kasus akan disimpan ke dalam database secara terindeks untuk mempercepat proses retrieval nantinya. Contoh representasi kasus menggunakan bentuk
frame seperti terlihat pada gambar 5.2. FRAME BASIS KASUS
Nomor Kasus K001
No.Rekam Medis NRM-12345
Nama Pasien1
Alamat Yogyakarta
Faktor Resiko : 1. Umur
55 2. Jenis Kelamin
Pria 3. Riwayat
Keluarga Ya
4. Hipertensi Ya
5. Obesitas Tidak
6. Faktor Ke-N ...
Gejala: 1. Gejala 1
Ya 2. Gejala 2
Tidak 3. Gejala 3
Ya 4. Gejala Ke-N
... Penyakit
P001 Nama Penyakit Obat
T001 Obat, Dosis dan Aturan pakai
Gambar 5.2 Representasi kasus
2. Indexing
Untuk mempercepat proses retrieval, maka perlu dilakukan peng-indeks-an terhadap satu atau beberapa fitur dalam basis kasus. Indeks adalah struktur
data komputasi yang terletak dalam memori utama dan dapat mempercepat proses pencarian, sehingga komputer tidak perlu mencari tiap record yang ada
dalam disk. Secara umum fungsi peng-indeks-an kasus dalam database bertujuan untuk menemukan kasus-kasus yang relevan dengan dalam basis
kasus, selanjutnya menghitung similaritas antara kasus target dan kasus-kasus yang relevan. Ilustrasi fungsi peng-indeks-an kasus terlihat pada gambar 5.3
berikut:
Gambar 5.3 Ilustrasi Indexing
Indeks memungkinkan pengguna untuk secara efektif mengambil semua record yang memenuhi syarat pencarian pada field search key dari indeks. Fitur-fitur
yang ada dalam sebuah kasus digolongkan menjadi dua tipe Watson, 1994: 2.1. Indexed Features, fitur yang akan dijadikan indeks sehingga digunakan
dalam proses retrieval data. 2.2. Unindexed Features, fitur yang hanya memberi informasi kontekstual dan
tidak digunakan sebagai proses retrieval data. Pada gambar 5.4 menunjukkan representasi tipe dari fitur-fitur dalam suatu
kasus.
Gambar 5.4 Indexed dan unindexed features
Indeks adalah sesuatu yang berkaitan erat dengan implementasi, bukan modeling. Seringkali perlu ditambahkan indeks pada sebuah field atau banyak
field dikarenakan jika tidak ditambahkan maka performance database tidak menjadi praktis. Setiap kolom yang memiliki rentang nilai cukup banyak, terletak
pada tabel yang berisi banyak record dan sering disebutkan di klausa WHERE, ORDER BY atau GROUP BY perlu diberi indeks. Ini dikarenakan indeks
membantu mencari secara cepat sebuah nilai dari banyak nilai yang ada. Chen, dkk 2005 membagi proses indexing menjadi dua cara, yaitu manual
indexing human indexer dan automated indexing comuputer based. Peng- indeks-an manual seperti halnya daftar isi pada buku, katalog barang dan
sebagainya. Dalam perkembangannya proses peng-indeks-an manual mengarah pada penggunaan konten elektronik sehingga ditemukan peng-
indeks-an otomatis. Banyak DBMS database management system telah mendukung fitur indexing
dalam berbagai metode, salah satu DBMS tersebut adalah database MySQL. MySQL mendukung banyak storage engine dengan berbagai tipe table, dimana
storage engine itu sendiri terbagi atas 2 tipe, yaitu engine yang menagani transction-safe table dan yang tidak. Beberapa jenis stored engine tersebut
adalah MyISAM, InnoDB, Blackhole, Archive dan beberapa stored engine lainya. MyISAM merupakan engine yang non-transactional table, yang
menyediakan proses penyimpanan dan pengambilan data dengan cepat, serta dilengkapi dengan kemampuan fulltext searching. Hal ini menyebabkan MyISAM
menjadi default engine pada MySQL. Beberapa tipe indexing juga didikung oleh MySQL seperti B
+
Tree, Hash Index, Bitmap Index, Clustered Index dan bebereapa tipe lainnya. Tipe indexing dari beberapa DBMS ditampilkan dalam
tabel 5.1 berikut Jeffries, 2013:
Tabel 5.1 Tipe Indexing
3. Storage
Watson dan Marir 1994 menyatakan bahwa tempat penyimpanan kasus merupakan aspek yang penting dalam perancangan sistem CBR. Case-base
harus dapat diorganisasikan ke dalam struktur yang dapat dikelola sehingga mendukung metode retrieval dan pencarian. Keseimbangan harus
diperlukan antara metode penyimpanan yang mempertahankan kekayaan pertambahan data-data kasus dan pengindeks-an serta metode yang
sederhana untuk mengakses dan mengambil kasus-kasus yang relevan. Kenyataannya banyak sistem CBR menggunakan struktur flat file atau
struktur database relasional sebagai tempat penyimpanan kasus dan pengindeks-an.
4. Case Retrieval
Retrieval merupakan inti dari CBR, yaitu proses menemukan dalam case-base, kasus-kasus yang paling dekat dengan kasus saat ini. Pengambilan kasus
yang efektif harus menggunakan kriteria seleksi yang menentukan bagaimana basis kasus dicari. Teknik retrieval yang paling sering diselidiki sejauh ini,
adalah k-nearest neighbor, pohon keputusan dan turunannya. Teknik ini menggunakan smimilarity metric untuk menentukan ukuran kedekatan
similarity antar kasus Pal dan Shiu, 2004. Sebagai salah satu contoh metode similarity yang digunakan adalah weighted minkowski dengan rumus sebagai
berikut Nunez, dkk, 2004:
5.1
Keterangan: dC
i
,C
j
C
i
C
j
n k
w r
: :
: :
: :
: nilai similarity antara kasus C
i
dan kasus C
j
kasus baru kasus lama
jumlah atribut pada masing-masing kasus atribut individu, antara 1 sd n
bobot yang diberikan pada atribut ke-k faktor minkowski integer positif
Nilai r adalah bilangan prositif ≥ 1, antara 1 sampai dengan tak hingga. Jika
r=1 dikenal dengan manhattancity block distance, jika r=2 dikenal dengan euclidean distance Merigó dan Casanovas, 2008 dan jika r= infinity tak
hingga dikenal dengan chebyshev distance Rao dkk, 2012.
5. Case Adaptation
Pemecahan masalah dalam CBR, solusi lama digunakan sebagai landasan untuk memecahkan masalah baru. Karena kondisi kasus baru jarang persis
dengan yang kasus lama, sehingga solusi kasus lama harus diperbaiki agar sesuai dengan kondisi kasus baru. Langkah perbaikan tersebut dikenal dengan
istilah adaptasi, yang terdiri dari dua langkah utama yaitu mencari tahu apa yang perlu disesuaikan dan melakukan perbaikan Kolodner, 1992. Adaptasi
merupakan proses memindahkan solusi dari kasus yang berhasil di-retrieve menjadi solusi pada kasus yang baru. Sejumlah pendekatan dapat digunakan
untuk adaptasi kasus antara lain Vorobieva dkk, 2003:
