case based reasoning

Belajar Case Based Reasoning (CBR): Pengertian, Penerapan dan Cara Kerjanya

Case Based Reasoning (CBR) ditemukan oleh Roger Schank dan murid-muridnya di Universitas Yale pada tahun 1980an. Ini dikarenakan pada karya Roger Schank terdapat model memori yang dinamik, model tersebut yang menjadi dasar awal untuk sistem Case Based Reasoning.

Pada artikel ini, kita akan belajar dan mengenal lebih dalam lagi mengenai metode Case Based Reasoning (CBR) dari apa itu CBR, cara kerjanya serta penerapanya di dunia nyata.

Pengertian Case Based Reasoning (CBR)

Case Based Reasoning adalah bentuk metode yang digunakan dalam melakukan sebuah perancangan sistem pakar dengan melakukan pengambilan keputusan dari kasus baru yang dijalankan berdasarkan solusi dari kasus sebelumnya.

Konsep yang terdapat pada CBR adalah dengan menemukan sebuah ide yang akan digunakan dalam melakukan pengalaman yang telah terdokumentasi dalam menyelesaikan suatu masalah baru.

Arsitektur sebuah sistem CBR
Arsitektur sebuah sistem CBR

Struktur sistem CBR dapat digambarkan sebagai kotak hitam seperti gambar di atas, yang mencakup mekanisme penalaran dan aspek eksterna, meliputi.

  • Spesifikasi masukan (input) atau kasus dari suatu permasalahan.
  • Solusi yang diharapkan sebagai keluaran (output).
  • Kasus-kasus sebelumnya yang tersimpan sebagai referensi pada menanisme penalaran.

Cara Kerja Case Based Reasoning (CBR)

Secara umum ada empat langkah dalam CBR, yaitu.

tahapan case based reasoning
Cara Kerja Case Based Reasoning

1. Retrieve (Memperoleh Kembali)

Proses Retrieve mendapatkan kembali kasus yang sama atau yang mirip dengan kasus baru yang baru kita temui. Dalam proses ini, tahap yang dilakukan adalah identifikasi masalah, memulai pencocokan dan seleksi.

Baca juga :   Belajar Naive Bayes: Alur Algoritma, Rumus dan Contoh Perhitungan Naive Bayes

2. Reuse (Menggunakan Kembali)

Reuse melakukan proses pecarian masalah pada database melalui indentifikasi masalah baru. Kemudian, sistem akan menggunakakn kembali informasi permasalahan yang pernah terjadi tersebut yang memiliki kesamaan untuk menyelesaikan permasalahan yang baru.

Proses Reuse dipusatkan pada dua aspek.

  1. Perbedaan antara kasus sebelumnya dengan kasus sekarang.
  2. Bagian dari kasus yang lama sudah diperoleh akan dikirimkan menjadi kasus baru.

3. Revise (Meninjau Kembali atau Perbaikan)

Proses Revise dilakukan tinjauan kembali atau perbaiki solusi-solusi yang sudah didapat pada masalah tersebut. Proses ini memiliki dua tugas pokok.

  1. Ketika solusi yang sudah diperloleh dari proses Rause akan di evaluasi kembali. Jika berhasil, maka lansung dilanjutkan ke proses Retain.
  2. Jika tidak, Sistem akan memperbaiki lagi solusi kasus yang diperoleh dari proses Retain dengan menggunakan domain spesifik pengetahuan.

4. Retain (Menyimpan)

Proses Retain merupakan proses terakhir pada CBR. Dalam proses sistem akan menyimpan permasalahan yang baru lalu dimasukan ke dalam basis pengetahuan, kemudian akan digunakan untuk menyelesaikan permasalahan yang akan datang.

Tahapan yang paling penting pada proses CBR yaitu proses pengambilan keputusan kasus (case retrieval). Di dalam pengambilan keputusan, persamaan antara kasus satu dan kasus lain dijadikan sebagai dasar dalam pengambilan sebuah kasus di dalam basis kasus.

Semakin besar persamaan yang dimiliki suatu kasus dengan kasus yang baru di dalam basis kasus, maka memungkinkannya solusi yang terdapat pada kasus tersebut bisa digunakan untuk menyelesaikan permasalahan dalam kasus baru.

Penerapan Case Based Reasoning (CBR)

Case Based Reasoning telah banyak diterapkan dalam banyak bidang yang berbeda dan sistem yang disebutkan disini merupakan sistem yang telah teruji. Bidang aplikasi tersebut antara lain.

Baca juga :   Apa Itu Agoritma AdaBoost? Pengertian, Cara Kerja dan Contoh

1. Hukum

  • Memodelkan masalah kejahatan dalam bentuk kalimat (JUDGE).
  • Hukum perdagangan rahasia (HYPO).
  • Bidang penuntutan tindak kejahatan yang dikenal dengan Malicous Prosecution Consultant (MPC).
  • Penalaran basis kasus umum yang digunakna dalam area hukum (OPINE).
  • Sistem legal untuk pengkodean masalah hukum (HELIC-II).

2. Kedokteran

  • Menyelesaikan masalah klinik.
  • Analisa penyakit jantung berdasarkan kondisi pasien (CASEY).
  • Mengklasifikasi kategori kasus (PROTOS).
  • Mendiagnosis medis (BOLERO).

3. Rekayasa

  • Mendesain arsitektur bangunan kantor (ARCHIE).
  • Perancangan struktur (CADSYN).
  • Tataletak bangunan tempat tinggal.

4. Komputasi

  • Validasi kasus yang diambil kembali (retrieval).
  • Aplikasi buatan teknis (help desk).

5. Jaringan Komunikasi

  • Menangani kegagalan jarignan komunikasi (CRITTER).
  • Menentukan modul-modul yang rawan kesalahan pada jaringan komputer.

6. Desain Pabrik

  • Pengelolaan autoclave.
  • Mendesain sepatu.

7. Keuangan

  • Malakukan audit keuangan (SCAN).
  • Mendeteksi kepailitan Bank dengan ANN.

8. Penjadwalan

  • Meningkatkan kualitas penjadwalan (CABINS).
  • Mengelola penjadwalan pesawat terbang (SMART).
  • Perancangan dan penjadwalan terdistribusi.

Kelebihan Case Based Reasoning (CBR)

  1. Semakin banyak pengalaman yang tersimpan di dalam sistem maka sistem akan semakin pintar dalam menemukan solusi untuk kasus.
  2. Memecahkan masalah dengan mudah karena dapat mengambil solusi dengan cepat dan tepat.
  3. Dapat memberikan solusi jika tidak ada metode algoritma yang tersedia.
  4. Dapat memecahkan masalah dalam domain yang hanya dapat di pahami sebagian.
  5. Dapat menafsirkan konsep terbuka dan tidak jelas.

Kekurangan Case Based Reasoning (CBR)

  1. Case Based Reasoning (CBR) tergantung pada kasus lampau dan mengakibatkan tidak menjamin solusi yang didapat itu menjadi solusi terbaik atau maksimal. Ketika solusi dari kasus yang pernah terjadi itu salah, maka harus dilakukan Revise untuk mengurangi tingkat kesalahanya.
  2. Semakin banyak pengalaman yang tersimpan di basis data, maka tidak menuntup kemungkinan dalam menyelesaikan suatu kasus baru akan menjadi lama. Itu disebabkan sisitem akan mencari kasus-kasus yang paling mirip.
Baca juga :   Beam Search: Cara Kerja dan Contoh Penerapan

Penutupan

Pada pembahasan kita di atas dapat kita simpulkan bahwa Case-Based Reasoning (CBR) atau Penalaran Berbasis Kasus adalah pendekatan dalam kecerdasan buatan yang berfokus pada pembelajaran dari pengalaman sebelumnya.

CBR memungkinkan sistem untuk mengambil keputusan dengan merujuk pada kasus-kasus atau pengalaman sebelumnya yang serupa. Hal ini memungkinkan pemecahan masalah yang lebih cerdas dan pengambilan keputusan yang lebih kontekstual.

Artikel ini merupakan bagian dari seri artikel belajar Kecerdasan Buatan dan jika ada ide topik yang mau kita bahas silahkan komen di bawah ya.