Penerapanfuzzyinferencesystemfistsukamotodalammenganalisatingkatresikopenyakitpoliphidung 130123012649 Phpapp02
Penerapanfuzzyinferencesystemfistsukamotodalammenganalisatingkatresikopenyakitpoliphidung 130123012649 Phpapp02
Abstrak
Berbagai jenis penyakit dapat kita temukan didalam dunia kesehatan.
Seorang dokter berperan sebagai seorang ahli yang menganalisa jenis dan tingkat
resiko dari penyakit yang diderita oleh pasiennya. Adapun penganalisaan tersebut
bisa berdasarkan gejala-gejala yang menjadi keluhan oleh pasien. Gejala
merupakan suatu unsur penting dalam menentukan seorang pasien mengidap
penyakit tertentu. Dalam kehidupan nyata, dokter akan menanyakan gejala-gejala
pada pasiennya sebelum ia mendiagnosa jenis penyakit yang diderita oleh sang
pasien. Ada beberapa gejala penyakit yang dianggap biasa karena gejala-gejalanya
tidak terlalu dianggap berbahaya dan sering dialami oleh penderita penyakit biasa.
Seperti pilek, hidung buntu dsb ini merupakan gejala penyakit flu biasa, namun
jika frekuensinya sudah melebih kadar flu biasa, bisa jadi gejala-gejala ini
menunjukan penyakit Polip Hidung yang cukup berbahaya bila tidak ditangani.
Dalam mendiagnosa jenis penyakit dan menganalisa tingkat resiko penyakit
tersebut , seorang dokter kan menganalisanya melalui gejala-gejala dan keluhan
yang disampaikan oleh pasiennya. Namun untuk mendukung keputusan yang
diambil oleh seorang dokter dalam mendiagnosa suatu penyakit, maka sangat
dibutuhkan Fuzzy Inference System (FIS) Tsukomoto dalam memperkuat
keputusan seorang dokter. Dengan logika fuzzy, proses diagnosa penyakit dalam
dapat dianalisa dengan Fuzzy Inference System dengan metode Tsukamoto. Input
yang dibutuhkan adalah gejala-gejala klinis yang dialami oeh pasien. Basis
pengetahuan dibangun dengan menggunakan kaidah produksi (IF-THEN). α-
predikat yang diperoleh pada setiap aturan fuzzy untuk setiap penyakit pada basis
pengetahuan, kemudian dikomposisikan dengan menggunakan rata-rata terbobot.
Hasil dari rata-rata terbobot ini merupakan output tingkat resiko peyakit polip
hidung yang diderita oleh pasien.
1.4 Tujuan
Adapun tujuannya adalah:
1.) Mengimplementasikan fuzzy inference sistem dengan metode Tsukamoto,
dalam menganalisa tingkat resiko penyakit polip hidung melalui gejala-
gejala yang dialami oleh si pasien
2.) Selain itu, diharapkan dapat membantu para dokter dan pekerja medis
dalam mengidentifikasi penyakit pasiennya berdasarkan gejala-gejala yang
diberikan oleh si pasien.
BAB II
KAJIAN PUSTAKA
2.1.2 Definisi
1. Definisi Hidung menurut Syaifuddin
Hidung adalah saluran udara yang pertama mempunyai dua lubang
(kavum nasi), dipisahkan oleh sekat hidung (septum nasi)
(Syaifuddin,2006).
2. Definisi Polip menurut Subhan
Polip adalah masa lunak, berwarna putih atau keabu-abuan (Subhan,
S.Kep.,2003).
3. Definisi polip hidung Subhan
Polip hidung adalah kelainan mukosa hidung dan sinus paranasal terutama
kompleks osteomeatal (KOM) di meatus nasi medius berupa massa lunak
yang bertangkai, bentuk bulat atau lonjong, berwarna putih keabu-abuan.
Permukaannya licin dan agak bening karena banyak mengandung
cairan.Sering bilateral dan multipe
Keanggotaan Fuzzy
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu
himpunan A, yang sering ditulis dengan µA[x], memiliki 2 kemungkinan,
yaitu:
1. satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu
himpunan, atau
2. nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam
suatu himpunan.
3. Semesta Pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang
diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.
Semesta pembicaraan merupakan himpunan bilangan real yang
senantiasa naik (bertambah) secara monoton dari kiri ke kanan atau
sebaliknya. Nilai semesta pembicaraan dapat berupa bilangan positif
maupun negatif.
Contoh semesta pembicaraan:
a. Semesta pembicaraan untuk variabel umur: [0 +∞]
b. Semesta pembicaraan untuk variabel temperatur: [0 40]
4. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang
diizinkan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Semesti halnya semesta pembicaraan, domain merupakan himpunan
bilangan real yang senantiasa naik (bertambah) secara monoton dari
kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun
negatif. Contoh domain himpunan fuzzy:
MUDA = [0 45]
PABOBAYA = [35 55]
TUA = [45 +∞)
DINGIN = [0 20]
SEJUK = [15 25]
NORMAL = [20 30]
HANGAT = [25 35]
PANAS = [30 40]
2.7.1 Fuzzyfikasi
Pada logika fuzzy terdapat proses fuzzyfikasi, yaitu proses
pemetaan input ke himpunan fuzzy. Jika data-data input crisp, maka
fuzzyfikasi dibutuhkan untuk memetakan input crisp tersebut pada
nilai fuzzy yang bersesuaian yang akan dipergunakan sebagai
variabel input sistem. Variabel input pada sistem ini adalah gejala-
gejala penyakit. Sedangkan variabel output pada sistem adalah nama
penyakit.
Kaidah-kaidah
Penalaran Monoton
Metode penalaran monoton digunakan sebagai dasar untuk teknik
implikasi fuzzy. Meskipun penalaran ini sudah jarang sekali
digunakan, namun terkadang masih digunakan untuk penskalaan
fuzzy. Jika 2 daerah fuzzy direlasikan dengan implikasi sederhana
sebagai berikut:
IF x is A THEN y is B
Fungsi Transfer:
Y = f((x,A),B)
Maka sistem fuzzy dapat berjalan tanpa harus melalui komposisi dan
dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari
nilai keanggotaan yang berhubungan dengan antesedennya.
BAB III
PEMBAHASAN
μ ringan(x) =
μ sedang(x) =
μ tinggi(x) =
3.2 Inferensi
Pada proses inferensi terdapat aturan-aturan untuk mengontrol
inputan yang berupa variabel linguistik. Metode inferensi yang digunakan
ini menggunakan metode max-min inferensia. Langkah pertama yang
dilakukan adalah mencari nilai miu (µ) dari hasil proses fuzzyfikasi.
Pencarian ini dilakukan terus sampai semua rules mendapatkan nilai miu-
nya.
Misal inputan data Hidung buntu : 8 dan Hidung mimisan : 4.
Maka derajat keanggotaannya sebagai berikut:
hidung buntu : 8
µ ringan(x) = 0, µ sedang(x) = 0,25 dan µ tinggi(x) = 0,25
hidung mimisan : 4
µ ringan(x) = 0,5 , µ sedang(x) = 0,25 dan µ tinggi(x) = 0
Dari hasil perhitungan masing-masing miu diatas kita mendapatkan
rule [R] yang tepat sehingga kita bisa mendapatkan hasil diagnosis sesuai
dengan rule tersebut. Berikut ini adalah beberapa aturan- aturan atau rule
yang digunakan :
[R1] If Hidung Buntu = Sedang, Mimisan = Sedang Then Polip Hidung
[R2] If Hidung Buntu = Sedang, Mimisan = Tinggi Then Polip Hidung
[R3] If Hidung Buntu = Sedang, Mimisan = Ringan Then Polip Hidung
[R4] If Hidung Buntu = Ringan, Mimisan = Ringan Then Polip Hidung
[R5] If Hidung Buntu = Ringan, Mimisan = Sedang Then Polip Hidung
[R6] If Hidung Buntu = Ringan, Mimisan = Tinggi Then Polip Hidung
[R7] If Hidung Buntu = Tinggi, Mimisan = Ringan Then Polip Hidung
[R8] If Hidung Buntu = Tinggi, Mimisan = Sedang Then Polip Hidung
[R9] If Hidung Buntu = Tinggi, Mimisan = Tinggi Then Polip Hidung
=1
sedang[3] =
= 0,5
tinggi[8] =
= 0,25
= 4,6667
Dari perhitungan diatas, maka dapat ditarik kesimpulan bahwa pasien
dengan input data hidung buntu 8 dan mimisan 4 menderita penyakit
polip hidung.
BAB IV
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Berdasarkan analisa dan pembahasan yang telah dilakukan, maka
dapat disimpulkan bahwa:
1. Logika fuzzy dapat bermanfaat karena merupakan sebuah cara yang
efektif dan akurat untuk mendeskripsikan persepsi manusia terhadap
persoalan pengambilan keputusan.
2. Fuzzy merupakan representasi suatu pengetahuan yang dikonstruksikan
dengan if-then rules.
3. Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk if-
then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton.
4.2 Saran
Adapun saran untuk perbaikan kedepannya adalah sebagai berikut:
1. Masih terbuka untuk penelitian lanjutan dengan menggunakan metode
inferensi selain Tsukamoto.
2. Untuk mendapatkan keputusan yang lebih akurat lagi, maka perlu
ditambahkan beberapa input gejala lainnya yang dapat menyebab kan
polip hidung itu sendiri.
3. Untuk pengembangan selanjutnya dapat dilakukan penganalisisan
penyakit dalam lainnya.
4. Untuk mempermudah kita dalam mengambil keputusan maka perlu
dibuatkan program aplikasinya.
DAFTAR PUSTAKA
Disusun Oleh:
NAMA : NIA PERMATASARI
NIM : 09221043
PROGRAM STUDI : MATEMATIKA
DOSEN PEMBIMBING : GUSMELIA TESTIANA, M. Kom
DOSEN PENGAMPU : AGUSTIANY DUMEVA PUTRI, M.Si