HIERARCHICAL CLUSTERING UNTUK INDEXING PADA CASE-BASED REASONING

ELVERY B. JOHANNES, Aina Musdholifah, S.Kom., M.Kom., Ph.D.

2017 | Tesis | S2 Ilmu Komputer

Case-Based Reasoning (CBR) merupakan suatu metodologi penyelesaian masalah dengan memanfaatkan pengalaman sebelumnya. Cara kerjanya dengan membandingkan kasus baru terhadap kasus lama yang tersimpan dalam basis kasus. Kasus lama dicek satu per satu tingkat kemiripannya terhadap kasus baru. Kasus lama yang memiliki nilai similaritas tertinggi, selanjutnya diberikan kepada user sebagai kandidat solusi untuk menyelesaikan kasus baru. Permasalahannya jika kasus lama yang tersimpan dalam basis kasus sangat banyak, maka akan mengakibatkan waktu retrieve menjadi semakin lama. Tujuan dari penelitian ini adalah untuk menghasilkan model sistem CBR yang memiliki kinerja optimal dengan memanfaatkan clustering sebagai metode indexing. Metode clustering yang digunakan yaitu agglomerative hierarchical clustering (AHC) melalui pendekatan single-linkage, complete-linkage, average-linkage. Pengujian sistem dilakukan terhadap 25 data uji untuk penyakit jantung, dan 20 data uji untuk penyakit gizi buruk. Hasil pengujian menunjukkan, dengan menggunakan CBR cluster-indexing terjadi peningkatan kecepatan retrieve sebesar 32.05% untuk penyakit jantung, dan 30.97% untuk penyakit gizi buruk. Performa terbaik CBR cluster-indexing untuk penyakit jantung yaitu pada metode complete-linkage dengan 4 jumlah klaster (akurasi = 96%, dan rata-rata waktu retrieve = 0.0312 detik), sedangkan untuk penyakit gizi buruk masing-masing pada metode average-linkage dengan 3 jumlah klaster, serta metode complete-linkage dengan 4 jumlah klaster (akurasi = 100%, dan rata-rata waktu retrieve = 0.0164 detik).

Case-Based Reasoning (CBR) is a problem-solving methodology by utilizing previous experiences. It works is comparing new case to old cases in case base. Old cases are matched one by one the resemblance to a new case. It is that have the highest resemblance value, given to the user as a candidate to solve a new case. The problem if the old cases in case base is very much, then the retrieve time will become longer. This study aims to produce a model of CBR system that has optimum performance using clustering for indexing method. The clustering method using agglomerative hierarchical clustering (AHC) through single-linkage, complete-linkage, average-linkage approach. The system testing was performed to 25 data test for cardiovascular, and 20 data test for malnutrition disease. The results show CBR cluster-indexing there was enhancement of retrieve speed 32.05% for cardiovascular, and 30.97% for malnutrition disease. The best performance of CBR cluster-indexing for cardiovascular disease is the complete-linkage method with 4 clusters (accuracy 96%, and ratio of retrieve time 0.0312 seconds), while for malnutrition disease respectively are the average-linkage method with 3 cluster number, and the complete-linkage method with 4 cluster (accuracy 100%, and ratio of retrieve time 0.0164 seconds).

Kata Kunci : CBR, single-linkage, complete-linkage, average-linkage, indexing