{1, 2 ,...... n}
(3.1)
dimana:
FOD atau environment.
Jika diberikan sebuah pertanyaan Yang termasuk objek wisata bahari adalah?,
maka jawaban yang mungkin dari subset adalah:
{ 1 , 2 } = {Pantai Lovina, Pantai Penimbangan}
Demikian juga dengan pertanyaan Objek wisata bahari yang banyak dikunjungi
wisatawan asing? , maka jawaban yang mungkin dari subset adalah :
{ 1 } = {Pantai Lovina}
Subset ini disebut dengan singleton set karena hanya memiliki satu elemen pada
. Tentunya tidak semua pertanyaan dapat diinterpretasi kedalam subet
dan disebut sebagai subset empty = {}. Semua subset dari environment
dapat menghasilkan pola sebanyak 2N jumlah subset yang terbentuk dari sampai
, dimana N adalah jumlah elemen pada . Berikut contoh pola dari semua
subset pada environment objek wisata di Kabupaten Buleleng = {A, B, C} dapat
dilihat pada gambar 3.2:
A= Pantai Lovina
B = Pantai Penimbangan
C = Museum Singaraja
Gambar Error! No text of specified style in document..1 Pola subset dari evidence
X x
Pada gambar 3.2 jumlah subset yang terbentuk sebanyak 23 = 8 buah subset.
Kumpulan dari seluruh subset ini mendefinisikan power set atau P( )={, {A},
{B}, {C}, {A, B}, {A, C}, {B, C}, }.
2. Mass Function dan Ignorance
Dalam DST tingkat kepercayaan dari suatu evidence disebut degree of belief dan
diasumsikan sebagai mass (direpresentasikan dengan m) dari objek atau juga
disebut Basic Probability Assigment (BPA). Simon dan Weber (2006)
menyebutkan bahwa basic belief assignment dapat diperoleh dari probabilitas
prior untuk node awal. Pada DST tidak memaksakan suatu kepercayaan untuk
diberikan kepada ketidaktahuan atau sanggahan pada sebuah hipotesa, namun nilai
mass hanya diberikan kepada subset didalam environment yang diyakini untuk
diberikan tingkat kepercayaan. Subset yang tidak diberikan tingkat kepercayaan
dianggap sebagai nonbelief (). Nonbelief dapat diartikan sebagai reserving
judgment dari disbelief dan keyakinan tambahan pada suatu evidence. Sebagai
contoh, sekumpulan objek wisata di Kabupaten Buleleng ={A, B, C}.
Diasumsikan wisatawan yang berasal dari Negara X memiliki tingkat keyakinan
untuk mengunjungi objek wisata ({A, B}) sebesar 0,7 atau m({A, B})=0,7.
Sedangkan nonbelief dari objek wisata ({A, B}) adalah m()= 1 0,7 = 0,3.
Penentuan nilai m({A, B}) =0,7 diperoreh dari probabilitas objek wisata A dan B
yang dikunjungi oleh wisatawan dari Negara X. Xiong (2008) menyebutkan
perbedaan antara DST dengan teori probabilitas, pada DST nilai mass diberikan
kepada subset dari satu set himpunan, sedangkan pada teori probabilitas dikaitkan
dengan elemen elemen yang ada didalam satu set himpunan, sebagai contoh
Saya memastikan berlibur ke Kabupaten Buleleng, namun saya tidak memiliki
informasi mengenai nama objek wisata yang saya kunjungi. Dari contoh kasus
tersebut
nilai
mass
function
pada
DST
dapat
diperoleh,
[0, 1]
sedangkan jumlah dari keseluruhan mass untuk setiap subset X dari power set
adalah 1.
m(X) 1
(3.2)
XP ()
1. Combining Evidence.
(m1 m2 )(Z)
m1 (X)m2 (Y)
(3.3)
XYZ
(m1 m2 )(Z)
m1 (X)m2 (Y)
XYZ
.(3.4)
1 k
XY
m(X)m (Y)
(m m )(Z)
1 m (X)m (Y)
1
XYZ
(3.6)
XY
dimana:
(m1 m2 )( Z )
m1 ( X )
m 2 (Y )
m2 ({B})= 0,9
m1() = 0,3
m2() = 0,1
Masing masing evidence direpresentasikan ke dalam sebuah tabel, dimana
kolom pertama diisi dengan gejala yang pertama (m1), sedangkan baris pertama
diisi dengan gejala yang kedua (m2). Dengan menggunakan cross-multiplying
mass product, dapat diperoleh nilai kombinasi antara evidence m1 dan m2 seperti
pada tabel 3.1.
Tabel Error! No text of specified style in document..1 Perhitungan evidence
m1
m2
m2({B})=0.9
m2() =0.1
m1({A,B})=0.7
(m1 m2)({B})=0.63
(m1 m2)({A,B})=0.07
m1() =0.3
(m1 m2)({B})= 0.27
(m1 m2)()=0.03
Nilai yang dihasilkan pada tabel 3.1, dapat dijelaskan sebagai berikut:
1. (m1m2)({B})= 0,63 pada kolom ke-1 dan baris ke-1, didapat dari proses
2. (m1m2)({B})= 0,27 pada kolom ke-1 dan baris ke-2, didapat dari proses