際際滷

際際滷Share a Scribd company logo
FORWARD CHAINING
PERTEMUAN 8
APA ITU FORWARD CHAINING ?
 Merupakan teknik penalaran yang biasa digunakan dalam pembuatan sistem
pakar.
 Pelacakan ke depan yang memulai dari sekumpulan fakta-fakta dengan mencari
kaidah yang cocok dengan dugaan/hipotesa yang ada menuju kesimpulan.
 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.
TEKNIK PENULUSURAN FORWARDCHAINING
1. Teknik Depth-First Search
2. Teknik Breadth-First Search
3. Teknik Best-First Search
TEKNIK DEPTH-FIRST SEARCH
 Teknik penelusuran data pada node-node
secara vertical dan sudah terdefinisi, misalnya
kiri ke kanan.
 Keuntungan adalah bahwa penelurusan
masalah dapat di gali secara mendalam sampai
di temukannya kapasitas suatu solusi yang
optimal.
 Kekurangan adalah membutuhkan waktu yang
sangat lama untuk ruang lingkup masalah yang
besar.
TEKNIK BREADTH-FIRST SEARCH
 Teknik penelusuran data pada semua node dalam
satu level atau salah satu tingkatan sebelum ke level
atau tingkatan di bawahnya.
 Keuntungan adalah sama dengan depth first search,
hanya saja penelusuran dengan tehnik ini
mempunyai nilai tambah, dimana semua node akan
di cek secara menyeluruh pada setiap tingkatan
node.
 Kekurangan adalah terletak pada waktu yang
dibutuhkan yang sangat lama apabila solusi berada
dalam posisi node terakhir sehingga menjadi tidak
efisien.
 Kekurangan lainnya teknik penelusuran menjadi
tidak interaktif antara suatu topik dengan topik
yang lain atau harus melompat dari satu topik ke
topik yang lain sebelum topik tersebut selesai di
telusuri.
TEKNIK BEST-FIRST SEARCH
 Teknik penelusuran yang menggunakan
pengetahuan akan suatu masalah untuk melakukan
panduan pencarian ke arah node tempat dimana
solusi berada
 Pencarian jenis ini dikenal juga sebagai heuristic.
 Pendekatan yang dilakukan adalah mencari solusi
yang terbaik berdasarkan pengetahuan yang
dimiliki sehingga penelusuran dapat ditentukan
harus di mulai dari mana dan bagaimana
menggunakan proses terbaik untuk mencari solusi.
 Keuntungan jenis pencarian ini adalah mengurangi
beban komputasi karena hanya solusi yang
memberikan harapan saja yang diuji dan akan
berhenti apabila solusi sudah mendekati yang
terbaik.
 Ini merupakan model yang menyerupai cara
manusia mengambil solusi yang dihasilkan
merupakan solusi yang mutlak benar.
FORWARD CHAINING (DATA DRIVEN)
 Proses inferensi dimulai dari seperangkat data yang ada menuju ke kesimpulan.
 Pada proses ini akan dilakukan pengecekan terhadap setiap rule untuk melihat
apakah data yang sedang diobservasi tersebut memenuhi premis dari rule
tersebut. Apabila memenuhi, maka rule akan dieksekusi untuk menghasilkan fakta
baru yang mungkin akan digunakan oleh rule yang lain.
 Proses pengecekan rule ini disebut sebagai rule interpretation. Pada sistem
berbasis pengetahuan, rule interpretation (interpretasi rule) dilakukan oleh
inference engine.
Pertemuan 8 AI.pptx
PENGERTIAN SETIAP FUNGSI
1. Matching. pada step ini, setiap rule yang ada pada basis pengetahuan
dibandingkan dengan fakta-fakta yang diketahui untuk mencari rule mana yang
memenuhi (istilah memenuhi berarti: situasi, premis, atau antecedent bernilai
benar).
2. Conflict Resolution. Pada langkah pertama sangat mungkin dihasilkan suatu
kondisi dimana beberapa rule Conflict Resolution bertugas untuk mencari rule
mana yang memiliki prioritas tertinggi yang berpotensi untuk dieksekusi.
3. Execution / eksekusi (firing) dari rule. Proses ini menghasilkan dua
kemungkinan, yaitu: fakta baru diturunkan dan ditambahkah fact base atau rule
baru dihasilkan dan ditambahkan ke knowledge base.
Faktor-faktor yang mempengaruhi
pemilihan Forward Chaining
 Banyaknya keadaan awal dan tujuan. Jika keadaan awal lebih kecil dari tujuan,
maka digunakan penalaran forward, jika tujuan lebih sedikit dari keadaan awal,
maka dipilih penalaran backward.
 Bentuk kejadian yang akan memicu penyelesaian masalah. Jika kejadian berupa
fakta baru pilih forward. Jika kejadian berupa query pilih backward.
CARA KERJA FORWARD CHAINING
 Data yang digunakan untuk menentukan aturan mana yang akan dijalankan,
kemudian aturan tersebut dijalankan.
 Jika klausa premis (landasan berpikir / hipotesa / pernyataan) sesuai dengan situasi
(bernilai TRUE), maka proses akan meng-assert konklusi.
 Forward Chaining adalah data driven karena inferensi dimulai dengan informasi
yang tersedia dan 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 (landasan berpikir / hipotesa / pernyataan) yang dialami.
 Sistem mencari aturan yang premisnya terdiri dari premis-premis yang dipilih oleh
user.
 Sistem akan menampilkan konklusi dari aturan tersebut.
 Untuk mengetahui apakah suatu fakta
yang dialami pengguna itu termasuk
konklusi 1, konklusi 2, konklusi 3, atau
konklusi 4 atau bahkan bukan salah satu
dari konklusi tersebut.
 User diminta memasukkan premis-premis
yang dialami.
 Sistem dapat memunculkan daftar premis
yang "mungkin" sehingga user dapat
memberikan feedback premis mana yang
dialami dengan memilih satu atau
beberapa dari daftar premis yang tersedia.
 Berdasarkan premis-premis yang dipilih
maka sistem akan mencari aturan yang
sesuai, sehingga akan diperoleh
konklusinya.
CONTOH KASUS FORWARD CHAINING
Misalkan diketahui sistem pakar menggunakan 5 buah rule sebagai berikut :
 R1 : If (Y dan D) maka Z
 R2 : If (X dan B dan E) makaY
 R3 : If A maka X
 R4 : If C maka L
 R5 : If (L dan M) maka N
 Fakta-fakta : A,B,C,D dan E bernilai benar.
 Goal : menentukan apakah Z bernilai benar.
Wahai anak
muda, cari
yang
gampang
dulu. Mikir itu
yang simpel !!
TAHAP 1
TAHAP 2
Tadi sebelumnya hanya
ada B dan E.Tapi setelah
ada X maka baru muncul
RULE 2
TAHAP 3
Setelah adaY dan D
maka sudah muncul
RULE 1, hasilnya Z benar.
Pencarian dihentikan
karena nilai sudah Z
ditemukan.
CONTOH KASUS
 Sistem Pakar Penasihat Keuangan.
 Kasus : Seorang user ingin berkonsultasi apakah tepat jika dia berinvestasi pada
saham Apple.inc ?
 Variabel-variabel yang digunakan :
A : Memiliki uang $10.000 untuk investasi
B : Berusia < 30
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 Apple.Inc
 SetiapVariable dapat bernilaiTRUE atau FALSE
FAKTAYANG ADA :
Diasumsikan user (Investor) memiliki data :
 Memiliki uang $10.000 (ATRUE)
 Berusia 25 tahun (BTRUE)
Pertanyaan : apakah tepat jika berinvestasi pada Apple.Inc ?
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 < 30 tahun dan > 22 tahun THEN dia berpendidikan
college.
 R5 : IF seseorang ingin berinvestasi pada saham pertumbuhan THEN saham yang
dipilih adalah saham Apple. Inc
UBAH RULE MENJADI LEBIH SIMPEL
 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.
FAKTA : A and B adalahTRUE
Wahai anak
muda, cari
yang
gampang
dulu. Mikir itu
yang simpel !!
Kunci : B
SEKIAN DANTERIMAKASIH
Materi Selanjutnya : Backward Chaining

More Related Content

Similar to Pertemuan 8 AI.pptx (20)

586000765-Backward-Chaining-PPT-FIX.pptx
586000765-Backward-Chaining-PPT-FIX.pptx586000765-Backward-Chaining-PPT-FIX.pptx
586000765-Backward-Chaining-PPT-FIX.pptx
Bernad Bear
BERPIKIR KOMPUTESIONAL 3.ppt
BERPIKIR KOMPUTESIONAL 3.pptBERPIKIR KOMPUTESIONAL 3.ppt
BERPIKIR KOMPUTESIONAL 3.ppt
AgusPurwadi20
Metode Kecerdasan Buatan Forward Backward Chaining
Metode Kecerdasan Buatan Forward Backward ChainingMetode Kecerdasan Buatan Forward Backward Chaining
Metode Kecerdasan Buatan Forward Backward Chaining
KakBian
k-12sistempakar-180428024548-converted.pptx
k-12sistempakar-180428024548-converted.pptxk-12sistempakar-180428024548-converted.pptx
k-12sistempakar-180428024548-converted.pptx
Furqoni11
Penerapan Metode Apriori Untuk Identifikasi Pola Data Transaksi Pada Customer...
Penerapan Metode Apriori Untuk Identifikasi Pola Data Transaksi Pada Customer...Penerapan Metode Apriori Untuk Identifikasi Pola Data Transaksi Pada Customer...
Penerapan Metode Apriori Untuk Identifikasi Pola Data Transaksi Pada Customer...
ferisulianta.com
Dw 7-intelijensi buatan
Dw 7-intelijensi buatanDw 7-intelijensi buatan
Dw 7-intelijensi buatan
Dian Sari
Kelompok 3 Asosiasi Apis Pengolahan Citra Digital.pptx
Kelompok 3  Asosiasi Apis Pengolahan Citra Digital.pptxKelompok 3  Asosiasi Apis Pengolahan Citra Digital.pptx
Kelompok 3 Asosiasi Apis Pengolahan Citra Digital.pptx
AhmadAlHafidzRamadha
K 12 Sistem Pakar
K 12  Sistem PakarK 12  Sistem Pakar
K 12 Sistem Pakar
University of IGM - Palembang
Teknik_analisis_dt.kual.ppt_[Compatibility_Mode].pdf
Teknik_analisis_dt.kual.ppt_[Compatibility_Mode].pdfTeknik_analisis_dt.kual.ppt_[Compatibility_Mode].pdf
Teknik_analisis_dt.kual.ppt_[Compatibility_Mode].pdf
RizkyNolanSetyowati
Metodologi Penelitian - FD.pptx
Metodologi Penelitian - FD.pptxMetodologi Penelitian - FD.pptx
Metodologi Penelitian - FD.pptx
Frans Dione
131111092-Forum5-PencarianHeuristik
131111092-Forum5-PencarianHeuristik131111092-Forum5-PencarianHeuristik
131111092-Forum5-PencarianHeuristik
Yohanes Sibarani
7. requirement analyst
7. requirement analyst7. requirement analyst
7. requirement analyst
moryku
CAT development
CAT developmentCAT development
CAT development
Agoes Santosa
SIM 12, Restu Artma Prayoga, Hapzi Ali, Sistem Pendukung Pengambilan Keputusa...
SIM 12, Restu Artma Prayoga, Hapzi Ali, Sistem Pendukung Pengambilan Keputusa...SIM 12, Restu Artma Prayoga, Hapzi Ali, Sistem Pendukung Pengambilan Keputusa...
SIM 12, Restu Artma Prayoga, Hapzi Ali, Sistem Pendukung Pengambilan Keputusa...
Restu Artma Prayoga
Klpk 4
Klpk 4Klpk 4
Klpk 4
Ardy Tkj
Metode Penelitian Presentation
Metode Penelitian PresentationMetode Penelitian Presentation
Metode Penelitian Presentation
Robby Angryawan
materi KULIAH metodologi penelitaian_.ppt
materi KULIAH metodologi penelitaian_.pptmateri KULIAH metodologi penelitaian_.ppt
materi KULIAH metodologi penelitaian_.ppt
SyaifuddinRahmad
desain penelitian dalama pendidikan jasmani
desain penelitian dalama pendidikan jasmanidesain penelitian dalama pendidikan jasmani
desain penelitian dalama pendidikan jasmani
teddygiolanda1
Perkembangan AI dalam kehidupan sehari-hari
Perkembangan AI dalam kehidupan sehari-hariPerkembangan AI dalam kehidupan sehari-hari
Perkembangan AI dalam kehidupan sehari-hari
CandraImanuel2
Mata kuliah kecerdasan Buatan Masalah Kecerdasan Buatan
Mata kuliah kecerdasan Buatan Masalah Kecerdasan BuatanMata kuliah kecerdasan Buatan Masalah Kecerdasan Buatan
Mata kuliah kecerdasan Buatan Masalah Kecerdasan Buatan
sigitwibawa1
586000765-Backward-Chaining-PPT-FIX.pptx
586000765-Backward-Chaining-PPT-FIX.pptx586000765-Backward-Chaining-PPT-FIX.pptx
586000765-Backward-Chaining-PPT-FIX.pptx
Bernad Bear
BERPIKIR KOMPUTESIONAL 3.ppt
BERPIKIR KOMPUTESIONAL 3.pptBERPIKIR KOMPUTESIONAL 3.ppt
BERPIKIR KOMPUTESIONAL 3.ppt
AgusPurwadi20
Metode Kecerdasan Buatan Forward Backward Chaining
Metode Kecerdasan Buatan Forward Backward ChainingMetode Kecerdasan Buatan Forward Backward Chaining
Metode Kecerdasan Buatan Forward Backward Chaining
KakBian
k-12sistempakar-180428024548-converted.pptx
k-12sistempakar-180428024548-converted.pptxk-12sistempakar-180428024548-converted.pptx
k-12sistempakar-180428024548-converted.pptx
Furqoni11
Penerapan Metode Apriori Untuk Identifikasi Pola Data Transaksi Pada Customer...
Penerapan Metode Apriori Untuk Identifikasi Pola Data Transaksi Pada Customer...Penerapan Metode Apriori Untuk Identifikasi Pola Data Transaksi Pada Customer...
Penerapan Metode Apriori Untuk Identifikasi Pola Data Transaksi Pada Customer...
ferisulianta.com
Dw 7-intelijensi buatan
Dw 7-intelijensi buatanDw 7-intelijensi buatan
Dw 7-intelijensi buatan
Dian Sari
Kelompok 3 Asosiasi Apis Pengolahan Citra Digital.pptx
Kelompok 3  Asosiasi Apis Pengolahan Citra Digital.pptxKelompok 3  Asosiasi Apis Pengolahan Citra Digital.pptx
Kelompok 3 Asosiasi Apis Pengolahan Citra Digital.pptx
AhmadAlHafidzRamadha
Teknik_analisis_dt.kual.ppt_[Compatibility_Mode].pdf
Teknik_analisis_dt.kual.ppt_[Compatibility_Mode].pdfTeknik_analisis_dt.kual.ppt_[Compatibility_Mode].pdf
Teknik_analisis_dt.kual.ppt_[Compatibility_Mode].pdf
RizkyNolanSetyowati
Metodologi Penelitian - FD.pptx
Metodologi Penelitian - FD.pptxMetodologi Penelitian - FD.pptx
Metodologi Penelitian - FD.pptx
Frans Dione
131111092-Forum5-PencarianHeuristik
131111092-Forum5-PencarianHeuristik131111092-Forum5-PencarianHeuristik
131111092-Forum5-PencarianHeuristik
Yohanes Sibarani
7. requirement analyst
7. requirement analyst7. requirement analyst
7. requirement analyst
moryku
SIM 12, Restu Artma Prayoga, Hapzi Ali, Sistem Pendukung Pengambilan Keputusa...
SIM 12, Restu Artma Prayoga, Hapzi Ali, Sistem Pendukung Pengambilan Keputusa...SIM 12, Restu Artma Prayoga, Hapzi Ali, Sistem Pendukung Pengambilan Keputusa...
SIM 12, Restu Artma Prayoga, Hapzi Ali, Sistem Pendukung Pengambilan Keputusa...
Restu Artma Prayoga
Metode Penelitian Presentation
Metode Penelitian PresentationMetode Penelitian Presentation
Metode Penelitian Presentation
Robby Angryawan
materi KULIAH metodologi penelitaian_.ppt
materi KULIAH metodologi penelitaian_.pptmateri KULIAH metodologi penelitaian_.ppt
materi KULIAH metodologi penelitaian_.ppt
SyaifuddinRahmad
desain penelitian dalama pendidikan jasmani
desain penelitian dalama pendidikan jasmanidesain penelitian dalama pendidikan jasmani
desain penelitian dalama pendidikan jasmani
teddygiolanda1
Perkembangan AI dalam kehidupan sehari-hari
Perkembangan AI dalam kehidupan sehari-hariPerkembangan AI dalam kehidupan sehari-hari
Perkembangan AI dalam kehidupan sehari-hari
CandraImanuel2
Mata kuliah kecerdasan Buatan Masalah Kecerdasan Buatan
Mata kuliah kecerdasan Buatan Masalah Kecerdasan BuatanMata kuliah kecerdasan Buatan Masalah Kecerdasan Buatan
Mata kuliah kecerdasan Buatan Masalah Kecerdasan Buatan
sigitwibawa1

Pertemuan 8 AI.pptx

  • 2. APA ITU FORWARD CHAINING ? Merupakan teknik penalaran yang biasa digunakan dalam pembuatan sistem pakar. Pelacakan ke depan yang memulai dari sekumpulan fakta-fakta dengan mencari kaidah yang cocok dengan dugaan/hipotesa yang ada menuju kesimpulan. 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.
  • 3. TEKNIK PENULUSURAN FORWARDCHAINING 1. Teknik Depth-First Search 2. Teknik Breadth-First Search 3. Teknik Best-First Search
  • 4. TEKNIK DEPTH-FIRST SEARCH Teknik penelusuran data pada node-node secara vertical dan sudah terdefinisi, misalnya kiri ke kanan. Keuntungan adalah bahwa penelurusan masalah dapat di gali secara mendalam sampai di temukannya kapasitas suatu solusi yang optimal. Kekurangan adalah membutuhkan waktu yang sangat lama untuk ruang lingkup masalah yang besar.
  • 5. TEKNIK BREADTH-FIRST SEARCH Teknik penelusuran data pada semua node dalam satu level atau salah satu tingkatan sebelum ke level atau tingkatan di bawahnya. Keuntungan adalah sama dengan depth first search, hanya saja penelusuran dengan tehnik ini mempunyai nilai tambah, dimana semua node akan di cek secara menyeluruh pada setiap tingkatan node. Kekurangan adalah terletak pada waktu yang dibutuhkan yang sangat lama apabila solusi berada dalam posisi node terakhir sehingga menjadi tidak efisien. Kekurangan lainnya teknik penelusuran menjadi tidak interaktif antara suatu topik dengan topik yang lain atau harus melompat dari satu topik ke topik yang lain sebelum topik tersebut selesai di telusuri.
  • 6. TEKNIK BEST-FIRST SEARCH Teknik penelusuran yang menggunakan pengetahuan akan suatu masalah untuk melakukan panduan pencarian ke arah node tempat dimana solusi berada Pencarian jenis ini dikenal juga sebagai heuristic. Pendekatan yang dilakukan adalah mencari solusi yang terbaik berdasarkan pengetahuan yang dimiliki sehingga penelusuran dapat ditentukan harus di mulai dari mana dan bagaimana menggunakan proses terbaik untuk mencari solusi. Keuntungan jenis pencarian ini adalah mengurangi beban komputasi karena hanya solusi yang memberikan harapan saja yang diuji dan akan berhenti apabila solusi sudah mendekati yang terbaik. Ini merupakan model yang menyerupai cara manusia mengambil solusi yang dihasilkan merupakan solusi yang mutlak benar.
  • 7. FORWARD CHAINING (DATA DRIVEN) Proses inferensi dimulai dari seperangkat data yang ada menuju ke kesimpulan. Pada proses ini akan dilakukan pengecekan terhadap setiap rule untuk melihat apakah data yang sedang diobservasi tersebut memenuhi premis dari rule tersebut. Apabila memenuhi, maka rule akan dieksekusi untuk menghasilkan fakta baru yang mungkin akan digunakan oleh rule yang lain. Proses pengecekan rule ini disebut sebagai rule interpretation. Pada sistem berbasis pengetahuan, rule interpretation (interpretasi rule) dilakukan oleh inference engine.
  • 9. PENGERTIAN SETIAP FUNGSI 1. Matching. pada step ini, setiap rule yang ada pada basis pengetahuan dibandingkan dengan fakta-fakta yang diketahui untuk mencari rule mana yang memenuhi (istilah memenuhi berarti: situasi, premis, atau antecedent bernilai benar). 2. Conflict Resolution. Pada langkah pertama sangat mungkin dihasilkan suatu kondisi dimana beberapa rule Conflict Resolution bertugas untuk mencari rule mana yang memiliki prioritas tertinggi yang berpotensi untuk dieksekusi. 3. Execution / eksekusi (firing) dari rule. Proses ini menghasilkan dua kemungkinan, yaitu: fakta baru diturunkan dan ditambahkah fact base atau rule baru dihasilkan dan ditambahkan ke knowledge base.
  • 10. Faktor-faktor yang mempengaruhi pemilihan Forward Chaining Banyaknya keadaan awal dan tujuan. Jika keadaan awal lebih kecil dari tujuan, maka digunakan penalaran forward, jika tujuan lebih sedikit dari keadaan awal, maka dipilih penalaran backward. Bentuk kejadian yang akan memicu penyelesaian masalah. Jika kejadian berupa fakta baru pilih forward. Jika kejadian berupa query pilih backward.
  • 11. CARA KERJA FORWARD CHAINING Data yang digunakan untuk menentukan aturan mana yang akan dijalankan, kemudian aturan tersebut dijalankan. Jika klausa premis (landasan berpikir / hipotesa / pernyataan) sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert konklusi. Forward Chaining adalah data driven karena inferensi dimulai dengan informasi yang tersedia dan konklusi diperoleh. Jika suatu aplikasi menghasilkan tree yang lebar dan tidak dalam, maka gunakan Forward Chaining .
  • 12. URUTAN LANGKAH FORWARD CHAINING Tampilkan semua daftar premis. User memilih premis (landasan berpikir / hipotesa / pernyataan) yang dialami. Sistem mencari aturan yang premisnya terdiri dari premis-premis yang dipilih oleh user. Sistem akan menampilkan konklusi dari aturan tersebut.
  • 13. Untuk mengetahui apakah suatu fakta yang dialami pengguna itu termasuk konklusi 1, konklusi 2, konklusi 3, atau konklusi 4 atau bahkan bukan salah satu dari konklusi tersebut. User diminta memasukkan premis-premis yang dialami. Sistem dapat memunculkan daftar premis yang "mungkin" sehingga user dapat memberikan feedback premis mana yang dialami dengan memilih satu atau beberapa dari daftar premis yang tersedia. Berdasarkan premis-premis yang dipilih maka sistem akan mencari aturan yang sesuai, sehingga akan diperoleh konklusinya.
  • 14. CONTOH KASUS FORWARD CHAINING Misalkan diketahui sistem pakar menggunakan 5 buah rule sebagai berikut : R1 : If (Y dan D) maka Z R2 : If (X dan B dan E) makaY R3 : If A maka X R4 : If C maka L R5 : If (L dan M) maka N Fakta-fakta : A,B,C,D dan E bernilai benar. Goal : menentukan apakah Z bernilai benar.
  • 15. Wahai anak muda, cari yang gampang dulu. Mikir itu yang simpel !! TAHAP 1
  • 16. TAHAP 2 Tadi sebelumnya hanya ada B dan E.Tapi setelah ada X maka baru muncul RULE 2
  • 17. TAHAP 3 Setelah adaY dan D maka sudah muncul RULE 1, hasilnya Z benar. Pencarian dihentikan karena nilai sudah Z ditemukan.
  • 18. CONTOH KASUS Sistem Pakar Penasihat Keuangan. Kasus : Seorang user ingin berkonsultasi apakah tepat jika dia berinvestasi pada saham Apple.inc ? Variabel-variabel yang digunakan : A : Memiliki uang $10.000 untuk investasi B : Berusia < 30 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 Apple.Inc SetiapVariable dapat bernilaiTRUE atau FALSE
  • 19. FAKTAYANG ADA : Diasumsikan user (Investor) memiliki data : Memiliki uang $10.000 (ATRUE) Berusia 25 tahun (BTRUE) Pertanyaan : apakah tepat jika berinvestasi pada Apple.Inc ?
  • 20. 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 < 30 tahun dan > 22 tahun THEN dia berpendidikan college. R5 : IF seseorang ingin berinvestasi pada saham pertumbuhan THEN saham yang dipilih adalah saham Apple. Inc
  • 21. UBAH RULE MENJADI LEBIH SIMPEL 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. FAKTA : A and B adalahTRUE
  • 22. Wahai anak muda, cari yang gampang dulu. Mikir itu yang simpel !! Kunci : B