Metode Penalaran

Metode Penalaran

Penalaran

Suatu penalaran yaitu dimana adanya suatu permasalahan dan ditemukan penambahan fakta baru dan mengakibatkan ketidak konsistenan,  ciri-ciri penalaran sebagai berikut :

- adanya ketidakpastian
- adanya perubahan pada pengetahuan
- adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk
  • Contoh :
- Premis 1 : Aljabar adalah pelajaran yang sulit 
- Premis 2 : Geometri adalah pelajaran yang sulit 
- Premis 3 : Kalkulus adalah pelajaran yang sulit 
  • Kesimpulan : Matematika adalah pelajaran yang sulit 
  • muncul premis 4 : sosiologi adalah pelajaran yang sulit, akan menyebabkan kesimpulan (Matematika adalah pelajaran yang sulit) menjadi tidak berlaku karena sosiologi bukan bagian dari matematika 
  • penalaran induktif sangat dimungkinkan adanya ketidakpastian.  


Ketidakpastian (uncertainty)
  • Kurang informasi yang memadai
  • Menghalangi untuk membuat keputusan yang terbaik
  • Salah satu teori yang berhubungan dengan ketidakpastian : Probabilitas Bayes 

Probabilitas
  • Probabilitas menunjukkan kemungkinan sesuatu akan terjadi atau tidak 
Metode Penalaran
  • Contoh :
Misal dari 10 orang sarjana , 3 orang menguasai java, sehingga peluang untuk memilih                     sarjana yang menguasai java adalah : 
p(java) = 3/10 = 0.3 



Probabilitas Bayes

Metode Penalaran

  • Contoh  : 
  • Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar dengan : 

- probabilitas munculnya bintik-bintik di wajah, jika Asih terkena cacar
    → p(bintik |cacar) = 0.8 

- probabilitas Asih terkena cacar tanpa memandang gejala apapun 
    →  p(cacar) = 0.4

- probabilitas munculnya bintik-bintik di wajah, jika Asih terkena alergi 
    →  p(bintik | alergi) = 0.3

- probabilitas Asih terkena alergi tanpa memandang gejala apapun 
    →  p(alergi) = 0.7 

- probabilitas munculnya bintik-bintik di wajah, jika Asih jerawatan 
    →  p(bintik | jerawatan) = 0.9

- probabilitas Asih jerawatan tanpa memandang gejala apapun
    → p(jerawatan) = 0.5 


  • Probabilitas Asih terkena cacar karena ada bintik2 di wajahnya :
Metode Penalaran


  • Probabilitas Asih terkena alergi karena ada bintik2 di wajahnya :
Metode Penalaran


  • Probabilitas Asih jerawatan karena ada bintik2 di wajahnya :

Metode Penalaran


  • Jika setelah dilakukan pengujian terhadap hipotesis muncul satu atau lebih evidence (fakta) atau observasi baru maka :
Metode Penalaran


  • Misal : Adanya bintik-bintik di wajah merupakan gejala seseorang terkena cacar. Observasi baru menunjukkan bahwa selain bintik-bintik di wajah, panas badan juga merupakan gejala orang kena cacar. Jadi antara munculnya bintik-bintik di wajah dan panas badan juga memiliki keterkaitan satu sama lain. 
Metode Penalaran
  • Asih ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar dengan probabilitas terkena cacar bila ada bintik-bintik di wajah →  p(cacar | bintik) = 0.8 
  • Ada observasi bahwa orang terkena cacar pasti mengalami panas badan. Jika diketahui probabilitas orang terkena cacar bila panas badan → p(cacar | panas ) = 0.5 
  • Keterkaitan antara adanya bintik-bintik di wajah dan panas badan bila seseorang terkena cacar → p(bintik | panas, cacar) = 0.4 
  • Keterkaitan antara adanya bintik-bintik di wajah dan panas badan → p(bintik | panas) = 0.6  

Metode Penalaran



Faktor Kepastian (Certainty)

Certainty Factor (CF) menunjukkan ukuran kepastian terhadap suatu fakta atau aturan. 
  • CF[h,e]     = MB[h,e] – MD[h,e] 
  • CF[h,e]     =   faktor kepastian 
  • MB[h,e]    =   ukuran kepercayaan/tingkat keyakinan terhadap hipotesis h, jika            diberikan/dipengaruhi
  • Evidence e (antara 0 dan 1)
  • MD[h,e]   =   ukuran ketidakpercayaan/tingkat ketidakyakinan terhadap hipotesis h,                   jika diberikan/dipenharuhi  evidence e (antara 0 dan 1)



Metode Penalaran



Metode Penalaran



Metode Penalaran


Contoh : 
  • Misal suatu observasi memberikan kepercayaan terhadap h1 dengan MB[h1,e]=0,5 dan MD[h1,e] = 0,2  maka : 
                 - CF[h1,e] = 0,5 – 0,2 = 0,3
  • Jika observasi tersebut juga memberikan kepercayaan terhadap h2 dengan MB[h2,e]=0,8 dan MD[h2,e]=0,1, maka : 
- CF[h2,e] = 0,8 – 0,1= 0,7 
  • Untuk mencari CF[h1 ∧ h2,e] diperoleh dari
- MB[h1 ∧ h2,e] = min (0,5 ; 0,8) = 0,5 
- MD[h1 ∧ h2,e] = min (0,2 ; 0,1) = 0,1 
- CF[h1 ∧ h2,e]   = 0,5 – 0,1 = 0,4 
  • Untuk mencari CF[h1∨ h2,e] diperoleh dari  
- MB[h1∨ h2,e] = max (0,5 ; 0,8) = 0,8 
- MD[h1∨ h2,e] = max (0,2 ; 0,1) = 0,2 
- CF[h1∨ h2,e]   = 0,8 – 0,2 = 0,6 

Metode Penalaran



kata kunci : Metode Penalaran, skripsi teknik informatika, contoh skripsi teknik informatika, skripsi, contoh skripsi, ilmu skripsi