Bab III berisi tentang metode penelitian. Metode penelitian yang digunakan terdiri dari teknik pengumpulan data, teknik analisis data dan perencanaan layar aplikasi.
A. Teknik Pengumpulan Data
Penelitian ini menggunakan data sekunder yang diambil dari buku bahan ajar mahasiswa kedokteran Buku Ilmu Penyakit Dalam, jurnal – jurnal tentang penyakit tropis, serta wawancara dengan seorang dokter. Data yang diperoleh berupa gejala atau kriteria dari beberapa penyakit tropis yaitu sebanyak 122 kriteria dari 26 jenis penyakit tropis infeksi.
B. Teknik Analisis Data
Analisis data bertujuan untuk memperoleh hasil diagnosis berdasarkan gejala yang dimasukkan. Dalam penelitian ini digunakan metode Fuzzy Multy Criteria Decision Making (FMCDM). Alasan Metode FMCDM menerapkan pembobotan menggunakan derajat kecocokan dari setiap kriteria terhadap alternatif. Oleh karena pembobotan masing – masing kriteria terhadap masing – masing alternatif pada penelitian ini tidak sama, maka dirasa lebih tepat jika digunakan metode FMCDM. Adapun langkah – langkah penelitian yang dilakukan yaitu:
1. Studi pustaka dan wawancara mengenai penyakit tropis dan gejalanya. 2. Merepresentasikan masaah yang meliputi penentuan tujuan dan allternatif
keputusannya, mengidentifikasi kriteria, serta membangun struktur hirarki berdasarkan pertimbangan tertentu.
54
Jika terdapat m alternatif keputusan dari diagnosis penyakit tropis, maka alternatif – alternatif tersebut dapat ditulis sebagai � = {�� | � =
, , , … , �}. Serta jika terdapat k kriteria, maka dapat dituliskan � =
{� | = , , , … , �}. Berikut adalah gambaran umum struktur hirarki dari suatu masalah.
Gambar 3. 1 Struktur Hirarki 3.Evaluasi Himpunan Fuzzy
Pada tahap evaluasi himpunan fuzzy terdapat 3 proses yang perlu dilakukan, yaitu:
a. Memilih himpunan rating untuk kepentingan kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Secara umum, himpunan rating terdiri atas 3 elemen, yaitu: variabel linguistik � yang merepresentasikan kepentingan kriteria dan kecocokan setiap alternatif dengan kriterianya, � yang merepresentasikan rating variabel linguistik, serta fungsi keanggotaan yang berhubungan dengan setiap
Kriteria Ck tujuan Kriteria C1 Kriteria C2 Alternatif A1 Alternatif Am Alternatif A2 …. ….
55
elemen � . Misal, rating untuk bobot pada variabel bobot untuk setiap kriteria didefinisikan sebagai : T(kecocokan)={SANGAT KURANG COCOK, KURANG COCOK, AGAK COCOK, COCOK, SANGAT COCOK}. Setelah himpunan rating ini ditentukan, maka selanjutnya ditentukan fungsi keanggotaan untuk setiap rating. Pada kasus ini digunakan fungsi segitiga yang digambarkan sebagai berikut:
Gambar 3. 2 Fungsi Keanggotaan Segitiga Dimana persamaanya adalah seperti pada 3.1:
�[�] = { ; � � �− − ; � �− − ; � 3. 1
Misal �� adalah rating kepentingan dari kriteria ��; �� adalah rating fuzzy untuk derajat kecocokan alternatif kecocokan �� dengan kriteria
��; dan �� adalah indeks kecocokan fuzzy dari alternatif �� yang merepresentasikan derajat kecocokan alternatif keputusan dengan kriteria keputusan yang diperoleh dari hasil agregasi �� dan ��, dengan i=1,2,3,…m dan = , , , … �.
56
b. Mengevaluasi kepentingan kriteria dan derajat kecocokan setiap alternatif dengan kriterianya.
c. Mengagregasikan kepentingan - kepentingan kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Terdapat beberapa macam metode yang dapat digunakan untuk melakukan agregasi terhadap hasil keputusan para pengambil keputusan, antara lain: mean, median, max, min, dan operator campuran. Metode mean lebih banyak digunakan. Operator dan adalah operator yang digunakan untuk penjumlahan dan perkalian pada bilangan fuzzy. Dengan menggunakan operator mean, �� dirumuskan sebagai:
�� = � [ � � � � �� �� ] 3. 2
Dengan cara mensubstitusikan �� dan �� dengan bilangan fuzzy segitiga, yaitu �� = ��, ��, �� ; dan �� = �, �, � ; maka �� dapat didekati �� ≅ �, ��, � 3. 3 dengan � = � ∑��= ��, � 3. 4 �� = � ∑��= ��, � 3. 5 � = � ∑��= ��, � 3. 6 i = , , , … , m.
4.Seleksi Alternatif yang Optimal
Dalam tahapan ini terdapat 2 aktivitas yang perlu dilakukan, yaitu: a. Memprioritaskan alternatif keputusan berdasarkan hasil agregasi;
57
Prioritas dari hasil agregasi dibutuhkan untuk proses perangkingan alternatif keputusan. Karena hasil agregasi ini direpresentasikan dengan bilangan fuzzy segitiga, maka dibutuhkan metode perangkingan untuk bilangan fuzzy segitiga. Salah satu metode yang dapat digunakan adalah metode total integral. Misalkan F adalah bilangan fuzzy segitiga, � =
, , maka nilai total integralnya dapat dirumuskan sebagai berikut:
��� � = � + + − � 3. 7
Nilai � adalah indeks keoptimisan yang merepresentasikan derajat keoptimisan bagi pengambil keputusan � . Nilai � semakin besar mengindikasikan bahwa derajat keoptimisannya semakin besar. b. Memilih alternatif keputusan dengan prioritas tertinggi sebagai
alternatif yang optimal. Semakin besar nilai �� maka kecocokan terbesar dari alternatif keputusan untuk kriteria keputusan, dan nilai inilah yang menjadi tujuannya sehingga ditentukan alternatif terbaik yang dipilih adalah yang memiliki nilai ��� � terbesar.
Tujuan dari keputusan ini adalah diagnosa penyakit tropis yang mempunyai ranking tertinggi.
5.Mengimplementasikan sistem menggunakan user-interface (tampilan antarmuka pengguna).
6.Contoh kasus
Diberikan sebuah contoh kasus untuk memberikan gambaran yang lebih jelas menganai proses penerapak FMCDM.
58 7.Validasi oleh dokter.
Validasi oleh dokter dilakukan untuk mengetahui kelayakan system dan untuk mengetahui keakurasian hasil diagnosis menggunakan FMCDM. 8.Posting ke web
Sistem hasil penelitian ini diposting ke web dengan tujuan agar dapat digunakan oleh orang banyak.
Secara singkat berikut adalah diagram dari langkah – langkah penelitian:
Gambar 3. 3 Langkah – langkah penelitian C. Perencanaan Layar Aplikasi
Setelah diperoleh hasil perankingan yang baik, maka tampilan sistem fuzzy dapat dibentuk dengan user interface. Tujuannya adalah agar tampilan yang dihasilkan lebih menarik dan mudah pengoperasiannya. Rancangan user interface ini dibangun dengan menggunakan bahasa
59
pemrograman PHP. Rancangan awal user interface diagnosis penyakit tropis ditunjukkan pada gambar 3.4:
Gambar 3. 4 Halaman Depan Sebelum Login
Gambar 3. 5 Halaman Setelah Login
60
Gambar 3. 7 Halaman Kontak
Gambar 3. 8 Halaman Daftar Penyakit
61
Gambar 3. 10 Halaman Hasil Diagnosis
Proses pembuatan user interface disesuaikan dengan urutan pemanggilan dan proses perintah pada sistem. Berikut adalah langkah – langkah pembuatan sistem user interface.
1. Menulis judul program, diletakkan di bagian kanan atas program. 2. Membuat halaman depan yang berisi ucapan selamat dating. 3. Membuat bagan alur pemakaian.
4. Membuat halaman kontak yang berisi foto, nama, nomor hp, dan alamat penulis seperti pada halaman 10.
5. Kotak login digunakan untuk masuk ke halaman untuk proses diagnosis. Berisi username dan password. Jika belum mengetahui username dan password disarankan untuk menghubungi kontak yang tertera.
6. Halaman daftar penyakit. Berisi tentang beberapa penyakit dan gejalanya seperti pada halaman 11.
7. Halaman diagnosis. Pengguna dapat memasukkan gejala yang dirasakan dan kemudian mengeklik tombol proses yang akan diperoleh hasil diagnosis yang berupa urutan penyakit seperti pada 13.
62 8. Tombol “Logout” ditekan
9. Background tamplate yang diperoleh dari (Nugroho, 2014). D.Posting Web ke Hosting
Tampilan antarmuka yang telah dibangun menggunakan bahasa pemrograman PHP di atas akan diupload agar dapat diakses oleh orang banyak.
63
BAB IV PEMBAHASAN
BAB IV merupakan pembahasan yang meliputi proses penelitian yaitu studi pustaka, representasi masalah, evaluasi himpunan fuzzy, seleksi alternatif yang optimal, implementasi antarmuka menggunakan PHP, validasi dokter, serta posting ke web.
1. Studi pustaka mengenai penyakit tropis dan gejalanya
Penyakit tropis merupaan penyakit yang biasa terjadi di daerah tropis. Penyakit tropis bersifat menular. Penyakit ini disebabkan oleh adanya infeksi. Penularan penyakit dapat melalui berbagai perantara seperti bakteri, hewan, udara, air, juga sesama manusia. Penyakit tropis terbagi menjadi 4 macam yaitu infeksi oleh bakteri seperti deman tifoid, infeksi yang disebabkan oleh virus seperti DBD, infeksi yang disebabkan oleh parasite seperti malaria, dan sindrom penyakit menular seperti ISPA (Sudiono, 2003). Berikut adalah beberapa contoh penyakit tropis dan gejalanya yang disajikan dalam tabel 4.1.
64
Tabel 4. 1 Contoh Penyakit Tropis dan Gejalanya DBD
Gejala:
a. Demam tinggi yang mendadak b. Diare
c. Feses bercampur darah d. Gangguan kesadaran e. Hepatomegali f. Kejang g. Lelah h. Mata memerah i. Menggigil j. Mialgia k. Mimisan
l. Muncul bintik merah pada badan
m. Nadi lemah n. Nyeri sendi o. Nyeri tulang
p. Peningkatan Hematokrit sampai 20% dari keadaan normal pasien q. Penurunan trombosit (<100.000/ul) r. Ruam kulit s. Sakit kepala t. Sakit perut u. Splenomegali
v. Tekanan darah menurun w. Tidak Nafsu makan
(Anoreksia) TIPES Gejala: a. Batuk b. Bradikardia relative/denyut jantung lambat
c. Demam tinggi pada sore dan malam hari. d. Diare e. Hepatomegali f. Lidah berselaput g. Malaise h. Meteroismus / kembung i. Mimisan/ Epistaksis j. Mual k. Mutah l. Nyeri kepala m. Nyeri otot / mialgia n. Pusing
o. Splenomegali
p. Tidak nafsu makan (Anoreksia)
… … … POLIO Gejala:
a. lemah pada tungkai b. paresthesia
c. kekakuan leher dan punggung d. myalgia e. nyeri kepala f. demam g. konstipasi h. anoreksia i. mual j. muntah
65
Daftar penyakit beserta gejalanya secara lengkap terdapat pada lampiran 1 dan 2. 2. Representasi Masalah
a. Tujuan pengambilan keputusan ini adalah menentukan diagnosis terbaik untuk penyakit tropis berdasarkan kriteria atau gejala yang dirasakan. Terdapat 26 jenis penyakit yang akan menjadi alternatif, yaitu: AIDS (A1), cacar air (A2), campak (A3), cikungunya A4), demam berdarah dengue (A5), diare (A6), difteri (A7), disentri (A8), filariasis (A9), flu burung (A10), hepatitis (A11), herpes (A12), influenza (A13), ISPA (A14), kolera (A15), leptospirosis (A16), malaria (A17), PES (A18), pneumonia (A19), polio (A20), rabies (A21), SARS (A22), tetanus (A23), typhus (A24), TBC (A25), serta taeniasis (A26), b. Terdapat 118 atribut kriteria (gejala) diagnosis penyakit tropis dalam penelitian
ini, yaitu: ALT (C1), BAB (C2), intensitas defekasi (C3), volume defekasi(C4), kondisi feses (C5), badan panas dingin (C6), batuk (C7), batuk berdahak (C8), batuk berdarah (C9), benjolan leher (C10), ukuran benjolan (C11), benjolan merah berisi air (C12), benjolan berair terasa panas(C13), berat badan (C14), berkeringat (C15), bersin – bersin (C16), kondisi bibir (C17), bintik merah/perdarahan (C18), cuping hidung bergerak ketika bernafas (C19), dehidrasi (C20), denyut jantung (C21), denyut nadi (C22), disorientasi (C23), fotophobi (C24), frekwensi nafas (C25), gangguan kesadaran (C26), gangguan pernafasan atas (C27), gatal di sekitar anus (C28), gigitan hewan/anjing (C29), gigitan pinjal tikus (C30), halusinasi (C31), hematokrit (C32), hepatomegali (C33), hidrokel (C34), hidrophobia (C35), hidung kering (C36), hidung panas (C37), hidung tersumbat (C38), hiperaktif (C39), ikterus (C40), ingus (C41),
66
kaki bengkak (C42), kaku leher (C43), kaku punggung (C44), kejang (C45), kejang otot (C46), keluar cacing dalam tinja (C47), kiluria (C48), kondisi dada (C49), kondisi jari (C50), kondisi kelopak mata (C51), kondisi perut (C52), kontak dengan unggas mati mendadak (C53), kulit ruam (C54), lelah (C55), lemah (C56), lemah tungkai (C57), lemas (C58), leukosit (C59), lidah berselaput (C60), limfedema daerah ingunial (C61), limfedema di leher/ketiak (C62), linu di persendian (C63), luka di anus (C64), makan daging babi/hati sapi (C65), malaise (C66), mata berair (C67), mata merah/meradang (C68), menggigil (C69), mengigau (C70), meteroismus (C71), mialgia (C72), mimisan (C73), mual (C74), muntah (C75), nafsu makan (C76), nanah keluar dari limfedema (C77), nyeri dada (C78), nyeri dada saat bernafas (C79), nyeri leher (C80), nyeri menelan (C81), nyeri punggung (C82), nyeri sendi (C83), paresthesia (C84), pegal – pegal (C85), perut melilit (C86), pseudomembran (C87), pingsan (C88), sulit pernafas (C89), pusing (C90), sakit badan (C91), sakit kepala (C92), sakit pada tulang (C93), sakit perut (C94), sakit perut bagian kiri (C95), sakit tenggorokan (C96), sesak ketika batuk (C97), sesak nafas (C98), splenomegali (C99), suara parau (C100), suara serak (C101), suhu kulit (C102), suhu limfedema (C103), suhu punggung (C104), suhu tubuh (C105), suhu tubuh pada sore/malam hari (C106), frekwensi demam (C107), tekanan darah (C108), frekwensi tekanan darah (C109), tekstur limfedema (C110), terjadi luka dan susah kering (C111), tingkah laku aneh (C112), trismus (C113), trombosit (C114), jari kurus (C115), volume urin (C116), wajah (C117), dan warna urin (C118).
67
c. Struktur hirarki masalah dapat digambarkan seperti berikut
Gambar 4. 1 Struktur Hirarki Diagnosis Penyakit Tropis 3. Evaluasi Himpunan Fuzzy dari Alternatif – Alternatif Pilihan
Pada tahap evaluasi himpunan fuzzy terdapat 3 proses yang perlu dilakukan, yaitu:
a. Memilih himpunan rating untuk kepentingan kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Secara umum, himpunan rating terdiri atas 3 elemen, yaitu variabel linguistik, derajat kecocokan T(x) dan fungsi keanggotaan.
i. Variabel – variabel Linguistik yang merepresentasikan bobot kepentingan untuk setiap kriteria adalah T(kepentingan) W= {SR, R, N, Ti, Kt, Lm, En, TP, P, J, S, A,SA, Kro, Se, L, SL, TA, ASb, Sb, SSb, Sd, Sdg, By, TD, T, Ko, Nk, ABy, SS, Ke, Pe, Pt, Ri, Bt, TDe, Ks, NTu, SLb, Lb, Cp, Pr, TB, AB, B, SB, Kg, Ti, TG, AG, G, SGt, R, ST, TK, Ker, SKr, TPa, APa, Pa, Spa, TH, AH, H, SH, AKi, Ki, Ski, AKl, Kl, ACk, Ck, SCk, Bl, BD, Abu, Bu, TKo, Ta, TL, TLm, SSd,Tp, ATb, Tb, TLi, AL, Li, SLi, TKm, AKm, Km, SKm,
Diagnosis Penyakit Tropis
C1 C2 C3 C4 … C122
68
TN, AN, Ny, SNy, Me, AS, ASl, SSl, TS, AS, ASt, SSt, D, Ha, DR, DS, DT, Rd, AT, Jh, AKh, Kh, Gp}.
ii. Derajat kecocokan alternatif – alternatif dengan kriteria keputusan adalah T(kecocokan) S=(SKC, KC, AC, C, SC,N) dengan SKC = Sangat Kurang Cocok, KC = Kurang Cocok, AC = Agak Cocok, C = Cocok, SC = Sangat Cocok, N=Normal.
iii. Fungsi keanggotaan untuk setiap elemen direpresentasikan dengan menggunakan bilangan fuzzy segitiga sebagai berikut:
SKC = (0;0;0,25), KC = (0;0,25;0,5), AC = (0,25;0,5;0,75), C = (0,5;0,75;1), SC = (0,75;1;1), N= (0;0;0).
Fungsi keanggotaan dari setiap kepentingan kriteria tersaji pada tabel 4.1: Tabel 4. 1 Fungsi keanggotaan dari setiap kepentingan kriteria
KRITERIA
Variabel
linguistic Bilangan fuzzy segitiga
ALT (C1) SR (0,0,20) R (5,20,40) N (33,40,45) Ti (40,55,55) BAB (C2) Kt (0,0,0.3) N (0,0.3,0.8) Lm (0.3,0.8,1) En (0.8,1,1)) … … … … … … … … … … … … Warna urin (C118) Jh (0;0;0,3) AKh (0;0,30,5) Kh (0,3;0,5;1) Gp (0,5;1;1)
69
Fungsi keanggotaan dari setiap kepentingan kriteria selengkapnya terdapat pada Lampiran 3.
b. Mengevaluasi kepentingan - kepentingan kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Rating untuk setiap kriteria keputusan dengan derajat kecocokan kriteria keputusan terhadap alternatif terdapat pada Lampiran 4.
c. Mengagregasikan kepentingan – kepentingan kriteria dan derajat kecocokan setiap alternatif dengan kriterianya. Terdapat beberapa macam metode yang dapat digunakan untuk melakukan agregasi terhadap hasil keputusan para pengambil keputusan, antara lain: mean, median, max, min, dan operator campuran. Dengan mensubstitusikan bilangan fuzzy segitiga ke setiap variabel linguistik ke dalam persamaan 3.2, 3.3, 3.4, dan 3.5 maka akan diperoleh nilai kecocokan fuzzy.
4. Seleksi Alternatif yang Optimal
Dengan mensubstitusikan indeks kecocokan fuzzy yang diperoleh pada langkah sebelumnya ke dalam persamaan 3.7 dan dengan mengambil 3 nilai derajat keoptimisan, yaitu � = (tidak optimis), � = ,5, dan � = (sangat optimis) maka akan diperoleh nilai total integral untuk setiap alternatif.
5. Sistem Diagnosis Menggunakan antarmuka PHP
Proses terakhir dalam penelitian ini adalah mengimplementasikan sistem fuzzy decision making dengan menggunakan antar muka PHP. Tujuan dari langkah ini adalah mempermudah pengguna dalam mengaplikasikan sistem fuzzy decision making yang telah dibangun. Adapun hasil implementasi pada
70
antarmuka PHP dari sistem fuzzy decision making tersebut terlihat pada gambar 4. Sedangkan script pembuatan tampilan antarmuka diagnosis penyakit tropis dengan antarmuka PHP dijelaskan pada lampiran 5.
71
Gambar 4. 2 Tampilan antarmuka
Sistem antarmuka PHP seperti yang ditunjukkan pada gambar di atas dimulai dengan mengisi setiap kriteria (gejala) berdasarkan yang dirasakan.
6. Contoh Kasus a. Kasus
Misal terdapat pasien dengan gejala yang dialami berupa benjolan merah berair di seluruh tubuh (C12), suhu tubuh 37.5°C (C105), menggigil ringan (C69), nyeri sendi(C83), lelah ringan (C55), pusing ringan (C90), dan sakit kepala ringan (C92). Ini berarti bahwa kriteria yang lain berada pada kondisi normal.
b. Penyelesaian kasus
Berdasarkan gejala yang dialami pasien maka diperoleh tabel kepentingan seperti pada lampiran 6 serta kecocokan alternatif terhadap kriteria pada lampiran 7.
72
Selanjutnya dengan mensubstitusikan bilangan fuzzy segitiga setiap variabel linguistik kepentingan ��� = ��, ��, �� dan bobotnya �� = �, �, � ke persamaan 3.2 maka diperoleh:
=[(33x0) + (0x0) + (0x0) + … + (1x0)] : 118 =0 � =[(40x0) + (0,3x0) + (2x0) + …+ (1x0)]:118=0.080942623 =[(45x0) + (0,8x0) + (4x0) + …+ (3x0)]:118=0.17704918 … … … 6=[(33x0) + (0x0) + (0x0) + …+ (1x0)]:118 =0 � 6 =[(40x0) + (0,3x0) + (2x0) + …+ (1x)]:118= 0.082991803 6 =[(45x0) + (0,8x0) + (4x0) + …+ (3x0)]:118= 0.181967213
Perhitungan selengkapnya terdapat pada lampiran 8
Sehingga diperoleh nilai kecocokan fuzzy seperti pada Tabel 4.2:
Tabel 4. 2 Indeks kecocokan setiap alternatif
Y Q Z 1 0 0.080942623 0.17704918 2 0.152663934 0.249795082 0.356557377 3 0.075819672 0.164754098 0.266803279 4 0.149590164 0.238934426 0.345081967 5 0.075819672 0.166188525 0.270081967 6 0 0.080942623 0.17704918 7 0.149590164 0.23954918 0.345901639 8 0.074795082 0.161270492 0.263934426 9 0.074795082 0.161270492 0.263934426
73 Y Q Z 10 0.149590164 0.238934426 0.344672131 11 0.149590164 0.240163934 0.347131148 12 0.151639344 0.245696721 0.35204918 13 0.149590164 0.241188525 0.349590164 14 0.149590164 0.23954918 0.345901639 15 0 0.080942623 0.17704918 16 0.149590164 0.240368852 0.34795082 17 0.074795082 0.162090164 0.265983607 18 0.074795082 0.16147541 0.264754098 19 0.074795082 0.161270492 0.263934426 20 0.149590164 0.239139344 0.344672131 21 0.149590164 0.240368852 0.34795082 22 0.149590164 0.240368852 0.34795082 23 0.149590164 0.23954918 0.345901639 24 0.149590164 0.23954918 0.345901639 25 0 0.003688525 0.097540984 26 0 0.082991803 0.181967213
Berikutnya dicari nilai total integral dengan mensubstitusikan indeks kecocokan yang diperoleh dalam tabel 4.3 ke dalam persamaan 3.7 dan mengambil nilai keoptimisan � = , � = .5 dan � = yang disubstitusi ke persamaan 3.7 maka diperoleh hasil seperti pada tabel 4.3:
74 Tabel 4. 3 Nilai total integral setiap alternatif
Nama Penyakit �=1 Nama Penyakit � =0.5 Nama Penyakit � =0 AIDS 0.128995902 AIDS 0.084733607 AIDS 0.040061475 Cacar Air 0.30317623 Cacar Air 0.252202869 Cacar Air 0.200409836 Campak 0.215778689 Campak 0.168032787 Campak 0.119877049
Cikungunya 0.292008197 Cikungunya 0.243135246 Cikungunya 0.193647541 DBD 0.218135246 DBD 0.169569672 DBD 0.120594262 Diare 0.128995902 Diare 0.084733607 Diare 0.040061475 Difteri 0.29272541 Difteri 0.243647541 Difteri 0.194159836 Disentri 0.212602459 Disentri 0.165317623 Disentri 0.117622951 Filariasis 0.212602459 Filariasis 0.165317623 Filariasis 0.118032787 Flu Burung 0.291803279 Flu Burung 0.243032787 Flu Burung 0.193852459 Hepatitis 0.293647541 Hepatitis 0.244262295 Hepatitis 0.194262295 Herpes 0.298872951 Herpes 0.248770492 Herpes 0.198258197 Influenza 0.295389344 Influenza 0.245389344 Influenza 0.194569672 ISPA 0.29272541 ISPA 0.243647541 ISPA 0.194159836 Kolera 0.128995902 Kolera 0.084733607 Kolera 0.040061475 Leptospirosis 0.294159836 Leptospirosis 0.244569672 Leptospirosis 0.194569672 Malaria 0.214036885 Malaria 0.166239754 Malaria 0.118032787
PES 0.213114754 PES 0.165625 PES 0.11772541
Pneumonia 0.212602459 Pneumonia 0.165317623 Pneumonia 0.117622951 Polio 0.291905738 Polio 0.243135246 Polio 0.193954918 Rabies 0.294159836 Rabies 0.244569672 Rabies 0.194569672 SARS 0.294159836 SARS 0.244569672 SARS 0.194569672 Tetanus 0.29272541 Tetanus 0.243647541 Tetanus 0.194159836 Typhus 0.29272541 Typhus 0.243647541 Typhus 0.194159836
TBC 0.050614754 TBC 0.026229508 TBC 0.001434426
75
Kemudian dari nilai total integral tersebut dilakukan perankingan Tabel 4.4: Tabel 4. 4 Ranking penyakit yang mungkin
�=1 Nama Penyakit �=0,5 Nama Penyakit �=0 Nama Penyakit 0.30317623 Cacar Air 0.252202869 Cacar Air 0.201229508 Cacar Air 0.298872951 Herpes 0.248770492 Herpes 0.198668033 Herpes 0.295389344 Influenza 0.245389344 Influenza 0.195389344 Influenza 0.294159836 Leptospirosis 0.244569672 Leptospirosis 0.194979508 Leptospirosis 0.294159836 Rabies 0.244569672 Rabies 0.194979508 Rabies 0.294159836 SARS 0.244569672 SARS 0.194979508 SARS 0.293647541 Hepatitis 0.244262295 Hepatitis 0.194877049 Hepatitis
0.29272541 Difteri 0.243647541 Difteri 0.194569672 Difteri 0.29272541 ISPA 0.243647541 ISPA 0.194569672 ISPA 0.29272541 Tetanus 0.243647541 Tetanus 0.194569672 Tetanus 0.29272541 Typhus 0.243647541 Typhus 0.194569672 Typhus 0.292008197 Cikungunya 0.243135246 Cikungunya 0.194262295 Cikungunya 0.291905738 Polio 0.243135246 Polio 0.194364754 Polio 0.291803279 Flu Burung 0.243032787 Flu Burung 0.194262295 Flu Burung 0.218135246 DBD 0.169569672 DBD 0.121004098 DBD 0.215778689 Campak 0.168032787 Campak 0.120286885 Campak 0.214036885 Malaria 0.166239754 Malaria 0.118442623 Malaria 0.213114754 PES 0.165625 PES 0.118135246 PES 0.212602459 Disentri 0.165317623 Disentri 0.118032787 Disentri 0.212602459 Filariasis 0.165317623 Filariasis 0.118032787 Filariasis 0.212602459 Pneumonia 0.165317623 Pneumonia 0.118032787 Pneumonia 0.132479508 Taeniasis 0.086987705 Taeniasis 0.041495902 Taeniasis
76 �=1 Nama Penyakit �=0,5 Nama Penyakit �=0 Nama Penyakit 0.128995902 AIDS 0.084733607 AIDS 0.040471311 AIDS 0.128995902 Diare 0.084733607 Diare 0.040471311 Diare 0.128995902 Kolera 0.084733607 Kolera 0.040471311 Kolera 0.050614754 TBC 0.026229508 TBC 0.001844262 TBC
Dari tabel 4.4 dapat dilihat bahwa dengan menggunakan derajat keoptimisan yang berbeda diperoleh hasil diagnosis bahwa pasien kemungkinan besar menderita penyakit cacar air. Berikut adalah gambar tampilan sistem user interface dari kasus tersebut seperti pada Gambar 4.3:
78
Gambar 4. 3 Form Hasil Diagnosis Penyakit Tropis 7. Validasi Dokter
Tahap ini dilakukan dengan dua tujuan yaitu validasi program dan untuk memperoleh hasil diagnosis dari dokter. Validasi program dilakukan dengan tujuan mengetahui kelayakan program. Hasil diagnosis dokter digunakan untuk memperoleh keakurasian dari hasil penelitian ini. Berdasarkan arahan dan revisi dari validator, program yang dibuat dalam penelitian ini yaitu implementasi diagnosis penyakit tropis dengan metode FMCDM yang dibangun menggunakan PHP dalam sebuah user interface layak digunakan. Berdasarkan hasil validasi, hasil diagnosis menggunakan metode FMCDM telah sama dengan hasil diagnosis oleh dokter. Keakurasiannya mencapai 100%. Berikut adalah tabel perbandingan hasil diagnosis menggunakan FMCDM dengan hasil diagnosis dokter.
79
Tabel 4.5 Perbandingan Hasil Diagnosis FMCDM dengan Hasil Diagnosis Dokter
Gejala:
a. Suhu Tubuh 39.6 derajat C b. Diare
c. Feses bercampur darah d. Gangguan kesadaran (pernah) e. Hepatomegali (AB)
f. Kejang(pernah) g. Lelah(sedang)
h. Mata memerah (sedang) i. Menggigil (sedang) j. Mialgia(nyeri) k. Pernah mimisan
l. Muncul bintik merah pada badan m.Mual (pernah)
n. Muntah (pernah)
o. Nadi lemah (59) p. Nyeri sendi (AN) q. Nyeri tulang(sedang)
r. Peningkatan Hematokrit (naik ringan)
s. Penurunan trombosit (turun drastis)
t. Ruam kulit (ringan) u. Sakit kepala (sedang) v. Sakit perut (ringan)
w.Splenomegali (agak bengkak) x. Tekanan darah menurun
y. Tidak Nafsu makan (Anoreksia)
Output program : DBD Diagnosis dokter : DBD/DHF Gejala:
a. Batuk sudah 8 hari
b. Bradikardia relatif/denyut jantung lambat (58/menit)
c. Demam tinggi pada sore dan malam hari (40 derajat)
d. Diare (feses lembek, intensitas 5 kali sehari)
e. Hepatomegali (agak bengkak) f. Lidah berselaput tebal
g. Malaise (sedang)
h. Perut sangat kembung
i. Mimisan/ Epistaksis (pernah) j. Mual (jarang)
k. Mutah (pernah) l. Nyeri kepala (sedang) m.Nyeri otot / mialgia n. Pusing sedang
o. Splenomegali (agak bengkak) p. Tidak nafsu makan (Anoreksia)
Output program : Demam tifoid/ Typhus
Diagnosis dokter : Typhus
… …
… …
Gejala:
a. lemah pada tungkai b. paresthesia
f. demam g. konstipasi
80 c. kekakuan leher dan punggung d. myalgia
e. nyeri kepala
h. anoreksia i. mual j. muntah
Output program : POLIO Diagnosis dokter : POLIO
Perbandingan hasil diagnosis FMCDM dengn hasil diagnosis dokter selengkapnya terdapat pada lampiran 7.
8. Posting Ke Web
Tampilan antarmuka yang telah dibangun menggunakan bahasa pemrograman PHP di atas akan diunggah agar dapat digunakan secara online oleh orang banyak. Pada penelitian ini dipilih salah satu hosting gratis yaitu idhostinger
81
BAB V
PENUTUP
BAB V menunjukkan kesimpulan dan saran berdasarkan hasil penelitian yang telah dilakukan untuk mendiagnosis penyakit tropis berdasarkan gejala yang diimplementasikan dengan tampilan antarmuka yang dibangun dengan bahasa pemrograman PHP.
A.Kesimpulan
Berdasarkan pembahasan yang telah diuraikan sebelumnya, maka kesimpulan yang dapat diambil adalah sebagai berikut:
1. Langkah – langkah untuk mengaplikasikan Fuzzy Multi Criteria Decision Making pada diagnosa penyakit tropis adalah sebagai berikut:
a. Mengidentifikasi kumpulan alternatif (penyakit) dan kriteria (gejala). b. Memilih himpunan rating untuk bobot – bobot gejala dan derajat
kecocokan setiap penyakit dengan gejalanya.
c. Mengevaluasi bobot – bobot gejala dan derajat kecocokan setiap penyakit dengan gejalanya.
d. Mengagregasikan bobot – bobot gejala dan derajat kecocokan setiap penyakit dengan gejalanya.
e. Menentukan nilai alpha (derajat keoptimisan) yaitu 0;0,5;1. f. Menghitung nilai total integral.
g. Melakukan perankingan penyakit berdasarkan gejala yang ada.
2. Berdasarkan hasil validasi, hasil diagnosis penyakit tropis menggunakan Fuzzy Multi Criteria Decision Making 100% sama dengan hasil diagnosis yang dilakukan oleh dokter.
82 B. Saran
Hasil penelitian ini diharapkan dapat membantu dokter dalam diagnosis penyakit tropis. Meskipun begitu, hasil penelitian ini belum cukup baik maka perlu dilakukan dilakukan pendampingan dokter dalam diagnosis penyakit tropis dan evaluasi terhadap beberapa hal dalam sistem. Perbaikan dan pengembangan perlu dilakukan guna memperoleh hasil yang lebih baik. Hal tersebut dapat dilakukan dengan:
1. Mengubah kepentingan – kepentingan kriteria.
2. Menggunkan metode decision making lain yang lebih efektif. 3. Menggunakan pembobotan skala 1-10.
83