PERBANDINGAN METODE CERTAINTY FACTOR DAN BACKPROPAGATION UNTUK MENDIAGNOSIS PENYAKIT
GANGGUAN TIDUR
Diajukan Sebagai Syarat untuk Menyelesaikan Pendidikan Program Strata-1 Pada
Jurusan Teknik Informatika Regular Fakultas Ilmu Komputer
Oleh:
Oktaria Permata Sari NIM : 09021181520137
JURUSAN TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER UNIVERSITAS SRIWIJAYA 2020
iv
HALAMAN PERNYATAAN
Yang bertanda tangan di bawah ini:
Nama : Oktaria Permata Sari
NIM : 09021181520137
Program Studi : Teknik Informatika
Judul Skripsi : Perbandingan Metode Certainty Factor dan Backpropagation Untuk Mendiagnosis Penyaki Gangguan Tidur
Hasil Pemeriksaan Software iThenticate / Turnitin : 9%
Menyatakan bahwa Laporan Tugas Akhir saya adalah hasil kerja saya sendiri dan bukan hasil penjiplakan/plagiat. Jika ditemukan penjiplakan/plagiat dalam laporan tugas akhir ini, maka saya bersedia menerima sanksi akademik dari Universitas Sriwijaya sesuai dengan ketentuan yang berlaku.
Demikian pernyataan ini saya buat dengan sebenarnya dan tidak ada paksaan oleh siapapun
Indralaya, Agustus 2020
Oktaria Permata Sari NIM. 09021181520137
viii
KATA PENGANTAR
Alhamdulillahi Robbil’Alamin, segala puji dan syukur kepada Allah Subhanahuwata’ala atas berkat rahmat dan karunia-Nya. Alhamdulillahi Djazakumullahu Khaira, segala syukur bagi Nabi Muhammad Shallallahu’alaihi wassalam karena berkat perjuangan dan tuntunan beliau sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul “Perbandingan Metode Certainty Factor dan Backpropagation Untuk Mendiagnosis Penyakit Gangguan Tidur” ini dengan baik. Tugas akhir ini disusun untuk memenuhi salah satu syarat guna menyelesaikan pendidikan program Strata-1 Program Studi Teknik Informatika pada Fakultas Ilmu Komputer di Universitas Sriwijaya.
Dalam menyelesaikan Tugas Akhir ini banyak pihak yang telah memberikan bantuan dan dukungan baik secara langsung maupun secara tidak langsung. Untuk itu Penulis ingin menyampaikan rasa terima kasih yang tulus kepada :
1. Allah Subhanahuwata’ala yang selalu memberikan segala yang penulis butuhkan;
2. Ayah dan Ibuku tercinta, Bapak Zulkodran dan Ibu Murni Hidayati. Adikku, Jimmy Alfino Hidayat (Om Kibo) dan seluruh keluarga besar yang selalu bersabar, setia mendo’akan, memberikan motivasi, kasih sayang kepada penulis, serta memberikan dukungan baik moril maupun materil; 3. Diriku sendiri “OKTARIA PERMATA SARI” yang telah berjuang keras
menyelesaikan skripsi ini;
ix
5. Bapak Rifkie Primartha, M.T. selaku Ketua Jurusan Teknik Informatika Fakultas Ilmu Komputer Universitas Sriwijaya;
6. Bapak Rusdi Efendi, M.Kom. dan Ibu Alvi Syahrini Utami, M.T selaku selaku dosen pembimbing dosen pembimbing akademik yang senantiasa memberikan masukan dan motivasi baik dalam bidang akademik maupun non akademik;
7. Bapak Rusdi Efendi M. Kom selaku dosen pembimbing I dan Ibu Desty Rodiyah, M.T selaku pembimbing II, yang telah memberikan arahan, masukkan, dan bantuan dalam proses menyelesaikan Tugas Akhir ini; 8. Ibu Dian Palupi Rini M. Kom., Ph. D dan Ibu Nabila Rizky Oktadini M. T
selaku dosen penguji yang telah memberikan koreksi dan masukan pada Tugas Akhir penulis;
9. Seluruh Bapak dan Ibu Dosen Jurusan Teknik Informatika Fakultas Ilmu Komputer Universitas Sriwijaya yang telah memberikan banyak ilmu pengetahuannya selama kegiatan akademik berlangsung;
10. Mbak Winda, Kak Ricy serta seluruh Staf Tata Usaha yang telah membantu dalam kelancaran proses administrasi dan akademik selama penulis menjalankan masa perkuliahan;
11. Dr. R. A. Mulya Liansari, Sp. KJ selaku pakar yang telah memberikan banyak bantuan kepada penulis untuk menyelesaikan Tugas Akhir ini; 12. Mba Fit a.k.a Fitriah Khoirunisa dan keluarga. Terima kasih sudah banyak
membantu penulis baik secara moril dan materil untuk menyelesaikan Tugas Akhir ini;
13. Member Astagfirullahaladzim (mba Ruroh a.k.a Raden Roro Ayu Laraswati, Dipin a.k.a Divinda Morikawa, Eldar a.k.a Elin Darnela, Nad a.k.a Nadiya Fahada, Imas Syaibun Nisa’) yang sudah menjadi tempat berbagi keluh kesah;
14. Uncle Jili a.k.a Muhammad Syazili yang sudah menjadi pembimbing III dan memberikan banyak bantuan kepada penulis untuk menyelesaikan Tugas Akhir ini;
15. Yulikkkk a.k.a Yulia Delviani yang selalu menemani penulis mengurus semua keperluan Tugas Akhir. Terima kasih sudah sangat mengerti penulis. 16. Teman satu kelas IF REG A’15 terutama Tioria Sihombing S. Kom, Jerni NS Simanjuntak S. Kom, Anggi Juwita yang sudah memberikan banyak bantuan kepada penulis selama masa perkuliahan;
x
17. UKM U-Read Unsri periode 2017 dan 2018 yang telah memberikan kepercayaan kepada penulis untuk menjadi BPH selama 2 periode berturut- turut. Terima kasih sudah memberikan banyak pengalaman dan menjadi tempat pulang bagi penulis ketika penat dan lelah;
18. Semua pihak yang tidak bisa penulis sebutkan satu-persatu yang telah banyak membantu dan berperan bagi penulis terutama dalam menyelasaikan Tugas Akhir ini, terima kasih banyak atas semuanya;
Penulis menyadari dalam penyusunan Tugas Akhir ini masih terdapat banyak kekurangan disebabkan keterbatasan pengetahuan dan pengalaman. Oleh karena itu kritik dan saran yang membangun sangat diharapkan, semoga Allah Subhanahuwata’ala selalu melimpahkan Rahmat dan Hidayah-Nya. Akhir kata dengan segala kerendahan hati, semoga Tugas Akhir ini dapat berguna dan bermanfaat bagi kita semua.
Indralaya, Agustus 2020
v
MOTTO DAN PERSEMBAHAN
“?!”
“Maka sesungguhnya bersama kesulitan ada kemudahan” (Q.S. Al-Insyirah: 5-6)
“Berdo’alah kepada Ku, pastilah Aku kabulkan untukmu” (Q.S. Al-Mukmin: 60)
“PENDERITAAN adalah kata lain dari MIMPI” ~ Lee Seung Gi ~
Kupersembahkan karya tulis ini kepada : Allah Subhana wa Ta’ala
Ayah, Ibu dan Adikku Tersayang Diriku Sendiri
Keluarga Besarku
Sahabat dan teman-teman seperjuanganku
Dosen Pembimbingku Almamaterku
xi DAFTAR ISI
Halaman
HALAMAN JUDUL ... i
LEMBAR PENGESAHAN ... ii
TANDA LULUS UJIAN SIDANG SKRIPSI ... iii
HALAMAN PERNYATAAN ... iv
MOTTO DAN PERSEMBAHAN ... v
ABSTRACT ... vi
ABSTRAK ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... xi
DAFTAR TABEL ... xvi
DAFTAR GAMBAR ... xviii
DAFTAR LAMPIRAN ... xix
BAB I PENDAHULUAN
1.1 Pendahuluan ... I-1 1.2 Latar Belakang Masalah ... I-1 1.3 Rumusan Masalah ... I-4 1.4 Tujuan Penelitian ... I-5 1.5 Manfaat Penelitian ... I-5 1.6 Batasan Masalah ... I-6 1.7 Sistematika Penulisan ... I-6 1.8 Kesimpulan ... I-7
BAB II KAJIAN LITERATUR
2.1 Pendahuluan ... II-1 2.2 Landasan Teori ... II-1 2.2.1 Sistem Pakar ... II-2 2.2.1.1 Kelebihan dan Kekurangan Sistem Pakar ... II-2
xii
2.2.1.2 Arsitektur Sistem Pakar ... II-3 2.2.2 Faktor Ketidakpastian (Uncertainty Factor) ... II-6 2.2.3 Faktor Kepastian (Certainty Factor) ... II-6 2.2.4 Jaringan Syaraf Tiruan ... II-8 2.2.5 Fungsi Aktivasi ... II-9 2.2.5.1 Fungsi Aktivasi Sigmoid Biner ... II-10 2.2.6 Backpropagatin ... II-11 2.2.6.1 Pelatihan Algoritma Backpropagation ... II-12 2.2.6.1 Pengujian Algoritma Backpropagation ... II-16 2.2.7 Confusion Matrix ... II-18 2.2.8 Proses Perbandingan Metode CF dan Backpopagation .. II-19 2.2.9 Gangguan Tidur ... II-21 2.2.10 Klasifikasi Gangguan Tidur ... II-22 2.2.10.1 Dissomnia ... II-22 2.2.10.2 Parasmonia... II-24 2.2.11 Rational Unified Process (RUP) ... II-25 2.3 Penelitian lain yang Relevan ... II-26
2.3.1 Expert System Diagnosis Dental Diseases Using
Certainty Factor Method ... II-26 2.3.2 Implementasi Jaringan Syaraf Tiruan Backpropagatioan Untuk Mendiagnosis Penyakit Kulit Pada Anak ... II-27 2.3.3 Sistem Pakar Diagnosis Penyakit Menular Dengan
Metode Forward Chaining dan Certainty Factor ... II-28 2.3.4 Sistem Diagnosa Penyakit dakam dengan Menggunakan Jaringan Saraf Tiruan Metode Backpropagatioan dan
Learning Vector Quantization ... II-28 2.4 Kesimpulan ... II-30
BAB III METODOLOGI PENELITIAN
3.1 Pendahuluan ... III-1 3.2 Unit Penelitian ... III-1
xiii
3.3 Pengumpulan Data ... III-2 3.4 Tahapan Penelitian ... III-3 3.4.1 Meneentukan Kerangka Kerja... III-4 3.4.2 Menetapkan Kriteria Pengujian... III-5 3.4.3 Menetapkan Format Data Pengujian ... III-5 3.4.3.1 Data Pengujian Metode Certainty Factor ... III-6 3.4.3.2 Data Pengujian Metode Backpropagation ... III-10
3.4.4 Menentukan Alat yang Digunakan dalam Pelaksanaan
Penelitian ... III-13 3.4.5 Melakukan Pengujian Penelitian ... III-13 3.4.6 Melakukan Analisa Hasil Pengujian dan Membuat
Kesimpulan Penelitian ... III-14 3.5 Metode Pengembangan Perangkat Lunak ... III-15 3.5.1 Rational Unified Process (RUP) ... III-15 3.5.1.1 Fase Insepsi ... III-16 3.5.1.2 Fase Elaborasi ... III-16 3.5.1.3 Fase Konstruksi ... III-17 3.5.1.4 Fase Transisi ... III-18 3.6 Manajemen Proyek Penelitian ... III-18 3.7 Kesimpulan ... III-29
BAB IV PENGEMBANGAN PERANGKAT LUNAK
4.1 Pendahuluan ... IV-1 4.2 Fase Insepsi ... IV-1 4.2.1 Pemodelan Bisnis ... IV-1 4.2.2 Kebutuhan Sistem ... IV-2 4.2.3 Analisis Dan Desain ... IV-3 4.2.3.1 Analisis Kebutuhan Perangkat Lunak ... IV-3 4.2.3.2 Analisis Data ... IV-4 4.2.3.3 Analisis Dengan Metode Certainty Factor ... IV-5 4.2.3.4 Analisis Dengan Metode backpropagatio ... IV-8
xiv
4.2.3.5 Desain Perangkat Lunak ... IV-18 4.3 Fase Elaborasi ... IV-22 4.3.1 Pemodelan Bisnis ... IV-22 4.3.1.1 Perancangan Data ... IV-23 4.3.1.2 Perancangan Antar Muka ... IV-23 4.3.2 Kebutuhan Sistem ... IV-24 4.3.3 Diagram ... IV-24 4.3.3.1 Diagram Aktivitas (Activity Diagram) ... IV-25 4.3.3.2 Diagram Alur (Sequance Diagram) ... IV-26 4.4 Fase Konstruksi ... IV-29 4.4.1 Kebutuhan Sistem ... IV-29 4.4.1.1 Diagram Kelas (Class Diagram) ... IV-29 4.4.1.2 Implementasi ... IV-31 4.4.1.2.1 Implementasi Kelas ... IV-31 4.4.1.2.2 Implementasi Antar Muka... IV-32 4.5 Fase Transisi ... IV-33 4.5.1 Pemodelan Bisnis ... IV-33 4.5.1 Kebutuhan Sistem ... IV-34 4.5.3 Rencana Pengujian ... IV-34 4.5.3.1 Rencana Pengujian Use Case Mendiagnosis
Jenis Penyakit Gangguan Tidur Dengan Metode
Certainty Factor ... IV-35 4.5.3.2 Rencana Pengujian Use Case Mendiagnosis Jenis
Jenis Penyakit Gangguan Tidur Dengan Metode
Backpropagation ... IV-35 4.5.4 Implementasi ... IV-37 4.5.4.1 Pengujian Use Case Mendiagnosis Jenis
Penyakit Gangguan Tidur Dengan Metode
Certainty Factor ... IV-37 4.5.4.1 Rencana Pengujian Use Case Mendiagnosis Jenis
xv
Backpropagation ... IV-39 4.6 Kesimpulan ... IV-41
BAB V HASIL DAN ANALISIS PENELITIAN
5.1 Pendahuluan ... V-1 5.2 Data Hasil Penelitian ... V-1 5.2.1 Konfigurasi Percobaan ... V-1 5.2.2 Data Hasil Konfigurasi ... V-1 5.3 Akurasi Ketepatan Hasil Perhitungan Metode
Confusion Matrix ... V-11 5.3.1 Akurasi Metode Certainty Factor ... V-12 5.3.2 Akurasi Metode Backpropagation ... V-13 5.4 Analisis Hasil Penelitian ... V-14 5.5 Kesimpulan ... V-15
BAB V HASIL DAN ANALISIS PENELITIAN
6.1 Pendahuluan ... VI-1 6.2 Kesimpulan ... VI-1 6.3 Saran ... VI-2
xvi
DAFTAR TABEL
Halaman Tabel II-1. Confusion Matrix ... II-18 Tabel II-2. Gejala dari Jenis Gangguan Tidur Dissomnia... II-23 Tabel II-3. Gejala dari Jenis Gangguan Tidur Parasomnia ... II-24 Tabel III-1. Jenis Penyakit Tidur Metode Certainty Factor ... III-6 Tabel III-2. Gejala Penyakit Gangguan Tidur Metode Certainty Factor ... III-6 Tabel III-3. Relasi Antara Gejala dan Pengakit Gangguan Tidur ... III-7 Tabel III-4. Rule Penyakit Gangguan Tidur ... III-8 Tabel III-5. Nilai Kepercayaan User (CF user) ... III-9 Tabel III-6. Jenis Penyakit Tidur Metode Backpropagation ... III-10 Tabel III-7. Gejala Penyakit Gangguan Tidur Metode Backpropagation... III-10 Tabel III-8. Nilai Kepercayaan User ... III-11 Tabel III-9. Rancangan Hasil Penelitian ... III-14 Tabel III-10. Penjadwalan Penelitian dalam Bentuk Work Breakdown
Structure (WBS) ... III-19 Tabel IV-1. Kebutuhan Fungsional ... IV-3 Tabel IV-2. Kebutuhan Non-Fungsional... IV-3 Tabel IV-3. Contoh Rule ... IV-5 Tabel IV-4. Contoh Bobot Nilai Keercayaan Pakar Terhadap
Masing-Masing Gejala ... IV-6 Tabel IV-5. Contoh Bobot Nilai Keprcayaan User Terhadap
Gejala Yang Dirasakan ... IV-6 Tabel IV-6. Contoh Perkalian Bobot Nilai Kepercayaan User (BU)
Dengan Bobot Nilai Kepercayaan Pakar (BP) ... IV-7 Tabel IV-7. Certainty Factor Kombinasi... IV-7 Tabel IV-8. Bobot Kepercayaan User Berdasarkan Gejala
Yang Dirasakan ... IV-9 Tabel IV-9. Bobot Acak Input Layer Ke Hidden Layer (Vij) ... IV-12 Tabel IV-10. Bobot Acak Hidden Layer ke Outut Layer (Wjk) ... IV-12
xvii
Tabel IV-11. Hasil Znet ... IV-13 Tabel IV-12. Hasil Zj ... IV-13 Tabel IV-13. Hasil ∆𝑊𝑗𝑘 ... IV-14 Tabel IV-14. Hasil 𝛿𝑛𝑒𝑡 ... IV-15 Tabel IV-15. Hasil 𝛿𝑗 ... IV-15 Tabel IV-16. Hasil ∆𝑉𝑗𝑖 ... IV-16 Tabel IV-17. Hasil 𝑊𝑗𝑘(𝑏𝑎𝑟𝑢) ... IV-16 Tabel IV-18. Hasil Vij (baru) ... IV-17 Tabel IV-19. Hasil Target Sementara ... IV-17 Tabel IV-20. Definisi Aktor ... IV-19 Tabel IV-21. Definisi Use Case ... IV-19 Tabel IV-22. Skenario Use Case Mendiagnosis Jenis Penyakit Gangguan
Tidur Dengan Metode Certainty Factor ... IV-20 Tabel IV-23. Skenario Use Case Mendiagnosis Jenis Penyakit Gangguan
Tidur Dengan Metode Backpropagation ... IV-21 Tabel IV-24. Implementasi Kelas ... IV-31 Tabel IV-25. Rencana Pengujian Use Case Mendiagnosis Jenis Penyakit
Gangguan Tidur Dengan Metode Certainty Factor ... IV-35 Tabel IV-26. Rencana Pengujian Use Case Mendiagnosis Jenis Penyakit
Gangguan Tidur Dengan Metode Backpropagation ... IV-36 Tabel IV-27. Pengujian Use Case Mendiagnosis Jenis Penyakit
Gangguan Tidur Dengan Metode Certainty Factor ... IV-37 Tabel IV-28. Pengujian Use Case Mendiagnosis Jenis Penyakit
Gangguan Tidur Dengan Metode Backpropagation ... IV-39 Tabel V-1. Hasil Pengujian Metode Certainty Factor
Backpropagation Dengan Diagnosis Pakar ... V-2 Tabel V-2. Perbandingan Hasil Confusion Matrix dari Metode
Certainty Factor dan Backpropagation Dengan
Diagnosis Pakar ... V-9 Tabel V-3. Ketepatan Diagnosis Certainty Factor ... V-12 Tabel V-4. Ketepatan Diagnosis Backpropagation ... V-13
xvi
DAFTAR GAMBAR
Halaman Gambar II-1. Komponen Sistem Pakar ... II-3 Gambar II-2. Cara Kerja Forward Chaining ... II-4 Gambar II-3. Cara Kerja Backward Chaining ... II-5 Gambar II-4. Model Neuron ... II-9 Gambar II-5. Kurva Sigmoid Biner ... II-10 Gambar II-6. Arsitektur Backpropagation ... II-11 Gambar II-7. Arsitektur Rational Unified Process ... II-25 Gambar III-1. Diagram Alir Tahapan Penelitian ... III-3 Gambar III-2. Diagram Alir Proses Perbandingan Metode
Certainty Factor dan Backpropagation ... III-12 Gambar III-3. Struktur RUP ... III-15 Gambar III-4. Penjadwalan Penelitian Tahap Menentukan Ruang Lingkup
Dan Unit Penelitian ... III-25 Gambar III-5. Penjadwalan Penelitian Tahap Menentukan Dasar Teori yang
Berkaitan dengan Penelitian ... III-26 Gambar III-6. Penjadwalan Penelitian Tahap Menentukan Alat
Fase Insepsi ... III-26 Gambar III-7. Penjadwalan Penelitian Tahap Menentukan Alat
Fase Elaborasi ... III-27 Gambar III-8. Penjadwalan Penelitian Tahap Menentukan Alat
Fase Konstruksi ... III-27 Gambar III-9. Penjadwalan Penelitian Tahap Menentukan Alat
Fase Transisi... III-28 Gambar III-10. Penjadwalan Penelitian Tahap Menentukan Analisis
Hasil Pengujian dan Membuat Kesimpulan ... III-28 Gambar IV-1. Arsitektur Backpropagation ... IV-11 Gambar IV-2. Diagram Use Case ... IV-18 Gambar IV-3. Perancangan Antar Muka ... IV-23
xvii
Gambar IV-4. Diagram Aktifitas Use Case Mendiagnosis Penyakit
Gangguan Tidur Dengan Metode Certainty Factor ... IV-25 Gambar IV-5. Diagram Aktifitas Use Case Mendiagnosis Penyakit
Gangguan Tidur Dengan Metode Backpropagation ... IV-26 Gambar IV-6. Diagram Sequnace Mendiagnosis Jenis Penyakit
Gangguan Tidur Dengan Metode Certainty Factor ... IV-27 Gambar IV-7. Diagram Sequnace Mendiagnosis Jenis Penyakit
Gangguan Tidur Dengan Metode Backpropagation ... IV-28 Gambar IV-8. Diagram Kelas Perangkat Lunak ... IV-30 Gambar IV-9. Tampilan Antar Muka Diagnosis Jenis Gangguan Tidur ... IV-33
xix
DAFTAR LAMPIRAN
1. Surat Lampiran Wawancara Pakar 2. Tabel Kasus Uji
vi
COMPARISON OF CERTAINTY FACTOR AND BACKPROPAGATION METHODS FOR DIAGNOSE SLEEP DISORDER
ABSTRACT
Sleep disorder is a disease that is often overlooked, this condition if it continues to be ignored it will greatly affect the health of sufferers. Expert systems to diagnose early sleep disorders are needed. Expert systems are built using methods Certainty Factor and Backpropagation. Methods Certainty factor and Backpropagation will be compared in terms of their accuracy in diagnosing sleep disorders. Certainty Factor is a method that can overcome uncertainty in decision making. Backpropagation is a guided training method. In this study, system testing was performed using the method Confusion Matrix. In this study used 18 symptoms of sleep disorders, 6 types of sleep disorders and 24 testing cases. From the 24 test cases, the accuracy rate is 100% in the method Certainty Factor and 70.83% in the method Backpropagation. It can be concluded that the method Certainty Factor is better at diagnosing sleep disorders.
Keywords: Certainty Factor, Backpropagation, Confusion Matrix, Expert System, Sleep Disoreders
vii
PERBANDINGAN METODE CERTAINTY FACTOR DAN BACKPROPAGATION UNTUK MENDIAGNOSIS PENYAKIT GANGGUAN TIDUR
ABSTRAK
Gangguan tidur merupakan salah satu penyakit yang sering diabaikan, kondisi ini jika terus diabaikan maka akan sangat berpengaruh buruk pada kesehatan penderita. Sistem pakar untuk mendiagnosis awal penyakit gangguan tidur sangat diperlukan. Sistem Pakar yang dibangun menggunakan metode Certainty Factor dan Backpropagation. Metode Certainty Factor dan Backpropagation gangguan tidur. Certainty Factor merupakan metode yang dapat mengatasi ketidakpastian dalam pengambilan keputusan. Backpropagation merupakan metode pelatihan terbimbing. Dalam penelitian ini pengujian sistem dilakukan dengan metode Confusion Matrix. Penelitian ini menggunakan 18 gejala penyakit gangguan tidur, 6 jenis penyakit gangguan tidur serta 24 kasus pengujian. Dari 24 kasus pengujian tersebut didapat hasil tingkat akurasi sebesar 100% pada metode Certainty Factor dan 70.83% pada metode Backpropagation. Dapat disimpulkan bahwa metode Certainty Factor lebih baik dalam mendiagnosis penyakit jenis gangguan tidur.
Kata Kunci: Certainty Factor, Backpropagation, Confusion Matrix, Sistem Pakar, Gangguan Tidur
I-1 BAB I
PENDAHULUAN
1.1 Pendahuluan
Pada bab ini berisi tentang latar belakang masalah, rumusan masalah, tujuan dan manfaat penelitian, batasan masalah serta sistematika penulisan. Pendahuluan berisi tentang penjelasan secara umum mengenai keseluruhan penelitian. Pada bab ini juga akan dijelaskan secara umum tentang penggunaan metode Certainty Factor dan Backpropagation yang akan digunakan untuk mendiagnosis penyakit gangguan tidur seseorang.
1.2 Latar Belakang Masalah
Penggunaan teknologi komputer di bidang kesehatan semakin berkembang pesat. Salah satunya dengan pengembangan sistem pakar yang digunakan untuk diagnosis awal suatu penyakit. Sistem pakar (Expert System) adalah sistem yang berusaha mengadopsi pengetahuan manusia agar komputer dapat menyelesaikan masalah seperti yang dilakukan oleh para ahli. Penggunaan sistem pakar dalam analisis medis membantu mengurangi sumber daya dukungan manusia serta dapat digunakan untuk meningkatkan akurasi diagnosis (Neshat dan Yaghobi, 2009).
Dalam penelitiannya, Setiabudi, Sugiharti, & Arini. (2017) menggunakan metode Certainty Factor untuk mendiagnosis penyakit gigi yang diaplikasikan
I-2
dalam program android. Penelitian ini menggunkaan 20 data kasus uji, dimana 19 kasus uji sesuai dan 1 kasus uji tidak sesuai sehiingga didapat hasil akurasi sebesar 95%. Penelitian ini menggunakan 20 gejala penyakit gigi dan 10 jenis penyakit gigi sebagai output penelitian.
Penggunaan metode Backpropagation untuk mendiagnosis penyakit kulit pada anak yang menghasilkan tingkat akurasi sebesar 87.22% dengan jumlah 4 hidden layer, learning rate sebesar 0.4 serta epoch maksimum sebesar 300000 Setiabudi, Sugiharti, & Arini. (2017). Penelitian ini menggunakan 19 data gejala yang digunakan sebagai masukan yang kemudian direpresentasikan dalam biner 0 dan 1 dimana akan bernilai 1 jika mengalai gejala dan 0 juka tidak mengalami gejala. Data yang digunakan pada penelitian ini berjumlah 214 diamana 60 data digunakan untuk data uji.
Pada penelitan yang dilakukan oleh Leleury., Lesnussa., & Madiuw. (2017) dengan judul sistem diagnosa penyakit dalam dengan menggunakan jaringan saraf tiruan metode Backpropagation dan Learning Vector Quantization mengatakan bahwa jaringan syaraf tiruan dalam mendiagnosis jenis penyakit akan menyimpan sejumlah data berupa gejala, diagnosis dan informasi lainnya yang diperlukan. Pelatihan jaringan syaraf tiruan direpsentasikan dalam masukan yang terdiri dari serangkaian gejala yang dirasakan oleh pengguna. Kemudian jaringan akan melatih masukan dari pengguna sampai menemukan jenis penyakit dari masukan tersebut.
I-3
Selanjutnya penelitian yang dilakukan oleh Army, Yuhandri, & Sumijan. (2018) yang berjudul sistem pakar diagnois penyakit menular dengan metode Forward Chaining dan Certainty Factor. Dalam penelitian ini Forward Chaining menelusuri suatu aturan yang sampai terpenuhi kondisi terakhir atau kesimpulan dari aturan tersebut. Sedangkan Certainty Factor digunakan untuk memberikan bobot dari setiap gejala dari penyakit.
Menurut Harmoniati, D., E., Sekartini, R., & Gunardi, H. (2016) gangguan tidur merupakan suatu kumpulan kondisi yang ditandai dengan gangguan dalam jumlah, kualitas, atau waktu tidur seseorang. Gangguan tidur dapat dialami oleh setiap orang baik kaya, miskin, berpendidikan tinggi atau rendah, muda dan yang paling sering ditemukan pada usia lanjut (Japardi, Iskandar. 2002).
Gangguan tidur diklasifikasikan berdasarkan “Pedoman Penggolongan dan Dignosis Gangguan Jiwa di Indonesia (PPDGJ III)” yang merupakan referensi dari semua dokter dengan pasien gangguan tidur di Indonesia. Pada PPDGJ ini gangguan tidur diklasifikasikan menjadi 2 kelompok yaitu gangguan tidur organik dan gangguan tidur non organik. Pada penelitian ini hanya akan membahas gangguan tidur non organik yaitu insomnia, hipersomnia, narkolepsi, gangguan jadwal tidur, teror tidur dan mimpi buruk.
Sistem pakar dikembangkan dalam dunia kesehatan menggunakan berbagai macam metode, contohnya metode Certainty Factor dan Backpropagation. Dalam penelitian ini, metode Certainty Factor dan
I-4
Backpropagation akan dibandingkan untuk mendiagnosis Gangguan Tidur seseorang berdasarkan klasifikasi dan gejala yang ada.
Pemilihan metode Certainty Factor dilakukan karena metode Certainty Factor dapat menentukan nilai kepastian dari setiap inputan gejala yang dipilih oleh user (Maharani, S., Adi, K., & Sugiharto, A. (2013). Sedangkan metode Backpropagation merupakan salah satu metode yang sangat baik dalam mendiagnosis karena metode Backpropagation melakukan proses pelatihan terhadap data pelatiahan yang didapat dari pesien sebelumnya. Pada penelitian ini, untuk membandingkan tingkat akurasi dari metode Certainty Factor dan metode Backpropagation akan digunakan metode Confusion Matrix.
Berdasarkan penjelasan yang sudah dipaparkan, maka pada tugas akhir ini penulis ingin membandingkan Certainty Factor dan Backpropagation untuk mendiagnosis penyakit gangguan tidur seseorang untuk mengetahui metode mana yang hasil akurasinya lebih baik dengan masukkan yang sama melalui gejala-gejala gangguan tidur.
1.3 Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan diatas, rumusan masalah dalam penelitian ini adalah bagaimana perbandingan tingkat akurasi dari metode
Certainty Factor dan Backpropagation untuk mendiagnosis penyakit gangguan
tidur. Untuk menyelesaikan permasalahan diatas, maka penelitian ini dibagi kedalam beberapa pertanyaan penelitian (research quastion) sebagai berikut.
I-5
1. Bagaimana perbandingan tingkat akurasi dari metode Certainty Factor dan Backpropagation dalam mendiagnosis penyakit gangguan tidur? 2. Metode manakah yang paling baik dalam mendiagnosis penyakit
gangguan tidur?
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah, sebagai berikut.
1. Mengetahui perbandingan tingkat akurasi dari metode Certainty Factor dan
Backpropagation dalam mendiagnosis penyakit gangguan tidur.
2. Mengetahui metode mana yang paling baik untuk mendiagnosis penyakit gangguan tidur.
3. Mengembangkan perangkat lunak metode Certainty Factor dan
Backpropagation untuk mendiagnosis penyakit gangguan tidur.
4. Mengembangkan perangkat lunak metode Certainty Factor dan
I-6
1.5 Manfaat Penelitian
Manfaat dalam penelitian ini adalah, sebagai berikut.
1. Hasil dari penelitian ini dapat digunakan sebagai acuan atau referensi penelitian selanjutnya dalam perbandingan metode Certainty Factor dan Backpropagation.
2. Dapat memberikan keputusan penyakit gangguan tidur yang diderita pasien. 3. Diharapkan dapat membantu masyarakat umum agar dapat diberikan solusi
awal terhadap gangguan tidur yang dialamai sebelum dikonsultaiskan dengan ahli kesehatan.
1.6 Batasan Masalah
Batasan masalah pada penelitian ini adalah :
1. Data yang digunakan dalam penelitian ini adalah data yang berasal dari penelitian terdahulu yaitu 18 gejala, 6 rule atau aturan, 6 jenis penyakit gangguan, 600 data pelatihan yang akan digunakan dalam proses pelatihan metode Backpropagation serta 24 kasus uji yang diambil dari pasien penderita RS. Ernaldi Bahar.
2. Kasus yang dalam penelitian ini hanya penyakit gangguan tidur non Organik sebagai berikut Insomnia, Hipersomnia, Narkolepsi, Gangguan Jadwal Tidur, Teror Tidur dan Mimpi Buruk.
I-7
1.7 Sistematika Penulisan
Untuk memahami lebih jelas penelitian ini, pemaparan materi dikelompokkan menjadi beberapa bab dengan sistematika penulisan sebagai berikut :
BAB I PENDAHULUAN
Pada bab ini diuraikan mengenai latar belakang, rumusan masalah, tujuan dan manfaat penelitian, batasan masalah, metodologi penelitian, dan sistematika penulisan.
BAB II KAJIAN LITERATUR
Pada bab ini akan dibahas dasar-dasar teori dari metode Cerrtainty Factor dan Backpropagation yang digunakan dalam penelitian, objek dari penelitian serta literature review dari peneltian yang akan dilakukan.
BAB III METODOLOGI PENELITIAN
Pada bab ini akan dibahas mengenai tahapan yang akan dilaksanakan pada penelitian ini. Masing-masing rencana tahapan penelitian dideskripsikan dengan rinci dengan mengacu pada suatu kerangka kerja. Di akhir bab ini berisi perancangan manajemen proyek pada pelaksanaan penelitian.
I-8
BAB IV PENGEMBANGAN PERANGKAT LUNAK
Pada bab ini akan dibahas mengenai tahapan-tahapan pengembangan perangkat lunak yang digunakan sebagai alat penelitian.
BAB V ANALISIS PENELITIAN
Pada bab ini akan dibahas mengenai hasil percobaan penelitian yang kemudian akan dilakukan analisis. Analisis ini nantinya akan digunakan sebagai basis kesimpulan dalam penelitian ini.
BAB VI PENUTUP
Pada bab ini berisikan kesimpulan dan saran dari penelitian yang diharapkan bisa menjadi acuan penelitian selanjutnya.
I-9
1.8 Kesimpulan
Berdasarkan uraian diatas, penelitian ini akan membandingkan tingkat akurasi dari metode Certainty Factor dan Backpropagation untuk mendiagnosis penyakit gangguan tidur, dengan tujuan untuk membantu masyarakat awam menangani masalah tidur yang sering diabaikan. Penjelasan mengenai metode Certainty Factor dan Backpropagation serta penelitian yang relevan akan dijelaskan di bab 2.
xx
DAFTAR PUSTAKA
Aji, A. H., Furqon, M. T., & Widodo, A. W. (2018). Sistem Pakar Diagnosa Penyakit Ibu Hamil Menggunakan Metode Certainty Factor ( CF ). Jurnal Pengembangan
Teknologi Informasi Dan Ilmu Komputer, 2(5), 2127–2134.
Anike, Marleni., Suyoto., & E. 2012. (2012). Pengembangan sistem jaringan syaraf
tiruan dalam memprediksi jumlah dokter keluarga menggunakan. 2012(Sentika),
209–216.
Arahmi, M. (2005). Konsep Dasar Sistem Pakar. Yogyakarta: Andi.
Army, W. L., Yuhandri & Sumijan. (2018). Sistem Pakar Diagnosis Penyakit Menular Dengan Metode Forward Chaining dan Certainty Factor. 2.
Ashari, A., & Muniar, A. Y. (2018). Penerapan Sistem Pakar Untuk Mengidentifikasi Penyakit Pencernaan Dengan Pengobatan Herbal. Jurnal Ilmu Komputer, 2(2), 24-30.
Fausett, L. 1994. Fundamentals of Neural Network: Architectures, Algorithms, and
Applications. Prentice Hall, New Jersey.
Giarratano, J., C., & Rilley, G. (1994). Expert System Principles and Programming, 2nd
edition. PWS Publishing Co, USA.
Halim, S., & Hansun, S. (2016). Penerapan Metode Certainty Factor dalam Sistem Pakar
Pendeteksi Resiko Osteoporosis dan Osteoarthritis. (December 2015).
https://doi.org/10.31937/sk.v7i2.233.
Hamidi, R., Anra, H., & Pratiwi, H. S. (2017). Analisis Perbandingan Sistem Pakar Dengan Metode Certainty Factor dan Metode Dempster-Shafer Pada Penyakit Kelinci. Sistem Dan Teknologi Informasi, 1(2).
Han, J., Kamber, M., & Pei, J. (2011). Data Maining Concepts and Techniques Third
Edition. Walthman: Elsevier Inc.
Harmoniati, E. D., Sekartini, R., & Gunardi, H. (2017). Intervensi Sleep Hygiene pada Anak Usia Sekolah dengan Gangguan Tidur: Sebuah Penelitian Awal. Sari Pediatri,
18(2), 93. https://doi.org/10.14238/sp18.2.2016.93-9.
Hasibuan, N. A., Sunandar, H., Alas, S., & Suginam, S. (2018). Sistem Pakar
Mendiagnosa Penyakit Kaki Gajah Menggunakan Metode Certainty Factor. Jurasik
(Jurnal Riset Sistem Informasi Dan Teknik Informatika), 2(1), 29.
https://doi.org/10.30645/jurasik.v2i1.16.
Hermawan, Arief. (2006). Jaringan Syaraf Tiruan Teori dan Aplikasi. Yogyakarta: Andi. Japardi, D. I. (2002). Gangguan Tidur.
Kusrini. (2013). Penggunaan Certainty Factor dalam Sistem Pakar untuk Melakukan
Diagnosis dan Memberikan Terapi Penyakit Epilepsi dan Keluarganya. (January
xxi
Kusumadewi, S. (2003). Artificial Intelligance Teknik dan Aplikasinya. Yogyakarta: Graha Ilmu.
Kruchten, Philippe. (2000). The Rational Unified Process An Introduction. Second Edition, Addison Wesley.
Leleury, Z. A., Lesnussa, Y. A., & Madiuw, J. (2018). Sistem Diagnosa Penyakit Dalam dengan Menggunakan Jaringan Saraf Tiruan Metode Backpropagation dan Learning
Vector Quantization. (July 2017). https://doi.org/10.24198/jmi.v12.n2.11925.89-98.
Lesnussa, Y. A., Patty, H. W. M., Titawael, C. J., & Talakua, M. W. (2017). SYSTEM
DIAGNOSIS SYMPTOMS OF FEVER ON CHILDREN USING ARTIFICIAL NEURAL NETWORK AND CERTAINTY FACTOR METHOD : A STUDY CASE OF FEVER PATIENT AT RSUD Dr . M . HAULUSSY HOSPITAL IN AMBON. 2(4),
723–729. https://doi.org/10.22301/IJHMCR.2528-3189.723.
Maharani, S., Adi, K., & Sugiharto, A. (2016). Aplikasi Diagnosa Gejala Demam Pada Balita Menggunakan Metode Certainty Factor (Cf) Dan Jaringan Syaraf Tiruan (Jst). Jurnal Sistem Informasi Bisnis, 3(1), 25–29.
https://doi.org/10.21456/vol3iss1pp25-29.
Mardianto, Is., Pratiwi, D., & Manfaat, T. (n.d.). Sistem Deteksi Penyakit Pengeroposan
Tulang Dengan Metode Jaringan Syaraf Tiruan Backpropagation Dan Representasi Ciri Dalam Ruang Eigen Permasalahan Landasan Teori Ruang Lingkup. 69–80.
Maslim, Rusdi. (2003). Diagnosa Gangguan Jiwa, Rujukan Ringkas PPDGJ-III dan
DSM-V. cetakan 2-Bagian Ilmu Kedokteran Jiwa Fakultas Kedokteran Unika Atma Jaya. Yogyakarta: PT Nuh Jaya.
O'Reilly, Kathy. (2019, 07 March)."Philips global sleep survey shows we want better
sleep, but only if itcomes easly". Dikutip 20 Maret 2019
https://www.philips.com/a- w/about/news/archive/standard/news/press/2019/20190307-philips-global-sleep-survey-shows-we-want-better-sleep-but-only-if-it-comes-easily.html.
Pakaja, F., & Naba, A. (2012). Jaringan Syaraf Tiruan dan Certainty Factor. 6(1), 23– 28.
Puspitaningrum, Diyah. (2006). Pengantar Jaringan Syaraf Tiruan. Yogyakarta: Andi. Setiabudi, W., U., Sugihartu, E., & Arini, F., Y. (2017). Expert System Diagnosis Dental
Sidease Using Certainty Factor Method. 4(1), 43-50.
Siang, JJ. (2004). Aplikasi Jaringan Syaraf Tiruan dan Pemrograman Menggunakan
MATLAB. Yogyakarta: Andi.
Suhartanto, R., S., Dewi, C., & Muflikhah, L. (2017). Implementasi Jaringan Syaraf
Tiruan Backpropagation untuk Mendiagnosis Penyakit Kulit pada Anak. 1(7),
555-562.
Sutojo, T., Mulyanto, Edi., & Suhartono, Vincent. (2011). Kecerdasan Buatan. Yogyakarta: Andi.
