Pengetahuan mengenai ketidakpastian dan penalaran

Ketidakpastian dan penalaran probabilitas

7.1 aksi dibawah ketidakpastian,penanganan,pengetahuan yang tidak pasti,ketidakpastian dan keputusan rasional

7.2 notasi probabilitas dasar

Menurut David Hume apabila mempergunakan argument yang disusun atas dasar pengelaman kita dimasa lampau sebagai dasar pertimbangan untuk membuat ramalan dimasa mendatang maka argument ini hanya merupakan  kemungkinan (Probabilitas). Jadi probabilitas merupakan pernyataan yang berisi ramalan tentang tingkatan keyakinan tentang terjadinya sesuatu dimasa yang akan datang.

Tingkatan keyakinan ini bisa dinyatakan dengan angka atau tanpa dengan angka. Seperti contoh untuk mengukur kemungkinan keluarnya sisi mata uang ketika diputar, karena sisi mata uang ada dua maka kemungkinan keluarnya sebuah sisi mata uang bias ditulis dengan angka yaitu ½, yang artinya terdapat 1 kemungkinan dari 2 kemungkinan.

Peluang atau kebolehjadian atau dikenal juga sebagai probabilitas adalah cara untuk mengungkapkan pengetahuan atau kepercayaan bahwa suatu kejadian akan berlaku atau telah terjadi. Konsep ini telah dirumuskan dengan lebih ketat dalam matematika, dan kemudian digunakan secara lebih luas dalam tidak hanya dalam matematika atau statistika, tapi juga keuangan, sains dan filsafat.

Probabilitas suatu kejadian adalah angka yang menunjukkan kemungkinan terjadinya suatu kejadian. Nilainya di antara 0 dan 1. Kejadian yang mempunyai nilai probabilitas 1 adalah kejadian yang pasti terjadi atau sesuatu yang telah terjadi. Misalnya matahari yang masih terbit di timur sampai sekarang. Sedangkan suatu kejadian yang mempunyai nilai probabilitas 0 adalah kejadian yang mustahil atau tidak mungkin terjadi. Misalnya seekor kambing melahirkan seekor sapi.

Probabilitas/Peluang suatu kejadian A terjadi dilambangkan dengan notasi P(A), p(A), atau Pr(A). Sebaliknya, probabilitas [bukan A] atau komplemen A, atau probabilitas suatu kejadian A tidak akan terjadi, adalah 1-P(A). Sebagai contoh, peluang untuk tidak munculnya mata dadu enam bila sebuah dadu bersisi enam digulirkan adalah .

Dalam mempelajari probabilitas, ada tiga kata kunci yang harus diketahui:

Eksperimen,

Hasil (outcome)

Kejadian atau peristiwa (event)

Aksi di bawah ketidakpastian
Ketidakpastian dapat dianggap sebagai suatu kekurangan informasi yang memadai untuk membuat suatu keputusan. Ketidakpastian merupakan suatu permasalahan karena menghalangi dalam membuat suatu keputusan yang terbaik bahkan dapat menghasilkan suatu keputusan yang buruk. Dalam dunia medis, ketidakpastian dapat menghalangi pemeriksaan yang terbaik untuk pasien dan dapat menghasilkan terapi yang keliru. Beberapa teori ketidakpastian antara lain probabilitas klasik, probabilitas Bayes, teori Hartley yang berdasar pada himpunan klasik, teori Shanon yang didasarkan pada peluang, Teori Dempster-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 ketidak konsistenan, 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.





Theorema Bayes


Theorema Bayes adalah sebuah makanisme untuk mengkombinasikan kejadian baru dan kejadian yang ada yang biasanya dinyatakan dalam probabilitas subjektif.Pendekan Bayesian didasarkan pada probabilitas subjektif; probabilitas subjektif di sediakan untuk setiap proposisi.Jika E adalah suatu kejadian (jumlah total dari semua informasi yang terdapat dalam system),maka proposisi (P) memiliki hubungan dengan sebuah nilai yang merepresentasikan probabilitas bahwa P menggambarkan semua kejadian E, diturunkan menggunakan inferensi Bayesian.Theorema Bayes menyediakan sebuah cara komputasi probabilitas dari kejadiankejadian khusus dari suatu hasil observasi.Poin utama disini adalah bukan bagaimana nilai ini diturunkan tetapi bagaimana kita tahu atau darimana menginferensi suatu proposisi menjadi suatu nilai tunggal.





- ketidakpastian dan keputusan rasional


Keputusan yang bersifat rasional berkaitan dengan daya guna. Masalah – masalah yang dihadapi merupakan masalah yang memerlukan pemecahan rasional. Keputusan yang dibuat berdasarkan pertimbangan rasional lebih bersifat objektif. Dalam masyarakat, keputusan yang rasional dapat diukur apabila kepuasan optimal masyarakat dapat terlaksana dalam batas-batas nilai masyarakat yang di akui saat itu.

7.3 aksioma dan probabilitas

7.4 inferensi menggunakan “full joint distribution”

7.5 independensi

7.6 aturan bayes

7.7 representasi pengetahuan pada domain ketidakpastian

7.8 semantik pada jaringan bayesian

7.9 efisiensi representasi dari distribusai kondisional

7.10 inferensi eksak pada jaringan baysesian

7.11 inferensi aproksimasi pada jaringan bayesia

7.12 pendekatan lain penalaran ketidakpastian (Dempster-Shafer,Fuzzy logic)

Daftar Pustaka

https://fallawatekke.wordpress.com/2015/03/15/konsep-dasar-probabilitas/
http://rizkaandrianimuhamad.blogspot.co.id/