(Case-Based Reasoning)

Learning From Data (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. Para decisionmaker kebanyakan menggunakan pengalaman – pengalaman dari problem solving terdahulu untuk menyelesaikan masalah yang dihadapi sekarang.

CBR menggunakan pendekatan kecerdasan buatan (Artificial Intelligent) yang menitikberatkan pemecahan masalah dengan didasarkan pada knowledege 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. Secara umum, metode ini terdiri dari 4 langkah, 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/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.
  1. Retain (menyimpan) bagian-bagian dari pengalaman tersebut yang mungkin berguna untuk memecahkan masalah di masa yang akan datang.
    Proses ini 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.
    Pada saat terjadi permasalahan baru, pertama-tama sistem akan melakukan proses Retrieve. Proses Retrieve akan melakukan dua langkah pemrosesan, yaitu pengenalan masalah dan pencarian persamaan masalah pada database.
    Setelah proses Retrieve selesai dilakukan, selanjutnya system akan melakukan proses Reuse. Di dalam proses Reuse, sistem akan menggunakan informasi permasalahan sebelumnya yang memiliki kesamaan untuk menyelesaikan permasalahan yang baru. Pada proses Reuse akan menyalin, menyeleksi, dan melengkapi informasi yang akan digunakan. Selanjutnya pada proses Revise, informasi tersebut akan dikalkulasi, dievaluasi, dan diperbaiki kembali untuk mengatasi kesalahan-kesalahan yang terjadi pada permasalahan baru. Pada proses terakhir, system akan melakukan proses Retain. Proses Retain akan mengindeks, mengintegrasi, dan mengekstrak solusi yang baru. Selanjutnya, solusi baru itu akan disimpan ke dalam knowledge-base untuk menyelesaikan permasalahan yang akan datang. Tentunya, permasalahan yang akan diselesaikan adalah permasalahan yang memiliki kesamaan dengannya.

history

CBR jejak akar untuk karya Roger Schank dan murid-muridnya di Universitas Yale pada awal tahun 1980. Model Schank tentang memori dinamis adalah dasar bagi sistem CBR awal: Janet Kolodner yang CYRUS dan IPP Michael Lebowitz ini.

Sekolah lain dari CBR dan bidang serumpun muncul pada 1980-an, yang diarahkan pada topik-topik seperti penalaran hukum, penalaran berbasis memori (cara penalaran dari contoh pada mesin massal paralel), dan kombinasi dari CBR dengan metode penalaran lainnya. Pada 1990-an, minat CBR tumbuh secara internasional, sebagaimana dibuktikan oleh pembentukan Konferensi Internasional tentang Penalaran Berbasis Kasus pada tahun 1995, serta Eropa, Jerman, Inggris, Italia, dan lainnya lokakarya CBR.

Teknologi CBR telah mengakibatkan penyebaran sejumlah sistem yang sukses, awal menjadi Lockheed CLAVIER, sistem untuk meletakkan bagian komposit harus dipanggang dalam oven konveksi industri. CBR telah digunakan secara luas dalam aplikasi help desk seperti sistem SMART Compaq dan telah menemukan area aplikasi utama dalam ilmu kesehatan.

Iklan
Pos ini dipublikasikan di do you know. Tandai permalink.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google+

You are commenting using your Google+ account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s