certainty factor

Download Certainty factor

Post on 21-Jun-2015

1.185 views

Category:

Technology

7 download

Embed Size (px)

DESCRIPTION

Faktor Kepastian

TRANSCRIPT

  • 1. Heny Pratiwi, S.Kom., M.Pd

2. Penjelasan Pada perhitungan sistem pakar banyak menggunakan Metode Certainly factor yaitu kepastian berdasarkan tinggkat kepastian yang sudah di tentukan oleh para pakar.Heny Pratiwi, S.Kom., M.Pd 3. Penjelasan 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)Heny Pratiwi, S.Kom., M.Pd 4. 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-MDHeny Pratiwi, S.Kom., M.Pd 5. 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))Heny Pratiwi, S.Kom., M.Pd 6. Hal-hal yang mungkin terjadi CFBeberapa Evidence Satu HipotesisBeberapa Hipotesis Beberapa AturanHeny Pratiwi, S.Kom., M.Pd 7. 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))Heny Pratiwi, S.Kom., M.Pd 8. 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))Heny Pratiwi, S.Kom., M.Pd 9. 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 10. Beberapa Aturan Saling Bergantung, Ketidakpastian aturan adalah input aturan lain MB(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 Belajar then Hasil_Baik IF Hasil_Baik then Lulus CF(Hasil_Baik|Belajar)= 0.8 MB (Lulus|Hasil_Baik)= 0.6 maka, MB(Lulus|Hasil_Baik) = 0.6 * 0.8 = 0.54 11. Karakteristik CF Jika Pasti Benar, maka Probabilitas P(H|E)=1Range di setiap nilai MB, MD, CF adalah MBMB=10

Recommended

View more >