SISTEM PAKAR PENENTUAN KOMPOSISI GIZI PAKAN UNTUK PENINGKATAN KUALITAS TERNAK SAPI DENGAN INFERENSI BACKWARD CHAINING Oleh: NOVRIYENNI Email: novri_yenni@yahoo.com
ABSTRACT This study was carried out to establish expert system uses backward chaining method to determine the nutrient composition of cattle feed. The purpose of this study was to Analyze existing problems in cattle associated with the fulfillment of nutritional needs , develop an expert system that is able to determine the nutrient composition of feed for cattle quality improvement and to test the application of backward chaining in the determination of the nutritional composition of cattle feed. knowledge base is a collection of expert knowledge and data are stored into the database of the knowledge base and the database is created using a method infrence engine backward inference engine design chaining. After the design inference engine formed the next step usr interface makes using the programming language Visual Basic 6.0 and Explanation Facilities. Search starts from the goal to sub-goals until further found that the feed composition in accordance with the data. Backward chaining method is very suitable for this case because the goal is already diketahu quality cattle. Keywords : Expert Systems , Backward Chaining, Visual Basic 6.0, Cattle Feeding Nutrition , Concentrate. PENDAHULUAN Sistem pakar merupakan salah satu cabang dari Artificial Inteliegence (AI). Sistem pakar adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang dimaksud adalah orang yang memepunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam (Kusrini, 2008). Sistem pakar memiliki 2 komponen utama, yaitu knowledge base dan Inference Engine. Ada beberapa metode untuk membuat sebuah sistem pakar salah satunya adalah Backward Chaining. Backward Chaining adalah strategi proses inferensi yang merupakan kebalikan dari forward chaining. Strategi berantai mundur dimulai dari tujuan dan berakhir
dengan fakta yang mengarah ke goal (Yuliadi Erdani,2012). Backward chaining digunakan untuk mengidentifikasi kerusaan monitor komputer, pada penelitian tersebut terbukti bahwa backward chaining mampu memberikan petunjuk mengenai berbagai masalah yang terjadi pada monitor komputer (Muhammad Dahria, 2012). Metode Backward Chaining adalah pendekatan yang menarik untuk digunakan di bidang komputer forensik. Langkah-langkah yang membentuk metode ini sangat menyerupai orang-orang yang ahli forensik manusia akan melakukan. Secara intuitif metode backward chaining dalam kasus diagnosis hidup bukti dikumpulkan dan penerapan inferensi aturan dapat dengan mudah dikonversi untuk mensimulasikan
metode forward chaining (Najib Saylani,2008). Para ahli peternakan telah melakukan berbagai penelitian terhadap pengaruh gizi pakan terhadap kualitas ternak sapi. Pakan sapi sebetulnya tidak saja rumput tapi dapat juga berupa biji-bijian, umbiumbian dan ampas penggilian. Kebutuhan gizi pakan juga harus disesuaikan dengan berbagai hal yaitu: jenis/fungsi sapi, berupa sapi pedaging atau sapi perah, jenis kelamin, serta usia sapi juga menjadi pertimbangan dalam pemberian pakan. Kurangnya pengetahuan para peternak terhadap hal ini membuat ternak sapi mereka menjadi kurang kualitasnya sehingga berdampak pada harga jual pada sapi pedaging atau kualitas air susu pada sapi perah. Dampak yang lebih buruk lagi adalah kematian, tentunya hal ini sangat merugikan para petani karena investasi pada usaha ternak sapi cukup tinggi. Berdasarkan hal tersebut, perlu adanya pemanfaatan teknologi informatika, khususnya sistem pakar yang mampu menggantikan para tenaga ahli peternakan dalam memberikan konsultasi terhadap komposisi gizi pakan yang baik sesuai dengan kebutuhan ternak sapi yang dimiliki. Penelitian ini menggunakan metode backward chaining karena sesuai dengan masalah yaitu bagaimana menentukan komposisi gizi pakan yang tepat untuk menghasilkan sapi yang berkualitas. Dari uraian diatas, maka penulis memilih judul tesis ini dengan judul: ”Sistem Pakar Penentuan Komposisi Gizi Pakan untuk Peningkatan Kualitas Ternak Sapi dengan Inferensi Backward Chaining” Perumusan Masalah
Berdasarkan latar belakang di atas, maka dapat dirumuskan permasalahannya sebagai berikut : 1.
2.
3.
Bagaimana menganalisa kebutuhan gizi ternak sapi terhadap pakan? Bagaimana metode backward chaining dapat menentukan komposisi gizi pakan yang baik untuk meningkatkan kualitas ternak sapi? Bagaimana membangun prototype sistem pakar penentu komposisi gizi pakan untuk peningkatan kualitas ternak sapi?
Batasan Masalah Permasalahan dalam penelitian ini dibatasi pada beberapa hal yaitu: 1.
Metode backward chaining akan digunakan
untuk
menetukan
komposisi gizi pakan yang baik. 2.
Membangun komposisi
komponen pakan
dan
basis
pengetahuan dengan role bisa diupdate dengan database. 3.
Membangun sistem pakar yang mampu
memberikan
layanan
konsultasi gizi pakan ternak sapi. Tujuan Penelitian Penelitian ini bertujuan untuk memecahkan permasalahan yang telah dirumuskan pada perumusan masalah di atas yaitu : 1. Menganalisa masalah yang ada pada ternak sapi terkait dengan pemenuhan kebutuhan gizinya. 2. Mengembangkan sebuah sistem pakar yang mampu menentukan komposisi gizi pakan untuk peningkatan kualitas ternak sapi.
3.
Menguji penerapan backward chaining dalam penentuan komposisi gizi pakan ternak sapi.
DASAR TEORI Sitem pakar adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang dimaksud adalah orang yang memepunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam (Kusrini,2008). Sistem pakar dirancang untuk dapat menirukan keahlian seorang pakar dalam menjawab pertanyaan dan menyelesaikan suatu permasalahan sesuai dengan tujuan pembuatan sistem tersebut. Secara umum sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya pakar. Sistem Pakar (Expert System) adalah salah satu cabang AI yang membuat penggunaan secara luas knowledge yang khusus untuk penyelesaian masalah tingkat manusia yang pakar. Komputer berbasis sistem pakar adalah program komputer yang mempunyai pengetahuan yang berasal dari manusia yang berpengetahuan luas atau pakar dalam domain tertentu, di mana pengetahuan di sini adalah pengetahuan manusia yang sangat minim penyebarannya, mahal serta susah didapat (Siswanto, 2010). Sistem pakar adalah sebuah program komputer cerdas yang menggunakan pengetahuan dan inferensi prosedur untuk memecahkan masalah yang cukup sulit yang melibatkan keahlian pakar untuk memecahkan masalah tersebut (Yuliandi Erdani, 2012)
Sistem Pakar merupakan cabang dari kecerdasan buatan, studi bidang mengembangkan dan mengimplementasikan programprogram komputer yang dapat bertindak dan bekerja pada garis otak manusia yang dapat memperoleh pengetahuan dan mengembangkan kecerdasan sendiri untuk bertindak sesuai dalam situasi yang mungkin seluruhnya atau sebagian baru. Ini adalah semacam program komputer yang cerdas, yang menggunakan basis pengetahuan dan mesin inferensi untuk memecahkan masalah diselesaikan hanya oleh para ahli. Sistem Pakar terdiri dari mesin inferensi, basis pengetahuan, pengetahuan memperoleh subsistem, antarmuka manusia-mesin dan interpreter. Inti dari sistem pakar adalah mesin inferensi dan basis pengetahuan. Sebuah mesin inferensi adalah program komputer yang mencoba untuk mendapatkan jawaban dari basis pengetahuan . Ini adalah "otak" bahwa sistem pakar mempekerjakan untuk alasan tentang informasi dalam basis pengetahuan untuk tujuan akhir merumuskan kesimpulan baru (Yash Jindal, at al., 2011). Sistem pakar adalah program komputer yang dirancang untuk memecahkan masalah dalam domain dimana ada tenaga ahli. Pengetahuan dibangun ke dalam sistem yang biasanya diperoleh dari para ahli di lapangan. berdasarkan pengetahuan ini, sistem pakar dapat meniru Proses para ahli manusia berpikir dan membuat kesimpulan logis sesuai (Sunday Tunmibi, 2013). Contoh sistem pakar yang banyak digunakan adalah sistem pakar untuk mendiagnosa penyakit, dimana sistem pakar ini dapat membantu pekerjaan dokter dalam melaksanakan tugasnya.
Komponen utama dari sistem pakar ada dua yaitu : Lingkungan pengembangan (development envirotment) dan Lingkungan konsultasi (consultation environment). Dalam lingkungan pengembangan digunakan oleh pembuat sistem pakar untuk membangun komponenkomponen sistem pakar dan memperkenalkan pengetahuan ke
dalam knowledge base (basis pengetahuan). Lingkungan konsultasi digunakan oleh pemakai untuk melakukan konsultasi untuk mendapatkan solusi dari sistem pakar seperti berkonsultasi dengan seorang pakar. Gambar 1.1 menunjukkan komponen-komponen penting dalam sebuah sistem pakar. Lingkungan
Lingkungan
Konsultasi
User
Antarmuka
Fakta-fakta tentang kejadian tertentu
Pengembangan Basis Pengetahuan Fakta : Apa yang diketahui tentang area domain Aturan : Logical reference
Fasilitas penjelsan
Rekayasa Pengetahuan
Motor Inferensi
Aksi yang direkomendasi
Akuisisi Pengetahuan
Pengetahuan pakar
Blackboard Rencana Solusi
Agenda Deskripsi masalah
Perbaikan Pengetahua n
Gambar 1. Komponen-komponen Penting Sebuah Sistem pakar Komponen-komponen dalam metode ini cocok diterapkan untuk sistem pakar adalah seperti yang melakukan pemilihan komposisi gizi terdapat pada gambar 1.1, yaitu user pakan untuk peningkatan kualitas interface (antar muka pengguna), basis ternak sapi. pengetahuan, akuisisi pengetahuan, Ternak sapi berdasarkan tujuan mesin inferensi, workplace, fasilitas ada 2 jenis yaitu sapi perah dan sapi penjelasan, dan perbaikan pedaging. Sapi perah di daerah Binjai pengetahuan. tidak telalu banyak hanya ada 30 ekor sapi perah dan jenisnya adalah sapi peranakan ongole atau disebut juga ANALISA DAN PERANCANGAN sapi putih/india. Sapi pedaging ada sebanyak 500 ekor. Untuk sapi perah Gambaran Umum Sistem pakar untuk penentuan hanya ada satu jenis yaitu induk komposisi gizi pakan ternak sapi laktasi. Sapi pedaging dibagi menjadi menggunakan metode inferensi runut penggemukan dan pembesaran pedet. mundur (backward chaining). Pemberian pakan terdiri dari hijauan Pemilihan metode ini didasari karena dan nutrisi konsentrat, hijauan berupa
rumput gaja, rumput raja, rumput setaria dan rumput benggala. Konsentrat terdiri atas kandungan BK (bahan kering), PK (protein kasar), dan TDN (total digestible nutrient). Knowledge Base
bahan pakan di suatu daerah dan juga melihat musim. Kualitas sapi perah diharapkan mampu menghasilkan 22 liter susu perhari dan untuk sapi pedaging dan pedet diharapkan mendapatkan pertambahan bobot 1 kg/hr. Total pakan ditentukan dari bobot sapi, untuk sapi perah 12% dari bobot sapi, sapi pedaging 10% dari bobot, dan pedet 9.7% dari bobot. Contoh perhitungan total pakan : Sapi pedaging dengan bobot 300Kg Total pakan = 10% * bobot sapi = 10% * 300 kg = 30kg Setelah diperoleh total pakan, selanjutnya ditentukan komposisi hijauan dan konsentrat yang akan diberikan kepada ternak sapi. Perbandingan hijauan dan konsentrat adalah sebagai berikut: - Sapi perah 78% hijauan dan 22% konsentrat - Sapi pedaging 85% hijauan dan 15% konsentrat - Pedet 80% hijauan dan 20% konsentrat
Dari hasil wawancara dengan nara sumber Prof.Dr.Ir Hj. Yetti Marlida MS. di dapat kesimpulan bahwa ada beberapa hal yang perlu diperhatikan pada saat meramu ransum pakan ternak yaitu: 1. Bobot badan ternak Mengetahui bobot badan sapi diperlukan terkait dengan korelasi antara bobot badan dengan kapasitassaluran pencernakan untuk menampung bahan kering pakan. Pemberian pakan berlebihan tidak efisien, sebaliknya pemberian pakan yang terlalu sedikit akan menyebabkan produksi ternak menurun. Aturan umum pemberian pakan adalah : sapi perah 12% dari bobot sapi, sapi pedaging 10% dari bobot, dan pedet 9.7% dari bobot 2. Ketersedian bahan pakan Ketersedian bahan pakan perlu Dari fakta dan aturan dapat diperhatikan untuk menjamin digabarkan analisa kebutuhan sistem kualitas dan kontiyuitas pakar penentuan komposisi gizi pakan pemberian pakan. Manajemen ternak sapi sebagai berikut: pemberian pakan perlu mempertimbangkan ketersedia Tabel 1. Daftar Aturan (Rule) untuk Penentuan Komposisi Pakan Sapi No 1 2
3
4
Aturan (Rule) IF sapi = sapi perah AND musim= hujan AND Bobot =300 THEN jumlah hijauan = 28.1kg AND jumlah Konsentrat = 7.9kg AND Hijauan=rumput IF sapi = sapi perah AND musim= hujan AND Bobot =350 THEN jumlah hijauan = 32.8kg AND jumlah Konsentrat = 9.2kg AND Hijauan=rumput IF sapi = sapi perah AND musim= hujan AND Bobot = 400 THEN jumlah hijauan = 37.4k AND jumlah Konsentrat = 10.6kg AND Hijauan=rumput IF sapi = sapi perah AND musim= hujan AND Bobot = 450 THEN jumlah hijauan 42.1kg AND jumlah Konsentrat = 11.9kg AND Hijauan=rumput
Tabel 4.4. Daftar Aturan (Rule) untuk Penentuan Komposisi Pakan Sapi (Lanjutan) No 5
6
8
9
10
11
12
13
14
23
24
25
26
27
28
Aturan (Rule) IF sapi = sapi perah AND musim= hujan AND Bobot = 500 THEN jumlah hijauan 46.8kg AND jumlah Konsentrat = 13.2kg AND Hijauan=rumput IF sapi = sapi perah AND musim= Kemarau AND Bobot = 300 THEN jumlah hijauan =28.1kg AND jumlah Konsentrat =7.9kg AND hijauan = rumput + Pakan alternatif IF sapi = sapi perah AND musim= kemarau AND Bobot = 400 THEN jumlah hijauan = 37.4kg AND jumlahKonsentrat= 10.6kg AND hijauan = rumput + Pakan alternatif IF sapi = sapi perah AND musim= kemarau AND Bobot = 450 THEN jumlah hijauan = 42.1kg AND jumlah Konsentrat = 11.9kg AND hijauan = rumput + Pakan alternatif IF sapi = sapi perah AND musim= kemarau AND Bobot = 500 THEN jumlah hijauan = 46.8kg AND jumlah Konsentrat = 13.2kg AND hijauan = rumput + Pakan alternatif IF sapi = sapi pedaging AND musim= hujan AND Bobot = 250 THEN jumlah hijauan = 21.3kg AND jumlah Konsentrat = 3.8kg AND Hijauan= rumput IF sapi = sapi pedaging AND musim= hujan AND Bobot = 300 THEN jumlah hijauan = 25.5kg AND jumlah Konsentrat = 4.5kg AND Hijauan= rumput IF sapi = sapi pedaging AND musim= hujan AND Bobot = 350 THEN jumlah hijauan = 29.8kg AND jumlah Konsentrat = 5.3kg AND Hijauan= rumput IF sapi = sapi pedaging AND musim= hujan AND Bobot = 400 THEN jumlah hijauan = 34kg AND jumlah Konsentrat = 6kg AND Hijauan= rumput
IF sapi = pedet AND musim= hujan AND Bobot = 100 THEN jumlah hijauan = 7.8kg AND jumlah Konsentrat hijauan= rumput IF sapi = pedet AND musim= hujan AND Bobot = 150 THEN jumlah hijauan = 22.6kg AND jumlahKonsentrat hijauan= rumput IF sapi = pedet AND musim= hujan AND Bobot = 200 THEN jumlah hijauan = 15.5kg AND jumlah Konsentrat hijauan= rumput IF sapi = pedet AND musim= kemarau AND Bobot = 100 THEN jumlah hijauan = 7.8kg AND jumlah Konsentrat hijauan = rumput + Pakan alternatif IF sapi = pedet AND musim= kemarau AND Bobot = 150 THEN jumlah hijauan = 22.6kg AND jumlah Konsentrat hijauan= rumput + Pakan alternatif IF sapi = pedet AND musim= kemarau AND Bobot = 200 THEN jumlah hijauan = 15.5kg AND jumlah Konsentrat hijauan= rumput + Pakan alternatif
= 1.9kg AND
= 2.9kg AND
= 3.9kg AND
= 1.9kg AND
= 2.9kg AND
= 3.9kg AND
Flowchat Penelusuran
Gambar 2. Flowchart Penelusuran Komposisi Gizi Pankan Ternak Sapi Flowchat penelusuran merupakan gambaran simatik untuk mempresentasikan pengetahuan yang dihubungkan dari objek-objek. Sistem pakar penentuan komposisi gizi pakan ternak sapi mengununakan mesin inferensi backward chaining,
penelusuran dimulai dari goal berupa jenis sapi dilanjut pada sub goal pertama yaitu musim dan sub goal kedua bobot sapi. Kemudian di dapatkan komposisi pakan yang terdiri atas pakan hijauan dan konsentrat dan
jenis hijauan berdasarkan ketersedian musim. Mesin Inferensi Mesin inferensi yang digunakan backward chaining, runut balik dimana penelusuran keputusan dimulai dari goal dilanjut pada sub goal kemudian diperoleh solusi. Cara kerja inferensi engine backward chaining dalam penelusuran keputusan sebagai berikut: Goal: 1. Sapi perah (X) Database : musim hujan(D), bobot 300kg(E), Knowledgebase :
-
IF musim hujan(D) THEN Hijauan=Rumput(A) - IF bobot = 300kg (E) AND Jumlah Pakan =36kg(F) - IF jumlah pakan=36kg(F) THEN jumlah Hijauan = 28.1kg(B) AND jumlah konsentrat = 7.9kg(C) - IF jumlah Hijauan = 28.1kg(B) AND jumlah konsentrat = 7.9kg(C) AND Hijauan=rumput(A) THEN Sapi perah(G) Jika dilambangkan menjadi :
Goal : X Database:D & E Knowledge: If D Then A If E Then F IF B & C & A Then G IF F THEN B & C Langkah penelusuran: 1. Tentukan goal adalah G, apakah G bisa dieksekusi? Tidak, karena B, C dan F belum ada di database. 2. Telusuri A, apakah A bisa di eksekusi? Ya, karena D ada dalam database 3. Telusuri B & C, tidak bisa dieksekusi karena F tidak ada dalam database 4. Telusuri F, bisa dieksekusi karena E ada dalam database
Gambar 3. Cara Kerja Backward Chaining Sistem pakar penentuan komposisi Gizi pakan ternak sapi algoritmanya dimulai dari pakar diminta memasukkan jenis pakan, komposisi pakan dan kandungan nutrisi yang dibutuhkan untuk sapi tertentu. Data pengetahuan ini disimpan di dalam knowledgebase yang menjadi otak dari sistem pakar. Cara kerja mesin inferensi terlihat pada gambar 4.7, user menginputkan data dan melakukan konsultasi dengan menginputkan jenis sapi yang dimiliki, jenis sapi, data musim saat konsultasi
serta bobot sapi Musim menentukan jenis pakan yang tersedia dan didapat komposisi pakan. Goal yang diinginkan adalah komposisi pakan diinputkan sistem akan melakukan pengecekan dalam basis aturan, apabila basis aturan pertama cocok maka akan muncul komposisi pakan. Apabila basis aturan pertama tidak cocok maka lakukan pengecekan ke basis aturan berikutnya. Peroses pengecekan dilakukan berulang sampai ditemukan kecocok.
Gambar 4. Flowchat Mesin Inferensi IMLEMENTASI SISTEM Tahapan awal dari pembuatan program ini dimulai dari menentukan data-data yang diperlukan dalam pembuatan program, seperti data-data jenis sapi, data jenis pakan dan data komposisi pakan. Setelah semua data yang diperlukan jelas barulah dirancang databasenya dengan menggunakan Ms Access. Setelah merancang database, selanjutnya dirancang antar muka (Interface) sistem, yaitu form-form yang dibutuhkan didalam pembuatan program dengan menggunakan Bahasa Pemograman VB. Form-form yang dirancang dilengkapi dengan tomboltombol operasi (Simpan, Hapus, Edit dan keluar).
Program yang dirancang dilengkapi dengan manajemen user untuk 2 kategori pengguna, yaitu tingkat admin dan tingkat pengguna. Hal ini diterapkan untuk keamanan sistem jika seandainya sistem ini nantinya diletakkan di tempat umum yang mudah diakses oleh orang banyak. Pengujian Sistem Pengujian dilakukan dengan mencocokan data yang diberikan ke sisitem dengan rule yang ada dalam sistem. Pengujian dilakukan dengan mencocokan goal, subgoal1, subgoal1. Berikut akan dilakukan pengujian untuk sapi perah dengan
bobot
300
dan
musim
kemarau
disajikan dalam gambar 5.9 berikut:
Gambar 5. Proses Pengujian Sistem Setelah data dimasukkan klik tombol banyak hijauan dan konsentrat dalam hasil untuk melihat hasil rekomendasi satuan kg. hasil yang diperoleh komposisi pakan ternak sapi sesuai merupakan hasil penelusuran pada dengan rule yang dimasukkan.Hasil tabel rule, kode rule yang ditemukan rekomendasi memberikan solusi untuk akan disimpan kedalam tabel hasil dan jenis pakan yang tepat pada musim ditampilkan hasil seperti gambar 6. kemarau dan komposisi pakan berupa
Gambar 6. Contoh Hasil Konsultasi Kesimpulan Berdasarkan penelitian dan pembahasan yang dilakukan dapat disimpulkan bahwa: 1. Untuk memenuhi gizi ternak sapi pakan diberi tambahan konsentrat, perbandingan jumlah pakan hijauan dan konsentrat berbeda untuk tiap jenis sapi.
2. Penerapan metode Backward Chaining sangat sosok untuk menentukan komposisi pakan yang tepat untuk meningkatkan kualitas sapi. Pada kaasus inii tuaja atau goal telah diketahui yaitu sapi perah, sapi pedaging dan pedet dari goal kemudian ditelusuru sub goal sehingga di
peroleh hasil berupa komposisi gizi pakan ternak sapi. 3. Pembangunan prototype sistem pakar penentuan komposisi gizi pakan untuk meningkatan kualiatas sapi dimulai dengan pengumpulan knowledge base dari para pakar, membuat database untuk menyimpan datadata yang berhubungan dengan komposisi pakan, dari knowledge base dan database dilakukan perose penentuan komposisi pakan yang tepat menggunakan metode backward chaining. Langkah berikutnya adalah pembuatan user interface untuk sistem dapat berinteraksi dengan pengguna dan terakhir adalah menyusun explanation facilities yang berisi prosedur tentang cara penggunaan program.
Saran 1. Dengan dikembangkan sistem pakar penentuan komposisi gizi pakan ternak sapi, diharapkan jumlah rule-rule yang digunakan lebih banyak lagi sehingga hasil yang diperoleh sesuai dengan kebutuhan ternak sapi. 2. Rancangan sistem pakar ini, menurut penulis masih jauh dari kesempurnaan, untuk itu penulis berharap ada pihak lain atau peneliti lain yang mau mengembangkan dan melanjutkan penelitian ini. 3. Untuk mendapatkan hasil analisa yang lebih detil sebaiknya diterapkan metoda-metoda statistik dan sistem pengambilan keputusan.
DAFTAR PUSTAKA Kusrini, (2008). “Aplikasi Sistem Pakar”. ANDI. Yogyakarta. Lili Zailzar, Sujono, Suyatno dan Ahmad Yani (2011), “Peningkatan Kualitas dan Ketersedian Pakan untuk Mengatasi Kesulitan di Musim Kemarau Pada kelompok Peternakan Sapi Perah”, Jurnal Dedikasi vol. 8. Muhammad Dahria (2012), “Implementasi Inferensi Backward Chaining untuk Mengetahui Kerusakan Monitor Komputer”, Jurnal Ilmiah SAINTIKOM vol. 11, No. 1. Muhammad Arhami, (2005). “Konsep Dasar Sistem Pakar”. ANDI. Yogyakarta Najib Saylani (2008), “ Aplication of Backward Chaining Method to Computer Forensic”, Communication of the IBIMA vol. 6. S. Baba, A .Muktiani, A.Ako, dan M.I.A. Dagong (2011), “Keragaman dan Kebutuhan Teknologi Pakan Peternakan Sapi Perah di Kabupaten Enrekang” , Jurnal Ilmiah Media Peternakan Edisi Agustus 2011. Siswanto (2010). “Kecerdasan Tiruan”. Edisi 2. Yogyakarta: Graha Ilmu. Sunday Tunmibi, Oriyomi Adeniji Ayooluwa Aregbesola dan Ayodeji Dasylva (2013), “ Research Article A Rule Based Expert System for Diagnosis Fever”, International Journal of Advanced Research vol. 1, issue 7. Turban, Efraim., Aronson, Jay E., dan Liang, Ting-Peng. 2005. “Decision Support System and Intelligent Systems (Sistem Pendukung Keputusan dan Sistem Cerdas)”. Terjemahan Siska Primanningrum. Jilid 2. Edisi 7. ANDI. Yogyakarta. Yash Jindal, Swati Jain, Rashi Aggarwal dan Ms. Neeta Veerma (2010), “Approach Towards Car Failure Diagnosis-An Expert System”, International Journal of Computer Apllications vol. 1, No. 23.
Yuliadi Erdani (2012), “Developing Backward Chaining Algorithm of Inference Engine in Ternary Grid Expert System”, International Journal of Advanced Computer Science and Aplications vol.3, N0.9.