7 2.1 Landasan Teori
2.1.1 Kecerdasan Buatan
Kecerdasan buatan (artificial intelligence) adalah salah satu cabang ilmu pengetahuan perpaduan antara science dan engineering. Kecerdasan buatan pada dasarnya bertumpu pada dua dimensi yakni proses berpikir dan penalaran untuk bertindak atau berperilaku seperti manusia (Russell dan Norvig, 2010: 5).
Kecerdasan buatan sangatlah berbeda dengan program konvensional sebab kecerdasan buatan mampu melakukan penalaran terhadap data yang tidak komplit dan mempelajari serta beradaptasi pada lingkungannya. Dalam kecerdasan buatan, sebuah simbol dapat berupa kalimat, kata atau angka yang digunakan untuk merepresentasikan obyek, proses, dan hubungannya. Obyek dapat berupa manusia, ide, konsep atau pernyataan dari suatu fakta. Proses digunakan untuk memanipulasi simbol untuk menghasilkan saran atau solusi. Kemampuan penalaran dan pengambilan keputusan secara tepat membuat kecerdasan buatan berbeda dari pemrograman konvensional.
2.1.1.1 Konsep Kecerdasan Buatan
Ada beberapa konsep yang harus dipahami dalam kecerdasan buatan antara lain (Russell dan Norvig, 2010: 8):
1. Turing test – Metode Pengujian Kecerdasan
Turing test merupakan sebuah metode pengujian kecerdasan yang dibuat oleh Alan Turing. Proses uji ini melibatkan seorang penanya (manusia) dan dua obyek yang ditanyai. Yang satu adalah seorang manusia dan satunya adalah sebuah mesin yang akan diuji.
2. Pemrosesan Simbolik
Komputer semula didesain untuk melakukan pemrosesan numerik. Sifat penting dari kecerdasan buatan adalah bahwa kecerdasan buatan merupakan bagian dari ilmu komputer yang melakukan proses secara Simbolik dan Non-algoritmik dalam penyelesaian masalah.
3. Heuristic
Heuristic merupakan suatu strategi untuk melakukan proses pencarian (search) ruang problem secara selektif, yang memandu proses pencarian yang kita lakukan sepanjang jalur yang memiliki kemungkinan sukses paling besar. 4. Penarikan Kesimpulan (Inferencing)
Kecerdasan buatan mencoba membuat mesin memiliki kemampuan berpikir atau mempertimbangkan (reasoning). Kemampuan berpikir (reasoning) termasuk didalamnya proses penarikan kesimpulan (inferencing) berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristic atau pencarian lainnya.
5. Pencocokan Pola (Pattern Matching)
Kecerdasan Buatan bekerja dengan metode pencocokan pola (Pattern Matching) yang berusaha untuk menjelaskan objek, kejadian (event) atau proses, dalam hubungan logika atau komputasional.
2.1.1.2 Lingkup Kecerdasan Buatan pada Aplikasi
Pesatnya perkembangan teknologi informasi dan komunikasi menyebabkan adanya perluasan lingkup kecerdasan buatan pada aplikasi untuk mempermudah kehidupan manusia. Tuntutan terhadap kecerdasan kini adalah kemampuan untuk belajar atau mengerti dari pengalaman, memahami pesan yang kontradiktif dan ambigu, menanggapi dengan cepat dan baik atas situasi yang baru, menggunakan penalaran dalam memecahkan masalah serta menyelesaikan dengan efektif (Poole dan MackWorth, 2010:6).
Lingkup utama dalam kecerdasan buatan adalah: 1. Sistem Pakar (Expert System)
Disini komputer digunakan sebagai sarana untuk menyimpan pengetahuan para pakar. Dengan demikian komputer akan memiliki keahlian untuk menyelesaikan permasalahan dengan meniru keahlian yang dimiliki oleh pakar.
2. Pengolahan Bahasa Alami (Natural Language Processing)
Dengan pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan komputer dengan menggunakan bahasa sehari-hari.
Merupakan algoritma adaptif yang memiliki kemampuan untuk belajar, umumnya digunakan dalam mesin pencarian dan optimalisasi.
4. Intelligent Computer-Aided Instruction
Komputer dapat digunakan sebagai tutor yang dapat melatih dan sebagai media belajar-mengajar intuitif.
5. Computer Vision
Interpretasi serta representasi gambar atau objek-objek tampak melalui komputer.
6. Robotika & Sistem Sensor (Robotics & Sensory Systems).
7. Neural Network
Mengenai simulasi cara belajar otak manusia pada mesin melalui kombinasi pengenalan pola, penalaran deduktif dan komputasi numeric.
2.1.2 Sistem Pakar
Sistem pakar adalah sistem komputer yang didesain sedemikian rupa sehingga dapat berperan selayaknya pakar untuk menyelesaikan suatu masalah tertentu. Sebuah sistem pakar disebut sebagai sebuah sistem karena didalamnya terdapat beberapa komponen seperti knowledge base, inference mechanisms, explanation facility dan lain sebagainya. Semua komponen yang berbeda ini saling berinteraksi satu sama lainnya dalam simulasi proses penalaran untuk memecahkan masalah dengan pengetahuan pakar yang dimiliki (Poole dan MackWorth, 2010:24).
Sistem pakar dianggap sebagai salah satu representasi dalam pengetahuan komputer berdasarkan komponen dari keterampilan dan pengalaman pakar yang disusun sedemikian rupa hingga membentuk rangkaian peraturan dalam sebuah sistem yang dapat menawarkan pemecahan masalah secara cerdas. Salah satu kelebihan akan kemampuan dari sistem pakar itu sendiri didapat dari permintaan untuk membenarkan penalaran secara langsung sehingga dapat langsung diterapkan dalam sebuah penyelidikan (Kendall dan Creen, 2007:32).
Seorang ahli selain memiliki latar belakang pengetahuan spesialis, juga mengandalkan pengalaman yang diperolehnya selama praktisi. Oleh karena itu, masalah penalaran untuk mencapai sebuah kesimpulan serta perilaku pemecahan
tidak dapat dilakukan dengan menggunakan algoritma konvensional yang sederhana. Pengalaman dapat dianggap sebagai semacam pengetahuan khusus diciptakan oleh interaksi yang kompleks peraturan dan keputusan. Dengan demikian sistem pakar disebut juga sebagai Knowledge Based Rules (Hemmer, 2008:27).
2.1.2.1 Sejarah
Sistem pakar mulai dikembangkan pada tahun 1960 oleh Artificial Intelligence Corporation. Penelitian artificial intelligence ini didominasi oleh suatu keyakinan bahwa nalar yang digabung dengan komputer canggih akan menghasilkan prestasi pakar atau bahkan manusia super. General Purpose Problem-Solver (GPS) merupakan sistem pakar yang pertama kali muncul dan dikembangkan oleh Allen Newell, John Cliff Shaw, dan Herbert Alexander Simon dari Logic Theorist. GPS sendiri merupakan sebuah predecessor menuju sistem pakar.
Pada pertengahan tahun 1960-an, terjadi pergantian dari program serba bisa (general purpose) ke program yang spesialis (special-purpose) dengan dikembangkannya DENDRAL oleh E. Feigenbaum dari Universitas Stanford. Sistem pakar untuk melakukan diagnosis kesehatan telah dikembangkan sejak pertengahan tahun 1970. Sistem pakar untuk melakukan diagnosis pertama dibuat oleh Bruce Buchanan dan Edward Shortliffe di Stanford University. Sistem ini diberi nama MYCIN (Russell dan Norvig, 2010: 16).
MYCIN adalah aturan berbasis sistem pakar yang memberikan saran terapi untuk jenis tertentu dari penyakit menular. MYCIN merupakan program interaktif yang melakukan diagnosis penyakit meningitis dan infeksi bakteri serta memberikan rekomendasi terapi antimikroba. MYCIN mampu memberikan penjelasan atas penalarannya secara detail. Meskipun MYCIN tidak pernah digunakan secara rutin oleh dokter, MYCIN merupakan referensi yang bagus dalam penelitian kecerdasan buatan yang lain.
2.1.2.2 Struktur dan Elemen
Empat komponen utama sistem pakar menurut Hemmer (2008:29) yaitu basis pengetahuan (knowledge base), working memory, inference engine dan user interface.
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui. Menurut Hemmer (2008:29), basis pengetahuan merupakan representasi dari seorang pakar, yang kemudian dapat dimasukkan kedalam bahasa pemrograman khusus untuk kecerdasan buatan (misalnya PROLOG atau LISP) atau shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL, dsb.)
2. Working Memory
Working memory terdiri atas semua fakta yang diperlukan, dimana fakta-fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Working memory menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Working memory digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan.
3. Inference Engine
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian.
Strategi penalaran terdiri dari strategi penalaran pasti (exact reasoning) dan strategi penalaran tak pasti (inexact reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya.
Terdapat ada dua teknik utama yang digunakan dalam inference engine untuk menguji aturan, yaitu penalaran maju (forward chaining) dan penalaran mundur (backward chaining) (Poole dan MackWorth, 2010:33).
a. Forward Chaining
Pada dasarnya menggunakan pola data driven, artinya sistem dimulai dengan memberikan inisialisasi awal elemen dalam working memory dan terus menerapkan aturan sampai tidak ada aturan yang dapat diterapkan atau tujuan telah tercapai. Akibatnya, sistem ini bergerak maju dari kondisi saat ini menuju goal state. Tugas-tugas untuk perencanaan, desain dan sintesis pada umumnya paling cocok untuk forward chaining.
b. Backward Chaining
Backward chaining menggunakan pola goal driven. Backward chaining memecah sebuah masalah menjadi sub-masalah dan pemecahan masing-masing dari tiap masalah tersebut. Artinya, tujuan direduksi menjadi sub-tujuan dan setiap sub-tujuan berkurang jauh, dan seterusnya, sampai mereka dipecahkan secara langsung.
4. User Interface
Fungsi dari user interface adalah untuk menyajikan pertanyaan dan informasi kepada operator dan untuk memasok respon operator terhadap inference engine (Shneiderman dan Plaisant, 2010:56). Setiap nilai pengembangan alat untuk sistem pakar dimasukkan oleh pengguna harus diterima dan diinterpretasikan oleh user interface.
User interface menginformasikan pengguna segala bentuk hasil proses dari sistem pakar, merepresentasikannya dan mengkonfirmasikan kepada pengguna bahwa apabila terjadi kesalahan maka harus diperbaiki.
2.1.2.3 Modul Penyusunan
Suatu sistem pakar disusun oleh tiga modul utama (Poole dan MackWorth, 2010:7), yaitu:
1. Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode)
Sistem berada pada modul ini, pada saat ia menerima pengetahuan dari pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan digunakan untuk pengembangan sistem, dilakukan dengan bantuan knowledge engineer. Peran knowledge engineer adalah sebagai penghubung antara suatu sistem pakar dengan pakarnya.
Pada saat sistem berada pada posisi memberikan jawaban atas permasalahan yang diajukan oleh user, sistem pakar berada dalam modul konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.
3. Modul Penjelasan (Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh sistem (bagaimana suatu keputusan dapat diperoleh).
2.1.2.4 Teknik Representasi Pengetahuan
Representasi pengetahuan adalah suatu teknik untuk merepresentasikan basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data yang lain (Kendall dan Creen, 2007: 45). Teknik ini membantu knowledge engineer dalam memahami struktur pengetahuan yang akan dibuat sistem pakarnya.
Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan dalam pengembangan suatu sistem pakar, yaitu :
1. Rule-Based Knowledge
Pada penalaran berbasis aturan, pengetahuan direpresentasikan dengan menggunakan aturan berbentuk: IF-THEN. Bentuk ini digunakan apabila dimiliki sejumlah pengetahuan pakar pada suatu permasalahan tertentu, dan si pakar dapat menyelesaikan masalah tersebut secara berurutan. Disamping itu bentuk ini juga digunakan apabila dibutuhkan penjelasan tentang jejak (langkah-langkah) pencapaian solusi.
2. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hierarki atau jaringan frame
3. Object-Based Knowledge
Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek. Obyek adalah elemen data yang terdiri dari data dan metode serta proses.
4. Case-Based Reasoning
solusi-solusi yang telah dicapai sebelumnya, kemudian akan diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta yang ada). Bentuk ini digunakan apabila user menginginkan untuk tahu lebih banyak lagi pada kasus-kasus yang hampir sama.
2.1.3 Decision Tree
Decision tree adalah alat pendukung keputusan yang menggunakan struktur pohon hierarkis untuk mengklasifikasikan kelas berdasarkan serangkaian pertanyaan (Kendall dan Creen, 2007: 57).
Menurut Poole dan Mackworth (2010:137), decision tree adalah representasi sederhana dalam model mengklasifikasi. Dalam hal ini, decision tree akan memprediksi dan memberikan output berupa hasil klasifikasi dari input pengguna.
Decision tree terdiri dari 3 jenis node: a. Node keputusan - umumnya diwakili oleh kotak b. Node kesempatan - umumnya diwakili oleh lingkaran c. Node akhir - umumnya diwakili oleh segitiga
Sebagai alat pendukung keputusan, decision tree dapat memberikan keputusan yang efektif karena mempunyai beberapa keuntungan seperti:
- Mudah untuk dipahami dan ditafsirkan.
- Memiliki nilai walau hanya dengan data yang sedikit.
- Dapat dipadukan dengan teknik pengambilan keputusan lainnya. - Membentangkan semua masalah sehingga semua kemungkinan dapat
diklasifikasikan.
- Memungkinkan untuk menganalisa dalam mengambil keputusan mengenai kemungkinan dari alternatif.
- Menyediakan suatu kerangka kerja untuk mengukur hasil dari nilai dan kemungkinan untuk mencapai keputusan.
- Membantu untuk membuat keputusan yang terbaik berdasarkan informasi yang ada.
2.1.4 Thyroid
Thyroid adalah kelenjar endokrin manusia berbentuk menyerupai kupu-kupu yang terletak di bagian leher (De Groot dan Jameson, 2013). Lazimnya
dikenal sebagai kelenjar gondok. Kelenjar kecil yang memiliki peran besar ini umumnya tidak kelihatan sehingga sering diabaikan.
Thyroid sendiri diatur oleh kelenjar lain yang berlokasi di otak, disebut pituitari. Pada gilirannya, pituitari diatur sebagian oleh hormon thyroid yang beredar dalam darah (suatu efek umpan balik dari hormon thyroid pada kelenjar pituitari) dan sebagian oleh kelenjar lain yang disebut hipothalamus, juga suatu bagian dari otak (De Groot dan Jameson, 2013).
Hipothalamus melepaskan suatu hormon yang disebut thyrotropin releasing hormone (TRH), yang mengirim sebuah signal ke pituitari untuk melepaskan thyroid stimulating hormone (TSH) (De Groot dan Jameson, 2013). Pada gilirannya, TSH mengirim sebuah signal ke thyroid untuk melepas hormon-hormon thyroid. Jika aktivitas yang berlebihan dari yang mana saja dari tiga kelenjar-kelenjar ini terjadi, suatu jumlah hormon-hormon thyroid yang berlebihan dapat dihasilkan, dengan demikian berakibat pada hyperthyroid .
Angka atau kecepatan produksi hormon thyroid dikontrol oleh kelenjar pituitari. Jika tidak ada cukup jumlah hormon thyroid yang beredar dalam tubuh untuk mengizinkan fungsi yang normal, pelepasan TSH ditingkatkan oleh pituitari dalam suatu usahanya untuk menstimulasi thyroid untuk memproduksi lebih banyak hormon thyroid. Sebaliknya, ketika ada suatu jumlah berlebihan dari hormon thyroid yang beredar, pelepasan TSH dikurangi ketika pituitari mencoba untuk mengurangi produksi hormon thyroid.
Hormon-hormon thyroid diproduksi oleh kelenjar thyroid. Kelenjar thyroid bertempat pada bagian bawah leher, dibawah jakun. Kelenjar membungkus sekeliling saluran udara (trachea) dan mempunyai suatu bentuk yang menyerupai kupu-kupu yang dibentuk oleh dua sayap (lobes) dan dilekatkan oleh suatu bagian tengah (isthmus).
Kelenjar thyroid mengambil yodium dari darah (yang kebanyakan datang dari makanan-makanan seperti seafood, roti, dan garam) dan menggunakannya untuk memproduksi hormon thyroid . Dua hormon-hormon thyroid yang paling penting adalah thyroxine (T4) dan triiodothyronine (T3) mewakili 99.9% dan 0.1% dari masing-masing hormon-hormon thyroid. Hormon yang paling aktif secara biologis sebenarnya adalah T3. Sekali dilepas
dari kelenjar thyroid kedalam darah, suatu jumlah yang besar dari T4 dirubah ke T3 - hormon yang lebih aktif yang mempengaruhi metabolisme sel-sel.
2.1.4.1 Anatomi Thyroid
Kelenjar thyroid merupakan organ yang bentuknya seperti kupu-kupu dan terletak pada leher bagian bawah di sebelah anterior trakea. Kelenjar ini merupakan kelenjar endokrin yang paling banyak vaskularisasinya, dibungkus oleh kapsula yang berasal dari lamina pretracheal fascia profunda. Kapsula ini melekatkan thyroid ke laring dan trakea (De Groot dan Jameson, 2013). Kelenjar ini terdiri atas dua buah lobus lateral yang dihubungkan oleh suatu jembatan jaringan isthmus thyroid yang tipis dibawah kartilago krikoidea di leher, dan kadang-kadang terdapat lobus piramidalis yang muncul dari isthmus di depan laring.
Kelenjar thyroid terletak di leher depan vertebra cervicalis 5 sampai thoracalis 1, terdiri dari lobus kiri dan kanan yang dihubungkan oleh isthmus. Setiap lobus berbentuk seperti buah pir, dengan apeks di atas linea oblique lamina cartilage thyroidea, dengan basis di bawah cincin trakea 5 atau 6. Kelenjar thyroid mempunyai panjang ± 5 cm, lebar 3 cm, dan dalam keadaan normal kelenjar thyroid pada orang dewasa beratnya antara 10 sampai 20 gram. Aliran darah kedalam thyroid per gram jaringan kelenjar sangat tinggi (± 5 ml/menit/gram thyroid).
(sumber: Endocrinology Adult and Pediatric: The Thyroid Gland – De Groot dan Jameson, 2013)
2.1.4.2 Hormon Kelenjar Thyroid a. Triiodothyronine
Hormon triiodothyronine yang merupakan asam amino dengan sifat unik yang mengandung molekul iodium yang terikat pada asam amino ini hanya mengandung tiga atom iodium saja dalam setiap molekulnya. Hormon tiroksin juga di bentuk di jaringan perifer melalui deiodinasi T4. Hormon triiodothyronine (T3) lebih aktif daripada hormon thyroxine (T4). T4 dan T3 disintesis di dalam koloid melalui iodinasi dan kondensasi molekul-molekul tirosin yang terikat pada linkage peptida dalam triglobulin (De Groot dan Jameson, 2013). Kedua hormon ini tetap terikat pada triglobulin sampai disekresikan. Sewaktu disekresi, koloid diambil oleh sel-sel thyroid, ikatan peptida mengalami hidrolisis, dan T3 serta T4 bebas dilepaskan ke dalam kapiler.
Triiodotironin mempunyai afinitas yang lebih kecil terhadap protein pengikat TBG dibandingkan dengan tiroksin, menyebabkan triiodotironin lebih mudah berpindah ke jaringan sasaran. Faktor ini yang merupakan alasan mengapa aktivitas metabolik triiodotironin lebih besar.
b. Thyroxine
Hormon tiroksin (T4) mengandung empat atom iodium dalam setiap molekulnya. Hormon ini disintesis dan disimpan dalam keadaan terikat dengan protein di dalam sel-sel kelenjar thyroid; pelepasannya ke dalam aliran darah terjadi ketika diperlukan. Kurang lebih 75% hormon thyroid terikat dengan globulin pengikat-protein (TBG; thyroid-binding globulin). Hormon thyroid yang lain berada dalam keadaan terikat dengan albumin dan prealbumin pengikat thyroid. Bentuk T4 yang terdapat secara alami dan turunannya dengan atom karbon asimetrik adalah isomer L. D-Tiroksin hanya memiliki sedikit aktivitas bentuk L (De Groot dan Jameson, 2013).
2.1.4.3 Jenis Penyakit Thyroid a. Hyperthyroid
Hyperthyroid adalah suatu kondisi dimana suatu kelenjar thyroid yang terlalu aktif menghasilkan suatu jumlah yang berlebihan dari hormon-hormon thyroid yang beredar dalam darah (Monaco, 2012).
Hyperthyroid direkomendasikan oleh beberapa tanda-tanda dan gejala-gejala; bagaimanapun, pasien-pasien dengan penyakit yang ringan biasanya tidak mengalami gejala-gejala. Pada pasien-pasien yang lebih tua dari 70 tahun, tanda-tanda dan gejala-gejala yang khas mungkin juga tidak terdapat. Pada umumnya, gejala-gejala menjadi lebih jelas ketika derajat hyperthyroid meningkat. Gejala-gejala biasanya berkaitan dengan suatu peningkatan kecepatan metabolisme tubuh.
Gejala-gejala umum termasuk (Monaco, 2012): - Keringat berlebihan
- Ketidaktoleranan panas
- Pergerakan-pergerakan usus besar yang meningkat - Gemetaran
- Kegelisahan; agitasi - Denyut jantung yang cepat - Kehilangan berat badan - Kelelahan
- Konsentrasi yang berkurang
- Aliran menstrual yang tidak teratur dan sedikit
Pada pasien-pasien yang lebih tua, irama-irama jantung yang tidak teratur dan gagal jantung dapat terjadi. Pada bentuk yang paling parahnya, hyperthyroid yang tidak dirawat mungkin berakibat pada thyroid storm, suatu istilah yang mengacu pada kondisi yang melibatkan tekanan darah tinggi, demam, dan gagal jantung. Perubahan-perubahan mental, seperti kebingungan.
Kelebihan hormon thyroid akibat hyperthyroid menyebabkan penebalan ventrikel kiri, yang berhubungan dengan peningkatan risiko gagal jantung dan kematian yang berhubungan dengan jantung. Kondisi
kardiomiopati dilatasi, gagal jantung kanan dengan hipertensi pulmonal, disfungsi diastolik dan atrial fibrilasi.
Peningkatan laju penuaan tulang pun terjadi pada kasus hyperthyroid kronis, mengakibatkan berkurangnya kepadatan tulang dan keropos.
b. Grave’s Disease
Grave’s disease adalah penyakit autoimun yang menyebabkan aktivitas kelenjar thyroid menyekresi hormon yang berlebihan. Penyakit autoimun merupakan kondisi dimana sistem imun menyerang dan menghancurkan jaringan sehat pada tubuh manusia (National Institutes of Health, 2013).
Grave’s disease, dinamai berdasarkan Robert J. Graves, MD, sekitar tahun 1830-an adalah penyakit autoimun akibat auto-antibodi yang berlebihan. Thyroid-stimulating immunoglobulin (TSI) mengikat dan mengaktifkan reseptor thyrotropin, menyebabkan kelenjar thyroid untuk tumbuh dan folikel thyroid meningkatkan sintesis hormon thyroid.
Pada grave’s disease, sistem imun memberi signal pada kelenjar thyroid untuk menghasilkan lebih banyak hormon daripada yang dibutuhkan oleh tubuh manusia. Grave’s disease banyak dijumpai di perempuan berumur duapuluh ke atas. Namun, grave’s disease dapat saja menyerang siapa saja, termasuk laki-laki.
Pada beberapa pasien, penyakit Grave’s merupakan gejala awal dari proses autoimun yang lebih luas, yang dapat menyebabkan disfungsi dari beberapa organ. Penyakit Grave’s dikaitkan dengan vitiligo, diabetes mellitus type I, kekurangan adrenal autoimun, sclerosis, sindrom Sjögren dan rheumatoid arthritis.
Jika tidak diobati, penyakit Grave’s dapat menyebabkan thyrotoxicosis parah. Suatu kondisi bernama thyroid storm yang mengancam nyawa dapat terjadi. Jika berlangsung dalam waktu yang lama dapat menyebabkan katabolisme tulang dan otot serta komplikasi jantung.
Gejala-gejala umum termasuk (Monaco, 2012): - Penurunan berat badan secara tiba-tiba. - Gelisah.
- Penglihatan ganda. - Iritasi mata.
- Sensitif dengan cahaya.
- Mata yang terlihat seolah-olah melotot (exophthalmos).
c. Plummer’s Disease
Plummer’s Disease atau yang dikenal juga sebagai toxic nodular goiter merupakan penyakit kelenjar thyroid yang ditandai dengan pembengkakan kelenjar thyroid (goiter). Berbeda dengan de quervain’s thyroiditis, pembengkakan di plummer’s disease diakibatkan oleh pertumbuhan nodul-nodul liar. Nodul-nodul inilah yang nantinya memproduksi terlalu banyak hormon thyroid (National Institutes of Health, 2013).
Plummer’s Disease umumnya berasal dari goiter yang dibaikan. Sering terjadi pada orang lanjut usia, dengan resiko terbesar ditemukan pada wanita dan lanjut usia berumur 60 tahun keatas. Penyakit ini hampir tidak pernah dijumpai di anak-anak.
Plummer’s disease merupakan kelenjar thyroid yang mengalami percepatan aktivitas menyekresi hormon. Nama penyakit ini diambil dari Henry Plummer pada tahun 1913 yang pertama kali mempelajarinya. Penyakit ini menempati urutan kedua setelah Grave’s disease di negara barat. Plummer’s disease menyerang banyak menyerang orang lanjut usia yang mengalami defisiensi iodine.
Penderita Plummer’s disease yang berkelanjutan dapat mengakibatkan masalah yang berhubungan dengan hyperthyroid dan masalah yang berkaitan dengan pertumbuhan nodul pada kelenjar thyroid. Masalah yang ditimbulkan akibat pertumbuhan nodul, mencakup dyspnea (sesak napas), suara serak, dan dysphagia (kesulitan menelan).
Walaupun termasuk ke dalam aktivitas produksi hormon thyroid yang berlebihan, namun gangguan pada mata seperti yang terjadi di grave’s disease tidak dijumpai di plummer’s disease. Karena pasien penyakit ini kebanyakan adalah lanjut usia, maka harus diperhatikan dampak gejala pada jantung.
- Penurunan berat badan secara tiba-tiba. - Peningkatan denyut jantung (palpitation). - Penambahan nafsu makan.
- Diare.
- Getaran pada jari-jari.
- Pembengkakan pada leher (goiter).
d. De Quervain’s Thyroiditis
De Quervain’s Thyroiditis atau yang dikenal juga sebagai thyroiditis sub-akut merupakan penyakit kelenjar thyroid yang ditandai dengan pembengkakan kelenjar thyroid (goiter). Pembengkakan kelenjar thyroid ini dapat terjadi selama beberapa minggu bahkan bulan sebelum kembali normal (National Institutes of Health, 2013).
De Quervain’s thyroiditis atau yang juga dikenal sebagai subacute granulomatous thyroiditis merupakan sumber paling umum penyebab rasa sakit pada kelenjar thyroid. Peradangan pada kelenjar thyroid yang memiliki siklus klinis paling bervariasi. Kebanyakan pasien memiliki rasa sakit di daerah thyroid dan beberapa memiliki gejala sistemik.
Biasanya kondisi ini umumnya sembuh total pada pasien dengan persentase antara 90-95%. Pengobatan yang berkelanjutan tidak dibutuhkan. Pada kebanyakan kasus, pasien merasakan intensitas gejala yang tinggi di awal fase siklus klinis.
Penyebab De Quervain’s Thyroiditis diduga berasal dari infeksi virus, terutama pada mereka yang baru saja sembuh dari infeksi saluran pernapasan atas seperti influenza.
Gejala-gejala umum termasuk (Monaco, 2012): - Penurunan berat badan secara tiba-tiba. - Peningkatan denyut jantung (palpitation). - Gelisah.
- Sulit tidur (insomnia).
- Pembengkakan pada leher (goiter).
- Rasa sakit pada area leher, rahang atau telinga (tender goiter). - Rasa panas pada area leher, rahang atau telinga.
e. Hypothyroid
Hypothyroid adalah suatu kondisi yang dikarakteristikan oleh produksi hormon thyroid yang abnormal rendahnya (Monaco, 2012). Ada banyak kekacauan-kekacauan yang berakibat pada hypothyroid. Kekacauan-kekacauan ini mungkin langsung atau tidak langsung melibatkan kelenjar thyroid. Karena hormon thyroid mempengaruhi pertumbuhan, perkembangan, dan banyak proses-proses sel, hormon thyroid yang tidak memadai mempunyai konsekuensi-konsekuensi yang meluas untuk tubuh.
Hypothyroid yang tidak memperoleh perawatan menyebabkan perkembangan penyakit secara bertahap, memburuknya gejala dan gangguan metabolik lebih lanjut. Pada akhirnya, hypothyroid yang tidak diobati dapat menyebabkan koma atau bahkan kematian. Pada bayi dapat menyebabkan keterbelakangan mental permanen.
Pada kebanyakan pasien, terapi hormon thyroid menunjukkan respon positif dengan menringannya gejala hypothyroid. Dengan pengobatan, angka vital manusia yang terkena dampak sekunder misalnya, tingkat sirkulasi lipid dan kadar prolaktin yang tinggi pun akan membaik.
Gejala-gejala hypothyroid adalah seringkali tak kentara. Mereka merupakan gejala tidak spesifik dan adalah seringkali dihubungkan pada penuaan. Pasien-pasien dengan hypothyroid ringan mungkin tidak mempunyai tanda-tanda atau gejala-gejala. Gejala-gejala umumnya menjadi lebih nyata ketika kondisinya memburuk dan mayoritas dari keluhan-keluhan ini berhubungan dengan suatu perlambatan metabolisme tubuh.
Gejala-gejala umum antara lain (Monaco, 2012): - Kelelahan
- Depresi
- Kenaikkan berat badan yang sedang - Ketidaktoleranan dingin
- Ngantuk yang berlebihan - Rambut yang kering dan kasar
- Sembelit - Kulit kering - Kejang-kejang otot
- Tingkat-tingkat kolesterol yang meningkat - Konsentrasi menurun
- Sakit-sakit dan nyeri-nyeri yang samar-samar - Kaki-kaki yang bengkak
Ketika penyakit menjadi lebih berat, mungkin ada bengkak-bengak sekeliling mata-mata, suatu denyut jantung yang melambat, suatu penurunan temperatur tubuh, dan gagal jantung. Dalam bentuknya yang amat besar, hipothyroid yang berat mungkin menjurus pada suatu koma yang mengancam nyawa (myxedema coma) (Cooper, 2009). Pada seorang yang mempunyai hipothyroid yang berat, suatu myxedema coma cenderung dipicu oleh penyakit-penyakit berat, operasi, stres, atau luka trauma. Kondisi ini memerlukan opname dan perawatan segera dengan hormon-hormon thyroid yang diberikan melalui suntikan.
Pada sisi lain, hipothyroid yang tidak dirawat dapat menjurus pada suatu pembesaran jantung (cardiomyopathy), gagal jantung yang memburuk, dan suatu akumulasi cairan sekitar paru-paru (pleural effusion).
Ketika hypothyroid hadir, tingkat-tingkat darah dari hormon-hormon thyroid dapat diukur secara langsung dan adalah biasanya berkurang. Bagaimanapun, pada hypothyroid awal, tingkat dari hormon-hormon thyroid (T3 & T4) mungkin adalah normal (Cooper, 2009). Oleh karenanya, alat utama untuk mendeteksi hypothyroid adalah pengukuran TSH, thyroid stimulating hormone. Seperti disebutkan lebih awal, TSH dikeluarkan oleh kelenjar pituitari. Jika suatu penurunan hormon thyroid terjadi, kelenjar pituitari bereaksi dengan memproduksi lebih banyak TSH dan tingkat darah TSH meningkat dalam suatu usaha untuk memajukan produksi hormon thyroid. Peningkatan TSH ini sebenarnya dapat mendahului penurunan hormon-hormon thyroid berbulan-bulan atau bertahun-tahun. Jadi, pengukuran TSH harus ditingkatkan pada kasus-kasus hypothyroid .
Jika penurunan hormon thyroid sebenarnya disebabkan oleh suatu kerusakkan dari pituitari atau hipothalamus, maka tingkat-tingkat TSH
rendahnya abnormal. Seperti dicatat diatas, macam dari penyakit thyroid ini dikenal sebagai hypothyroid sekunder. Suatu tes khusus, dikenal sebagai tes TRH, dapat membantu membedakan apakah penyakitnya disebabkan oleh suatu kerusakkan di pituitari atau di hypothalamus (Brent, 2010). Tes ini memerlukan suatu suntikan dari hormon TRH dan dilakukan oleh seorang endocrinologist.
Kerja darah yang disebutkan diatas mengkonfirmasikan diagnosis hypothyroid, namun tidak menunjuk pada suatu penyebab yang mendasarinya. Suatu kombinasi dari sejarah klinis pasien, screening antibodi (seperti disebutkan diatas), dan suatu thyroid scan dapat membantu mendiagnosis persoalan yang mendasari thyroid yang tepat lebih jelas (Brent, 2010). Jika penyebab pituitari atau hipothalamus dicurigai, suatu MRI otak dan studi-studi lain mungkin dibenarkan. Investigasi-investigasi ini harus dibuat pada suatu basis kasus per kasus.
f. Hashimoto Thyroiditis
Hashimoto Thyroiditis atau yang dikenal juga sebagai thyroiditis kronis merupakan penyakit kelenjar thyroid umum sebagai akibat reaksi sistem disfungsi kekebalan yang dapat terjadi pada siapa saja terutama wanita paruh-baya.
Hashimoto thyroiditis ditandai dengan kerusakan sel-sel thyroid oleh berbagai sel dan proses kekebalan terhadap antibodi. Hashimoto thyroiditis adalah salah satu dari jenis penyakit thyroid autoimun (AITDs).
Diagnosis Hashimoto thyroiditis pertama kali dijelaskan oleh Hakaru Hashimoto, seorang ahli bedah Jepang yang bekerja di Berlin, Jerman. Laporannya, yang dipublikasikan pada tahun 1912, didasarkan pada pemeriksaan 4 kasus pasca operasi.
Penyakit ini bermula secara perlahan-lahan. Bahkan pada beberapa kasus dibutuhkan waktu bertahun-tahun sebelum diketahui oleh penderita. Sekitar 5% dari orang dewasa berumur 35 tahun hingga 55 tahun (National Institutes of Health, 2013).
Hashimoto Thyroiditis dijumpai di beberapa kasus langka berhunungan dengan penyakit endokrin lainnya seperti ketidakcukupan
adrenal dan diabetes type 1. Kasus komplikasi seperti demikian disebut juga sebagai type 2 polygrandular autoimmune syndrome (PGA II).
Gejala-gejala umum termasuk (Monaco, 2012): - Penambahan berat badan secara tiba-tiba. - Konstipasi.
- Sakit persendian dan kram pada otot. - Pembengkakan pada leher (goiter).
2.2 Related Works
2.2.1 Journal Reference
2.2.1.1 A Hybrid Decision Support Model to Discover Informative Knowledge in Diagnosing Acute Appendicitis
A Hybrid Decision Support Model to Discover Informative Knowledge in Diagnosing Acute Appendicitis adalah model sistem pakar penunjang keputusan yang dikembangkan oleh lima orang berkebangsaan Korea yaitu Chang SikSon, Byoung KukJang, Suk TaeSeo, Min SooKim & Yoon NyunKim. Hasil penelitian mereka pertama kali diperkenalkan pada BMC Medical Informatics and Decision Making pada tahun 2012.
Penelitian ini bertujuan untuk menemukan kombinasi peraturan yang tepat untuk mengoptimalisasi hasil akurasi. Berdasarkan Chang et al. (2012), usus buntu akut merupakan penyakit yang sering dijumpai di gawat darurat divisi abdominal dengan tingkat kambuh sebesar 7% sepanjang hidup pasien serta pembocoran lambung sebesar 17% hingga 20%. Diagnosis dokter umumnya semata-mata berdasarkan sejarah penyakit yang pernah diderita tanpa representasi statistik secara spesifik. Sehingga suatu model pendeteksi usus buntu akut yang sederhana dan akurat diperlukan untuk menghindari prosedur medis yang tidak diperlukan dan mengidentifikasi jenis terapi yang tepat bagi pasien.
Metode yang digunakan penelitian ini merupakan gabungan analisis statistik dan algoritma decision tree untuk mendeteksi penyakit usus buntu akut pada tahap awal. Dengan sampel sebanyak 326 pasien yang memiliki gejala sakit akut pada bagian perut. Pendekatan analisa statistik yang digunakan sebagai proses seleksi dalam desain model pendukung pembuat keputusan antara lain uji chi-square, uji pasti Fisher, Mann-Whitney U-test (p<0,01) dan
Wald forward logistic regression (kriteria entry-removal sebesar 0.01 dan 0.05). Dengan 55 variabel, 2 himpunan gejala ditemukan pada gejala awal usus buntu akut.
Setelah disimpulkan gejala yang berhubungan tersebut, sebuah algoritma decision tree. Pendekatan yang digunakan adalah representasi pengetahuan pakar secara sederhana dan memfasilitasi derivasi penjelasan untuk setiap kesimpulan yang telah disimpulkan. Hal ini esensial bagi aplikasi medis. Algoritma dalam decision tree ini akan memilih node yang terbaik dari beberapa kelas yang terpisah dalam data-data empiris gejala yang ada (Chang et al., 2012).
Hasil penelitian ini menunjukkan model penunjang pengambilan keputusan yang berdasarkan pada univariate analysis dengan model hybrid meningkatkan persentase akurasi.
2.2.1.2 Prediction of Axillary Lymph Node Metastasis in Primary Breast Cancer Patients Using a Decision Tree-Based Model
Axillary lymph node (AxLN) metastasis adalah salah satu faktor prognosis yang paling penting pada pasien kanker payudara primer. AxLN metastasis juga berfungsi memprediksi dapat atau tidakkah pasien dapat bertahan hidup setelah perawatan medis. Satu-satunya cara untuk menentukan status AxLN adalah melalui biopsi sentinel lymph node (SLN). Biopsi SLN ini tergolong dalam prosedur medis yang invasif yakni adanya operasi pada pasien sehingga memungkinkan timbulnya berbagai komplikasi, terutama pada pasien lanjut usia. Oleh karena itu, pentingnya memprediksi AxLN metastasis berdasarkan variabel klinis akan membantu para onkologis dalam membuat keputusan yang tepat (Takada et al., 2012).
Data klinis yang dikumpulkan Takada et al. (2012) termasuk usia, body mass index (BMI), status menopause dan berbagai gejala fisik sebagai variabel prediktif. Kemudian variabel prediktif tersebut dikemas dalam node-node di decision tree.
Tujuan penelitian ini adalah mengembangkan suatu model baru dalam memprediksi AxLN metastasis pada pasien kanker payudara primer. Untuk mencapai tujuan ini, peneliti menggunakan metode prediksi berbasis decision tree yaitu alternating decision tree (ADTree). Aplikasi model prediksi ini
melalui dataset gejala-gejala pada database yang berperan untuk meningkatkan akurasi dan kemampuan generalisasi dalam proses pemilihan node.
Melalui data klinis pasien kanker payudara primer yang menjalani prosedur biopsi sentinel lymph dari 3 buah institusi dianggap sebagai 3 sampel dari populasi yang berbeda sebanyak 465 (institut A, n = 148; institut B, n = 143; institut C, n = 174) digunakan sebagai variabel pilihan dalam model training dan validasi eksternal (Takada et al., 2012).
Hasilnya kemudian dievaluasi menggunakan daerah dibawah kurva analisis receiver operating characteristics (ROC) untuk menbedakan pasien yang bernode positif dan pasien yang bernode negatif. Model yang dikembangkan tersebut memiliki tigabelas node dengan total limabelas gejala sebagai variabel prediktif. Kesimpulan penelitian Takada et al. (2012) adalah prediksi yang akurat dapat dicapai walaupun memiliki serangkaian gejala-gejala yang digunakan sebagai variabel prediktif apabila decision tree yang dibuat mengunakan variabel prediktif independen.
2.2.1.3 Knowledge Based Expert System for Symptomatic Automated Healthcare
Banyak masalah medis memiliki serangkaian data berlabel yang jika di kemas secara sedemikian rupa dapat berupa himpunan yang berfungsi untuk mendeteksi suatu penyakit (Soomro et al., 2011). Misalnya, onkologis mengklasifikasikan tumor menjadi beberapa jenis melalui hasil biopsi, sejarah penyakit pasien dan gejala fisik pasien. Untuk mencapai akurasi dan kemudahan, maka perlunya suatu representasi pengetahuan yang dapat dengan jelas mengklasifikasikan setiap gejala berdasarkan kelasnya.
Decision tree pada dasarnya adalah jenis klasifikasi yang cukup sederhana namun efektif untuk mencapai kesimpulan yang ingin dicapai. Sebuah decision tree mengklasifikasi dengan serangkaian pertanyaan mengenai fitur-fitur yang berkenaan dengan himpunan kelas tertentu. Dalam medis, contohnya, gejala-gejal fisik yang dirasakan pasien sebagai fitur dan penyakit tertentu sebagai himpunan kelas.
Setiap pertanyaan merupakan sebuah node yang memiliki satu node anak untuk setiap jawaban yang berkemungkinan. Sehingga rangkaian
pertanyaan tersebut membentuk hierarki yang dipresentasikan sebagai pohon. Bentuk sederhana berupa pertanyaan yes-no dan setiap node pertanyaan tersebut memiliki node anak ‘yes’ dan node anak ‘no’ (Soomro et al., 2011).
Tabel 2.1 Tabel Analisis Jurnal dan Metode yang Diterapkan
Nama Jurnal Peneliti Metodologi Kesimpulan
A Hybrid Decision Support Model to Discover Informative Knowledge in Diagnosing Acute Appendicitis Chang SikSon, Byoung KukJang, Suk TaeSeo, Min SooKim & Yoon NyunKim Gabungan analisis gejala pasien dan diaplikasikan dalam decision tree untuk mendeteksi penyakit usus buntu akut pada tahap awal. Representasi pengetahuan pakar secara sederhana dapat memfasilitasi berbagai derivasi penjelasan pada kesimpulan akhir diagnosis penyakit. Prediction of Axillary Lymph Node Metastasis in Primary Breast Cancer Patients Using a Decision Masahiro Takada, Masahiro Sugimoto, Yasuhiro Naito, HyeongGon Moon, Wonshik Han, DongYoung Noh, Masahide Kondo, Katsumasa Kuroi, Hironobu Model prediksi decision tree ini melalui gejala-gejala (variabel prediktif) dan kemampuan Tingkat akurasi meningkat apabila decision tree yang dibuat mengunakan
Tree-Based Model Sasano, Takashi Inamoto, Masaru Tomita & Masakazu Toi1 generalisasi dalam proses pemilihan node. Knowledge Based Expert System for
Symptomatic Automated Healthcare A. A. Soomro, N. A. Memon, & M. S. Memon. Decision Tree sederhana dengan skema node anak berupa yes-no yang digunakan dalam rekognisi penyakit. Pengimplementasia n decision tree pada berbagai aplikasi medis dan
komputasional biologi.
2.2.2 Analisis Aplikasi Sejenis
Banyak sekali aplikasi dengan fitur pendeteksian penyakit thyroid yang telah dikembangkan oleh peneliti-peneliti sebelumnya. Masing-masing aplikasi itu terdapat fitur-fitur andalan yang menjadi kelebihan. Oleh karena itu, sebelum mengembangkan sistem pakar pendeteksi penyakit thyroid ini akan akan dilakukan sebuah analisis aplikasi sejenis.
Hal ini bertujuan untuk membandingkan aplikasi yang telah dikembangkan sebelumnya, dari segi pengadaptasian kelebihannya dan melengkapi kekurangan sebelumnya untuk membantu dalam pembuatan aplikasi baru yang akan dibuat. Aplikasi sejenis dengan sistem pakar yang akan dikembangkan ini ada 2 (dua) yaitu Thyroid: Symptoms, Causes and Treatment dan Thyroid App.
2.2.2.1 Thyroid: Symptoms, Causes and Treatment
Thyroid: Symptoms, Causes and Treatment adalah aplikasi yang dibuat pada platform android untuk memberikan informasi seputar penyakit
thyroid pada manusia secara umum. Pengguna dapat mengakses informasi mengenai gejala, penyebab, metode pencegahan dan jawaban terhadap mitos thyroid pada umumnya dari pilihan yang tersedia. Selanjutnya, akan ditampilkan ringkasan informasi sesuai pilihan pengguna sebagai feedback dari sistem. Sayangnya, pengguna tidak dapat mendeteksi apakah dirinya mengidap penyakit thyroid atau tidak, jadi aplikasi ini hanya sebatas sarana informasi saja (Brainzen, 2013).
Gambar 2.2 Tampilan Aplikasi Thyroid
(sumber: Thyroid: Symptoms, Causes and Treatment - Brainzen, 2013)
2.2.2.2 Thyroid App
Aplikasi yang merupakan hasil kerja sama antara Dr. Mary Shomon dan MyMedLab (2013) ini memberikan layanan pendeteksian penyakit thyroid pada pengguna. Cara kerja aplikasi thyroid app adalah pengguna akan diminta melewati serangkaian kuesioner yang berisi gejala-gejala thyroid, pengguna akan menjawab iya atau tidak. Kemudian hasil diagnosis dan saran medis akan ditampilkan bagi pengguna. Sayangnya, aplikasi ini hanya terfokus pada salah satu diagnosis penyakit thyroid, yakni hypothyroid.
Gambar 2.3 Tampilan Aplikasi Thyroid App (sumber: Thyroid App - MyMedLab, 2013) Tabel 2.2 Tabel Analisis Aplikasi Sejenis dan Kelebihannya Nama Aplikasi Developer Deskripsi Kelebihan Aplikasi Thyroid:
Symptoms, Causes and Treatment
Brainzen Aplikasi yang dibuat pada platform android untuk memberikan
informasi seputar penyakit thyroid pada manusia secara umum.
Akan ditampilkan ringkasan informasi sesuai pilihan pengguna sebagai feedback dari sistem.
Thyroid App My Med
Lab
Aplikasi ini hanya terfokus pada salah satu diagnosis penyakit thyroid, yakni hypothyroid.
Deteksi penyakit melalui serangkaian kuesioner yang berisi gejala-gejala thyroid, pengguna akan menjawab iya atau tidak.
Kemudian hasil
diagnosis dan saran medis akan ditampilkan bagi pengguna.
