Metode Inferensi penalaran Sistem Pakar

melanjutkan proses ini sampai goal diraih atau sampai tidak ada rule selanjutnya yang mempunyai alasan yang sesuai dengan fakta yang ada maupun fakta yang diketahui. Operasi dari sebuah forward-chaining sistem dimulai dengan inisialisasi tentang masalah yang dinyatakan dalam working memory. Hal ini dapat dibangun dengan sejumlah cara, seperti informasi yang diperoleh dari basis data, sensor atau menanyakan kepada user. Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi bernilai TRUE, maka proses akan meng-assert konklusi. Forward chaining adalah data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh. Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining Gambar 2.3 Proses Forward Chaining Giarratano dan Riley, 2005 Kedua metode Inferensi tersebut dipengaruhi oleh tiga macam teknik penelusuran, yaitu Depth first search, Breadth First Search, dan Best First Search. Berikut adalah penjelasannya Arhami, 2005:20 a. Depth first Search Melakukan penelusuran rule secara mendalam dari simpul akar bergerak menurun ke tingkat dalam yang berurutan. Metode penelusuran ini dimulai dari akar level 0 dan dilanjutkan dengan penelusuran node paling kiri yang berada pada level dibawahnya sampai dasar dari level. Bila tidak ditemukan goal maka pencarian diteruskan pada level 1 dan seterusnya 1 2 4 3 5 6 7 8 9 10 Goal Level 1 Leve Root Node start Level 0 l 2 Gambar 2.4 Depth First Search Arhami, 2005 b. Breadth First Search Bergerak dari simpul akar, simpul yang ada pada setiap tingkat diuji sebelum pindah ke tingkat selanjutnya. Metode Penelusuran ini dimulai dari akar level 0 dan dilanjutkan ke level selanjutnya. Pelacakan ini dilakukan dengan menelusuri pada semua node yang mempunyai level yang sama sampai menemukan goal pada level tersebut. Bila tidak ditemukan maka akan pindah ke level selanjutnya. 1 2 4 3 5 6 7 8 9 10 Goal Level 1 Root Node start Level 0 Level 2 Gambar 2.5 Breadth First Search Arhami, 2005 c. Best First search Merupakan gabungan dari kedua metode di atas, dimana dalam mencari goal penelusuran dimulai dengan breadth first search lalu dilanjutkan dengan depth first search. Metode ini lebih efektif dan efisien dalam menyelesaikan masalah. Pencarian jenis ini juga dikenal sebagai heuristic.pendekatan yang dilakukan adalah mencari solusi yang terbaik berdasarkan pengetahuan yang dimiliki sehingga penelusuran dapat ditentukan harus dimulai dari mana. Keuntungan jenis penelusuran ini adalah mengurangi beban komputasi karena hanya solusi yang memberi harapan saja yang akan diuji dan akan berhenti apabila solusi sudah mendekati yang terbaik. 1 2 4 3 5 6 7 8 9 10 Goal Level 1 Level 2 Root Node start Level 0 1 Gambar 2.6 Best First Search Arhami, 2005

2.2.9 Representasi Pengetahuan

Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema, diagram atau dalam format tertentu yang dapat dipahami oleh manusia dan dapat dieksekusi oleh komputer sehingga dapat diketahui relasi atau keterhubungan antara suatu data dengan data yang lain. Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya Turban, 2005:785. Berikut adalah beberapa cara untuk merepresentasikan pengetahuan, yaitu : 1. Rule-Based Knowledge Kaidah Produksi Pengetahuan direpresentasikan dalam suatu bentuk fakta facts dan aturan rules. Struktur rule secara lojik menghubungkan satu atau beberapa alasan premise yang terdapat dalam pernyataan JIKA IF dengan satu atau lebih kesimpulan conclusion yang terdapat dalam pernyataan MAKA THEN. Sebagai contoh, Level 2 2 4 3 5 6 7 8 9 10 Goal Level 1 Root Node start Level 0 JIKA lampu lalu lintas merah DAN anda telah berhenti, MAKA belok kanan diperbolehkan Secara umum rule dapat mempunyai beberapa alasan yang digabungkan dengan pernyataan AND conjunction, atau pernyataan OR disjunction atau dapat juga menggabungkan keduannya. 2. Frame-Based Knowledge Pengetahuan direpresentasikan dalam suatu bentuk hirarki atau jaringan frame. Frame merupakan sebuah struktur data untuk merepresentasikan pengetahuan dari berbagai konsep atau objek. Sebuah frame juga dapat digambarkan dalam berbagai bentuk seperti yang terlihat pada Gambar berikut Gambar 2.7 Representasi pengetahuan dengan Frame Arhami, 2005 3. Semantic Network Semantic network merupakan salah satu teknik untuk menggambarkan hubungan antar objek yang terbentuk melalui node-node dan links Gambar 2.8 Semantic Network Arhami, 2005 4. Logic Bentuk pengetahuan yang paling tua dalam merepresentasikan pengetahuan dalam komputer adalah logic. Dalam logic sendiri ada dua teknik yang sering digunakan dalam representasi pengetahuan yaitu Propositional Logic dan Predicate Calculus. a Propositional Logic Propositional logic merepresentasikan dan memberi alasan dengan dalil proposition , dimana salah satu pernyataannya adalah true atau false. b Predicate Calculus Predicate Calculus membagi pernyataan mejadi beberapa bagian, pemberian nama, karakteristik objek keterangan lain tentang objek 5. Daftar List List adalah daftar tertulis dari hal – hal items yang saling berhubungan. Bisa berupa daftar orang yang anda kenal, barang-barang yang harus dibeli dipasar swalayan, hal-hal yang harus dilakukan minggu ini, atau produk- produk dalam suatu katalog. Gambar 2.9 adalah representasi pengetahuan dengan list. Gambar 2.9 List Arhami, 2005