kemudian kasus baru di-update ke dalam basis kasus Pada Gambar 5.1 dijelaskan mengenai tahapan proses CBR yaitu kasus baru
dicocokkan dengan kasus-kasus yang ada di dalam basis data penyimpanan kasus dan menemukan satu atau lebih kasus yang mirip retrieve. Solusi yang
dianjurkan melalui pencocokan kasus kemudian digunakan kembali reuse untuk kasus yang serupa, solusi yang ditawarkan mungkin dapat dirubah dan diadopsi
revise. Jika kasus baru tidak ada yang cocok di dalam database penyimpanan kasus, maka CBR akan menyimpan kasus baru tersebut retain di dalam basis
data pengetahuan.
Gambar 5.1. Siklus CBR Aamodt dan Plaza, 1994
5.4 Keuntungan CBR
Penggunaan CBR dapat memberikan banyak keuntungan Pal dan Shiu, 2004, antara lain adalah:
1. Mengurangi akuisisi pengetahuan. Dengan menghilangkan kebutuhan untuk
ekstrak model atau kumpulan dari aturan-aturan, seperti yang diperlukan dalam modelsystem yang berbasis aturan. Akuisisi pengetahuan pada CBR terdapat
pada kumpulan pengalamankasus-kasus sebelumnya. 2.
Menghindari pengulangan kesalahan yang dibuat pada masa lalu. Dengan mempelajari alasan kegagalan atau informasi tentang apa yang menyebabkan
kegagalan pada masa lalu dapat digunakan untuk memprediksi potensi kegagalan pada masa yang akan datang.
3. Memberikan fleksibilitas dalam pemodelan pengetahuan. Terkadang sistem
yang menggunakan sistem selain CBR tidak bisa memecahkan masalah yang berada pada batas pengetahuan atau lingkup atau ada data yang hilang dan
tidak lengkap. CBR menggunakan pengalaman masa lalu sebagai domain pengetahuan dan sering kali dapat memberikan solusi yang masuk akal melalui
adaptasi yang tepat, pada jenis masalah tersebut. 4.
Mengatasi masalah pada domain yang belum sepenuhnya dipahami, didefinisikan atau dimodelkan. CBR dapat mengatasi sebuah masalah dengan
menggunakan hanya satu set kasus yang kecil dari suatu domain. Teori yang mendasari pengetahuan domain tidak harus dikuantifikasi atau dipahami
sepenuhnya pada metode CBR ini. 5.
Membuat prediksi kemungkinan keberhasilan solusi yang ditawarkan. Ketika informasi yang disimpan adalah tentang tingkat keberhasilan solusi masalah
pada kasus lama, CBR mungkin dapat memprediksi keberhasilan solusi yang disarankan untuk masalah saat ini. Hal ini dilakukan dengan mengacu pada
solusi kasus yang tersimpan, tingkat keberhasilan solusi kasus tersebut, dan perbedaan antara konteks sebelumnya dengan konteks saat ini saat
menerapkan solusi. 6.
Belajar dari waktu ke waktu. Karena sistem menggunakan CBR, setiap
menghadapi kasus baru sistem akan menciptakan sebuah solusi baru dari kasus tersebut. Jika solusi kasus tersebut kemudian diuji di dunia nyata dan
tingkat keberhasilan adalah baik, kasus ini dapat ditambahkan ke basis kasus dan dapat digunakan untuk membantu dalam menyelesaikan masalah pada
masa yang akan datang. 7.
Penalaran dapat dilakukan dari jumlah pengetahuan basis kasus yang sangat kecil. Proses penalaran kasus dapat dilakukan mulai jumlah basis kasus yang
sangat kecil dan akan selalu bertambah secara bertahap ketika sebuah kasus ditambahkan.
8. Penalaran tetap dapat dilakukan jika ada data yang tidak lengkap atau tidak
tepat. Ketika proses retrieval dilakukan, ada kemungkinan antara kasus baru dengan kasus lama pada basis kasus tidak mirip. Namun, dari ukuran
kemiripan tersebut tetap dapat dilakukan penalaran dan melakukan evaluasi terhadap ketidaklengkapan atau ketidaktepatan data yang
diberikan. 9.
Menghindari pengulangan semua langkah yang perlu diambil untuk mencapai solusi. Domain masalah yang memerlukan proses yang signifikan untuk
membuat solusi dari dasar, CBR memberikan pendekatan dalam melakukan langkah demi langkah solusi tersebut.
10. Menyediakan alat penjelasan. CBR dapat menyediakan kasus sebelumnya yang
termirip beserta kesuksesan solusinya untuk membantu meyakinkan pengguna, atau untuk membenarkan solusi yang diusulkan sistem untuk kasus yang baru.
Kebanyakan domain akan ada kesempatan ketika seorang pengguna ingin diyakinkan tentang kualitas solusi yang disediakan oleh sistem. Dengan
menjelaskan bagaimana kasus sebelumnya berhasil pada suatu situasi, dengan adanya tingkat kemiripan antara kasus sebelumnya dengan kasus yang baru,
CBR dapat menjelaskan solusi tersebut untuk pengguna. 11.
CBR dapat digunakan untuk berbagai tujuan. CBR dapat diimplementasikan pada banyak hal yang hampir tidak terbatas. CBR dapat digunakan untuk
banyak tujuan seperti membuat rencana, membuat diagnosis, membuat sebuah
