Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 2, No. 8, Agustus 2018, hlm. 2373-2381 http://j-ptiik.ub.ac.id

Sistem Pakar Diagnosis Penyakit Hati Menggunakan Metode Fuzzy

Tsukamoto Berbasis Android
Achmad Igaz Falatehan1, Nurul Hidayat2, Komang Candra Brata3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas

Brawijaya Email: 1falatehanigaz@gmail.com, 2ntayadih@ub.ac.id,
3
k.candra.brata@ub.ac.id

Abstrak
Hati adalah organ vital pada manusia. Karena fungsi hati yang vital, tentu kesehatan hati perlu untuk
dijaga. Akan tetapi di indonesia sendiri penyakit hati khususnya Hepatitis berdasarkan survey dari
kementerian kesehatan justru mengalami peningkatan dua kali lipat dari tahun 2007 sampai 2013.
Pada tahun 2013, diperkirakan terdapat 1,2% penduduk Indonesia yang mengidap penyakit Hepatitis.
Berdasarkan survey yang dilakukan WHO Diperkirakan 95% dari pengidap gejala awal Hepatitis tidak
mengetahui bahwa mereka beresiko terkena penyakit Hepatitis. Permasalahan yang disebutkan dapat
diatasi dengan mengenali gejala-gejala umum dari penyakit hati. Permasalahan mengenali gejala
penyakit hati dapat diseleseikan dengan menggunakan sistem pakar. Sistem pakar menerapkan
pengetahuan tentang gejala penyakit hati kedalam sistem. Metode Fuzzy Tsukamoto adalah salah satu
metode yang dapat digunakan untuk mengolah nilai masukan gejala menjadi diagnosis penyakit. Pada
penelitian ini akan menggunakan metode Fuzzy Tsukamoto untuk mendiagnosis penyakit hati
berdasarkan nilai masukan gejala yang menghasilkan keluaran berupa keterangan terdeteksi atau
tidaknya suatu penyakit hati. Berdasarkan hasil pengujian yang telah dilakukan dalam penelitian ini
menghasilkan pengujian akurasi dari 64 data uji sebesar 96,87%.
Kata kunci: hati, gejala, penyakit hati, fuzzy tsukamoto, sistem pakar.
Abstract
The liver is a vital organ in humans. Because the vital liver function, the liver health needs to be
maintained. However, in Indonesia alone, especially Hepatitis liver disease based on survey from the
health ministry actually has doubled from 2007 to 2013. In 2013, it is estimated that there are 1.2% of
Indonesians who suffer from Hepatitis. Based on WHO survey It is estimated 95% of people with early
symptoms of Hepatitis do not know that they are at risk of Hepatitis. The mentioned problems can be
solved by recognizing the common symptoms of liver disease. The problem of recognizing the
symptoms of liver disease can be solved by using an expert system. Expert systems apply knowledge of
symptoms liver disease into the system. The Fuzzy Tsukamoto method is one of the methods that can be
used to process the input value of symptoms into a disease diagnosis. In this research will use Fuzzy
Tsukamoto method to diagnose liver disease based on input value of the symptoms that produce output
of detected yes or not a liver disease. Based on the results of tests that have been done in this study
resulted in accuracy testing of 64 test data 96,87%.
Keywords: liver, symptoms, liver disease, fuzzy tsukamoto, expert system.

bahan makanan tersebut dikirim ke dalam darah

1. PENDAHULUAN
Hati merupakan organ vital manusia yang
memiliki fungsi kompleks dan beragam seperti
menawarkan dan menetralisir zat-zat racun
yang tidak bisa diserap oleh usus, menyaring
darah yang datang dari usus melalui vena porta,
kemudian menyimpan dan mengubah bahan
makanan dari vena porta untuk selanjutnya
sesuai dengan kebutuhan. Di dalam hati,
makanan yang mengandung racun akan
dinetralisir sehingga makanan tidak
mengandung racun jika telah melewati hati.
Hati memiliki peran vital dalam tubuh manusia,
salah satunya adalah menjaga kebutuhan organ
dalam tubuh, khususnya otak. Karena fungsi
hati yang kompleks dan beragam, kesehatan
hati perlu

Fakultas Ilmu Komputer

Universitas Brawijaya 2373
Jurnal Pengembangan Teknologi Informasi dan Ilmu 237
umum penyakit hati dapat diseleseikan dengan
diperhatikan agar tubuh tetap sehat. (Pujiyanta
et al, 2012)
Jenis-jenis penyakit hati yang umum antara
lain yaitu Hepatitis, Sirosis, Kanker Hati atau
Hepatoma, Abses Hati, Kolesistitis dan
perlemakan hati non alkoholik. Berdasarkan
data dari WHO, penyakit yang memiliki kasus
paling banyak menyerang hati manusia adalah
Hepatitis dan Sirosis. Penyakit hati yang sudah
akut akan mempengaruhi fungsi-fungsi hati,
tetapi penyakit hati tersebut dapat diketahui
gejala klinis maupun fisik yang timbul pada
pasien. Gejala klinis dapat diketahui dari apa
yang dirasakan oleh pasien, sedangkan gejala
fisik dapat diketahui dari keadaan tubuh pasien.
Gejala penyakit hati ada banyak dan kompleks,
serta penyakit hati memiliki kemiripan gejala
dengan beberapa penyakit. Hal ini perlu
diperhatikan karena masyarakat kesulitan dalam
mengenali gejala-gejala yang umum dari
penyakit hati dengan penyakit lainnya.
Di Indonesia sendiri, penyakit Hepatitis
menjadi perhatian Kementerian Kesehatan.
Berdasarkan data dari Pusdatin (Pusat Data dan
Informasi) Kementerian Kesehatan, jumlah
orang yang mengidap Hepatitis naik dua kali
lipat dari tahun 2007 sampai 2013. Pada tahun
2013, diperkirakan terdapat 1,2% penduduk
Indonesia yang mengidap penyakit Hepatitis.
Berdasarkan data, tahun 2013 penduduk
Indonesia berjumlah 248.422.956 jiwa, maka
bisa dikatakan jika 1,2% mengidap penyakit
Hepatitis, ada sekitar 2.981.075 jiwa penduduk
Indonesia yang mengidap penyakit Hepatitis.
Jumlah tersebut menunjukkan banyaknya
penduduk indonesia yang terjangkit penyakit
Hepatitis. Sedangkan untuk Sirosis,
berdasarkan data dari WHO pada tahun 2012,
Indonesia memiliki usia standar tingkat
kematian 52,7 untuk pria dan 16,6 untuk
perempuan.
WHO menyebutkan 90% dari pengidap
Hepatitis C dapat sembuh dalam kurun waktu
3- 6 bulan. Hal ini tentu saja dengan
penanganan yang cepat dan tepat. Jumlah
pengidap Hepatitis yang banyak dan usia
standart tingkat kematian Sirosis dapat
dikurangi dengan cara salah satunya adalah
mengenali gejala-gejala awal dan umum dari
penyakit hati yang memungkinkan
memudahkan masyarakat dalam mengetahui
gejala penyakit hati secara dini. Dengan
mengetahui gejala-gejala penyakit hati secara
dini, masyarakat dapat melakukan tindakan
pencegahan terjadinya penyakit hati akut.
Permasalahan dari mengenali gejala-gejala
Fakultas Ilmu Komputer, Universitas
 Jurnal Pengembangan Teknologi Informasi dan Ilmu 237
tersebut mencapai
menggunakan sistem pakar. Sistem pakar nilai 95% (Pradana, 2016).
adalah cabang dari kecerdasan buatan atau Metode Fuzzy Tsukamoto adalah metode
artificial intelligence yang digunakan untuk yang memiliki toleransi pada data dan sangat
mengambil dan menerapkan pengetahuan fleksibel. Kelebihan dari metode Tsukamoto
yang berasal dari pakar (Kusumadewi,
2003). Dengan menerapkan pengetahuan
yang berasal dari pakar, sistem pakar dapat
membantu menyeleseikan masalah di dalam
dunia nyata dengan biaya yang relatif murah
(Siswanto, 2005).
Pada penelitian sebelumnya yang telah
dilakukan oleh Vika Lailiyah yang berjudul
Pemodelan Sistem Pakar diagnosis penyakit
HIV menggunakan metode Fuzzy
Tsukamoto. Pada penelitian tersebut penulis
menggunakan metode Fuzzy Tsukamoto
untuk diterapkan pada sistem pakar diagnosis
penyakit HIV. Hasil dari penelitian tersebut
berupa diagnosis penyakit HIV dan solusi
pengobatan dengan tingkat akurasi sebesar
85% (Lailiyah, 2016).
Penelitian sebelumnya dilakukan
oleh Nadia Roosmalita Sari dan
Wayan Firdaus Mahmudy pada tahun 2015
dengan judul “Fuzzy inference system
Tsukamoto untuk menentukan kelayakan
calon pegawai”. Penelitian tersebut
menggunakan metode Fuzzy Tsukamoto
untuk menentukan layak atau
tidaknya seorang pegawai.
Variabel dalam penelitian tersebut terdiri
dari delapan kriteria kelayakan pegawai
yang masing-masing kriteria memiliki dua
derajat keanggotaan yaitu rendah dan tinggi.
Dari delapan kriteria tersebut menghasilkan
keluaran ditolak, dipertimbangkan dan
diterima. Penelitian tersebut memiliki hasil
uji korelasi antara nilai sistem dan nilai
pakar menggunakan rank Spearman sebesar
0,952. Nilai spearman tersebut menunjukkan
keakuratan sistem yang dikembangkan
adalah sangat akurat (Sari, 2015). Penelitian
terdahulu dilakukan oleh Fendy Gusta
Pradana pada tahun 2016 dengan judul
“Sistem diagnosa penyakit pada tanaman
jagung denganmenggunakan metode
Fuzzy Tsukamoto”. penelitian
tersebut menggunakan metode Fuzzy
Tsukamoto untuk mendiagnosis penyakit
pada tanaman jagung. Variable yang
digunakan adalah gejala yang berjumlah 16
gejala dan 5 penyakit. Pengguna sistem
tersebut memilih daftar gejala untuk hasil
diagnosis penyakit tanaman jagung. Tingkat
akurasi perbandingan hasil diagnosis sistem
dan hasil diagnosis pakar dari sistem
Fakultas Ilmu Komputer, Universitas
 Jurnal Pengembangan Teknologi Informasi dan Ilmu
yaitu bersifat intuitif dan dapat memberikan
tanggapan berdasarkan informasi yang bersifat
kualitatif, tidak akurat, dan ambigu (Thamrin,
2012). Pada metode Tsukamoto, setiap Rule
direpresentasikan dengan suatu himpunan Fuzzy
dengan fungsi keanggotaan yang monoton
disebut dengan fuzzifikasi. Sebagai hasilnya,
keluaran hasil dari tiap-tiap aturan berupa nilai
tegas (crisp) berdasarkan α-predikat atau nilai
minimum dari tiap Rule dan nilai z. Hasil
akhirnya diperoleh dengan melakukan
defuzzifikasi rata-rata berbobot (Pujiyanta,
2012).
Berdasarkan latar belakang yang telah
diuraikan, pada penelitian ini penulis memilih
metode Fuzzy Tsukamoto untuk membangun
sebuah sistem dalam mendiagnosis penyakit
hati yang akan diimplementasikan dalam
penelitian yang berjudul “Sistem Pakar
Diagnosis Penyakit Hati Menggunakan Metode
Fuzzy Tsukamoto berbasis Android”. penulis
berharap dengan penelitian ini diharapkan dapat
memudahkan masyarakat dalam mengetahui
penyakit hati secara dini dan memperoleh hasil
akurasi yang tinggi.
2. TINJAUAN PUSTAKA
2.1 Penyakit hati
Pada penelitian ini menggunakan empat
jenis penyakit untuk mendiagnosis yaitu
hepatitis, sirosis, abses hati serta hepatocellular
carcinoma disingkat hepatoma atau kanker hati.
Dari empat jenis penyakit hati tersebut memiliki
16 gejala. Masing-masing penyakit hati
memiliki empat gejala yang berbeda-beda.
2.2 Sistem pakar
Sistem pakar merupakan program
komputer yang meniru pengetahuan dan
penalaran manusia dalam menyelesaikan suatu
masalah. Pengetahuan dari sistem pakar diambil
dari seseorang yang ahli dalam permasalahan
tersebut atau biasa disebut dengan pakar. sistem
pakar dibangun untuk menyeleseikan suatu
permasalahan dengan cara meniru kerja dari
para pakar. Sistem pakar juga membantu para
pakar dalam menjalankan aktifitasnya sebagai
asisten yang berpengalaman. (Kusumadewi,
2003).
Menurut Siswanto pada tahun 2005, sistem
pakar merupakan sistem yang mempunyai
aplikasi paling banyak dalam menyeleseikan
masalah di dunia nyata. Sistem pakar ini
memiliki banyak pilihan dalam menjalankannya
Fakultas Ilmu Komputer, Universitas
237
seperti pada komputer pribadi atau perangkat
mobile pribadi. sistem pakar dapat dilakukan
dengan mudah serta memiliki biaya yang
terjangkau (Siswanto, 2005).
2.3 Fuzzy Tsukamoto
Pada metode Fuzzy Tsukamoto, setiap
konsekuen pada Rule yang berbentuk IF-Then
harus direpresentasikan dengan suatu himpunan
fuzzy dengan fungsi keanggotaan yang monoton
sebagai hasilnya (proses fuzzifikasi). keluaran
hasil inferensi dari tiap-tiap rule diberikan
secara tegas (crisp) berdasarkan α-predikat.
Hasil akhirnya di peroleh dengan menggunakan
defuzzifikasi rata-rata terbobot. (Maryaningsih
et al, 2013).
Dalam proses inferensinya, metode Fuzzy
Tsukamoto memiliki beberapa tahapan, yaitu:
1. Fuzzifikasi
Fuzzifikasi adalah Proses untuk mengubah
masukan sistem yang mempunyai nilai tegas
atau crisp menjadi himpunan fuzzy dan
menentukan derajat keanggotaannya di dalam
himpunan fuzzy.
2. Pembentukan Rules IF-Then
Proses untuk membentuk Rule yang akan
digunakan dalam bentuk IF – THEN yang
tersimpan dalam basis keanggotaan fuzzy.
3. Mesin Inferensi
Proses untuk mengubah masukan fuzzy
menjadi keluaran fuzzy dengan cara fuzzifikasi
tiap Rule (IF-THEN Rules) yang telah
ditetapkan. Menggunakan fungsi implikasi MIN
untuk mendapatkan nilai alpha-predikat tiap-
tiap Rule. Kemudian masing-masing nilai
alpha- predikat digunakan untuk menghitung
output masing-masing Rule (nilai z).
4. Defuzzifikasi
Mengubah keluaran fuzzy yang diperoleh
dari mesin inferensi menjadi nilai tegas atau
crisp. Hasil akhir diperoleh dengan
menggunakan persamaan rata-rata pembobotan
menggunakan metode rata-rata Weight
Average.
3. METODOLOGI
3.1 Data
Pada penelitian ini pengumpulan data
dilakukan di Rumah Sakit Universitas
Brawijaya pada bulan april dengan pakar dr.
Mirzaulin Leonaviri yang merupakan salah satu
dokter umum di Rumah sakit tersebut. Variabel
dalam penelitian ini berupa jenis-jenis penyakit
hati beserta gejala-gejala dari penyakit hati.
Jurnal Pengembangan Teknologi Informasi dan Ilmu 237
Data yang diperoleh dari pakar terdiri dari
data gejala

Fakultas Ilmu Komputer, Universitas

 Jurnal Pengembangan Teknologi Informasi dan Ilmu 237

dan penyakit hati, data hasil keluaran rule serta penyakit.

data uji diagnosis dari pakar.
Tabel 1 gejala penyakit hepatitis
3.2 Alur Fuzzy Tsukamoto

Kode Tahapan-tahapan dari metode fuzzy

Nama gejala tsukamoto yang digunakan dalam penelitian ini
gejala
Ikterus (warna kulit/sclera mata terdiri dari lima proses utama. Yang pertama
G1 adalah fuzzifikasi, kemudian menghitung alpha
menjadi kuning)
G2 Tubuh terasa tidak nyaman / kurang fit predikat dengan fungsi implikasi MIN,
G3 Nyeri pada sendi dilanjutkan dengan menghitung nilai z atau
konsekuen tiap rule dan melakukan
G4 Nyeri pada otot
defuzzifikasi pada proses terakhir. Diagram alir
Tabel 2 gejala penyakit sirosis
fuzzy tsukamoto ditunjukkan pada Gambar 1.

Kode
Nama gejala
gejala
G1 Muntah darah
G2 Berat badan menurn
Terdapat bercak kemerahan pada
G3
telapak tangan
G4 Pembesaran payudara pada laki-laki

Tabel 3 gejala penyakit abses hati

Kode gejala Nama gejala
G1 Riwayat diare
G2 Nyeri pada perut kanan atas
G3 Mual muntah
G4 Demam

Tabel 4 gejala penyakit hepatoma

Kode
Nama gejala
gejala
G1 Pelebaran pembuluh darah perut
Pendarahan pada
G2
hidung/gusi/kulit/saluran cerna
G3 BAB hitam seperti kopi
G4 Terdapat benjolan pada perut kanan atas

Data yang digunakan berupa gejala beserta

jenis penyakit hatinya. Setiap penyakit
memiliki gejala yang berbeda-beda. Dalam
penelitian ini data tentang gejala didapatkan
sejumlah 16 gejala dengan empat penyakit.
Untuk tiap penyakit memiliki empat gejala.
Dari keempat gejala tersebut dapat digunakan
untuk penalaran suatu penyakit dengan cara
menggabungkan gejala spesifik dari penyakit
dan gejala umum. Jika yang diisikan hanya
gejala umum, penyakit tidak akan terdeteksi.
Untuk mendeteksi penyakit dibutuhkan rule
yang telah ditentukan oleh pakar. Setiap
penyakit hati mempunyai rule masing-masing.
Rule yang digunakan sendiri terdiri dari 64
rule dengan 16 rule untuk tiap
Gambar 1 Diagram alir fuzzy tsukamoto
3.3 Perancangan Sistem
Pada penelitian akan dibangun sebuah
aplikasi sistem pakar diagnosis penyakit hati
berbasis android yang menggunakan metode
Fuzzy Tsukamoto. Data yang digunakan dalam
aplikasi adalah data gejala tentang penyakit
hati. Hasil keluaran dari aplikasi adalah berupa
diagnosis keterangan terdeteksi penyakit hati
atau tidak. Hasil keluaran sistem berupa
keterangan untuk memudahkan pengguna dalam

Fakultas Ilmu Komputer, Universitas

 Jurnal Pengembangan Teknologi Informasi dan Ilmu 237

mengetahui tentang penyakit yang diderita.

Sistem Pakar Diagnosis penyakit hati pada
penelitian ini menggunakan metode Fuzzy
Tsukamoto sebagai mesin inferensi. Diagram
blok perancangan sistem ditunjukkan pada
Gambar 2 berikut.

Gambar 3 Fungsi keanggotaan gejala ikterus

Fungsi keanggotaan pada himpunan rendah

dan tinggi dapat dirumuskan sebagai berikut:
1 (𝑥 ≤ 40)
𝜇𝑅𝑒𝑛𝑑𝑎ℎ(𝑥) = 65 −𝑥 (40 < 𝑥 < 65)
{ 25
0 (𝑥 ≥ 65)
0 (𝑥 ≤ 40)
𝑥 − 40
𝜇𝑇𝑖𝑛𝑔𝑔𝑖(𝑥) = { 25 (40 < 𝑥 < 65)
1 (𝑥 ≥ 65)
Keterangan:
𝜇 = derajat keanggotaan
Gambar 2 Diagram Blok Sistem Pakar Diagnosis
x = himpunan objek
Penyakit Hati
Variable output dalam contoh ini adalah
4 TAHAPAN METODE diagnosis terdeteksi atau tidaknya penyakit
Berdasarkan Gambar 1 tentang diagram hepatitis. Variabel ini terdiri dari 2 himpunan
alir fuzzy tsukamoto tahapan metode fuzzy fuzzy yaitu Ya dan Tidak. Himpunan ya dan
tsukamoto dapat dijabarkan sebagai berikut: tidak ditunjukkan pada Gambar 3.

1. Pembentukan Himpunan Fuzzy

(Fuzzifikasi)
Pembentukan himpunan fuzzy terdiri dari
variabel input dan variabel output. Variabel
tersebut dibagi menjadi satu atau lebih
himpunan fuzzy. Pada proses ini, variabel input
adalah gejala-gejala dalam penyakit hati,
sedangkan variabel output berupa hasil
diagnosis terdeteksi atau tidaknya penyakit hati.
Sebagai contoh variabel input yang digunakan Gambar 4 fungsi keanggotaan penyakit hepatitis
dalam penelitian ini adalah gejala penyakit hati.
Tiap penyakit memiliki gejala yang berbeda- Fungsi keanggotaan himpunan Ya atau
beda. Penyakit hepatitis memiliki salah satu Tidak ditunjukkan pada rumus berikut:
gejala ikterus (warna kulit/sclera mata menjadi
0 (𝑥 ≤ 30)
kuning). Gejala
tersebut memiliki bilangan real yang merupakan 𝑥 − 30
𝜇𝑌𝑎(𝑥) = { (30 < 𝑥 < 70)
bobot nilai gejala. Gejala ikterus memiliki dua 40
himpunan fuzzy yaitu Rendah dan Tinggi. 1 (𝑥 ≥ 70)
Masing-masing memiliki domain seperti 1 (𝑥 ≤ 30)
ditunjukkan pada Gambar 3. 70 − 𝑥
𝜇𝑇𝑖𝑑𝑎𝑘(𝑥) = { (30 < 𝑥 < 70)
4
0
0 (𝑥 ≥ 70)

Fakultas Ilmu Komputer, Universitas

Jurnal Pengembangan Teknologi Informasi dan Ilmu 238

2. Pembentukan Rule Tabel 5 hasil pengujian blackbox

Hasil dari perhitungan fuzzifikasi kemudian No Skenario Test case Hasil yang Hasil dari Hasil
diinferesikan terhadap rule. Fungsi implikasi pengujian diharapkan sistem

pada metode fuzzy tsukamoto adalah MIN. 1 Pengujian

halaman
Memilih
menu
Menampilkan
halaman
Menampilkan
halaman
Valid

untuk menghitung alpha-predikat harus diagnosis diagnosis diagnosis diagnosis

penyakit hati penyakit hati penyakit hati penyakit hati
merepresentasikan semua rule yang ada 2 Pengujian Mengisi nilai Menampilkan Menampilkan Valid
menggunakan rumus MIN(fuzzifikasi). halaman gejala dan hasil hasil
diagnosis Mengklik diagnosis diagnosis
Contoh rule yang digunakan pada penyakit penyakit button penyakit penyakit
hepatitis adalah IF G1 rendah AND G2 rendah Hepatitis diagnosis Hepatitis
3 Pengujian Mengisi nilai Menampilkan Menampilkan Valid
AND G3 Rendah AND G4 rendah THEN Tidak halaman gejala dan hasil hasil
terdeteksi. Rumus tadi dapat diimplementasikan diagnosis
penyakit
Mengklik
button
diagnosis
penyakit
diagnosis
penyakit
menjadi MIN(G1 rendah,G2 rendah,G3 Sirosis diagnosis Sirosis Sirosis

rendah,G4 rendah). 4 Pengujian Mengisi nilai Menampilkan Menampilkan Valid

halaman gejala dan hasil hasil
diagnosis Mengklik diagnosis diagnosis
3. Defuzzifikasi penyakit button penyakit penyakit
abses hati diagnosis abses hati abses hati
Langkah terakhir dari tahapan metode 5 Pengujian Mengisi nilai Menampilkan Menampilkan Valid
fuzzy tsukamoto adalah melakukan defuzzifikasi halaman gejala dan hasil hasil

atau mengubah nilai himpunan fuzzy menjadi diagnosis

penyakit
Mengklik
button
diagnosis
penyakit
diagnosis
penyakit
nilai tegas atau crisp. Setelah didapatkan nilai Hepatoma diagnosis Hepatoma Hepatoma

alpha- predikat, selanjutnya adalah proses 6 Pengujian

halaman
Memilih
menu daftar
Menampilkan
halaman
Menampilkan
halaman
Valid

menghitung nilai setiap konsekuen setiap rules daftar penyakit hati daftar daftar
penyakit hati penyakit penyakit
atau nilai z. defuzzifikasi dilakukan dengan cara 7 Pengujian Memilih Menampilkan Menampilkan Valid
membagi nilai sigma alpha-predikat dikali z halaman penyakit rincian rincian
daftar Sirosis pada penyakit penyakit
dengan sigma alpha-predikat. penyakit halaman Sirosis Sirosis
Sirosis daftar
penyakit hati
5 HASIL DAN PEMBAHASAN 8 Pengujian Memilih Menampilkan Menampilkan Valid
halaman menu Tentang halaman halaman
Hasil pengujian yang dilakukan pada Tentang Tentang Tentang

penelitian ini terdiri dari pengujian blackbox,

pengujian akurasi serta pengujian usability.
pengujian blackbox digunakan untuk menguji
fungsionalitas sistem apakah berjalan dengan
baik atau tidak. Pengujian akurasi digunakan
untuk mengetahui kemampuan dari sistem
dengan cara membandingkan hasil diagnosis
sistem dengan hasil diagnosis pakar. Pengujian
usability digunakan untuk menguji tingkat
kepuasan pengguna.
5.1 Hasil Pengujian Blackbox
Hasil dari pengujian blackbox yang telah
dilakukan pada penelitian ini menghasilkan
tingkat fungsionalitas sistem mencapai 100%
karena fungsi semua yang diuji dapat berjalan
dengan baik sesuai dengan harapan.
5.2 Hasil Pengujian Akurasi
Hasil dari pengujian akurasi yang telah
dilakukan pada penelitian ini adalah 96,87%.
Pengujian akurasi menggunakan 64 data uji
yang berupa nilai masukan gejala beserta
diagnosis penyakitnya. Masing-masing penyakit
memiliki
16 data uji. Perhitungan akurasi dilakukan
dengan rumus Jumlah data benar / jumlah data
uji dikali 100%. Berikut adalah rumus untuk
menghitung nilai akurasi.
62
𝑥100 = 96,87%
64
Berikut adalah salah satu data uji yang
digunakan dan seluruh hasil uji pengujian
akurasi.

Fakultas Ilmu Komputer, Universitas

Jurnal Pengembangan Teknologi Informasi dan Ilmu 238

Tabel 6 data uji penyakit abses hati No Nilai Diagnosis sistem Diagnosis pakar Sesuai
defuzzifikasi
No Riwayat Nyeri pada Mual demam Abses hati
diare perut kanan muntah 1 38.75 Tidak terdeteksi Tidak terdeteksi Ya
atas 2 50.42 Terdeteksi Terdeteksi Ya
1 20 20 20 20 Tidak 3 44.58 Tidak terdeteksi Terdeteksi Tidak
2 20 20 20 90 Tidak 4 65 Terdeteksi Terdeteksi Ya
3 20 20 90 20 Tidak 5 30 Terdeteksi Terdeteksi Ya
4 20 20 90 80 Ya
6 65 Terdeteksi Terdeteksi Ya
5 20 95 20 20 Tidak
7 65 Terdeteksi Terdeteksi Ya
6 20 80 20 90 Ya
8 65 Terdeteksi Terdeteksi Ya
7 20 80 85 20 Ya
9 30 Tidak terdeteksi Tidak terdeteksi Ya
8 20 80 85 90 Ya
10 65 Terdeteksi Terdeteksi Ya
9 90 50 20 20 Tidak
11 65 Terdeteksi Terdeteksi Ya
10 90 40 20 85 Ya
12 65 Terdeteksi Terdeteksi Ya
11 90 40 70 20 Ya
13 65 Terdeteksi Terdeteksi Ya
12 80 20 80 80 Ya
14 65 Terdeteksi Terdeteksi Ya
13 75 75 20 20 Ya
14 75 75 20 70 Ya 15 65 Terdeteksi Terdeteksi Ya

15 75 75 50 20 Ya 16 65 Terdeteksi Terdeteksi Ya

16 60 60 60 60 Ya

Tabel 10 hasil pengujian akurasi hepatoma

Tabel 7 hasil pengujian akurasi abses hati No Nilai Diagnosis sistem Diagnosis pakar Sesuai
defuzzifikasi
No Nilai Diagnosis sistem Diagnosis pakar Sesuai 1 40.1 Tidak terdeteksi Tidak terdeteksi Ya
defuzzifikasi
2 34.44 Tidak terdeteksi Tidak terdeteksi Ya
1 38.62 Tidak terdeteksi Tidak terdeteksi Ya
3 34.44 Tidak terdeteksi Tidak terdeteksi Ya
2 33.75 Tidak terdeteksi Tidak terdeteksi Ya
3 32.90 Tidak terdeteksi Tidak terdeteksi Ya 4 62.1 Terdeteksi Terdeteksi Ya

4 25 Tidak terdeteksi Tidak terdeteksi Ya 5 34.44 Tidak terdeteksi Tidak terdeteksi Ya

5 29.90 Tidak terdeteksi Tidak terdeteksi Ya 6 70 Terdeteksi Terdeteksi Ya

6 56.25 Terdeteksi Terdeteksi Ya 7 60.20 Terdeteksi Terdeteksi Ya

7 57.10 Terdeteksi Terdeteksi Ya 8 70 Terdeteksi Terdeteksi Ya
8 65 Terdeteksi Terdeteksi Ya 9 30 Tidak terdeteksi Tidak terdeteksi Ya
9 38.95 Tidak terdeteksi Tidak terdeteksi Tidak 10 70 Terdeteksi Terdeteksi Ya
10 50.16 Terdeteksi Terdeteksi Ya 11 62.1 Terdeteksi Terdeteksi Ya
11 50.52 Terdeteksi Terdeteksi Ya 12 62.1 Terdeteksi Terdeteksi Ya
12 57.10 Terdeteksi Terdeteksi Ya 13 70 Terdeteksi Terdeteksi Ya
13 51.38 Terdeteksi Terdeteksi Ya 14 70 Terdeteksi Terdeteksi Ya
14 56.25 Terdeteksi Terdeteksi Ya 15 70 Terdeteksi Terdeteksi Ya
15 51.38 Terdeteksi Terdeteksi Ya 16 70 Terdeteksi Terdeteksi Ya
16 48.67 Terdeteksi Terdeteksi Ya

Tabel 8 hasil pengujian akurasi hepatitis 5.3 Hasil Pengujian Usability

Hasil dari pengujian usability yang telah
No Nilai
defuzzifikasi
Diagnosis sistem Diagnosis pakar Sesuai
dilakukan dalam penelitian adalah sistem
1 49.03 Tidak terdeteksi Tidak terdeteksi Ya memiliki tingkat kepuasan yang sangat baik
2 47 Tidak terdeteksi Tidak terdeteksi Ya dengan nilai mean 4,45. Nilai tersebut
3 47 Tidak terdeteksi Tidak terdeteksi Ya
4 47 Tidak terdeteksi Tidak terdeteksi Ya
didapatkan dengan melakukan rata-rata tiap
5 46 Tidak terdeteksi Tidak terdeteksi Ya pertanyaan kemudian rata-rata tersebut
6 46 Tidak terdeteksi Tidak terdeteksi Ya dijumlahkan untuk dibagi menjadi total
7 46 Tidak terdeteksi Tidak terdeteksi Ya
pertanyaan dikalikan dengan jumlah kuisioner.
8 46 Tidak terdeteksi Tidak terdeteksi Ya
9 52.07 Terdeteksi Terdeteksi Ya
Total pertanyaan pada pengujian usability
10 70 Terdeteksi Terdeteksi Ya adalah 10 pertanyaan. Jumlah pengguna yang
11 70 Terdeteksi Terdeteksi Ya mengisi kuisioner adalah 20 orang. Berikut
12
13
70
70
Terdeteksi
Terdeteksi
Terdeteksi
Terdeteksi
Ya
Ya
adalah hasil rincian hitungan pengujian
14 70 Terdeteksi Terdeteksi Ya usability:
15 70 Terdeteksi Terdeteksi Ya
16 70 Terdeteksi Terdeteksi Ya
𝑀𝑒𝑎𝑛
𝑇𝑜𝑡𝑎𝑙 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑁𝑖𝑙𝑎𝑖
=
𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑒𝑟𝑡𝑎𝑛𝑦𝑎𝑎𝑛 𝑥 𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑒𝑛𝑔𝑖𝑠𝑖 𝐾𝑢𝑖𝑠𝑜𝑛𝑒𝑟
Tabel 9 hasil pengujian akurasi sirosis 10 x
885 885
=
200
=
Fakultas Ilmu Komputer, Universitas
 Jurnal Pengembangan Teknologi Informasi dan Ilmu 238
= 4.425

Fakultas Ilmu Komputer, Universitas

Jurnal Pengembangan Teknologi Informasi dan Ilmu
Nilai mean = 0,1-1 sistem sangat buruk
Nilai mean = 1,1-2 sistem buruk
Nilai mean = 2,1-3 sistem cukup baik
Nilai mean = 3,1-4 sistem baik
Nilai mean = 4,1-5 sistem sangat baik
Dari keterangan yang dijelaskan, nilai
4,425 masuk kategori sistem sangat baik.
6 PENUTUP
Berdasarkan hasil dari penelitian yang
telah dilakukan tentang sistem pakar diagnosis
penyakit hati menggunakan metode Fuzzy
Tsukamoto berbasis android, dapat diambil
beberapa kesimpulan sebagai berikut:
1. Sistem pakar diagnosis penyakit hati dapat
dirancang dan diimplementasikan untuk
digunakan oleh pengguna dengan baik
karena telah digunakan secara langsung
oleh pengguna.
2. Sistem pakar diagnosis penyakit hati dapat
diimplementasikan dengan menggunakan
metode Fuzzy Tsukamoto dengan melalui
lima proses utama, yaitu fuzzifikasi,
menentukan alpha-predikat untuk setiap
Rule, menghitung nilai z setiap Rule,
mengkalikan alpha predikat dengan z pada
setiap Rule, kemudian melakukan
defuzzifikasi dengan cara membagi jumlah
alpha-predikat dikali z dengan jumlah
alpha predikat. Nilainya akan menjadi
penentu apakah pengguna terdeteksi
penyakit hati yang dipilih oleh pengguna.
3. Berdasarkan hasil pengujian yang telah
dilakukan pada penelitian ini, pengujian
blackbox memiliki tingkat fungsionalitas
yang baik. Pengujian akurasi memiliki
tingkat akurasi 96,87% dengan 64 data uji
dari pakar. Dengan tingkat akurasi sebesar
96,87% sistem pakar ini dapat membantu
melakukan diagnosis penyakit hati ataupun
mengenali gejala-gejala umum dari
penyakit hati. Pengujian usability memiliki
nilai rata-rata mean 4,425. Dengan nilai
rata-rata mean tersebut sistem yang
dibangun dapat digunakan dengan baik
oleh pengguna.
DAFTAR PUSTAKA
Abbasy, M. & Mohamed, A., 2016. Mobile
Expert System to Detect Liver Disease
Kind. International journal of computer
science and information security, 14(5 may
2016), pp. 320-322.
Fakultas Ilmu Komputer, Universitas
238
Budihusodo, U., 2007. Buku Ajar Ilmu
Penyakit Dalam. 2nd ed. Jakarta: Pusat
Penerbitan Ilmu Penyakit Dalam FKUI.
Hartati, S. & Kusumadewi, S., 2006. Neuro
Fuzzy-Integrasi Sistem Fuzzy dan Jaringan
Syaraf. Yogyakarta: Graha Ilmu.
Hayadi, B. H., 2016. Sistem Pakar. Yogyakarta:
Deepublish.
Ihsan, A. & Shoim, A., 2012. Penentuan
Nominal Beasiswa Yang diterima Siswa
dengan Metode Logika Fuzzy Tsukamoto.
Jurnal Ilmiah Ilmu Komputer, 8(2 maret
2012), pp. 167-173.
Kesehatan, K., 2015.
www.pusdatin.kemkes.go.id. [Online]
Available at:
http://www.pusdatin.kemkes.go.id/article/v
iew/15073000001/w-a-s-p-a-d-a-2-9-juta-
lebih-penduduk-indonesia-mengidap-
hepatitis.html
[Accessed 11 Maret 2017].
Kusrini, 2006. Sistem Pakar Teori dan
Aplikasinya. Yogyakarta: Andi.
Kusumadewi, S., 2003. Artificial Intelligence
(Teknik dan Aplikasinya). Yogyakarta:
Graha Ilmu.
Lailiyah, V., 2016. Sistem Pakar Diagnosis
Penyakit HIV menggunakan metode Fuzzy
Tsukamoto. Malang: Universitas
Brawijaya.
Maryaningsih, Siswanto & Mesterjon, 2013.
Metode Logika Fuzzy Tsukamoto Dalam
Sistem Pengambilan Keputusan
Penerimaan Beasiswa. JurnalMedia
Infotama, 9(1 februari 2013), pp. 1-13.
Nurdjanah, S., 2007. Buku Ajar Ilmu Penyakit
Dalam. 2nd ed. Jakarta: Pusat Penerbitan
Ilmu Penyakit Dalam FKUI.
Pradana, F. G., 2016. Sistem diagnosa Penyakit
pada Tanaman Jagung dengan
menggunakan metode Fuzzy Tsukamoto.
Malang: Universitas Brawijaya.
Pujiyanta, A. & Pujiantoro, A., 2012. Sistem
Pakar Penentuan Jenis Penyakit Hati
dengan Metode Inferensi Fuzzy
Tsukamoto. Jurnal Informatika, 6(1 januari
2012), pp. 1-
13.
Rohman, F. F. & Fauzijah, A., 2008. Rancang
Bangun Aplikasi Sistem Pakar untuk
Jurnal Pengembangan Teknologi Informasi dan Ilmu 238

Menentukan Jenis Gangguan

Perkembangan Pada Anak.. Media
Informatika, 6(1 juni 2008), pp. 1-23.
Sanityoso, A., 2007. Buku Ajar Ilmu Penyakit
Dalam. 2nd ed. Jakarta: Pusat Penerbitan
Ilmu Penyakit Dalam FKUI.
Sari Nadia, R. & Mahmudy, W. F., 2015. Fuzzy
Inference System Tsukamoto untuk
Menentukan Kelayakan Calon Pegawai.
Seminar Nasional SIstem Informasi
Indonesia, Issue 2-3 november 2015, pp.
245-252.
Siswanto, 2005. Kecerdasan Tiruan. 2nd ed.
Yogyakarta: Graha Ilmu.
Siswoyo, B. & J, G. I., 2008. Diagnoss Penyakit
Hati melalui SIstem Pakar. Jurnal
Computech & Bisnis, 2(1 juni 2008), pp.
45-51.
Sutojo & dkk, 2011. Kecerdasan Buatan.
Yogyakarta: Andi.
Thamrin, F., 2012. Studi Inferensi Fuzzy
Tsukamoto untuk penentuan pembebanan
trafo. Semarang: Universitas DIponengoro.
Turban, E., 1995. Decission Support and Expert
System. 4th ed. New Jersey: Prentice-Hall
International inc.
Turban, E. & dkk, 2005. Decission Support
System and Intelligent Systems. 7th ed.
Yogyakarta: Andi.
Wenas, N. T. & Waleleng, B. J., 2007. Buku
Ajar Ilmu Penyakit Dalam. 2nd ed. Jakarta:
Pusat Penerbitan Ilmu Penyakit Dalam
FKUI.
WHO, 2016. http://www.who.int/. [Online]
Available at:
http://www.who.int/hepatitis/en
[Accessed 12 Maret 2017].
WHO, 2016. http://www.who.int/. [Online]
Available at:
http://www.who.int/campaigns/hepatitis-
day/2016/en/
[Accessed 12 Maret 2017].

Fakultas Ilmu Komputer, Universitas