PENENTUAN ALGORITMA SIMILARITY YANG AKURAT PADA SISTEM BERBASIS CASE BASED-REASONING (CBR) UNTUK IDENTIFIKASI JENIS IKAN
PENENTUAN ALGORITMA SIMILARITY YANG AKURAT PADA SISTEM BERBASIS CASE BASED-REASONING (CBR) UNTUK IDENTIFIKASI JENIS IKAN
(1 vote average: 5 out of 5) 1951 VIEWS Skripsi
COURSE DETAILS
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 bagi enumerator/petugas lapangan di kabupaten/kota. Identifikasi jenis ikan yang bersifat computing masih terbatas salah satu sistem yang digunakan dalam penelitian ini adalah sistem Case Based-Reasoning (CBR). CBR merupakan penalaran berbasis kasus adalah salah satu 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. CBR adalah suatu paradigma pemecahan masalah dimana 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 komparasi algoritma yang akurat yang pertama adalah algoritma k-Nearest Neighbor (k-NN), yang kedua adalah algoritma Cosine Coefficient for Text-Based Cases (CCFTBC), yang ketiga adalah algoritma Hamming and Levenshtein Distances (HLD) dan yang keempat adalah algoritma Weighted Euclidean Distance (WED).
