CERTAINTY FACTOR

UTHIE

Pengetahuan di dalam sistem pakar yang

direpresentasikan dengan menggunakan CF diekspresikan dalam seperangkat aturan yang memilikiformat :

IF evidence THEN hipotesa (CFrule = ….)

dimana evidence adalah satu atau beberapa fakta yang diketahui untuk mendukung hipotesa.

Cfrule adalah certainty factor untuk hipotesis jikaevidence diketahui.

probabilitas dari suatu hipotesis terjadi jika

diketahui/diberikan beberapa evidence disebut sebagaiconditional probability dan disimbolkan sebagai P(H|E).

jika P(H|E) lebih besar dari probabilitas sebelumnya, yaitu P(H|E) > P(H), maka berarti keyakinan padahipotesa meningkat.

Sebaliknya jika P(H|E) lebih kecil dari probabilitassebelumnya yaitu P(H|E) < P(H), maka keyakinan padahipotesa akan menurun.

ukuran yang menunjukkan peningkatan keyakinan pada

suatu hipotesa berdasarkan evidence yang ada disebutdengan measure of believe (MB).

sedangkan ukuran yang menunjukkan penurunankeyakinan pada suatu hipotesa berdasarkan evidence yang ada disebut sebagai measure of disbelief (MD).

Nilai dari MB dan MD dibatasi sedemikian sehingga :

0 <= MB <= 1

0 <= MD <= 1

Ukuran MB secara formal didefinisikan sebagai :

Sedangkan MD didefinikan sebagai :

Karena dalam proses observasi kepercayaan dapat bertambah atau

berkurang, maka diperlukan ukuran ketiga untuk mengkombinasikanMB dan MD, yaitu : certainty factor.

CF diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN (Wesley, 1984).

Certainty factor didefinisikan sebagai berikut (Giarattano dan Riley, 1994):

CF(H,E) : CF dari hipotesis H yang dipengaruhi oleh gejala (evidence) MB(H,E) : keyakinan pada suatu hipotesa berdasarkan evidence yang

ada MD(H,E) : penurunan keyakinan pada suatu hipotesa berdasarkan

evidence yang ada

nilai dari CF dibatasi oleh :

-1 <= CF <= 1

nilai 1 berarti sangat benar, nilai 0 berarti tidakdiketahui dan nilai -1 berarti sangat salah. Nilai CF negatif menunjukkan pada derajat ketidakpercayaansedang nilai CF positif menunjuk pada derajatkepercayaan

Yang dimaksud dengan propagasi keyakinan/kepercayaan

adalah proses menentukan derajat kepercayaan padakesimpulan pada kondisi dimana fakta/bukti/evidence yang ada tidak pasti (uncertain). Untuk rule dengan satupremis CF(H,E) didapatkan dengan rumusan :

Rumus ini pada buku (Kusrini,2008) dikenal sebagai rumussekuensial.

PROPAGASI KEYAKINAN UNTUK RULE DENGAN SATU PREMIS.

Pada rule dengan beberapa premis terdapat dua

macam penghubung yaitu konjungsi dan disjungsi.

Pada rule dengan konjungsi, pendekatan yang digunakan adalah sebagai berikut :

Fungsi “min” akan mengembalikan nilai paling kecil dari 1 set evidence yang ada.

PROPAGASI KEYAKINAN UNTUK RULE DENGAN BEBERAPA PREMIS

IF suhu udara rata-rata turun

AND hembusan angin semakin kencangTHEN musim hujan akan segera datang(CF = 0,8)

Asumsi derajat kepercayaan premise pertama : CF=0,1 Derajat kepercayaan premise kedua : 0,7

Maka derajat kepercayaan hipotesa tersebut adalah = min{1,0 ; 0,7} * 0,8 = 0,56

Ini artinya musim hujan mungkin akan datang

Contoh

Pada rule dengan disjungsi, pendekatan yang

digunakan adalah sebagai berikut :

Fungsi “max” akan mengembalikan nilai paling besar dari 1 set evidence yang ada.

Rule dengan disjungsi

IF suhu udara rata-rata turun

OR hembusan angin semakin kencangTHEN musim hujan akan segera datang(CF = 0,9)

Asumsi derajat kepercayaan premise pertama : CF=0,1 Derajat kepercayaan premise kedua : 0,7

Maka derajat kepercayaan hipotesa tersebut adalah = max{1,0 ; 0,7} * 0,9= 0,9

Ini artinya musim hujan hampir pasti akan datang

Contoh

Jika batuk dan demam dan sakit kepala dan bersin-bersin

Maka influensa, CF : 0,7 (ini adalah CF rule)

PerhitunganCF (E1, e) : 0,5 (50% pasien mengalami batuk)CF (E2, e) : 0,8 (80% pasien mengalami demam)CF (E3, e) : 0,3 (30% pasien mengalami sakit kepala)CF (E4, e) : 0,7 (70% pasien mengalami bersin-bersin)

maka CF(batuk dan demam dan sakit kepala dan bersin-bersin) =

= min [CF(E1,e), CF(E2,e), CF(E3,e], CF(E4,e)]= min[0,5 ; 0,8 ; 0,3 ; 0,7] = 0,3

maka CF derajat kepercayaan untuk kasus ini adalah :

CF (Influensa) = 0,3 * 0,7 = 0,21 CF Sekuensial

contoh

Latar belakang dalam proses eksekusi rule, terdapat

beberapa rule yang menghasilkan hipotesa sama. Karena itu harus ada mekanisme untuk

mengkombinasikan beberapa hipotesa tersebut untukmenjadi satu buah hipotesa saja.

Rumus ini pada buku (Kusrini,2008) dikenal sebagairumus Gabungan.

Rule dengan konklusi yang sama

Diketahui Rule sebagai berikut :

jika A dan B maka C ; CF = 0,8

jika C dan D maka G ; CF = 0,6

jika E dan F maka G ; CF = -0,1

Diketahui

CF A = 0,3

CF B = 0,4

CF D = 0,5

CF E = 0,1

CF F = 0,2

Contoh

Besar CF G adalah....

Langkah 1 : hitung besar CF untuk R1 :

CF sekuensial aturan (jika A dan B maka C) adalah :

= CF Paralel * CF Pakar

= ( min (CF A, CF B) ) * CF Pakar

= ( min (0,3 ; 0,4) ) * 0,8

= 0,3 * 0,8 = 0,24

Langkah 2 : hitung CF untuk R2

CF sekuensial aturan (jika C dan D maka G) adalah := ( min (CF C, CF D) ) * CF Rule= ( min (0,24 ; 0,5 ) * 0,6 = 0,24 * 0,6 = 0,144

nilai CF sekuensial di atas bukan lah CF final untuk konklusi G karena masih ada turan lain yang memiliki konklusi sama – samaG yaitu R3.

oleh karena itu nilai CF konklusi G pada aturan (jika E dan F

maka G ) juga perlu dihitung.

CF sekuensial untuk aturan (jika E dan F maka G) := ( min (CF E ; CF F) ) * (-0,1)= ( min (0,1 ; 0,2 ) * (-0,1)= 0,1 * (-0,1) = - 0,01

setelah diperoleh nilai nilai konklusi G dari semua aturan :aturan 2 : jika C dan D maka G CF sekuensial = 0,144

danaturan 3 : jika E dan F maka G CF sekuensial = - 0.01

Langkah selanjutnya adalah dihitung menggunakan rumus CF

gabungan. oleh karena CF sekuensial aturan 2 dan CF sekuensial aturan 3 berlainan tanda, maka digunakan rumus :

aturan :

jika A atau B maka C ; CF = 0,5

jika D dan E maka C ; CF = 0,4

jika A dan E maka C ; CF = 0,7

Jika diketahui nilai :

CF A = 0,3 CF B = 0,4

CF D = 0,3 CF E = 0,2

maka nilai CF C dapat dihitung dengan langkah :

Contoh 2