Pertemuan VII
ISTILAH YANG DIGUNAKAN
• EVIDENCE
Yaitu fakta / gejala yang mendukung hipotesa. Misal gejala penyakit.
• HIPOTESA
Yaitu hasil yang dicari / hasil yang didapat dari gejala-gejala. Misal penyakit
• CF[H, E]
Adalah 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 kerpercayaan mutlak.
• MB
Adalah ukuran kenaikan kepercayaan ( measure of increased belief ), 0 <= MB
<=1
• MD
Adalah ukuran kenaikan ketidakpercayaan ( measure of increased disbelief ), 0
<= MD <=1
Faktor Kepastian
• Teori Certainty factors (CF) merupakan alternatif bagi
penalaran Bayes.
• Menggunakan pendekatan heuristik dalam penalaran
dengan ketidakpastian.
• Pakar membobot keyakinan dari kesimpulannya dan
langkah-langkah penalarannya dengan istilah “tidak
mungkin”, “hampir pasti”, “sangat mungkin”, “mungkin”.
• Bukan peluang tetapi heuristik yang diturunkan dari
pengalaman. Juga bukan nilai kebenaran.
• CF digunakan untuk mengekspresikan berapa akurat,
sungguh dan handal suatu dugaan.
Faktor Kepastian
• CF dapat diterapkan terhadap:
–Fakta/premis;
–Rules (aturan, kesimpulan dari rule);
–Fakta dan rules.
• Saat diterapkan terhadap fakta (evidence, premis) :
mewakili derajat kepercayaan (ketidakpercayaan) dari
fakta.
• Saat diberlakukan terhadap rules: mewakili derajat
konfirmasi(diskonfirmasi) suatu hipotesis.
• Arti CF bernilai -1 dan 1:
–CF mendekati 1, fakta semakin kuat bagi suatu hipotesis
–Cf mendekati -1, kepercayaan berlawanan hipotesis semakin kuat.
–CF sekitar 0, ada fakta yang mendukung dan juga melawan hipotesis.
Tingkat Kepercayaan dan Ketidakpercayaan
• IF Evidence
• THEN Hypothesis
{CF}
• Dimana CF
mewakili
kepercayaan
terhadap hipotesis
jika evidence/fakta
terjadi.
Menghitung Faktor Kepastian
• Untuk suatu hipotesis H dan fakta/evidence E, ukuran kepercayaan
MB(H,E)dan ketidakpercayaan MD(H,E) adalah
Dimana:
Contoh:
IF E1 THEN H {CF=0.6}
IF E2 THEN H {CF= -0.3}
Rule dengan ketidakpastian
Evidence
• Contoh:
Rule 1: IF A THEN B {CF=0.4}
Rule 2: IF B THEN C {CF=0.3}
Berapa kepastian B? C setelah B?
Jika CF dari A bernilai True adalah 0.9
Rule dengan ketidakpastian
Evidence
• Evidence Negatif.
• IF E THEN H {CF=0.6}
• Jika CF(E)=-0.2(negatif), maka tidak ada yang dapat
disimpulkan.
Rule dengan ketidakpastian
Evidence
• •Banyak Premis. Digabungkan dengan AND:
• IF E1 AND E2... AND EnTHEN H {CF}
• CF(H) = min{CF(E1), CF(E2), …, CF(En)} * CF(Rule)