1. Ketidakpastian
Ketidakpastian adalah
sebutan yang digunakan dengan berbagai cara di sejumlah bidang,termasuk filosofi, fisika, statistika, ekonomika, keuangan, asuransi, psikologi, sosiologi, teknik, dan ilmu pengetahuan informasi. Ketidakpastian berlaku pada perkiraan masa depan
hingga pengukuran fisik
yang sudah ada atau yang belum diketahui. Contohnya, jika Anda tidak tahu
apakah besok hujan, maka Anda mengalami ketidakpastian. Bila Anda menerapkan
kemungkinan ini pada hasil memungkinkan yang menggunakan perkiraan cuaca atau penilaian kemungkinan terkalibrasi,
Anda telah memperkirakan ketidakpastian.
Contoh :
ada sebuah agent
yang perlu ke bandara karena akan terbang ke LN. Mis. action At = pergi ke
bandara t menit sebelum pesawat terbang. Apakah At berhasil sampai dengan waktu
cukup?
Ada banyak
masalah:
-
Tidak tahu keadaan
jalan, kemacetan, dll. (partially observable).
-
Kebenaran informasi tidak bisa
dijamin-“laporan pandangan mata” (noisy sensor).
-
Ketidakpastian dalam tindakan, mis. ban kempes
(nondeterministic).
-
Kalaupun semua hal
di atas bisa dinyatakan, reasoning akan luar biasa repot.
Sebuah pendekatan yang murni secara logika
§ beresiko
menyimpulkan dengan salah, mis:
“A60 berhasil dengan waktu cukup”, atau
§ kesimpulan terlalu
lemah, mis: “A60
berhasil dengan waktu cukup asal nggak ada kecelakaan di tol, dan nggak hujan,
dan ban nggak kempes, ...”
§ kesimpulan tidak rational, mis: kesimpulannya A1440,
tetapi terpaksa menunggu semalam di bandara (utility theory).
Masalah ini bisa diselesaikan dengan probabilistic reasoning
§ Berdasarkan info
yang ada, A60 akan berhasil dengan probabilitas 0.04”.
Kalimat “A60 akan berhasil dengan
probabilitas 0.04” disebut probabilistic
assertion.
Sebuah probabilistic assertion merangkum efek ketidakpastian (info tak lengkap, tak bisa
dipegang, action nondeterministic, dst.) dan menyatakannya sbg. sebuah
bilangan.
Bentuk/syntax probabilistic assertion:
§ “Kalimat X
bernilai true dengan probabilitas N, 0 ≤ N ≤ 1”.
§ Pernyataan tentang
knowledge atau belief state dari agent, BUKAN berarti pernyataan tentang sifat
probabilistik di dunia/environment.
Nilai probabilitas sebuah proposition bisa berubah
dengan informasi baru (“evidence”):
P(A60|
tidak ada laporan kecelakaan) = 0.06
P(A60|
tidak ada laporan kecelakaan, jam 4 pagi) = 0.15
2. Probabilitas
dan Teorema Bayes
Probabilistic
reasoning:
a. Percept masuk (tambahan evidence), update nilai
probabilitas.
b. Prior/unconditional probability: nilai sebelum evidence.
c. Posterior/conditional probability: nilai sesudah evidence.
d. “ASK” secara probabilistik: hitung & kembalikan
posterior probability terhadap α berdasarkan evidence dari percept .
Contoh:
melempar dadu.
α = “Nilai
lemparan < 4”.
Sebelum melihat dadu:
Setelah melihat dadu:
Mengambil
keputusan dlm ketidakpastian, andaikan agent mempercayai nilai-nilai sbb.:
P(A60 | . . .) = 0.04
P(A120 | . . .) = 0.7
P(A150 | . . .) = 0.9
P(A1440 | . . .) =
0.999
Tindakan
mana yang dipilih?
§ Tergantung prioritas, mis. ketinggalan pesawat vs.
begadang di lobby bandara, dst.
§ Utility theory digunakan untuk menilai semua tindakan (mirip
evaluation function).
§ Decision theory = utility theory + probability theory
Sama
halnya dengan logic, pendefinisian “bahasa formal” untuk menyatakan kalimat probabilistic harus ada : Syntax (bagaimana bentuk kalimatnya), Semantics (apakah arti kalimatnya), Teknik & metode melakukan
reasoning.
Mendefiniskan
fitur untuk setiap objek dengan : P(x
| ω1) &
P(x | ω2) : (Probabilitas kodisional objek (x) terhadap kelas
(ωj)
/ Likelihood).
3. Faktor
Kepastian (Certainty Factor)
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).
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.
4. 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
Sumber
:
0 komentar:
Posting Komentar