Backward Chaining: Pengertian, Penerapan dan Contoh Soal

Dalam dunia kecerdasan buatan (Artificial Intelligence), khususnya pada sistem pakar, terdapat komponen penting yang disebut inference engine. Komponen ini bertugas untuk memproses informasi dan menarik kesimpulan berdasarkan aturan yang ada dalam basis pengetahuan. Salah satu metode penalaran yang sering digunakan dalam inference engine adalah Backward Chaining, yang berfokus pada pembuktian suatu tujuan atau hipotesis.

Seiring berkembangnya sistem pakar, banyak yang mulai bertanya apa itu Backward Chaining, bagaimana cara kerjanya, dan apa perbedaannya dengan Forward Chaining. Hal ini penting dipahami karena metode ini memiliki pendekatan yang unik, yaitu memulai proses dari tujuan lalu menelusuri fakta pendukungnya. Oleh karena itu, pada artikel ini kita akan membahas secara lengkap mulai dari pengertian, cara kerja, hingga contoh penerapan Backward Chaining.

Apa Itu Backward Chaining?

Backward Chaining adalah metode penalaran dalam sistem pakar (expert system) yang menggunakan pendekatan berbasis tujuan (goal-driven). Prosesnya dimulai dari sebuah hipotesis atau tujuan yang ingin dibuktikan, kemudian sistem akan mencari fakta-fakta pendukung dengan menelusuri aturan (rules) yang tersedia dalam basis pengetahuan.

Berbeda dengan forward chaining yang dimulai dari data, backward chaining bekerja secara terbalik dengan mencari hubungan antara tujuan dan fakta yang mendukungnya. Metode ini sangat efektif ketika jumlah kemungkinan data sangat besar, tetapi sistem hanya ingin memverifikasi satu atau beberapa hipotesis tertentu.

Baca Juga: Uji Hipotesis: Pengertian, Cara Hitung dan Contohnya

Cara Kerja Backward Chaining

Berbeda dari Forward Chaining yang dimulai dari data menuju kesimpulan, Backward Chaining bekerja dari hipotesis menuju data. Konsep ini sering digunakan ketika sistem sudah memiliki dugaan awal (tujuan) yang ingin dibuktikan kebenarannya.

Bayangkan kamu sedang menjadi detektif yang sudah tahu siapa tersangkanya, tapi belum tahu bukti-buktinya. Nah, tugasmu adalah mencari fakta-fakta pendukung yang bisa membuktikan bahwa orang tersebut memang pelakunya. Itulah analogi sederhana dari cara kerja Backward Chaining.

Secara umum, proses kerja Backward Chaining dapat dijelaskan dalam beberapa tahapan langkah berikut:

1. Menentukan Tujuan Awal (Goal)
   Proses dimulai dari sebuah tujuan yang ingin dibuktikan. Misalnya, sistem ingin mengetahui apakah suatu pernyataan “K” bernilai benar. Tujuan ini disebut hipotesis utama.
2. Mencari Aturan yang Menghasilkan Tujuan Tersebut
   Setelah menetapkan tujuan, sistem akan mencari aturan (rule) dalam basis pengetahuan yang memiliki konsekuen (hasil) sama dengan tujuan tersebut. Misalnya ada aturan: “IF J THEN K”. Ini berarti, agar “K” benar, maka “J” juga harus benar.
3. Menjadikan Premis Sebagai Subtujuan Baru
   Karena “J” menjadi syarat untuk “K”, maka “J” sekarang dianggap sebagai tujuan baru yang harus dibuktikan. Sistem kembali mencari aturan lain yang bisa mendukung “J”, misalnya “IF I AND A THEN J”.
4. Melacak Fakta yang Sudah Ada
   Proses ini terus berlanjut secara rekursif sampai sistem menemukan fakta-fakta awal (data yang sudah diketahui kebenarannya). Jika fakta-fakta ini sesuai dengan semua premis yang dibutuhkan, maka hipotesis awal dianggap terbukti benar.
5. Menarik Kesimpulan
   Setelah semua subtujuan terbukti berdasarkan fakta yang ada, sistem kemudian menyimpulkan bahwa tujuan utama memang benar. Namun jika salah satu premis gagal dibuktikan, maka kesimpulan dianggap tidak valid.

Secara sederhana, algoritma Backward Chaining bekerja seperti “rantai sebab-akibat yang dibalik”, sistem menelusuri jalan mundur dari hasil ke penyebab. Logika ini sangat efisien ketika jumlah kemungkinan fakta sangat besar, tetapi sistem hanya ingin memverifikasi satu atau beberapa hipotesis spesifik.

Baca Juga: Sistem Pakar Adalah: Pengertian, Cara Kerja dan Contoh

Cotoh Soal Backward Chaining

Seperti pada contoh pada Forward Chaining terdapat 10 aturan (rules) yang sama pada basis pengetahuan dan fakta awal yang diberikan hanya A dan B. Ingin membuktikan apakah K bernilai benar.

Terdapat 10 aturan (rules) yang tersimpan dalam basis pengetahuan yaitu.

1. R1: IF A and B Then C
2. R2: IF C Then D
3. R3: IF A and E Then F
4. R4: IF  A Then G
5. R5: IF and G Then D
6. R6: IF G and E Then H
7. R7: IF C and H Then I
8. R8: IF I and A Then J
9. R9: IF G Then J
10. R10: IF J Then K

Proses penalaran backward chaining terlihat pada gambar dibawah ini.

Baca Juga: Forward Chaining: Pengertian, Penerapan dan Contoh Soal

Kelebihan dan Kekurangan Backward Chaining

Seperti pada metode forward chaining, metode ini juga memiliki kelebihan dan kekurangan diantaranya.

Kelebihan Backward Chaining

1. Metode ini bisa menyediakan berbagai informasi yang terdiri dari jumlah kecil maupun jumlah besar dari sebuah data yang ada.
2. Karena titik akhir dapat diakses, maka merupakan strategi pemikiran yang lebih cepat daripada forward chaining.
3. Hasilnya sekarang diketahui, membuatnya mudah untuk menarik kesimpulan.

Kekurangan Backward Chaining

1. Dibatasi dengan sebuah aturan (rules) yang sudah ada ditetapkan. Jika tidak ada aturan yang terpenuhi maka sistem tidak bisa mengambil kesimpulan yang ada karena belum ada sebuah aturan baru yang ada dari knowledge base yang belum tersedia.
2. Tidak dilengkapi dengan teknik pengukuran akurasi dari hasil hipotesis, berapa besar tingkat kepastia yang ada pada hipotesis, jika diambil dalam bentuk persentase kecenderungan yang mengidap sebuah penyakit itu.
3. Kemungkinan adanya suatu cara yang digunakan untuk mengenali beberapa fakta penting yang harus diketahui yang lebih penting dari fakta lainnya.

Baca Juga: Belajar Sistem Pendukung Keputusan (SPK): Pengertian, Komponen dan Cara Kerja Sistem Pendukung Keputusan

Contoh Penerapan Backward Chaining

Berikut beberapa contoh penerapan metode ini.

• Sistem pakar untuk pengujian transistor di laboratorium elektronika.
• Sistem pakar untuk mendiagnosa penyakit leukemia.
• Sistem pakar untuk diagnosa penyakit tulang.
• Sistem pakar untuk mengantisipasi permasalahan tanaman kacang kedelai.

Kesimpulan

Pada pembelajaran ini dapat kita simpulkan bawah Backward Chaining merupakan salah satu metode dalam sistem pakar yang menggunakan pendekatan berbasis tujuan untuk membuktikan suatu hipotesis. Dengan cara kerja yang dimulai dari kesimpulan menuju fakta, metode ini mampu memberikan proses penalaran yang lebih terarah dan efisien dalam kondisi tertentu.

Pemahaman tentang pengertian backward chaining, cara kerja, serta kelebihan dan kekurangannya sangat penting dalam pengembangan sistem kecerdasan buatan. Dengan penerapan yang tepat, metode ini dapat digunakan dalam berbagai bidang seperti diagnosis penyakit, analisis sistem, hingga pengambilan keputusan berbasis aturan.

Artikel ini merupakan bagian dari seri Kecerdasan Buatan KantinIT.com. Jika artikel ini bermanfaat, jangan lupa bagikan ke media sosial atau ke teman kamu.