bab i pendahuluan - Universitas Dian Nuswantoro

BAB I
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi informasi sekarang ini berjalan dengan
sangat cepat dan memegang peranan panting dalam berbagai aspek.
Kemampuan
dalam
menyimpan
dan
mengingat
informasi
dapat
dimanfaaatkan tanpa harus bergantung pada manusia. Dengan menyimpan
informasi dan himpunan anatara penalaran yang memadai memungkinkan
komputer memberikan kesimpulan atau mengambil keputusan yang
kualitasnya sama dengan kemampuan seorang pakar bidang keilmuan
tertentu.
Dalam bidang kedokteran, saat ini sudah memanfaaatkan teknologi
komputer yaitu sistem pakar untuk meningkatkan pelayanan yang lebih baik
kepada masyarakat. Sistem pakar adalah suatu sistem yang dirancang untuk
dapat menirukan keahlian seorang pakar dalam menjawab pertanyaan dan
memecahkan suatu masalah. Dengan bantuan sistem pakar seseorang yang
bukan pakar dapat menjawab pertanyaan, menyelesaikan masalah serta
mengambil keputusan yang biasanya dilakukan oleh seorang pakar. Sebagai
contoh dapat memberikan informasi yang akurat tentang keluhan
masyarakat atau pasien yang menderita suatu penyakit dan dapat
memberikan kesimpulan penyakit apa saja yang di derita oleh pasien
tersebut, misalnya penyakit epilepsi yang diderita.
Penyakit epilepsi yaitu jenis penyakit yang ada dalam otak atau pada
sel saraf, kondisi ini dapat mengakibatkan seseorang mengalami kejang
secara berulang. Kerusakan dan perubahan di dalam otak diketahui sebagai
penyebab pada sebagian kecil kasus epilesi. Namun pada sebagian besar
kasus yang pernah terjadi penyebab pastinya masih belum diketahui. Di
1
2
dalam otak manusia terdapat neuron sel-sel syaraf yang merupakan bagian
dari sistem saraf. Setiap sel saraf saling berkomunikasi dengan
menggunakan implus listrik. Penyakit epilepsi digolongkan dalam sindrom
otak yang kronis dengan bermacam-macam etiologi yang menpunyai ciri
adanya serangan parosismal dan berakibatnya terlepasnya muatan neuron
otak secara berlebihan dengan berbagai manifestasi klinik serta laboratik
[1].
Menurut data WHO (World Health Organization) menunjukkan
epilepsi menyerang 70 juta dari penduduk dunia. Epilepsi dapat terjadi pada
siapa saja di seluruh dunia tanpa batasan ras dan sosial ekonomi. Angka
kejadian epilepsi masih tinggi terutama di negara berkembang yang
mencapai 114 per 100.000 penduduk per tahun. Angka tersebut tergolong
tinggi dibandingkan dengan negara yang maju dimana angka kejadian
epilepsi berkisar antara 24-53 per 100.000 penduduk per tahun. Angka
prevalensi penderita epilepsi aktif berkisar antara 4-10 per 1000 penderita
epilepsi. Jumlah penduduk Indonesia berkisar 220 juta, maka diperkirakan
jumlah penderita epilepsi baru 250.000 per tahun. Dari berbagai studi
diperkirakan prevalensi epilepsi berkisar antara 0,5-4%. Rata-rata
prevalensi epilepsi 8,2 per 1000 penduduk. Prevalensi epilepsi pada bayi
dan anak-anak cukup tinggi, sedangkan pada dewasa muda dan pertengahan
mengalami penurunan, kemudian meningkat lagi pada kelompok usia lanjut
[2].
Ilmu matematika Modern dengan bantuan seorang pakar dapat
dijadikan suatu sistem yang mampu menghitung besarnya kemungkinan
keberadaan suatu penyakit. Sistem pakar merupakan suatu program untuk
meniru penalaran seorang pakar dengan keahlian pada suatu pengetahuan
tertentu, misalnya akan membantu dokter untuk melakukan diagnosa
terhadap pasien dengan lebih cepat, efektif dan efisien. Hal ini dapat
mengurangi kesalahan dalam menetukan suatu jenis penyakit. Ada beberapa
metode yang dapat digunakan dalam sistem pakar antara lain sebagai
berikut [3]:
3
1. Analytical hierarchy Process (AHP): metode yang tekniknya
menganalisa suatu variabel dan membentuknya menjadi sebuah hiraki.
2. Dept first Search (DFS): melakukan penelusuran secara mendalam dari
simpul akar bergerak turun ke tingkat dalam yang berurutan.
3. Breadth First Search (BFS): melakukan pencarian dimulai dari simpul
akar yang ada pada setiap tingkat diuji sebelum pindah ketingkat
selanjutnya.
4. Forward Chaining (pelacakan ke depan): memulai dari awal atau dengan
sekumpulan data menuju kesimpulan di belakang..
5. Backward Chaining (pelacakan ke belakang): kebalikan dari pelacakan
kebelakang, memulai dari penalaran atau hipotesa menuju fakta-fakta
pendukung.
6. Certainty Factor (Faktor kepastian): menganalisis informasi yang ada
dengan ungkapan seperti mungkin, kemungkinan besar, hampir pasti
dan pasti.
7. Fuzzy Tsukamoto: metode penarikan kesimpulan setiap konsukuen
pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan
suatu himpunan sama dengan fungsi keanggotaan yang mononton.
8. Fuzzy Mamdani: metode yang sering digunakan dalam aplikasi karena
strukturnya yang sederhana, yaitu menggunakan operasi MIN-MAX
atau MAX-PRODUCT.
9. Fuzzy Sugeno: penalaran metode ini hampir sama dengan mamdani,
hanya hasil konsekuen sistem tidak berupa himpunan fuzzy melainkan
berupa konstanta atau persamaan linier.
10. Naive Bayes: asumsi yang sangat kuat akan independensi dari masingmasing kondisi atau kejadian.
Semua metode sistem pakar memiliki kelebihan dan kekeurangan
masing-masing serta memiliki tingkat akurasi yang tinggi. Alasan
menggunakan metode navie bayes dalam penarikan kesimpulan sistem
pakar ini karena memiliki tingkat akurasi yang baik dibanding metode lain.
Metode navie bayes sangat cocok karena sistem pakar penyakit epilepsi ini
4
memiliki data yang banyak sehingga memberikan kemudahan dalam
menghitung serta menentukan kemungkinan jenis dan gejala penyakit yang
ditimbulkan.
Naive
bayes
mempunyai
karakteristik
seperti
menghitung
kemungkinan epilepsi untuk hipotesis menambah atau mengurangi tingkat
kebenaran suatu hipotesis dan bisa menggabungkan pengetahuan
sebelumnya dengan data uji coba, memprediksi banyak hipoteis sesuai
beban probabilitas yang dihasilkan, dan terukur sebagai standar untuk
metode klasifikasi lainnya.
Dari penelitian sebelumnya yang berjudul ”sistem pakar diagnosa
penyakit mata menggunakan metode naive bayes” yang ditulis oleh
Wahyudi Setiawan dan Sofie Ratnasari. Penelitian ini membahas tentang
aplikasi sistem pakar untuk mendiagnosis penyakit mata. Data yang
digunakan untuk penelitian terdiri dari 52 gejala dan 15 penyakit mata.
Sistem pakar yang dibangun menggunakan metode naive bayes classifier.
Terdapat dua tahapan kerja dari aplikasi ini. Pertama, sistem meminta
pasien untuk menginputkan gejala-gejala yang dialami. Kedua, sistem akan
secara otomatis menampilkan hasil diagnosis dari penyakit mata yang
diderita oleh pasien melalui
perhitungan naive bayes classifier. Hasil
diagnosis sistem selanjutnya dibandingkan dengan hasil diagnosis dari
pakar sebenarnya. Ujicoba sistem menggunakan data sebanyak 12 pasien
penyakit mata. Dari hasil percobaan, prosentase kesesuaian diagnosis
sebesar 83%. Dari penelitian tersebut di ambil kesimpulan bahwa metode
naive bayes sangat cocok digunakan untuk membantu mendiagnosa suatu
penyakit dikarenakan mempunyai asumsi tingkat akurasi yang tinggi dan
menggunakan data yang valid [4].
Kekurangan metode naive bayes adalah asumsi independence antar
atribut membuat akurasi berkurang karena biasanya ada keterkaitan. Oleh
karena itu sistem pakar sangat penting dalam membantu memecahkan
masalah di bidang-bidang spesialisasi tertentu, khususnya dalam
mempermudah dan mempercepat proses mendiagnosa penyakit epilepsi
5
untuk mendapatkan solusi pencegahan terbaik maka penulis melakukan
penelitian dan memcoba merancang, membangun serta menunangakannya
dalam bentuk tugas akhir yang berjudul “Sistem Pakar Diagnosa Penyakit
Epilepsi Menggunakan Metode Naive Bayes Classifier”.
1.2 Rumusan Masalah
Mengacu pada latar belakang masalah, maka dapat dirumuskan
permasalahan penelitian yaitu bagaimana sistem pakar mampu membantu
mendiagnosa jenis dan gejala penyakit epilepsi yang di alami oleh penderita
dan menggunakan metode navie bayes sebagai penarikan kesimpulan
terhadap penyakit epilepsi.
1.3 Batasan Masalah
Agar tidak terlepas dari maksud dan tujuan maka penulis akan
membatasi pokok permasalahan pada sebagai berikut:
1. Sistem pakar ini hanya membahas diagnosa penyakit epilepsi
berdasarkan jenis dan gejala-gejalanya serta solusi penanganan dari
penyakit tesebut.
2. Metode yang digunakan adalah metode navie bayes.
3. Perancangan sistem ini menggunakan bahasa pemrograman PHP
dan database MySQL.
4. Data yang digunakan untuk penelitian ini terdiri dari 72 gelaja dan
12 jenis penyakit epilepsi.
1.4 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah menerapkan metode naive
bayes pada sistem pakar penyakit epilepsi untuk mendapatkan hasil
kesimpulan sehingga dapat mempermudah bagi penderita penyakit epilepsi
dalam mengetahui jenis dan gejala yang dialami dan dapat melakukan
penanganan lebih lanjut terhadap penyakit ini.
6
1.5 Manfaat Penelitian
Dari penelitian tugas akhir ini diharapkan dapat berguna bagi semua
pihak, antara lain sebagai berikut:
1. Bagi Penulis
a. Melengkapi tugas dan syarat kelulusan Strata-1 jurusan Teknik
Informatika
Fakultas
Ilmu
Komputer Universitas Dian
Nuswantoro.
b. Menambah wawasan, pengetahuan pengalaman dan dapat
menguji kemampuan peneliti untuk membuat suatu sistem
pakar.
c. Menerapkan ilmu yang telah didapat dari studi atau bangku
kuliah secara langsung mulai dari penganalisa sistem atas dasar
spesifikasi sampai pembuatan perangkat lunaknya.
2. Bagi Universitas Dian Nuswantoro
a. Dalam laporan tugas akhir ini diharapkan dapat menjadi acuan
universitas untuk mengukur tolak ukur keberhasilan mahasiswa
dalam pemahaman selama di bangku kuliah.
b. Dapat mengtahui korelasi antara ilmu yang diberikan di bangku
kuliah dengan kondisi industri kenyataannya.
c. Sebagai bahan evaluasi di bidang akademik untuk perbaikan
kurikulum.
d. Dapat dijadikan referensi bagi mereka yang akan melakukan
penelitian dalam bidang dan tema yang berbeda.
3. Bagi User (Pengguna)
a. Memberikan
kemudahan
kepada
orang
awam
untuk
mendiagnosa penyakit epilepsi.
b. Bagi penderita dan masyarakat selaku user bisa menggunakan
sistem ini agar dapat mengetahui lebih dini jenis dan gejalagejala penyakit epilepsi.
7
c. Dapat melakukan penanganan lebih lanjut terhadap penyakit ini
setelah mengetahui jenis dan gejala penyakit epilepsi yang
dialami.