Certainty Factor (CF) Dr. Kusrini, M.Kom.

Slides:



Advertisements
Presentasi serupa
KARAKTERISTIK MANIFESTASI TUBERKULOSIS PARU PADA PASIEN HIV/AIDS
Advertisements

SISTEM PAKAR DR. KUSRINI, M.KOM.
Pemberian Alasan Yang Tidak Eksak
KETIDAKPASTIAN.
Certainty Factor (CF) Dr. Kusrini, M.Kom.
Seekor anjing jenis campuran Dashund dengan lokal, usia 10 tahun, memiliki gejala : batuk-batuk terutama pada malam hari menjelang pagi. Setiap akhir batuk.
Representasi Pengetahuan
Team Teaching Faktor Kepastian.
INFERENSI.
Mengatasi Ketidakpastian (Uncertainty)
Metode Inferensi dan Penalaran
RANCANG BANGUN APLIKASI DIAGNOSIS PENYAKIT HEPATITIS MENGGUNAKAN CERTAINTY FACTOR Oleh: Erista Pramana
SISTEM PAKAR UNTUK MENDIAGNOSIS GANGGUAN JIWA SKIZOFRENIA MENGGUNAKAN METODE FUZZY EXPERT SYSTEM (STUDI KASUS RS. JIWA MENUR SURABAYA) Alfian Angga Pradika.
Disusun oleh: Isni Fitria (13) Qory Deswara (21)
KETIDAKPASTIAN PERTEMUAN 14.
FAKTOR KEPASTIAN (CERTAINTY FACTOR)
KETIDAKPASTIAN PERTEMUAN 6.
Kuliah Sistem Pakar “INFERENSI DENGAN KETIDAK PASTIAN”
By ; Makhrus Ali Smanpaba. Membakar tembakau yang kemudian dihisap asapnya, baik yang telah dibentuk rokok maupun menggunakan pipa.
Pertemuan 11 “INFERENSI DENGAN KETIDAK PASTIAN”
BEBAS TBC dan BEBAS ROKOK.
KECERDASAN BUATAN (Artificial Intelligence) Materi 4
Model Matematika Untuk Mengendalikan Proses Penyebaran Influenza
WEBSITE SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT HEPATITIS Danang Yulianto, for further detail, please visit
1 Pertemuan 10 Statistical Reasoning Matakuliah: T0264/Inteligensia Semu Tahun: Juli 2006 Versi: 2/1.
KETIDAKPASTIAN PERTEMUAN 7.
1 Pertemuan 7 Ketidakpastian dalam Rules Matakuliah: H0383/Sistem Berbasis Pengetahuan Tahun: 2005 Versi: 1/0.
SISTEM PAKAR (expert system)
Pertemuan 6 SISTEM PAKAR.
Probabilitas & Teorema Bayes
Besar Sampel untuk Proporsi
INFERENSI.
Faktor keTIDAKpastian (cf)
Certainty Factors (CF) And Beliefs
Assocation Rule Data Mining.
Penanganan Ketidakpastian
Sistem Pakar Ketidakpastian
Backward Chaining.
Teorema Bayes.
KETIDAKPASTIAN PERTEMUAN 7.
Ketidakpastian & Kepastian (REASONING)
Fakultas Ilmu Komputer
Metode penanganan ketidakpastian dengan sistem pakar
INFERENSI DENGAN KETIDAKPASTIAN
Expert System (Case Study)
ASUHAN KEPERAWATAN PADA PASIEN DENGAN INFARK MIOCARDIUM
Pertemuan 7 KETIDAKPASTIAN
Penanganan Ketidakpastian
Faktor keTIDAKpastian (Uncertainty)
ARSITEKTUR SISTEM PAKAR
Pertemuan 5 Kecerdasan Buatan
Faktor Kepastian (Certainty)
Sistem Berbasis Pengetahuan
TUBERKULOSIS (TBC) FAKULTAS KEDOKTERAN DAN ILMU KESEHATAN
SISTEM PAKAR DIAGNOSA KANKER SERVIKS MENGGUNAKAN METODE BAYES MUHAMAD ALFARISI ( ) MUHAMAD RALFI AKBAR ( ) ANDHIKA DWITAMA.
Nama kelompok : 1. Berliana Nugraheni 2. Beatrico Lyo 3
Pert 7 KETIDAKPASTIAN.
SEMINAR PUSKESMAS BUGANGAN
INFERENSI DAN PENALARAN
Pertemuan 6 SISTEM PAKAR.
PENYAKIT JANTUNG Chania Dwi Mentary
CERTAINTY FACTOR DSS - Wiji Setiyaningsih, M.Kom.
SELAMAT DATANG KEPADA PARA PESERTA PENYULUHAN TB DOTS PAROKI HATI KUDUS YESUS TELUK DALAM, 21 OKTOBER 2014.
Nama Anggota Kelompok : M. Nailul Abrory Ifnu Saputra Ayu Puspita W
Uncertainty Representation (Ketidakpastian).
Probabilitas & Teorema Bayes
MESIN TUBUH YANG TANGGUH
Pertemuan 6 SISTEM PAKAR.
Kuliah Sistem Pakar Pertemuan VII “INFERENSI DENGAN KETIDAK PASTIAN”
TUBERCULOSIS (TBC) UPT PUSKESMAS ANAMBAS. TBC ITU ………………..???  BUKAN  BUKAN PENYAKIT KETURUNAN  BUKAN KARENA GUNA-GUNA  BUKAN  BUKAN JUGA KARENA.
Transcript presentasi:

Certainty Factor (CF) Dr. Kusrini, M.Kom

Certainty Factor (CF) Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Certainty factor didefinisikan sebagai berikut (Giarattano dan Riley, 1994):

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. MD(H,E) : ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E

Kombinasi Evidence Antecedent

Contoh Kombinasi Evidence E : (E1 DAN E2 DAN E3) ATAU (E4 DAN BUKAN E5) E : max[min(E1, E2, E3), min(E4, -E5)] Misal: E1 : 0,9 E2 : 0,8 E3 : 0,3 E4 : -0,5 E5 : -0,4 hasilnya adalah: E : max [min(0,9, 0,8, 0,3), min(-0,5, 0,4)] : max(0,3, -0,5)

CF Aturan JIKA E MAKA H 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 rumusnya akan menjadi:

Contoh Kasus JIKA batuk DAN demam DAN sakit kepala DAN bersin-bersin MAKA influensa, CF: 0,7 menganggap E1 : “batuk” E2 : “demam” E3 : “sakit kepala” E4 : “bersin-bersin” H : “Influensa

CF ketika semua evidence pasti CF(H,E) : CF(H, E1  E2  E3  E4) : 0,7 Jika Partial Evidence Tidak Pasti CF(E1, e) : 0,5 CF(E2, e) : 0,8 CF(E3, e) : 0,3 CF(E4, e) : 0,7 CF(E, e) : CF(E1  E2  E3  E4, e) : min[CF(E1, e), CF(E2, e), CF(E3, e), CF(E4, e)] : min[0,5, 0,8, 0,3, 0,7] : 0,3

CF Hipotesis: CF(H, e) : CF(E, e) * CF(H, E) : 0,3 * 0,7 : 0,21 Hal ini berarti besarnya kepercayaan bahwa penderita mengalami influensa adalah 0,21

Kombinasi Paralel Jika E1 Maka H Jika E2 Maka H

Kombinasi Sequensial Jika E’ Maka E Jika E Maka H

Contoh Kasus

Contoh Latihan 1 1. Diberikan aturan-aturan sebagai berikut: 1). Jika A dan B maka C, CF : 0.8 2). Jika C dan D maka G, CF : 0.6 3). Jika E dan F maka G, CF : - 0.1 Jika diketahui CF A = 0.3, B = 0.4, D = 0.5, E = 0.1 dan F = 0.2. Hitung CF G

Jawab 1. CF sekuensial(jika A and B maka C) = CF paralel * CF pakar = min(CF A;CF B) * CF pakar = min(0,3;0,4)*0,8 = 0,3*0,8 = 0,24  C

Jawab (lanjutan 1) 2. CF sekuensial (jika C and D maka G) = CF paralel * CF pakar = min(CF C; CF D)* CF pakar = min(0,24;0,5)*0,6 = 0,24*0,6 = 0,144  G

Jawab (lanjutan 2) 3. CF sekuensial (jika E and F maka G) = CF paralel * CF pakar = min(CF E;CF f)* CF pakar = min(0,1;0,2)*(-0,1) = 0,1*(-0,1) = -0,01  G

Jawab (lanjutan 3) 4. CF gabungan(jika C and D maka G) dan (jika E and F maka G): CF(x,y)= (CF (x)+CF(y)) - (CF(x)*CF(y)) = (0,144+(-0,01)) – (0,144*(-0,01)) = 0,00144 – (-0,00144) = 0,00288  G

Contoh latihan 2 Seseorang berkonsultasi pada Sistem Pakar untuk mengetahui apakah terkena penyakit jantung koroner atau tidak. Sistem mempunyai basis pengetahuan sbb: Rule : IF sesak nafas AND nyeri dada AND denyut jantung cepat AND keringat berlebihan AND kelelahan AND mual AND pusing THEN jantung koroner

Bobot jawaban pengguna Pengguna konsultasi diberi pilihan jawaban masing- masing bobotnya sbb: Tidak 0 Tidak tahu 0,2 Sedikit yakin 0,4 Cukup yakin 0,6 Yakin 0,8 Sangat yakin 1

Bobot nilai CF pakar Sesak nafas 1,0 Nyeri dada 1,0 Denyut jantung cepat 1,0 Keringat berlebihan 0,8 Kelelahan 0,6 Mual 0,4 Pusing 0,4

Jawab Melakukan dialog antar user dan sistem pakar untuk menentukan nilai bobot user.

Misal SP : Apakah anda megalami sesak nafas? user : Cukup yakin (CF user = 0,6) SP : Apakah anda mengalami nyedi dada? user : Cukup Yakin (CF user = 0,6) SP : Apakah anda mengalami denyut jantung cepat? user : Yakin (CF user = 0,8) SP : Apakah anda mengalami keringat berlebihan? user : Sedikit yakin (CF user = 0,4) SP : Apakah anda mengalami kelelahan? user : Tidak tahu (CF user = 0,2)

SP : Apakah anda megalami mual? user : Tidak (CF user = 0) SP : Apakah anda mengalami pusing? user : Cukup Yakin (CF user = 0,6)

Jawab lanjutan Menghitung nilai Cf dg cara mengalikan CF pakar dengan CF user

1. CF(H,E)1 = CF(H)1 * CF(E)1 = 0,6 2. CF(H,E)2 = CF(H)2 * CF(E)2 = 1,0 * 0,6 = 0,6 2. CF(H,E)2 = CF(H)2 * CF(E)2 3. CF(H,E)3 = CF(H)3 * CF(E)3 = 1,0 * 0,8 = 0,8

4. CF(H,E)4 = CF(H)4 * CF(E)4 = 0,32 5. CF(H,E)5 = CF(H)5 * CF(E)5 = 0,8 * 0,4 = 0,32 5. CF(H,E)5 = CF(H)5 * CF(E)5 = 0,6 * 0,2 = 0,12 6. CF(H,E)6 = CF(H)6 * CF(E)6 = 0,4 * 0 = 0

7. CF(H,E)7 = CF(H)7 * CF(E)7 = 0,4 * 0,6 = 0,24

Jawab lanjutan 3. Mengkombinasikan nilai CF dari masing-masing kaedah (rule)

CF kombinasi CF(H,E)1,2 = CF(H,E)1+CF(H,E)2*(1-CF(H,E)1) = 0,6+0,6*(1-0,6) = 0,84  hsl1 CF kombinasi CF(H,E)hsl1,3 = CF(H,E)hsl1+CF(H,E)3*(1-CF(H,E)hsl1) = 0,84+0,8*(1-0,84) = 0,968 hsl2 CF kombinasi CF(H,E)hsl2,4 = CF(H,E)hsl2+CF(H,E)4*(1-CF(H,E)hsl2) = 0,968+0,32*(1-0,968) = 0,978 hsl3

4. CF kombinasi CF(H,E)hsl3,5 = CF(H,E)hsl3+CF(H,E)5 4. CF kombinasi CF(H,E)hsl3,5 = CF(H,E)hsl3+CF(H,E)5*(1-CF(H,E)hsl3) = 0,978+0,12*(1-0,978) = 0,981 hsl4 5. CF kombinasi CF(H,E)hsl4,6 = CF(H,E)hsl4+CF(H,E)6*(1-CF(H,E)hsl4) = 0,981+0*(1-0,981) = 0,981 hsl5

6. CF kombinasi CF(H,E)hsl5,7 = CF(H,E)hsl5+CF(H,E)7/ 1-min(|CF(H,E)hsl5|,|CF(H,E)7|) = 0,981+(-0,24) /1- min(|0,9521|,|-0,24|) = 0,981+(-0,24)/1-(-0,24) = 0,741/1,24 = 0,5974 hsl6 CF(H,E)hsl6 * 100% = 0,5975*100% = 59,76% Dengan demikian dapat dikatakan CF faktor penyakit jantung koroner memiliki prosentase keyakinan 59,76%

Latihan 2. Diberikan aturan-aturan sebagai berikut: 1). Jika A atau B maka C, CF : 0.5 2). Jika C dan D maka E, CF : 0.4 3). Jika E dan F maka G, CF : - 0.1 Jika diketahui CF A = 0.3, B = 0.4, D = 0.5, F = 0.2. Hitung CF G

Latihan 3. Diberikan aturan-aturan sebagai berikut: 1). Jika A atau B maka C, CF : 0.5 2). Jika D dan E maka C, CF : 0.4 Jika diketahui CF A = 0.3, B = 0.4, D = 0.3, E = 0.2. Hitung CF C

Latihan 4. Diberikan aturan-aturan sebagai berikut: 1). Jika A atau B maka C, CF : 0.5 2). Jika D dan E maka C, CF : 0.4 3). Jika A dan E maka C, CF : 0.7 Jika diketahui CF A = 0.3, B = 0.4, D = 0.3, E = 0.2. Hitung CF C