Mengandung ketidakpastian
Adanya perubahan pada pengetahuan
Adanya penambahan fakta baru dapat mengubah konklusi yang sudah
terbentuk,
misalkan S adalah konklusi dari D, bisa jadi S tidak dibutuhkan sebagai
konklusi D + fakta baru
Untuk mengatasi ketidakpastian maka digunakan penalaran statistik.
Contoh aplikasi yang klasik sistem pakar yang sukses sehubungan dengan
ketidakpastian:
1. Masalah
Beberapa masalah meliputi factor-faktor yang oleh sifat mereka, tidak pasti
atau acak. Sebagai contoh, dalam pengobatan, penyakit yang sama dapat member
gejala yang berbeda untuk pasien yang lain.
2. Data
Beberapa masalah mungkin memiliki batasan yang kurang jelas bagi
seseorang. Orang yang menghadirkan masalah mungkin mengetahui beberapa
fakta untuk kepastian, menuduh lainnya dan tidak mengetahui lainnya. Angka-
angka dan nilai-nilai dapat tidak tepat, ditebak atau tidak diketahui.
3. Pakar
Manusia sering dapat memakai pengetahuan mereka tanpa mengetahui
secara eksplisit apa pengetahuan itu sendiri. Mereka mungkin harus meningkatkan
secara detail apa yang mereka lakukan dan bagaimana dan tampak tak jelas atau
bahkan bertentangan dengan dirinya sendiri.
4. Solusi
Ada beberapa area tertentu dimana tidak terdapat pakar yang diakui. Pakar
sendiri mungkin tidak setuju satu sama lain dan tak seorangpun dapat
memutuskan solusi yang baik. Domain seperti itu dapat berupa strategi militer.
Kelebihan:
Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu
apakah pasti atau tidak pasti dalam mendiagnosa penyakit.
Perhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat
mengelola dua data saja sehingga keakuratan data dapat terjaga.
Kekurangan:
TEORI DEMPSTER-SHAFER
[Belief, Plausibility]
TABEL GEJALA
Keterangan:
A = Alergi
F = Flue
D = Demam
B = Bronkitis