Professional Documents
Culture Documents
php/jsinbis
a
Jurusan Matematika, Fakultas MIPA, Universitas Jember
b
Jurusan Fisika, Fakultas Sains dan Matematika, Universitas Diponegoro
a
Jurusan Teknik Informatika, Fakultas Sains dan Matematika, Universitas Diponegoro
Abstract
Medical diagnosis is a complex issue that is influenced by various factors and settlement involving all the capabilities of experts,
including expert intuition owned. Diagnosis of thyroid disease is difficult, because the symptoms of thyroid disease can vary greatly,
depending on the ups and downs of thyroid hormones. This study applies an expert system for diagnosis of hyperthyroidism using
Mamdani fuzzy inference methods. Expert system expertise needed to gain knowledge from the experts in resolving hyperthyroidism
diagnosis while Mamdani fuzzy inference is used for the processing of knowledge in order to obtain the consequence or conclusion
which is the result of diagnosis. The process ofMamdani fuzzy inference in this study began with the formation of fuzzy set continued
with the application process implications functions, then the composition rule and ending with defuzzyfication process. An expert system
for the diagnosis of hyperthyroidism that has been applied with a symptom score of the input data, the results of the blood tests TSHs
level and FT4 levels, output data in the form of diagnosis, the diagnosis has been successfully for tested the input data, with an accuracy
of 95.45%.
0 a b c d
0 a b domain
domain
Gambar 1. Representasi linier naik Gambar 4. Representasi kurva trapesium
60 Jurnal Sistem Informasi Bisnis 02(2012) On-line : http://ejournal.undip.ac.id/index.php/jsinbis
pengembangan sistem pakar adalah untuk menghasilkan menggunakan teori himpunan fuzzy pada permasalahan
suatu sistem yang dapat membantu pekerjaan manusia, sistem kontrol. Metode inferensi Mamdani diusulkan pada
terutama yang berhubungan dengan pemanfaatan keahlian tahun 1975 oleh Ebrahim Mamdani sebagai upaya untuk
dan pengalaman di suatu bidang tertentu. mengontrol mesin uap dan boiler dengan kombinasi
Sistem pakar merupakan suatu sistem terkomputerisasi sintesis seperangkat aturan kontrol linguistik yang
yang menggunakan pengetahuan bidang tertentu untuk diperoleh dari operator mesin yang berpengalaman.
mencapai solusi suatu masalah dari bidang tersebut. Penerapan sistem kontrol yang dilakukan Mamdani
Sistem pakar dalam memecahkan masalah menggunakan didasarkan paper yang ditulis Lutfi Zadeh 1973 tentang
proses yang serupa dengan metode yang digunakan algoritma fuzzy untuk sistem kompleks dan proses
seorang pakar. Solusi yang diberikan sistem pakar pada pengambilan keputusan.
dasarnya sama seperti yang disimpulkan oleh seorang Untuk mendapatkan output dari metode inferensi
pakar. Mamdani diperlukan empat tahapan sebagai berikut
Sistem pakar dibagi menjadi dua bagian utama yaitu (Kusumadewi dan Purnomo, 2010):
lingkungan pengembangan (development environment) a. Pembentukan Himpunan Fuzzy
dan lingkungan konsultasi (consultation environment). Pada metode Mamdani, baik variabel input maupun
Lingkungan pengembangan diperuntukkan bagi variabel output dibagi menjadi satu atau lebih
pembangun sistem pakar untuk membangun komponen himpunan fuzzy, sehingga diperlukan pembagian atau
dan memasukkan pengetahuan hasil akuisisi pengetahuan partisi dari satu variabel input atau output menjadi
ke dalam basis pengetahuan. Sedangkan lingkungan beberapa himpunan fuzzy. Partisi variabel input atau
konsultasi diperuntukkan bagi yang bukan pakar untuk output diperlukan pada saat desain fungsi
melakukan konsultasi dengan sistem yang tujuannya keanggotaan, yang pada tesis ini dilakukan pada tahap
adalah mendapatkan nasehat dan saran yang setara dengan desain sistem.
pakar. Lokasi pemartisian atau titik potong didasarkan
Hasil pemrosesan yang dilakukan oleh mesin inferensi pada nilai minimum dan maksimum dari tiap-tiap
dari sudut pandang pengguna yang bukan pakar berupa variabel input atau output xi pada sebuah interval [ai,
konklusi yang di rekomendasikan oleh sistem pakar atau bi]. Pada tiap pembagian variabel input atau output
dapat juga berupa penjelasan jika memang dibutuhkan menjadi dua atau lebih himpunan fuzzy, dicari lokasi
oleh pengguna. Untuk meningkatkan kemampuan sistem titik potong dari dua atau lebih himpunan fuzzy pada
pakar, pada sistem tersebut harus dapat dilakukan proses interval [ai, bi].
pembaharuan pada basis pengetahuan (knowledge base) Apabila diketahui nilai parameter-parameter
dan penyempurnaan pada mesin inferensi (inference variabel input atau output yang merupakan titik
engine) sehingga solusi yang dihasilkan lebih baik potong, maka interval untuk tiap-tiap himpunan fuzzy
daripada sebelumnya (Hartati dan Iswanti, 2008). diperoleh dari prosentase nilai minimum panjang
interval nilai parameter-parameter variabel input atau
2.7. Inferensi Fuzzy Mamdani output ditambah atau dikurangi dengan interval nilai-
Inferensi Fuzzy merupakan kerangka komputasi yang nilai parameter variabel input atau output yang
didasarkan pada teori himpunan fuzzy, aturan fuzzy bersesuaian.
berbentuk if-then, dan penalaran fuzzy. Inferensi fuzzy Percobaan yang dilakukan (Lin et al, 1997)
telah berhasil diterapkan di bidang-bidang seperti kontrol menunjukkan bahwa nilai 30%, 50% dan 65% dari
otomatis, klasifikasi data, analisis keputusan dan sistem nilai minimum panjang interval parameter-parameter
pakar. Sehingga dari penerapan yang ada dikenal beberapa variabel input atau output, merupakan prosentase yang
istilah lain dalam inferensi fuzzy yaitu fuzzyrulebased, baik sebagai uji untuk banyak kasus. Prosentase
sistem pakar fuzzy, pemodelan fuzzy, dalam percobaan tersebut bukan merupakan
fuzzyassosiativememory dan pengendalian fuzzy (ketika prosentase terbaik untuk keseluruhan kasus. Masalah
digunakan pada proses kontrol) (Kusumadewi dan penentuan prosentase terbaik atau prosentse yang
Purnomo, 2010). lebih baik masih merupakan open problem(Murtako,
Dalam inferensi fuzzy ada beberapa komponen 2006).
utama yang dibutuhkan. Komponen tersebut meliputi b. Aplikasi Fungsi Implikasi
data variabel input, data variabel output, dan data Pada metode Mamdani untuk implikasi digunakan
aturan. Untuk mengolah data variabel input dibutuhkan operator AND, yang diperoleh dengan menggunakan
beberapa fungsi meliputi fungsi fuzzifikasi yang terbagi fungsi MIN. Fungsi MIN adalah fungsi untuk mencari
dua, yaitu fungsi untuk menentukan nilai jenis nilai keanggotaan terkecil dari dua atau lebih operan.
keanggotaan suatu himpunan dan fungsi penggunaan c. Komposisi Aturan
operator. Fungsi fuzzifikasi akan mengubah nilai crisp Terdapat tiga metode yang digunakan dalam
(nilai aktual) menjadi nilai fuzzy. Selain itu, dibutuhkan melakukan komposisi aturan pada inferensi sistem
pula fungsi defuzzifikasi, yaitu fungsi untuk memetakan fuzzy, yaitu max, sum(additive) dan probabilistik OR
kembali nilai fuzzy menjadi nilai crisp yang menjadi output (probor).
solusi permasalahan. Pada metode Max (Maximum), solusi himpunan
Metode inferensi fuzzy Mamdani adalah metode fuzzy diperoleh dengan cara mengambil nilai
inferensi fuzzy paling populer penggunaannya. Penerapan maksimum aturan, kemudian menggunakannya untuk
metode inferensi Mamdani pertama kali dilakukan dengan memodifikasi daerah fuzzy, dan mengaplikasikannya
62 Jurnal Sistem Informasi Bisnis 02(2012) On-line : http://ejournal.undip.ac.id/index.php/jsinbis
ke output dengan menggunakan operator OR (union). dibandingkan dengan banyaknya data yang diujikan
Jika semua proposisi telah dievaluasi, maka output dikalikan 100%. Validasi sistem dirumuskan dengan
akan berisi suatu himpunan fuzzy yang merefleksikan menggunakan (13) (Sandra, 2005).
kontribusi dari tiap-tiap proposisi. Secara umum dapat Validasi(%) = (𝐴/𝐵) ∗ 100% (13)
ditulis menggunakan (8).
µsf(xi) = max(µsf(xi), µkf(xi)) (8) 3. Metodologi (2.11)
dengan
µsf(xi) = nilai keanggotan solusi sampai aturan ke-i Dalam penelitian ini digunakan beberapa data yang
µkf(xi) = nilai keanggotan konsekuen aturan ke-i berkaitan dengan pasien penderita Hipertiroid. Data-data
Pada metode Sum (Additive), solusi himpunan fuzzy tersebut terdiri dari gejala klinis, tanda-tanda klinis dan
diperoleh dengan cara melakukan bounded-sum hasil tes darah. Data hasil tes darah terdiri dari kadar free
terhadap semua output daerah fuzzy. Secara umum thyroxine (FT4) dan kadar Thyroid Stimulating Hormone-
dapat ditulis menggunakan (9). sensitive(TSHs). Data pemeriksaan darah pasien didapat
dari hasil pengambilan data dari bagian rekam medis RSD
µsf(xi) = min(1, µsf(xi) + µkf(xi)) (9) dr. Soebandi dan RSUD Dr.(2.12)
Soetomo Surabaya
dengan Dalam membuat aplikasi sistem pakar untuk diagnosa
µsf(xi) = nilai keanggotan solusi sampai aturan ke-i hipertiroid yang dialami oleh seorang pasien dengan gejala
µkf(xi) = nilai keanggotan konsekuen aturan ke-i dan tanda-tanda klinis tertentu digunakan langkah-langkah
Pada metode Probabilistik OR (Probor), solusi seperti pada Gambar 7.
himpunan fuzzy diperoleh dengan cara melakukan
product terhadap semua output daerah fuzzy. Secara 3.1. Identifikasi Variabel Input dan Output
umum dapat ditulis menggunakan (10). Untuk identifikasi variabel input dan output ditentukan
µsf(xi) = (µsf(xi) + µkf(xi)) - (µsf(xi) * µkf(xi)) (10) berdasarkan studi literatur, yang diperoleh dari literatur
dengan medis tentang hipertiroid. Dari studi literatur tersebut
µsf(xi) = nilai keanggotan solusi sampai aturan ke-i selanjutnya dilakukan konsultasi dengan dokter spesialis
µkf(xi) = nilai keanggotan konsekuen aturan ke-i penyakit dalam dan dokter spesialis endokrin (penyakit
d. Penegasan (defuzziftication) kelainan hormon) untuk memastikan apakah identifikasi
Langkah terakhir dalam proses inferensi Mamdani input dan output dari hasil studi literatur sudah benar.
adalah defuzzifikasi. Input dari proses defuzzifikasi Pada aplikasi sistem pakar untuk diagnosa hipertiroid
adalah suatu himpunan fuzzy yang diperoleh dari digunakan tiga variabel input dan satu variabel output.
komposisi aturan-aturan fuzzy, sedangkan output yang Variabel input terdiri dari skor gejala, kadar free thyroxine
dihasilkan merupakan suatu bilangan pada domain (FT4) dan kadar Thyroid Stimulating Hormon-sensitive
himpunan fuzzy tersebut. Sehingga jika diberikan (TSHs). Sedangkan variabel outputnya terdiri dari satu
suatu himpunan fuzzy dalam range tertentu, maka variabel yaitu variabel diagnose (lihat Tabel 2).
harus dapat diambil suatu nilai crisp tertentu sebagai
output. Mulai
Metode defuzzifikasi yang paling populer
digunakan adalah metode centroid (Coxct, 1999).
Pada metode ini, solusi crisp diperoleh dengan cara Identifikasi Variabel
Input dan Output
mengambil titik pusat (z*) daerah fuzzy. Secara
matematis pusat gravitasi atau center of gravity
Pemilihan Nilai
(COG) dapat dinyatakan menggunakan (11) dan (12). Parameter
𝑏
∫𝑎 𝜇𝐴 (𝑧) 𝑧𝑑𝑧
z* = 𝑏 untuk variabel kontinu, atau (11)
∫𝑎 𝜇𝐴 (𝑧) 𝑑𝑧
Mengumpulkan Data
∑𝑏
𝑧=𝑎 𝜇𝐴 (𝑧) 𝑧
z* = ∑𝑏
untuk variabel diskrit (12)
𝑧=𝑎 𝜇𝐴 (𝑧)
Desain Sistem
3.2. Pemilihan Nilai Parameter variabel kadar FT4, kadar TSHs, skor gejala dan variabel
Pemilihan nilai parameter input dan output dilakukan diagnosa.
berdasarkan pada studi literatur yang berkaitan dengan Variabel FT4 dibagi menjadi tiga nilai parameter yaitu
penyakit hipertiroid.Parameter-parameter yang dipilih kadar rendah (< 9), kadar normal (9 ≤ FT4 ≤ 20) dan kadar
sangat menentukan terhadap hasil diagnosa dari sistem tinggi (> 20). Berdasarkan pembagian nilai parameter ini
yang akan diimplementasikan. dan permasalahan diagnosa hipertiroid, dimana parameter
Nilai-nilai parameter dan skala interval untuk variabel yang berpengaruh hanya kadar normal dan kadar tinggi
kadar free thyroxine (FT4) dan kadar Thyroid Stimulating sehingga dapat ditentukan fungsi keanggotaan untuk
Hormone-sensitive(TSHs) diperoleh dari literatur tentang himpunan fuzzy pada variabel FT4 yaitu normal dan tinggi
tiroid (lihat penjelasan 2.4) serta data rekam medis RSD (seperti Gambar 8).
dr. Soebandi dan RSUD Dr.Soetomo (lihat Tabel 2). Nilai- Nilai interval himpunan fuzzy pada variabel FT4
nilai parameter dan skala intervaluntuk variabel skor diperoleh dari 30% dikalikan dengan nilai minimum
gejala (lihat Tabel 3) diperoleh dari literatur tentang indeks panjang interval nilai parameter-parameter variabel FT4
Wayne (lihat penjelasan 2.5). Nilai-nilai parameter dan (lihat Tabel 2) ditambah atau dikurangi dengan interval
skala intervaluntuk variabel diagnosa diperoleh melalui nilai-nilai parameter variabel FT4 yang bersesuaian (lihat
konsultasi dengan pakar dari RSD dr. Soebandi Jember penjelasan 2.7).
dan RSUD Dr. Soetomo Surabaya (lihat Tabel 4).
Diagnosa Output Hasil Coxct, E., 1999. The Fuzzy Systems Handbook: A Practitioner’s Guide
No. Skor TSHs FT4 to Building, Using, and Maintaining Fuzzy Systems, 2nd edition.
Dokter Sistem Sistem
Subklinis Subklinis Academic Press, San Diego, CA.
18 15 0,005 11,2 35,00 Gelley, N., Jang, R., 2000. Fuzzy Logic Toolbox, Mathwork, Inc., USA.
Hipertiroid Hipertiroid
19 0 0,05 72,59 Hipertiroid 65,00 Hipertiroid Hartati, S., Iswanti, S., 2008. Sistem Pakar dan Pengembangannya.
20 0 0,05 61,26 Hipertiroid 65,00 Hipertiroid Graha Ilmu, Yogyakarta.
Subklinis Subklinis Khanale, P. B., Ambilwade, R. P., 2011. A Fuzzy Inference System for
21 0 0,01 14,62 35,00 Diagnosis of Hypothyroidism. Jurnal of Artificial Intelligence 4
Hipertiroid Hipertiroid
22 0 0,05 6178 Hipertiroid 65,00 Hipertiroid (1), 45-54.
Kusumadewi, S., Purnomo, H., 2010. Aplikasi Logika Fuzzy untuk
Pendukung Keputusan. Edisi Kedua. Graha Ilmu, Yogyakarta.
5. Kesimpulan Lin, Y., Cunningham III, G.A, dan Coggeshall, S.,V., 1997. Using Fuzzy
Partition to Create Fuzzy Systems from Input-Output Data and Set
Aplikasi sistem pakar dapat digunakan untuk diagnosa the Initial Weight in a Fuzzy Neural Network, IEEE Trans. On
hipertiroid dengan metode inferensi fuzzy Mamdani, yang Fuzzy Syst., 5 (4), 614–621.
Murtako, A., 2006. Partisi Fuzzy untuk Keterhubungan Nonlinier Data
inputnya berupa skor gejala, hasil pemeriksaan darah Input-Output dan Penggunaannya sebagai Pengklasifikasi Pola.
berupa kadar TSHs dan kadar FT4 serta outputnya berupa Tesis, Universitas Indonesia, Jakarta.
hasil diagnosa, diperoleh akurasi sebesar 95,45%. Naba, A., 2009. Belajar Cepat Fuzzy Logic Menggunakan MATLAB.
Penentuan parameter input dan aturan (rulebase) yang Andi, Yogyakarta.
Negnevitsky, M., 2005.Artificial Intelligence: A Guide to Intelligent
tepat dengan konsultasi melalui pakar akan sangat Systems. Second Edition. Pearson Education, Harlow.
mempengaruhi akurasi dari hasil diagnosa sistem. Santoso, L. W., Intan, R., Sugianto, F., 2008. Implementasi Fuzzy Expert
System Untuk Analisa Penyakit Dalam Pada Manusia. Yogyakarta
: Seminar Nasional Aplikasi Teknologi Informasi (SNATI 2008).
Ucapan Terima Kasih Sandra, 2005. Aplikasi jaringan syaraf tiruan untuk pendugaan mutu
mangga segar secara non-destruktif. Jurnal Teknologi Pertanian, 6
Pada akhir tulisan ini penulis mengucapakan terima (1), 66–72.
kasih kepada: Setiyobudi, B., 2006. Buku Ajar Ilmu Penyakit Dalam. Fakultas
Kedokteran. Universitas Indonesia, Jakarta.
1. Direktorat Jendral Pendidikan Tinggi Jakarta Sivanandam, S., N., Sumathi S., dan Deepa. 2007. Introduction to Fuzzy
2. Rumah Sakit Umum Dr. Soetomo Surabaya Logic using MATLAB, Springer, Verlag Berlin Heidelberg.
3. Rumah Sakit Daerah dr. Soebandi Jember Tandra, H., 2011. Mencegah dan Mengatasi Penyakit Tiroid. Gramedia
Pustaka Utama, Jakarta.
Daftar Pustaka Temurtas, F., 2009. A Comparative study on thyroid disease diagnosis
using neural networks. Expert Systems with Applications 36, 944–
Ali, K., Aytürk, K., 2008. ESTDD: Expert system for thyroid diseases 949.
diagnosis. Expert Systems with Applications, 34, 242–246.
Alayón, S., Roberston, R. K., Warfield, S., Ruiz-Alzoa, J., 2007. A Fuzzy
System for Helping Medical Diagnosis of Malformations of
Cortical Development. Journal Biomedical Information, 40 (3),
221–235.