Perancangan CBR (Case Based Reasoning) Untuk Mendeteksi Kerusakan Komponen Mesin Dispenser Pengisian BBM, (Studi Kasus Pada PT. Royal Kreasindo Jayatama)

Saiful, Fahrian Adi (2021) Perancangan CBR (Case Based Reasoning) Untuk Mendeteksi Kerusakan Komponen Mesin Dispenser Pengisian BBM, (Studi Kasus Pada PT. Royal Kreasindo Jayatama). Undergraduate thesis, Universitas 17 Agustus 1945 Surabaya.

	Text ABSTRAK.pdf Download (2MB)
	Text BAB 1.pdf Restricted to Repository staff only Download (6MB)
	Text BAB 2.pdf Restricted to Repository staff only Download (6MB)
	Text BAB 3.pdf Restricted to Repository staff only Download (6MB)
	Text BAB 4.pdf Restricted to Repository staff only Download (6MB)
	Text BAB 5.pdf Restricted to Repository staff only Download (6MB)
	Text LAMPIRAN.pdf Download (6MB)
	Text JURNAL.pdf Download (1MB)
	Text JURNAL TURNITIN.pdf Download (2MB)

Abstract

Case-Based Reasoning (CBR) merupakan sistem penalaran komputer yang menggunakan pengetahuan lama untuk mengatasi masalah baru. CBR memberikan solusi terhadap kasus baru dengan melihat kasus lama yang paling mendekati kasus baru. Hal ini akan sangat bermanfaat karena dapat menghilangkan kebutuhan untuk mengekstrak model seperti yang dibutuhkan oleh sistem berbasis aturan. Penelitian ini mencoba untuk membangun suatu sistem Penalaran Berbasis Kasus untuk melakukan deteksi kerusakan pada komponen mesin dispenser pengisian BBM (bahan bakar minyak). Proses identifikasi dilakukan dengan cara memasukkan kasus baru (target case) yang berisi gejala-gejala yang akan diidentifikasi ke dalam sistem, kemudian sistem akan melakukan proses indexing dengan algoritma Nearest Neighbor yang bekerja dengan menggunakan rumus perhitungan similarity (kemiripan) untuk memperoleh indeks dari kasus baru tersebut. Setelah memperoleh indeks, sistem selanjutnya melakukan proses perhitungan nilai similarity antara kasus baru dengan basis kasus yang memiliki indeks yang sama, dengan menampilkan hasil identifikasi kerusakan pada komponen mesin dispenser pengisian BBM. Perhitungan similarity bertujuan untuk memilih kasus yang paling relevan atau cocok. Asumsi dasar yang digunakan adalah permasalahan yang mirip akan memiliki solusi yang mirip. Apabila hasil similarity lebih dari sama dengan 50 persen, maka akan ditampilkan hasil identifikasi kerusakan, namun jika hasil similitary kurang dari 50 persen, maka akan dimasukkan dalam tahap revisi agar dapat dijadikan sebagai kasus baru.

Actions (login required)

View Item