CASE BASED REASONING FOR TROUBLESHOOTING ON BASE TRANSCEIVER STATION USING COSINE SIMILARITY METHOD

Abstract

Gangguan pada BTS menjadi persoalan tersendiri bagi para teknisi khususnya para teknisi pemula, terlebih lagi dengan banyaknya tower BTS yang dibangun oleh provider dan kemungkinan akan adanya BTS yang mengalami gangguan dalam waktu yang bersamaan, tentunya teknisi harus dapat melakukan troubleshooting atau penanganan gangguan dengan cepat dan tepat sehingga dapat meminimalisir kekecewaan pelanggan akibat terganggunya layanan telekomunikasi yang disediakan oleh provider. Oleh sebab itu, dibutuhkannya sebuah sistem cerdas berbasis pengetahuan yang dapat mempelajari dan memecahkan masalah berdasarkan pengetahuan masa lalu dan dapat beradaptasi dalam menyelesaikan masalah baru, yang mana ini merupakan ciri-ciri dari sistem Case Based Reasoning. Case Base Reasoning adalah penalaran yang digunakan untuk menyelesaikan kasus baru dengan cara mengadaptasi solusi yang terdapat pada kasus-kasus sebelumnya, yang mempunyai permasalahan yang serupa dengan kasus baru. Pada tahapan retrieve, terjadi proses perhitungan kemiripan antara kasus baru dengan kasus lama. Perhitungan kemiripan kasus baru dengan kasus lama menggunakan metode Cosine Similarity. Pengujian hasil sistem  menggunakan tahapan CBR, kesesuaian hasil diagnosis pakar dan hasil diagnosis sistem, serta pengujian metode Cosine Similarity. Hasil pengujian pada diagnosis pakar dan diagnosis sistem atau output dari sistem dengan menggunakan 9 kasus gangguan dan 31 gejala gangguan  memberikan hasil diagnosis yang sesuai dengan persentase kemiripan 100%. Pada pengujian metode Cosine Similarity dengan membandingkan antara dua kasus, yakni kasus baru yang belum terekam sistem dan kasus lama yang berada dalam basis kasus, pengujian perhitungan  sistem dan perhitungan secara manual menggunakan 5 kasus uji, nilai similarity keluaran dari sistem dihitung kembali secara manual menggunakan rumus cosine similarity dan memberikan nilai yang sesuai, sehingga sistem memberikan rekomendasi  kasus lama yang memiliki nilai kemiripan tertinggi dari seluruh kasus yang terekam dalam sistem untuk menyelesaikan masalah baru. Dapat disimpulkan bahwa sistem CBR dapat beradaptasi terhadap kasus baru dengan cara memberikan rekomendasi solusi dari kasus lama.