Sistem Pakar Certainty factor

Tri Wahyuni
Ana S.
Ahmad Rifai
Bayu D. A.
Nurfirmansyah
Agus Setiawan
Firman A. Z.
Adi Ginanjar K.
Anggota Kelompok:

Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe
Buchanan dalam pembuatan MYCIN pada tahun 1975 untuk
mengakomadasi ketidakpastian pemikiran (inexact reasoning)
seorang pakar. Teori ini berkembang bersamaan dengan
pembuatan sistem pakar MYCIN. Team pengembang MYCIN
mencatat bahwa dokter sering kali menganalisa informasi yang
ada dengan ungkapan seperti misalnya: mungkin, kemungkinan
besar, hampir pasti. Untuk mengakomodasi hal ini tim MYCIN
menggunakan certainty factor (CF) guna menggambarkan tingkat
keyakinan pakar terhadap permasalahan yang sedang dihadapi.

Certainty factor (cf):
 Suatu angka untuk mengukur kepercayaan seorang pakar.
Nilai maksimum certainty factor adalah, katakanlah, +1.0
(definitely true) dan minimum -1.0 (definitely false).
 Sebagai contoh, Jika seorang pakar menyatakan bahwa
beberapa fakta-fakta/petunjuk hampir benar, nilai CF dari 0.8
akan ditetapkan ke fakta-fakta/petunjuk ini.

Certainty Factors (CF) And
Beliefs
– Meyatakan kepercayaan dalam suatu
“event”  Taksiran Pakar
– Ukuran keyakinan pakar  fakta tertentu
benar atau salah
– Perbedaan “nilai kepercayan” dengan
“nilai ketidak percayaan

Certainty Factors And Beliefs
Cara mendapatkan tingkat keyakinan (CF) ada 2 yaitu :
1. Metode “Net Belief”
Certainty factors menyatakan belief dalam suatu event (atau
fakta, atau hipotesis) didasarkan kepada evidence (atau
expert’s assessment)
CF = certainty factor
MB[H,E] = measure of belief (ukuran kepercayaan) terhadap
hipotesis H, jika diberikan evidence E(antara 0 dan 1)
MD [H,E] = measure of disbelief (ukuran ketidakpercayaan)
terhadap hipotesis H, jika diberikan evidence E (antara 0
dan 1)
CF[Rule] = MB[H,E] - MD[H,E]

P(H) = probabilitas kebenaran hipotesis H
P(H|E) = probabilitas bahwa H benar karena fakta E
if p(H) = 1





MB(H, E) =
1
max 1, 0  p(H)
max p(HE), p(H) 

p(H)
otherwise
if p(H) = 0





MD(H, E) =
1
min 1, 0  p(H)
min p(HE), p(H) p(H)
otherwise

Contoh 1:
• Si Ani menderita bintik-bintik di wajahnya. Dokter
memperkirakan Si Ani terkena cacar dengan ukuran
kepercayaan,
MB[Cacar, Bintik2] = 0.8 dan MD[Cacar, Bintik2] = 0.01
CF[Cacar, Bintik2] = 0.80 - 0.01 = 0.79

Contoh 2 Seandainya seorang pakar penyakit mata
menyatakan bahwa probalitas seseorang
berpenyakit edeme palbera inflamator adalah
0,02. Dari data lapangan menunjukkan bahwa
dari 100 orang penderita penyakit edeme
palbera inflamator , 40 orang memiliki gejala
peradangan mata. Dengan menganggap H =
edeme palbera inflamator , hitung faktor
kepastian bahwa edeme palbera inflamator
disebabkan oleh adanya peradangan mata.

P(edeme palbera inflamator ) = 0.02
P P(edeme palbera inflamator | peradangan mata) =40/100
= 0.4
MB(H|E) = max[0.4,0.02] – 0.02
1 – 0.02
= 0.4 -0.02 = 0.39
1-0.02
MD(H|E) = min [0.4 , 0.02] – 0.02
0 – 0,02
= 0.02 – 0.02 = 0
0 – 0.02
CF = 0.39 – 0 = 0.39
Rule : IF (Gejala = peradangan mata) THEN Penyakit = edeme palbera inflamator (CF = 0.39)
MB(H|E) = 0.39
MD(H|E) = 0

2. Wawancara seorang pakar
Nilai CF (Rule) didapat dari interpretasi dari pakar yg diubah dengan nilai CF
tertentu.
Pakar :
Jika batuk dan panas, maka “hampir dipastikan” penyakitnya adalah influenza
Rule : IF (batuk AND Panas) THEN penyakit = influenza (CF = 0.8)
Uncertain Term CF
Definitely not (pasti tidak) -1.0
Almost certainly not (hampir pasti tidak) -0.8
Probably not (kemungkinan besar tidak -0.6
Maybe not (mungkin tidak) -0.4
Unknow (tidak tahu) -0.2 sampai 0.2
Maybe (mungkin) 0.4
Probably yes(kemungkinan besar) 0.6
Almost certainly (hampir pasti) 0.8
Definitely (pasti) 1.0

Kelebihan dan kekurangan
Certainty factor
Kelebihan
– Metode ini cocok dipakai dalam sistem pakar untuk
mengukur sesuatu apakah pasti atau tidak pasti dalam
mendiagnosis penyakit sebagai salah satu contohnya.
– Perhitungan dengan menggunakan metode ini dalam sekali
hitung hanya dapat mengolah dua data saja sehingga
keakuratan data dapat terjaga.

Kelebihan dan kekurangan
Certainty factor
Kekurangan
– Ide umum dari pemodelan ketidakpastian manusia dengan
menggunakan numerik metode certainty factors biasanya
diperdebatkan. Sebagian orang akan membantah pendapat
bahwa formula untuk metode certainty factors diatas
memiliki sedikit kebenaran.
– Metode ini hanya dapat mengolah
ketidakpastian/kepastian hanya 2 data saja. Perlu dilakukan
beberapa kali pengolahan data untuk data yang lebih dari 2
buah.

Kombinasi beberapa
Certainty Factors dalam Satu Rule
– Operator AND
IF inflasi tinggi, CF = 50 %, (A),
AND
tingkat pengangguran kurang dari 7 %, CF = 70 %, (B),
AND
harga obligasi naik, CF = 100 %, (C)
THEN harga saham naik
CF[(A), (B), CF(C)] = Minimum [CF(A), CF(B), CF(C)]
CF untuk “harga saham naik” = 50 percent

Contoh 2
– IF Saya punya uang lebih, CF = 0.7, (A), AND
kondisi badan sehat, CF = 0.8, (B), AND
tidak turun hujan, CF = 0.9, (C)
THEN Saya akan pergi memancing
CF untuk “Saya akan pergi memancing” = 0.7
Kombinasi beberapa

Kombinasi beberapa
Operator OR
Contoh 1
 IF inflasi turun, CF = 70 %, (A), OR
 IF harga obligasi tinggi, CF = 85 %, (B)
 THEN harga saham akan tinggi
Hanya 1(satu) IF untuk pernyataan ini dikatakan benar.
Kesimpulan hanya 1(satu) CF dengan nilai maksimum
CF (A or B) = Maximum [CF(A),CF(B)]
CF untuk “harga saham akan tinggi” = 85 percent

Kombinasi 2 (dua) atau lebih Rule
Contoh :
• R1 : IF tingkat inflasi kurang dari 5 %,
THEN harga saham di pasar naik(CF = 0.7)
• R2: IF tingkat pengangguran kurang dari 7 %,
THEN harga saham di pasar naik (CF = 0.6)
Efek kombinasi dihitung dengan menggunakan rumus :
• CF(R1,R2) = CF(R1) + CF(R2)[1 - CF(R1)]; or
• CF(R1,R2) = CF(R1) + CF(R2) - CF(R1)  CF(R2)
Hitung kombinasi CF untuk dua rule di atas (0.88)

Jawab soal :
Diketahui : CF(R1) = 0.7
CF(R2) = 0.6,
CF(R1,R2) = 0.7 + 0.6(1 - 0.7) = 0.7 + 0.6(0.3) = 0.88
Misalkan ada rule ke 3 yang merupakan rule baru,
R3 : IF harga obligasi meningkat,
THEN harga saham naik(CF = 0.85)
Hitung CF baru ?
CF(R1,R2,R3) = CF(R1,R2) + CF(R3) [1 - CF(R1,R2)]

Sistem Pakar Certainty factor

More Related Content

What's hot

Similar to Sistem Pakar Certainty factor

More from Adi Ginanjar Kusuma

Recently uploaded

Sistem Pakar Certainty factor

Editor's Notes