BAB I BAB I
PENDAHULUAN PENDAHULUAN
1.1.
1.1. Latar BelakangLatar Belakang
Perkembangan komputer dewasa ini telah mengalami banyak perubahan yang sangat pesat, Perkembangan komputer dewasa ini telah mengalami banyak perubahan yang sangat pesat, seiri
seiring ng dengdengan an kebutkebutuhan manusia yang uhan manusia yang semaksemakin in banybanyak ak dan dan kompkompleks. Komputer yang leks. Komputer yang padapada awalny
awalnya a hanyhanya a digudigunakan oleh para nakan oleh para akademakademisi isi dan militerdan militer, , kini telah digunakakini telah digunakan n secarsecara a luas diluas di berbagai bidang,
berbagai bidang, misalnya bisnis, misalnya bisnis, kesehatan, pendidikan, kesehatan, pendidikan, psikologi, permainan psikologi, permainan dan sebagainya. dan sebagainya. HalHal ini mendoron
ini mendorong g para ahli para ahli untuuntuk k semaksemakin in mengemmengembangbangkan komputer agar kan komputer agar dapat membantdapat membantu u kerjakerja man
manusiusia a ataatau u bahbahkan kan melmelebiebihi hi kemkemampuampuan an kekerja rja manmanusiusia. a. KecKecerderdasaasan n buabuatan tan ataatau u artartifiificiaciall intelligence merupakan bagian dari ilmu komputer yang membuat agar mesin (komputer) dapat intelligence merupakan bagian dari ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Sistem cerdas (intelligent melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Sistem cerdas (intelligent system) adalah sis
system) adalah sistem yang tem yang dibangun dengan dibangun dengan menggunakan teknmenggunakan teknik-teknik artificial lik-teknik artificial lintelligence.intelligence. Salah sat
Salah satu u yang dipyang dipelajaelajari pada kecerri pada kecerdasan buadasan buatan adalatan adalah teori kepah teori kepastian denstian dengan gan menggmenggunakunakanan teori Certainty Factor (CF) Dalam aplik
teori Certainty Factor (CF) Dalam aplikasi sistem pakar terdapat suatu asi sistem pakar terdapat suatu metode untuk menyelesametode untuk menyelesaikanikan masal
masalah ah ketiketidakpdakpastiaastian n datadata. . Salah satu Salah satu metometode de yang dapat yang dapat digudigunakan adalah nakan adalah faktofaktor r kepaskepastiantian ((certainty factor certainty factor ).).
Sistem Pakar (Expert System) adalah program berbasis pengetahuan yang menyediakan Sistem Pakar (Expert System) adalah program berbasis pengetahuan yang menyediakan solusi-solusi
solusi-solusi untuk problema-prountuk problema-problema dengan kualiblema dengan kualitas pakartas pakar. . Sistem pakar merupakan Sistem pakar merupakan programprogram komputer yang meniru proses pemikiran dan pengetahuan pakar dalam men
komputer yang meniru proses pemikiran dan pengetahuan pakar dalam men yelesaikan suatu masalahyelesaikan suatu masalah tertentu. Implementasi sistem pakar dapat diterapkan dalam dunia kesehatan selain sebagai media tertentu. Implementasi sistem pakar dapat diterapkan dalam dunia kesehatan selain sebagai media info
informasi bagi masyararmasi bagi masyarakat terutamkat terutama a pendependerita penyakrita penyakit untuk mengetahit untuk mengetahui jenis ui jenis penypenyakit yangakit yang dide
diderita sebrita sebagai diagai diagnosagnosa awal, juga awal, juga sebaga sebagai ai alat banalat bantu bagi dotu bagi dokter kter untuuntuk dapat mek dapat mengambngambilil kep
keputuutusan secarsan secara a cepcepat at dan lebih akurdan lebih akurat. at. PenPengetgetahuahuan an yanyang g disdisimpimpan an di di daldalam am sissistem pakar tem pakar umumnya diambil dari seorang manusia yang pakar dalam masalah tersebut dan sistem pakar itu umumnya diambil dari seorang manusia yang pakar dalam masalah tersebut dan sistem pakar itu berusaha
berusaha meniru meniru metodelogi metodelogi dan dan kinerjanya kinerjanya (performance). (performance). Salah Salah satu satu implementasi implementasi yangyang diterapkan sistem pakar dalam bidang kesehatan yaitu sistem pakar untuk diagnosa penyakit dalam. diterapkan sistem pakar dalam bidang kesehatan yaitu sistem pakar untuk diagnosa penyakit dalam. Peny
Penyakit akit yang dipilih adalah yang dipilih adalah penypenyakit dalam akit dalam karenkarena a penypenyakit akit dalam merupakadalam merupakan n penypenyakit akit yangyang kompleks dan sering diderita oleh kebanyakan orang. Seringkali orang bingung dengan penyakit 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 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 sangat beragam jenis dan gejalanya, maka seorang pakar atau dokter perlu mengkaji lebih dalam gej
gejala ala yanyang g diadialamlami i paspasien ien untuntuk uk dadapat pat menmenententukukan an penypenyakiakit t yanyang g diddiderierita. ta. OleOleh h karkarena ena ituitu dib
dibangangun un suasuatu tu sissistem tem pakpakar ar yanyang g dapdapat at memmembanbantu tu menymenyeleelesaisaikan masalakan masalah h tertersebsebut ut dendengangan menggunakan metode Certainty Factor (CF).
Fa
Faktktor or kekepapaststiaian n memerurupapakakan n cacara ra dadari ri pepengnggagabubungngan an kekepepercrcayayaaaan n (( belief belief ) ) ddaann ketidapercayaan (
ketidapercayaan (unbelief unbelief ) dalam bilangan yang tunggal. Dalam certainty theory, data-data kualitatif ) dalam bilangan yang tunggal. Dalam certainty theory, data-data kualitatif direpresentasikan sebagai derajat keyakinan (
direpresentasikan sebagai derajat keyakinan ( degree of belief degree of belief ). Tahapan dalam merepresentasikan). Tahapan dalam merepresentasikan data-data kualitatif :
data-data kualitatif :
•
• kemamkemampuan puan untuuntuk k mengemengeksprekspresikan derajat sikan derajat keyakkeyakinan inan sesusesuai ai dengdengan an metodmetode e yangyang
sudah dibahas sebelumnya. sudah dibahas sebelumnya.
•
• kemampuan untuk menempatkan dan mengkombinasikan derajat keyakinan tersebutkemampuan untuk menempatkan dan mengkombinasikan derajat keyakinan tersebut
dalam sistem
dalam sistem pakapakar. Dalam r. Dalam mengemengeksprekspresikan derajat sikan derajat keyakkeyakinan inan digudigunakan suatu nakan suatu nilai yangnilai yang disebut
disebut certain factor (CF)certain factor (CF) untuk engasumsikan derajat keyakianan seorang pakar terhadapuntuk engasumsikan derajat keyakianan seorang pakar terhadap suatu data.
suatu data.
1.2.
1.2. TTujuanujuan
Untuk
Untuk mengolah mengolah ketidakketidakpastian pastian dari fakdari fakta ta dan gdan gejala dejala dengan engan dengan dengan mengindmengindari kepari keperluan erluan data ddata danan p
peerhrhiitutungngan an yyanang g bebessaarr. . FFakakttoor r kkepepasasttiian an ddiippeerorolleh eh ddarari i pepenngguurarannggaan n nniillaai i kkepepeercrcayayaaaan n (m(meeasasuurre e oof f bebelliieeff)m ol)m oleh eh nniillaaii ketidak percayaan dengan menghitung bobot dari fakta-fakta(evidence), hipotesa/konklusi, dan tingkat ketidak percayaan dengan menghitung bobot dari fakta-fakta(evidence), hipotesa/konklusi, dan tingkat keyakinan terhadap suatu masalah.
keyakinan terhadap suatu masalah.
1.3.
1.3.ManfaManfaatat ki
kita ta dadapapat t membmembuat bebeuat beberapa rapa asumasumsi yang memsi yang memudahudahkan tingkan tingkat kepekat kepercayrcayaan dan bebeaan dan beberapa perrapa persamsamaanaan aturan yang mudah untuk mengkombinasikan tingkat kepercayaan sebagai program dalam mencapai kesimpulan akhir. aturan yang mudah untuk mengkombinasikan tingkat kepercayaan sebagai program dalam mencapai kesimpulan akhir.
BAB II BAB II PEMBAHASAN PEMBAHASAN
2.1 Faktor Kepastian (Certainty Faktor) 2.1 Faktor Kepastian (Certainty Faktor)
Faktor kepastian (certainty factor) diperkenal
Faktor kepastian (certainty factor) diperkenalkan oleh kan oleh ShortlShortliffe Buchanan dalam iffe Buchanan dalam pembuatpembuatan an MYCIN . MYCIN . Pada tahunPada tahun 1975 untuk mengakomadasi ketidakpastian pemikiran (inexact reasoning) seorang pakar. Teori ini berkembang bersamaan 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 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 informasi yang ada dengan ungkapan seperti misalnya: mungkin, kemungkinan besar, hampir pasti. Secara umum, rule direpresentasikan dalam bentuk sebagai berikut (John Durkin,1994) :
direpresentasikan dalam bentuk sebagai berikut (John Durkin,1994) : IF
IF E1 E1 [AND [AND / / OR OR ] ] E2 E2 [ [ AND AND / / OR] OR] ... En... En THEN
THEN H H (CF (CF = = CFi)CFi) dimana:
dimana:
E1 ... En : fakta – fakta (evidence) yang ada. E1 ... En : fakta – fakta (evidence) yang ada. H : hipotesa atau konklusi yang dihasilkan. H : hipotesa atau konklusi yang dihasilkan.
CF : tingkat keyakinan (Certainty Factor) terjadinya hipotesa H akibat adanya fakta – fakta E1 s/d CF : tingkat keyakinan (Certainty Factor) terjadinya hipotesa H akibat adanya fakta – fakta E1 s/d En.En.
Metode certainty factors ini hanya bisa mengolah 2 bobot dalam sekali perhitungan. Untuk bobot 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 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 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 seperti apapun hasilnya akan tetap sama. Untuk mengetahui apakah seorang pasien tersebut menderita penyakit
penyakit jantung jantung atau atau tidak, tidak, itu itu dilihat dilihat dari dari hasil hasil perhitungan perhitungan bobot bobot setelah setelah semua semua keluhankeluhankeluhankeluhan diinputkan dan semua bobot dihitung dengan menggunakan metode certainty factors.
diinputkan dan semua bobot dihitung dengan menggunakan metode certainty factors. Pasien yang divonisPasien yang divonis mengidap penyakit jantung adalah pasien yang memiliki bobot mendekati +1 dengan keluhan-keluhan mengidap penyakit jantung adalah pasien yang memiliki bobot mendekati +1 dengan keluhan-keluhan yang dimiliki mengarah kepada penyakit jantung. Sedangkan pasien yang
yang dimiliki mengarah kepada penyakit jantung. Sedangkan pasien yang mempunyai bobot mendekati -1mempunyai bobot mendekati -1 adalah pasien yang dianggap tidak mengidap penyakit jantung, serta pasien yang memiliki bobot sama adalah pasien yang dianggap tidak mengidap penyakit jantung, serta pasien yang memiliki bobot sama dengan 0 diagnosisnya tidak diketahui atau
dengan 0 diagnosisnya tidak diketahui atau unknown atau bisa disebut dengan unknown atau bisa disebut dengan netral.netral.
CF(H,E) = MB(H,E) - MD(H, E) CF(H,E) = MB(H,E) - MD(H, E)
CF(H,E) : certainty factor dari
CF(H,E) : certainty factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E.Besarnya CFhipotesis H yang dipengaruhi oleh gejala (evidence) E.Besarnya CF berkisar antara –1 sampai deng
berkisar antara –1 sampai dengan 1. Nilai –1 menunjukkan kan 1. Nilai –1 menunjukkan ketidakpercayaan mutlak sedetidakpercayaan mutlak sedangkan nilai 1angkan nilai 1 menunjukkan kerpercayaan mutlak.
menunjukkan kerpercayaan mutlak.
MB(H,E) : ukuran kenaikan kepercayaan(measure of increased belief)
MB(H,E) : ukuran kenaikan kepercayaan(measure of increased belief) terhadap hipotesis H yangterhadap hipotesis H yang dipengaruhi oleh gejala E.
MD(H,E) : ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang 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 dipengaruhi oleh gejala E Bentuk dasar rumus certainty factor sebuahaturan JIKA E MAKA H adalah seperti ditunjukkan oleh persamaan 2
seperti ditunjukkan oleh persamaan 2 berikut:berikut:
CF(H,e) = CF(E, e) *CF(H,E) CF(H,e) = CF(E, e) *CF(H,E) Dimana:
Dimana:
CF(E,e) : certainty factor evidence E
CF(E,e) : certainty factor evidence E yang dipengaruhi oleh evidence eyang dipengaruhi oleh evidence e
CF(H,E) : certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika
CF(H,E) : certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E, e)CF(E, e) = 1
= 1
CF(H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e
CF(H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e Jika semua evidence padaJika semua evidence pada antecedent diketahui dengan pasti maka persamaannya akan menjadi:
antecedent diketahui dengan pasti maka persamaannya akan menjadi:
CF(H, e) = CF(H, E) CF(H, e) = CF(H, E)
Dalam aplikasinya, CF(H,E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu 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 aturan, sedangkan CF(E,e) merupakan nilai kerpercayaan yang diberikan oleh pengguna terhadap gejala yang dialami
yang dialaminya. Sebagai contoh, berikut ini nya. Sebagai contoh, berikut ini adaladalah ah sebuasebuah h aturaaturan n dengdengan an CF CF yang diberiyang diberikan olehkan oleh seorang pakar: seorang pakar: JIKA batuk JIKA batuk DAN demam DAN demam
DAN sakit kepala DAN sakit kepala
DAN bersin-bersin DAN bersin-bersin
MAKA influens
MAKA influensa, CF: a, CF: 0,70,7
Definisi menurut David McAllister Certainty Factor adalah suatu metode untuk membuktikan apakah suatu fakta itu pasti 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 ataukah tidak pasti yang berbentuk metric yang biasanya digunakan dalam sistem pakar. Metode ini sangat cocok untuk sistem p
paakkar ar yyanang g mmenenddiiagagnnoossis is ssesesuuatatu u yyanang g bbeellum um ppasasttii. A. Attuuraran n mmeetotodde e CeCerrtataiinnty ty FFaacctotorsrs:: 1
1.. McAllister menggambarkan aturan untuk menambahkan dua faktor Certaint positif.McAllister menggambarkan aturan untuk menambahkan dua faktor Certaint positif. 2
2.. Aturan untuk menambahkan dua Certaint yang negatif.Aturan untuk menambahkan dua Certaint yang negatif. 3
3.. Aturan untuk menambahkan Certainty Factors positif dan Certainty Factors negatif lebih kompleks. TigaAturan untuk menambahkan Certainty Factors positif dan Certainty Factors negatif lebih kompleks. Tiga aturan
Contoh untuk fakta yang posiitif: Contoh untuk fakta yang posiitif:
•
• Strong suggestive (CFa): 0.8Strong suggestive (CFa): 0.8 •
• Suggestive (CFb) : 0.6Suggestive (CFb) : 0.6 •
• CFcombine (CFa CFb) = 0.8 + 0.6 (1-0.8) = 0.92CFcombine (CFa CFb) = 0.8 + 0.6 (1-0.8) = 0.92
Contoh untuk fakta yang negatif: Contoh untuk fakta yang negatif:
•
• Strong suggestive (CFc): -0.8Strong suggestive (CFc): -0.8 •
• Suggestive (CFd) : -0.6Suggestive (CFd) : -0.6 •
• CFcom bine (CFc CFd) = -0.8 + -0.6 + -0.8 * -0.6 = -0.92CFcom bine (CFc CFd) = -0.8 + -0.6 + -0.8 * -0.6 = -0.92
Contoh untuk fakta yang positif dan negatif: Contoh untuk fakta yang positif dan negatif:
•
• Certainty factor adalah 0.88 (CFe)Certainty factor adalah 0.88 (CFe)
•
• Certainty factor against adalah 0.90 (Cff)Certainty factor against adalah 0.90 (Cff)
Karakteristik faktor kepastian Karakteristik faktor kepastian K
Kaarraakktteerriissttiikk NNiillaaii
JJaannggkkaauuaann 00≤≤MMBB≤≤11 0 ≤ MD ≤ 1 0 ≤ MD ≤ 1 -1 ≤ CF ≤ 1 -1 ≤ CF ≤ 1 Hipotesis pasti benar
Hipotesis pasti benar P(H|E) = 1 P(H|E) = 1 MB = 1 MB = 1 MD = 0 MD = 0 CF = 1 CF = 1 Hipotesis pasti salah
Hipotesis pasti salah P(H’|E) = 1 P(H’|E) = 1 MB = 0 MB = 0 MD = 1 MD = 1 CF = -1 CF = -1 Kekurangan fakta Kekurangan fakta P(H|E) = p(H) P(H|E) = p(H) MB = 0 MB = 0 MD = 0 MD = 0 CF = 0 CF = 0
Kombinasi Faktor Kepastian Kombinasi Faktor Kepastian
CFc(CF CFc(CF11, CF, CF22) =) = CF CF11+ CF+ CF22(1-CF(1-CF11)) iiffbbootthh>>00 CF CF11+CF+CF22(1+CF(1+CF11)) iiffbbootthh<<00 CF
Kelebihan dan Kekurangan Metode Certainty Factors Kelebihan dan Kekurangan Metode Certainty Factors
Kelebihan metode Certainty Factors adalah:Kelebihan metode Certainty Factors adalah:
1.
1. Metode ini cocok dipakai dalam sistem pakar Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau tidak untuk mengukur sesuatu apakah pasti atau tidak pasti dalam mendiagnosi
pasti dalam mendiagnosis penyakit sebagai salah sas penyakit sebagai salah satu contohnya.tu contohnya.
2.
2. Perhitungan dengan menggunakan metode ini dalam sekali hitung bisa hanya mengolah dua dataPerhitungan dengan menggunakan metode ini dalam sekali hitung bisa hanya mengolah dua data
saja sehingga keakuratan data dapat terjaga. saja sehingga keakuratan data dapat terjaga.
3.
3. Implementasi yang sederhanaImplementasi yang sederhana
Kekurangan metode Certainty Factors adalah:Kekurangan metode Certainty Factors adalah:
Ide umum dari
Ide umum dari pemodelan ketidakpastian manusia dengan menggunakan numerik metodepemodelan ketidakpastian manusia dengan menggunakan numerik metode certai
certainty nty factofactors rs biasabiasanya nya dipediperdebardebatkan. tkan. SebagSebagian ian orang akan orang akan membamembantah ntah pendapendapat pat bahwbahwaa formula untuk metode certainty factors diatas memiliki sedikit kebenaran.
formula untuk metode certainty factors diatas memiliki sedikit kebenaran.
Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja. Perlu dilakukan Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja. Perlu dilakukan beberapa kali pengolahan d
beberapa kali pengolahan data untuk data yang lebih ata untuk data yang lebih dari 2 buah.dari 2 buah.
Contoh Kasus Contoh Kasus
Isu premanisme dikalangan kampus yang sering terjadi di Universitas Haluoleo ternyata membuat ketertarikan calon 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 mahasiswa untuk mendaftar menjadi berkurang sehingga mempengaruhi turunnya calon jumlah mahasiswa di Universitas Haluoleo. Haluoleo. Apabila diketahui: Apabila diketahui: MB[Mahasiswa, Premanisme] = 0.6 MB[Mahasiswa, Premanisme] = 0.6 MD[Mahasiswa, Premanisme]= 0.4 MD[Mahasiswa, Premanisme]= 0.4 maka carilah CF[Mahasiswa, Premanisme] maka carilah CF[Mahasiswa, Premanisme] Jawaban
Jawaban
CF[Mahasiswa, Premanisme] = MB[Mahasiswa, Premanisme] - MD[Mahasiswa, Premanisme]= 0.4 CF[Mahasiswa, Premanisme] = MB[Mahasiswa, Premanisme] - MD[Mahasiswa, Premanisme]= 0.4
= = 0.6 – 0.6 – 0.40.4 = 0.2 = 0.2 BAB III BAB III PENUTUP PENUTUP 3. 1 Kesimpulan 3. 1 Kesimpulan 1.
untuk menunjukkan besarnya kepercayaan. untuk menunjukkan besarnya kepercayaan. Certainty factor didefinisikan sebagai berikut: Certainty factor didefinisikan sebagai berikut:
CF(H,E) = MB(H,E) ± MD(H,E) (1) CF(H,E) = MB(H,E) ± MD(H,E) (1)
1.
1. CCF(F(HH,,E) E) : certainty factor : certainty factor dari dari hipotesis Hyang hipotesis Hyang dipengaruhi oleh dipengaruhi oleh gejala gejala (evidence) E.Besarnya (evidence) E.Besarnya CFCF
berkisar
berkisar antara antara ±1 ±1 sampai sampai dengan1. dengan1. Nilai Nilai ±1 ±1 menunjukkan menunjukkan ketidakpercayaan mutlak ketidakpercayaan mutlak sedangkansedangkan nilai 1 menunjukkankerpercayaan mutlak.
nilai 1 menunjukkankerpercayaan mutlak.
2.
2. MB(H,E) : MB(H,E) : ukuran kenaikan ukuran kenaikan kepercayaan(measure of kepercayaan(measure of increased increased belief ) tbelief ) teerhrhaaddap hipoap hipotesis tesis H H yangyang
dipengaruhi oleh gejala E. dipengaruhi oleh gejala E.
3.
3. MD(H,EMD(H,E) : ) : ukuraukuran kenaikn kenaikan ketidaan ketidakpercaykpercayaan(maan(measure of increeasure of increased disbased disbelieelief ) f ) terhaterhadap hipodap hipotesistesis H
H yang yang dipenga dipenga ruhi ruhi oleh oleh gejala gejala E.E.
Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atauMetode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau
tidak pasti dalam mendiagnosis pen tidak pasti dalam mendiagnosis penyakit.yakit.
Perhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat mengolahPerhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat mengolah
2 data saja sehingga keakuratan data
2 data saja sehingga keakuratan data dapat terjaga.3)dapat terjaga.3)
IdIde e umumum um dadari ri ppememododelelan an keketitidadakpkpasastitian an manusia manusia dengan dengan menggunakmenggunakan an numerik metodenumerik metode certainty factors
certainty factors biasanya biasanya diperdebatkan. diperdebatkan. Sebagian Sebagian orang orang akan akan membantah membantah pendapatpendapat bahwa formula untuk metod
bahwa formula untuk metodee certainty factorscertainty factors diatas memiliki sedikit kebenaran.4)diatas memiliki sedikit kebenaran.4)
Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja.Perlu dilakukanMetode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja.Perlu dilakukan beberapa kali pengolahand
beberapa kali pengolahandaatta a uunntutuk k ddaatta a yyanang g llebebih ih dadarri i 2 2 bbuuaahh..
3.2 SARAN 3.2 SARAN
