FUZZY TSUKAMOTO PADA SISTEM PAKAR UNTUK DIAGNOSA

PENYAKIT PENCERNAAN PADA BAYI USIA 0-12 BULAN

Burhanuddin Ahmad (A11.2012.07062)

Program Studi Teknik Informatika - S1
Fakultas Ilmu Komputer
Universitas Dian Nuswantoro
Jl. Nakula 1 No. 5-11,Semarang

ABSTRAK

Abstrak – Terbatasnya informasi mengenai penyakit pencernaan pada bayi membuat para
orang tua kesulitan untuk memprediksi penyakit yang diderita oleh bayi mereka. Untuk orang
tua yang baru memiliki anak, hal ini merupakan hal yang baru bagi mereka. Para orang tua
lebih memilih untuk mempercayakan hal diagnosa penyakit kepada pakar atau dokter yang ahli
tentang kesehatan, peran dokter spesialis anak dalam hal penanggulangan penyakit pada anak
sangat diperlukan tapi sering kali terbentur pada terbatasnya jumlah dokter spesialis anak
sedangkan yang harus ditangani cukup banyak. Penelitian yang dilakukan adalah membuat
aplikasi sistem pakar diagnosa awal penyakit pencernaan pada bayi menggunakan metode
fuzzy Tsukamoto berbasis web. Sistem yang dapat digunakan untuk menyelesaikan suatu
permasalahan yang membutuhkan suatu keahlian khusus. Teknik penalaran yang digunakan
adalah penalaran fuzzy Tsukamoto. Dengan metode fuzzy Tsukamoto diagnosa dilakukan
dengan memulai dari sekumpulan gejala-gejala dengan mencari kaidah yang cocok nantinya
dapat melihat kesimpulan dari hasil analisa dan menentukan jenis penyakit pada anak. Tujuan
dari penelitian ini adalah membuat aplikasi sistem pakar yang mampu mengidentifikasi atau
mendiagnosa penyakit pencernaan pada bayi, pembuatan aplikasi sistem pakar ini
menggunakan pemrograman PHP dan basis data menggunakan MySql.
Kata Kunci : Sistem Pakar, Fuzzy Tsukamoto, PHP

1
 1. Pendahuluan tangisan bayi. Untuk itu perlunya sebuah
Penyakit pencernaan pada bayi adalah sistem pakar untuk mendeteksi penyakit
semua penyakit yang menyerang sistem pencernaan pada bayi usia 0 sampai 12
pencernaan pada bayi yang disebabkan oleh bulan sangat diperlukan untuk membantu
asupan makanan yang tidak higienis dan orang tua mendeteksi penyakit yang
bergizi, juga sistem pencernaan pada bayi diderita pada bayi tersebut
yang masih lemah karena bayi Penerapan teknologi kecerdasan buatan
membutuhkan waktu yang bertahap untuk di bidang kesehatan saat ini sudah semakin
mencerna dan beradaptasi pada makanan canggih dan dapat membantu
yang diberikan oleh orang tua bayi tersebut. meningkatkan pelayanan kesehatan yang
Penyakit pada saluran pencernaan pada lebih baik. Hal ini didasari karena
bayi merupakan penyakit yang berbahaya kurangnya tenaga medis didunia yang
dan banyak menyebabkan kematian, karena membuat tidak semua orang bisa
sistem pencernaan pada bayi masih sangat mendapatkan pelayanan kesehatan.
lemah dan rentan terhadap penyakit. Salah
Sistem pakar (expert system) adalah
satu penyakit pencernaan yang sering
sistem yang diciptakan dengan
terjadi pada bayi adalah diare, menurut data
menggunakan teknik - teknik kecerdasan
World Health Organization (WHO) pada
buatan (Artificial Intelligence) untuk
tahun 2007, diare adalah penyebab nomor
mengadopsi cara berfikir dan bernalar
satu kematian balita di seluruh dunia.
seorang pakar dalam menyelesaikan suatu
Penyakit pencernaan pada bayi antara
masalah, dan membuat suatu keputusan
lain adalah diare, konstipasi, disentri, dan untuk menyelesaikan masalah tersebut
keracunan makanan. Kasus yang sering dengan cara mengambil kesimpulan dari
terjadi pada bayi yang sudah diberikan susu sejumlah fakta - fakta yang ada.
formula adalah terjadinya diare karena
Sistem pakar fuzzy untuk mendiagnosis
kurangnya kebersihan dan steril pada
penyakit merupakan pengembangan sistem
dotnya.
pakar konvensional, artinya bahwa
Masalah yang sering terjadi adalah arsitektur antara sistem pakar dengan
sulitnya mengetahui gejala - gejala penyakit sistem pakar fuzzy memiliki kesamaan,
pada bayi karena bayi hanya bisa menangis yang membedakan di antara keduanya
dan rewel membuat orang tua panik dan adalah metode kerja sistem tersebut. Sistem
tidak bisa berfikir dengan cepat dan tepat pakar Fuzzy dapat meningkatkan hasil
karena orang tua belum bisa mengartikan

2
diagnosis dibandingkan dengan dengan membutuhkan waktu yang
sistem pakar klasik, peningkatan hasil yaitu bertahap untuk mencerna dan
persentasi seseorang terkena penyakit beradaptasi pada makanan yang
berdasarkan gejala yang diinputkan. Sistem diberikan oleh orang tua bayi
pakar fuzzy mempunyai tiga metode yaitu tersebut.
metode Tsukamoto, metode Mamdani, dan Beberapa jenis penyakit yang
metode Sugeno. Metode yang dipilih dalam menyerang pencernaan bayi
sistem pakar adalah metode Tsukamoto. antara lain :
Metode ini dipilih karena metode ini sangat 1. Diare
fleksibel dan memiliki toleransi pada data Diare adalah keadaan
yang ada. Fuzzy Tsukamoto memiliki dimana bayi sering buang air
kelebihan yang lebih inuitif, diterima oleh besar lebih dari tiga kali
banyak pihak, lebih cocok untuk masukan dalam sehari dengan
yang diterima oleh manusia bukan mesin. konsentrasi kotoran lembek
hingga cair. Pada dasarnya
Oleh karena itu dalam penelitian ini
diare disebabkan oleh
menggunakan metode fuzzy Tsukamoto
kegagalan atau gangguan
untuk diagnosis penyakit pencernaan pada
penyerapan kandungan air
bayi usia 0 - 12 bulan. Sistem ini nantinya
pada usus besar. Penyebab
akan mempermudah bagi masyarakat awam
diare ada bermacam -
untuk diagnosis secara cepat kondisi bayi,
macam, mulai dari makanan
serta menemukan solusi dari masalah
yang tidak bisa dicerna oleh
pencernaan pada bayi.
bayi, infeksi bakteri, gejala
2. Tinjauan Pustaka dan Landasan penyakit lain, ataupun
Teori asupan gizi yang kurang
2.1. Penyakit Pencernaan baik. Pada umumnya
Penyakit pencernaan pada bayi penyakit diare berbahaya
adalah semua penyakit yang pada saat disertai dengan
menyerang sistem pencernaan dehidrasi[11]. Diare sering
pada bayi yang disebabkan oleh menyerang bayi usia 0 - 12
asupan makanan yang tidak bulan.
higienis dan bergizi, juga sistem 2. Dehidrasi
pencernaan pada bayi yang Dehidrasi adalah kondisi
masih lemah karena bayi dimana tubuh mengalami
3
 penurunan cairan didalam ASI yang kurang, efek
tubuhnya sehingga tubuh samping pengaruh obat -
tidak punya cukup cairan obatan tertentu, kekurangan
untuk menjalankan fungsi cairan tubuh, pengaruh
normalnya[12]. Dehidrasi hormonal[11]. Konstipasi
sering menyerang bayi usia bisa menyerang bayi usia 0 -
0 - 12 bulan. 12 bulan.
3. Disentri 5. Keracunan Makanan
Disentri adalah penyakit Keracunan makanan
yang terjadi akibat infeksi adalah keadaan dimana bayi
pada usus yang memicu mengalami gangguan
diare, yang disertai lendir pencernaan akibat
ataupun darah. Disentri juga mengkonsumsi makanan
dapat memicu adanya taupun minuman yang
dehidrasi yang dapat tercemar. Penyebab dari
menyebabkan kematian.. keracunan makanan
Ada dua jenis disentri biasanya diakibatkan oleh
dengan penyebab utama, bakteri maupun virus, ada 3
yaitu[12]: virus yang paling sering
a. Penyebab disentri menyebabkan keracunan
basiler adalah bakteri makanan, yaitu [13]:
shigella. a. E. Coli
b. Penyebab disentri Kelompok bakteri ini
amoeba adalah banyak ditemukan pada
Entamoeba histolytica. kotoran hewan ternak
4. Konstipasi dan kotoran manusia.
Konstipasi adalah keadaan Bakteri E. Coli dapat
dimana bayi mengalami mencemari makanan
gangguan buang air besar atau minuman saat
karena terjadi pengerasan bagian kecil dari
tinja, akibatnya tinja susah kotoran tersebut terbang
dikeluarkan. Penyebab dari terbawa angin dan
konstipasi ada bermacam - kontak dengan
macam seperti: pemberian makanan.
4
 b. Salmonella Secara umum bentuk model
Bakteri salmonella fuzzy Tsukamoto adalah :
dapat ditemukan pada If (X IS A) and (Y IS B) Then
susu sapi maupun susu (Z IS C)
formula. Dimana A, B, C adalah
c. Camphylobacter himpunan fuzzy.
If (x is A1) and (y is B1) Then
Para ahli
(z is C1)
mengklasifikasikan
If (x is A2) and (y is B2) Then
jenis bakteri sebagai
(z is C2)
penyebab paling umum
Dalam inferensinya, metode
dari keracunan
fuzzy Tsukamoto menggunakan
makanan. Jenis bakteri
tahapan berikut.
dapat berasal dari susu
1. Fuzzifikasi
sapi segar yang tidak
2. Pembentukan basis
dimasak dengan
pengetahuan Fuzzy (Rule
sempurna atau dari air
dalam bentuk IF..THEN)
yang terkontaminasi.
3. Mesin Inferensi
Menggunakan fungsi

2.2. Fuzzy Tsukamoto implikasi MIN untuk

Pada metode fuzzy Tsukamoto mendapatkan nilai α–

setiap konsekuen pada aturan predikat tiap - tiap rule (α1,

berbentuk IF - THEN harus α2, α3, ..., αn).

direpresentasikan dengan Kemudian masing -

himpunan fuzzy dengan fungsi masing nilai α–predikat ini

keanggotaan yang monoton. digunakan untuk

Sebagai hasilnya, output hasil menghitung keluaran hasil

inferensi dari tiap - tiap aturan inferensi secara tegas (crisp)

diberikan secara tegas (crisp) masing - masing rule (z1, z2,

berdasarkan α-predikat (fire z3, ..., zn).

strenght). Hasil akhirnya

diperoleh dengan menggunakan 4. Defuzzifikasi
rata - rata terbobot[14]. Menggunakan metode rata -
rata (Average)
5
 ∑𝛼𝑖 𝑧1 3. Metode Penelitian
𝑧∗ =
∑𝛼𝑖
3.1. Teknik Analisis Data
Gambar 2.9 menunjukkan pada bayi usia kurang dari 1
skema penalaran fungsi tahun dilakukan prosedur data
MIN dan proses yang sudah diperoleh yaitu :
deffuzifikasi dilakukan 1. Membuat tabel basis
dengan cara mencari nilai pengetahuan yang berupa
rata - ratanya. nama penyakit, gejala - gejala
yang timbul dan solusi dari
penyakit tersebut.
2. Membuat tabel penyakit
dengan membuat kode pada
setiap penyakit.
3. Membuat tabel keputusan
sistem pakar penyakit
berdasarkan gejala.
4. Membuat tahapan
perhitungan fuzzy

Tabel 3.1 Tabel Penyakit

Nama Kode
No
Gambar 2.1 Skema penalaran fungsi Penyakit Penyakit
implikasi min atau produk dan proses 1 Konstipasi P1
defuzzifikasi 2 Diare P2
Diare dengan
Proses DeFuzzifikasi
3 dehidrasi P3
Hasil akhir output (z)
tidak berat
diperoleh dengan
Diare dengan
menggunakan rata - rata
4 dehidrasi P4
pembobotan :
berat
𝛼1 𝑧1 + 𝛼2 𝑧2 5 Disentri P5
𝑧=
𝛼1 + 𝛼2 Disentri
6 P6
dengan

6
 dehidrasi Normal
tidak berat Frekuensi Kehausan
G07
Disentri minum bayi Malas
dengan minum
7 P7
dehidrasi Kondisi Normal
berat kulit tugor Lambat
G08
Keracunan bayi ketika Sangat
8 P8
Makanan dicubit Lambat
Kering
G09 Air mata Berkurang
Tabel 3.2 Jenis Gejala
Normal
Kode Nama
Tingkatan Kering
Gejala Gejala Kondisi
Jarang G10 Lembab
mulut
Frekuensi Normal
G01 Normal
BAB Kondisi Normal
Sering
G11 pernafasan
Cair Cepat
Bentuk bayi
Lembek
G02 kotoran Normal
Berbentuk
atau feses Demam
Keras Suhu badan
G12 Demam
Tidak bayi
tinggi
G03 Muntah Jarang
Dingin
Sering
Kejang – Tidak
Ada darah Tidak G13
kejang Ya
atau lendir
G04 Kondisi Normal
pada Ya G14
kotoran perut bayi Keras

Lemah Riwayat Tidak

Kondisi
keracunan
G05 kesadaran Gelisah G15
masal Ya
bayi Normal
disekitar
Kondisi Normal
G06 mata pada
Cekung
bayi Semua bentuk representasi data
tersebut bertujuan untuk

7
 menyederhanakan data sehingga Penentuan himpunan
mempermudah membaca data fuzzy digunakan untuk
untuk dimengerti dan menjadikan menentukan fungsi
data tersebut lebih efektif untuk keanggotaan dari tiap - tiap
proses pengembangan program. gejala.
2. Tahap Pembentukan
3.2. Metode Pengembangan Sistem
Aturan (Rules)
Pengembangan sistem berarti
Dalam perancangan
memperbaiki sistem yang lama
sistem ini diperlukan suatu
secara keseluruhan atau pada
rules yang digunakan
bagian - bagian tertentu pada
untuk menentukan
sistem yang lama, dan bisa juga
keputusan hasil output.
mengganti sistem lama dengan
Perancangan rules ini
menyusun sistem baru untuk
merupakan langkah setelah
menggantikan kinerja sistem lama.
proses fuzzifikasi. Dengan
Metode yang dikembangkan
merujuk pada tabel 3.1 dan
peneliti adalah metode fuzzy
tabel 3.2 maka dibuat
Tsukamoto, dengan tahapan -
aturan untuk mendiagnosis
tahapan sebagai berikut:
penyakit sebagai contoh
berikut ini:

Tabel 3.3 Aturan untuk mendiagnosis

penyakit

Rule IF THEN
1. G01 Jarang, P1
G02 Keras
,G03 Tidak,
G04 Tidak,
G05 Normal,
Gambar 3.2 Tahapan Perhitungan Fuzzy
G06 Normal,
Berikut tahapan untuk G07 Normal,
menghitung menggunakan teknik G08 Normal,
logika fuzzy Tsukamoto : G09 Normal,
1. Fuzzifikasi

8
 G10 Normal, G11 Normal,
G11 Normal, G12 Demam,
G12 Normal, G13 Tidak,
G13 Tidak, G14 Normal,
G14 Normal, G15 Tidak
G15 Tidak 4. G01 Sering, P4
2. G01 Sering, P2 G02 Cair,
G02 Cair, G03 Sering,
G03 Tidak, G04 Tidak,
G04 Tidak, G05 Gelisah,
G05 Normal, G06 Cekung,
G06 Normal, G07
G07 Normal, Kehausan,
G08 Normal, G08 Sangat
G09 Normal, Lambat, G09
G10 Normal, Berkurang,
G11 Normal, G10 Lembab,
G12 Normal, G11 Cepat,
G13 Tidak, G12 Dingin,
G14 Normal, G13 Ya, G14
G15 Tidak Normal, G15
3. G01 Sering, P3 Tidak
G02 Cair, 5. G01 Sering, P5
G03 Jarang, G02 Cair,
G04 Tidak, G03 Tidak,
G05 Gelisah, G04 Ya, G05
G06 Cekung, Normal, G06
G07 Normal, G07
Kehausan, Normal, G08
G08 Lambat, Normal, G09
G09 Normal, G10
Berkurang, Normal, G11
G10 Lembab, Normal, G12

9
 Normal, G13 Normal, G15
Tidak, G14 Tidak
Normal 8. G01 Sering, P8
6. G01 Sering, P6 G02 Cair,
G02 Cair, G03 Sering,
G03 Jarang, G04 Tidak,
G04 Ya, G05 G05 Lemah,
Gelisah, G06 G06 Cekung,
Cekung, G07 G07 Malas
Kehausan, Minum, G08
G08 Lambat, Sangat
G09 Lambat, G09
Berkurang, Berkurang,
G10 Lembab, G10 Lembab,
G11 Normal, G11 Cepat,
G12 Demam, G12 Dingin,
G13 Tidak, G13 Ya, G14
G14 Normal, Keras, G15
G15 Tidak Ya
7. G01 Sering, P7
G02 Cair, 3. Mesin Inferensi
G03 Sering, Untuk mendapatkan α-
G04 Ya, G05 predikat tiap - tiap rules
Gelisah, G06 (α1,α2,α3,...,αn), mesin
Cekung, G07 inferensi menggunakan
Kehausan, fungsi MIN. Kemudian
G08 Sangat masing - masing nilai α–
Lambat, G09 predikat ini digunakan
Berkurang, untuk menghitung
G10 Lembab, keluaran hasil inferensi
G11 Cepat, secara tegas (crisp) masing
G12 Dingin, - masing rule (z1, z2, z3, ...,
G13 Ya, G14 zn)

10
 4. Defuzzifikasi
Hasil akhir untuk output
(z) diperoleh dengan cara
menggunakan rata - rata
pembobotan :
4. Hasil Penelitian
4.1.Tampilan Sistem Pakar
4.1.1. Halaman Input Biodata
Halaman ini digunakan
pengguna untuk proses input

𝛼1 𝑧1 + 𝛼2 𝑧2 biodata dan gejala - gejala

𝑧= penyakit yang dirasakan. Form
𝛼1 + 𝛼2
biodata terdiri dari nama, alamat,
3.3. Pengujian umur dan jenis kelamin
Setelah semua proses diatas sedangkan untuk form gejala
selesai, peneliti melakukan terdapat 15 form inputan gejala.
pengujian terhadap metode logika
fuzzy Tsukamoto. Pengujian
dilakukan dengan cara
membandingkan hasil diagnosis
dari sistem dengan hasil diagnosis
manual yang dilakukan dokter.

Setelah mendapatkan hasil akhir

maka dilakukan uji akurasi untuk
mendapatkan hasil dalam bentuk
persentase. Proses akurasi
menggunakan rumus tingkat
akurasi.

𝑥 Gambar 4.3 Form Biodata dan Gejala

𝑇𝑖𝑛𝑔𝑘𝑎𝑡 𝐴𝑘𝑢𝑟𝑎𝑠𝑖 (%) = 𝑋 100%
𝑛
Keterangan :
4.1.2. Halaman Hasil Diagnosis
x = jumlah klasifikasi nilai benar Setelah pengguna melakukan
yang dilakukan sistem terhadap input biodata dan gejala sistem
data aktual. akan menampilkan hasil
diagnosa penyakit berdasarkan
n = jumlah data yang diujikan.
perhitungan logika fuzzy
Tsukamoto yang

11
 diimplementasikan pada sistem 5) G05 : Normal
pakar. 6) G06 : Normal
7) G07 : Normal
8) G08 : Normal
9) G09 : Normal
10) G10 : Normal
11) G11 : Normal
12) G12 : Normal
13) G13 : Tidak
14) G14 : Normal
15) G15 : Tidak

Tabel 4.4 Contoh Nilai Perhitungan

Kode Nama
Tingkatan Nilai
Gejala Gejala
Jarang 0
Gambar 4.4 Hasil Diagnosa Frekuensi
G01 Normal 1.1
BAB
Sering 4
Cair 9
4.2.Perhitungan Sistem Pakar Bentuk
Lembek 22
Pada tahap ini dijelaskan tahap - G02 kotoran
tahap perhitungan sistem pakar Berbentuk 52
atau feses
berbasis fuzzy Tsukamoto yang Keras 56

digunakan. Sampel data yang Tidak 0

digunakan sebagai berikut: G03 Muntah Jarang 1

Sering 6
 Nama : Fulan
Ada darah Tidak 1
 Umur : 12 Bulan
atau lendir
 Alamat : Semarang G04
pada Ya 6
 Jenis Kelamin : Laki - laki kotoran
 Gejala yang dirasakan : Lemah 30
Kondisi
1) G01 : Jarang
G05 kesadaran Gelisah 80
2) G02 : Keras bayi Normal 99
3) G03 : Tidak
G06 Normal 1
4) G04 : Tidak

12
 Kondisi masal
mata pada Cekung 6 disekitar
bayi
Normal 1
Frekuensi Maka nilai gejala pasien
Kehausan 5
G07 minum didasarkan pada tabel 4.1 sebagai
Malas
bayi 9 berikut:
minum
1) G01 :0
Kondisi Normal 0.8
2) G02 : 56
kulit tugor Lambat 2
3) G03 :0
G08 bayi
Sangat 4) G04 :1
ketika 4
Lambat 5) G05 : 99
dicubit
6) G06 :1
Kering 30
7) G07 :1
G09 Air mata Berkurang 90
8) G08 : 0.8
Normal 100
9) G09 : 100
Kering 30
Kondisi 10) G10 : 100
G10 Lembab 90
mulut 11) G11 : 37
Normal 100
12) G12 : 30
Kondisi Normal 37
13) G13 :1
G11 pernafasa
Cepat 61 14) G14 :1
n bayi
15) G15 :1
Normal 30
Suhu Demam 36
G12 badan Demam Setelah diketahui nilai untuk
39
bayi tinggi setiap variabel input kemudian
Dingin 45 dilakukan perhitungan untuk
Kejang - Tidak 1 mesin inferensi berdasarkan rule
G13
kejang Ya 6 yang telah dibuat. Pembacaan rule
Kondisi Normal 1 mulai dari rule ke 1 sampai rule ke
G14
perut bayi Keras 6 425
Riwayat Tidak 1
G15 Pembacaan Rule ke 1:
keracunan Ya 6
Rule 1:

13
 G01 Jarang, G02 Keras ,G03 1= min(Sering, Cair, Sering,
Tidak, G04 Tidak, G05 Normal, Tidak, Lemah, Cekung,
G06 Normal, G07 Normal, G08 Malas Minum, Sangat Lambat,
Normal, G09 Normal, G10 Berkurang, Lembab, Cepat,
Normal, G11 Normal, G12
Dingin, Ya, Keras, Ya)
Normal, G13 Tidak, G14 Normal,
G15 Tidak 1= min( - 3, - 8.2, - 4, 0, - 5.9,
0, - 3, 1.5, 1.1, 1.1, - 0.045, 0, 0,
1= min(Jarang, Keras, Tidak,
0, 0,)
Tidak, Normal, Normal,
1= - 8.2
Normal, Normal, Normal,
Normal, Normal, Normal, 𝑍1 (𝑝8) = 103 − (𝛼 ∗ 4)
Tidak, Normal, Tidak) 𝑍1 (𝑝8) = 103 − (−8.2 ∗ 4)
= 136.6
1= min(1, 1.2, 1, 0, 0.96, 1, 2.5,
0.2, 1, 1, 1.045,1, 1, 1, 1)

1=0 Tahap Defuzzifikasi:

𝑍1 (𝑝1) = 10 − (𝛼 ∗ 4) 𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖

𝑍1 (𝑝1) = 10 − (0 ∗ 4) = 10 (𝛼1 𝑍1 ) + ⋯ ⋯ + (𝛼425 𝑍425 )

=
𝛼1 + ⋯ ⋯ + 𝛼425
........
𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖
dst (0 ∗ 10) + ⋯ ⋯ + (−8.2 ∗ 136)
=
0 + ⋯ ⋯ + (−8.2)
.......
𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖 = 113.65
Rule 425:

G01 Sering, G02 Cair, G03

Tahap Penentuan Penyakit
Sering, G04 Tidak, G05 Lemah,
G06 Cekung, G07 Malas Minum, Nilai defuzzifikasi dijadikan
G08 Sangat Lambat, G09 pedoman untuk penentuan
Berkurang, G10 Lembab, G11 penyakit dengan formula sebagai
Cepat, G12 Dingin, G13 Ya, G14 berikut
Keras, G15 Ya

14
𝑃1[𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖] 5. Kesimpulan dan Saran
x ≤ 113.65 5.1. Kesimpulan
= {(113.65 ≤ x ≤ 113.66
x ≥ 113.66 Berdasarkan dari hasil penelitian yang
telah dilakukan penulis dalam
x = 115.33
𝑃2[𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖] = { pembuatan sistem pakar untuk
x = 114.38 pendeteksian penyakit pencernaan
𝑃3[𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖] pada bayi, dapat disimpulkan bahwa :
x ≤ 118.0178 Tujuan penelitian ini adalah
= {(118.0178 ≤ x ≤ 118.243 merancang sebuah sistem pakar
x ≥ 118.243
menggunakan metode fuzzy
𝑃4[𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖] Tsukamoto yang bisa memberikan
x ≤ 225 informasi kepada pengguna mengenai
= {(225 ≤ x ≤ 250
x ≥ 250 penyakit pencernaan pada bayi usia 0
sampai 12 bulan dan memberikan
𝑃5[𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖]
solusi penyelesaian yang sesuai dengan
x ≤ 115.37
= {(115.37 ≤ x ≤ 115.38 masalah kesehatan yang di alami bayi.
x ≥ 115.38
1. Metode fuzzy Tsukamoto telah
x ≤ 90
berhasil diimplementasikan pada
𝑃6[𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖] = {(90 ≤ x ≤ 100
x ≥ 100 system pakar untuk mendeteksi
penyakit pencernaan bayi. System
𝑃7[𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖]
x ≤ 114.69 pakar dirancang dan
= {(114.69 ≤ x ≤ 114.70 diimplementasikan dengan Bahasa
x ≥ 114.70
pemrograman PHP.
𝑃8[𝑑𝑒𝑓𝑢𝑧𝑧𝑖𝑓𝑖𝑘𝑎𝑠𝑖] 2. System pakar yang telah dibuat
x ≤ 111.53 dapat digunakan untuk membantu
= {(111.53 ≤ x ≤ 111.90
dalam pengambilan keputusan dan
x ≥ 111.90
membantu proses diagnosis
Berdasarkan aturan diatas maka
penyakit pencernaan bayi.
dapat disimpulkan pasien uji
3. Metode fuzzy Tsukamoto
mempunyai penyakit Konstipasi
mempunyai performa yang cukup
karena nilai defuzzifikasi masuk
baik, hal tersebut dibuktikan pada
pada range P1
proses pengujian yang

15
 menghasilkan akurasi sebesar 77 Kesehat. Andalas, vol. 2, no. 2,
persen. pp. 62–66, 2013.

5.2. Saran [2] “Data dan Informasi Kesehatan

Berdasarkan kesimpulan dan analisis Situasi DIARE di Indonesia.”
laporan, saran dari peneliti untuk [Online]. Available:
penelitian lebih lanjut yaitu : http://www.depkes.go.id/resourc
es/download/pusdatin/buletin/bu
1. Pengembangan penelitian lebih
letin-diare.pdf. [Accessed: 24-
lanjut dapat menambahkan atribut
Jun-2016].
atau gejala baru yang untuk
memperkuat hasil diagnosa dan [3] R. S. ROEMANI, “Data
penambahan saran penanganan penderita penyakit pencernaan
berdasarkan penyakit yang pada bayi.” RUMAH SAKIT
terdeteksi. ROEMANI, 2016.
2. Hasil akurasi pada penelitian ini
[4] Q. alqorni Sahara, “Aplikasi
cukup baik namun perlu
Android Sistem Pakar Guna
ditingkatkan lagi. Peningkatan
Mendiagnosa Penyakit Usus
dapat berupa perbaikan
Pada Manusia,” Univ. Dian
membership function atau
Nuswantoro, 2014.
perbaikan rule. Penerapan metode
lain juga dapat digunakan dalam [5] A. Wahyono and A. Oktaviano,

pembuatan sistem pakar seperti “Sistem Pakar Diagnosa Awal

certainty factor, jaringan syaraf Penyakit Pada Anak,” no. 1,

tiruan dan penggunaan mesin 2015.

inferensi fuzzy lain seperti [6] E. Zuliarso, “Aplikasi Sistem

mamdani, sugeno, dan lain lain. Pakar untuk Mendiagnosa

6. Daftar Pustaka Penyakit pada Bayi

[1] E. P. Rahmadhani, G. Lubis, and Menggunakan Piranti Mobile,”

Edison, “Hubungan Pemberian vol. 16, no. 1, pp. 1–13, 2011.

ASI Eksklusif dengan Angka [7] Y. B. Asih, “SISTEM PAKAR

Kejadian Diare Akut pada Bayi UNTUK MENDIAGNOSA
Usia 0-1 Tahun di Puskesmas PENYAKIT PADA BALITA
Kuranji Kota Padang,” J. MENGGUNAKAN

16
 CERTANTY FACTOR,” Univ. [13] Sofia, “3 Jenis bakteri penyebab
Dian Nuswantoro, no. Skripsi, keracunan pada balita beserta
2015. gejalanya.” [Online]. Available:
http://balitapedia.com/3-jenis-
[8] S. Pakar, D. Penyakit, A. Balita,
bakteri-penyebab-keracunan-
M. Metode, and F. A. Rustiqi,
pada-balita-beserta-
“Sistem pakar diagnosa penyakit
gejalanya/789. [Accessed: 05-
pada anak balita menggunakan
Apr-2016].
metode forward chaining,” 2011.
[14] T. Sutojo, E. Mulyanto, and V.
[9] A. Makarios and M. I.
Suhartono, Kecerdasan Buatan.
Prasetiyowati, “Rancang Bangun
Semarang: Andi Offset, 2011.
Sistem Pakar untuk Diagnosis
Penyakit Mulut dan Gigi dengan [15] “Sejarah Kecerdasan Buatan,”
Metode Fuzzy Logic,” vol. IV, Hujan Hitam, 2010. [Online].
no. 2, pp. 1–6, 2012. Available:
http://www.hujanhitam.web.id/2
[10] A. F. Maulana,
010/11/sejarah-kecerdasan-
“MEMPREDIKSI
buatan.html. [Accessed: 10-Apr-
PENENTUAN JUMLAH
2016].
PRODUKSI MENGGUNAKAN
FUZZY LOGIC METODE [16] A. B. S. Wafa, “SISTEM
TSUKAMOTO PADA UD. PAKAR UNTUK
BANALY FOOD PEMALANG, MENDIAGNOSIS HAMA
JAWA TENGAH,” Univ. Dian DAN PENYAKIT PADA
Nuswantoro, 2016. TANAMAN PADI
MENGGUNAKAN METODE
[11] N. Swasanti and W. S. Putra,
BAYES,” Univ. Dian
PERTOLONGAN PERTAMA
Nuswantoro, no. Skripsi, p. 11,
PADA ANAK SAKIT.
2015.
Yogyakarta, 2013.

[12] Alodokter, “Alodokter Dehidrasi

dan Disentri.” [Online].
Available:
http://alodokter.com/dehidrasi.
[Accessed: 05-Apr-2016].

17