FORWARD & BACKWARD CHAINING SISTEM PAKAR

FORWARD & BACKWARD CHAINING SISTEM PAKAR

Inferensi • Inferensi adalah konklusi logis (logical conclusion) atau implikasi berdasarkan informasi yang tersedia • Merupakan proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan • Dilakukan dalam suatu modul yang disebut Inference Engine (Mesin inferensi)

Rheza Andika - Universitas Gunadarma

Inferensi dengan Rules • Inferensi dengan rules merupakan implementasi dari modus ponen, yang direfleksikan dalam mekanisme search (pencarian). • Firing a rule: Bilamana semua hipotesis pada rules (bagian “IF”) memberikan pernyataan BENAR • Dapat mengecek semua rule pada knowledge base dalam arah forward maupun backward • Proses pencarian berlanjut sampai tidak ada rule yang dapat digunakan (fire), atau sampai sebuah tujuan (goal)tercapai. • Ada dua metode inferencing dengan rules, yaitu Forward Chaining atau Data-Driven dan Backward Chaining atau Goal-Driven. Rheza Andika - Universitas Gunadarma

Forward Chaining • Forward chaining merupakan grup dari multipel inferensi yang melakukan pencarian dari suatu masalah kepada solusinya. • Dalam metode ini, data digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan • Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi • Forward Chaining adalah data driven karena inferensi dimulai dengan informasi yg tersedia dan baru konklusi diperoleh • Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan forward chaining.


Urutan Langkah Forward Chaining • Tampilkan semua daftar premis • User memilih premis yang dialami • Sistem mencari aturan yang premisnya terdiri dari premis-premis

yang dipilih oleh user • Sistem akan menampilkan konklusi dari aturan tersebut


Forward Chaining

Sistem dapat memunculkan daftar premis yang mungkin sehingga user dapat memberikan feedback premis mana yang dialami dengan memilih satu atau beberapa dari daftar premis Rheza Andika - Universitas Gunadarma yang tersedia

Forward Chaining


Forward Chaining


Forward Chaining


Contoh Kasus Forward Chaining • Misalkan diketahui sistem pakar menggunakan 5 buah rule sebagai berikut :  R1 : If (Y and D) THEN Z  R2 : If (X and B and E) then Y  R3 : if A then X  R4 : if C then L  R5 : if (L and M) then N • Fakta-fakta : A, B,C,D dan E bernilai benar • Goal : menentukan apakah Z bernilai benar


Contoh Kasus Forward Chaining • Iterasi 1





Sampai disini proses dihentikan karena sudah tidak ada lagi rule yang bisa dieksekusi pencarian adalah Z bernilai benar. (lihat database di bagian fakta baru) Rheza Andika - Universitas Gunadarma

Contoh Kasus 2 • Sistem Pakar: Penasihat Keuangan • Kasus : Seorang user ingin berkonsultasi apakah tepat jika dia berinvestasi pada stock IBM? Variabel-variabel yang digunakan: A = memiliki uang $10.000 untuk investasi B = berusia < 30 tahun C = tingkat pendidikan pada level college D = pendapatan minimum pertahun $40.000 E = investasi pada bidang Sekuritas (Asuransi) F = investasi pada saham pertumbuhan (growth stock) G = investasi pada saham IBM • Setiap variabel dapat bernilai TRUE atau FALSE Rheza Andika - Universitas Gunadarma

• FAKTA YANG ADA: • Diasumsikan si user (investor) memiliki data: – Memiliki uang $10.000 (A TRUE) – Berusia 25 tahun (B TRUE) • Dia ingin meminta nasihat apakah tepat jika berinvestasi pada IBM stock?


RULES R1 :

R2 :

R3 :

R4 : R5 :

IF seseorang memiliki uang $10.000 untuk berinvestasi AND dia berpendidikan pada level college THEN dia harus berinvestasi pada bidang sekuritas IF seseorang memiliki pendapatan per tahun min $40.000 AND dia berpendidikan pada level college THEN dia harus berinvestasi pada saham pertumbuhan (growth stocks) IF seseorang berusia < 30 tahun AND dia berinvestasi pada bidang sekuritas THEN dia sebaiknya berinvestasi pada saham pertumbuhan IF seseorang berusia < 30 tahun dan > 22 tahun THEN dia berpendidikan college IF seseorang ingin berinvestasi pada saham pertumbuhan THEN saham yang dipilih adalah saham IBM.


Rule simplification • • • • •

R1: IF A and C, THEN E R2: IF D and C, THEN F R3: IF B and E, THEN F R4: IF B, THEN C R5: IF F, THEN G


Rule firing: R4 R1 R3 R5

GOAL: G?

WORKING MEMORY: A, B, C, E, F, G Rheza Andika - Universitas Gunadarma

Backward Chaining • Pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan 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.


Urutan Langkah Backward Chaining Program dimulai dengan tujuan (goal) yang diverifikasi apakah bernilai TRUE atau FALSE • Kemudian melihat rule yang mempunyai GOAL tersebut pada bagian konklusinya. • Mengecek pada premis dari rule tersebut untuk menguji apakah rule tersebut terpenuhi (bernilai TRUE) • Pertama dicek apakah ada assertion-nya – Jika pencarian disitu gagal, maka ES akan mencari rule lain yang memiliki konklusi yang sama dengan rule pertama tadi – Tujuannya adalah membuat rule kedua terpenuhi (satisfy)

• Proses tersebut berlajut sampai semua kemungkinan yang ada telah diperiksa atau sampai rule inisial yang diperiksa (dg GOAL) telah terpenuhi • Jika GOAL terbukti FALSE, maka GOAL berikut yang dicoba.


Backward Chaining

Untuk membuktikan hipotesisnya sistem akan mencari premis-premis aturan yang mengandung konklusi yang diduga. Setelah itu sistem akan meminta feedback kepada user mengenai premis-premis yang Rheza Andika - Universitas Gunadarma ditemukan tersebut.

Backward Chaining

Jika ketiga premis dialami user, maka konklusi 1 terbukti, jika tidak pindah ke konklusi 2 Rheza Andika - Universitas Gunadarma

Contoh Kasus Backward Chaining • Misalkan diketahui sistem pakar menggunakan 5 buah rule sebagai berikut :  R1 : If (Y and D) THEN Z  R2 : If (X and B and E) then Y  R3 : if A then X  R4 : if C then L  R5 : if (L and M) then N • Fakta-fakta : A, B,C,D dan E bernilai benar • Goal : menentukan apakah Z bernilai benar Rheza Andika - Universitas Gunadarma

Contoh Kasus Backward Chaining • Iterasi ke-1












Contoh Kasus 2 • Sistem Pakar: Penasihat Keuangan • Kasus : Seorang user ingin berkonsultasi apakah tepat jika dia berinvestasi pada stock IBM? Variabel-variabel yang digunakan: A = memiliki uang $10.000 untuk investasi B = berusia < 30 tahun C = tingkat pendidikan pada level college D = pendapatan minimum pertahun $40.000 E = investasi pada bidang Sekuritas (Asuransi) F = investasi pada saham pertumbuhan (growth stock) G = investasi pada saham IBM • Setiap variabel dapat bernilai TRUE atau FALSE Rheza Andika - Universitas Gunadarma

• FAKTA YANG ADA: • Diasumsikan si user (investor) memiliki data: – Memiliki uang $10.000 (A TRUE) – Berusia 25 tahun (B TRUE) • Dia ingin meminta nasihat apakah tepat jika berinvestasi pada IBM stock?


RULES R1 :

R2 :

R3 :

R4 : R5 :

IF seseorang memiliki uang $10.000 untuk berinvestasi AND dia berpendidikan pada level college THEN dia harus berinvestasi pada bidang sekuritas IF seseorang memiliki pendapatan per tahun min $40.000 AND dia berpendidikan pada level college THEN dia harus berinvestasi pada saham pertumbuhan (growth stocks) IF seseorang berusia < 30 tahun AND dia berinvestasi pada bidang sekuritas THEN dia sebaiknya berinvestasi pada saham pertumbuhan IF seseorang berusia < 30 tahun dan > 22 tahun THEN dia berpendidikan college IF seseorang ingin berinvestasi pada saham pertumbuhan THEN saham yang dipilih adalah saham IBM.


Rule simplification • • • • •

R1: IF A and C, THEN E R2: IF D and C, THEN F R3: IF B and E, THEN F R4: IF B, THEN C R5: IF F, THEN G


GOAL: G?

FIRING: •R5 •R2x •R3 •R1 •R4

WM: A,B, G->F?->C?&D? F->E&B,E->A&C C->B Rheza Andika - Universitas Gunadarma

RULES FIRING

R1: IF A & C THEN E

R5

R1

R2

R3

R4

R2: IF D & C THEN F R3: IF B & E THEN F Backtracking

WORKING MEMORI A, B

R4: IF B THEN C

G? F? D? & C? E?

R5: IF F THEN G

C?

B -> C -> E -> F-> G Rheza Andika - Universitas Gunadarma

Inference Tree • Penggambaran secara skematik dari proses inferensi • Sama dengan decision tree • Inferencing: tree traversal • Advantage: Panduan untuk Explanations Why dan How


FORWARD & BACKWARD CHAINING SISTEM PAKAR

Recommend Documents