2.3.8.2 Metode Inferensi
Metode inferensi adalah mekanisme berfikir dan pola-pola penalaran yang digunakan oleh sistem untuk mencapai suatu kesimpulan. Metode ini akan
menganalisa masalah tertentu dan selanjutnya akan mencari jawaban atau kesimpulan yang terbaik. Penalaran dimulai dengan mencocokan kaidah-kaidah
dalam basis pengetahuan dengan fakta-fakta yang ada dalam basis data. Terdapat dua cara metode mekanisme inferensi dalam sistem pakar
berbasis aturan, yaitu: 1. Runut maju forward chaining Runut maju adalah aturan-aturan diuji satu
demi satu dalam urutan tertentu data driven. Dalam metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan,
kemudian aturan tersebut dijalankan. Proses diulangi sampai ditemukan suatu hasil Wilson, 1998.
Contoh : Terdapat 10 aturan yang tersimpan dalam basis pengetahuan yaitu :
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 hanya A dan E, ingin membuktikan apakah K
bernilai benar. Proses penalaran forward chaining terlihat pada gambar dibawah :
Gambar 2.5 Proses Penalaran Forward Chaining 2. Runut mundur backward chaining adalah penalaran dimulai dari
kesimpulan dan akan dibuktikan kebenarannya goal driven. Metode ini merupakan cara yang efesien untuk memecahkan masalah yang
dimodelkan sebagai masalah yang terstruktur. Tujuan dari inferensi ini adalah mengambil pilihan terbaik dari banyak kemungkinan Kusrini,
2006 : 37. Metode backward chaining ini cocok digunakan untuk memecahkan masalah diagnosis Schnupp, 1989.
Contoh: Seperti pada contoh forward chaining, terdapat 10 aturan yang sama pada
basis pengetahuan dan fakta awal yang diberikan hanya A dan E. ingin membuktikan apakah K bernilai benar. Proses penalaran backward
chaining terlihat pada gambar berikut :
Gambar 2.6 Proses Penalaran Backward Chaining Kedua cara di atas dipengaruhi oleh macam penelusuran yang terdiri
atas 3 macam atau teknik penelusuran: 1. Depth first search
Depth first search merupakan teknik penelusuran dari node ke node
bergerak menurun ke tingkat dalam yang berurutan.
Proses pencarian dilakukan dengan mengunjungi cabang terlebih dahulu hingga tiba di simpul terakhir. Jika tujuan yang diinginkan belum tercapai
maka pencarian dilanjutkan ke cabang sebelumnya, turun ke bawah jika 1
7
9 8
5
6 2
4 3
Gambar 2.7 Depth First Search
10 10
memang masih ada cabangnya. Begitu seterusnya hingga diperoleh tujuan akhir goal.
2. Breadth first search Breadth first search
merupakan teknik penelusuran pada semua node dalam satu level sebelum berpindah ke level di bawahnya.
3. Best first search Best first search
merupakan kombinasi dari metode depth first search dan breadth first search
dengan mengambil kelebihan-kelebihan dari kedua metode tersebut. Pada metode best first search ini, pencarian node tujuan
atau goal, mengizinkan untuk mengunjungi sebuah node yang ada pada level yang lebih rendah jika ternyata node yang berada pada level yang
lebih tinggi memiliki nilai heuristik yang lebih buruk rendah. Hal ini sangat berbeda apabila pencarian dilakukan dengan metode hill
climbing, dimana pada metode hilll climbing tidak diperbolehkannya untuk mengunjungi sebuah node pada level yang rendah yang meskipun
node tersebut mempunyai nilai heuristik yang lebih baik tinggi. 1
7
9 8
5
6 2
4 3
Gambar 2.8 Breadth First Search
10 10
2.3.9 Representasi Pengetahuan
Kategori