Fuzzy Case-Based Reasoning: Implementasi Logika Fuzzy pada Case-Based Reasoning

Abstract

Penggunaan logika fuzzy untuk menangani masukan yang berupa linguistik telah dieksplorasi dan memberikan beberapa hasil uji terhadap data yang digunakan. Penelitian ini menggunakan data standar sebanyak 958 data dan masing-masing data memiliki 14 atribut yang kemudian dapat dibentuk menjadi Case-Based Reasoning (CBR). Nilai kemiripan diperoleh dari dua teknik similaritas, yaitu similaritas Fuzzy dan similaritas Nearest-Neighbour. Pengujian menggunakan sebanyak 81 data dengan rata-rata akurasi kemiripan sekitar 77% untuk similaritas Fuzzy dan 78,5% untuk Nearest-Neighbour. Tingkat akurasi similaritas Fuzzy lebih rendah dari Nearest-Neighbour, tetapi terdapat kelebihan jika menggunakan masukan bersifat linguistik, seperti lebih sederhana dan fleksibel dalam memasukkan data yang berbentuk linguistik (kata-kata).