4 Unsur Soft Computing

Keahlian/kemampuan seperti manusia pada domain tertentu,mampu beradaptasi dan belajar agar dapat bekerja 
lebih baik jika terjadi perubahan lingkungan. Soft Computing adalah kumpulan teknik–teknik perhitungan dalam 
ilmu komputer,inteligensia semu,machine learning dan beberapa disiplin ilmu teknik lainnya,yang berusaha untuk 
mempelajari,memodelkan,dan menganalisa fenomena yang sangat rumit.

Unsur-unsur pokok dalam Soft Computing,adalah sebagai berikut :

1.Sistem Fuzzy/Fuzzy System (Mengakomodasi Ketidaktepatan)
   
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.
Sistem fuzzy secara umum terdapat 5 langkah dalam melakukan penalaran, yaitu:

- Memasukkan input fuzzy.
- Mengaplikasikan operator fuzy.
- Mengaplikasikan metode implikasi.
- Komposisi semua output.

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.(Sri Kusumadwi,2002:3)

2.Jaringan Syaraf/Neural Networks (Menggunakan Pembelajaran)
                        
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.Penalaran Probabilistik/Probabilistic Reasoning (Mengakomodasi Ketidakpastian)
         
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.

4.Evolutionary Computing (Optimalisasi)

Evolutionary Computing merupakan algoritma yang berusaha meniru sifat adaptive dari alam sekitar (mirip teori darwin) dimana 
organisme yang hidup saat ini adalah organisme terbaik yang berhasil unggul dibanding organisme lain yang sudah punah. 
Metodenya adalah membangkitkan sembarang bilangan, kemudian dievaluasi dengan fungsi objective dan jika kurang baik maka 
dimusnahkan, sedangkan yang baik,dikawin silangkan serta dimutasi sehingga menghasilkan individu baru yang lebih baik dari
induknya. 
Operasi ini terus berlangsung hingga dihasilkan individu terbaik hasil dari kawin silang dan mutasi.

Jadi,kesimpulannya adalah Fuzzy System mengakomodasi ketidaktepatan (imprecision),lalu Probabilistic Reasoning 
mengakomodasi ketidakpastian (uncertainity),dan Neural Networks menggunakan pembelajaran untuk meminimalisir kebenaran 
parsial (partial truth) dan perkiraan untuk mencapai tractability,sementara itu,Evolutioner Computing untuk mencapai optimasi 
dalam rangka ketahanan (robustness) dan biaya penyelesaian murah.

Keempat unsur tersebut akan saling menyatu bersinergi untuk saling melengkapi dalam mengerjakan/menyelesaikan sesuatu.


Sumber : http://library.binus.ac.id/eColls/eThesisdoc/Bab2HTML/2009200177IFBab2/page18.html
                http://socs.binus.ac.id/2012/03/02/pemodelan-dasar-sistem-fuzzy/
                https://rahmadya.com/2012/01/27/soft-computing/
                http://syahrulzzadie.blogspot.co.id/2014/10/pengertian-soft-computing.html