KECERDASAN BUATAN KULIAH KE : 9

FAKTOR KEPASTIAN TEORI DEMPSTER SHAFER

FAKTOR KEPASTIAN (CERTAINTY FACTOR) FACTOR)

Certainty Factor (CF) menunjukkan ukuran kepastian terhadap t h d suatu fakta atau aturan. t f kt t t

CF[h,e] MB[h,e] MD[h,e] CF[h e] = MB[h e] MD[h e]

CF[h,e] = faktor kepastian B[h,e] B[h ] = ukuran k k kepercayaan/tingkat keyakinan terhadap /ti k t k ki t h d hipotesis h, jika diberikan/dipengaruhi evidence e (antara 0 dan 1) MD[h,e] MD[h ] = ukuran ketidakpercayaan/tingkat k k tid k /ti k t ketidakyakinan terhadap hipotesis h, jika diberikan/dipengaruhi evidence e (antara 0 dan 1)
2

3 hal yang mungkin terjadi :

1. Beberapa evidence dikombinasikan untuk menentukan CF dari suatu p hipotesis. 2. CF dihitung dari kombinasi beberapa p hipotesis 3. Beberapa aturan saling bergandengan, ketidakpastian dari suatu aturan p menjadi input untuk aturan yang lainnya
3

1. 1 Beberapa evidence dikombinasikan untuk menentukan CF dari suatu hipotesis. Jika e1 dan e2 adalah observasi, maka :

Contoh :
Misal suatu observasi memberikan kepercayaan terhadap h dengan MB[h,e1]=0,3 dan MD[h,e1]=0 maka : CF[h,e1] 0 3 CF[h e1] = 0,3 0 = 0 3 0,3 Jika ada observasi baru dengan MB[h,e2]=0,2 dan MD[h,e2]=0, maka : MB[h,e1 e2] = 0,3 + 0,2 * (1 0,3)=0,44 MD[h,e1 e2] = 0 CF[h,e1 e2] = 0,44 0 = 0,44

Asih menderita bintik-bintik di wajahnya. Dokter memperkirakan Asih terkena cacar dengan kepercayaan MB[cacar,bintik]=0,80 dan MD[cacar,bintik]=0,01 MD[cacar bintik] 0 01 maka : CF[cacar,bintik] = 0,80 0,01=0,79 Jika ada observasi baru bahwa Asih juga panas badan dengan kepercayaan, MB[cacar,panas]=0,7 dan MD[cacar,panas]=0,08 maka : MB[cacar,bintik panas] = 0,8 + 0,7 * (1 0,8)=0,94 MD[cacar,bintik panas] = 0,01 + 0,08 * (1 0,01) = 0,0892 CF[cacar,bintik panas] = 0,94 0,0892 = 0,8508

2. CF dihitung dari kombinasi beberapa hipotesis hi t i Jika h1 dan h2 adalah hipotesis maka :

MB[h1 h2,e] = min (MB[h1,e], MB[h2,e]) MB[h1 h2,e] = max (MB[h1,e], MB[h2,e]) MD[h1 h2,e] = min (MD[h1,e], MD[h2,e]) MD[h1 h2,e] = max (MD[h1,e], MD[h2,e])

Contoh :
Misal suatu observasi memberikan kepercayaan terhadap h1 dengan MB[h1,e]=0,5 dan MD[h1,e]=0,2 maka : CF[h1,e] CF[h1 e] = 0 5 0 2 = 0,3 0,5 0,2 03 Jika observasi tersebut juga memberikan kepercayaan terhadap h2 dengan MB[h2,e]=0,8 dan g [ , ] , MD[h2,e]=0,1, maka :
8

Untuk mencari CF[h1 h2,e] [ , ] diperoleh dari MB[h1 h2,e] = min (0,5 ; 0,8) = 0,5 , MD[h1 h2,e] = min (0,2 ; 0,1) = 0,1 , CF[h1 h2,e] = 0,5 0,1 = 0,4 Untuk mencari CF[h1 h2,e] diperoleh dari MB[h1 h2,e] = max (0,5 ; 0,8) = 0,8

Contoh kasus
Asih menderita bintik-bintik di wajahnya. Dokter bintikmemperkirakan Asih terkena cacar dengan p y kepercayaan MB[cacar,bintik] = 0,80 dan MD[cacar,bintik]=0,01 maka CF[cacar,bintik] = 0,80 0,01 = 0,79 Jika observasi tersebut juga memberikan kepercayaan bahwa Asih mungkin juga terkena alergi dengan kepercayaan MB[alergi,bintik] MB[alergi bintik] = 0,4 dan MD[alergi,bintik]=0,3 04 MD[alergi bintik]=0 3 maka CF[alergi,bintik] CF[alergi bintik] = 0,4 0 3 = 0,1 0 4 0,3 01
10

Untuk mencari CF[cacar alergi, bintik] diperoleh dari d i MB[cacar alergi,bintik] = min (0,8 ; 0,4) = 0,4 [ g, ] ( , , ) , MD[cacar alergi,bintik] = min (0,01 ; 0,3) = 0,01 CF[cacar alergi,bintik] = 0,4 0,01 = 0,39 Untuk mencari CF[cacar alergi, bintik] diperoleh dari MB[cacar alergi,bintik] = max (0,8 ; 0,4) = 0,8 MD[cacar alergi,bintik] = max (0,01 ; 0,3) = 0,3 CF[cacar alergi,bintik] = 0,8 0,3 = 0,5
11

Kesimpulan : semula faktor kepercayaan bahwa Asih terkena cacar dari gejala munculnya bintikbintikbintik di wajahnya adalah 0,79. Demikian pula faktor kepercayaan bahwa Ani terkena alergi dari g j g gejala munculnya bintik-bintik bintikdi d wajah adalah 0,1. h d l h Dengan adanya gejala y g sama mempengaruhi g y g j yang p g 2 hipotesis yang berbeda ini memberikan faktor kepercayaan : Asih menderita cacar dan alergi = 0,39 Asih menderita cacar atau alergi = 0,5

12

p perkembangan kasus g
Pertengahan tahun 2002, ada indikasi bahwa g , turunnya devisa Indonesia disebabkan oleh permasalahan TKI di Malaysia. Apabila diketahui MB[devisaturun,TKI] 0,8 MB[devisaturun,TKI]=0,8 dan MD[devisaturun,TKI]=0,3 maka CF[devisaturun,TKI] : CF[devisaturun,TKI] = MB[devisaturun,TKI] MD[devisaturun,TKI] [ ] = 0,8 0,3 = 0,5

13

Akhir September 2002 kemarau berkepanjangan p p j g mengakibatkan gagal panen yang cukup serius, berdampak pada turunnya ekspor Indonesia. Bila diketahui MB[devisaturun,eksporturun] = 0,75 [ , p ] , dan MD[devisaturun,eksporturun] = 0,1, maka CF[devisaturun,eksporturun] dan CF[devisaturun,TKI eksporturun] : CF[devisaturun TKI CF[devisaturun,eksporturun] = MB[devisaturun,eksporturun] MD[devisaturun,eksporturun] = 0,75 0,1 = 0,65 , , ,
14

MB[devisaturun, TKI eksporturun] = MB[devisaturun,TKI] + MB[devisaturun,eksporturun] * (1 MB[devisaturun,TKI]) = 0,8 + 0,75 * (1 0,8) = 0,95 MD[devisaturun, TKI eksporturun] = [ , p ] MD[devisaturun,TKI] + MD[devisaturun,eksporturun] * (1 MD[devisaturun,TKI]) = 0,3 + 0,1 * (1 0,3) = 0,37 CF[devisaturun,TKI eksporturun] = MB[devisaturun, TKI eksporturun] MD[devisaturun, TKI ekspo t MD[de isat n eksporturun] n] = 0,95 0,37 = 0,58

15

Perkembangan kasus lanjutan

Isu terorisme di Indonesia pasca bom bali tgl 12 Oktober 2002 ternyata juga ikut mempengaruhi Okt b t t j ik t hi turunnya devisa Indonesia sebagai akibat berkurangnya wisatawan asing. Bila diketahui MB[devisaturun,bombali] = 0,5 dan MD[devisaturun,bombali] = 0,3, maka CF[devisaturun,bombali] d [d b b l ] dan CF[devisaturun,TKI

eksporturun bombali] :

CF[devisaturun,bombali] = MB[devisaturun,bombali] MD[devisaturun,bombali] MD[devisaturun bombali] = 0,5 0,3 = 0,2

16

MB[devisaturun, TKI [ ,

eksporturun bombali] = p ] MB[devisaturun,TKI eksporturun] +

MB[devisaturun,bombali] * (1 MB[devisaturun,TKI eksporturun]) = 0,95 + 0,5 * (1 0,95) = 0,975

MD[devisaturun, TKI

eksporturun bombali] = MD[devisaturun,TKI eksporturun] +

MD[devisaturun,bombali] * (1 MD[devisaturun,TKI eksporturun]) = 0,37 + 0,3 * (1 0 37) = 0,559 0 37 03 0,37) 0 559
17

CF[devisaturun,TKI eksporturun bombali] = [ , p ] MB[devisaturun, TKI eksporturun bombali] MD[devisaturun, TKI eksporturun bombali] = 0,975 0,559 = 0,416

18

3. Beberapa aturan saling bergandengan, ketidakpastian dari suatu aturan menjadi input untuk p j p aturan yang lainnya Maka : MB[h,s] = MB[h,s] * max (0,CF[s,e]) MB[h,s] = ukuran kepercayaan h berdasarkan keyakinan penuh terhadap validitas s

19

Contoh : PHK = terjadi PHK Pengangguran = muncul banyak pengangguran Gelandangan = muncul banyak gelandangan Aturan 1 : IF terjadi PHK THEN muncul banyak pengangguran CF[pengangguran, PHK] = 0,9 Aturan 2 : IF muncul banyak pengangguran THEN muncul banyak gelandangan MB[gelandangan, pengangguran] = 0,7 Maka = MB[gelandangan, MB[gelandangan pengangguran] = [0 7] * [0 9] [0,7] [0,9] = 0,63
20

TEORI DEMPSTER-SHAFER DEMPSTER Penulisan

umum :

[belief, plausibility] belief : ukuran kekuatan evidence dalam

mendukung suatu himpunan proposisi. Jika proposisi bernilai 0, maka berarti tidak evidence, jika bernilai 1 berarti ada kepastian

plausibility (Pl) dinotasikan sebagai Pl(s) = 1 Bel(s) Bel(

21

 Plausibility

juga bernilai 0 sampai 1. 1 Jika yakin adanya s, maka Bel(s) = 1, Bel( dan Pl(s) = 0. Pl( 0 Dalam teori Dempster Shafer dikenal adanya frame of di d f f discernment yang t dinotasikan dengan . Frame ini merupakan semesta pembicaraan dari sekumpulan hipotesis.
22

 Misal:

= {A F D B} {A, F, D, dengan A = Alergi F = Flu D = Demam B = Bronkhitis

Tujuan

: mengkaitkan ukuran kepercayaan elemenelemen-elemen . Tidak semua evidence secara langsung mendukung tiap-tiap e e e Misal pa as e du u g tiap-t ap elemen. sa panas t ap mungkin hanya mendukung {F, D, B}

23

 So So,

perlu adanya probabilitas fungsi densitas (m). Nil i m tidak hanya mendefinisikan elemenNilai tid k h d fi i ik elemenl elemen saja, tetapi juga semua subsetsubsetnya. Jika berisi n elemen, maka subset semua berjumlah 2n. Jumlah semua m dalam subset = 1 Jika tidak ada informasi apapun untuk memilih keempat hipotesis tersebut, maka nilai m{ m{} = 1 0

24

 Jika

kemudian diketahui bahwa panas merupakan gejala dari flu, demam, dan bronkhitis dengan m = 0,8, maka 08 m{F, D, B} = 0,8 m{ m{} { = 1 0,8 = 0,2 08 02

25

 Jika

diketahui X adalah subset dari dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari dengan m2 sebagai fungsi densitasnya, maka fungsi kombinasi m1 dan m2 sebagai m3 yaitu :

m (Z ) = 1
3

X Y = Z

m1 ( X ).m 2 (Y ) m1 ( X ).m 2 (Y )
26

X Y =

contoh
Ani

mengalami gejala panas badan. Dari badan diagnosa dokter, penyakit yang mungkin diderita Ani adalah Flu, Demam, atau Flu Demam Bronkhitis.

27

GejalaGejala-1 : panas
Apabila diketahui nilai kepercayaan setelah dilakukan observasi panas sebagai gejala dari penyakit Flu, Demam, dan Bronkhitis p y , , adalah : m1{F, D, B} = 0,8 { , , } , m1{} = 1 0,8 = 0,2 Sehari kemudian, Ani datang lagi dengan gejala yang baru, yaitu hidung buntu.
28

GejalaGejala-2 : hidung buntu

kemudian jika diketahui nilai kepercayaan setelah dilakukan observasi terhadap hidung g g j g, p y buntu sebagai gejala dari alergi, penyakit flu, dan demam adalah : m2{A, F, D} = 0,9 { , , } , m2{} = 1 0,9 = 0,1 munculnya gejala baru mengharuskan kita untuk menghitung densitas baru untuk beberapa kombinasi (m3).

29

 Aturan

kombinasi untuk m3 :
{A, F, D} (0,9) (0,1)

{F, D, B}

(0,8) (0,2) (0 2)

{F, D}

(0,72) {F, D, B} (0,08) (0,02) (0 02)

{A, F {A F, D} (0 18) (0,18)

30

Sehingga diperoleh m3 sbb :

0 , 72 m 3{F , D } = = 0 , 72 1 0 0 ,18 m 3{ A, F , D } = = 0 ,18 1 0

0,08 m3 { F , D, B} = = 0,08 1 0
0 , 02 m 3 { } = = 0 , 02 1 0

Gejala paling kuat : {F,D}

31

 Hari a

berikutnya, Ani da a g lagi dan b u ya, datang ag da memberitahukan bahwa minggu lalu di abru saja datang dari piknik. Jik dikatahui nilai kepercayaan setelah Jika dik t h i il i k t l h dilakukan observasi terhadap piknik sebagai gejala dari alergi m4{A} = 0,6 06 m4{} = 1 - 0,6 = 0,4 maka harus dihitung nilai densitas baru m5.
32

Aturan kombinasi untuk m5

{ } {A} {F, D} (0,72) {A} {A} ( , ) (0,6) (0,432) (0,108) (0,048) (0 048) (0,012) {F, D} ( , ) (0,4) (0,288)

{A, F, D} (0,18) {F, D, {F D B} (0 08) (0,08) (0,02)

{A, F, D} (0,072) {F, D, B} (0 032) {F D (0,032) (0,008)

33

 Sehingga gg

diperoleh m5 sbb : p

0 ,108 + 0 , 012 m 5 { A} = = 0 , 231 1 ( 0 , 432 + 0 , 048 ) 0, 288 m5{F , D} = = 0,554 1 ( 0,432 + 0,048 ) 0,072 m5 { A, F , D} = = 0,138 1 (0,432 + 0,048)
0,032 m5 { F , D, B } = = 0,062 1 (0,432 + 0,048)
0 ,008 m 5 { } = = 0 ,015 1 ( 0 ,432 + 0 ,048 )

34

 Gejala

0,554

paling kuat : {F, D} dengan densitas {F

35

Latihan :
Ada

3 jurusan yang diminati oleh Ali, yaitu T. Informatika (I), Psikologi (P), atau ( ) Hukum (H). Untuk itu Ali mencoba mengikuti beberapa tes ujicoba j Ujicoba pertama adalah tes logika, dengan hasil probabilitas densitas m1 {I, P} = 0,75. p {, } , Tes ke dua adalah matematika, dengan hasil probabilitas densitas m2{I} = 0,8. p {} ,
36

Dari hasil tes ke dua, tentukan probabilitas dua densitas yang baru (m3) untuk {I, P} dan {I} ! 2. Di hari berikutnya, Ali mengikuti tes ke tiga yaitu tes wawasan kewarganegaraan. kewarganegaraan Hasil tes diperoleh probabilitas densitas m4{H} = 0,3. Tentukan probabilitas 03 densitas baru (m5) untuk {I, P}, {I}, dan {H} ! 3. Apa kesimpulan yang didapat ?
1. 1

37