BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORIeprints.mercubuana-yogya.ac.id/1546/2/BAB II.pdf ·...
Transcript of BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORIeprints.mercubuana-yogya.ac.id/1546/2/BAB II.pdf ·...
-
4
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1. Tinjauan Pustaka
Penelitian dengan judul “Sistem Pakar Hipertensi Dengan Algoritma
C5.0 dan Logika Fuzzy”, dalam penelitian ini dibahas tentang Sistem Pakar
hipertensi. Sistem ini diharapkan dapat membantu pengguna untuk mengambil
keputusan terbaik dalam memecahkan masalah yang mereka hadapi. bidang medis
adalah salah satu daerah di mana sistem pakar yang dibutuhkan dalam hal
mengambil keputusan, seperti mendiagnosis dan treatment. Hipertensi merupakan
salah satu penyakit medis yang dapat didiagnosis dari melihat karakteristik fisik
pasien dan gaya hidup pasien. Di samping menggunakan ahli pengetahuan dalam
proses mendiagnosis, kami juga menggabungkan dengan algoritma C5.0 dan logika
fuzzy untuk mendapatkan hasil yang tepat. Algoritma C5.0 digunakan untuk
membuat pohon keputusan berdasarkan para ahli, sementara logika fuzzy digunakan
untuk mengkategorikan jenis penyakit hipertensi yang diderita oleh pasien dan
meningkatkan tingkat akurasi dari sistem mendiagnosis. Ketepatan kombinasi
antara algoritma C5.0 dan logika fuzzy adalah sekitar 97,19% (Ardi Yasa, Putra, &
Mandenni, 2014).
Penelitian dengan judul “Sistem Pakar Pemilihan Obat Antihipertensi
dan Interaksi Obat Atau Makanan”, dalam penelitian ini dibahas tentang
penggunaan obat hipertensi baik tunggal maupun kombinasi jumlah obat
antihipertensi yang dikonsumsi. Masih ditemui beberapa permasalahan selama ini
yaitu keterbatasan dokter untuk mengingat jenis, kegunaan, efek samping dan
interaksi yang mungkin terjadi dari obat antihipertensi dan kurangnya pengetahuan
penderita mengenai interaksi merugikan dari kandungan obat antihipertensi yang
dikonsumsi. Solusi yang ditawarkan dari permasalahan tersebut adalah
menggunakan sistem pakar pemilihan obat antihipertensi dan interaksi obat-
makanan yang bekerja memberikan pilihan obat sesuai dengan klasifikasi
-
5
hipertensi, penyakit penyerta, kondisi dan kontraindikasi sesuai dengan tata
laksana hipertensi JNC 7 (Nurhayati, Kusumadewi, & Miladiyah, 2016).
Penelitian dengan judul “Sistem Pakar Fuzzy Untuk Diagnosis Kanker
Payudara Menggunakan Metode Mamdani”, dalam penelitian ini dibahas
tentang diagnosis kanker payudara. Kanker payudara merupakan salah satu
penyakit kanker yang paling banyak menyebabkan kematian pada penderitanya.
Pada penelitian ini dikembangkan sistem pakar fuzzy untuk diagnosis kanker
payudara menggunakan metode Mamdani, dengan data masukan berupa atribut
BIRADS (Breast Imaging-Reporting and Data System), Shape, dan Margin dari
data set mammografik dalam bentuk numerik. Terdapat 3 tahap utama dalam
pengembangan perangkat lunak ini, yaitu: fuzzifikasi, inferensi, dan defuzzifikasi,
dengan menggunakan metode Mamdani pada tahap inferensi. Pada metode
Mamdani, digunakan operator konjungsi dan disjungsi. Pada tahap defuzzifikasi,
digunakan metode Centroid untuk mendapatkan keluaran yang bernilai crisp. Basis
aturan yang digunakan pada penelitian ini sebanyak 125 aturan. Penelitian ini
menghasilkan suatu perangkat lunak yang dapat menghasilkan diagnosa kanker
payudara dengan tingkat sensitivity mencapai 84% dan tingkat specificity mencapai
91%. Perangkat lunak ini juga dapat digunakan sebagai alat pembelajaran untuk
mahasiswa kedokteran (Primartha & Fathiyah, 2013).
Penelitian dengan judul “Sistem Pendukung Keputusan Untuk
Menentukan Status Gizi Balita Menggunakan Metode Fuzzy Inferensi Sugeno
(Berdasarkan Metode Antropometri)”, dalam penelitian ini dibahas tentang
Status gizi pada balita. Gizi balita merupakan salah satu dasar acuan perkembangan
anak. Untuk melakukan pemeriksaan gizi balita diperlukan buku Kartu Menuju
Sehat (KMS) yang digunakan pedoman dasar tumbuh kembang balita. Pemeriksaan
gizi pada balita menggunakan KMS digunakan standar antropometri dalam
penentuan status gizinya. Dalam Penentuan status gizi, terdapat empat kategori
yang dijadikan standar yaitu umur balita, berat balita, tinggi balita dan jenis kelamin
balita. Sedangkan dalam penelitian ini selain menggunakan antropometri juga
digunakan metode inferensi fuzzy sugeno dalam penentuan status gizi pada balita.
-
6
Berdasarkan hasil pengujian terhadap sistem pendukung keputusan (SPK) status
gizi yang telah dibangun dengan menggunakan metode fuzzy sugeno dan pengujian
menggunakan standar baku antropometri memiliki hasil 84% dari 25 data yang
diujikan terdapat 4 yang tidak sesuai, sehingga dapat disimpulkan bahwa unjuk
kerja sistem berhasil (Romadhon & Purnomo, 2016).
Penelitian dengan judul “Perancangan Sistem Pakar Fuzzy Untuk
Pengenalan Dini Potensi Terserang Stroke Berbasis Web”, dalam penelitian ini
dibahas tentang Sistem Pakar Pengenalan Dini Potensi Terserang Stroke dengan
logika fuzzy. Penerapan logika fuzzy dalam sistem pakar bertujuan untuk
merepresentasikan pengetahuan seorang pakar pada lingkungan yang tidak pasti
dan sangat kompleks. Sistem inferensi fuzzy menggunakan Metode Mamdani (max-
min) dengan 4 tahapan utama, yaitu: pembentukan himpunan fuzzy, aplikasi fungsi
implikasi, komposisi aturan dan penegasan. Fungsi implikasi yang digunakan
adalah Min dengan komposisi aturan yang digunakan adalah metode Max. Proses
defuzzifikasi menggunakan Metode Centroid of Gravity (CoG), yaitu solusi tegas
diperoleh dengan cara mengambil titik pusat dari hasil komposisi aturan yang telah
didapatkan. Permasalahan yang di bahas yaitu untuk mengetahui potensi stroke
seseorang melalui sistem pakar fuzzy. Hasil ini nantinya akan menunjukkan apakah
seseorang memiliki potensi terserang stroke atau tidak. Faktor yang digunakan
adalah tingkat stres, usia, berat ideal, tekanan darah, kolesterol, kadar gula darah
dan intensitas merokok. Sistem ini akan diimplementasikan dengan sistem berbasis
web sehingga seseorang dapat mengetahui kemungkinan potensi stroke dan dapat
segera menghindarinya (Pandiangan, Irawan, & Rukmi, 2013).
Penelitian ini fokus terhadap pengembangan sebuah sistem pakar untuk
menentukan tingkat resiko penyakit hipertensi dengan Inferensi Fuzzy (Mamdani).
Penerapan metode mamdani dapat dilakukan dalam form diagnosa penyakit,
dimana dibagi menjadi tiga langkah untuk menentukan tingkat resiko penyakit
berdasarkan faktor-faktor resiko, yaitu : mendefinisikan variabel, inferensi, dan
defuzzifikasi (menentukan output crisp).
-
7
Dalam mendefinisikan variabel fuzzy maka ditentukan variabel kemudian
dicari nilai keanggotaan himpunannya menggunakan fungsi keanggotaan dengan
memperhatikan nilai maksimum dan nilai minimum data, antara lain : variabel
umur, variabel tekanan darah sistol, variabel tekanan darah diastol, variabel BMI
dan variabel riwayat keluarga. Proses selanjutnya adalah mengkombinasikan
himpunan-himpunan fuzzy tersebut sehingga diperoleh aturan fuzzifikasinya.
Berdasarkan aturan fuzzy yang didapat, akan ditentukan nilai α dan Z untuk masing-
masing aturan. α adalah nilai keanggotaan anteseden dari setiap aturan, sedangkan
Z adalah nilai perkiraan potensi untuk diagnosa penyakit dari setiap aturan. Tahap
terakhir adalah defuzzifikasi, yaitu menentukan output dari proses komposisi
aturan-aturan fuzzy. Metode yang digunakan dalam proses defuzzifikasi pada
penelitian ini adalah Metode Largest of Maximum (LOM).
2.2. Landasan Teori
2.2.1. Tekanan Darah
Tekanan darah (BP=blood pressure) yang dinyatakan dalam milimeter
(mm) merkuri (Hg) adalah besarnya tekanan yang dilakukan oleh darah pada
dinding arteri (McGowan, 2001). Desakan darah tersebut dipompa dari jantung ke
jaringan. Tekanan darah mirip dengan tekanan dari air (darah) di dalam pipa air
(arteri). Makin kuat aliran yang keluar dari keran (Jantung) makin besar tekanan
dari air terhadap dinding pipa. Jika pipa tertekuk atau mengecil diameternya (seperti
pada aterosklerosis), maka tekanan akan sangat meningkat (Hull, 1993).
Tekanan darah adalah tekanan yang ditimbulkan pada dinding arteri.
Tekanan puncak terjadi saat ventrikel berkontraksi dan disebut tekanan sistolik.
Tekanan diastolik adalah tekanan terendah yang terjadi saat jantung beristirahat.
Tekanan darah biasanya digambarkan sebagai rasio tekanan sistolik terhadap
tekanan diastolik, dengan nilai dewasa normalnya berkisar dari 100/60 sampai
140/90. Rata-rata tekanan darah normal biasanya 120/80 (Smeltzer & Bare, 2001).
Pada pemeriksaan tekanan darah akan didapat dua angka. Angka yang lebih
tinggi diperoleh pada saat jantung berkontraksi (sistolik), dan angka yang lebih
-
8
rendah diperoleh pada saat jantung berelaksasi (diastolik) (Ruhyanudin, 2007).
Tekanan darah sistolik adalah tekanan darah yang terjadi ketika otot jantung
berdenyut memompa darah sehingga darah terdorong ke luar dari jantung menuju
seluruh tubuh. Sedangkan tekanan darah diastolik adalah tekanan darah saat darah
memasuki jantung (Widharto, 2009).
Tekanan darah sangat bervariasi tergantung pada keadaan. Tekanan darah
akan meningkat saat aktivitas fisik, emosi, dan stres (Gray dkk, 2003). Hal ini
berubah-ubah sepanjang hari dan setelah situasi tersebut berlalu, tekanan darah
akan kembali menjadi normal (Hull, 1993). Tekanan darah biasanya paling tinggi
pada waktu pagi hari dan berkurang pada waktu malam hari, mencapai titik
terendah saat dini hari dan selama tidur (Ruhyanudin, 2007; Semple, 1992).
Terdapat dua macam kelainan tekanan darah, antara lain dikenal sebagai
hipertensi atau tekanan darah tinggi dan hipotensi atau tekanan darah rendah. Pada
umumnya yang lebih banyak dihubungkan dengan kelainan tekanan darah adalah
hipertensi, sedangkan hipotensi sering kali dihubungkan dengan kasus syok
(Masud, 1989).
1.2.2. Hipertensi
Hipertensi atau tekanan darah tinggi adalah tekanan darah yang disebabkan
oleh penekanan darah pada dinding pembuluh darah (arteri) ketika dipompa oleh
jantung. Darah dibawa dari jantung menuju ke seluruh tubuh melalui pembuluh
darah. Setiap kali jantung berdetak, jantung akan memompa darah sehingga
memunculkan tekanan terhadap setiap pembuluh darah (WHO, 2013).
2.2.2.1. Definisi Hipertensi
Hipertensi adalah suatu keadaan dimana seseorang mengalami peningkatan
tekanan darah diatas normal yang mengakibatkan peningkatan angka kesakitan
(morbiditas) dan angka kematian (mortalitas) (Triyanto, 2014). Sedangkan menurut
Joint National Commite on Detection, Evaluation and Treatment of High Blood
Pressure (JNC VII) hipertensi didefinisikan sebagai tekanan yang lebih tinggi atau
-
9
sama dengan 140/90 mmHg dapat diklasifikasikan sesuai derajat keparahannya
(Ruhyanudin, 2007).
Hipertensi merupakan penyakit kronik degeneratif yang banyak dijumpai
dalam praktek klinik sehari-hari (Simadibrata dkk, 2003). Penyakit hipertensi salah
satu faktor resiko yang paling berpengaruh terhadap penyakit jantung dan
pembuluh darah. Namun sering sekali penyakit hipertensi ini tidak menunjukkan
gejala, sehingga baru disadari bila telah menyebabkan gangguan organ seperti
gangguan fungsi jantung atau stroke. Hipertensi yang juga disebut sebagai silent
killer ini adalah suatu keadaan ketika tekanan darah di pembuluh darah meningkat
secara kronis. Hal tersebut dapat terjadi karena jantung bekerja lebih keras
memompa darah untuk memenuhi kebutuhan oksigen dan nutrisi tubuh (Kemenkes,
2014; Triyanto, 2014).
2.2.2.2. Klasifikasi Hipertensi
The Seven Of The Joint National Comitte on Prevention, Detection,
Evaluation and Treatment of High Blood Pressure (JNC 7) tahun 2003, membagi
hipertensi sebagai berikut :
1. Normal bila tekanan darah sistolik < 120 mmHg dan diastolik < 80 mmHg.
2. Prehipertensi bila tekanan darah sistolik 120 - 139 mmHg dan/atau diastolik
80 - 89 mmHg.
3. Hipertensi stadium 1 bila tekanan darah sistolik 140 - 159 mmHg dan
diastolik 90 - 99 mmHg.
4. Hipertensi stadium 2 bila tekanan darah sistolik ≥ 160 mmHg dan diastolik
≥ 100 mmHg.
2.2.2.3. Gejala Hipertensi
Individu yang menderita hipertensi kadang tidak menampakan gejala
sampai bertahun-tahun. Gejala bila ada menunjukan adanya kerusakan vaskuler,
dengan manifestasi yang khas sesuai sistem organ yang divaskularisasi oleh
pembuluh darah bersangkutan. Perubahan patologis pada ginjal dapat
-
10
bermanifestasi sebagai nokturia (peningkatan urinasi pada malam hari) dan
azetoma (peningkatan nitrogen urea darah (BUN) dan kreatinin. Keterlibatan
pembuluh darah otak dapat menimbulkan stroke atau serangan iskemik transien
yang bermanifestasi sebagai paralisis sementara pada satu sisi (hemiplegia) atau
gangguan tajam penglihatan (Wijayakusuma,2000).
Tekanan darah tinggi seringkali tidak menimbulkan keluhan-keluhan
langsung, tetapi lama-kelamaan dapat mengakibatkan berbagai penyakit. Tidak ada
tanda-tanda yang memperingatkan, namun lambat laun urat-urat nadi baik besar
maupun kecil dalam tubuh menjadi rusak (Dekker, 1996). Hanya kurang dari
sepersepuluh penderita tekanan darah tinggi yang menunjukkan adanya gejala dan
itu terjadi jika tekanan darah sangat tinggi (Semple, 1992).
Menurut Edward K Cung (1995), tidak ada gejala spesifik yang dapat
dihubungkan dengan peningkatan tekanan darah, selain penentuan tekanan arteri
oleh dokter yang memeriksa (Padila, 2013). Namun secara umum gejala yang
dikeluhkan oleh penderita hipertensi yaitu kegelisahan, jantung berdebar-debar,
pening, nyeri dada, sakit kepala, depresi dan lesuh (Wolff, 1984).
2.2.2.4. Faktor Resiko Hipertensi
Faktor-faktor resiko yang membuat seseorang lebih mungkin untuk terkena
hipertensi antara lain:
1. Usia
Faktor usia sangat berpengaruh terhadap hipertensi karena dengan
bertambahnya umur maka semakin tinggi mendapat resiko hipertensi.
Insiden hipertensi makin meningkat dengan meningkatnya usia. Ini sering
disebabkan oleh perubahan alamiah di dalam tubuh yang mempengaruhi
jantung, pembuluh darah dan hormon. Hipertensi pada yang berusia kurang
dari 35 tahun akan menaikkan insiden penyakit arteri koroner dan kematian
prematur (Julianti, 2005).
Tekanan darah meningkat sejalan dengan pertambahan umur.
Peningkatan tekanan darah biasanya terlihat setelah umur ≥ 40 tahun.
-
11
Kenaikan tekanan darah sistol menyebabkan prevalensi hipertensi
meningkat pada kelompok usia ≥ 40 tahun. Prevalensi hipertensi pada
kelompok umur > 60 tahun adalah sebesar 64,5% sedangkan pada kelompok
umur ≥ 65 tahun ke atas adalah 40% berupa kenaikan tekanan darah sistolik.
Sementara itu, prevalensi hipertensi pada kelompok umur < 40 tahun di
Indonesia
-
12
17,4% wanita. Di daerah perkotaan Semarang didapatkan 7,5% pada pria
dan 10,9% pada wanita. Sedangkan di daerah perkotaan Jakarta didapatkan
14,6 pada pria dan 13,7% pada wanita (Gunawan, 2001).
4. Obesitas
Obesitas adalah kelainan kompleks pengaturan nafsu makan dan
metabolisme energi yang dikendalikan oleh beberapa faktor biologik
spesifik. Secara fisiologis obesitas didefinisikan sebagai suatu keadaan
dengan akumulasi lemak tak normal atau berlebihan di jaringan adiposa
sehingga dapat menggangu kesehatan. BMI (Body Mass Index) merupakan
indikator yang paling sering digunakan, praktis, dan paling bermanfaat
untuk menentukan kelebihan berat badan atau obes (Sugondo dalam Buku
Ajar Ilmu Penyakit Dalam, 2006). Perhitungan BMI seperti pada
Persamaan 2.1.
𝐵𝑀𝐼 = 𝑏𝑒𝑟𝑎𝑡 𝑏𝑎𝑑𝑎𝑛
(𝑡𝑖𝑛𝑔𝑔𝑖 𝑏𝑎𝑑𝑎𝑛 ∗ 𝑡𝑖𝑛𝑔𝑔𝑖 𝑏𝑎𝑑𝑎𝑛) / 100
Persamaan 2. 1
Penurunan berat badan dan pengaturan berat badan adalah
pengobatan efektif untuk hipertensi. Dengan menurunnya berat badan,
maka volume darah total pun menurun sehingga hormon – hormon yang
berkaitan dengan tekanan darah akan berubah dan menyebabkan tekanan
darah menurun (Hull, 1996).
Anak dan dewasa yang kegemukan menderita lebih banyak
hipertensi dan penambahan berat badan biasanya diikuti oleh kenaikan
tekanan darah. Walaupun kalori tambahan yang bertanggung jawab bagi
kenaikan berat badan, namun dapat menginduksi hipertensi karena ia
membawa natrium tambahan (Kaplan dan Stamler, 1991).
Terdapat banyak studi krosseksional yang menunjukkan korelasi
yang kuat antara tekanan darah dan level berat badan relatif. Korelasi ini
bukan hanya terjadi pada orang dewasa tetapi juga terjadi pada anak muda.
-
13
Data dari Evans Country, Georgia, AS menunjukkan bahwa orang yang
mengalami kelebihan berat badan dari awal dan tidak menurunkan berat
badannya memiliki resiko 6 kali lebih besar untuk menderita hipertensi
dibandingkan orang kurus dan tetap kurus (WHO, 1983) seperti pada
Tabel 2.1.
Tabel 2. 1 Klasifikasi Indek Masa Tubuh (IMT) Orang Dewasa
Klasifikasi IMT
Underweight < 18,5
Normal 18,5 - 24,99
Overweight ≥ 25
Preobese 25,00 - 29,99
Obese Class I 30,00 - 34,99
Obese Class II 35,0 - 39,99
Obese Class III ≥ 40,0
Sumber: WHO Technical Report Series, 2000
5. Stres
Stres memang tidak diragukan lagi dapat meningkatkan tekanan
darah dalam jangka pendek dengan cara mengaktifkan bagian otak dan
sistem saraf yang biasanya mengendalikan tekanan darah secara otomatis.
Namun stres sulit untuk diberi batasan atau diukur, karena pristiwa yang
menimbulkan stres pada seseorang belum tentu menimbulkan stres pada
orang lain (Semple, 1992).
Hubungan antara stres dengan hipertensi diduga melalui aktivitas
saraf simpatis, yang dapat meningkatkan tekanan darah secara bertahap.
Stres atau ketegangan jiwa (rasa tertekan, murung, bingung, cemas,
berdebar debar, rasa marah, dendam, rasa takut, rasa bersalah) dapat
merangsang kelenjar anak ginjal melepaskan hormon adrenalin dan
memacu jantung berdenyut lebih cepat serta lebih kuat, sehingga tekanan
darah akan meningkat. Jika stres berlangsung cukup lama, tubuh berusaha
mengadakan penyesuaian sehingga timbul kelainan organis atau perubahan
patologis. Gejala yang muncul dapat berupa hipertensi atau penyakit maag.
-
14
Berdasarkan hasil penelitian Hasurungan di Kota Depok (2002) dengan
menggunakan desain penelitian case control, menunjukkan bahwa
hipertensi pada responden yang mengalami stres psikologis jika
dibandingkan dengan yang tidak stres psikologis adalah 2,99 (Hasurungan,
2002).
6. Aktifitas Fisik
Olahraga banyak dihubungkan dengan pengelolaan hipertensi,
karena olahraga isotonik dan teratur dapat menurunkan tahanan perifer yang
akan menurunkan tekanan darah. Olahraga juga dikaitkan dengan peran
obesitas pada hipertensi. Kurang melakukan olahraga akan meningkatkan
kemungkinan timbulnya obesitas dan jika asupan garam juga bertambah
akan memudahkan timbulnya hipertensi. Kurangnya aktivitas fisik
meningkatkan risiko menderita hipertensi karena meningkatkan risiko
kelebihan berat badan. Orang yang tidak aktif juga cenderung mempunyai
frekuensi denyut jantung yang lebih tinggi sehingga otot jantungnya harus
bekerja lebih keras pada setiap kontraksi. Makin keras dan sering otot
jantung harus memompa, makin besar tekanan yang dibebankan pada arteri.
(Sheps, 2005).
7. Kebiasaan Merokok
Rokok menyebabkan peningkatan denyut jantung, tekanan darah,
dan juga menyebabkan pengapuran sehingga volume plasma darah
berkurang karena pengaruh nikotin dalam peredaran darah (Dekker, 1996).
Meningkatnya tekanan darah ini, lebih nyata pada penderita tekanan darah
tinggi. Merokok dapat menyebabkan terjadinya ateroma dalam arteri dan
dapat mengenai ginjal. Akibat penyempitan arteri ini, terjadi penyakit
tekanan darah tinggi yang berat dan keadaan ini cenderung terjadi pada
penderita lanjut usia (Semple, 1992).
-
15
1.2.3. Sistem Pakar
Sistem pakar adalah sebuah kecerdasan buatan yang terdapat dalam sebuah
perangkat lunak yang dibangun dengan kemampuan mendekati seorang pakar
(manusia) yang memiliki pengetahuan tinggi dalam sebuah bidang tertentu yang
diharapkan dapat membantu memecahkan sebuah masalah (Arhami, 2004).
Seorang pakar adalah orang yang mempunyai keahlian dalam bidang tertentu.
Pemrosesan yang dilakukan oleh sistem pakar merupakan pemrosesan pengetahuan
(knowledge). Knowledge adalah pemahaman secara praktis maupun teoritis
terhadap suatu obyek atau domain tertentu. Knowledge dalam sistem pakar bisa saja
seorang ahli, atau knowledge yang umumnya terdapat dalam buku, majalah dan
orang yang mempunyai pengetahuan tentang suatu bidang. Knowledge yang
digunakan pada sistem pakar merupakan serangkaian informasi mengenai gejala-
diagnosa, sebab-akibat, aksi-reaksi tentang suatu domain tertentu (misalnya,
domain diagnosa medis).
Gambar 2. 1 Model Expert System
Bagian dari sistem pakar terdiri dari 2 komponen utama,yaitu knowledge
dan mesin inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut
merupakan respon dari sistem pakar atas permintaan pengguna. Knowledge dari
sistem pakar bersifat khusus untuk satu domain masalah saja. Sebagai contoh, siste
pakar kedokteran yang dirancang untuk mendiagnosis suatu penyakit dimana sistem
ini memiliki suatu uraian knowledge tentang gejala-gejala penyakit tersebut. Selain
itu, fitur yang harus memiliki oleh sistem pakar adalah kemampuan untuk menalar
(reasoning.). jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan
-
16
sudah tersedia program yang mampu mengakses basis data, maka komputer harus
dapat deprogram untuk membuat inferensi. Proses ini dibuat dalam bentuk motor
inferensi (inference engine). (Budiharto & Suhartono, 2014)
1.2.4. Logika Fuzzy
Logika fuzzy merupakan salah satu komponen pembentuk soft computing.
Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965.
Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan
derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan
sangatlah penting. Nilai keanggotaan atau derajat keanggotaan (membership
function) menjadi ciri utama dari penalaran dengan logika fuzzy tersebut (Kusuma
Dewi, 2003). Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 (nol)
hingga 1 (satu). Logika fuzzy dapat mengolah nilai yang tidak pasti berupa batasan,
seperti “sangat”, “sedikit”, dan “kurang lebih”. Komputer tidak dapat memahami
nilai asli dari nilai tidak pasti tersebut. Dengan logika fuzzy, komputer dapat
mengolah ketidakpastian tersebut sehingga dapat digunakan untuk memutuskan
sesuatu yang membutuhkan kepintaran manusia dalam penalaran.
1.2.5. Himpunan Fuzzy
Himpunan fuzzy adalah kumpulan prinsip matematik sebagai penggambaran
pengetahuan berdasarkan derajat keanggotaan daripada menggunakan derajat
rendah dari logika biner klasik. Himpunan fuzzy adalah himpunan yang memiliki
batas fuzzy. Dimana ide dasar dari teori himpunan fuzzy adalah bahwa sebuah
elemen termasuk dalm sebuah himpunan fuzzy dengan derajat keanggotaan tertentu,
dimana tidak hanya bernilai benar atau salah (0 atau 1), melainkan bisa saja
sebagian benar atau sebagian salah untuk derajat tertentu. Himpunan fuzzy
digunakan untuk mengantisipasi dimana sebuah nilai variabel dapat masuk dalam
2 himpunan yang berbeda. Sebagai contoh variabel usia memiliki 3 kategori dengan
masing-masing batas fuzzy-nya yaitu MUDA (usia < 35 tahun), PAROBAYA (35
-
17
Gambar 2. 2 Himpunan Fuzzy untuk Variabel Usia
Jika seseorang memiliki usia (x) 40 tahun maka, orang tersebut termasuk
dalam himpunan MUDA dengan µMUDA(40) = 0,25. Namun dia juga termasuk
dalam himpunan PAROBAYA dengan µPAROBAYA(40) = 0,5.
1.2.6. Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah suatu kurva yang
menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat
keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat
digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui
pendekatan fungsi. Beberapa fungsi yang bisa digunakan :
a. Representasi Linear
Pemetaan input ke derajat keanggotaannya digambarkan sebagai
suatu garis lurus. Terdapat 2 bentuk, yaitu representasi linear naik dan turun.
Pada kurva representasi linear naik, himpunan dimulai pada nilai domain
yang memiliki derajat keanggotaan [0] dan bergerak ke kanan menuju
domain dengan derajat keanggotaan yang lebih tinggi, seperti pada Gambar
2.3 dan untuk fungsi keanggotaan dapat dilihat pada Persamaan 2.2.
Persamaan 2. 2
-
18
Gambar 2. 3 Fungsi Keanggotaan Representasi Linear Naik
Pada kurva representasi linear turun, himpunan dimulai pada nilai
domain yang memiliki derajat keanggotaan [1] dan bergerak ke kanan
menuju domain dengan derajat keanggotaan yang lebih rendah seperti pada
Gambar 2.4 dan untuk fungsi keanggotaan dapat dilihat pada Persamaan 2.3.
Persamaan 2. 3
Gambar 2. 4 Fungsi Keanggotaan Representasi Linear Turun
b. Representasi Kurva Segitiga
Representasi kurva segitiga merupakan gabungan antara 2 garis
(linear) seperti pada Gambar 2.5 dan untuk fungsi keanggotaan dapat dilihat
pada Persamaan 2.4.
-
19
Persamaan 2. 4
Gambar 2. 5 Fungsi Keanggotaan Representasi Kurva Segitiga
c. Representasi Kurva Trapesium
Representasi kurva trapesium menyerupai bentuk segitiga, namun
memiliki beberapa titik dengan derajat keanggotaannya 1 seperti pada
Gambar 2.6 dan untuk fungsi keanggotaan dapat dilihat pada Persamaan 2.5.
Persamaan 2. 5
Gambar 2. 6 Fungsi Keanggotaan Representasi Kurva Trapesium
-
20
d. Representasi Kurva Bentuk Bahu
Daerah yang terletak pada sisi kanan dan kiri yang tidak mengalami
perubahan, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Pada
bahu kiri kurva bergerak dari benar ke salah, dan pada bahu kanan kurva
bergerak dari salah ke benar. Berikut fungsi keanggotaan representasi kurva
bentuk bahu seperti pada Gambar 2.7.
Gambar 2. 7 Fungsi Keanggotaan Representasi Kurva Bentuk Bahu
1.2.7. Metode Mamdani
Metode Mamdani adalah salah satu teknik inferensi fuzzy yang juga disebut
dengan Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada
tahun 1975. Pada metode ini, terdapat 4 tahap untuk mendapatkan output, yaitu :
Fuzzification, Rule Evaluation, Rule Aggregation, Defuzzification (Kusumadewi &
Purnomo, 2013).
1.2.7.1. Fuzzification (Pembentukan himpunan fuzzy)
Fuzzification adalah langkah pertama dari metode Mamdani yang bertugas
mengambil nilai input berupa nilai crisp, dan menentukan derajat dari input
sehingga input dapat dikelompokkan pada himpunan fuzzy yang tepat.tahap
pertama ini, nilai input yang berupa nilai crisp akan dikonversikan menjadi nilai
fuzzy, sehingga dapat dikelompokkan pada himpunan fuzzy tertentu.
-
21
1.2.7.2. Rule Evaluation (Aplikasi fungsi implikasi)
Langkah kedua adalah mengambil nilai input yang telah difuzzifikasi dan
mengaplikasikannya ke dalam antesenden pada aturan-aturan fuzzy lalu
diimplikasikan. Fungsi implikasi yang digunakan adalah Min seperti pada
Persamaan 2.6.
𝝁𝑨∩𝑩(𝒙) = 𝐦𝐢𝐧 (𝝁𝑨[𝒙], 𝝁𝑩[𝒙])
Persamaan 2. 6
1.2.7.3. Rule Aggregation (Komposisi Aturan)
Aggregasi aturan adalah proses dari penggabungan nilai keluaran dari
semua aturan. Pada tahap ini, terdapat 3 metode yang digunakan dalam melakukan
inferensi sistem fuzzy, yaitu Max, Additive dan Probabilistik OR (probor).
a. Metode Max (Maximum)
Solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah
fuzzy, dan mengaplikasikannyake output dengan menggunakan operator OR
(union) seperti pada Persamaan 2.7.
𝝁𝒔𝒇[𝒙𝒊] = 𝐦𝐚𝐱 (𝝁𝒔𝒇[𝒙𝒊], 𝝁𝒌𝒇[𝒙𝒊])
Persamaan 2. 7
Dengan :
𝝁𝒔𝒇[𝒙𝒊] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
𝝁𝒌𝒇[𝒙𝒊] = nilai keanggotaan konsekuen fuzzy aturan ke-i;
Misalkan ada 3 aturan (proposisi) sebagai berikut :
[R1] IF Biaya Produksi RENDAH And Permintaan NAIK THEN
Produksi Barang BERTAMBAH.
[R2] IF Biaya Produksi STANDAR THEN Produksi Barang
NORMAL.
-
22
[R3] IF Biaya Produksi TINGGI And Permintaan TURUN THEN
Produksi Barang BERKURANG.
Proses inferensi dengan menggunakan metode Max dalam
melakukan komposisi aturan seperti pada gambar 2.8.
Gambar 2. 8 Komposisi Aturan Fuzzy Metode Max
(Kusumadewi dan Purnomo, 2010)
b. Metode Additive (Sum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara
melakukan bounded-sum terhadap semua output daerah fuzzy seperti pada
Persamaan 2.8.
𝝁𝒔𝒇[𝒙𝒊] = 𝐦𝐢𝐧(𝟏, 𝝁𝒔𝒇[𝒙𝒊] + 𝝁𝒌𝒇[𝒙𝒊])
Persamaan 2. 8
Dengan :
-
23
𝝁𝒔𝒇[𝒙𝒊] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
𝝁𝒌𝒇[𝒙𝒊] = nilai keanggotaan konsekuen fuzzy aturan ke-i;
c. Metode Probabilistik OR (Probor)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara
melakukan produk terhadap semua output daerah fuzzy seperti pada
Persamaan 2.9.
𝝁𝒔𝒇[𝒙𝒊] = (𝝁𝒔𝒇[𝒙𝒊] + 𝝁𝒌𝒇[𝒙𝒊]) − (𝝁𝒔𝒇[𝒙𝒊]) ∗ (𝝁𝒌𝒇[𝒙𝒊])
Persamaan 2. 9
Dengan :
𝝁𝒔𝒇[𝒙𝒊] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
𝝁𝒌𝒇[𝒙𝒊] = nilai keanggotaan konsekuen fuzzy aturan ke-i;
1.2.7.4. Defuzzification (Penegasan)
Langkah terakhir dari proses inferensi fuzzy adalah untuk mengkonversi
versi nilai fuzzy hasil dari aggregasi aturan ke dalam sebuah bilangan crisp. Input
dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari
komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu
bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu
himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp
tertentu sebagai output, seperti pada Gambar 2.9.
-
24
Gambar 2. 9 Proses Defuzzifikasi
Terdapat beberapa metode defuzzifikasi pada komposisi aturan Mamdani,
yaitu :
a. Metode Centroid
Solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah
fuzzy, fungsi keanggotaan variabel kontinu seperti pada Persamaan 2.10 dan
untuk fungsi keanggotaan variabel diskret seperti pada Persamaan 2.11.
𝑧 ∗ = ∫ 𝑧𝜇(𝑧)𝑑𝑧𝑧
∫ 𝜇(𝑧)𝑑𝑧𝑧
untuk variabel kontinu
Persamaan 2. 10
𝑧 ∗ = ∫ 𝑧𝑗𝜇(𝑧𝑗)𝑛
𝑗=1
∫ 𝜇(𝑧𝑗)𝑛
𝑗=1
untuk variabel diskret
Persamaan 2. 11
-
25
a. Metode Bisektor
Solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy
yang memiliki nilai keanggotaan setengah dari jumlah total nilai keanggotaan
pada daerah fuzzy. Seperti pada persamaan 2.12.
𝑧𝑝 sedemikian hingga ∫ 𝜇(𝑧)𝑑𝑧𝑝
𝑅1= ∫ 𝜇(𝑧) 𝑑𝑧
𝑅𝑛
𝑝
Persamaan 2. 12
b. Metode Mean of Maximum (MOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai
rata-rata domain yang memiliki nilai keanggotaan maksimum.
c. Metode Largest of Maximum (LOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai
terbesar dari domain yang memiliki nilai keanggotaan maksimum.
d. Metode Smallest of Maximum (SOM)
Terakhir, pada metode ini, solusi crisp diperoleh dengan cara
mengambil nilai terkecil dari domain yang memiliki nilai keanggotaan
maksimum.
COVERHALAMAN PENGESAHANHALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK KEPENTINGAN AKADEMISHALAMAN PERNYATAAN ORISINALITAS KARYAHALAMAN PERSEMBAHANHALAMAN MOTTOKATA PENGANTARABSTRAKDAFTAR ISTILAHDAFTAR ISIDAFTAR TABELDAFTAR GAMBARBAB I PENDAHULUAN1.1. Latar Belakang1.2. Perumusan Masalah1.3. Tujuan Penelitian1.4. Manfaat Penelitian1.5. Batasan Masalah
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI2.1. Tinjauan Pustaka2.2. Landasan Teori2.2.1. Tekanan Darah1.2.2. Hipertensi2.2.2.1. Definisi Hipertensi2.2.2.2. Klasifikasi Hipertensi2.2.2.3. Gejala Hipertensi2.2.2.4. Faktor Resiko Hipertensi
1.2.3. Sistem Pakar1.2.4. Logika Fuzzy1.2.5. Himpunan Fuzzy1.2.6. Fungsi Keanggotaan1.2.7. Metode Mamdani1.2.7.1. Fuzzification (Pembentukan himpunan fuzzy)1.2.7.2. Rule Evaluation (Aplikasi fungsi implikasi)1.2.7.3. Rule Aggregation (Komposisi Aturan)1.2.7.4. Defuzzification (Penegasan)
BAB III METODOLOGI3.1. Bahan Penelitian3.2. Alat Penelitian3.2.1. Perangkat Keras3.2.2. Perangkat Lunak
3.3. Jalan Penelitian2.3.1. Akuisisi Pengetahuan3.3.1.1. Analisis Kebutuhan Masukan3.3.1.2. Analisis Kebutuhan Proses3.3.1.3. Analisis Kebutuhan Keluaran
3.3.2. Representasi Kebutuhan3.3.2.1. Perancangan DFD3.3.2.2. Perancangan Basis Pengetahuan3.3.2.3. Perancangan ERD3.3.2.4. Perancangan Database
3.3.3. Inferensi Pengetahuan3.3.4. Pemindahan Pengetahuan3.3.4.1. Perancangan Antar Muka3.3.4.1.1. Rancangan Halaman Admin dan Operator3.3.4.2. Flowchart Sistem Pakar
BAB IV ANALISIS PEMBAHASAN4.1. Hasil Penelitian4.1.1. Hasil Pengujian Sistem4.1.2. Hasil Pengujian Program4.1.2.1. Tampilan Halaman Pengunjung4.1.2.2. Tampilan Halaman Login Sistem4.1.2.3. Tampilan untuk Operator4.1.2.4. Tampilan untuk Admin
4.2. Analisis dan Pembahasan4.2.1. Proses Fuzzifikasi4.2.2. Proses Inferensi4.2.3. Defuzzifikasi4.2.4. Validasi Hasil
BAB V PENUTUP5.1. Kesimpulan5.2. Saran
Daftar PustakaLampiranLampiran A. Biodata Peneliti :Lampiran B. Scan Konsultasi SkripsiLampiran C. Validasi Variabel SistemLampiran D. Validasi Pengujian SistemLampiran E. Data Rekam Medik Pasien