Tujuan dari kajian ini akan dilakukan penilaian dan perbandingan algoritma similarity pada sitem CBR, yaitu Algoritma Weighted Euclidean Distance (WED), Algoritma Hamming and Levenshtein Distance (HLD), Algoritma Cosine Coefficient for Text-Based Cases (CCFTBC) dan Algoritma k-Nearest Neighbor (k-NN) untuk identifikasi jenis ikan. Dan juga menginspirasi para pembaca untuk mengenali potensi penerapan CBR dan Analisi Algoritma Similarity dalam berbagai bidang, termasuk dalam identifikasi jenis ikan.
singkat buku ini dapat disajikan sebagai berikut --- Buku "Case Based Reasoning (CBR) Analisis Algoritma Similarity dalam Identifikasi Jenis Ikan" merupakan kajian mendalam tentang penggunaan metode Case Based Reasoning (CBR) dalam identifikasi jenis ikan. Penulis, Suhadi, Marisa, dan Rudi Budi Agung, memperkenalkan pendekatan CBR sebagai metode kecerdasan buatan yang efektif untuk memecahkan masalah dengan menerapkan pengalaman dari kasus-kasus sebelumnya yang serupa. Buku ini menggali berbagai teknik pengukuran similarity (similaritas) seperti Algoritma Weighted Euclidean Distance (WED), Algoritma Hamming and Levenshtein Distance (HLD), Algoritma Cosine Coefficient for Text-Based Cases (CCFTBC), dan Algoritma k-Nearest Neighbor (k-NN) untuk membandingkan data ikan baru dengan data kasus-kasus yang telah ada sebelumnya. Penulis juga membahas morfologi ikan dan metode identifikasi jenis ikan. Buku ini diharapkan dapat memberikan inspirasi bagi pembaca untuk mengenali potensi penerapan CBR dan Analisis Algoritma Similarity dalam berbagai bidang, termasuk identifikasi jenis ikan, serta memberikan kontribusi positif bagi pengembangan ilmu pengetahuan dan teknologi, serta upaya konservasi dan pengelolaan sumber daya ikan secara berkelanjutan. --- ini memberikan gambaran umum tentang isi buku dan fokus utamanya, sesuai dengan konten yang diberikan dalam buku tersebut.
Unduh untuk perangkat lain: