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.
yaitu bersifat intuitif dan dapat memberikan seperti pada komputer pribadi atau perangkat
tanggapan berdasarkan informasi yang bersifat mobile pribadi. sistem pakar dapat dilakukan
kualitatif, tidak akurat, dan ambigu (Thamrin, dengan mudah serta memiliki biaya yang
2012). Pada metode Tsukamoto, setiap Rule terjangkau (Siswanto, 2005).
direpresentasikan dengan suatu himpunan Fuzzy
dengan fungsi keanggotaan yang monoton 2.3 Fuzzy Tsukamoto
disebut dengan fuzzifikasi. Sebagai hasilnya, Pada metode Fuzzy Tsukamoto, setiap
keluaran hasil dari tiap-tiap aturan berupa nilai konsekuen pada Rule yang berbentuk IF-Then
tegas (crisp) berdasarkan α-predikat atau nilai harus direpresentasikan dengan suatu himpunan
minimum dari tiap Rule dan nilai z. Hasil fuzzy dengan fungsi keanggotaan yang monoton
akhirnya diperoleh dengan melakukan sebagai hasilnya (proses fuzzifikasi). keluaran
defuzzifikasi rata-rata berbobot (Pujiyanta, hasil inferensi dari tiap-tiap rule diberikan
2012). secara tegas (crisp) berdasarkan α-predikat.
Berdasarkan latar belakang yang telah Hasil akhirnya di peroleh dengan menggunakan
diuraikan, pada penelitian ini penulis memilih defuzzifikasi rata-rata terbobot. (Maryaningsih
metode Fuzzy Tsukamoto untuk membangun et al, 2013).
sebuah sistem dalam mendiagnosis penyakit Dalam proses inferensinya, metode Fuzzy
hati yang akan diimplementasikan dalam Tsukamoto memiliki beberapa tahapan, yaitu:
penelitian yang berjudul “Sistem Pakar 1. Fuzzifikasi
Diagnosis Penyakit Hati Menggunakan Metode Fuzzifikasi adalah Proses untuk mengubah
Fuzzy Tsukamoto berbasis Android”. penulis masukan sistem yang mempunyai nilai tegas
berharap dengan penelitian ini diharapkan dapat atau crisp menjadi himpunan fuzzy dan
memudahkan masyarakat dalam mengetahui menentukan derajat keanggotaannya di dalam
penyakit hati secara dini dan memperoleh hasil himpunan fuzzy.
akurasi yang tinggi. 2. Pembentukan Rules IF-Then
Proses untuk membentuk Rule yang akan
2. TINJAUAN PUSTAKA digunakan dalam bentuk IF – THEN yang
tersimpan dalam basis keanggotaan fuzzy.
2.1 Penyakit hati 3. Mesin Inferensi
Pada penelitian ini menggunakan empat Proses untuk mengubah masukan fuzzy
jenis penyakit untuk mendiagnosis yaitu menjadi keluaran fuzzy dengan cara fuzzifikasi
hepatitis, sirosis, abses hati serta hepatocellular tiap Rule (IF-THEN Rules) yang telah
carcinoma disingkat hepatoma atau kanker hati. ditetapkan. Menggunakan fungsi implikasi MIN
Dari empat jenis penyakit hati tersebut memiliki untuk mendapatkan nilai alpha-predikat tiap-
16 gejala. Masing-masing penyakit hati tiap Rule. Kemudian masing-masing nilai
memiliki empat gejala yang berbeda-beda. alpha- predikat digunakan untuk menghitung
output masing-masing Rule (nilai z).
2.2 Sistem pakar 4. Defuzzifikasi
Mengubah keluaran fuzzy yang diperoleh
Sistem pakar merupakan program
dari mesin inferensi menjadi nilai tegas atau
komputer yang meniru pengetahuan dan
crisp. Hasil akhir diperoleh dengan
penalaran manusia dalam menyelesaikan suatu
menggunakan persamaan rata-rata pembobotan
masalah. Pengetahuan dari sistem pakar diambil
menggunakan metode rata-rata Weight
dari seseorang yang ahli dalam permasalahan
Average.
tersebut atau biasa disebut dengan pakar. sistem
pakar dibangun untuk menyeleseikan suatu
3. METODOLOGI
permasalahan dengan cara meniru kerja dari
para pakar. Sistem pakar juga membantu para 3.1 Data
pakar dalam menjalankan aktifitasnya sebagai
asisten yang berpengalaman. (Kusumadewi, Pada penelitian ini pengumpulan data
2003). dilakukan di Rumah Sakit Universitas
Menurut Siswanto pada tahun 2005, sistem Brawijaya pada bulan april dengan pakar dr.
pakar merupakan sistem yang mempunyai Mirzaulin Leonaviri yang merupakan salah satu
aplikasi paling banyak dalam menyeleseikan dokter umum di Rumah sakit tersebut. Variabel
masalah di dunia nyata. Sistem pakar ini dalam penelitian ini berupa jenis-jenis penyakit
memiliki banyak pilihan dalam menjalankannya hati beserta gejala-gejala dari penyakit hati.
Fakultas Ilmu Komputer, Universitas
Jurnal Pengembangan Teknologi Informasi dan Ilmu 237
Data yang diperoleh dari pakar terdiri dari
data gejala
Kode
Nama gejala
gejala
G1 Muntah darah
G2 Berat badan menurn
Terdapat bercak kemerahan pada
G3
telapak tangan
G4 Pembesaran payudara pada laki-laki
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
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
Nilai mean = 0,1-1 sistem sangat buruk Budihusodo, U., 2007. Buku Ajar Ilmu
Nilai mean = 1,1-2 sistem buruk Penyakit Dalam. 2nd ed. Jakarta: Pusat
Nilai mean = 2,1-3 sistem cukup baik Penerbitan Ilmu Penyakit Dalam FKUI.
Nilai mean = 3,1-4 sistem baik
Nilai mean = 4,1-5 sistem sangat baik Hartati, S. & Kusumadewi, S., 2006. Neuro
Fuzzy-Integrasi Sistem Fuzzy dan Jaringan
Dari keterangan yang dijelaskan, nilai Syaraf. Yogyakarta: Graha Ilmu.
4,425 masuk kategori sistem sangat baik.
Hayadi, B. H., 2016. Sistem Pakar. Yogyakarta:
6 PENUTUP Deepublish.
Berdasarkan hasil dari penelitian yang Ihsan, A. & Shoim, A., 2012. Penentuan
telah dilakukan tentang sistem pakar diagnosis Nominal Beasiswa Yang diterima Siswa
penyakit hati menggunakan metode Fuzzy dengan Metode Logika Fuzzy Tsukamoto.
Tsukamoto berbasis android, dapat diambil Jurnal Ilmiah Ilmu Komputer, 8(2 maret
beberapa kesimpulan sebagai berikut: 2012), pp. 167-173.
1. Sistem pakar diagnosis penyakit hati dapat Kesehatan, K., 2015.
dirancang dan diimplementasikan untuk www.pusdatin.kemkes.go.id. [Online]
digunakan oleh pengguna dengan baik Available at:
karena telah digunakan secara langsung http://www.pusdatin.kemkes.go.id/article/v
oleh pengguna. iew/15073000001/w-a-s-p-a-d-a-2-9-juta-
2. Sistem pakar diagnosis penyakit hati dapat lebih-penduduk-indonesia-mengidap-
diimplementasikan dengan menggunakan hepatitis.html
metode Fuzzy Tsukamoto dengan melalui [Accessed 11 Maret 2017].
lima proses utama, yaitu fuzzifikasi,
menentukan alpha-predikat untuk setiap Kusrini, 2006. Sistem Pakar Teori dan
Rule, menghitung nilai z setiap Rule, Aplikasinya. Yogyakarta: Andi.
mengkalikan alpha predikat dengan z pada Kusumadewi, S., 2003. Artificial Intelligence
setiap Rule, kemudian melakukan (Teknik dan Aplikasinya). Yogyakarta:
defuzzifikasi dengan cara membagi jumlah Graha Ilmu.
alpha-predikat dikali z dengan jumlah
alpha predikat. Nilainya akan menjadi Lailiyah, V., 2016. Sistem Pakar Diagnosis
penentu apakah pengguna terdeteksi Penyakit HIV menggunakan metode Fuzzy
penyakit hati yang dipilih oleh pengguna. Tsukamoto. Malang: Universitas
3. Berdasarkan hasil pengujian yang telah Brawijaya.
dilakukan pada penelitian ini, pengujian Maryaningsih, Siswanto & Mesterjon, 2013.
blackbox memiliki tingkat fungsionalitas Metode Logika Fuzzy Tsukamoto Dalam
yang baik. Pengujian akurasi memiliki Sistem Pengambilan Keputusan
tingkat akurasi 96,87% dengan 64 data uji Penerimaan Beasiswa. JurnalMedia
dari pakar. Dengan tingkat akurasi sebesar Infotama, 9(1 februari 2013), pp. 1-13.
96,87% sistem pakar ini dapat membantu
melakukan diagnosis penyakit hati ataupun Nurdjanah, S., 2007. Buku Ajar Ilmu Penyakit
mengenali gejala-gejala umum dari Dalam. 2nd ed. Jakarta: Pusat Penerbitan
penyakit hati. Pengujian usability memiliki Ilmu Penyakit Dalam FKUI.
nilai rata-rata mean 4,425. Dengan nilai Pradana, F. G., 2016. Sistem diagnosa Penyakit
rata-rata mean tersebut sistem yang pada Tanaman Jagung dengan
dibangun dapat digunakan dengan baik menggunakan metode Fuzzy Tsukamoto.
oleh pengguna. Malang: Universitas Brawijaya.
Pujiyanta, A. & Pujiantoro, A., 2012. Sistem
DAFTAR PUSTAKA
Pakar Penentuan Jenis Penyakit Hati
Abbasy, M. & Mohamed, A., 2016. Mobile dengan Metode Inferensi Fuzzy
Expert System to Detect Liver Disease Tsukamoto. Jurnal Informatika, 6(1 januari
Kind. International journal of computer 2012), pp. 1-
science and information security, 14(5 may 13.
2016), pp. 320-322.
Rohman, F. F. & Fauzijah, A., 2008. Rancang
Bangun Aplikasi Sistem Pakar untuk
Fakultas Ilmu Komputer, Universitas
Jurnal Pengembangan Teknologi Informasi dan Ilmu 238