BAB I
PENDAHULUAN
1.1
Latar Belakang
Setiap tahun, tren jumlah penderita diabetes
kian meningkat. Berdasarkan data Organisasi Kesehatan Dunia (WHO), Indonesia
kini menempati urutan ke-4 terbesar dalam jumlah penderita Diabetes. Pada 2006,
jumlah penderita Diabetes Mellitus (DM) di Indonesia mencapai 14 juta orang.
Dari jumlah itu, baru 50% penderita yang sadar mengidap dan sekitar 30% di
antaranya melakukan pengobatan secara teratur. Menurut beberapa penelitian
epidemiologi, prevalensi diabetes di Indonesia berkisar 1,5 sampai 2,3 kecuali
di manado yang cenderung lebih tinggi yaitu 6,1% (Wahdah, 2011).
Klasifikasi
etiologis Diabetes Mellitus menurut ADA 2005 yaitu Diabetes Mellitus tipe 1,
Diabetes Mellitus tipe 2, Diabetes Mellitus tipe lain dan Diabetes Kehamilan
(Gestasional). Di Indonesia jumlah keseluruhan kasus penyakit Diabetes Mellitus
tipe 1 belum diketahui secara pasti, tipe ini jarang ditemui. Hal ini
disebabkan karena Indonesia terletak di khatulistiwa atau faktor genetik yang
tidak mendukung. Lain halnya pada Diabetes Mellitus tipe 2 yang meliputi lebih
dari 90% dari jumlah populasi penderita diabetes – untuk selanjutnya disebut
diabetesi –, faktor lingkungan sangat berperan (Sudoyo, 2006). Diabetes
Mellitus ini kalau dibiarkan akan mengakibatkan gangguan kesehatan yang serius.
Peningkatan jumlah diabetesi disebabkan
keterlambatan penegakan diagnosis dan juga dikarenakan pola hidup yang tidak
sehat. konsep Fuzzy logic sangat fleksibel dan mempunyai toleransi terhadap
data-data yang tidak tepat serta didasarkan pada bahasa alami. Oleh karena itu
diperlukan suatu sistem sebagai alat bantu dalam penentuan apakah pasien itu
menderita Diabetes Mellitus atau tidak dengan konsep Fuzzy logic. Sistem yang
digunakan sebagai alat bantu adalah sistem pakar .
Penggunaan sistem pakar dapat
diimplementasikan dengan mudah ke dalam bahasa mesin secara mudah dan efisien
dengan menggunakan fuzzy logic. Fuzzy logic telah menjadi area riset yang
mengagumkan karena kemampuannya dalam menjembatani bahasa mesin yang serba
presisi dengan bahasa manusia yang cenderung tidak presisi yaitu dengan
menekankan pada makna atau arti (significance). Bisa dibayangkan bahwa sistem
fuzzy adalah sebuah mesin penerjemah bahasa manusia sehingga bisa dimengerti
oleh bahasa mesin dan juga sebaliknya (Naba, 2009).
Sistem
pakar dibuat hanya pada domain pengetahuan tertentu untuk suatu kepakaran
tertentu yang mendekati kemampuan manusia di salah satu bidang saja. Sistem
pakar mencoba mencari penyelesaian yang memuaskan yaitu sebuah penyelesaian
yang cukup bagus agar pekerjaan dapat berjalan walaupun itu bukan penyelesaian
yang optimal (Hartati dan Iswanti, 2008).
Pada
dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah.
Beberapa aktivitas pemecahan yang dimaksud antara lain: pembuatan keputusan
(decision making), pemaduan pengetahuan (knowledge fusing), pembuatan desain
(designing), perencanaan (planning), prakiraan (forecasting), pengaturan
(regulating), pengendalian (controlling), diagnosis (diagnosing), perumusan (prescribing),
penjelasan (explaining), pemberian nasihat (advising), dan pelatihan
(tutoring). Selain itu sistem pakar juga dapat berfungsi sebagai asisten yang
pandai dari seorang pakar.
Sistem
pakar fuzzy logic dapat diterapkan menggunakan aplikasi web karena dengan
aplikasi web bisa mudah digunakan oleh semua pihak tanpa batasan waktu. Dengan
digunakan aplikasi web, user dapat dengan mudah dan cepat mengakses sistem.
BAB
II
Fuzzy
Logic adalah suatu cabang ilmu Artificial Intellegence, yaitu suatu
pengetahuan yang membuat komputer dapat meniru kecerdasan manusia sehingga
diharapkan komputer dapat melakukan hal-hal yang apabila dikerjakan manusia
memerlukan kecerdasan. Dengan kata lain fuzzy logic mempunyai fungsi
untuk “meniru” kecerdasan yang dimiliki manusia untuk melakukan sesuatu dan
mengimplementasikannya ke suatu perangkat, misalnya robot, kendaraan, peralatan
rumah tangga, dan lain-lain.
Logika
fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh melalui tulisannya pada
tahun 1965 tentang teori himpunan fuzzy.
Lotfi Asker Zadeh adalah seorang ilmuwan Amerika Serikat berkebangsaan
Iran dari Universitas California di Barkeley,Meskipun logika fuzzy dikembangkan
di Amerika, namun ia lebih populer dan banyak diaplikasikan secara luas oleh
praktisi Jepang dengan mengadaptasikannya ke bidang kendali (control).
Mengapa
logika fuzzy yang ditemukan di Amerika malah lebih banyak ditemukan aplikasinya
di negara Jepang? Salah satu
penjelasannya: kultur orang Barat yang cenderung memandang suatu persoalan
sebagai hitam-putih, ya-tidak, bersalahtidak bersalah, sukses-gagal, atau yang
setara dengan dunia logika biner Aristoteles,
sedangkan kultur orang Timur lebih dapat menerima dunia“abu-abu” atau
fuzzy. Saat ini banyak dijual produk
elektronik buatan Jepang yang menerapkan prinsip logika fuzzy, seperti mesin
cuci, AC, dan lainlain. Tahun 1990,
mesin cuci otomatis di Jepang menggunakan logika fuzzy.
Ada
beberapa alasan mengapa orang menggunakan Fuzzy Logic, antara lain:
·
Konsep Fuzzy Logic mudah
dimengerti. Konsep matematis yang
mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
·
Fuzzy Logic sangat
fleksibel.
·
Fuzzy Logic memiliki
toleransi terhadap data-data yang tidak tepat.
·
Fuzzy Logic mampu memodelkan
fungsi-fungsi non linear yang
sangat kompleks.
·
Fuzzy Logic dapat membangun
dan mengaplikasikan pengalamanpengalaman para pakar secara langsung tanpa harus melalui
proses pelatihan.
·
Fuzzy Logic dapat
bekerjasama dengan teknik-teknik kendali secara konvensional.
·
Fuzzy Logic didasarkan pada
bahasa alami.
BAB III
Jumlah
penderita Diabetes Mellitus meningkat dari tahun ke tahun. Hal ini dikarenakan
keterlambatan diagnosis penyakit dan juga karena gaya hidup yang tidak sehat. Penderita
penyakit tersebut biasanya tidak menyadari kalau menderita penyakit Diabetes
Mellitus. Pada penelitian ini, dibuat suatu sistem penegakan penyakit Diabetes
Mellitus dengan Metode Sugeno. Variabel-variabel pendukung penegakan diagnosis
penyakit tersebut digunakan dalam pembentukan himpunan fuzzy. Himpunan fuzzy
itu akan diproses dengan Metode Sugeno sehingga menghasilkan suatu keputusan.
Aplikasi yang dirancang telah diuji dengan melibatkan rekam medik diagnosa dari
dokter, hasil keputusan yang dihasilkan aplikasi adalah sama dengan diagnosa
dokter yang tertera di rekam medik. Secara umum aplikasi berbasis web ini bisa
digunakan sebagai alat bantu dalam penegakan diagnosis penyakit Diabetes
Mellitus).
Metode penelitian
Suatu
proses rancang bangun sistem diperlukan adanya analisa untuk mengetahui proses
berjalannya sistem. Analisa sistem diperlukan untuk mengetahui permasalahan dan
kebutuhan dalam perancangan sistem. Dalam analisa ini dibagi dalam 2 bagian,
yaitu analisa data sistem dan analisa kebutuhan sistem.
Analisa Data Sistem
Aplikasi sistem pakar fuzzy logic berikut ini
merupakan diagnosa penyakit dengan menggunakan mesin inferensi fuzzy
berdasarkan metode sugeno. Proses diagnosis dalam sistem pakar ini didasarkan
dari hasil laboratorium. Masukan atau inputan dari sistem berikut ini adalah :
1.
Biodata pasien, yang teridiri dari : Username, Password, Nama, Jenis
Kelamin, Alamat, Email, No telp.
2. Data hasil laboratorium, yang terdiri dari :
Glukosa darah puasa (GDP), Glukosa plasma puasa (GPP), Glukosa plasma tidur
(GPT), Glukosa darah 2 jam PP (GD), Kadar HbA1c, Kadar HDL, Kadar trigliserida,
Kadar insulin.
Analisa Kebutuhan
Sistem
Proses mendapat pengetahuan dapat dilakukan
dengan berbagai macam jalan, yakni pengetahuan dari pakar, buku, jurnal ilmiah,
laporan dan sebagainya. Sumber pengetahuan tersebut dikumpulkan dan kemudian
direpresentasikan ke dalam basis pengetahuan menggunakan kaidah JIKA – MAKA (IF
– THEN). Model yang dipakai dalam implementasi sistem pakar diaognosis penyakit
adalah model logika fuzzy dengan metode Sugeno. Gambar di bawah ini merupakan gambaran
langkah-langkah yang digunakan dalam metode Sugeno.
Adapun
penjelasan dari flowchart pada gambar 3.1 di atas adalah sebagai berikut :
1. Input
himpunan fuzzy
Dalam perancangan sistem pakar ini menggunakan
inputan dari hasil pemeriksaan laboratorium. Hasil pemeriksaan tersebut
merupakan variabel-variabel yang digunakan dalam penegakan diagnosis penyakit
Diabetes Mellitus (DM). Variabel-variabel tersebut yaitu kadar glukosa
Menentukan derajat keanggotaan Mulai Input nilai himpunan Fuzzy Menghitung
Predikat aturan Output hasil keputusan Defuzzifikasi Selesai darah puasa, kadar
glukosa darah 2 jam PP, kadar glukosa plasma puasa, kadar glukosa darah saat
tidur, kadar insulin, kadar HbA1c, kadar kolesterol HDL, kadar trigliserida.
2.
Menentukan derajat keanggotaan himpunan fuzzy
Setiap
variabel sistem dalam himpunan fuzzy ditentukan derajat keanggotaannya (μ).
Dimana derajat keanggotaan tersebut menjadi nilai dalam himpunan fuzzy.
3. Menghitung predikat aturan (α)
Variabel-variabel yang telah dimasukkan dalam
himpunan fuzzy, dibentuk aturan-aturan yang diperoleh dengan mengkombinasikan
setiap variabel dengan variabel yang satu dengan atribut lingusitiknya
masing-masing. Aturan-aturan yang telah diperoleh akan dihitung nilai predikat
aturannya dengan proses implikasi. Dalam metode Sugeno proses implikasi
dilakukan dengan operasi Min. Predikat aturan tersebut diperoleh dengan
mengambil nilai minimum dari derajat keanggotaan variabel yang satu dengan
variabel yang lain, yang telah dikombinasikan dalam aturan yang telah
ditentukan sebelumnya.
4.
Defuzifikasi
Pada tahap defuzifikasi ini dilakukan
penghitungan rata-rata (Weight Average / WA) dari setiap predikat pada setiap
variabel dengan menggunakan persamaan berikut ini :
5.
Hasil keputusan
Pada
bagian ini merupakan hasil keputusan dari rangkaian proses dalam penegakan
diagnosis penyakit Diabetes Mellitus (DM) berdasarakan hasil pemeriksaan di
laboratorium. Adapun hasil pemeriksaan dan diagnosis dari dokter bisa dilihat
pada rekam medic yang terdapat pada bagian lampiran.
KESIMPULAN
Berdasarkan
pembahasan hasil penelitian, maka dapat diambil kesimpulan : diagnosa penyakit
diabetes mellitus dapat dibangun dengan pendekatan logika fuzzy, penentuan
diagnosa penyakit dengan sistem pendukung keputusan menggunakan pendekatan
logika fuzzy lebih objektif dari pada diagnosa penyakit secara manual,
penentuan diagnosa penyakit dengan sistem pendukung keputusan menggunakan
pendekatan logika fuzzy lebih efektif dan efisien, penentuan diagnosa penyakit
dengan pendekatan logika fuzzy menggunakan 5 kriteria dalam menentukan
keputusan. Fungsi dari aplikasi ini untuk mempermudah masyarakat dan pekerja
klinik dalam diagnosa penyakit diabetes mellitus secara cepat dan efisien.Hasil
uji coba sesuai dengan diagnosa dokter.
SARAN
Menyadari
bahwa penulis masih jauh dari kata
sempurna , kedepannya penulis lebih focus dan details dalam menjelaskan tentang
makalah diatas dengan banyak sumber sumber
yang lebih banyak yang tentunya dapat di pertangung jawabkan.
PENUTUP
Demikianlah
yang dapat kami sampaikan mengenani materi yang menjadi bahasan dalam
penjelasan ini tentunya banyak kekurangan dan kelemahan karena terbatasnya
pengetahuan kurangnya rujukan atau refrensi yang kami peroleh hubunganya dengan
penjelasan ini , penulis berharap kepada
para pembaca yang budiman memberikan kritik saran yang membangun kepada kami
demi sempurnanya penjelasan ini . semoga penjelasan ini dapat bermanfaat bagi penulis para
pembaca khususnya pada penulis.
Refrensi :
Tidak ada komentar:
Posting Komentar