Materi Certainty Factor [PDF]

Citation preview

Faktor kepastian merupakan suatu metode yang digunakan untuk mengukur suatu keyakinan seseorang. Inputnya adalah berupa kepastian dari pakar serta kepastian dari user. Berikut bentuk formal dari CF : CFevidence (sebagai premis, yaitu kesimpulan yang bersifat umum). CFhypotesis (sebagai konklusi, yaitu pendapat yang dapat mempengaruhi) CFCombinasi (kombinasi dari CFevidence dan CFhypotesis) Untuk menghitung propagation (hitung maju) diperlukan rumus 1. CFnew dan CFfold>=0 CFrevised = CFold + CFNew (1-CFold) 2. Kedua CFnew dan CFfold 0 maka = 0,675 + 0,30 * (1-0,675) = 0,7725 (ditolak) CFkombinasi3 = 0,95 x (- 0,80) = - 0,76, CFold = 0,7725 Karena CFNew0 maka = 0,7725 + -0,76/1(l0,30l l-0,76l) = 0,0052 (ditolak) Kesimpulan : karyawan tidak diterima karena nilainya adalah 0,0052



Sistem Pakar Dengan Metodi CF (Certainty Factor) Sebelum membahas lebih dalam lagi tentang Sistem Pakar Dengan Metodi CF (Certainty Factor), kita perlu mengetahui terlebih dahulu apa itu sitem pakar (expert system). Sistem Pakar itu sendiri bila didefenisikan dapat berarti suatu program komputer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar, atau singkatnya suatu sistem komputer yang bisa menyamai atau meniru kemampuan seorang pakar. Di era yang semakin modern ini, kemajuan expert system cukup berkembang pesat. Alasannya cukup banyak, di antaranya dapat berupa: 



Dapat menyediakan kepakaran setiap waktu dan diberbagai lokasi







Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar







Seorang Pakar akan pensiun atau pergi atau meninggal







Menghadirkan/menggunakan jasa seorang pakar memerlukan biaya yang mahal







Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat (hostile environtment)







Memperbanyak atau menyebarkan sumber pengetahuan yang semakin langka



Di dalam sistem pakar ini terdapat suatu arsitektur yang dinamakan mekanisme inferensi, mekanisme infrensi ini maksudnya perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir. Dalam komponen ini dilakukan pemodelan proses berpikir manusia . Terdapat beberapa metode yang bisa dilakukan, diantaranya forward chaining, backward chaining, certainty factor (cf), dalam hal ini kami hanya akan membahas tentang Sistem Pakar Dengan Metodi CF (Certainty Factor) saja. Metode Certainty Factor (CF) ini dipilih ketika dalam menghadapi suatu masalah, sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini bisa berupa probabilitas atau kebolehjadian yang tergantung dari hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh dua faktor yaitu: Aturan yang tidak pasti dan Jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Kasus ini sangat mudah dilihat pada sistem diagnosis penyakit, dimana pakar tidak dapat mendefinisikan tentang hubungan antara gejala dengan penyebabnya secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan pasti pula. Yang pada akhirnya ditemukan banyak kemungkinan diagnosis.



Tabel CF dari kesimpulan Dokter



Certainty factor (CF) merupakan nilai parameter klinis yang diberikan pertama kali oleh MYCINpenemunya untuk menunjukkan besarnya kepercayaan. Ia menggunakan metode ini saat melakukan diagnosis dan terapi terhadap penyakit meningitis dan infeksi darah. Team pengembang MYCIN mencatat bahwa dokter sering kali menganalisa informasi yang ada dengan ungkapan seperti misalnya: mungkin, kemungkinan besar, hampir pasti. Kombinasi faktor kepastian pada aturan –Minimum (DAN) Contoh: JIKA inflasi tinggi (CF=50%) DAN pengangguran diatas 7% (CF=70%) DAN harga obligasi turun(CF=100%) MAKA harga saham turun –Maximum (ATAU) Contoh: JIKA inflasi rendah (CF=70%) ATAU harga obligasi naik (CF=85%) MAKA harga saham naik Untuk lebih jelasnya, kami akan langsung membawa kepada contoh kasus E : (E1 DAN E2 DAN E3) ATAU (E4 DAN BUKAN E5) E : max[min(E1, E2, E3), min(E4, -E5)] ingat : bila ada kata DAN maka ganti menjadi MIN, bila ATAU ganti menjadi MAX Misal: E1 : 0,9 E2 : 0,8 E3 : 0,3 E4 : -0,5 E5 : -0,4 Hasilnya adalah: E : max [min(0,9, 0,8, 0,3), min(-0,5, 0,4)] : max(0,3, -0,5) : 0,3 karena 0,3 maximal (lebih besar) dari -0,5. Maka nilai CF nya 0,3 Sistem Pakar Dengan Metodi CF (Certainty Factor) kombinasi paralel:



Jika E1 Maka H Jika E2 Maka H X= CF(H,E1), Y = CF(H,E2), Z = CF(H,E1,E2)



Rumusan Kombinasi Paralel



Sistem Pakar Dengan Metodi CF (Certainty Factor) kombinasi sequensial:



Jika E’ Maka E Jika E Maka H



Rumusan Kombinasi Sequensial



Untuk lebih jelasnya lagi kami akan langsung melakukan penerapan contoh kasus:



Contoh Kasus CF Kombinasi Paralel & Sequensial www.saranainformasi.com Demikianlah cara-cara penentuan Sistem Pakar Dengan Metodi CF (Certainty Factor) yang baru saja kami jabarkan, sebenarnya metodi kepastian bukan satu-satunya metode yang dapat digunakan untuk menyelesaikan kasus dengan masalah ketidakpastian, di antaranya masih ada beberapa teori yaitu: Probabilitas klasik, Probabilitas bayes, Teori Shannon berdasarkan probabilitas, Teori Demster-Shafer, dan juga Teori fuzzy-zadeh.



Semoga penjelasan singkat tadi, dapat menambah wawasan kita tentang Sistem Pakar Dengan Metodi CF (Certainty Factor).



Perhitungan Certainly Faktor Secara Manual dan Implementasinya Pada perhitungan sistem pakar banyak menggunakan Metode Certainly factor yaitu kepastian berdasarkan tinggkat kepastian yang sudah di tentukan oleh para pakar. Perhitungan manual untuk mendapatkan nilai certainty factor, yaitu sebagai berikut : Pertama-tama akan memilih usia anak terlebih dahulu, kemudian menjawab satu gejala yang di alami pasien, misalkan gejala awal yang di pilih Suka tiba-tiba menangis atau tertawa tanpa sebab,Menolak untuk dipeluk, Perkembangan agak terlambat misal dalam berjalan. Dengan nilaikepercayaan mengacu pada tabel aturan. misalnya diketahui terdapat 5 jenis penyakit yang memiliki gejala, yaitu : Suka tiba-tiba menangis atau tertawa tanpa sebab, Menolak untuk dipeluk, Perkembangan agak terlambat misal dalam berjalan. Rumus Awal : CF (H,E) = MB(H,E) - MD(H,E) MB(h, e1^e2) = MB(h,e1)+MB(h,e2)*(1-MB[h,e1]) MD(h,e1^e2) = MD(h,e1)+MD(h,e2)*(1-MD[h,e1]) MB(e1)= Suka tiba-tiba menangis atau tertawa tanpa sebab = 0,6 MB(e2)= Menolak untuk dipeluk = 0,8 MD(e1)= Suka tiba-tiba menangis atau tertawa tanpa sebab = 0,02 MD(e2)= Menolak untuk dipeluk = 0,04 Maka dengan perhitungan manual : MB (Autis masa kanak usia 3 bulan sampai 1 tahun (e1,e2)



= 0,6 + 0,8 * (1-0,6)



= 1,4 * 0,4 = 0,56 MD (Autis masa kanak usia 3 bulan sampai 1 tahun (e1,e2)



= 0,02 + 0,04 * (1-0,02)



= 0,06 * 0,98 = 0,0588 CF = 0,56 - 0,0588 = 0,5012 MB (Autis masa kanak usia 3 bulan sampai 1 tahun (e1^e2,e3) = 0,56 + 0,5 * (1-0,56) = 0,61 * 0,44 = 0,2684 MD (Autis masa kanak usia 3 bulan sampai 1 tahun (e1^e2,e3) = 0,0588 + 0,06 * (1-0,0588) = 0,1188 * 0,9412 = 0,11181456 CF = 0,2684 - 0,11181456 = 0,1565854 Untuk masing-masing perhitungan di bandingkan dengan nilai masing-masing jenis penyakit sehingga bisa dibandingkan mana penyakit yang terbesar nilai CF nya sehingga bisa di dapat tingkat kepastian.