Backward Chaining - E

Backward Chaining
Runut Balik
 Penalaran dimulai dengan tujuan kemudian
merunut balik ke jalur yang akan
mengarahkan ke tujuan tersebut (Giarattano
dan Riley, 1994).
 Merupakan cara yang efisien untuk
memecahkan masalah yang dimodelkan
sebagai masalah pemilihan terstruktur.
 Tujuan dari inferensi ini adalah mengambil
pilihan terbaik dari banyak kemungkinan.
 Metode inferensi runut balik ini cocok
digunakan untuk memecahkan masalah
diagnosis (Schnupp, 1989).
Urutan Langkah Runut Balik
• Sistem akan melist dalam memori daftar
konklusi yang ada
• Masing-masing konklusi secara sekuensial
dicari premisnya
• Masing-masing premis di tanyakan ke user
• Jika jawaban ya, dilanjutkan ke premis
berikutnya
• Jika jawabannya tidak dilanjutkan ke konklusi
selanjutnya
untuk mengetahui
apakah suatu fakta yang
dialami oleh pengguna
itu termasuk konklusi 1,
konklusi 2, konklusi 3,
atau konklusi 4 atau
bahkan bukan salah
satu dari konklusi
tersebut
sistem akan mengambil
hipotesis bahwa
konklusinya adalah dari
konklusi 1 s/d konklusi 4
Untuk membuktikan hipotesisnya sistem akan mencari premispremis aturan yang mengandung konklusi yang diduga.
Setelah itu sistem akan meminta feedback kepada user mengenai
premis-premis yang ditemukan tersebut.
Hipotesis
Konklusi:
Konklusi 1
Jika ketiga premis
dialami user, maka
konklusi 1 terbukti, jika
tidak pindah ke konklusi
2
Premis yang sesuai:
Premis 1
Premis 2
Premis 3
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
Iterasi ke-1
Iterasi ke-2
Iterasi ke-3
Iterasi ke-4
Iterasi ke-5
Iterasi ke-6
Karena Goal Z
ditemukan di
database, maka
proses pencarian
dihentikan. Disini
terbukti bahwa Z
bernilai benar
Contoh kasus 2 backward
chaining
Keputusan investasi
 A : Memiliki 100juta
 B : < 30 tahun
 C : Pendidikan Sarjana
 D : Pendapatan tahunan <=400juta
 E : Investasi di saham
 F : Investasi di saham pertumbuhan
 G : Investasi di saham IBM
Fakta yg diketahui:
Seseorang memiliki 100juta dan berumur 25 tahun, ingin
meminta saran apakah sebaiknya dia berinvestasi di
saham IBM atau tidak
Rule yang diketahui adalah :
1. Jika memiliki 100 juta dan memiliki pendidikan sarjana
maka cocok investasi di saham
2. jika pendapatan tahunan <=400juta dan pendidikannya
sarjana maka cocok investasi di saham pertumbuhan
3. Jika umur < 30 tahun dan sudah Investasi di saham
maka cocok investasi di sahan pertumbuhan
4. Jika umur < 30 tahun maka pasti pendidikannya sarjana
5. Jika investasi di saham pertumbuhan maka pasti juga
investasi di saham IBM
Contoh Kasus 3
• Diketahui sistem pakar mempunyai 10 Rule yang tersimpan pada
basis pengetahuannya sebagai berikut :
• R1 : IF ( A AND B) THEN C
• R2 : IF C THEN D
• R3 : IF (A AND E) THEN F
• R4 : IF A THEN G
• R5 : IF (F AND G) THEN D
• R6 : IF (G AND E) THEN H
• R7 : IF (C AND H) THEN I
• R8 : IF (I AND A) THEN J
• R9 : IF G THEN J
• R10 : IF J THEN K
• Fakta awal yang diberikan adalah A & F, buktikan apakah K bernilai
benar apabila proses inferensi dilakukan dengan cara backward
chaining.