Faktor kepastian merupakan suatu metode yang digunakan untuk mengukur suatu keyakinan seseorang.

Inputnya adalah berupa kepastian dari pakar serta kepastian dari user.

Berikut bentuk formal dari CF :

CFevidence (sebagai premis, yaitu kesimpulan yang bersifat umum).

CFhypotesis (sebagai konklusi, yaitu pendapat yang dapat mempengaruhi)

CFCombinasi (kombinasi dari CFevidence dan CFhypotesis)

Untuk menghitung propagation (hitung maju) diperlukan rumus

   1.      CFnew dan CFfold>=0

CFrevised = CFold + CFNew (1-CFold)

   2.      Kedua CFnew dan CFfold <0

CFrevised = -CFrevised(-CFold,-CFNew)

   3.      Salah satu dari CFnew dan CFfold <0

CFrevised = CFold+CFNew/1-min (CFold,CFmin)

Keterangan :

CFrevised = CF dari sistem keseluruhan

CFold = CF yang belum digabungkan dengan CF dari suatu rule

CFNew = CF dari suatu rule

Studi kasus

Menentukan apakah seorang karyawan diterima atau tidak diterima

Rule 1 : Jika tidak lolos psikotes dan tidak lolos wawancara maka ditolak (CF = 0,75)

Rule 2 : Jika tidak lolos psikotes dan lolos wawancara maka cadangan (CF=0,60)

Rule 3 : Jika lolos psikotes dan lolos wawancara maka diterima (CF=-0,80)

Langkah 1, pimpinan perusahaan akan menentukan inisialisasi dengan memberikan nilai CF = 0.

Jika tidak lolos psikotes dan tidak lolos wawancara maka ditolak (CF = 0,95)

Jika tidak lolos psikotes dan lolos wawancara maka cadangan (CF=0,50)

Jika lolos psikotes dan lolos wawancara maka diterima (CF=0,95)

Langkah 2, menentukan CFkombinasi rule 1,2 dan 3 (CFpevidence x CFhypotesis)

CFkombinasi1 = 0,90 x 0,75 = 0,675 = CFNew, CFold =0,0

Karena CFNew dan CFold >0 maka = 0,0 + 0,675 * (1-0,0) = 0,675 (ditolak)

CFkombinasi2 = 0,50 x 0,60 = 0,30 = CFNew, CFold =0,675

Karena CFNew dan CFold >0 maka = 0,675 + 0,30 * (1-0,675) = 0,7725 (ditolak)

CFkombinasi3 = 0,95 x (- 0,80) = - 0,76, CFold = 0,7725

Karena CFNew<0 dan CFold >0 maka = 0,7725 + -0,76/1(l0,30l l-0,76l) = 0,0052 (ditolak)

Kesimpulan : karyawan tidak diterima karena nilainya adalah 0,0052

Sistem Pakar Dengan Metodi CF (Certainty Factor)Sebelum membahas lebih dalam lagi tentang Sistem Pakar Dengan Metodi CF

(Certainty Factor), kita perlu mengetahui terlebih dahulu apa itu sitem pakar (expert

system). Sistem Pakar itu sendiri bila didefenisikan dapat berarti suatu program komputer

yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh

seorang pakar, atau singkatnya suatu sistem komputer yang bisa menyamai atau meniru

kemampuan seorang pakar.

Di era yang semakin modern ini, kemajuan expert system cukup berkembang pesat.

Alasannya cukup banyak, di antaranya dapat berupa:

Dapat menyediakan kepakaran setiap waktu dan diberbagai lokasi

Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang

pakar

Seorang Pakar akan pensiun atau pergi atau meninggal

Menghadirkan/menggunakan jasa seorang pakar memerlukan biaya yang mahal

Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat (hostile

environtment)

Memperbanyak atau menyebarkan sumber pengetahuan yang semakin langka

Di dalam sistem pakar ini terdapat suatu arsitektur yang dinamakan mekanisme inferensi,

mekanisme infrensi ini maksudnya perangkat lunak yang melakukan penalaran dengan

menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil

akhir.  Dalam komponen ini dilakukan pemodelan proses berpikir manusia . Terdapat

beberapa metode yang bisa dilakukan, diantaranya forward chaining, backward

chaining, certainty factor (cf), dalam hal ini kami hanya akan membahas tentang Sistem

Pakar Dengan Metodi CF (Certainty Factor) saja.

Metode Certainty Factor (CF) ini dipilih ketika 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.

Kasus ini sangat mudah dilihat pada sistem 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. Yang pada akhirnya

ditemukan banyak kemungkinan diagnosis.

Tabel CF dari kesimpulan Dokter

Certainty factor (CF) merupakan nilai parameter klinis yang diberikan pertama kali

oleh MYCINpenemunya untuk menunjukkan besarnya kepercayaan.  Ia menggunakan

metode ini saat melakukan diagnosis dan terapi terhadap penyakit meningitis dan infeksi

darah. Team pengembang MYCIN mencatat bahwa dokter sering kali menganalisa informasi

yang ada dengan ungkapan seperti misalnya: mungkin, kemungkinan besar, hampir pasti.

Kombinasi faktor kepastian pada aturan

–Minimum (DAN)

Contoh: JIKA inflasi tinggi (CF=50%) DAN pengangguran diatas 7% (CF=70%) DAN harga

obligasi turun(CF=100%) MAKA harga saham turun

–Maximum (ATAU)

Contoh: JIKA inflasi rendah (CF=70%) ATAU harga obligasi naik (CF=85%) MAKA harga

saham naik

Untuk lebih jelasnya, kami akan langsung membawa kepada contoh kasus

E : (E1 DAN E2 DAN E3) ATAU (E4 DAN BUKAN E5)

E : max[min(E1, E2, E3), min(E4, -E5)]

ingat : bila ada kata DAN maka ganti menjadi MIN, bila ATAU ganti menjadi MAX

Misal:

E1 : 0,9   E2 : 0,8   E3 : 0,3   E4 : -0,5    E5 : -0,4

Hasilnya adalah:

E   : max [min(0,9, 0,8, 0,3), min(-0,5, 0,4)]

: max(0,3, -0,5)

: 0,3

karena 0,3 maximal (lebih besar) dari -0,5. Maka nilai CF nya 0,3

Sistem Pakar Dengan Metodi CF (Certainty Factor) kombinasi paralel:

Jika E1 Maka H

Jika E2 Maka H

X= CF(H,E1), Y = CF(H,E2), Z = CF(H,E1,E2)

Rumusan Kombinasi Paralel

 

 

 

 

Sistem Pakar Dengan Metodi CF (Certainty Factor) kombinasi sequensial:

Jika E’ Maka E

Jika E Maka H

Rumusan Kombinasi Sequensial

 

 

 

Untuk lebih jelasnya lagi kami akan langsung melakukan penerapan contoh kasus:

Contoh Kasus CF Kombinasi Paralel & Sequensial

www.saranainformasi.com

Demikianlah cara-cara penentuan Sistem Pakar Dengan Metodi CF (Certainty

Factor) yang baru saja kami jabarkan, sebenarnya metodi kepastian bukan satu-satunya

metode yang dapat digunakan untuk menyelesaikan kasus dengan masalah ketidakpastian,

di antaranya masih ada beberapa teori yaitu: Probabilitas klasik, Probabilitas bayes, Teori

Shannon berdasarkan probabilitas, Teori Demster-Shafer, dan juga Teori fuzzy-zadeh.

Semoga penjelasan singkat tadi, dapat menambah wawasan kita tentang Sistem Pakar

Dengan Metodi CF (Certainty Factor).

Perhitungan Certainly Faktor Secara Manual dan ImplementasinyaPada perhitungan sistem pakar banyak menggunakan Metode Certainly factor yaitu kepastian

berdasarkan tinggkat kepastian yang sudah di tentukan oleh para pakar.

Perhitungan  manual untuk mendapatkan nilai certainty factor, yaitu sebagai berikut :Pertama-tama akan memilih usia   anak   terlebih   dahulu, kemudian menjawab satu   gejala   yang   di   alami   pasien, misalkan   gejala   awal   yang   di pilih   Suka   tiba-tiba   menangis   atau   tertawa   tanpa   sebab,Menolak   untuk dipeluk, Perkembangan   agak   terlambat   misal   dalam   berjalan.   Dengan nilaikepercayaan   mengacu   pada tabel aturan.

misalnya diketahui terdapat 5 jenis penyakit yang memiliki  gejala, yaitu : Suka tiba-tiba menangis atau tertawa tanpa sebab, Menolak untuk dipeluk, Perkembangan agak terlambat misal dalam berjalan. 

Rumus Awal :

CF (H,E) = MB(H,E) - MD(H,E)

MB(h, e1^e2) = MB(h,e1)+MB(h,e2)*(1-MB[h,e1])

MD(h,e1^e2) = MD(h,e1)+MD(h,e2)*(1-MD[h,e1])

MB(e1)= Suka tiba-tiba menangis atau tertawa tanpa sebab = 0,6

MB(e2)= Menolak untuk dipeluk = 0,8

MD(e1)= Suka tiba-tiba menangis atau tertawa tanpa sebab = 0,02

MD(e2)= Menolak untuk dipeluk = 0,04

Maka dengan perhitungan manual :

MB (Autis masa kanak usia 3 bulan sampai 1 tahun (e1,e2)      = 0,6 + 0,8  * (1-0,6)

                                                                                                   = 1,4 * 0,4

                                                                                                   = 0,56

MD (Autis masa kanak usia 3 bulan sampai 1 tahun (e1,e2)     = 0,02 + 0,04 * (1-0,02)

                                                                                                   = 0,06 * 0,98

                                                                                                   = 0,0588

CF = 0,56 - 0,0588 = 0,5012

MB (Autis masa kanak usia 3 bulan sampai 1 tahun (e1^e2,e3)  = 0,56 + 0,5  * (1-0,56)

                                                                                                      = 0,61 * 0,44

                                                                                                      = 0,2684

MD (Autis masa kanak usia 3 bulan sampai 1 tahun (e1^e2,e3)  = 0,0588 + 0,06 * (1-0,0588)

                                                                                                      = 0,1188 * 0,9412

                                                                                                   = 0,11181456

CF = 0,2684 - 0,11181456 = 0,1565854

Untuk   masing-masing   perhitungan   di   bandingkan   dengan   nilai   masing-masing   jenis   penyakit 

sehingga   bisa   dibandingkan  mana   penyakit   yang   terbesar   nilai   CF   nya   sehingga   bisa   di   dapat   tingkat 

kepastian.