BAB II TINJAUAN PUSTAKA

Transkripsi

1 BAB II TINJAUAN PUSTAKA Untuk menunjang pelaksanaan penelitian mengenai sistem pakar untuk sebagai penyakit degeneratif ini, maka dilakukan tinjauan pustaka yang terdiri dari tinjauan empiris yang berisi hasil penelitian yang pernah dilakukan dan tinjauan teoritis yang membahas mengenai teori-teori dasar yang mendukung penelitian ini. 2.1 Tinjauan Empiris Berdasarkan penelitian yang ditulis oleh Hamdani (2010) tentang sistem pakar untuk penyakit mata pada manusia dengan menggunakan forward chaining, dimana hasil dari penentuan penyakit mata didapat dari presentase tertinggi berdasarkan hasil penelusuran gejala yang diberikan.semakin tinggi nilai presentase dari hasil penelusuran, maka menunjukkan jenis penyakit mata yang diderita oleh pasien tersebut. Selanjutnya berdasarkan penelitian yang dilakukan oleh Mustafidah (2011) tentang sistem pakar untuk men penyakit hati menggunakan forward chaining disimpulkan bahwa sistem pakar tersebut dapat menganalisis jenis penyakit organ hati berdasarkan gejala-gejala yang dimasukkan oleh user. Selain itu juga sistem pakar tersebut juga sudah dapat menjelaskan penyebab dan pengobatan dari penyakit secara medis maupun secara herbal berdasarkan jenis penyakitnya. Kemudian berdasarkan penelitian yang dilakukan oleh Ritonga (2013) yaitu mengenai sistem pakar men penyakit lambung menggunakan certainty factor menyimpulkan bahwa aplikasi sistem pakar dapat memberikan kemudahan pada pasien untuk men penyakit lambung.selain itu dalam penelitian tersebut menurutnya penerapan certainty factor dapat mempermudah dan memberikan perhitungan penyelesaian seberapa pasti pada user atau pasien dalam menderita penyakit lambung. Berdasarkan beberapa 21

2 22 penelitian tersebut maka dapat diperoleh perbedaan antara penelitian sebelumnya dengan penelitian yang saat ini dilakukan. Tabel 2.2 Perbandingan Penelitian No Judul Objek Output 1 Penelitian Implementasi Objek Men oleh Fauzan sistem pakar penelitian user ke dalam Masykur, diagnosisi terfokus pada kelas ST, M.Kom penyakit kondisi kadar gula darah user negative melitus yang berupa, menggunakan glukosa darah pre, fuzzy puasa, glukosa 1, logic berbasis plasma puasa, 2 web glukosa plasma tidur, glukosa plasma 2 jam PP, kadar HbA1c, kadar HDL, kadar trigliserida, dan kadar insulin Metode & Implementasi Menggunakan sistem inferensi fuzzy Pengimpleme ntasian sistem berbasis web. 2 Penelitian Aplikasi sistem Objek Men Menggunakan oleh Aryati pakar untuk penelitian user ke dalam Wuryandari, terfokus di kelas dhemster S.T., Depi penyakit gejala-gejala shafer Trisnawati yang dapat melitus dirasakan oleh ringan, menggunakan penderita sedang, dhemster shafer melitus akut.

3 23 3 Penelitian Implementasi Objek Men Menggunakan oleh Dewi Metode penelitian user ke dalam Pratama Dempster terfokus di kelas dempster Kurniawati Shafer pada gejala-gejala shafer sistem pakar yang dapat tipe untuk dirasakan oleh 1, jenis-jenis penderita tipe 2, penyakit neuropati melitus., melitus retinopati, nefropati, ketoasdosis, dan gestasional. 4 Penelitian Implementasi Objek Men Menggunakan oleh penelitian user ke dalam Efransyah forward terfokus pada kelas forward Harahap, chaining untuk gejala chaining. suyanto, pendeteksian berupakadar tipe Endro penyakit tekanan darah, 1, potensial Ariyanto kadar resiko melitus kolesterol, dan tipe glukosa. 1, tipe 2, pontensial resiko tipe 2,

4 24 tipe 3, potensial resiko tipe 3,dan kategori normal 5 Penelitian Penerapan Objek Men Menggunakan oleh Wawan penelitian user kedalam mesin Setiawan forward terfokus pada kelas inferensi chaining gejala-gejala forward sebagai model yang dapat tipe chaining. sistem pakar dirasakan 1, untuk tipe 2, men neuropati penyakit, retinopati melitus pada, puskesmas nefropati sukawali, ketoasidosis, dan gestasional. 6 Penelitian Sistem pakar Objek Men Menggunakan sekarang penelitian user ke dalam mesin karena terfokus di kelas inferensi penyakit gejala yang forward degenerative dapat dirasakan tipe chainng dan dengan dan kondisi 2, certainty menggunakan kadar gula pre, factor untuk

5 25 darah penderita dan normal nilai forward (glukosa darah keyakinan. chaining dan puasa dan certainty factor glukosa TTGO 2 jam) 2.2 Tinjauan Teoritis Penulis mengambil beberapa tinjauan untuk dijadikan landasan teori pembuatan sistem pakar untuk yang akan dijelaskan pada sub bab berikut Sistem Pakar Sistem pakar merupakan sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli.sistem pakar tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyarakatkan pengetahuan dan pengalaman pakar tersebut.sistem pakar dikembangkan pertama kali oleh komunitas AI pada tahun 1960-an. Sistem pakar yang pertama adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel Simon. Sistem pakar yang berusaha mengadopsi pengetahuan manusia juga memiliki keuntungan dan kerugian. Adapun keuntungan dari penggunaan sistem pakar adalah sebagai berikut : a. Keuntungan Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli Bisa melakukan proses secara berulang dan otomatis Menyimpan pengetahuan dan keahlian para pakar Meningkatkan output dan produktivitas Meningkatkan kualitas Mampu mengambil dan melestarikan keahlian para pakar

6 26 Mampu beroperasi dalam lingkungan berbahaya Memiliki kemampuan untuk mengakses pengetahuan Memiliki realibilitas Meningkatkan kapabilitas sistem computer Meningkatkan kapabilitas dalam penyelesaian masalah Menghemat waktu dalam pengambilan keputusan b. Kerugian Sedangkan kerugian dari penggunaan sistem pakar adalah sebagai berikut : Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal Sulit dikembangkan. Hal ini terkait dengan ketersediaan pakar dalam bidangnya Area Permasalahan Aplikasi Sistem Pakar Area permasalahan sistem pakar menyentuh beberapa permasalahan yaitu : 1. Interpretasi yaitu menghasilkan deskripsi situasi yang mungkin terjadi dari situasi yang ada 2. Prediksi yaitu memperkirakan akibat yang mungkin terjadi dari situasi yang ada. 3. Diagnosis yaitu menyimpulkan suatu kedaan berdasarkan gejala-gejala yang diberikan. 4. Desain yaitu melakukan perancangan berdasarkan kendala-kendala yang diberikan. 5. Planning yaitu merencanakan tindakan-tindakan yang akan dilakukan 6. Monitoring yaitu membandingkan hasil pengamatan dengan proses perencanaan.

7 27 7. Debugging yaitu menentukan penyelesaian dari suatu kesalahan sistem. 8. Reparasi yaitu melaksanakan rencana perbaikan. 9. Instruction yaitu melakukan instruksi untuk diagnosisi, debugging, dan perbaikan kinerja. 10. Control yaitu melakukan control terhadap hasil interpretasi, diagnosisi, debugging, monitoring, dan perbaikan tingkah laku sistem Mesin Inferensi Menurut Turban (1995) mesin inferensi adalah program komputer yang memberikan metodologi penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace dan untuk merumuskan kesimpulan. Selama proses inferensi, mesin inferensi memeriksa status dari basis pengetahuan dan memori kerja (working memory) untuk menentukan fakta apa saja yang diketahui dan untuk menambah fakta barru yang dihasilkan ke dalam memori kerja tersebut. Terdapat 2 cara yang dapat dilakukan dalam melakukan inferensi : Forward chaining (runut maju) : pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, runut maju merupakan strategi pencarian yang memulai proses pencarin dari sekumpulan data atau fakta. Dari data-data tersebut dicari suatu kesimpulan yang menjadi solusi dari permasalahan yang dihadapi. Backward chaining(runut balik): Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengn kata lain,runut balik meruakan strategi pencarian yang arahnya kebalikan dari runut maju. Proses pencarian dimulai dari tujuan, yaitu kesimpulan yang menjadi solusi permasalahan yang dihadapi. Mesin inferensi mencari kaidah-kaidah dalam basis pengetahuan yang kesimpulannya merupakan solusi yang ingin dicapai, kemudian dari kaidah-kaidah yang diperoleh masing-masing kesimpulan dirunut balik jalur yang mengarah ke kesimpulan tersebut.

8 Sistem Metabolisme Metabolisme adalah suatu proses komplek perubahan makanan menjadi energi dan panas melalui proses fisika dan kimia, berupa proses pembentukan dan penguraian zat didalam tubuh organisme untuk kelangsungan hidupnya. Metabolisme merupakan rangkaian reaksi kimia yang diawali oleh substrat awal dan diakhiri dengan produk akhir, yang terjadi dalam sel. reaksi tersebut meliputi reaksi penyusunan energi (anabolisme) dan reaksi penggunaan energi (katabolisme). Dalam reaksi biokimia terjadi perubahan energi dari satu bentuk ke bentuk yang lain, misalnya energi kimia dalam bentuk senyawa Adenosin Trifosfat ( ATP ) diubah menjadi energi gerak untuk melakukan suatu aktivitas seperti bekerja, berlari, jalan, dan lain-lain (Kistinnah, 2009). Secara sederhana metabolisme adalah proses pengolahan (pembentukkan dan penguraian) zat-zat yang diperlukan oleh tubuh agar tubuh dapat menjalankan fungsinya. Metabolisme mempunyai peranan yang sangat penting dalam tubuh.metabolisme terjadi pada saat menit pertama makanan masuk ked ala perut dan pencernaan dimulai.enzim yang dilepaskan oleh pancreas dan kelenjar tiroid membantu dalam pemecahan makanan yang dicerna menjadi zat yang lebih sederhana. Zat-zat sederhanan diserap oleh sel-sel tubuh dan membantu dalam pelepasan energy dan melaksanakan proses lain dalam tubuh, seperti menyembuhan luka, pengaturan suhu tubuh, pembentukkan sel-sel baru, membuang racun dari tubuh dan sebagainya Diabetes Melitus Tipe 2 sebagai Penyakit Degeneratif Begitu pentingnya peranan metabolisme dalam tubuh, tidak serta merta menyebabkan metabolisme terhindar dari gangguan ataupun kerusakan.gangguan metabolisme dapat terjadi kapanpun.munculnya gangguan pada metabolisme disebabkan oleh banyak hal, salah satunya adalah faktor genetic.namun, secara umum gangguan metabolisme karena faktor genetic sangat jarang diderita.gangguan metabolisme tubuh dapat memberikan dampak berupa gangguan pada fungsi organ. Hal ini tentunya akan memicu berbagai macam penyakit degeneratif.

9 29 Penyakit degeneratif adalah suatu penyakit yang muncul akibat penurunan fungsi organ atau alat tubuh dari keadaan normal menjadi lebih buruk. Pada umumnya penyakit degeneratif terjadi pada usia tua. Namun, tidak jarang juga jenis penyakit degeneratif ini terjadi pada usia muda. Adapun penyakit yang termasuk ke dalam kelompok penyakit degeneratif adalah mellitus, stroke, jantung koroner, kardiovaskular, obesitas, hipertensi, gangguan sistem pencernaan, gangguan asam urat, dan lain-lain.dari sekian banyak penyakit yang termasuk ke dalam golongan penyakit degeneratif, salah satu kelainan sistem metabolisme yang paling popular adalah mellitus tipe 2 (DM tipe 2). Diabetes mellitus atau yang lebih dikenal sebagai penyakit kencing manis merupakan salah satu penyakit degeneratif yang bersifat menahun akibat kadar glukosa dalam darah yang tinggi.selain itu Diabetes mellitus merupakan penyakit metbolik yang dapat menimbulkan berbagai komplikasi (Konsensus Pengelolaan dan Pencegahan DM tipe 2 di Indonesia, 2015).Diabetes merupakan salah satu jenis penyakit yang disebabkan karena genetic ataupun keturunan. Jadi seseorang yang dalam keluarganya memiliki kelaianan gula darah ataupun, maka tentu keturunan dari keluarga tersebut akan memiliki risiko yang tinggi dalam menderita. Namun faktor keturunan bukan menjadi faktor satu-satunya dalam.diabetes juga dapat disebabkan karena adanya gangguan pada organ pankreas dalam menghasilkan hormon insulin.diabetes terjadi karena adanya ketidakcukupan atau gangguan fungsi hormon insulin.dimana insulin adalah suatu hormon yang mengatur pengambilan glukosa yang merupakan salah satu sumber energi yang penting untuk tubuh kita.banyak hal yang dapat menyebabkan gangguan pada hormon insulin ini, mulai dari pola makan yang tidak sehat hingga pola hidup yang kurang sehat Metode Forward chaining Menurut Aziz (1994) forward chaining merupakan suatu penalaran yang dimulai dari fakta untuk mendapatkan kesimpulan (conclusion) dari fakta tersebut.forward chaining bisa dikatakan sebagai strategi inference yang bermula dari sejumlah fakta yang diketahui. Pencarian dilakukan dengan

10 30 menggunakan rules yang premisnya cocok dengan fakta yang diketahui tersebut untuk memperoleh fakta baru dan melanjutkan proses hingga tujuan dicapai atau hingga sudah tidak ada rules lagi yang premisnya cocok dengan fakta yang diketahui maupun fakta yang diperoleh. Forward chaining digunakan jika banyak aturan berbeda yang dapat memberikan kesimpulan yang sama, banyak cara untuk mendapatkan sedikit konklusi, dan benar-benar sudah mendapatkan berbagai fakta, dan ingin mendapatkan konklusi dari fakta-fakta tersebut. Berikut ini merupakan gambaran secara umum dari penelusuran forward chaining. Gambar 2.1 Mesin Inferensi Forward chaining Metode Certainty Factor Menurut Sujoto (2011) teori Certainty Faktor (CF) adalah untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning) seorang pakar yang di usulkan oleh Shortliffe dan Buchanan pada tahun 1975.Faktor kepastian (certainty factor) menyatakan kepercayaan dalam sebuah kejadian (fakta atau hipotesa) berdasar bukti atau penilaian pakar (Turban, 2005).Faktor kepastian direpresentasikan dalam bentuk suatu nilai yang dianggap sebagai derajat keyakinan dari seorang pakar. Saat ini terdapat dua model yang digunakan untuk menghitung tingkat keyakinan (CF) dari sebuah rule, yaitu sebagai berikut : a. Menggunakan Net Belief yang diusulkan oleh E.H.Shortliffe dan B.G.Buchanan CF [H,E] = MB [H,E] MD [H,E]...(2.1)

11 31 Keterangan : CF = certainty factor(faktor kepastian) dalam suatu hipotesa yang dipengaruhi oleh fakta E. MB [H,E] = measure of belief (ukuran kepercayaan) terhadap hipotesa H, jika diberika evidence E (antara 0 dan 1). MD [H,E] = measure of disbelief (ukuran ketidak percayaan) terhadap hipotesa H jika diberikan evidence E (antara 0 dan 1). E = evidence (peristiwa atau fakta) b. Dengan menggali dari hasil wawancara dengan pakar. Nilai dari CF rule didapatkan dari interpretasi term dari pakar menjadi sebuah nilai CF tertentu seperti yang terlihat pada table di bawah ini. Tabel 2.3 Tabel nilai CF rule interpretasi term Uncertain term CF Definitely not -1.0 Almost certaintly not -0.8 Probably not -0.6 Maybe not -0.4 Unknown -0.2 to 0.2 Maybe 0.4 Probably 0.6 Almost certainly 0.8 Definitely 1.0 Secara umum, rule direpresentasikan dalam bentuk sebagai berikut : IF E 1 AND E 2 AND E n THEN H (CF rule) Atau IF E 1 OR E 2.OR E n THEN H (CF rule) Dimana :

12 32 E 1.E n : fakta-fakta (evidence) yang ada H : hipotesis atau konklusi yang dihasilkan CF rule : tingkat keyakinan terjadinya hipotesis H akubat adanya faktafakta E 1.E n Berikut ini adalah beberapa kombinasi certainty factor terhadap berbagai kondisi : Certainty factor untuk kaidah dengan premis tunggal (single premis rule) CF[H,E] = CF[E] * CF[rule] = CF [user] * CF[pakar]...(2.2) Certainty factor untuk kaidah dengan premis majemuk (multiple premis rule) CF (A AND B) = Minimum (CF (a), CF(b)) * CF (rule)...(2.3) CF (A OR B) = Maximum (CF (a), CF(b)) * CF (rule).(2.4) Certainty factor untuk kaidah dengan kesimpulan yang serupa (similiary concluded rules) CF combine (CF 1, CF 2 ) = CF 1 + CF 2 * (1-CF 1 ) (2.5) Dan faktor kepastian untuk hasil akhir presentase : Persentase keyakinan = CF combine *100%...(2.6)