Backward Chaining & Forward Chaining
UTHIE
Inferensi merupakan proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan. Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia dilakukan dalam suatu modul yang disebut Inference Engine (Mesin inferensi)
MESIN INFERENSI BASIS PENGETAHUAN (ATURAN)
AGENDA
FASILITAS PENJELASAN
MEMORI KERJA (FAKTA)
FASILITAS AKUISISI PENGETAHUAN
ANTAR MUKA PENGGUNA
Metode Inferensi Runut
maju/forward chaining Runut balik/backward chaining Campuran
Runut Maju Menggunakan himpunan aturan kondisiaksi Dalam metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan Cocok digunakan untuk menangani masalah pengendalian (controlling) dan peramalan (prognosis) (Giarattano dan Riley, 1994).
Urutan Langkah Runut Maju Tampilkan semua daftar premis User memilih premis yang dialami Sistem mencari aturan yang premisnya terdiri dari premis-premis yang dipilih oleh user Sistem akan menampilkan konklusi dari aturan tersebut
untuk mengetahui apakah suatu fakta yang dialami oleh pengguna itu termasuk konklusi 1, konklusi 2, konklusi 3, atau konklusi 4 atau bahkan bukan salah satu dari konklusi tersebut user diminta memasukkan premispremis yang dialami sistem dapat memunculkan daftar premis yang mungkin sehingga user dapat memberikan feedback premis mana yang dialami dengan memilih satu atau beberapa dari daftar premis yang tersedia
Premis: Premis1 Premis2 Premis3 Premis4 Premis5 Premis 6 Berdasarkan premis-premis yang dipilih maka sistem akan mencari aturan yang sesuai, sehingga akan diperoleh konklusinya
Pilihan User: Premis1 Premis2 Premis3
Aturan 1 Konklusi 1
Pilihan User: Premis1 Premis6
Aturan 4 Konklusi 4
Contoh Kasus Forward Chaining
Misalkan diketahui sistem pakar menggunakan 5 buah rule sebagai berikut : R1 : If (Y and D) THEN Z R2 : If (X and B and E) then Y R3 : if A then X R4 : if C then L R5 : if (L and M) then N fakta-fakta : A, B,C,D dan E bernilai benar Goal : menentukan apakah Z bernilai benar
Iterasi 1
Iterasi 2
Iterasi ke 3
Sampai disini proses dihentikan karena sudah tidak ada lagi rule yang bisa dieksekusi pencarian adalah Z bernilai benar. (lihat database di bagian fakta baru)
Contoh kasus 2 forward chaining Keputusan investasi A : Memiliki 100juta B : < 30 tahun C : Pendidikan Sarjana D : Pendapatan tahunan <=400juta E : Investasi di saham F : Investasi di saham pertumbuhan G : Investasi di saham IBM Fakta yg diketahui: Seseorang memiliki 100juta dan berumur 25 tahun, ingin meminta saran apakah sebaiknya dia berinvestasi di saham IBM atau tidak
Rule yang diketahui adalah : 1. Jika memiliki 100 juta dan memiliki pendidikan sarjana maka cocok investasi di saham 2. jika pendapatan tahunan <=400juta dan pendidikannya sarjana maka cocok investasi di saham pertumbuhan 3. Jika umur < 30 tahun dan sudah Investasi di saham maka cocok investasi di sahan pertumbuhan 4. Jika umur < 30 tahun maka pasti pendidikannya sarjana 5. Jika investasi di saham pendidikan maka pasti juga investasi di saham IBM
Contoh Kasus 3
Diketahui sistem pakar mempunyai 10 Rule yang tersimpan pada basis pengetahuannya sebagai berikut : R1 : IF ( A AND B) THEN C R2 : IF C THEN D R3 : IF (A AND E) THEN F R4 : IF A THEN G R5 : IF (F AND G) THEN D R6 : IF (G AND E) THEN H R7 : IF (C AND H) THEN I R8 : IF (I AND A) THEN J R9 : IF G THEN J R10 : IF J THEN K Fakta awal yang diberikan adalah A & F, buktikan apakah K bernilai benar apabila proses inferensi dilakukan dengan cara forward chaining.
Backward Chaining
Penalaran dimulai dengan tujuan kemudian merunut balik ke jalur yang akan mengarahkan ke tujuan tersebut (Giarattano dan Riley, 1994). Merupakan cara yang efisien untuk memecahkan masalah yang dimodelkan sebagai masalah pemilihan terstruktur. Tujuan dari inferensi ini adalah mengambil pilihan terbaik dari banyak kemungkinan. Metode inferensi runut balik ini cocok digunakan untuk memecahkan masalah diagnosis (Schnupp, 1989).
Urutan Langkah Runut Balik
Sistem akan melist dalam memori daftar konklusi yang ada Masing-masing konklusi secara sekuensial dicari premisnya Masing-masing premis di tanyakan ke user Jika jawaban ya, dilanjutkan ke premis berikutnya Jika jawabannya tidak dilanjutkan ke konklusi selanjutnya
untuk mengetahui apakah suatu fakta yang dialami oleh pengguna itu termasuk konklusi 1, konklusi 2, konklusi 3, atau konklusi 4 atau bahkan bukan salah satu dari konklusi tersebut sistem akan mengambil hipotesis bahwa konklusinya adalah dari konklusi 1 s/d konklusi 4 Untuk membuktikan hipotesisnya sistem akan mencari premis-premis aturan yang mengandung konklusi yang diduga. Setelah itu sistem akan meminta feedback kepada user mengenai premispremis yang ditemukan tersebut.
Hipotesis Konklusi: Konklusi 1
Jika ketiga premis dialami user, maka konklusi 1 terbukti, jika tidak pindah ke konklusi 2
Premis yang sesuai: Premis 1 Premis 2 Premis 3
Contoh Kasus backward Chaining
Misalkan diketahui sistem pakar menggunakan 5 buah rule sebagai berikut : R1 : If (Y and D) THEN Z R2 : If (X and B and E) then Y R3 : if A then X R4 : if C then L R5 : if (L and M) then N fakta-fakta : A, B,C,D dan E bernilai benar Goal : menentukan apakah Z bernilai benar
Iterasi ke-1
Iterasi ke-2
Iterasi ke-3
Iterasi ke-4
Iterasi ke-5
Iterasi ke-6 Karena Goal Z ditemukan di database, maka proses pencarian dihentikan. Disini terbukti bahwa Z bernilai benar
Contoh kasus 2 backward chaining Keputusan investasi A : Memiliki 100juta B : < 30 tahun C : Pendidikan Sarjana D : Pendapatan tahunan <=400juta E : Investasi di saham F : Investasi di saham pertumbuhan G : Investasi di saham IBM Fakta yg diketahui: Seseorang memiliki 100juta dan berumur 25 tahun, ingin meminta saran apakah sebaiknya dia berinvestasi di saham IBM atau tidak
Rule yang diketahui adalah : 1. Jika memiliki 100 juta dan memiliki pendidikan sarjana maka cocok investasi di saham 2. jika pendapatan tahunan <=400juta dan pendidikannya sarjana maka cocok investasi di saham pertumbuhan 3. Jika umur < 30 tahun dan sudah Investasi di saham maka cocok investasi di sahan pertumbuhan 4. Jika umur < 30 tahun maka pasti pendidikannya sarjana 5. Jika investasi di saham pendidikan maka pasti juga investasi di saham IBM
Contoh Kasus 3
Diketahui sistem pakar mempunyai 10 Rule yang tersimpan pada basis pengetahuannya sebagai berikut : R1 : IF ( A AND B) THEN C R2 : IF C THEN D R3 : IF (A AND E) THEN F R4 : IF A THEN G R5 : IF (F AND G) THEN D R6 : IF (G AND E) THEN H R7 : IF (C AND H) THEN I R8 : IF (I AND A) THEN J R9 : IF G THEN J R10 : IF J THEN K Fakta awal yang diberikan adalah A & F, buktikan apakah K bernilai benar apabila proses inferensi dilakukan dengan cara backward chaining.
