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.