Setelah kita mengidentifikasi atribut-atribut beserta nilai-nilainya langkah selanjutnya adalah meyaring atribut-atribut apa saja yang diperlukan untuk
identifikasi pesawat terbang. Sebagai contoh jumlah mesin tidaklah diperlukan karena dari pesawat yang ada sebuah mesinnya berjumlah empat walaupun begitu
pada permasalahan yang nyata jumlah mesin diperlukan untuk mengidentifikasi jenis pesawat terbang, selain itu kita bisa menghilangkan tiga atribut yang terakhir karena
kita tidak bisa membedakan dengan jelas dari kejauhan. Akhirnya kita dapat 5 atribut yang digunakan untuk mengidentifikasi jenis pesawat terbang.
Sebelum melanjutkan pada proses selanjutnya, berhati-hatilah untuk menghilangkan aatribut yang ada karena dengan menghilangkan atribut kita akan
mengurangi production rule yang ada. Penghilangan atribut menimbulkan dilema, apakah kita akan mencari atribut yang minimal atau untuk amannya kita akan
menggunakan semua atribut yang ada. Tidak ada penjelasan yang pasti untuk kasus ini, terlalu banyak atribut yang digunakan akan mengakibatkan knowledge based
susah dipakai dan memerlukan banyak sekali data serta respon dari user, terlalu sedikit atribut yang digunakan bisa membatasi manfaat dari sistem pakar itu sendiri
dan mengakibatkan modifikasi yang sulit untuk masa yang akan datang. Diasumsikan bahwa dengan 5 atribut yang sudah didapat diatas kita bisa
mengidentifikasi pesawat terbang dengan baik.
2.18 Menentukan Decision tree
Ada beberapa cara untuk mengilustrasikan rule base dan proses inferensi. Cara yang umum adalah dengan menggunakan decision tree. Cara ini bisa
dijelaskan dengan baik dengan memberikan contoh. Untuk itu kita harus membuat decision tree untuk identifikasi pesawat terbang yang ada dalam Tabel 2.1.
Setiap node yang ada pada decision tree merepresentasikan pertanyaan tentang nilai dari suatu atribut atau sebuah kesimpulan. Setiap cabang yang keluar
dari sebuah node merepresentasikan kemungkinan nilai dari atribut yang bersesuaian.
Kita menggunaka Jenis Mesin sebagai root node dari decision tree, yaitu node yang mempunyai level tertinggi dari decision tree. Dibawahnya terdiri dari semua
kemungkinan jawaban yang ada. Level selanjutnya dari Jenis Mesin adalah Bentuk Sayap, Posisi Sayap, Pososi Sayap, Bentuk Ekor dan terakhir Bulges. Decision tree
yang dimaksud bisa dilihat pada Gambar 2.1. Dari Gambar 2.1 kita bisa
mengembangkan decision tree yang lain denganmenyederhanakan node-node yang tidak mempunyai jawaban, dari situ kita mendapat Gambar 2.2. Dari Gambar 2.2
didapat bahwa desion tree yang didapat memerlukan atribut yang lebih sedikit dan mempunyai jawaban yang pasti.
Tabel 2.1 Identifikasi pesawat terbang
Atribut Tipe Pesawat Terbang
C130 C141
C5A B747
Jenis Mesin Propeller
Jet Jet
Jet Posisi Sayap
High High
High Low
Bentuk Sayap Conventional
Swept Back Swept Back
Swept Back Ekor
Conventional T-Tail
T-Tail Conventional
Bulges Under Wings
Aft Wings None
Aft Cockpit
2.19 Membuat Rule dari Decision tree yang telah dibuat
Pada bagian ini telah jelas bahwa untuk mengidentifikasi pesawat terbang dapat menggunakan decision tree yang ada dengan mengikuti cabang-cabang pada
decision tree dengan nilai atribut yang bersesuaian dengan kenyataan yang ada. Sebagai contoh untuk mengidentifikasi bahwa pesawat tersebut adalah B747
pertama yang dilakukan adalah bahwa jenis mesin pesawat tersebut adalah jet kemudian posisi sayap dibawah badan pesawatnya. Tetapi yang akan kita lakukan
disini adalah sesuatu yang lebih menarik yaitu kita dapat mengkonversi decision tree yang ada menjadi himpunan production rule. Untuk menggambarkan proses ini akan
digunakan Gambar 2.2. Langkah-langkah yang harus ditempuh untuk mengkonversi adalah sebagai berikut :
1. Chain didefinisikan sebagai bagian dari satu node yang ada dalam tree kebagian lain dimana cabang mengarah hanya pada satu arah.
2. Langkah Pertama mengidentifikasi node kesimpulan yang belum diidentifikasi. 3. Langkah Kedua merunut chain dari node kesimpulan menuju ke root node
4. Langkah Ketiga dalam chain yang telah terindentifikasi pada langkah kedua, node yang berupa lingkaran menyatakan THEN node atau node kesimpulan dan
node yang berupa kotak merupakan IF node atau klausa premis. 5. Langkah Keempat membentuk production rule untuk chain yang dimaksud.
Gambar 2.1 Decision tree
Gambar 2.2 Production rule tipe 1 Jadi dari Gambar 2.2 didapat production rule sebagai berikut
Rule 1 If engine type is prop then plane is C130 Rule 2 If engine type is jet and wing position is low then plane is B747
Rule 3 If engine type is jet and wing position is high and bulges is none then plane is C5A
Rule 4 If engine type is jet and wing position is high ang bulges are aft of wing then plane is C141
Akhirnya kita bisa membuat knowledge base untuk masalah identifikasi pesawat terbang yang lengkap dan konsisten. Walaupun begitu kita tidak boleh
bergembira terlebih dahulu karena selain lengkap dan konsisten suatu knowledge base haruslah efisien. Satu definisi dari efisien yang mungkin adalah rule set yang
mempunyai atribut yang paling sedikit itu juga berarti sedikitnya pertanyaan yang harus dijawab oleh user. Ketika kita membuat Gambar 2.2 maka Gambar 2.2 itu
lebih efisien dari Gambar 2.1, tetapi Gambar 2.2 tidaklah seefisien dari Gambar 2.3.
Gambar 2.3 Production rule tipe 2
Dari Gambar 2.3 didapat production rule sebagai berikut Rule 1 If Bulges are none then plane is C5A
Rule 2 If Bulges are aft of wings then plane is C141 Rule 3 If bulges are aft of cockpit then plane is B747
Rule 4 If bulges are under wing then plane is C130 Dari production rule yang didapat diatas didapat bahwa atribut yang paling
penting adalah bulges, karena dengan satu atribut saja sudah bisa untuk mengidentifikasi pesawat terbang yang ada. Apabila situasi yang terjadi adalah
deterministik ini tidak akan menjadi maslah, tetapi apabila pengamat tidak bisa menentukan dengan pasti bulges dari pesawat karena cuaca yang buruk atau
karena sesuatu hal maka atribut yang lain akan sangat diperlukan.
2.20 Algoritma ID3 untuk Membuat Rule