Teori Kepastian

(Certainty Theory)
Dendi MS
Faktor Kepastian (Certainty Factor)
• Certainty Factor (CF)  nilai yang digunakan untuk mengukur tingkat
keyakinan dari pakar
• Nilai maksimum dari CF adalah +1,0 (definitely true) dan nilai
minimumnya adalah -1,0 (definitely false)
• CF dapat ditinjau dari dua aspek:
• Kepastian terhadap fakta (Certainty in the Evidence)
• Sebuah fakta dengan fakta lain dapat memiliki nilai cf yang berdekatan
• Kepastian terhadap aturan (Certainty in Rule)
• CF bukan merupakan sebuah probabilitas, melainkan sebagai
pengukuran tidak baku terhadap kepercayaan
Lanjutan…
• Terdapat tiga hal yang mungkin terjadi:
• Beberapa fakta/kejadian (evidence) dikombinasikan untuk menentukan CF
dari suatu hipotesis
• CF dihitung dari kombinasi beberapa hipotesis
• Beberapa aturan saling terkait, ketidakpastian dari suatu aturan menjadi
masukan untuk aturan yang lain
Terminologi Ketidakpastian dan
Interpretasinya
Term Certainty Factor
Definitely not -1.0
Almost certainly not -0.8
Probably not -0.6
Maybe not -0.4
Unknown -0.2 to +0.2
Maybe +0.4
Probably +0.6
Almost certainly +0.8
Definitely +1.0
Kombinasi CF dalam SP
• Di dalam sebuah SP dengan CF, bagian basis pengetahuan (knowledge
base) berisikan himpunan aturan yang tersusun atas sintaks berikut:

IF <evidence>
THEN <hypothesis> {cf}

• Dimana CF merepresentasikan keyakinan terjadinya hipotesis

(hypothesis) H berdasarkan fakta/kejadian (evidence) E
CF dan Penalaran Kejadian
• Teori CF didasarkan atas dua fungsi:
• Pengukuran Tingkat Keyakinan (measure of belief); MB(H,E)
 1 if p(H ) = 1

MB (H, E) =  max  p(H E), p(H )   p(H )
 otherwise
 max 1, 0  p(H )

• Pengukuran Tingkat Ketidakyakinan (measure of disbelief); MD(H,E)

 1 if p(H ) = 0

MD (H, E) =  min  p(H E), p(H )   p(H )
 otherwise
 min 1, 0  p(H )

• p(H): peluang hipotesis H benar terjadi

• p(H|E): peluang hipotesis H benar terjadi yang disebabkan terjadinya kejadian E
Lanjutan…
• Nilai MB(H,E) dan MD(H,E) berkisar antara 0 dan 1
• Tingkat keyakinan (belief) dan ketidakyakinan (disbelief) dalam
hipotesis H bergantung pada jenis fakta/kejadian E yang diamati
• Terkadang beberapa fakta bisa memperkuat tingkat keyakinan,
namun terkadang justru bisa memperkuat tingkat ketidakyakinan
• Maka total tingkat keyakinan dan ketidakyakinan dalam sebuah
hipotesis adalah:
MB H, E   MDH, E 
cf =
1 - minMB H, E , MDH, E 
Lanjutan…
• Diketahui aturan sederhana sebagai berikut:
IF A is X
THEN B is Y
• Dari aturan tersebut, seorang pakar mungkin tidak sepenuhnya yakin
bahwa aturan tersebut akan selalu berlaku
• Atau bisa diasumsikan berdasarkan beberapa kasus yang telah
diamati, bahwa jikalau bagian IF telah terpenuhi (objek A memiliki
nilai X), objek B bisa saja mendapatkan beberapa nilai yang berbeda
Lanjutan…
IF A is X
THEN B is Y {cf 0,7};
B is Z {cf 0,2}
Lanjutan…
• CF yang dihasilkan oleh sebuah peraturan (rule), didistribusikan melalui penalaran
terhubung (reasoning chain)
• Sehingga tingkat keyakinan terhadap hipotesis H yang disebabkan oleh terjadinya
kejadian E adalah:
cf (H,E) = cf (E) * cf(Rule)
• Contoh:
IF sky is clear
THEN the forecast is sunny {cf 0.8}

• dan nilai CF untuk “sky is clear” adalah 0,5

• cf (H,E) = 0,5 * 0,8 = 0,4

• Maka hasil tersebut diinterpretasikan sebagai “It may be sunny”

Lanjutan…
• Untuk conjunctive rules seperti:
IF evidence
.. E1
.
AND evidence En
THEN hypothesis H {cf }
• Maka untuk keyakinan hipotesis H, ditetapkan sebagai berikut:
cf (H, E1  E2 ...  En) = min [cf (E1), cf (E2),..., cf (En)] x cf
Lanjutan…
• Contoh:
IF sky is clear
AND the forecast is sunny
THEN the action is ‘wear sunglasses’ {cf 0,8}

• Jika diketahui cf dari sky is clear adalah 0,9 dan cf cuaca adalah sunny
sebesar 0,7, maka:
cf (H, E1  E2) = min [0.9, 0.7] x 0.8 = 0.7 x 0.8 = 0.56
Lanjutan…
• Untuk disjunctive rules adalah:
IF evidence
.. E1
.
OR evidence En
THEN hypothesis H {cf }

• Maka untuk keyakinan hipotesis H, ditetapkan sebagai berikut:

cf (H, E1  E2 ...  En) = max [cf (E1), cf (E2),..., cf (En)] x cf
Lanjutan…
• Contoh:
IF sky is overcast(=cloudy)
OR the forecast is rain
THEN the action is ‘take an umbrella’ {cf 0,9}

• Jika diketahui cf dari sky is overcast adalah 0,6 dan cf forecast of rain
sebesar 0,8, maka:
cf (H, E1  E2) = max [0.6, 0.8] x 0.9 = 0.8 x 0.9 = 0.72
Lanjutan…
• Bila konsekuensi yang sama diperoleh sebagai hasil eksekusi dua atau
lebih aturan, maka faktor cf individu hendaknya digabung untuk
memberikan faktor cf gabungan untuk sebuah hipotesis

• Misalkan basis pengetahuan terdiri atas peraturan berikut:

Rule 1: IF A is X
THEN C is Z {cf 0.8}

Rule 2: IF B is Y
THEN C is Z {cf 0.6}
• Kira-kira apa yang harus dilakukan untuk objek C dengan nilai Z, jika
Rule 1 dan Rule 2 sama-sama digunakan ?
Lanjutan…
• Lazimnya, jika terdapat dua fakta/kejadian (A is X dan B is Y), dimana
berasal dari sumber berbeda (Rule 1 dan Rule 2), yang sama-sama
mendukung sebuah hipotesis (C is Z), maka keyakinan pada hipotesis
tersebut semestinya meningkat dan lebih kuat, daripada hanya
menggunakan satu buah fakta/kejadian
Beberapa Evidence Dikombinasikan Untuk
Menentukan CF Dari Suatu Hipotesis
Contoh
CF Dihitung Dari Kombinasi Beberapa Hipotesis
Beberapa Aturan Saling Bergandengan, Ketidakpastian
Dari Suatu Aturan Menjadi Input Untuk Aturan yang Lain
Lanjutan…
• Untuk menghitung kombinasi cf, dapat dihitung melalui persamaan
berikut:
 cf1  cf2  (1  cf1) if cf1  0 and cf2  0

 cf1  cf2
cf (cf1, cf2) =  if cf1 < 0 or cf2  0
 1  min cf1, cf2

 cf1  cf2  (1  cf1) if cf1  0 and cf2  0

• dimana:
cf1  keyakinan terhadap hipotesis H yang disebabkan oleh Rule 1;
cf2  keyakinan terhadap hipotesis H yang disebabkan oleh Rule 2;
|cf1| dan |cf2| adalah nilai mutlak dari cf1 dan cf2
Contoh
• Diketahui:
[R1]: IF demam THEN tipus {cf: -0,4}
[R2]: IF trombosit rendah THEN tipus {cf: -0,5}
[R3]: IF tubuh lemah THEN tipus {cf: 0,75}
[R4]: IF diare THEN tipus {cf: 0,6}

• Tentukan nilai cf gabungannya

Solusi
• R1 dan R2 :: CFc (CF1,CF2) = CF1 + CF2 (1 + CF1)
= -0,4 + (-0,5)(1+(-0,4))
= -0,4 + (-0,5)(0,6)
= -0,4 + (-0,3)
= -0,7 ……………………………………(a)

• R3 dan R4 :: CFc (CF1,CF2) = CF1 + CF2 (1 - CF1)

= 0,75 + 0,6 (1-0,75)
= 0,75 + 0,6 x 0,25
= 0,75 + 0,15
= 0,9 ……………………………………(b)
Lanjutan…
• Gabungkan (a) dan (b)
CFc (CF1,CF2) = {CF1 + CF2} / (1 – min{|CF1|,|CF2|})
= {-0,7 + 0,9} / (1 – min{|-0,7|,|0,9|})
= 0,2 / (1 – 0,7)
= 0,2 / 0,3
= 0,67
Dari hasil tersebut, maka dapat disimpulkan bahwa jika penyakit tipus
yang disebabkan gejala-gejala tersebut, memiliki nilai CF sebesar 0,67
Latihan
Pertengahan tahun 2002, ada indikasi bahwa turunnya devisa Indonesia disebabkan
oleh permasalahan TKI di Malaysia. Apabila diketahui MB[devisa_turun,TKI]=0,8
dan MD[devisa_turun,TKI]=0,3 . Akhir September 2002 kemarau berkepanjangan
mengakibatkan gagal panen yang cukup serius, berdampak pada turunnya ekspor
Indonesia. Bila diketahui MB[devisa_turun,ekspor_turun] = 0,75 dan
MD[devisa_turun,ekspor_turun] = 0,1

Hitung:
a. CF[devisa_turun,TKI]
b. CF[devisa_turun,ekspor_turun]
c. MB[devisa_turun, TKI ∧ ekspor_turun]
d. MD[devisa_turun, TKI ∧ ekspor_turun]
e. CF[devisa_turun,TKI ∧ ekspor_turun]