Volume 6 Nomor 1 (Januari 2011)
Jurnal Generic adalah jurnal semi-elektronik (tersedia dalam bentuk softcopy dan hardcopy) yang
diterbitkan setiap tahun secara berkala pada bulan Januari dan Juli. Jurnal membahas tentang kajian terkini
dibidang ilmu komputer, teknologi informasi dan komunikasi. Jurnal Generic bertujuan menjadi wadah
publikasi ilmiah bagi peneliti, akademisi, maupun praktisi yang akan membagi pengetahuan dan
pengalaman mereka didalam pengembangan ilmu pengetahuan di bidang ilmu komputer dan bidang ilmu
teknologi informasi dan komunikasi di Indonesia.
PENANGGUNG JAWAB
Ketua Unit Penelitian dan Pengabdian Kepada Masyarakat
Bayu Adhi Tama, ST., MTI.
PENASIHAT
Dekan Fakultas Ilmu Komputer
Drs. Saparudin, MT
PENYUNTING AHLI
Dr. Yusuf Hartono, M.Sc (UNSRI)
Dr. Darmawijoyo, M.Si., M.Sc (UNSRI)
Dr-Eng. Anto Satriyo Nugroho (BPPT)
Dr. Ir. Eko K. Budiardjo, M.Sc (UI)
Ir. Siti Nurmaini, MT (UNSRI)
Jaidan Jauhari, MT (UNSRI)
PENYUNTING PELAKSANA
Ir. Bambang Tutuko, MT.
Samsuryadi, M.Kom.
Erwin, M.Si.
Drs. Megah Mulya, MT.
Ir. Sukemi, MT.
Mgs. Afriyan Firdaus, M.IT.
Firdaus, M.Kom.
Alvi Syahrini Utami, M.Kom.
SEKRETARIAT
Fakultas Ilmu Komputer, Universitas Sriwijaya
Jln. Raya Palembang - Prabumulih Km. 32, Inderalaya, Ogan Ilir, Sumatera Selatan
Telp. (0711)7072729, 379249 Fax. (0711) 379248
E-mail: [email protected]
Website: uppm.ilkom.unsri.ac.id
ISSN: 1907-4093 (print) / 2087-9814 (online)
Volume 6 Nomor 1 (Januari 2011)
An Integrated Formulation of Zernike Invariant for Mining Insect Images
Norsharina Abu Bakar
1, Siti Mariyam Shamsuddin
2, Maslina Darus
31,2
Universiti Teknologi Malaysia,
3Universiti Kebangsaan Malaysia 1-6
Penerapan Relasi Komposi Samar dalam Pendiagnosisan Suatu Penyakit
Samsuryadi dan Sukmawati
Universitas Sriwijaya 7-12
Perencanaan Strategis Teknologi Informasi (Studi Kasus: Politeknik Negeri Jakarta)
Indra Silanegara
1, Bayu Adhi Tama,
2Diat Nurhidayat
3, M. Harris Adi L.
41
Politeknik Negeri Jakarta,
2Universitas Sriwijaya,
3Universitas Negeri Jakarta,
4Deplu RI 13-18
The Application of Text Compression to Short Message Service Using Huffman Table
Ahmad Affandi, Saparudin, and Erwin
Universitas Sriwijaya 19-24
Analisis Kepuasan Konsumen Terhadap Restoran Cepat Saji Melalui Pendekatan Data
Min-ing: Studi Kasus XYZ
Vina Mandasari, Bayu Adhi Tama
Universitas Sriwijaya 25-28
GENERIC Volume 6 Nomor 1 Halaman
1– 32
Inderalaya, Januari 2011
pISSN 1907-4093
Pengembangan Perangkat Lunak Pembelajaran Bahasa Isyarat Bagi Penderita Tunarungu
Wicara
Yetti Yuniati
Abstract— This paper presents mathematical integration of Zernike Moments and United Moment Invariant for extracting printed insect images. These features are further mining for granular information by investigating the variance of Inter-class and intra-Inter-class. The results reveal that the proposed integrated formulation yield better analysis compared to conventional Zernike moments and United Moment Invariant.
Keywords— Feature Extraction, Granular Mining, Inter-class, Intra-Inter-class, Pattern Recognition, United Moment Invariant, and Zernike Moment Invariant,
I. INTRODUCTION
he mathematical concept of moments has been around since 1960s. Some of them are used for mechanics and statistics to pattern recognition and image understanding. Past few years, there were many researchers on moment functions have been explored in pattern recognition such as United Moment Invariant, Aspect Moment Invariant and etc. The techniques have been investigated to improve conventional regular moment by proposing the scaling factor of geometrical function that has been proposed by Hu [1]. However, previous studies reveal that there are weaknesses in Hu’s scaling factor [2].
Table 1 shows previous studies on enhancement of Moment Invariants from year 1962 to year 2008. All the proposed techniques are based on the drawbacks of Geometric Moment Invariants. Some of the drawbacks are: 1) Not sensitivity to image noise, aspect of information
redundancy and capability for image representation [6]. 2) Lose scale invariance in discrete condition [7].
3) Not good in boundary condition [4].
4) Error if the data are unequally scaling data [8].
On the other hand, [3] has proposed United Moment Invariant (UMI) that was based on the Geometric Moment Invariant (GMI) [3], and it was derived to improve the moment invariants of [4]. UMI was developed to handle with the images with boundary and shape representation.
The remainder of this paper is organized as follows: Section II describes related work on Geometric Moment Invariants in pattern recognition. Section III describes an
1Norsharina Abu Bakar was in Universiti Teknologi Malaysia; e-mail:
2
Siti Mariyam Shamsuddin is professor at Department of Computer Graphics & Multimedia, Faculty of Computer Science & Information Systems, Universiti Teknologi Malaysia (e-mail: [email protected]/ [email protected]).
3
Maslina Darus is professor at Pusat Pengajian Sains Matematik, Fakulti Sains dan Teknologi, Universiti Kebangsaan Malaysia. (e-mail: [email protected]).
integration of Zernike moments with United Moment Invariant, while Section IV presents the sample data of the study. Section V introduces the concept of inter-class and intra-class, and provides the experimental results and analysis of the proposed approach. Finally Section VI gives the conclusion of the study.
TABLE I. TRENDS OF MOMENT INVARIANT DERIVATION BASED ON
GEOMETRIC FUNCTION
Year Researcher Technique
1962 Hu Geometric Moment Invariant
1980 Teague Zernike Moment Invariant
1980 Teague Legendre Moment Invariant
1992 Flusser and Suk Affine Moment Invariant
1993 Chen Improve Moment Invariant
1994 Feng And Keane Aspect Moment Invariant
2000 S. M. Shamsuddin Higher Order Centralized Scale – Invariant
2001 R.Mukundan Tchebichef Moment Invariant
2003 Yinan United Moment Invariant
2003 Yap Krawtchouk Moment
Invariant 2007 A.K. Muda, S.M
Shamsuddin, M. Darus
Higher Order United Scaled Invariants
2008 A.K Muda Aspect United Moment
Invariant
II. RELATED WORK OF MOMENT INVARIANT
Various studies have been conducted on improvement of the algorithms for United Moment Invariant and Zernike Moment Invariant. In 1934, F. Zernike introduced Zernike Moments, and later, in 1980, this technique was applied by M.Teague for digital images [5]. Consequently, there are many applications on using ZMI have been explored (Table II).
Zernike moment has been proven better in terms of offering the ability of features and sensitivity to the noisy phase low despite its complex calculation. Its representation in terms of a concentrated moment is given as follows [5]:
(
)
1 20 02 3 2 1 ZM η η π = + − (
)
2 2 2 2 20 02 11 9 4 ZM η η η π = − + (
) (
2)
2 3 2 03 21 30 12 16 3 ZM η η η η π = − + + (
) (
2)
2 4 2 03 21 30 12 144 3 ZM η η η η π = − + + An Integrated Formulation of Zernike Invariant
for Mining Insect Images
Norsharina Abu Bakar
1, Siti Mariyam Shamsuddin
2, Maslina Darus
32 JURNAL GENERIC Norsharina Et Al.
(
)(
) (
)
(
)
(
)(
) (
)
(
)
2 2 03 21 03 21 03 21 30 12 5 4 2 2 30 12 30 12 30 12 03 21 3 3 13824 3 3 ZM η η η η η η η η π η η η η η η η η − + + − + = − − + + − + (
) (
) (
)
(
)(
)
2 2 02 20 30 12 03 21 6 3 11 03 21 30 12 864 4 ZM η η η η η η π η η η η η − + − + = + + + TABLE II. APPLICATIONS OF ZERNIKE MOMENT INVARIANT
No Authors Objective Year
1. Belkasim S.O Handwritten Numbers Recognition
1989
2. P.Pejnovic Tank, Helicopter Air-Craft and Ship recognition 1992 3. W. Y Kim et al Alphanumeric Machine-Printed Character recognition 1994 4. H.Lim et al Chinese character recognition 1996
5. J. Haddadnia et al. Face recognition 2001 6. Qing Chen,Xioli Yang,Jiying Zhao image watermarking 2005 7. Harikesh Singh, Dr. R. K. Sharma online handwritten character recognition 2007 8. R. Sanjeev Kuntee, RD Sudhaker Samuel Kanada character recognition 2007 9. Chong-Yaw Wee1, ∗Raveendran Paramesran1, Fumiaki Takeda2 Rice Sorting System 2007
On the other hand, United Moment Invariant which was derived by Yinan [7] in 2003, found that the rotation, translation and scaling can be discretely kept invariant to region, closed and unclosed boundary. The formulations of UMI is given [7]:
(
)
(
)
1 2 1 2 6 1 4 3 5 4 4 5 3 4 5 1 5 2 3 6 1 2 3 6 7 1 5 3 6 8 3 4 5 / / / / / / / / θ φ φ θ φ φ φ θ φ φ θ φ φ φ θ φ φ φ φ θ φ φ φ φ θ φ φ φ φ θ φ φ φ = = = = = = + = = +However, in 2007, the integration techniques of High Order Moment Invariant and United Moment Invariant were purposed by A.K. Muda et. al [2]. This study has been
extended to other unequal scaling invariant by integrating with Aspect Moment Invariants [9].
Figure 1. Chronology of Zernike United Moment Invariant
III. ZERNIKE UNITED MOMENT INVARIANT
UMI was derived from Geometric Moment Invariant and Improve Moment Invariant (IMI) [3] (refer to Figure 1). GMI is usable for region representation in discrete condition; however it is high in computational times for boundary representation [4]. Thus, Chen proposed IMI that practical for boundary and increased the computation speed. However, Yinan proposed a new technique that was effectively the shape of image on both region and boundary in discrete and continuous condition [3].
The combination of Zernike and United Moment is implemented to get better formulations that will yield good representation for boundary, region, discrete and noise resilience, information redundancy and reconstruction capability. UMI formulation is based on geometrical representation that taken into consideration the Normalized Central Moment of GMI and Boundary Representation of IMI[4] .
The integration formulation of ZMI and UMI is given as below. We define standard scaling equation as below:
Improved Moment Invariant
Usable in boundary-continuous condition
Improve computation speed
Zernike Moment Invariant
Outperforming in terms of noise resilience, information redundancy and reconstruction capability.
United Moment Invariant
Usable in region-discrete condition
Usable in boundary (close -unclose)
Zernike United Moment Invariant
Usable in region-discrete condition Usable in boundary (close -unclose)
-continuous condition
Outperforming in terms of noise resilience, information redundancy and reconstruction capability.
Geometric Moment Invariant
Usable in region (discrete) and boundary(continuous) condition Problem In boundary-computational time Lose in scale invariance indiscrete condition
( )
00 2 2 pq pq p q µ η µ + + =( )
00 2 ' 2 p q p q pq pq p q pq ρ η ρ η µ µ + + + + = =( )
1 00 ''pq µpqp q η µ + + =From the above equations, we find that, each term has
pq
µ . Yinan [3] said that if we can contemporary avoid the influence of µ00and, the united formula can be materialized. Hence, the eight formulas for United Moment Invariants (UMI) is presented as:
(
)
(
)
1 2 1 2 6 1 4 3 5 4 4 5 3 4 5 1 5 2 3 6 1 2 3 6 7 1 5 3 6 8 3 4 5 / / / / / / / / θ φ φ θ φ φ φ θ φ φ θ φ φ φ θ φ φ φ φ θ φ φ φ φ θ φ φ φ φ θ φ φ φ = = = = = = + = = +However, in this integration, the
φ
values are substituted by Zernike’s moments as shown below.(
)
(
)
(
) (
)
(
) (
)
(
)(
) (
)
(
)
(
)(
) (
)
(
)
1 20 02 2 2 2 2 20 02 11 2 2 3 2 03 21 30 12 2 2 4 2 03 21 30 12 2 2 03 21 03 21 03 21 30 12 5 4 2 2 30 12 30 12 30 12 03 21 3 2 1 9 4 16 3 144 3 3 3 13824 3 3 ZM ZM ZM ZM ZM η η π η η η π η η η η π η η η η π η η η η η η η η π η η η η η η η η = + − = − + = − + + = − + + − + + − + = − − + + − +(
) (
) (
)
(
)(
)
2 2 02 20 30 12 03 21 6 3 11 03 21 30 12 864 4 ZM η η η η η η π η η η η η − + − + = + + + For example,(
)
( )
(
)
2 2 2 2 20 02 11 2 2 20 02 11 2 4 00 3 4 9 1 4 ϕ η η η π µ µ µ π µ = × − + = × × − + and(
)
( )
(
)
1 20 02 00 20 02 2 00 3 2 3 1 2 1 ϕ π η η η µ µ π µ = × + − = × × + − so,( )
(
)
( )
(
)
(
)
( )
(
)
( )
2 1 1 2 2 20 02 11 2 4 00 20 02 2 00 2 20 02 2 11 2 2 00 20 02 00 9 1 4 3 1 2 1 9 4 3 2 1 ϕ θ ϕ µ µ µ π µ µ µ π µ µ µ µ π µ µ µ π µ = × × − + = × × + − − × + = + × × − Using the same approach as above, we get:
(
)
(
)
( )
(
( )
)
( )
(
( )
)
(
)
( )
(
)
( )
2 2 2 20 02 11 1 20 20 00 2 4 20 02 2 11 2 4 2 00 00 2 20 02 2 2 00 00 2 20 02 2 11 2 2 00 20 02 00 3 ' ' 4 ' ' 3 2 ' ' ' 9 4 3 2 1 9 4 3 2 1 η η η π θ η η η π µ µ ρ µ π µ µ µ µ ρ π µ µ µ µ µ π µ µ µ π µ × − + = × + − − × × + = + × × − − × + = + × × − 4 JURNAL GENERIC Norsharina Et Al.
( )
(
( )
)
( )
(
( )
)
(
)
( )
(
)
( )
2 4 20 02 2 11 2 4 2 00 00 2 20 02 2 2 00 00 2 20 02 2 11 2 2 00 20 02 00 9 4 3 2 1 9 4 3 2 1 µ µ ρ µ π µ µ µ µ ρ π µ µ µ µ µ π µ µ µ π µ − × × + = + × × − − × + = + × × − and(
)
(
)
( )
(
)
( )
(
)
(
)
( )
(
)
( )
2 2 2 20 02 11 1 20 20 00 2 2 20 02 11 2 6 00 20 02 3 00 2 20 02 2 11 2 2 00 20 02 00 3 '' '' 4 '' '' 3 2 '' '' '' 9 1 4 3 1 2 1 9 4 3 2 1 η η η π θ η η η π µ µ µ π µ µ µ π µ µ µ µ π µ µ µ π µ × − + = × + − × × − + = × × + − − × + = + × × − From the above derivation, we found that θ''1=θ'1=θ1. Hence, this has proven that θ1can be applied for both region and boundary in discrete and continues condition.
IV. SAMPLE DATA
The insect images will be used in this research. Initially, the insect images are scanned with 300 dpi (dot per inch) and 150 dpi resolutions. Figure 2 depicts sample of insect’s images and Figure 3 illustrates various orientations of insect images in the same class.
Figure 2. Insect Images
Figure 3. Insect Images (Orientation)
V. RESULT AND ANALYSIS
In this study, the invarianceness of the proposed integrated formulations are validated using intra-class and inter-class by calculating the MAE (Min Absolute Error) as shown below:
(
)
∑
= − = n i i i r x n MAE 1 1 ,where n is number of image, x is the current image andi r i
is the reference image. The first image is the reference image. Intra-class is the process that defines the similar images with the small value of MAE. However, inter-class is the process of defining the difference images with high MAE value.
A. Intraclass Analysis
For intra-class analysis, we used eight sample insect images to get the invariance’s of the techniques. All the images have different orientation with same class. The random samples of images are bactrocera maculigera (BM), bean bruchid (BB), chocolate moth (CM), dried current moth (DC), grain weevil (GW), indian meal moth (IM), rusty grain beetle (RG), and saw-toothed grain beetle (ST).
Figure 4 shows example of intra-class analysis/ Bactrocera maculigera(BM) insect images are used in this study with different orientations.
Figure 4. Sample insect image for intra-class analysis
From Table III, intra-class distance of ZUMI has smaller value for seven insect images and one insect image in UMI (saw-toothed grain beetle).
TABLE III. RESULT OF INTRA-CLASS ANALYSIS
ZUMI UMI ZMI
BB 0.915747 1.615862986 15.22766 BM 0.392484 1.705341657 3.969996 CM 1.108088 2.120735 1.634658 DC 0.919749 1.315753805 27.96692 GW 1.046265 1.881051745 27.3219 IM 0.969856 1.996245217 9.254302 RG 1.251929 2.426967495 31.0565 ST 1.913044 1.846069911 65.39193
Figure 5 illustrates that Zernike Moment Invariant (ZMI) gives higher value of MAE compared to other techniques.
Figure 5. Intraclass Analysis of Insects’ Images.
From Figure 5, it shows that ZUMI gives smaller value of MAE for all images. However, Figure 6 shows that UMI gives smaller MAE compared to ZUMI for saw-toothed grain beetle (ST) images. The difference MAE value is about 0.0066974089.
Figure 6. Comparison result between ZUMI and UMI.
B. Interclass analysis
The samples of images for interclass analysis are shown in Figure 7. There are 4 experiments for defining interclass analysis, and these include:
1) Interclass distance between saw-toothed grain beetle (ST) and rusty grain beetle (RG).
2) Interclass distance between chocolate moth(CM) and cocoa pod pentatomid(CP).
3) Interclass distance between bactrocera maculigera(BM) and natal fruit fry(NF).
4) Interclass distance between 6 and 9 (for testing only).
Figure 7. Sample insect images of inter-class analysis
Table IV depicts the comparison between three Moment Invariants (ZUMI, UMI, and ZMI). We label the experiments as below:
1) B1: the comparison between saw-toothed grain beetle (ST) and rusty grain beetle (RG).
2) B2: the comparison between chocolate moth(CM) and cocoa pod pentatomid(CP).
3) B3: the comparison between bactrocera maculigera(BM) and natal fruit fry(NF).
4) B4: the comparison between 6 and 9 (for testing only).
TABLE IV. RESULT OF INTER-CLASS ANALYSIS
B1 B2 B3 B4
U 0.289149 0.591789 2.705702 0.07581
Z 0.747368 55.49137 11.68222 4.54826
ZU 0.760303 0.311496 0.589317 2.371722 From Table IV, experiment B1 for inter-class shows that ZUMI gives the higher MAE values than others. However, for other experiments (B2, B3, B4), it shows that ZMI gives the highest MAE values compared to others. Experiment B3 shows that UMI gives smaller MAE values than others. However, in the last experiment for interclass analysis, the ZUMI gives higher value of MAE compared to UMI. Besides that, ZMI gives higher MAE values for all experiments compared to others as shown in Figure 8.
6 JURNAL GENERIC Norsharina Et Al.
Figure 8. The graph of inter-class anylisis result.
VI. CONCLUSION
From this study, we found that the proposed integrated formulations yield promising results compared to the conventional Zernike Moment Invariant and United Moment Invariant. The summary of the results are presented in Table V. As a whole, our proposed method is better in giving invarianceness of insect images in terms of inter-class and intra-class.
TABLE V. SUMMARIZATION OF THE RESULT
Technique Invarianceness Decision
The proposed Integrated Formulation (Zernike United Moment Invariant) Intra-class Good Inter-class Better Zernike Moment Invariant Intra-class Bad Inter-class Good United Moment Invariant Intra-class Better Inter-class Bad ACKNOWLEDGMENT
Authors would like to thank Research Management Centre (RMC) Universiti Teknologi Malaysia, for the research activities, Soft Computing Research Group (SCRG) for the support in making this study a success.
REFERENCES
[1] Hu, M.-K. (1962). "Visual pattern recognition by moment invariants." Information Theory, IRE Transactions 8(2):179-187. [2] Muda, A. K., S. M. Shamsuddin, et al. (2007). "Invariancenes of
higher order united scaled invariants." Advances in Computer
Science and Engineering 1(2): 105-118
[3] Sun, Y., W. Liu, et al. (2003). United moment invariants for shape discrimination. Robotics, Intelligent Systems and Signal Processing, 2003. Proceedings. 2003 IEEE International Conference
[4] Chaur-Chin Chen, “Improved Moment Invariant for Shape Discrimination” Pattern Recognition 26, pp.683-686, 1993.
[5] Teague, M. R. (1980). "Image analysis via the general theory of moments." J. Opt. Soc. Am. 70(8): 920.
[6] Teh, C.-H. and R. T. Chin (1988). "On Image Analysis by the Methods of Moments." IEEE Trans. Pattern Anal. Mach. Intell. 10(4): 496-513.
[7] Mingyue Ding, Jinling Chang and Jiaxiong Peng,”Research on Moment Invariant Algorithm,” Journal of Data Acquisition &
Processing vol.7 No.1,pp1-9,Mar,1992.
[8] S. M. Shamsuddin, M. N. Sulaiman, and M. Darus, "Invarianceness of Higher Order Centralised Scaled-invariants Undergo Basic Transformations," International Journal of Computer Mathematics, vol. 79, pp. 39 - 48, Taylor & Francis, 2002.
[9] Azah Kamila Muda,Siti Mariyam Shamsuddin & Maslina Darus. 2008. Discretization of Integrated Moment Invariants for Writer Identification. Proceeding of The 4th IASTED International
Conference on Advances in Computer Science and Technology
Abstrak—Pendiagnosisan suatu gejala penyakit oleh dokter merupakan hal yang sangat penting dalam menentukan jenis penyakit yang diderita oleh seorang pasien. Kekurangtepatan dalam pendiagnosisan penyakit akan mengakibatkan terapi atau pengobatan yang salah. Kesalahan ini dapat terjadi oleh pemikiran subjektif seorang dokter terhadap gejala-gejala penyakit yang diderita oleh pasien, sehingga hasil diagnosis dari beberapa dokter berkemungkinan berbeda. Pemikiran subjektif ini memerlukan penafsiran yang konsisten dengan menggunakan relasi komposisi samar antara gejala-gejala suatu penyakit yang diderita oleh pasien yang berperanan besar terhadap hasil diagnosis penyakit seorang pasien. Berdasarkan penerapan tiga relasi komposisi samar pada 10 orang pasien, diperoleh hasil yang sama untuk relasi komposisi min dan min-max, sedangkan pada relasi komposisi max-prod terdapat hasil yang berbeda.
Kata Kunci— max-min, max-prod, min-max, pendiagnosisan, relasi komposisi samar
I. PENDAHULUAN
impunan samar dan relasi komposisi samar telah banyak diaplikasikan di berbagai bidang, seperti: ekonomi, biologi, kedokteran, komunikasi, dan lain sebagainya. Pada artikel ini membahas penggunaan himpunan samar dan relasi komposisi samar di bidang kedokteran atau medik untuk melakukan diagnosis suatu penyakit yang diderita oleh pasien.
Selama ini, pendiagnosisan suatu penyakit didasari oleh pemikiran subjektif dari seorang dokter terhadap gejala-gejala penyakit yang diderita oleh seorang pasien, sehingga hasil diagnosis antara satu dokter dengan dokter lainnya kadang-kadang tidak sama dalam penentuan jenis penyakit yang diderita oleh pasien. Pemikiran subjektif ini memerlukan penafsiran yang konsisten dengan menerapkan konsep samar untuk menghitung relasi komposisi samar antara gejala-gejala suatu penyakit yang diderita oleh pasien sehingga gejala-gejala apa saja yang memiliki peranan besar untuk mendapatkan kesimpulan terhadap hasil diagnosis penyakit seorang pasien.
Artikel ini akan menggunakan tiga relasi komposisi samar menurut Vadiee [1], yaitu: min, min-max dan
max-prod, untuk menentukan gejala-gejala suatu penyakit yang
diderita oleh seorang pasien. Beberapa jenis penyakit yang akan diteliti adalah Apendisitis, Hepatitis B, Malaria, Stroke, Tetanus dan Typhus yang memiliki kesamaan gejala-gejala
1Samsuryadi adalah staf pengajar dan peneliti di Jurusan Teknik
Informatika Universitas Sriwijaya, Indralaya, Ogan Ilir, Sumatera Selatan (email: [email protected]).
2
Sukmawati adalah alumni jurusan Matematika, Universitas Sriwijaya, Indralaya, Ogan Ilir, Sumatera Selatan (email: [email protected]).
antar penyakit tersebut. Gejala-gejala penyakit tersebut merupakan gejala-gejala klinis tanpa didasari oleh hasil tes laboratorium. Data gejala-gejala penyakit diambil melalui sampel sekunder terhadap pasien dari seorang dokter. Berdasarkan gejala-gejala yang ada dilakukan penentuan hubungan gejala dengan jenis suatu penyakit menggunakan relasi komposisi samar dan mengumpulkan gejala berderajat keanggotaan besar atau kuat untuk menentukan jenis penyakit seorang pasien.
II. TINJAUAN PUSTAKA
A. Himpunan Samar
Zadeh [2] memperkenalkan pertama kali konsep samar untuk menyatakan indistinct (tidak jelas), blurred (kabur) ataupun vague (samar) sebagai alternatif terhadap himpunan biasa (crisp). Pada himpunan biasa batasan tentang keanggotaan dan non keanggotaan adalah sangat jelas, tetapi himpunan samar bersifat elastis, yaitu didasarkan pada alasan bahwa pengamatan pada anggota-anggotanya merupakan pengamatan secara subjektif dan tergantung dari siapa yang mengamati tentang keanggotaan elemen tersebut dalam himpunan. Pengamatan secara subjektif terhadap elemen ini diwakili oleh derajat keanggotaannya dengan rentang nilai antara 0 dan 1.
Definisi 1. Jika Xadalah himpunan semesta pembicaraan dan Ahimpunan bagian dari X maka Af disebut himpunan
samar jika dan hanya jika derajat keanggotaan x∈X di A
dinyatakan sebagai suatu fungsi keanggotaan µAf dari X
ke interval [0,1].
Secara umum himpunan samar dinyatakan [6]: {( f ( )), , f( ) [0,1]}
f
A A
A = xµ x x∈X µ x ∈
atau dapat juga dinyatakan sebagai pasangan terurut: {( , f( )) , f( ) [0,1]}
f
A A
A = x µ x x∈X µ x ∈
Pada suatu himpunan samar terdapat anggota yang berderajat keanggotaan berbeda, sehingga dapat dibuat batasan elemen x∈X sebagai berikut [5]:
1) Bukan anggota Af jika derajat keanggotaan x=0 atau
( ) 0; f
A x
µ =
2) Anggota lemah dari Af jika derajat keanggotaan x terletak pada interval 0<µAf( )x ≤0, 4;
3) Anggota sedang dariAf jika derajat keanggotaan x terletak pada interval 0, 4<µAf ( )x ≤0, 6;
4) Anggota kuat dariAf jika derajat keanggotaan x
Penerapan Relasi Komposi Samar dalam
Pendiagnosisan Suatu Penyakit
Samsuryadi
1dan Sukmawati
2, Universitas Sriwijaya
8 JURNAL GENERIC Samsuryadi Et Al. terletak pada interval 0, 6<µAf( )x <1;
5) Anggota sangat kuat dari Af jika derajat keanggotaanx=1 atau µAf( )x =1.
B. Relasi Komposisi Samar
Pada himpunan samar terdapat berbagai jenis operasi antara relasi yang dipandang sebagai himpunan bagian dari
samar. Operasi-operasi tersebut adalah relasi komposisi
samar.
Definisi 2. Misalkan Rf relasi antara dua himpunan samar
f
A dan Bf dan ada suatu himpunan samar Cf maka relasi komposisi dari Rf dan Cfdidefinisikan oleh Vadiee [1] sebagai berikut: 1) max-min ( ) max{min{ ( ), ( , )}} f f f M x C x R x y µ = µ µ (1) 2) min-max ( ) min{max{ ( ), ( , )}} f f f M x C x R x y µ = µ µ (2) 3) max-prod ( ) max{ ( ). ( , )} f f f M x C x R x y µ = µ µ (3) C. Jenis Penyakit
Jenis penyakit yang diteliti berdasarkan standar kesehatan yang berlaku dan umum diderita oleh masyarakat meliputi penyakit Appendicitis, Hepatitis B, Malaria, Stroke, Tetanus dan Typhus. Gejala-gejala penyakit tersebut merupakan gejala-gejala klinis tanpa didasari oleh hasil tes laboratorium, seperti diperlihatkan pada Tabel I berikut ini.
TABEL I. HUBUNGAN GEJALA PENYAKIT DENGAN JENIS PENYAKIT
Jenis Penyakit Gejala Penyakit
Appendicitis Demam, mengigil, limfa membesar, pucat, sering muntah dan nyeri kepala hebat [3].
Hepatitis B Tubuh dan mata berwarna kuning, hati membesar, air kencing berwarna seperti the, demam tinggi, pusing, cepat lelah, mual dan tidak nafsu makan [4].
Malaria Demam tinggi, tubuh terasa menggigil dan kelihatn pucat, limfa membesar dan nyeri pada kepala atau pusing [3].
Stroke Ketika berbicara pelo atau tidak jelas, lumpuh pada sebagian tubuh, nyeri kepala hebat dan kesadaran akan menurun [3].
Tetanus Demam tinggi, kejang, ada luka kotor, leher kaku, perut kaku, sukar menelan, mulut susah dibuka, cepat lelah, mual dan kepala terasa pusing [4].
Typhus Lidah kotor, demam tinggi, tidak nafsu makan, sangat mual, sering muntah, mencret, cepat lelah dan kepala terasa pusing [4].
III. PROSES DIAGNOSIS SUATU PENYAKIT
A. Penentuan Derajat Keanggotaan Menurut Gejala Penyakit dengan Relasi Samar
Sebelum menentukan derajat keanggotaan dari gejala-gejala suatu penyakit, maka dibuat penyimbolan terhadap gejala dan jenis penyakit yang diteliti agar pembahasan lebih praktis. Simbol G menyatakan himpunan gejala penyakit yang ditinjau secara klinik
{
x x1, 2,...,x26}
, Padalah himpunan penyakit yang diteliti{
x x1, 2,...,x26}
, Rf adalah relasi samar dari G ke P, dan simbol lainnya secara lengkap ditampilkan pada Tabel II.TABEL II. DAFTAR SIMBOL YANG DIGUNAKAN
Simbol Makna 1 y Appendicitis 2 y Hepatitis B 3 y Malaria 4 y Stroke 5 y Tetanus 6 y Typhus 1 x Demam 2
x Tidak nafsu makan
3 x Cepat lelah 4 x Mual 5 x Muntah 6 x Pusing 7
x Tubuh dan mata berwarna kuning
8
x Hati membesar
9
x Air seni berwarna seperti teh
10
x Lumpuh sebelah tubuh
11
x Mencret
12
x Kejang
13
x Ada luka yang kotor
14 x Leher kaku 15 x Perut kaku 16 x Sukar menelan 17
x Mulut susah dibuka
18
x Nyeri perut kanan bawah
19 x Susah BAB 20 x Menggigil 21 x Limfa membesar 22 x Pucat 23 x Bicara pelo 24 x Lidah kotor 25
x Nyeri kepala hebat
26
Gejala-gejala yang terdapat pada penyakit yang diteliti diberi indeks disajikan dalam Tabel III relasi samar antara penyakit dan gejala-gejalanya yang diadopsi dari Sukmawati [5].
Cara membaca Tabel 3, misalnya nilai 0,90 adalah derajat keanggotaan (
x
1, y
1) pada relasi samar Rf maksudnya gejala demam( )
x1 pada penyakit Appendicitis( )
y1mempunyai derajat keanggotaan sebesar 0,90; nilai 1 adalah derajat keanggotaan
(
x y1, 2)
pada relasi samarf
R maksudnya gejala demam
( )
x1 pada penyakit Hepatitis B( )
y2 mempunyai derajat keanggotaan sebesar 1, dan seterusnya.TABEL III. RELASI SAMAR ANTARA PENYAKIT DAN GEJALANYA
f R y1 y2 y3 y4 y5 y6 1 x 0,90 1 1 0 0,80 1 2 x 0,70 0,90 0,20 0,20 0,50 0,90 3 x 0 0,80 0 0 0,60 0,60 4 x 0,75 0,70 0,40 0 0,60 1 5 x 0 0,50 0 0 0,30 0,90 6 x 0 0,80 0,75 0 0,70 0,80 7 x 0 1 0 0 0 0,40 8 x 0 0,90 0 0 0 0,30 9 x 0 0,90 0 0 0 0 10 x 0 0 0 1 0 0 11 x 0,10 0,30 0,20 0 0 0,80 12 x 0 0,30 0 0,20 1 0,40 13 x 0 0 0 0 1 0 14 x 0 0,20 0 0 0,90 0,30 15 x 0 0,20 0 0 0,70 0,40 16 x 0 0,05 0 0,40 0,85 0,03 17 x 0 0,10 0 0 0,80 0,04 18 x 1 0,20 0 0 0 0,20 19 x 0,80 0,20 0 0,20 0,30 0,70 20 x 0 0,10 1 0 0,10 0,40 21 x 0 0,10 1 0 0 0 22 x 0,20 0 0,80 0 0,20 0,10 23 x 0 0 0 1 0 0 24 x 0 0,20 0 0,10 0 1 25 x 0 0 0,50 0,80 0,40 0,40 26 x 0 0 0 0,70 0,10 0
B. Gejala Penyakit Pasien dengan Bilangan Samar
Data sekunder diambil dari hasil pemeriksaan secara klinis oleh seorang dokter dari R.S.U Padeglang, Banten pada bulan Juni-Juli 2003 terhadap 10 orang pasien yang dilakukan oleh Sukmawati [5] yang disajikan dalam bentuk himpunan samar pada Tabel IV berikut ini.
TABEL IV. GEJALA-GEJALA PENYAKIT PASIEN DALAM BILANGAN SAMAR
No. Pasien Gejala yang diderita oleh Pasien dalam bentuk bilangan samar
1. A f A = 1 2 3 {( , 0.70), (x x , 0.40), (x , 0.50), 4 5 6 (x , 0.60), (x , 0.10), (x , 0.80), 7 8 9 10 (x , 0), (x , 0), (x , 0.10), (x , 0.40), 11 12 13 (x , 0.20), (x , 0.90), (x ,1), 14 15 16 (x , 0.90), (x , 0.90), (x , 0.75), 17 18 19 (x , 0.90), (x , 0.20), (x , 0.40), 20 21 22 (x , 0.20), (x , 0), (x , 0.20), 23 24 (x , 0), (x , 0), 25 26 (x , 0.40), (x , 0.10)} 2. B Bf = 1 2 3 {( , 0.90), (x x , 0.30), (x , 0.10), 4 5 6 (x , 0.60), (x , 0.10), (x , 0.75), 7 8 9 (x , 0), (x , 0.20), (x , 0.10), 10 11 12 (x , 0.30), (x , 0.20), (x , 0), 13 14 15 (x , 0), (x , 0.10), (x , 0.10), 16 17 18 (x , 0), (x , 0), (x , 0), 19 20 21 (x , 0), (x ,1), (x ,1), 22 23 (x , 0.85), (x , 0), 24 25 26 (x , 0), (x , 0.50), (x , 0)} 3. C f C = 1 2 3 {( ,1), (x x , 0.85), (x , 0.70), 4 5 6 (x , 0.75), (x , 0.10), (x , 0.10), 7 8 9 10 (x , 0), (x , 0), (x , 0.90), (x , 0), 11 12 13 14 (x , 0), (x , 0), (x , 0), (x , 0), 15 16 17 18 (x , 0), (x , 0), (x , 0), (x , 0.20), 19 20 21 (x , 0), (x , 0), (x , 0), 22 23 (x , 0.20), (x , 0), 24 25 26 (x , 0), (x , 0.85), (x , 0)} 4. D f D = 1 2 3 {( , 0.65), (x x , 0), (x , 0), 4 5 6 (x , 0.30), (x , 0), (x , 0.80), 7 8 9 10 (x , 0), (x , 0), (x , 0.20), (x , 0), 11 12 13 14 (x , 0), (x ,1), (x , 0.70), (x ,1), 15 16 17 18 (x , 0.80), (x ,1), (x ,1), (x , 0), 19 20 21 22 (x , 0.30), (x , 0), (x , 0), (x , 0), 23 24 25 26 (x , 0), (x , 0), (x , 0), (x , 0)} 5. E f E = 1 2 3 {( ,1), (x x , 0.80), (x , 0.30), 4 5 6 (x , 0.80), (x , 0.70), (x , 0.90), 7 8 9 (x , 0.10), (x, 0.50), (x , 0.20), 10 11 12 (x , 0), (x , 0.70), (x , 0), 13 14 15 (x , 0), (x , 0), (x , 0), 16 17 18 (x , 0.20), (x , 0), (x , 0.30), 19 20 21 (x , 0.80), (x , 0.40), (x , 0.10), 22 23 (x , 0.10), (x , 0),
10 JURNAL GENERIC Samsuryadi Et Al. 24 25 26 (x ,1), (x , 0.50), (x , 0.20)} 6. F F f = 1 2 3 4 {( , 0.20), (x x , 0), (x , 0), (x , 0.10), 5 6 7 8 (x , 0), (x , 0.60), (x , 0), (x , 0), 9 10 11 (x , 0), (x , 0.78), (x , 0.10), 12 13 14 15 (x , 0), (x , 0), (x , 0), (x , 0), 16 17 18 (x , 0), (x , 0), (x , 0), 19 20 21 (x , 0.30), (x , 0), (x , 0), 22 23 (x , 0.10), (x , 0.70), 24 25 26 (x , 0), (x ,1), (x , 0.90)} 7. G f G = 1 2 3 {( ,1), (x x , 0.85), (x , 0.10), 4 5 6 (x , 0.90), (x , 0.10), (x , 0.10), 7 8 9 10 (x , 0), (x , 0), (x , 0), (x , 0), 11 12 13 14 (x , 0.20), (x , 0), (x , 0), (x , 0), 15 16 17 18 (x , 0), (x , 0), (x , 0), (x ,1), 19 20 21 (x , 0.80), (x , 0), (x , 0), 22 23 (x , 0.20), (x , 0), 24 25 26 (x , 0.2), (x , 0), (x , 0)} 8. H f H = 1 2 3 {( ,1), (x x , 0.90), (x , 0.76), 4 5 6 (x , 0.80), (x , 0.65), (x , 0.70), 7 8 9 10 (x , 0), (x , 0), (x , 0), (x , 0), 11 12 13 14 (x , 0.70), (x , 0), (x , 0), (x , 0), 15 16 17 (x , 0), (x , 0.10), (x , 0), 18 19 20 (x , 0.10), (x , 0.75), (x , 0.50), 21 22 (x , 0), (x , 0.10), 23 24 25 26 (x , 0), (x , 0.80), (x , 0), (x , 0)} 9. I f I = 1 2 3 {( , 0.60), (x x , 0.10), (x , 0.10), 4 5 6 (x , 0.20), (x , 0.60), (x , 0.60), 7 8 9 10 (x , 0), (x , 0), (x , 0), (x ,1), 11 12 13 14 (x , 0), (x , 0), (x , 0), (x , 0), 15 16 (x , 0), (x , 0.20), 17 18 19 20 (x , 0), (x , 0), (x , 0.30), (x , 0), 21 22 23 (x , 0), (x , 0.10), (x ,1), 24 25 26 (x , 0), (x , 0.80), (x , 0.95)} 10 . J f J = 1 2 3 {( ,1), (x x , 0.70), (x , 0.70), 4 5 6 (x , 0.80), (x , 0.50), (x , 0.80), 7 8 9 10 (x ,1), (x , 0.90), (x , 0.90), (x , 0), 11 12 13 14 (x , 0.20), (x , 0), (x , 0), (x , 0), 15 16 17 (x , 0.90), (x , 0), (x , 0), 18 15 16 (x , 0.30), (x , 0.90), (x , 0), 17 18 19 (x , 0), (x , 0.30), (x , 0.30), 20 21 (x , 0.10), (x , 0.10), 22 23 (x , 0), (x , 0), 24 25 26 (x , 0.50), (x , 0), (x , 0)}
C. Proses Perhitungan Komposisi Pasien A
Hasil diagnosis pasien A berdasarkan Tabel 4 dengan memakai perhitungan komposisi max-min, max-prod,
min-max, maka hasilnya dapat ditampilkan pada Tabel V berikut ini.
TABEL V. HASIL PERHITUNGAN RELASI KOMPOSISI SAMAR UNTUK
PASIEN A ( )
f
A x
µ max- min max-prod min – max
1 x 0,70 0,70 0,70 0,70 2 x 0,40 0,70 0,63 0,40 3 x 0,50 0,50 0,40 0,50 4 x 0,60 0,60 0,60 0,60 5 x 0,10 0,10 0,09 0,10 6 x 0,80 0,80 0,64 0,80 7 x 0 0 0 0 8 x 0 0 0 0 9 x 0,10 0,10 0,09 0,10 10 x 0 0 0 0 11 x 0,20 0,20 0,20 0,20 12 x 0,90 0,90 0,90 0,90 13 x 1 1 1 1 14 x 0,90 0,75 0,68 0,90 15 x 0,90 0,75 0,68 0,90 16 x 0,75 0,75 0,64 0,75 17 x 0,90 0,80 0,72 0,90 18 x 0,20 0,20 0,20 0,20 19 x 0,40 0,40 0,28 0,40 20 x 0,20 0,20 0,20 0,20 1 x 0 0 0 0 2 x 0,20 0,20 0,14 0,14 3 x 0 0 0 0 4 x 0,40 0,40 0,40 0,40 5 x 0,40 0,40 0,20 0,40 6 x 0,10 0,10 0,04 0,10 Proses perhitungan gejala-gejala penyakit untuk pasien lainnya sama seperti proses perhitungan untuk pasien A.
D. Penentuan Jenis Penyakit
Berdasarkan hasil perhitungan relasi komposisi samar untuk pasien dari Asampai Jdapat diketahui gejala-gejala yang memiliki derajat keanggotaan besar (untukxi yang menjadi anggota kuat dan utuh), maka dapat disimpulkan penyakit yang diderita oleh pasien seperti ditampilkan dalam Tabel VI berikut ini.
TABEL VI. HUBUNGAN GEJALA DENGAN JENIS PENYAKIT
BERDASARKAN RELASI KOMPOSISI SAMAR PER PASIEN
Pasien Relasi Komposisi Fuzzy Gejala-gejala dengan derajat keanggotaan besar Hasil Penentuan Penyakit A
max-min Demam, pusing, kejang, ada luka kotor, leher kaku, perut kaku, sukar menelan dan mulut susah dibuka.
Tetanus
max-prod Demam, pusing, kejang, ada luka kotor, leher kaku, perut kaku, sukar menelan dan mulut susah dibuka.
Tetanus
min-max Demam, pusing, kejang, ada luka kotor, leher kaku, perut kaku, sukar menelan dan mulut susah dibuka.
Tetanus
B
max-min Demam, pusing, menggigil, limfa membesar dan pucat.
Malaria
max-prod Demam, menggigil, limfa membesar dan pucat.
Malaria
min-max Demam, pusing, mengigil, limfa membesar dan pucat.
Malaria
C
max-min Demam, tidak nafsu makan, cepat lelah, mual, air seni seperti teh dan nyeri kepala hebat. Tidak menderita penyakit yang diteliti
max-prod Demam, tidak nafsu makan, mual, air seni seperti teh dan nyeri kepala hebat. Tidak menderita penyakit yang diteliti
min-max Demam, tidak nafsu makan, cepat lelah, mual, air seni seperti teh dan nyeri kepala hebat. Tidak menderita penyakit yang diteliti D
max-min Demam, pusing, kejang, ada luka kotor, leher kaku, perut kaku, sukar menelan dan mulut suka dibuka.
Tetanus
max-prod Demam, pusing, kejang, ada luka kotor, leher kaku, perut kaku, sukar menelan dan mulut suka dibuka.
Tetanus
min-max Demam, pusing, kejang, ada luka kotor, leher kaku,
Tetanus
perut kaku, sukar menelan dan mulut suka dibuka.
E
max-min Demam, tidak nafsu makan, cepat lelah, mual, muntah, pusing, lidah kotor, mencret dan susah buang air besar.
Typhus
max-prod Demam, tidak nafsu makan, mual, muntah, pusing, lidah kotor dan susah buang air besar.
Mendekati Typhus
min-max Demam, tidak nafsu makan, mual, muntah, pusing, lidah kotor, mencret dan susah buang air besar.
Typhus
F
max-min Bicara pelo, lumpuh sebelah tubuh, nyeri kepala hebat dan kesadaran menurun.
Stroke
max-prod Bicara pelo, lumpuh sebelah tubuh, nyeri kepala hebat dan kesadaran menurun.
Stroke
min-max Bicara pelo, lumpuh sebelah tubuh, nyeri kepala hebat dan kesadaran menurun.
Stroke
G
max-min Demam, tidak nafsu makan, mual, nyeri perut kanan bawah dan susah buang air besar.
Appendisit is
max-prod Demam, tidak nafsu makan, mual, nyeri perut kanan bawah dan susah buang air besar.
Appendisit is
min-max Demam, tidak nafsu makan, mual, nyeri perut kanan bawah dan susah buang air besar.
Appendisit is
H
max-min Demam, tidak nafsu makan, mual, muntah, pusing, lidah kotor, mencret dan susah buang air besar.
Typhus
max-prod Demam, tidak nafsu makan, mual, muntah, pusing, lidah kotor, mencret dan susah buang air besar.
Mendekati Typhus
min-max Demam, tidak nafsu makan, mual, muntah, pusing, lidah
12 JURNAL GENERIC Samsuryadi Et Al. kotor, mencret dan susah buang air besar.
I
max-min Bicara pelo, lumpuh sebelah tubuh, nyeri kepala hebat dan kesadaran menurun.
Stroke
max-prod Bicara pelo, lumpuh sebelah tubuh, nyeri kepala hebat dan kesadaran menurun.
Stroke
min-max Bicara pelo, lumpuh sebelah tubuh, nyeri kepala hebat dan kesadaran menurun.
Stroke
J
max-min Demam, tidak nafsu makan, cepat lelah, mual, muntah, pusing, tubuh dan mata berwarna kuning, hati membesar dan air seni seperti air teh.
Hepatitis B
max-prod Demam, tidak nafsu makan, mual, pusing, tubuh dan mata berwarna kuning, hati membesar dan air seni seperti air teh.
Mendekati Hepatitis
B
min-max Demam, tidak nafsu makan, cepat lelah, mual, pusing, tubuh dan mata berwarna kuning, hati membesar dan air seni seperti air teh.
Hepatitis B
E. Analisis Relasi Komposisi Samar pada Penentuan Penyakit
Relasi komposisi max-min dan min-max memberikan hasil yang sama, maksudnya nilai yang diberikan sama-sama mempunyai derajat keanggotaan yang menunjukan gejala-gejala yang diteliti merupakan anggota lemah, anggota sedang, anggota kuat dan anggota utuh atau bukan anggota dari himpunan gejala penyakit yang diderita oleh seorang pasien, sedangkan relasi komposisi max-prod hasilnya tidak selalu sama terutama untuk derajat keanggotaan yang menunjukan anggota kuat gejala-gejala penyakit.
Berdasarkan Tabel V bahwa pasien B, D, E, H dan J memiliki nilai gejala-gejala yang derajat keanggotaannya merupakan anggota kuat pada relasi komposisi max-min dan
min-max tetapi anggota sedang pada relasi komposisi
max-prod. Sehingga relasi komposisi max-min dan min-max lebih efektif dibandingkan relasi komposisi max-prod dalam menentukan jenis suatu penyakit yang diderita oleh seorang pasien.
IV. KESIMPULAN DAN SARAN
Penentuan derajat keanggotaan fuzzy suatu gejala penyakit sangat bergantung pada pengetahuan dokter dalam mengenali gejala-gejala suatu penyakit. Pendiagnosisan suatu penyakit dapat dilakukan dengan menggunakan relasi komposisi fuzzy. Hasil relasi komposisi max-min dan
min-max memberikan hasil yang sama, sedangkan relasi komposisi max-prod tidak selalu sama terutama derajat keanggotaan kuat gejala suatu penyakit. Pengumpulan data gejala-gejala suatu penyakit hendaklah dilakukan secara teliti bersama seorang dokter yang perpengalaman dalam bidang secara cukup. Relasi komposisi fuzzy dapat dipakai dalam pendagnosisan suatu penyakit, khususnya relasi komposisi max-min dan min-max.
REFERENSI
[1] Vadiee, N., Fuzzy Logic and Control: Software and Hardware
Applications, Prentice-hall International, New Jersey. 1993.
[2] Zadeh, L.A., Fuzzy set Information and Control 8, University of California, California. 1965.
[3] Junadi, P., “Kapita Selekta kedokteran [tidak dipublikasikan]”, Fakultas Kedokteran Universitas Indonesia, Jakarta. 1982.
[4] Himawan, Patologi, Fakultas Kedokteran Universitas Indonesia, Jakarta. 1983.
[5] Sukmawati, “Penentuan Jenis Penyakit Menggunakan Relasi Komposisi Fuzzy,” [tidak dipublikasikan], Skripsi, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sriwijaya, Indralaya. 2003.
[6] Wang, L.X., A Course in Fuzzy System and Control, Prentice-hall International, New Jersey. 1997.
Abstrak—Perencanaan Strategis Teknologi Informasi merupakan turunan dari Rencana Strategis (Renstra) sebuah institusi. Tujuan dari riset ini adalah menemukan kebutuhan Sistem Informasi dan Teknologi Informasi (SI/TI) untuk Institusi Politeknik dengan metode studi kasus terhadap Renstra Politeknik Negeri Jakarta (PNJ). Riset diawali dengan analisis lingkungan bisnis aksternal dan internal PNJ guna menentukan five forces model dan critical success faktors institusi. Selanjutnya adalah analisis lingkungan aksternal dan internal SI/TI guna mengetahui trend teknologi dunia dan current application porfolio institusi. Tahap berikutnya adalah proses strategi (SI, TI, dan manajemen SI/TI. Tahap akhir adalah menentukan aplikasi-aplikasi SI/TI masa depan politeknik. Hasil yang dicapai adalah rekomendasi portofolio aplikasi SI/TI yang seharusnya dimiliki PNJ.
Kata Kunci— Analisis strategis, portofolio aplikasi, proses strategi, Renstra-TI.
I. PENDAHULUAN
nstitusi modern saat ini memerlukan Renstra TI guna memberikan dukungan yang selaras (support and
alignment) kepada Renstra-nya. Peran TI dalam
mendukung pencapaian Renstra dapat bersifat strategis sehingga diperlukan solusi untuk menemukan gap antara SI/TI yang telah dimiliki dengan yang seharusnya ada.
Penelitian ini bertujuan menerapkan argumen tersebut melalui studi kasus pada PNJ dengan rumusan masalah menemukan gap antara TI yang telah ada terhadap yang seharusnya disediakan oleh PNJ berdasarkan konsep Renstra TI.
II.TINJAUAN PUSTAKA
Sebagaimana teknologi lainnya, TI pun memiliki sisi positif dan negatif. Sebuah teknologi dapat menjadi alat peningkatan kinerja dan pencapaian tujuan. Namun di sisi lain, teknologi dapat berpengaruh sebaliknya sehingga mesti dikelola secara bijaksana [1].
1Indra Silanegara adalah staf pengajar di Politeknik Negeri Jakarta,
Depok, Jawa Barat; (e-mail: [email protected])
2
Bayu Adhi Tama adalah staf pengajar di Fakultas Ilmu Komputer, Universitas Sriwijaya, Inderalaya, Ogan Ilir, Sumatera Selatan. (e-mail:[email protected])
3Diat Nurhidayat adalah staf pengajar di Jurusan Teknik Elektro,
Universitas Negeri Jakarta (e-mail: [email protected]).
4
M. Harris Adil L. adalah staf di Pusat Pendidikan dan Latihan, Departemen Luar Negeri Republik Indonesia, Jakarta (e-mail: [email protected]).
A.Perlunya Renstra TI
Menurut Earl seperti dikutip oleh Indrajit [2], alasan mengapa sebuah institusi perlu mengembangkan TI-nya secara terencana adalah untuk menghindari terjadi kemungkinan-kemungkinan sebagai berikut:
1) Pengembangan SI dan TI yang tidak sejalan dengan strategi instisusi.
2) Pembangunan SI dan TI yang tidak terpola (sporadic) sehingga tidak terjadi keterpaduan antara sub-sistem yang ada (tidak terintegrasi, tidak holistik, dan tidak koheren).
3) Implementasi SI dan TI yang tidak mendatangkan manfaat (benefit) bagi para stakeholder terkait. 4) Alokasi dana investasi yang tidak sesuai dengan
kebutuhan seharusnya (under maupun over-investment).
5) Penerapan berbagai modul sub-SI dan TI yang tidak memperhatikan asas-asas prioritas dan kritikalitas. 6) Kualitas sistem informasi dan teknologi informasi
yang relatif rendah dipandang dari berbagai standar yang ada.
Beberapa permasalahan yang dihadapi PNJ berkenaan dengan SI/TI yang dimilikinya, Silanegara [3] mengidentifikasinya sebagai berikut:
1) Lepasnya beberapa business opportunities yang sebenarnya mampu diraih akibat tidak adanya SI/TI yang menjembatani dengan dunia industri dalam mengantisipasi perubahan lingkungan bisnis.
2) Kurang andalnya perencanaan pengelolaan infrastuktur TI sehingga lambat dalam mengatasi perubahan tren teknologi.
3) Minimnya kemampuan dalam mengakomodasi kebutuhan SI dan pengadaan TI sehingga lambat dalam menangani disfungsi peralatan.
4) Tidak didukungnya mekanisme pengambilan keputusan dengan SI yang optimal terhadap level kebutuhan sumber daya dan sistem peralatan terbaik menyebabkan beberapa diantaranya menjadi mubazir (lack of coordination).
5) Tidak terintegrasinya sistem-sistem yang ada menimbulkan terjadinya duplikasi pekerjaan dan
incoherence data (lack of integration) dan
6) Kurangnya fasilitas TI yang mampu memberikan kepuasan mahasiswa terutama untuk proses pembelajaran.
Perencanaan Strategis Teknologi Informasi
(Studi Kasus: Politeknik Negeri Jakarta)
Indra Silanegara
1, Bayu Adhi Tama,
2Diat Nurhidayat
3, M. Harris Adi L.
414 JURNAL GENERIC Indra Silanegara Et Al.
B.Fungsi TI dalam Proses Belajar Mengajar
Dua fungsi TI dalam proses belajar-mengajar di perguruan tinggi telah didefinisikan oleh [4]. Pertama, membantu menfasilitasi self-assessment dan supportive
social serta peer processes oleh ketersediaan tools yang
familiar bagi mahasiswa dan keluwesan berinteraksi dengan rekan-rekannya serta dengan bahan ajarnya, dan kedua, mendukung dosen dengan fasilitas kemampuan
monitoring kelompok yang berinteraksi di jalur online
dan mengintervensinya untuk meluruskan jika terjadi kesalah-pahaman tanpa menimbulkan feedback yang tidak perlu atau dominasi diskusi yang berlebihan dan
over-teaching.
Murthy [5] memberikan konklusi yaitu dengan mengkombinasikan sistem pedagogis tradisional yang selama ini diterapkan di perguruan tinggi dengan sistem yang lebih modern seperti e-learning, distance / open
learning dan an outcomes approach to pedagogy.
C.Globalisasi Kegiatan Penelitian Melalui TI
Dari banyak alasan penyebab mengglobalnya ilmu pengetahuan dan karya-karya ilmiah, dua yang paling patut dipersalahkan: pertama, perkembangan TI yang menciptakan komunitas global virtual para pakar perguruan tinggi dan sektor ilmu pengetahuan lainnya; kedua, dominasi Bahasa Inggris sebagai bahasa persatuan pengetahuan akademik dunia, sehingga setiap orang dapat dengan segera mengakses ilmu pengetahuan terkini bila memiliki dua hal tersebut di atas [6].
D.Pelibatan TI dalam Layanan Administrasi
Pencapaian yang diharapkan (desired result) institusi saat melibatkan TI ke dalam kegiatan administrasinya adalah desired result terhadap efficiency, effectiveness,
risk avoidance, customer satisfaction, cost avoidance,
dan new capabilities [7]
III. METODOLOGI PENELITIAN
Penelitian Renstra TI dengan studi kasus di PNJ ini menggunakan metode analisis dan proses strategi menurut Ward dan Peppard [8] sebagaimana tersaji dalam Gambar 1.
A.Proses Analisis dan Strategi
Pada riset ini, dilakukan 4 analisis untuk mengetahui kondisi bisnis dan SI/TI yang ada, yaitu external business
environment yang fokus pada analisis daya saing dan daya
tawar institusi, internal business environment yang fokus pada inisiatif dan kebijakan strategis institusi, internal
IS/IT environment yang fokus pada analisis spesifik
kondisi SI/TI institusi, dan external IS/IT environment yang fokus pada analisis tren teknologi yang berkembang saat ini.
Setelah melakukan analisis internal maupun eksternal, kemudian dilakukan IS/IT Strategy Process untuk
mengidentifikasi SI/TI yang sesuai dan dapat berkontribusi terhadap bisnis, menilai competitive
advantage bila menggunakan SI/TI, dan menentukan
kompetensi SDM dan resource lainnya yang diperlukan. Hasil proses strategi merupakan masukan bagi penyusunan IS Strategy, IT Strategy, dan Management
IS/IT Strategy dengan keluaran berupa gap antara Future Application Portfolio dengan Current Application Portfolio.
B.Metode Analisis dan Proses Strategi
Deliverable setiap tahapan riset didukung oleh
beberapa metode yaitu:
1) Critical Success Factor (CSF)
Menyajikan kriteria keberhasilan suatu rencana hingga dapat menentukan kebutuhan informasi dan solusi SI/TI.
2) Poter’s Five Forces Model
Menyajikan peta daya saing dan daya tawar organ-organ di luar institusi untuk dipredikasi solusi SI/TI-nya.
3) Strategic Alignment
Agar keselarasan antar strategi terjaga maka strategi bisnis drive strategi SI yang kemudian
men-drive strategi TI.
4) McFarlan’ strategic grid
Menyajikan peta kontribusi aplikasi setiap SI dan TI terhadap bisnis.
IV. HASIL DAN PEMBAHASAN
A.Analisis Institusi
Analisis Lingkungan Internal
PNJ memiliki visi politeknik sesuai dengan core-nya dan internasionalisasi terhadap keunggulan bidang-bidang yang digelutinya. Misi institusi mengarah pada aktifitas vokasi setiap SDM yang dimilikinya untuk selalu menghasilkan keluaran berupa lulusan yang mampu bersaing dan karya nyata yang diakui masyarakat internasional tanpa melupakan Sang Pencipta.
Analisis CSF dilakukan pada setiap term strategis dalam Renstra, contoh penerapannya adalah sebagai berikut:
1) Lebih memperluas dan merata kesempatan masyarakat untuk menjadi mahasiswa
2) Lebih mempermudah proses belajar mengajar melalui sarana-prasarana terkini
3) Lebih mempercepat proses identifikasi kompetensi dunia kerja
4) Lebih akurat dalam menerapkan kompetensi ke dalam kurikulum
5) Lebih memanfaatkan pendekatan student learning
center
6) Lebih mendorong dosen meningkatkan kompetensi dan reputasi industrinya
7) Lebih membuka peluang lulusan memperoleh sertifikasi keahlian
yang berbermutu dan berdaya guna
9) Lebih cepat dalam menangkap peluang kerjasama strategik dengan industri dan lembaga sertifikasi keahlian
10) Lebih tanggap terhadap stakeholder
11) Lebih efektif, efisien, akuntabel, dan transparan dalam tatakelola
12) Lebih mampu menarik pihak industri untuk merekrut lulusannya
13) Lebih memperbesar peluang lulusannya meraih pekerjaannya
14) Lebih mampu memantau prestasi lulusan dan menentukan feedback
Gambar 1. Metode proses strategi SI/TI ([8] setelah dimodifikasi)
Analisis Bisnis Eksternal
Daya saing dan daya tawar PNJ di bidang core pendidikan diperkirakan dengan menggunakan Five
Forces model.
1) Persaingan sesama institusi politeknik
Dengan tersebar meratanya institusi Politeknik Negeri di Indonesia, tingkat persaingan dapat dikatakan melemah seiring dengan menjauhnya jarak. Pesaing terdekat hanyalah Politeknik Negeri Bandung yang berada di propinsi tetangga. Walaupun masih cukup jauh untuk menjadi pesaing dalam hal menjaring calon peserta didik lulusan SLTA, namun menjadi kompetitor serius dalam menjaring peserta didik dari industri skala nasional yang ingin meningkatkan pendidikan karyawannya. Sementara untuk Politeknik Swasta, hanya yang berusia cukup panjang yang dapat dianggap sebagai pesaing serius seperti Politeknik Manufaktur Bandung. Area
kompetisi yang juga harus diwaspadai adalah pasar kerja dimana daya saing lulusan mereka dapat mempersempit peluang lulusan PNJ. Tingkat persaingan antar Politeknik masa 5 tahun ke depan masih dapat ditangani PNJ sehingga dikategorikan sebagai medium risk.
2) Ancaman politeknik pendatang baru
Untuk mendirikan sebuah Politeknik bidang Teknik diperlukan biaya sangat besar sehingga yang perlu mendapat perhatian adalah Politeknik baru dengan Program Studi (PS) non-Teknik. Selain itu, keinginan industri dalam dan luar negeri (PMDN/PMA) untuk mendirikan lembaga pendidikan tinggi sendiri juga perlu pula dicermati. Dengan kekuatan modal yang mereka miliki, dapat menjadi ancaman serius di masa depan. Walau demikian, prediksi terhadap kiprah para pendatang baru dalam 5 tahun ke depan, ancaman mereka masih dikategorikan sebagai low
risk.
3) Ancaman perguruan tinggi non-politeknik
Perguruan Tinggi non-Politeknik yang memiliki program serupa dengan PNJ merupakan ancaman terbesar selama ini, terutama dari institusi negeri maupun swasta penyandang nama besar dan ditunjang oleh reputasi SDM serta sumberdaya lainnya. Tak dipungkiri bahwa ketergantungan PNJ dengan salah satunya, yaitu Universitas Indonesia/UI, sangatlah besar dan tidak berkebalikan atau ketergantungan UI terhadap PNJ tidaklah cukup kuat sehingga perlu mendapat perhatian khusus. Institusi/industri yang memiliki BLK /Perguruan Tinggi sendiri juga dapat memberikan ancaman yang cukup serius bagi PNJ dengan sistem jaminan kerja maupun sertifikasi keahlian lulusannya. Ancaman produk pengganti dari Institusi Pendidikan non-Politeknik ini dapat dikategorikan ke dalam high risk. 4) Daya tawar pemasok peserta didik
Walau SLTA merupakan pemasok utama peserta didik namun penilaian daya tawar pemasok adalah pada minat lulusan dan orangtuanya terhadap PNJ. Lulusan SLTA (SMU, SMK, MA) yang mendaftar ke PNJ cenderung turun sehingga menjadi ancaman serius bagi kelangsungan beberapa PS dan menjadi gambaran menurunnya daya tawar PNJ di mata calon peserta didik. Dua area lain yang kurang mendapat perhatian PNJ adalah industri/instansi yang ingin menyekolahkan pegawainya dan alumni D3 yang ingin meningkatkan daya tawarnya di tempat kerja. Ancaman daya tawar pemasok masih dapat diprediksi dalam 5 tahun ke depan sehingga masuk kategori
medium risk.
5) Daya tawar perekrut lulusan
Keberhasilan PNJ tergantung pada kemampuan lulusannya dalam bersaing dan memperoleh pekerjaan yang relevan dengan bidang studi yang ditekuninya selama kuliah. Diperlukan strategi khusus dalam menghadapi industri dari dalam dan luar negeri yang akan merekrut lulusan hasil proses pendidikan di PNJ, terutama dalam mengimbangi daya tawar mereka. Pengabaian atas dunia kerja para
Proses Strategi
Input:
Critical Success Factor (CSF) Current applications portfolio
Five Forces Model Technology trend
Strategi SI
Output:
Kebutuhan SI
Strategi Manajemen SI/TI
Output:
Kebutuhan manajemen
Strategi TI
Output:
Kebutuhan TI
Future Application Portfolio
Analisa Lingkungan Bisnis Internal
Input:
Dokumen Rencana Strategis
Output:
Critical Success Factors (CSFs)
Analisa Lingkungan SI/TI Internal
Input:
Hasil studi ekskursi
Output: Current application portfolio
Analisa Lingkungan SI/TI Eksternal
Input: e-journal, e-book, web-site
Output: Technology trend
Analisa Lingkungan Bisnis Eksternal
Input:
Iklim kompetisi
Output: Five Forces Model
![Gambar 1. Metode proses strategi SI/TI ([8] setelah dimodifikasi)](https://thumb-ap.123doks.com/thumbv2/123dok/4367464.3188522/17.892.58.435.353.759/gambar-metode-proses-strategi-si-ti-setelah-dimodifikasi.webp)
