13
2.4. Algoritma Forward Chaining Runut Maju
Metode Forward Chaining merupakan proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang meyakinkan menuju konklusi akhir. Runut
maju biasa juga disebut sebagai penalaran forward forward reasoning atau pencarian yang dimotori data data driven search. Jadi dimulai dari premis-premis atau informasi
masukan if dahulu kemudian menuju konklusi atau drived information then atau dapat dimodelkan sebagai berikut :
IF informasi masukan THEN konklusi
Informasi masukan dapat berupa data, bukti, temuan, atau pengamatan. Sedangkan konklusi dapat berupa tujuan, hipotesa, penjelasan atau diagnosis. Sehingga jalannya
penalaran runut maju dapat dimulai dari data menuju tujuan, dari bukti menuju hipotesa, dari temuan menuju penjelasan, atau dari pengamatan menuju diagnosa.Giarattano,
2005. Dan berikut ini adalah contoh dari forward chaining.
IF nyeri pada wajah AND hidung tersumbat
AND nyeri pada kepala AND nyeri pada telinga
THEN sinusitis sfenoid
Secara sederhana runut maju diterangkan sebagai berikut secara sederhana untuk kaidah diatas, agar system pakar mencapai konklusi harus disuplay dahulu fakta nyeri pada
wajah . hidung tersumbat dan nyeri pada kepala dan nyeri pada telinga. Barulah sistem mengeluarkan konklusi bahwa user menderita penyakit sinusitis sfenoid.
2.5. Certainty Factor
Dalam aplikasi sistem pakar terdapat suatu metode untuk menyelesaikan masalah ketidakpastian data, salah satu metode yang digunakan adalah faktor kepastian
certainty factor. Ada dua macam faktor kepastian yang digunakan, yaitu faktor
Universitas Sumatera Utara
14 kepastian yang diisikan oleh pakar bersana denga aturan dan factor kepastian yang
diberikan pengguna. Faktor kepastian yang diisikan oleh pakar menggambarkan kepercayaan pakar terhadap hubungan antara antecedent dan konsekuen. Sementara itu
kepastian dari pegguna menunjukkan besarnya kepercayaan terhadap keberadaan masing-masing elemen dalam antecedent.Kusrini, 2008.
Nilai Certainty factor CF didapat dari interpretasi “term” dari pakar yang
diubah menjadi nilai Certainty factor CF tertentu sesuai tabel berikut ini :
Tabel 2.1 : Nilai Ketidakpastian Uncertain Term
Nilai CF
Definitly not pasti tidak -1.0
Almost certainty not hampir pasti tidak -0.8
Probably not kemingkinan besar tidak -0.6
Maybe not mungkin tidak -0.4
Unknown tidak tahu -0.2
– 0.2 Maybe
0.4 Probably
0.6 Almost Certainty
0.8 Definitly
1.0 Sumber : Mulyanto E., Sutojo T. Suhartono. Kecerdasan Buatan. 2011
Certainty factor CF merupakan salah satu teknik yang digunakan untuk mengatasi ketidakpastian dalam mengambil keputusan. Certainty factor CF dapat
terjadi dengan berbagai kondisi. Diantara kondisi yang terjadi adalah terdapat beberapa antenseden dalam rule yang berbeda dengan satu konsekuen yang sama. Dalam kasus
ini kita harus mengkombinasikan nilai CF keseluruhan dari kondisi yang ada. Berikut formula yang digunakan menurut MYCIN Widiyanto, 2015
Universitas Sumatera Utara
15 Berikut rumus untuk melakukan perhitungan CF kombinasi
Keterangan : CFkomb
= Certainty Factor CF kombinasi antara CF awal dan CF akhir CF1
= Certainty factor awal CF2
= Certainty factor akhir CF1 + CF2 1-CF1 kedua-duanya 0
CF1 + CF2 salah satu 0 1-min|CF1|,|CF2|
CF1 + CF2 1 – CF1 kedua-duanya 0
CFkomb CF1, CF2
{
=
Universitas Sumatera Utara
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1. Analisis Sistem
Kategori