<![CDATA[Abstrak Sistem penalaranan berbasis kasus atau Case-Based Reasoning (CBR) merupakan bagian dari artificial intelligent yang telah banyak diimplementasikan sebagai sistem untuk mendiagnosa penyakit, mendeteksi kerusakan bangunan, mesin, komputer, dan lain sebagainya. Cara kerjanya yaitu dengan membandingkan kasus baru terhadap kasus lama yangdisimpan sebagai pengetahuan (knowledge) pada basis kasus. Kasus lama dicek tingkat similaritasnya satu per satu terhadap kasus baru. Kasus lama yang memiliki kemiripan tertinggi, diberikan kepada user sebagai kandidat solusi untuk menyelesaikan kasus baru. Permasalahannya adalah jika kasus lama pada basis kasus sangat banyak, maka waktu retrieve akan menjadi relatif semakin lama. Tujuan dari penelitian ini adalah untuk menghasilkan model sistem CBR yang memiliki kinerja optimal dengan memanfaatkan clustering untuk indexing. Metode clustering yang digunakan yaitu complete-linkage. Clustering dilakukan terhadap kasus lama yang dibuat dengan variasi 3, 4, 5, dan 6 jumlah cluster. Pengujian sistem selanjutnya diimplementasikan terhadap kasus penyakit jantung dengan 25 data uji. Hasil pengujian menunjukkan, dengan menggunakan CBR cluster-indexing terjadi peningkatan kecepatan waktu retrieve sebesar 34.18%, yaitu pada variasi 4 jumlah cluster. Akurasi sistem CBR cluster-indexing sama dengan sistem non-ndexing yaitu sebesar 96% pada variasi 4, 5, dan 6 jumlah cluster. Pada variasi 3 jumlah cluster, akurasi CBR non-indexing sebesar 96%sedangkan CBR cluster-indexing sebesar 92%.]]>
Copyrights © 2019
