DESAIN SISTEM PAKAR FUZZY UNTUK DIAGNOSA KANKER PROSTAT
Efani Desi S.Kom Email : fanni.feehily@yahoo.com
STMIK Potensi Utama, Jl. K.L. Yos Sudarso Km. 6,5 No. 3A Tj. Mulia Medan
ABSTRACT
In this study a fuzzy expert system design for diagnosing, analyzing and learning purpo-se of the prostate cancer dipurpo-seapurpo-ses was described. For this process it was upurpo-sed prostate spe-cific antigen (PSA),age and prostate volume (PV) as input parameters and prostate cancer risk (PCR) as output. This system allows determining if there is a need for the biopsy and it gives to user a range of the risk of the cancer diseases. There was observed that this sy-stem is rapid, economical, without risk than traditional diagnostic systems, has also a hi-gh reliability and can be used as learning system for medicine students. Keywords: expert system, prostate cancer, fuzzy
ABSTRAK
Dalam penelitian ini dijelaskan perancangan sistem pakar fuzzy untuk merancang, menganalisa dan tujuan belajar penyakit kaker prostat. Untuk proses ini digunakan antigen prostat spesifik, umur dan volume prostat sebagai parameter input dan resiko kaker prostat sebagai output. Sistem ini memungkinkan menentukan apakah ada kebutuhan untuk biopsi dan memberikan kepada pengguna berbagai resiko penyakit kanker. Diamati bahwa sistem ini adalah cepat, ekonomis tanpa resiko dari pada sistem diagnostik tradisional, juga memiliki keandalan tinggi dan dapat digunakan sebagai sistem pembelajaran bagi siswa farmasi.
Kata kunci : sistem pakar, kanker prostat, fuzzy
PENDAHULUAN
Metode kecerdasan buatan (Artificial Intelligence/AI) sangat banyak digunakan dalam segala bidang termasuk aplikasi di bidang kesehatan/kedokteran. Teknologi softcomputing adalah sebuah bi-dang kajian penelitian interdisipliner dalam ilmu komputasi dan kecerdasan buatan. Beberapa teknik dalam softcomputing antara lain sistem pakar (expert system), jaringan syaraf tiruan (neural network-ks), logika fuzzy (fuzzy logic), dan algoritma genetik (genetic algorithms) banyak dikembangkan kar-ena mempunyai keunggulan dalam penyelesaian masalah yang mengandung ketidakpastian, ketidak-tepatan dan kebenaran parsial, termasuk dalam bidang kesehatan. Terdapat banyak naskah publikasi dalam bidang prognostik dan diagnosa kanker prostat dengan berbagai metode softcomputing. Dalam penelitian (Seker, Odetayo, Petrovic, D. dan Naguib, 2003) dikembangkan metode berbasis logika fu-zzy untuk pengambilan keputusan prognostik untuk kanker payudara dan prostat. Dalam penelitian yang lain (Senge, Lorenz, Emert, dan Blum), dilakukan penelitian terhadap 5 (lima) algoritma klasi-fikasi neuro-fuzzy berdasarkanpendekatan yang berbeda untuk mengorganisir dan memilah kumpulan data biologis dengan membangun sistem interferensi fuzzy. Hasilnya adalah algoritma clustering mountain dapat mengenal >86%, pengklasifikasi Bayes 79%, dan pengklasifikasi KNN 78%.
Dari beberapa penelitian tersebut, nampak bahwa tidak mungkin melakukan diagnosa kanker prostat hanya berdasarkan hasil ultrasonography (USG) dan pemrosesan image (image processing). Sehingga perlu dikembangkan sistem pakar fuzzy berbasis aturan (rule-based fuzzy expert system/ FES) yang menggunakan data laborat dan data lainnya, dan disimulasikan dengan dokter ahli kanker prostat. Sebagai data laborat diperlukan ntigen spesifik prostat (PSA), umur pasien, dan volume pro-stat (PV) sebagai parameter masukan dan skala resiko kanker propro-stat (PCR) sebagai keluaran. Dengan menggunakan data tersebut dan bantuan dokter ahli, dikembangkan aturan fuzzy untuk mengetahui pentingnya biopsy dan faktor resiko kanker. Sistem pakar yang dikembangkan akan memberikan rasio kemungkinan pasien mengidap kanker prostat. Sistem dikembangkan menggunakan beberapa tools pemrograman dengan data 4641 pasien dari literatur (Brawer, dan Kirby, 1999). Hasil pengujian men-unjukkan bahwa sistem pakar ini lebih rapid, efisien dan ekonomis dibandingkan sistem diagnosa tr-adisional, dan bisa digunakan sebagai pembelajaran bagi mahasiswa kedokteran.
METODOLOGI
Pada penelitian ini, pengembangan sistem menggunakan data dari literatur (Brawer, dan Kir-by, 1999) dan (Seker, Odetayo, Petrovic, D. dan Naguib, 2003), terutama dalam tahap pengujian. Da-ta yang diperlukan adalah antigen spesifik prosDa-tat (ProsDa-tate Spesific Antigen /PSA), umur pasien (A-ge), dan volume prostat (Prostate Volume /PV) sebagai parameter masukan dan skala resiko kanker prostat (Prostate Cancer Risk /PCR) sebagai keluaran. Untuk proses fuzzifikasi beberapa parameter tersebut digunakan variabel linguistik very small (VS), small (S), middle (M), high (H), very high (VH), very low (VL) dan Low (L), serta menggunakan metode Mamdani max-min dalam proses inferensinya.
Desain Sistem Pakar Fuzzy
Faktor-faktor yang digunakan dalam sistem adalah : PSA (ng/ml), Umur (tahun), PV (ml), dan PCR (%). Untuk mendukung proses inferensi berbasis aturan maka dikembangkan 80 aturan fuzzy, seperti dalam Tabel 1.
Tabel 1. Aturan (rule) Fuzzy yang dipakai Nomor
Rule PSA
Umur
Pasien PV PCR
Rule 1 VL Very Young VS VL
Rule 2 VL Very Young VS L
Rule 3 VL … …
… …
Rule 43 VL MA H VL
…
Rule 77 VH Old VS H
Sebagai contoh, Aturan 1, Aturan 43, dan 77 dapat diinterpretasikan sebagai berikut :
Aturan 1 : If PSA = VL and Umur = very young and PV = VS, then PCR = VL, atau jika dalam kalimat : Jika PSA Pasien adalah Very Low dan Pasien very young, dan PV pasien adalah Very Small, maka resiko kanker prostatnya adalah Very Low.
Aturan 43: If PSA = VL and Umur = Middle and PV = H, then PCR = VL, atau jika dalam kalimat : Jika PSA Pasien adalah Very Low dan Umur Pasien Middle, dan PV pasien adalah Very Small, maka resiko kanker prostatnya adalah Very Low.
Aturan 77: If PSA = VH and Umur = Old and PV = VS, then PCR = VH, atau jika dalam kalimat : Jika PSA Pasien adalah Very High dan Umur Pasien Old, dan PV pasien adalah Very Small, maka resiko kanker prostatnya High.
Proses fuzzifikasi dari berbagai faktor tersebut dibuat oleh fungsi-fungsi berikut. Formula berikut ini diperoleh berdasarkan masukan pakar / dokter spesialis dan literatur (Brawer, dan Kirby, 1999).
Sedangkan FES yang dikembangkan memiliki struktur sebagai berikut :
Gambar 1. Struktur FES
Struktur Faktor Fuzzy
Keanggotaan dari fungsi yang digunakan diperoleh dengan formula (1) dan dilihat dalam gambar ber-ikut.
Berdasarkan aturan-aturan yang dikembangkan dan formula (1), diperoleh ekspresi linguistik PSA adalah sebagai berikut :
Ekspresi linguistik yang lainnya, untuk Umur (very young, Young, Middle Age, and Older) dan PV diperoleh dengan cara yang sama. Sedangkan untuk faktor output PCR, ekspresi linguistiknya adalah Very Low, Low, Middle, High, dan Very High, yang dapat diekpresikan sebagai very Small, Small, Middle, High, dan Very High seperti dalam formula (2). Sebagai contoh, fungsi keanggotaan untuk High PSA, Middle Age, dan Very Big PV memiliki bentuk respektif :
Defuzzifikasi (Defuzzification)
Pada tahap ini, derajat kebenaran (truth degrees / α ) dari aturan ditentukan terhadap tiap - tiap aturan dengan menggabungkan fungsi min dilanjutkan fungsi max antar aturan yang aktif. Sebagai co-ntoh, untuk PSA = 40 ng/ml, umur = 55 thn, PV = 230 ml, aturan 60 dan 80 akan dijalankan sehingga diperoleh :
Dengan inferensi max-min Mamdani akan diperoleh fungsi keanggotaan untuk sistem ini yaitu max( 60 α , 80 α ) = 0.67 , yang berarti very high PCR. Nilai Crisp PCR dapat dihitung dengan defuz-zifier metode center of gravity yaitu :
Setelah dilakukan perhitungan nilai PCR =78.4, yang mempunyai arti pasien mengidap kanker prostat memiliki kemungkian 78.4 %.
SIMPULAN
Keluaran hasil pengujian FES yang dikembangkan dibandingkan dengan hasil dalam literatur (Brawer dan Kirby, 1999) seperti pada tabel 2. Dari tabel tersebut terdapat selisih resiko kanker prost-at yang agak besar antara FES dengan dprost-ata literprost-atur (Brawer, dan Kirby,1999). Hal ini mungkin diseb-abkan oleh hasil pembagian variabel linguistik menjadi 4. Jika pembagian variabelnya menjadi lebih banyak, maka hasilnya akan sama atau mendekati diagnosa tradisional. Namun sistem pakar ini sangat bagus untuk proses pengujian dan proses pembelajaran bagi mahasiswa kedokteran, khususnya materi kanker prostat.
Sistem ini hanya memberikan prosentase kemungkinan pasien memiliki kanker prostat dan me-mbantu dokter membuat keputusan selanjutnya. Penelitian juga menunjukkan bahwa PV bukanlah fa-ktor yang sangat penting untuk diagnosa kanker prostat. Meskipun PV yang tinggi akan meningkatkan PSA tetapi bukan berarti pasti kanker.
Tabel 2. Perbandingan hasil FES dan Literatur
PSA ng/ml) Umur Pasien (thn) PV (ml) Literatur (%) Hasil FES (%) 2 20 35 0.2 – 2 1.67 3 45 90 1 – 4 1.53 4 20 44 0.2 – 3 1.33 12 55 200 48 – 55 50.00 15 60 250 68 – 75 73.20 40 65 211 72 – 85 79.80
Makalah ini menjelaskan desain sistem pakar fuzzy untuk diagnosa dan menganalisa kemung-kinan kanker prostat, yang dapat digunakan oleh dokter-spesialis dan sebagai metode pembelajaran la-njut bagi para mahasiswa. Untuk selala-njutnya sistem pakar ini dapat dikembangkan dengan cara : (1) menambah basis aturan pengetahuan (rule-based knowledge) dan (2) menambahkan komponen jaring-an syaraf (neural network) ke dalam sistem ini, agar hasilnya lebih optimal.
DAFTAR RUJUKAN
Abbod, M.F., von Keyserlingk, D.G., Linkens D.A., dan Mahfouf, M. (2001). Survey of Utilization of Fuzzy Technology in Medicine and Healthcare, Fuzzy sets and Systems 120, pp.331-349. Allahverdi, N. (2002). Expert Systems : An Artificial Intelligence Application, Istanbul : Atlas pp
248.
Allahverdi, N., dan Yaldiz, S. (1998). Expert Systems Application in Medicine and Example of Design of a Pre-Diagnosis Expert system, Proc. Second Turkish-German Joint Computer Application days, 15-16 Oct 1998, Konya, pp.175-192.
Brawer, M.K, dan Kirby, R. (1999). Prostate Spesific Antigen, 2nd Edition, Health Press, p.92
Kusumadewi, S., dan Hartati, S. (2006). Neuro-Fuzzy : Integrasi Sistem Fuzzy dan Jaringan Syaraf, Penerbit Graha Ilmu hal. 1- 9, Yogyakarta.
Nguyen, H.P, dan Kreinovich, V. (2001). Fuzzy Logic and Its Application in Medicine, International Journal of Medical Informatics 62, pp.165-173.
Saritas I., Allahverdi, N., dan Sert, I.U. (2003). A Fuzzy Expert Sytem Design for Diagnosis of Prostate Cancer, International Conference on Computer Systems and Technologies, CompSysTech.
