BAB I PENDAHULUAN
1.1.
Latar Belakang
Perkembangan komputer dewasa ini telah mengalami banyak perubahan yang sangat pesat, seiring seiring dengan dengan kebutuhan kebutuhan manusia yang semakin semakin banyak banyak dan kompleks. kompleks. Komputer yang pada awalnya awalnya hanya hanya digunakan digunakan oleh para akademisi akademisi dan militer, militer, kini telah digunakan digunakan secara secara luas di berbagai bidang, misalnya bisnis, kesehatan, pendidikan, psikologi, permainan dan sebagainya. Hal ini mendorong mendorong para ahli untuk untuk semakin semakin mengembang mengembangkan kan komputer agar dapat membantu membantu kerja manusi manusiaa atau atau bahkan bahkan melebi melebihi hi kemampu kemampuan an kerja kerja manusi manusia. a. Kecerd Kecerdasa asan n buatan buatan atau atau artifi artificia ciall intelligence merupakan bagian dari ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Sistem cerdas (intelligent system) adalah sistem sistem yang dibangun dengan menggunakan teknik-teknik teknik-teknik artificial lintelligence. lintelligence. Salah satu satu yang dipelaja dipelajari ri pada kecerdasan kecerdasan buatan buatan adalah adalah teori kepastian kepastian dengan dengan menggunak menggunakan an teori Certainty Factor (CF) Dalam aplikasi aplikasi sistem pakar terdapat suatu metode untuk menyelesaikan menyelesaikan masalah masalah ketidakp ketidakpastia astian n data. data. Salah satu metode metode yang dapat digunakan digunakan adalah faktor faktor kepastian kepastian (certainty factor ). ). Sistem Pakar (Expert System) adalah program berbasis pengetahuan yang menyediakan solusi-solusi untuk problema-problema problema-problema dengan kualitas kualitas pakar. pakar. Sistem pakar merupakan program komputer yang meniru proses pemikiran dan pengetahuan pakar dalam men yelesaikan suatu masalah tertentu. Implementasi sistem pakar dapat diterapkan dalam dunia kesehatan selain sebagai media informasi informasi bagi masyarakat masyarakat terutama terutama penderita penderita penyakit penyakit untuk mengetahui mengetahui jenis diderita diderita sebagai sebagai diagnos diagnosaa awal, juga juga sebagai sebagai
alat bantu bantu bagi dokter dokter
keputu keputusan san secara secara cepat cepat dan lebih akurat. akurat. Penget Pengetahu ahuan an
penyakit penyakit yang
untuk untuk dapat mengamb mengambil il
yang yang disimp disimpan an di dalam dalam sistem sistem pakar
umumnya diambil dari seorang manusia yang pakar dalam masalah tersebut dan sistem pakar itu berusaha meniru
metodelogi dan kinerjanya (performance). Salah satu implementasi yang
diterapkan sistem pakar dalam bidang kesehatan yaitu sistem pakar untuk diagnosa penyakit dalam. Penyakit Penyakit yang dipilih adalah penyakit penyakit dalam karena karena penyakit penyakit dalam merupakan merupakan penyakit penyakit yang 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 sangat beragam jenis dan gejalanya, maka seorang pakar atau dokter perlu mengkaji lebih dalam gejala gejala yang yang dialam dialamii pasien pasien untuk untuk dapat dapat menent menentuk ukan an penyaki penyakitt yang yang dideri diderita. ta. Oleh Oleh karena karena itu dibang dibangun un suatu suatu sistem sistem pakar pakar yang yang dapat dapat menggunakan metode Certainty Factor (CF).
memban membantu tu menyele menyelesai saikan kan masalah masalah terseb tersebut ut dengan dengan
Fakt Faktor or
kepa kepast stia ian n
meru merupa paka kan n
cara cara
dari dari
peng pengga gabu bung ngan an
kepe keperc rcay ayaa aan n
( belief )
dan
ketidapercayaan (unbelief ( unbelief ) dalam bilangan yang tunggal. Dalam certainty theory, data-data kualitatif direpresentasikan sebagai derajat keyakinan ( degree of belief ). ). Tahapan dalam merepresentasikan data-data kualitatif : kemampuan kemampuan untuk untuk mengekspre mengekspresikan sikan derajat keyakinan keyakinan sesuai sesuai dengan dengan metode metode yang
•
sudah dibahas sebelumnya. kemampuan untuk menempatkan dan mengkombinasikan derajat keyakinan tersebut
•
dalam sistem pakar. pakar. Dalam mengekspre mengekspresikan sikan derajat keyakinan keyakinan digunakan digunakan suatu nilai yang disebut certain factor (CF) untuk engasumsikan derajat keyakianan seorang pakar terhadap suatu data.
1.2. Tujuan
Untuk mengolah ketidakpastian ketidakpastian dari fakta fakta dan gejala gejala dengan dengan dengan mengindari mengindari keperluan keperluan data dan dan pe perhi rhitung tungan an yang ang bes besar. Fakt aktor kepas epasttian diperol roleh dari ari pen penguran rangan nilai kepe epercay rcayaa aan n (me (measu asure of bel belief)m oleh oleh nilai ketidak percayaan dengan menghitung bobot dari fakta-fakta(evidence), hipotesa/konklusi, dan tingkat keyakinan terhadap suatu masalah.
1.3.Manfa 1.3. Manfaat at
kita ki ta dapa da patt membuat membuat beberapa beberapa asumsi asumsi yang memudah memudahkan kan tingkat tingkat kepercay kepercayaan aan dan beberapa beberapa persam persamaan aan aturan yang mudah untuk mengkombinasikan tingkat kepercayaan sebagai program dalam mencapai kesimpulan akhir.
BAB II PEMBAHASAN
2.1 Faktor Kepastian (Certainty Faktor)
Faktor kepastian (certainty factor) diperkenalkan diperkenalkan oleh Shortliffe Shortliffe Buchanan dalam pembuatan pembuatan MYCIN . Pada tahun 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 informasi yang ada dengan ungkapan seperti misalnya: mungkin, kemungkinan besar, hampir pasti. Secara umum, rule direpresentasikan dalam bentuk sebagai berikut (John Durkin,1994) : IF E1 [AND / OR ] E2 [ AND / OR] ... En THEN H (CF = CFi) dimana: E1 ... En : fakta – fakta (evidence) yang ada. H : hipotesa atau konklusi yang dihasilkan. CF : tingkat keyakinan (Certainty Factor) terjadinya hipotesa H akibat adanya fakta – fakta E1 s/d En. 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 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 penyakit jantung atau tidak, itu dilihat dari hasil perhitungan bobot setelah semua keluhankeluhan diinputkan dan semua bobot dihitung dengan menggunakan metode certainty factors. Pasien yang divonis mengidap penyakit jantung adalah pasien yang memiliki bobot mendekati +1 dengan keluhan-keluhan yang dimiliki mengarah kepada penyakit jantung. Sedangkan pasien yang mempunyai bobot mendekati -1 adalah pasien yang dianggap tidak mengidap penyakit jantung, serta pasien yang memiliki bobot sama dengan 0 diagnosisnya tidak diketahui atau unknown atau bisa disebut dengan netral.
CF(H,E) = MB(H,E) - MD(H, E)
CF(H,E) : certainty factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E.Besarnya CF berkisar antara –1 sampai dengan dengan 1. Nilai –1 menunjukkan ketidakpercayaan ketidakpercayaan mutlak sedangkan 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 Bentuk dasar rumus certainty factor sebuahaturan JIKA E MAKA H adalah seperti ditunjukkan oleh persamaan 2 berikut:
CF(H,e) = CF(E, e) *CF(H,E) 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 persamaannya akan menjadi:
CF(H, e) = CF(H, E) 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 yang dialaminya. dialaminya. Sebagai contoh, berikut ini adalah adalah sebuah sebuah aturan aturan dengan dengan CF yang diberikan diberikan oleh seorang pakar:
JIKA batuk DAN demam DAN sakit kepala DAN bersin-bersin MAKA influensa, influensa, CF: 0,7
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 pa pakar yang ang mend endiagn agnosis sesu esuatu atu yang ang belum past asti. At Aturan ran metod tode Cer Certai tainty Factors tors:: 1.
McAllister menggambarkan aturan untuk menambahkan dua faktor Certaint positif.
2.
Aturan untuk menambahkan dua Certaint yang negatif.
3.
Aturan untuk menambahkan Certainty Factors positif dan Certainty Factors negatif lebih kompleks. Tiga
aturan ini menyediakan suatu skala interval untuk Certainty Factors
:
Contoh untuk fakta yang posiitif: •
Strong suggestive (CFa): 0.8
•
Suggestive (CFb) : 0.6
•
CFcombine (CFa CFb) = 0.8 + 0.6 (1-0.8) = 0.92
Contoh untuk fakta yang negatif: •
Strong suggestive (CFc): -0.8
•
Suggestive (CFd) : -0.6
•
CFcom bine (CFc CFd) = -0.8 + -0.6 + -0.8 * -0.6 = -0.92
Contoh untuk fakta yang positif dan negatif: •
Certainty factor adalah 0.88 (CFe)
•
Certainty factor against adalah 0.90 (Cff)
Karakteristik faktor kepastian
Karakteristik Jangkauan
Nilai 0 ≤ MB ≤ 1 0 ≤ MD ≤ 1
Hipotesis pasti benar
-1 ≤ CF ≤ 1 MB = 1
P(H|E) = 1
MD = 0
Hipotesis pasti salah
CF = 1 MB = 0
P(H’|E) = 1
MD = 1
Kekurangan fakta
CF = -1 MB = 0
P(H|E) = p(H)
MD = 0 CF = 0
Kombinasi Faktor Kepastian
CFc(CF1, CF2) = CF1 + CF2(1-CF1)
if both >0
CF1+CF2(1+CF1)
if both <0
CF1+CF2/(1-min(|CF1|,|CF2|))
if one <0
Kelebihan dan Kekurangan Metode Certainty Factors
Kelebihan metode Certainty Factors adalah:
1. Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau tidak
pasti dalam mendiagnosis mendiagnosis penyakit sebagai salah satu satu contohnya.
2.
Perhitungan dengan menggunakan metode ini dalam sekali hitung bisa hanya mengolah dua data saja sehingga keakuratan data dapat terjaga.
3. Implementasi yang sederhana
Kekurangan metode Certainty Factors adalah:
Ide umum dari pemodelan ketidakpastian manusia dengan menggunakan numerik metode certainty certainty factors factors biasanya biasanya diperdeba diperdebatkan. tkan. Sebagian Sebagian orang akan membantah membantah pendapat pendapat bahwa bahwa formula untuk metode certainty factors diatas memiliki sedikit kebenaran. Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja. Perlu dilakukan beberapa kali pengolahan data data untuk data yang lebih dari 2 buah.
Contoh Kasus
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 Haluoleo. Apabila diketahui: MB[Mahasiswa, Premanisme] = 0.6 MD[Mahasiswa, Premanisme]= 0.4 maka carilah CF[Mahasiswa, Premanisme] Jawaban CF[Mahasiswa, Premanisme] = MB[Mahasiswa, Premanisme] - MD[Mahasiswa, Premanisme]= 0.4
= 0.6 – 0.4 = 0.2
BAB III PENUTUP
3. 1 Kesimpulan
1.
Faktor kepastian/Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN
untuk menunjukkan besarnya kepercayaan. Certainty factor didefinisikan sebagai berikut:
CF(H,E) = MB(H,E) ± MD(H,E) (1)
1.
CF(H F(H,E) : certainty factor dari hipotesis Hyang dipengaruhi oleh gejala (evidence) E.Besarnya CF berkisar antara ±1 sampai dengan1. Nilai ±1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkankerpercayaan mutlak.
2.
MB(H,E) : ukuran kenaikan kepercayaan(measure of increased belief ) te terha rhadap hipotesis hipotesis H yang dipengaruhi oleh gejala E.
3. MD(H,E) MD(H,E) : ukuran ukuran kenaikan kenaikan ketidakpercay ketidakpercayaan(m aan(measure easure of increased increased disbelie disbelieff ) terhadap terhadap hipotesis hipotesis H yang dipenga ruhi oleh
gejala E.
Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau
tidak pasti dalam mendiagnosis penyakit. pen yakit. Perhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat mengolah
2 data saja sehingga keakuratan data dapat terjaga.3) Ide umum umum dari dari pemod emodel elan an keti ketida dakp kpas asti tian an manusia dengan menggunakan menggunak an numerik metode Ide certainty factors biasanya diperdebatkan. Sebagian orang akan membantah pendapat bahwa formula untuk metode metode certainty factors diatas memiliki sedikit kebenaran.4) Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya 2 data saja.Perlu dilakukan
beberapa kali pengolahanda pengolahandata untuk tuk data yang ang lebih ebih dar dari 2 buah.
3.2 SARAN
