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. Secara umum, rule direpresentasikan dalam bentuk sebagai berikut (John Durkin, 1994) :
IF E1 [AND / OR] E2 [AND / OR] … En
THEN H (CF = CFi)
Dimana: • E1 … En : fakta – fakta (evidence) yang ada. • H : hipotesa atau konklusi yang dihasilkan. • CF : tingkat keyakinan (Certainty Factor) terjadinya hipotesa H akibat adanya fakta – fakta E1 s/d En . DEFINISI MENURUT DAVID MCALLISTER
Certainty Factor adalah suatu
metode untuk membuktikan apakah suatu fakta itu pasti ataukah tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar. Metode ini sangat cocok untuk sistem pakar yang mendiagnosis sesuatu yang belum pasti. ATURAN METODE CERTAINTY FACTORS 1. McAllister menggambarkan aturan untuk menambahkan dua faktor Certaint positif 2. Aturan untuk menambahkan dua Certaint yang negatif 3. Aturan untuk menambahkan Certainty Factors positif dan Certainty Factors negatif lebih kompleks: SKALA INTERVAL UNTUK CERTAINTY FACTORS
➢ Strong suggestive (CFa): 0.8
➢ Suggestive (CFb) : 0.6 ➢ CFcombine (CFa CFb) = 0.8 + 0.6 (1-0.8) = 0.92 ➢ Contoh untuk fakta yang negatif: ➢ Strong suggestive (CFc): -0.8 ➢ Suggestive (CFd) : -0.6 ➢ CFcombine (CFc CFd) = -0.8 + -0.6 + -0.8 * -0.6 = -0.92 Metode Certainty Factors ini hanya bisa mengolah 2 bobot dalam sekali perhitungan. Untuk bobot yang lebih dari 2 banyaknya, untuk melakukan perhitungan tidak terjadi masalah apabila bobot yang dihitung teracak, artinya tidak ada aturan untuk mengkombinasikan bobotnya, karena untuk kombinasi seperti apapun hasilnya akan tetap sama. Untuk mengetahui apakah seorang pasien tersebut menderita penyakit jantung atau tidak, itu dilihat dari hasil perhitungan bobot setelah semua keluhan-keluhan diinputkan dan semua bobot dihitung dengan menggunakan metode Certainty Factors. Pasien yang divonis mengidap penyakit jantung adalah pasien yang memiliki bobot mendekati +1 dengan keluhan-keluhan yang dimiliki mengarah kepada penyakit jantung. Sedangkan pasien yang mempunyai bobot mendekati -1 adalah pasien yang dianggap tidak mengidap penyakit jantung, serta pasien yang memiliki bobot sama dengan 0 diagnosisnya tidak diketahui atau unknown atau bisa disebut dengan netral. Dalam Certainty Factor, data-data kualitatif dipresentasikan sebagai derajat keyakinan. Ada dua Langkah, : 1. Kemampuan untuk mengekspresikan derajat keyakinan sesuai dengan metode yang lain. 2. Kemampuan untuk menempatkan dan mengkombinasikan derajat keyakinan tersebut dalam sistem pakar. Certainty Factor atau faktor kepastian menyatakan kepercayaan dalam sebuah kejadian (atau fakta hipotesis) berdasarkan bukti atau penilaian pakar. Certainty Factor menggunakan suatu nilai untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data. Certainty Factor memperkenalkan konsep keyakinan dan ketidakyakinan yang kemudian diformulasikan ke dalam rumusan dasar sebagai berikut : MB (H,E) = MB(H,E1) + MB(H,E2) x (1-MB(H,E1)) MD (H,E) = MD(H,E1) + MD(H,E2) x (1-MD(H,E1)) CF = MB(H,E) - MD(H,E) Keterangan : CF (H,E) : Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. Besarnya CF berkisar antara -1 sampai dengan 1. Nilai -1 menunjukkan ketidakpercayaan mutlak, sedangkan nilai 1 menunjukkan kepercayaan mutlak. MB (H,E) : Ukuran kepercayaan (measure of increased believe) terhadap hipotesis H yang jika diberikan evidence E (antara 0 dan 1) MD (H,E) : Ukuran ketidakpercayaan (measure of increased disbelieve) terhadap hipotesis H yang jika diberikan evidence E (antara 0 dan 1). TEKNIK Dengan menggali dari hasil wawancara dengan pakar, nilai Certainty Factor didapat dari interprestasi pakar menjadi nilai MB (measure of belief) atau MD (measure of disbelief) tertentu yang digunakan untuk menghitung nilai Certainty Factor. Faktor kepastian merupakan cara dari penggabungan kepercayaan (MB) dan tidak percayaan (MD) dalam bilangan yang tunggal. Dimana data-data kualitatif dipresentasikan sebagai derajat keyakinan untuk penentuan suatu tahap-tahap pertumbuhan. Adapun nilai kepercayaan dan ketidakpercayaan ini berupa 0 sampai 1 dengan rincian sebagai berikut :
Kepercayaan MB MD
Tidak tahu/ tidak ada 0-0.2 0-0.2
Mungkin 0.21-0.40 0.21-0.40
Kemungkinan Besar 0.41-0.60 0.41-0.60
Hampir Pasti 0.61-0.80 0.61-0.80
Pasti 0.81-1.0 0.81-1.0
CONTOH
Dicoba untuk melakukan perhitungan
secara manual sebelum keadalam sistem. Sebagai contoh dipilih 5 gejala alergi pada anak yaitu : 1. Saat bernafas mengeluarkan bunyi (mengi) atau bengek 2. Dada sesak sehabis olahraga atau setelah terkena alergen 3. Cenderung batuk hanya pada sehabis olahraga atau waktu dingin 4. Mendengkur pada malam hari karena kesulitan bernafas 5. Kesulitan Bernafas Jenis alergi yang sesuai dengan gejala di atas adalah : ❖ Asma ❖ Rhinitis Dan dari gejala dan jenis alergi tersebut akan dihitung nilai Certainty Factornya. Berikut adalah tabel pengujian, dimana gejala dan jenis alergi yang dijadikan contoh tersebut mendapat nilai MB dan nilai MD dari pakar. Nilai MB dan MD tersebut dapat dilihat pada tabel Gejala Jenis Alergi MB MD Saat bernafas mengeluarkan 0,8 0,1 bunyi (mengi) atau bengek Asma Dada sesak sehabis olahraga 0,8 0,1 atau setelah terkena allergen Asma Cenderung batuk hanya pada waktu sehabis olahraga atau 0,6 0,3 terkena allergen Asma Cenderung batuk hanya pada waktu sehabis olahraga atau 0,4 0,05 terkena allergen Rhinitis Mendengkur pada malam hari dan bernafas menggunakan 0.6 0,3 mulut karena kesulitan bernafas Rhinitis Kesulitan Bernafas Asma 0,5 0,2 Kesulitan Bernafas Rhinitis 0,5 0,01 PERHITUNGAN ASMA 1. Perhitungan MB Asma : A. MB1 = [Mengi, 0,8]+[Dada sesak, 0,8]*(1-[MB gejala1, 0,8]) = 0,8+0,8*(1-0,8) = 0,8+0,8*0,2 = 0,96 B. MB2 = [MB1, 0,96]+[Cenderung Batuk hanya pada waktu sehabis Olahraga atau terkena allergen, 0,6]*(1-[MB1,0,96]) = 0,96+0,6*(1-0,96) = 0,96+0,6*0,04 = 0,984 C. MB3 = [MB2, 0,984]+[Kesulitan Bernafas, 0,5]*(1- [MB2, 0,984]) = 0,984+0,5*(1-0,984) = 0,984+0,5*0,016 = 0,992 2. Perhitungan MD : A. MD1 = [Mengi ,0,1]+[Dada sesak,0,1]*(1-[MB gejala1, 0,1]) = 0,1+0,1*(1-0,1) = 0,1+0,1*0,9 = 0,19 B. MB2 = [MD1, 0,19]+[Cenderung Batuk hanya pada waktu sehabis Olahraga atau terkena allergen, 0,3]*(1-[MD1,0,19]) = 0,19+0,3*(1-0,19) = 0,19+0,3*0,81 = 0,433 C. MB3 = [MB2,0,433]+[Kesulitan Bernafas, 0,2]*(1- [MB2,0,433]) = 0,433+0,2*(1-0,433) = 0,433+0,2*0,567 = 0,5464 3. Perhitungan MB dan MD CF(h,e) = MB[H,E]-MD[H,E] = 0,992-0,5464 = 0,4456 TUGAS INI MASUK DALAM TUGAS KELOMPOK Pada Contoh Diatas Perhitungan Penyakit Asma sudah diselesaikan, Sekarang kalian buat perhitungan Penyakit Rhinitis. Kemudian coba kalian Tarik kesimpulan untuk Kasus diatas terkena penyakit apa. Dikumpul minggu depan sebelum perkuliahan via e-learning !!!