Penentuan Algoritma Similarity Yang Akurat Pada Sistem Berbasis Cased Based Reasoning Untuk Identifikasi Ikan

Abstract

Abstrak - Indonesia sebagai negara kepulauan memiliki potensi perikanan yang sangat besar dan beragam, Indonesia memiliki 17.508 pulau dengan garis pantai sepanjang 81.000 km dan 70% (5,8 juta km2) dari luas Indonesia adalah lautan, adapun keragaman sumberdaya laut untuk beragam jenis ikan merupakan ciri tersendiri untuk mengenali dan memahami suatu spesies secara detail. Identifikasi jenis ikan yang bersifat computing masih terbatas, dalam penelitian analisa yang digunakan adalah sistem Case Based Reasoning (CBR). CBR merupakan penalaran berbasis kasus yang mempunyai metode penyelesaian masalah berbasis pengetahuan untuk mempelajari dan memecahkan masalah berdasarkan pengalaman masa lalu. CBR adalah suatu model komputasi untuk meniru penalaran manusia untuk memberikan kemudahan dalam mencari kasus berdasarkan kemiripan, kemudian case based reasoner mencari kasus-kasus yang ada pada basis kasus untuk menemukan kasus yang memiliki kemiripan dengan persoalan yang sedang dihadapi (retrieve). Oleh karena itu, proses CBR sering juga disebut dengan istilah “4 Re” yaitu Retrive, Retain, Revise, Reuse. Dalam paradigma pemecahan masalah sebuah permasalahan baru diselesaikan dengan cara membandingkan dengan kasus-kasus pada dimasa lampau dan menggunakannya kembali kasus-kasus yang ada untuk menyelesaikan suatu masalah sekarang. Tujuan dari penelitian ini adalah untuk melakukan evaluasi dan komparasi Algoritma Weighted Euclidean Distance (WED), Algoritma Hamming and Levenshtein Distances (HLD), Algoritma Cosine Coefficient for Text-Based Cases (CCFTBC) dan Algoritma k-Nearest Neighbor (k-NN) untuk identifikasi jenis ikan. Hasil penelitian ini adalah untuk mencari pemilihan hasil komparasi algoritma pada sistem CBR yang cepat dan akurat. Copyright © 2019 LPPM - STMIK IKMI CirebonThis is an open access article under the CC-BY licenseÂ