METODE INFERENSI FOWARD CHAINING DAN BACKWARD CHAINING

Metode Foward Chaining

Metode inferensi foward chaining ini digunakan untuk penelusuran maju dengan menggunakan pengulangan proses sampai hasil akir ditemukan. Foward chaining merupakan group dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada solusinya, jika klausa premis bernilai TRUE , maka proses akan meng-assert konklusi. Foward chaining adalah data driven karena inferensi dimulai dengan informasi yang tersedia dan baru konlusi yang diperoleh metode ini  mampu diterapkan untuk memecahkan masalah pengendalian("Controling") dan peramalan (Prognosis)  contoh penerapan metodefoward chaining.

image source hsc.csu.edu.au

Rule 1
Gejala klinis
Jika Sesak Nafas
Dan mengi
Dan batuk
Dan Produksi Lendir berlebihan
Dan suara Nafas Berderak
Dan terdapat pada anak kecil dan umur permulaan sekolah
Maka mengidap penyakit Asma Hipersekresi


Rule 2
Jika Sesak Nafas
Dan Mengi
Dan Batuk
Dan Produksi lendir berlebihan
Dan setelah melakukan kegiatan fisik
Maka mengidap penyakit Asma karena Beban Fisik
metode inferensi foward chaining dilakukan untuk deteksi fakta gejala penyakit yang dialami penderita termasuk dalam rule1 atau rule2 bahkan bukan salah satu dari rule tersebut .

Metode Backward Chaining

Backward Chaining merupakan kebalikan dari metode "foward chaining". "Backward chaining" dimulai dengan asumsi tujuan, mengukanakan keyakinan atau hipotesis terlebih dahulu kemudian akan dilakukan pelacakan fakta-fakta yang membawa kepada tujuan tersebut. Dalam menganalisis probem maka sistem diajarkan, berusaha dari posisi jika pada rule yang konklusinya merupakan goal  atau premis dari rule lain metode backward chaining cocok digunakan untuk "memecahkan masalah diagnosis". contoh metode backward chaining kita dapat melihat contoh kasus diatas, didasarkan suatu keyakinan penyakit  Asma Hipersekresi untuk membuktikan hipotesis, maka sistem akan meminta uman balik mengenai premis-premis yang ditemukan.

Metode Inferensi

metode inferensi adalah suatu proses untuk menghasilkan sebuah informasi dari fakta atau sebuah asumsi disebut sebagai inferensi. Pada "Sistem Pakar" sering disebut dengan istilah "Inference Engine", yang digunakan untuk sistem pengendali berdasarkan rule base yang telah ditetapkan. Pada tulisan ini difokuskan untuk mengetahui kelemahan Metode Foward Chaining dan Backward Chaining, yang sering digunakan dalam pembuatan sistem pakar.

Mesin Inferensi (Inference Engine)

metode Inference Engine merupakan bagian dari sebuah sistem pakar yang bertugas untuk menrmukan solusi yang ada. Proses yang dilakukan dalam mesin inferensi adalah bagaimana pengambilan keputusan terhadap konsultasi yang terjadi dan proses penalaran pada basis pengetahuan yang dimiliki.

Basis Pengetahuan (Knowledge Base)  

Basis pengetahuan merupakan elemen penting dalam sistem pakar sebab, keahlian atau kepakaran dari pakar disimpan didalamnya. Basis pengetahuan berisi fakta-fakta yang didapat dari seorang ahli dan diimplementasikan dalam sistem komputer dengan menggunakan metode representasi pengetahuan tertentu. Metode representasi pengetahuan adalah cara untuk menstrukturkan pengetahuan yang dimiliki oleh pakar agar mudah diolah komputer. Representasi Sistem pakar berbasis rule adalah kumpulan pengetahuan yang tersusun dengan struktur kondisi IF...  THEN... dan direlasikan dengan operator logika OR , AND  atau kombinasi keduanya OR dan AND. Startegi penalaran terdiri dari strategi penalaran pasti(Exact Reasoning) dan strategi penalaran tidak pasti (Inexact Reasioning). Exact Reasoning  akan dilakukan jika semua data untuk menarik kesimpulan tersedia, sedangkan inexact Reasoning akan dilakukan pada keadaan sebaliknya. Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan proses penalaran. Terdapat tiga teknik pengendalian yang sering digunakan dalam sistem pakar yaitu: Foward Chaining, Backward Chaining, dan gabungan dari kedua teknik pengendalian tersebut.  

Kelemahan Metode Foward Chaining dan Backward Chaining

Kelemahan pertama, Metode Foward Chaining dan Metode Backward Chaining, sama-sama mempunyai kekurangan yaitu dibatasi dengan "rule" atau aturan yang ditetapkan, jika tidak ada rule yang terpenuhi maka sistem belum bisa mengambil sebuah kesimpulan sebab belum tersedianya sebuah rule baru dari "sang pakar", atau knowledge base belum tersedia.

Kelemahan kedua, Metode Foward Chaining dan Backward Chaining, sama-sama belum dilengkapi teknik pengukuran akurasi hasil hipotesis, seberapa besar tingkat kepastian terhadap hipotesis, jika diambil dalam bentuk "persentase kecenderungan" mengidap penyakit tersebut.

Kesimpulan: Dalam menggunakan  Metode Foward Chaining maupun Metode Backward Chaining ini, sistem  harus ditambahkan satu kecerdasan, yang mampu memberikan tingkat kepastian oleh pengguna, apakah kepastian yang diukur 100% benar atau kurang dari 100%. Untuk melihat derajat kepercayaan terhadap "konklusi", maka harus menggunakan sebuah rumus. Untuk mengetahui derajat kepercayaan metode Foward Chaining dan Backward Chaining, dapat dilakukan dengan menggunakan salah satunya adalah  metode certainty faktor