1 1.1. Latar Belakang
Kanker merupakan tantangan kesehatan masyarakat yang besar di dunia dengan insidensi yang meningkat setiap tahun (Parkin dkk., 2005 dalam Haryono, 2012). Insidensi di seluruh dunia diperkirakan sekitar 10 juta per tahun, dua kali lipat dibandingkan dengan kondisi 20 tahun yang lalu (Pecorino, 2005 dalam Haryono, 2012). Statistik World Health Organization pada tahun 2012 mengatakan bahwa kanker payudara merupakan salah satu penyakit paling kronis yang menyerang perempuan di negara maju dan negara berkembang (Parkin dkk., 2005 dalam Haryono, 2012). Penyakit kanker adalah penyebab kematian nomor lima di Indonesia (Surkenas, 2001 dalam Haryono, 2012) dimana kanker payudara merupakan kanker terbanyak kedua sesudah kanker leher rahim (Tjindarbumi, 1995 dalam Wahyuni, 2006). Laporan Sarjadi dkk., (2001) dalam Haryono (2012) menunjukkan bahwa pada tahun 1994 dari 12 pusat registrasi kanker di Indonesia terdapat sebanyak 23.310 orang penderita baru kanker dan kanker payudara terbanyak kedua (n=2743; 11,77%) setelah kanker rahim (n=4126; 17,7%). Tiga pusat registrasi kanker yaitu Yogyakarta, Padang, dan Makassar melaporkan kanker payudara sebagai kanker yang terbanyak masing- masing sebesar 26,6%, 25,8%, dan 27,9% di antara perempuan penderita kanker.
Laporan Soeripto dkk. (1989) menunjukkan insidensi kanker payudara di Yogyakarta sebesar 6,17% per 100.000 (Sarjadi dan Trihartini, 2001 dalam Haryono, 2012).
Berdasarkan laporan insidensi penderita kanker payudara diatas dan jumlah penderita kanker payudara yang bertambah tiap tahunnya di seluruh dunia khususnya di Indonesia membuktikan bahwa penyakit ini perlu penanganan medis yang serius. Umumnya pasien kanker payudara belum dinyatakan sembuh total walaupun telah melalui proses pembedahan sebagai terapi utama dikarenakan kemunculan kembali sel-sel kanker atau sel-sel kanker yang sudah bermetastasis atau menyebar ke organ tubuh pasien yang lain sehingga perlu dilakukan terapi
lanjut atau adjuvant therapy. Adjuvant therapy ditentukan oleh diagnosa status resiko rekurensi (risk status of breast cancer recurrence) berdasarkan data pasien setelah terapi utama. Dalam melakukan diagnosis mencakup beberapa tingkatan ketidakpastian (Torres dan Nieto, 2006). Logika Aristoteles mengatakan bahwa sebuah keputusan diambil dari dua nilai nilai logika; benar atau salah, hitam atau putih, dan 0 atau 1 namun pada kehidupan nyata segala sesuatu tidak hanya berupa hitam atau putih semata namun kebanyakan berupa abu-abu atau sesuatu yang bersifat tidak pasti. Seorang pakar dalam hal ini dokter dan paramedis sering menemui kesulitan dalam mengambil keputusan yang tegas dikarenakan beberapa alasan. Alasan tersebut bisa berupa data yang kurang tepat (imprecise) dan tidak akurat (inaccurate), pengetahuan yang tidak pasti (uncertainty), tidak ada batasan- batasan yang jelas untuk mengambil sebuah keputusan. Setiap pakar pasti mempunyai keputusan yang berbeda (inter-expert variability), mereka akan mengambil keputusan sesuai dengan pengalamannya sendiri. Opini atau keputusan pakar sering mengalami perubahan. Seiring waktu, opini atau keputusan seorang pakar sangat mungkin mengalami perubahan (intra-expert variability) karena pengetahuannya yang terus bertambah berdasarkan adanya gejala baru, penelitian baru, atau mungkin juga kebiasaan terbaru (Garibaldi, Jaroszewski, dan Musikasuwan, 2007). Pemodelan teknik biasa tidak bisa menangani permasalahan dalam pemindahan kepakaran manusia (knowledge acquisition) dan penalaran yang mengandung unsur ketidakpastian (uncertainty).
Ketidakpastian merupakan hal yang sangat penting dalam ilmu pengetahuan dan logika fuzzy adalah metode yang mampu menangani permasalahan ketidakpastian menggunakan bahasa sehari-hari. Logika fuzzy menterjemahkan ukuran pasti dari apa yang tidak pasti pada domain kesehatan (Saleh, Barakat, dan Awad, 2011). Peranan penting ilmuwan komputer dalam membantu pakar dalam hal pengambilan keputusan adalah mengembangkan model-model matematika dengan kemampuan prediksi yang tinggi (Visweswaran dkk., 2010) bahkan apabila terdapat kenaikan akurasi dalam ukuran kecil sekalipun yang bisa dihasilkan dari pemodelan matematika bisa memberi keuntungan yang besar baik kepada pasien maupun kepada instansi kesehatan.
Sebagai contoh pada tahun 1994, diperkirakan bahwa kenaikan akurasi sebesar 1 persen saja dalam prediksi hasil pneumonia dan rawat inap pasien pneumonia mampu menghemat sekitar $ 90 juta untuk biaya kesehatan per tahun di Amerika Serikat (Cooper dkk, 1997) sehingga membuat sistem prediksi yang lebih akurat merupakan tantangan utama dalam penelitian pada bidang informatika kesehatan.
Himpunan dan logika fuzzy telah terbukti mampu memindahkan kepakaran manusia kedalam sistem komputer berbentuk aturan IF-THEN. Aturan-aturan IF- THEN digunakan untuk melakukan pemetaan non-linear dari daerah input ke daerah output. Linguistik pada sistem fuzzy memiliki interpretabilitas yang cukup baik (Zhou dan Gan, 2008) karena linguistik mampu memberi angka kepada ukuran yang belum mempunyai ukuran angka yang jelas melalui membership function.
Sistem fuzzy akan menghasilkan output yang sama jika diberikan input yang sama dan tidak akan mengalami perubahan. Bagaimanapun, pakar sering berubah dalam pengambilan keputusan. Variasi atau perbedaan keputusan dapat terjadi antar pakar (inter-variability) begitupun seorang pakar keputusannya dapat berubah untuk input yang sama (intra-variability). Fuzzy non-stationary adalah metode fuzzy yang menyertakan variabel waktu. Membership function dari himpunan fuzzy non-stationary memungkinkan perubahan berdasarkan waktu sehingga bisa meniru variabilitas manusia dan menyesuaikan perubahan opini pakar (intra-variability) seiring dengan waktu (Garibaldi dkk., 2012). Melalui penelitiannya Garibaldi dkk. (2012) mendapati hasil bahwa metode fuzzy nonstationary dapat menaikan performa dibandingkan dengan metode fuzzy standard (tipe-1). Hal yang sama diakui oleh Coupland dan Matthews (2013) dalam penelitian mereka yang berkesimpulan bahwa metode fuzzy non-stationary alat yang sangat ampuh untuk pemodelan hubungan asosiatif fuzzy yang memiliki komponen temporal.
Pada diagnosa status resiko kekambuhan pasien kanker payudara ditemukan gejala-gejala yang membingungkan, sebagai contoh status tumor grade
“low” dan status reseptor hormon “weak positive”. Status “low” dan “weak
positive” tidak mempunyai ukuran angka yang jelas dan relatif untuk masing- masing pakar.
Berdasarkan pertimbangan tersebut dilakukan penelitian tentang sistem berbasis pengetahuan menggunakan metode fuzzy non stationary untuk diagnosa status resiko rekurensi penyakit kanker payudara.
1.2. Rumusan Masalah
Berdasarkan latar belakang masalah yang telah diuraikan di atas, maka rumusan masalah penelitian ini adalah bagaimana mendiagnosa status resiko rekurensi kanker payudara dengan mengatasi permasalahan ketidakpastian (uncertainty) dan human variability.
1.3. Batasan Masalah
Penelitian yang akan dilakukan memiliki batasan masalah sebagai berikut 1) Penelitian terfokus pada sistematika inferensi yang menggunakan sistem
inferensi fuzzy-nonstationary dengan interpretasi mamdani product.
2) Input sistem berupa keadaan pasien pasca pembedahan meliputi status HER2/neu, status reseptor hormon (HR), Age, Grade, Tumor Size dan kelenjar getah bening yang positif mengandung sel kanker (Lymph Node).
3) Keluaran dari sistem yang dibangun berupa status resiko rekurensi penyakit pasien kanker payudara yaitu dalam bentuk persen (%) dengan penentuan risk status apakah “low”, “intermediate”, atau “high”.
4) Implementasi metode yang digunakan dalam penelitian ini dilakukan menggunakan pemrograman Delphi.
1.4. Tujuan dan Manfaat Penelitian
Penelitian ini bertujuan untuk mengembangkan suatu model fuzzy system dengan himpunan fuzzy-nonstationary yang dapat membantu mendiagnosa status resiko rekurensi (risk status of breast cancer recurrence) penyakit kanker payudara berdasarkan pengetahuan pakar menggunakan data pasien yang diketahui.
Manfaat yang didapat dari penelitian ini adalah sebagai perkiraan tingkat resiko kekambuhan penyakit kanker payudara apabila dokter spesialis sedang tidak tersedia. Penelitian ini juga merupakan gambaran aplikasi fuzzy non-
stationary yang bermanfaat terhadap perkembangan ilmu komputer terkhusus pada fuzzy logic systems berikut aplikasinya pada domain kesehatan.
1.5. Metodologi Penelitian
Tahapan-tahap yang dilakukan dalam penelitian ini adalah sebagai berikut 1) Studi pustaka dan literatur
Pustaka yang dipelajari berkaitan dengan kanker payudara dan metode fuzzy non-stationary diperoleh dari berbagai sumber antara lain laporan hasil penelitian ilmiah (desertasi dan jurnal), buku, majalah ilmiah atau dari publikasi menggunakan media internet.
2) Pengumpulan data dan akuisisi pengetahuan
Pada tahap ini data yang berbentuk pengetahuan didapat dari data yang diambil dari jurnal internasional juga ditambah dengan pengetahuan pakar juga melakukan studi literatur dan pengetahuan yang didapat diakuisisi ke dalam sistem.
3) Analisis dan perancangan model fuzzy
Pada tahap ini dilakukan pemodelan fuzzy dengan merancang mulai dari penentuan linguistik variabel input dan variabel output, menentukan berapa perulangan yang dilakukan, menentukan perturbation function pada tiap variabel, menentukan metode fuzzifikasi, inferensi, dan defuzifikasi yang digunakan. Arsitektur sistem yang dirancang bisa dilihat pada Gambar 4.1.
4) Implementasi
Metode fuzzy non-stationary yang digunakan untuk diagnosa status resiko rekurensi penyakit kanker payudara dalam penelitian ini diimplementasikan ke dalam bahasa pemograman Delphi.
5) Pengujian dan pembahasan
Pada tahap ini dilakukan pengujian akurasi dengan menyesuaikan hasil keluaran sistem yang dibangun dengan keputusan pakar secara manual.
1.6. Sistematika Penelitian
BAB I PENDAHULUAN
Bab ini berisi latar berlakang, rumusan masalah, batasan masalah, tujuan dan manaat, metodologi penelitian dan sistematika penulisan dalam penyusunan penelitian.
BAB II TINJAUAN PUSTAKA
Bab ini membahas penelitian-penelitian sebelumnya yang berkaitan dengan diagnosis status resiko rekurensi penyakit kanker payudara dan penelitian-penelitian sebelumnya yang menggunakan metode fuzzy non-stationary dan status rekurensi kanker payudara.
BAB III LANDASAN TEORI
Bab ini berisi uraian dasar teori yang berkaitan dengan penelitian ini yang digunakan sebagai referensi untuk menyelesaikan permasalahan dalam penelitian ini yaitu penyakit kanker payudara, faktor-faktor yang digunakan untuk menentukan status resiko penyakit kanker payudara, dan logika fuzzy non-stationary.
BAB IV ANALISIS DAN PERANCANGAN SISTEM
Bab IV menjelaskan analisis dan perancangan sistem fuzzy non- stationary dalam mendiagnosis status resiko rekurensi penyakit kanker payudara.
BAB V IMPLEMENTASI
Bab ini berisi implementasi kode program dari analisis dan perancangan yang telah diuraian pada bagian sebelumnya.
BAB VI HASIL DAN PEMBAHASAN
Bab ini berisi hasil dan pembahasan pengujian (analisis hasil percobaan) penelitian yang telah dilakukan.
BAB VII KESIMPULAN DAN SARAN
Kesimpulan dari penelitian yang telah dilakukan dan saran untuk penelitian selanjutnya ditulis pada bab terakhir pada penulisan penelitian ini.
