Kecerdasan Buatan dan Permainan AI and Games (Materi 9)

Kecerdasan buatan 

(bahasa Inggris: Artificial Intelligence atau AI) didefinisikan sebagai kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem pakar, permainan komputer (games), logika fuzzy, jaringan syaraf tiruan dan robotika.

Penelitian dalam AI menyangkut pembuatan mesin untuk mengotomatisasikan tugas-tugas yang membutuhkan perilaku cerdas. Termasuk contohnya adalah pengendalian, perencanaan dan penjadwalan, kemampuan untuk menjawab diagnosa dan pertanyaan pelanggan, serta pengenalan tulisan tangan, suara dan wajah. Hal-hal seperti itu telah menjadi disiplin ilmu tersendiri, yang memusatkan perhatian pada penyediaan solusi masalah kehidupan yang nyata. Sistem AI sekarang ini sering digunakan dalam bidang ekonomi, obat-obatan, teknik dan militer, seperti yang telah dibangun dalam beberapa aplikasi perangkat lunak komputer rumah dan video game.

Pengertian Game

Game adalah permainan komputer yang dibuat dengan teknik dan metode animasi. Permainan game merupakan bidang AI yang sangat populer berupa permainan antara manusia melawan mesin yang mempunyai intelektual untuk berpikir. Komputer dapat bereaksi dan menjawab tindakan-tindakan yang diberikan oleh lawan mainnya.

Salah satu komputer yang ditanamkan AI untuk game bernama Deep Blue. Deep Blue adalah sebuah komputer catur buatan IBM pertama yang memenangkan sebuah permainan catur melawan seorang juara dunia (Garry Kasparov) dalam waktu standar sebuah turnamen catur. Kemenangan pertamanya (dalam pertandingan atau babak pertama) terjadi pada 10 Februari 1996, dan merupakan permainan yang sangat terkenal.

Kini telah banyak berkembang game AI yang semakin menarik, interaktif, dan dengan grafis yang sangat bagus. Ditambah dengan kemajuan teknologi jaringan komputer yang semakin cepat, sudah banyak terdapat game-game AI yang berbasiskan online. Tidak sedikit orang yang tertarik dengan game saat ini. Mereka memainkan game untuk mengisi kekosongan waktu mereka atau pun melatih skill mereka dalam berpikir.

Artificial Intelligence dalam Game

Salah satu unsur yang berperan penting dalam sebuah game adalah kecerdasan buatan. Dengan kecerdasan buatan, elemen-elemen dalam game dapat berperilaku sealami mungkin layaknya manusia.

Game AI adalah aplikasi untuk memodelkan karakter yang terlibat dalam permainan baik sebagai lawan, ataupun karakter pendukung yang merupakan bagian dari permainan tetapi tidak ikut bermain (NPC = Non Playable Character). Peranan kecerdasan buatan dalam hal interaksi pemain dengan permainan adalah pada penggunaan interaksi yang bersifat alami yaitu yang biasa digunakan menusia untuk berinteraksi dengan sesama manusia. Contoh media interaksi ialah:

·         Penglihatan (vision)

·         Suara (voice), ucapan (speech)

·         Gerakan anggota badan ( gesture)

Untuk pembentukan Artificial Intelligence pada game ternyata digunakan pula algoritma, yaitu jenis pohon n-ary untuk suatu struktur. Implementasi pohon (tree) ini biasa disebut game tree. Berdasarkan game tree inilah sebuah game disusun algoritma kecerdasan buatannya. Artificial intellegence yang disematkan dalam sebuah game yang membentuk analisis game tree biasanya merepresentasikan kondisi atau posisi permainan dari game sebagai suatu node, dan merepresentasikan langkah yang mungkin dilakukan sebagai sisi berarah yang menghubungkan node kondisi tersebut ke anak (child) sebagaimana representasi suatu pohon (tree).

Namun, biasanya representasi langsung tersebut mempunyai kelemahan, yaitu representasi data pohon akan menjadi sangat lebar dan banyak. Mungkin bagi sebuah mesin komputer mampu melakukan kalkulasi sebanyak apapun masalah, namun game tree yang lebar dan besar memberikan beberapa masalah, antara lain konsumsi proses memori, kapasitas penyimpanan yang cukup besar dan kinerja yang kurang pada konsol game berspesifikasi rendah. Karena itu dibentuklah beberapa algoritma dan penyederhanaan bagi sebuah game tree.

Pada salah satu contoh game klasik, yaitu tic tac toe, penyederhanaan dapat dilakukan dengan berbagai metode. Salah satu diantaranya adalah minimax. Metode ini berhasil diterapkan dan memberikan nilai reduksi yang cukup signifikan. Dan tidak hanya bisa digunakan secara monoton, minimax juga bisa digunakan untuk game-game yang lebih rumit seperti catur, tentunya dengan algoritma dan representasi berbeda.

Minimax yang merupakan salah satu metode penerapan (implementasi) pohon n-ary pada suatu game, menandakan bahwa implementasi struktur (pohon khusunya) sangatlah diperlukan pada pembuatan dan penerapan Artificial Intelligence, dan tidak menutup kemungkinan ilmu dan metode baru yang lebih canggih akan ditemukan di masa depan.

Mahasiswa Memahami Konsep Dari Pembelajaran (Materi 8 )

Pembelajaran dari Pengamatan

Pendidikan adalah suatu kegiatan yang komplek dan menuntut penanganan untuk meningkatkan kualitasnya, baik yang berupa menyeluruh maupun pada beberapa komponen tertentu karena dalam kegiatan pembelajaran terdiri dari berbagai variable pokok yang saling berkaitan yaitu kurikulum, guru, pembelajaran, dan peserta. Dimana semua komponen ini bertujuan untuk kepentingan peserta didik. Berdasarkan hal tersebut pendidik harus mampu menggunakan model pembelajaran agar peserta didik dapat melakukan kegiatan belajar. Hal ini dilatar belakangi bahwa beberapa peserta didik bukan hanya sebagai objek tetapi juga merupakan subjek dalam pembelajaran. Peserta didik harus disiapkan sejak dini agar ia mampu untuk bersosialisasi dengan lingkungannya dan gerakan baru sehingga berbagai jenis pembelajaran dapat digunakan oleh pendidik untuk meningkatkan kualitas belajar dan mengajar, seperti cara guru mengajar dan cara peserta didik belajar.
 
Dosen merupakan suatu profesi yang sangat unik. Selain harus memiliki jiwa pengabdian yang tinggi ia juga memiliki tanggung jawab yang besar pada masa depan peserta didik. Oleh karena itu, dosen harus selalu belajar, baik untuk ilmu pengetahuan dan keterampilan pembelajaran, maupun belajar memahami aspek psikologis kemanusiaan. Seorang guru juga harus mampu memahami bagaimana cara peserta didiknya belajar. Jika seorang guru telah mampu menguasai teknik yang dapat meningkatan semangat keaktifan anak didiknya dalam belajar, maka dunia pendidikan akan semakin efektif dan professional.

Maksud penelitian ini adalah untuk memperoleh data dan informasi yang diperlukan untuk menyelesaikan tugas softskill.

Adapun tujuan dilakukannya penelitian ini adalah untuk :

1.  Mengetahui kesadaran mahasiswa akan lingkungannya.

2.  Mengetahui minat belajar mahasiwa terhadap beberapa kondisi kampus.
3.  Mengetahui seberapa besar peran kampus dalam memfasilitasi mahasiswanya.

Bentuk Pembelajaran

1. Metode Ceramah

Metode pembelajaran ceramah adalah penerangan secara lisan atas bahan pembelajaran kepada sekelompok pendengar untuk mencapai tujuan pembelajaran tertentu dalam jumlah yang relatif besar. Seperti ditunjukkan oleh Mc Leish (1976), melalui ceramah, dapat dicapai beberapa tujuan. Dengan metode ceramah, guru dapat mendorong timbulnya inspirasi bagi pendengarnya.
Gage dan Berliner (1981:457), menyatakan metode ceramah cocok untuk digunakan dalam pembelajaran dengan ciri-ciri tertentu. Ceramah cocok untuk penyampaian bahan belajar yang berupa informasi dan jika bahan belajar tersebut sukar didapatkan.

2. Metode Diskusi

Metode pembelajaran diskusi adalah proses pelibatan dua orang peserta atau lebih untuk berinteraksi saling bertukar pendapat, dan atau saling mempertahankan pendapat dalam pemecahan masalah sehingga didapatkan kesepakatan diantara mereka. Pembelajaran yang menggunakan metode diskusi merupakan pembelajaran yang bersifat interaktif (Gagne & Briggs. 1979: 251).

Menurut Mc. Keachie-Kulik dari hasil penelitiannya, dibanding metode ceramah, metode diskusi dapat meningkatkan anak dalam pemahaman konsep dan keterampilan memecahkan masalah. Tetapi dalam transformasi pengetahuan, penggunaan metode diskusi hasilnya lambat dibanding penggunaan ceramah. Sehingga metode ceramah lebih efektif untuk meningkatkan kuantitas pengetahuan anak dari pada metode diskusi.

3. Metode Demonstrasi

Metode pembelajaran demontrasi merupakan metode pembelajaran yang sangat efektif untuk menolong siswa mencari jawaban atas pertanyaan-pertanyaan seperti: Bagaimana cara mengaturnya? Bagaimana proses bekerjanya? Bagaimana proses mengerjakannya. Demonstrasi sebagai metode pembelajaran adalah bilamana seorang guru atau seorang demonstrator (orang luar yang sengaja diminta) atau seorang siswa memperlihatkan kepada  seluruh kelas sesuatau proses. Misalnya bekerjanya suatu alat pencuci otomatis, cara membuat kue, dan sebagainya.

Kelebihan Metode Demonstrasi :

a. Perhatian siswa dapat lebih dipusatkan.
b. Proses belajar siswa lebih terarah pada materi yang sedang dipelajari.
c. Pengalaman dan kesan sebagai hasil pembelajaran lebih melekat dalam diri siswa.

Kelemahan metode Demonstrasi :

a. Siswa kadang kala sukar melihat dengan jelas benda yang diperagakan.
b. Tidak semua benda dapat didemonstrasikan.
c. Sukar dimengerti jika didemonstrasikan oleh pengajar yang kurang menguasai apa yang didemonstrasikan.

4. Metode Ceramah Plus

Metode Pembelajaran Ceramah Plus adalah metode pengajaran yang menggunakan lebih dari satu metode, yakni metode ceramah yang dikombinasikan dengan metode lainnya. Ada tiga macam metode ceramah plus, diantaranya yaitu:
a. Metode ceramah plus tanya jawab dan tugas
b. Metode ceramah plus diskusi dan tugas
c. Metode ceramah plus demonstrasi dan latihan (CPDL)

5. Metode Resitasi

Metode Pembelajaran Resitasi adalah suatu metode pengajaran dengan mengharuskan siswa membuat resume dengan kalimat sendiri.

Kelebihan Metode Resitasi adalah :
a. Pengetahuan yang diperoleh peserta didik dari hasil belajar sendiri akan dapat diingat lebih lama.
b. Peserta didik memiliki peluang untuk meningkatkan keberanian, inisiatif, bertanggung jawab dan mandiri.
Kelemahan Metode Resitasi adalah :
a. Kadang kala peserta didik melakukan penipuan yakni peserta didik hanya meniru hasil pekerjaan orang lain tanpa mau bersusah payah mengerjakan sendiri.
b. Kadang kala tugas dikerjakan oleh orang lain tanpa pengawasan.
c. Sukar memberikan tugas yang memenuhi perbedaan individual.

6. Metode Eksperimental

Metode pembelajaran eksperimental adalah suatu cara pengelolaan pembelajaran di mana siswa melakukan aktivitas percobaan dengan mengalami dan membuktikan sendiri suatu yang dipelajarinya. Dalam metode ini siswa diberi kesempatan untuk mengalami sendiri atau melakukan sendiri dengan mengikuti suatu proses, mengamati suatu obyek, menganalisis, membuktikan dan menarik kesimpulan sendiri tentang obyek yang dipelajarinya.

7. Metode Study Tour (Karya wisata)
Metode study tour Study tour (karya wisata) adalah metode mengajar dengan mengajak peserta didik mengunjungi suatu objek guna memperluas pengetahuan dan selanjutnya peserta didik membuat laporan dan mendiskusikan serta membukukan hasil kunjungan tersebut dengan didampingi oleh pendidik.

8. Metode Latihan Keterampilan

Metode latihan keterampilan (drill method) adalah suatu metode mengajar dengan memberikan pelatihan keterampilan secara berulang kepada peserta didik, dan mengajaknya langsung ketempat latihan keterampilan untuk melihat proses tujuan, fungsi, kegunaan dan manfaat sesuatu (misal: membuat tas dari mute). Metode latihan keterampilan ini bertujuan membentuk kebiasaan atau pola yang otomatis pada peserta didik.

9. Metode Pengajaran Beregu

Metode pembelajaran beregu adalah suatu metode mengajar dimana pendidiknya lebih dari satu orang yang masing-masing mempunyai tugas.Biasanya salah seorang pendidik ditunjuk sebagai kordinator. Cara pengujiannya,setiap pendidik membuat soal, kemudian digabung. Jika ujian lisan maka setiapsiswa yang diuji harus langsung berhadapan dengan team pendidik tersebut

10. Peer Theaching Method

Metode Peer Theaching sama juga dengan mengajar sesama teman, yaitu suatu metode mengajar yang dibantu oleh temannya sendiri.

11. Metode Pemecahan Masalah (problem solving method)

Metode problem solving (metode pemecahan masalah) bukan hanyasekadar metode mengajar, tetapi juga merupakan suatu metode berpikir, sebabdalam problem solving dapat menggunakan metode-metode lainnya yang dimulaidengan mencari data sampai pada menarik kesimpulan.
Metode problem solving merupakan metode yang merangsang berfikir danmenggunakan wawasan tanpa melihat kualitas pendapat yang disampaikan olehsiswa. Seorang guru harus pandai-pandai merangsang siswanya untuk mencobamengeluarkan pendapatnya.

12. Project Method

Project Method adalah metode perancangan adalah suatu metode mengajar dengan meminta peserta didik merancang suatu proyek yang akan diteliti sebagai obyek kajian.

13. Taileren Method

Teileren Method yaitu suatu metode mengajar dengan menggunakan sebagian-sebagian,misalnya ayat per ayat kemudian disambung lagi dengan ayat lainnya yang tentusaja berkaitan dengan masalahnya

14. Metode Global (ganze method)
Metode Global yaitu suatu metode mengajar dimana siswa disuruh membaca keseluruhan materi, kemudian siswa meresume apa yang dapat mereka serap atau ambil intisaridari materi tersebut.

Pembelajaran Induktif

Pembelajaran induktif adalah sebuah pembelajaran yang bersifat langsung tapi sangat efektif untuk membantu siswa mengembangkan keterampilan berpikir tingkat tinggi dan keterampilan berpikir kritis. Model pembelajaran induktif adalah sebuah pembelajaran yang bersifat langsung tapi sangat efektif untuk membantu siswa mengembangkan keterampilan berpikir tingkat tinggi dan keterampilan berpikir kritis. Pada model pembelajaran induktif guru langsung memberikan presentasi informasi-informasi yang akan memberikan ilustrasi-ilustrasi tentang topik yang akan dipelajari siswa, selanjutnya guru membimbing siswa untuk menemukan pola-pola tertentu dari ilustrasi-ilustrasi yang diberikan. Model pembelajaran induktif dirancang berlandaskan teori konstruktivisme dalam belajar. Model ini membutuhkan guru yang terampil dalam bertanya (questioning) dalam penerapannya. Melalui pertanyaan-pertanyaan inilah guru akan membimbing siswa membangun pemahaman terhadap materi pelajaran dengan cara berpikir dan membangun ide. Tingkat keefektifan model pembelajaran induktif ini, jadinya-sangat tergantung pada keterampilan guru dalam bertanya dan mengarahkan pembelajaran, dimana guru harus menjadi pembimbing yang akan untuk membuat siswa berpikir.
Struktur sosial dalam pembelajaran menjadi ciri lingkungan kelas yang sangat dibutuhkan untuk belajar melalui model pembelajaran induktif. Model pembelajaran induktif mensyaratkan sebuah lingkungan belajar yang mana di dalamnya siswa merasa bebas dan terlepas dari resiko takut dan malu saat memberikan pendapat, bertanya, membuat konklusi dan jawaban. Mereka harus bebas dari kritik tajam yang dapat menjatuhkan semangat belajar.

Pohon Keputusan Pembelajaran

Pembelajaran pohon keputusan adalah suatu metode untuk memperkirakan fungsi target bernilai diskrit, yang mana fungsi pembelajaran direpresentasikan oleh sebuah pohon keputusan.

Secara umum, pohon keputusan merepresentasikan sebuah disjungsi dari beberapa konjungsi dari beberapa batasan pada nilai atribut dan instansi.

Pembelajaran Ensemble

Sebuah pengklasifikasi ensemble adalah himpunan beberapa pengklasifikasi, di mana keputusan dari tiap pengklasifikasi dikombinasikan dengan suatu cara (pada umumnya menggunakan voting dengan atau tanpa menggunakan bobot) untuk mengklasifikasikan data baru (Dietterich, 2001). Kerangka kerja dasar sebuah ensemble.  Pengklasifikasi ensemble tersebut dibuat dengan menggunakan data pelatihan untuk membangun beberapa pengklasifikasi dasar yang kemudian digabungkan untuk memperoleh hasil klasifikasi akhir. Sebuah pengklasifikasi ensemble akan menjadi pengklasifikasi yang efektif apabila memiliki tingkat akurasi klasifikasi yang tinggi di mana masing-masing hasil prediksinya tidak saling berkaitan (Bauer dan Kohavi, 1999). Beberapa metode untuk membuat ensemble, antara lain pelatihan pengklasifikasi dasar pada subset data pelatihan yang berbeda (misalnya bagging dan boosting), penggunaan algoritma pembelajaran yang berbeda, melakukan randomisasi, dan pelatihan pada feature subset yang berbeda (Dietterich, 2001).

Referensi :
https://sites.google.com/a/std.stei.itb.ac.id/sulhan/pembelajaran-mesin-lanjut/pembelajaran-pohon-keputusan-decision-tree
http://belajarpsikologi.com/macam-macam-metode-pembelajaran/
http://research-dashboard.binus.ac.id/uploads/paper/document/publication/Proceeding/ComTech/Vol%204%20No%201%20Juni%202013/32_SI_MedianaAryuni_OK.pdf

Pengetahuan Mengenai Ketidakpastian dan Penalaran Probabilitas (Materi 7)

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.

Contoh Soal :

Misalkan kawan Anda bercerita dia bercakap-cakap akrab dengan seseorang lain di atas kereta api. Tanpa informasi tambahan, peluang dia bercakap-cakap dengan perempuan adalah 50%. Sekarang misalkan kawan Anda menyebut bahwa orang lain di atas kereta api itu berambut panjang. Dari keterangan baru ini tampaknya lebih bolehjadi kawan Anda bercakap-cakap dengan perempuan, karena orang berambut panjang biasanya wanita. Teorema Bayes dapat digunakan untuk menghitung besarnya peluang bahwa kawan Anda berbicara dengan seorang wanita, bila diketahui berapa peluang seorang wanita berambut panjang.

Misalkan:W adalah kejadian percakapan dilakukan dengan seorang wanita.L adalah kejadian percakapan dilakukan dengan seorang berambut panjangM adalah kejadian percakapan dilakukan dengan seorang pria

Kita dapat berasumsi bahwa wanita adalah setengah dari populasi. Artinya peluang kawan Anda berbicara dengan wanita,

Misalkan juga bahwa diketahui 75 persen wanita berambut panjang. Ini berarti bila kita mengetahui bahwa seseorang adalah wanita, peluangnya berambut panjang adalah 0,75. Kita melambangkannya sebagai:

Sebagai keterangan tambahan kita juga mengetahui bahwa peluang seorang pria berambut panjang adalah 0,3. Dengan kata lain:

Di sini kita mengasumsikan bahwa seseorang itu adalah pria atau wanita, atau P(M) = 1 - P(W) = 0,5. Dengan kata lain M adalah kejadian komplemen dari W.

Tujuan kita adalah menghitung peluang seseorang itu adalah wanita bila diketahui dia berambut panjang, atau dalam notasi yang kita gunakan, P(W|L). Menggunakan teorema Bayes, kita mendapatkan:

Di sini kita menggunakan aturan peluang total. Dengan memasukkan nilai-nilai peluang yang diketahui ke dalam rumus di atas, kita mendapatkan peluang seseorang itu wanita bila diketahui dia berambut panjang adalah 0,714. Angka ini sesuai dengan intuisi awal kita, bahwa peluang kawan kita itu bercakap-cakap dengan wanita meningkat.

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 Certainty Factor :

• 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 Metode Certainty Factor :
• 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.

Formulasi Certainy Factor

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