Contoh:
Seorang pakar penyakit dalam menyatakan bahwa probabilitas seseorang berpenyakit phimosis adalah 0,02. Data lapangan menunjukkan bahwa dari 100 orang mengalami gejala kulit berminyak, 40 orang positif terkena penyakit phimosis. Hitung factor kepastian bahwa phimosis disebabkan oleh adanya kulit berminyak.
Asumsi:
H: hipotesa terjadinya penyakit phimosis
E: evidence gejala kulit berminyak
Perhitungan Certainty Factor Gabungan
IF E1 AND E2 AND … EN THEN H (CF Rule)
atau
IF E1 OR E2 OR … EN THEN H (CF Rule)
Keterangan:
E1 … EN : fakta-fakta (evidence) yang ada
H : Hipotesis atau konklusi yang dihasilkan
CF Rule : tingkat keyakinan terjadinya hipotesis H akibat adanya fakta-fakta E1 … EN
Perhitungan Certainty Factor Gabungan (cont.)
1. Rule dengan evidence E tunggal dan Hipotesis H tunggal
IF E THEN H (CF Rule)
CF(H,E) = CF(E) x CF(rule)
Catatan:
Secara praktik, nilai CF rule ditentukan oleh pakar, sedangan nilai CF(E) ditentukan oleh pengguna saat berkonsultasi dengan sistem pakar.
Contoh:
IF hari ini terang THEN besok hujan (CF rule = 0,6)
CF(hari ini terang) = 0,4
CF(besok hujan, hari ini terang) = 0,4 x 0,6 = 0,24
Perhitungan Certainty Factor Gabungan (cont.)
2. Rule dengan evidence E ganda dan hipotesis H tunggal
IF E1 AND E2 AND … EN THEN H (CF Rule)
CF(H,E) = min(CF(E1), CF(E2), …, CF(EN)] x CF(rule)
IF E1 OR E2 OR … EN THEN H (CF Rule)
CF(H,E) = max(CF(E1), CF(E2), …, CF(EN)] x CF(rule)
Perhitungan Certainty Factor Gabungan (cont.)
Contoh:
Perhitungan Certainty Factor Gabungan (cont.)
3. Kombinasi 2 rule dengan evidence berbeda (E1dan E2), hipotesis sama
Perhitungan Certainty Factor Gabungan (cont.)
Contoh:
Hitung CF gabungan jika:
FORECAST: an application of CF