Tabel 2.1 Perbedaan Sistem Konvensional dan Sistem Pakar Kusrini, 2006
Sistem Konvensional Sistem Pakar
Informasi dan pemrosesan umumnya digabung dalam satu program sequential.
Knowledge base terpisah dari mekanisme pemrosesan inference.
Program tidak pernah salah kecuali pemrogramnya yang salah.
Program bisa saja melakukan kesalahan. Tidak menjelaskan mengapa input
dibutuhkan atau bagaimana hasil diperoleh.
Penjelasan explanation merupakan bagian dari expert system
Data harus lengkap. Data tidak harus lengkap.
Perubahan pada program merepotkan. Perubahan pada rules dapat dilakukan
dengan mudah.
Sistem bekerja jika sudah lengkap Sistem dapat bekerja hanya dengan rules
yang sedikit.
Eksekusi secara algoritmik step by step. Eksekusi dilakukan secara heuristic.
Manipulasi efektif pada database yang besar.
Manipulasi efektif pada knowledge-base yang besar.
Efesien adalah tujuan utama. Efektivitas adalah tujuan utama.
Data kuantitatif Data kualitatif
Representasi data dalam numeric Representas pengetahuan dalam symbol.
Menangkap, menambah, dan mendistribusikan data numeric atau
informasi Menangkap, menambah, dan
mendistribusikan pertimbangan dan pengetahuan.
2.2.8 Metode Inferensi penalaran
Menurut Giarratano dan Riley 2005 metode inferensi untuk memecahkan suatu persoalan dalam sistem pakar dapat dilakukan dengan merangkai rantai
produksi Chaining. Jenis rantai produksi Chaining tersebut adalah : a.
Backward Chaining Backward-Chaining adalah sebuah metode atau strategi inferensi yang
diperoleh untuk membuktikan suatu hipotesis dengan dukungan informasi. Backward-Chaining dimulai dengan sebuah goal yang harus dibuktikan.
Langkah dalam membuktikan suatu goal adalah sebagai berikut:
Pertama, periksa working memory untuk melihat jika goal telah ditambahkan sebelumnya. Langkah ini diperlukan karena mungkin basis pengetahuan lain
sudah siap membuktikan suatu goal. Kedua, jika sebuah goal tidak dibuktikan sebelumnya, maka sistem akan mencari rule satu persatu dalam bagian
THEN. Tipe rule ini disebut dengan goal rule. Selanjutnya sistem akan memeriksa jika alasan goal tercantum dalam working memory. Alasan yang
tidak tercantum akan menjadi goal baru yang disebut dengan subgoal. Backward Chaining Menggunakan pendekatan goal-driven, dimulai dari
ekspektasi apa yangdiinginkan terjadi hipotesis, kemudian mengecek pada sebab-sebab yang mendukung ataupun kontradiktif dari ekspektasi tersebut.
Jika suatu aplikasi menghasilkan tree yang sempit dan cukup dalam, maka gunakan backward chaining.
Gambar 2.2 Proses Backward Chaining Giarratano dan Riley, 2005
b. Forward Chaining
Forward-chaining adalah metode atau strategi inferensi yang dimulai dengan sekumpulan fakta-fakta baru yang diperoleh dengan menggunakan rule,
dimana alasan yang digunakan sesuai dengan fakta yang ada, dan
