Metode forward Chaining
Kadang disebut : data-driven karena inference engine menggunakan informasi yang ditentukan oleh user untuk memindahkan ke seluruh jaringan dari logika ‘AND’ dan ‘OR’ sampai sebuah terminal ditentukan sebagai objek. Bila inference engine tidak dapat menentukan objek maka akan meminta informasi lain. Aturan (Rule) di mana menentukan objek, membentuk path (lintasan) yang mengarah ke objek. Oleh karena itu, hanya satu cara untuk mencapai satu objek adalah memenuhi semua aturan.
Metode backward Chaining
Merupakan kebalikan dari forward chaining dimana mulai dengan sebuah hipotesa (sebuah objek) dan meminta informasi untuk meyakinkan atau mengabaikan. Backward chaining inference engine sering disebut: ‘Object-Driven/Goal-Driven‘.
Contoh Penerapan Expert System dengan metode Forward Chaining
Tipe sistem yang dapat dicari dengan Forward Chaining :
1. Sistem yang dipersentasikan dengan satu atau beberapa kondisi.
2. Untuk setiap kondisi, sistem mecari rule-rule dalam knowledge base untuk rule-rule yang berkorespondensi dengan kondisi dalam bagian IF.
3. Setiap rule dapat menghasilkan kondisi baru dari konklusi yang diminta pada bagian THEN. Kondisi baru ini ditambahkan ke kondisi lain yang sudah ada.
4. Setiap kondisi yang ditambahkan ke sistem akan diproses. Jika ditemui suatu kondisi baru dari konklusi yang diminta, sistem akan kembali ke langkah 2 dan mencari rule-rule dalam knowledge base kembali. Jika tidak ada konklusi baru, sesi ini berakhir.
Contoh Kasus:
Sistem Pakar : Penasihat Keuangan Kasus
Seorang user (calon investor) 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
Fakta yang tersedia :
1. Diasumsikan user memiliki data:
Memiliki uang $10.000 (A TRUE)
Berusia 25 tahun (B TRUE)
2. User ingin meminta nasihat apakah tepat jika berinvestasi pada IBM stock?
RULES :
R1 : IF seseorang memiliki uang $10.000 untuk berinvestasi AND dia berpendidikan pada level college THEN dia harus berinvestasi pada bidang sekuritas
R2 : IF seseorang memiliki pendapatan per tahun min $40.000 AND dia berpendidikan pada level college THEN dia harus berinvestasi pada saham pertumbuhan (growth stocks)
R3 : IF seseorang berusia < 30 tahun AND dia berinvestasi pada bidang sekuritas THEN dia sebaiknya berinvestasi pada saham pertumbuhan
R4 : IF seseorang berusia <> 22 tahun THEN dia berpendidikan college
R5 : 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
Solusi dengan Forward Chaining :
Step I : IF A and C Then E = R1
Step II : IF B then C A,B,C -> True = R4
Step III : IF A and C then E A,B,C -> True = R2
Step IV : IF B ad E then F A,B,C,E,F -> True = R3
Step V : IF F then G. G-> True
Kesimpulan : berdasarkan fakta dari user dan rule yang digunakan pada sistem pakar penasihat keuangan maka user dapat berinvestasi pada saham IBM
Kadang disebut : data-driven karena inference engine menggunakan informasi yang ditentukan oleh user untuk memindahkan ke seluruh jaringan dari logika ‘AND’ dan ‘OR’ sampai sebuah terminal ditentukan sebagai objek. Bila inference engine tidak dapat menentukan objek maka akan meminta informasi lain. Aturan (Rule) di mana menentukan objek, membentuk path (lintasan) yang mengarah ke objek. Oleh karena itu, hanya satu cara untuk mencapai satu objek adalah memenuhi semua aturan.
Metode backward Chaining
Merupakan kebalikan dari forward chaining dimana mulai dengan sebuah hipotesa (sebuah objek) dan meminta informasi untuk meyakinkan atau mengabaikan. Backward chaining inference engine sering disebut: ‘Object-Driven/Goal-Driven‘.
Contoh Penerapan Expert System dengan metode Forward Chaining
Tipe sistem yang dapat dicari dengan Forward Chaining :
1. Sistem yang dipersentasikan dengan satu atau beberapa kondisi.
2. Untuk setiap kondisi, sistem mecari rule-rule dalam knowledge base untuk rule-rule yang berkorespondensi dengan kondisi dalam bagian IF.
3. Setiap rule dapat menghasilkan kondisi baru dari konklusi yang diminta pada bagian THEN. Kondisi baru ini ditambahkan ke kondisi lain yang sudah ada.
4. Setiap kondisi yang ditambahkan ke sistem akan diproses. Jika ditemui suatu kondisi baru dari konklusi yang diminta, sistem akan kembali ke langkah 2 dan mencari rule-rule dalam knowledge base kembali. Jika tidak ada konklusi baru, sesi ini berakhir.
Contoh Kasus:
Sistem Pakar : Penasihat Keuangan Kasus
Seorang user (calon investor) 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
Fakta yang tersedia :
1. Diasumsikan user memiliki data:
Memiliki uang $10.000 (A TRUE)
Berusia 25 tahun (B TRUE)
2. User ingin meminta nasihat apakah tepat jika berinvestasi pada IBM stock?
RULES :
R1 : IF seseorang memiliki uang $10.000 untuk berinvestasi AND dia berpendidikan pada level college THEN dia harus berinvestasi pada bidang sekuritas
R2 : IF seseorang memiliki pendapatan per tahun min $40.000 AND dia berpendidikan pada level college THEN dia harus berinvestasi pada saham pertumbuhan (growth stocks)
R3 : IF seseorang berusia < 30 tahun AND dia berinvestasi pada bidang sekuritas THEN dia sebaiknya berinvestasi pada saham pertumbuhan
R4 : IF seseorang berusia <> 22 tahun THEN dia berpendidikan college
R5 : 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
Solusi dengan Forward Chaining :
Step I : IF A and C Then E = R1
Step II : IF B then C A,B,C -> True = R4
Step III : IF A and C then E A,B,C -> True = R2
Step IV : IF B ad E then F A,B,C,E,F -> True = R3
Step V : IF F then G. G-> True
Kesimpulan : berdasarkan fakta dari user dan rule yang digunakan pada sistem pakar penasihat keuangan maka user dapat berinvestasi pada saham IBM
Comments
Post a Comment