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

Slides:



Advertisements
Presentasi serupa
Pemberian Alasan Yang Tidak Eksak
Advertisements

KETIDAKPASTIAN.
Penyelidikan dan Penanggulangan Kejadian Luar Biasa (KLB)
e7 4. INCEDENCE MATRIX Menggambarkan hubungan antara simpul dan busur.
TEORI GRAF.
GRAPH Kata Graph di dalam Matematika mempunyai bermacam- macam arti. Biasanya di kenal kata Graph atau Grafik Fungsi, ataupun relasi. Untuk itu kali ini.
Pertemuan 13 GRAPH IMAM SIBRO MALISI NIM :
TEORI GRAF Oleh : Yohana N, S.Kom.
Team Teaching Faktor Kepastian.
Algoritma Kruskal Teori Graph.
TATAP MUKA 4 ANALISA CHI-SQUARE.
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.
Im Ic  e1 e2 I2I2 I 2.R L I 2.X L I 2.R 2 I 2.X 2 I 2’ I0I0 I1I1 I 1.R 1 I 1.X 1 V1V1 V2V2   power angle dari transformator   power.
KETIDAKPASTIAN PERTEMUAN 14.
Graf Isomorfik (Isomorphic graph)
TEORI GRAF.
FAKTOR KEPASTIAN (CERTAINTY FACTOR)
KETIDAKPASTIAN PERTEMUAN 6.
Kuliah Sistem Pakar “INFERENSI DENGAN KETIDAK PASTIAN”
13. Graf berbobot (Weighted graph)
SISTEM DAN PENGAMBILAN KEPUTUSAN BERBASIS INDEKS KINERJA
13. Graf berbobot (Weighted graph)
STRUKTUR DATA Struktur Data Graf.
TRANSFORMASI.
Pertemuan 11 “INFERENSI DENGAN KETIDAK PASTIAN”
KECERDASAN BUATAN (Artificial Intelligence) Materi 4
` Flu babi (Inggris:Swine influenza) adalah kasus-kasus influensa yang disebabkan oleh virus Orthomyxoviridae yang endemik pada populasi babi. Galur virus.
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.
CUCI TANGAN PAKAI SABUN
Probabilitas & Teorema Bayes
Besar Sampel untuk Proporsi
Faktor keTIDAKpastian (cf)
QUIS.
Certainty Factors (CF) And Beliefs
Penanganan Ketidakpastian
Sistem Pakar Ketidakpastian
Perhitungan Besar Sampel
Teorema Bayes.
KETIDAKPASTIAN PERTEMUAN 7.
MUHAMMAD HAJARUL ASWAD
Ketidakpastian & Kepastian (REASONING)
Fakultas Ilmu Komputer
Metode penanganan ketidakpastian dengan sistem pakar
INFERENSI DENGAN KETIDAKPASTIAN
Pertemuan 7 KETIDAKPASTIAN
Penanganan Ketidakpastian
Faktor keTIDAKpastian (Uncertainty)
UKURAN PENYEBARAN Ukuran Penyebaran
Faktor Kepastian (Certainty)
Sistem Berbasis Pengetahuan
TUBERKULOSIS (TBC) FAKULTAS KEDOKTERAN DAN ILMU KESEHATAN
Pertemuan 11 Statistical Reasoning
Pert 7 KETIDAKPASTIAN.
CERTAINTY FACTOR DSS - Wiji Setiyaningsih, M.Kom.
Nama Anggota Kelompok : M. Nailul Abrory Ifnu Saputra Ayu Puspita W
Certainty Factor (CF) Dr. Kusrini, M.Kom.
Uncertainty Representation (Ketidakpastian).
Probabilitas & Teorema Bayes
Kuliah Sistem Pakar Pertemuan VII “INFERENSI DENGAN KETIDAK PASTIAN”
Pengertian Teori Dempster Shafer Dempster shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief functions and plausible reasoning (Fungsi.
Analisis Multivariat Program S2 Matematika Semester Genap 2011/2012
Sesi 5: Perhitungan Besar Sampel Untuk Estimasi Parameter
Penyelidikan dan Penanggulangan Kejadian Luar Biasa (KLB)
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

Latihan 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

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

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

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