Minggu, 05 Mei 2019
Selasa, 23 April 2019
Minggu, 14 April 2019
Sabtu, 23 Februari 2019
Sistem Pakar : Teorema Bayes
Nama
teorema Bayes diambil dari nama penemu teorema tersebut, yaitu Reverend Thomas Bayes (1702 - 1761).
Teorema Bayes digunakan untuk menghitung
probabilitas terjadinya suatu peristiwa,berdasarkan pengaruh yang didapat dari
hasil observasi peristiwa sebelumya. Teorema Bayes menyempurnakan teorema probabilitas
bersyarat yang hanya dibatasi oleh 2 buah kejadian sehingga dapat diperluas untuk
n buah kejadian. Dikembangkan secara luas
dalam Statistika inferensia /induktif yaitu proses pengambilan
kesimpulan-kesimpulan berdasarkan data sampel yang lebih sedikit menjadi
kesimpulan yang lebih umum untuk sebuah populasi. Aplikasi teorema Bayes banyak
ditemukan pada bidang komputer cerdas sebagai salah satu dasar dari metode machine learning dan data mining. Secara umum formula teorema
Bayes adalah sebagai berikut :
Keterangan :
Peluang Posterior : prediksi peluang munculnya satu kejadian berdasarkan
informasi dari kejadian yang lain.
Peluang Prior : peluang munculnya suatu kejadian yang
sudah kita yakini sebelumnya dan bisa jadi kejadian ini dipengaruhi kejadian
yang lain.
Peluang Likelihood : peluang yang menyatakan derajat
kemungkinan pengaruh suatu informasi kejadian terhadap kejadian yang lain.
Peluang Evidence : sebuah ukuran pembanding konstan
berdasarkan peluang suatu informasi kejadian.
Berikut
ini adalah sebuah contoh aplikasi Teorema Bayes pada sistem pakar untuk
mendiagnosa penyakit pada tanaman jagung.
Dalam
menyelesaikan serangan hama dan penyakit yang menyerang tidak sedikit dari
petani melakukan kesalahan dalam mengatasi permasalahan yang dihadapi. Sehingga
dengan pembuatan sistem pakar untuk mendiagnosa penyakit tanaman jagung ini
diharapkan bisa membantu petani untuk mengatasi permasalahan dengan memberikan
solusi yang baik. Proses pembuatan sistem pakar ini metode kepastiannya teorema
bayes dimana metode ini didasarkan dari kondisi awal dimana kondisi awal
merupakan kondisi gejala-gejala yang ada kemudian dikenakan aturan yang sudah
ditentukan lalu diambil nilai kebenaran yang paling besar untuk menentukan
kesimpulan dan solusi dari gejala yang disebutkan sebelumnya. Sistem pakar menggunakan teorema bayes ini
adalah untuk mendiagnosa penyakit pada tanaman jagung dan gejala-gejala yang
menyebabkan penyakit tersebut.
Teorema
Bayes Penelitian yang dilakukan menyebutkan bahwa metode Bayes dapat digunakan
untuk mengembangkan Sistem Cerdas untuk diagnosa penyakit. Pada penelitian ini
metode Bayes diimplementasikan untuk mendiagnosis penyakit jantung dan membantu
praktisi kesehatan untuk membuat keputusan klinis yang cerdas. Hasil penelitian
dapat memberikan pengobatan yang efektif, dan juga membantu untuk mengurangi
biaya pengobatan. Teori Bayes digunakan sebagai alat pengambil keputusan untuk
memperbaharui tingkat kepercayaan diri dari suatu informasi. Metode ini banyak
diterapkan pada hal–hal yang berkenaan dengan diasgnosa secara statistik yang
berhubungan dengan probabilistik serta kemungkinan dari penyakit dan gejala
gejala yang berkaitan. Contoh Kasus Penyakit Busuk Tongkol.
Dimana,
P(H|E)= Probabilitas
hipotesis H benar jika diberikan evidence E.
P(E|H)= Probabilitas munculnya evidence
E, jikadiketahui hipotesis H benar.
P(H) = Probabilitas hipotesis
H (menurut hasil sebelumnya) tanpa memandang evidence apapun.
P(E) = Probabilitas evidence
E.
Penyakit
Jagung memiliki tingkatan penyakit antara lain :
Adapun
gejala-gejala dari penyakit Jagung dapat dilihat pada tabel seperti dibawah
ini:
Contoh
Kasus Penyakit Busuk Tongkol Ani melakukan diagnosa dengan menjawab pertanyaan
sesuai dengan gejala berikut :
Untuk
mancari semesta dapat dijumlahkan dari Hipotesa yang di atas :
Setelah
didapat penjumlahan di atas, maka didapatlah rumus untuk menghitung semesta adalah
sebagai berikut :
Setelah
mendapatkan nilai P(Hi) probabilitas hipotesis H tanpa memandang evidence apa
pun, maka langkah selanjutnya adalah sebagai berikut :
Setelah
mendapatkan nilainya, maka langkah selanjutnya mencari nilai P(Hi|E) atau probabilitas
hipotesis Hi benar jika diberikan nilai evidence E.
Setelah
mendapatkan seluruh nilai P(Hi|E), maka jumlahkan seluruh nilai bayesnya dengan
rumus sebagai berikut:
Jadi,
hasil diagnosa Ani terhadap penyakit Busuk Tongkol pada tanaman jagung sebesar
78.63%.
Sumber Referensi :
Minggu, 17 Februari 2019
Sistem Pakar : Forward Chaining dan Backward Chaining
Sistem pakar adalah program komputer yang meniru
kemampuan beberapa pakar di bidang tertentu dalam memecahkan masalah seperti
para pakar tersebut memecahkan masalah dalam bidangnya. Proses peniruan
tersebut melibatkan empat hal yaitu:
(1) akuisisi pengetahuan,
(2) representasi pengetahuan,
(3) inferensi pengetahuan,
(4) pemindahan pengetahuan ke pengguna.
Inferensi merupakan kumpulan prosedur yang bertujuan
untuk melakukan penalaran. Inferensi tersebut diimplementasikan di mesin inferensi.
Mesin ini berfungsi untuk mengambil kesimpulan berdasarkan basis pengetahuan
yang dimilikinya. Ada dua teknik inferensi, yaitu Forward Chaining &
Backward Chaining
Forward
Chaining
Forward chaining adalah teknik pencarian yang
dimulai dengan fakta yang diketahui, kemudian mencocokan fakta-fakta tersebut
dengan bagian IF dari rules IF-THEN. Bila ada fakta yang cocok dengan bagian
IF, maka rule tersebut dieksekusi. Bila sebuah rule di eksekusi, maka sebuah
fakta baru ditambahkan kedalam database. Setiap kali pencocokan dimulai dari
rule teratas dan setiap rule hanya boleh dieksekusi sekali saja. Proses
pencocokan berhenti bila tidak ada lagi rule yang bisa dieksekusi.
Backward
Chaining
Backward chaining kebalikan dari fordward chaining
di mana dalam metode ini prosesnya didahului dengan tujuan/goalnya.
Penjelasannya lebih detail yaitu metode inferensi yang bekerja mundur ke arah
kondisi awal. Proses diawali dari Goal (yang berada dibagian THEN dari rule
IF-THEN), kemudian pencarian mulai dijalankan untuk mencocokan apakah fakta-fakta
yang ada cocok dengan premis-premis dibagian IF. JIka cocok, rule diekseksi,
kemudian hipotesis di bagian THEN ditempatkan dibasis data sebagai fakta baru.
Jika tidak cocok, simpan premis dibagian IF ke dalam stack sebagai subGoal. Dan
proses berakhir jika goal ditemukan atau tidak ada rule yang bisa membuktikan
kebenaran dari subGoal atau Goal.
Berikut adalah penggunaan teknik Forward Chaining
dan Backward Chaining pada penentuan bakat anak.
Tabel 1. Jenis Bakat Anak
Kode
|
Bakat Anak
|
K1
|
Intelektual Umum
|
K2
|
Akademik Khusus
|
Tabel 2. Indikator Bakat Anak
Kode
|
Indikator Bakat Anak
|
I1
|
Tingkat
perbendaharaan kata yang tinggi
|
I2
|
Mempunyai
Ingatan kuat
|
I3
|
Penguasaan
kata - kata abstrak
|
I4
|
Memiliki
Pemikiran abstrak
|
I5
|
Memiliki
Prestasi bidang matematika
|
Tabel 3. Variabel Bakat Anak
Kode
|
Variabel Bakat Anak
|
C1
|
Dapat
menirukan kalimat sederhana
|
C2
|
Dapat
meniru kembali 4-5 urutan kata
|
C3
|
Mengulangi
kalimat yang sudah didengarnya
|
C4
|
Menyanyikan
lagu anak-anak lebih dari 20 lebih lagu
|
C5
|
Dapat menyebutkan simbol-simbol
huruf vokal dan konsonan
|
C6
|
Mengucapkan syair lagu
sambil diiringi senandung lagunya
|
C7
|
Dapat
mengelompokkan benda dengan berbagai cara menurut fungsinya
|
C8
|
Meniru
berbagai lambang huruf vokal dan konsonan
|
C9
|
Mengelompokkan
benda dengan berbagai cara menurut fungsinya : misalnya peralatan makan,
peralatan mandi, peralatan kebersihan
|
C10
|
Dapat
Menggunakan dan dapat menjawab pertanyaan apa, mengapa, dimana, berapa,
bagaimana, dsb
|
C11
|
Bercerita
tentang gambar yang disediakan atau dibuat sendiri
|
C12
|
Bercerita menggunakan kata
ganti aku,saya,kamu,mereka, dll
|
C13
|
Menceritakan
pengalaman/kejadian secara sederhana
|
C14
|
Memberikan
keterangan/informasi tentang suatu hal
|
C15
|
Dapat
menyebutkan urutan bilangan 1-10
|
C16
|
Dapat
menunjuk lambang bilangan 1-10
|
C17
|
Meniru
lambang bilangan 1-10
|
C18
|
Mengenal
lambang bilangan 1-20
|
C19
|
Membedakan
dan membuat dua kumpulan benda berdasarkan kuantitasnya.
|
C20
|
Mengenal
perbedaan benda berdasarkan bentuknya
|
C21
|
Mencoba
dan menceritakan tentang proses pencampuran warna.
|
C22
|
Mencoba
dan menceritakan tentang proses benda-benda dimasukkan kedalam air(terapung,
melayang, tenggelam)
|
C23
|
Menceritakan
macam-macam bunyi
|
C24
|
Menceritakan
macam-macam rasa
|
C25
|
Menceritakan
macam-macam bau
|
-Forward
Chaining
Rule
1.
If C1 and C2 and C3 then I1
2.
If C4 and C5 and C6 and C7 and C8 and C9 then I2
3.
If C10 and C11 and C12 and C13 and C14 then I3
4.
If I1 and I2 and I3 then K1
5.
If C15 and C16 and C17 and C18 then I4
6.
If C19 and C20 and C21 and C22 and C23 and C24 and
C25 then I5
7.
If I4 and I5 then K2
Andi bisa menggunakan
dan menjawab pertanyaan apa, mengapa, dimana, berapa, bagaimana, dsb. Selain itu
dia bisa mengulangi kalimat yang sudah didengarnya dan dapat menyebutkan
simbol-simbol huruf vokal dan konsonan. Maka dapat disimpulkan bahwa jenis bakat
Andi adalah intelektual umum.
-Backward
Chaining
Rule
1.
If I1 and I2 and I3 then K1
2.
If C10 and C11 and C12 and C13 and C14 then I3
3.
If C1 and C2 and C3 then I1
4.
If C4 and C5 and C6 and C7 and C8 and C9 then I2
5.
If I4 and I5 then K2
6.
If C19 and C20 and C21 and C22 and C23 and C24 and
C25 then I5
7.
If C15 and C16 and C17 and C18 then I4
Jenis bakat
Andi adalah intelektual umum. Maka dapat disimpulkan bahwa Andi memiliki tingkat
perbendaharaan kata yang tinggi, mempunyai ingatan kuat dan penguasaan kata -
kata abstrak.
Sumber
Referensi :
Langganan:
Postingan (Atom)