21
BAB II
TINJAUAN PUSTAKA
Untuk menunjang pelaksanaan penelitian mengenai sistem pakar untuk diagnosa diabetes sebagai penyakit degeneratif ini, maka dilakukan tinjauan pustaka yang terdiri dari tinjauan empiris yang berisi hasil penelitian yang pernah dilakukan dan tinjauan teoritis yang membahas mengenai teori-teori dasar yang mendukung penelitian ini.
2.1 Tinjauan Empiris
Berdasarkan penelitian yang ditulis oleh Hamdani (2010) tentang sistem pakar untuk diagnosa penyakit mata pada manusia dengan menggunakan metode forward chaining, dimana hasil dari penentuan penyakit mata didapat dari presentase tertinggi berdasarkan hasil penelusuran gejala yang diberikan.Semakin tinggi nilai presentase dari hasil penelusuran, maka menunjukkan jenis penyakit mata yang diderita oleh pasien tersebut.
Selanjutnya berdasarkan penelitian yang dilakukan oleh Mustafidah (2011) tentang sistem pakar untuk mendiagnosa penyakit hati menggunakan metode forward chaining disimpulkan bahwa sistem pakar tersebut dapat menganalisis jenis penyakit organ hati berdasarkan gejala-gejala yang dimasukkan oleh user. Selain itu juga sistem pakar tersebut juga sudah dapat menjelaskan penyebab dan pengobatan dari penyakit secara medis maupun secara herbal berdasarkan jenis penyakitnya.
Kemudian berdasarkan penelitian yang dilakukan oleh Ritonga (2013) yaitu mengenai sistem pakar mendiagnosa penyakit lambung menggunakan metode certainty factor menyimpulkan bahwa aplikasi sistem pakar dapat memberikan kemudahan pada pasien untuk mendiagnosa penyakit lambung.Selain itu dalam penelitian tersebut menurutnya penerapan metode certainty factor dapat mempermudah dan memberikan perhitungan penyelesaian seberapa pasti pada user atau pasien dalam menderita penyakit lambung. Berdasarkan beberapa
penelitian tersebut maka dapat diperoleh perbedaan antara penelitian sebelumnya dengan penelitian yang saat ini dilakukan.
Tabel 2.2 Perbandingan Penelitian
No Judul Objek Output Metode &
Implementasi 1 Penelitian oleh Fauzan Masykur, ST, M.Kom Implementasi sistem pakar diagnosisi penyakit diabetes melitus menggunakan metode fuzzy logic berbasis web Objek penelitian terfokus pada kondisi kadar gula darah user yang berupa glukosa darah puasa, glukosa plasma puasa, glukosa plasma tidur, glukosa plasma 2 jam PP, kadar HbA1c, kadar HDL, kadar trigliserida, dan kadar insulin Mendiagnosa user ke dalam kelas diagnosa negative diabetes, prediabetes, diabetes 1, diabetes 2 Menggunakan sistem inferensi fuzzy Pengimpleme ntasian sistem berbasis web. 2 Penelitian oleh Aryati Wuryandari, S.T., Depi Trisnawati Aplikasi sistem pakar untuk diagnosa penyakit diabetes melitus menggunakan metode dhemster shafer Objek penelitian terfokus di gejala-gejala yang dapat dirasakan oleh penderita diabetes melitus Mendiagnosa user ke dalam kelas diagnosa diabetes ringan, diabetes sedang, diabetes akut. Menggunakan metode dhemster shafer
3 Penelitian oleh Dewi Pratama Kurniawati Implementasi Metode Dempster Shafer pada sistem pakar untuk diagnosa jenis-jenis penyakit diabetes melitus Objek penelitian terfokus di gejala-gejala yang dapat dirasakan oleh penderita diabetes melitus. Mendiagnosa user ke dalam kelas diagnosa diabetes tipe 1, diabetes tipe 2, neuropati diabetes, retinopati diabetes, nefropati diabetes, ketoasdosis diabetes, dan gestasional diabetes. Menggunakan metode dempster shafer 4 Penelitian oleh Efransyah Harahap, suyanto, Endro Ariyanto Implementasi metode forward chaining untuk pendeteksian penyakit diabetes melitus Objek penelitian terfokus pada gejala berupakadar tekanan darah, kadar kolesterol, dan glukosa. Mendiagnosa user ke dalam kelas diagnosa diabetes tipe 1, potensial resiko diabetes tipe 1, diabetes tipe 2, pontensial resiko diabetes tipe 2, diabetes Menggunakan metode forward chaining.
tipe 3, potensial resiko diabetes tipe 3,dan kategori normal 5 Penelitian oleh Wawan Setiawan Penerapan metode forward chaining sebagai model sistem pakar untuk mendiagnosa penyakit diabetes melitus pada puskesmas sukawali Objek penelitian terfokus pada gejala-gejala yang dapat dirasakan Mendiagnosa user kedalam kelas diagnosa diabetes tipe 1, diabetes tipe 2, neuropati diabetes, retinopati diabetes, nefropati diabetes, ketoasidosis diabetes, dan gestasional diabetes. Menggunakan mesin inferensi forward chaining. 6 Penelitian sekarang Sistem pakar diagnosa diabetes karena penyakit degenerative dengan menggunakan Objek penelitian terfokus di gejala yang dapat dirasakan dan kondisi kadar gula Mendiagnosa user ke dalam kelas diagnosa diabetes tipe 2, prediabetes, Menggunakan mesin inferensi forward chainng dan certainty factor untuk
metode forward chaining dan certainty factor darah penderita (glukosa darah puasa dan glukosa TTGO 2 jam)
dan normal nilai
keyakinan.
2.2 Tinjauan Teoritis
Penulis mengambil beberapa tinjauan untuk dijadikan landasan teori pembuatan sistem pakar untuk diagnosa diabetesyang akan dijelaskan pada sub bab berikut.
2.2.1 Sistem Pakar
Sistem pakar merupakan sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli.Sistem pakar tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyarakatkan pengetahuan dan pengalaman pakar tersebut.Sistem pakar dikembangkan pertama kali oleh komunitas AI pada tahun 1960-an. Sistem pakar yang pertama adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel Simon.
Sistem pakar yang berusaha mengadopsi pengetahuan manusia juga memiliki keuntungan dan kerugian. Adapun keuntungan dari penggunaan sistem pakar adalah sebagai berikut :
a. Keuntungan
Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli Bisa melakukan proses secara berulang dan otomatis
Menyimpan pengetahuan dan keahlian para pakar Meningkatkan output dan produktivitas
Meningkatkan kualitas
Mampu beroperasi dalam lingkungan berbahaya Memiliki kemampuan untuk mengakses pengetahuan Memiliki realibilitas
Meningkatkan kapabilitas sistem computer
Meningkatkan kapabilitas dalam penyelesaian masalah Menghemat waktu dalam pengambilan keputusan b. Kerugian
Sedangkan kerugian dari penggunaan sistem pakar adalah sebagai berikut : Biaya yang diperlukan untuk membuat dan memeliharanya sangat
mahal
Sulit dikembangkan. Hal ini terkait dengan ketersediaan pakar dalam bidangnya.
2.2.1.1 Area Permasalahan Aplikasi Sistem Pakar
Area permasalahan sistem pakar menyentuh beberapa permasalahan yaitu :
1. Interpretasi yaitu menghasilkan deskripsi situasi yang mungkin terjadi dari situasi yang ada
2. Prediksi yaitu memperkirakan akibat yang mungkin terjadi dari situasi yang ada.
3. Diagnosis yaitu menyimpulkan suatu kedaan berdasarkan gejala-gejala yang diberikan.
4. Desain yaitu melakukan perancangan berdasarkan kendala-kendala yang diberikan.
5. Planning yaitu merencanakan tindakan-tindakan yang akan dilakukan 6. Monitoring yaitu membandingkan hasil pengamatan dengan proses
7. Debugging yaitu menentukan penyelesaian dari suatu kesalahan sistem.
8. Reparasi yaitu melaksanakan rencana perbaikan.
9. Instruction yaitu melakukan instruksi untuk diagnosisi, debugging, dan perbaikan kinerja.
10. Control yaitu melakukan control terhadap hasil interpretasi, diagnosisi, debugging, monitoring, dan perbaikan tingkah laku sistem. 2.2.1.2 Mesin Inferensi
Menurut Turban (1995) mesin inferensi adalah program komputer yang memberikan metodologi penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace dan untuk merumuskan kesimpulan. Selama proses inferensi, mesin inferensi memeriksa status dari basis pengetahuan dan memori kerja (working memory) untuk menentukan fakta apa saja yang diketahui dan untuk menambah fakta barru yang dihasilkan ke dalam memori kerja tersebut. Terdapat 2 cara yang dapat dilakukan dalam melakukan inferensi :
Forward chaining (runut maju) : pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, runut maju merupakan strategi pencarian yang memulai proses pencarin dari sekumpulan data atau fakta. Dari data-data tersebut dicari suatu kesimpulan yang menjadi solusi dari permasalahan yang dihadapi.
Backward chaining(runut balik): Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengn kata lain,runut balik meruakan strategi pencarian yang arahnya kebalikan dari runut maju. Proses pencarian dimulai dari tujuan, yaitu kesimpulan yang menjadi solusi permasalahan yang dihadapi. Mesin inferensi mencari kaidah-kaidah dalam basis pengetahuan yang kesimpulannya merupakan solusi yang ingin dicapai, kemudian dari kaidah-kaidah yang diperoleh masing-masing kesimpulan dirunut balik jalur yang mengarah ke kesimpulan tersebut.
2.2.2 Sistem Metabolisme
Metabolisme adalah suatu proses komplek perubahan makanan menjadi energi dan panas melalui proses fisika dan kimia, berupa proses pembentukan dan penguraian zat didalam tubuh organisme untuk kelangsungan hidupnya. Metabolisme merupakan rangkaian reaksi kimia yang diawali oleh substrat awal dan diakhiri dengan produk akhir, yang terjadi dalam sel. reaksi tersebut meliputi reaksi penyusunan energi (anabolisme) dan reaksi penggunaan energi (katabolisme). Dalam reaksi biokimia terjadi perubahan energi dari satu bentuk ke bentuk yang lain, misalnya energi kimia dalam bentuk senyawa Adenosin Trifosfat ( ATP ) diubah menjadi energi gerak untuk melakukan suatu aktivitas seperti bekerja, berlari, jalan, dan lain-lain (Kistinnah, 2009).
Secara sederhana metabolisme adalah proses pengolahan (pembentukkan dan penguraian) zat-zat yang diperlukan oleh tubuh agar tubuh dapat menjalankan fungsinya. Metabolisme mempunyai peranan yang sangat penting dalam tubuh.Metabolisme terjadi pada saat menit pertama makanan masuk ked ala perut dan pencernaan dimulai.Enzim yang dilepaskan oleh pancreas dan kelenjar tiroid membantu dalam pemecahan makanan yang dicerna menjadi zat yang lebih sederhana. Zat-zat sederhanan diserap oleh sel-sel tubuh dan membantu dalam pelepasan energy dan melaksanakan proses lain dalam tubuh, seperti menyembuhan luka, pengaturan suhu tubuh, pembentukkan sel-sel baru, membuang racun dari tubuh dan sebagainya.
2.2.3 Diabetes Melitus Tipe 2 sebagai Penyakit Degeneratif
Begitu pentingnya peranan metabolisme dalam tubuh, tidak serta merta menyebabkan metabolisme terhindar dari gangguan ataupun kerusakan.Gangguan metabolisme dapat terjadi kapanpun.Munculnya gangguan pada metabolisme disebabkan oleh banyak hal, salah satunya adalah faktor genetic.Namun, secara umum gangguan metabolisme karena faktor genetic sangat jarang diderita.Gangguan metabolisme tubuh dapat memberikan dampak berupa gangguan pada fungsi organ. Hal ini tentunya akan memicu berbagai macam penyakit degeneratif.
Penyakit degeneratif adalah suatu penyakit yang muncul akibat penurunan fungsi organ atau alat tubuh dari keadaan normal menjadi lebih buruk. Pada umumnya penyakit degeneratif terjadi pada usia tua. Namun, tidak jarang juga jenis penyakit degeneratif ini terjadi pada usia muda. Adapun penyakit yang termasuk ke dalam kelompok penyakit degeneratif adalah diabetes mellitus, stroke, jantung koroner, kardiovaskular, obesitas, hipertensi, gangguan sistem pencernaan, gangguan asam urat, dan lain-lain.Dari sekian banyak penyakit yang termasuk ke dalam golongan penyakit degeneratif, salah satu kelainan sistem metabolisme yang paling popular adalah diabetes mellitus tipe 2 (DM tipe 2).
Diabetes mellitus atau yang lebih dikenal sebagai penyakit kencing manis merupakan salah satu penyakit degeneratif yang bersifat menahun akibat kadar glukosa dalam darah yang tinggi.Selain itu Diabetes mellitus merupakan penyakit metbolik yang dapat menimbulkan berbagai komplikasi (Konsensus Pengelolaan dan Pencegahan DM tipe 2 di Indonesia, 2015).Diabetes merupakan salah satu jenis penyakit yang disebabkan karena genetic ataupun keturunan. Jadi seseorang yang dalam keluarganya memiliki kelaianan gula darah ataupun diabetes, maka tentu keturunan dari keluarga tersebut akan memiliki risiko yang tinggi dalam menderita diabetes. Namun faktor keturunan bukan menjadi faktor satu-satunya dalam diabetes.Diabetes juga dapat disebabkan karena adanya gangguan pada organ pankreas dalam menghasilkan hormon insulin.Diabetes terjadi karena adanya ketidakcukupan atau gangguan fungsi hormon insulin.Dimana insulin adalah suatu hormon yang mengatur pengambilan glukosa yang merupakan salah satu sumber energi yang penting untuk tubuh kita.Banyak hal yang dapat menyebabkan gangguan pada hormon insulin ini, mulai dari pola makan yang tidak sehat hingga pola hidup yang kurang sehat.
2.2.4 Metode Forward chaining
Menurut Aziz (1994) forward chaining merupakan suatu penalaran yang dimulai dari fakta untuk mendapatkan kesimpulan (conclusion) dari fakta tersebut.Forward chaining bisa dikatakan sebagai strategi inference yang bermula dari sejumlah fakta yang diketahui. Pencarian dilakukan dengan
menggunakan rules yang premisnya cocok dengan fakta yang diketahui tersebut untuk memperoleh fakta baru dan melanjutkan proses hingga tujuan dicapai atau hingga sudah tidak ada rules lagi yang premisnya cocok dengan fakta yang diketahui maupun fakta yang diperoleh.
Forward chaining digunakan jika banyak aturan berbeda yang dapat memberikan kesimpulan yang sama, banyak cara untuk mendapatkan sedikit konklusi, dan benar-benar sudah mendapatkan berbagai fakta, dan ingin mendapatkan konklusi dari fakta-fakta tersebut.
Berikut ini merupakan gambaran secara umum dari penelusuran forward chaining.
Gambar 2.1 Mesin Inferensi Forward chaining 2.2.5 Metode Certainty Factor
Menurut Sujoto (2011) teori Certainty Faktor (CF) adalah untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning) seorang pakar yang di usulkan oleh Shortliffe dan Buchanan pada tahun 1975.Faktor kepastian (certainty factor) menyatakan kepercayaan dalam sebuah kejadian (fakta atau hipotesa) berdasar bukti atau penilaian pakar (Turban, 2005).Faktor kepastian direpresentasikan dalam bentuk suatu nilai yang dianggap sebagai derajat keyakinan dari seorang pakar.
Saat ini terdapat dua model yang digunakan untuk menghitung tingkat keyakinan (CF) dari sebuah rule, yaitu sebagai berikut :
a.Menggunakan metode Net Belief yang diusulkan oleh E.H.Shortliffe dan B.G.Buchanan
Keterangan :
CF = certainty factor(faktor kepastian) dalam suatu hipotesa yang dipengaruhi oleh fakta E.
MB [H,E] = measure of belief (ukuran kepercayaan) terhadap hipotesa H, jika diberika evidence E (antara 0 dan 1).
MD [H,E] = measure of disbelief (ukuran ketidak percayaan) terhadap hipotesa H jika diberikan evidence E (antara 0 dan 1).
E = evidence (peristiwa atau fakta)
b. Dengan menggali dari hasil wawancara dengan pakar. Nilai dari CF rule didapatkan dari interpretasi „term‟ dari pakar menjadi sebuah nilai CF tertentu seperti yang terlihat pada table di bawah ini.
Tabel 2.3 Tabel nilai CF rule interpretasi term
Uncertain term CF
Definitely not -1.0
Almost certaintly not -0.8
Probably not -0.6 Maybe not -0.4 Unknown -0.2 to 0.2 Maybe 0.4 Probably 0.6 Almost certainly 0.8 Definitely 1.0
Secara umum, rule direpresentasikan dalam bentuk sebagai berikut : IF E1 AND E2………AND En THEN H (CF rule)
Atau
IF E1 OR E2………….OR En THEN H (CF rule) Dimana :
E1….En : fakta-fakta (evidence) yang ada H : hipotesis atau konklusi yang dihasilkan
CF rule : tingkat keyakinan terjadinya hipotesis H akubat adanya fakta-fakta E1….En
Berikut ini adalah beberapa kombinasi certainty factor terhadap berbagai kondisi :
Certainty factor untuk kaidah dengan premis tunggal (single premis rule)
CF[H,E] = CF[E] * CF[rule]
= CF [user] * CF[pakar] ………...(2.2) Certainty factor untuk kaidah dengan premis majemuk (multiple
premis rule)
CF (A AND B) = Minimum (CF (a), CF(b)) * CF (rule)……...(2.3) CF (A OR B) = Maximum (CF (a), CF(b)) * CF (rule)……….(2.4)
Certainty factor untuk kaidah dengan kesimpulan yang serupa (similiary concluded rules)
CFcombine (CF1,CF2 ) = CF1 + CF2* (1-CF1)………(2.5) Dan faktor kepastian untuk hasil akhir presentase :
