Daftar Metode Metode Sistem pakar Secara Umum Lengkap

Metode-metode dalam sistem pakar ini sangat penting sekali karena metode juga bisa disebut sebagai sebuah cara penyelesaian. Metode dalam sistem pakar bisa disebut juga metode inferensi.

Metode Inferensi merupakan suatu cara penarikan kesimpulan yang dilakukan oleh mesin inferensi dalam menyelesaikan masalah.

Secara umum metode dalam sistem pakar terdiri atas:

Metode Pelacakan Ke Depan (Forward Chining)

 

Metode forward chaining adalah suatu metode dari inference engine untuk memulai penalaran atau pelacakan suatu data dari fakta-fakta yang ada menuju suatu kesimpulan. Dalam pendekatan ini pelacakan dimulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pencocokan fakta atau pernyataan dimulai dari bagian kiri (IF dahulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis.

Baca Juga Metode Forward Chaining Menurut para Ahli

No	Aturan
R-1	IF A & B THEN C
R-2	IF C THEN D
R-3	IF A & E THEN F
R-4	IF A THEN G
R-5	IF F & G THEN D
R-6	IF G & E THEN H
R-7	IF C & H THEN J
R-8	IF I & A THEN J
R-9	IF G THEN J
R-10	IF J THEN K

Keterangan
Pada Tabel Aturan diatas terlihat ada 10 aturan yang tersimpan dalam basis pengetahuan. Fakta awal yang diberikan hanya: A & F (Artinya: A dan F bernilai benar). Ingin dibuktikan apakah K bernilai benar (hipotesis: K)?

Langkah-langkah inferensi adalah sebagai berikut:
Dimulai dari R-1. A merupakan fakta sehingga bernilai benar, sedangkan B belum bisa diketahui kebenarannya, sehingga C-pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun dari R-1 ini. Sehingga kita menuju ke R-2.
Pada R-2, kita tidak mengetahui informasi apapun tentang C, sehingga kita juga tidak bisa memastikan kebenaran D. Oleh karena itu kita tidak mendapatkan informasi apapun dari R-2 ini. Sehingga kita menuju ke R-3.
Pada R-3, baik A maupun E adalah fakta sehingga jelas benar. Dengan demikian F sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu F. karena F bukan hipotesis yang hendak kita buktikan (=K), maka penelusuran kita lanjut ke R-4.
Pada R-4, A adalah fakta sehingga jelas benar. Dengan demikian G sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu G. Karena G bukan hipotesis yang hendak kita buktikan (=K), maka penulusuran kita lanjutkan ke R-5.
Pada R-5, baik F maupun G bernilai benar berdasarkan aturan R-3, dan R-4. Dengan demikian D sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu D. Karena D bukan hipotesis yang hendak kita buktikan (=K), maka penelusuran kita lanjutkan ke R-6.
Pada R-6, baik A maupun G adalah benar berdasarkan fakta dari R-4. Dengan demikian H sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu H. Karena H bukan hipotesis yang hendak kita buktikan (=K), maka penelusuran kita lanjutkan ke R-7.
Pada R-7, meskipun H benar berdasarkan R-6, namun kita tidak tahu kebenaran C, sehingga I pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-7 ini. Sehingga kita menuju ke R-8.
Pada R-8, meskipun A benar karena fakta, namun kita tidak tahu kebenaran I, sehingga J pun belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-8 ini. Sehingga kita menju R-9.
Pada R-9, J bernilai benar karena G bernilai benar berdasarkan R-4. Karena J bukan hipotesis yang hendak kita buktikan (=K), maka penelusuran kita lanjutkan ke R-10.
Pada R-10, K bernilai benar karena J bernilai benar berdasarkan R-9. Karena K sudah merupakan hipotesis yang hendak kita buktikan (=K), maka K terbukti adalah benar.
Sehingga fakta baru pada saat inferensi muncul

Aturan	Fakta Baru
R-3	F
R-4	G
R-5	D
R-6	H
R-9	J
R-10	K

Metode Pelacakan Ke Belakang (Backward Chaining)

Backward chaining adalah suatu strategi pengambilan keputusan dimulai dari pencarian solusi dari kesimpulan kemudian menelusuri fakta-fakta yang ada hingga menemukan solusi yang sesuai dengan fakta-fakta yang diberikan pengguna.

Metode Dempster Shafer 
Suatu teori matematika untuk pembuktian berdasarkan belief functions and plausible reasoning (fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah atau bukti untuk mengkalkulasi kemungkinan dari suatu peristiwa. Teori ini dikembangkan oleh Arthur P. Dempster dan Glenn Shafer.
 
Metode Teorema Bayes
Teorema bayes dikemukakan oleh seorang pendeta presbyterian Inggris pada tahun 1763 yang bernama Thomas Bayes. Teorema Bayes ini kemudian disempurnakan oleh Laplace. Teorema bayes digunakan untuk menghitung probabilitas terjadinya suatu peristiwa berdasarkan pengaruh yang didapat dari hal observasi.

Metode Certainty Factor
Suatu metode untuk membuktikan apakah suatu fakta itu pasti atau tidak pasti yang tidak berbentuk metric yang biasanya digunakan dalam sistem pakar. Teori Certainty Factor (CF) diusulkan oleh Shortliffe dan Buchanan pada tahun 1975 untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning) seorang pakar.

Metode Case Based Reasoning

Prosedur umum ketika menerapkan CBR, diperkenalkan oleh Aamodt dan Plaza (1994). Basis pengetahuan pada Case-Based Reasoning adalah fakta-fakta berupa kasus-kasus yang sebelumnya pernah ada dan serangkaian alur untuk memeriksa, menghitung serta menyimpulkan suatu solusi dari permasalahan yang diberikan. Tahapan pada case-based reasoning ada 4 yaitu: Retrieve, Reuse, Revise, dan Retain.


Terimakasih dan semoga bermanfaat


Sumber Gambar:
Hayadi, B. Herawan, S. Kom., M. Kom,. & Prof. Dr, Kasman Rukun. (2016). What Is Expert System. Yogyakarta: Deepublish

Sumber Tulisan:
Azmi, Zulfian, S.T., M. Kom,. & Verdi Yasin, S. Kom,. M. Kom,. (2017). Pengantar Sistem Pakar dam Metode (Intruduction of Expert System and Methods). Jakarta: Mitra Wacana Media.
Rosnelly, Rika. (2012). Sistem Pakar konsep dan teori. Yogyakarta: Andi