PROBABILISTIC REASONING

CERTAINTY FACTOR

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. 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 !!!