Keuntungan Sistem Pakar Sistem Pakar Berbasis Web Untuk Mendiagnosis Penyakit Mulut Menggunakan Metode Fuzzy

dasarnya sistem pakar diterapkan untuk mendukung aktifitas pemecahan masalah. Beberapa aktifitas pemecahan yang dimaksud antara lain: pembuatan keputusan decision making, pemanduan pengetahuan knowledge fusing, pembuatan desain designing, perencanaan planning, prakiraan forecasting, pengaturan regulating, pengendalian controlling, diagnosis diagnosing, perumusan prescribing, penjelasan explaining, pemberian nasihat advising dan pelatihan tutoring. Selain itu sistem pakar juga dapat berfungsi sebagai asisten yang pandai dari seorang pakar Kusrini, 2006. Pada saat ini sistem pakar telah banyak diterapkan dalam berbagai bidang seperti kedokteran, komputer, ekonomi dan lain-lain.Contoh dalam bidang kedokteran adalah Aplikasi Diagnosa Penyakit Anak melalui Sistem Pakar Menggunakan Java 2 Micro Edition. Aplikasi ini berbasiskan pengetahuan medis untuk mendiagnosa penyakit anak yang digunakan sebagai alat bantu dalam memperoleh informasi mengenai penyakit anak dan memberikan anjuran sebagai tindakan pertama yang harus dilakukan untuk menanggulangi penyakit pada anak Erlita, 2009.

2.3 Keuntungan Sistem Pakar

Sistem pakar yang cenderung menjadi ”seorang” spesialis ini memiliki keuntungan sebagai berikut: 1. Membuat seorang awam dapat bekerja seperti layaknya seorang pakar. 2. Dapat bekerja dengan informasi yang tidak lengkap atau tidak pasti. 3. Meningkatkan output dan produktivitas. Sistem pakar dapat bekerja lebih cepat dari manusia. Keuntungan ini berarti mengurangi jumlah pekerja yang dibutuhkan dan akhirnya akan mereduksi biaya. Universitas Sumatera Utara 4. Meningkatkan kualitas. 5. Sistem pakar menyediakan nasihat yang konsisten dan dapat mengurangi tingkat kesalahan. 6. Membuat peralatan yang kompleks lebih mudah dioperasikan karena system pakar dapat melatih pekerja yang tidak berpengalaman. 7. Handal reliable Sistem pakar tidak dapat lelah atau bosan.Juga konsisten dalam memberi jawaban dan selalu memberikan perhatian penuh. 8. Memiliki kemampuan untuk memecahkan masalah yang kompleks. 9. Memungkinkan pemindahan pengetahuan ke lokasi yang jauh serta memperluas jangkauan seorang pakar, dapat diperoleh dan dipakai di mana saja. Merupakan arsip yang terpercaya dari sebuah keahlian sehingga userseolah-olah berkonsultasi langsung dengan sang pakar meskipun sang pakar sudah pensiun.

2.3.1 Kelemahan Sisitem Pakar

Disamping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan Kusumadewi, 2003, antara lain: 1. Masalah dalam mendapatkan pengetahuan, dimana pengetahuan tidak selalu bisa didapatkan dengan mudah, karena kadang kala pakar dari masalah yang kita buat tidak ada dan kalaupun ada kadang-kadang pendekatan yang dimiliki oleh pakar berbeda-beda. 2. Boleh jadi sistem tidak memberikan keputusan. 3. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal. 4. Sulit dikembangkan. Hal ini tentu saja karena ketersediaan pakar masih sedikit di bidangnya. Universitas Sumatera Utara 5. Sistem pakar tidak 100 bernilai benar.

2.3.2 Pemakaian Sistem Pakar

Melalui sistem pakar, sistem melakukan ekstraksi informasi tambahan dari user dengan memberikan sejumlah pertanyaan yang terkait dengan permasalahan selama berkonsultasi. Sistem pakar biasanya digunakan oleh: 1. Orang awam yang bukan pakar untuk meningkatkan kemampuan mereka dalam memecahkan masalah. 2. Seorang asisten yang berkemampuan seperti seorang pakar. Sistem pakar merupakan program yang dapat menggantikan keberadaan seorang pakar. Alasan mendasar mengapa sistem pakar dikembangkan untuk menggantikan seorang pakar: a. Dapat menyediakan kepakaran setiap waktu di berbagai lokasi. b. Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang pakar. c. Seorang pakar akan pensiun atau pergi. d. Menghadirkanmenggunakan jasa seseorang pakar memerlukan biaya yang mahal. e. Kepakaran dibutuhkan juga pada lingkungan yang tidak bersahabat hostile environment.

2.3.3 Ciri-ciri Sisitem Pakar

Adapun ciri-ciri sistem pakar, antara lain: Universitas Sumatera Utara 1. Terbatas pada bidang yang spesifik. 2. Dapat memberikan penalaran untuk data-data yang tidak lengkap atau tidak pasti. 3. Dapat mengemukakan rangkaian alasan yang diberikannya dengan cara yang dapat dipahami. 4. Berdasarkan pada rule atau kaidah tertentu. 5. Dirancang untuk dapat dikembangkan secara bertahap. 6. Output nya bersifat nasihat atau anjuran. 7. Output tergantung dari dialog dengan user. 8. Knowledgebase dan inference engine terpisah. Umumnya sistem pakar diharapkan untuk memenuhi fungsi-fungsi sebagai berikut Bratko, 1990: 1. Penyelesaian masalah, kemampuan untuk menyelesaikan masalah dengan tepat pada domain yang spesifik dengan informasi yang terbatas dan diperlukan tidak harus lengkap. 2. Berinteraksi dengan user, sistem pakar harus dapat berinteraksi dengan user dan menjelaskan suatu sistem dan kesimpulan-kesimpulan selama dan setelah proses penyelesaian masalah. Dengan fungsi-fungsi sistem pakar tersebut, diharapkan sistem pakar dapat menggantikan keahlian dari seorang pakar pada domain yang sama. Karena pada kenyataannya, kemampuan kerja seorang ahlipun dipengaruhi oleh beberapa hal misalnya perasaan pakar tersebut, kondisi pakar tersebut labil atau tidak, tingkat emosi pakar, dan masalah-masalah yang sedang dihadapi oleh pakar, berbeda dengan sistem pakar yang bekerja pada kemampuan kerja yang terus konsisten, dimana pada beberapa kasus dapat diselesaikan lebih cepat oleh sistem pakar itu sendiri. Universitas Sumatera Utara Hal ini bukan berarti bahwa sistem pakar lebih unggul dibandingkan pakar itu sendiri.Hal ini dapat disebabkan karena pada sistem pakar ada kemungkinan salah menemukan kesimpulan yang dihasilkan meskipun data-data yang diberikan adalah valid.Berikut ini adalah salah satu contoh kesalahan pada sistem pakar, misalnya untuk sistem pakar yang digunakan untuk mengidentifikasikan binatang.Setelah sistem pakar melakukan konsultasi dengan userpemakai, didapatkan data berwarna putih, dapat bergerak, harus mendapatkan energi dari luar, mempunyai gigi, dan moncong.Ternyata yang diidentifikasikan oleh sistem pakar adalah sebuah mobil sedan yang berwarna putih.Hal ini menunjukkan bahwa dalah sistem pakar tersebut di atas masih ditemukan adanya kesalahan.Yang diketahui oleh sistem pakar ini adalah mengolah data-data yang telah ada sehingga menghasilkan suatu konklusi.Konklusi ini terlepas dari sesuai dari kenyataan atau tidak.Beberapa keunggulan dan kelemahan sistem pakar dibandingkan seorang ahli dapat dilihat seperti pada Tabel 2.1. Tabel 2.1 Perbandingan antara Sistem Pakar dan Ahli Iskandar, 1998 Faktor Sistem Pakar Ahli Universitas Sumatera Utara

2.3.4 Katagori Sistem Pakar

Berdasarkan tujuan pembuatannya, sistem pakar dikategorikan menjadi: 1. Interpretasi Interpreting Dengan tujuan menganalisa data yang tidak lengkap, tidak teratur dan data yang kontradiktif yang biasanya diperoleh melalui sensor. Contoh: analisis citra. 2. Prediksi Predicting Dengan tujuan untuk memberikan kesimpulan mengenai akibat atau efek yang mungkin terjadi dari sejumlah alternatif situasi yang diberikan. Contoh: financial forecasting. 3. Diagnosa Diagnosing Kemampuan mengenali bidang permasalahan Tidak Ya Kemungkinan lupa atau salah perhitungan Tidak mungkin terjadi Mungkin terjadi Lebih bijaksana dengan keadaan lapangan Tidak Ya Biaya Relatif rendah Tinggi Ketersediaan waktu Setiap waktu Jam kerja Unjuk kerja Konsisten Tergantung keadaan Tempat berada Di mana saja Lokal Kecepatan penyelesaian Konsisten Tergantung keadaan Universitas Sumatera Utara Dengan tujuan untuk melakukan diagnosa yang menentukan sebab-sebab gagalnya suatu sistem dalam situasi kompleks yang didasarkan pada pengamatan terhadap gejala-gejala yang diamati. Prinsipnya adalah untuk menemukan apa masalah atau kerusakan yang terjadi. Contoh: computer troubleshooting. 4. Desain Designing Dengan tujuan untuk menentukan konfigurasi yang cocok dari komponen- komponen yang ada pada sebuah sistem sehingga diperoleh kemampuan kerja yang memuaskan walaupun terdapat keterbatasan di dalamnya. Contoh: layout circuit. 5. Perencanaan Planning Dengan tujuan untuk mendapatkan tahapan secara urut dari tindakan yang harus dilakukan untuk mencapai sasaran yang ditetapkan sebelumnya dari suatu kondisi awal tertentu. Contoh: lengan robot yang dapat memindahkan lima blok dengan susunan tertentu dari susunan asal yang acak. 6. Pengamatan Monitoring Dengan tujuan membandingkan perilaku yang diamati dalam suatu sistem dengan perilaku yang diharapkan untuk mengenal variasi perilaku yang terdapat di dalamnya. Contoh: control instalasi nuklir. 7. Pelacakan dan Perbaikan Debugging and Repairing Dengan tujuan untuk menentukan dan melakukan perbaikan pada kegagalan suatu sistem. Contoh: tahap uji coba software computer. 8. Instruksi Instructing Universitas Sumatera Utara Dengan tujuan untuk mendeteksi dan memperbaiki kekurangan perilaku siswa dalam memahami bidang informasi tertentu. Contoh: program tutorial. 9. Kontrol Controlling Dengan tujuan untuk mengatur perilaku kerja sistem dalam suatu lingkungan yang kompleks, termasuk di dalamnya adalah penafsiran, perkiraan, pengawasan dan perbaikan perilaku kerja sistem tersebut. Contoh: control terhadap proses manufacturing lengkap. 10. Klasifikasi Classifying Dengan tujuan menentukan kriteria dari sejumlah kategori yang diberikan. Contoh: menentukan bidang pekerjaan yang cocok untuk seorang calon pegawai.

2.3.5 Tiga Unsur Manusia dalam Sistem Pakar

Unsur manusia yang berpartisipasi dalam pengembangan dan pemakaian sistem pakar: 1. Domain Expert Mendefinisikan apakah yang dimaksud dengan pakar itu adalah sangat sulit.Dimana masalahnya adalah berapa banyak keahlian yang harus dimiliki seseorang sebelum dapat dikualifikasikan sebagai seorang pakar.Pakar adalah seorang yang mempunyai pengetahuan khusus, pendapat, keahlian dan metode serta kemampuan menggunakannya di dalam memberikan nasehat untuk memecahkan suatu masalah. Universitas Sumatera Utara Tugas dari para pakar ini adalah menyediakan pengetahuan bagaimana dia melaksanakan tugasnya, pengetahuan ini kemudian diserap dan diduplikasikan ke sistem pakar. Karakteristik sistem pakar: a. Saling berkomunikasi dengan pakar-pakar lain b. Menyelesaikan masalah secara cepat dan akurat c. Menjabarkan apa dan bagaimana mereka melakukannya d. Merubah sudut pandang agar dapat disesuaikan dengan persoalan e. Mampu membagikan pengetahuan f. Mempertimbangkan apakah kesimpulan yang dihasilkan sudah benar g. Belajar dari pengalaman Keahlian expertise pakar dapat diperoleh dari training, membaca atau dari praktekpengalaman.Untuk pakar yang ingin menambah keahlian, sistem pakar bertindak sebagai kolega atau teman sejawat. 2. Knowledge Engineer Knowledge engineer adalah pihak yangmembuat sistem pakar.Knowledge engineer ini bertugas untuk menyerap dan mengambil pengetahuan atau kemampuan yang dimiliki oleh para pakar serta mengimplementasikannya ke dalam sebuah software sistem pakar.Tugas ini cukup sulit karena seorang knowledge engineer tidak boleh memasukkan perkiraan atau perasaannya ke dalam pengetahuan yang diperolehnya.Di samping itu, knowledge engineer juga Universitas Sumatera Utara harus pandai memperoleh informasipengetahuan pakar karena kadangkala seorang pakar tidak dapat menjelaskan semua keahliannya. 3. User Pemakai adalah pihak yang mempergunakan sistem pakar.Kemampuan sistem pakar dikembangkan untuk mempermudah dan menghemat waktu dan usaha user. 2.3.6Struktur Sistem Pakar Sistem pakar terdiri dari dua bagian pokok, yaitu: lingkungan pengembangan development environment dan lingkungan konsultasi consultation environment. Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi pembangunan komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi. Gambar 2.1 berikut ini merupakan struktur dari sistem pakar Kusumadewi, 2003, hal: 113-115. Universitas Sumatera Utara Gambar 2.1 Struktur Sistem Pakar Komponen-komponen yang terdapat dalam arsitekturstruktur sistem pakar: 1. Antarmuka Pengguna User Interface Antarmuka merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi.Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem.Selain itu antarmuka menerima dari sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh pemakai. 2. Basis Pengetahuan Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaianmasalah. 3. Akuisisi Pengetahuan Knowledge Acquisition Universitas Sumatera Utara Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer.Dalam tahap ini knowledge engineer berusaha menyerap pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan.Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian, dan pengalaman pemakai. 4. MesinMotor Inferensi Inference Engine Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah.Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan. 5. WorkplaceBlackboard Workplace merupakan area dari sekumpulan memori kerja working memory, digunakan untukmerekam kejadian yang sedang berlangsung termasuk keputusan sementara. 6. Fasilitas Penjelasan Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar, digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan. 7. Perbaikan Pengetahuan Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya. Kemampuan tersebut adalah Universitas Sumatera Utara penting dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya dan juga mengevaluasi apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang. 2.3.7Basis Pengetahuan Knowledge Based Basis pengetahuan berisi pengetahuan-pengetahuan dalam penyelesaian masalah, tentu saja di dalam domain tertentu. Ada dua bentuk pendekatan basis pengetahuan yang sangat umum digunakan, yaitu: 1. Penalaran berbasis aturan Rule-Based Reasoning Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk: IF-THEN. Bentuk ini digunakan apabila dimiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu dan si pakar dapat menyelesaikan masalah tersebut secara berurutan. Di samping itu, bentuk ini juga digunakan apabila dibutuhkan penjelasan tentang jejak langkah-langkah pencapaian solusi. 2. Penalaran berbasis kasus Case-Based Reasoning Pada penalaran berbasis kasus, basis pengetahuan akan berisi solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang fakta yang ada. Bentuk ini digunakan apabila user menginginkan untuk tahu lebih banyak lagi kasus-kasus yang hampir sama mirip. Selain itu, bentuk ini juga digunakan apabila kita telah memiliki Universitas Sumatera Utara sejumlah situasi atau kasus tertentu dalam basis pengetahuan Kusumadewi, 2003, hal: 115-116.

2.3.8 Motor Inferensi Inference Engine

Inferensi merupakan proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan. Inferensi adalah konklusi logis logical conclusion atau implikasi berdasarkan informasi yang tersedia. Ketika representasi pengetahuan pada bagian knowledge based telah lengkap atau paling tidak telah berada pada level yang cukup akurat, maka representasi pengetahuan tersebut telah siap digunakan. Inference engine merupakan modul yang berisi program tentang bagaimana mengendalikan proses reasoning. Ada dua metode inferensi yang penting dalam sistem pakar, yaitu runut maju forward chaining dan runut balik backward chaining Kusrini, 2008, hal: 8.

2.3.8.1 Runut Maju Forward Chaining

Runut maju berarti menggunakan himpunan aturan kondisi-aksi. Dalam metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan. Mungkin proses menambahkan data ke memori kerja. Proses diulang sampai ditemukan suatu hasil Wilson, 1998. Metode inferensi runut maju cocok digunakan untuk menangani masalah pengendalian controlling dan peramalan prognosis Giarattano dan Riley, 1994. Untuk mempermudah pemahaman mengenai metode ini, akan diberikan ilustrasi kasus pembuatan sistem pakar dengan daftar aturannya sebagai berikut: Universitas Sumatera Utara R1: IF A B THEN C R2: IF C THEN D R3: IF A E THEN F R4: IF A THEN G R5: IF F G THEN D R6: IF G E THEN H R7: IF C H THEN I R8: IF I A THEN J R9: IF G THEN J R10: IF J THEN K Jika fakta awal yang diberikan hanya: A dan F artinya: A dan F bernilai benar. Ingin dibuktikan apakah K bernilai benar hipotesis: K. Langkah-langkah inferensi adalah sebagai berikut: - Dimulai dari R1.A merupakan fakta sehingga bernilai benar, sedangkan B belum bisa diketahui kebenarannya, sehingga C-pun juga belum bisa diketahui kebenarannya.Oleh karena itu kita tidak mendapatkan informasi apapun pada R1 ini, sehingga kita menuju R2. - Pada R2, kita tidak mengetahui informasi apapun tentang C, sehingga kita juga tidak bisa memastikan kebenaran D. Oleh karena itu kita tidak mendapatkan informasi apapun pada R2 ini, sehingga kita menuju R3. - Pada R3, baik A maupun E adalah fakta sehingga jelas benar. Dengan demikian F sebagai konsekuen juga ikut benar. Sehingga kita sekarang mempunyai fakta baru yaitu F. Karena F bukan hipotesis yang hendak kita buktikan = K, maka penelusuran dilanjutkan ke R4. - Pada R4, A adalah fakta sehingga jelas benar. Dengan demikian G sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu G. Karena G bukan hipotesis yang hendak kita buktikan = K, maka penelusuran kita lanjutkan ke R5. - Pada R5, baik F maupun G bernilai benar berdasarkan aturan R3 dan R4. Dengan demikian D sebagai konsekuen juga ikut benar. Sehingga sekarang Universitas Sumatera Utara kita mempunyai fakta baru yaitu D. Karena D bukan hipotesis yang hendak kita buktikan = K, maka penelusuran dilanjutkan ke R6. - Pada R6, baik A maupun G adalah benar berdasarkan fakta R4. Dengan demikian H sebagai konsekuen juga ikut benar. Karena H bukan konsekuen yang hendak kita buktikan = K, maka penelusuran dilanjutka ke R7. - Pada R7, meskipun H benar berdasarkan R6, namun kita tidak tahu kebenaran C, sehingga I-pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R7 ini.Sehingga kita menuju ke R8. - Pada R8, meskipun A benar karena fakta, namun kita tidak tahu kebenaran I, sehingga J-pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun dari R8 ini, sehingga kita menuju R9. - Pada R9, J bernilai benar karena G benar berdasarkan R4. Karena J bukan hipotesis yang hendak kita buktikan = K, maka penelusuran kita lanjutkan ke R10. - Pada R10, K bernilai benar jika J benar berdasarkan R9. Karena H sudah merupakan hipotesis yang hendak kita buktikan = K, maka terbukti bahwa K adalah benar. Alur inferensi dapat dilihat pada Gambar 2.2 berikut ini. Universitas Sumatera Utara A E F G D J K K Fakta Fakta R3 R6 R5 R4 R9 R10 Gambar 2.2 Forward Chaining

2.3.8.2 Runut Balik Backward Chaining

Runut balik merupakan metode penalaran kebalikan dari runut maju. Dalam runut balik, penalaran dimulai dengan tujuan merunut balik ke jalur yang akan mengarahkan ke tujuan tersebut Giarattano dan Riley, 1994. Dengan menggunakan kasus yang sama pada proses penalaran runut maju, maka fakta awal yang diberikan hanya: A dan F artinya: A dan F bernilai benar. Ingin dibuktikan apakah K bernilai benar hipotesis: K. Langkah-langkah inferensi adalah sebagai berikut: - Pertama-tama kita cari terlebih dahulu mulai dari R1, aturan mana yang memiliki konsekuen K. Ternyata setelah ditelusuri, aturan dengan konsekuen K baru ditemukan pada R10.Untuk membuktikan bahwa K benar, maka perlu dibuktikan bahwa J benar. - Kita cari aturan yang memiliki konsekuen J. Kita mulai dari aturan R1, dan ternyata kita baru akan menemukan aturan dengan konsekuen J pada R8. Untuk membuktikan bahwa J benar, maka perlu dibuktikan bahwa I dan A Universitas Sumatera Utara benar.Untuk membuktikan kebenaran I, kita perlu cari aturan dengan konsekuen I, ternyata ada di R7. - Untuk membuktikan I benar di R7, kita perlu buktikan bahwa C dan H benar.Untuk itu kitapun perlu mencari aturan dengan konsekuen C, dan ada di R1. - Untuk membuktikan C benar di R1, kita perlu buktikan bahwa A dan B benar. A jelas benar karena A merupakan fakta. Sedangkan B kita tidak bisa membuktikan kebenarannya, karena selain bukan fakta, di dalam basis pengetahuan juga tidak ada aturan dengan konsekuen B. Dengan demikian maka dari penalaran ini kita tidak bisa membuktikan kebenaran dari hipotesis K. Namun demikian, kita masih punya alternatif lain untuk melakukan penalaran. - Kita lakukan backtracking. Kita ulangi lagi dengan pembuktian kebenaran C dengan mencari aturan lain dengan konsekuen C. Ternyata tidak ditemukan. - Kita lakukan backtracking lagi dengan mencari aturan dengan konsekuen I, ternyata juga tidak ada. - Kita lakukan backtracking lagi dengan mencari aturan dengan konsekuen J, ternyata kita temukan pada R9, sehingga kita perlu buktikan kebenaran G. - Kita mendapatkan R4 dengan konsekuen G. Kita perlu buktikan kebenaran A. Karena A adalah fakta, maka terbukti bahwa G benar. Dengan demikian berdasarkan penalaran ini bisa dibuktikan bahwa K bernilai benar. Alur inferensi dapat dilihat pada Gambar 2.3 berikut ini. Universitas Sumatera Utara K J I C A A H B R1 Fakta Tidak diketahui R7 R8 R10 a Pertama: Gagal K J G A R10 R4 R9 Fakta b Kedua: Sukses Gambar 2.3 Backward Chaining

2.4 Logika Fuzzy