Selasa, 13 Desember 2016

Backward Chaining (Mesin Inferensi)

            Runut balik (Backward chaining) merupakan metode penalaran kebalikan dari metode runut maju (forward chaining). Dalam runut balik penalaran dimulai dengan tujjuan kemudian merunut balik ke jalur yang akan mengarahkan ke tujuan tersebut (Giarattano dan Riley, 1994). Runut balik bisa juga disebut sebagai goal-driven reasoning, yaitu cara yang efisien untuk memecahkan masalah-masalah yang dimodelkan sebagai masalah pemilihan terstruktur.

            Proses yang dilakukan pada metode runut mundur yaitu ingin mendapatkan salah satu konklusi dari konklusi yang ada, jika pada runut maju menggunakan beberapa premis, pada metode ini yang ingin didapatkan juga sama , hanya saja digunakan salah satu konklusi dari banyak konklusi atau tidak dari konklusi yang ada.

            Penelusuran metode ini didasarkan bahwa ada kemungkinan dari konklusi-konklusi yang ada merupakan salah satu tujuan terpilih dari fakta yang diberikan oleh pemakai. Sistemdengan urutan tertentu akan mengambil sebuah konklusi menjadi calon konklusinya. Misal urutannya sesuai dengan sebuah konklusi  1 dan diambil konklusi 1 sebagai hipotesisnya, maka untuk membuktikan hipotesisnya sistem akan mencari premis-premis yang mengandung konklusi 1. Setelah itu sistem akan memberikan umpan balik kepada pemakai berupa premis-premis yang ada misalnya ada premis 1, premis 2 dan premis 3, maka sistem akan mencari tahu apakah pemakai memilih premis-premis tersebut.

            Cara untuk mengambil umpan balik yaitu dengan mencari daftar premis yang dipilih oleh user atau dengan cara menanyakan satu-persatu premis yang seharusnya dipilih. Jika ada premis yang tidak  dipilih oleh user maka hipotesis atas konklusi tersebut gugurn artinya fakta yang dimasukan oleh user konklusinya bukan pada konklusi 1. Setelah itu sistem akan melanjutkan hipotesis ke konklusi selanjutnya, dan seterusnya dilakukan seperti itu sampai ditentukan konklusi yang semua premis dalam aturannya dipilih.

            Jika sampai tahap terakhir tidak ada premis yang terpenuhi maka sistem akan mengambil kesimpulan bahwa konklusinya berada diluar pengetahuannya, yang berarti sistem tidak menemukan solusi untuk premis-premis pilihan user.

Karakteristik Backward Chaining:
  •         Diagnosis
  •          Disajikan untuk masa lalu
  •          Konsekuen ke antecedent
  •          Tujuan memandu, penalaran dari atas ke bawah
  •          Bekerja ke belakang untuk mendapatkan fakta yang mendukung hipotesis
  •          Depth first search dimudahkan
  •          Konsekuen menentukan pencarian
  •          Penjelasan difasilitasi


Contoh  : 
R1 : IF suku bunga turun THEN harga obligasi naik
R2 : IF suku bunga naik THEN harga obligasi turun
R3 : IF suku bunga tidak berubah TH
EN harga obligasi tidak berubah
R4 : IF dolar naik THEN suku bunga turun
R5 : IF dolar turun THEN suku bunga naik
R6 : IF harga obligasi turun THEN beli obligasi

Apabila  diketahui  bahwa  dolar  turun,  maka  untuk  memutuskan  apakah  akan  membeli  obligasi  atau tidak dapat ditunjukkan sebagai berikut :

Jika digunakan Backward Chaining maka solusinya adalah sebagai berikut:
            Dari  solusi  yaitu  membeli  obligasi,  dengan  menggunakan  Rule  6  diperoleh  anteseden  harga  obligasi turun. Dari Rule 2 dibuktikan harga obligasi turun bernilai benar jika suku bunga naik bernilai  benar  .  Dari  Rule  5  suku  bunga  naik  bernilai  memang  bernilai  benar  karena  diketahui  fakta dolar turun. 

Sumber:
Kusrini. 2008. Aplikasi Sistem Pakar: Menentukan Faktor Kepastian Pengguna dengan Metode Kuantifikasi Pertanyaan. Yogyakarta: Andi.

Tidak ada komentar:

Posting Komentar

Catatan: Hanya anggota dari blog ini yang dapat mengirim komentar.