📖 Sintesa Solusi per Kasus (1-40)
Berikut adalah penjelasan rinci mengenai sintesa solusi untuk setiap kasus,
dilengkapi dengan referensi ilmiah yang menjadi landasan teoritisnya.
🧠 Case-Based Reasoning (CBR)
Apa itu CBR?
Case-Based Reasoning (CBR) adalah pendekatan dalam kecerdasan buatan yang menyelesaikan masalah baru
dengan mencari solusi dari kasus-kasus lama yang serupa. Sistem ini menyimpan basis pengetahuan
berupa kasus-kasus sebelumnya, kemudian ketika ada masalah baru, sistem akan:
- Mencari kasus yang paling mirip dengan masalah baru
- Mengadaptasi solusi dari kasus tersebut
- Memberikan rekomendasi solusi
💡 Pada sistem ini: CBR digunakan untuk mendiagnosis masalah belajar siswa.
Sistem membandingkan jawaban siswa (10 parameter) dengan 40 kasus yang sudah ada, lalu memberikan rekomendasi
solusi berdasarkan kasus dengan tingkat kemiripan tertinggi.
Metode Similaritas: Tversky
Sistem ini menggunakan rumus Similaritas Tversky untuk mengukur tingkat kemiripan antara
kasus baru dengan kasus lama:
S(A,B) = C / (C + α·A_only + β·B_only)
- C = Jumlah parameter yang bernilai "Ya" pada kedua kasus (kesamaan)
- A_only = Jumlah parameter yang bernilai "Ya" hanya pada kasus baru
- B_only = Jumlah parameter yang bernilai "Ya" hanya pada kasus lama
- α = 0.5 dan β = 0.5 (bobot preferensi)
Semakin tinggi nilai Similaritas (mendekati 1), semakin mirip kasus tersebut dengan kondisi siswa.
Contoh Langkah Penggunaan
📌 Skenario: Seorang siswa mengisi asesmen dengan parameter:
- P1: Ya, P2: Tidak, P3: Tidak, P4: Ya, P5: Tidak, P6: Ya, P7: Tidak, P8: Tidak, P9: Ya, P10: Tidak
⚙️ Proses:
- Sistem membandingkan vektor siswa dengan 40 kasus menggunakan rumus Tversky.
- Ditemukan Kasus #1 memiliki similarity tertinggi (85%).
- Sistem menampilkan solusi dari Kasus #1: "Gunakan media visual interaktif (infografis & video)".
✅ Hasil: Guru menerima rekomendasi dan menerapkannya dalam pembelajaran.
Keunggulan CBR pada Sistem Ini
- Adaptif: Solusi disesuaikan dengan kasus yang paling mirip
- Transparan: Guru dapat melihat kasus mana yang digunakan sebagai acuan
- Akumulatif: Basis pengetahuan dapat terus bertambah seiring waktu
- Kontekstual: Mempertimbangkan kombinasi parameter secara holistik