Ketidakpastian dan Penalaran Probabilitas

Pertemuan 7

Ketidakpastian dan Penalaran Probabilitas

Nama : Bella Alysha Vira

NPM : 11115319

Kelas : 3KA10

Dosen : Essy Malays Sari Sakti

PENALARAN KETIDAKPASTIAN

Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusan. Ketidakpastian merupakan suatu permasalahan karena mungkin menghalangi kita dalam membuat suatu keputusan yang terbaik bahkan mungkin dapat menghasilkan suatu keputusan yang buruk. Dalam dunia medis, ketidakpastian mungkin menghalangi pemeriksaan yang terbaik untuk para pasien dan berperan untuk suatu terapi yang keliru. Dalam bisnis, ketidakpastian dapat berarti kerugian keuangan.

Sejumlah teori yang berhubungan dengan ketidakpastian telah ditemukan, diantaranya probabilitas klasik, probabilitas Bayes, teori Hartley yang berdasarkan pada himpunan klasik, teori Shanon yang didasarkan pada peluang, teori Dempester-Shafer dan teori fuzzy Zadeh. Contoh-contoh klasik system pakar yang sukses yang bergubungan dengan ketidakpastian adalah MYCIN yang berguna untuk diagnose medis dan PROSPECTOR untuk eksplorasi mineral.

Suatu penalaran dimana adanya penambahan fakta baru mengakibatkan ketidakkonsistenan, disebut dengan “Penalaran Non Monotonis”. Ciri-ciri penalaran tsb sebagai berikut :

·Mengandung ketidakpastian

·Adanya perubahan pada pengetahuan

·Adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk,

 misalkan S adalah konklusi dari D, bisa jadi S tidak dibutuhkan sebagai konklusi D +

 fakta baru

·Untuk mengatasi ketidakpastian maka digunakan penalaran statistik.

Contoh aplikasi yang klasik sistem pakar yang sukses sehubungan dengan ketidakpastian:

·MYCIN untuk diagnosa medis

·PROPECTOR untuk ekplorasi mineral

Banyak kemungkinan dan ketidakpastian menyertai dalam masalah dan solusinya. Ada beberapa sumber dari ketidakpastian, beberapa diantaranya adalah :

1. Masalah

Beberapa masalah meliputi factor-faktor yang oleh sifat mereka, tidak pasti atau acak. Sebagai contoh, dalam pengobatan, penyakit yang sama dapat member gejala yang berbeda untuk pasien yang lain.

2. Data

Beberapa masalah mungkin memiliki batasan yang kurang jelas bagi seseorang. Orang yang menghadirkan masalah mungkin mengetahui beberapa fakta untuk kepastian, menuduh lainnya dan tidak mengetahui lainnya. Angka-angka dan nilai-nilai dapat tidak tepat, ditebak atau tidak diketahui.

3. Pakar

Manusia sering dapat memakai pengetahuan mereka tanpa mengetahui secara eksplisit apa pengetahuan itu sendiri. Mereka mungkin harus meningkatkan secara detail apa yang mereka lakukan dan bagaimana dan tampak tak jelas atau bahkan bertentangan dengan dirinya sendiri.

4. Solusi

Ada beberapa area tertentu dimana tidak terdapat pakar yang diakui. Pakar sendiri mungkin tidak setuju satu sama lain dan tak seorangpun dapat memutuskan solusi yang baik. Domain seperti itu dapat berupa strategi militer.

TEOREMA DAN PROBABILITAS BAYES

Dalam teori probabilitas dan statistika, Pengertian Teorema Bayes adalah teorema yang digunakan untuk menghitung peluang dalam suatu hipotesis, Teorema bayes dikenalkan oleh ilmuan yang bernama Bayes yang ingin memastikan keberadaan Tuhan dengan mencari fakta di dunia yang menunjukan keberadaan Tuhan. Bayes mencari fakta keberadaan tuhan didunia kemudian mengubahnya dengan nilai Probabilitas yang akan dibandingkan dengan nilai Probabilitas. teorema ini juga merupakan dasar dari statistika Bayes yang memiliki penerapan dalam ilmu ekonomi mikro, sains, teori permain, hukum dan kedokteran.

Teorema Bayes akhirnya dikembangkan dengan berbagai ilmu termasuk untuk penyelesaian masalah sistem pakar dengan menetukan nilai probabilitas dari hipotesa pakar dan nilai evidence yang didapatkan fakta yang didapat dari objek yang diagnosa. Teorama Bayes ini membutuhkan biaya komputasi yang mahal karena kebutuhan untuk menghitung nilai probabilitas untuk tiap nilai dari perkalian kartesius. penerapan Teorema Bayes untuk mencari penerapan dinamakan inferens Bayes.

FAKTOR KEPASTIAN (CERTAINTY FACTOR)

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. Hal ini sangat mudah dilihat pada system diagnosis penyakit, dimana pakar tidak dapat mendefinisikan tentang hubungan antara gejala dengan penyebabnya secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan pasti pula. Pada akhirnya ditemukan banyak kemungkinan diagnosis.

Sistem pakar harus mampu bekerja dalam ketidakpastian. Sejumlah teori telah ditemukan untuk menyelesaikan ketidakpastian,termasuk diantaranya probabilitas klasik (classical probability), probabilitas Bayes (Bayesian probability), teori Hartley berdasarkan himpunan klasik (Hartley theory based on classical sets), teori Shannon berdasarkan pada probabilitas (Shannon theory based on probability), teori Dempster-Shafer (Dempster-Shafer theory), teori fuzzy Zadeh (Zadeh.s fuzzy theory) dan faktor kepastian (certainty factor). Dalam penelitian ini yang digunakan adalah factor kepastian.

Faktor kepastian merupakan cara dari penggabungan kepercayaan (belief) dan ketidapercayaan (unbelief) dalam bilangan yang tunggal. Dalam certainty theory, data-data kualitatif direpresentasikan sebagai derajat keyakinan (degree of belief).

Kelebihan dan Kekurangan Metode Certainty Factor

Kelebihan

Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau tidak pasti dalam mendiagnosa penyakit.

Perhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat mengelola dua data saja sehingga keakuratan data dapat terjaga.

Kekurangan

Ide umum dari pemodelan ketidakpastian manusia dengan menggunakan numerik metode certainty factors biasanya diperdebatkan. Sebagian orang akan membantah pendapat bahwa formula untuk metode certainty factor diatas memiliki sedikit kebenaran.

Metode ini hanya dapat mengolah ketidakpastian/kepastian hanya dua data saja. Perlu dilakukan beberapa kali pengolahan data untuk data yang lebih dari dua buah.

Nilai CF yang diberikan bersifat subyektif karena penilaian setiap pakar bisa saja berbeda-beda tergantung pengetahuan dan pengalaman pakar.

Tahapan Representasi Data Kualitatif

Tahapan dalam merepresentasikan data-data kualitatif :

·Kemampuan untuk mengekspresikan derajat keyakinan sesuai dengan metode yang

 sudah dibahas sebelumnya.

·Kemampuan untuk menempatkan dan mengkombinasikan derajat keyakinan tersebut

 dalam sistem pakar.

Dalam mengekspresikan derajat keyakinan digunakan suatu nilai yang disebut certainy factor (CF) untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data.

TEORI DEMPSTER-SHAFER

Dempster shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief functions and plausible reasoning (Fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa. Teori ini dikembangkan oleh Arthur P.Dempster dan Glenn shafer.

Secara umum teori Dempster-Shafer ditulis dalam suatu interval :

[Belief, Plausibility]

Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 mengindikasikan bahwa tidak ada evidence, dan Plausibility (Pl) jika bernilai 1 menunjukkan adanya kepastian.

Plausibility dinotasikan sebagai :

Pl(s) = 1 – Bel(Øs)

Jika yakin akan Øs maka dikatakan bahwa Bel(s) = 1 dan pl(Øs) = 0.

Misal q = {A,F,D,B}

dengan :

A = Alergi

F = Flue

D = Demam

B = Bronkitis

TABEL GEJALA

Keterangan:

A = Alergi

F = Flue

D = Demam

B = Bronkitis

Sekian materi kali ini, mohon maaf apabila ada kesalahan dan kekurangan dalam penulisan kali ini. Semoga bermanfaat J