Penalaran
Ketidakpastian Probabilitas
Faktor Dempster-
Kepastian Shafer
1.
Ketidakpastian
Ketidakpastian
x x
Konklusi: Matematika adalah pelajaran yang
sulit.
Penalaran Monotonis
▷ Konsisten.
▷ Pengetahuannya lengkap.
Penalaran Non-Monotonis
▷ Mengandung ketidakpastian.
▷ Adanya perubahan pada pengetahuan.
▷ Adanya penambahan fakta baru dapat
mengubah konklusi yang sudah terbentuk.
Mengatasi Ketidakpastian
“
Teorema yang digunakan untuk menghitung
probabilitas terjadinya suatu peristiwa
berdasarkan pengaruh yang didapat dari hasil
observasi.
Teorema Bayes
e = Evidence lama.
E = Evidence dari observasi baru.
p(H | E, e) = Probabilitas hipotesis H benar jika muncul
evidence baru E dari evidence lama e.
p(H | E) = Probabilitas hipotesis H benar jika diberikan
evidence E.
p(e | E, H) = Kaitan antara e dan E jika hipotesis H benar.
p(e | E) = Kaitan antara e dan E tanpa memandang
hipotesis apapun.
Misalkan
▷ p(H | E) = p(cacar | panas) = 0,5
▷ p(e | E, H) = p(bintik | panas, cacar) = 0,4
▷ p(e | E) = p(bintik | panas) = 0,6
Solusi
3.
Faktor Kepastian
(Certainty Factor)
Faktor Kepastian/Certainty Factor
“
Menunjukkan ukuran kepastian terhadap suatu
fakta atau aturan.
Faktor Kepastian/Certainty Factor
h
e1
h hi ⋀ h2
h
e2
“
Teori matematika untuk pembuktian berdasarkan
belief functions (fungsi kepercayaan) dan plausible
reasoning (penalaran yang masuk akal)
Teori Dempster-Shafer
▷ Belief (Bel)
○ Ukuran kekuatan fakta dalam mendukung suatu
himpunan proposisi
○ Jangkauan nilai dari 0 (tidak ada fakta) hingga 1
(kepastian).
▷ Plausability (Pl)
○ Pl(s) = 1 - Bel(~s)
Frame of Discernment ( )
▷ Frame of Discernment ( )
○ Semesta pembicaraan dari sekumpulan hipotesis.
▷ Misalkan
○ = {A, F, D, B}
○ (Alergi, Flu, Demam, Bronkitis)
○ Tujuan: mengaitkan ukuran kepercayaan
elemen-elemen dalam .
○ Tidak semua evidence secara langsung mendukung
elemen.
○ Contoh: Evidence “Panas” mungkin hanya
mendukung {F, D, B}.
Probabilitas Fungsi Densitas (m)