BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Mata adalah organ fotosensitif yang kompleks dan berkembang lanjut yang memungkinkan analisis cermat tentang bentuk, intensitas cahaya, dan warna yang dipantulkan obyek. Mata terletak di dalam struktur tengkorak yang melindunginya, yaitu orbita (Vaughan, 2000). Banyak sekali penyakit yang menyerang mata yang mengakibatkan gangguan pada penglihatan bahkan sampai kebutaan. Banyak faktor penyebab dari penyakit mata dari mulai umur, keturunan, gaya hidup tidak sehat, bakteri/kuman, organ dalam mata yang tidak normal dan sebagainya. Diagnosis adalah identifikasi sifat-sifat penyakit atau kondisi atau membedakan satu penyakit atau kondisi dari yang lainnya. Diagnosis dapat dilakukan melalui pemeriksaan fisik, tes laboratorium, atau sejenisnya, dan dapat dibantu oleh program komputer yang dirancang untuk proses klasifikasi penyakit. Dokter akan menentukan jenis penyakit yang diderita pasien dengan melihat dari gejala dan kondisi pasien, begitu pula sistem komputer akan menentukan penyakit dari gejala dan kondisi pasien dengan metode klasifikasi. Klasifikasi merupakan proses pengelompokan yang sistematis dari sejumlah objek ke dalam kelas atau golongan berdasarkan ciri-ciri nya. Dalam dunia medis sistem komputer mampu melakukan proses diagnosis dengan metode klasifikasi, yaitu sistem akan mengelompokkan kasus ke dalam kelas jenis penyakit berdasarkan gejala-gejala dan kondisi pasien. Beberapa metode klasifikasi diantaranya neural network dan case based reasoning. Neural Network (NN) merupakan algoritma komputasi yang meniru cara kerja sel saraf manusia yang terdiri dari neuron-neuron yang terhubung dalam sebuah jaringan. Inti dari algoritma pembelajaran ini adalah mengubah nilai-nilai bobotnya untuk menanggapi error. Perubahan bobot ditujukan untuk meminimalkan jumlah kesalahan jaringan, sehingga output yang dikehendaki tercapai. 1
Case Based Reasoning (CBR) mempresentasikan pengetahuan dalam bentuk cases/ kasus-kasus dimana setiap kasus akan berisi dua slot yaitu slot masalah dan slot solusi. Slot masalah berisi fitur-fitur deskripsi dari suatu masalah sedangkan slot solusi berisi solusi/penyelesaian dari masalah tersebut. Nilai kesamaan antara kasus baru dengan kasus-kasus lama akan dihitung menggunakan fungsi similaritas, semakin tinggi nilai similaritas semakin besar kesamaan solusi antara kasus baru dengan kasus lama. Penelitian menggunakan NN dan CBR pernah dilakukan oleh Silva dkk (2015) dengan mengkombinasikan keduanya untuk analisa resiko kredit. Penelitian yang dilakukan adalah menganalisa apakah seseorang yang mengajukan kredit termasuk kategori pembayar yang baik atau buruk, dengan Jumlah data 50.000 kasus yang diambil dari AKDD 2009, dari data tersebut terbagi 50% sebagai data latih, 25% data validasi dan 25% data uji. Hasil akurasi yang didapat dari penelitian ini adalah 99%. Gambar 1.1 adalah diagram alur sistem yang digunakan oleh silva dkk. Gambar 1.1 Diagram Alur Sistem Kombinasi NN dan CBR (Silva dkk, 2015) Klasifikasi NN dijalankan terlebih dahulu dari pada klasifikasi CBR, dan jika nilai output dari NN tidak perlu diklasifikasi ulang maka output tersebut menjadi final output, tapi jika nilai output dari NN perlu klasifikasi ulang maka klasifikasi CBR akan dijalankan dan hasil output dari CBR menjadi hasil final output. Hal ini menimbulkan pertanyaan apakah klasifikasi CBR memang lebih akurat dari pada NN sehingga klasifikasi CBR menjadi clasifier kedua.
Penelitian lain yang menggunakan NN pernah dilakukan oleh Syiam(1994) untuk diagnosis penyakit mata. Dalam penelitian yang dilakukan terdapat 7 jenis penyakit mata, 70 data latih dan 70 data uji. Hasil akurasi menunjukkan 87%. Berbeda dengan penelitian yang dilakukan oleh Tamrin(2016), penelitian yang dilakukan menggunakan CBR untuk mendiagnosis penyakit mata sebanyak 24 jenis penyakit mata, 30 data uji dan 70 data sebagai case base dengan akurasi 93%. Usulan dari penelitian ini adalah mencari nilai akurasi tertinggi dari NN dan CBR dalam diagnosis penyakit mata, dalam hal ini NN yang digunakan adalah backpropagation, dan untuk data penelitian yang digunakan adalah data kasus yang didasarkan pada data pasien penderita penyakit mata di Rumah Sakit Mata Dr. Yap Yogyakarta. 1.2 Rumusan Masalah Rumusan masalah dalam penelitian ini adalah dibutuhkanya perbandingan tingkat akurasi antara NN dan CBR. 1.3 Batasan Masalah Dalam penelitian ini Jumlah jenis penyakit yang dibahas adalah 8 jenis penyakit yaitu Ulcus Cornea, Keratitis, Catarac, Conjungtivitis, Glaucoma, Miopy, Pterygium dan Hordeolum. 1.4 Keaslian Penelitian Penelitian diagnosis penyakit mata pernah dilakukan oleh peneliti sebelumnya dengan menggunakan metode NN maupun CBR, namun perbandingan akurasi antara NN dan CBR dalam diagnosis penyakit mata belum pernah dilakukan. Oleh karena itu, penelitian ini adalah penelitian baru. 1.5 Tujuan Penelitian dan Manfaat Penelitian Tujuan dari penelitian ini adalah mengetahui nilai akurasi tertinggi atau metode paling baik dari dua metode klasifikasi yaitu NN dan CBR dalam diagnosis penyakit mata. Sedangkan manfaat dari penelitian ini diharapkan dapat membantu para pengembang sistem terutama sistem diagnosis penyakit mata dalam memilih metode yang paling baik antara NN dan CBR.
1.6 Metodologi Penelitian Metodologi dalam penelitian ini adalah: 1. Studi Pustaka dan Wawancara, Studi pustaka dilakukan dengan mencari dan mempelajari Literature yang berkaitan dengan penyakit mata, NN dan CBR. Literature diperoleh dari berbagai sumber diantaranya jurnal ilmiah dan hasil penelitian. Wawancara dilakukan dengan menggunakan tanya jawab secara langsung dengan pihak bidang pengelola pelayanan kesehatan (BPPK) Rumah sakit Mata Dr. Yap Yogyakarta mengenai pasien penderita penyakit mata. 2. Pengumpulan data, Pada tahap ini dilakukan pengumpulan data-data pasien penderita penyakit mata dari pihak rumah sakit Mata Dr. Yap. Data tersebut berupa daftar pasien beserta gejala-gejala yang dialaminya dan hasil diagnosis. Data-data tersebut akan dijadikan bahan membangun sistem 3. Perancangan Sistem, pada tahab ini dilakukan perancangan diagnosis dengan metode NN dan metode CBR. 4. Implementasi, pada tahap ini dilakukan implementasi rancangan yang telah dibuat sebelumnya ke pembuatan sistem dengan menggunakan pemrograman Java dan untuk penyimpanan data menggunakan data base mysql. 5. Pengujian, pengujian dilakukan untuk menghitung akurasi antara NN dan CBR dalam diagnosis penyakit mata, dengan membandingkan antara hasil diagnosis sistem dan hasil diagnosis pakar. Hasil akurasi NN dan CBR kemudian dibandingkan untuk mendapatkan metode paling baik dari keduanya dengan memilih nilai akurasi paling tinggi.
1.7 Sistematika Penulisan 1. BAB I Pendahuluan, bab ini berisi tentang latar belakang masalah. Perumusan masalah, batasan masalah, keaslian penelitian, tujuan dan manfaat penelitian, metodologi penelitian dan sistematika penulisan 2. BAB II Tinjauan Pustaka, bab ini berisi penelitian-penelitian terdahulu yang berkaitan dengan NN dan CBR maupun perbandingan keduanya serta perbandingan metode lainya. 3. BAB III Landasan Teori, bab ini berisi teori tentang NN dan CBR, teori tentang NN meliputi bacpropagation, arsitektur backpropagation, algoritma backpropagation, fungsi aktivasi, MSE, algoritma pelatihan backpropagation, algoritma pengujian backpropagation. Sedangkan teori CBR meliputi Representasi kasus, perhitungan similaritas, adaptasi dan akurasi. 4. BAB IV Analisis dan Rancangan Sistem, bab ini berisi rancangan diagram sistem mulai dari input berupa gejala sampai output berupa jenis penyakit 5. BAB V Implementasi, bab ini berisi langkah-langkah pembuatan sistem sesuai dengan rancangan sistem yang telah dibuat sebelumnya 6. BAB VI Hasil Penelitian dan Pembahasan, bab ini berisi hasil pengujian berupa pengujian akurasi untuk metode NN dan metode CBR dengan membandingkan hasil diagnosis sistem dengan hasil diagnosis sebenarnya. Kemudian nilai akurasi untuk tiap-tiap metode dibandingakan untuk mendapatan perbandingan antar metode. 7. BAB VII Kesimpulan dan Saran, bab ini berisi kesimpulan yang menjawab dari permasalahan penelitian, dan saran untuk pengembangan sistem.