Pengertian Metode forward Chaining dan backward chaining – Forward dan backward chaining merupakan dua teknik penalaran yang bisa anda gunakan dalam pembuatan sistem pakar.
Metode backward chaining adalah pelacakan kebelakang yang memulai penalarannya dari kesimpulan (goal), dengan mencari sekumpulan hipotesa-hipotesa menuju fakta-fakta yang mendukung sekumpulan hipotesa-hipotesa tersebut.
Sedangkan metode forward chaining adalah pelacakan ke depan yang memulai dari sekumpulan fakta-fakta dengan mencari kaidah yang cocok dengan dugaan/hipotesa yang ada menuju kesimpulan.
Pengertian metode forward dan backward chaining di atas, bisa juga dijelaskan seperti di bawah ini (dikutip dari ebook kecerdasaan tiruan, yang bisa Anda download di bawah artikel ini).
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‘.
Catatan: inference engine adalah bagian dari sistem pakar yang mencoba menggunakan informasi yang diberikan untuk menemukan objek yang sesuai.
Inference engine mempunayi 2 kategori yaitu deterministic dan probabilistik. Sedangkan dasar untuk membentuk inference engine diantaranya: forward chaining, backward chaining dan rule value (merupakan pendahulu dari forward dan backward chaining)..
Kedua teknik penalaran di atas (forward dan backward chaining) dipengaruhi oleh tiga macam teknik penelusuran (searching) yaitu:
1. Teknik Depth-First Search
Adalah teknik penelusuran data pada node-node secara vertical dan sudah terdefinisi, misalnya kiri ke kanan, keuntungan pencarian dengan teknik ini adalah bahwa penelurusan masalah dapat di gali secara mendalam sampai di temukannya kapasitas suatu solusi yang optimal.
Kekurangan teknik penelesuran ini adalah membutuhkan waktu yang sangat lama untuk ruang lingkup masalah yang besar.
Teknik Dept First Search, bisa digambarkan seperti dibawah ini:
2. Teknik Breadth-First Search
Adalah teknik penelusuran data pada semua node dalam satu level atau salah satu tingkatan sebelum ke level atau tingkatan di bawahnya. Keuntungan pencarian daengan teknik ini 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 teknik penelusuran ini terletak pada waktu yang dibutuhkan yang sangat lama apabila solusi berada dalam posisi node terakhir sehingga menjadi tidak efisien. Kekurangan dalam implementasi juga perlu di pertimbangkan, misalnya 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 Breadth First Searh, bisa dijelaskan seperti berikut ini:
Baca juga: pengertian sistem pakar
3. Teknik Best-First Search
Adalah 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.
Teknik Best First Search, digambarkan seperti dibawah ini:
Artikel singkat pengertian metode forward dan backward chaining sistem pakar diatas, merupakan gambaran singkat dari landasan dalam pembuatan aplikasi sistem pakar.
Anda bisa melihat contoh web sistem pakar, yang menggunakan metode forward chaining berbasis web, di sini.
Sedangkan untuk jurnal sistem pakar, anda bisa membaca dan mendownloadnya, pada tulisan jurnal sistem pakar Atau…..
Artikel yang Anda cari tidak ada/kurang jelas, silahkan download ebook gratis sistem pakar dalam bentuk PDF karya ir. Siswanto dosen univ. budi luhur Jakarta, yang berisi materi Artificial Intelligence.
Ebook tersebut, menjelaskan pengertian forward dan backward channing dengan lebih detail. Tapi sebelum anda mendownloadnya…anda bisa juga membaca ulasan singkatnya, di sini.
Dan harapan saya…. semoga tulisan tentang forward dan backward chaining ini bisa dijadikan rujukan untuk pembuatan makalah sistem pakar atau mungkin sesuatu yang lainnya, seperti proposal skripsi, jurnal, dan lain sebagainya….keep spirit!
ada referensi buku buat forward dan backward chainning ga?
itu di atas ada ko mba? coba deh di baca lagi. atau langsung aja ke sini https://umardanny.com/tutorial-sistem-pakar/
thanks supeer Umar Danny
ke unggulan dan kelemahan sistem ini apa ya mas bro
@kicau burung: diartikelnya udah dijelaskan kan kelebihan dan keekurangannya,coba deh dibaca lagi.
bagus, cuma kurang detil untuk penjelasan forward dan backward chaining.
maaf mas, e-book nya gak bisa di download. bisa kasih link realnya?
@putri: link yang buku AI/Kecerdasan buatan ya? itu bisa kok mba, tinggal di download aja (saya letakkan di box dot com) atau mba ke tulisan saya yang judulnya tutorial sistem pakar, disitu juga ada kok link downloadnya.
Mau tanya nih,kapan harus di gunakan metode Forward chaining dan Backward chaining?
Trimakasih
@supriadi: kalau saya pribadi belum pernah menggunakan metode backward chaining dalam pembuatan aplikasi sistem pakar, karena selama ini masih betah dengan metode forward chaining (pelacakan ke depan), dimana fakta-fakta yang ada menuju kesimpulan. Sepengetahuan saya, untuk backward chainining digunakan untuk aplikasi yang lebih mendalam dengan tree yang sempit. (Koreksi jika salah)
bang ada contoh program foward berbasis web ga? buat refrensi bang, please
@cinta: itu didalam artikelnya, sudah saya kasih contoh web sistem pakar berbasis web dengan metode forward chaining..silahkan dibaca tulisannya lagi.
Ada rujukan referensi koding ga
@danang:coba cari di tulisan kumpulan sistem pakar di blog ini, kalau ga salah..yang format pdfnya itu, ada source codenya
Di banyak artikel, selalu mengatakan kelebihan forward chaining
“Metode ini mampu menyediakan banyak sekali informasi dari hanya jumlah kecil data.”
Adakah yang paham maksudnya? Maksudnya sedikit data banyak informasi itu bagaimana ya?