Perantaian balik adalah metode pelacakan ke belakang yang memulai penalaran dari kesimpulan. Biasa digunakan pada sistem pembuktian teori otomatis, atau pada kecerdasan buatan.[1] Caranya dengan mencari sekumpulan hipotesis-hipotesis menuju fakta-fakta yang mendukung sekumpulan hipotesis-hipotesis tersebut.

Perantaian balik merupakan kebalikan dari perantaian maju. Suatu hipotesis pada sebuah objek diperlukan bersama dengan informasi untuk memilikih keputusan antara meyakinkan atau mengabaikannya. Perantaian balik memiliki mesin inferensi yang disebut objek yang didorong atau sasaran yang didorong. Dalam perantaian balik, mesin infrensi dapat dikategorikan menjadi deterministik dan probabilistik.

Penerapan

sunting

Pada sistem pakar, perantaian balik dilakukan melalui tiga tahap. Tahapan pertama ialah menyediakan basis pengetahuan dari sesuatu yang akan dianalisis datanya. Tahapan kedua adalah menentukan aturan yang digunakan dalam memperoleh kesimpulan melalui penalaran dari hipotesa. Penalaran ini bertujuan untuk memperoleh fakta. Tahapan ketiga ialah menghasilkan suatu solusi melalui penalaran.[butuh rujukan]

Referensi

sunting
  1. ^ Feigenbaum, Edward (1988). The Rise of the Expert Company. Times Books. hlm. 317. ISBN 0-8129-1731-6.

📚 Artikel Terkait di Wikipedia

Penerapan Kecerdasan Buatan

Tahun 1970, munculnya sistem kecerdasan buatan menggunakan algoritma backward chaining dikenal MYCIN. Aplikasi tersebut dikembangkan berdasarkan informasi

Penalaran oportunistik

pengetahuan, contohnya perantaian maju (forward chaining) versus perantaian mundur (backward chaining). Namun, dalam penalaran oportunistik, potongan-potongan

Sistem pakar

dua mode utama terkait dengan mesin inferensi, yakni forward chaining dan backward chaining. Sistem pakar pertama, yang disebut Dendral, dikembangkan di

Representasi dan Penalaran Pengetahuan

KEE memiliki mesin aturan lengkap dengan mekanisme forward chaining dan backward chaining, serta basis pengetahuan berbasis frame yang mencakup pemicu