Post on 17-Jan-2023
BAB I
PENDAHULUAN
1.1 Latar Belakang
Saat ini teknologi sudah berkembang sangat pesat sehingga
membawa manusia menjadi semakin maju. Salah satu contoh
kemajuan teknologi yang paling sering digunakan oleh manusia
yaitu komputer. Perkembangan-perkembangan teknologi juga
sudah memberikan dampak positif diberbagai bidang, salah
satunya dalam bidang pendidikan.
Kecerdasan Buatan merupakan salah satu matakuliah yang
terdapat dalam jurusan Teknik Informatika, Universitas
Uyelindo . Pada matakuliah ini terdapat materi yang terkait
dengan metode forward chaining dan backward chaining.
Banyak mahasiswa yang merasa kesulitan dalam menerima materi
tentang metode forward chaining dan backward chaining, sehingga
kesulitan dalam menerapkan metode tersebut.
Dari latar belakang di atas, maka penulis bermaksud untuk
menguraikan secara rinci metode Forward Chaining dan Backward
Chaining dalam Sistem Pakar.
1.2 Batasan Masalah
Berdasarkan latar belakang yang telah diuraikan
sebelumnya, maka permasalahan yang dapat diangkat adalah
1
bagaimana menerapakan Forward Chaining dan Backward Chaining
dalam bentuk Algoritma dan penjelasannya.
1.3 Rumusan Masalah
a. Apa itu Sistem Pakar?
b. Apa itu Motor atau Mesin Inferensi (Inference Engine)?
c. Apa itu Forward Chaining dan Backward Chaining?
2
BAB II
PEMBAHASAN
2.1 System Pakar
2.1.1 Definisi Sistem Pakar
Sistem pakar (expert systems) adalah sistem yang
berusaha mengapdosi pengetahuan manusia ke komputer, agar
komputer dapat menyelesaikan masalah seperti yang biasa
dilakukan oleh para ahli. Sistem pakar yang baik dirancang
agar dapat menyelesaikan suatu permasalahan tertentu dengan
meniru kerja dari para ahli.
Jadi sistem pakar kepakaran ditransfer dari seorang pakar
(atau sumber kepakaran yang lain) ke komputer, pengetahuan
yang ada disimpan dalam komputer, dan pengguna dapat
berkonsultasi pada komputer itu untuk suatu nasehat, lalu
komputer dapat mengambil inferensi (menyimpulkan, mendeduksi,
dll.) seperti layaknya seorang pakar, kemudian menjelaskannya
ke pengguna tersebut, bila perlu dengan alasan-alasannya.
3
Dengan sistem pakar, orang awam pun dapat menyelesaikan
masalah yang cukup rumit yang sebenarnya hanya dapat
diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem
pakar juga akan membantu aktivitasnya sebagai asisten yang
sangat berpengalaman.
2.1.2 Strukur Sistem Pakar
Sistem pakar terdiri dari dua bagian pokok, yaitu
lingkungan pengembangan (development environment) dan lingkungan
konsultasi (consultation environment). Lingkungan pengembangan
digunakan sebagai pembangun sistem pakar baik dari segi
pembangun komponen maupun basis pengetahuan. Lingkungan
konsultasi digunakan oleh seseorang yang bukan ahli untuk
berkonsultasi.
2.1.3 Bentuk System Pakar
Berdiri sendiri.
Sistem pakar jenis ini merupakan software yang berdiri
sendiri tidak ergabung dengan software yang lainnya.
Tergabung.
4
Sistem pakar jenis ini merupakan bagian program yang
terkandung di dalam suatu algoritma (konvensional), atau
merupakan program dimana di dalamnya memanggil algoritma
subrutin lain (konvensianal).
Menghubungkan ke software lain.
Bentuk ini biasanya merupakan sistem pakar yang
menghubungkan ke suatu paket program tertentu, missal
dengan DBMS.
Sistem mengabdi.
Sistem pakar merupakan bagian dari komputer khusus yang
dihubungkandengan suatu fungsi tertentu. Misalnya sistem
pakar yang digunakan untuk membantu menganalisis data
radar.
2.2 Motor atau Mesin Inferensi ( Inference Engine)
Inference Engine adalah bagian yang menyediakan mekanisme
fungsi berfikir dan pola-pola penalaran sistem yang digunakan
oleh seorang pakar.
5
Mekanisme ini akan menganalisa masalah tertentu dan
selanjutnya akan mencari jawaban atau kesimpulan yang
terbaik.
Mesin ini akan dimulai pelacakannya dengan mencocokan
kaidah-kaidah dalam basis pengetahuan dengan fakta-fakta
yang ada dalam basis data.
Mesin inferensi berperan sebagai otak dari sistem pakar.
Mesin inferensi berfungsi untuk memandu proses penalaran
terhadap suatu kondisi, berdasarkan pada basis pengetahuan
yang tersedia. Di dalam mesin inferensi terjadi proses untuk
memanipulasi dan mengarahkan kaidah, model, dan fakta yang
disimpan dalam basis pengetahuan dalam rangka mencapai solusi
atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan
strategi penalaran dan strategi pengendalian. Strategi
penalaran terdiri dari strategi penalaran pasti (Exact
Reasoning) dan strategi penalaran tak pasti (Inexact
Reasoning). Exact reasoning akan dilakukan jika semua data
yang dibutuhkan untuk menarik suatu kesimpulan tersedia,
sedangkan inexact reasoning dilakukan pada keadaan
6
sebaliknya.
Strategi pengendalian berfungsi sebagai panduan arah dalam
melakukan prose penalaran. Terdapat tiga tehnik pengendalian
yang sering digunakan, yaitu forward chaining, backward
chaining, dan gabungan dari kedua tehnik pengendalian
tersebut.
2.3 Metode Inferensi
2.3.1 Tree (pohon) dan Graph
Tree (pohon) adalah suatu hierarki struktur yang terdiri
dari Node (simpul/veteks) yang menyimpan informasi atau
pengetahuan dan cabang (link/edge) yang menghubungkan node.
Binary tree mempunyai 0,1 atau 2 cabang per-node.
Node tertinggi disebut root
Node terendah disebut daun
7
Tree merupakan tipe khusus dari jaringan semantic, yang
setiap nodenya kecuali akar, mempunyai satu node orang tua
dan mempunyai nol atau lebih node anak.
Tree adalah kasus khusus dalam Graph
Graph dapat mempunyai nol atau lebih link di antara node dan
tidak ada perbedaan antara orangtua dan anak.
Dalam graph, link dapat ditunjukkan berupa panah atau arah
yang memadukan node dan bobot yang merupakan karakteristik
beberapa aspek dari link.
Beberapa contoh graph sederhana:
8
Graph asiklik adalah graph yang tidak mengandung siklus. Graph
dengan link berarah disebut digraph.
Graph asiklik berarah disebut lattice. Tree yang hanya dengan
path tunggal dari akar untuk satu daun disebut degenerate tree.
Aplikasi tree dan lattice adalah pembuatan keputusan disebut
decision tree dan decision lattice.
Contoh : decision tree yang menunjukkan pengetahuan tentang
hewan.
9
Aturan produksi (IF…THEN…) dari contoh di atas :
JIKA pertanyaan=”Apakah dia bertubuh besar ?”
DAN jawaban=”Tidak”
MAKA pertanyaan=”Apakah dia mencicit?”
JIKA pertanyaan=”Apakah dia bertubuh besar ?”
DAN jawaban=”Ya”
MAKA pertanyaan=”Apakah dia mempunyai leher
panjang?” dst……
2.4 Pohon AND-OR dan Tujuan
Banyak tipe system pakar menggunakan backward chaining
untuk mendapatkan solusi dari permasalahan. Salah satu
10
LULUS Sid.Sarjana
Persyaratan
SKS = 160IPK >=2.0
Lulus
KURSUS WORKSHOP
LULUS D3
tipe dari tree atau lattice yang digunakan dalam
masalah representasi backward chaining adalah Pohon AND-
OR.
contoh :
2.5 Penalaran Deduktif dan Silogisme
- Tipe-tipe Inferensi
11
o Deduction
Pemberian alasan logikal dimana kesimpulan harus
mengikuti premis
o Induction
Inferensi dari khusus ke umum
o Intuition
Tidak ada teori yg menjamin. Jawabannya hanya muncul,
mungkin dengan penentuan pola yg ada secara tidak
disadari.
o Heuristic
Aturan yg didasarkan pada pengalaman
o Generate & Test
Trial dan error. Digunakan dgn perencanaan.
o Abduction
Pemberian alasan kembali dari kesimpulan yg benar ke
premis .
o Default
Diasumsikan pengetahuan umum sebagai default
12
o Autoepistemic
Self-knowledge
o Nonmonotonic
Pengetahuan yg sebelumnya mungkin tdk benar jika
bukti baru didapatkan
o Analogy
Kesimpulan yg berdasarkan pada persamaan untuk
situasi yg lainnya.
- Suatu logika argument adalah kumpulan dari pernyataan-
pernyataan yang dinyatakan untuk dibenarkan sebagai
dasar dari rantai penalaran.
- Salah satu jenis logika argunen adalah Silogisme.
- Contoh :
Premis :Siapapun yang dapat membuat program
:adalah pintar
Premis : John dapat membuat program
Konklusi : Oleh karenanya John adalah pintar
13
Proses deduktif pada contoh di atas bergerak dari
prinsip umum menuju konklusi khusus.
- Penalaran deduktif umumnya terdiri dari tiga bagian :
premis mayor, premis minor dan konklusi.
- Premis disebut juga antecedent
- Konklusi/kesimpulan disebut juga consequent
- Silogisme dapat direpresentasikan ke dalam bentuk aturan
JIKA…..MAKA….. (IF…THEN…..), contoh :
JIKA siapapun yang dapat membuat program adalah pintar
DAN John dapat membuat program
MAKA John adalah pintar
- Silogisme klasik disebut categoricall syllogism (silogisme
yang pasti)
- Premis dan konklusi didefinisikan sebagai statement yang
pasti dari empat bentuk berikut :
Bentuk Skema Arti
A Semua S adalah P Universal Afirmative
14
E Tidak S adalah P Universal Negative
I Beberapa S adalah P Particular Afirmative
O Beberapa S bukan P ParticularNegative
- Subjek dari konklusi S disebut bagian minor bila
predikat konklusi P adalah bagian mayor.
- Premis terdiri dari premis mayor dan premis minor.
- Contoh :
Premis mayor : Semua M adalah P
Premis minor : Semua S adalah M
Konklusi : Semua S adalah P
Silogisme di atas adalah bentuk standar karena premis
mayor dan minor sudah diketahui.
Contoh :
“Semua mikrokomputer adalah computer”
Subjeknya (objek yang digambarkan) adalah mikrokomputer.
15
Predikatnya (beberapa sifat subjek) adalah computer
- M (middle term) adalah hal yang penting karena silogisme
didefinisikan sedemikian sehingga konklusi tidak dapat
disimpulkan dengan mengambil salah satu premis.
- Q (quantifier) menggambarkan porsi dari kelas yang
diketahui.
o Quantifier “semua” dan “tidak” adalah universal
karean menunjukkan keseluruhan kelas.
o “beberapa” adalah khusus (particular) karena hanya
menunjukkan satu bagian dari kelas yang diketahui.
- Mood dari silogisme didefinisikan sebagai tiga huruf
yang memberikan bentuk masing-masing premis mayor, minor
dan konklusi.
Contoh :
Semua M adalah P
Semua S adalah M
Semua S adalah P
16
menunjukkan suatu mood AAA-1
- Ada 4 kemungkinan pola susunan istilah S, P dan M :
Figure
1
Figure
2
Figure
3
Figure 4
Premis Mayor MP PM MP PM
Premis Minor SM SM MS MS
- Tidak selalu argument yang mempunyai bentuk silogisme
merupakan silogisme yang valid.
- Contoh : Silogisme tidak valid berbentuk AEE-1
Semua M adalah P
Tidak S adalah M
Tidak S adalah P
Semua mikrokomputer adalah computer
Bukan mainframe adalah mikrokomputer
Bukan mainframe adalah computer
17
- Diperlukan prosedur keputusan (decision procedure) untuk
pembuktian validitas.
- Prosedur keputusan untuk silogisme dapat dilakukan
menggunakan diagram venn tiga lingkaran yang saling
berpotongan yang merepresentasikan S,P, M.
- Contoh : Prosedur Keputusan untuk AEE-1
Semua M adalah P
Tidak S adalah M
Tidak S adalah
P
- Contoh : Prosedur Keputusan untuk EAE-1
18
a.Diagram Venn b. Setelah Premis
Mayor
c. Setelah Premis
Tidak M adalah P
Semua S adalah M
Tidak S adalah P
2.6 Forward Chaining dan Backward Chaining
Chain (rantai) : perkalian inferensi yang menghubung-kan
suatu permasalahan dengan solusinya.
2.6.1 Forward chaining :
Suatu rantai yang dicari atau dilewati/dilintasi dari
suatu permasalahn untuk memperoleh solusi.
Penalaran dari fakta menuju konklusi yang terdapat dari
fakta.
2.6.2 Backward chaining :
19
a. Diagram Venn b. Setelah Premis
c. Setelah Premis
Suatu rantai yang dilintasi dari suatu hipotesa kembali
ke fakta yang mendukung hipotesa tersebut.
Tujuan yang dapat dipenuhi dengan pemenuhan sub
tujuannya.
- Contoh rantai inferensi :
gajah(x) mamalia (x)
mamalia(x) binatang(x)
Causal (sebab-akibat) Forward chain
gajah(clyde)
gajah(x) mamalia(x)
mamalia(x) binatang(x)
binatang(clyde)
Explicit Causal chain
gajah(clyde)
gajah(clyde) mamalia(clyde)
20
unifikasi
implikasi mamalia(clyde)
mamalia(clyde)
unifikasi
implikasi
Karakteristik Forward dan Backward chaining
Forward chaining Backward chaining
Perencanaan, monitoring,
kontrol
Diagnosis
Disajkan untuk masa depan Disajikan untuk masa lalu
Antecedent ke konsekuen Konsekuen ke antecedent
Data memandu, penalaran
dari bawah ke atas
Tujuan memandu, penalaran
dari atas ke bawah
Bekerja ke depan untuk
mendapatkan solusi apa
yang mengikuti fakta
Bekerja ke belakang untuk
mendapatkan fakta yang
mendukung hipotesis
Breadth first search dimudahkan Depth first search dimudahkan
21
Antecedent menentukan
pencarian
Konsekuen menentukan
pencarian
Penjelasan tidak
difasilitasi
Penjelasan difasilitasi
Forward Chaining
22
BAB III
PENUTUP
3.1 Kesimpulan
Berdasarkan pemaparan di atas dapat disimpulkan bahwa:
a. Mesin Inferensi dalam sistem pakar (Forward
Chaining dan Backward Chaining) digunakan untuk
mencari sebuah masalah sehingga memberikan
kemudahan bagi orang-orang untuk mencari penyebab
masalah tersebut.
b. Metode Forward Chaining dan Backward Chaining
merupakan implementasi dari pembangunan sistem
pakar untuk keputusan pencarian sebuah masalah’
c. Memerlukan seorang yang ahli dalam mengambil
keputusan pencarian masalah. Sistem pakar tidak
akan selalu benar, tergatung pada sumber
informasinya.
4.1 Saran
25
Masih diperlukan akuisisi pengetahuan yang lebih detail
dan mendalam untuk meyempurnakan kedua metode Forward
Chaining dan Backward Chaing dalam pengambilan keputusan
pencarian masalah, sehingga dapat juga untuk mendesain sistem
pencarian yang lebih rumit.
Makalah ini masih perlu ditambah dengan mekanisme
pembelajaran,
agar proses penarikan kesimpulan menjadi lebih fleksibel dan
konsisten.
DAFTAR PUSTAKA
http://wongkidu.wordpress.com/beranda/makalah-sistem-
pakar-3/
http://www.google.com/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=5&cad=rja&ved=0CFEQFj
AE&url=http%3A%2F%2Fpublisherindo.blogspot.com
%2F2012%2F08%2Fmesin-inferensi-
adalah.html&ei=gtmaUfa0M8rZrQeI7oHwDA&usg=AFQjCNEWdmnJxm
26
nQ0aP9M_MT0xFLf6aIMg&sig2=coqqPloB2vLjCc5pofITvA&bvm=bv.
46751780,d.bmk
http://www.google.com/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=2&ved=0CDEQFjAB&url=h
ttp%3A%2F%2Frepository.usu.ac.id%2Fbitstream
%2F123456789%2F23487%2F5%2FChapter
%2520I.pdf&ei=U9iaUYHPC8iVrgf014DYCw&usg=AFQjCNHWjz_bdz_
ET1EnIj9Ff0d3syiesg&sig2=FDghd4LK0F2FI9uXzwj9kQ&bvm=bv.4
6751780,d.bmk
27