Menggabungkan Metode Forward Chaining dan Bayes

By , October 19, 2017,

Jika biasanya salah satu metode ini dipisah dalam kasus penyelesaian kepakaran, kali ini akan di kombinasikan menjadi satu kesatuan alur untuk satu tujuan yang sama yaitu menentukan keputusan berdasarkan pengetahuan pakar.

Untuk pengembangan aplikasi penggabungan dua metode ini Saya menggunakan bahasa pemrograman berbasis web php. Untuk database yang digunakan yaitu mysql serta untuk desain menggunakan html dan css serta javascript.

Beberapa hal tentang penggabungan metode Forward Chaining dan Bayes yaitu:

Konsep metode Fordward Chaining dan Bayes

Kedua metode ini merupakan dua metode yang mempunyai fungsi sama namun berkonsep berbeda.

#Forward chaining

Metode sistem pakar yang digunakan untuk mencari suatu solusi atau goal dengan teknik pencarian data.

 

#Bayes

Metode sistem pakar yang digunakan untuk mencari suatu solusi atau goal dengan teknik probabilitas data.

 

Perbedaan Struktur database forward Chaning dan Bayes

Beradasarkan analisa sebelumnya, jika berdiri sendiri untuk database pada masing-masing metode ini jika di buat kedalam aplikasi yaitu sebagai berikut:

#Database Forward Chaining

  1. admin, tabel yang berguna untuk menyimpan data admin pada aplikasi sistem pakar forward chaining. Admin ini merupakan user yang mengelola isi aplikasi termasuk data-data yang di dalamnya.
  2. diagnosa, merupakan tabel yang berfungsi untuk menyimpan data dianosa penyakit
  3. gejala, merupakan tabel yang berguna untuk menyimpan data gejala
  4. konsultasi, merupakan tabel yang berguna untuk menyimpan data konsultasi user
  5. pengetahuan, merupakan tabel yang berguna untuk menyimpan data aturan forward chaining, berupa data alur gejala penyakit.

#Database Bayes

  1. admin, merupakan tabel menyimpan data admin
  2. aturan, tabel yang berfungsi untuk menyimpan data aturan tentang perhitungan probabilitas bayes
  3. gejala, sama dengan fungsi tabel pada database forward chaining
  4. penyakit, mempunyai fungsi tabel pada database forward chaining

Database forward chaining dan bayes

Dan untuk database penggabungan kedua metode ini yaitu

  1. admin
  2. gejala
  3. diagnosa
  4. penyakit
  5. konsultasi
  6. pengetahuan, berfungsi untuk mengatur perhitungan forward chaining
  7. pengetahuan2 (aturan), berfungsi untuk mengatur perhitungan bayes

Contoh hasil dari penggabungan forward chaining dan bayes

Berikut ini contoh hasil proses dengan menggunakan kedua metode tersebut untuk FD adalah fordward chaining.

Hasil Pakar konsultasi fordward chaining

Hasil Pakar konsultasi fordward chaining

Hasil riwayat pertanyaan berdasarkan gejala

Hasil riwayat pertanyaan berdasarkan gejala

Gejala terpilih pada konsultasi

Gejala terpilih pada konsultasi

Hasil konsultasi pada bayes

Hasil konsultasi pada bayes

Hasil konsultasi detail gejala berdasarkan probabilitas gejala

Hasil konsultasi detail gejala berdasarkan probabilitas gejala

Demikian dari sharing kali ini, semoga bermanfaat.

Leave a Reply

Your email address will not be published. Required fields are marked *