Sabtu, 07 Januari 2017

Probabilistic Reasoning

Assalamualaikum 

Pada kesempatan kali ini saya akan membahas apa itu Probabilistic Reasoning ?

Reasoning berarti mengambil suatu keputusan atas suatu alasan atau sebab tertentu. Reasoning sendiri ada 2 jenis yaitu logical reasoning dan probabilisticreasoning. 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. 

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.

Probabilistic Reasoning


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.

Namun demikian GA memiliki juga kelemahan dan keterbatasan:

  • 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.


Source :
http://muhammadfauzi244.blogspot.co.id/2016/12/probabilistic-reasoning.html

Tidak ada komentar:

Posting Komentar