SWARM INTELLIGENT

SISTEM PAKAR (ONLINE)

Oleh
DAVID

1210121316

HANS WIRANDA WIBOWO 1210121318

M. AGUNG

1210121319

AHMAD NAZIRUL

1210121325

HERI

1210121327

ERIGA

1210121284

TEKNIK INFORMATIKA
STMIK IBBI

Swarm Intelligent
1. Pengertian
Swarm Intelligence adalah salah satu teknik kecerdasan buatan yang
berlandaskan kepada perilaku kolektif (collective behaviour) pada sistem yang
terdesentralisasi dan dapat mengatur dirinya sendiri (self-organizing).
Sistem yang memanfaatkan Swarm Intelligence biasanya merupakan sebuah
populasi yang terdiri atas anggota berupa agen-agen yang sederhana, yang
berinteraksi secara lokal dengan sesama anggota, dan juga berinteraksi dengan
lingkungan. Walaupun pada umumnnya tidak ada struktur kendali secara terpusat
(centralized) yang mendikte bagaimana masing-masing individu bertindak, namun
interaksi secara lokal (di antara anggota) seringkali menuju pada pembentukan
(emergence) perilaku global. Contoh dari sistem seperti ini dapat ditemukan pada
alam, misalnya koloni semut, burung-burung, kawanan rusa, bakteri, maupun ikan.

2. Perkembangan
Swarm intelligent awalnya diperkenalkan oleh Gerardo Beni dan Jing Wang
pada tahun 1989, dalam konteks robot sistem selular. Sistem SI berpatok pada
suatu populasi kelompok yang berinteraksi pada sekitarnya. Inpirasi sistem SI ini
berawal dari alam, khususnya dalam sistem biologi. Sang aktor mengikuti aturan
yang simpel, dan juga tidak adanya sistem control pusat yang mengatur. Selanjutnya
sistem SI memasukkan koloni semut, koloni burung, kelompok binatang,
perkembang biakan bakteri, sekelompok ikan dan kepintaran mikroba sebagai
algoritma-algoritmanya.
Pada masa ini sistem SI banyak digunakan untuk hal-hal robotik, dimana
robot dapat diterapkan seperti sistem koloni, seperti robot yang digunakan dalam
pabrik, robot tersebut disetting untuk melakukan pekerjaan masing-masing layaknya
sebuah koloni yang diambil oleh sistem SI tersebut.

3. Kelebihan dan Kelemahan

kelebihan Swarm Intelligent ialah,

a. Berpatok pada sekelompok alam yang melakukan pekerjaannya yang tidak
didasari oleh perintah melainkan oleh insting.
b. Pengaplikasian yang cocok untuk robot agar dapat bekerja satu sama lain.
c. Sistem yang dapat dengan mudah untuk diterapkan.
Kelemahan Swarm Intelligent ialah,
Tidak terdapatnya kontrol pusat untuk mengatur segala jenis aktivitas kelompok.
a. Tidak adanya perkembangan dari aspek aktivitas yang dilaksanakan seperti
sudah memiliki pola aktivitasnya sendiri-sendiri.
4. Algoritma
PSO (Particle Swarm Optimization)
Merupakan algoritma yang digunakan untuk menyelesaikan masalah dengan
solusi terbaik yang dapat direpresentasikan. Memiliki hipotesis yang di plot
dalam ruangan yang diunggulkan dengan kecepatan awal, serta channel
komunikasi antar partikel. Partikel kemudian bergerak melalui ruang solusi,
dan dievaluasi menurut beberapa kriteria disetiap tahapnya. Seiring waktu,
partikel dipercepat terhadap pengelompokan partikel yang memiliki nilai lebih
baik. Keuntungan dari algoritma ini ialah terdapatnya strategi meminimalisasi
simulasi annealing yang merupakan sejumlah besar anggota yang
membentuk suatu gerombolan/kelompok partikel yang dapat menciptakan
teknik yang mengesankan terhadap masalah lokal minimum dan juga
digunakan untuk berbagai teknik optimisasi.
ACO (Ant Colony Optimization)
Algoritma ini didasarkan kerjasama yang dilakukan koloni semut dalam
mencari

makanan.

Dalam

mencari

makanan,

semut

mengandalkan

pheromone untuk menemukan rute terpendek dari sarangnya ke sumber

makanan. Pheromone adalah zat yang diletakkan oleh setiap semut.
Namun, semut punya strategi jitu untuk mengatasi ini. Mereka memanfaatkan
pheromone yang dikeluarkan oleh koloni semut. Pheromone yang banyak di
path, semut indikasikan sebagai jalur laris yang dianggap jalur optimal.
Walaupun terjadi proses penguapan pheromone, namun laju penguapan
pheromone dianggap sangat kecil. Dengan demikian jalur pendek/jalur
optimal makin banyak memiliki pheromone, sementara jalur yang tidak
optimal makin dihindari, sehingga pheromone juga akan makin sedikit.

Awalnya semut-semut tidak memiliki kecerdasan/pengetahuan untuk

menemukan jalur terpendek ke sumber makanan. Oleh karena itu semutsemut bergerak secara acak. Karena random/acak, tentu semut akan
kesulitan menemukan jalur terbaik (terpendek).
ABC (Artificial Bee Colony)
Algoritma ini merupakan sebuah algoritma meta-heuristik yang diperkenalkan
oleh Karaboga pada tahun 2005 dan mensimulasikan perilaku lebah madu
dalam mencari makanan. Algoritma ABC memiliki tiga tahap: lebah bekerja,
lebah pengamat dan lebah pengintai. Dalam tahap kelompok lebah pekerja
dan lebah pengamat, lebah mengeksploitasi sumber yang dicari dilingkungan
lokal yang memiliki solusi berdasarkan pilihan deterministik. Pada kelompok
lebah pengintai memiliki analogi untuk meninggalkan sumber makanan yang
sudah tidak layak lagi, solusi yang tidak menguntungkan untuk tetap mencari
pada sumber yang tidak layak lagi, dan solusi baru yang dimasukkan untuk
mencari tempat lain yang baru. Algoritma ini memiliki kemampuan eksplorasi
dan eksploitasi yang seimbang.