Fakultas Ilmu Komputer
Universitas Brawijaya
2373
Sistem Pakar Diagnosis Penyakit Hati Menggunakan Metode Fuzzy
Tsukamoto Berbasis Android
Achmad Igaz Falatehan1, Nurul Hidayat2, Komang Candra Brata3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Email: 1[email protected], 2[email protected], 3[email protected]
Abstrak
Hati adalah organ vital pada manusia. Karena fungsi hati yang vital, tentu kesehatan hati perlu untuk dijaga. Akan tetapi di indonesia sendiri penyakit hati khususnya Hepatitis berdasarkan survey dari kementerian kesehatan justru mengalami peningkatan dua kali lipat dari tahun 2007 sampai 2013. Pada tahun 2013, diperkirakan terdapat 1,2% penduduk Indonesia yang mengidap penyakit Hepatitis. Berdasarkan survey yang dilakukan WHO Diperkirakan 95% dari pengidap gejala awal Hepatitis tidak mengetahui bahwa mereka beresiko terkena penyakit Hepatitis. Permasalahan yang disebutkan dapat diatasi dengan mengenali gejala-gejala umum dari penyakit hati. Permasalahan mengenali gejala penyakit hati dapat diseleseikan dengan menggunakan sistem pakar. Sistem pakar menerapkan pengetahuan tentang gejala penyakit hati kedalam sistem. Metode Fuzzy Tsukamoto adalah salah satu metode yang dapat digunakan untuk mengolah nilai masukan gejala menjadi diagnosis penyakit. Pada penelitian ini akan menggunakan metode Fuzzy Tsukamoto untuk mendiagnosis penyakit hati berdasarkan nilai masukan gejala yang menghasilkan keluaran berupa keterangan terdeteksi atau tidaknya suatu penyakit hati. Berdasarkan hasil pengujian yang telah dilakukan dalam penelitian ini menghasilkan pengujian akurasi dari 64 data uji sebesar 96,87%.
Kata kunci: hati, gejala, penyakit hati, fuzzy tsukamoto, sistem pakar. Abstract
The liver is a vital organ in humans. Because the vital liver function, the liver health needs to be maintained. However, in Indonesia alone, especially Hepatitis liver disease based on survey from the health ministry actually has doubled from 2007 to 2013. In 2013, it is estimated that there are 1.2% of Indonesians who suffer from Hepatitis. Based on WHO survey It is estimated 95% of people with early symptoms of Hepatitis do not know that they are at risk of Hepatitis. The mentioned problems can be solved by recognizing the common symptoms of liver disease. The problem of recognizing the symptoms of liver disease can be solved by using an expert system. Expert systems apply knowledge of symptoms liver disease into the system. The Fuzzy Tsukamoto method is one of the methods that can be used to process the input value of symptoms into a disease diagnosis. In this research will use Fuzzy Tsukamoto method to diagnose liver disease based on input value of the symptoms that produce output of detected yes or not a liver disease. Based on the results of tests that have been done in this study resulted in accuracy testing of 64 test data 96,87%.
Keywords: liver, symptoms, liver disease, fuzzy tsukamoto, expert system.
1. PENDAHULUAN
Hati merupakan organ vital manusia yang memiliki fungsi kompleks dan beragam seperti menawarkan dan menetralisir zat-zat racun yang tidak bisa diserap oleh usus, menyaring darah yang datang dari usus melalui vena porta, kemudian menyimpan dan mengubah bahan makanan dari vena porta untuk selanjutnya
bahan makanan tersebut dikirim ke dalam darah sesuai dengan kebutuhan. Di dalam hati, makanan yang mengandung racun akan
dinetralisir sehingga makanan tidak
mengandung racun jika telah melewati hati. Hati memiliki peran vital dalam tubuh manusia, salah satunya adalah menjaga kebutuhan organ dalam tubuh, khususnya otak. Karena fungsi hati yang kompleks dan beragam, kesehatan hati perlu
diperhatikan agar tubuh tetap sehat. (Pujiyanta et al, 2012)
Jenis-jenis penyakit hati yang umum antara lain yaitu Hepatitis, Sirosis, Kanker Hati atau Hepatoma, Abses Hati, Kolesistitis dan perlemakan hati non alkoholik. Berdasarkan data dari WHO, penyakit yang memiliki kasus paling banyak menyerang hati manusia adalah Hepatitis dan Sirosis. Penyakit hati yang sudah akut akan mempengaruhi fungsi-fungsi hati, tetapi penyakit hati tersebut dapat diketahui gejala klinis maupun fisik yang timbul pada pasien. Gejala klinis dapat diketahui dari apa yang dirasakan oleh pasien, sedangkan gejala fisik dapat diketahui dari keadaan tubuh pasien. Gejala penyakit hati ada banyak dan kompleks, serta penyakit hati memiliki kemiripan gejala dengan beberapa penyakit. Hal ini perlu diperhatikan karena masyarakat kesulitan dalam mengenali gejala-gejala yang umum dari penyakit hati dengan penyakit lainnya.
Di Indonesia sendiri, penyakit Hepatitis menjadi perhatian Kementerian Kesehatan. Berdasarkan data dari Pusdatin (Pusat Data dan Informasi) Kementerian Kesehatan, jumlah orang yang mengidap Hepatitis naik dua kali lipat dari tahun 2007 sampai 2013. Pada tahun 2013, diperkirakan terdapat 1,2% penduduk Indonesia yang mengidap penyakit Hepatitis. Berdasarkan data, tahun 2013 penduduk Indonesia berjumlah 248.422.956 jiwa, maka bisa dikatakan jika 1,2% mengidap penyakit Hepatitis, ada sekitar 2.981.075 jiwa penduduk Indonesia yang mengidap penyakit Hepatitis.
Jumlah tersebut menunjukkan banyaknya
penduduk indonesia yang terjangkit penyakit Hepatitis. Sedangkan untuk Sirosis, berdasarkan data dari WHO pada tahun 2012, Indonesia memiliki usia standar tingkat kematian 52,7 untuk pria dan 16,6 untuk perempuan.
WHO menyebutkan 90% dari pengidap Hepatitis C dapat sembuh dalam kurun waktu 3-6 bulan. Hal ini tentu saja dengan penanganan yang cepat dan tepat. Jumlah pengidap Hepatitis yang banyak dan usia standart tingkat kematian Sirosis dapat dikurangi dengan cara salah satunya adalah mengenali gejala-gejala awal dan umum dari penyakit hati yang memungkinkan memudahkan masyarakat dalam mengetahui gejala penyakit hati secara dini. Dengan mengetahui gejala-gejala penyakit hati secara dini, masyarakat dapat melakukan tindakan pencegahan terjadinya penyakit hati akut.
Permasalahan dari mengenali gejala-gejala umum penyakit hati dapat diseleseikan dengan
menggunakan sistem pakar. Sistem pakar adalah cabang dari kecerdasan buatan atau artificial intelligence yang digunakan untuk mengambil dan menerapkan pengetahuan yang berasal dari
pakar (Kusumadewi, 2003). Dengan
menerapkan pengetahuan yang berasal dari
pakar, sistem pakar dapat membantu
menyeleseikan masalah di dalam dunia nyata dengan biaya yang relatif murah (Siswanto, 2005).
Pada penelitian sebelumnya yang telah dilakukan oleh Vika Lailiyah yang berjudul Pemodelan Sistem Pakar diagnosis penyakit HIV menggunakan metode Fuzzy Tsukamoto. Pada penelitian tersebut penulis menggunakan metode Fuzzy Tsukamoto untuk diterapkan pada sistem pakar diagnosis penyakit HIV. Hasil dari penelitian tersebut berupa diagnosis penyakit HIV dan solusi pengobatan dengan tingkat akurasi sebesar 85% (Lailiyah, 2016).
Penelitian sebelumnya dilakukan oleh Nadia Roosmalita Sari dan Wayan Firdaus Mahmudy pada tahun 2015 dengan judul “Fuzzy inference system Tsukamoto untuk menentukan kelayakan calon pegawai”. Penelitian tersebut menggunakan metode Fuzzy Tsukamoto untuk menentukan layak atau tidaknya seorang pegawai. Variabel dalam penelitian tersebut terdiri dari delapan kriteria kelayakan pegawai yang masing-masing kriteria memiliki dua derajat keanggotaan yaitu rendah dan tinggi. Dari delapan kriteria tersebut menghasilkan keluaran ditolak, dipertimbangkan dan diterima. Penelitian tersebut memiliki hasil uji korelasi antara nilai sistem dan nilai pakar menggunakan rank Spearman sebesar 0,952. Nilai spearman tersebut menunjukkan keakuratan sistem yang dikembangkan adalah sangat akurat (Sari, 2015). Penelitian terdahulu dilakukan oleh Fendy Gusta Pradana pada tahun 2016 dengan judul “Sistem diagnosa penyakit pada tanaman jagung
dengan menggunakan metode Fuzzy
Tsukamoto”. penelitian tersebut menggunakan metode Fuzzy Tsukamoto untuk mendiagnosis penyakit pada tanaman jagung. Variable yang digunakan adalah gejala yang berjumlah 16 gejala dan 5 penyakit. Pengguna sistem tersebut memilih daftar gejala untuk hasil diagnosis penyakit tanaman jagung. Tingkat akurasi perbandingan hasil diagnosis sistem dan hasil diagnosis pakar dari sistem tersebut mencapai nilai 95% (Pradana, 2016).
Metode Fuzzy Tsukamoto adalah metode yang memiliki toleransi pada data dan sangat fleksibel. Kelebihan dari metode Tsukamoto
yaitu bersifat intuitif dan dapat memberikan tanggapan berdasarkan informasi yang bersifat kualitatif, tidak akurat, dan ambigu (Thamrin, 2012). Pada metode Tsukamoto, setiap Rule direpresentasikan dengan suatu himpunan Fuzzy dengan fungsi keanggotaan yang monoton disebut dengan fuzzifikasi. Sebagai hasilnya, keluaran hasil dari tiap-tiap aturan berupa nilai tegas (crisp) berdasarkan α-predikat atau nilai minimum dari tiap Rule dan nilai z. Hasil
akhirnya diperoleh dengan melakukan
defuzzifikasi rata-rata berbobot (Pujiyanta, 2012).
Berdasarkan latar belakang yang telah diuraikan, pada penelitian ini penulis memilih metode Fuzzy Tsukamoto untuk membangun sebuah sistem dalam mendiagnosis penyakit hati yang akan diimplementasikan dalam penelitian yang berjudul “Sistem Pakar Diagnosis Penyakit Hati Menggunakan Metode Fuzzy Tsukamoto berbasis Android”. penulis berharap dengan penelitian ini diharapkan dapat memudahkan masyarakat dalam mengetahui penyakit hati secara dini dan memperoleh hasil akurasi yang tinggi.
2. TINJAUAN PUSTAKA
2.1 Penyakit hati
Pada penelitian ini menggunakan empat jenis penyakit untuk mendiagnosis yaitu hepatitis, sirosis, abses hati serta hepatocellular carcinoma disingkat hepatoma atau kanker hati. Dari empat jenis penyakit hati tersebut memiliki 16 gejala. Masing-masing penyakit hati memiliki empat gejala yang berbeda-beda.
2.2 Sistem pakar
Sistem pakar merupakan program komputer yang meniru pengetahuan dan penalaran manusia dalam menyelesaikan suatu masalah. Pengetahuan dari sistem pakar diambil dari seseorang yang ahli dalam permasalahan tersebut atau biasa disebut dengan pakar. sistem pakar dibangun untuk menyeleseikan suatu permasalahan dengan cara meniru kerja dari para pakar. Sistem pakar juga membantu para pakar dalam menjalankan aktifitasnya sebagai asisten yang berpengalaman. (Kusumadewi, 2003).
Menurut Siswanto pada tahun 2005, sistem pakar merupakan sistem yang mempunyai aplikasi paling banyak dalam menyeleseikan masalah di dunia nyata. Sistem pakar ini memiliki banyak pilihan dalam menjalankannya
seperti pada komputer pribadi atau perangkat mobile pribadi. sistem pakar dapat dilakukan dengan mudah serta memiliki biaya yang terjangkau (Siswanto, 2005).
2.3 Fuzzy Tsukamoto
Pada metode Fuzzy Tsukamoto, setiap konsekuen pada Rule yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton sebagai hasilnya (proses fuzzifikasi). keluaran hasil inferensi dari tiap-tiap rule diberikan secara tegas (crisp) berdasarkan α-predikat. Hasil akhirnya di peroleh dengan menggunakan defuzzifikasi rata-rata terbobot. (Maryaningsih et al, 2013).
Dalam proses inferensinya, metode Fuzzy Tsukamoto memiliki beberapa tahapan, yaitu:
1. Fuzzifikasi
Fuzzifikasi adalah Proses untuk mengubah masukan sistem yang mempunyai nilai tegas atau crisp menjadi himpunan fuzzy dan menentukan derajat keanggotaannya di dalam himpunan fuzzy.
2. Pembentukan Rules IF-Then
Proses untuk membentuk Rule yang akan digunakan dalam bentuk IF – THEN yang tersimpan dalam basis keanggotaan fuzzy.
3. Mesin Inferensi
Proses untuk mengubah masukan fuzzy menjadi keluaran fuzzy dengan cara fuzzifikasi tiap Rule (IF-THEN Rules) yang telah ditetapkan. Menggunakan fungsi implikasi MIN untuk mendapatkan nilai alpha-predikat tiap-tiap Rule. Kemudian masing-masing nilai alpha-predikat digunakan untuk menghitung output masing-masing Rule (nilai z).
4. Defuzzifikasi
Mengubah keluaran fuzzy yang diperoleh dari mesin inferensi menjadi nilai tegas atau
crisp. Hasil akhir diperoleh dengan
menggunakan persamaan rata-rata pembobotan menggunakan metode rata-rata Weight Average.
3. METODOLOGI
3.1 Data
Pada penelitian ini pengumpulan data dilakukan di Rumah Sakit Universitas Brawijaya pada bulan april dengan pakar dr. Mirzaulin Leonaviri yang merupakan salah satu dokter umum di Rumah sakit tersebut. Variabel dalam penelitian ini berupa jenis-jenis penyakit hati beserta gejala-gejala dari penyakit hati. Data yang diperoleh dari pakar terdiri dari data gejala
dan penyakit hati, data hasil keluaran rule serta data uji diagnosis dari pakar.
Tabel 1 gejala penyakit hepatitis
Kode
gejala Nama gejala
G1 Ikterus (warna kulit/sclera mata
menjadi kuning)
G2 Tubuh terasa tidak nyaman / kurang fit G3 Nyeri pada sendi
G4 Nyeri pada otot
Tabel 2 gejala penyakit sirosis
Kode
gejala Nama gejala
G1 Muntah darah
G2 Berat badan menurn
G3 Terdapat bercak kemerahan pada telapak tangan
G4 Pembesaran payudara pada laki-laki Tabel 3 gejala penyakit abses hati
Kode gejala Nama gejala
G1 Riwayat diare
G2 Nyeri pada perut kanan atas
G3 Mual muntah
G4 Demam
Tabel 4 gejala penyakit hepatoma
Kode
gejala Nama gejala
G1 Pelebaran pembuluh darah perut
G2 Pendarahan pada
hidung/gusi/kulit/saluran cerna G3 BAB hitam seperti kopi
G4 Terdapat benjolan pada perut kanan atas
Data yang digunakan berupa gejala beserta jenis penyakit hatinya. Setiap penyakit memiliki gejala yang berbeda-beda. Dalam penelitian ini data tentang gejala didapatkan sejumlah 16 gejala dengan empat penyakit. Untuk tiap penyakit memiliki empat gejala. Dari keempat gejala tersebut dapat digunakan untuk penalaran suatu penyakit dengan cara menggabungkan gejala spesifik dari penyakit dan gejala umum. Jika yang diisikan hanya gejala umum, penyakit tidak akan terdeteksi. Untuk mendeteksi penyakit dibutuhkan rule yang telah ditentukan oleh pakar. Setiap penyakit hati mempunyai rule masing-masing. Rule yang digunakan sendiri terdiri dari 64 rule dengan 16 rule untuk tiap
penyakit.
3.2 Alur Fuzzy Tsukamoto
Tahapan-tahapan dari metode fuzzy
tsukamoto yang digunakan dalam penelitian ini terdiri dari lima proses utama. Yang pertama adalah fuzzifikasi, kemudian menghitung alpha
predikat dengan fungsi implikasi MIN,
dilanjutkan dengan menghitung nilai z atau konsekuen tiap rule dan melakukan defuzzifikasi pada proses terakhir. Diagram alir fuzzy tsukamoto ditunjukkan pada Gambar 1.
Gambar 1 Diagram alir fuzzy tsukamoto 3.3 Perancangan Sistem
Pada penelitian akan dibangun sebuah aplikasi sistem pakar diagnosis penyakit hati berbasis android yang menggunakan metode Fuzzy Tsukamoto. Data yang digunakan dalam aplikasi adalah data gejala tentang penyakit hati. Hasil keluaran dari aplikasi adalah berupa diagnosis keterangan terdeteksi penyakit hati atau tidak. Hasil keluaran sistem berupa keterangan untuk memudahkan pengguna dalam
mengetahui tentang penyakit yang diderita. Sistem Pakar Diagnosis penyakit hati pada penelitian ini menggunakan metode Fuzzy Tsukamoto sebagai mesin inferensi. Diagram blok perancangan sistem ditunjukkan pada
Gambar 2 berikut.
Gambar 2 Diagram Blok Sistem Pakar Diagnosis Penyakit Hati
4 TAHAPAN METODE
Berdasarkan Gambar 1 tentang diagram alir fuzzy tsukamoto tahapan metode fuzzy tsukamoto dapat dijabarkan sebagai berikut:
1. Pembentukan Himpunan Fuzzy
(Fuzzifikasi)
Pembentukan himpunan fuzzy terdiri dari variabel input dan variabel output. Variabel tersebut dibagi menjadi satu atau lebih himpunan fuzzy. Pada proses ini, variabel input adalah gejala-gejala dalam penyakit hati, sedangkan variabel output berupa hasil diagnosis terdeteksi atau tidaknya penyakit hati. Sebagai contoh variabel input yang digunakan dalam penelitian ini adalah gejala penyakit hati. Tiap penyakit memiliki gejala yang berbeda-beda. Penyakit hepatitis memiliki salah satu gejala ikterus (warna kulit/sclera mata menjadi kuning). Gejala tersebut memiliki bilangan real yang merupakan bobot nilai gejala. Gejala ikterus memiliki dua himpunan fuzzy yaitu Rendah dan Tinggi.
Masing-masing memiliki domain seperti
ditunjukkan pada Gambar 3.
Gambar 3 Fungsi keanggotaan gejala ikterus
Fungsi keanggotaan pada himpunan rendah dan tinggi dapat dirumuskan sebagai berikut:
𝜇𝑅𝑒𝑛𝑑𝑎ℎ(𝑥) = { 1 (𝑥 ≤ 40) 65 − 𝑥 25 (40 < 𝑥 < 65) 0 (𝑥 ≥ 65) 𝜇𝑇𝑖𝑛𝑔𝑔𝑖(𝑥) = { 0 (𝑥 ≤ 40) 𝑥 − 40 25 (40 < 𝑥 < 65) 1 (𝑥 ≥ 65) Keterangan: 𝜇 = derajat keanggotaan x = himpunan objek
Variable output dalam contoh ini adalah diagnosis terdeteksi atau tidaknya penyakit hepatitis. Variabel ini terdiri dari 2 himpunan fuzzy yaitu Ya dan Tidak. Himpunan ya dan tidak ditunjukkan pada Gambar 3.
Gambar 4 fungsi keanggotaan penyakit hepatitis
Fungsi keanggotaan himpunan Ya atau Tidak ditunjukkan pada rumus berikut:
𝜇𝑌𝑎(𝑥) = { 0 (𝑥 ≤ 30) 𝑥 − 30 40 (30 < 𝑥 < 70) 1 (𝑥 ≥ 70) 𝜇𝑇𝑖𝑑𝑎𝑘(𝑥) = { 1 (𝑥 ≤ 30) 70 − 𝑥 40 (30 < 𝑥 < 70) 0 (𝑥 ≥ 70)
2. Pembentukan Rule
Hasil dari perhitungan fuzzifikasi kemudian diinferesikan terhadap rule. Fungsi implikasi pada metode fuzzy tsukamoto adalah MIN. untuk
menghitung alpha-predikat harus
merepresentasikan semua rule yang ada menggunakan rumus MIN(fuzzifikasi).
Contoh rule yang digunakan pada penyakit hepatitis adalah IF G1 rendah AND G2 rendah AND G3 Rendah AND G4 rendah THEN Tidak terdeteksi. Rumus tadi dapat diimplementasikan
menjadi MIN(G1 rendah,G2 rendah,G3
rendah,G4 rendah). 3. Defuzzifikasi
Langkah terakhir dari tahapan metode fuzzy tsukamoto adalah melakukan defuzzifikasi atau mengubah nilai himpunan fuzzy menjadi nilai tegas atau crisp. Setelah didapatkan nilai alpha-predikat, selanjutnya adalah proses menghitung nilai setiap konsekuen setiap rules atau nilai z. defuzzifikasi dilakukan dengan cara membagi nilai sigma alpha-predikat dikali z dengan sigma alpha-predikat.
5 HASIL DAN PEMBAHASAN
Hasil pengujian yang dilakukan pada penelitian ini terdiri dari pengujian blackbox, pengujian akurasi serta pengujian usability. pengujian blackbox digunakan untuk menguji fungsionalitas sistem apakah berjalan dengan baik atau tidak. Pengujian akurasi digunakan untuk mengetahui kemampuan dari sistem dengan cara membandingkan hasil diagnosis sistem dengan hasil diagnosis pakar. Pengujian usability digunakan untuk menguji tingkat kepuasan pengguna.
5.1 Hasil Pengujian Blackbox
Hasil dari pengujian blackbox yang telah dilakukan pada penelitian ini menghasilkan tingkat fungsionalitas sistem mencapai 100% karena fungsi semua yang diuji dapat berjalan dengan baik sesuai dengan harapan.
Tabel 5 hasil pengujian blackbox
5.2 Hasil Pengujian Akurasi
Hasil dari pengujian akurasi yang telah dilakukan pada penelitian ini adalah 96,87%. Pengujian akurasi menggunakan 64 data uji yang berupa nilai masukan gejala beserta diagnosis penyakitnya. Masing-masing penyakit memiliki 16 data uji. Perhitungan akurasi dilakukan dengan rumus Jumlah data benar / jumlah data uji dikali 100%. Berikut adalah rumus untuk menghitung nilai akurasi.
62
64𝑥100 = 96,87%
Berikut adalah salah satu data uji yang digunakan dan seluruh hasil uji pengujian akurasi.
No Skenario pengujian
Test case Hasil yang diharapkan Hasil dari sistem Hasil 1 Pengujian halaman diagnosis penyakit hati Memilih menu diagnosis penyakit hati Menampilkan halaman diagnosis penyakit hati Menampilkan halaman diagnosis penyakit hati Valid 2 Pengujian halaman diagnosis penyakit Hepatitis Mengisi nilai gejala dan Mengklik button diagnosis Menampilkan hasil diagnosis penyakit Hepatitis Menampilkan hasil diagnosis penyakit Valid 3 Pengujian halaman diagnosis penyakit Sirosis Mengisi nilai gejala dan Mengklik button diagnosis Menampilkan hasil diagnosis penyakit Sirosis Menampilkan hasil diagnosis penyakit Sirosis Valid 4 Pengujian halaman diagnosis penyakit abses hati Mengisi nilai gejala dan Mengklik button diagnosis Menampilkan hasil diagnosis penyakit abses hati Menampilkan hasil diagnosis penyakit abses hati Valid 5 Pengujian halaman diagnosis penyakit Hepatoma Mengisi nilai gejala dan Mengklik button diagnosis Menampilkan hasil diagnosis penyakit Hepatoma Menampilkan hasil diagnosis penyakit Hepatoma Valid 6 Pengujian halaman daftar penyakit hati Memilih menu daftar penyakit hati Menampilkan halaman daftar penyakit Menampilkan halaman daftar penyakit Valid 7 Pengujian halaman daftar penyakit Sirosis Memilih penyakit Sirosis pada halaman daftar penyakit hati Menampilkan rincian penyakit Sirosis Menampilkan rincian penyakit Sirosis Valid 8 Pengujian halaman Tentang Memilih menu Tentang Menampilkan halaman Tentang Menampilkan halaman Tentang Valid
Tabel 6 data uji penyakit abses hati
Tabel 7 hasil pengujian akurasi abses hati
Tabel 8 hasil pengujian akurasi hepatitis
Tabel 9 hasil pengujian akurasi sirosis
Tabel 10 hasil pengujian akurasi hepatoma
5.3 Hasil Pengujian Usability
Hasil dari pengujian usability yang telah dilakukan dalam penelitian adalah sistem memiliki tingkat kepuasan yang sangat baik dengan nilai mean 4,45. Nilai tersebut didapatkan dengan melakukan rata-rata tiap
pertanyaan kemudian rata-rata tersebut
dijumlahkan untuk dibagi menjadi total pertanyaan dikalikan dengan jumlah kuisioner. Total pertanyaan pada pengujian usability adalah 10 pertanyaan. Jumlah pengguna yang mengisi kuisioner adalah 20 orang. Berikut adalah hasil rincian hitungan pengujian usability:
𝑀𝑒𝑎𝑛 = 𝑇𝑜𝑡𝑎𝑙 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑁𝑖𝑙𝑎𝑖 𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑒𝑟𝑡𝑎𝑛𝑦𝑎𝑎𝑛 𝑥 𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑒𝑛𝑔𝑖𝑠𝑖 𝐾𝑢𝑖𝑠𝑜𝑛𝑒𝑟 = 885 10 x 20= 885 200= 4.425 No Riwayat diare Nyeri pada perut kanan atas Mual muntah
demam Abses hati
1 20 20 20 20 Tidak 2 20 20 20 90 Tidak 3 20 20 90 20 Tidak 4 20 20 90 80 Ya 5 20 95 20 20 Tidak 6 20 80 20 90 Ya 7 20 80 85 20 Ya 8 20 80 85 90 Ya 9 90 50 20 20 Tidak 10 90 40 20 85 Ya 11 90 40 70 20 Ya 12 80 20 80 80 Ya 13 75 75 20 20 Ya 14 75 75 20 70 Ya 15 75 75 50 20 Ya 16 60 60 60 60 Ya No Nilai defuzzifikasi
Diagnosis sistem Diagnosis pakar Sesuai 1 38.62 Tidak terdeteksi Tidak terdeteksi Ya 2 33.75 Tidak terdeteksi Tidak terdeteksi Ya 3 32.90 Tidak terdeteksi Tidak terdeteksi Ya 4 25 Tidak terdeteksi Tidak terdeteksi Ya 5 29.90 Tidak terdeteksi Tidak terdeteksi Ya 6 56.25 Terdeteksi Terdeteksi Ya 7 57.10 Terdeteksi Terdeteksi Ya 8 65 Terdeteksi Terdeteksi Ya 9 38.95 Tidak terdeteksi Tidak terdeteksi Tidak 10 50.16 Terdeteksi Terdeteksi Ya 11 50.52 Terdeteksi Terdeteksi Ya 12 57.10 Terdeteksi Terdeteksi Ya 13 51.38 Terdeteksi Terdeteksi Ya 14 56.25 Terdeteksi Terdeteksi Ya 15 51.38 Terdeteksi Terdeteksi Ya 16 48.67 Terdeteksi Terdeteksi Ya No Nilai defuzzifikasi
Diagnosis sistem Diagnosis pakar Sesuai 1 49.03 Tidak terdeteksi Tidak terdeteksi Ya 2 47 Tidak terdeteksi Tidak terdeteksi Ya 3 47 Tidak terdeteksi Tidak terdeteksi Ya 4 47 Tidak terdeteksi Tidak terdeteksi Ya 5 46 Tidak terdeteksi Tidak terdeteksi Ya 6 46 Tidak terdeteksi Tidak terdeteksi Ya 7 46 Tidak terdeteksi Tidak terdeteksi Ya 8 46 Tidak terdeteksi Tidak terdeteksi Ya 9 52.07 Terdeteksi Terdeteksi Ya 10 70 Terdeteksi Terdeteksi Ya 11 70 Terdeteksi Terdeteksi Ya 12 70 Terdeteksi Terdeteksi Ya 13 70 Terdeteksi Terdeteksi Ya 14 70 Terdeteksi Terdeteksi Ya 15 70 Terdeteksi Terdeteksi Ya 16 70 Terdeteksi Terdeteksi Ya No Nilai defuzzifikasi
Diagnosis sistem Diagnosis pakar Sesuai 1 38.75 Tidak terdeteksi Tidak terdeteksi Ya 2 50.42 Terdeteksi Terdeteksi Ya 3 44.58 Tidak terdeteksi Terdeteksi Tidak 4 65 Terdeteksi Terdeteksi Ya 5 30 Terdeteksi Terdeteksi Ya 6 65 Terdeteksi Terdeteksi Ya 7 65 Terdeteksi Terdeteksi Ya 8 65 Terdeteksi Terdeteksi Ya 9 30 Tidak terdeteksi Tidak terdeteksi Ya 10 65 Terdeteksi Terdeteksi Ya 11 65 Terdeteksi Terdeteksi Ya 12 65 Terdeteksi Terdeteksi Ya 13 65 Terdeteksi Terdeteksi Ya 14 65 Terdeteksi Terdeteksi Ya 15 65 Terdeteksi Terdeteksi Ya 16 65 Terdeteksi Terdeteksi Ya No Nilai defuzzifikasi
Diagnosis sistem Diagnosis pakar Sesuai 1 40.1 Tidak terdeteksi Tidak terdeteksi Ya 2 34.44 Tidak terdeteksi Tidak terdeteksi Ya 3 34.44 Tidak terdeteksi Tidak terdeteksi Ya 4 62.1 Terdeteksi Terdeteksi Ya 5 34.44 Tidak terdeteksi Tidak terdeteksi Ya 6 70 Terdeteksi Terdeteksi Ya 7 60.20 Terdeteksi Terdeteksi Ya 8 70 Terdeteksi Terdeteksi Ya 9 30 Tidak terdeteksi Tidak terdeteksi Ya 10 70 Terdeteksi Terdeteksi Ya 11 62.1 Terdeteksi Terdeteksi Ya 12 62.1 Terdeteksi Terdeteksi Ya 13 70 Terdeteksi Terdeteksi Ya 14 70 Terdeteksi Terdeteksi Ya 15 70 Terdeteksi Terdeteksi Ya 16 70 Terdeteksi Terdeteksi Ya
Nilai mean = 0,1-1 sistem sangat buruk Nilai mean = 1,1-2 sistem buruk Nilai mean = 2,1-3 sistem cukup baik Nilai mean = 3,1-4 sistem baik Nilai mean = 4,1-5 sistem sangat baik
Dari keterangan yang dijelaskan, nilai 4,425 masuk kategori sistem sangat baik.
6 PENUTUP
Berdasarkan hasil dari penelitian yang telah dilakukan tentang sistem pakar diagnosis penyakit hati menggunakan metode Fuzzy Tsukamoto berbasis android, dapat diambil beberapa kesimpulan sebagai berikut:
1. Sistem pakar diagnosis penyakit hati dapat
dirancang dan diimplementasikan untuk digunakan oleh pengguna dengan baik karena telah digunakan secara langsung oleh pengguna.
2. Sistem pakar diagnosis penyakit hati dapat
diimplementasikan dengan menggunakan metode Fuzzy Tsukamoto dengan melalui lima proses utama, yaitu fuzzifikasi, menentukan alpha-predikat untuk setiap Rule, menghitung nilai z setiap Rule, mengkalikan alpha predikat dengan z pada
setiap Rule, kemudian melakukan
defuzzifikasi dengan cara membagi jumlah alpha-predikat dikali z dengan jumlah alpha predikat. Nilainya akan menjadi penentu apakah pengguna terdeteksi penyakit hati yang dipilih oleh pengguna.
3. Berdasarkan hasil pengujian yang telah
dilakukan pada penelitian ini, pengujian blackbox memiliki tingkat fungsionalitas yang baik. Pengujian akurasi memiliki tingkat akurasi 96,87% dengan 64 data uji dari pakar. Dengan tingkat akurasi sebesar 96,87% sistem pakar ini dapat membantu melakukan diagnosis penyakit hati ataupun
mengenali gejala-gejala umum dari
penyakit hati. Pengujian usability memiliki nilai rata-rata mean 4,425. Dengan nilai rata-rata mean tersebut sistem yang dibangun dapat digunakan dengan baik oleh pengguna.
DAFTAR PUSTAKA
Abbasy, M. & Mohamed, A., 2016. Mobile Expert System to Detect Liver Disease Kind. International journal of computer science and information security, 14(5 may 2016), pp. 320-322.
Budihusodo, U., 2007. Buku Ajar Ilmu Penyakit Dalam. 2nd ed. Jakarta: Pusat Penerbitan Ilmu Penyakit Dalam FKUI.
Hartati, S. & Kusumadewi, S., 2006. Neuro Fuzzy-Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu.
Hayadi, B. H., 2016. Sistem Pakar. Yogyakarta: Deepublish.
Ihsan, A. & Shoim, A., 2012. Penentuan Nominal Beasiswa Yang diterima Siswa dengan Metode Logika Fuzzy Tsukamoto. Jurnal Ilmiah Ilmu Komputer, 8(2 maret 2012), pp. 167-173. Kesehatan, K., 2015. www.pusdatin.kemkes.go.id. [Online] Available at: http://www.pusdatin.kemkes.go.id/article/v iew/15073000001/w-a-s-p-a-d-a-2-9-juta- lebih-penduduk-indonesia-mengidap-hepatitis.html [Accessed 11 Maret 2017].
Kusrini, 2006. Sistem Pakar Teori dan Aplikasinya. Yogyakarta: Andi.
Kusumadewi, S., 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.
Lailiyah, V., 2016. Sistem Pakar Diagnosis Penyakit HIV menggunakan metode Fuzzy
Tsukamoto. Malang: Universitas
Brawijaya.
Maryaningsih, Siswanto & Mesterjon, 2013. Metode Logika Fuzzy Tsukamoto Dalam
Sistem Pengambilan Keputusan
Penerimaan Beasiswa. JurnalMedia
Infotama, 9(1 februari 2013), pp. 1-13. Nurdjanah, S., 2007. Buku Ajar Ilmu Penyakit
Dalam. 2nd ed. Jakarta: Pusat Penerbitan Ilmu Penyakit Dalam FKUI.
Pradana, F. G., 2016. Sistem diagnosa Penyakit
pada Tanaman Jagung dengan
menggunakan metode Fuzzy Tsukamoto. Malang: Universitas Brawijaya.
Pujiyanta, A. & Pujiantoro, A., 2012. Sistem Pakar Penentuan Jenis Penyakit Hati dengan Metode Inferensi Fuzzy Tsukamoto. Jurnal Informatika, 6(1 januari 2012), pp. 1-13.
Rohman, F. F. & Fauzijah, A., 2008. Rancang Bangun Aplikasi Sistem Pakar untuk
Menentukan Jenis Gangguan
Perkembangan Pada Anak.. Media
Informatika, 6(1 juni 2008), pp. 1-23. Sanityoso, A., 2007. Buku Ajar Ilmu Penyakit
Dalam. 2nd ed. Jakarta: Pusat Penerbitan Ilmu Penyakit Dalam FKUI.
Sari Nadia, R. & Mahmudy, W. F., 2015. Fuzzy
Inference System Tsukamoto untuk
Menentukan Kelayakan Calon Pegawai.
Seminar Nasional SIstem Informasi
Indonesia, Issue 2-3 november 2015, pp. 245-252.
Siswanto, 2005. Kecerdasan Tiruan. 2nd ed. Yogyakarta: Graha Ilmu.
Siswoyo, B. & J, G. I., 2008. Diagnoss Penyakit
Hati melalui SIstem Pakar. Jurnal
Computech & Bisnis, 2(1 juni 2008), pp. 45-51.
Sutojo & dkk, 2011. Kecerdasan Buatan. Yogyakarta: Andi.
Thamrin, F., 2012. Studi Inferensi Fuzzy Tsukamoto untuk penentuan pembebanan trafo. Semarang: Universitas DIponengoro. Turban, E., 1995. Decission Support and Expert System. 4th ed. New Jersey: Prentice-Hall International inc.
Turban, E. & dkk, 2005. Decission Support System and Intelligent Systems. 7th ed. Yogyakarta: Andi.
Wenas, N. T. & Waleleng, B. J., 2007. Buku Ajar Ilmu Penyakit Dalam. 2nd ed. Jakarta: Pusat Penerbitan Ilmu Penyakit Dalam FKUI.
WHO, 2016. http://www.who.int/. [Online]
Available at:
http://www.who.int/hepatitis/en
[Accessed 12 Maret 2017].
WHO, 2016. http://www.who.int/. [Online]
Available at:
http://www.who.int/campaigns/hepatitis-day/2016/en/
