Diagnosis Penyakit THT Menggunakan Metode Fuzzy Tsukamoto Berbasis Android

Fakultas Ilmu Komputer

Universitas Brawijaya

2361

Diagnosis Penyakit THT Menggunakan Metode Fuzzy Tsukamoto

Berbasis Android

Fahmiyanto Ekajaya1_{, Nurul Hidayat}2_{, Mahardeka Tri Ananta}3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1_{fahmiyanto23@yahoo.com,} 2_{ntayadih@ub.ac.id,} 3_{deka@ub.ac.id}

Abstrak

Selama ini pemutusan diagnosa pada penyakit selalu mengandalkan perkiraan dari hasil klinik ataupun laboratorium. Dimana dengan hal tersebut banyak ditemui kekurangan yang berakibat kerugian bagi pihak pasien dalam memanajemen waktu. Berdasarkan data persediaan dan jumlah permintaan, maka dirancang suatu sistem penunjang keputusan menggunakan metode fuzzy tsukamoto. Dalam sistem diagnosis penyakit THT dengan berbasis android Variabel permintaan terdiri dari dua himpunan fuzzy, yaitu: TURUN, dan NAIK, variabel persediaan terdiri dari dua himpunan fuzzy,yaitu: SEDIKIT, dan BANYAK, sedangkan variabel produksi terdiri dari dua himpunan fuzzy yaitu: BERKURANG, dan BERTAMBAH. Penghitungan akurasi pada penelitian ini tidak dipisah berdasarkan setiap penyakit melainkan akurasi untuk keseluruhan penyakit dan menghasilkan nilai akurasi sebesar 93,75%

Kata Kunci : fuzzy, inferensia, metode tsukamoto, produksi, defuzzifikasi,

Abstract

During this time the diagnosis of the disease always relies on clinical or laboratory estimates. Where with it many found deficiencies that resulted in losses for the patient in managing time. Based on the inventory data and the number of requests, it is designed a decision support system using the method fuzzy tsukamoto.In the diagnosis system of THT diseases with android based The demand variable consists of two fuzzy set, namely: DOWN, and NAIK, inventory variable consists of two fuzzy set, : LITTLE, and MANY, while the production variable consists of two fuzzy sets namely: REDUCE, and ADDED. The calculation of accuracy in this study was not separated based on each disease but accuracy for the whole disease and resulted in an accuracy of 93.75%

Keywords: fuzzy inference, methods Tsukamoto, production, defuzzification,

1. PENDAHULUAN

Telinga, hidung, dan tenggorokan dihubungkan satu sama lain oleh saluran yang dinamakan saluran “Eustachian tube”. Oleh karena itu infeksi pada hidung dapat menyebar ke tenggorokan dan sebaliknya.

Penyakit telinga, hidung dan tenggorokan merupakan penyakit yang banyak di jumpai di Indonesia, karena masyarakat desa atau pelosok kurang peduli terhadap kebersihan dan sering membiarkan bila ada gejala-gejala infeksi pada telinga, hidung, maupun tenggorokan. Selain itu, dokter-dokter spesialis THT mayoritas berada di pusat kota yang sulit dijangkau oleh masyarakat desa. Sehingga, masyarakat sering membiarkan dan hanya mengobati sekedarnya.Dari uraian di atas, maka diperlukan sistem yang dapat

mendiagnosa penyakit pada telinga, hidung atau tenggorokan sebagai langkah awal untuk mengobati pasien, sehingga dapat membantu penanganan dan penyembuhan pasien

Untuk membuat sistem diagnosa ini, diperlukan suatu metode yang dapat mengambil suatu keputusan apakah seseorang terjangkit salah satu penyakit pada telinga, hidung atau tenggorokan atau tidak. Maka pada sistem ini digunakan metode tsukamoto untuk mengambil keputusan berdasarkan data hasil survey yang telah diperoleh. Data hasil survey tersebut digunakan sebagai pembelajaran sistem yang nantinya dapat memberikan suatu keputusan tentang kondisi pasien.

Smartphone android merupuakan perangkat yang banyak dimiliki oleh masyarakat luas, dan sudah umum setiap masyarakat dapat mengakses informasi melalui perangkat

smartphone tersebut oleh Karena itu maka aplikasi diagnosa ini ditujukan untuk perangkat smartphone android.

Dari permasalahan diatas, maka diperlukan aplikasi untuk mendiagnosa penyakit THT Dengan harapan nantinya dapat dilakukan secara cepat, mudah, efisien dan seluruh data yang ada terekam secara baik didalam database sehingga akan memudahkan dalam proses pencarian data.

2. TINJAUAN PUSTAKA 2.1 THT

Telinga, hidung dan tenggorokan dihubungkan satu sama lain oleh saluran yang dinamakan saluran “Eustachian tube”. Oleh karena itu infeksi pada hidung dapat menyebar ke tenggorokan dan sebaliknya.

Gejala kelainan pada telinga adalah sebagai berikut :

1. Rasa nyeri di telinga (otalgia). Otalgia ini kadang-kadang tidak hanya terjadi pada telinga, tetapi saat sakit gigi, sakit pada mulut, tenggorokan, hidung dan pada leher, sebab adanya nyeri alih melalui saraf otak IX.

2. Pendengaran terganggu

3. Keluar cairan (cair atau nanah) dari telinga 4. Telinga berdengung (tinitus)

5. Vertigo, apabila kelainan terdapat di telinga dalam

Infeksi telinga disebabkan oleh lendir yang tertumpuk pada saluran telinga pada waktu anak mencoba mengeluarkan lendir dari hidung. Jika lendir terinfeksi, akan menyebabkan pembengkakan yang dapat menyebabkan tuli. Hal ini tidak terjadi pada dewasa karena saluran yang menghubungi hidung dan telinga lebih panjang.

Infeksi Sinus (Rongga Hidung) Radang rongga hidung (sinusitis) dapat disebabkan oleh alergi atau infeksi. Peradangan ini mengakibatkan meningkatnya produksi lendir berair, hidung tersumbat dan juga sakit kepala. Kebanyakan mereka yang terserang sinusitis biasanya menunjukkan gejala-gejala yang berat pada pagi hari dan merasa lebih baik pada siang hari. Dianjurkan untuk konsultasi ke dokter jika keadaan ini sangat mengganggu.

Proses fuzzikasi adalah perhitungan nilai atau masukan. Proses fuzzification adalah garing perhitungan nilai atau masuka nilai-nilai ke tingkat keanggotaan Perhitungan fuzzification

keanggotaan. Set fungsi keanggotaan fuzzy dapat dilihat pada Gambar 1 dan Gambar 2

2.2 Metode Fuzzy Tsukamoto

Teori fuzzy (fuzzy logic), dikenal sebuah logika tegas (Crisp logic) yang memiliki nilai benar atau salah secara tegas. Sebaliknya logika fuzzy merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran antara benar dan salah. Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada bobot keanggotaan yang dimilikinya.

Dalam membangun sebuah sistem fuzzy dikenal beberapa metode penalaran, antara lain: metode Tsukamoto, metode Mamdani, dan metode Sugeno. Pada aplikasi prediksi penyakit akan digunakan Tsukamoto. Adapun kelebihan dari metode Tsukamoto adalah memiliki toleransi terhadap datadata yang tidak tepat dan mudah dimengerti. Pada metode tsukamoto, setiap aturan direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan fungsi keanggotaan yang monoton. Untuk menentukan nilai output yang tegas dicari dengan mengubah input menjadi suatu bilangan pada domain himpunan fuzzy tersebut.

2.3 Android

Perangkat berbasis android hanya mempunyai satu layar foreground. Normalnya saat menghidupkan android, yang pertama Kamu lihat adalah home. Kemudian bila Kamumenjalankan sebuah aplikasi catur, User Interfacenya (UI) akan menumpuk diatas layar sebelumnya (home). Kemudian bila melihat help-nya catur, maka UI help akan menimpa UI sebelumnya (catur), begitu seterusnya.

Semua proses diatas direkam di application stack oleh sistem Activity manager. Menekan tombol back hanya kembali ke halaman sebelumnya, analoginya mirip dengan browser.

Gambar 1 Fungsi Keanggotaan Otitis Fungsi Keanggotaan Rendah

:

1 ∶ 𝑥 < 30 60 − 𝑥

60 − 30∶ 30 < 𝑥 < 60 0 ∶ 𝑥 > 60

Fungsi Keanggotaan tinggi :

1 ∶ 𝑥 > 60 𝑥 − 30

60 − 30∶ 30 < 𝑥 < 60 0 ∶ 𝑥 < 30

Gambar 2 Fungsi Keanggotaan Rhinithis Alergi Fungsi Keanggotaan Rendah :

1 ∶ 𝑥 < 25 50 − 𝑥

50 − 25∶ 25 < 𝑥 < 50 0 ∶ 𝑥 > 50

Fungsi Keanggotaan tinggi :

1 ∶ 𝑥 > 70 𝑥 − 25

50 − 25∶ 25 < 𝑥 < 50 0 ∶ 𝑥 < 25

Gambar 3 Fungsi Keanggotaan Rhinosinusitis Fungsi Keanggotaan Rendah :

1 ∶ 𝑥 < 30 70 − 𝑥

70 − 30∶ 30 < 𝑥 < 70 0 ∶ 𝑥 > 70

Fungsi Keanggotaan tinggi :

1 ∶ 𝑥 > 70 𝑥 − 30

70 − 30∶ 30 < 𝑥 < 70 0 ∶ 𝑥 < 30

Gambar 4 Fungsi Keanggotaan Malasie Fungsi Keanggotaan Rendah :

1: 𝑥 < 20 50 − 𝑥

50 − 20∶ 20 < 𝑥 < 50 0: 𝑥 > 50

Fungsi Keanggotaan tinggi :

1: 𝑥 > 50 𝑥 − 20

50 − 20∶ 20 < 𝑥 < 50 0: 𝑥 < 20

Tabel 1. Rule Penyakit Otitis

No g1 g2 g3 Otitis

1 Rendah Rendah Rendah Tidak

2 Rendah Rendah Tinggi Ya

3 Rendah Tinggi Rendah Tidak

4 Rendah Tinggi Tinggi Ya

5 Tinggi Rendah Rendah Tidak

6 Tinggi Rendah Tinggi Ya

7 Tinggi Tinggi Rendah Ya

8 Tinggi Tinggi Tinggi Ya

Tabel 2. Gejala penyakit otitis

Kode Gejala Nama Gejala

G1 Batuk Pilek

G2 Gangguan Pendengaran

G3 Keluar Cairan Dari Telinga 3. PENGUJIAN DAN ANALISIS

Pengujian akurasi dilakukan dengan membandingkan hasil dari sistem dengan diagnosa dari dokter, data uji didapatkan dari salah satu dokter rumah sakit Brawijaya. Dari data tersebut akan dicoba dimasukkan ke sistem dan dibandingkan hasilnya untuk mendapatkan presentase akurasi dengan cara jumlah hasil yang sesuai dibagi jumlah keseluruhan data dan dikali seratus.

Pengujian perangkat lunak pada penelitian ini dilakukan agar dapat menunjukan bahwa perangkat lunak telah mampu bekerja sesuai dengan spesifikasi dari kebutuan yang ada. Pengujian sistem dilakukan meliputi yaitu :

• Pengujian dilakukan dengan

membandingkan hasil dari sistem atau aplikasi dengan data yang didapat dari observasi.

• Pengujian akurasi untuk menghitung tingkat keberhasilan aplikasi dalam melakukan proses diagnosa.

Tabel 3. Data Uji Otitis

NO g1 g2 g3 Otitis 1 25 20 20 Tidak 2 20 20 95 Ya 3 20 95 20 Tidak 4 20 98 90 Ya 5 99 20 30 Tidak 6 90 20 90 Ya 7 90 90 20 Ya 8 85 80 70 Ya

Tabel 4. Hasil Uji Otitis

NO g1 g2 g3 Otitis 1 25 20 20 Tidak 2 20 20 95 Ya 3 20 95 20 Tidak 4 20 98 90 Ya 5 99 20 30 Tidak 6 90 20 90 Ya 7 90 90 20 Ya 8 85 80 70 Ya

Data diatas adalah contoh dari gejala THT

Jumlah Data Uji = 48

Hasil Sistem yang Sesuai = 45 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 =45

48𝑥100 = 93,75%

Dari analisis data uji dan hasil sistem maka dapat diambil kesimpulan bahwa sistem memiliki tingkat keakuratan sebesar 93,75%.

4. KESIMPULAN

Berdasarkan hasil pengujian dan analisis hasil penelitian ini, maka dapat diambil beberapa kesimpulan sebagai berikut :

1. Metode fuzzy tsukamoto pada penelitian ini menggunakan rule yang berbeda untuk setiap penyakit sehingga akurasi bervariasi untuk setiap penyakit dan hasil terbaik diperoleh ketika seluruh inputan berada pada batas dibawah nilai minimal atau diatas nilai maksimal.

2. Penghitungan akurasi pada penelitian ini tidak dipisah berdasarkan setiap penyakit melainkan akurasi untuk keseluruhan penyakit dan menghasilkan nilai akurasi sebesar 93,75%

DAFTAR PUSTAKA

Christianto, Ainun Najib Eka. 2017. Sistem Pakar Klasifikasi permasalahan Berdasar AUM Menggunakan FCM-FIS Tsukamoto. Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Brawijaya Malang.

Fitri, Alfiani. 2017. Optimasi Keanggotaan

Fuzzy Tsukamoto Menggunakan Algoritma

Genetika pada Penentuan Prioritas Penerima Zakat. Program Studi Teknik

Informatika Fakultas Ilmu Komputer Universitas Brawijaya Malang.

Mason, David. 2016.

http://www.yorkshirehearingaids.co.uk/1-how-your-hearing-works.asp (diakses pada tanggal 17 juni 2017)

Minarni dan Firman Aldyanto. 2016. Prediksi Jumlah Produksi Roti Menggunakan

Metode Logika Fuzzy. Jurusan Teknik

Informatika Fakultas Teknik Industri Institut Teknologi Padang.

Rohayani, Hetty. 2015. Fuzzy Inference System Dengan Metode Tsukamoto Sebagai Penunjang Keputusan Produksi (Studi Kasus : PT. Talkindo Selaksa Anugrah). Program Studi Sistem Komputer STIKOM Dinamika Bangsa Jambi.

Utari, Diyah. 2013.

https://rskusurakarta.com/2017/04/05/tht/ (diakses pada tanggal 01 juli 2017)

Wiguna, Riyadi Yudha dan Hanny Haryanto.

2015. Sistem Berbasis Aturan

Mengguanakan Lohika Fuzzy Tsukamoto untuk Prediksi Jumlah Produksi Roti pada CV. Gendis Bakery. Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nudwantoro Semarang.