A. UTS
UTS: Buktikan Jurnal “ UJI COBA METODE MAMDANI UNTUK DETEKSI PENYAKIT
DIABETES DI RSUD Dr. H. SOEMARNO SOSROATMOJO KUALA KAPUAS”
Berdasarkan video yang di sertakan dalam materi ini.
1. Tonton dan baca file video beserta jurnalnya yang di berikan pada materi ini.
Buat program dan Buktikan hasil yang didapat pada jurnal pendeteksi penyakit diabetes
ini menggunakan Matlab. Buat Video runningnya.
2. Buat program fuzzy menggunakan metode Mamdani seperti pada materi.
3. Buat video running program yang anda buat. (File video dapat di kirim ke google drive:
https://drive.google.com/drive/folders/1y36cNA1YEhqHZmcWPg5z2Aa-M8bTX3q6?
usp=sharing.
4. Buatlah penjelasan/analisa program dari hasil program anda dalam bentuk ms word
(*.docx). (file dikirim di elearning)
Catatan:
1. Referensi dapat diperluas dari hasil pencarian web, buku, video, maupun jurnal
Ilmiah.
2. Nama file video adalah "nama dan nim" masing masing. Jika ukuran video terlalu
besar, maka dapat di compress menggunakan aplikasi compressing video.
3. Tugas UTS ini paling lambat diterima pada hari Rabu Tanggal 02 Juni 2021 Jam 23.59
Wita.
4. Tugas tidak akan diperiksa jika telah melewati batas yang telah ditentukan.
Uji Coba Metode Mamdani untuk Deteksi Penyakit Diabetes ………… (Slamet Riyadhi)
Ringkasan
Diabetes adalah salah satu penyakit kronis yang dapat menyebabkan komplikasi kese-
hatan yang serius. Gejala diabetes ditandai dengan rasa haus yang berlebihan, sering
kencing terutama malam hari, banyak makan serta berat badan yang turun dengan ce-
pat. Disamping itu kadang-kadang ada keluhan lemah, kesemutan pada jari tangan dan
kaki, cepat lapar, gatal-gatal, penglihatan jadi kabur, gairah seks menurun, luka sukar un-
tuk sembuh dan pada ibu-ibu sering melahirkan bayi diatas empat kilogram. Berbagai
faktor genetik, lingkungan dan cara hidup berperan dalam perjalanan penyakit diabetes.
Ada kecenderungan penyakit ini timbul dalam keluarga. Di samping itu juga ditemukan
perbedaan kekerapan dan komplikasi diantara ras, negara dan kebudayaan.
Metode logika fuzzy mempunyai tiga tahapan proses yaitu fuzzifikasi, inferensi dan de-
fuzzifikasi. Logika fuzzy merupakan sebuah nilai yang memiliki kesamaran (fuzzyness)
antara benar dan salah. Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan sa-
lah secara bersamaan tapi berapa besar kebenaran dan kesalahan suatu nilai tergantung
dari berapa besar bobot keanggotaan yang dimilikinya. Dalam teori logika fuzzy dikenal
himpunan fuzzy (fuzzy set) yang merupakan pengelompokan sesuatu berdasarkan varia-
bel bahasa (linguistic variable) yang dinyatakan dalam fungsi keanggotaan yang bernilai
nol sampai dengan satu.
Metode logika fuzzy Mamdani dapat digunakan untuk menentukan tingkat keakurasian
untuk mendeteksi penyakit diabetes.
Kata Kunci : diabetes, sistem cerdas, logika fuzzy, metode Mamdani
lam menentukan diagnosa penyakit untuk mem- Adeli Ali dan Neshat Mehdi dalam Procee-
bantu pasien dan medis. Hal ini dibuktikan de- dings of the International MultiConference of
ngan beberapa penelitian yang telah dilakukan. Engineers and Computer Scientists Hong Kong
Dari penjabaran latar belakang di atas, aku- dengan judul A Fuzzy Expert System for Heart
rasi deteksi penyakit diabetes yang dihasilkan Disease Diagnosis[6] menjelaskan bahwa jenis
pada penelitian terdahulu masih memungkinkan nyeri dada, tekanan darah, kolesterol, gula da-
untuk ditingkatkan dengan menggunakan alter- rah, detak jantung, resting electrocardiography
natif metode lain yaitu metode Mamdani. Dalam (ECG), olah raga, depresi, thallium scan, jenis
mendeteksi suatu penyakit, metode Mamdani kelamin, dan usia merupakan parameter untuk
mempunyai tingkat keakurasian yang tinggi, hal menentukan pasien yang terkena penyakit jan-
ini dibuktikan dengan penelitian dari Adeli Ali tung.
dan Neshat Mehdi dalam Proceedings of the In- Berdasarkan paparan di atas maka peneliti-
ternational MultiConference of Engineers and an ini merupakan pengembangan dari beberapa
Computer Scientists Hong Kong dengan judul A jenis metode fuzzy yang lain yang telah dilaku-
Fuzzy Expert System for Heart Disease Diag- kan pada penelitian terdahulu. Penelitian ini me-
nosis[5] sebesar 94%. Sehingga yang menjadi nggunakan jenis metode fuzzy Mamdani de-
pokok masalah penelitian yang pada penelitian ngan menggunakan variabel umur, berat badan
terdahulu mendapatkan tingkat akurasi sebesar (IMT), dan tekanan darah sebagai data masuk-
82% dan 84,24% masih perlu ditingkatkan un- an dan variabel resiko diabetes sebagai data
tuk mendapatkan metode yang lebih baik. keluaran. Sedangkan parameter yang diguna-
kan untuk variabel umur adalah muda, paroh
Rumusan Masalah, Tuajuan dan Manfaat Pe- baya, tua, dan sangat tua. Parameter untuk
nelitian variabel berat badan (IMT) adalah kurus berat,
Berdasarkan identifikasi masalah penelitian kurus ringan, normal, gemuk ringan, dan gemuk
yang berkaitan dengan metode deteksi penyakit berat. Parameter untuk variabel tekanan darah
diabetes diperoleh kenyataan bahwa tingkat adalah rendah, normal, tinggi, dan sangat ting-
akurasinya baru mencapai 82% dan 84,24%. gi. Parameter untuk variabel resiko diabetes a-
Untuk itu diperlukan metode deteksi dengan dalah sangat rendah, rendah, menengah, tinggi,
tingkat akurasi yang lebih tinggi. dan sangat tinggi.
Tujuan penelitian ini adalah dengan mene-
rapkan metode Mamdani diharapkan dapat me- Logika Fuzzy
ningkatkan akurasi dibandingkan penelitian ter- Logika fuzzy adalah bagian atau salah satu
dahulu sehingga mendapatkan metode yang le- metode dalam kecerdasan buatan (Artificial In-
bih baik untuk deteksi penyakit diabetes. telligence). Dalam logika konvensional nilai ke-
Manfaat yang dapat diambil dalam peneliti- benaran mempunyai kondisi yang pasti yaitu
an ini sebagai dampak yang dihasilkan adalah : benar atau salah (true or false), dengan tidak
a. Dapat memberikan sumbangan untuk peng- ada kondisi di antara. Prinsip ini dikemukakan
embangan logika fuzzy pada penelitian beri- oleh Aristoteles sekitar 2000 tahun yang lalu se-
kutnya. bagai hukum Excluded Middle dan hukum ini te-
b. Dapat digunakan untuk mendapatkan meto- lah mendominasi pemikiran logika sampai saat
de yang lebih baik dalam mendeteksi penya- ini. Namun, tentu saja pemikiran mengenai lo-
kit diabetes. gika konvensional dengan nilai kebenaran yang
pasti yaitu benar atau salah dalam kehidupan
2. LANDASAN TEORI nyata sangatlah tidak cocok. Logika fuzzy meru-
pakan suatu logika yang dapat merepresentasi-
Penelitian yang Berhubungan (Related Re- kan keadaan yang ada di dunia nyata. Teori
search) tentang himpunan logika samar pertama kali di-
Caipo Zhang, Jinjie Song dan Zhilong Wu kemukakan oleh Prof. Lotfi Zadeh sekitar tahun
dalam Sixth International Conference on Fuzzy 1965 pada sebuah makalah yang berjudul “Fuz-
Systems and Knowledge Discovery China deng- zy Sets”. Ia berpendapat bahwa logika benar
an judul Fuzzy Integral Be Applied to the Diag- dan salah dari logika boolean atau konvensional
nosis of Gestational Diabetes Mellitus[3] men- tidak dapat mengatasi masalah yang ada pada
jelaskan bahwa number of times pregnant, plas- dunia nyata. Setelah itu, sejak pertengahan
ma glucose concentration a 2 hours in an oral 1970-an, para peneliti Jepang berhasil menga-
glucose tolerance test, body mass index, diabe- plikasikan teori ini ke dalam berbagai permasa-
tes pedigree function, dan age merupakan para- lahan praktis. Tidak seperti logika boolean, logi-
meter untuk mendeteksi diabetes mellitus ges- ka fuzzy mempunyai nilai yang kontinyu. Samar
tasional. Penelitian ini menggunakan metode (fuzzy) dinyatakan dalam derajat dari suatu ke-
fuzzy logic model Sugeno dengan pelatihan jari- anggotaan dan derajat dari kebenaran. Oleh se-
ngan syaraf Backpropagation. bab itu sesuatu dapat dikatakan sebagian benar
Uji Coba Metode Mamdani untuk Deteksi Penyakit Diabetes ………… (Slamet Riyadhi)
dan sebagian salah pada waktu yang bersama- dan timbulnya semakin sering ditemukan se-
an. Teori himpunan individu dapat memiliki de- telah umur 40 tahun[10]. Pada keadaan
rajat keanggotaan dengan nilai yang kontinyu, kadar glukosa darah tidak terlalu tinggi atau
bukan hanya nol dan satu. belum ada komplikasi, biasanya pasien tidak
Fuzzy inference system adalah proses me- berobat ke rumah sakit atau dokter. Hal ini
rumuskan pemetaan dari input yang diberikan menyebabkan jumlah pasien diabetes yang
ke ouput dengan menggunakan logika fuzzy. tidak terdiagnosis lebih banyak daripada
Pemetaan tersebut akan menjadi dasar dari ke- yang terdiagnosis.
putusan yang akan dibuat. Proses fuzzy logic c. Diabetes melitus gestasional
melibatkan fungsi keanggotaan, operator logika Diabetes melitus gestasional adalah diabe-
fuzzy, dan aturan jika-maka (if-then rule)[3]. Da- tes yang timbul selama kehamilan. Ini meli-
lam membangun sistem yang berbasis pada a- puti 2-5% dari seluruh diabetes. Jenis ini
turan fuzzy maka akan digunakan variabel ling- sangat penting diketahui karena dampak pa-
uistik. Variabel linguistik adalah suatu interval da janin kurang baik bila tidak ditangani de-
numerik dan mempunyai nilai-nilai linguistik, ngan benar.
yang semantiknya didefinisikan oleh fungsi ke-
anggotaannya. Misalnya, usia adalah suatu va- 3. METODE PENELITIAN
riabel linguistik yang bisa didefinisikan pada in-
terval (<30 sampai dengan >70). Variabel terse- Metode Pengumpulan Data
but bisa memiliki nilai-nilai linguistik seperti ”Mu- Untuk mendukung penelitian dilakukan pe-
da”, ”Paroh Baya”, ”Tua” yang semantiknya di- ngumpulan data melalui Data Sekunder. Data
definisikan oleh fungsi-fungsi keanggotaan ter- tersebut berupa sampel data pasien yang positif
tentu. dan tidak positif sebagai penderita diabetes di
RSUD Dr. H. Soemarno Sosroatmojo Kuala Ka-
Penyakit Diabetes puas diambil di bagian Rekam Medik.
Menurut American Diabetes Association
(ADA) pada tahun 2003, diabetes melitus meru- Metode Pengukuran Penelitian
pakan suatu kelompok penyakit metabolik de- Dalam penelitian ini untuk menentukan per-
ngan karakteristik hiperglikemia yang terjadi ka- hitungan tingkat akurasi maka tahapan yang di-
rena kelainan sekresi insulin, kerja insulin atau lakukan adalah sebagai berikut:
kedua-duanya. Hiperglikemia kronik pada dia- Menentukan data rekapitulasi untuk penya-
betes berhubungan dengan kerusakan jangka kit diabetes sesuai dengan parameter yang
panjang, disfungsi dan kegagalan beberapa or- diperlukan untuk mendeteksinya.
gan tubuh, terutama mata, ginjal, syaraf, jan- Menentukan pengolahan data fuzzy untuk
tung dan pembuluh darah. penyakit diabetes menggunakan metode
Gejala diabetes ditandai dengan rasa haus Mamdani.
yang berlebihan, sering kencing terutama ma-
Melakukan perbandingan dari hasil metode
lam hari, banyak makan serta berat badan yang
Mamdani dengan sampel data pasien.
turun dengan cepat. Disamping itu kadang-ka-
Jika hasil dari metode Mamdani sesuai de-
dang ada keluhan lemah, kesemutan pada jari
ngan hasil data sampel yang didapat maka
tangan dan kaki, cepat lapar, gatal-gatal, peng-
hasil dianggap AKURAT.
lihatan jadi kabur, gairah seks menurun, luka
sukar untuk sembuh dan pada ibu-ibu sering Jika hasil dari metode Mamdani tidak se-
melahirkan bayi diatas empat kilogram. Di sam- suai dengan hasil data sampel yang didapat
ping itu juga ditemukan perbedaan kekerapan maka hasil dianggap TIDAK AKURAT.
dan komplikasi diantara ras, negara dan kebu- Selanjutnya dihitung persen tingkat akurasi
dayaan[10]. metode Mamdani dengan rumus: % Akurasi
Secara garis besar diabetes melitus dibagi = (Jumlah Data Akurat / Total Sampel) *
menjadi tiga tipe sebagai berikut: 100
a. Diabetes melitus tipe 1 Melakukan perbandingan hasil tingkat aku-
Biasanya diabetes melitus tipe satu diderita rasi metode Mamdani dengan hasil tingkat
oleh orang-orang di negara subtropik dan akurasi yang terdapat pada penelitian ter-
kekerapan tertingggi ditemukan di Eropa U- dahulu.
tara. Gambaran klinisnya biasanya timbul
pada masa kanak-kanak dan puncaknya pa- Metode Analisis Data
da masa akil balig, tetapi ada juga yang tim- Dari hasil wawancara dengan dokter, pada
bul pada masa dewasa. penelitian ini diasumsikan bahwa usia, berat ba-
b. Diabetes melitus tipe 2 dan dan tekanan darah pada dasarnya menen-
Diabetes melitus tipe dua adalah jenis yang tukan rasio resiko diabetes. Jadi ketiga parame-
paling banyak ditemukan (lebih dari 90%) ter tersebut akan dijadikan sebagai masukan
Jurnal INTEKNA, Tahun XIII, No. 1, Mei 2013 : 70 - 77
untuk sistem yang dirancang. Dengan bantuan Tabel 2 .Nilai Linguistik Berat Badan
beberapa literatur yang diperoleh maka dapat
dijelaskan parameter untuk fuzzification input
dan output sebagai berikut:
1. Umur mempunyai tiga nilai linguistik (muda,
paroh baya, tua, sangat tua)
2. Berat badan mempunyai tiga nilai linguistik
(kurus berat, kurus ringan, normal, gemuk
ringan, gemuk berat)
3. Tekanan darah mempunyai empat nilai li-
Representasi dengan grafik dapat digambr-
nguistik (rendah, normal, tinggi dan sangat
kan sebagai berikut:
tinggi)
4. Resiko diabetes mempunyai lima nilai lingu-
istik (sangat rendah, rendah, menengah,
tinggi dan sangat tinggi)
Proses fuzzifikasi secara lebih detail dapat
diuraikan sebagai berikut:
1. Umur
Gambar 2. Representasi Grafik Berat Badan
Tabel 1. Nilai Linguistik Umur
Sedangkan ekspresi untuk fungsi keanggo-
taan sebagai berikut:
2. Berat badan
Berdasarkan dari World Health Organization
yang telah dirujuk oleh Direktorat Bina Gizi Ma-
syarakat Departemen Kesehatan Republik Indo-
nesia untuk digunakan di Indonesia, pengukur-
an berat badan disesuaikan dengan indeks Gambar 3. Representasi Grafik Tekanan Darah
masa tubuh (body mass index), yaitu:
Sedangkan ekspresi untuk fungsi keanggo-
taan sebagai berikut:
Uji Coba Metode Mamdani untuk Deteksi Penyakit Diabetes ………… (Slamet Riyadhi)
Dari hasil grafik di atas maka dapat dilihat 3. Agus Naba. (2009). Belajar Cepat Fuzzy
metode Mamdani mempunyai tingkat akurasi Logic Menggunakan MATLAB. Yogyakarta:
yang paling tinggi. Ini membuktikan bahwa un- Andi Offset.
tuk deteksi penyakit diabetes metode Mamdani 4. Caipo Zhang, Jinjie Song, Zhilong Wu
lebih akurat dibandingkan dengan dua metode (2009). Fuzzy Integral Be Applied to the
lain yang didapat dari hasil penelitian terdahulu. Diagnosis of Gestational Diabetes Mellitus.
Dilihat dari perbandingan tingkat akurasi ketiga Sixth International Conference on Fuzzy
metode tersebut peningkatan akurasi hanya Systems and Knowledge Discovery. IEEE.
mencapai 0,8%, ini dikarenakan variabel yang China.
digunakan hanya sebanyak tiga variabel sesuai 5. Djunaidi, Much.,Setiawan, Eko dan Andista,
dengan hasil data dari rekam medik yang dida- Fajar Whedi, (2005), Penentuan Jumlah
pat dari RSUD Dr. H. Soemarno Sosroatmojo Produksi Dengan Aplikasi Metode Fuzzy
Kuala Kapuas bahwa untuk menentukan pasien – Mamdani, Jurnal Ilmiah Teknik Industri,
penderita diabetes hanya menggunakan tiga pp.95-104.
variabel, yaitu umur, berat badan, dan tekanan 6. Goupeng, Z. (2006). Data Analysis With
darah. Sedangkan dalam sistem inferensi meto- Fuzzy Inference System. In Computational
de Mamdani, semakin banyak variabel yang di- Intelligence: Method and Application. Singa-
gunakan sebagai inputan maka tingkat ketelitian pore: School of Computer Engineering, Na-
dalam melakukan analisis data semakin ting- nyang Technological University.
gi[8]. 7. Mostafa Fathi Ganji, Mohammad Saniee
Abadeh (2010). A fuzzy classification sys-
5. PENUTUP tem based on Ant Colony Optimization for
diabetes disease diagnosis. ACM. Iran.
Kesimpulan 8. Pratiwi, Indah dan Prayitno, Edi, (2005),
Dari penelitian yang dilakukan dapat disim- Analisis Kepuasan Konsumen Berdasarkan
pulkan bahwa metode Mamdani mempunyai Tingkat Pelayanan dan Harga Kamar Me-
tingkat akurasi yang lebih tinggi dibandingkan nggunakan Aplikasi Fuzzy Dengan MatLab
dengan metode lain. Hal ini dapat dibuktikan 3.5, Jurnal Ilmiah Teknik Industri, pp. 66-77
dengan tingkat akurasi yang dicapai sebesar 9. Suyanto. (2008). Soft Computing Memba-
85%, sedangkan pada penelitian terdahulu ting- ngun Mesin Ber-IQ Tinggi. Bandung: Infor-
kat akurasi hanya mencapai 82% dan 84,2%. matika.
Sehingga dapat disimpulkan bahwa metode 10. Sri Kusuma Dewi, Hari Purnomo. (2010)
Mamdani lebih akurat dibandingkan dengan Aplikasi Logika Fuzzy. Yogya : Graha Ilmu.
metode lain untuk deteksi penyakit diabetes. 11. Soegondo, S. (2005). Diagnosis dan Klasi-
fikasi Diabetes Melitus Terkini. Penatalak-
Saran sanaan Diabetes Melitus Terpadu (p. 17).
1. Penelitian dengan menggunakan logika fuz- Jakarta: Balai Penerbit FK UI.
zy dapat membantu memecahkan masalah 12. Suyono, S. (2005). Patofisiologi Diabetes
yang sifatnya kabur (fuzzy). Melitus. In Penatalaksanaan Diabetes Meli-
2. Perlu menambahkan lebih banyak sampel tus Terpadu (pp. 1-15). Jakarta: Balai Pe-
data sehingga hasil tingkat keakurasian bisa nerbit FK UI.
lebih teruji. 13. Sri Kusumadewi, Sri Hartati. (2010). Neuro-
3. Pendeteksian dengan metode yang lain per- Fuzzy Integrasi Sistem Fuzzy & Jaringan
lu juga diterapkan untuk mengetahui per- Syaraf Edisi 2. Yogyakarta: Graha Ilmu.
kembangan metode yang lebih akurat dalam 14. Syaiful Muzid, Sri Kusumadewi. (2007).
deteksi penyakit diabetes. Membangun Toolbox Metode Evolusi Fuzzy
untuk Matlab. Makalah IF2091 Struktur Dis-
6. DAFTAR PUSTAKA krit, pp 1-6.
15. Sri Kusumadewi, Hari Purnomo. (2010). A-
1. Asma Shaheen, Waqas Ahmad khan (2009) plikasi Logika Fuzzy untuk Pendukung Ke-
Intelligent Decision Support System in Dia- putusan. Yogyakarta: Graha Ilmu.
betic eHealth Care From the perspective of 16. Sugiyono, (2006), Metode Penelitian Kuan-
Elders. Thesis Department of School of titatif Kualitatif dan R & D, Alfabeta, Ban-
Computing Bleking Institute of Technology dung.
Soft Center, Sweden. 17. Thomas Sri Widodo. (2005). Sistem Neuro
2. Adeli Ali, Neshat Mehdi (2010). A Fuzzy Fuzzy untuk Pengolahan Informasi, Pemo-
Expert System for Heart Disease Diagnosis. delan, dan Kendali Dilengkapi dengan Pro-
Proceedings of the International MultiConfe- gram MATLAB. Yogyakarta: Graha Ilmu.
rence of Engineers and Computer Scientists
(Vol I). IMECS. Hong Kong. ₪ INT © 2013 ₪