2 Desember 2019
e-ISSN : 2597-3673 (Online)
p-ISSN : 2579-5201 (Printed)
Rumadi Hartawan1
Teknik Informatika1
STMIK Jayakarta1
rumadi@stmik.jayakarta.ac.id 1
Abstrak
Kecerdasan kerumunan (swarm intelligence) adalah disiplin yang berhubungan dengan sistem alami dan sistem buatan
yang terdiri dari banyak individu yang berkoordinasi dengan menggunakan kendali yang terdesentralisasi dan
pengorganisasian diri. Secara khusus, disiplin ini berfokus pada perilaku kolektif yang dihasilkan dari interaksi lokal
individu dengan satu sama lain dan dengan lingkungan mereka. Contoh sistem yang dipelajari oleh kecerdasan
kerumunan adalah koloni semut dan rayap, ikan, kawanan burung, kawanan hewan darat. Beberapa artefak manusia
juga termasuk dalam ranah kecerdasan kerumunan, terutama beberapa sistem multi-robot, dan juga program komputer
tertentu yang ditulis untuk mengatasi masalah optimisasi dan analisis data.
1
Vol.3 No.2 Desember 2019
e-ISSN : 2597-3673 (Online)
p-ISSN : 2579-5201 (Printed)
interaksi antar individu didasarkan pada aturan terpusat yang menentukan bagaimana agen individu
perilaku sederhana yang mengeksploitasi hanya harus berperilaku, lokal, dan sampai tingkat tertentu
informasi lokal yang ada individu bertukar secara secara acak, interaksi antara agen tersebut
langsung atau melalui lingkungan (stigmergy); menyebabkan munculnya perilaku global "cerdas",
keseluruhan perilaku sistem dihasilkan dari yang tidak diketahui oleh individu agen. Contoh
interaksi individu satu sama lain dan dengan kecerdasan kerumunan dalam sistem alami termasuk
mereka lingkungan, yaitu, perilaku kelompok koloni semut, berkelompok burung, berburu elang,
mengatur diri. [1] penggembalaan hewan, pertumbuhan bakteri,
sekelompok ikan dan kecerdasan mikroba.
Karena sifat-sifat di atas, dimungkinkan untuk
merancang sistem kecerdasan kerumunan yang dapat Penerapan prinsip kerumunan (swarm) untuk robot
berkembang sesuai skala (scalable), bekerja secara disebut kerumunan robotika (swarm robotics),
bersamaan (parallel), dan toleransi terhadap sedangkan 'swarm intelligence' mengacu pada
kegagalan (fault toleran). serangkaian algoritma yang lebih umum. 'Prediksi
kerumunan' telah digunakan dalam konteks masalah
Skalabilitas berarti bahwa suatu sistem dapat memper- perkiraan. Pendekatan serupa dengan yang diusulkan
tahankan fungsinya sambil meningkatkan ukurannya untuk kerumunan robotika dipertimbangkan untuk
tanpa perlu mendefinisikan ulang caranya bagian organisme yang dimodifikasi secara genetik dalam
berinteraksi. Karena dalam kecerdasan kerumunan kecerdasan kolektif sintetis. [3]
interaksi hanya melibatkan individu tetangga, jumlah
interaksi cenderung tidak tumbuh dengan jumlah Boids adalah program kehidupan buatan, yang dikem-
keseluruhan individu dalam kelompok: perilaku bangkan oleh Craig Reynolds pada tahun 1986, yang
masing-masing individu hanya longgar dipengaruhi mensimulasikan perilaku berkelompok burung. Nama
oleh dimensi kerumunan. Dalam sistem buatan, "boid" sesuai dengan versi singkat dari "bird-oid
skalabilitas menarik karena sistem skalabel dapat me- object", yang mengacu pada objek seperti burung. [4]
ningkatkan kinerjanya dengan hanya meningkatkan
ukurannya, tanpa perlu pemrograman ulang. Seperti kebanyakan simulasi kehidupan buatan, Boids
adalah contoh perilaku yang muncul; yaitu, kom-
Tindakan paralel dimungkinkan dalam sistem pleksitas Boids muncul dari interaksi agen individu
kecerdasan kerumunan karena individu yang (boids, dalam hal ini) mengikuti serangkaian aturan
menyusun kerumunan dapat melakukan yang berbeda sederhana. Aturan yang diterapkan di dunia Boids
tindakan di tempat yang berbeda secara bersamaan. paling sederhana adalah sebagai berikut:
Dalam sistem buatan, tindakan paralel diinginkan Pemisahan (separation): mengarahkan untuk
karena dapat membantu membuat sistem lebih menghindari kerumunan kawanan domba lokal
fleksibel, yaitu, mampu mengatur diri sendiri dalam Penyelasaran (alignment): mengarahkan ke arah
tim yang mengurus secara bersamaan berbagai aspek rata-rata teman sekawanan lokal
dari tugas yang kompleks. Kohesi (cohesion): mengarahkan untuk bergerak
ke arah posisi rata-rata (pusat massa) teman
Toleransi kesalahan adalah sifat inheren dari sistem kawanan lokal
kecerdasan kerumunan karena sifat desentralisasi, Aturan yang lebih kompleks dapat ditambahkan,
terorganisasi dari struktur kendalinya. Karena sistem seperti penghindaran rintangan dan pencarian tujuan.
ini terdiri dari banyak individu yang dapat dipertu- [5].
karkan dan tidak satupun dari mereka yang bertugas
mengendalikan perilaku sistem secara keseluruhan,
individu yang gagal dapat dengan mudah diberhen- III.METODE
tikan dan diganti oleh yang lain yang berfungsi penuh.
Penelitian tentang kecerdasan kerumunan umumnya
Sistem kecerdasan kerumunan biasanya terdiri dari dapat dikelompokkan ke dalam tiga kategori besar.
populasi agen sederhana atau boids yang berinteraksi Kategori pertama adalah pada algoritma. Setiap
secara lokal satu sama lain dan dengan lingkungannya. algoritma kecerdasan kerumunan telah dipelajari dan
Inspirasi sering datang dari alam, terutama sistem dimodifikasi untuk meningkatkan kinerjanya dari
biologis. Agen mengikuti aturan yang sangat berbagai perspektif seperti konvergensi, akurasi
sederhana, dan meskipun tidak ada struktur kontrol solusi, dan efisiensi algoritma, dll. Misalnya, dalam
JISICOM (Journal of Information System, Informatics and Computing)
http://journal.stmikjayakarta.ac.id/index.php/jisicom Telp.+62-21-3905050,
e-mail: jisicom@stmikjayakarta.ac.id , jisicom2017@gmail.com
2
Vol.3 No.2 Desember 2019
e-ISSN : 2597-3673 (Online)
p-ISSN : 2579-5201 (Printed)
algoritma optimasi kerumunan partikel (particle Pekerjaan lain telah melibatkan penggunaan banyak
swarm optimization, PSO), dampak bobot inersia, kawanan. Ini memungkinkan setiap kelompok untuk
koefisien percepatan, dan lingkungan pada kinerja mengoptimalkan bagian berbeda dari solusi. Atau,
algoritma telah dipelajari luas. Akibatnya, semua jenis setiap gerombolan dapat dikonfigurasikan secara
varian PSO telah diusulkan. berbeda untuk mengambil keuntungan dari kekuatan
varian PSO yang berbeda, dalam upaya untuk
Kategori kedua ada pada jenis masalah yang algoritma membuat algoritma yang lebih andal yang dapat
dirancang dan / atau dimodifikasi untuk diterapkan ke berbagai domain masalah..
menyelesaikan masalah. Secara umum, sebagian besar
algoritma kecerdasan kerumunan awalnya dirancang REFERENSI
untuk memecahkan masalah optimisasi objektif
tunggal yang tidak terbatas. Algoritma kemudian [1] Marco Dorigo and Mauro Birattari (2007).
dipelajari dan dimodifikasi agar sesuai untuk "Swarm intelligence" in Scholarpedia
memecahkan jenis masalah lainnya sebagai kendala Antoinette Brown. Swarm Intelligence,
optimasi masalah objektif tunggal, optimasi objektif
http://www.scholarpedia.org/article/Swarm_i
multi masalah, kendala optimisasi multi-tujuan
masalah, dan optimasi kombinatorial masalah, dll. ntelligence.
[2] Yang, Xin-She, et. all (2013), Swarm Intelligence
Kategori ketiga adalah pada aplikasi algoritma. and Bio-Inspired Computation, Published by
Algoritma kecerdasan kerumunan telah berhasil Elsevier Inc, https://www.sciencedirect.com/
diterapkan untuk menyelesaikan semua jenis masalah topics/engineering/swarm-intelligence.
mencakup berbagai aplikasi dunia nyata. Karena [3] Solé R, Rodriguez-Amor D, Duran-Nebreda S,
karakteristik algoritma seperti itu mereka biasanya
Conde-Pueyo N, Carbonell-Ballestero M,
tidak memerlukan kontinuitas dan diferensiasi yang
penting untuk memiliki algoritma pengoptimalan Montañez R (October 2016). "Synthetic
tradisional, algoritma kecerdasan kerumunan telah Collective Intelligence". BioSystems. 148:
mampu memecahkan banyak masalah aplikasi dunia 47–61. https://doi.org/10.1016%2Fj.
nyata yang sangat sulit, jika tidak mungkin, untuk biosystems. 2016.01.002
memecahkan algoritma tradisional. [4] Reynolds, Craig (1987). Flocks, herds and schools:
A distributed behavioral model. SIGGRAPH
Karenanya, algoritma kecerdasan kerumunan telah
'87: Proceedings of the 14th Annual
menarik lebih banyak perhatian dari para insinyur
sektor industri. Ini adalah aplikasi dunia nyata yang Conference on Computer Graphics and
sukses yang menjadi pendorong dan vitalitas yang Interactive Techniques. Association for
mendorong kemajuan penelitian tentang kecerdasan Computing Machinery. pp. 25–34. CiteSeerX
kerumunan.[6] 10.1.1.103.7187. doi:10.1145/37401.37406.
ISBN 978-0-89791-227-3.
[5] Banks, Alec; Vincent, Jonathan; Anyakoha,
IV.KESIMPULAN
Chukwudi (July 2007). "A review of particle
Tren penting dalam karya terbaru tentang optimasi swarm optimization. Part I: background and
kerumunan partikel, dan memang pada metaheuristik development". Natural Computing. 6 (4):
secara umum, adalah menuju penciptaan algoritma 467–484. CiteSeerX 10.1.1.605.5879.
hybrid. Sementara tema dari perhitungan evolusioner https://doi.org/10.1007%2Fs11047-007-
terus dimasukkan dalam PSO, yang lain telah 9049-5.
mengeksplorasi ide hibridisasi dengan teknik yang [6] Panigrahi, Bijaya Ketan, et. all (2011), “Handbook
jarang digunakan seperti pencarian pencar dan
of Swarm Intelligence”, Published by
penghubungan kembali jalur, optimasi koloni semut.
Sementara itu, berbagai masalah yang PSO dapat Springer-Verlag Berlin Heidelberg.
diterapkan telah sangat meningkat dengan
pengembangan bentuk multi-objektif PSO