ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA...

20
ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA PENYAKIT PADA RAHIM MENGGUNAKAN METODE FUZZY BERBASIS WEBSITE Naskah Publikasi diajukan oleh Anita 10.11.3739 kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA YOGYAKARTA 2013

Transcript of ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA...

Page 1: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA PENYAKIT PADA RAHIM MENGGUNAKAN METODE FUZZY

BERBASIS WEBSITE

Naskah Publikasi

diajukan oleh

Anita

10.11.3739

kepada SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

AMIKOM YOGYAKARTA YOGYAKARTA

2013

Page 2: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim
Page 3: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

ANALYSIS AND DESIGN SYSTEM DIAGNOSIS DISEASES OF THE UTERUS USING WEB BASED FUZZY METHOD

ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA PENYAKIT PADA RAHIM

MENGGUNAKAN METODE FUZZY BERBASIS WEB

Anita Kusrini

Jurusan Teknik Informatika STMIK AMIKOM YOGYAKARTA

ABSTRACT

Diseases of the uterus is a disease that needs to be considered by women Because the disease is one disease that can lead to death. Therefore, it is necessary to act in order to anticipate the increasing number of patients with diseases of the uterus.

The author took the initiative to make the final task in the field of expert systems technology as a diagnostic decision support entitled "Analysis and Penrancangan Disease Diagnosis System in Rahim Using Web-Based Fuzzy Methods". The purpose of this research is to build expert systems for diseases of the uterus mendektisi early. Hopefully with this system can be petrified people in detecting abnormalities in the uterus early disease

The system uses fuzzy logic mamdani method for decision-making process and the end result using a weighted average values. Keywords: Expert System, Diseases of the Uterus type, web, Fuzzy Logic

Page 4: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

1

1. Pendahuluan

Dari waktu-kewaktu begitu banyak masalah dalam kesehatan yang timbul pada

wanita, khususnya pada bagian rahim. Rahim merupakan suatu organ muscular

berbentuk seperti pir yang terletak diantara kandung kencing dan rektum yang berfungsi

sebagai pengeluaran darah haid dengan ditandai adanya perubahan dan pelepasan dari

endometrium.

Sebagian besar wanita sering mengalami gangguan pada area rahim tapi

terkadang wanita beranggapan bahwa gejala-gejala yang timbul merupakan gejala-gejala

umum yang sering terjadi pada wanita, padahal kemungkinan gejala tersebut merupakan

gejala penyakit yang berbahaya seperti kanker.

Pengetahuan tentang gejala dan jenis penyakit rahim itu sendiri teryata masih belum

banyak diketahui oleh kaum wanita. Wanita yang mengalami gangguan atau kelainan

pada area rahim ia akan mendatangi dokter spesialis untuk berkonsultasi, namun pada

kenyataannya tidak semua orang dapat melakukanny. Hal ini dapat dikarenakan faktor

perekonomian yang kurang mencukupi ataupun karena tuntutan kesibukan, terdapat pula

kelemahan seperti jam kerja praktek dokter yang terbatas.

Perkembangan teknologi yang sangat pesat akhir-akhir ini sangat membantu dalam

proses mendeteksi adanya gejala-gejala dini gangguan pada rahim. Salah satu hasil dari

perkembangan teknologi saat ini adalah kecerdasan buatan (Artificial Intelligence) atau

yang disingkat AI yang berusaha menjadikan komputer berpikir dan menyelesaikan

masalah layaknya manusia. Salah satu bentuk dari kecerdasan buatan yang banyak

digunakan saat ini adalah sistem pakar

2. Landasan Teori

2.1 Sistem Pakar

Sistem pakar adalah sebuah program komputer yang mencoba meniru atau

mensimulasikan pengetahuan (knowladge) dan ketrampilan (skill) dari seorang pakar

pada area tertentu. Selanjutnya system ini akan mencoba memecahkan suatu

permasalahan dengan kepakaranya (Subakti Irvan:2006)

2.2 Logika Fuzzy

Fuzzy dalam bahasa inggris berarti tidak tentu, kabur atau tidak jelas. Logika Fuzzy

adalah suatu cara yang digunakan untuk memetakan suatu ruang input ke dalam suatu

ruang output (Sri Kusuma Dewi, dan Purnomo, Hari:2004)

2.3 Metode Mamdani

Metode Mamdani sering juga dikenal dengan Metode Max-Min. Metode ini

dikenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output,

diperlukan 4 tahapan:

1. Pembentukan himpunan fuzzy.

Page 5: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

2

Pada metode mamdani, baik variabel input maupun variabel output dibagi menjadi

satu atau lebih himpunan fuzzy.

2. Aplikasi fungsi implikasi (aturan)

Pada metode mamdani, fungsi implikasi yang digunakan adalah Min.

3. Komposisi Aturan.

Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa aturan, maka

inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang

digunakan dalam melakukan inferensi sistem fuzzy, yaitu : max, additive dan

probabilistic OR.

a. Metode Max (Maximum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai

maximum aturan, kemudian menggunakanya untuk memodifikasi daerah fuzzy, dan

mengaplikasikanya output dengan menggunakan operator OR (union).Jika semua

proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang

merefleksikan kontribusi dari tiap-tiap proposisi.

Ada beberapa metode defuzzikasi pada komposisi aturan mamdani, antara lain:

Secara umum dapat dituliskan:

Apabila digunakan fungsi implikasi Min, maka metode komposisi sering disebut

dengan nama Max-Min atau Min-Max atau Mamdani. (Kusumadewi, 2003:187) .

b. Metode Additif (sum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan

bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan :

c. Metode Probalistik OR (probor)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan

produk terhadap semua output daerah fuzzy. Secara umum dituliskan :

4. Penegasan (defuzzy).

Input dari proses defuzzykasi adalah suatu himpunan fuzzy yang diperoleh dari

komposisi aturan-aturan fuzzy. Sedangkan output yang dihasilakan merupakan suatu

bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu

Page 6: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

3

himpuanan fuzzy dalam range tertentu. Maka dapat diambil suatu nilai crisp tertentu

sebagai output.

Ada beberapa metode defuzzikasi pada komposisi aturan mamdani, antara lain:

a. Metode Centroid (Composite Moment)

Pada metode ini solusi crisp diperoleh dengan cara mengambil titik pusat (z*)

daerah fuzzy. Secara umum dirumuskan :

untuk variabel kontinu, atau

untuk variabel diskret

b. Metode Bisektor

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada

domain fuzzy yang memiliki nilai keanggotaan separuh dari jumlah total nilai keanggotaan

pada daerah fuzzy.Secara umum dituliskan:

c. Metode Mean Of Maximum (MOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata

doamain yang memiliki nilai keanggotaan maksimum.

d. Metode Largest Of Maximun (LOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar dari

domain yang memiliki nilai keanggotaan maksimum.

e. Metode Smalles Of Maximum (SOM)

Pada metode ini, solusi crisp deiperoleh dengan cara mangambil nilai terkecil

dari domain yang memiliki nilai keanggotaan maksimum.

2.4 Website

WWW adalah bagian dari Internet yang menggunakan fungsi transportasi internet,

melalui arsitektur client/server untuk mengatasi semua tipe dari informasi digital,

termasuk didalamnya teks, hypermedia, grafik dan suara (Rainer dan Potter 2009, p23).

Informasi web didistribusikan melalui pendekatan hypertext, yang memungkinkan

suatu teks pendek menjadi acuan untuk membuka dokumen yang lain. Dengan

pendekatan hypertext ini seseorang dapat memperoleh informasi dengan meloncat dari

suatu dokumen ke dokumen yang lain. Dokumen-dokumen yang diakses pun dapat

tersebar di berbagai mesin dan bahkan di berbagai negara

2.5 Konsep Basis Data

Page 7: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

4

Sistem basis data (database sistem) merupakan sistem yang terdiri atas kumpulan

file (tabel) yang saling berhubunngan (dalam sebuah basis data di sebuah sistem

komputer) dan sekumpulan program yang memungkinkan beberapa pemakai dan atau

program lain untuk mengakses dan memanipulasi file-file (tabel-tabel) tersebut (Nugroho,

2004).

2.6 Rahim

Rahim (uterus) terletak dipuncak vagina, berbentuk seperti buah pir terletak

dibelakang kandung kemih di depan rectum dan terikat dengan ligamen. Ligamen yaitu

jaringan lapisan gandayang berfungsi untuk menopang organ dalam lainya. Rahim

terbagi 2 bagian yaitu corpus (badan) dan serviks (leher).

3. Analisis dan Perancangan Sistem

3.1 Analisis Sistem

Sistem merupakan gambaran umum apa yang akan dikembangkan. Sistem pakar

yang akan dibangun merupakan sistem mempresentasikan kemampuan atau keahlian

seorang pakar atau orang yang berpengalaman di bidang tertentu untuk membantu user

dalam mengatasi masalah yang dihadapi. Masalah diagnosa penyakit pada rahim dapat

dikategorikan sebagai masalah artificial intelegent khususnya sistem pakar karena

pemecahan masalah tersebut dapat dilakukan dengan mengembangkan sistem yang

dapat berperan sebagai seorang ahli. Dengan kata lain terjadi pemindahan atau proses

pengolahan informasi yang bersifat heuristic yang artinnya membangun dan

mengoperasikan basis pengetahuan yang berisi fakta beserta penalarannya. Dalam hal

ini prosesnya disebut knowledge engineering yaitu penyerapan basis pengetahuan dari

seorang pakar ke sebuah komputer. Sistem akan memberikan daftar berupa fakta-fakta

yang telah disimpan dalam sistem berupa basis pengetahuan. data yang diberikan

pengguna diproses sehingga menghasilkan kesimpulan berupa hasil diagnosa jenis

penyakit pada rahim.

3.2 Akuisisi Pengetahuan

Akuisisi pengetahuan pada sistem pakar sistem diagnosa penyakit pada rahim ini

didapat dari :

1. Beberapa buku sistem pakar :

a. Konsep Dasar Sistem Pakar

b. Membuat Aplikasi Sistem Pakar dengan PHP dan Editor Dreamweaver 2.

c. Aplikasi Logika Fuzzy

2. Beberapa informasi Penyakit pada Rahim

a. Buku Ilmu Kandungan

Page 8: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

5

3. Metode yang akan digunakan untuk membuat desain Sistem Pakar untuk

mengetahui penyakit pada rahim ini yaitu:

a. Membuat blok diagram dari domain pengetahuan yang akan dibahas dalam

hal ini adalah untuk deteksi penyakit pada rahim.

b. Membuat blok diagram target keputusan.

c. Membuat tabel keputusan.

Mengubah tabel keputusan menjadi aturan dalam bentuk if-then rule.

3.2.1 Blok Diagram area Permasalahan

Pembuatan blok diagram dimaksudkan untuk membatasi lingkup permasalahan

yang dibahas dengan mengetahui posisi pokok bahasa pada domain yang lebih luas.

Pada blok diagram ini, dapat dilihat bahwa penyakit rahim yang dijadikan sebagai area

permasalahan. Sedangkan yang diprototipekan hanyalah sebagian dari domain masalah

pada penyakit pada rahim.

3.2.2 Blok Diagram Target Keputusan

Setelah membuat blok diagram area permasalahan, langkah selanjutnya merupakan

penggambaran blok diagram target keputusan (final blok diagram) untuk domain hasil

diagnosa. Blok diagram target keputusan menggambarkan factor-faktor yang

mempengaruhi keputusan atau hasil akhir yang akan diberikan kepada pengguna.

Dari Gambar 3.2 di atas, dapat dijelaskan bahwa input dari sistem adalah

kumpulan gejala dan intensitasnya. Masing masing gejala akan memiliki intensitasnya,

yang merupakan nilai fuzzy, yang akan memiliki skala 10 sampai 100 (10 untuk

intensitas paling rendah dan 100 untuk intensitas paling tinggi). Sedangkan output dari

sistem adalah hasil diagnosa menggunakan sistem pakar fuzzy berdasarkan input yang

diberikan.

3.2.3 Depedency Diagram

Dependency diagram merupakan diagram yang mengindikasikan hubungan

antara pertanyaan, aturan, nilai dan rekomendasi dari suatu basis pengetahuan. Bentuk

segitiga menunjukkan himpunan aturan (rule set) dan nomor dari himpunan tersebut.

Bentuk kotak menunjukkan hasil dari rule baik berupa kesimpulan awal, fakta baru

maupun rekomendasi atau saran. Sedangkan tanda tanya menunjukkan kondisi yang

akan mempengaruhi isi dari rule. Dari dependency diagram pada Gambar 3.3 dapat

dijelaskan bahwa gejala awal yang umum yang dialami penderita penyakit rahim

Gejala + Intensitasnya Hasil Diagnosa

Gambar 3.2 Blok Diagram Target Keputusan

Page 9: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

6

mempengaruhi rule set dari kondisi tersebut menghasilkan kesimpulan berupa hasil

diagnosa jenis penyakit pada rahim.

3.2.4 Perancangan Tabel Pengetahuan

Tabel 3.1 menunjukan nama penyakit yang akan dimasukan kepada tabel

pengetahuan, (P) menunjukan kode penyakit pada tabel.

3.2.5 Perancangan Tabel Keputusan Diagnosa penyakit

Dari data penyakit dan gejala yang ada, dapat dipersingkat informasinya menjadi

tabel keputusan yang isinya adalah relasi atau hubungan antara penyakit dan gejalanya.

Kode Penyakit Nama Penyakit

P1 Kista Ovarium

P2 Kanker Ovarium

P3 Kanker Serviks

P4 Myoma uteri

P5 Kanker Rahim

No Gejala Penyakit

1 kram perut bawah atau nyeri panggul.

2 Menstruasi tidak teratur abnormal,rapat secara periode

3 Sakit atau tekanan pada saat berkemih

4 Rasa nyeri,keluarnya flek darah dari vagina

5 Kembung, bengkak, adanya tekanan pada perut

6 Pendarahan pasca monopouse

7 Tidak napsu makan, Penurunan Berat badan secara progasif

8 Sakit kepala dan sering lelah

9 Keputihan patogonis

10 Sakit pada area kewanitaan

11 Pendarahan vagina saat/setelah berhubungan intim

12 Bengkak pada kaki

13 Pendarahan selama haid ataupun diluar masa haid

14 Rasa nyeri pada kandung kemih atau organ panggul lainya

15 Pada bagian bawah perut rahim terasa kenyal

16 Nyeri pada area pelvic

Kod

e

Geja

la

Nama Gejala

Jenis Penyakit

A B C D E

Tabel 3.1 Daftar jenis penyakit

Tabel 3.2 Daftar Gejala

Tabel 3.3 Daftar Keputusan Penyakit

Tabel 3.3 Daftar Keputusan

Penyakit

Page 10: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

7

Pada tabel 3.2 menunjukan gejala-gejala yang mungkin terjadi pada penyakit

yang tercantum pada tabel 3.1

A.(Kista Ovarium) B.(Kanker Ovarium)

C.(Kanker Servik) D.(Myoma Uteri) E.(Kanker Rahim)

3.2.6 Pembentukan Aturan (Rule)

R1

IF kram perut bawah atau nyeri panggul AND Menstruasi tidak teratur abnormal, rapat secara periode AND Sakit atau tekanan pada saat berkemih AND Rasa nyeri,keluarnya flek darah dari vagina THEN R1

R2

IF kram perut bawah atau nyeri panggul AND Menstruasi tidak teratur abnormal, rapat secara periode AND Kembung, bengkak, adanya tekanan pada perut AND Pendarahan pasca monopouse AND Tidak napsu makan, Penurunan Berat badan secara progasif THEN R2.

R3

IF Sakit atau tekanan pada saat berkemih AND Tidak napsu makan, Penurunan Berat badan secara progasif AND Sakit kepala dan sering lelah AND Keputihan patogonis AND Sakit pada area kewanitaan AND Pendarahan vagina saat/setelah berhubungan intim AND Bengkak pada kaki THEN R3.

R4

IF Timbul rasa sakit dan pendarahan saat berhubungan intim AND Pendarahan selama haid ataupun diluar masa haid AND Rasa nyeri pada kandung kemih atau organ panggul lainya AND Pada bagian bawah perut rahim terasa kenyal THEN R4

R5

IF Sakit atau tekanan pada saat berkemih AND Timbul rasa sakit dan pendarahan saat berhubungan intim AND Nyeri pada area pelvic THEN

G1 kram perut bawah atau nyeri panggul * *

G2 Menstruasi tidak teratur abnormal,rapat secara periode * *

G3 Sakit atau tekanan pada saat berkemih * * *

G4 Rasa nyeri, keluarnya flek darah dari vagina *

G5 Kembung, bengkak, adanya tekanan pada perut *

G6 Pendarahan pasca monopouse *

G7 Tidak napsu makan, Penurunan Berat badan secara progasif

* *

G8 Sakit kepala dan sering lelah *

G9 Keputihan patogonis *

G10 Sakit pada area kewanitaan *

G11 Pendarahan vagina saat/setelah berhubungan intim * * *

G12 Bengkak pada kaki *

G13 Pendarahan selama haid ataupun diluar masa haid *

G14 Rasa nyeri pada kandung kemih atau organ panggul lainya

*

G15 Pada bagian bawah perut rahim terasa kenyal *

G16 Nyeri pada area pelvic *

Tabel 3.4 Daftar table rule

Page 11: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

8

R5

3.3 Perancangan Mesin Inferensi

Inti dari sistem pakar adalah inferensi, yang sebenarnya adalah program komputer

yang menyediakan metodologi untuk mempertimbangkan informasi dalam basis

pengetahuan dan merumuskan kesimpulan. Komponen ini menyediakan arahan

bagaimana menggunakan pengtetahuan system, yakni dengan mengembangkan agenda

yang mengatur dan mengontrol langkah yang diambil untuk memecahkan persoalan

kapan pun konsultasi berlangsung. Sistem yang akan dibuat menggunakan logika fuzzy

sebagai mesin inferensi. Sistem pakar fuzzy terbagi menjadi beberapa proses yaitu:

1. Fuzzyfikasi

Masukan yang nilai kebenaranya bersifat pasti (crisp input) dikonversi kebentuk fuzzy

input, yang berupa nilai linguistic yang sematiknya ditentukan berdasarkan fungsi

keanggotaan.

2. Inferensi

Nilai kebenaran dari premis akan dihitung, kemudian diterapkan pada konklusi pada

setiap aturan menggunakan fungsi implikasi yang dipilih. Outputnya merupakan satu

subset fuzzy pada tiap aturan. Teknik implikasi yang digunakan untuk inferensi

adalah metode MIN.

3. Komposisi dan Defuzzyfikasi

Mengubah output fuzzy yag diperoleh dari mesin inferensi menjadi nilai tegas

menggunakan fungsi keanggotaa yang sesuai dengan saat di lakukan fuzzyfikasi.

Pada proses komposisi dan defuzzykasi yang akan digunakan yaitu diperoleh

dengan rata-rata terbobot dengan rumus:

3.3.1 Menentukan Variabel Linguistik

Input dari system adalah gejala dan intensitasnya. Intensitas merupakan variable

fuzzy yang merepresentasikan gejala, sehingga harus ditentukan variable linguistic yang

akan menentukan himpunan fuzzy dari nilai intensitas. Sebagai output dari system adalah

peluang dari penyakit. Maka harus ditentukan pula variabel linguistic yang akan

menentukan himpunan fuzzy dari nilai peluang penyakit. Variabel linguistik yang akan

dugunakan untuk merepresentasikan himpunan fuzzy untuk intensitas gejala serta

domainnya ditentukan pada Tabel 3.5.

Page 12: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

9

Tabel 3.5 menunjukan bahwa himpunan intensitas fuzzy RENDAH memilki

domain [10 40], SEDANG memiliki domain [30 70], dan TINGGI memiliki domain [60

100].

Tabel 3.6 menunjukkan bahwa himpunan peluang RENDAH memiliki domain [0.1

0.9] dan TINGGI memilki domain [0.1 1.0]. Domain dari himpunan fuzzy akan

mempengaruhi output dari sistem, maka dalam system dibuat sebuah prosedur untuk

melakukan perubahan pada domain tersebut.

3.3.2 Menentukan Fungsi Keanggotaan (Membership Function)

Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik

input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat

keanggotaan) yang memilki interval antara 0 sampai 1. Gambar 3.4 akan menunjukkan

fungsi keanggotaan untuk intensitas gejala. Sedangkan Gambar 3.5 akan menunjukkan

fungsi keanggotaan untuk peluang penyakit.

Gambar 3.5. Fungsi keanggotaan untuk peluang penyakit. Karena adanya

prosedur untuk melakukan perubahan doman himpunan fuzzy , maka fungsi

keanggotaan dia atas juga ikut berubah jika ada perubahan domain himpunan fuzzy.

Contoh penyelesaian kasus:

Contoh kasus ini hanya menggunakan beberapa aturan rule saja yaitu dari seluruh

aturan rule yang ada, dan hanya menenttukan perbandingan 2 penyakit saja yaitu P1dan

P5.

Misal : yaitu user menginputkan suatu gejala dan intensitasnya,

No Gejala Nilai(intensitas)

1 G1 20

2 G2 30

3 G3 40

4 G4 40

5 G5 70

6 G6 50

7 G7 60

8 G8 70

9 G9 50

10 G10 10

11 G11 40

12 G12 70

13 G13 50

Page 13: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

10

14 G14 60

15 G15 70

16 G16 60

Sesuai dengan domain yang berlaku pada masing-masing kondisi, didapatkan nilai

keanggotaan gejala pada masing-masing domain :

G1

µRendah [20] = (40 - 20) / (40 - 10) = 2/3

µSedang [20] = 0

µTinggi [20] = 0

G2

µRendah [30] = (40 - 30) / (40 - 10) = 1/3

µSedang [30] = 0

µtinggi [30] = 0

G3

µRendah [40] = 0

µSedang [40] = (40 - 30) / (50 - 30) = 1/2

µTinggi [40] = 0

G4

µRendah [40] = 0

µSedang [40] = (40 - 30) / (50 - 30) = 1/2

µTinggi [40] = 0

G5

µRendah [70] = 0

µSedang [70] = 0

µTinggi [70] = (70 - 60) / (100 - 60) = 1/4

G6

µRendah [50] = 0

µSedang [50] = 1

µTinggi [50] = 0

G7

µRendah [60] = 0

µSedang [60] = (70 - 60) / (70 - 50) = 1/2

µTinggi [60] = 0

G8

µRendah [70] = 0

µSedang [70] = 0

Page 14: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

11

µTinggi [70] = (70 - 60) / (100 - 60) = 1/4

G9

µRendah [50] = 0

µSedang [50] = 1

µTinggi [50] = 0

G10

µRendah [10] = 1

µSedang [10] = 0

µTinggi [10] = 0

G11

µRendah [40] = 0

µSedang [40] = (40 - 30) / (50 - 30) = 1/2

µTinggi [40] = 0

G12

µRendah [70] = 0

µSedang [70] = 0

µTinggi [70] = (70 - 60) / (100 - 60) = 1/4

G13

µRendah [50] = 0

µSedang [50] = 1

µTinggi [50] = 0

G14

µRendah [60] = 0

µSedang [60] = (60 - 50) / (60 - 40) = 1/2

µTinggi [60 ] = 0

G15

µRendah [70] = 0

µSedang [70] = 0

µTinggi [70] = (70 - 60) / (100 - 60) = 1/4

G16

µRendah [60] = 0

µSedang [60] = (60 - 50) / (60 - 40) = 1/2

µTinggi [60] = 0

Berikut adalah beberapa contoh aturan yang diambil beberapa dari semua aturan

yang ada. Dari beberapa aturan diatas diperoleh nilai keanggotaaan peluang masing-

masing rule yaitu :

Page 15: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

12

R1 : ==>IF G1(tinggi (0)) and G2(tinggi (0)) and G3(tinggi (0)) and G4(tingggi (0))

THEN P1(tinggi (0)).

R2 : ==>IF G1(sedang (0)) and G2(sedang (0)) and G3(sedang (1/2)) and G4(sedang

(1/2)) THEN P1(tinggi (0)).

R3 : ==>G1(rendah (2/3)) and G2(rendah (1/3)) and G3(sedang (1/2)) and G4(sedang

(1/2)) THEN P1(rendah (1/3)).

R4 : ==>IF G1(rendah (2/3)) and G2(rendah (1/3)) and G3(rendah (0)) and G4(tinggi

(0)) THEN P1(rendah (0)).

R5 : ==>IF G3(tinggi (0)) and G11(tinggi (0)) and G16(tinggi (0)) THEN P5(tinggi (0)).

R6 : ==>IF G3(sedang (1/2)) and G11(sedang (1/2)) and G16(sedang (1/2)) THEN

P5(tinggi (1/2)).

R7: ==>IF G3(sedang (1/2)) and G11(redah (0)) and G16(rendah (0)) THEN

P5(rendah (0)

Kemudian mencari nilai Z:

Rumus mencari nilai Z :

= 0 ==> z1 = (0)(0,8) + (0,1) = 0,1 kurva Linear Turun

= 0 ==> z2 = (0)(0,8) + (0,1) = 0,1 kurva Linear Turun

= 1/3 ==> z3 = (0,9) - (0,8) (1/3) = 0,633 Kurva Linear Naik

= 0 ==> z4 = (0,9) – (0,8)(0) = 0,9 Kurva Linear Naik

= 0 ==> z5 = (0,8)(0) + (0,1) = 0,1 kurva Linear Turun

Page 16: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

13

= 1/2 ==> z6 = (0,8)(1/2) + (0,1) = 0,5 kurva Linear Turun

= 0 ==> z7 = (0,9) - (0,8)(0) = 0,9 Kurva Linear Naik

Kemudian diproses defuzzykasi :

= (1/3)(0,633) / (1/3)

= 0,633

= (0)(0,1) + (1/2)(0,5) + (0)(0,9) / 0 + (1/2) + 0

= (1/2)(0,5) / (1/2)

= 0,5

Jadi kemungkinan peluang penyakit dan presentasenya adalah :

P1 = 0,633

P5 = 0,5

Page 17: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

14

4. Implementasi dan Pembahasan

4.1 Implementasi

Implementasi sistem merupakan tahap merealisasikan sistem yang baru

dikembangkan supaya nantinya sistem siap di implementasikan sesuai dengan yang

diharapkan. Tujuan dari implementasi ini adalah menyisipkan kegiatan penerapan sistem

sesuai dengan rancangan yang telah dilakukan sebelumnya.

4.2 Uji Coba Sistem

Dalam pengujian sistem ini terdapat dua macam testing, yaitu dengan Blak Box

Testing dan White Box Tsting.

1. Black Box Testing

Pada Black Box Testing cara pengujian hanya dilakukan dengan menjalankan atau

mengeksekusi unit atau modul, kemudian diamati apakah hasil dari unit itu sesuai

dengan proses yang di inginkan.

2. White Box Testing

4.3 Implementasi Pembahasan Program

4.3.1 Pembahasan Pengolahan Admin

Implementasi dan pembahsan pengolahan admin adalah hasil realisasi dari

perancangan pada bab sebelumnya, pada halaman ini admin dapat merubah data admin

yang ada ataupun menambah data admin baru dengan menginputkan data pada form

yang telah disediakan, namun sebelumnya admin akan melakukan login sebagai

otentikasi data admin.

1. Halaman Input Penyakit

Pada halaman ini pakar dapat memasukan data-data penyakit, keterangan tentang

penyakit kedalam sistem pakar penyakit pada rahim ini

2. Halaman Input Gejala

Pada halaman ini pakar memasukan data-data berupa gejala penyakit kedalam

sistem pakar penyakit pada rahim yaitu kode gejala dan nama gejala emudian pilih

tombol simpan.

3. Halaman Input if_gejala

Pada Halaman ini pakar akan menginputan data gejala yang terkait dengan domain

fuzzy.

4. Halaman Input Then_Penyakit

Pada pakar akan menginputan data penyakit yang terkait dengan domain fuzzy.

5. Halaman Input Fuzzy

Pada halaman ini pakar akan memasukan data-data berupa domain fuzzy dalam

sistem pakar penyakit pada rahim.

Page 18: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

15

6. Halaman Input Rule

Pada halaman ini pakar memasukan data-data berupa aturan yang akan digunakan

dalam proses diagnosa dalam sistem pakar penyakit pada rahim.

1. Halaman Menu Utama

Halaman menu utama ini merupakan tampilan awal saat program dijalankan, dimana

dalam menu utama terdapat deskripsi mengenai tujuan pembuatan program serta

informasi mengenai penyakit yang ada pada rahim.

2. Halaman Menu Informasi Penyakit pada Rahim

Halaman ini berisi informasi mengenai jenis penyakit pada rahim beserta keterangan

mengenai penyakit

3. Halaman Menu Konsultasi

Dalam halaman ini konsultasi terbagi menjadi 2 konsultasi yaitu konsultasi dan

konsultasi2, pada halaman konsultasi sistem menampilkan halaman menu konsultasi

yaitu akan muncul tampilan data gejala penyakit pada rahim. Apabila user ingin

konsultasi diharuskan mencentang atau memilih pilihan gejala-gejala peyakit pada rahim

yang mungkin dialami oleh user kemudian klik tombol proses untuk melanjutkan dan klik

tombol batal untuk berhenti.

Setelah user memilih atau mencentang gejala yang dialami kemudian akan muncul

tampilan intensitas gejala, disini user mengisi intensitas gejala yaitu tingkat keparahan

gejala tersebut kemudian klik tombol proses kemudian tampil halaman hasil konsultasi

yaitu merupakan halaman yang memberikan informasi hasil dari masukan user yang

melakukan proses konsultasi.

Informasi yang diberikan pada halamana ini berupa nama penyakit beserta

presentasenya.

4. Halaman Menu Konsultasi2

Pada halaman konsultasi2, apabila user ingin berkonsultasi sistem akan

menampilakan seluruh gejala yang ada kemudian user diharuskan memasukan atau

menginputkan intensitas gejala yang ada tersebut kemudian pilih tombol proses,

kemudian sistem akan menampilakn hasil konsultsasi tersebut.

5. Halaman Menu Kontak

Halaman ini berisi informasi kontak pembuat web pakar ini.

6. Halaman Menu Bantuan

Pada halaman menu bantuan ini, pengguna dapat melihat beberapa bagaimana

menggunakan program Sistem Pakar Penyakit Pada Rahim Menggunakan Metode Fuzzy

Berbasis Web .

Page 19: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

16

5. Penutup

5.1 Kesimpulan

Berdasarkan penjelasan dan pembahasan yang telah diuraikan sebelumnya dan

implementasi pada proses pembuatan sistem diagnosa penyakit pada rahim

menggunakan metode fuzzy, maka dapat diambil beberapa kesimpulan yaitu :

1. Tahapan- tahapan dalam membuat aplikasi sebagai berikut :

a. Menentukan variabel-variabel gejala dan output beserta domain nilainya.

b. Melakukan proses fuzzyfikasi untuk memperoleh keanggotaan dari tiap

variabel dan output.

c. Melakukan proses pembuatan rule berdasarkan variabel dan keanggotaan

yang telah dibuat serta berdasarkan output yang dituju.

d. Melakukan proses fuzzyfikasi input untuk mengetahui keanggotanya,

melakukan proses evaluasi rule untuk mendapatkan keputusan dari sistem.

e. Melakukan proses deffuzyfikasi output untuk mendapatkan nilai dari

keanggotaan output yang dicapai.

2. Aplikasi yang dibangun ini dapat melakukan diagnosa penyakit dengan baik

karena hasil sesuai dengan perhitungan diagnosa pakar. Dengan persentase

hasil perbandingan diagnosa pakar dengan sistem pakar sebesar 100%.

5.2 Saran

Aplikasi Sistem Diagnosa Penyakit pada Rahim Menggunakan Metode Fuzzy ini

tidak terlepas dari kekurangan dan kelemahan. Oleh karena itu penulis memberikan

beberapa saran yang dapat digunakan sebagai acuan dalam penelitian atau pembangun

selanjutnya, yaitu :

1. Evaluasi dapat dilakukan dengan membandingkan dengan algoritma lainya

yang digunakan dalam sistem pakar

2. Objek penelitian lebih beragam, dalam arti lain jenis penyakitnya lebih

diperbanyak lagi.

3. Presentase yang ditunjukan tidak hanya berasal dari tingkat tertinggi 100%

dari penyakit itu sendiri tetapi presentasenya dibandingkan dengan penyakit

yang lain.

4. Sistem ini tidak mampu memberikan hasil akhir secara 100% berupa jenis

penyakit dan kesembuhan.

5. Data penyakit diwebsite bisa ngelink kesitus web kesehatan resmi agar data

penyakit yang ada lebih valid dan akurat.

Page 20: ANALISIS DAN PERANCANGAN SISTEM DIAGNOSA …repository.amikom.ac.id/files/Publikasi_10.11.3739.pdf · Kista Ovarium P2 Kanker Ovarium P3 Kanker Serviks P4 Myoma uteri P5 Kanker Rahim

17

DAFTAR PUSTAKA

Al Fatta, Hanif. 2007. Analisis dan Perancangan Sistem Informasi untukkeunggulan bersaing Perusahaan dan Organisasi modern. Yogyakarta: Andi.

Arif, M. Rudyanto.2006. Pemrograman Basis Data Menggunakan Transact-SQL dengan Microsoft SQL Server 2000.ct-SQL dengan Microsoft SQL Server 2000.

Yogyakarta: Andi Offset.

Kusrini. 2006. Sistem Pakar Teori dan Aplikasi. Yogyakarta: Andi Offset.

MADCOMS. 2008.PHP & mySQL untuk Pemula. PHP & mySQL untuk Pemula. Yogyakarta Andi Offset.

Mochamad Anwar, Ali Baziad, R.Prajitno Prabowo. 2011. Ilmu Kandungan. Edisi Ketiga: Cetakan Pertama. Jakarta: P.T. Bina Pustaka ono Praworoharjo.

Nugroho, Adi 2004. Pemrograman Berorientasi Objek. Bandung Informatika.

Nugroho, Bunafit. 2004. PHP & mySQL dengan Editor Dreamweaver MX. Yogyakarta:

Andi.

Prasetyo, Didik Dwi. 2003. Tip dan Trik Kolaborasi PHP & mySQL untuk Membuat Web Database yang Interaktif. Jakarta: PT. Alex Media Komputindo.Kusrini. 2008. Aplikasi Sistem Pakar. Yogyakarta: Andi Offset.

Sri Kusuma Dewi, Hari Purnomo. 2010. Aplikasi Logika Fuzzy. Yogyakarta : Graha Ilmu.

T.Sutojo, Edy Mulyanto, Vincent Suhartono. 2011. Kecerdasan Buatan. Yogyakarta Andi

Offset.