International Journal of Advanced Engineering Research and Science (IJAERS)
https://dx.doi.org/10.22161/ijaers/3.12.11
Study on Forward Chaining and Reverse
Chaining in Expert System
Ashwini Rupnawar, Ashwini Jagdale ,Samiksha Navsupe
Assistant Prof., Dr.D.Y.Patil SCS College, Akurdi, Pune-44 Maharashtra, India
Abstrak— Sistem Pakar merupakan bagian dari kategori
umum dari komputer yang dikenal sebagai kecerdasan.Sistem
pakar dibangun untuk memecahkan permasalahan yang
kompleks. Sistem Pakar merupakan cabang Kecerdasan
Buatan yang dibangun untuk mengerjakan suatu domain
tertentu. Untuk memecahkan masalah tingkat ahli, sistem
pakar akan membutuhkan akses yang efisien ke suatu bagian
tertentu pada pengetahuan dasar, dan mekanisme penalaran
untuk menerapkan pengetahuan pada permasalahan yang
diberikan. Biasanya mereka akan membutuhkan sesuatu yang
dapat dijelaskan atau menjelaskan, kepada pengguna yang
mengandalkannya, sehingga bagaimana mereka dapat
mencapai keputusannya. Sebagaimana seorang ahli yang dapat
memecahkan permasalahan pada bidang tertentu. Makalah
penelitian ini memuat pendahuluan, bagian, penggunaan
sistem pakar serta perbedaan antara Forward Chaining dan
Backward Chaining juga apa sebenarnya arti dari Chaining
tersebut. Alat ETL menggunakan fungsi untuk mengekstrak,
mengubah dan memuat data dari sistem yang satu ke sistem
yang lainnya, pakar kami menyarankan bahwa mereka tidak
optimal untuk komunikasi aplikasi-ke-aplikasi. Pada
kecerdasan buatan, sistem pakar merupakan sistem komputer
yang meniru kemampuan pengambilan keputusan dari
manusia ahli. Teknologi kecerdasan buatan menjadi sangat
majudan hanya masalah waktu hingga mesin dapat
mempelajari hamper segala sesuatunya. Sebuah mesin yang
dapat mempelajari algoritma sudah dikatakan sangat cerdas,
sayangnya kekuatan telah menjadi tantangan dalam beberapa
decade terakhir.sekarang dengan data yang besar dan revolusi
komputasi terdistribusi masalah ini menjadi sesuatu yang
mudah untuk dipecahkan. Banyak programmer dan
pengembang dapat mulai membangun dan memprogram robot
serta gadget/perangkat lainnya sendiri. Kecerdasan buatan
adalah ilmu pengetahuan dan teknologi berdasarkan disiplin
ilmu komputer, biologi, psikologi, bahasa, matematika, dan
teknik. Dorongan utama kecerdasan buatan adalah dalam
pengembangan fungsi komputer yang terkait dengan
kecerdasan manusia,seperti penalaran, pembelajaran, dan
pemecahan masalah.
Kata Kunci— Artificial Intelligence, Expert System,
Knowledge base, Inference engine, ETL tool.
[Vol-3, Issue-12, Dec- 2016]
ISSN: 2349-6495(P) | 2456-1908(O)
I. PENDAHULUAN
Sistem pakar suatu aplikasi yang dapat memberikan
pengetahuan dan pengalaman dari seorang ahli. Sistem pakar
di rancang untuk menyediakan jawaban yang masuk akal
ketika diberikan beberapa kondisi tentang masalah yang
diberikan. Contohnya, seorang insinyur desain mungkin ahli
dalam mendesain bagian mobil menggunakan CAD(Computer
Aided Design) – mereka mengetahui bahan yang tersedia dan
apa yang mungkin dikerjakan. Sistem pakar merupakan suatu
program komputer yang menggunakan teknologi Kecerdasan
Buatan (AI) untuk mensimulasikan penilaian masnusia atau
suatu organisasi yang memiliki pengetahuan dan pengalaman
ahli dalam bidang tertentu. Suatu program komputer yang
memuat dasar pengetahuan dan sederet algoritma dan perintah
untuk mengambil kesimpulan dari beberapa fakta tentang
pengetahuan dan dari data yang ada.
Sistem pakar merupakan aplikasi kecerdasan buatan yang
menggunakan basis pengetahuan dari para ahli untuk
menangani pemecahan masalah. Tingkat pemecahan masalah
didasarkan pada kualitas data dan aturan yang diperoleh dari
ahli manusia.
Sistem pakar dirancang untuk ditampilkan di tingkat ahli.
Sistem pakar dibuat dari tiga bagian: pengetahuan dasar,
mesin infers dan antarmika pengguna. Dasar pengetahuan di
bentuk dari fakta dan aturan. Mesin infersi memungkinkan
menggunaan pohon keputusan atau sistem heuristic yang
lebih lanjut yang dapat menghadapi ketidakpastian.
Antarmuka pengguna merupakan menu atau sesuatu yang
menampilkan bahasa natural secara lanjut.
Chaining: Chaining merupakan pembelajaran tentang
serangkaian perilaku yang bener-benar kompleks. Setiap
rangkaian pada rantai berfungsi sebagai isyarat untuk respon
rangkaian selanjutnya.
Penerapan Sistem Pakar:
Klasifikasi - mengidentifikasi suatu benda berdasarkan
karakteristiknya
Sistem Pendiagnosa - menduga adanya suatu malfungsi
atau penyakit berdasarkan observasi data.
Monitoring - membandingkan data dari sistem yang terus
diamati untuk menyarankan perilaku.
Proses Kontrol - Mengkontro proses fisik berdasarkan
monitoring.
International Journal of Advanced Engineering Research and Science (IJAERS)
https://dx.doi.org/10.22161/ijaers/3.12.11
Desain – mengkonfigurasi sebuah sistem berdasaerkan
spesifikasi
Penjadwalan dan Perencanaan - mengembangkan atau
memodifikasi suatu rencana pelaksanaan
Pembentukan Pilihan - mengubah solusi alternatif menjadi
sebuah masalah
Mesin Inferensi menggunakan strategi berikut –
 Forward Chaining
 Backward Chaining
II. CARA KERJA FORWARD CHAINING
Mesin infers yang menggunakan Forward Chaining mencari
kesimpulan sampai dengan menemukan dimana „If‟
menemukan kondisi yang benar. Sehingga ketika ditemukan
akan dapat disimpulkan. Selanjutnya kondisi yang dihasilkan
ditambahkan pada informasi baru ke dalam susunan data. Ini
merupakan strategi dari sistem pakar dalam menjawab
pertanyaan. Disini, mesin infers menggunakan sekumpulan
kondisi dan turunannya sehingga menghasilkan suatu
kesimpulan. Dengan mempertimbangkan segala fakta dan
aturan, dan memilahnya sebelum menyimpulkannya menjadi
sebuah solusi. Strategi ini diikuti untuk bekerja pada
kesimpulan, hasil atau efek. Sebagai contoh, prediksi dari
status pasar saham sebagai efek dari perubahan suku bunga.
1. memeriksa aturan untuk menemukan bagian „If‟ yang
memenuhi konten dari memori kerja saat ini. 2. Mengeksekusi
aturan dengan menambahkan fakta – fakta yang spesifik sesuai
dengan aturan kepada memori kerja. Kemudian pisahkan.
Daur kontrol ini berulang hingga tidak ada aturan lagi yang
memenuhi bagian „If‟.
Pada diagram diatas menunjukan sejumlah fakta yang berarti
kondisi. Fakta-fakta tersebut memberikan sejumlah keputusan
kemudian keputusan tersebut memberikan sebuah hasil akhir.
Definisi standar dari sistem forward-chaining adalah sebuah
sistem yang beroperasi dengan mengulang beberapa urutan
pengoperasian
[Vol-3, Issue-12, Dec- 2016]
ISSN: 2349-6495(P) | 2456-1908(O)
Cara Kerja Backward Chaining :
Backward Chaining diawali dengan daftar sasaran dan
perkerjaan secara terbalik untuk melihat apakah ada data
yang memungkinkan untuk disimpulkan secara terbalik
dari sasaran tersebut. Backward Chaining dimulai dengan
beberapa fakta dan menerapkan aturan untuk menemukan
semua kesimpulan yang mungkin dicapai, dan yang
lainnya dimulai dari kesimpulan yang diinginkan dan
bekerja secara terbalik untuk menemukan fakta yang
mendukung. Anda dapat mengurutkan untuk melihat
pendekatan ini sebagai dua variasi pada pencariannya,
dengan setiap langkahnya secara maju atau mundur dan
membentuk suatu pohon, baik menyebar ke depan
menuju kesimpulan atau membentang ke belakang
menuju fakta awal. Jika sudah tahu apa yang di cari,
misal pelanggan yang mungkin melakukan penipuan,
pasien yang beresiko terkena kanker payudara dll., maka
backward chaining dapat menjadi solusi yang baik. Di
sisi lain, jika anda belum tentu mengetahui status akhir
dari solusi, misal perbaikan pada proses bisnis,
menyarankan langkah untuk menyelesaikan penyelidikan,
atau mengarahkan transformasi data pada proses ETL ,
maka pendekatan forward chaining mungkin lebih baik.
Pada langkah kinerjanya, terdapat beberapa keadaan
dimana backward chaining lebih baik. Contohnya, jika
anda mempunyai sejumlah kecil aturan dan jumlah besar
fakta-fakta, dan dapat malas untuk hanya memuat fakta
yang relevan untuk memenuhi tujuan. Jenis chaining ini
difokuskan untuk membuktikan tujuan dan pencarian
hannya sebagai bagian pengetahuan dasar yang berkaitan
dengan masalah.
 International Journal of Advanced Engineering Research and Science (IJAERS) [Vol-3, Issue-12, Dec- 2016]
https://dx.doi.org/10.22161/ijaers/3.12.11 ISSN: 2349-6495(P) | 2456-1908(O)

Perbedaan antara Forward Chaining and backward

chaining:

Backward Chaining Forward Chaining

Backward Chaining dikenal
sebagai Goal Driven
Merupakan penalaran top-
down
Menggunakan pencarian
Depth
Cepat, karena hanya menguji
beberapa aturan
Cocok untuk massalah yang
bermula dari Hipotesis
misalnya diagnosis.
Forward Chaining dikenal
sebagai Data l-driven
Merupakan penalaran bottom-
up
Menggunakan pencarian
breath
Lambat, karena menguji
semua aturan
Cocok untuk masalah yang
bermula dari kumpulan data,
misalnya perencanaan,
monitoring, controlling.

III. KESIMPULAN
Sistem pakar merupakan kecerdasan buatan (AI), alat yang
dapat merekam pengetahuan tentang pekerjaan ahli/pakar dan
menyediakan saran (biasanya) kepada orang awam pada
bidang tertentu. Sistem pakar, sebuah programkomputer yang
menggunakan metode kecerdasan buatan untuk memecahkan
permas alahan pada bidang tertentu yang biasanya
memerlukan praktisi pakar. Forward chaining merupakan
strategi implementasi yang popular untuk sistem pakar, bisnis
dan sistem aturan produksi. Backward chaining merupakan
algorit,a yang bekerja secara terbalik berawal dari
sasaran/tujuan, merambat kepada aturan untuk menemukan
fakta yang mendukung.

KATA PENGANTAR

We are very thankful to Dr. Ranjit Patil Sir , I/C Principal of

Computer Sciences Department, D.Y.Patil SCS college
Akurdi Pune for his valuable comments and suggestion
throughout writing of this paper. This helped us in improving
the quality of this paper.

REFERENSI

[1] P. Jackson, Introduction to Expert System, 3rd editon,

Addison-Wesley, 1999, ch. 4, pp. 16-28.
[2] RC Chakraborty, Expert Systems, Artificial
Intelligence, June 01,2010.
[3] Expert Systems for Business, (ed., B. Silverman),
Addison-Wesley, Reading, MA, 1987.
[4] Artificial Intelligence and Expert Systems for
Engineers C.S. Krishnamoorthy, S. Rajeev
[5] “Introduction to Artificial Intelligence and Expert
Systems” by Dan W. Patterson
RESUME :

Judul Jurnal Study on Forward Chaining and Reverse Chaining in Expert System
International Journal of Advanced engineering Research and Science (IJAERS)
Volume
Vol-3, Issue-12, Dec-2016
Tahun 2016
Penulis Ashwini Rupnawar, Ashwini Jagdale, Samiksha Navsupe
1. Aulia Nurul Zahra (A2.1600027)
Reviewer 2. Mila Rosdiana (A2.1600097)
3. Ratna Sari (A2.1600121)
Tanggal 15 November 2018

 Latar Belakang
Pada Jurnal ini penulis akan mempelajari perbedaan antara Forward Chaining dan Backward
Chaining pada Sistem Pakar. Sistem Pakar sendiri merupakan bagian dari kategori umum dari
komputer yang dikenal sebagai kecerdasan. Sistem pakar dibangun untuk memecahkan
permasalahan yang kompleks. Sistem Pakar merupakan cabang Kecerdasan Buatan yang dibangun
untuk mengerjakan suatu domain tertentu.

 Tujuan
Dari pembahasan jurnal tersebut dapat disimpulkan bahwa penulis bertujuan membuat jurnal agar
dapat mengetahui perbedaan antara Forward Chaining dan Backward Chaining serta mengetahui apa
sebenarnya arti dari Chaining tersebut.

 Metodologi
Metodologi yang digunakan adalah kualitatif karena pengumpulan datanya secara deskriptif berupa
kata–kata dan gambar, memanfaatkan teori yang ada sebagai bahan penjelas sehingga menghasilkan
suatu terori baru yang bertujuan untuk memperoleh pemahaman dan mengembangkan teori yang
ada.

 Hasil
1. Sistem Pakar
Dari hasil referensi yang peneliti kutip pada jurnal yang dibuat, dapat disimpulkan bahwa
sistem pakar adalah suatu program/sistem komputer berbasis kecerdasan buatan yang meniru
 penalaran, pembelajaran, pengambilan keputusan, dan pemecahan masalah para ahli pada
disiplin ilmu tertentu.
2. Perbedaan Forward Chaining dan Backward Chaining
Backward Chaining Forward Chaining
Backward Chaining dikenal sebagai Goal Forward Chaining dikenal sebagai Data l-driven
Driven (awal state berasal dari tujuan lalu (awal state berasal dari fakta-fakta yang
menuju fakta yang mendukung) menghubungkan ke tujuan)
Merupakan penalaran top-down Merupakan penalaran bottom-up
Menggunakan pencarian Depth Menggunakan pencarian breath
Cepat, karena hanya menguji beberapa Lambat, karena menguji semua aturan
aturan
Cocok untuk massalah yang bermula dari Cocok untuk masalah yang bermula dari
Hipotesis misalnya diagnosis. kumpulan data, misalnya perencanaan,
monitoring, controlling.

3. Chaining
Chaining merupakan pembelajaran tentang serangkaian perilaku yang benar-benar kompleks.
Setiap rangkaian pada rantai berfungsi sebagai isyarat untuk respon rangkaian selanjutnya.

 Kesimpulan
Dari tujuan yang penulis sertakan pada jurnal, dapat disimpulkan bahwa perbedaan forward
chaining dan backward chaining bisa dilihat dari teknik pengerjaan serta waktu pencarian data-data
untuk menunjang kebutuhan sistem tersebut. Namun, jika dilihat dari waktu pengerjaan backward
jaul lebih cepat ketimbang dengan forward chaining. Forward ataupun backward memiliki kelebihan
masing-masing tergantung diaplikasikan pada apa sistem tersebut.