Metode Certainty Faktor

Apa tujuan dari pembuatan metode Certainty Faktors(CFs) dalam Sistem Pakar ?. Pada dasarnya, seorang pakar tetap dapat mengambil kesimpulan dalam suatu permasalahan meskipun tingkat kepastian yang diberikan pakar tidak 100% berdasarkan fakta yang diberikan user kurang akurat, dengan sebuah aturan pengambilan kesimpulan berdasarkan semua fakta harus terpenuhi. Oleh sebab itu, besarnya nilai kepercayaan kesimpulan pakar dapat dilakukan dengan mengunakan rumus. salah satu rumus yang dapat digunakan adalah Certainty Faktor metode ini diperkenalkan oleh Shortliffe Buchanan.

Faktor Kepastian (Certainty Faktors) merupakan sebuah teknik  algoritma untuk  mengukur seberapa besar nilai  tingkat keyakinan hipotesis terhadap suatu hasil kesimpulan pengetahuan yang diberikan oleh pakar pada  aplikasi sistem pakar. CFs mengekspresikan kepercayaan dalam hipotesis berdasarkan penilaian seorang pakar. CFs merupakan non probabilitas(“Bukan teori kemungkinan”), akan tetapi memperkenalkan konsep kepercayaan dan ketidak percayaan. Sistem non probabilitas terdiri dari 2 langkah: dapat mengekpresikan derajat kepercayaan  kombinasi derajat kepercayaan dalam menggunakan ”knowladge based system”.untuk menunjukan besarnya tingkat kepercayaan Rumus permodelan Certainty Faktor didefinisikan sebgai berikut:

Certainty Faktor (CFs) menunjukan ukuran tingkat kepastian terhadap suatu fakta / Rule yang berlaku

CFs[h,e]   = MB[h,e] – MD[h,e]

Keterangan

CFs[h,e] = Faktor Kepastian

MB[h,e] = Ukuran kepercayaan atau tingkat keyakinan terhadap hipotesis h, dipengarui oleh  evidence ( e)  antara 0 dan 1

MD[h,e] = Ukuran ketidakpercayaan atau tingkat hipotesis terhadap h, dipengarui oleh  evidence (e) antara 0 dan 1

Untuk memepermudah pemahamam rumus CFs maka dilakukan dengan contoh kasus

Contoh 1: perhitungan sederhana menggunakan Metode Certainty faktor untuk mengetahui penyakit Unggas

 P1 = MB(P1,G3) + (MB(P1,G3) * (1 - MB(P1,G3)))

       = 0.85 + (0.85 * (1-0.85)) = 0,9775

P2  = MB(P2,G2) + (MB(P2,G2) * (1 - MB(P2,G2))))

       = 0.9 + (0.9 * (1-0.9)) = 0,99

P3  = MB(P3,G6) + MB(P3,G10) + (MB(P3,G11)*(1- MB(P3,G6)  -MB(P3,G10)))

       = 0.8 + 0.7 + (0.6 * (1 - 0.8 - 0.7)) = 1.2

P4  = MB(P4,G5) + MB(P4,G8) + (MB(P4,G12) * (1 - MB(P4,G5) - MB(P4,G8))) 

       = 0.85 + 0.7 + (0.6 * (1 - 0.85 - 0.7)) = 1,22

P5  = MB(P5,G9) + (MB(P5,G7) * (1 - MB(P5,G9)))

      = 0.7 + (0.8 * (1-0.7))) = 0.94

Penjelasan:

[P1, G3] : Merupakan penyakit Tifus Ayam dengan pemilihan ciri penyakit  “kelihatan ngantuk dan bulu berdiri(G3)”. Jika Gejala penyakit terpilih tunggal atau hanya satu maka rumus certainty Faktor menggunakan rumus : bobot gejala penyakit ditambah dengan gejala terpilih itu sendiri dikurangi gejalaterpilih dengan notasi perhitungan  CFs = MB(kelihatan mengantuk dan bulu berdiri) + ( MB(kelihatan mengantuk dan bulu berdiri) * 1- MB(kelihatan mengantuk dan bulu berdiri)  )

 

[P2, G6, G10, G11, ]  : Merupakan penyakit Salesma Ayam dengan pemilihan penyakit “bersin-bersin (G6) ”, “pembengkakan dari sinus kemata(G10)”, “keluar nanah dari mata(G11)”. Jika gejala penyakit yang dipilih lebih dari 1 maka certainty Faktor menggunakan rumus penjumlahan bobot gejala penyakit terpilih -1 dan gejalapenyakit terpilih akir * 1 dikurangi penjumlahan bobot gejala penyakit terpilih -1 MB(G6 )+MB( G10) + (MB(G11) * (1-MB(G6)+MB(G10) ) )

Pada pembuatan aplikasi sistem pakar membutuhkan tingkat validitas terhadap hasil akir hipotesis dari kesimpulan yang diambil. Untuk mempertegas nilai kebenaran hipotesis maka, dapat menggunakan metode perhitungan Certainty Faktor digunakan sebagai solusi untuk memberikan kepastian pada aplikasi sistem pakar  kepada pengguna( user). Sebagai cacatan bahwa cara penentuan bobot nilai pada certainty faktor harus dipikirkan secara tepat sehingga sistem pakar yang dibangun dapat mewakili cara berpikir seorang pakar.

    

Sumber soal  : Siti Rohajawati, Rina Supriyanti Universitas Pakuan, Bogor