P. 1
Paper - Proposal Penentuan Certainty Factor _Greg

Paper - Proposal Penentuan Certainty Factor _Greg

|Views: 66|Likes:

More info:

Published by: Abbi Na' Ayieb Akhamad on Apr 25, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/25/2011

pdf

text

original

Probabilitas Penggunaan Premis untuk menentukan Certainty Factor dari Rule

Gregorius S. Budhi 1) Rolly Intan 2)
1)

Teknik Informatika Universitas Kristen Petra Jl. Siwalankerto 121 – 131 Surabaya 60236
Email: greg@petra.ac.id

2)

Teknik Informatika Universitas Kristen Petra Jl. Siwalankerto 121 – 131 Surabaya 60236
Email: rintan@petra.ac.id

ABSTRAK
Penentuan tingkat keyakinan (Certainty Factor) sebuah rule dalam sistem pakar cukup sulit. Ada dua cara yang sering digunakan yaitu: ‘Net Belief”, diusulkan oleh E.H.Shortliffe dan B.G.Buchanan, yaitu dengan menghitung probabilitas keyakinan dan ketidakyakinan pakar akan terjadinya sebuah hipotesa akibat sebuah fakta (evidence). Cara kedua dengan menggali dari hasil wawancara dengan pakar atau dengan menanyakan langsung keyakinan pakar terhadap rule. Kedua cara ini sulit untuk diterapkan dan memakan waktu, apalagi ditambah fakta bahwa pakar yang terlibat biasanya tidak mengerti tentang sistem pakar. Metode yang diusulkan oleh peneliti ini tidak melibatkan pakar dalam penentuan CF sebuah Rule. Pada metode ini CF – Rule didapat dengan menghitung probabilitas kemunculan sebuah fakta pada semua rule yang ada. Dasar pemikirannya adalah: Semakin sering sebuah fakta digunakan pada rule – rule yang ada, dapat diasumsikan bahwa fakta itu semakin general. Semakin general sebuah fakta, semakin kecil tingkat keyakinan terjadinya hipotesa akibat fakta tersebut. Metode ini telah dicoba untuk menghitung CF – Rule dari rule – rule sebuah sistem pakar tentang kesehatan dengan hasil yang menjanjikan. Kelemahan dari metode ini adalah bila ada rule – rule tambahan setelah CF – Rule dihitung, maka perhitungan CF – Rule tersebut harus diulang dari awal.

yang memiliki kemampuan atau mengerti dalam menghadapi suatu masalah. Lewat pengalaman, seorang pakar mengembangkan kemampuan yang membuatnya dapat memecahkan permasalahan dengan hasil yang baik dan efisien [1]. Ada 2 ciri utama dari seorang pakar yang dicoba untuk ditiru, yaitu: pengetahuan dan pemikiran/pertimbangan yang dimiliki pakar. Untuk mengerjakan ini, sistem harus mempunyai 2 modul utama, yaitu [1]: 1. Knowledge base berisi pengetahuan yang mengkhususkan pada area permasalahan seperti yang diberikan oleh seorang pakar. Knowledge base terdiri dari fakta-fakta yang dipersoalkan, rules, konsep-konsep, dan relationships. Inference engine adalah pengolah pengetahuan yang meniru pemikiran/pertimbangan dari pakar. Suatu engine bekerja dengan informasi yang tersedia pada permasalahan yang diberikan, bergandengan dengan pengetahuan yang disimpan pada knowledge base, untuk menarik kesimpulan atau rekomendasi.

2.

1.2. Knowledge base
Pengetahuan atau knowledge terdiri dari fakta konsep, teori, metode heuristik, prosedur, dan hubungan. Pengetahuan juga berarti informasi yang sudah terorganisir dan teranalisa, yang menjadikannya mudah dimengerti dan dapat diaplikasikan dalam pemecahan masalah atau pengambilan keputusan [4]. Salah satu cara representasi knowledge (pengetahuan) adalah melalui rule. Rule merupakan struktur IF/THEN yang secara logika menghubungkan informasi yang tersimpan dalam bagian IF yang juga dikenal sebagai premis, dengan informasi yang tersimpan dalam bagian

Kata Kunci:
Rule-Base Expert Probabilitas. System, Certainty Theory,

1. Landasan Teori
1.1. Sistem Pakar
Sistem pakar adalah program komputer yang didesain untuk meniru kemampuan memecahkan masalah dari seorang pakar. Pakar adalah orang

1

1995.. John.THEN. 2 . “Decision support systems and expert systems”. Prentice-Hall International Inc. Douglas D. Prentice Hall. : hipotesa atau konklusi yang dihasilkan.. REFERENSI [1] Durkin. m = Jumlah rule yang digunakan.  i nj  1 CF _ Rule = 1 −  ∑  +  m m  j =1  dimana: n = Jumlah penggunaan fakta (var.3.. Efraim. 1991. En H : fakta – fakta (evidence) yang ada. Dankel. [2] Gonzales. “The Engineering of Knowledge Based Systems”. Prentice Hall. kemungkinan besar. Teori ini berkembang bersamaan dengan pembuatan sistem pakar MYCIN. [3] Ignizio. Untuk mengakomodasi hal ini tim MYCIN menggunakan certainty factor (CF) guna menggambarkan tingkat keyakinan pakar terhadap permasalahan yang sedang dihadapi [1]. 1. Bentuk umum rule sebagai berikut: IF <kondisi> THEN <pernyataan> atau IF <kondisi> THEN <pernyataan1> ELSE <pernyataan2> CF : tingkat keyakinan (Certainty Factor) terjadinya hipotesa H akibat adanya fakta – fakta E1 s/d En . 1993. rule direpresentasikan dalam bentuk sebagai berikut [1]: IF E1 [AND / OR] E2 [AND / OR] … En THEN H (CF = CFi) dimana: E1 .. McGraw-Hill.4. Usulan Penentuan CF-Rule Rumus yang diusulkan untuk menentukan CF-Rule adalah sebagai berikut: 1. 1994.. Team pengembang MYCIN mencatat bahwa dokter sering kali menganalisa informasi yang ada dengan ungkapan seperti misalnya: mungkin. “Expert Systems Design and Development”. Kumpulan rule yang saling terkait disebut juga sebagai rule set [4]. premis) tertentu pada semua rule yang ada j = Banyaknya premis yang digunakan pada sebuah rule yang dihitung CFRule-nya. Avelino J. hampir pasti. Secara umum. [4] Turban. James P. Certainty Theory Certainty Theory ini diusulkan oleh Shortliffe dan Buchanan pada tahun 1975 untuk mengakomadasi ketidakpastian pemikiran (inexact reasoning) seorang pakar. “Introduction to Expert System : The Development and Implementation of Rule-Based Expert System”.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->