Penentuan perangkat keras dan perangkat lunak yang akan digunakan untuk mengembangkan sistem Perangkat keras (hardware) Perangkat keras yang digunakan pada saat pengembangan sistem adalah komputer dengan spesifikasi Processor Intel Core 2 Duo 1.83Ghz, RAM 2 Gb, Harddisk 250 GB. Perangkat lunak (software) Perangkat lunak yang digunakan adalah perangkat lunak yang dapat merepresentasikan sistem fuzzy seperti Matlab R2009. Di sisi lain perangkat lunak tambahan menggunakan Adobe Dreamweaver CS3 sebagai editor pembuatan website serta Adobe Photoshop CS3 digunakan untuk pengolahan gambar. HASIL DAN PEMBAHASAN Pemodelan Sistem Sistem pakar diagnosis kolik pada kuda dikembangkan untuk mendeteksi jenis kolik yang sedang diderita oleh kuda. Gejala kolik pada kuda memperlihatkan ada banyaknya kemiripan sehingga diperlukan ketelitian dari pakar atau dokter hewan terhadap setiap perubahan yang terjadi pada organ tubuh atau kebiasaan kuda yang mengindikasikan pada kolik, bahkan tidak mungkin apabila kemiripan gejala tersebut menghasilkan hasil diagnosis yang berbeda dengan kolik yang diderita kuda sebenarnya. Keterbatasan jumlah tenaga dokter hewan di Indonesia merupakan salah satu kendala yang dihadapi pada saat ini. Hal ini menyebabkan kurang maksimalnya penanganan terhadap kolik. Keterbatasan tenaga dokter hewan dapat menyebabkan keterlambatan dalam mendiagnosis penyakit yang nantinya dapat menyebabkan keterlambatan dalam proses penyembuhan kuda bahkan dapat menyebabkan kematian. Guna meningkatkan kelancaran dalam usaha penanganan kolik maka penting adanya suatu sistem yang bisa membantu diagnosis sehingga dapat dilakukan tindakan prefentif guna mencegah kolik menjadi semakin parah. Pada sistem diagnosis kolik pada kuda digunakan metode mamdani untuk menghasilkan output. Ada 4 buah variabel masukan (input) yang digunakan dalam mengembangkan Fuzzy Inference System seperti yang disajikan pada Gambar 10 berikut : Gambar 10 FIS Editor Sistem Pakar Diagnosa Kolik Pada Kuda Gambar di atas menunjukkan ada empat variabel yang dimasukan ke dalam fuzzy inference system dengan menggunakan metode Mamdani. Variabel tersebut digunakan oleh sistem untuk menentukan jenis kolik yang diderita oleh kuda. Proses Inferensia Fuzzy Proses Fuzzifikasi Proses fuzzifikasi yang dilakukan oleh sistem disesuaikan dengan variabel atau gejala yang digunakan untuk menentukan jenis kolik. Ada empat variable fuzzy yang dimodelkan dalam sistem ini, yaitu : a. Denyut Jantung Pada sistem pengguna akan memasukkan denyut jantung dalam satuan kali per menit. Denyut jantung sangat erat kaitannya dengan rasa sakit yang diderita oleh kuda. Denyut jantung semakin kencang menandakan rasa sakit yang diderita semakin parah. Denyut jantung dapat dikelompokkan menjadi normal, meningkat dan tinggi. nilai kecocokan denyut jantung ini adalah 30 100 (Debora Johnson, 2009). Fungsi keanggotaan denyut jantung dapat dirumuskan sebagai berikut : 0; 50 50 ; 50 40 40 50 1; 30 40 9
0; 50 40 ; 40 50 50 40 70 ; 60 70 70 60 1; 50 60 0; 60 60 ; 70 60 60 70 1; 70 100 Gambar 11 Fungsi Keanggotaan Denyut Jantung b. Suara Usus Suara usus erat kaitannya dengan kolik. Pemeriksaan suara usus dilakukan di bagian kanan bagian perut bawah. Suara usus akan terdengar seperti air jatuh pada pipa besi (J. Rose, 1999). Suara usus dikelompokkan menjadi empat kategori yaitu tidak ada, menurun, normal serta meningkat. nilai suara usus dibatasi pada kisaran 0 6. Fungsi keanggotaan suara usus dapat dirumuskan sebagai berikut : 0; 1 1; 0 Gambar 12 Fungsi Keanggotaan Suara Usus c. Gastric reflux Gastric reflux adalah cairan lambung yang keluar pada saat dimasukkan selang ke dalam rongga perut. Pada kuda dewasa, jumlah cairan yang biasa keluar dari rongga perut adalah 10 15 liter mereferensi dari K. M. Dyce 2002. Fungsi keanggotaan gastric reflux dapat dirumuskan sebagai berikut : 0; 0 3 6 ; 3 6 6 3 1; 0 3 0; 3 12 3 ; 3 6 6 3 12 ; 9 12 12 9 1; 6 9 0; 9 3 ; 6 3 9 12 1; 12 15 0; 3 3 1; 3 0; 0 3 1; 1 2 0; 3 1; 4 6 Gambar 13 Fungsi Keanggotaan Gastric Reflux d. Lama Kejadian Lama kejadian adalah rentang waktu gejala kolik pertama kali terlihat. waktu dihitung berdasarkan jarak gejala kolik terlihat dengan waktu terakhir kuda dikasih pakan. Pengguna memasukkan nilai 10
numerik dari lama kejadian yang diukur dalam jam. nilai dibatasi pada kisaran 0 12. Lama kejadian dikelompokkan menjadi dua kategori yaitu baru dan lama. Fungsi keanggotaan dapat dirumuskan sebagai berikut : 0 ; 6 6 ; 63 3 6 1 ; 0 3 0 ; 6 3 ; 63 3 6 1 ; 6 12 Aturan-aturan untuk himpunan fuzzy secara lengkap dapat dilihat pada Lampiran 1. Setelah dibuat aturan, nilai keluaran berupa data kuantitatif tersebut didefuzzifikasi. Keluaran dari proses fuzzy ini adalah diagnosis jenis kolik Impaksi, Tympani dan Twisted gut. Untuk jenis kolik terbagi menjadi mendukung dan sangat mendukung. Dari skor tersebut, derajat keanggotaan suatu jenis kolik dapat diketahui. Adapun fungsi keanggotaan untuk hasil keluaran data fuzzy dirumuskan dalam fungsi PI sebagai berikut: Gambar 14 Fungsi Keanggotaan Lama Kejadian Rangkuman keempat himpunan fuzzy masukan disajikan pada Tabel berikut : Tabel 2 Rangkuman variabel fuzzy input No. Variabel Tipe Nilai 1. Denyut jantung nilai 30-100 Gambar 15 Fungsi Keanggotaan Keluaran Sistem Pakar Diagnosa Kolik Pada Kuda 0; 0.05 0.25 2 0.05 0.1 0.05 ; 0.05 0.025 0.1 12 0.1 0.05 ;0.025 0.1 12 0.1 0.25 0.1 ; 0.1 0.175 0.25 2 0.25 0.1 ; 0.175 0.25 1; 0.1 2. Suara usus 3. Gastric reflux 4. Lama kejadian nilai 0-6 nilai 0-15 nilai 0-12 0; 0.1 0.4 2 0.1 0.25 0.1 ; 0.1 0.175 12 0.25 0.25 0.1 ; 0.1750.25 0.25 12 0.4 0.25 ; 0.25 0.325 2 0.4 0.4 0.25 ; 0.325 0.4 1; 0.25 Proses Defuzzifikasi Dari empat himpunan fuzzy di atas dibentuk aturan (rule) untuk menghasilkan keluaran. Sebagai contoh aturan fuzzy adalah sebagai berikut: If denyut_jantung Tinggi and suara_usus menurun and gastric_reflux Sedikit and lama_kejadian baru then sangat mendukung Twisted Gut 0; 0.25 0.55 0.25 2 0.4 0.25 ; 0.25 0.325 12 0.4 0.4 0.25 ; 0.325 0.4 12 0.4 0.55 0.4 ; 0.4 0.475 0.55 2 0.55 0.4 ; 0.475 0.55 1; 0.4 11
0; 0.4 0.7 2 0.4 0.55 0.4 ; 0.4 0.475 12 0.55 0.55 0.4 ; 0.475 0.55 12 0.4 0.7 0.55 ; 0.55 0.625 0.55 2 0.7 0.55 ; 0.625 0.7 1; 0.55 0; 0.55 0.85 0.55 2 0.7 0.55 ; 0.55 0.625 12 0.7 0.7 0.55 ; 0.625 0.7 12 0.7 0.85 0.7 ; 0.7 0.775 2 0.85 0.85 0.7 ; 0.775 0.85 1; 0.7 0; 0.7 0.1 2 0.7 0.85 0.7 ; 0.7 0.775 0.85 12 0.85 0.7 ; 0.775 0.85 12 0.7 0.1 0.85 ; 0.6 0.775 2 0.85 0.1 0.85 ; 0.775 0.85 1; 0.85 Proses defuzzifikasi dari masukan denyut jantung, suara usus, gastric reflux dan lama kejadian dapat diilustrasikan pada Gambar 12. Proses defuzzifikasi pada SPDKPK akan menghasilkan suatu nilai tunggal (crisp) akan menghasilkan keluaran mendukung twisted gut, sangat mendukung twisted gut, mendukung impaksi, sangat mendukung impaksi, sangat mendukung spasmodik, dan sangat mendukung tympani yang akan bergantung pada nilai defuzzifikasinya. Setiap masukan dieksekusi oleh aturan fuzzy dengan implikasi and sehingga kita mengambil nilai fungsi keanggotaan terkecil dari masukan untuk mendapat keluaran. Keluaran tersebut kemudian diagregasikan sehingga terbentuklah suatu daerah fuzzy. Metode Mean of Maximum (MOM) akan mengambil nilai rata-rata dari daerah himpunan fuzzy yang memiliki nilai terbesar. Keterangan: A. Denyut jantung B. Suara usus C. Gastric reflux D. Lama kejadian Gambar 16 Ilustrasi Proses Defuzzifikasi Pada Inferensi Fuzzy Pengisian data fuzzy memberikan keleluasaan bagi pengguna selama masih berada pada selang nilai yang diperkenankan oleh sistem. Ini merupakan bentuk validasi sistem. Apabila pengguna salah dalam memasukkan data fuzzy (Gambar 16), maka sistem akan memberikan peringatan. Sebagai contoh apabila pengguna memasukkan nilai suara usus yang salah, maka sistem akan memberikan peringatan mengenai selang nilai yang diperbolehkan oleh sistem. Hasil implementasi sistem dapat dilihat lebih jelas pada Lampiran 2. Gambar 17. Form Masukan Sistem Gambar 18 Pesan peringatan jika terjadi kesalahan pengisian 12
Pengujian Sistem Pengujian sistem dilakukan dengan melakukan kombinasi input kepada sistem kemudian melihat hasil outputnya. Verifikasi pertama yang dilakukan adalah pengujian untuk masukan data fuzzy. Verifikasi sistem dilakukan oleh pakar dokter hewan Fakultas Kedokteran Hewan IPB (FKH IPB). Tujuan verifikasi data fuzzy ini untuk melihat sejauh mana hasil proses diagnosis yang dilakukan dengan fuzzy inferensi sistem sehingga SPDKPK yang dibuat mewakili pakar (human expert). Sebagai contoh kasus, dipilih kombinasi input seperti pada Tabel 3 berikut : Tabel 3 Parameter data fuzzy verifikasi sistem denyut suara gastric Lama jantung usus reflux kejadian satuan Per menit Per menit liter jam 40,60,90 0,1,3,5 3, 9, 12 2, 6 Untuk hasil lengkap pengujian sistem bisa dilihat pada Lampiran 3. Jumlah total seluruh pengujian adalah 36 pengujian. Tidak semua kombinasi bisa dimasukkan ke pengujian, hal ini dikarenakan kombinasi input yang terjadi berdasarkan keterangan pakar sangat kecil kemungkinan terjadi atau bahkan tidak ada. Berdasarkan kasus pengujian pada Tabel 3, terdapat beberapa perbedaan antara hasil yang dikeluarkan sistem dengan pakar. Perbedaan hasil jenis kolik bisa dilihat pada Tabel 4 berikut : Tabel 4 Perbedaan keluaran sitem No Denyut Suara Gastric Lama Jantung Usus Reflux Kejadian 1 60 0 3 2 2 60 5 6 6 3 60 5 12 2 4 90 5 3 6 - Pada kasus no.1, jenis kolik keluaran sistem adalah impaksi sedangkan jenis kolik keluaran jenis kolik oleh pakar adalah adalah twisted gut. - Pada kasus no. 2, jenis kolik keluaran sistem adalah SM Twisted gut sedangkan keluaran jenis kolik oleh pakar adalah M Tympani. - Pada kasus no. 3, jenis kolik keluaran sistem adalah SM Twisted gut, sedangkan keluaran jenis kolik oleh pakar adalah SM Tympani. - Pada kasus no. 4, jenis kolik keluaran sistem adalah SM Twisted gut, sedangkan keluaran jenis kolik oleh pakar adalah M Tympani. Gambar 19 Jarak bobot kesalahan sistem Berdasarkan dari hasil pengujian, terdapat empat perbedaan keluaran sistem. Bobot perbedaan ditentukan dari jarak perbedaan jenis kolik. Pada kasus no. 1, 2, 3 dan 4 bobot perbedaannya adalah 1, karena perbedaan dari keluaran sistem dengan keluaran pakar mempunyai jarak terdekat yaitu antara tympani dengan twisted gut atau impaksi dengan twisted gut. Persentase ketidakcocokan keluaran jenis kolik adalah % % sehingga persentase kecocokan sistem adalah 100% - 11.11% = 88.89 %. Pakar berpendapat masih perlu adanya perbaikan dan pengembangan sehingga sistem ini dapat diimplementasikan dalam keadaan sesungguhnya di lapangan. Perbaikan sistem terkait kepada aturanaturan fuzzy serta faktor-faktor yang menjadi parameter input seperti anamnesa (pertanyaan yang berhubungan dengan kolik), pemeriksaan alat vital (suhu tubuh, mucose membran, CRT) serta prosedur diagnosis lanjutan (abdominosintesis, pemeriksaan darah) masih belum dipertimbangkan dalam penelitian ini sehingga sistem masih memerlukan pengembangan lebih lanjut. Keterbatasan sistem SPDKPK yang dikembangkan memiliki beberapa keterbatasan, di antaranya : - Jenis kolik yang dapat didiagnosa hanya tiga jenis, yaitu impaksi, tympani dan twisted gut. - Pendiagnosisan kolik hanya memasukkan 4 jenis parameter saja, serta belum memperhitungkan anamnesa lainnya, signalement serta prosedure diagnosa lanjutan serta belum melakukan pemeriksaan sampai pada uji laboratorium. 13