Page 57 - E-Book Kecerdasan Buatan Dandung PTI 1A

( | 1 2 3)
( 1| 3) ( 2| 3) ( 3| 3) ( 3)
=
∑ 3 ( ( 1 | ) ( | ) ( | ) ( ) ) + ( ( | ) ( | ) ( | ) ( ) ) + ( ( | ) ( | ) ( | ) ( ) )
1 1 2 1 3 1 1 1 2 2 2 3 2 2 1 3 2 3 3 3 3
= 0,33 0,33 0 0,33
(0,2 0,2 0,2 0,33)+(0,2 0,2 0 0,33)+(0,33 0 0,33 0,33)
0
= = 0
0,00264

6.2 Metode Certainty Factor (Faktor Kepastian)

Certainty Factor (CF) menunjukkan ukuran kepastian terhadap suatu fakta atau aturan.
Certainty Factor mengkombinasikan kepercayaan (MB) dan ketidakpercayaan (MD).

Seorang pakar sering kali menganalisis informasi yang ada dengan ungkapan seperti
“Mungkin”, “Kemungkinan besar”,”hampir pasti”. Certainty factor mengakomodasi tersebut
untuk menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi.

Ada dua cara dalam mendapatkan tingkat keyakinan (CF) dari sebuah rule, yaitu:

1. Metode “Net Belief “ diusulkan oleh E.H.Shortliffe dan B.G.Nuchanan.

( ) = ( , ) – MD(H,E)

CF (Rule) = Faktor Kepastian

MB(H,E) = Measure of belief (ukuran kepercayaan) terhadap hipotesis H, jika diberikan
evidence E (nilai 0 dan 1)

MD(H,E) = Measure of disbelief (ukuran ketidakpercayaan) terhadap hipotesis H, jika
diberikan evidence E (nilai 0 dan 1)
Contoh 1:

Andaikan suatu observasi memberikan kepercayaan terhadap H dengan MB[H,E] = 0,3 dan
MD[H,E] = 0, sehingga;

= ( , ) – MD(H,E)
= 0, 3 – 0 = 0,3

2. Dengan cara mewancarai seorang Pakar
Nilai CF(Rule) didapat dari interpretasi “term” dari pakar, yang diubah menjadi nilai CF

tertentu sesuai tabel berikut :

54