Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
Post on 07-Jul-2018
215 Views
Preview:
Transcript
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
1/17
GAGASAN PARTICLE SWARM OPTIMIZATION
DALAM
A L-QUR'A N
Taufiq Aji
Staf Pengajar Prog-am
Studi Teknik
Indttstn,
Fakultas
Sa ins
dan
Teknoloei ,
U 1N Sanat i
Abstract
Qoran
as a
source of
knowledge
has
been
inspiring many things in human l i f e . Its
divine
revelation has
strong e ndurance
to ace the condition
of scientific development.
This
paper try to
elaborate the divine
message
on a bird,
based
on
Qor anic stateme nt, that
is
applied
in constructing
a
nature-based algorithm
called Particle
Swarm
Optimisation (PSO). The explanation extend
from introducing the h istory of PSO, Qoran
inspiration in
PSO,
basic
optimisation concept
in Qoran, PSO in detail, and the simulation of
th e
technique. From
th e e xplanation ute may
proof
that Qoran
as a
divine
revelation ca n
align with
s c i e n t i f i c issue such
as the technique.
Kata
kunci:
wahyu
ketuhanan,
algoritma
berbasis-alamiah, optimisasi,
Particle Sw arm Op timisation.
A. Pengantar
Al-Qur'an sebagai sumbet
ilmu
bagi
utnat manusia telah menginspirasi atau se-
suai
dengan
apa
yang telah
ditemukan oleh
manusia sampai sejauh ini. Ini merupakan
salah
satu pertanda bahwa Al-Qur'an ada-
lah wahyu Tuhan yang tetpelihata,
tidak
akan lekang oleh waktu. Paparan tulisan
ini
berusaha menjembatani
perintah
Tuhan un-
tuk
mempethatikan
tanda-tanda kekuasa-
an-Nya. Objek yang
menjadi
kajian
adalah
Particle
Sw a rm Optimisation
yang
terinspkasi
oleh
perilaku kelompok burung dan kaitan-
nya
dengan apa
yang
diungkapkan
oleh Al-
Qur'an.
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
2/17
Bahasan pertama pada tulisan
ini
adalah
mengenai
inspirasi
burung
pada Al-Qur'an dan bagaimana nieteka berperil; ku dalam
kelompok. Bahasan
kedua
adalah tentang inspirasi cptimisasi
sebagaimana
yang tertuang dalam Al-Qur'an.
Selanjulnya
pada
bagian
ketiga
dibahas
mengenai pengertian
swarm
dalam
kaitannya
dengan
perilaku
kawanan
burung. Bagian keempat trembedah
rumusan
Particle Swarm Optimisation
(PSO)
secara lebih
tnendetail
hingga mewujudkannya menjadi sebuah algoritma pencarian solusi.
Sedangkan bagian selanjutnya
membahas penerapan PSO dan
mewujudkannya
ke dalam bentuk simulasi sederhana.
L-Qor '
B.
Inspirasi Perilaku Burung
dari
Al-Qur'an
Burung merupakan hewan yang dapat dijumpai di beh
.ha
manapun. Kemampuan terbang pada burung telah mer
manusia untuk membuat mesin terbang. Dalam
hal ini
Al-
menyebutkan
bahwa kemampuan terbang burung merupa
tanda
kekuasaan Tuhan seperti tertuang dakm Q.S. An-Ni
yang artinya:
Tidakkah mereka memperhatikan
burung-burungyang
dimudahk j ,
_ . angkasa bebas. Tidak adayangmenahannyaselain daripadaAl lah .
.
pada
yang
demikian itu benar-benar terdapat tanda-tanda (kebe,
bagi
orang-orangyang
beriman
1
.
n dunia
gmspirasi
an telah
tanda-
ayat 79
esungsuhnya
- i r a n Tuhan)
Ayat tersebut sering disitk untuk
mengklarifikasi
bahwa kemam-
puan terbang
pesa\vat
adalah wujud tanda-tanda kebesaran
Tuhan
se-
bagai
bentuk
peniruan
terhadap burung. Meskipun
demikia: ,
tidak di-
jelaskan apakah tanda-tanda kebesaran
Tuhan
tersebut hanyilah untuk
menginspkasi manusia agar dapat mengambil pelajaran
?ada
alam
sehingga mampu membuat mesin terbang. Jika
tanda-tandt?'
Allah
di
atas hanya untuk menginspirasi mesin terbang, maka
kata
bi
irung
akan
hadir dalam bentuk
tunggal.
Untuk membuat mesin terbang n icnyerupai
burung
tidak memerlukan
kehadiran kata burung dalam
junlah
jamak.
'Suatu keajaiban lainnya
yang
disaksikan sehari-hari oleh
manusia,
tlikemukakan
Allah dalam ayat ini, untuk menunjukkan kekuasaan-Nya. Keindahan psmandangan
sewaktu b umng-burung beterbangan di udar a, m elayang-layang, kadang-k idang seperti
terapung-apung
diperm ainkan angin adalah pem andangan yang sangat i icngesankan
ke dalam
jiwa
orang-orang benman tentang kebesaran
dan
keagungan
Tul
.an. A.IQuran
da n T a f s i r ti y a , Depat temen Agama Republik In donesia, hal. 429 .
Gagasan Particle Swarm
Optimisation
dalam
Al-Qur'i
(Taufiq
Aji)
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
3/17
Selain
itu,
pada
bagian kalimat tidak ada
y a ng
menah annya selain
daripada
Allatf ' di atas juga tidak
menginformasikan meialui apakah
Allah
menahan burung-burung, dan bagaimanakah posisi penahanan
tersebut.
Apakah burung ditahan
dari
bawah
sehingga
tidak
jatuh,
atau-
kah
juga
ditahan
dati
berbagai arah. Dapat pula
diartikan
bahwa burung
tersebut ditahan dalam bentuk mempertahankan kecepatan dan arah
terbangnya.
Cara menahannya pun tidak dijelaskan apakah meialui
udara ataukah
meialui
hal
yang lain.
Ilmuwan menguraikan bahwa terdapat beberapa faktor yang
menjadikan burung
mampu
terbang. Antaia lain tipikal bentuk
tubuh
burung yang ramping, sayap lebar yang dilengkapi dengan bulu-bulu
serta
tulang-tulang
berongga. Ada juga
kantong-kantong
udara yang
tersimpan dalam perut menggantung pada paru-paru. Kantong-kantong
udara ini akan terisi udara secara otomatis pada saat burung mulai
terbang, sehingga badan burung yang
demikian
berat
akan
berkurang
2
.
Gambar
1. Salah satu bentuk kawanan (smarm) burung
Saat burung melakukan terbang, terdapat
kemungkinan
keadaan
dimana burung akan kesulitan mengkoordinasikan terbangnya, yaitu
saat burung-burung berada dalam kelompok yang besar. Kondisi ter-
sebut mungkin
menjadi
lebih sulit apabila
kelompok tersebut ber-
hadapan dengan bahaya
misalnya
burung pemangsa. Tetapi kenyataan
berkata lain, dengan n'dak pernah ditemukannya burung-burung yang
saling
bertabrakan karena
panik
d an kemudian
berjatuhan. Burung-
2
Q uraish
S hihab, Tapir Al-Mishbah,
Pesan, Kesan,
da n
Keserasian
A l -Qur 'an . Get.
I, (Jakarta: L enteta Hati,
2002/1423), Vol. 7: 305-307.
Kaunia
Vol. IV, N o.
1,
A pr il 2008
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
4/17
humng
tersebut dimudabkan terbang oleh Allah saat
ben
da dalam
kerumunan. Ketnudahan terbang dalam
kerutnunan
im olsh karena
ditahan oleh
sunnatullah
melalul suatu aturan terbang dalam
1 ;elompok.
Aturan terbang dalam kerumunan tersebut sejalan dengan
p
inyebutan
ketundukan burung pada aturan Allah
saat
berkerumun se
)erti
pada
Q.S. Shaad ayat 18-19 yang artinya sebagai
benkut:
Sesungg uhnyaKam imen undukkangunung-gununguntuk
bertasbih bersama dia
(Daud)
di
w aktu petang da n pag i,
dan (Kami
tundukkan pula)
burung-
burung dalam keadaan
terkumpul. Masing-masingnya
ama, taatkepada
Allah
5
.
dan
Q.S.
An
Nuur ayat
41
yang artinya sebagai berikut:
Tidaklah
kamu
tahu babwasanya
Al lah: kepada-Nya bertasbih
langit dan
di
bumidan (juga)
burung dengan m e n g e m b an ^
nya. Masing-masing
telab mengetahui (card) s e m <
tasbihnya,
dan Allah Maha
Mengetahui
apayang
mereka k e r j a
a p a yang
di
i g i
tan
sayap-
'ang dan
kan
4
.
bak
y »
Keteraturan formasi
kawanan
burung saat terbang
kriteria-kriteria
perilaku
kawanan
burung
sesuai kondisi a
sebagai
berikut
5
:
a.
Seluruh burung pada kawanan harus
mengikuti
jalur y
Pcrubahan arah
terbang
dilakukan
secara perlahan ( , r ,
sinkron (synchronously)
untuk
setnua
burung dalam kawa:
b.
Semua
burung
harus berada dalam
jarak
aman ( f a i r ) y
berdekatan tetapi tidak saling bersentuhan.
c.
Jika
suatu kawanan harus
terpecah
atau
terganggu (disrup
menjadi
dua
atau
beberapa kawanan yang
lebih
ke
melewati
rintangan,
maka sesegera mungkin akan
b
kembali.
d.
Setiap anggota kawanan dapat memicu
perubahan
arah
e.
Perilaku burung secara
individu
pada kawanan tidak
b
pada keseluruhan jumlah burung pada kawanan.
5
Al-Qttr'an
dan
Ter j emahannya
(2003),
diambil
dari
http://geocitie
4
Ibid.
"Helmut Lorek dan Matthew
White, Pa rallel Bird
Flocking
Simulatio,
Maret 2008 dari http://citeseer.ist .psu.edu/caehe/papei
h t t p z S zz S zch i ip ti . i n f o t m a t i k. u n i - o l d cn b u t p . i i e z S z a b t ei l
mengikuti
amiahnya
ang sama.
wthly) dan
lan.
ng saling
ted or s p l i f )
il karena
ergabung
terbang.
ergantung
s.com/ aL\l-
•
diakses
24
s / cs / 7 9 3 /
S2proiekte25xEcoToolszSzlictiehte/.Sxedinburgh93zSzpaper.pdf/Iorek9.
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
5/17
Aturan yang lebih
form al
mengenai perilaku kerumunan burung-
burung tersebut teiah dirumuskan oleh Reynolds, dimana burung-
burung
dipandang
sebagai
boids yang dikarakterisasi
oleh
jarak
d an
sudut terbangnya
6
, sebagai berikut:
Pemisahan (Separation]; hindari kerumunan
lokal.
Penjajaran (Alignment): kem udikan searah dengan n
keiumunan
lokal.
Kohesi (Cohesion): kemudikan un tuk bergerak m enuju posisi rata-
rata
kawanan
lokal.
Gambar 2. Aturan boids pada kerumunan oleh Reynolds
Selain
tiga aturan di
atas, terdapat bentuk representasi lain
tentang
ciri-ciri utama perilaku kolektif pada kawanan burung sebagai
enritas
tunggal yang
koheren
7
,
sebagai berikut:
a. Homogeneity,
setiap burung pada kawanan
mempunyai model
perilaku
yang sama. Kawanan tetsebut bergerak tanpa pemimpin, meskipun
terkadang muncul pemimpin temporer.
b.
Locality,
setiap anggota kawanan hanya dipengaruhi gerakannya oleh
sekitarnya.
c . Collision Avoidance:
hindari tabrakan dengan anggota kawanan
terdekat.
d. Velocity
Matching, sesuaikan kecepatan dengan
anggota
kawanan
terdekat.
e. Flock Cen tering, pertahankan
posisi saling
berdekatan
dengan anggota
kawanan
d i
sekitarnya
Craig Reyn olds,
Boids, Backgroun d
a nd
Update,
diakses
26
M aret
2008
dari
http:/
7 w w w r e d 3 d . c o m / c w r / h o l d s / .
Ajith
Abraham
and others,
Sw arm
In telligence A lgorithm s f o r . Data Clustering,
diakses
2 4
M aret
2008 dari h t tp : /w w w . so ftcomp uting.net/cluster-w eb.pdf.
Kaunia ,
Vol.
I V , No.
1,
April 2008
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
6/17
Gambar
3.
Ciri-ciri utama
perilaku kolektif
i f
4
* *
t r
c. Dynamic
parallel
group d. H ig h l y
parallel
group
Gambar
4.
Model-model perilaku kolektif
Lebih
lanjut, Couzin m engidentifikasi empat perilaku dinan lik kolektif
sebagalmana
ilustrasi pada Gambar 4. yang dijelaskan sebagai b
aikut:
b. Swarm: suatu
agregat dengan
kohesi,
pada level polar
rendah antar
anggota.
c .
Torus:
individu-individu
yang
berputar
terus-menerus m
ruang kosong dengan arah putaran yang acak.
d.
Dynamic parallel group: individu-individu yang terpola
bergerak
sebagai suatu
kelompok
yang koheren,
tetap
individu dapat bergerak saling melewati dengan
b <
kerapatan yang berfluktuasi.
( lagasan Particle Swarm O p t imiz a tion
dalarn
Al-Qur'a
sasi yang
mgelilingi
isasi dan
individu-
ntuk
dan
(Taufiq
Aji)
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
7/17
e. Highly parallel
g r o u p ' , berbentuk lebih statis dalam hal pertukaran
posisi spasial
di
dalam kelompok daripada
dynamic parallel group,
dengan variasi bentuk dan
kerapatan
yang minimal.
Gagasan-gagasan
keteratutan
perilaku kolektif d i
atas dapat
memicu
pertanyaan apakah sebenarnya
tanda-tanda
kebesaran
Tuhan
itu dapat
menjadi
inspirasi bagi hal-hal yang lain. Untuk itulah tulisan
in i mencoba mengeksplorasi tanda-tanda
kebesaran
Tuhan pada
k a w a n a n
burung dengan membahas kaitannya terhadap bidang
matematika
komputasi. Bidang matematika yang
dimaksud
adalah
optimisasi dengan
pemecahan masalah menggunakan Particle
S wa r m
Optimisation
(PSO).
C. Optimisasi dan Penerapannya
Optimisasi merupakan cabang matematika yang
membicarakan
bagaimana menemukan solusi terbaik atas serangkaian solusi
layak
da-
lam suatu ruang solusi. Salah
satu
bidang keilmuan yang banyak meng-
gunakan
optimisasi untuk memecahkan
permasalahan
adalah Teknik
Industri,
dengan bidang penerapan meliputi
m anufaktur,
perencanaan
hingga
manajemen.
Secara
spesifik
sub
bahasan
penerapannya dapat
meliputi perencanaan produksi perencanaan fasilitas, penjadwalan
sumberdaya,
pengendallan mesin-mesin, perencanaan kualitas produk
desain
produk,
desain tempat kerja, perencanaan
lokasi, perencanaan
transportasi, manajemen
rantai
pasok
dan sub
bahasan yang
lainnya.
Suatu
permasalahan optimisasi tersusun atas tiga unsur yaitu fung-
si
tujuan ( o b j e c t i v e f u n c t i o n ) , variabel
(variables)
dan
kendala atau pembatas
(constraints).
Suatu nilai akan menjadi solusi terbaik bagi permasalahan
apabila
ia menghasilkan nilai optimal bagi
fungsi tujuan.
Nilai solusi
diambil dari semesta solusi yang mungkin. Bagi permasalahan
optimisasi yang mempunyai pembatas
maka
solusi akan
dibagi
menjadi
dua
bagian yaitu solusi layak
( f e a s i b l e
solution)
dan
solusi
tak layak
( u n f e a s i b l e solution). Keduanya dipisahkan
oleh
apa yang dinamakan
pembatas
(constraints)?
Berkaitan
dengan permasalahan optimisasi
Al-Qur'an telah
me mb e r i k a n r a mb u - r a mb u mengenai hal tersebut sebagaiman Q.S.
Huud ayat
112
yang
artinya:
* Singiresu S. Rao Optimisation: Theory andA pp licatiotis, Wiley
Eastern
Limited, 1979.
Kaunia Vol. IV, No. 1, April 2008
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
8/17
Maka tetaplah kamu pada jalan yang benar,
sibaguimana
diperintahkan kepadamu dan
( j u g a )
orangjang telah taubat b e s e r t
i
kamu dan
janganlab
kamu melampaui batas. Sesungguhnya
D ia
M ih a
Melihat
apayang
kamu
k e r j a k a n - * .
Bila
dikaitkan
dengan permasaiahan optimisasi,
ma
ca
ayat
di
atas
memerintahkan supaya mengambil
jalan
hanya pada ruang solusi
dan
mengambilnya dengan
tidak
melampaui batas
(constraints).
Tetaplah kamu pada
jalan
yang benat*'
Janganlah kamu
melampaui
batas'''
Tetaplah
berada
pai
solusi
Ambil
solusi pada
n
yang feasibel dan ti
melampaui
pcmbata
(constraints) yang dit
Lebih
jauh
tentang fakta pembatas,
tersirat
dari Q.S. Ai-Rahmaan
ayat
7-8
Dan Allah telah
men ing gikan
langit
d a n Dia
meletakkitn
neraca
(keadilan).
Supaya
kamu jangan melampaui batas
tentarg neraca
itu.
}n
. Ayat tersebut
mengindikasikan bahwa
suatu pembatas
sebenarnya
telah mempunyai ukuran tertentu atau dapat
dikuantifikasi
sehingga
dapat dibedakan dengan jelas.
D. Apakah Swarm itu?
Beberapa jenis
organisme
(hewan) melakukan
kebiasaa
n berkeru-
mun
pada saat mereka bergerak atau
menje la jah ,
yang diistilahkan
sebagai
swar m.
Swarm adalah kumpulan (populasi) individu yang ber-
gerak seperti
tak
beraturan
dan
cenderung mengelompo c bersama
sementara setiap individu tampak bergerak dengan arah acak
11
. Defmisi
lain swarm adalah suatu agregat
saling
kohesi, dengan leve polarisasi
yang
rendah antar anggotanya
12
.
Swarm
menggambarka:i
perilaku
g
Al-Qur'an
dan
Terjemahannya
(2003),
d iam bi l dari
http:
//geocitii
Russel
C . Eberhart, Introduction
to
Sw a r m
Intelligence,
d iakses 24 M a r e t 2008
dari
http://wwwcs.bham.ac.uk/-wbl/biblio/gecco2004/TUT027.pdf.
Ajith Abraham
a nd others, eds., Sw a r m Intelligence
Algorithm s
for
L a ta
Clustering ,
diakses 24 M are t 2008 dar i http:/www .softcom pu ting.net/cluster-web .p if.
Gagasan
Particle Swarm
Op t i r
i
dalani AI-Qur
1
;
ang solusi
ik
.s.com/alAl-
a u j i q
Aji)
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
9/17
kumpulan
atau kesatuan organisme dengan ukuran
dan
orientasi yang
serupa, dan biasanya
m enjelajah
dengan arah yang sama. Isaiah lain
yang seting dipakai untuk menjelaskan terminologi ini
adalah
shoaling,
schooling,
herd, dan flocking yang tetgantung dati penerapan tethadap
otganisme
yang
berkerumun
13
.
Organisme yang terlihat
sering
berkerumun diantatanya semut,
ikan,
burung,
belut,
belalang,
rayap, lebah dan mikroorganisme seperti
halnya bakteri
14
. S ejum lah aksan mengapa mereka berkerumun
telah
diteliti oleh para ahli perikku soskl
hewan.
Untuk menggambarkan
alasan
mengapa
organisme-organisme
tersebut berkerumun, dapat
dijelaskan dengan menggunakan contoh
perikku
kerumunan burung
dan ikan.
Beberapa jenis burung mempunyai kebiasaan untuk berkerumun.
Kebiasaan tersebut sering dilakukan oleh burung-burung dengan
kemampuan perlindungan
din
yang
relatif
rendah. Salah satu alasan
mereka melakukan hal tersebut adalah sebagai upaya perlindungan diri
dan perkwanan terhadap burung yang lebih besar seperti pemangsa
15
.
Alasan
lainnya adalah mereka dapat memperoleh
efisiensi
aerodinamik
saat terbang. Keuntungan aerodinamik
ini
dapat diamati pada burung-
burung
penjelajah
yang sedang terbang dengan
membentuk
formasi
huruf "V", dimana pemimpin kelompok mengambil posisi di
depan
dan diikuti oleh kawanan di kanan dan kirinya.
Selain burung, beberapa jenis ikan pun melakukan kebiasaan
berkerumun untuk memperoleh manfaat kerumunan. Beberapa spesies
ikan mengeluarkan lanyau (slime) untuk mengurangi friksi ak yang
melalui badannya. Mereka berenang dalam kerumunan dengan pola
mengejut
secara
akurat
dan
ekornya yang bergerak secara
to-and-fro
menghasilkan arus mini serupa pusaran ak yang dinamakan vor tices .
Setkp
individu
ikan, secara teori dapat menggunakan arus mini dari
persekitarannya untuk membantu mengurangi friksi air pada badan
mereka.
Seperti halnya burung, manfaat lain dari
perilaku
berkerumun
ikan ini adalah sebagai sarana perlindungan diri terhadap predator,
dimana
fungsi
dari kerumunan ini adalah untuk membingungkan
"Swarm,
diakses
24 Maret 2008 dari http: / / en.wikipedia.org/wild/S\s
ttti
* Lance Winslow, Why Do Birds Flock, diakses 26 Maret darr http://
e7ineartJcles.corn/?Why-Do-Birds-Flock?&id=586727.
Kaunia Vol.
IV, No.
1, April
2008
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
10/17
predatot
dan
menyembunyikan masing-masing individu
ikan
mitia
,p
asi
kerumunan
16
.
E.
Particle Swarm
Optimization
Particle
S marm Optimisation
(PSO)
adalah suatu
teknik
stokastik
yang berbasis populasi. Teknik
ini dikemban
Eberhart
dan
Kennedy pada tahun 1995,
terinspirasi oleh pen ;
sekawanan burung
dan
kerumunan ikan
1
'
18
.
Walaupun
de;
san
awalnya
dimulai
dengan diciptakannya S w a rm
I n >
dan Wang pada tahun 1989
dalam
konteks
robotika seluler
1
"
emanfaatkan
suatu populasi individu untuk memeriksa ruan
an. Pada konteks ini, populasi dinamakan
swarm
dan
individu
partikel. Setiap partikel bergerak dengan kecepatan terada
ruang
pencarian,
dan posisi terbaik yang pernah dikunjungi
di
c
memori.
PSO mempunyai banyak kemiripan dengan teknik 1
evolusioner semisal Algoritma
Genetika
(GA). Sistem
dengan suatu populasi solusi
acak
dan ketnudian mencari sok
dengan
memperbarui
generasi. Walaupun begitu,
tidak
sepen
tidak
mempunyai operator evolusi seperti crossover
dan
mu
PSO,
solusi
potensial
yang dinamakan
partikel,
bergerak
sep
ang permasalahan dengan
mengikuti
partikel optimum saat
Particle
S w a r m
O ptimisation
(PSO)
memiliki dua
varian
be
skema pertukaran informasi antar partikel.
1. Varian Global: posisi terbaik yang dicapai oleh semua ind
swarm
dikomunikasikan
pada semua partikel pada tiap
2. Varian Lokal: Setiap partikel ditempatkan pada per;
horhood) yang
terdiri
atas partikel-partikel yang
ditentuki.
(prespecified
particles). Pada kasus ini, posisi terbaik yai
dicapai partikel dalam persekitaran
hanya dikomu
anggota persekitaran.
3ptimisasi
kan
oleh
aku sosial
;aga-
>leh
Beny
.
PSO m-
pencari-
lamakan
i dalam
catat
pada
dini
tsekita ra:
so.uri.edu/
6
Fish Schooling,
diakses
26 Maret 2008 dari http://seagrant.;
factsheets
/
schoolinghtml.
17
Jianli
Ding
and
others, eds., ^4 Novel Particle
Swarm Qptimi^ati ~ n Applied to
Multi-flight Refueling Service Scheduling, 2006.
18
Particle Swarm Optimisation,
diakses
26 M a r e t 2008 d iri h t tp : / /
www.swarmmtelligence.org/.
19
Ibid.
10
Gagasan Par t ic le S\v
i Opt i t i
di
dala
omputasi
sialisasi
si optimal
,PSO
tasi. Pada
.njang ru-
itu.
rdasarkan
vidu pada
iterasi.
n (neigh-
n di awal
g pernah
.nikas
kan antar
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
11/17
Penentuan pattikel persekitaran dilakukan
berdasarkan indeks
masing-masing
paitikel, bukan
dari jatak
aktual
pada ruang
pencarian.
Hal
ini
dilakukan demi efisiensi waktu komputasi,
katena
tidak
peflu
menghitung
jaiak
Euclidean. Secara gamblang varian global dapat
dipandang
sebagai generalisasi varian lokal, dimana seluruh
swarm
dipertimbangkan
sebagai persekitaran (neighborhood)
tiap partikel.
Secara singkat
proses
PSO dimulai
dari inisialisasi
populasi hingga
penghentian
komputasi,
seperti algoritma
berikut:
1
.
Inisialisasi populasi (posisi dan kecepatan acak) dalam
hyperspaa.
2. Evaluasi
fitness partikel
individu.
3.
M odifikasi kecepatan berdasarkan terbaik sebelumnya (previous
best:
p b e s f )
dan
terbaik global
atau
lokal
(global
or
neighborhood
best:
gbest
or Ibesi).
4. Hentikan berdasarkan beberapa kondisi.
5. Kembali ke langkah
[2].
Setiap
partikel
menyesuaikan koordinatnya
dengan
mengasosiasi-
kannya
terhadap
solusi
terbaik
( p b e s t )
yang
diperoleh.
Persamaan-per-
samaan
di
bawah
ini digunakan untuk
melakukan adaptasi partikel
dengan asumsi untuk
penyelesaian
permasalahan
minimisasi
dengan
f
adalah fiingsi
suai
( f i t n e s s function).
Persamaan (1) menjelaskan
adaptasi kecepatan suatu partikel
/' ]
dimensiy
saat
/+
/.
i f f
+ 1) =
»
+
//) -
Xf
( t j \
Persamaan
(2)
menjelaskan adaptasi
posisi
suatu partikel
/pada dimensi
y'saat
/+/.
i
t +1}=Xy t) +
Vy
t +1) 2)
Posisi terbaik
suatu
personal
partikel
saat t+1
diberikan oleh
persamaan
(3)
Vtl
Posisi terbaik global pada saat
t
diberikan oleh persamaan
(4)
MO e {y
0
CO, ...,.y
B
,CO}l/(J>Ct)) =
mtn
{/(y
0
Ct).
...,y,.{t>)
Kaunia
\'ol IV,
No. 1, A pril 2008
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
12/17
dimana
(*)
:
Posisi terbaik partikel
i
pada dimensi
j
: Kecepatan partikel i pada dimensi j
:
Posisi terbaik swarm
( g b e s f )
c
i/(0 : Posisi partikel i pada dimensi j saat t
^danc-z Konstanta akselerasi
(positif)
yang digunakan untuk
menskalakan kontribusi elemen kognitif
da:i
sosial
dan r
2f
; Bilangan acak dari distribusi seragam [0,1], :: U(0,l)
*, : Jumlah total partikel pada swarm.
Untuk pengaplikasian teknik PSO pada komput isi maka
diperlukan suatu algoritma. Algoritma PSO tersebut
secaca
umum
diberikan oleh contoh p seudocode varian global berikut:
Buat
dan
inisialisasi suatu
swarm
dengan dimensi
Repeat
For each particle I =
1,
... , S. n
t
do
// se t posisi terbaik personal
End
If/ 5.y
i
)
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
13/17
2.
fungsi unimodal.
Pola ini
dapat ditefapkan pada
PSO
varian global.
Pola
ini memiliki
kekurangan
dalam hal
tidak dapat menghinda±i
jebakan minimum
lokal.
Sttuktur Cincin
Setiap partikel terhubung dengan sejumlah n tetangga dala:
persekita±annya sehingga
metnbentuk
cincin. Pola seperti ini dapat
diterapkan
pada PSO varian lokal. Pada
pencarian
solusi suatu
fungsi
multi modal maka pola interaksi
ini
lebih
baik
daripada
struktt
bintang.
3. Sttuktur Roda
Masing-masing
individu dalam suatu
petsekitaran diisolasi terhadap
yang
lain dan suatu individu menjadi titik pusat individu lain. Tugas
partikel pusat ini adalah memantau performansi partikel yang lain
dan menjadi
titik
pusat bagi interaksi antar partikel yang lain. Sifat
dari pola interaksi
ini
adalah melambatnya laju propagasi solusi
dalam populasi. Pengaturan posisi partikel yang menjadi titik pusat
adalah dengan cara memposisikannya mendekati posisi
terbaik
kumpulan individu dan melakukan pengaturan ulang posisi individu
lainnya
jika
posisi individu pusat tersebut lebih baik.
4.
Struktur
Von Neuman
Pola interaksi ini
berbentuk kisi-kisi
( g r i d ) dengan
bentuk totalnya
terlihat seperti sebuah kubus.
a.
Stm ktur
b. Stniktur Cincin
c.
Stmktur Roda
d. Struktur
Von-Neumana
Gambar 5. Pola interaksi partikel dalam
smarm
Kaunia, V ol. IV , No. 1,
A pril
2008
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
14/17
F. A plikasi dan S im ulasi Pa rticle Swarm O p tim izatit m
Perkembangan PSO sebagai suatu teknik pemecaha: i masalah
optimisasi mengalami perkembangan yang cukup pesat. Berbiigai teknik
pemecahan masalah yang berbasis P S O telah d ikernbangkar diantara-
nya
dengan melakukan
hibtidisasi
dengan teknik
penc arian
1 lin
seperti
tabu search
dan relaksasi Lagrange
21
. Pengembangan metode ^ang lebih
menyerupai petilaku kawanan nyata
pun
tekh dilakukan
de
igan pen-
dekatan persepsi
individu
kawanan
22
. Selain itu, PSO juga tel; h diterap-
kan
pada berbagai bidang permasalahan seperti optimisasi
ion
linear
terkendala
23
, job
shop scheduling, pengklasteran
data (Abraham,
2005),
perencanaan fasilitas
25
, maupun
konstruksi
model pengambilan kepu-
tusan
2 6
.
Aplikasi lain PSO dalam berbagai bidang lain sebagaimana
telah
dirangkum oleh Cui
27
diantaranya adaiah
bidang-bidar
g
berikut:
a.
Pembangkitan
lingkungan virtual interaktif kompleks paifla industri
film.
b.
Penyusunan kargo pada perusahaan penerbangan.
c. Routing paket pada jaringan telekomunikasi.
d. Pengklasteran data,
routing
data pada jaringan sensor.
e.
Pengendalian kendaraan
tak
berawak pada
miUter USA
20
David Y Sha and Cheng Yu Hsu,
'A
Hybrid Particle Swarm Opti nization for
Job Shop Scheduling Problem , dalam Computers < & Industrial Engineering ,
2005,
Vol.
51,
No. 4,
hal.
791-808.
21
Huseyin
Hakan
Balci and Jorge F. Valenzuela, Scheduling Elt ctric Power
Generators Using Particle Swarm Optimization Combined With The Lagrangian
Relaxation Method , dalam
Intern ational Journa/
o f Ap pl ied Mathematics
tnd
Computer
Science, 2004, Vol. 14, No.
3 ,411—421.
22
Boonserm
Kaewkamnerdpong
an d
Peter
J.
Bentle, Perceptive
Pa
:ticle
Swarm
Optimization:
An
Investigation , dalam
Proceedings
o f
Intern ational
C o n f e r e n t , ? o n Adap t ive
an d Natural Computing Algori thm s,
2005.
23
Xiaohui Hu, X. and Russell Eberhart, Solving Constrained Non Linear
Optimisation Problem
Using Particle
Smarm
Optimisation, 2001.
24
David Y. Sha and Cheng Yu Hsu, A Hybrid Particle Swarm Opti nization for
Job Shop Scheduling Problem , dalam
Computers &
Industrial En gineering , 2005, Vol.
51,
No.
4, hal. 791-808.
25
Andrew Bao Thai, A Thesis on :
Evaluation
of Using S w a r m I itelligence T o
Produce
Facility Layout
Solution s, 2006.
26
Jovita Nenortaite,
A
Particle Swarm Optimization Approach in The
Construction of Decision Making Model , dalam Information Technology
an d
Control,
2007, Vol.
36,
No. 1 A.
27
Xiao
Cui, S w a r m
Intelligence Bio-inspired
Emergen t Intelligence, diakses
24
Maret
2008
dari
http://aser.nrnl.gov/cui/workshop/presentation/slvarm%20I
ntelugence%20Bio-inspired%2QEmergent%20Intelligence.pdf.
14
G agasan Particle Sw arm O ptim ization dalam
Al -Qur ' an
(Taujiq
A j f )
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
15/17
Proses pencarian solusi untuk aplikasi
permasalahan-permasa-
lahan
di atas
perlu
divisualisasikan
untuk memudahkan pemahaman.
Untuk itu
dibuat suatu simulasi yang
menggambarkan bagaimana
Particle
Sw a rm Optimisation bekerja tnelakukan pencarian dalam ruang solusi.
Program simulasi seperti tampak pada
Gambar
6. dibuat oleh penulis
dengan menggunakan bahasa pemrograman Visual Basic 6.0.
G .
Penutup
Al-Qur'an
sebagai sumbet ilmu bagi umat manusia telah
menginspirasi atau sesuai dengan
apa
yang telah ditemukan oleh
manusia
sampai sejauh
ini.
Hal
tersebut merupakan salah satu pertanda
bahwa Al-Qur'an adalah wahyu Tuhan yang terpelihara, tidak akan
lekang oleh waktu. Paparan tulisan ini telah menghubungkan apa yang
diwahyukan Tuhan dalam Al-Qur'an dengan
hasil
temuan manusia
memperhatikan tanda-tanda alam. Ungkapan dari
Al-Qur'an
untuk
memperhatikan tanda-tanda kebesaran Tuhan secara teori dan empiris
dapat dibuktikan dengan munculnya Particle Swarm
Optimization
(PSO) yang terinspirasi dari tanda- tanda
kekuasaan
Tuhan pada
sekawanan burung. Teknik tersebut dielaborasi mulai dari historisnya,
rumusan
dasarnya, aplikasi hingga
simulasinya.
Penelitian lanjutan yang dapat dilakukan diantaranya adalah
mendetailkan penjelasan tanda-tanda kebesaran dalam Al-Qur'an ke
dalam
bentuk operasional untuk memperbaiki performansi dan metode
Particle S w a r m Optimisation yang telah ada. Selain itu, dapat pula
dikembangkan peneliuan yang bersifat
pengaplikasian PSO ke
bidang-bidang
selain
yang tersebut pada tulisan ini.
M, Vol.
IV ,
No.
1,
April 2008
15
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
16/17
DAFTAR PUSTAKA
Al Quran d an Tafsirnya,
D epartemen A gam a Republ ik Indor
esia,
2000.
Al-Qur a n
dan
Ter jemahannya ,
diambil dari http://geocities.com/alAl-
Our'an
mdo.
A b r a h a m ,
Aji th
and others, Swarm Intel l igence
A lgorithm
Clustering,
diakses 24 Maret
2008
dar
www.sof t compu t ing .ne t / c lus te r -we b .pdf .
Balci,
H.H. and Valenzuela J.F., S cheduling Electric P ow er
C
U s i n g P a r t i c l e S w a r m Optimization Combined
Lagrangian R elaxation
Method",
dalam
Internat ional^
Applied
Mathemat ics
and
Computer Science ,
2004,
Vol
411-421.
Cui, X., Swarm Intelligence Bio-inspired Emergent Intelligem
24 M a r e t
2008
d a r i h t t p : / / a s e r .o r n l . g o V / c u i / w
o r e s e n t a t i o n / S w a r m ° / o 2 0 I n t e l l i e e n c e
0
/
for Data
http:/
enerators
fith The
ournal
o f
14,
No. 3,
e.
D iakses
rkshop/
co2004/
.uri .edu/
inspired
0
/o20Emergent°/o20Intel l igence.pdf .
Dingjianli and others,
ed s.,A
Novel Particle Swarm Optimizatil n Applied
to
Multi-flight R efueling
Service Scheduling,
2006.
Eberhart,
^Introduction to Swarm Inte l ligence ,
diakses 24 Claret 2008
d a r i http://www.cs.bham.ac.uk/~wbl/biblio/ge
TUT027.pdf.
Fisb School ing ,
diakses
26
M aret 2008 dari http://seagrant.gi
fac tsheets / schoQl ing .h tml .
Hu, X . and Eberhart R .,
Solving
Cons t ra ined Non Linear Op miza t ion
Problem
Using
P article
Swarm
O ptim ization,
2001.
K a e w k a m n e r d p o n g
B. and
Bentley , P .J., P erceptive P arti
Optimization: A n Investigation , dalam Proceedings of In
Conference on Adap tive and Natural Com putingAlgoritht ,
is, 2005
Lorek,
H. and
White
M.,
P aral le l Bird Flocking Simulation
Mare t 2008 dar i
http://citeseer.ist.psu.edu/cache/
7 9 3 / h t t p : z S z z S z c h a p l i n . i n f o r m a t
16
o l d e n b u r g . d e z S z a b t e i l u n g s i n f o z S z p
S z E c o T o o l s z S z b e r i c h t e z S z e d i n b u r g h 9 3 z S z p a
Iorek93oaral le l .pdf .
G agasan P article Sw arm
Optimization
dalam
AJ-Q ur'a
2 0 B J O -
le
Swarm
.m ot ional
diakses
24
apers/cs/
k
. u n i -
i e k t e
er.pdf/
(TaufiqAji)
8/18/2019 Taufiq Aji Gagasan Particle Swarm Optimization Dalam Al-qur%27an
17/17
Nenottaite,
J., "A
Particle Swarm Optimization Approach
in The
Construction
of
Decision Making Model", dalam Information
T e c h n o l o g y and Control, 2007, Vol. 36, No. 1A.
Particle
S m a r m Optimisation,
diakses
26
Maret 2008 dari http://
www.swarmintelligence.org/.
Rao, S.S.,
Op timisation:
Theory an d Ap plication s, Wiley Eastern Limited,
1979.
Reynolds, C, Boids, Background an d
Update,
diakses 26 Maret 2008 dari
http://www.red3d.com/cwr/boids/.
Sha, D.Y.
and
Hsu, C.Y.,
"A
Hybrid Particle Swarm Optimi2ation
for
Job Shop Scheduling Problem", dalam Computers
& •
Industrial
Engineering,
2005, Vol. 51, No. 4, hal. 791-808.
Shihab, Q., Tafsir
Al -Mishbah,
Pesan, Kesan , dan Keserasian Al-Qur'an,
Get. I, (Jakarta:
Lentera Hati, 2002/1423), Vol.
7.
Smarm, diakses 24 Maret 2008 dari http://en.wikipedia.org/wiki/
Swarm.
Thai,
A.B., A Thesis on : Ev aluation of Using
S w a r m
Intelligence To Produce
facility Layout Solutions, 2006.
Winslow,
L.,
W h y
Do
Birds
Flock,
diakses
26
Maret dari http://
ezineatricles.com/?WhY-Do-Biids-Flock?&id=586727.
Kaunia , Vol. IV, No. 1, Ap ril 2008
17
top related