm:

1. GA memiliki kemampuan untuk mencari nilai optimal secara paralel, melalui proses kerjasama antara berbagai unit yang disebut kromosom individu.
2. GA tidak memerlukan perhitungan matematika yang rumit seperti differensial yang diperlukan oleh algoritma optimisasi yang lain.
   

Kelemahan/ Keterbatasan GA :

1. Tidak memiliki rumusan yang pasti, bagaimana mentransfer parameter permasalahan ke dalam kode genetik. Dengan kata lain, hal ini memerlukan pengalaman dan wawasan dari desainer.
2. Banyak parameter yang perlu diset secara baik agar proses evolusi dalam GA berjalan sesuai dengan yang diharapkan.
3. Penentuan rumus menghitung fitness merupakan hal yang sangat penting dan mempengaruhi proses evolusi pada GA. Sayangnya tidak ada prosedur yang baku bagaimana menentukan rumus tsb. Dalam hal ini pengalaman dari desainer memegang peranan penting.
   

Aplikasi Genetic Algorithm dapat ditemukan di problem optimisasi seperti job-scheduling, optimisasi rute mobil, penentuan kandidat gen yang memiliki potensi kedokteran dan farmasi pada bidang bioinformatika


Referensi:
http://en.wikipedia.org/wiki/Soft_computing
asnugroho.net/papers/ikcsc.pdf
http://www.soft-computing.de/def.html