AbstrakJerawat merupakan salah satu gangguan Sedikitnya tingkat kesadaran bagi penderita jerawat
penyakit kulit akibat dari kelebihan produksi kelenjar minyak disebabkan karena kurangnya pengetahuan tentang jerawat
yang menyebabkan terjadinya infeksi dan radang pada kulit dan juga keterbatasan waktu maupun biaya untuk konsultasi
manusia. Jerawat sering timbul pada bagian wajah, jerawat ke dokter. Oleh sebab itu, perlu adanya sebuah media
juga dapat menimbulkan jaringan parut dan meninggalkan
informasi kepada penderita jerawat yang bertujuan untuk
bekas luka jika tidak diatasi. Pada umumnya, jerawat timbul
pada masa pubertas dan dewasa muda. Jerawat memiliki memberikan pemahaman mengenai jenis jerawat, tingkat
berbagai macam jenis, yaitu blackhead, whitehead, papula, kelompok jerawat, saran mengatasi jerawat, dan informasi
postula, nodul kista, conglobata dan fulminans. Berdasarkan umum mengenai jerawat.
dari jenis jerawat tersebut memiliki tingkat kelompoknya Pengetahuan mengenai jenis jerawat dan tingkat
masing-masing, yaitu dari tingkat ringan, sedang dan parah. kelompok jerawat dimiliki oleh dokter sebagai pakarnya.
Akan tetapi, masih banyak masyarakat yang belum Semakin berkembangnya teknologi yang sangat pesat, hasil
mengetahui tentang jenis jerawat tersebut. Bentuk dari dari pemikiran dan pelatihan pakar dapat diadopsi dengan
pemanfaatan teknologi komputer dalam dunia medis adalah menggunakan teknologi Kecerdasan Buatan (Artificial
sistem pakar. Sistem pakar merupakan sebuah sistem yang
Intelligence), khususnya sistem pakar. Komputer dapat
dapat berperan seperti pakar dalam melakukan analisis dan
konsultasi. Sehingga dapat digunakan untuk membantu dalam bertindak sebagai konsultan yang cerdas dalam lingkungan
memperoleh informasi pengetahuan mengenai jenis dan keahlian tertentu sebagai hasil dari himpunan pengetahuan
tingkat jerawat kepada penderita jerawat atau pengguna dari seorang pakar. Dengan adanya sistem pakar yang dapat
sistem, berdasarkan dari gejala dan letak jerawat pengguna berperan seperti pakar dalam melakukan konsultasi. Metode
dapat melakukan konsultasi dengan sistem tersebut. yang digunakan dalam kasus ini adalah metode K-means
Pengetahuan dari seorang pakar atau dokter akan di Clustering. Metode ini merupakan proses analisis data
formulasikan ke dalam sistem menggunakan suatu metode. menjadi kelompok-kelompok dimana data pada satu
Metode yang dituangkan dalam sistem ini adalah metode K- kelompok memiliki karakteristik yang sama dan memiliki
means Clustering. Metode ini merupakan proses analisis data
karakteristik yang berbeda dari kelompok lain. Data sampel
menjadi kelompok-kelompok dimana data pada satu kelompok
memiliki karakteristik yang sama dan memiliki karakteristik yang digunakan dalam metode ini yaitu berdasarkan gejala
yang berbeda dari kelompok lain. Berdasarkan hasil analisa, dan letak jerawat dari hasil penelitian yang sudah ditentukan
sistem ini dapat membantu proses konsultasi pengguna dengan jenis dan tingkat jerawat terlebih dahulu oleh dokter. Data
tingkat keberhasilan 100% untuk menentukan jenis jerawat sampel dari hasil penelitian tersebut selanjutnya digunakan
sesuai letaknya dan 90,56% untuk menentukan jenis jerawat dalam proses perhitungan untuk penentuan tingkat jerawat
pada wajah sesuai tingkat kelompoknya. penderita atau disebut user di dalam sistem pakar.
Berdasarkan latar belakang tersebut, dilakukan
Kata KunciJenis jerawat, tingkat kelompok jerawat, pembuatan sistem pakar diagnosis jenis jerawat pada wajah,
sistem pakar, k-means clustering
dan menentukan tingkat kelompok jerawat pada wajah
menggunakan metode K-Means Clustering berbasis web.
I. PENDAHULUAN
Sehingga mudah digunakan serta memiliki tingkat
keakuratan hasil analisa yang tinggi. Sistem yang dibangun
J erawat adalah gangguan kulit akibat dari kelebihan
produksi kelenjar minyak yang menyebabkan terjadinya
infeksi dan radang pada kulit manusia. Hasil dari penelitian
tidak hanya menampilkan hasil diagnosis jenis jerawat dan
tingkat jerawat saja, tetapi juga memberikan saran
mengatasi jerawat sesuai hasil diagnosis tingkat jerawat
yang telah dilakukan oleh para peneliti, menemukan
pada wajah user.
berberapa jenis jerawat, antara lain yaitu jerawat blackhead,
whitehead, papula, pustula, nodul kista, conglobata dan
II. URAIAN PENELITIAN
fulminans. Berdasarkan dari jenis jerawat tersebut pula
memiliki tingkat kelompoknya masing-masing, yaitu dari
A. Sistem Pakar
tingkat ringan, sedang hingga parah. Namun, kebanyakan
Kecerdasan Buatan (Artificial Intelligence) adalah
penderita jerawat masih banyak yang belum mengetahui
bagian dari ilmu komputer yang mempelajari tentang
jenis-jenis jerawat tersebut, dan jika mengalami jenis
bagaimana sebuah komputer bisa dibuat dengan sedemikian
jerawat dari tingkat ringan, yang tidak langsung ditangani
rupa agar dapat melakukan pekerjaan seperti dan sebaik
akan berkembang menjadi parah, sehingga menyebabkan
yang dilakukan oleh manusia. Kecerdasan buatan adalah
kerusakan pada kulit berupa jaringan parut dan
suatu sistem komputer yang terbentuk untuk mengetahui dan
meninggalkan bekas luka.
memodelkan proses-proses berfikir manusia dan mendesain
2
agar dapat menirukan perilaku manusia. sistem pakar adalah posisi group tidakberubah.Berikut persamaan (3) untuk
salah satu bidang dari sekian banyak bidang yang dimiliki rumus dari penentuan centroid.
kecerdasan buatan yang merupakan penyelesaian x1 x2 x... x....
C(i) (3)
pendekatan yang sangat bagus untuk permasalahan
kecerdasan buatan klasik dari pemrograman intelligent x
(cerdas). Pengertian sistem pakar adalah salah satu cabang Keterangan :
dari kecerdasan buatan yang membuat penggunaan secara x1 = nilai data record ke-1
luas knowledge yang khusus untuk penyelesaian masalah x2 = nilai data record ke-2
tingkat manusia pakar. Sistem pakar merupakan sistem yang x = jumlah data record
berusaha mengadopsi pengetahuan manusia ke komputer, Tahap proses algoritma K-Means sebagai berikut:
agar komputer dapat menyelesaikan masalah seperti yang 1. Tentukan jumlah cluster.
biasa dilakukan oleh para ahli, yang dimaksudkan pakar di 2. Alokasikan data kedalam cluster secara random.
sini adalah orang yang mempunyai keahlian dalam bidang 3. Hitung centroid atau rata-rata dari data yang ada di
tertentu. Terdapat pendekatan untuk mengontrol inferensi masing-masing cluster.
dalam sistem pakar berbasis aturan, yaitu pelacakan ke 4. Alokasikan masing-masing data ke centroid/ rata-rata
depan (forward chaining) yang sering disebut sebagai runut terdekat
maju (bottom-up). Forward chaining mencari fakta yang 5. Kembali langkah ketiga, apabila masih ada data yang
sesuai dengan bagian IF dari aturan IF-THEN. [2] berpindah cluster .
PERANCANGAN
SIST EM
Keterangan :
d = titik dokumen PEMBUATAN
APLIKASI
x = data record
y = data centroid PENGUJIAN DAN
VALIDASI
B. Proses K-Means Clustering cluster dan dibagi dengan total jumlah anggota clustersesuai
Proses untuk menentukan tingkat kelompok ringan, dengan rumus persamaan (3). Sehingga didapat nilai pusat
sedang dan parah jerawat dalam sistem dirumuskan cluster baru, yaitu pusat cluster 1 (0:0), pusat cluster 2
menggunakan perhitungan metode k-means clustering dari (25:1), pusat cluster 3 (4,5:1), dan pusat cluster 4 (8,1:1)
data penelitian. Dalam menentukan kelompok jenis jerawat yang digunakan untuk mendapatkan nilai iterasi ke-2.
memerlukan 30 data sampel yang telah diteliti berdasarkan Proses perhitungan diulang seperti langkah ke-2
dari gejala dan letak jerawat user. Sehingga dari letak pada menggunakan rumus persamaan (2) perhitungan jarak
wajah yang memiliki gejala jerawat dapat dihitung jumlah berdasarkan nilai pusat cluster terbaru, sehingga anggota
gejalanya, dan dari jumlah tersebut didapat nilai untuk pada kumpulan cluster tersebut tidak berubah. Berdasarkan
proses perhitungan. rumus perhitungan jarak tersebut maka dapat dilihat
Dalam penelitian ini menggunakan 4 cluster untuk perbandingannya dan untuk menentukan jarak terpendek
menentukan kelompok jenis jerawat, dengan keterangan dilihat dari nilai yang paling terkecil antara cluster. Berikut
bahwa cluster 0 adalah kelompok yang tidak mempunyai tabel 2 jarak pusat ke cluster (iterasi ke-2), hasil perhitungan
tingkat, cluster 1 adalah kelompok jenis jerawat ringan, cluster baru untuk semua data yang dilakukan dari kedua
cluster 2 adalah kelompok jenis jerawat sedang, dan cluster fitur (jumlah gejala dan jumlah letak jerawat):
3 adalah kelompok jenis jerawat parah. Kemudian, untuk
langkah pertama menentukan nilai untuk 4 pusat cluster Tabel 2.
Tabel Jarak Pusat Ke Cluster
awal secara acak yang diambil dari data sampel, yaitu pusat
(Iterasi Ke-2 Bagian Pipi Kiri)
cluster 1 (0:0), pusat cluster 2 (2:1), pusat cluster 3 (4:1), Cluster Cluster
No
C0 C1 C2 C3 Iterasi ke- Iterasi
dan pusat cluster 4 (7:1). Sampel
2 ke-1
Salah satu contoh kasus untuk perhitunganmenentukan 1 1.414214 0.25 3.5 7.44 1 1
tingkat kelompok jenis jerawat pada wajah yaitu bagian pipi 2 7.071068 5.75 2.5 1.44 3 3
3 0 1.600781 4.609772 8.499035 0 0
kiri yang memiliki 5 jumlah gejala jerawat dan 1 jumlah 4 1.414214 0.25 3.5 7.44 1 1
letak jerawat. 5 5.09902 3.75 0.5 3.44 2 2
Langkah kedua yaitu mengalokasikan data ke dalam cluster, 6 7.071068 5.75 2.5 1.44 3 3
7 9.055385 7.75 4.5 0.56 3 3
kemudian menghitung jarak setiap pusat cluster dengan 8 0 1.600781 4.609772 8.499035 0 0
menggunakan rumus perhitungan jarak yaitu persamaan (2). 9 2.236068 0.75 2.5 6.44 1 1
Rumus tersebut digunakan untuk menghitung jarak setiap 10 4.123106 2.75 0.5 4.44 2 2
11 5.09902 3.75 0.5 3.44 2 2
cluster dari semua data sehingga menghasilkan iterasi ke-1, 12 10.04988 8.75 5.5 1.56 3 3
dari perhitungan jarak tersebut maka dapat dilihat 13 4.123106 2.75 0.5 4.44 2 2
perbandingannya untuk menentukan cluster yang dilihat dari 14 0 1.600781 4.609772 8.499035 0 0
15 5.09902 3.75 0.5 3.44 2 2
nilai yang paling terkecil antara C0, C1, C2 dan C3. Berikut 16 7.071068 5.75 2.5 1.44 3 3
tabel 1 hasil perhitungan untuk semua data yang dilakukan 17 2.236068 0.75 2.5 6.44 1 1
18 10.04988 8.75 5.5 1.56 3 3
dari kedua fitur (jumlah gejala dan jumlah letak jerawat):
19 1.414214 0.25 3.5 7.44 1 1
20 0 1.600781 4.60977 8.499035 0 0
Tabel 1. 21 0 1.600781 4.60977 8.499035 0 0
Tabel Jarak Pusat Ke Cluster 22 4.123106 2.75 0.5 4.44 2 2
(Iterasi Ke-1 Bagian Pipi Kiri) 23 7.071068 5.75 2.5 1.44 3 3
Cluster 24 12.04159 10.75 7.5 3.56 3 3
No Jumlah Jumlah
C0 C1 C2 C3 Iterasi 25 1.414214 0.25 3.5 7.44 1 1
Sampel Gejala Letak
ke-1
1 1 1 1.414 1 3 6 1 26 1.414214 0.25 3.5 7.44 1 1
2 7 1 7.071 5 3 0 3 27 1.414214 0.25 3.5 7.44 1 1
3 0 0 0 2.236 4.123 7.071 0 28 0 1.600781 4.609772 8.499035 0 0
4 1 1 1.414 1 3 6 1 29 7.071068 5.75 2.5 1.44 3 3
5 5 1 5.099 3 1 2 2 30 4.123106 2.75 0.5 4.44 2 2
6 7 1 7.071 5 3 0 3
31 5.09902 3.75 0.5 3.44 2 2
7 9 1 9.055 7 5 2 3
8 0 0 0 2.236 4.123 7.071 0 *Keterangan: data sampel ke-1 sampai ke-30 merupakan data penelitian dan data
9 2 1 2.236 0 2 5 1 sampel ke-31 merupakan sampel untuk contoh kasus
10 4 1 4.123 2 0 3 2
11 5 1 5.099 3 1 2 2
12 10 1 10.049 8 6 3 3 Hasil perbandingan antara cluster iterasi ke-2 dan cluster
13 4 1 4.123 2 0 3 2 iterasi ke-1 ternyata tidak ada data yang berubah cluster,
14 0 0 0 2.236 4.123 7.071 0
15 5 1 5.099 3 1 2 2 maka proses perhitungan dihentikan dan data ke-31 masuk
16 7 1 7.071 5 3 0 3 ke cluster 2. Sehingga dapat ditarik kesimpulan bahwa
17 2 1 2.236 0 2 5 1
18 10 1 10.049 8 6 3 3 terdiagnosis jenis jerawat tingkat sedang.
19 1 1 1.4142 1 3 6 1
20 0 0 0 2.236 4.123 7.071 0
21 0 0 0 2.236 4.123 7.071 0 C. Perancangan Arsitektur Sistem Pakar Diagnosis
22 4 1 4.123 2 0 3 2
23 7 1 7.071 5 3 0 3 Jerawat
24 12 1 12.041 10 8 5 3 1. Perancangan Arsitektur Sistem Pakar Diagnosis Jenis
25 1 1 1.414 1 3 6 1
26 1 1 1.414 1 3 6 1 Jerawat
27 1 1 1.414 1 3 6 1 Berikut ini gambar 2 yang merupakan gambaran untuk
28 0 0 0 2.236 4.123 7.071 0
29 7 1 7.071 5 3 0 3 dua bagian sistem pakar diagnosis jenis jerawat
30 4 1 4.123 2 0 3 2 menggunakan metode k-means clustering yang
31 5 1 5.099 3 1 2 2
*Keterangan: data sampel ke-1 sampai ke-30 merupakan data penelitian dan data dikembangkan berdasarkan arsitektur sistem pakar menurut
sampel ke-31 merupakan sampel untuk contoh kasus Turban (1995) [3]:
C. Analisis Sistem
Berikut ini merupakan analisis hasil perancangan dan
pengujian sistem pakar diagnosis jenis jerawat pada wajah
menggunakan metode k-means clustering berbasis web
yaitu:
1. Pengguna dapat mengetahui jenis jerawat dan tingkat
kelompok jenis jerawat dari masing-masing letak jerawat
pada wajah dengan menggunakan aplikasi sistem pakar
diagnosis jenis jerawat.
Gambar 3. Form Konsultasi 2. Pengujian akurasi/validitas aplikasi sistem pakar
menunjukkan bahwa 100% akurat untuk diagnosis jenis
7. Halaman Hasil jerawat dan 90,56% untuk menentukan tingkat kelompok
Halaman hasil merupakan form yang akan tampil setelah jenis jerawat pada wajah pengguna.
pengguna selesai mengisi form konsultasi dan melakukan 3. Ketidakakurasian sistem pakar adalah 9,44% yang
proses diagnosis. Form ini berisi hasil diagnosis jenis disebabkan karena beberapa kemungkinan antara lain
jerawat dan tingkat kelompok jenis jerawat serta kesalahan dalam memeberikan nilai pusat cluster dan
penanganannya sesuai data yang telah di isi pengguna pada ketidakcocokan jumlah gejala yang dipilih berdasarkan
form konsultasi. Antarmuka hasil perancangan form jenisnya sehingga tingkat jenis jarawat tidak sesuai.
konsultasi dapat dilihat pada Gambar 4.
V. KESIMPULAN
DAFTAR PUSTAKA