BAB I PENDAHULUAN

1.1 Latar Belakang

Perkembangan di bidang inteligensi buatan telah melahirkan sistem pakar, sebuah sistem

komputer yang meniru kemampuan pengambilan keputusan pakar pada domain tertentu.

Sistem ini dibuat sebagai respon dari mahal dan terbatasnya pakar yang tersedia, dan sebagai

sarana untuk menjaga kepakaran itu sendiri.

Perkembangan sistem pakar mencakup banyak bidang, salah satunya adalah bidang kesehatan

umum. Kesehatan umum sering dikaitkan dengan penyakit dan dokter umum (selanjutnya

dokter umum akan disebut sebagai pakar) sebagai pakar penyembuh penyakit. Pengetahuan

yang dimiliki pakar banyak dan kompleks, Hal ini tidak dapat direpresentasikan dalam

algoritma biasa. Beberapa sistem pakar kesehatan yang telah ada, antara lain:

1. MYCIN, berfungsi untuk memberikan penyaranan obat dan antibiotik bagi pasien

yang terkena infeksi parah [COM08].

2. GARVAN-ES1, berfungsi untuk menyediakan interpretasi klinikal pada laporan-

laporan diagnosis laboratorium yang mengukur tingkat hormon tiroid [COM88].

3. PEIRS, berfungsi menginterpretasikan laporan-laporan patologi kimiawi [PRE94].

4. EasyDiagnosis, berfungsi menginterpretasikan penyakit yang mungkin diderita

seseorang berdasarkan kondisi atau gejala-gejala yang dialami [EAS08].

5. DxPlain, berfungsi untuk menghasilkan sejumlah diagnosis terurut dari gejala-gejala

atau data laboratorium yang dapat menjelaskan fenomena tersebut.

6. PUFF, berfungsi mendiagnosis apakah seorang pasien terkena penyakit paru-paru

atau tidak, dan membuat laporan-laporan dari pasien tersebut [OPN08].

Hal yang sangat penting dalam sistem pakar adalah proses akuisisi pengetahuan pakar ke

dalam basis pengetahuan. Akuisisi pengetahuan adalah proses untuk mempelajari

pengetahuan dari satu atau lebih sumber dan menyampaikannya dalam bentuk yang sesuai

kepada orang lain atau sistem lain [SES94]. Secara garis besar ada dua metode akuisisi

pengetahuan, yaitu secara manual dan otomatis. Akuisisi pengetahuan secara manual meliputi

wawancara, studi kasus, angket, studi literatur dan repertory grid, sedangkan akuisisi

pengetahuan secara otomatis menggunakan program atau aplikasi yang dapat mengekstraksi

pengetahuan dari kasus-kasus yang terjadi.

I-1

I-2

Ripple-Down Rules (RDR) merupakan metode akuisisi pengetahuan yang dikembangkan

untuk mengatasi permasalahan bottleneck (analisis berkepanjangan dan campur tangan pakar)

dengan memungkinkan pengembangan basis pengetahuan langsung oleh pakar, tanpa campur

tangan dari perekayasa pengetahuan [RIC96]. Metode ini merupakan metode akuisisi manual

yang relatif lebih murah dan efektif jika dibandingkan dengan akuisisi pengetahuan memakai

perekayasa pengetahuan. Dengan RDR, rule dapat dimasukkan ke dalam suatu basis

pengetahuan tanpa modifikasi, dan digunakan hanya dalam konteks tersebut. Dengan

demikian, basis pengetahuan menjadi tidak terganggu [COM89]. Penambahan rule juga dapat

dilakukan untuk mengkoreksi kesalahan, dan koreksi tersebut tetap berada dalam konteks

lokal. Adapun struktur basis pengetahuannya berupa pohon, atau dapat dilihat sebagai daftar

keputusan [KAN96a].

Dalam perkembangannya, ditemukan kelemahan pada RDR, yaitu hanya cocok menangani

ranah masalah yang memerlukan klasifikasi tunggal [KAN96a]. Penggunaan RDR dalam

menangani permasalahan klasifikasi majemuk akan menghasilkan solusi yang merupakan

kombinasi dari klasifikasi tunggal. Hal ini menyebabkan basis pengetahuan dapat bertambah

secara eksponensial [KAN96b].

Untuk mengatasi kelemahan tersebut, dikembangkan metode Multiple Classification Ripple-

Down Rules (MCRDR) yang menggunakan n-ary tree sebagai representasi pengetahuannya.

Sama seperti RDR, MCRDR termasuk metode akuisisi pengetahuan secara manual. Metode

ini memiliki dua kelebihan dibandingkan dengan RDR, yaitu kemampuan untuk menangani

permasalahan klasifikasi majemuk dan kemampuan mengurangi masalah pengulangan

pengetahuan yang menyebabkan pertambahan basis pengetahuan secara eksponensial.

Walaupun dapat menangani permasalahan klasifikasi majemuk, MCRDR masih memiliki

beberapa kelemahan utama, yaitu masih melibatkan pakar secara langsung dan mengalami

ketidakpraktisan bila melibatkan basis pengetahuan dalam jumlah besar. Selain itu, metode

akuisisi pengetahuan manual dinilai kurang memuaskan karena [EKA98] :

1. Kesulitan pakar untuk menyatakan pengetahuannya secara tepat.

2. Pengetahuan yang diberikan pakar tidak konsisten karena dipengaruhi kondisi

psikologis pakar pada saat wawancara.

3. Kesalahan perekayasa pengetahuan dalam menginterpretasikan pengetahuan yang

diberikan pakar.

4. Kesalahan perekayasa pengetahuan dalam memasukkan pengetahuan pakar ke dalam

basis pengetahuan.

5. Kesalahan dalam pembuatan program sistem.

I-3

Dari kelemahan-kelemahan tersebut, maka dikembangkan suatu metode pembelajaran Induct

untuk membangun MCRDR secara otomatis. Metode ini dikenal dengan nama

Induct/MCRDR [ARM07]. Dengan metode ini, pakar tidak terlibat secara langsung dan

pengetahuan didapatkan dari data kasus yang ada.

Masalah diagnosis penyakit dan pemberian terapinya merupakan masalah klasifikasi

majemuk. Berdasarkan kondisi-kondisi tertentu yang dipenuhi oleh kondisi pasien, ia dapat

didiagnosis menderita lebih dari satu penyakit. Demikian pula pada pemberian terapinya,

berdasarkan kondisi yang dipenuhi, seorang pasien dapat diberi lebih dari satu terapi. Oleh

karena itu, masalah ini dapat ditangani dengan metode Induct/MCRDR.

Berdasarkan latar belakang di atas, tugas akhir ini akan mengembangkan sebuah sistem pakar

kesehatan yang menggunakan Induct/MCRDR sebagai metode akuisisi pengetahuannya.

Sistem pakar ini berfungsi sebagai kakas diagnosis penyakit dan penyaranan terapi yang

dilakukan dari gejala-gejala yang dialami oleh seorang pasien. Manfaat sistem pakar ini

adalah sebagai alat bantu diagnosis penyakit dan penyaranan terapi bagi pasien.

1.2 Rumusan Masalah

Rumusan masalah pada Tugas Akhir ini adalah bagaimana membangun sebuah sistem pakar

kesehatan berdasarkan hasil pembelajaran Induct/MCRDR dari data kesehatan dunia nyata.

1.3 Tujuan

Tujuan yang ingin dicapai pada pelaksanaan Tugas Akhir ini adalah:

1. Memahami metode akuisisi pengetahuan Induct/MCRDR, melakukan penyesuaian

yang diperlukan, dan mengaplikasikan shell Induct/MCRDR [ARM07] pada data

diagnosis penyakit dan data pemberian terapi.

2. Menyiapkan data pembelajaran Induct/MCRDR dari data pasien yang berupa kartu

pasien.

3. Membuat sebuah aplikasi diagnosis penyakit dan pemberian terapi dengan

menggunakan model MCRDR.

I-4

1.4 Batasan Masalah

Batasan-batasan yang ditetapkan dalam tugas akhir ini adalah:

1. Metode dan kakas Induct/MCRDR yang digunakan diambil dari Tugas Akhir Dini

Armyta pada tahun 2007 [ARM07].

2. Data pasien diasumsikan hanya untuk satu kali kedatangan (sekali datang sembuh).

Kedatangan pasien yang satu dengan yang lain dianggap sebagai data saling lepas.

3. Kasus yang diberikan dibatasi pada jenis obat saja (antipiretik, antiflu, dll), tidak

sampai pada nama dagang obat. Dosis obat tidak ditangani oleh sistem pakar ini.

4. Sistem pakar ini tidak menangani diagnosis penyakit berdasarkan hasil laboratorium.

5. Sistem pakar ini mengabaikan atribut waktu pada keluhan pasien, misalnya demam

selama 10 hari.

6. Klasifikasi yang dilakukan dalam Tugas Akhir ini termasuk hard classification,

artinya setiap kasus memiliki kategori yang pasti.

1.5 Metodologi

Dalam penyusunan tugas akhir ini akan dilakukan tahapan-tahapan sebagai berikut:

1. Studi literatur dan eksplorasi

Studi literatur dilakukan dengan mempelajari textbook maupun artikel yang terdapat

pada Internet. Eksplorasi dilakukan dengan mempelajari Weka sebagai kakas bantu

pembuatan sistem pakar.

2. Analisis dan Perancangan

Analisis dan perancangan dilakukan agar segala hal yang berhubungan dengan

pembuatan sistem pakar menjadi jelas dan terstruktur.

3. Akuisisi Pengetahuan

Pada tahap ini, dilakukan akuisisi pengetahuan dari pakar. Pengetahuan ini menjadi

basis pengetahuan dari sistem pakar yang dibuat.

4. Implementasi

Pada tahap ini, dilakukan pengkodean program dari sistem pakar.

5. Pengujian dan Pemeliharaan

Pengujian dilakukan bersama pakar untuk memvalidasi apakah solusi yang dihasilkan

oleh sistem pakar sudah benar atau belum. Pemeliharaan dilakukan dengan

menambah basis pengetahuan dengan kasus-kasus baru.

I-5

1.6 Sistematika Pembahasan

Sistematika laporan tugas akhir ini adalah sebagai berikut :

BAB I Bagian pendahuluan yang berisi uraian latar belakang masalah, rumusan masalah,

tujuan, batasan masalah, dan metodologi pengerjaan tugas akhir.

BAB II Berisi dasar teori yang digunakan dalam pengerjaan tugas akhir, yaitu mengenal

sistem pakar, akuisisi pengetahuan, metode Induct/MCRDR, shell

Induct/MCRDR, dan diagnosis penyakit oleh pakar.

BAB III Berisi analisis dan perancangan sistem pakar kesehatan.

BAB IV Berisi rincian dari implementasi sistem pakar kesehatan berdasarkan analisis dan

perancangan. Kemudian bab ini juga berisi rincian pengujian sistem pakar.

BAB V Berisi kesimpulan dan saran dari pengerjaan Tugas Akhir ini.