Sistem pakar atau dalam bahasa Inggris disebut expert system merupakan salah satu cabang dari artificial intelligence (kecerdasan buatan) yang meniru kemampuan pengambilan keputusan para pakar untuk menyelesaikan suatu masalah dalam bidang tertentu. Seorang pakar di sini maksudnya adalah seorang ahli yang menguasai bidang tertentu sehingga dapat menyelesaikan suatu masalah yang tidak dapat ditangani oleh orang awam. Di sinilah sistem pakar digunakan. Sistem pakar berbentuk program komputer yang sudah dibekali kemampuan seorang pakar untuk menggantikan kemampuan para pakar tersebut. Sistem pakar dibuat seolah-olah dapat berpikir dan menentukan keputusan apa yang harus diambil, layaknya para pakar manusia. Sistem pakar sendiri mulai dikembangkan pada tahun 1960-an dan 1970-an, kemudian diterapkan secara komersial pada tahun 1980-an.

Ada beberapa alasan mengapa sistem pakar digunakan sebagai pengganti para pakar. Di antaranya adalah:

1. Orang awam yang menggunakan sistem pakar dapat melakukan pekerjaan para pakar.
2. Sistem pakar dalam bekerja berulang kali tanpa mengenal lelah.
3. Menggunakan sistem pakar dapat meningkatkan kualitas dan produktivitas karena komputer biasanya dapat bekerja lebih cepat dari pada manusia.
4. Dapat diandalkan
5. Bisa digunakan dalam lingkungan yang berbahaya.
6. Dapat digunakan sebagai media bantu dalam pelatihan.

Selain memiliki berbagai kelebihan seperti di atas, sistem pakar juga memiliki kekurangan, yaitu:

1. Biaya untuk membuat dan merawat sistem pakar biasanya relatif mahal karena dibutuhkan banyak data agar dapat menyamai kemampuan seorang pakar.
2. Sistem pakar harus terus diperbaharui untuk mengikuti perkembangan ilmu pengetahuan di bidangnya.
3. Jika dibandingkan dengan perangkat lunak konvensional, pengembangan sistem pakar lebih sulit dilakukan.

Metode Forward Chaining

Dalam sistem pakar, metode forward chaining merupakan metode yang melakukan pelacakan ke depan, dimulai dari sekumpulan fakta dan berakhir di kesimpulan. Metode ini kebalikan dari metode backward chaining. Metode forward chaining bermula dari fakta-fakta yang sudah diketahui atau ditetapkan dalam suatu sistem pakar. Kemudian menggunakan premis yang ditentukan oleh user, yang nantinya premis-premis itu akan disesuaikan dengan fakta-fakta tadi menggunakan suatu aturan tertentu. Hasil dari proses ini akan menghasilkan fakta baru, yang nantinya akan digunakan untuk melanjutkan proses dan mendapatkan kesimpulan akhir setelah tidak ada lagi aturan yang premisnya cocok dengan fakta.

Alasan mengapa menggunakan forward chaining adalah karena terdapat banyak cara atau aturan yang berbeda untuk mendapatkan kesimpulan yang sedikit, dan ingin mendapatkan kesimpulan dari fakta-fakta yang sudah ada sebelumnya.

Pelacakan forward chaining dapat digunakan dalam tipe sistem seperti:

1. Ada satu atau beberapa kondisi yang menggambarkan suatu sistem.
2. Sistem mencari aturan yang sesuai dengan bagian if pada setiap kondisi.
3. Kondisi baru dapat terbentuk dari kesimpulan yang diperoleh berdasarkan aturan yang ada.
4. Kondisi yang baru akan diproses oleh sistem, dan akan dicari aturan yang sesuai dengan kondisi tersebut (kembali ke langkah 2). Jika tidak ada aturan yang sesuai dengan kondisi tersebut, maka tahapan ini berakhir.

Terdapat dua cara untuk melakukan pencarian dalam metode forward chaining:

1. Memberikan semua data sekaligus ke dalam sistem pakar dalam satu sesi konsultasi. Hal ini dapat digunakan dalam sistem pakar yang terautomatisasi.
2. Memberikan hanya data dengan elemen tertentu kepada sistem pakar selama proses konsultasi.

Contoh Penggunaan Metode Forward Chaining

Misalkan tujuannya adalah untuk menentukan warna hewan bernama Icak. Icak merupakan amfibi dan makan lalat. Adapun aturannya adalah

• Jika X adalah amfibi dan X makan lalat, maka X adalah katak
• Jika X adalah aves dan X bersiul, maka X adalah burung kenari
• Jika X adalah katak, maka X berwarna hijau
• Jika X adalah burung kenari, maka X berwarna kuning.

Selanjutnya kita ilustrasikan forward chaining dengan mengikuti aturan dan fakta yang ada. Faktanya, Icak merupakan amfibi dan makan lalat. Dengan forward chaining, maka mesin inferensi akan memutuskan bahwa Icak berwarna hijau dengan urutan langkah sebagai berikut:

1. Berdasarkan fakta, “Icak adalah amfibi” dan “Icak makan lalat”. Aturan 1 terpenuhi dengan mengganti Icak dengan X. Mesin inferensi akan menyimpulkan bahwa Icak adalah katak.
2. Aturan 3 akan terpenuhi dengan mengganti Icak menjadi X, sehingga mesin inferensi akan menyimpulkan bahwa Icak berwarna hijau.

Penulis : Syafira