Aini Hutagalung

Menu
  • Beranda
  • Materi
    • Knowledge Management System
    • Sistem Pakar
    • Visual Basic
  • Downloads
    • Tugas
    • Kuis

Tuesday, June 26, 2018

Metode Case Based Reasoning

June 26, 2018Case Based Reasoning, Sistem Pakar No comments
Dengan seiring perkembangan teknologi yang terjadi saat ini, telah berkembangnya bidang study Artificial Intellegence (AI), hal inilah yang mendorong para ahli untuk mengembangkan suatu teknologi yang mampu mengembangkan kegunaan komputer dan dapat mengadopsi proses serta cara berfikir komputer seperti manusia. Untuk membagun sebuah sistem pakar maka dibutuhkan sebuah metode perhitungan dan penelusuran terhadap hipotesa gejala-gejala yang dirasakan untuk mencapai suatu diagnosa, pada kali saya akan membahas sebuah metode Case Based Reasoning (CBR). berikut penjelasannya

metode case basad reasoning
Salah satu metode penalaran dalam sistem pakar adalah penalaran berbasis kasus (Case-Based Reasoning). Pada penalaran berbasis kasus (Case-Based Reasoning), suatu basis kasus berisi kasus-kasus dengan solusi yang telah dicapai.  Untuk menemukan solusi dari sebuah kasus baru yang diberikan, sistem akan mencari kasus-kasus dalam basis kasus yang memiliki tingkat kesamaan yang paling tinggi. Salah satu metode untuk menghitung tingkat kesamaan kasus adalah jarak euclid.

Pengertian Case Based Reasoning

Metode Case Based Reasoning adalah salah satu metode untuk membangun sistem pakar dengan pengambilan keputusan dari kasus yang baru dengan berdasarkan solusi dari kasus – kasus sebelumnya. Konsep dari metode case based reasoning ditemukan dari ide untuk menggunakan pengalaman – pengalaman yang terdokumentasi untuk menyelesaikan masalah yang baru.
Cased Based Reasoning atau CBR menggunakan pendekatan kecerdasan buatan (Artificial Intelligent) yang menitikberatkan pemecahan masalah dengan didasarkan pada knowledge dari kasus-kasus sebelumnya. Apabila ada kasus baru maka akan disimpan pada basis pengetahuan sehingga sistem akan melakukan learning dan knowledge yang dimiliki oleh sistem akan bertambah.

Siklus Case-based Reasoning
Siklus Case-based Reasoning (Aamodt dan Plaza,1994)

Siklus Cased Based Reasoning

Prosesnya terdiri dari memilih informasi apa dari kasus yang akan disimpan, disimpan dalam bentuk apa, cara menyusun kasus untuk agar mudah untuk menemukan masalah yang mirip, dan bagaimana mengintegrasikan kasus baru pada struktur memori. Para decisionmaker kebanyakan menggunakan pengalaman – pengalaman dari problem solvingterdahulu untuk menyelesaikan masalah yang dihadapi sekarang.
Secara umum terdapat empat langkah proses pada metode Case Based Reasoning, yang pelaksanaannya berupa siklus, yaitu :
  1. Retrieve : memperoleh kembali kasus atau kasus-kasus yang paling mirip. Task ini dimulai dengan pendeskripsian satu/sebagian masalah dan berakhir apabila telah ditemukan kasus sebelumnya yang paling cocok. Sub tasknya mengacu pada identifikasi fitur, pencocokan awal, pencarian, dan pemilihan.
  2. Reuse : menggunakan informasi dan pengetahuan dari kasus tersebut untuk memecahkan permasalahan. Proses reuse dari solusi kasus yang telah diperoleh dalam konteks kasus baru difokuskan pada dua aspek yaitu: · perbedaan antara kasus yang sebelumnya dan yang sekarang, bagian apa dari kasus yang telah diperoleh yang dapat ditransfer menjadi kasus baru.
  3. Revise : meninjau kembali atau memperbaiki, usulan solusi. Fase ini terdiri dari dua tugas, yaitu :
    • Mengevaluasi solusi kasus yang dihasilkan oleh proses reuse. Jika berhasil, maka dilanjutkan dengan proses retain, 
    • Jika tidak maka memperbaiki solusi kasus menggunakan domain spesifik pengetahuan.
  4. Retain : menyimpan bagian-bagian dari pengalaman tersebut yang mungkin berguna untuk memecahkan masalah di masa yang akan datang.
    Proses dalam CBR dapat menggunakan berbagai teknik, diantaranya adalah algoritma nearest neighbor untuk menghitung tingkat kemiripan (jarak) suatu kasus terhadap kasus lain berdasarkan beberapa atribut yang didefinisikan berdasar pembobotan tertentu dan kemudian tingkat kemiripan (jarak) dari keseluruhan atribut akan dijumlahkan.
     
    Berikut ini merupakan contoh kasus dan rumus untuk mencari nilai kemiripan (similarit y) yaitu :
    Ti=(nX1 + nX2 + nX3)/N
    Keterangan :
    • Ti = Nilai kesama kasus
    • nX1 + nX2 + nX3 = Banyaknya kesamaan subjek X1,X2,X3..Xn
    • N = Banyak elemen pada basis kasus

    Suatu penyakit memiliki gejala-gejala yang berbeda, namun tidak sedikit penyakit yang memiliki gejala yang hampir sama bahkan sama. Sehingga membutuhkan diagnosa dari seorang pakar untuk menentukan penyakit yang diderita. Tetapi ada kalanya butuh pemeriksaan labolatorium untuk melihat jenis penyakit tertentu. Salah satunya hepatitis. Macam-macam penyakit hepatitis yang sering menyerang manusia seperti pada Tabel 1 berikut :
    Tabel 1. Jenis-Jenis Penyakit Hepatitis
    No
    Nama Penyakit
    1
    Hepatitis A
    2
    Hepatitis B
    3
    Hepatitis C

    Dari jenis jenis penyakit hepatitis diatas, mempunyai gejala penyakit yang dapat di lihat pada tabel 2 berikut ini :
    Tabel 2. Gejala Penyakit
    No
    Kode Gejala
    Nama Gejala
    1
    G01
    Kelelahan
    2
    G02
    Mual dan muntah
    3
    G03
    Nyeri perut atau rasa tidak nyaman, terutama di daerah hati (pada sisi kanan bawah tulang rusuk)
    4
    G04
    Kehilangan nafsu makan
    5
    G05
    Demam
    6
    G06
    Urine berwarna gelap
    7
    G07
    Nyeri otot
    8
    G08
    Menguningnya kulit dan mata (jaundice).
    9
    G09
    Sakit perut
    10
    G10
    Urine gelap
    11
    G11
    Demam
    12
    G12
    Nyeri sendi
    13
    G13
    Kehilangan nafsu makan
    14
    G14
    Mual dan muntah
    15
    G15
    Kelemahan dan kelelahan
    16
    G16
    Kulit menguning dan bagian putih mata (jaundice).
    17
    G17
    Kelelahan
    18
    G18
    Demam
    19
    G19
    Mual atau nafsu makan yang buruk
    20
    G20
    Otot dan nyeri sendi
    21
    G21
    Nyeri di daerah hati.

    Basis kasus yang tersimpan sebagai acuan mencari kemiripan, kemudian dibentuk rule merupakan cara untuk mempermudah dalam mengetahui hasil akhir. Tabel 3 merupakan pembentukan rule dari penyakit hepatitis :
    Tabel 3. Pembentukan Rule Penyakit Hepatitis
    No
    Kode Gejala
    Nama Gejala
    Nama Penyakit
    1
    G01
    Kelelahan
    Hepatitis A
    2
    G02
    Mual dan muntah
    3
    G03
    Nyeri perut atau rasa tidak nyaman, terutama di daerah hati (pada sisi kanan bawah tulang rusuk)
    4
    G04
    Kehilangan nafsu makan
    5
    G05
    Demam
    6
    G06
    Urine berwarna gelap
    7
    G07
    Nyeri otot
    8
    G08
    Menguningnya kulit dan mata (jaundice).
    9
    G09
    Sakit perut
    Hepatitis B
    10
    G10
    Urine gelap
    11
    G11
    Demam
    12
    G12
    Nyeri sendi
    13
    G13
    Kehilangan nafsu makan
    14
    G14
    Mual dan muntah
    15
    G15
    Kelemahan dan kelelahan
    16
    G16
    Kulit menguning dan bagian putih mata (jaundice).
    17
    G17
    Kelelahan
    Hepatitis C
    18
    G18
    Demam
    19
    G19
    Mual atau nafsu makan yang buruk
    20
    G20
    Otot dan nyeri sendi
    21
    G21
    Nyeri di daerah hati.

    Pengukuran Kemiripan Kasus (Similarity)
    Dalam mencari kasus yang memiliki kemiripan dengan kasus baru, setiap kasus baru akan disamakan dengan semua kasus yang ada pada basis kasus dengan faktor-faktor bagian diatas, yang digunakan untuk mengukur kemiripan, yaitu gejala-gejala penyakit. Misalnya ada kasus baru sebagai berikut :

    Pasien 1 Memilih Gejala, G01,G6,G11,G13,G20. Maka untuk kasus baru ini akan dihitung kemiripannya dengan rumus berikut :
    Ti=(nX1 + nX2 +  nX3)/N
    Ti=(G01+G06+G08+G13+G20)/21
     
    Setelah dimasukan nilainya maka kasus baru tersebut akan dibandingkan dengan setiap kasus yang ada pada contoh yaitu Tabel 4. Hasil perhitunganya untuk kemiripan (similarity) setiap kasus yang tersimpan pada basis kasus dengan kasus baru adalah sebagai berikut :

    Tabel 4. Jumlah Nilai Kemiripan Dengan Kasus Baru
    Nama Penyakit
    G01
    G06
    G08
    G13
    G20
    Ti
    Penyakit Hepatitis A
    1
    1
    1
    0
    0
    3/21
    Penyakit Hepatitis B
    0
    0
    0
    1
    0
    1/21
    Penyakit Hepatitis C
    0
    0
    0
    0
    1
    1/21

    Pengambilan atau Pemilihan Data
    Dari hasil perhitungan Similarity diatas maka dapat disimpulkan bahwa pasien 1 kemungkinan mengalami penyakit Hepatitis A dengan nilai kemiripan sebesar 3/21atau 0.1428. Walaupun demikian, setiap kasus baru belum tentu memiliki nilai kemiripan yang lumayan tinggi dengan basis kasus. Maka perlu diberikan kriteria kemiripan dengan menghitung nilai desimal dari setiap Ti atau nilai kemiripan. Adapun kriteria pembagian nilai Ti adalah sebagai berikut :
    Tabel 5. Kriteria Kemiripan
    Nilai Desimal Kemiripan
    Kriteria Kemiripan
    0,8-1
    High
    0,4-0,79
    Medium
    0-0,39
    Low
Read More
Newer Posts Older Posts Home

About Me

Aini Hutagalung
View my complete profile

Popular Posts

  • Metode Forward Chaining
    Pengertian Forward Chaining Dalam membangun sistem pakar, maka diperlukan suatu metode penelusuran dan membantu untuk mementukan hasil da...
  • Metode Certainty Factor
    Sistem pakar harus mampu bekerja dalam ketidakpastian. Sejumlah teori telah ditemukan untuk menyelesaikan ketidakpastian, termasuk diantara...
  • Definisi Dasar Knowledge Management System
    Pengetahuan adalah kekuatan. Artinya banyak perusahaan mencapai sukses dengan pengetahuan yang dimilikinya oleh SDM-nya. Salah satu kunci ...

Blog Archive

  • ▼  2018 (6)
    • ▼  June (4)
      • Metode Case Based Reasoning
      • Metode Certainty Factor
      • Metode Forward Chaining
      • Definisi Dasar Knowledge Management System
    • ►  May (2)

Copyright © Aini Hutagalung | Powered by Blogger
Design by Flythemes | Blogger Theme by NewBloggerThemes.com | Free Blogger Templates