Sistem Pakar Diagnosis Penyakit Hati Menggunakan Metode Fuzzy Tsukamoto Berbasis Android

Transkripsi

1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol. 2,. 8, Agustus 2018, hlm Sistem Pakar Diagnosis Penyakit Hati Menggunakan Metode Fuzzy Tsukamoto Berbasis Android Achmad Igaz Falatehan 1, Nurul Hidayat 2, Komang Candra Brata 3 Program Studi Teknik Informatika, 1 falatehanigaz@gmail.com, 2 ntayadih@ub.ac.id, 3 k.candra.brata@ub.ac.id Abstrak Hati adalah organ vital pada manusia. Karena fungsi hati yang vital, tentu kesehatan hati perlu untuk dijaga. Akan tetapi di indonesia sendiri hati khususnya Hepatitis berdasarkan survey dari kementerian kesehatan justru mengalami peningkatan dua kali lipat dari tahun 2007 sampai Pada tahun 2013, diperkirakan terdapat 1,2% penduduk Indonesia yang mengidap Hepatitis. Berdasarkan survey yang dilakukan WHO Diperkirakan 95% dari pengidap gejala awal Hepatitis tidak mengetahui bahwa mereka beresiko terkena Hepatitis. Permasalahan yang disebutkan dapat diatasi dengan mengenali gejala-gejala umum dari hati. Permasalahan mengenali gejala hati dapat diseleseikan dengan menggunakan sistem pakar. Sistem pakar menerapkan pengetahuan tentang gejala hati kedalam sistem. Metode Fuzzy Tsukamoto adalah salah satu metode yang dapat digunakan untuk mengolah nilai masukan gejala menjadi. Pada penelitian ini akan menggunakan metode Fuzzy Tsukamoto untuk men hati berdasarkan nilai masukan gejala yang mengkan keluaran berupa keterangan terdeteksi atau tidaknya suatu hati. Berdasarkan pengujian yang telah dilakukan dalam penelitian ini mengkan pengujian akurasi dari 64 data uji sebesar 96,87%. Kata kunci: hati, gejala, hati, fuzzy tsukamoto, sistem pakar. Abstract The liver is a vital organ in humans. Because the vital liver function, the liver health needs to be maintained. However, in Indonesia alone, especially Hepatitis liver disease based on survey from the health ministry actually has doubled from 2007 to In 2013, it is estimated that there are 1.2% of Indonesians who suffer from Hepatitis. Based on WHO survey It is estimated 95% of people with early symptoms of Hepatitis do not know that they are at risk of Hepatitis. The mentioned problems can be solved by recognizing the common symptoms of liver disease. The problem of recognizing the symptoms of liver disease can be solved by using an expert system. Expert systems apply knowledge of symptoms liver disease into the system. The Fuzzy Tsukamoto method is one of the methods that can be used to process the input value of symptoms into a disease. In this research will use Fuzzy Tsukamoto method to diagnose liver disease based on input value of the symptoms that produce output of detected yes or not a liver disease. Based on the results of tests that have been done in this study resulted in accuracy testing of 64 test data 96,87%. Keywords: liver, symptoms, liver disease, fuzzy tsukamoto, expert system. 1. PENDAHULUAN Hati merupakan organ vital manusia yang memiliki fungsi kompleks dan beragam seperti menawarkan dan menetralisir zat-zat racun yang tidak bisa diserap oleh usus, menyaring darah yang datang dari usus melalui vena porta, kemudian menyimpan dan mengubah bahan makanan dari vena porta untuk selanjutnya bahan makanan tersebut dikirim ke dalam darah sesuai dengan kebutuhan. Di dalam hati, makanan yang mengandung racun akan dinetralisir sehingga makanan tidak mengandung racun jika telah melewati hati. Hati memiliki peran vital dalam tubuh manusia, salah satunya adalah menjaga kebutuhan organ dalam tubuh, khususnya otak. Karena fungsi hati yang kompleks dan beragam, kesehatan hati perlu Fakultas Ilmu Komputer Universitas Brawijaya 2373

2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2374 diperhatikan agar tubuh tetap sehat. (Pujiyanta et al, 2012) Jenis-jenis hati yang umum antara lain yaitu Hepatitis,, Kanker Hati atau Hepatoma, Abses Hati, Kolesistitis dan perlemakan hati non alkoholik. Berdasarkan data dari WHO, yang memiliki kasus paling banyak menyerang hati manusia adalah Hepatitis dan. Penyakit hati yang sudah akut akan mempengaruhi fungsi-fungsi hati, tetapi hati tersebut dapat diketahui gejala klinis maupun fisik yang timbul pada pasien. Gejala klinis dapat diketahui dari apa yang dirasakan oleh pasien, sedangkan gejala fisik dapat diketahui dari keadaan tubuh pasien. Gejala hati ada banyak dan kompleks, serta hati memiliki kemiripan gejala dengan beberapa. Hal ini perlu diperhatikan karena masyarakat kesulitan dalam mengenali gejala-gejala yang umum dari hati dengan lainnya. Di Indonesia sendiri, Hepatitis menjadi perhatian Kementerian Kesehatan. Berdasarkan data dari Pusdatin (Pusat Data dan Informasi) Kementerian Kesehatan, jumlah orang yang mengidap Hepatitis naik dua kali lipat dari tahun 2007 sampai Pada tahun 2013, diperkirakan terdapat 1,2% penduduk Indonesia yang mengidap Hepatitis. Berdasarkan data, tahun 2013 penduduk Indonesia berjumlah jiwa, maka bisa dikatakan jika 1,2% mengidap Hepatitis, ada sekitar jiwa penduduk Indonesia yang mengidap Hepatitis. Jumlah tersebut menunjukkan banyaknya penduduk indonesia yang terjangkit Hepatitis. Sedangkan untuk, berdasarkan data dari WHO pada tahun 2012, Indonesia memiliki usia standar tingkat kematian 52,7 untuk pria dan 16,6 untuk perempuan. WHO menyebutkan 90% dari pengidap Hepatitis C dapat sembuh dalam kurun waktu 3-6 bulan. Hal ini tentu saja dengan penanganan yang cepat dan tepat. Jumlah pengidap Hepatitis yang banyak dan usia standart tingkat kematian dapat dikurangi dengan cara salah satunya adalah mengenali gejala-gejala awal dan umum dari hati yang memungkinkan memudahkan masyarakat dalam mengetahui gejala hati secara dini. Dengan mengetahui gejala-gejala hati secara dini, masyarakat dapat melakukan tindakan pencegahan terjadinya hati akut. Permasalahan dari mengenali gejala-gejala umum hati dapat diseleseikan dengan menggunakan sistem pakar. Sistem pakar adalah cabang dari kecerdasan buatan atau artificial intelligence yang digunakan untuk mengambil dan menerapkan pengetahuan yang berasal dari pakar (Kusumadewi, 2003). Dengan menerapkan pengetahuan yang berasal dari pakar, sistem pakar dapat membantu menyeleseikan masalah di dalam dunia nyata dengan biaya yang relatif murah (Siswanto, 2005). Pada penelitian sebelumnya yang telah dilakukan oleh Vika Lailiyah yang berjudul Pemodelan Sistem Pakar HIV menggunakan metode Fuzzy Tsukamoto. Pada penelitian tersebut penulis menggunakan metode Fuzzy Tsukamoto untuk diterapkan pada sistem pakar HIV. Hasil dari penelitian tersebut berupa HIV dan solusi pengobatan dengan tingkat akurasi sebesar 85% (Lailiyah, 2016). Penelitian sebelumnya dilakukan oleh Nadia Roosmalita Sari dan Wayan Firdaus Mahmudy pada tahun 2015 dengan judul Fuzzy inference system Tsukamoto untuk menentukan kelayakan calon pegawai. Penelitian tersebut menggunakan metode Fuzzy Tsukamoto untuk menentukan layak atau tidaknya seorang pegawai. Variabel dalam penelitian tersebut terdiri dari delapan kriteria kelayakan pegawai yang masing-masing kriteria memiliki dua derajat keanggotaan yaitu rendah dan tinggi. Dari delapan kriteria tersebut mengkan keluaran ditolak, dipertimbangkan dan diterima. Penelitian tersebut memiliki uji korelasi antara nilai sistem dan nilai pakar menggunakan rank Spearman sebesar 0,952. Nilai spearman tersebut menunjukkan keakuratan sistem yang dikembangkan adalah sangat akurat (Sari, 2015). Penelitian terdahulu dilakukan oleh Fendy Gusta Pradana pada tahun 2016 dengan judul Sistem diagnosa pada tanaman jagung dengan menggunakan metode Fuzzy Tsukamoto. penelitian tersebut menggunakan metode Fuzzy Tsukamoto untuk men pada tanaman jagung. Variable yang digunakan adalah gejala yang berjumlah 16 gejala dan 5. Pengguna sistem tersebut memilih gejala untuk tanaman jagung. Tingkat akurasi perbandingan sistem dan pakar dari sistem tersebut mencapai nilai 95% (Pradana, 2016). Metode Fuzzy Tsukamoto adalah metode yang memiliki toleransi pada data dan sangat fleksibel. Kelebihan dari metode Tsukamoto

3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2375 yaitu bersifat intuitif dan dapat memberikan tanggapan berdasarkan informasi yang bersifat kualitatif, tidak akurat, dan ambigu (Thamrin, 2012). Pada metode Tsukamoto, setiap Rule direpresentasikan dengan suatu himpunan Fuzzy dengan fungsi keanggotaan yang monoton disebut dengan fuzzifikasi. Sebagai nya, keluaran dari tiap-tiap aturan berupa nilai tegas (crisp) berdasarkan α-predikat atau nilai minimum dari tiap Rule dan nilai z. Hasil akhirnya diperoleh dengan melakukan defuzzifikasi rata-rata berbobot (Pujiyanta, 2012). Berdasarkan latar belakang yang telah diuraikan, pada penelitian ini penulis memilih metode Fuzzy Tsukamoto untuk membangun sebuah sistem dalam men hati yang akan diimplementasikan dalam penelitian yang berjudul Sistem Pakar Diagnosis Penyakit Hati Menggunakan Metode Fuzzy Tsukamoto berbasis Android. penulis berharap dengan penelitian ini diharapkan dapat memudahkan masyarakat dalam mengetahui hati secara dini dan memperoleh akurasi yang tinggi. 2. TINJAUAN PUSTAKA 2.1 Penyakit hati Pada penelitian ini menggunakan empat jenis untuk men yaitu hepatitis, sirosis, abses hati serta hepatocellular carcinoma disingkat hepatoma atau kanker hati. Dari empat jenis hati tersebut memiliki 16 gejala. Masing-masing hati memiliki empat gejala yang berbeda-beda. 2.2 Sistem pakar Sistem pakar merupakan program komputer yang meniru pengetahuan dan penalaran manusia dalam menyelesaikan suatu masalah. Pengetahuan dari sistem pakar diambil dari seseorang yang ahli dalam permasalahan tersebut atau biasa disebut dengan pakar. sistem pakar dibangun untuk menyeleseikan suatu permasalahan dengan cara meniru kerja dari para pakar. Sistem pakar juga membantu para pakar dalam menjalankan aktifitasnya sebagai asisten yang berpengalaman. (Kusumadewi, 2003). Menurut Siswanto pada tahun 2005, sistem pakar merupakan sistem yang mempunyai aplikasi paling banyak dalam menyeleseikan masalah di dunia nyata. Sistem pakar ini memiliki banyak pilihan dalam menjalankannya seperti pada komputer pribadi atau perangkat mobile pribadi. sistem pakar dapat dilakukan dengan mudah serta memiliki biaya yang terjangkau (Siswanto, 2005). 2.3 Fuzzy Tsukamoto Pada metode Fuzzy Tsukamoto, setiap konsekuen pada Rule yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton sebagai nya (proses fuzzifikasi). keluaran inferensi dari tiap-tiap rule diberikan secara tegas (crisp) berdasarkan α-predikat. Hasil akhirnya di peroleh dengan menggunakan defuzzifikasi rata-rata terbobot. (Maryaningsih et al, 2013). Dalam proses inferensinya, metode Fuzzy Tsukamoto memiliki beberapa tahapan, yaitu: 1. Fuzzifikasi Fuzzifikasi adalah Proses untuk mengubah masukan sistem yang mempunyai nilai tegas atau crisp menjadi himpunan fuzzy dan menentukan derajat keanggotaannya di dalam himpunan fuzzy. 2. Pembentukan Rules IF-Then Proses untuk membentuk Rule yang akan digunakan dalam bentuk IF THEN yang tersimpan dalam basis keanggotaan fuzzy. 3. Mesin Inferensi Proses untuk mengubah masukan fuzzy menjadi keluaran fuzzy dengan cara fuzzifikasi tiap Rule (IF-THEN Rules) yang telah ditetapkan. Menggunakan fungsi implikasi MIN untuk mendapatkan nilai alpha-predikat tiaptiap Rule. Kemudian masing-masing nilai alphapredikat digunakan untuk menghitung output masing-masing Rule (nilai z). 4. Defuzzifikasi Mengubah keluaran fuzzy yang diperoleh dari mesin inferensi menjadi nilai tegas atau crisp. Hasil akhir diperoleh dengan menggunakan persamaan rata-rata pembobotan menggunakan metode rata-rata Weight Average. 3. METODOLOGI 3.1 Data Pada penelitian ini pengumpulan data dilakukan di Rumah Sakit Universitas Brawijaya pada bulan april dengan pakar dr. Mirzaulin Leonaviri yang merupakan salah satu dokter umum di Rumah sakit tersebut. Variabel dalam penelitian ini berupa jenis-jenis hati beserta gejala-gejala dari hati. Data yang diperoleh dari pakar terdiri dari data gejala

4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2376 dan hati, data keluaran rule serta data uji dari pakar. Kode gejala G1 G2 G3 G4 Kode gejala G1 G2 G3 G4 Tabel 1 gejala hepatitis Nama gejala Ikterus (warna kulit/sclera mata menjadi kuning) Tubuh terasa tidak nyaman / kurang fit Nyeri pada sendi Nyeri pada otot Tabel 2 gejala sirosis Nama gejala Muntah darah Berat badan menurn Terdapat bercak kemerahan pada telapak tangan Pembesaran payudara pada laki-laki. 3.2 Alur Fuzzy Tsukamoto Tahapan-tahapan dari metode fuzzy tsukamoto yang digunakan dalam penelitian ini terdiri dari lima proses utama. Yang pertama adalah fuzzifikasi, kemudian menghitung alpha predikat dengan fungsi implikasi MIN, dilanjutkan dengan menghitung nilai z atau konsekuen tiap rule dan melakukan defuzzifikasi pada proses terakhir. Diagram alir fuzzy tsukamoto ditunjukkan pada Gambar 1. Tabel 3 gejala abses hati Kode gejala G1 G2 G3 G4 Nama gejala Riwayat diare Nyeri pada perut kanan atas Mual muntah Demam Tabel 4 gejala hepatoma Kode gejala G1 G2 G3 G4 Nama gejala Pelebaran pembuluh darah perut Pendarahan pada hidung/gusi/kulit/saluran cerna BAB hitam seperti kopi Terdapat benjolan pada perut kanan atas Data yang digunakan berupa gejala beserta jenis hatinya. Setiap memiliki gejala yang berbeda-beda. Dalam penelitian ini data tentang gejala didapatkan sejumlah 16 gejala dengan empat. Untuk tiap memiliki empat gejala. Dari keempat gejala tersebut dapat digunakan untuk penalaran suatu dengan cara menggabungkan gejala spesifik dari dan gejala umum. Jika yang diisikan hanya gejala umum, tidak akan terdeteksi. Untuk mendeteksi dibutuhkan rule yang telah ditentukan oleh pakar. Setiap hati mempunyai rule masing-masing. Rule yang digunakan sendiri terdiri dari 64 rule dengan 16 rule untuk tiap Gambar 1 Diagram alir fuzzy tsukamoto 3.3 Perancangan Sistem Pada penelitian akan dibangun sebuah aplikasi sistem pakar hati berbasis android yang menggunakan metode Fuzzy Tsukamoto. Data yang digunakan dalam aplikasi adalah data gejala tentang hati. Hasil keluaran dari aplikasi adalah berupa keterangan terdeteksi hati atau tidak. Hasil keluaran sistem berupa keterangan untuk memudahkan pengguna dalam

5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2377 mengetahui tentang yang diderita. Sistem Pakar Diagnosis hati pada penelitian ini menggunakan metode Fuzzy Tsukamoto sebagai mesin inferensi. Diagram blok perancangan sistem ditunjukkan pada Gambar 2 berikut. Gambar 3 Fungsi keanggotaan gejala ikterus Gambar 2 Diagram Blok Sistem Pakar Diagnosis Penyakit Hati 4 TAHAPAN METODE Berdasarkan Gambar 1 tentang diagram alir fuzzy tsukamoto tahapan metode fuzzy tsukamoto dapat dijabarkan sebagai berikut: 1. Pembentukan Himpunan Fuzzy (Fuzzifikasi) Pembentukan himpunan fuzzy terdiri dari variabel input dan variabel output. Variabel tersebut dibagi menjadi satu atau lebih himpunan fuzzy. Pada proses ini, variabel input adalah gejala-gejala dalam hati, sedangkan variabel output berupa terdeteksi atau tidaknya hati. Sebagai contoh variabel input yang digunakan dalam penelitian ini adalah gejala hati. Tiap memiliki gejala yang berbeda-beda. Penyakit hepatitis memiliki salah satu gejala ikterus (warna kulit/sclera mata menjadi kuning). Gejala tersebut memiliki bilangan real yang merupakan bobot nilai gejala. Gejala ikterus memiliki dua himpunan fuzzy yaitu Rendah dan Tinggi. Masing-masing memiliki domain seperti ditunjukkan pada Gambar 3. Fungsi keanggotaan pada himpunan rendah dan tinggi dapat dirumuskan sebagai berikut: 1 (x 40) 65 x μrendah(x) = { (40 < x < 65) 25 0 (x 65) 0 (x 40) x 40 μtinggi(x) = { (40 < x < 65) 25 1 (x 65) Keterangan: μ = derajat keanggotaan x = himpunan objek Variable output dalam contoh ini adalah terdeteksi atau tidaknya hepatitis. Variabel ini terdiri dari 2 himpunan fuzzy yaitu Ya dan Tidak. Himpunan ya dan tidak ditunjukkan pada Gambar 3. Gambar 4 fungsi keanggotaan hepatitis Fungsi keanggotaan himpunan Ya atau Tidak ditunjukkan pada rumus berikut: 0 (x 30) x 30 μya(x) = { (30 < x < 70) 40 1 (x 70) 1 (x 30) 70 x μtidak(x) = { (30 < x < 70) 40 0 (x 70)

6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Pembentukan Rule Hasil dari perhitungan fuzzifikasi kemudian diinferesikan terhadap rule. Fungsi implikasi pada metode fuzzy tsukamoto adalah MIN. untuk menghitung alpha-predikat harus merepresentasikan semua rule yang ada menggunakan rumus MIN(fuzzifikasi). Contoh rule yang digunakan pada hepatitis adalah IF G1 rendah AND G2 rendah AND G3 Rendah AND G4 rendah THEN Tidak terdeteksi. Rumus tadi dapat diimplementasikan menjadi MIN(G1 rendah,g2 rendah,g3 rendah,g4 rendah). 3. Defuzzifikasi Langkah terakhir dari tahapan metode fuzzy tsukamoto adalah melakukan defuzzifikasi atau mengubah nilai himpunan fuzzy menjadi nilai tegas atau crisp. Setelah didapatkan nilai alphapredikat, selanjutnya adalah proses menghitung nilai setiap konsekuen setiap rules atau nilai z. defuzzifikasi dilakukan dengan cara membagi nilai sigma alpha-predikat dikali z dengan sigma alpha-predikat. 5 HASIL DAN PEMBAHASAN Hasil pengujian yang dilakukan pada penelitian ini terdiri dari pengujian blackbox, pengujian akurasi serta pengujian usability. pengujian blackbox digunakan untuk menguji fungsionalitas sistem apakah berjalan dengan baik atau tidak. Pengujian akurasi digunakan untuk mengetahui kemampuan dari sistem dengan cara membandingkan sistem dengan pakar. Pengujian usability digunakan untuk menguji tingkat kepuasan pengguna. 5.1 Hasil Pengujian Blackbox Hasil dari pengujian blackbox yang telah dilakukan pada penelitian ini mengkan tingkat fungsionalitas sistem mencapai 100% karena fungsi semua yang diuji dapat berjalan dengan baik sesuai dengan harapan. Skenario pengujian 1 Pengujian hati 2 Pengujian Hepatitis 3 Pengujian 4 Pengujian abses hati 5 Pengujian Hepatoma 6 Pengujian hati 7 Pengujian 8 Pengujian Tentang Tabel 5 pengujian blackbox Test case Hasil yang diharapkan Memilih menu hati Mengisi nilai gejala dan Mengklik button Mengisi nilai gejala dan Mengklik button Mengisi nilai gejala dan Mengklik button Mengisi nilai gejala dan Mengklik button Memilih menu hati Memilih pada hati Memilih menu Tentang hati Hepatitis abses hati Hepatoma rincian Tentang 5.2 Hasil Pengujian Akurasi Hasil dari pengujian akurasi yang telah dilakukan pada penelitian ini adalah 96,87%. Pengujian akurasi menggunakan 64 data uji yang berupa nilai masukan gejala beserta nya. Masing-masing memiliki 16 data uji. Perhitungan akurasi dilakukan dengan rumus Jumlah data benar / jumlah data uji dikali 100%. Berikut adalah rumus untuk menghitung nilai akurasi. 62 x100 = 96,87% 64 Hasil sistem Berikut adalah salah satu data uji yang digunakan dan seluruh uji pengujian akurasi. dari hati abses hati Hepatoma rincian Tentang Hasil

7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2379 Tabel 6 data uji abses hati Riwayat diare Nyeri pada perut kanan atas Mual muntah demam Tidak Tidak Tidak Ya Tidak Ya Ya Ya Tidak Ya Ya Ya Ya Ya Ya Ya Abses hati Tabel 7 pengujian akurasi abses hati Nilai defuzzifikasi Diagnosis sistem Diagnosis pakar Sesuai Tidak terdeteksi Tidak terdeteksi Ya Tidak terdeteksi Tidak terdeteksi Ya Tidak terdeteksi Tidak terdeteksi Ya 4 25 Tidak terdeteksi Tidak terdeteksi Ya Tidak terdeteksi Tidak terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya 8 65 Terdeteksi Terdeteksi Ya Tidak terdeteksi Tidak terdeteksi Tidak Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Nilai defuzzifikasi Diagnosis sistem Diagnosis pakar Sesuai Tidak terdeteksi Tidak terdeteksi Ya Terdeteksi Terdeteksi Ya Tidak terdeteksi Terdeteksi Tidak 4 65 Terdeteksi Terdeteksi Ya 5 30 Terdeteksi Terdeteksi Ya 6 65 Terdeteksi Terdeteksi Ya 7 65 Terdeteksi Terdeteksi Ya 8 65 Terdeteksi Terdeteksi Ya 9 30 Tidak terdeteksi Tidak terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Tabel 10 pengujian akurasi hepatoma Nilai defuzzifikasi Diagnosis sistem Diagnosis pakar Sesuai Tidak terdeteksi Tidak terdeteksi Ya Tidak terdeteksi Tidak terdeteksi Ya Tidak terdeteksi Tidak terdeteksi Ya Terdeteksi Terdeteksi Ya Tidak terdeteksi Tidak terdeteksi Ya 6 70 Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya 8 70 Terdeteksi Terdeteksi Ya 9 30 Tidak terdeteksi Tidak terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Tabel 8 pengujian akurasi hepatitis Nilai defuzzifikasi Diagnosis sistem Diagnosis pakar Sesuai Tidak terdeteksi Tidak terdeteksi Ya 2 47 Tidak terdeteksi Tidak terdeteksi Ya 3 47 Tidak terdeteksi Tidak terdeteksi Ya 4 47 Tidak terdeteksi Tidak terdeteksi Ya 5 46 Tidak terdeteksi Tidak terdeteksi Ya 6 46 Tidak terdeteksi Tidak terdeteksi Ya 7 46 Tidak terdeteksi Tidak terdeteksi Ya 8 46 Tidak terdeteksi Tidak terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Terdeteksi Terdeteksi Ya Tabel 9 pengujian akurasi sirosis 5.3 Hasil Pengujian Usability Hasil dari pengujian usability yang telah dilakukan dalam penelitian adalah sistem memiliki tingkat kepuasan yang sangat baik dengan nilai mean 4,45. Nilai tersebut didapatkan dengan melakukan rata-rata tiap pertanyaan kemudian rata-rata tersebut dijumlahkan untuk dibagi menjadi total pertanyaan dikalikan dengan jumlah kuisioner. Total pertanyaan pada pengujian usability adalah 10 pertanyaan. Jumlah pengguna yang mengisi kuisioner adalah 20 orang. Berikut adalah rincian hitungan pengujian usability: Mean Total Rata rata Nilai = Jumlah Pertanyaan x Jumlah Pengisi Kuisoner = x 20 = = 4.425

8 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2380 Nilai mean = 0,1-1 sistem sangat buruk Nilai mean = 1,1-2 sistem buruk Nilai mean = 2,1-3 sistem cukup baik Nilai mean = 3,1-4 sistem baik Nilai mean = 4,1-5 sistem sangat baik Dari keterangan yang dijelaskan, nilai 4,425 masuk kategori sistem sangat baik. 6 PENUTUP Berdasarkan dari penelitian yang telah dilakukan tentang sistem pakar hati menggunakan metode Fuzzy Tsukamoto berbasis android, dapat diambil beberapa kesimpulan sebagai berikut: 1. Sistem pakar hati dapat dirancang dan diimplementasikan untuk digunakan oleh pengguna dengan baik karena telah digunakan secara langsung oleh pengguna. 2. Sistem pakar hati dapat diimplementasikan dengan menggunakan metode Fuzzy Tsukamoto dengan melalui lima proses utama, yaitu fuzzifikasi, menentukan alpha-predikat untuk setiap Rule, menghitung nilai z setiap Rule, mengkalikan alpha predikat dengan z pada setiap Rule, kemudian melakukan defuzzifikasi dengan cara membagi jumlah alpha-predikat dikali z dengan jumlah alpha predikat. Nilainya akan menjadi penentu apakah pengguna terdeteksi hati yang dipilih oleh pengguna. 3. Berdasarkan pengujian yang telah dilakukan pada penelitian ini, pengujian blackbox memiliki tingkat fungsionalitas yang baik. Pengujian akurasi memiliki tingkat akurasi 96,87% dengan 64 data uji dari pakar. Dengan tingkat akurasi sebesar 96,87% sistem pakar ini dapat membantu melakukan hati ataupun mengenali gejala-gejala umum dari hati. Pengujian usability memiliki nilai rata-rata mean 4,425. Dengan nilai rata-rata mean tersebut sistem yang dibangun dapat digunakan dengan baik oleh pengguna. DAFTAR PUSTAKA Abbasy, M. & Mohamed, A., Mobile Expert System to Detect Liver Disease Kind. International journal of computer science and information security, 14(5 may 2016), pp Budihusodo, U., Buku Ajar Ilmu Penyakit Dalam. 2nd ed. Jakarta: Pusat Penerbitan Ilmu Penyakit Dalam FKUI. Hartati, S. & Kusumadewi, S., Neuro Fuzzy-Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu. Hayadi, B. H., Sistem Pakar. Yogyakarta: Deepublish. Ihsan, A. & Shoim, A., Penentuan minal Beasiswa Yang diterima Siswa dengan Metode Logika Fuzzy Tsukamoto. Jurnal Ilmiah Ilmu Komputer, 8(2 maret 2012), pp Kesehatan, K., [Online] Available at: iew/ /w-a-s-p-a-d-a-2-9-jutalebih-penduduk-indonesia-mengidaphepatitis.html [Accessed 11 Maret 2017]. Kusrini, Sistem Pakar Teori dan Aplikasinya. Yogyakarta: Andi. Kusumadewi, S., Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu. Lailiyah, V., Sistem Pakar Diagnosis Penyakit HIV menggunakan metode Fuzzy Tsukamoto. Malang: Universitas Brawijaya. Maryaningsih, Siswanto & Mesterjon, Metode Logika Fuzzy Tsukamoto Dalam Sistem Pengambilan Keputusan Penerimaan Beasiswa. JurnalMedia Infotama, 9(1 februari 2013), pp Nurdjanah, S., Buku Ajar Ilmu Penyakit Dalam. 2nd ed. Jakarta: Pusat Penerbitan Ilmu Penyakit Dalam FKUI. Pradana, F. G., Sistem diagnosa Penyakit pada Tanaman Jagung dengan menggunakan metode Fuzzy Tsukamoto. Malang: Universitas Brawijaya. Pujiyanta, A. & Pujiantoro, A., Sistem Pakar Penentuan Jenis Penyakit Hati dengan Metode Inferensi Fuzzy Tsukamoto. Jurnal Informatika, 6(1 januari 2012), pp Rohman, F. F. & Fauzijah, A., Rancang Bangun Aplikasi Sistem Pakar untuk

9 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2381 Menentukan Jenis Gangguan Perkembangan Pada Anak.. Media Informatika, 6(1 juni 2008), pp Sanityoso, A., Buku Ajar Ilmu Penyakit Dalam. 2nd ed. Jakarta: Pusat Penerbitan Ilmu Penyakit Dalam FKUI. Sari Nadia, R. & Mahmudy, W. F., Fuzzy Inference System Tsukamoto untuk Menentukan Kelayakan Calon Pegawai. Seminar Nasional SIstem Informasi Indonesia, Issue 2-3 november 2015, pp Siswanto, Kecerdasan Tiruan. 2nd ed. Yogyakarta: Graha Ilmu. Siswoyo, B. & J, G. I., Diagnoss Penyakit Hati melalui SIstem Pakar. Jurnal Computech & Bisnis, 2(1 juni 2008), pp Sutojo & dkk, Kecerdasan Buatan. Yogyakarta: Andi. Thamrin, F., Studi Inferensi Fuzzy Tsukamoto untuk penentuan pembebanan trafo. Semarang: Universitas DIponengoro. Turban, E., Decission Support and Expert System. 4th ed. New Jersey: Prentice-Hall International inc. Turban, E. & dkk, Decission Support System and Intelligent Systems. 7th ed. Yogyakarta: Andi. Wenas, N. T. & Waleleng, B. J., Buku Ajar Ilmu Penyakit Dalam. 2nd ed. Jakarta: Pusat Penerbitan Ilmu Penyakit Dalam FKUI. WHO, [Online] Available at: [Accessed 12 Maret 2017]. WHO, [Online] Available at: [Accessed 12 Maret 2017].