Download - Certainty Factor Theory
Certainty Factor Theory
Rachmat Wahid Saleh Insani
Pengertian
Faktor Kepastian digunakan untuk mengekspresikan ke-akurat-an, kebenaran atau kehandalan sebuah pertimbangan
Diukur berdasarkan perbedaan antara ukuran kepercayaan dengan ukuran ketidakpercayaan di sebuah hipotesa dari fakta yang ada
Singkatan yang digunakan:
CF (Certainty Factor)
H (Hypothesis)
E (Evidence)
MB (Measures of Belief)
MD (Measures of Disbelief)
Pengertian
Hipotesis disimbolkan dengan H
Nilai H berada dalam range -1 hingga 1
-1 artinya menyangkal hipotesa H
+1 artinya mengakui hipotesa H
Hipotesis memiliki peringkat
CF Ditentukan berdasarkan 2 hal:
MB, measures of belief (percaya bahwa H true)
MD, measures of disbelief (percaya bahwa H false)
MB ≠ 1-MD
Aturan Dasar
CF(H|E), dibaca “CF dari hipotesis H dari fakta E”, dihitung dengan rumus
CF(H|E) = MB(H|E) – MD(H|E)
-1 ≤ CF(H) ≤ +1
MB(H|E), kepercayaan bahwa benar hipotesa H dari fakta E
MD(H|E), kepercayaan bahwa salah hipotesa H dari fakta E
CF dapat berintegrasi dengan pemikiran pakar yang berbeda-beda
Nilai CF untuk H menggunakan CF dari premis P di sebuah rule, adalah
CF(H) = CF(P1 dan P2) = min (CF(P1),CF(P2))
CF(H) = CF(P1 atauP2) = max (CF(P1),CF(P2))
Hal-hal yang mungkin terjadi
CFCF
Beberapa Beberapa EvidenceEvidence
Satu Satu HipotesisHipotesis
Beberapa Beberapa HipotesisHipotesis Beberapa AturanBeberapa Aturan
CF dari Beberapa Evidence, Satu Hipotesis
MB(H|E1 ∧ H|E2) hasilnya
0 jika MD(H|E ∧ H|E3) = 1, atau dihitung
MB(H|E1) + MB(H|E2) * (1 - MB(H|E1))
MD(H|E1 ∧ H|E2) hasilnya
0 jika MB(H|E1 ∧ H|E2) = 1, atau dihitung
MD(H|E1) + MD(H|E2) * (1 - MD(H|E1))
Contoh Soal (1)
Suatu observasi memberi kepercayaan pada h dengan MB(h|e1)=0.3 dan MD(h|e1)=0
CF(h|e1) = 0.3 - 0 = 0.3
Ada observasi baru dengan MB(h|e2)=0.2 dan MD(h|e2)=0
Beberapa evidence untuk satu hipotesis
MB(H|E1) + MB(H|E2) * (1 - MB(H|E1))
MB(h|e1 ∧ h|e2) = 0.3 + 0.2 * (1 - 0.3) = 0.44
MD(h|e1 ∧ h|e2) = 0
CF(h|e1 ∧ h|e2) = MB(h|e1 ∧ h|e2) - MD(h|e1 ∧ h|e2) = 0.44 - 0 = 0.44
CF Dari Beberapa Hipotesis
MB (H1|E ∧ H2|E) = min (MB(H1|E), MB(H2|E))
MD (H1|E ∧ H2|E) = min (MD(H1|E), MD(H2|E))
MB (H1|E ∨ H2|E) = max (MB(H1|E), MB(H2|E))
MD (H1|E ∨ H2|E) = max (MD(H1|E), MD(H2|E))
Contoh Soal (2)
Suatu observasi memberi kepercayaan pada h1 dengan MB(h1|e)=0.5 dan MD(h1|e)=0.2.
Observasi tersebut juga memberi kepercayaan pada h2 dengan MB(h2|e)=0.8 dan MD(h2|e)=0.1.
CF dihitung dari beberapa hipotesis
CF(h1|e) = 0.5 - 0.2 - 0.3
CF(h2|e) = 0.8 - 0.1 = 0.7
Untuk mencari CF(h1^h2) didapatkan dari,
MB(h1|e ∧ h2|e) = min (0.5 ; 0.8) = 0.5
MD(h1|e ∧ h2|e) = min (0.2 ; 0.1) = 0.1
CF(h1|e ∧ h2|e) = 0.5 - 0.1 = 0.4
Untuk mencari CF(h1|e∨h2|e) diperoleh dari,
MB(h1|e ∨ h2|e) = max (0.5 ; 0.8) = 0.8
MB(h1|e ∨ h2|e) = max (0.2 ; 0.1) = 0.2
CF(h1|e ∨ h2|e) = 0.8 - 0.2 = 0.6
CF Untuk Kondisi/Rule yang Berbeda
Nilai CF untuk H dikombinasikan dari beberapa rule berbeda, pakar dan sebagainya:
Jika CF1, CF2 > 0
Maka, CF(H) = CF1+CF2-CF1*CF2
Jika CF1, CF2 < 0
Maka, CF(H) = CF1+CF2+CF1*CF2
Jika tidak berada di 2 kondisi sebelumnya
Maka, CF(H) = CF1+CF2 / 1-min(|CF1|,|CF2|)
|CF1|, adalah nilai mutlak CF1
Beberapa Aturan Saling Bergantung, Ketidakpastian
aturan adalah input aturan lainMB(H|S) = MB’(H|S) * max (0, CF (S|E))
MB(H|S) adalah ukuran kepercayaan H berdasarkan keyakinan penuh terhadap validitas S
Contoh:
If PHK then Pengangguran
IF Pengangguran then Gelandangan
CF(Pengangguran|PHK)=0.9
MB (Gelandangan|Pengangguran)=0.7
maka, MB(Gelandangan|Pengangguran) = 0.7 * 0.9 = 0.63
Karakteristik CF
Jika Pasti Benar, maka
Probabilitas P(H|E)=1
MB=1
CF=1
Jika Pasti Salah, maka
Probabilitas P(-H|E)=1
MD=1
CF=-1
Jika, Tidak Terbukti maka
Probabilitas P(H|E)=P(H)
Range di setiap nilai MB, MD, CF adalah
MB
0 <= MB <= 1
MD
0 <= MD <= 1
CF
-1 <= CF <= +1