makalah klompok 5
TRANSCRIPT
![Page 1: MAKALAH KLOMPOK 5](https://reader035.vdocuments.pub/reader035/viewer/2022081719/55721151497959fc0b8ec3d9/html5/thumbnails/1.jpg)
BAB I
PENDAHULUAN
1.1. Latar Belakang
Perkembangan komputer dewasa ini telah mengalami banyak perubahan yang sangat pesat,
seiring dengan kebutuhan manusia yang semakin banyak dan kompleks. Komputer yang pada
awalnya hanya digunakan oleh para akademisi dan militer, kini telah digunakan secara luas di
berbagai bidang, misalnya bisnis, kesehatan, pendidikan, psikologi, permainan dan sebagainya. Hal
ini mendorong para ahli untuk semakin mengembangkan komputer agar dapat membantu kerja
manusia atau bahkan melebihi kemampuan kerja manusia. Kecerdasan buatan atau artificial
intelligence merupakan bagian dari ilmu komputer yang membuat agar mesin (komputer) dapat
melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Sistem cerdas (intelligent
system) adalah sistem yang dibangun dengan menggunakan teknik-teknik artificial lintelligence.
Salah satu yang dipelajari pada kecerdasan buatan adalah teori kepastian dengan menggunakan
teori Certainty Factor (CF) Dalam aplikasi sistem pakar terdapat suatu metode untuk menyelesaikan
masalah ketidakpastian data. Salah satu metode yang dapat digunakan adalah faktor kepastian
(certainty factor).
Sistem Pakar (Expert System) adalah program berbasis pengetahuan yang menyediakan
solusi-solusi untuk problema-problema dengan kualitas pakar. Sistem pakar merupakan program
komputer yang meniru proses pemikiran dan pengetahuan pakar dalam menyelesaikan suatu masalah
tertentu. Implementasi sistem pakar dapat diterapkan dalam dunia kesehatan selain sebagai media
informasi bagi masyarakat terutama penderita penyakit untuk mengetahui jenis penyakit yang
diderita sebagai diagnosa awal, juga sebagai alat bantu bagi dokter untuk dapat mengambil
keputusan secara cepat dan lebih akurat. Pengetahuan yang disimpan di dalam sistem pakar
umumnya diambil dari seorang manusia yang pakar dalam masalah tersebut dan sistem pakar itu
berusaha meniru metodelogi dan kinerjanya (performance). Salah satu implementasi yang
diterapkan sistem pakar dalam bidang kesehatan yaitu sistem pakar untuk diagnosa penyakit dalam.
Penyakit yang dipilih adalah penyakit dalam karena penyakit dalam merupakan penyakit yang
kompleks dan sering diderita oleh kebanyakan orang. Seringkali orang bingung dengan penyakit
yang diderita dan harus ke dokter apa untuk berobat atau berkonsultasi. Karena penyakit dalam
sangat beragam jenis dan gejalanya, maka seorang pakar atau dokter perlu mengkaji lebih dalam
gejala yang dialami pasien untuk dapat menentukan penyakit yang diderita. Oleh karena itu
dibangun suatu sistem pakar yang dapat membantu menyelesaikan masalah tersebut dengan
menggunakan metode Certainty Factor (CF).
![Page 2: MAKALAH KLOMPOK 5](https://reader035.vdocuments.pub/reader035/viewer/2022081719/55721151497959fc0b8ec3d9/html5/thumbnails/2.jpg)
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). 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
certain factor (CF) untuk engasumsikan derajat keyakianan seorang pakar terhadap suatu data.
1.2. Tujuan
Untuk mengolah ketidakpastian dari fakta dan gejala dengan dengan mengindari keperluan data dan
perhitungan yang besar. Faktor kepastian diperoleh dari pengurangan nilai kepercayaan (measure of belief)m oleh nilai
ketidak percayaan dengan menghitung bobot dari fakta-fakta(evidence), hipotesa/konklusi, dan tingkat
keyakinan terhadap suatu masalah.
1.3. Manfaat
kita dapat membuat beberapa asumsi yang memudahkan tingkat kepercayaan dan beberapa persamaan
aturan yang mudah untuk mengkombinasikan tingkat kepercayaan sebagai program dalam mencapai kesimpulan akhir.
![Page 3: MAKALAH KLOMPOK 5](https://reader035.vdocuments.pub/reader035/viewer/2022081719/55721151497959fc0b8ec3d9/html5/thumbnails/3.jpg)
BAB II
PEMBAHASAN
2.1 Faktor Kepastian (Certainty Faktor)
Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN . Pada tahun
1975 untuk mengakomadasi ketidakpastian pemikiran (inexact reasoning) seorang pakar. Teori ini berkembang bersamaan
dengan pembuatan sistem pakar MYCIN. Team pengembang MYCIN . Mencatat bahwa dokter sering kali menganalisa
informasi yang ada dengan ungkapan seperti misalnya: mungkin, kemungkinan besar, hampir pasti. Secara umum, rule
direpresentasikan dalam bentuk sebagai berikut (John Durkin,1994) :
IF E1 [AND / OR ] E2 [ AND / OR] ... En
THEN H (CF = CFi)
dimana:
E1 ... En : fakta – fakta (evidence) yang ada.
H : hipotesa atau konklusi yang dihasilkan.
CF : tingkat keyakinan (Certainty Factor) terjadinya hipotesa H akibat adanya fakta – fakta E1 s/d En.
Metode certainty factors ini hanya bisa mengolah 2 bobot dalam sekali perhitungan. Untuk bobot
yang lebih dari 2 banyaknya, untuk melakukan perhitungan tidak terjadi masalah apabila bobot yang
dihitung teracak, artinya tidak ada aturan untuk mengkombinasikan bobotnya, karena untuk kombinasi
seperti apapun hasilnya akan tetap sama. Untuk mengetahui apakah seorang pasien tersebut menderita
penyakit jantung atau tidak, itu dilihat dari hasil perhitungan bobot setelah semua keluhankeluhan
diinputkan dan semua bobot dihitung dengan menggunakan metode certainty factors. Pasien yang divonis
mengidap penyakit jantung adalah pasien yang memiliki bobot mendekati +1 dengan keluhan-keluhan
yang dimiliki mengarah kepada penyakit jantung. Sedangkan pasien yang mempunyai bobot mendekati -1
adalah pasien yang dianggap tidak mengidap penyakit jantung, serta pasien yang memiliki bobot sama
dengan 0 diagnosisnya tidak diketahui atau unknown atau bisa disebut dengan netral.
CF(H,E) = MB(H,E) - MD(H, E)
CF(H,E) : 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(H,E) : ukuran kenaikan kepercayaan(measure of increased belief) terhadap hipotesis H yang
dipengaruhi oleh gejala E.
![Page 4: MAKALAH KLOMPOK 5](https://reader035.vdocuments.pub/reader035/viewer/2022081719/55721151497959fc0b8ec3d9/html5/thumbnails/4.jpg)
MD(H,E) : ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang
dipengaruhi oleh gejala E Bentuk dasar rumus certainty factor sebuahaturan JIKA E MAKA H adalah
seperti ditunjukkan oleh persamaan 2 berikut:
CF(H,e) = CF(E, e) *CF(H,E)
Dimana:
CF(E,e) : certainty factor evidence E yang dipengaruhi oleh evidence e
CF(H,E) : certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E, e)
= 1
CF(H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e Jika semua evidence pada
antecedent diketahui dengan pasti maka persamaannya akan menjadi:
CF(H, e) = CF(H, E)
Dalam aplikasinya, CF(H,E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu
aturan, sedangkan CF(E,e) merupakan nilai kerpercayaan yang diberikan oleh pengguna terhadap gejala
yang dialaminya. Sebagai contoh, berikut ini adalah sebuah aturan dengan CF yang diberikan oleh
seorang pakar:
JIKA batuk
DAN demam
DAN sakit kepala
DAN bersin-bersin
MAKA influensa, CF: 0,7
Definisi menurut David McAllister Certainty Factor adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti
ataukah tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar. Metode ini sangat cocok untuk sistem
pakar yang mendiagnosis sesuatu yang belum pasti. Aturan metode Certainty Factors:
1. McAllister menggambarkan aturan untuk menambahkan dua faktor Certaint positif.
2. Aturan untuk menambahkan dua Certaint yang negatif.
3. Aturan untuk menambahkan Certainty Factors positif dan Certainty Factors negatif lebih kompleks. Tiga
aturan ini menyediakan suatu skala interval untuk Certainty Factors :
![Page 5: MAKALAH KLOMPOK 5](https://reader035.vdocuments.pub/reader035/viewer/2022081719/55721151497959fc0b8ec3d9/html5/thumbnails/5.jpg)
Contoh untuk fakta yang posiitif:
Strong suggestive (CFa): 0.8
Suggestive (CFb) : 0.6
CFcombine (CFa CFb) = 0.8 + 0.6 (1-0.8) = 0.92
Contoh untuk fakta yang negatif:
Strong suggestive (CFc): -0.8
Suggestive (CFd) : -0.6
CFcom bine (CFc CFd) = -0.8 + -0.6 + -0.8 * -0.6 = -0.92
Contoh untuk fakta yang positif dan negatif:
Certainty factor adalah 0.88 (CFe)
Certainty factor against adalah 0.90 (Cff)
Karakteristik faktor kepastian
Karakteristik Nilai
Jangkauan 0 ≤ MB ≤ 1
0 ≤ MD ≤ 1
-1 ≤ CF ≤ 1
Hipotesis pasti benar
P(H|E) = 1
MB = 1
MD = 0
CF = 1
Hipotesis pasti salah
P(H’|E) = 1
MB = 0
MD = 1
CF = -1
Kekurangan fakta
P(H|E) = p(H)
MB = 0
MD = 0
CF = 0
Kombinasi Faktor Kepastian
CFc(CF1, CF2) =
CF1 + CF2(1-CF1) if both >0
CF1+CF2(1+CF1) if both <0
CF1+CF2/(1-min(|CF1|,|CF2|)) if one <0
![Page 6: MAKALAH KLOMPOK 5](https://reader035.vdocuments.pub/reader035/viewer/2022081719/55721151497959fc0b8ec3d9/html5/thumbnails/6.jpg)
Kelebihan dan Kekurangan Metode Certainty Factors
Kelebihan metode Certainty Factors adalah:
1. Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau tidak
pasti dalam mendiagnosis penyakit sebagai salah satu contohnya.
2. Perhitungan dengan menggunakan metode ini dalam sekali hitung bisa hanya mengolah dua data
saja sehingga keakuratan data dapat terjaga.
3. Implementasi yang sederhana
Kekurangan metode Certainty Factors adalah:
Ide umum dari pemodelan ketidakpastian manusia dengan menggunakan numerik metode
certainty factors biasanya diperdebatkan. Sebagian orang akan membantah pendapat bahwa
formula untuk metode certainty factors diatas memiliki sedikit kebenaran.
Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja. Perlu dilakukan
beberapa kali pengolahan data untuk data yang lebih dari 2 buah.
Contoh Kasus
Isu premanisme dikalangan kampus yang sering terjadi di Universitas Haluoleo ternyata membuat ketertarikan calon
mahasiswa untuk mendaftar menjadi berkurang sehingga mempengaruhi turunnya calon jumlah mahasiswa di Universitas
Haluoleo.
Apabila diketahui:
MB[Mahasiswa, Premanisme] = 0.6
MD[Mahasiswa, Premanisme]= 0.4
maka carilah CF[Mahasiswa, Premanisme]
Jawaban
![Page 7: MAKALAH KLOMPOK 5](https://reader035.vdocuments.pub/reader035/viewer/2022081719/55721151497959fc0b8ec3d9/html5/thumbnails/7.jpg)
CF[Mahasiswa, Premanisme] = MB[Mahasiswa, Premanisme] - MD[Mahasiswa, Premanisme]= 0.4
= 0.6 – 0.4
= 0.2
BAB III
PENUTUP
3. 1 Kesimpulan
![Page 8: MAKALAH KLOMPOK 5](https://reader035.vdocuments.pub/reader035/viewer/2022081719/55721151497959fc0b8ec3d9/html5/thumbnails/8.jpg)
1. Faktor kepastian/Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN
untuk menunjukkan besarnya kepercayaan.
Certainty factor didefinisikan sebagai berikut:
CF(H,E) = MB(H,E) ± MD(H,E) (1)
1. CF(H,E) : certainty factor dari hipotesis Hyang dipengaruhi oleh gejala (evidence) E.Besarnya CF
berkisar antara ±1 sampai dengan1. Nilai ±1 menunjukkan ketidakpercayaan mutlak sedangkan
nilai 1 menunjukkankerpercayaan mutlak.
2. MB(H,E) : ukuran kenaikan kepercayaan(measure of increased belief ) terhadap hipotesis H yang
dipengaruhi oleh gejala E.
3. MD(H,E) : ukuran kenaikan ketidakpercayaan(measure of increased disbelief ) terhadap hipotesis
H yang dipenga ruhi oleh gejala E.
Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau
tidak pasti dalam mendiagnosis penyakit.
Perhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat mengolah
2 data saja sehingga keakuratan data dapat terjaga.3)
Ide umum dari pemodelan ketidakpastian manusia dengan menggunakan numerik metode
certainty factors biasanya diperdebatkan. Sebagian orang akan membantah pendapat
bahwa formula untuk metode certainty factors diatas memiliki sedikit kebenaran.4)
Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja.Perlu dilakukan
beberapa kali pengolahandata untuk data yang lebih dari 2 buah.
3.2 SARAN