BAB III

Sistem Pakar Berbasis Aturan

Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang

memadai untuk membuat suatu keputusan. Ketidakpastian merupakan suatu
permasalahan karena mungkin menghalangi kita dalam membuat suatu keputusan
yang terbaik bahkan mungkin dapat menghasilkan suatu keputusan yang buruk.
Dalam dunia medis, ketidakpastian mungkin menghalangi pemeriksaan yang
terbaik untuk para pasien dan berperan untuk suatu terapi yang keliru. Dalam
bisnis, ketidakpastian dapat berarti kerugian keuangan.

Sejumlah teori yang berhubungan dengan ketidakpastian telah ditemukan,

diantaranya probabilitas klasik, probabilitas Bayes, teori Hartley yang berdasarkan
pada himpunan klasik, teori Shanon yang didasarkan pada peluang, teori
Dempester-Shafer dan teori fuzzy Zadeh. Contoh-contoh klasik system pakar
yang sukses yang bergubungan dengan ketidakpastian adalah MYCIN yang
berguna untuk diagnose medis dan PROSPECTOR untuk eksplorasi mineral.

Suatu penalaran dimana adanya penambahan fakta baru mengakibatkan

ketidakkonsistenan, disebut dengan “Penalaran Non Monotonis”. Ciri-ciri
penalaran tsb sebagai berikut :

 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:

 MYCIN untuk diagnosa medis

 PROPECTOR untuk ekplorasi mineral
 Banyak kemungkinan dan ketidakpastian menyertai dalam masalah dan
solusinya. Ada beberapa sumber dari ketidakpastian, beberapa diantaranya adalah:

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.

TEOREMA DAN PROBABILITAS BAYES

Dalam teori probabilitas dan statistika, Pengertian Teorema Bayes adalah

teorema yang digunakan untuk menghitung peluang dalam suatu hipotesis,
Teorema bayes dikenalkan oleh ilmuan yang bernama Bayes yang ingin
memastikan keberadaan Tuhan dengan mencari fakta di dunia yang menunjukan
keberadaan Tuhan. Bayes mencari fakta keberadaan tuhan didunia kemudian
mengubahnya dengan nilai Probabilitas yang akan dibandingkan dengan nilai
Probabilitas. teorema ini juga merupakan dasar dari statistika Bayes yang
memiliki penerapan dalam ilmu ekonomi mikro, sains, teori permain, hukum dan
kedokteran.
 Teorema Bayes akhirnya dikembangkan dengan berbagai ilmu termasuk
untuk penyelesaian masalah sistem pakar dengan menetukan nilai probabilitas
dari hipotesa pakar dan nilai evidence yang didapatkan fakta yang didapat dari
objek yang diagnosa. Teorama Bayes ini membutuhkan biaya komputasi yang
mahal karena kebutuhan untuk menghitung nilai probabilitas untuk tiap nilai dari
perkalian kartesius. penerapan Teorema Bayes untuk mencari penerapan
dinamakan inferens Bayes.

FAKTOR KEPASTIAN (CERTAINTY FACTOR)

Dalam menghadapi suatu masalah sering ditemukan jawaban yang tidak

memiliki kepastian penuh. Ketidakpastian ini bisa berupa probabilitas atau
kebolehjadian yang tergantung dari hasil suatu kejadian. Hasil yang tidak pasti
disebabkan oleh dua faktor yaitu aturan yang tidak pasti dan jawaban pengguna
yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Hal ini sangat
mudah dilihat pada system diagnosis penyakit, dimana pakar tidak dapat
mendefinisikan tentang hubungan antara gejala dengan penyebabnya secara pasti,
dan pasien tidak dapat merasakan suatu gejala dengan pasti pula. Pada akhirnya
ditemukan banyak kemungkinan diagnosis.

Sistem pakar harus mampu bekerja dalam ketidakpastian. Sejumlah teori

telah ditemukan untuk menyelesaikan ketidakpastian,termasuk diantaranya
probabilitas klasik (classical probability), probabilitas Bayes (Bayesian
probability), teori Hartley berdasarkan himpunan klasik (Hartley theory based on
classical sets), teori Shannon berdasarkan pada probabilitas (Shannon theory
based on probability), teori Dempster-Shafer (Dempster-Shafer theory), teori
fuzzy Zadeh (Zadeh.s fuzzy theory) dan faktor kepastian (certainty factor). Dalam
penelitian ini yang digunakan adalah factor kepastian.

Faktor kepastian merupakan cara dari penggabungan kepercayaan (belief)

dan ketidapercayaan (unbelief) dalam bilangan yang tunggal. Dalam certainty
theory, data-data kualitatif direpresentasikan sebagai derajat keyakinan (degree of
belief).

Kelebihan dan Kekurangan Metode Certainty Factor

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:

Ide umum dari pemodelan ketidakpastian manusia dengan menggunakan

numerik metode certainty factors biasanya diperdebatkan. Sebagian orang akan
membantah pendapat bahwa formula untuk metode certainty factor diatas
memiliki sedikit kebenaran.

Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya dua data

saja. Perlu dilakukan beberapa kali pengolahan data untuk data yang lebih dari
dua buah.

Nilai CF yang diberikan bersifat subyektif karena penilaian setiap pakar

bisa saja berbeda-beda tergantung pengetahuan dan pengalaman pakar.

Tahapan Representasi Data Kualitatif

Tahapan dalam merepresentasikan data-data kualitatif :

 Kemampuan untuk mengekspresikan derajat keyakinan sesuai dengan

metode yang sudah dibahas sebelumnya.
 Kemampuan untuk menempatkan dan mengkombinasikan derajat
keyakinan tersebut dalam sistem pakar.

Dalam mengekspresikan derajat keyakinan digunakan suatu nilai yang disebut

certainy factor (CF) untuk mengasumsikan derajat keyakinan seorang pakar
terhadap suatu data.

TEORI DEMPSTER-SHAFER

Dempster shafer adalah suatu teori matematika untuk pembuktian

berdasarkan belief functions and plausible reasoning (Fungsi kepercayaan dan
pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan
informasi yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu
peristiwa. Teori ini dikembangkan oleh Arthur P.Dempster dan Glenn shafer.
Secara umum teori Dempster-Shafer ditulis dalam suatu interval :

[Belief, Plausibility]

Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu

himpunan proposisi. Jika bernilai 0 mengindikasikan bahwa tidak ada evidence,
dan Plausibility (Pl) jika bernilai 1 menunjukkan adanya kepastian.

Plausibility dinotasikan sebagai :

Pl(s) = 1 – Bel(Øs)
Jika yakin akan Øs maka dikatakan bahwa Bel(s) = 1 dan pl(Øs) = 0.
Misal q = {A,F,D,B}
dengan :
A = Alergi
F = Flue
D = Demam
B = Bronkitis

TABEL GEJALA

Keterangan:
A = Alergi
F = Flue
D = Demam
B = Bronkitis