Source code sistem pakar metode dempster shafer berbasis desktop dengan VB.Net dan MySQL.
Teori Dempster Shafer menggunakan dua besaran yaitu Belief dan Plausibility. Belief (Bel) merupakan bobot kepercayaan atau ukuran kepastian dari suatu evidence (gejala) dalam menghitung suatu himpunan proporsisi (benar atau salah) sedangkan ukuran ketidakpercayaan atau ketidakpastian terhadap suatu evidence disebut dengan Plausibility (Pls). Jika bernilai 0 maka menunjukkan tidak adanya suatu gejala, dan jika bernilai 1 maka menunjukkan kepastian dari gejala tersebut. Keberdaan nilai Plausibility akan mengurangi tingkat kepastian dari suatu evidence. Dimisalkan X merupakan suatu penyakit yang diderita, maka jika yakin terdiagnosis penyakit X dapat dikatakan bahwa nilai Bel(X) = 1, sehingga nilai dari Pls(X) = 0. Fungsi Belief diformulasikan seperti pada Persamaan (1) dan fungsi Plausibility diformulasikan seperti pada Persamaan (2).
Persamaan 1: \(Bel(X) = \sum {}_{Y\subseteq X}m_1(X)\)
Persamaan 2: \(Pls(X) = 1-Bel(X)=1-\sum {}_{Y\subseteq X}m_1(X)\)
dimana:
X = Penyakit yang mengalami gejala 1 Y = Penyakit yang mengalami gejala 2 Bel(X) = Belief (X), artinya nilai kepercayaan atau kepastian penyakit X yang mengalami gejala 1 Pls(X) = Plausibility (X), artinya nilai ketidakpercayaan atau ketidakpastian penyakit X yang mengalami gejala 1 m1(X) = Mass function atau tingkat kepercayaan dari evidence (X)
Mass function (m) dalam teori Dempster Shafer adalah tingkat kepercayaan dari suatu evidence. Mass function (m) diformulasikan pada Persamaan (3).
Persamaan 3 : \( m3(Z) = \frac{\sum {}{}_{X \cap Y = zm1(X).m2(Y)} }{1-\sum {}{}_{X \cap Y = \oslash m1(X).m2(Y)}} \)
dimana: \( m3(Z) \) = Mass function dari evidence (Z), di mana Z adalah nilai densitas baru hasil irisan dari m1(X) dan m2(Y) dibagi dengan 1 dikurangi irisan kosong (î—Ž) dari m1(X) dan m2(Y). \( m1(X) \) = Mass function atau tingkat kepercayaan dari evidence (X), di mana X adalah penyakit yang mengalami gejala 1 \( m2(Y) \) = Mass function atau tingkat kepercayaan dari evidence (Y), di mana Y adalah penyakit yang mengalami gejala 2
Tampilan dan Demo
