PROBABILISTIC REASONING
Reasoning berarti
mengambil suatu keputusan atas suatu alasan atau sebab tertentu. Reasoning
sendiri ada 2 jenis yaitu logical
reasoning dan probabilistic
reasoning. Salah satu kelebihan probabilistic reasoning dibandingkan logical
reasoning adalah kemampuannya untuk mengambil keputusan yang rasional, walaupun
informasi yang diolah kurang lengkap atau mengandung unsur ketidakpastian. Pada
artikel ini, akan dibahas tentang Probabilistic Reasoning atau Ketidakpastian.
Probabilistic
Reasoning adalah suatu yang memiliki kemampuan mengambil
keputusan yang rasional walaupun informasi yang akan diolah kurang lengkap atau
bersifat nonlinier. Probabilistic Reasoning merupakan salah satu dari metode
Soft Computing selain Fuzzy Logic
dan Neural Network. Ketiga metode
ini merupakan tiang penyanggah bagi soft computing yang saling melengkapi dan
bekerjasama dalam menyelesaikan suatu permasalahan. Jadi kekurangan dari satu
metode akan ditutupi oleh kelebihan metode yang lain.
Tiga
kategori dari Probabilistic Reasoning :
1.
Teori Chaos
Teori chaos memiliki implikasi yang luas dalam analisis
pengambilan keputusan. Teori chaos memberi pengertian bahwa suatu aksi sekecil
pun dapat berimplikasi pada suatu akibat yang besar. Teori chaos juga
memberikan pengertian bahwa dalam pengambilan keputusan senantiasa dihadapkan
pada suatu potensi ketidakteraturan dan ketidakpastian sehingga batasan-batasan
metode pengambilan keputusan tradisonal tidak mencukupi lagi. Teori chaos
menuntut perubahan model mental yang sama sekali baru dan kreatif dari sang
pengambilan keputusan. Sistem pintar dan kecerdasan berupaya mengantisipasi
aspek ketidakpastian dan ketidakteraturan tersebut dengan mengadopsi logika
berpikir manusia ke dalam mesin komputer. Dengan sistem pintar, suatu perangkat
komputer dapat menganalisis suatu sistem permasalahan dan melakukan pengambilan
keputusan.
2.
Belief
Networks
Belief Networks (BN) adalah penalaran kausal, dimana BN telah
banyak digunakan dalam berbagai aplikasi. BN sekarang ini menjadi andalan dalam
bidang penelitian Flu Burung yang dikenal sebagai penalaran pasti. BN sendiri
didasarkan pada hukum-hukum probabilitas.
3.
Genetic
Algorithm <GA>
GA diperkenalkan oleh John Holland pada pertengahan tahun
70-an. GA adalah metode komputasi yang meniru proses evolusi dan seleksi alam.
Metode ini sering dimanfaatkan untuk mencari nilai optimal suatu
fungsi/permasalahan.
Beberapa keunggulan yang dimilki
oleh GA adalah sebagai berikut :
- GA memiliki kemampuan untuk mencari nilai optimal secara parallel, melalui kerjasama antara berbagai unit yang disebut kromosom individu.
- GA tidak memerlukan perhitungan matematika yang rumit seperti diferensial yang diperlukan oleh algoritma optimisasi yang lain.
- Tidak memiliki rumusan yang pasti, bagaimana mentransfer parameter permasalahan ke dalam kode genetik. Dengan kata lain, hal ini memerlukan pengalaman dan wawasan dari desainer.
- Banyak parameter yang perlu diset secara baik agar proses evolusi dalam GA berjalan sesuai dengan yang diharapkan.
- Penentuan rumus menghitung fitness merupakan hal yang sangat penting dan mempengaruhi proses evolusi pada GA. Sayangnya tidak ada prosedur yang baku bagaimana menentukan rumus tsb. Dalam hal ini pengalaman dari desainer memegang peranan penting. Terlepas dari kendala yang ada, GA merupakan alternatif solusi yang dikenal cukup handal dalam berbagai masalah optimisasi.
Contoh
dari Probabilistic Reasoning adalah Kasus Penyakit Ginjal.
Referensi
0 komentar:
Posting Komentar