Sistem Pakar (Teorema bayes dan Contoh Soalnya) - Pertemuan ke-6 Kecerdasan Buatan ~ Eva Nur Fauziyah

PEMBUKAAN

Pada pertemuan kali ini kita akan membahas tentang SISTEM PAKAR dengan dibantu oleh teori bayes.

ISI

Maksud dari sistem pakar ini adalah bagaimana membuat komputer seola-olah seperti pakar/ahli di bidang tertentu. Caranya dengan menerapkan aturan-aturan serta representaasi pengetahuan.

Mekanismenya yaitu: pakar -> ambil pengetahuan -> resprestansi pengetahuan -> mekanisme sistem pakar -> query -> user.

Teorema Bayes dikemukakan oleh seorang pendeta presbyterian Inggris pada tahun 1763 yang bernama Thomas Bayes . Teorema Bayes ini kemudian disepurnakan oleh Laplace. Teorema Bayes digunakan untuk menghitung probabilitas terjadinya suatu peistiwa berdasarkan pengaruh yang didapat dari hasil observasi.

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.

Teorema ini menerangkan hubungan antara probabilitas terjadinya peristiwa A dengan syarat peristiwa B telah terjadi dan probabilitas terjadinya peristiwa B dengan syarat peristiwa A telah terjadi. Teorema ini didasarkan pada prinsip bahwa tambahan informasi dapat memperbaiki probabilitas.

Keuntungan Naive Bayesian :

1. Menangani kuantitatif dan data diskrit

2. Kokoh untuk titik noise yang diisolasi, misalkan titik yang dirata – ratakan ketika mengestimasi peluang bersyarat data.

3. Hanya memerlukan sejumlah kecil data pelatihan untuk mengestimasi parameter (rata – rata dan variansi dari variabel) yang dibutuhkan untuk klasifikasi.

4. Menangani nilai yang hilang dengan mengabaikan instansi selama perhitungan estimasi peluang

5. Cepat dan efisiensi ruang

6. Kokoh terhadap atribut yang tidak relevan

Kekurangan Naive Bayesian :

1. Tidak berlaku jika probabilitas kondisionalnya adalah nol, apabila nol maka probabilitas prediksi akan bernilai nol juga

2. Mengasumsikan variabel bebas

CONTOH KASUS

Dari 900 karyawan di suatu perusahaan diketahui 600 berkinerja baik dan 300 berkinerja tidak baik. Jika 36 berkinerja baik adalah telah mengikuti pelatihan dan 12 dari yang berkinerja tidak baik adalah telah mengikuti pelatihan. Seorang karyawan akan dipilih secara random. Tentukanlah probabilitas karyawan yang terpilih yang telah mengikuti pelatihan.

	Ikut Pelatihan	Tidak Ikut Pelatihan	Jumlah
Berkinerja baik	36	564	600
Berkinerja tidak baik	12	288	300
Jumlah	48	852	900

B1 = kejadian terpilih karyawan berkinerja baik

B2 = kejadian terpilih karyawan kinerja tidak baik

A = kejadian terpilih karyawan yang mengikuti pelatihan

Rumus:

P(A) = P(B1)P(A|B1)+(P(B2)P(A|B2)

P(B1) = n(B1)/n(S) = 600/900= 2/3 = 0,67

P(B2) = n(B2)/n(S) = 300/900 = 1/3 =0,33

P(A|B1) = 36/600 = 6/100 = 0,06

P(A|B2) = 12/300 =2/50 = 0,04

P(A) = P(B1)P(A|B1)+(P(B2)P(A|B2)

= 0,67 x 0,06 + 0,33 x 0,04

= 0,0402 + 0,0132

= 0,0534

PENUTUP

Kesimpulan

Jadi untuk menentukan permasalahan yang berhubungan dengan sistem pakar, bisa memkai teorema bayes untuk menemukan peluang terjadinya Bkejadian A dngan syarat kejadian B.

Saran

Untuk lebih memahaminya, silahkan implementasikan ke dalam program.

Untuk lebih jelasnya bisa dilihat di youtube kami di :