Materinya membahas pengenalan teori Demster-Safer yang dapat diaplikasikan pada berbagai bidang di informatika, seperti AI (expert systems, machine learning), engineering (information fusion, uncertainty quantification, risk analysis) dan statistical inference. Dempster-Shafer (DS) theory adalah salah satu bentuk formalisme matematika (juga disebut teori Bukti, atau Teori fungsi kepercayaan). Teori ini diperkenalkan oleh A. P. Dempster pada 1960-an untuk inferensi statistik, dan dikembangkan oleh G. Shafer pada akhir 1970-an menjadi teori umum untuk penalaran di bawah ketidakpastian.

Contoh pengaplikasian Dempster-Shafer (Ds) Theory Of Belief Functions yaitu sebagai aturan logika penarikan kesimpulan pada diagnosa penyakit mata. Nilai Belief (Bel) pada DS Theory digunakan untuk mendukung sistem pakar pada saat memberikan kesimpulan penyakit mata yang diderita pasien dan nilai Plausibility (PI) didapat dengan mengurangi 1 dengan nilai Belief function. Metode ini digunakan untuk memastikan hasil diagnosa data penyakit mata yang diinput oleh pengguna.

sistem pakar untuk diagnosa penyakit mata pada manusia menggunakan metode forward chaining bertujuan menelusuri gejala yang ditampilkan dalam bentuk pertanyaan-pertanyaan agar dapat mendiagnosa jenis penyakit dengan perangkat lunak berbasis dekstop management system. Perangkat lunak sistem pakar dapat mengenali jenis penyakit mata setelah melakukan konsultasi dengan menjawab beberapa pertanyaan-pertanyaan yang ditampilkan oleh aplikasi sistem pakar serta dapat menyimpulkan beberapa jenis penyakit mata yang di derita oleh pasien. Data penyakit yang dikenali menyesuaikan rules (aturan) yang dibuat untuk dapat mencocokkan gejala-gejala penyakit mata dan memberi nilai persentase agar mengetahui nilai pendekatan jenis penyakit pasien.

Berikut beberapa informasi sumber belajar yang dapat digunakan:

Sumber Belajar

1. https://en.wikipedia.org/wiki/Dempster%E2%80%93Shafer_theory
2. https://www.hds.utc.fr/~tdenoeux/dokuwiki/_media/en/epistemic_feb2021.pdf
3. https://www.hds.utc.fr/~tdenoeux/dokuwiki/en/talks
4. Making decisions with belief functions:https://www.hds.utc.fr/~tdenoeux/dokuwiki/_media/en/publi/decision_v3.pdf
5. To start : Fifth BFAS School on Belief Functions and Their Applications, Sienna, Italy, October 27–31, 2019:Introduction to belief functionsMethods for building belief functionsClassification and clustering
6. https://www.hds.utc.fr/~tdenoeux/dokuwiki/en/talks
7. Website bfasocietyhttps://bfasociety.org/#software
8. https://bfasociety.org/#schools
9. Reference BBC: F. Pichon, D. Dubois, and T. Denœux. “Relevance and truthfulness in information correction and fusion”. In: International Journal of Approximate Reasoning 53.2 (2012), pp. 159–175 (Truthfulness, BBC)