BAB I PENDAHULUAN - · PDF fileatau tidak, dan membuat laporan-laporan dari pasien tersebut...
-
Upload
nguyenhanh -
Category
Documents
-
view
218 -
download
1
Transcript of BAB I PENDAHULUAN - · PDF fileatau tidak, dan membuat laporan-laporan dari pasien tersebut...
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.