SISTEM PAKAR DIAGNOSA INFEKSI SALURAN PERNAFASAN AKUT .
SISTEM PAKARDIAGNOSA INFEKSI SALURAN PERNAFASAN AKUT (ISPA)MENGGUNAKAN LOGIKA FUZZYEriz Pramuditya WiwekaProgram Studi Teknik InformatikaJurusan Teknik Elektro Fakultas Teknik Universitas Tanjungpuraeriz.pramuditya@gmail.comAbstract-- Severe acute respiratory infection(ISPA) is a group of acute and heterogendiseased that caused by various kind of causesand can affect every location long te respiratorycanal. ISPA is one of the main cause from theincreasing of mortality number and illnessnumber for todler and baby in Indonesia.However that including in ISPA is influenza,sinusithis, faringithis, laringithis, bronchitisadan pneumonia. A type from the using ofcomputer technology in medical world is expertsystem. Expert system is a system that used tohelp the patient or users to get the informationabaout a desease with doing the consultationwith that system. Knowledge from an expert inthis case a doctor will formulated into a systemby using a method. The method that involving inthis system is a fuzzy logic method. By using thediagnose for severe acute respiratory infectionfrom the expert system it can give theinformation to users like the name of deseasethat happened to patient and the solution thatcan be done to the prevention. According to thetesting of the system to user, system can give theresult that suitable with the condition of user.But, it only happen according to the rules ordetermindtion that has been inputed intosystem. This expert system is not actually canchange all over the expert ability, but hoped thatin the future this system can be develoved inorder to get the better result.Keywords-- expert system, fuzzy logic, severeacuterespiratory infection (ISPA),rules1.PendahuluanMenurut WHO dalam Permatasari (2009:8)mengemukakan bahwa infeksi saluran pernafasanakut (ISPA) merupakan sekelompok penyakitkompleks dan heterogen yang disebabkan olehberbagai penyebab dan dapat mengenai setiaplokasi di sepanjang saluran nafas. ISPA merupakansalah satu penyebab utama dari tingginya angkakematian dan angka kesakitan pada balita dan bayidi Indonesia. Secara klinis ISPA adalah suatu tandadan gejala akut akibat infeksi yang terjadi di setiapbagian saluran pernafasan dan berlangsung tidaklebih dari 14 hari. Adapun yang termasuk ISPAadalah influenza, sinusitis, faringitis, trakeitis,bronkhitis akut, brokhiolitis dan pneumonia.Kemajuan teknologi informasi sekarang inijuga mendukung berkembangnya teknologi dibidang kesehatan atau kedokteran. Denganmendiagnosa dini suatu penyakit diharapkanpenyakit yang dialami tidak bertambah parah.Pendeteksian suatu penyakit dengan komputer akanmempermudah tenaga medis maupun masyarakatbiasa untuk menentukan kesimpulan yang dapatdiambil.Salah satu bentuk kemajuan teknologikomputer adalah sistem pakar (expert system) yangmerupakan bagian dari kecerdasan buatan(artificial intelligence), Sistem pakar merupakansebuah sistem yang digunakan untuk membantupasien dalam memperoleh informasi mengenaisuatu penyakit dengan melakukan konsultasidengan sistem tersebut. Sistem pakar mengadopsikemampuan seorang pakar dalam hal ini adalahdokter, Dokter dalam mendiagnosa suatu penyakityaitu dengan cara melihat gejala-gejala apa sajayang tampak pada pasien tersebut. Kemudian darigejala-gejala tersebut di analisa menggunakanlogika fuzzy (fuzzy logic) yang hasilnyamenunjukan jenis penyakit yang diderita olehpasien.Pengetahuan yang dimiliki seorang dokterdiperoleh dalam bentuk wawancara, yaitumengenai jenis-jenis penyakit yang disebabkanoleh ISPA beserta penanganan untuk tiap penyakittersebut. Hasil dari wawancara dengan seorangdokter didapatlah jenis-jenis penyakit besertagejala-gejala yang timbul akibat ISPA yangkemudian di klasifikasikan menurut penyakit dangejala masing-masing. Setelah itu, gejala-gejalauntuk tiap penyakit tersebut akan dihitung derajatkeanggotaan menggunakan persamaan fungsi linearnaik dan turun yang menunjukan nilai rendah,sedang dan tinggi, Kemudian seluruh gejalatersebut di design dalam bentuk rules atau aturankondisi.Berdasarkan latar belakang tersebut dilakukandesain sistem pakar untuk mendiagnosa penyakityang disebabkan oleh infeksi saluran pernafasan
akut (ISPA) yang hasilnya dapat menunjukan jenispenyakit yang diderita oleh pasien besertapenanganannya.2.Tinjauan Pustaka2.1 Konsep Dasar Sistem PakarKecerdasan buatan adalah bagian ilmukomputer yang mempelajari bagaimana membuatmesin (komputer) dapat melakukan pekerjaanseperti dan sebaik yang dilakukan oleh manusiabahkan bisa lebih baik daripada yang dilakukanmanusia. Pekerjaan tersebut antara lain adalahmenalar, melihat, belajar, memecahkan masalah,memahami bahasa alami, dan sebagainya(Kusumadewi, 2003). Jadi ruang lingkup darikecerdasan buatan adalah sebagai berikut:VISIONROBOTICmengolahvariabel-variabel tersebut, makamunculah konsep fuzzy.Penentuan tentang batasan tentang usia atauhal-hal lain yang bersifat kabur tergantung darimereka yang menentukan, atau pembuat aturanfuzzy tersebut. Suatu misal batasan usia muda, usiamuda dianggap antara 15-35 tahun, memang usia10 tahun bukanlah usia muda. Konsep fuzzymenyajikan nilai keanggotaan suatu keadaan padavariabel tertentu dengan harga antara 0 dan 1.Dengan demikian variabel yang sifatnya abstrakdan subyektif dapat dinyatakan secara numerik atauangka, sehingga mudah dilakukan pengolahan.Menurut Subakti, Irfan dalam Khrisnahara(2009:9) Cara bekerja fuzzy memang harusmenirukan cara kerja otak manusia dalammengendalikan segala sesuatu. Dengan keunggulantersebut maka diadakan usaha agar fuzzy menjadisebuah pengendali dalam mengendalikan segalasesutu, dan ini terbukti lebih canggih daripengendali apapun.BAHASA ALAMIKECERDASAN BUATANArtificial IntelligenceUNDERSTANDINGSPEECHSISTEMPAKARGambar 1 Ruang lingkup kecerdasan buatan (Arhamidan Anita, 2007)Dari ruang lingkup di atas terlihat bahwasistem pakar merupakan bagian dari kecerdasanbuatan. Pengertian sistem pakar adalah salah satucabang dari kecerdasan buatan yang membuatpenggunaan secara luas knowledge yang khususuntuk penyelesaian masalah tingkat manusia pakar.Yang dimaksudkan pakar di sini adalah orang yangmempunyai keahlian dalam bidang tertentu.2.2 Konsep FuzzyKonsep fuzzy logic yang sangat sistematispertama kali diusulkan oleh Lutfi A. Zadeh,seorang professor bidang ilmu komputer dariUniversitas California, Amerika Serikat. ProfesorZadeh mempublikasikan makalah atau paperpertama yang membahas fuzzy set pada bulan Juni1965. Beberapa tahun setelah publikasi tersebut,tepatnya pada tahun 1975-an, para ilmuwan Jepangberhasil mengaplikasikan konsep fuzzy ke dalamberbagai peralatan elektronik maupun prosesproduksi dalam industri.Sebagai contoh konsep diatas usia manusia(merupakan contoh dari linguistik), yang dapatbernilai tua, muda, atau setengah baya yang sulitdilihat batasan-batasannya. Dengan menggunakansistem komputer konvensional tentu saja sulit untuk2.3 Sistem Pakar FuzzySistem pakar fuzzy merupakan bagian dariteknologi fuzzy yaitu diagnosis fuzzy. Sistem pakarfuzzy adalah sistem pakar yang menggunakannotasi fuzzy pada aturan-aturan dan proses inferensi(logika keputusan). Menurut Prof. Zadeh dalamKhrisnahara (2009:10) salah satu kelebihan l adalah jumlah aturan lebih sedikit,sehingga sistem lebih transparan untuk dianalisa.Sistem ini sangat bergantung pada kualitas datayang dikumpulkan.Data yang dikumpulkan secara umum berisiekspresi yang memungkinkan hal-hal samar sepertikecil, lebih kecil, lemah dan lain sebagainya yangmembuat susah dibuat dengan komputerisasi secarakonvensional.Kekurangannya adalah kehandalan sistemsangat bergantung pada baik buruknnya prosespengumpulan aturan seperti prosedur pertanyaandan komponen-komponen pertanyaan.Bidang aplikasi sistem diagnosis ini biasanyasuatu proses yang besar dan kompleks sehinggasangat sulit dianalisa menggunakan algoritmaeksak dan dimodelkan dengan model matematikabiasa. Pada permulaan persiapan sistem, jumlahaturan yang digunakan akan sangat banyak. Namunpada tahap akhir, jumlah aturan akan lebih sedikitdan mudah dibaca.Jadi dapat diambil kesimpulan metode sistempakar fuzzy adalah sebuah sebuah sistem pakaryang menerapkan konsep sistem fuzzy di dalamnya.Karena pada sistem pakar fuzzy terdapat banyakkemungkinan yang bisa terjadi yaitu sepenuhnyaBENAR, sepenuhnya SALAH, atau kemungkinandi antara keduanya. Untuk itu sistem fuzzydigunakan dengan menggunakan fuzzy.
2.4 Metode MamdaniModel mamdani sering juga disebut dengannama metode max-min. Metode ini diperkenalkanoleh Ebrahim Mamdani pada tahun 1975. Di dalammetode mamdani untuk mendapatkan outputdibutuhkan 4 tahapan, yaitu:1. Pembentukan Himpunan FuzzyHimpunan tegas (crisp) A didefinisikan olehitem-item yang ada pada himpunan itu. Jikaa.A, maka nilai yang berhubungan dengan aadalah 1. namun jika a.A, maka nilai yangberhubungan dengan a adalah 0. notasi A {x P(x)} menunjukkan bahwa A berisi item xdengan p(x) benar. Jika XA merupakan fungsikarakteristik A dan properti P, maka dapatdikatakan bahwa P(x) benar, jika dan hanya jikaXA(x) 1 (Kusumadewi, 2003).Himpunan Fuzzy didasarkan pada gagasanuntukmemperluasjangkauanfungsikarakteristik sedemikian hingga fungsi tersebutakan mencakup bilangan real pada interval[0,1]. Nilai keanggotaannya menunjukkanbahwa suatu item dalam semesta pembicaraantidak hanya berada pada 0 atau 1, namun juganilai yang terletak diantaranya. Dengan katalain, nilai kebenaran suatu item tidak hanyabenar atau salah. Nilai 0 menunjukkan salah,nilai 1 menunjukkan benar, dan masih ada nilainilai yang terletak antara benar dan salah.Himpunanfuzzymemiliki2atribut(Kusumadewi, 2003), yaitu :a. Linguistik, yaitu penamaan suatu grupyang mewakili suatu keadaan atau kondisitertentu dengan menggunakan bahasaalami.b. Numeris, yaitu suatu nilai (angka) yangmenunjukkan ukuran dari suatu variabel.2. Aplikasi Fungsi ImplikasiDi dalam fungsi implikasi terdapat banyakdefinisi, namun pada metode mamdani fungsiimplikasi yang digunakan adalah fungsi min.3. Komposisi AturanKomposisi aturan diartikan sebagai kumpulandan korelasi antar aturan di dalam sistem.Ada 3 metode yang digunakan dalammelakukan inferensi fuzzy menurut Suyantodalam Septiriana (2010;21), yaitu:a. Metode Max (Maximum)Pada metode ini, solusi himpunan fuzzydiperoleh dengan cara mengambil nilaimaksimum aturan, kemudian digunakanuntuk memodifikasi daerah fuzzy, danmengaplikasikannya ke output. Jika semuaproposisi telah dievaluasi, maka outputakan berisi suatu himpunan fuzzy yangmerefleksikan kontribusi dari tiap-tiapproposisi.Secara umum dapat dituliskan sebagaiberikut:µsf[xi] max (µsf[xi], µkf[xi])keterangan:µsf[xi] nilai keanggotaan solusi fuzzysampai aturan ke-iµkf[xi] nilai keanggotaan konsekuenfuzzy aturan ke-ib. Metode Additive (Sum)Pada metode ini, solusi himpunan fuzzydiperoleh dengan cara melakukan bounded– sum terhadap semua output daerah fuzzy.Secara umum dituliskan sebagai berikut:µsf[xi] min (1, µsf[xi] µkf[xi])keterangan:µsf[xi] nilai keanggotaan solusi fuzzysampai aturan ke-iµkf[xi] nilai keanggotaan konsekuenfuzzy aturan ke-ic. Metode Probabilistik OR (probor)Pada metode ini, solusi himpunan fuzzydiperoleh dengan cara melakukan productterhadap semua output daerah fuzzy. Secaraumum dituliskan pada persamaan 2.4berikut ini:µsf[xi] (µsf[xi] µkf[xi]) - (µsf[xi] *µkf[xi])(2.4)keterangan:µsf[xi] nilai keanggotaan solusi fuzzysampai aturan ke-iµkf[xi] nilai keanggotaan konsekuenfuzzy aturan ke-id. Metode ClippingPada metode clipping, proses inferensiyang terjadi adalah dengan menggunakanaturan sebagai berikut:- Aturan conjunction ( ) dengan memilihderajat keanggotaan minimum dari nilainilai linguistik yang dihubungkan olehtanda (AND). Yaitu dengan mencarinilai minimum dari anteseden yang adauntuk menghasilkan konsekuen, yangdidapat dari fungsi keanggotaan.- Aturan disjunction (v) dilakukan denganmemilih derajat keanggotaan palingbesar dari keseluruhan konsekuen yangdihasilkan pada aturan conjunction.4. DefuzzifikasiProses defuzzifikasi mendapatkan input darisuatu himpunan fuzzy yang diperoleh darikomposisi aturan-aturan fuzzy, sedangkanoutput yang dihasilkan merupakan suatubilangan pada domain himpunan fuzzy tersebut.
Sehingga jika diberikan suatu himpunan fuzzydalam range tertentu, maka harus didapat nilaicrisp tertentu sebagai output.Banyak metode defuzzifikasi yang dapatdiaplikasikan, di dalam metode mamdaniumumnya yang digunakan antara lain adalah:a. Centroid Method (metode centroid)Metode ini menghitung nilai crisp denganmenggunakan rumus: y µR (y)b.c.d.y adalahy* nilai crisp dan µR (y) adalahderajat keanggotaan dari y.Metode Mean and Maximum (MOM)Pada metode ini, solusi crisp diperolehdengan cara mengambil nilai rata-ratadomain yang memiliki nilai keanggotaanmaksimum.Metode Largest of Maximum (LOM)Pada metode ini, solusi crisp diperolehdengan cara mengambil nilai terbesar daridomain yang memiliki keanggotaanmaksimum.Metode Smallest of Maximum (SOM)Pada metode ini, solusi crisp diperolehdengan cara mengambil nilai terkecil daridomain yang memiliki nilai keanggotaanmaksimum.Hasil EksperimenSistem pakar diagnosa infeksi saluranpernafasan (ISPA) adalah sebuah sistem yangmengadopsi kemampuan seorang pakar (dokter)dalam mendeteksi secara dini penyakit yangdisebabkan oleh ISPA. Penyakit yang disebabkanISPA tersebut di antaranya adalah, commoncold/pilek, sinusitis, faringitis, laringitis, bronkhitisdan pneumonia. Semua penyakit tersebut rata-ratamelalui suatu parameter yang sama yaitu sebuahparameter yang didapat melalui hasil anamnesis. Diantaranya melalui parameter demam, batuk, sesaknafas, nyeri saat menelan dan lain-lain. Jadi untukmembangun sebuah sistem yang cukup dinamisdengan mengolah parameter yang ada tersebutmenjadi sebuah pengetahuan yang menjadi dasarsebagai diagnosa perangkat lunak, makadibutuhkan beberapa tahapan yang dimulai an.Tampilan depan sistem dapat dilihat pada gambar 2berikut ini:Gambar 2 Antarmuka sistem(2.5)Pada form konsultasi terdapat 13 pertanyaanyang akan diinput oleh pasien, Inputan tersebutberdasarkan gejala yang diderita oleh pasien. Padapertanyaan nomor 1 pasien diminta menginputkansuhu tubuh yang dirasakan dalam satuan oC.Pertanyaan nomor 2 pasien diminta menginputkanberapa banyak mengalami batuk dalam 1 menit,dan untuk pertanyaan nomor 3 – 13 pasienmenjawab “ya” untuk gejala yang dirasakan dan“tidak” untuk gejala yang tidak dirasakan.Setelahmenginputkan jawaban maka pasien melakukanproses, yaitu proses penarikan kesimpulanberdasarkan inputan oleh pasien. Berikut tampilanform konsultasi pada gambar 3.3.Gambar 3 Antarmuka Form konsultasiAdapun contoh tampilan hasil analisis sistemyang diperoleh Pneumonia sebagai penyakit yangpaling valid dengan gejala yang ada. Berikut initampilan form-nya.Gambar 4 Hasil konsultasi
Pengujian inputan hasil diagnosa sistem pakarinfeksi saluran pernafasan akut. Pengujian inibertujuan untuk melihat apakah sistem mampumendeteksi penyakit sesuai dengan inputan yangdilakukan oleh pasien berdasarkan rule atauketetapan seorang pakar yang telah diinputkanpengetahuannya ke dalam sistem ini. Contohpengujian penginputan untuk penyakit pneumoniadirancang dapat dipergunakan denganmudah oleh dokter saat penginputanpengetahuan.2. Dengan metode fuzzy logic didapatkansebuah mesin inferensi sebagai penarikankesimpulan yang menghasilkan anamnesisyang akurat dalam mengambil keputusandiagnosa penyakit.3. Sistem pakar diagnosa infeksi saluranpernafasan akut yang telah dirancang tidaksepenuhnya dapat menggantikan peranseorangdokterdalammelakukanpenarikan kesimpulan nama penyakit.Tetapi sistem yang telah dirancang ngtelahdimasukkan seorang dokter kedalamsistem ini.Tabel 1 Konsultasi Pasien yang Menunjukan PenyakitPneumoniaJAWANo.PERTANYAANBANBerapa suhu tubuh anda1.40 Cketika merasakan demam?4.Berapa kali anda merasakanbatuk dalam satu menit?Apakah anda merasakannyeri di bagian kepala?Apakah anda merasakannyeri saat menelan ?5.Apakah sekret anda kentaldan berbau?Tidak6.Apakah anda merasakanpegal-pegal?Tidak2.3.12 KaliTidakTidak8.Apakah anda merasakanbersin-bersin?Apakah tenggorokan andaterasa berdahak?9.Apakah anda merasakanmual?Tidak10.Apakah suara anda serak?Tidak7.12.Apakah hidung anda terasatersumbat?Apakah anda merasakansesak nafas?13.Apakah anda merasakansakit pada bagian dada?11.TidakYaTidakYaYaBerdasarkan inputan diatas yaitu pada pertanyaannomor 1, nomor 2, nomor 8, nomor 12 dan nomor13 sistem mampu memberikan kesimpulan yaitupenyakit pneumonia4.Kesimpulan1. Perancanganaplikasidilakukanberdasarkan kondisi yang terjadi padaproses anamnesis yang dilakukan olehdokter, sehingga aplikasi yang sudahReferensiArhami, Muhammad. 2005. Konsep DasarSistem Pakar. Bandung: Informatika.[2] Arhami, Muhammad dan Desiani, Anita.2007.KonsepKecerdasanBuatan.Yogyakarta: Andi Publisher.[3] Direktorat Bina Farmasi Komunitas danKlinik (2005) Pharmacuetical Care UntukPenyakit Infeksi Saluran Pernafasan (ISPA),Direktorat Jendral Bina Kefarmasian dan AlatKesehatan Departemen Kesehatan RI[4] Kusumadewi, Sri. 2003. Artificial Intelligence(Teknik dan Aplikasinya). Yogyakarta: GrahaIlmu.[5] Ladjmudin. Al Bahra Bin. 2006. RekayasaPerangkat Lunak. Yogyakarta: Graha Ilmu.[6] Septiriana,Rina (2010). Perancangan SistemPakar Deteksi Dini Penyakit OrganReproduksi Pada Wanita (MenggunakanMetode Fuzzy Expert System), Program StudiTeknik Informatika, Fakultas Teknik,Universitas Tanjungpura.[1]BiographyEriz Pramuditya Wiweka, lahir di Pontianak,Kalimantan Barat, tanggal 6 September 1988.Memperoleh gelar Sarjana dari Teknik donesia, 2013.
Pendeteksian suatu penyakit dengan komputer akan mempermudah tenaga medis maupun masyarakat biasa untuk menentukan kesimpulan yang dapat diambil. Salah satu bentuk kemajuan teknologi komputer adalah sistem pakar (expert system) yang merupakan bagian dari kecerdasan buatan (artificial intelligence), Sistem pakar merupakan sebuah sistem yang .
BAB II TINJAUAN PUSTAKA A. Infeksi Saluran Kemih 1. Definisi Infeksi Saluran Kemih Infeksi saluran kemih merupakan infeksi yang disebabkan oleh perkembangbiakkan mikroorganisme patogen dalam saluran kemih, mikroorganisme yang terdapat di uretra naik ke kandung kemih dan meningkatkan . Sumber: (
Sistem pakar adalah suatu sistem yang dirancang untuk dapat menirukan keahlian seorang pakar dalam menjawab pertanyaan dan memecahkan suatu masalah (T.Sutojo dkk, 2011:13). Sistem pakar akan memberikan pemecahan suatu masalah yang didapat dari dialog dengan pengguna. Dengan bantuan sistem pakar seseorang yang
Jurnal Coding Sistem Komputer Untan Volume 05, No. 1 (2017), hal. 45-55 ISSN : 2338-493X 45 SISTEM PAKAR DIAGNOSA PENYAKIT PADA KUCING MENGGUNAKAN METODE DEMPSTER-SHAFER BERBASIS ANDROID [1]Dwi Purnomo, [2]Beni Irawan, [3]Yulrio Brianorman [1][3] Jurusan Sistem Komputer, Fakultas MIPA Universitas Tanjungpura Pontianak [2] Jurusan Sistem Informasi, Fakultas MIPA Universitas Tanjungpura Pontianak
Pengerjaan dari sistem pakar ini direncanakan melalui 7 tahapan yaitu : 1) Tahap pengumpulan data 2) Tahap perumusan penyakit jantung dan paru beserta gejalanya, 3) Tahap pembuatan rule sistem pakar, 4) Tahap perancangan basis data, 5) Tahap perancangan antar muka sistem pakar, 6) Tahap implementasi perancangan ke dalam sistem
Sistem Pakar Sistem pakar (expert system) adalah sistem yang berusaha mengapdosi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli.
penyakit tanpa menyita banyak waktu, salah satunya yaitu sistem pakar (expert system). Sistem pakar ini dibuat agar para Sistem pakar ini dibuat agar para orangtua dapat menggunakan teknologi ini untuk dapat melakukan pendeteksian gejala maupun langkah awal penanganan
Terdapat banyak jenis sistem pakar yang menggunakan metode certainty factor pada sistem pakar penyakit kulit. Beberapa penelitian terkait yang relevan dengan penelitian ini adalah sebagai berikut. Sistem pakar dapat membantu pasien supaya tidak menunggu lama untuk mendapatkan perawatan oleh dokter, sehingga
wellness tourism visit coastaltourismacademy.co.uk What could it mean for coastal resorts? Globally, the health and wellness market is worth an eye-popping 494 billion ( 314.8 billion). And it’s growing rapidly. However relatively little is known about the size and scope of the market in the UK, particularly in a coastal context. We commissioned new research, surveying a nationally .
