11 BAB II TINJAUAN PUSTAKA 2.1 Penyakit Kulit Penyakit kulit

BAB II
TINJAUAN PUSTAKA
2.1 Penyakit Kulit
Penyakit kulit adalah penyakit infeksi yang paling umum, terjadi pada
orang-orang dari segala usia. Gangguan pada kulit sering terjadi karena ada faktor
peyebabnya, antara lain yaitu iklim, lingkungan, tempat tinggal, kebiasaan hidup
kurang sehat, alergi dan lain lain. Sebagian besar pengobatan infeksi kulit
membutuhkan waktu lama untuk menunjukkan efek. Masalahnya menjadi lebih
mencemaskan jika penyakit tidak merespon terhadap pengobatan. Tidak banyak
statistik yang membuktikan bahwa frekuensi yang tepat dari penyakit kulit,
namun kesan umum sekitar 10-20 persen pasien mencari nasehat medis jika
menderita penyakit pada kulit. Matahari adalah salah satu sumber yang paling
menonjol dari kanker kulit dan trauma terkait.
Penyakit kulit untuk sebagian orang terutama wanita akan menghasilkan
kesengsaraan, penderitaan, ketidakmampuan sampai kerugian ekonomi. Selain itu,
mereka menganggap cacat besar dalam masyarakat. Namun akibat kemajuan
teknologi dan perkembangan ilmu kedokteran bekas luka kulit dapat berhasil
dilepas dengan perencanaan plastik, terapi laser, pencangkokan kulit dan lain
sebagainya. Gejala-gejala penyakit pada kulit dapat menjadi parah jika tidak
diobati, kadang-kadang bahkan menyakitkan. Beberapa penyakit radang kulit
dapat menyebabkan jaringan parut dan pengrusakan. Gejala-gejala penyakit kulit
pun perlu dirawat untuk mengontrol tingkat keparahan dan perkembangannya.
2.2 Sistem Pakar
Secara umum, sistem pakar (expert system) adalah sistem yang berusaha
mengadopsi
pengetahuan
manusia
ke
komputer,
agar
komputer
dapat
menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar
yang baik dirancang agar dapat menyelelasikan suatu permasalahan tertentu
dengan meniru kerja dari para ahli. Dengan sistem pakar ini, orang awampun
dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat
11
12
diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga akan
membantu aktivitasnya sebagai asisten yang sangat berpengalaman.
Ada beberapa definisi tentang sistem pakar, antara lain :
a. Menurut Durkin : Sistem pakar adalah suatu program komputer yang
dirancang untuk memodelkan kemampuan penyelesaian masalah yang
dilakukan seorang pakar.
b. Menurut Ignizio : Sistem pakar adalah suatu model dan prosedur yang
berkaitan, dalam suatu domain tertentu, yang mana tingkat keahliannya
dapat dibandingkan dengan keahlian seorang pakar.
c. Menurut Giarratano dan Riley : Sistem pakar adalah suatu sistem
komputer yang bisa menyamai atau meniru kemampuan seorang pakar.
Gambar 2. 1 Struktur Sistem Pakar
2.3 Case-Based Reasoning
Secara singkat Case-Based Reasoning (CBR) didefinisikan sebagai sebuah
metodologi untuk penyelesaian masalah dengan memanfaatkan pengalaman
sebelumnya [Main dkk, 2001]. Case-Based Reasoning (CBR) merupakan
sebuah paradigma utama dalam penalaran otomatis (automated reasoning) dan
mesin pembelajaran (machine learning). Di dalam CBR, seseorang yang
melakukan
penalaran dapat
menyelesaikan
masalah
baru dengan
memperhatikan kesamaannya dengan satu atau beberapa penyelesaian dari
permasalahan sebelumnya.
13
Secara singkat, tahap-tahap penyelesaian masalah berbasis CBR adalah
sebagai berikut : [Mantaras dkk, 2006]
a. Pengambilan kembali kasus-kasus yang sesuai dari memori (hal ini
membutuhkan
pemberian
indeks
terhadap
kasus-kasus
dengan
menyesuaikan fitur-fiturnya).
b. Pemilihan sekelompok kasus-kasus yang terbaik.
c. Memilih atau menentukan penyelesaian.
d. Evaluasi
terhadap
penyelesaian
(hal
ini
dimaksudkan untuk
meyakinkan agar tidak mengulang penyelesaian yang salah)
e. Penyimpanan penyelesaian kasus terbaru dalam penyimpan kasus/memori.
f. Sesuai dengan tahap-tahap tersebut, Aamodt dan Plaza [Aamodt dan
Plaza, 1994] menjelaskan sebuah CBR sebagai sebuah
siklus
yang
disingkat 4R yaitu, Retrieve, Reuse, Revise dan Retain.
2.4 Jenis Data
Data merupakan kumpulan angka atau huruf hasil dari penelitian terhadap
sifat/karakteristik yang kita teliti. Isi data pada umumnya bervariasi sehingga
muncul istilah variabel. Jadi variabel merupakan karakteristik yang nilai datanya
bervariasi dari satu pengukuran ke pengukuran berikutnya.
Menurut skala pengukurannya, variabel dibagi 4 yaitu data nominal, ordinal
interval, dan rasio.
Dalam analisis seringkali digunakan pembagian data/variabel menjadi dua
kelompok, yaitu : data katagorik dan data numerik.
2.4.1 Katagorik (Kualitatif)
Data katagorik merupakan data hasil pengklasifikasian/ penggolongan
suatu data. Contoh: sex, jenis pekerjaan, pendidikan. Variabel kategorik pada
umumnya berisi variabel yang berskala nominal dan ordinal.
a. Nominal
Variabel yang hanya dapat membedakan nilai datanya dan tidak tahu nilai
data mana yang lebih tinggi atau rendah. Contoh : jenis kelamin, suku.
14
b. Ordinal
Variabel yang dapat membedakan nilai datanya dan juga sudah diketahui
tingkatan lebih tinggi atau lebih rendah, tapi belum diketahui besar beda
antar nilai datanya. Contoh : pendidikan, pangkat, stadium penyakit.
2.4.2 Numerik (Kuantitatif)
Data numerik merupakan variabel hasil dari penghitungan dan
pengukuran. Variabel numerik dibagi dua macam : diskrit dan kontinyu. Diskrit
merupakan variabel hasil dari penghitungan. Misalnya jumlah anak, jumlah pasien
tiap ruang. Kontinyu merupakan variabel hasil dari pengukuran, misalnya tekanan
darah, kadar Hb. variabel numerik berisi variabel yang berskala interval dan rasio.
Dalam analisis statistik seringkali data numerik dirubah ke dalam data kategorik
dengan cara dilakukan pengelompokan/pengklasifikasian.
a. Interval
Variabel yang dapat dibedakan, diketahui tingkatannya dan diketahui juga
besar beda antar nilainya. Namun pada variabel interval belum diketahui
kelipatan suatu nilai terhadap nilai yang lain dan pada skala interval tidak
mempunyai titik nol mutlak. Contoh : suhu.
b. Rasio
Variabel yang bisa dibedakan, ada tingkatan, ada besar beda, dan ada
kelipatannya serta ada nol mutlak. Contoh : berat badan.
Penelitian Analisis penskalaan multidimensional merupakan analisis
eksplorasi data multivariat bersifat kualitatif yang menggunakan data non-metrik.
Dengan begitu suatu format fungsional sangat berkaitan erat dengan menghitung
jarak. Prosedur penskalaan multidimensional non-metrik secara langsung
menghubungkan dekatnya dan jarak itu diukur dalam bentuk linear. Data
kualitatif yang digunakan adalah data ordinal. (Yuliana, 2015).
2.5 K-Nearest Neighbor
Algoritma K-Nearest Neighbor merupakan pendekatan untuk mencari
kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu
berdasarkan pada pencocokan bobot dari sejumlah fitur yang ada. Algoritma ini
sering digunakan untuk klasifikasi. Ada beberapa pendekatan yang dapat
15
digunakan untuk mencari kesamaan fitur dalam proses klasifikasi menggunakan
algoritma K-Nearest Nighbor yaitu Distance-Based Similarity Measure yang
merupakan sebuah teknik untuk mengukur tingkat kesamaan dua buah objek dari
segi jarak geometris dari variable-variabel yang tercakup di dalam kedua objek
tersebut. Pendekatan menggunakan jarak yang dapat digunakan adalah Euclidean
Distance dan Manhattan Distance, serta sebuah Adaptive Distance Measure yang
merupakan sebuah teknik pengukuran jarak baru yang di adaptasi dari Euclidean
Distance dengan menggunakan radius.
Berikut adalah rumus dari masing-masing Distance-Based Similarity Measure:
a. Euclidean Distance
( , )= ∑
−
........................................ (1)
b. Manhattan Distance
( , )=∑
−
..............................................(2)
c. Adaptive Distance Measure
( ,
= min
Keterangan :
: Kasus Baru
: Kasus Lama
: Indeks Kasus
: Indeks Atribut Gejala
: Dengan Jumlah Atribut = 34
: Indeks Radius
: Indeks Kasus Lama
: Epsilon = 0,001
)=
( ,
)
.........................................(3)
( , ) − .......................................(4)