SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENYAKIT
DIABETES MELLITUS DENGAN METODE SUGENO
SKRIPSI
MARIANI VALENTINA TAMPUBOLON
061401096
PROGRAM STUDI S1 ILMU KOMPUTER
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENYAKIT DIABETES MELLITUS DENGAN METODE SUGENO
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Komputer
MARIANI VALENTINA TAMPUBOLON
061401096
PROGRAM STUDI SARJANA ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : SISTEM PENDUKUNG KEPUTUSAN PENENTUAN
PENYAKIT DIABETES MELLITUS DENGAN METODE SUGENO
Kategori : SKRIPSI
Nama : MARIANI VALENTINA TAMPUBOLON
Nomor Induk Mahasiswa : 061401096
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Juli 2010
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Maya Silvi Lydia, BSc, MSc M. Andri B, ST, MCompSc, MEM
NIP. 197401272002122001 NIP. 197510082008011011
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENYAKIT DIABETES MELLITUS DENGAN METODE SUGENO
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 28 Juni 2010
PENGHARGAAN
Puji dan syukur hanya bagi Tuhan Yang Maha Esa yang mengizinkan penulis dapat menyelesaikan skripsi ini. Sebab kasihNya yang besar dan kesetiaanNya yang tak pernah padam.
Ucapan terima kasih penulis sampaikan kepada M. Andri B, ST, MCompSc, MEM dan Maya Silvi Lydia, BSc. MSc selaku pembimbing pada penyelesaian skripsi ini yang telah memberikan panduan dan penuh kepercayaan kepada penulis untuk menyempurnakan kajian ini. Ucapan terima kasih juga penulis sampaikan kepada Prof. Dr. Muhammad Zarlis dan Drs. Agus Salim Harahap, M.Si selaku dosen penguji. Panduan ringkas, padat, dan profesional telah diberikan kepada penulis agar dapat menyelesaikan tugas ini. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Departemen Ilmu Komputer, Prof. Dr. Muhammad Zarlis dan Syahriol Sitorus, S.Si, MIT, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua dosen pada Departemen Ilmu Komputer FMIPA USU, dan pegawai di Ilmu Komputer FMIPA USU.
ABSTRAK
Jumlah penderita Diabetes Mellitus meningkat dari tahun ke tahun. Hal ini dikarenakan keterlambatan diagnosis penyakit tersebut. Penderita penyakit tersebut biasanya meninggal akibat komplikasi penyakit ini. Oleh karena itu perlu dilakukan tindakan guna mengantisipasi meningkatnya jumlah penderita Diabetes Mellitus yang meninggal. Pada penelitian ini, dibuat suatu model sistem pendukung keputusan penentuan penyakit Diabetes Mellitus dengan Metode Sugeno. Pada metode ini, variabel-variabel pendukung penegakan diagnosis penyakit tersebut digunakan dalam pembentukan himpunan fuzzy. Himpunan fuzzy itu akan diproses dengan metode Sugeno sehingga menghasilkan suatu keputusan. Sistem ini dapat digunakan dengan mudah oleh tenaga medis guna membantu pengambilan keputusan penegakan penyakit Diabetes Mellitus. Pengguna cukup hanya memasukkan data pemeriksaan laboratorium, kemudian menekan tombol proses setelah itu akan keluar hasil penegakan diagnosis. Setelah diuji dan dianalisis dengan melibatkan perhitungan secara manual, dapat diketahui bahwa secara garis besar hasil yang didapat dengan perhitungan secara manual sama dengan perhitungan secara sistem. Sehingga secara umum sistem telah dapat memberikan solusi terhadap pengguna dan sistem berjalan sesuai dengan diharapkan.
DECISION SUPPORT SYSTEM FOR DETERMINATION OF DIABETES MELLITUS WITH THE SUGENO METHOD
ABSTRACT
DAFTAR ISI
1.2 Perumusan Masalah 3
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 4
1.5 Manfaat Penelitian 4
1.6 Metode Penelitian 4
1.7 Sistematika Penulisan 5
Bab 2 Landasan Teori 7
2.1 Sistem Pendukung Keputusan 7
2.1.1 Pengertian Sistem Pendukung Keputusan 7
2.1.2 Nilai Guna dan Karakteristik Sistem Pendukung Keputusan 8
2.1.3 Komponen-Komponen Sistem Pendukung Keputusan 11
2.1.3.1 Subsistem Manajemen Database 12
2.3 Diabetes Mellitus 24
2.3.1 PraDiabetes 28
2.3.2 Diabetes Mellitus Tipe 1 29
2.3.3 Diabetes Mellitus Tipe 2 29
Bab 3 Analisis dan Perancangan 30
3.1 Analisis Sistem 30
3.1.1 Analisis Data Sistem 30
3.1.2 Analisis Komponen Sistem 30
3.1.2.2 Subsistem Manajemen Basis Model 39 3.1.2.3 Subsistem Perangkat Lunak Penyelenggara Dialog 42
3.2 Perancangan Sistem 44
3.2.1 Perancangan Flowchart 44
3.2.2 Perancangan Inferensi Fuzzy 47
3.2.3 Perancangan Basis Pengetahuan 58
3.2.4 Perancangan Form 60
Bab 4 Implementasi dan Pengujian 64
4.1 Implementasi 64
4.2 Pengujian 72
4.2.1 Pengujian Kinerja Sistem 72
Bab 5 Kesimpulan dan Saran 80
5.1 Kesimpulan 80
5.2 Saran 80
DAFTAR TABEL
Halaman
Tabel 2.1 Operasi-operasi dasar dalam himpunan fuzzy 20
Tabel 3.1 Kamus Data Pasien 38
Tabel 3.2 Kamus Data Periksa 38
Tabel 3.3 Batasan nilai normal variabel 48
Tabel 3.4 Aturan-aturan penentuan penyakit Diabetes Mellitus 58
Tabel 4.1 Perhitungan derajat keanggotan variabel uji 1 73
Tabel 4.2 Perhitungan fungsi implikasi uji 1 74
Tabel 4.3 Perhitungan derajat keanggotan variabel uji 2 77
DAFTAR GAMBAR
Halaman
Gambar 2.1 Representasi kurva trapesium 19
Gambar 2.2 Representasi kurva bahu 19
Gambar 3.1 Diagram Konteks DFD 31
Gambar 3.2 DFD Level 0 32
Gambar 3.3 Diagram 1.0 atau DFD Level 1 34
Gambar 3.4 Diagram 2.0 35
Gambar 3.5 Diagram 3.0 36
Gambar 3.6 ERD 39
Gambar 3.7 Flowchart Metode Sugeno 40
Gambar 3.8 Daftar menu sistem 43
Gambar 3.9 Representasi kurva trapesium 44
Gambar 3.10 Flowchart kurva trapesium 45
Gambar 3.11 Representasi kurva bentuk bahu 46
Gambar 3.12 Flowchart kurva bentuk bahu kiri 46
Gambar 3.13 Flowchart kurva bentuk bahu kanan 47
Gambar 3.14 Kurva himpunan fuzzy variabel Glukosa Darah Puasa 49
Gambar 3.15 Kurva himpunan fuzzy variabel Glukosa Plasma Puasa 51
Gambar 3.16 Kurva himpunan fuzzy variabel Glukosa Plasma Tidur 52
Gambar 3.17 Kurva himpunan fuzzy variabel Glukosa Darah 2 Jam PP 53
Gambar 3.18 Kurva himpunan fuzzy variabel HbA1c 54
Gambar 3.19 Kurva himpunan fuzzy variabel HDL 55
Gambar 3.20 Kurva himpunan fuzzy variabel Trigliserida 56
Gambar 3.21 Kurva himpunan fuzzy variabel Insulin 57
Gambar 3.22 Kurva himpunan fuzzy variabel umur 58
Gambar 3.23 Rancangan tampilan login 60
Gambar 3.24 Rancangan form menu utama 61
Gambar 3.25 Rancangan form daftar pasien 61
Gambar 3.26 Rancangan form hasil pemeriksaan 62
Gambar 3.27 Rancangan form laporan 62
Gambar 3.28 Rancangan form sistem 63
Gambar 4.1 Form Login 65
Gambar 4.2 Form Utama 66
Gambar 4.3 Tampilan Submenu Pasien 67
Gambar 4.4 Form Daftar 68
Gambar 4.5 Form Hasil Pemeriksaan 69
Gambar 4.6 Laporan 70
Gambar 4.7 Tampilan Submenu Informasi 71
Gambar 4.8 Form informasi sistem 72
Gambar 4.9 Hasil Pemeriksaan 76
Gambar 4.10 Hasil pemeriksaan sistem
ABSTRAK
Jumlah penderita Diabetes Mellitus meningkat dari tahun ke tahun. Hal ini dikarenakan keterlambatan diagnosis penyakit tersebut. Penderita penyakit tersebut biasanya meninggal akibat komplikasi penyakit ini. Oleh karena itu perlu dilakukan tindakan guna mengantisipasi meningkatnya jumlah penderita Diabetes Mellitus yang meninggal. Pada penelitian ini, dibuat suatu model sistem pendukung keputusan penentuan penyakit Diabetes Mellitus dengan Metode Sugeno. Pada metode ini, variabel-variabel pendukung penegakan diagnosis penyakit tersebut digunakan dalam pembentukan himpunan fuzzy. Himpunan fuzzy itu akan diproses dengan metode Sugeno sehingga menghasilkan suatu keputusan. Sistem ini dapat digunakan dengan mudah oleh tenaga medis guna membantu pengambilan keputusan penegakan penyakit Diabetes Mellitus. Pengguna cukup hanya memasukkan data pemeriksaan laboratorium, kemudian menekan tombol proses setelah itu akan keluar hasil penegakan diagnosis. Setelah diuji dan dianalisis dengan melibatkan perhitungan secara manual, dapat diketahui bahwa secara garis besar hasil yang didapat dengan perhitungan secara manual sama dengan perhitungan secara sistem. Sehingga secara umum sistem telah dapat memberikan solusi terhadap pengguna dan sistem berjalan sesuai dengan diharapkan.
DECISION SUPPORT SYSTEM FOR DETERMINATION OF DIABETES MELLITUS WITH THE SUGENO METHOD
ABSTRACT
BAB 1
PENDAHULUAN
1.1Latar Belakang
Keputusan merupakan kegiatan memilih suatu strategi atau tindakan dalam
pemecahan suatu masalah. Dalam kehidupan sehari-hari manusia selalu dihadapkan
pada permasalahan dalam pengambilan suatu keputusan. Hal ini disebabkan oleh
keadaan yang mungkin dialami oleh pengambil keputusan ketika mengambil suatu
keputusan yaitu sebagai berikut:
1. Pengambilan keputusan dalam kepastian, semua alternatif solusi masalah
diketahui secara pasti.
2. Pengambilan keputusan dalam berbagai tingkat risiko yang dipilih.
3. Pengambilan keputusan dalam kondisi ketidakpastian, ada alternatif solusi
masalah yang tidak diketahui dengan jelas.
Untuk mengantisipasi permasalahan dalam pengambilan keputusan, diperlukan
suatu sistem yang mendukung solusi atas suatu masalah secara efisien dan efektif.
Sistem tersebut disebut dengan Sistem Pendukung Keputusan.
Menurut World Health Organization (WHO) 1980 menyatakan bahwa
Diabetes Mellitus merupakan suatu yang tidak dapat dituangkan dalam satu jawaban
yang jelas dan singkat tetapi secara umum dapat dikatakan sebagai suatu kumpulan
problema anatomik dan kimiawi yang merupakan akibat dari sejumlah faktor di mana
didapat defisiensi insulin absolut atau relatif dan gangguan fungsi insulin (Soegondo
et al, 2004).
Klasifikasi etiologis Diabetes Mellitus menurut ADA 2005 yaitu Diabetes
Mellitus tipe 1, Diabetes Mellitus tipe 2, Diabetes Mellitus tipe lain dan Diabetes
Mellitus tipe 1 belum diketahui secara pasti, tipe ini jarang ditemui. Hal ini disebabkan
karena Indonesia terletak di khatulistiwa atau faktor genetik yang tidak mendukung.
Lain halnya pada Diabetes Mellitus tipe 2 yang meliputi lebih dari 90% dari jumlah
populasi penderita diabetes – untuk selanjutnya disebut diabetesi –, faktor lingkungan
sangat berperan (Sudoyo et al, 2006).
Menurut Prof. Dr. Sidartawan Soegondo, Indonesia menjadi negara keempat di
dunia yang memiliki angka diabetesi terbanyak. Diabetesi secara keseluruhan di
Indonesia mengalami peningkatan hingga 14 juta orang (DetikNews, 15 April 2007).
Hal ini berdasarkan laporan dari WHO, dimana pada jumlah diabetesi di Indonesia
pada tahun 2000 adalah 8,4 juta orang setelah India (31,7 juta), Cina (20,8 juta) dan
Amerika Serikat (17,7 juta). Diperkirakan jumlah tersebut akan meningkat pada tahun
2030, India (79,4 juta), Cina (42,3 juta), Amerika Serikat (30,3 juta) dan Indonesia
(21,3 juta) (Darmono, 2005).
Peningkatan jumlah diabetesi disebabkan keterlambatan penegakan diagnosis
penyakit tersebut. Pasien sudah meninggal akibat kompikasi sebelum adanya
penegakan diagnosis (Sudoyo et al, 2006). Penyebab keterlambatan penegakan
diagnosis tersebut adalah banyaknya faktor yang berpengaruh terhadap pilihan-pilihan
yang ada atau beragamnya variabel. Logika fuzzy merupakan solusi untuk mengatasi
masalah tersebut. Sebab konsep logika fuzzy sangat fleksibel dan mempunyai toleransi
terhadap data-data yang tidak tepat serta didasarkan pada bahasa alami. Oleh karena
itu diperlukan suatu sistem sebagai alat bantu dalam penentuan apakah pasien itu
menderita Diabetes Mellitus atau tidak, dengan konsep logika fuzzy dengan metode
Sugeno.
Dalam sistem penentuan penyakit Diabetes Mellitus, The American Diabetes
Mellitus Association (ADA) merekomendasikan beberapa variabel yang dapat
digunakan untuk menilai keberhasilan penataksanaan Diabetes Mellitus. Dengan
variabel-variabel ini maka fuzzy inference system dengan metode Sugeno akan
menganalisis bagaimana variabel-variabel tersebut mempengaruhi proses pengambilan
1.2Perumusan Masalah
Permasalahan yang akan dibahas dalam penelitian ini adalah bagaimana cara
merancang suatu aplikasi yang berfungsi sebagai alat bantu pengambilan keputusan
dalam hal penegakan diagnosis penyakit Diabetes Mellitus pada seorang pasien dan
penentuan tipe penyakit tersebut berdasarkan fuzzy inference system dengan metode
Sugeno.
1.3Batasan Masalah
Batasan Masalah yang menjadi acuan dalam pengerjaan skripsi ini adalah :
1. Perancangan aplikasi untuk menentukan penyakit Diabetes Mellitus pada
penelitian ini menggunakan metode Sugeno.
2. Himpunan fuzzy pada aplikasi terdiri dari 9 variabel input yaitu kadar glukosa
darah puasa, kadar glukosa plasma puasa, kadar glukosa plasma tidur, kadar
glukosa darah 2 jam PP, kadar insulin, kadar HbA1c, kadar kolesterol HDL, kadar
trigliserida dan umur.
3. Aplikasi tidak membahas mengenai gejala fisik diabetesi, Diabetes Gestasional
dan tidak menampilkan kurva dari himpunan input fuzzy.
4. Output dari aplikasi ada 4 yaitu Negatif Diabetes, Pradiabetes, Positif Diabetes
tipe 1 dan Positif Diabetes tipe 2.
5. Perancangan sistem pada penelitian ini menggunakan Borland Delphi 7.
Tujuan penelitian ini adalah membuat suatu aplikasi yang dapat dipergunakan sebagai
alat bantu medis dalam penegakan diagnosis Diabetes Mellitus dengan metode
Sugeno.
1.5Manfaat Penelitian
Manfaat penelitian ini adalah :
1. Membantu dokter dalam hal penegakan diagnosis penyakit Diabetes Mellitus
2. Membantu pasien untuk mengetahui tipe diabetes yang diderita dan kondisi gula
darahnya.
1.6Metode Penelitian
Tahapan yang dilakukan dalam penelitian ini adalah:
1. Studi Literatur
Tahapan ini dilakukan dengan mempelajari sumber-sumber atau buku-buku
referensi yang berkaitan dengan skripsi ini, baik dari textbook atau internet.
2. Pengumpulan Data
Pada tahapan pengumpulan data ini dilakukan wawancara pada pihak kesehatan.
3. Analisis data
Tahapan ini dilakukan dengan menganalisis data yang diperlukan sistem dan
gambaran komponen-komponen sistem baik berupa DFD, flowchart, masukan dan
keluaran sistem.
Pada tahapan ini dilakukan perancangan flowchart kurva yang dipergunakan
dalam metode Sugeno, perancangan inferensi fuzzy, perancangan basis
pengetahuan dan perancangan form.
5. Implementasi Aplikasi Penentuan Diabetes Mellitus.
Pada tahapan ini dilakukan penerapan rancangan yang dibuat dalam suatu
program.
6. Pengujian Aplikasi
Pada tahapan ini dilakukan pengujian sistem yaitu dengan membandingkan hasil
diagnosis sistem dengan hasil yang diperoleh dengan perhitungan manual.
1.7Sistematika Penulisan
Sistematika penulisan skripsi ini terdiri dari lima bagian utama sebagai berikut:
BAB 1 : PENDAHULUAN
Bab ini menjelaskan mengenai latar belakang pemilihan judul skripsi “ Sistem
Pendukung Keputusan Penentuan Penyakit Diabetes Mellitus ”, rumusan masalah,
batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan
sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini membahas mengenai teori-teori yang berkaitan dengan perancangan sistem
penentuan penyakit Diabetes Mellitus dan teori lainnya yang mendukung pembuatan
aplikasi.
BAB 3 : ANALISIS DAN PERANCANGAN SISTEM
Bab ini terdiri dari analisis sistem dan perancangan sistem untuk penegakan diagnosis
penyakit Diabetes Mellitus. Pada bagian analisis sistem dimuat uraian tentang analisis
Pada bagian perancangan sistem, membahas tentang perancangan variabel
indikator penentu penyakit Diabetes Mellitus ke dalam himpunan fuzzy dan
perancangan form yang akan diimplementasikan pada sistem.
BAB 4 : IMPLEMENTASI DAN PENGUJIAN
Bab ini membahas bagaimana mengimplementasikan aplikasi yang telah dirancang ke
dalam bahasa pemprograman dan menguji aplikasi yang telah dibangun.
BAB 5 : KESIMPULAN DAN SARAN
Bab ini memuat kesimpulan dari keseluruhan uraian bab-bab sebelumnya dan
BAB 2
LANDASAN TEORI
2.1 Sistem Pendukung Keputusan (SPK)
Manusia merupakan bagian dari alam karena hidupnya yang tidak terlepas dari alam.
Proses kehidupan manusia merupakan unsur yang semakin lama semakin
mendominasi unsur-unsur lainnya di alam. Hal ini disebabkan karena manusia
dibekali kemampuan-kemampuan untuk bisa berkembang. Segala proses yang terjadi
di sekelilingnya dan dalam dirinya dirasakan dan diamatinya dengan menggunakan
semua indera yang dimilikinya, dipikirkannya lalu ia berbuat dan bertindak.
Dalam menghadapi segala proses yang terjadi di sekelilingnya dan di dalam
dirinya, hampir setiap saat manusia membuat atau mengambil keputusan dan
melaksanakannya. Hal ini dilandasi dengan asumsi bahwa segala tindakan dilakukan
secara sadar merupakan pencerminan hasil proses pengambilan keputusan dalam
pikirannya, sehingga sebenarnya manusia sudah sangat terbiasa dalam membuat
keputusan. Menurut Mangkusubroto dan Tresnadi, jika keputusan yang diambil
tersebut perlu dipertanggungjawabkan kepada orang lain atau prosesnya memerlukan
pengertian pihak lain, maka perlu untuk diungkapkan sasaran yang akan dicapai
(Suryadi dan Ramdhani, 1998).
2.1.1 Pengertian Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS)
pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton
“Sistem Berbasis Komputer Interaktif, yang membantu para pengambil keputusan
untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah
yang tidak terstruktur”.
Menurut Alter, DSS merupakan sistem informasi interaktif yang menyediakan
informasi, pemodelan dan pemanipulasian data. Sistem digunakan untuk membantu
pengambilan keputusan dalam situasi yang semi terstruktur dan situasi yang tidak
terstruktur, dimana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya
dibuat.
DSS biasanya dibangun untuk mendukung solusi atas suatu masalah atau
untuk mengevaluasi suatu peluang. DSS yang seperti itu disebut aplikasi DSS.
Aplikasi DSS digunakan dalam pengambilan keputusan. Aplikasi DSS menggunakan
CBIS (Computer Based Information Systems) yang fleksibel, interaktif, dan dapat
diadaptasi, yang dikembangkan untuk mendukung solusi atas masalah manajemen
spesifik yang tidak terstruktur.
Aplikasi DSS menggunakan data, memberikan antarmuka pengguna yang
mudah dan dapat menggabungkan pemikiran pengambil keputusan. DSS lebih
ditujukan untuk mendukung manajemen dalam melakukan pekerjaan yang bersifat
analitis dalam situasi yang kurang terstruktur dan dengan kriteria yang kurang jelas.
DSS tidak dimaksudkan untuk mengotomatisasikan pengambilan keputusan tetapi
memberikan perangkat interaktif yang memungkinkan pengambil keputusan untuk
melakukan berbagai analisis menggunakan model-model yang tersedia.
2.1.2 Nilai Guna dan Karateristik Sistem Pendukung Keputusan
Pada dasarnya SPK ini merupakan pengembangan lebih lanjut dari Sistem Informasi
Manajemen Terkomputerisasi (Computerized Manajement Information Systems), yang
dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Sifat
dalam proses pengambilan keputusan, seperti prosedur, kebijakan, teknik analisis,
serta pengalaman dan wawasan manajerial guna membentuk suatu kerangka
keputusan yang bersifat fleksibel (Suryadi dan Ramdhani, 1998).
Menurut Turban (2005), tujuan dari DSS adalah sebagai berikut:
1. Membantu dalam pengambilan keputusan atas masalah yang terstruktur.
2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan
untuk menggantikan fungsi manajer.
3. Meningkatkan efektivitas keputusan yang diambil lebih daripada perbaikan
efisiensinya.
4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk
melakukan banyak komputasi secara cepat dengan biaya yang rendah.
5. Peningkatan produktivitas.
6. Dukungan kualitas.
7. Berdaya saing.
8. Mengatasi keterbatasan kognitif dalam pemprosesan dan penyimpanan.
Ciri-ciri SPK yang dirumuskan oleh Kusrini (2007) adalah sebagai berikut:
1. SPK ditujukan untuk membantu keputusan-keputusan yang kurang terstruktur.
2. SPK merupakan gabungan antara kumpulan model kualitatif dan kumpulan data.
3. SPK bersifat luwes dan dapat menyesuaikan dengan perubahan-perubahan yang
terjadi.
Beberapa karakteristik yang membedakan sistem pendukung keputusan dengan
sistem informasi lain adalah sebagai berikut:
1. Sistem pendukung keputusan dirancang untuk membantu pengambilan keputusan
dalam memecahkan masalah yang sifatnya semi terstruktur atau tidak terstruktur
dengan menambahkan kebijaksanaan manusia dan informasi komput erisasi.
2. Proses pengolahannya, sistem pendukung keputusan mengkombinasikan
penggunaan model-model analisis dengan teknik pemasukkan data konvensional
3. Sistem pendukung keputusan dapat digunakan atau dioperasikan dengan mudah
oleh orang-orang yang tidak memiliki dasar kemampuan pengoperasian komputer
yang tinggi. Pendekatan yang digunakan biasanya model interaktif.
4. Sistem pendukung keputusan dirancang dengan menekankan pada aspek
fleksibilitas serta kemampuan adaptasi yang tinggi sehingga mudah disesuaikan
dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pengguna.
Sistem Pendukung Keputusan memberikan manfaat atau keuntungan bagi
pemakainya. Keuntungan yang dimaksud di antaranya adalah sebagai berikut:
1. Sistem pendukung keputusan memperluas kemampuan pengambil keputusan dalam
memproses data/informasi bagi pemakainya.
2. Sistem pendukung keputusan membantu pengambil keputusan dalam hal
penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama
berbagai masalah yang sangat kompleks dan tidak terstruktur.
3. Sistem pendukung keputusan dapat menghasilkan solusi dengan lebih cepat serta
hasilnya dapat diandalkan.
4. Walaupun suatu sistem pendukung keputusan, mungkin saja tidak mampu
memecahkan masalah yang dihadapi oleh pengambil keputusan, namun ia dapat
menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya. Hal
ini dikarenakan sistem pendukung keputusan mampu menyajikan berbagai
alternatif.
Pada saat ini sistem pendukung keputusan telah banyak diterapkan dalam
berbagai bidang seperti kedokteran, komputer, ekonomi dan lain-lain. Contoh dalam
bidang kedokteran adalah perancangan aplikasi sistem penentuan penyakit Diabetes
Mellitus menggunakan metode AHP berbasis sistem pendukung keputusan. AHP
pilihan dengan menggunakan beberapa kriteria (multicriteria). Karena sifatnya yang
multi kriteria, AHP cukup banyak digunakan dalam penyusunan prioritas. Kriteria-
kriteria penentu penyakit Diabetes Mellitus dimasukkan dalam bobot yang telah
ditentukan dengan metode AHP. Pengambilan keputusan dari sistem tergantung
kepada pengguna sistem (pengambil keputusan). Sistem hanya menjadi alat bantu bagi
para pengambil keputusan untuk memperluas kapabilitas, namun tidak untuk
menggantikan penilaian dan tidak ditekankan untuk membuat keputusan. Aplikasi
sistem penentuan penyakit Diabetes Mellitus dapat digunakan sebagai alat bantu
dalam pengambilan keputusan penentuan penyakit Diabetes Mellitus (Irawaty, 2009).
Penelitian lainnya yaitu sistem pendukung keputusan penanganan kesehatan
balita. Penanganan kesehatan balita merupakan salah satu hal yang patut dijadikan
perhatian lebih, sehingga dapat mengurangi resiko tidak optimalnya penanganan
kesehatan balita pada instansi yang terkait. Sistem pendukung keputusan penanganan
kesehatan balita sangat tepat diterapkan untuk penanganan masalah yang
membutuhkan penyelesaian mandiri dari komputer untuk pemrosesan data balita
dengan perhitungan yang cepat dan akurat. Dengan menggunakan penalaran logika
fuzzy Mamdani dalam pemprosesan data input dan output, serta informasi pendukung
berupa grafik sangat mendukung dalam pengambilan keputusan penanganan
kesehatan balita di suatu wilayah (Ayuningtiyas et al, 2007).
2.1.3 Komponen-Komponen Sistem Pendukung Keputusan
SPK dapat terdiri dari tiga subsistem utama yang menentukan kapabilitas teknis SPK
(Suryadi dan Ramdhani, 1998) yaitu sebagai berikut:
1. Subsistem Manajemen Database (Database Management Subsystem)
2. Subsistem Manajemen Basis Model (Model Base Management Subsystem)
3. Subsistem Perangkat Lunak Penyelenggara Dialog (Dialog Generation and
2.1.3.1 Subsistem Manajemen Database
Ada beberapa perbedaan antara database untuk SPK dan Non-SPK. Pertama, sumber
data untuk SPK lebih kaya dari pada non-SPK dimana data harus berasal dari luar dan
dari dalam karena proses pengambilan keputusan.
Perbedaan lain adalah proses pengambilan dan ekstraksi data dari sumber data
yang sangat besar. SPK membutuhkan proses ekstraksi dan DBMS yang dalam
pengelolaannya harus cukup fleksibel untuk memungkinkan penambahan dan
pengurangan secara cepat.
Dalam hal ini, kemampuan yang dibutuhkan dari manajemen database dapat
diringkas, sebagai berikut:
1. Kemampuan untuk mengkombinasikan berbagai variasi data melalui
pengambilan dan ekstraksi data.
2. Kemampuan untuk menambahkan sumber data secara cepat dan mudah.
3. Kemampuan untuk menggambarkan struktur data logikal sesuai dengan
pengertian pemakai sehingga pemakai mengetahui apa yang tersedia dan dapat
menentukan kebutuhan penambahan dan pengurangan.
4. Kemampuan untuk menangani data secara personel sehingga pemakai dapat
mencoba berbagai alternatif pertimbangan personel.
5. Kemampuan untuk mengelola berbagai variasi data.
2.1.3.2 Subsistem Manajemen Basis Model
Salah satu keunggulan SPK adalah kemampuan untuk mengintegrasikan akses data
dan model keputusan. Hal ini dapat dilakukan dengan menambahkan
model-model keputusan ke dalam sistem informasi yang menggunakan database sebagai
mekanisme integrasi dan komunikasi di antara model-model. Karakteristik ini
Salah satu persoalan yang berkaitan dengan model adalah bahwa penyusunan
model seringkali terikat pada struktur model yang mengasumsikan adanya masukan
yang benar dan cara keluaran yang tepat. Sementara itu, model cenderung tidak
mencukupi karena adanya kesulitan dalam mengembangkan model yang terintegrasi
untuk menangani sekumpulan keputusan yang saling bergantungan. Cara untuk
menangani persoalan ini dengan menggunakan koleksi berbagai model yang terpisah,
dimana setiap model digunakan untuk menangani bagian yang berbeda dari masalah
yang dihadapi. Komunikasi antara berbagai model digunakan untuk menangani bagian
yang berbeda dari masalah tersebut. Komunikasi antara berbagai model yang saling
berhubungan diserahkan kepada pengambil keputusan sebagai proses intelektual dan
manual.
Salah satu pandangan yang lebih optimistis, berharap untuk bisa
menambahkan model-model ke dalam sistem informasi dengan database sebagai
mekanisme integrasi dan komunikasi di antara mereka.
Kemampuan yang dimiliki subsistem basis model meliputi hal-hal sebagai berikut:
1. Kemampuan untuk menciptakan model-model baru secara cepat dan mudah.
2. Kemampuan untuk mengakses dan mengintegrasikan model-model keputusan.
3. Kemampuan untuk mengelola basis model dengan fungsi manajemen yang analog
dan manajemen database (seperti mekanisme untuk menyimpan, membuat dialog,
menghubungkan, dan mengakses model).
2.1.3.3 Subsistem Perangkat Lunak Penyelenggara Dialog
Fleksibilitas dan kekuatan karakteristik SPK timbul dari kemampuan interaksi antara
sistem dan pemakai, yang dinamakan subsistem dialog. Bennet mendefinisikan
pemakai, terminal, dan sistem perangkat lunak sebagai komponen-komponen dari
sistem dialog sehingga subsistem dialog terbagi menjadi tiga bagian sebagai berikut:
1. Bahasa aksi, meliputi apa yang dapat digunakan oleh pemakai dalam
papan ketik (keyboard), panel-panel sentuh, joystick, perintah suara dan
sebagainya.
2. Bahasa tampilan dan presentasi, meliputi apa yang harus diketahui oleh
pemakai. Bahasa tampilan meliputi pilihan-pilihan seperti printer, tampilan
layar, grafik, warna, plotter, keluaran suara, dan sebagainya.
3. Basis pengetahuan, meliputi apa yang harus diketahui oleh pemakai agar
pemakaian sistem bisa efektif. Basis pengetahuan bisa berada dalam pikiran
pemakai, pada kartu referensi atau petunjuk, dalam buku manual, dan
sebagainya.
Kombinasi dari kemampuan-kemampuan di atas terdiri dari apa yang disebut
gaya dialog misalnya pendekatan tanya jawab, bahasa perintah, menu-menu, dan
mengisi tempat kosong.
Kemampuan yang harus dimiliki oleh SPK untuk mendukung dialog pemakai
atau sistem meliput i hal-hal sebagai berikut:
1. Kemampuan untuk menangani berbagai variasi dialog, bahkan jika mungkin
untuk mengkombinasikan berbagai gaya dialog sesuai dengan pilihan pemakai.
2. Kemampuan untuk mengakomodasikan tindakan pemakai dengan berbagai
peralatan masukan.
3. Kemampuan untuk menampilkan data dengan berbagai variasi format dan
peralatan keluaran.
4. Kemampuan untuk memberikan dukungan yang fleksibel untuk mengetahui
basis pengetahuan pemakai.
2.2 Logika Fuzzy
Konsep logika fuzzy pertama sekali diperkenalkan oleh Professor Lotfi A.Zadeh dari
Universitas California, pada bulan Juni 1965. Logika fuzzy merupakan generalisasi
logika fuzzy, nilai kebenaran suatu pernyataan berkisar dari sepenuhnya benar sampai
dengan sepenuhnya salah (Pandjaitan, 2007). Dengan teori himpunan fuzzy, suatu
objek dapat menjadi anggota dari banyak himpunan dengan derajat keanggotaan yang
berbeda dalam masing-masing himpunan. Konsep ini berbeda dengan teori himpunan
klasik (crisp).
Implementasi logika fuzzy dapat diterapkan dalam bidang kesehatan. Penelitian
dalam penggunaan logika fuzzy dalam bidang ini seperti perancangan aplikasi
informatika medis untuk penatalaksanaan Diabetes Mellitus secara terpadu. Jumlah
penderita Diabetes Melitus (DM) di Indonesia menunjukkan angka yang sangat
mencengangkan. Tingginya angka ini menyebabkan perlunya tindakan antisipasi dan
penatalaksanaan yang tepat bagi penyandang DM. Pada penelitian ini, dibangun
sebuah model sistem yang memanfaatkan beberapa teknik dalam informatika medis
untuk penatalaksanaan DM secara terpadu. Pada sistem yang dibangun, untuk
mendapatkan tingkat resiko DM diperlukan suatu mekanisme inferensi dengan
mempertimbangkan faktor-faktor tersebut. Pada model yang diusulkan, digunakan
pendekatan basis aturan. Fuzzy inference system digunakan untuk kepentingan
tersebut. Beberapa fitur diberikan dalam sistem ini, seperti: penentu tingkat resiko
DM, diagnosis DM, diagnosis komplikasi DM, penentu menu harian, penentu latihan
jasmani, dan penentu farmakoterapi. Pemrograman berbasis web, pemrograman
desktop, pemrograman pocket PC, dan pemrograman berbasis SMS digunakan untuk
keperluan tersebut. Sistem dirancang untuk dapat digunakan oleh berbagai pihak
dengan perbedaan hak akses, seperti: penyandang DM, dokter, perawat, ahli gizi,
administrator, masyarakat umum, dan laboran. Sistem yang dibangun dengan
basisdata yang terpusat ini memungkinkan para pengguna untuk berbagi data
meskipun beberapa aplikasi dibangun dengan platform yang berbeda. Melalui sistem
ini, pelayanan kesehatan dapat dilakukan meskipun terhalang oleh jarak dan waktu
(Kusumadewi, 2009).
Alasan menggunakan logika fuzzy antara lain yaitu:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari
penalaran fuzzy sangat sederhana dan mudah dimengerti.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman
para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.
2.2.1 Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai keanggotaan suatu objek x dalam suatu himpunan
A, yang sering ditulis dengan µA[x], memiliki 2 kemungkinan yaitu sebagai berikut:
1. satu (1), yang berarti bahwa suatu objek menjadi anggota dalam suatu himpunan,
atau
2. nol (0), yang berarti bahwa suatu objek tidak menjadi anggota dalam suatu
himpunan (Kusumadewi et al, 2004).
Misalkan variabel umur dibagi 3 kategori sebagai berikut :
MUDA : umur < 35 tahun
PAROBAYA : 35 ≤ umur ≤ 55 tahun
TUA : umur > 55 tahun
Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA ( µMUDA [34thn] = 1).
Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA
(µMUDA [35thn -1 hr] = 0).
Adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan
kategori yang cukup signifikan. Himpunan fuzzy digunakan untuk mengantisipasi hal
tersebut. Seseorang dapat masuk dalam 2 himpunan yang berbeda, MUDA dan
PAROBAYA, PAROBAYA dan TUA, dsb. Seberapa besar eksistensinya dalam
Himpunan Fuzzy memiliki 2 atribut yakni sebagai berikut:
1. Linguistik adalah penamaan suatu grup yang mewakili suatu keadaan atau kondisi
tertentu dengan menggunakan bahasa alami. Menurut Wang, suatu variabel
linguistik adalah sebuah variabel yang memiliki nilai berupa kata-kata dalam
bahasa alamiah. Setiap variabel linguistik berkaitan dengan sebuah fungsi
keanggotaan (Kusumadewi et al, 2004). Seperti : MUDA, PAROBAYA, TUA
2. Numeris adalah suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel
seperti: 40, 25, 35
Hal-hal yang terdapat dalam sistem fuzzy yaitu sebagai berikut:
1. Variabel fuzzy merupakan variabel yang dibahas dalam suatu sistem fuzzy seperti
umur, temperatur, permintaan dsb.
2. Himpunan fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan
tertentu dalam suatu variabel fuzzy. Contoh: variabel umur, terbagi atas 3
himpunan fuzzy, yaitu: MUDA, PAROBAYA, TUA
3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraaan merupakan
himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri
ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun
negatif. Adakalanya nilai semesta pembicaraan tidak dibatasi batas atasnya.
Contoh: Semesta pembicaraan untuk variabel umur: [0 40]
4. Domain adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan
2.2.2 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah kurva yang mendefinisikan
bagaimana masing-masing titik dalam ruang input dipetakan ke dalam nilai
keanggotaan (derajat keanggotaan) antara 0 dan 1. Fungsi keanggotaan µ memetakan
elemen x dari himpunan semesta X, ke sebuah bilangan µ[x], yang menentukan
derajat keanggotaan dari elemen dalam himpunan fuzzy A.
A = {(x, µ[x] ) | x X}
Berdasarkan Klir and Bo, kisaran nilai fungsi keanggotaan yang paling umum
digunakan adalah interval [0,1]. Dalam hal ini, masing-masing fungsi keanggotaan
memetakan elemen-elemen dari himpunan semesta X yang diberikan, yang selalu
merupakan suatu himpunan crisp, ke dalam bilangan nyata dalam interval [0,1]
(Arhami, 2005).
Ada beberapa fungsi yang digunakan yaitu sebagai berikut:
a. Representasi Kurva Trapesium
Kurva Trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa
titik yang memiliki nilai keanggotaan 1.
y
Gambar 2.1 Representasi kurva trapesium
b. Representasi Kurva Bahu
Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam
bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun. Himpunan fuzzy
‘bahu’, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy.
Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari
salah ke benar.
Gambar 2.2 Representasi kurva bahu Bahu
Kiri
2.2.3 Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan
secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai
keanggotaan sebagai hasil dari operasi 2 himpunan yang dikenal dengan nama fire
strength atau predikat.
Menurut Wang, ada tiga operasi dasar dalam himpunan fuzzy ,yaitu
complement, irisan (intersection) dan gabungan (union) (Arhami, 2005).
Tabel 2.1 Operasi- operasi dasar dalam himpunan fuzzy
2.2.4 Sistem Inferensi Fuzzy
Sistem inferensi fuzzy merupakan kerangka komputasi yang didasarkan pada teori
himpunan fuzzy, aturan fuzzy berbentuk IF-THEN, dan penalaran fuzzy.
2.2.4.1 Metode Sugeno
Penalaran dengan metode Sugeno hampir sama dengan penalaran Mamdani, hanya
saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa
konstanta atau persamaan linear. Michio Sugeno mengusulkan penggunaan singleton
Operasi Fungsi Keanggotaan
Complement µA’[x] = 1- µA[x]
Intersection (A∩B) [x] = min (µA[x], µB[x])
sebagai fungsi keanggotaan dari konsekuen. Singleton adalah sebuah himpunan fuzzy
dengan fungsi keanggotaan yang pada titik tertentu mempunyai sebuah nilai dan 0 di
luar titik tersebut.
Ada 2 model fuzzy dengan metode Sugeno yaitu sebagai berikut:
1. Model Fuzzy Sugeno Orde-Nol
Secara umum bentuk model fuzzy Sugeno Orde Nol adalah:
IF (x1 is A1) o (x2 is A2) o (x3 is A3) o… o (xN is AN) THEN z=k
dengan Ai adalah himpunan fuzzy ke-I sebagai antesenden, dan k adalah suatu
konstanta (tegas) sebagai konsekuen.
2. Model Fuzzy Sugeno Orde-Satu
Secara umum bentuk model fuzzy Sugeno Orde-Satu adalah:
IF (x1 is A1) o… o (xN is AN) THEN z = p1*x1+… + pN*xN+q
dengan Ai adalah himpunan fuzzy ke-i sebagai antesenden, dan pi adalah suatu
konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen.
Tahapan-tahapan dalam metode Sugeno yaitu sebagai berikut:
1. Pembentukan himpunan Fuzzy
Pada tahapan ini variabel input (crisp) dari sistem fuzzy ditransfer ke dalam
himpunan fuzzy untuk dapat digunakan dalam perhitungan nilai kebenaran dari
premis pada setiap aturan dalam basis pengetahuan. Dengan demikian tahap ini
mengambil nilai-nilai crisp dan menentukan derajat di mana nilai-nilai tersebut
menjadi anggota dari setiap himpunan fuzzy yang sesuai.
2. Aplikasi fungsi implikasi
Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan
suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi
adalah sebagai berikut:
Dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi
yang mengikuti IF disebut sebagai antesenden sedangkan proposisi yang mengikuti
THEN disebut konsekuen. Proposisi ini dapat diperluas dengan menggunakan
operator fuzzy seperti,
IF(x1 is A1) o (x2 is A2) o (x3 is A3) o…o (xN is AN) THEN y is B
dengan o adalah operator (misal: OR atau AND).
Secara umum fungsi implikasi yang dapat digunakan yaitu sebagai berikut:
a. Min (minimum)
Fungsi ini akan memotong output himpunan fuzzy.
b. Dot ( product)
Fungsi ini akan menskala output himpunan fuzzy.
Pada metode Sugeno ini , fungsi implikasi yang digunakan adalah fungsi min.
3. Defuzzifikasi ( Defuzzification )
Input dari proses defuzzifikasi adalah himpunan fuzzy yang dihasilkan dari proses
komposisi dan output adalah sebuah nilai (crisp). Untuk aturan IF-THEN fuzzy
dalam persamaan RU(k) = IF x1 is A1k and… and xn is Ank THEN y is Bk, dimana A1k
dan Bk berturut-turut adalah himpunan fuzzy dalam Ui R (U dan V adalah domain
fisik), i = 1, 2, … , n dan x = (x1, x2, … , xn) U dan y V berturut-turut adalah
variabel input dan output ( linguistik) dari sistem fuzzy ( Li, 2006).
Menurut Wang, defuzzifier pada persamaan di atas didefenisikan sebagai suatu
pemetaan dari himpunan fuzzy Bk dalam V R (yang merupakan output dari inferensi
fuzzy) ke titik crisp y* V (Arhami, 2005).
Pada metode Sugeno defuzzification dilakukan dengan perhitungan Weight
Average (WA) :
α1z1+ α2z2+ α3 z3 +… + αnzn
WA =
Sistem inferensi fuzzy banyak diterapkan dalam berbagai bidang. Contoh
penggunaan sistem inferensi fuzzy pada penelitian untuk menentukan jumlah
kebutuhan kalori harian. Kebutuhan energi harian setiap orang akan senantiasa
berbeda tergantung pada kondisi tubuh orang tersebut. Meskipun secara teoritis sudah
ada persamaan untuk menghitung kebutuhan energi tersebut, namun persamaan
tersebut cukup rumit diimplementasikan terutama untuk kondisi-kondisi pasien yang
tidak dapat diinformasikan dengan jelas. Pada penelitian ini, dibangun sebuah sistem
inferensi fuzzy dengan metode TSK (Takagi-Sugeno-Kang) yang bertujuan untuk
melakukan penghitungan terhadap kebutuhan energi harian bagi seorang pasien.
Metode TSK orde-1 ini menggunakan 7 variabel input fuzzy, yaitu: umur, berat badan,
tinggi badan, suhu tubuh, tujuan diet, aktivitas dan intensitas penyakit; serta 1 variabel
crisp, yaitu jenis kelamin. Aturan fuzzy berbentuk IF anteseden THEN konsekuen,
menggunakan konsekuen berupa persamaan linear dari variabel-variabel inputnya
(Kusumadewi, 2008).
Himpunan fuzzy dibangun dengan fungsi keanggotaan linear turun, segitiga,
dan linear naik. Sistem menyediakan beberapa pilihan operator himpunan fuzzy
seperti: and, or, mean, intensified mean, diluted mean, product, bounded sum,
bounded product. Sistem juga menyediakan operator negasi dan hedge (sangat atau
agak) untuk himpunan fuzzy. Koefisien setiap variabel persamaan linear pada
konsekuen diperoleh berdasarkan perkiraan pengeluaran energi basal menurut
persamaan Harris-Benedict, dan metode praktis perkiraan kebutuhan kalori. Sistem
ini memiliki sebanyak 44 aturan. Hasil pengujian menunjukkan bahwa sistem telah
dapat menghitung perkiraan kebutuhan energi harian bagi seorang pasien dengan
kondisi tertentu.
Penelitian lain dalam penggunaan sistem inferensi fuzzy adalah penentuan
tingkat resiko penyakit Geriatri berbasis web. Perjalanan penyakit geriatri pada
umumnya kronik (menahun), diselingi dengan eksaserbasi akut. Selain itu penyakit
geriatri bersifat progresif, dan sering menyebabkan kecacatan (invalid) lama sebelum
akhirnya penderita meninggal dunia. Oleh karena itu perlu suatu sistem yang dapat
membantu diagnosa penyakit yang diderita manula, agar manula tidak perlu menjalani
sistem inferensi fuzzy dengan metode Tsukarmoto. Pada metode Tsukarmoto
menggunakan nilai monoton, output hasil inferensi dari tiap-tiap aturan diberikan
secara tegas (crisp) berdasarkan α-predikat (fire strength). Untuk menentukan tingkat
resiko penyakit geriatri berdasarkan gejala atau keluhan yang dirasakan oleh
pasien/manula. Sistem dapat memberikan saran untuk melakukan tindakan pengobatan
maupun terapinya dengan jenis penyakitnya (Rahmayani, 2008).
2.3 Diabetes Mellitus
Menurut American Diabetes Association (ADA) 2003, Diabetes Mellitus merupakan
suatu kelompok metabolik dengan karakteristik hiperglikemia yang terjadi karena
kelainan sekresi insulin, kerja insulin atau kedua-duanya. Hiperglikemia kronik pada
Diabetes berhubungan dengan kerusakan jangka panjang, disfungsi dan kegagalan
beberapa organ tubuh, terutama mata, ginjal, syaraf, jantung dan pembuluh darah.
Sebelumnya World Health Organization (WHO) 1980 menyatakan bahwa
Diabetes Mellitus merupakan suatu yang tidak dapat dituangkan dalam satu jawaban
yang jelas dan singkat tetapi secara umum dapat dikatakan sebagai suatu kumpulan
problema anatomik dan kimiawi yang merupakan akibat dari sejumlah faktor di mana
didapat defisiensi insulin absolute atau relatif dan gangguan fungsi insulin (Soegondo
et al, 2004).
Pengertian penyakit Diabetes Mellitus bisa dipermudah dengan mempelajari
star player Diabetes Mellitus. Hormon berfungsi sebagai board of directors dalam
kaitan dengan metabolism, yaitu mengarahkan dan mengendalikan kegiatan . Board of
directors mempunyai representasi pankreas (insulin dan glukagon), kelenjar hipofisis
(GH dan ACTH), korteks adrenal (kortisol), sistem saraf autonomik (norepinefrin) dan
medulla adrenal (epinefrin).
Dari semua hormon yang terkait dalam metabolisme glukosa, hanya insulin
yang bisa menurunkan gula darah. Hormon yang lain adalah “counterregulatory
kurang (absolut atau relatif) dalam penyakit Diabetes Mellitus. Hormon insulin
disintesis (dihasilkan) oleh sel beta Pulau Langerhans yang terdapat pada pankreas.
Peran insulin adalah melihat bahwa sel tubuh dapat memakai bahan bakar. Insulin
berperan sebagai “kunci” yang bisa membuka pintu sel agar bahan bakar bisa masuk
ke dalam sel. Pada permukaan setiap sel terdapat reseptor (oleh insulin), glukosa dan
asam amino bisa masuk ke dalam sel tubuh.
Langkah-langkah untuk menegakkan diagnosis Diabetes Mellitus yaitu sebagai
berikut:
1. Pemeriksaan Darah
a. Diperiksa kadar glukosa sewaktu dan kadar glukosa puasa setelah puasa 8- 10
jam.
b. Beberapa hari kemudian dilakukan pemeriksaan glukosa plasma puasa
2. Pemeriksaan Test Glukosa Oral
a. Tiga hari sebelum pemeriksaan, makan seperti biasa (karbohidrat cukup).
Kegiatan jasmani seperti biasa dilakukan.
b. Puasa paling sedikit 8 jam mulai malam hari sebelum pemeriksaan, minum air
putih diperbolehkan.
c. Diperiksa kadar glukosa darah puasa.
d. Diberikan glukosa 75 gram (orang dewasa ) atau 1,75 gram/kg (anak-anak),
dilarutkan dalam air 250 ml dan diminum dalam waktu 5 menit.
e. Diperiksa kadar glukosa darah 2 (dua) jam sesudah beban glukosa.
f. Selama proses pemeriksaan, subyek yang diperiksa tetap istirahat dan tidak
merokok.
Apabila hasil pemeriksaan tidak memenuhi kriteria normal atau Diabetes
Mellitus, maka dapat digolongkan ke dalam kelompok TGT (Toleransi Glukosa
Terganggu) atau GDPT (Glukosa Darah Puasa Terganggu) dari hasil yang diperoleh.
- TGT : glukosa darah plasma 2 jam setelah pembebanan antara 140 – 199 mg/dl
Pemantauan glukosa darah di rumah oleh pasien sendiri merupakan bagian
penting pengobatan Diabetes Mellitus tipe 1 atau tipe 2. Kadar glukosa dalam darah
adalah tanda vital bagi penderita diabetes. Pemantauan glukosa darah di rumah
merupakan salah satu cara yang akurat dan praktis untuk pengendalian glukosa dalam
darah yang dilakukan setiap hari atau beberapa kali setiap hari. Darah yang diperiksa
adalah whole blood dari kapiler yang diambil melalui tusukan pada ujung jari. Satu
tetes darah diteteskan pada test strip yang mengandung glukosa oksidase. Hasilnya
dapat dilihat pada meteran alat dalam 20 detik sampai 2 menit. Pada meteran alat
tersebut, dapat pula diketahui dosis insulin yang diperlukan individu.
Pengendalian glukosa secara jangka panjang dipantau melalui haemoglobin
glikosilat. Glukosa dalam darah cepat menempel dalam hemoglobin. Glukosa
menempel pada hemoglobin sepanjang umur eritrosit, yaitu 90-120 hari. Pemantauan
melalui hemoglobin glikosilat memberi hasil yang objektif karena tidak dipengaruhi
oleh umur, jenis kelamin, lamanya Diabetes Mellitus dialami pasien atau kadar
glukosa dalam darah yang terakhir. Hemoglobin glikosilat total memberi gambaran
tentang pengendalian glukosa selama tiga tahun.
3. Pemeriksaan Urine
Pemeriksaan reduksi urine merupakan bagian dari pemeriksaan urine rutin yang
selalu dilakukan di klinik. Hasil yang (+) menunjukkan adanya glukosuria.
Beberapa hal yang perlu diingat dari hasil pemeriksaan reduksi urine adalah:
Pemeriksaan ini pertama sekali digunakan untuk tes skrining, bukan untuk
menegakan diagnosis. Nilai hasil pemeriksaan reduksi urine dari nilai (+) sampai
(++++ ) :
a. Jika reduksi (+): masih mungkin oleh sebab lain, seperti: renal glukosuria,
obat-obatan, dan lainnya.
b. Reduksi (++) kemungkinan KGD: 200 –300 mg/dl
c. Reduksi (+++) kemungkinan KGD: 300 – 400 mg/dl
Glukosa tertumpah dalam urine hanya glukosa serum sudah mencapai
“ambang ginjal”, yaitu ±180 mg/dl. Glukosa urine memberi data tentang glukosa
darah yang sudah berlalu, bukan yang sesaat. Selain itu, pemantauan glukosa urine
tidak dapat memberi data apakah glukosa darah pasien adalah tinggi (500 mg/dl) atau
normal (110 mg/dl). Glukosa urine hanya bisa memberi data apakah pasien
mempunyai glukosa darah yang tinggi beberapa jam yang lalu. Pemantauan glukosa
urine sudah tidak dianjurkan untuk pengkajian kontrol glikemik.
Setelah pemeriksaan urine dilakukan, akan lebih baik pemantauan keton perlu
dilakukan oleh individu dengan Diabetes Mellitus tipe 1 ketika ia jatuh sakit atau
ketika hasil pemantauan glukosa darah di rumahnya lebih dari 300 mg/dl. Test skrip
yang mengandung asetoasetat dicelupkan ke dalam urine. Lama waktunya bergantung
pada pabrik yang memproduksinya. Bila yang tampak adalah warna
kuning-keabu-abuan, berarti negatif. Warna akan berubah sesuai dengan kadar keton, bisa sampai
ungu tua. Adanya keton dalam urine memerlukan tindakan medis yang cepat dan tepat
bagi pasien dengan Diabetes Mellitus tipe 1. Tindakan menyangkut insulin, diet, dan
asupan cairan untuk menghindari timbulnya diabetes ketoasidosis yang sangat
berbahaya (Touchette, 2005).
Defenisi keadaan diabetes atau gangguan toleransi glukosa bergantung pada
pemeriksaan kadar glukosa darah. Beberapa tes tertentu yang non glikemik dapat
berguna dalam menentukan subklas, penelitian epidenmiologi, dalam menentukan
mekanisme dalam perjalanan alamiah diabetes.
Untuk diagnosis dan klasifikasi ada indeks tambahan yang dapat dibagi atas
dua bagian yakni sebagai berikut:
1. Indeks Penentuan Derajat Kerusakan Sel Beta
Hal ini dapat dinilai dengan pemeriksaan kadar insulin, pro-insulin, dan sekresi
peptide penghubung (C-peptide). Nilai-nilai “Glycosilated hemoglobin”
(WHO memakai istilah “Glyclated hemoglobin”), nilai derajat glikosilasi dari
protein lain dan tingkat gangguan toleransi glukosa juga bermanfaat untuk
2. Indeks Proses Diabetogenik
Untuk penilaian proses diabetogenik pada saat ini telah dapat dilakukan
penentuan tipe dan sub-tipe HLA. Adanya tipe dan titer antibodi dalam
sirkulasi yang ditujukan pada pulau-pulau Langerhans(islet cell antibodies),
Anti GAD(Glutamic Acid Decarboxylase) dan sel endokrin lainnya adanya
cell-mediated immunity terhadap pancreas. Susunan DNA yang spesifik
ditemukan pada genoma manusia dan ditemukannya penyakit lain pada
pankreas dan penyakit endokrin lainnya.
Kadar gula darah indikator penentu diabetes pada orang dewasa berbeda
dengan diabetes pada anak-anak. Kadar glukosa darah normal pada anak-anak < 100
mg/dl dan glukosa darah setelah 2 jam mengkonsumsi sejumlah glukosa yang
diberikan < 140 mg/dl. Akan tetapi cara untuk mendiagnosa diabetes pada anak-anak
sama dengan cara mendiagnosa diabetes pada orang dewasa umumnya (Rubin, 2010).
2.3.1 Pra Diabetes
Kondisi pradiabetes dikenalkan pertama kali pada tahun 2002 oleh American
Diabetes Association (ADA) dan Human Service Secretary Tommy G. Thompson.
Diagnosis pradiabetes itu penting karena pradiabetes adalah kondisi kritis sebelum
pengembangan menuju ke penyakit diabetes. Diagnosis pradiabetes sama dengan
diagnosis diabetes yaitu dengan test glukosa darah di laboratorium. Pradiabetes
didiagnosa apabila glukosa darah puasa di antara 100 dan 125 mg/dl (5.6 - 6.9
mmol/L) dan glukosa darah 2 jam setelah makan 75 gram glukosa , di antara 140 –
199 mg/dl (7.8-11.1 mmol, pada saat lebih dari satu kali pemeriksaan (Rubin, 2010).
Pada tahun 1997, Expert Committee on the Diagnosis and Classification of
Diabetes Mellitus of American Diabetes Association menerbitkan klasifikasi baru
Diabetes Mellitus yakni sebagai berikut:
2. Diabetes Mellitus tipe 2 atau Non Insulin Dependent Diabetes Mellitus
(NIDDM).
2.3.2 Diabetes Mellitus tipe 1/ Insulin Dependent Diabetes Mellitus
Pada tipe ini, kekurangan insulin terjadi secara absolut dimana pankreas tidak
menghasilkan insulin atau menghasilkan insulin dalam jumlah yang tidak memadai. Hal ini terjadi akibat sel β pankreas dihancurkan oleh proses autoimun pada orang -orang yang memiliki predisposisi secara genetis. Pada tipe ini glukosa banyak hilang
melalui urine dan glukosa pada darah tidak dapat dipakai sehingga mengakibatkan
banyak kalori yang hilang dan berat badan pasien menurun walaupun ia banyak
makan.
Gambaran klinis, pasien umumnya kurus dan memiliki gejala-gejala poliuria,
polidipsia, penurunan berat badan, cepat lelah dan terdapat infeksi (abses, infeksi
jamur misalnya kandidiasis). Ketoasisidosis dapat terjadi disertai dengan rasa mual,
mengantuk, dan takipnea. Pasien membutuhkan insulin (Davey, 2006) .
2.3.3 Diabetes Mellitus tipe 2/ Non Insulin Dependent Diabetes Mellitus
Pada tipe ini, kekurangan insulin terjadi secara relatif dimana pankreas menghasilkan
insulin dalam jumlah normal, tetapi tidak efektif. Gambaran klinis sekitar 80% pasien
memiliki kelebihan berat badan dan 20% pasien telah mengalami komplikasi seperti
penyakit jantung iskemik, penyakit serebrovaskular, gagal ginjal, ulkus pada kaki dan
gangguan penglihatan. Pasien dapat juga datang dengan poliuria dan polidipsia yang
timbul perlahan-lahan. Pasien dengan tipe ini biasanya ditangani dengan pengaturan
BAB 3
ANALISIS DAN PERANCANGAN
3.1 Analisis Sistem
Analisis sistem diperlukan untuk mengetahui permasalahan dan kebutuhan yang
diperlukan dalam pembangunan sistem. Analisis terdiri dari 2 (dua) bagian yaitu
analisis data sistem dan analisis komponen sistem.
3.1.1 Analisis Data Sistem
Dalam membangun sistem diperlukan beberapa data yaitu:
1. Data Pasien
Data Pasien berisi berisi IdPasien, Nama, Alamat, dan Jenis Kelamin
2. Data Metode Sugeno
Data yang diperlukan dalam metode sugeno yaitu data nilai umur, Glukosa
Darah Puasa, Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2
Jam PP, HbA1c, HDL, Trigliserida dan Insulin.
3.1.2 Analisis Komponen Sistem
Sistem pendukung keputusan yang akan dibuat terdiri dari 3 buah subsistem yaitu
sebagai berikut:
2. Subsistem Manajemen Basis Model (Model Base Management Subsystem)
3. Subsistem Perangkat Lunak Penyelenggara Dialog (Dialog Generation and
Management Software)
3.1.2.1 Subsistem Manajemen Database
1. Diagram Aliran Data
Diagram Aliran Data/Data Flow Diagram (DFD) adalah alat yang biasa dipakai
untuk mendokumentasi proses dalam sistem atau sebuah teknis grafis yang
menggambarkan aliran informasi dan transformasi yang diaplikasikan pada saat
data bergerak dari input menjadi output. Gambar 3.1 menggambarkan diagram
aliran data dari sistem yang akan dibuat.
Pengguna
Gambar 3.1 Diagram Konteks DFD
Penjelasan proses diagram konteks sistem pendukung keputusan penentuan penyakit
Diabetes Mellitus dengan metode Sugeno adalah sebagai berikut:
a. Proses
Nama Proses : Sistem Pendukung Keputusan Penentuan Penyakit Diabetes Mellitus dengan Metode Sugeno
Keterangan : Proses penegakan diagnosis penyakit diabetes berdasarkan nilai hasil pemeriksaan laboratorium yang diproses dengan metode Sugeno.
b. Arus Data
kelamin
- Hasil pemeriksaan berupa idpasien, Glukosa Darah Puasa (GDP),
Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.
Keluaran : - Hasil diagnosis - Laporan
c. Entitas Luar
Nama Entitas : Pengguna
Masukan : - Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin
- Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP),
Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.
Keluaran : Hasil diagnosis dan Laporan
Keterangan : Merupakan bagian yang mengontrol dan mempergunakan sistem.
Proses yang ada pada diagram konteks dapat dipecah lagi menjadi
proses-proses yang lebih kecil dan lengkap dalam DFD level 0. Diagram untuk DFD level 0
dapat dilihat pada Gambar 3.2 di bawah ini.
Penjelasan proses DFD level 0 Sistem pendukung keputusan penentuan penyakit Diabetes
a. Proses 1.0
Nama Proses : Olah data pasien
Masukan : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.
Keluaran : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.
Keterangan : Proses untuk mengolah data pasien.
b. Proses 2.0
Nama Proses : Olah hasil pemeriksaan
Masukan : Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP), Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah
jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.
Keluaran : Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP),
Glukosa Plasma Puasa, Glukosa Plasma Tidur , Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.
Keterangan : Mengolah data hasil pemeriksaan seperti input dan delete data
c. Proses 3.0
Nama Proses : Proses Metode Sugeno
Masukan : Data hasil pemeriksaan berupa Glukosa Darah Puasa (GDP),
Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2
jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.
Keluaran : Data hasil pemeriksaan berupa hasil diagnosis.
Keterangan : Proses mengolah variabel penentu penyakit Diabetes Mellitus dengan metode Sugeno.
d. Proses 4.0
Nama Proses : Cetak Laporan
Masukan : Data pasien dan hasil pemeriksaan Keluaran : Laporan
Proses yang ada pada diagram level 0 DFD dapat dipecah lagi menjadi
proses-proses yang lebih jelas ke dalam diagram level 1 DFD. Diagram 1.0 dapat dilihat pada
Gambar 3.3 di bawah ini.
Pengguna
Gambar 3.3 Diagram 1.0 atau DFD Level 1
Penjelasan proses diagram 1.0 Sistem pendukung keputusan penentuan penyakit
Diabetes Mellitus dengan metode Sugeno adalah sebagai berikut:
a. Proses 1.1
Nama Proses : Input data pasien
Masukan : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.
Keluaran : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.
Keterangan : Memasukkan data pasien dan disimpan pada tabel pasien.
b. Proses 1.2
Nama Proses : Delete data pasien
Masukan : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.
Keterangan : Menghapus data pasien dari tabel pasien.
Proses yang ada pada diagram level 0 DFD dapat dipecah lagi menjadi
proses-proses yang lebih jelas ke dalam diagram level 1 DFD. Diagram 2.0 dapat dilihat pada
Gambar 3.4 di bawah ini.
Pengguna
Penjelasan proses diagram 2.0 sistem pendukung keputusan penentuan penyakit
Diabetes Mellitus dengan metode Sugeno adalah sebagai berikut:
a. Proses 2.1
Nama Proses : Input data hasil pemeriksaan
Masukan : Hasil pemeriksaan berupa id pasien,Glukosa Darah Puasa (GDP), Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.
Keluaran : Hasil pemeriksaan berupa id pasien,Glukosa Darah Puasa (GDP), Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.
Keterangan : Memasukkan data hasil pemeriksaan dan disimpan pada tabel periksa.
Nama Proses : Delete data hasil pemeriksaan
Masukan : Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP), Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin dan hasil diagnosis.
Keluaran : Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP), Glukosa Plasma Puasa, Glukosa Plasma Tidur , Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin dan hasil diagnosis.
Keterangan : Menghapus data pasien dari tabel periksa.
Proses yang ada pada diagram level 0 DFD dapat dipecah lagi menjadi
proses-proses yang lebih jelas ke dalam diagram level 1 DFD. Diagram 3.0 dapat dilihat pada
gambar 3.5 di bawah ini.
Pengguna
Gambar 3.5 Diagram 3.0
Penjelasan proses diagram 3.0 sistem pendukung keputusan penentuan penyakit
Diabetes Mellitus dengan metode Sugeno adalah sebagai berikut:
Nama Proses : Proses input variabel fuzzy
Masukan : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin
Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP),
Glukosa Plasma Puasa, Glukosa Plasma Tidur Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.
Keluaran : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin
Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP),
Glukosa Plasma Puasa, Glukosa Plasma Tidur Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.
Keterangan : Memasukkan variabel fuzzy ke dalam proses Sugeno.
b. Proses 3.2
Nama Proses : Proses pembentukan himpunan fuzzy
Masukan : Data pasien berupa umur dan hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP), Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin
Keluaran : derajat keanggotaan
Keterangan : Memasukkan variabel fuzzy ke dalam himpunan fuzzy.
c. Proses 3.3
Nama Proses : Proses implikasi Masukan : derajat keanggotaan Keluaran : predikat aturan
Keterangan : Menentukan predikat aturan dari aturan-aturan.
d. Proses 3.4
Nama Proses : Proses defuzifikasi Masukan : predikat aturan Keluaran : hasil diagnosis
2. Kamus Data
Kamus data adalah suatu daftar data elemen yang terorganisir dengan defenisi
yang tetap dan sesuai dengan sistem sehingga pengguna dan analis sistem
mempunyai pengertian yang sama tentang input, output dan komponen data store.
Kamus data ini berguna pada tahapan implementasi sistem. Berikut kamus data
yang akan dipergunakan pada sistem:
Tabel 3.1 Kamus Data Pasien
No Field Tipe data Panjang Keterangan
1 IdPasien Char 10 Id pasien sebagai primary key
2 Nama Char 30 Nama Pasien
3 Umur Integer - Umur pasien
4 Alamat Char 30 Tempat tinggal pasien
5 Jenis_Kelamin Char 15 Jenis kelamin pasien
Tabel 3.2 Kamus Data Periksa
No Field Tipe data Panjang Keterangan
1 IdPasien Alpha 10 Id pasien sebagai primary key
2 GDP Integer - Nilai glukosa darah puasa
3 GPP Integer Nilai glukosa plasma puasa
4 GPT Integer - Nilai glukosa plasma tidur
5 GD Integer - Nilai glukosa darah 2 jam PP
No Field Tipe data Panjang Keterangan
7 HDL Integer - Nilai HDL
8 Trigliserida Integer Nilai Trigliserida
9 Insulin Integer - Nilai insulin
10 Hasil_Pemeriksaan Char 30 Hasil Diagnosis
3. Entity Relationship Diagram (ERD)
ERD merupakan suatu model untuk menjelaskan hubungan antar data dalam basis
data berdasarkan objek-objek dasar data yang mempunyai hubungan /relasi.
pasien
3.1.2.2 Subsistem Manajemen Basis Model
Model yang dipakai dalam Perancangan Aplikasi Sistem Pendukung Keputusan
Penentuan Penyakit Diabetes Mellitus adalah model logika fuzzy dengan metode
Sugeno. Gambar 3.7 merupakan gambaran langkah-langkah yang digunakan dalam
Mulai
Input data variabel dan himpunan variabel fuzzy
Menentukan derajat keanggotaan himpunan variabel fuzzy
Menghitung predikat aturan
Defuzzifikasi
selesai Output hasil keputusan
Gambar 3.7 Flowchart Metode Sugeno
Penjelasan flowchart gambar 3.7 dalam penerapan metode Sugeno dalam
sistem yang akan dirancang sebagai berikut:
1. Input data variabel dan himpunan variabel fuzzy
Data variabel yang diperlukan dalam sistem sebagai inputan dalam metode Sugeno
adalah hasil pemeriksaan laboratorium. Adapun variabel-variabel tersebut
merupakan variabel-variabel indikator penegakan diagnosis Diabetes Mellitus yaitu
kadar glukosa darah puasa, kadar glukosa darah 2 jam PP, kadar glukosa plasma
puasa, kadar glukosa darah saat tidur, kadar insulin, kadar HbA1c, kadar kolesterol
HDL, kadar trigliserida dan umur. Nilai variabel-variabel tersebut dimasukkan ke