(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}
• 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 }
• 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
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}
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]