Guru Besar Binus: Teknologi Soft Computing Jadi Solusi Masalah Berbagai Sektor

IDNStart.com - Soft computing, yang merupakan bagian dari kecerdasan buatan, hadir sebagai solusi adaptif dan efisien dalam mengatasi ketidakpastian ini.

Tema ini yang diangkat yang dipaparkan oleh Prof. Abba Suganda Girsang, S.T., M.Cs., Ph.D. dalam orasi ilmiah yang berjudul “Peran Soft Computing dan Artificial Intelligent dalam Mengatasi Ketidakpastian untuk Menghadapi Tantangan Masa Depan.”

Paparan orasi ilmiah menjadi bagian dari rangkaian seremoni acara Pengukuhan Guru Besar Tetap Bidang Ilmu Soft Computing atas dirinya.

Soft Computing = Solusi Masa Depan

Prof. Abba menyampaikan isu ketidakpastian yang saat ini mencakup hampir seluruh aspek kehidupan manusia, seperti perubahan iklim, ketidakpastian pasar finansial, perkembangan teknologi, kesehatan dan pandemi, sosial demografis, ketidakpastian dalam pendidikan, serta etika dan kebijakan.

Menurutnya, Soft computing yang merupakan bagian kecerdasan buatan (AI) memiliki potensi untuk mengubah cara manusia menghadapi ketidakpastian di era modern ini.

Dengan menggunakan pengetahuan dan teknologi soft computing ini memungkinkan solusi yang lebih fleksibel, toleran terhadap ketidakpastian, dan mampu menangani informasi yang tidak lengkap atau kabur.

Adopsi Prinsip Alam Untuk Memecahkan Masalah Kompleks

Prof. Abba mengangkat metode metaheuristik dalam soft computing yang terinspirasi dari proses biologis alam untuk memecahkan masalah kompleks.

Contoh algoritma ini meliputi Algoritma Genetika (mensimulasikan seleksi alam), Particle Swarm Optimization (mengadopsi perilaku burung/ikan dalam menemukan solusi optimal), dan Algoritma Koloni Semut, Lebah, serta Cuckoo.

Algoritma yang meniru perilaku hewan ini efektif dalam menangani masalah kompleks seperti kolaborasi, evolusi, keseimbangan individu dan kelompok, serta optimasi dengan keterbatasan.

Pemanfaatan Soft Computing Dalam Berbagai Bidang

Prof. Abba menjelaskan bahwa AI dan soft computing memiliki potensi besar diberbagai bidang, seperti:

• Bisnis: Machine learning dapat memprediksi tren pasar dan membantu pengambilan keputusan untuk mengurangi risiko.
• Perbankan: Membantu mengidentifikasi risiko nasabah dan mendeteksi kecurangan keuangan.• Media & Jurnalistik: Memverifikasi fakta dan mendeteksi berita hoaks.
• Media Sosial: Menilai potensi viral konten dan mendeteksi potensi kejahatan.
• Entertainment: Memberikan rekomendasi konten yang relevan.
• Pertanian & Peternakan: Memfasilitasi prediksi penyakit dan peningkatan produksi.
• Pendidikan: Memperkirakan kelulusan dan menilai esai secara otomatis.

Peran Perguruan Tinggi Dalam Mengangkat Soft Computing

Sebagai Akademisi, Prof. Abba menekankan pentingnya peran perguruan tinggi, khususnya BINUS University dalam mengatasi ketidakpastian melalui beberapa kontribusi seperti:

• Pengembangan Metodologi & Teknologi Baru: Fokus pada inovasi algoritma soft computing yang lebih robust dan adaptif.
• Kolaborasi Interdisipliner: Bekerja sama dengan industri untuk memahami tantangan nyata.
• Pengajaran & Pendidikan: Mengembangkan kurikulum terkait AI dan soft computing untuk menangani ketidakpastian.
• Publikasi: Menerbitkan penelitian untuk mendorong diskusi tentang solusi inovatif.
• Kebijakan & Strategi: Berkontribusi dalam penyusunan kebijakan berbasis AI.
• Pengembangan Aplikasi: Menciptakan sistem berbasis AI untuk manajemen risiko dan kesehatan.

Apa Itu Soft Computing?

Soft Computing (SC) merupakan sekumpulan metodologi yang berkembang secara terus-menerus yang tujuan utamanya adalah untuk menghasilkan mesin ber-IQ tinggi.

Teknik-teknik dasar yang termasuk ke dalam SC adalah Fuzzy Logic, Neuro Computing atau Artificial Neural Networks, Evolutionary Computation, Probabilistic Computing, Chaos Computing, Rough Sets, Multivalued Logic, Immune Network Theory, dan teknik-teknik lain yang serupa.

Satu hal yang sangat penting dalam SC adalah antara satu bidang ilmu dengan bidang ilmu lainnya saling melengkapi dan berkontribusi untuk menyelesaikan suatu permasalahan.

Misalnya, fuzzy systems, yang bisa memberikan penjelasan proses reasoning tetapi tidak dapat learning, bisa digabungkan dengan Neural Network yang bisa learning tetapi tidak bisa memberikan penjelasan proses reasoning-nya.