-
1
Penerapan Case Based Reasoning Dalam
Penentuan Keputusan Hakim
A. Latar Belakang
Hakim selalu dituntut untuk selalu mampu mengambil keputusan dengan
baik dan tepat saat menjatuhkan hukuman kepada seorang terdakwa. Salah satu
keputusan seorang hakim adalah menentukan lamanya seorang terdakwa dipenjara
atau ditahan dan denda yang harus dibayarkan. Keputusan harus dilakukan sebaik
mungkin karena berhubungan dengan kemerdekaan, kehormatan dan harta
seorang terdakwa.
Faktor yang mempengaruhi putusan hakim adalah faktor internal dan
faktor eksternal. Faktor internal meliputi: usia, keluarga, korban, dan terdakwa.
Faktor eksternal berupa hal yang memberatkan dan meringankan, dan pasal yang
dikenakan.
Melihat dari kriteria yang dipertimbangkan dalam menentukan hukuman
kepada terdakwa, maka hal tersebut bukan merupakan pekerjaan yang mudah
untuk dilakukan seorang hakim. Salah satu cara yang dapat digunakan dalam
membantu pengambilan keputusan adalah dengan metode case base reasoning.
Metode ini menawarkan teknik penyelesaian masalah dengan mengadopsi solusi
pada permasalahan sebelumnya. sehingga dengan metode ini, para pembuat
keputusan tidak perlu lagi membangun aturan-aturan (rule based system) dari
permasalahan yang dihadapinya.
Dengan metode ini, hakim dapat melihat apakah keputusan yang akan
diberikan kepada terdakwa tepat jika dilihat dari kasus-kasus yang terdahulu yang
mempunyai kemiripan. Seperti kemiripan faktor-faktor yang telah disebutkan di
atas tadi. Berdasarkan hal tersebut, maka penelitian ini dilakukan untuk
membangun sebuah sistem pendukung keputusan yang menerapkan metode case
base reasoning untuk penentuan hukuman kepada seorang terdakwa.
-
2
B. Tujuan
Penelitian ini bertujuan membangun suatu sistem yang dapat membantu
hakim dalam menentukan keputusan hukum bagi terdakwa dengan menggunakan
metode case base reasoning.
C. Dasar Teori
CBR merupakan suatu teknik pemecahan masalah yang mengadopsi
solusi-solusi masalah-masalah sebelumnya yang mirip dengan masalah baru yang
dihadapi untuk mendapatkan solusinya [Riesbeck dan Schank, 1989]. Kasus pada
masa lalu disimpan dengan menyertakan fitur-fitur yang menggambarkan
karakteristik dari kasus tersebut beserta solusinya.
Ian Watson (1997), mengelompokkan CBR menjadi 2 kelompok:
klasifikasi dan sintesa. Pada kelompok klasifikasi: kasus dikelompokkan
berdasarkan kemiripan yang dilihat dari fitur-fiturnya. Kasus yang baru akan
mengadopsi solusi dari kasus-kasus yang berada dalam kelompok kasus yang
sama. Pada kelompok sintesa, solusi didapat dengan cara mengkombinasikan
solusi-solusi dari kasus-kasus sebelumnya. kelompok ini biasanya merupakan
sistem gabungan antara CBR dengan teknik yang lain.
CBR System
Classification
task
Synthesis
task
Prediction Assesment Diagnosis Planning Design Configuration
Medical
Diagnosis
Equipment
Failure
Gambar 1. Pengelompokan Aplikasi CBR [Watson, 1997]
-
3
CBR dapat direpresentasikan sebagai suatu siklus proses yang dibagi
menjadi empat sub proses (Aamodt dan Plaza, 1994), yaitu:
1. Retrieve: mencari kasus-kasus sebelumnya yang paling mirip dengan
kasus baru.
2. Reuse: menggunakan kembali kasus-kasus yang paling mirip tersebut
untuk mendapatkan solusi pada kasus yang baru.
3. Revise: melakukan penyesuaian dari solusi-solusi kasus-kasus sebelumnya
agar dapat dijadikan solusi untuk kasus yang baru.
4. Retain: menyimpan solusi dari kasus yang baru.
Siklus CBR tergambar pada bagan berikut:
Gambar 2. Siklus Case Base Reasoning
D. Rancangan Sistem
1. Deskripsi Sistem
Sistem yang dikembangkan ini adalah sistem yang berperan sebagai
perangkat lunak bantu yang dapat digunakan oleh pengguna dalam hal ini seorang
hakim, dalam menentukan hukuman bagi terdakwa berdasarkan kasu-kasus
terdahulu yang pernah ada. Dengan memanfaatkan metode CBR yang diterapkan
pada sistem pendukung keputusan ini, seorang hakim dapat mengambil keputusan
penentuan hukuman bagi terdakwa berdasarkan data-data putusan pidana
sebelumnya.
-
4
Keputusan seorang hakim dalam menentukan hukuman tidaklah selalu
diperoleh berdasarkan perhitungan dari pasal-pasal dan intuisi saja, namun
keputusan tersebut juga dapat diperoleh dengan mempelajari pengalaman
terdahulu seperti mempelajari putusan-putusan terdahulu yang mempunyai
kemiripan dengan kasus saat ini. Oleh karena itu, metode CBR ini dikembangkan
berdasarkan kebutuhan dari hakim maupun pengguna lain yang mempunyai
kepentingan dengan kasus hukum.
Dalam sistem ini yang menjadi kriteria sebagai parameter penentuan
hukuman bagi terdakwa kasus adalah:
a. Umur
b. Jenis kelamin
c. Pekerjaan
d. Pasal
e. Hal yang memberatkan
f. Hal yang meringankan
Kriteria standar ini dibuat sebagai acuan penentuan hukuman pada
umumnya. Setelah dilakukan penetapan kriteria parameter penentuan hukuman,
maka administrator memasukkan data-data putusan pidana yang diperlukan
beserta status hukuman terdakwanya. Data putusan pidana ini disimpan pada basis
kasus yang kemudian akan digunakan sebagai basis pengetahuan (knowledge
base) dalam menentukan hukuman terdakwa pada kasus yang baru.
Jika kriteria penentuan telah ditetapkan dan basis kasus telah dibangun,
maka proses penentuan hukuman bagi terdakwa telah dapat dilakukan. Dalam
penentuan hukuman bagi terdakwa, sebagai input dari sistem ini adalah data
kriteria yang telah ditentukan dan dicermati oleh hakim. Kemudian data tersebut
akan diproses dengan menghitung jarak kemiripan (similarity) terhadap kasus-
kasus sebelumnya yang sudah tersimpan di dalam basis kasus. Hasil akhir dari
proses ini akan diperoleh suatu penentuan lamanya hukuman bagi terdakwa
tersebut dan dilengkapi juga informasi pendukung seperti persentase kemiripan
serta data putusan pidana yang mirip dengan kasus tersebut.
-
5
Sistem ini memang memberikan rekomendasi keputusan hukuman bagi
terdakwa, namun keputusan tetap mutlak di tangan hakim atau pengambil
keputusan. Oleh karena itu, jika sistem memberikan keputusan hukuman tidak
sesuai dengan pemikiran hakim, hakim dapat memberikan keputusannya sendiri
yang ke depannya akan menjadi basis kasus untuk acuan dalam penentuan
hukuman kasus-kasus selanjutnya.
2. Sumber Data
Hasil keputusan hukuman hakim yang terdapat di Pengadilan Negeri yang
sudah diverifikasi.
3. Metode CBR
Sistem penentuan hukuman bagi terdakwa ini menggunakan metode CBR.
Terdapat empat proses yang merepresentasikan metode ini pada sistem yaitu:
a. Retrieve, yaitu proses pencarian putusan hukuman pidana sebelumnya
yang paling mirip dengan kasus saat ini. Karena besarnya case base, perlu
dilakukan proses indexing terlebih dahulu.
b. Reuse, yaitu proses penggunaan kembali keputusan hukuman bagi
terdakwa yang paling mirip tersebut untuk memprediksi hukuman bagi
terdakwa kasus saat ini.
c. Revise, yaitu proses merubah putusan bila dianggap tidak sesuai.
d. Retain, yaitu proses penyimpanan putusan yang baru ke dalam basis kasus.
4. Representasi Kasus
Secara umum, suatu kasus direpresentasikan ke dalam bentuk kumpulan
fitur-fitur yang menyajikan ciri kasus tersebut dan solusi atau kesimpulan untuk
kasus tersebut. Pada sistem ini, fitur-fitur tersebut disebut kriteria dan merupakan
parameter dalam menentukan hukuman. Kriteria standar yang biasanya dimiliki
oleh seorang hakim dalam menentukan hukuman bagi terdakwa adalah seperti
umur, jenis kelamin, pekerjaan, pasal yang dikenakan, hal yang nenberatkan dan
-
6
hal yang meringanan. Contoh representasi kasus hukuman terdakwa dapat dilihat
pada tabel 1.
Tabel 1. Contoh Representasi Kasus Hukuman Terdakwa
Nomor Putusan: xxx
Penilaian Kriteria:
Kriteria Nilai
Umur 44
Jenis Kelamin Pria
Pekerjaan Buruh
Pasal 362
Hal yang memberatkan Menimbulkan keadaan kacau dan keresahan pada masyarakat.
Hal yang meringankan - Sopan dan bekerja sama dalam mengikuti proses persidangan - Mempunyai banyak tanggungan keluarga/sebagai tulang
punggung kehidupan keluarga
Hukuman 4 bulan penjara
Pada sistem CBR ini, representasi kasus tersebut akan disimpan dalam
basis kasus dimana sebagai fiturnya adalah karakteristik yang menjadi kriteria
keputusan seorang hakim dalam memutuskan hukuman yang dideskripsikan oleh
nilai-nilai kriteria dan sebagai kesimpulannya adalah sebuah putusan lama
hukuman penjara. Setiap kasus yang disimpan pada basis kasus diformat seperti di
bawah ini.
Tabel 2. Tabel Bagian Basis Kasus
Kode Kasus
Nomor Putusan
Nama
Umur
Jenis Kelamin
Pekerjaan
Pasal
Hal yang memberatkan
Hal yang meringankan
Deskripsi Perkara
Lama hukuman
Setiap kasus yang disimpan memiliki format sebelas bagian yang
digunakan dalam memudahkan penyimpanan data kasus. Tetapi dari kesepuluh
data hanya enam data yang digunakan sebagai kriteria dalam pencarian kasus
yang mirip, sedangkan kode kasus, nomor putusan, nama dan lama hukuman tidak
diikutsertakan.
-
7
Keenam kriteria dan kategori dari kriteria tersebut akan dijelaskan seperti
di bawah ini:
a. Rentang umur terdakwa adalah data usia dari terdakwa. Pada bagian ini
dibagi menjadi beberapa kategori, yaitu:
Tabel 3. Umur
Kode Umur Rentang Umur (tahun)
U1 50
b. Jenis kelamin. Pada bagian ini dibagi menjadi beberapa kategori, yaitu:
Tabel 4. Jenis Kelamin
Kode Jenis Kelamin Jenis Kelamin
K1 Pria
K2 Wanita
c. Pekerjaan. Pada bagian ini dibagi menjadi beberapa kategori, yaitu:
Tabel 5. Pekerjaan
Kode Pekerjaan Jenis Pekerjaan
Ker1 PNS
Ker2 Swasta
Ker3 Wiraswasta
Ker4 Keamanan
Ker5 Pelajar/Mahasiswa
Ker6 Pedagang
Ker7 Buruh
Ker8 Pengangguran
Ker9 Dll
d. Pasal. Pada bagian ini dibagi menjadi beberapa kategori:
Tabel 6. Pasal
Kode Pasal Pasal Isi
P1
P2 .
.
.
Pn
-
8
e. Hal yang memberatkan. Pada bagian ini dibagi menjadi beberapa kategori,
yaitu:
Tabel 7. Hal yang Memberatkan
Kode Pemberat Hal yang Memberatkan
B1 Terdakwa berbelit-belit dalam menjalani proses persidangan
B2 Tidak mengakui perbuatannya
B3 Tidak menunjukkan rasa hormat dan sopan terhadap berjalannya
proses persidangan
B4 Dalam kehidupan kesehariannya menunjukan perilaku yang kurang
baik
B5 Tidak menyesali perbuatannya
B6 Merugikan keuangan negara
B7 Menentang kebijakan program nasional pemerintah
B8 Menimbulkan keadaan kacau dan keresahan pada masyarakat
B9 Terdakwa sudah menikmati hasilnya
B10 Terdakwa seorang satuan pengaman
B11 Terdakwa pernah dihukum
f. Hal yang meringankan. Pada bagian ini dibagi menjadi beberapa kategori,
yaitu:
Tabel 8. Hal yang Meringankan
Kode Peringan Hal yang Meringankan
R1 Tidak berbelit-belit dalam memberikan keterangan di muka sidang
R2 mengakui perbuatan pidana yang telah dilakukan
R3 Menyesali telah melakukan tindak pidana
R4 Sopan dan bekerja sama dalam mengikuti proses persidangan
R5 Belum pernah melakukan tindak pidana sebelumnya
R6 Masih berusia relatif muda
R7 Mempunyai banyak tanggungan keluarga/sebagai tulang punggung
kehidupan keluarga
R8 Dalam kehidupan sehari-hari, terdakwa dikenal berkelakuan baik di
dalam masyarakat
R9 Antara terdakwa dan korban sudah ada perdamaian
R10 Terdakwa belum sempat menikmati hasilnya
R11 Bahwa terdakwa telah mengganti kerugian
5. Indexing
Karena besarnya case base, perlu dilakukan proses indexing terlebih
dahulu. Untuk data yang bersifat kualitatif, bisa menggunakan metode bit-wise
indexing sehingga kasus-kasus yang sejenis dapat dikelompokkan berdasarkan
jenis-jenis tindak pidana.
-
9
6. Retrieve
Proses retrieve pada sistem ini menggunakan pengukuran kasus yang
memiliki kemiripan dengan kasus lama, setiap kasus baru akan dibandingkan
dengan partisi kasus yang ada pada basis kasus (hasil dari indexing). Kriteria
yang digunakan sebagai perhitungan adalah kriteria yang terdapat pada tabel 1
kecuali kode kasus, nomor putusan, nama dan hukuman tidak digunakan
sebagai kriteria yang akan diperhitungkan. Misalnya ada kasus baru yang
mempunyai kriteria seperti di bawah ini:
1. Umur : 35 tahun (U3) 2. Jenis Kelamin : Pria (K1) 3. Pekerjaan : Pengangguran (ker5) 4. Pasal : 362(P1) 5. Hal yang memberatkan:
- Menimbulkan keadaan kacau dan keresahan pada masyarakat (B8) 6. Hal yang meringankan:
- Tidak berbelit-belit dalam memberikan keterangan di muka sidang (R1) - Belum pernah melakukan tindak pidana sebelumnya (R5) - Mempunyai banyak tanggungan keluarga/sebagai tulang punggung kehidupan
keluarga (R7)
Untuk kasus baru ini akan dihitung kemiripannya dengan kasus-kasus
yang ada, dengan enam kriteria pengukur yaitu A1, A2, A3, A4, A5 dan A6
dengan rumus dicari nilai rata-ratanya yang selanjutnya didapat nilai dalam
persen. Rumusnya sbb:
= 1 + 2 + 3
3+ 4 +
5
+6
4 100%
Penjelasan:
1. A1 adalah tingkat kemiripan rentang umur 2. A2 adalah tingkat kemiripan jenis kelamin 3. A3 adalah tingkat kemiripan pekerjaan 4. A4 adalah tingkat kemiripan pasal yang dikenakan 5. A5 adalah tingkat kemiripan faktor yang memberatkan 6. A6 adalah tingkat kemiripan faktor yang meringankan 7. Npemberat adalah jumlah dari faktor pemberat dari tiap case base 8. Nperingan adalah jumlah dari faktor peringan dari tiap case base
Tingkat kemiripan adalah kriteria kasus baru dengan kriteria pada basis
kasus dibandingkan dan bila sama nilainya 1 dan bila tidak nilainya 0. Setelah
dimasukkan kriterianya maka kasus baru tersebut akan dibandingkan dengan
setiap kasus yang ada pada contoh tabel 9 sebagai berikut:
-
10
Tabel 9. Contoh Basis Kasus
Kode
kasus
Nilai
A1
Nilai
A2
Nilai
A3
Nilai
A4
Nilai
A5
Nilai
A6
Lama
Hukuman
Kasus1 U3 K2 Ker6 P1 B8 R1,R5 4 bulan
Kasus2 U4 K1 Ker8 P1 B2 R1,R7 6 bulan
Kasus3 U1 K1 Ker8 P3 B3 R1 1 bulan
Kasus4 U3 K1 Ker1 P1 B8 R1,R5,R7 5 bulan
Kasus5 U3 K2 Ker6 P4 B8 R7 3 bulan
Dari contoh kasus baru yang ada, maka akan dihitung kemiripannya.
Selanjutnya setiap masukan yang memiliki kesamaan dengan kriteria kasus
lama diberi nilai 1, jika tidak sama diberi nilai 0. Hasil perhitungannya untuk
kemiripan (similarity) setiap kasus yang tersimpan pada basis kasus dengan
kasus baru bisa dilihat pada tabel 10 berikut:
Tabel 10. Perbandingan Nilai Kasus
Kode
kasus
Nilai
A1, A2, A3
Nilai
A4
Nilai
A5
Nilai
A6
Stotal
Kasus1 1/3 1 1/1 2/2 83,33%
Kasus2 1/3 1 0/1 2/2 58,33%
Kasus3 1/3 0 0/1 1/1 33,33%
Kasus4 2/3 1 1/1 3/3 91,67%
Kasus5 1/3 0 1/1 1/1 58,33%
Dari hasil perhitungan pada tabel 10, didapatkan satu kasus lama yang
memiliki tingkat kemiripan paling tinggi dengan kasus yang baru daripada
kasus-kasus lainnya, yaitu Kasus4 dengan nilai kemiripan sebesar 91,67%
kemiripan. Dari hasil prediksi inilah kemudian dapat tercipta sebuah
keputusan berapa lama terdakwa dihukum berdasarkan hukuman yang
diputuskan pada kasus dengan kode Kasus4.
7. Reuse
Pada sistem penentuan hukuman bagi terdakwa ini proses reuse
menggunakan teknik null adaptation. Artinya dalam penggunaan keputusan
tidak ada sama sekali dilakukan adaptasi, keputusan dari kasus lama hasil
retrieval dijadikan putusan hukuman dari kasus yang baru. Misalkan kasus
lama yang termirip memiliki putusan hukuman 5 bulan penjara, maka putusan
hukuman kasus yang baru juga 5 bulan penjara.
-
11
8. Revise
Terdapat dua tugas utama tahapan revise ini yaitu: evaluasi putusan
dan memperbaiki kesalahan. Evaluasi putusan adalah penilaian bagaimana
hasil yang didapatkan setelah membandingkan solusi yang berhasil di-retrieve
dari base case dengan kasus baru. Revisi dilakukan dengan membandingkan
deskripsi perkara pada case yang di-retrieve dengan kasus baru, yang
dilakukan oleh user (hakim).
9. Retain
Proses retain pada sistem penentuan hukuman bagi terdakwa ini
adalah proses kasus baru yang telah didapatkan solusinya disimpan ke dalam
basis kasus. Namun sebelum disimpan ke dalam basis kasus, kasus baru
tersebut harus direalisasikan dan dinyatakan layak terlebih dahulu oleh hakim.
Referensi
Aamodt and Plaza. Case-Based Reasoning: Foundational Issues, Methodological
Variations, and System Approaches. IOS Press, 1994.
Riesbeck and Schank. Inside Case-Based Reasoning. Lawrence Erlbaum
Associated, 1989.
Watson, Ian. Applying Case-Based Reasoning: Technique for Enterprise System.
San Francisco: Morgan Kaufman, 1997.