1
pengetahuan pakar kedalam program yang akan dan anomali yang menggunakan algoritma knn
di bangun, sehingga diperkenalkan metode baru dan indexing untuk mendapatkan data terurut.
dengan tujuan mencari solusi dari permasalahan
tapi menggunakan pengetahuan berbasis kasus, 3. Revisi :
dengan demikian bukan lagi pengetahuan pakar
yang digunakan untuk pengetahuan program tapi Meninjau ulang solusi yang diajukan.
pengetahuan kasus yang telah ada dan solusi Revise dilakukan terhadap anomali baru
yang telah ada yang disimpan dalam program yang tidak ada didalam databse yang akan
(database). disimpan ke dalam tabel new anomali. Dari
Penalaran berbasis kasus (Case-Base tabel tersebut maka akan ditampilkan
Reasoning) merupakan sebuah sistem yang beberapa anomali baru yang akan
menggunakan pengalaman lama untuk dapat dimasukkan kedalam tabel anomali oleh
mengerti dan menyelesaikan masalah baru. pakar.
(Sankar dan Simon, 2004).
Penelitian tentang penalaran berbasis kasus
telah dilakukan ole Eriyanti, 2004 untuk 4. Retain:
mendeteksi penyakit kulit dan kelamin. Mendalami bagian dari pendalaman ini untuk
Keuntungan sistem penalaran berbasis kasus, digunakan dalam pemecahan masalah
yaitu: berikutnya. Proses Retain dilakukan dengan
1. Mengurangi dampak penambahan informasi menyimpan hasil anomali baru kedalam sebuah
pengetahuan, karena tidak memerlukan case-base sehingga dapat digunakan sebagai
pemahaman bagaimana menyelesaikan kasus baru baik menggunakan bantuan anomali
masalah. lain atau anomali itu sendiri. Gambar 1,
2. Tidak memerlukan suatu model yang menunjukkan gambar proses terjadinya case-
explisit dan pengetahuan didapatkan dengan base reasoning dimulai dari retrieve, reuse,
cara mengumpulkan kejadian-kejadian yang revise dan retain.
telah terjadi.
3. Kemampuan untuk belajar dengan
menambahkan kasus baru seiring waktu
tanpa perlu menambahkan aturan baru atau
mengubah yang sudah ada.
4. Kemampuan untuk mendukung justifikasi
dengan menawarkan kasus lampau lebih
diutamakan. (Sankar dan Simon, 2004).
2. Reuse:
Menggunakan kembali informasi dan 3. Metode Penelitian
pengetahuan dalam kasus tersebut untuk
mengatasi masalah. Proses reuse yaitu pada saat Langkah-langkah yang akan dilakukan dalam
ditemukannya anomali yang sama yang ada penelitian ini adalah :
dalam database dengan anomali pada kasus 1. Pengumpulan data
sekarang. Informasi tersebut akan dilakukan
untuk menghitung nilai similarity antar kasus
2
Data yang dikumpulkan adalah data-data dari Dari tabel 1 terdapat m kasus dan n anomali .
situs internet yang membahas masalah virus Setiap nomor kasus memiliki nama virus serta
komputer. anomalinya. Kasus-kasus bisa memiliki nama
penyakit yang sama dengan anomali yang
2. Studi Literatur berbeda.
Dalam tahap ini dilakukan studi literatur
yang terkait dengan case base reasoning. 4.2 Indexing
3. Analisis Indexing digunakan untuk mempercepat
Menganalisis penerapan metode case base penulusuran data. Proses indexing yang akan
reasoning dalam kaitannya dengan identifikasi dilakukan dalam sistem ini yaitu menggunakan
virus komputer. query dalam database sehingga dapat
mengurutkan data pada tabel dan relasi antar
4. Perancangan tabel. Untuk tabel case base indexing dilakukan
Pada tahap perancangan dilakukan data flow dengan mengurutkan kasus berdasarkan idvirus
diagram sistem, melakukan perancangan basis kemudian setelah terurut diirutkan lagi
data dan merancang antar muka pengguna berdasarkan idgejala dengan menggunakan kata
sistem. kunci order by.
3
jumlah total fitur, Nilai similarity antara target 3 Kasus Target 1 1 1 1 1
case dengan source case didapat dari fungsi
f(Ti,Si) dikali dengan bobot fitur. Berdasarkan rumus persamaan 1, maka dapat
Pembobotan digunakan untuk memberikan dicari similarity kasus target dengan kasus A dan
nilai penting suatu anomali terhadap virus. kasus B.
Nilai bobot yang diberikan adalah antara 1
sampai dengan bobot maksimum masing-masing Sim(A,T) = 1* 2 + 1*2 + 1*2 = 6 = 0.54
fitur. Semakin besar nilai similarity yang 2+2+2+2+3 11
diperoleh maka akan semakin besar peluang
source case untuk dijadikan sebagai solusi bagi Sim(B,T) = 1*2 + 1*2 + 1*3 = 7 = 0,63
target case . Nilai similarity maksimal adalah 1 2+2+2+2+3 11
dan nilai minimal = 0.
Hasil identifikasi virus ditentukan Berdasarkan perhitungan diatas maka kasus
berdasarkan keanehan (anomaly) yang B lebih mirp dengan kasus target sehinnga solusi
ditunjukkan oleh komputer. Sehingga anomali dari kasus B dapat dijadikan solusi untuk kasus
yang ditunjukkan oleh komputer dijadikan fitur Target.
– fitur yang akan dicari similaritynya. Didalam
fungsi f(Ti,Si) didefenisikan bahwa jika fitur 4.4 Revisi Kasus
target case ke-1 bernilai sama dengan fitur
source case ke-i maka fungsi akan bernilai 1, Revisi merupakan bagian dari adaptasi sistem
sebaliknya jika tidak sama funsi akan bernilai 0. terhadap kasus yang belum berhasil di
Komputer hanya mempunyai dua hubungan identifikasi. Revisi kasus dilakukan oleh pakar.
dengan anomali yaitu memiliki anomali Kasus tersebut disimpan untuk menunggu revisi
(disimbolkan dengan angka 1) atau tidak pakar. Pakar akan merevisi nama virus
memiliki anomali (disimbolkan dengan angka 0). berdasarkan anomali yang ada pada dalam kasus.
Berikut akan diberikan contoh
perhitungan similarity kasus. Misalkan terdapat 4.5 Retain
beberapa anomali dengan masing-masing bobot
Retain dilakukan dengan menyimpan hasil
seperti tampak pada tabel 2. Representasi kasus
anomali baru kedalam sebuah case-base
ditunjukkan pada tabel 3. Kolom yang berisi
sehingga dapat digunakan sebagai kasus baru
nomor pada tabel 3. merupakan nomor anomali
baik menggunakan bantuan anomali lain atau
yang ada pada tabel 2.
anomali itu sendiri.
4
[3]. Sankar K. Pal and Simon C.K, 2004,
“Foundations of Soft Case Based Reasoning”,
Wiley-Interscience, A Jhon Wiley & Sons, Inc.