Faktor Kepastian (Certainty Factor) Andika Ondang (08013087), Clief Sengkey (08012062), Fendi Lopulalan ( 08013060), Josefi Wilar (08013074), Richard Bulain (08013007) Program Studi Teknik Informatika Fakultas Teknik Universitas Katolik De La Salle Manado 2010 Abstrak: Penentuan tingkat keyakinan (Certainty Factor) sebuah rule dalam sistem pakar cukup sulit. Ada dua model yang sering digunakan yaitu: Pertama, team MYCIN menerapkan metode ‘Net Belief”, diusulkan oleh E. H. Shortliffe dan B. G. Buchanan, yaitu dengan menghitung probabilitas tingkat keyakinan dan ketidakyakinan pakar akan terjadinya sebuah hipotesa akibat dari sebuah fakta (evidence). Cara kedua adalah dengan menggali langsung dari hasil wawancara dengan pakar atau dengan menanyakan langsung keyakinan pakar terhadap sebuah rule. Kedua cara ini sulit untuk diterapkan dan cukup memakan waktu, apalagi ditambah fakta bahwa pakar yang digunakan pengetahuannya biasanya tidak mengerti tentang sistem pakar. Model perhitungan CF(Rule) yang diusulkan oleh peneliti ini tidak melibatkan pakar dalam penentuan Certainty Factor sebuah rule. Pada model ini CF(Rule) didapat dengan cara menghitung probabilitas kemunculan fakta - fakta (premise values) pada semua rule yang memiliki set hipotesa yang sama. Logika pemikiran yang digunakan adalah sebagai berikut: Semakin sering sebuah fakta digunakan pada rule – rule yang ada, dapat diasumsikan bahwa fakta tersebut semakin umum (general). Semakin umum sebuah fakta, semakin kecil tingkat keyakinan terjadinya sebuah hipotesa akibat fakta tersebut. Dari hasil analisa yang dilakukan dapat disimpulkan bahwa metode penentuan Certanty Factor sebuah rule menggunakan Probabilitas Penggunaan Premis ini cukup menjanjikan untuk diterapkan. Kelemahan dari model ini adalah bila ada rule – rule tambahan setelah CF(Rule) dihitung, maka perhitungan CF(Rule) tersebut harus diulang dari awal. Kata Kunci: Certainty Factor, rule. 1. Pendahuluan Ilmu yang mempelajari cara membuat komputer dapat bertindak dan memiliki kecerdasan seperti manusia disebut kecerdasan buatan. Salah satu bidang yang termasuk dalam kecerdasan buatan yaitu Sistem Expert System). Pakar ( Expert
Sistem pakar adalah program komputer yang menirukan penalaran seorang pakar dengan keahlian pada suatu wilayah pengetahuan tertentu. Permasalahan yang ditangani oleh seorang pakar bukan hanya permasalahan yang mengandalkan algoritma, namun kadang juga permasalahan yang sulit dipahami. Permasalahan tersebut dapat diatasi oleh seorang pakar dengan pengetahuan dan pengalamannya. Oleh karena itu sistem pakar dibangun bukan berdasarkan algoritma tertentu tetapi berdasarkan basis pengetahuan dan aturan. Dalam menghadapi suatu masalah sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini bisa berupa probabilitas atau kebolehjadian yang tergantung dari hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh dua faktor yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Faktor kepastian (Certainty Factor ) diperkenalkan oleh Shortlife Buchanan dalam pembuatan MYCIN (wesley,1984). Certain Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. 2. Faktor Kepastian (Certainty Factor) 2.1. Pengertian faktor kepastian Faktor kepastian (certainty factor ) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN (Wesley, 1984). Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Certainty factor didefinisikan sebagai berikut [1] : CF(H,E) = MB(H,E) – MD(H,E) (1) -
-
-
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 [3]. 1
Faktor Kepastian (Certainty Factor) Andika Ondang (08013087), Clief Sengkey (08012062), Fendi Lopulalan ( 08013060), Josefi Wilar (08013074), Richard Bulain (08013007) Program Studi Teknik Informatika Fakultas Teknik Universitas Katolik De La Salle Manado 2010
2.2. Kombinasi Aturan Metode MYCIN untuk menggabungkan evidence pada antecedent sebuah aturan ditunjukkan oleh tabel 1dibawah ini.
Tabel 1 Aturan MYCIN untuk mengkombinasikan evidence antecedent
Bentuk dasar rumus certainty factor sebuah aturan JIKA E MAKA H adalah sebagai berikut: CF(H,e) = CF(E,e) * CF(H,E) (2) Dimana; - 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: CF(H,e) = CF(H,E) (3) Ada dua macam kombinasi certainty factor yaitu kombinasi paralel yang ditunjukkan oleh gambar 1, dan kombinasi sequensial yang ditunjukkan oleh gambar 2.
kombinasi paralel berikut [1]:
tersebut
didefinisikan
sebagai
dimana x = CF(H, E1), y = CF(H, E2) dan z = CF(H, E1E2). Certainty factor kedua aturan dikombinasikan menghasilkan certainty factor CF(H,E‟). Untuk menghitung kombinasi sequensial tersebut digunakan rumus berikut: CF(H,E‟) = CF(E, E‟) * CF(H, E) 2.3. Model untuk menghitung Certainty Factor dari Rule Sampai saat ini ada dua model yang sering digunakan untuk menghitung tingkat keyakinan (CF) dari sebuah rule adalah sebagai berikut: a. Menggunakan metode ‘Net Belief’ yang diusulkan oleh E. H. Shortliffe dan B. G. Buchanan [2], yaitu: CF(Rule) = MB(H, E) – MD(H, E) .......(1) 1 if P(H) = 1 ..... (2) MB(H|E)= max[P(H|E) , P(H)] - P(H) 1 - P(H)
1
otherwise
if P(H) = 0
MD(H|E)= min[P(H|E), P(H)] - P(H) - P(H)
....(3)
otherwise
dimana: P(H) = probabilitas kebenaran hipotesa H P(H|E) = probabilitas bahwa H benar karena fakta E P(H) dan P(H|E) merepresentasikan keyakinan dan ketidakyakinan pakar. b. Dengan menggali dari hasil wawancara dengan pakar. Nilai CF(Rule) didapat dari interpretasi „term‟ dari pakar menjadi nilai CF tertentu (lihat tabel 2). Tabel 2. CF Value Interpretation
Pada kondisi ini evidence E1 dan E2 mempengaruhi hipotesis yang sama yaitu H. Kedua certainty factor CF(H, E1) dan F(H, E2) dikombinasikan, menghasilkan certainty factor CF(H, E1, E2). Fungsi 2
Faktor Kepastian (Certainty Factor) Andika Ondang (08013087), Clief Sengkey (08012062), Fendi Lopulalan ( 08013060), Josefi Wilar (08013074), Richard Bulain (08013007) Program Studi Teknik Informatika Fakultas Teknik Universitas Katolik De La Salle Manado 2010
-
-
Contoh: Pakar: “Bila sakit kepala dan pilek dan demam, maka ‘kemungkinan besar’ penyakitnya adalah influenza” Rule: IF gejala1 = sakit kepala AND gejala2 = pilek AND gejala3 = deman THEN penyakit = influenza (CF = 0.8)
Kedua model tersebut membutuhkan peran serta aktif dari pakar yang digunakan sebagai domain knowledge. Hal ini membutuhkan waktu dan tenaga yang cukup besar untuk mendapatkan hasil, dan hasilnya bersifat subyektif. Penyebabnya adalah: - Pakar yang digunakan sebagai domain knowledge biasanya awam dalam pembuatan sistem pakar dan sistem software secara umum. - Pakar, terutama untuk ilmu – ilmu non formal (misal: obat tradisional, feng shui, dll), biasanya kurang obyektif terhadap knowledge-nya sendiri dan sangat yakin tentang kebenaran dari knowlegde itu. 3. Kesimpulan
[1] Gregorius S. Budhi , Rolly Intan, “Proposal penerapan Probabilitas Penggunaan Fakta guna menentukan Certainty Factor sebuah Rule pada Rule Base Expert System” , 2008 [2] Kusrini, S.Kom, “Penggunaan Certainty Factor dalam Sistem Pakar untuk Melakukan Diagnosis dan Memberikan Terapi Penyakit Epilepsi dan Keluarganya”, 2009 [3] Kazetku, “Metode Certainty Factor – Program Source Code” http://kazetku.wordpress.com/2010/04/24/meto de-certainty-factor-program-source-code/ (diakses tanggal 20 Oktober 2010)
1) Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau tidak pasti dalam mendiagnosis penyakit sebagai salah satu contohnya. 2) Perhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat mengolah 2 data saja sehingga keakuratan data dapat terjaga. 3) Ide umum dari pemodelan ketidakpastian manusia dengan menggunakan numerik certainty factors metode biasanya diperdebatkan. Sebagian orang akan membantah pendapat bahwa formula untuk metode certainty factors diatas memiliki sedikit kebenaran. 4) Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja. Perlu dilakukan beberapa kali pengolahan data untuk data yang lebih dari 2 buah.
4. Referensi 3