BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1. Tinjauan PustakaPenelitian yang berjudul “Optimasi Derajat Keanggotaan Fuzzy Tsukamoto Menggunakan Algoritma Genetika untuk Diagnosis Penyakit Sapi Potong”. Penelitian ini melibatkan pakar atau dokter sebagai ahli dalam memberikan informasi tentang penyakit pada sapi potong. Penggunaan motode logika fuzzy untuk mendapatkan hasil diagnosis penyakit pada sapi potong berdasarkan batasan yaitu gejala penyakit dan aturan – aturan yang diperoleh dari pakar atau dokter hewan. Pengujian yang dilakukan pada 51 data dari beberapa gejala yang dimbul pada sapi potong yang menghasilkan akurasi dan parameter yang digunakan sebagai acuan.akurasi tersebut memiliki penilaian sebesar 98,40% dengan parameter terbaik dengan ukuran 80, penilaian itu akan terus meningkat apabila sudah dilakukan optimasi pada metode logika fuzzy. Dengan adanya sistem ini dapat memudahkan untuk menganalisis penyakit yang ada pada sapi potong. (Diva Kurnianingtyas, Wayan Firdaus Mahmudy, Agus Wahyu Widodo, Maret 2017).
penyelesaian masalah. (Arkham Zahri Rakhman, Helmanatun Nisa Wulandari, Geralvin Maheswara, Sri Kusumadewi., 2012).
Penelitian yang berjudul “Sistem Pakar Penentuan Jenis Penyakit Hati Dengan Metode Inferensi Fuzzy Tsukamoto”. Hati memiliki fungsi yang kompleks dan beragam, fungsi hati adalah sebagai filter semua darah yang datang dari usus melalui vena porta, kemudian menyimpanya dan mengubah bahan – bahan makanan yang diterima vena porta. Dari penjelasan singkat itu, data diketahui peran dan fungsi hati dan temasuk gangguan dari hati yang disebabkan oleh virus atau bakteri yang bisa terjadi melalui makanan dan minuman. Penyakit cacing hati yang sudah parah akan banyak mempengaruhi fungsi–fungsi hati. Maka dari itu penelitian ini dilakukan untuk membangunan sebuah sistem yang nantinya bisa membantu dalam mengetahui jenis penyakit hati dan memberikan informasi kepada masyarakat tentang penyakit hati dari gejala–gejala yang timbul. Subjek pada penelitian ini adalah aplikasi sistem untuk menentukan jenis penyakit hati. Pada penelitian ini penelusuran faktanya menggunakan forward chaining dan logika yang digunakan adalah sistem inferensi
fuzzy metode tsukamoto. Tahap pengembangan aplikasi sistem diawali dari analisis sistem, perancangan sistem, coding dengan menggunakan Visual Basic 6.0 dan pengujian sistem dengan Black BoxTest dan Alfa Test. (Ardi Pujiyanta, Januari 2012).
Penelitian yang berjudul “Sistem Pakar Diagnosis Penyakit Kejiwaan
Skizofrenia Menggunakan Metode Tsukamoto”. Penyakit kejiwaan adalah suatu perubahan pada fungsi jiwa yang menyebabkan adanya gangguan dalam cara berpikir, kemauan, emosi, tindakan dalam hubungan sosial, sertasalah satu jenis gangguan kejiwaan yang cukup terkenal yaitu Skizofrenia. Penyakit kejiwaan Skizofrenia
rekomendasi berupa solusi. Pada metode tsukamoto output hasil inferensi dari tiap – tiap aturan diberikan secara tegas (crisp) berdasarkan predikat (fire strength) yang hasil akhirnya diperoleh dengan menggunakan rata – rata terbobot. Hasil dari sistem adalah pengguna dapat melakukan konsultasi melalui sistem setelah mendaftarkan data diri, kemudian dilanjutkan dengan memasukan gejala – gejala dan status mental yang dialami. Sistem diuji dengan Blackbox dan pengujian validitas sistem. Melalui
Blackbox dapat disimpulkan bahwa sistem dapat menangani data sesuai yang diharapkan melalui data – data yang dimasukan. Sedangkan pengujian validitas sistem menghasilkan nilai akurasi 93,33% yang mana dapat disimpulkan bahwa sistem yang dibuat dinilai berhasil. (Olivia Dwi Parwita, Anggi Srimurdianti Sukamto, Rudy Dwi Nyoto, 2016).
Penelitian ini berjudul “Implementasi Fuzzy Tsukamoto Dalam Mendiagnosa Penyakit Diabetes Mellitus”. Pada penelitian ini, dibuat suatu sistem penegakan penyakit Diabetes mellitus dengan menggunakan Metode Tsukamoto. Variabel – variabel pendukung penegakan diagnosa penyakit tersebut digunakan dalam pembentukan himpunan fuzzy. Himpunan fuzzy itu akan diproses dengan menggunakan Metode Tsukamoto sehingga menghasilkan suatu keputusan. Aplikasi yang dirancang telah diuji dengan melibatkan rekam medik diagnosa dari dokter, hasil keputusan yang dihasilkan aplikasi adalah sama dengan diagnosa dokter yang tertera di rekam medik. Secara umum aplikasi berbasis web ini bisa digunakan sebagai alat bantu sementara dalam penegakan diagnosa penyakit Diabetes Mellitus. (Yanmas Akhir Maulana, Bowo Nurhadiyono, n.d.).
2.2. Landasan Teori
2.2.1. Penyakit Cacing Hati Sapi Potong
sembarangan, dari areal persawahan yang mengandung larva cacing hati, juga karena sapi memakan rumput yang telah dihinggapi oleh siput (siput diketahui adalah hewan pembawa larva parasit cacing hati) sehingga larva cacing masuk dan berkembang biak didalam tubuh sapi.
Ciri – ciri utama hewan sapi yang telah terjangkit oleh parasit ini adalah dengan cara melihatnya secara visual hati sapi yang telah dibelah, bila didalam daging hati sapi tersebut terdapat lubang bisa dipastikan sapi terkena parasit cacing fasciola. Sebenarnya ada cara lain untuk mengetahui apakah sapi tersebut telah terjangkit parasit ataukah belum dengan cara lihat pada fisik sapi dan tingkah laku sapi yang tidak wajar dengan adanya gejala – gejala yang sering timbul. Walaupun cacing hati dapat dimatikan dengan cara memasak organ hati sapi dengan suhu 70 derajat celcius, namun tetap saja berbahaya bila tetap dikonsumsi karena dapat mengakibatkan mual serta muntah – muntah apabila dikonsumsi pada manusia. Jadi apabila anda ingin membeli daging sapi utamanya bagian hati di pasar tradisional kenali ciri – ciri utama hati sapi yang terjangkit parasit. Atau anda dapat membeli langsung di rumah pemotongan hewan yang telah memiliki jaminan kesehatan hewan potong.
2.2.2. Faktor yang Mempengaruhi Penyakit Cacing Hati Pada Sapi
Terdapat beberapa faktor yang umumnya mempengaruhi penyakit cacing hati pada sapi potong, yaitu:
1. Umur
karena sapi muda masih minum air susu induknya sehingga kemungkinan terjangkit penyakit cacing hati lebih rendah.
2. Sistem Pemeliharaan
Menurut Bp. Suparna peternak sapi di dusun Blembem Lor Harjobinangun Pakem Sleman Yogyakarta. Menyebutkan bahwa sapi yang dipelihara secara tidak baik akan beresiko terkena infeksi penyakit cacing hati. Dibandingkan dengan sapi yang dipelihara secara baik dan penuh perhatian. Ternak yang dipelihara tidak baik tanpa ada perhatian akan beresiko lebih tinggi terkena penyakit cacing hati (Fasciola) karena sapi tersebut tidak diperhatikan pola makan dan kualitas pakan yang tidak terjamin. Kekurangan pakan yang bernutrisi akan menyebabkan ternak mengalami malnutrisi. Nutrisi merupakan faktor yang mempengaruhi daya tahan tubuh sapi terhadap penyakit berbagai penyakit terutama penyakit cacing hati (Fasciola).
3. Musim
Menurut Drh. Felisitas Kristiyanti (2017) bahwa musim basah dan musim kering berpengaruh terhadap kembang biak cacing hati di dalam tubuh siput. Pada musim hujan atau basah siput akan bertelur yang nanti akan menempel pada rumput untuk pakan ternak, sedangkan pada musim kering atau kemarau populasi telur siput rendah tetapi telur siput yang menempel pada rumput belum tentu akan hilang.
2.2.3. Ciri – ciri Sapi terkena Penyakit Cacing Hati
2.2.4. Pengobatan dan Pencegahan Penyakit Cacing Hati pada Sapi
Pencegahan dilakukan harus sudah dilakukan dengan pemberian obat cacing secara teratur. Pemberian obat cacing hati ini dapat dilakukan setiap 1,5 hingga 2 bulan. Pengobatan tunggal sekali waktu, tidak terbukti efektif karena sapi selalu berpotensi terkena penyakit cacing terutama penyakit cacing hati, karena konsumsi pakan hariannya adalah rumput yang dapat mengandung sejumlah penyakit terutama penyakit cacing hati. Untuk meminimalisir timbulnya cacing hati atau fasciola sebaiknya hijauan untuk pakan ternak dipotong setelah pukul sepuluh pagi, dimana matahari sudah bersinar menghangatkan tumbuh – tumbuhan. Rumput yang telah dipotong lebih baik tidak langsung diberikan kepada sapi, angin – anginkan ditempat yang teduh minimal 12 jam, esok hari nya baru diberikan kepada sapi. (Herinda Pertiwi, drh., M.Si. 2016).
2.2.5. Daur Hidup Cacing Hati (Fasciola Hepatica)
Cacing Hati hidup di saluran empedu atau dalam pembuluh darah hati hewan ternak, menyebabkan pembusukan dibagian hati. Daur hidup cacing hati yaitu:
a. Telur keluar bersama kotoran hewan ternak dan menetas di air selama 9 - 15 hari membentuk larva bersilia.
b. Larva bersilia berenang di air, jika bertemu dengan siput air tawar larva bersilia akan masuk ke tubuh siput air tawar.
d. Jika metaserkaria termakan sapi, metaserkaria akan menembus dinding usus dua belas jari dan masuk ke hati sertas saluran empedu menjadi cacing hati dewasa selama beberapa bulan dan kemudian bertelur.
Gambar 2.1 Daur Hidup Cacing Hati pada Sapi
2.2.6. Sistem Pakar
Sistem pakar merupakan aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam.
Menurut Muhammad arhami (2004, hal.2-3) menyatakan bahwa “Sistem Pakar merupakan sistem komputer yang menyamai kemampuan pengambilan keputusan dari seorang pakar dan merupakan salah satu AI yang khusus untuk penyelesaian
masalah tingkat manusia yang pakar”.
Sehingga didapatkan pengertian sistem pakar secara khusus dalam penelitian ini yaitu salah satu cabang yang berupa aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah diagnosa penyakit cacing hati pada sapi.
2.2.7. Sejarah Sistem Pakar
2.2.8. Konsep Dasar Sistem Pakar
Konsep dasar sistem pakar memiliki dasar yaitu keahlian (expertise), pakar (expert), pengalihan keahlian (transfering expertise), inferensi, aturan (rules) dan kemampuan menjelaskan (explanation capability). Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari membaca dan pengalaman. Pengetahuan tersebut memungkinkan para ahli untuk mengambil keputusan lebih cepat dan lebih baik daripada seseorang yang bukan ahli. Pakar adalah seseorang yang banyak dianggap sebagai sumber terpercaya atas teknik maupun keahlian tertentu yang bakatnya untuk menilai dan memutuskan sesuatu dengan benar, baik sesuai dengan aturan dan status oleh sesamanya ataupun khayalak dalam bidang khusus tertentu. Pengalihan keahlian (transferring expertise) dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli, hal inilah yang merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan 4 aktivitas yaitu:
a. Tambahan pengetahuan (dari sumber – sumber lain).
b. Representasi pengetahuan (ke komputer).
c. Inferensi pengetahuan.
d. Pengalihan pengetahuan ke user.
Pengetahuan yang disimpan di komputer disebut dengan nama basis pengetahuan. Ada 2 jenis pengetahuan, yaitu fakta dan prosedur yang biasanya berupa aturan.
2.2.9. Logika Fuzzy
dan perangkat lunak maupun kombinasi keduanya. Dalam logika klasis dinyatakan segala sesuatu bersifat biner, yang artinya adalah hanya mempunyai dua kemungkinan
tidak lebih, “benar atau salah”,”ya atau tidak”,”baik atau buruk”, dan lain – lain. Karena itu, semua dapat mempunyai nilai keanggotaan 0 atau 1. Tetapi, dalam logika
fuzzy dimungkinkan nilai keanggotaan berada diantara 0 dan 1. Artinya, bisa saja
keadaan mempunyai dua nilai “ya atau tidak”,”benar atau salah”,”baik atau buruk”
secara bersamaan. Tetapi besar nilainya tergantung pada bobot keanggotaan yang dimiliki. Logika fuzzy bisa digunakan diberbagai bidang, missal seperti pada sistem diagnosa penyakit, riset operasi, pemodelan sistem pemasaran, dll.
Logika fuzzy adalah metodologi berhitung dengan variabel kata – kata (linguistic variable) sebagai pengganti berhitung dengan bilangan. Kata – kata yang digunakan dalam logika fuzzy bukan sepresisi bilangan namun dekat dengan intuisi manusia (Naba, 2009). Tidak semua kondisi memiliki nilai kebenaran salah dan benar atau bernilai 0 dan 1. Ada suatu kondisi yang berbeda di antara 0 dan 1 yang dinamakan kesamaran (fuzzy).
Menurut Sri Kusumadewi (2010) alasan digunakannya logika fuzzy yaitu: a. Konsep logika fuzzy mudah dimengerti dengan konsep matematis sebagai dasar dari
penalaran fuzzy yang sangat sederhana dan mudah dimengerti.
b. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahan dan ketidakpastian pada suatu permasalahan.
c. Logika fuzzy memiliki toleransi terhadap data – data yang tidak sesuai. Jika menggunakan sekelompok data yang cukup homogeny, kemudian ada beberapa data
yang “eksklusif”, maka logika fuzzy memiliki kemampuan untuk mengatasinya. d. Logika fuzzy mampu memodelkan fungsi – fungsi nonlinear yang sangat kompleks. e. Logika fuzzy dapat mengaplikasikan pengalaman – pengalaman para pakar secara
langsung.
g. Logika fuzzy didasarkan pada bahasa alami. Logika fuzzy mengunakan bahasa sehari
– hari jadi mudah di pahami.
2.2.10.Himpunan Fuzzy
Menurut Sri Kusuma Dewi (2010, p6) apabila himpunan crips, nilai keanggotaan hanya ada dua kemungkinan yaitu nol dan satu, pada himpunan fuzzy nilai keanggotaan terletak pada rentang nol sampai satu. Apabila x memiliki nilai keanggotaan fuzzy μA(x) = 0 berarti x tidak menjadi anggota himpunan A, demikian pula apabila x memiliki nilai keanggotaan fuzzyμA(x) = 1 berarti x menjadi anggota
penuh pada himpunan A.
Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mengcakup bilangan real pada interval [0, 1]. Nilai keanggotaannya menunjukkan bahwa suatu objek dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga berada nilai yang terletak diantaranya. Dengan kata lain, nilai kebenaran suatu objek tidak hanya benar atau salah. Nilai 0 menunjukkan salah, nilai 1 yaitu benar dan masih ada nilai – nilai yang terletak antara benar dan salah. Himpunan fuzzy memiliki 2 atribut, yaitu (Kusuma Dewi, 2003):
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami.
b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel.
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy (Aplikasi logika fuzzy untuk pendukung keputusan, Sri Kusumadewi, Hari Purnomo, Edisi kedua, Graha Ilmu, 2010), yaitu:
a. Variable Fuzzy
b. Himpunan fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh:
Variabel mahasiswa, terbagi menjadi 5 himpunan fuzzy, yaitu: kurang sekali,
kurang, cukup, baik dan baik sekali.
Variabel dosen, terbagi menjadi 3 himpunan fuzzy, yaitu: cukup, baik dan baik
sekali.
c. Semesta Pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (tambah) secara monoton dari kiri ke kanan. Nilai semesta dapat berupa bilangan positif maupun negatif. Ada kalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya.
Contoh:
Semesta pembicaraan untuk variabel mahasiswa: [0 50]
Semesta pembicaraan untuk variabel dosen: [0 50]
d. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif dan bilangan negatif. Contoh domain himpunan fuzzy:
Kurang Sekali = [0 15]
Cukup = [15 35]
Baik = [25 45]
Baik Sekali = [35 50]
2.2.11.Fungsi Keanggotaan
Fungsi keanggotaan merupakan kurva yang menunjukkan pemetaan input data ke dalam nilai anggotanya (derajat keanggotaan). Fungsi keanggotaan memiliki nilai dengan interval antara 0 sampai 1. Salah satu cara untuk memperoleh nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang dapat digunakan pada fungsi keanggotaan antara lain:
1. Representasi Linear
Pada representasi linear mengambarkan pemetaan input ke derajat keanggotaan sebagai suatu garis lurus. Representasi linear adalah bentuk yang paling sederhana dan menjadi pilihan yang baik. Himpunan fuzzy linear memiliki 2 keadaan, yaitu:
Representasi Linear Naik
Gambar 2.2. Representasi Linear Naik
Persamaan fungsi keanggotaan representasi linear naik ditunjukkan Persamaan (2.1).
Representasi Linear Turun
Representasi linear turun adalah garis lurus yang dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan yang lebih rendah. Representasi linear turun dapat dilihat pada Gambar 2.3.
Gambar 2.3 Representasi Linear Turun
Persamaan fungsi keanggotaan merupakan representasi linear turun ditunjukkan Persamaan (2.2).
2. Representasi Kurva Segitiga
Representasi kurva segitiga merupakan gabungan antara dua garis linear. Representasi kurva segitiga dapat dilihat pada Gambar 2.4.
Persamaan fungsi keanggotaan representasi kurva segitiga ditunjukkan Persamaan (2.3).
3. Representasi Kurva Trapesium
Memiliki bentuk dasar seperti kurva segitiga, namun terdapat beberapa titik yang memiliki nilai keanggotaan sama dengan satu. Representasi kurva trapesium dapat dilihat pada Gambar 2.5.
Gambar 2.5. Representasi Kurva Trapesium
2.2.12.Metode Fuzzy Inferensi Sistem Tsukamoto
Inferensi adalah proses penggabungan banyak aturan berdasarkan data yang tersedia. Komponen yang melakukan inferensi dalam sistem pakar disebut mesin inferensi. Menurut Sri Kusumadewi dan Sri Hartati (2006:34) sistem inferensi fuzzy
merupakan suatu kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy yang berbentuk IF-THEN, dan penalaran fuzzy. Secara garis besar, diagram blok proses inferensi fuzzy terlihat pada Gambar 2.6
Gambar 2.6. Diagram Blok Sistem Inferensi Fuzzy
Sistem inferensi fuzzy menerima input crisp. Input ini kemudian dikirim ke basis pengetahuan yang berisi n aturan fuzzy dalam bentuk IF-THEN. Fire strength
Pada metode Tsukamoto, implikasi setiap aturan berbentuk implikasi “Sebab
-Akibat”/Implikasi “Input-Output dimana antara anteseden dan konsekuen harus ada hubungannya. Setiap aturan direpresentasikan menggunakan himpunan – himpunan
fuzzy, dengan fungsi keanggotaan yang monoton. Kemudian untuk menentukan hasil tegas (Crisp Solution) digunakan rumus penegasan (defuzifikasi) yang disebut
“Metode rata – rata terpusat” atau “Metode defuzifikasi rata –rata terpusat” (Center Average Deffuzzyfier) (Setiadji, 2009:200).
Contoh:
Misalkan ada 2 variabel input, Var-1 (x) dan Var-2 (x), serta variabel output, Var-3 (z), dimana Var-1 terbagi atas 2 himpunan yaitu A1 dan A2. Var-2 terbagi atas 2 himpunan B1 dan B2, Var-3 juga terbagi atas 2 himpunan yaitu C1 dan C2 (C1dan C2 harus monoton). Ada aturan yang digunakan, yaitu:
[R1] IF (x is A1) and (y is B2) THEN (z is C1)
[R2] IF (x is A2) and (y is B1) THEN (z is C2)
Pertama – tama dicari fungsi keanggotaan dari masing – masing himpunan
