Content Management System Untuk Fuzzy Subtractive Clustering dan Fuzzy K-Nearest Neighbor

Abstract

Sistem berbasis kasus menggunakan penalaran berbasis kasus atau Case-Based Reasoning (CBR). CBR akan membandingkan suatu kasus baru dengan kasus-kasus lain yang sudah tersimpan sebelumnya.Proses pencocokan semacam ini tentunya akan membutuhkan waktu yang sangat lama dengan beban komputasi yang relatif tinggi manakala basis kasus berisi kasus dalam jumlah yang sangat banyak. CBR klasik ini akan mengevaluasi kasus satu per satu karena belum adanya pengelompokan data berdasarkan karakteristik kasus dalam basis kasus. Proses penghitungan similaritas sebagaimana terlihat pada persamaan pada CBR klasik juga sangat rentan terhadap „kemiripan palsu‟. Hal ini terjadi manakala kasus yang akan dievaluasi memiliki komponen yang jauh lebih banyak daripada komponen yang dimiliki oleh kasus-kasus tertentu dalam basis kasus. Penelitian dilakukan dengan membangaun CMS yang digunakan untuk membangun sitem pakar atau sistem pendukung keputusan. Metode yang digunakan adalah fuzzy subtractive clustering(FSC) dan fuzzy k-nearest neighbor(Fk-NN). Metode-metode yang digunakan ini diharapkan akan menangani permasalahan pada metode CBR klasik dan untuk mengetahui apakah permasalahannya bisa ditangani maka sistem akan melalui beberapa pengujian. Hasil dari penelitian skripsi ini adalah berhasil membuat aplikasi CMS yang digunakan untuk membangun sistem pakar atau sistem pendukung keputusan berbasis web. Sistem yang dibangun dapat membantu untuk mengambil suatu keputusan tertentu sesuai data pengetahuan yang dimasukan kedalam sistem. Sedangkan dari pengujian sistem diperoleh hasil bahwa pengklasteran basis pengetahuan terlebih dahulu sebelum proses klasifikasi dapat mengefisiensi waktu komputasi dan menurunkan beban komputasi, sedangkan menggunakan konsep fuzzy dalam klasifikasi dapat meningkatkan performa sistem dalam memberikan alternatif solusi. Kata Kunci : Fk-NN, FSC, CBR, CMS