artificial intelligence

advertisement
BAB 2
TINJAUAN PUSTAKA
2.1 Landasan Teori
2.1.1 Kecerdasan Buatan
Kecerdasan buatan (artificial intelligence) adalah salah satu cabang ilmu
pengetahuan perpaduan antara science dan engineering. Kecerdasan buatan pada
dasarnya bertumpu pada dua dimensi yakni proses berpikir dan penalaran untuk
bertindak atau berperilaku seperti manusia (Russell dan Norvig, 2010: 5).
Kecerdasan buatan sangatlah berbeda dengan program konvensional sebab
kecerdasan buatan mampu melakukan penalaran terhadap data yang tidak
komplit dan mempelajari serta beradaptasi pada lingkungannya. Dalam
kecerdasan buatan, sebuah simbol dapat berupa kalimat, kata atau angka yang
digunakan untuk merepresentasikan obyek, proses, dan hubungannya. Obyek
dapat berupa manusia, ide, konsep atau pernyataan dari suatu fakta. Proses
digunakan untuk memanipulasi simbol untuk menghasilkan saran atau solusi.
Kemampuan penalaran dan pengambilan keputusan secara tepat membuat
kecerdasan buatan berbeda dari pemrograman konvensional.
2.1.1.1 Konsep Kecerdasan Buatan
Ada beberapa konsep yang harus dipahami dalam kecerdasan buatan antara
lain (Russell dan Norvig, 2010: 8):
1. Turing test – Metode Pengujian Kecerdasan
Turing test merupakan sebuah metode pengujian kecerdasan yang dibuat
oleh Alan Turing. Proses uji ini melibatkan seorang penanya (manusia) dan
dua obyek yang ditanyai. Yang satu adalah seorang manusia dan satunya
adalah sebuah mesin yang akan diuji.
2. Pemrosesan Simbolik
Komputer semula didesain untuk melakukan pemrosesan numerik. Sifat
penting dari kecerdasan buatan adalah bahwa kecerdasan buatan merupakan
bagian dari ilmu komputer yang melakukan proses secara Simbolik dan Nonalgoritmik dalam penyelesaian masalah.
7
8
3. Heuristic
Heuristic merupakan suatu strategi untuk melakukan proses pencarian
(search) ruang problem secara selektif, yang memandu proses pencarian yang
kita lakukan sepanjang jalur yang memiliki kemungkinan sukses paling besar.
4. Penarikan Kesimpulan (Inferencing)
Kecerdasan buatan mencoba membuat mesin memiliki kemampuan
berpikir
atau
mempertimbangkan
(reasoning).
Kemampuan
berpikir
(reasoning) termasuk didalamnya proses penarikan kesimpulan (inferencing)
berdasarkan fakta-fakta dan aturan dengan menggunakan metode heuristic
atau pencarian lainnya.
5. Pencocokan Pola (Pattern Matching)
Kecerdasan Buatan bekerja dengan metode pencocokan pola (Pattern
Matching) yang berusaha untuk menjelaskan objek, kejadian (event) atau
proses, dalam hubungan logika atau komputasional.
2.1.1.2 Lingkup Kecerdasan Buatan pada Aplikasi
Pesatnya
perkembangan
teknologi
informasi
dan
komunikasi
menyebabkan adanya perluasan lingkup kecerdasan buatan pada aplikasi
untuk mempermudah kehidupan manusia. Tuntutan terhadap kecerdasan kini
adalah kemampuan untuk belajar atau mengerti dari pengalaman, memahami
pesan yang kontradiktif dan ambigu, menanggapi dengan cepat dan baik atas
situasi yang baru, menggunakan penalaran dalam memecahkan masalah serta
menyelesaikan dengan efektif (Poole dan MackWorth, 2010:6).
Lingkup utama dalam kecerdasan buatan adalah:
1. Sistem Pakar (Expert System)
Disini komputer digunakan sebagai sarana untuk menyimpan
pengetahuan para pakar. Dengan demikian komputer akan memiliki
keahlian untuk menyelesaikan permasalahan dengan meniru keahlian
yang dimiliki oleh pakar.
2. Pengolahan Bahasa Alami (Natural Language Processing)
Dengan pengolahan bahasa alami ini diharapkan user dapat
berkomunikasi dengan komputer dengan menggunakan bahasa
sehari-hari.
3. Genetic Algorithms
9
Merupakan algoritma adaptif yang memiliki kemampuan untuk
belajar,
umumnya
digunakan
dalam
mesin
pencarian
dan
optimalisasi.
4. Intelligent Computer-Aided Instruction
Komputer dapat digunakan sebagai tutor yang dapat melatih dan
sebagai media belajar-mengajar intuitif.
5. Computer Vision
Interpretasi serta representasi gambar atau objek-objek tampak
melalui komputer.
6. Robotika & Sistem Sensor (Robotics & Sensory Systems).
7. Neural Network
Mengenai simulasi cara belajar otak manusia pada mesin melalui
kombinasi pengenalan pola, penalaran deduktif dan komputasi
numeric.
2.1.2 Sistem Pakar
Sistem pakar adalah sistem komputer yang didesain sedemikian rupa
sehingga dapat berperan selayaknya pakar untuk menyelesaikan suatu masalah
tertentu. Sebuah sistem pakar disebut sebagai sebuah sistem karena didalamnya
terdapat beberapa komponen seperti knowledge base, inference mechanisms,
explanation facility dan lain sebagainya. Semua komponen yang berbeda ini
saling berinteraksi satu sama lainnya dalam simulasi proses penalaran untuk
memecahkan masalah dengan pengetahuan pakar yang dimiliki (Poole dan
MackWorth, 2010:24).
Sistem pakar dianggap sebagai salah satu representasi dalam pengetahuan
komputer berdasarkan komponen dari keterampilan dan pengalaman pakar yang
disusun sedemikian rupa hingga membentuk rangkaian peraturan dalam sebuah
sistem yang dapat menawarkan pemecahan masalah secara cerdas. Salah satu
kelebihan akan kemampuan dari sistem pakar itu sendiri didapat dari permintaan
untuk membenarkan penalaran secara langsung sehingga dapat langsung
diterapkan dalam sebuah penyelidikan (Kendall dan Creen, 2007:32).
Seorang ahli selain memiliki latar belakang pengetahuan spesialis, juga
mengandalkan pengalaman yang diperolehnya selama praktisi. Oleh karena itu,
masalah penalaran untuk mencapai sebuah kesimpulan serta perilaku pemecahan
10
tidak dapat dilakukan dengan menggunakan algoritma konvensional yang
sederhana. Pengalaman dapat dianggap sebagai semacam pengetahuan khusus
diciptakan oleh interaksi yang kompleks peraturan dan keputusan. Dengan
demikian sistem pakar disebut juga sebagai Knowledge Based Rules (Hemmer,
2008:27).
2.1.2.1 Sejarah
Sistem pakar mulai dikembangkan pada tahun 1960 oleh Artificial
Intelligence Corporation. Penelitian artificial intelligence ini didominasi oleh
suatu keyakinan bahwa nalar yang digabung dengan komputer canggih akan
menghasilkan prestasi pakar atau bahkan manusia super. General Purpose
Problem-Solver (GPS) merupakan sistem pakar yang pertama kali muncul dan
dikembangkan oleh Allen Newell, John Cliff Shaw, dan Herbert Alexander
Simon dari Logic Theorist. GPS sendiri merupakan sebuah predecessor menuju
sistem pakar.
Pada pertengahan tahun 1960-an, terjadi pergantian dari program serba
bisa (general purpose) ke program yang spesialis (special-purpose) dengan
dikembangkannya DENDRAL oleh E. Feigenbaum dari Universitas Stanford.
Sistem pakar untuk melakukan diagnosis kesehatan telah dikembangkan sejak
pertengahan tahun 1970. Sistem pakar untuk melakukan diagnosis pertama
dibuat oleh Bruce Buchanan dan Edward Shortliffe di Stanford University.
Sistem ini diberi nama MYCIN (Russell dan Norvig, 2010: 16).
MYCIN adalah aturan berbasis sistem pakar yang memberikan saran terapi
untuk jenis tertentu dari penyakit menular. MYCIN merupakan program
interaktif yang melakukan diagnosis penyakit meningitis dan infeksi bakteri
serta memberikan rekomendasi terapi antimikroba. MYCIN mampu memberikan
penjelasan atas penalarannya secara detail. Meskipun MYCIN tidak pernah
digunakan secara rutin oleh dokter, MYCIN merupakan referensi yang bagus
dalam penelitian kecerdasan buatan yang lain.
2.1.2.2 Struktur dan Elemen
Empat komponen utama sistem pakar menurut Hemmer (2008:29) yaitu
basis pengetahuan (knowledge base), working memory, inference engine dan
user interface.
11
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa
representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta
dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi.
Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang
sudah diketahui. Menurut Hemmer (2008:29), basis pengetahuan merupakan
representasi dari seorang pakar, yang kemudian dapat dimasukkan kedalam
bahasa pemrograman khusus untuk kecerdasan buatan (misalnya PROLOG
atau LISP) atau shell sistem pakar (misalnya EXSYS, PC-PLUS, CRYSTAL,
dsb.)
2. Working Memory
Working memory terdiri atas semua fakta yang diperlukan, dimana
fakta-fakta tersebut digunakan untuk memenuhi kondisi dari kaidah-kaidah
dalam sistem. Working memory menyimpan semua fakta, baik fakta awal
pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada
saat proses penarikan kesimpulan sedang dilaksanakan. Working memory
digunakan untuk menyimpan data hasil observasi dan data lain yang
dibutuhkan selama pemrosesan.
3. Inference Engine
Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin
inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi,
berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi
terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta
yang disimpan dalam basis pengetahuan dalam rangka mencapai solusi atau
kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi
penalaran dan strategi pengendalian.
Strategi penalaran terdiri dari strategi penalaran pasti (exact
reasoning) dan strategi penalaran tak pasti (inexact reasoning). Exact
reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik
suatu kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada
keadaan sebaliknya.
Terdapat ada dua teknik utama yang digunakan dalam inference engine
untuk menguji aturan, yaitu penalaran maju (forward chaining) dan penalaran
mundur (backward chaining) (Poole dan MackWorth, 2010:33).
12
a.
Forward Chaining
Pada dasarnya menggunakan pola data driven, artinya sistem
dimulai dengan memberikan inisialisasi awal elemen dalam working
memory dan terus menerapkan aturan sampai tidak ada aturan yang
dapat diterapkan atau tujuan telah tercapai. Akibatnya, sistem ini
bergerak maju dari kondisi saat ini menuju goal state. Tugas-tugas
untuk perencanaan, desain dan sintesis pada umumnya paling cocok
untuk forward chaining.
b.
Backward Chaining
Backward chaining menggunakan pola goal driven. Backward
chaining memecah sebuah masalah menjadi sub-masalah dan
pemecahan masing-masing dari tiap masalah tersebut. Artinya, tujuan
direduksi menjadi sub-tujuan dan setiap sub-tujuan berkurang jauh,
dan seterusnya, sampai mereka dipecahkan secara langsung.
4. User Interface
Fungsi dari user interface adalah untuk menyajikan pertanyaan dan
informasi kepada operator dan untuk memasok respon operator terhadap
inference engine (Shneiderman dan Plaisant, 2010:56). Setiap nilai
pengembangan alat untuk sistem pakar dimasukkan oleh pengguna harus
diterima dan diinterpretasikan oleh user interface.
User interface menginformasikan pengguna segala bentuk hasil proses
dari sistem pakar, merepresentasikannya dan mengkonfirmasikan kepada
pengguna bahwa apabila terjadi kesalahan maka harus diperbaiki.
2.1.2.3 Modul Penyusunan
Suatu sistem pakar disusun oleh tiga modul utama (Poole dan
MackWorth, 2010:7), yaitu:
1. Modul Penerimaan Pengetahuan (Knowledge Acquisition Mode)
Sistem berada pada modul ini, pada saat ia menerima pengetahuan dari
pakar. Proses mengumpulkan pengetahuan-pengetahuan yang akan
digunakan untuk pengembangan sistem, dilakukan dengan bantuan
knowledge
engineer.
Peran
knowledge
engineer
penghubung antara suatu sistem pakar dengan pakarnya.
2. Modul Konsultasi (Consultation Mode)
adalah
sebagai
13
Pada saat sistem berada pada posisi memberikan jawaban atas
permasalahan yang diajukan oleh user, sistem pakar berada dalam modul
konsultasi. Pada modul ini, user berinteraksi dengan sistem dengan
menjawab pertanyaan-pertanyaan yang diajukan oleh sistem.
3. Modul Penjelasan (Explanation Mode)
Modul ini menjelaskan proses pengambilan keputusan oleh sistem
(bagaimana suatu keputusan dapat diperoleh).
2.1.2.4 Teknik Representasi Pengetahuan
Representasi pengetahuan adalah suatu teknik untuk merepresentasikan
basis pengetahuan yang diperoleh ke dalam suatu skema/diagram tertentu
sehingga dapat diketahui relasi/keterhubungan antara suatu data dengan data
yang lain (Kendall dan Creen, 2007: 45). Teknik ini membantu knowledge
engineer dalam memahami struktur pengetahuan yang akan dibuat sistem
pakarnya.
Terdapat beberapa teknik representasi pengetahuan yang biasa digunakan
dalam pengembangan suatu sistem pakar, yaitu :
1. Rule-Based Knowledge
Pada penalaran berbasis aturan, pengetahuan direpresentasikan
dengan menggunakan aturan berbentuk: IF-THEN. Bentuk ini
digunakan apabila dimiliki sejumlah pengetahuan pakar pada suatu
permasalahan tertentu, dan si pakar dapat menyelesaikan masalah
tersebut secara berurutan. Disamping itu bentuk ini juga digunakan
apabila dibutuhkan penjelasan tentang jejak (langkah-langkah)
pencapaian solusi.
2. Frame-Based Knowledge
Pengetahuan direpresentasikan dalam suatu bentuk hierarki atau
jaringan frame
3. Object-Based Knowledge
Pengetahuan direpresentasikan sebagai jaringan dari obyek-obyek.
Obyek adalah elemen data yang terdiri dari data dan metode serta
proses.
4. Case-Based Reasoning
Pada penalaran berbasis kasus, basis pengetahuan akan berisi
14
solusi-solusi yang telah dicapai sebelumnya, kemudian akan
diturunkan suatu solusi untuk keadaan yang terjadi sekarang (fakta
yang ada). Bentuk ini digunakan apabila user menginginkan untuk
tahu lebih banyak lagi pada kasus-kasus yang hampir sama.
2.1.3 Decision Tree
Decision tree adalah alat pendukung keputusan yang menggunakan
struktur pohon hierarkis untuk mengklasifikasikan kelas berdasarkan
serangkaian pertanyaan (Kendall dan Creen, 2007: 57).
Menurut Poole dan Mackworth (2010:137), decision tree adalah
representasi sederhana dalam model mengklasifikasi. Dalam hal ini, decision
tree akan memprediksi dan memberikan output berupa hasil klasifikasi dari
input pengguna.
Decision tree terdiri dari 3 jenis node:
a. Node keputusan - umumnya diwakili oleh kotak
b. Node kesempatan - umumnya diwakili oleh lingkaran
c. Node akhir - umumnya diwakili oleh segitiga
Sebagai alat pendukung keputusan, decision tree dapat memberikan
keputusan yang efektif karena mempunyai beberapa keuntungan seperti:
- Mudah untuk dipahami dan ditafsirkan.
- Memiliki nilai walau hanya dengan data yang sedikit.
- Dapat dipadukan dengan teknik pengambilan keputusan lainnya.
- Membentangkan semua masalah sehingga semua kemungkinan dapat
diklasifikasikan.
- Memungkinkan untuk menganalisa dalam mengambil keputusan
mengenai kemungkinan dari alternatif.
- Menyediakan suatu kerangka kerja untuk mengukur hasil dari nilai
dan kemungkinan untuk mencapai keputusan.
- Membantu untuk membuat keputusan yang terbaik berdasarkan
informasi yang ada.
2.1.4 Thyroid
Thyroid adalah kelenjar endokrin manusia berbentuk menyerupai kupukupu yang terletak di bagian leher (De Groot dan Jameson, 2013). Lazimnya
15
dikenal sebagai kelenjar gondok. Kelenjar kecil yang memiliki peran besar ini
umumnya tidak kelihatan sehingga sering diabaikan.
Thyroid sendiri diatur oleh kelenjar lain yang berlokasi di otak,
disebut pituitari. Pada gilirannya, pituitari diatur sebagian oleh hormon thyroid
yang beredar dalam darah (suatu efek umpan balik dari hormon thyroid pada
kelenjar pituitari) dan sebagian oleh kelenjar lain yang disebut hipothalamus,
juga suatu bagian dari otak (De Groot dan Jameson, 2013).
Hipothalamus melepaskan suatu hormon yang disebut thyrotropin
releasing hormone (TRH), yang mengirim sebuah signal ke pituitari untuk
melepaskan thyroid stimulating hormone (TSH) (De Groot dan Jameson,
2013). Pada gilirannya, TSH mengirim sebuah signal ke thyroid untuk melepas
hormon-hormon thyroid. Jika aktivitas yang berlebihan dari yang mana saja
dari tiga kelenjar-kelenjar ini terjadi, suatu jumlah hormon-hormon thyroid
yang
berlebihan
dapat
dihasilkan, dengan
demikian
berakibat pada
hyperthyroid .
Angka atau kecepatan produksi hormon thyroid dikontrol oleh kelenjar
pituitari. Jika tidak ada cukup jumlah hormon thyroid yang beredar dalam
tubuh untuk mengizinkan fungsi yang normal, pelepasan TSH ditingkatkan
oleh pituitari dalam suatu usahanya untuk menstimulasi thyroid untuk
memproduksi lebih banyak hormon thyroid. Sebaliknya, ketika ada suatu
jumlah berlebihan dari hormon thyroid yang beredar, pelepasan TSH dikurangi
ketika pituitari mencoba untuk mengurangi produksi hormon thyroid.
Hormon-hormon thyroid diproduksi oleh kelenjar thyroid. Kelenjar
thyroid bertempat pada bagian bawah leher, dibawah jakun. Kelenjar
membungkus sekeliling saluran udara (trachea) dan mempunyai suatu bentuk
yang menyerupai kupu-kupu yang dibentuk oleh dua sayap (lobes) dan
dilekatkan oleh suatu bagian tengah (isthmus).
Kelenjar thyroid
mengambil yodium dari darah (yang kebanyakan
datang dari makanan-makanan seperti seafood, roti, dan garam) dan
menggunakannya untuk memproduksi hormon-hormon thyroid . Dua hormonhormon thyroid yang paling penting adalah thyroxine (T4) dan triiodothyronine
(T3) mewakili 99.9% dan 0.1% dari masing-masing hormon-hormon thyroid.
Hormon yang paling aktif secara biologis sebenarnya adalah T3. Sekali dilepas
16
dari kelenjar thyroid kedalam darah, suatu jumlah yang besar dari T4 dirubah
ke T3 - hormon yang lebih aktif yang mempengaruhi metabolisme sel-sel.
2.1.4.1 Anatomi Thyroid
Kelenjar thyroid merupakan organ yang bentuknya seperti kupu-kupu
dan terletak pada leher bagian bawah di sebelah anterior trakea. Kelenjar ini
merupakan kelenjar endokrin yang paling banyak vaskularisasinya,
dibungkus oleh kapsula yang berasal dari lamina pretracheal fascia profunda.
Kapsula ini melekatkan thyroid ke laring dan trakea (De Groot dan Jameson,
2013). Kelenjar ini terdiri atas dua buah lobus lateral yang dihubungkan oleh
suatu jembatan jaringan isthmus thyroid yang tipis dibawah kartilago
krikoidea di leher, dan kadang-kadang terdapat lobus piramidalis yang
muncul dari isthmus di depan laring.
Kelenjar thyroid terletak di leher depan vertebra cervicalis 5 sampai
thoracalis 1, terdiri dari lobus kiri dan kanan yang dihubungkan oleh isthmus.
Setiap lobus berbentuk seperti buah pir, dengan apeks di atas linea oblique
lamina cartilage thyroidea, dengan basis di bawah cincin trakea 5 atau 6.
Kelenjar thyroid mempunyai panjang ± 5 cm, lebar 3 cm, dan dalam keadaan
normal kelenjar thyroid pada orang dewasa beratnya antara 10 sampai 20
gram. Aliran darah kedalam thyroid per gram jaringan kelenjar sangat tinggi
(± 5 ml/menit/gram thyroid).
Gambar 2.1 Anatomi Kelenjar Thyroid Manusia
17
(sumber: Endocrinology Adult and Pediatric: The Thyroid Gland – De Groot dan
Jameson, 2013)
2.1.4.2 Hormon Kelenjar Thyroid
a.
Triiodothyronine
Hormon triiodothyronine yang merupakan asam amino dengan sifat
unik yang mengandung molekul iodium yang terikat pada asam amino ini
hanya mengandung tiga atom iodium saja dalam setiap molekulnya.
Hormon tiroksin juga di bentuk di jaringan perifer melalui deiodinasi T4.
Hormon triiodothyronine (T3) lebih aktif daripada hormon thyroxine (T4).
T4 dan T3 disintesis di dalam koloid melalui iodinasi dan kondensasi
molekul-molekul tirosin yang terikat pada linkage peptida dalam
triglobulin (De Groot dan Jameson, 2013). Kedua hormon ini tetap terikat
pada triglobulin sampai disekresikan. Sewaktu disekresi, koloid diambil
oleh sel-sel thyroid, ikatan peptida mengalami hidrolisis, dan T3 serta T4
bebas dilepaskan ke dalam kapiler.
Triiodotironin mempunyai afinitas yang lebih kecil terhadap protein
pengikat TBG dibandingkan dengan tiroksin, menyebabkan triiodotironin
lebih mudah berpindah ke jaringan sasaran. Faktor ini yang merupakan
alasan mengapa aktivitas metabolik triiodotironin lebih besar.
b.
Thyroxine
Hormon tiroksin (T4) mengandung empat atom iodium dalam setiap
molekulnya. Hormon ini disintesis dan disimpan dalam keadaan terikat
dengan protein di dalam sel-sel kelenjar thyroid; pelepasannya ke dalam
aliran darah terjadi ketika diperlukan. Kurang lebih 75% hormon thyroid
terikat dengan globulin pengikat-protein (TBG; thyroid-binding globulin).
Hormon thyroid yang lain berada dalam keadaan terikat dengan albumin
dan prealbumin pengikat thyroid. Bentuk T4 yang terdapat secara alami
dan turunannya dengan atom karbon asimetrik adalah isomer L. DTiroksin hanya memiliki sedikit aktivitas bentuk L (De Groot dan
Jameson, 2013).
18
2.1.4.3 Jenis Penyakit Thyroid
a.
Hyperthyroid
Hyperthyroid
adalah suatu kondisi dimana suatu kelenjar thyroid
yang terlalu aktif menghasilkan suatu jumlah yang berlebihan dari
hormon-hormon thyroid yang beredar dalam darah (Monaco, 2012).
Hyperthyroid direkomendasikan oleh beberapa tanda-tanda dan
gejala-gejala; bagaimanapun, pasien-pasien dengan penyakit yang ringan
biasanya tidak mengalami gejala-gejala. Pada pasien-pasien yang lebih tua
dari 70 tahun, tanda-tanda dan gejala-gejala yang khas mungkin juga tidak
terdapat. Pada umumnya, gejala-gejala menjadi lebih jelas ketika derajat
hyperthyroid meningkat. Gejala-gejala biasanya berkaitan dengan suatu
peningkatan kecepatan metabolisme tubuh.
Gejala-gejala umum termasuk (Monaco, 2012):
-
Keringat berlebihan
-
Ketidaktoleranan panas
-
Pergerakan-pergerakan usus besar yang meningkat
-
Gemetaran
-
Kegelisahan; agitasi
-
Denyut jantung yang cepat
-
Kehilangan berat badan
-
Kelelahan
-
Konsentrasi yang berkurang
-
Aliran menstrual yang tidak teratur dan sedikit
Pada pasien-pasien yang lebih tua, irama-irama jantung yang tidak
teratur dan gagal jantung dapat terjadi. Pada bentuk yang paling parahnya,
hyperthyroid yang tidak dirawat mungkin berakibat pada thyroid storm,
suatu istilah yang mengacu pada kondisi yang melibatkan tekanan darah
tinggi, demam, dan gagal jantung. Perubahan-perubahan mental, seperti
kebingungan.
Kelebihan
hormon
thyroid
akibat
hyperthyroid
menyebabkan
penebalan ventrikel kiri, yang berhubungan dengan peningkatan risiko
gagal jantung dan kematian yang berhubungan dengan jantung. Kondisi
19
kardiomiopati dilatasi, gagal jantung kanan dengan hipertensi pulmonal,
disfungsi diastolik dan atrial fibrilasi.
Peningkatan laju penuaan tulang pun terjadi pada kasus hyperthyroid
kronis, mengakibatkan berkurangnya kepadatan tulang dan keropos.
b. Grave’s Disease
Grave’s disease adalah penyakit autoimun yang menyebabkan
aktivitas kelenjar thyroid menyekresi hormon yang berlebihan. Penyakit
autoimun merupakan kondisi dimana sistem imun menyerang dan
menghancurkan jaringan sehat pada tubuh manusia (National Institutes of
Health, 2013).
Grave’s disease, dinamai berdasarkan Robert J. Graves, MD, sekitar
tahun 1830-an adalah penyakit autoimun akibat auto-antibodi yang
berlebihan. Thyroid-stimulating immunoglobulin (TSI) mengikat dan
mengaktifkan reseptor thyrotropin, menyebabkan kelenjar thyroid untuk
tumbuh dan folikel thyroid meningkatkan sintesis hormon thyroid.
Pada grave’s disease, sistem imun memberi signal pada kelenjar
thyroid untuk menghasilkan lebih banyak hormon daripada yang
dibutuhkan oleh tubuh manusia. Grave’s disease banyak dijumpai di
perempuan berumur duapuluh ke atas. Namun, grave’s disease dapat saja
menyerang siapa saja, termasuk laki-laki.
Pada beberapa pasien, penyakit Grave’s merupakan gejala awal dari
proses autoimun yang lebih luas, yang dapat menyebabkan disfungsi dari
beberapa organ. Penyakit Grave’s dikaitkan dengan vitiligo, diabetes
mellitus type I, kekurangan adrenal autoimun, sclerosis, sindrom Sjögren
dan rheumatoid arthritis.
Jika
tidak
diobati,
penyakit
Grave’s
dapat
menyebabkan
thyrotoxicosis parah. Suatu kondisi bernama thyroid storm yang
mengancam nyawa dapat terjadi. Jika berlangsung dalam waktu yang lama
dapat menyebabkan katabolisme tulang dan otot serta komplikasi jantung.
Gejala-gejala umum termasuk (Monaco, 2012):
- Penurunan berat badan secara tiba-tiba.
- Gelisah.
- Pembengkakan di area mata.
20
- Penglihatan ganda.
- Iritasi mata.
- Sensitif dengan cahaya.
- Mata yang terlihat seolah-olah melotot (exophthalmos).
c.
Plummer’s Disease
Plummer’s Disease atau yang dikenal juga sebagai toxic nodular
goiter merupakan penyakit kelenjar thyroid yang ditandai dengan
pembengkakan kelenjar thyroid (goiter). Berbeda dengan de quervain’s
thyroiditis, pembengkakan di plummer’s disease diakibatkan oleh
pertumbuhan nodul-nodul liar. Nodul-nodul inilah yang nantinya
memproduksi terlalu banyak hormon thyroid (National Institutes of Health,
2013).
Plummer’s Disease umumnya berasal dari goiter yang dibaikan.
Sering terjadi pada orang lanjut usia, dengan resiko terbesar ditemukan
pada wanita dan lanjut usia berumur 60 tahun keatas. Penyakit ini hampir
tidak pernah dijumpai di anak-anak.
Plummer’s disease merupakan kelenjar thyroid yang mengalami
percepatan aktivitas menyekresi hormon. Nama penyakit ini diambil dari
Henry Plummer pada tahun 1913 yang pertama kali mempelajarinya.
Penyakit ini menempati urutan kedua setelah Grave’s disease di negara barat.
Plummer’s disease menyerang banyak menyerang orang lanjut usia yang
mengalami defisiensi iodine.
Penderita
Plummer’s
disease
yang
berkelanjutan
dapat
mengakibatkan masalah yang berhubungan dengan hyperthyroid dan masalah
yang berkaitan dengan pertumbuhan nodul pada kelenjar thyroid. Masalah
yang ditimbulkan akibat pertumbuhan nodul, mencakup dyspnea (sesak
napas), suara serak, dan dysphagia (kesulitan menelan).
Walaupun termasuk ke dalam aktivitas produksi hormon thyroid yang
berlebihan, namun gangguan pada mata seperti yang terjadi di grave’s
disease tidak dijumpai di plummer’s disease. Karena pasien penyakit ini
kebanyakan adalah lanjut usia, maka harus diperhatikan dampak gejala
pada jantung.
Gejala-gejala umum termasuk (Monaco, 2012):
21
- Penurunan berat badan secara tiba-tiba.
- Peningkatan denyut jantung (palpitation).
- Penambahan nafsu makan.
- Diare.
- Getaran pada jari-jari.
- Pembengkakan pada leher (goiter).
d. De Quervain’s Thyroiditis
De Quervain’s Thyroiditis atau yang dikenal juga sebagai thyroiditis
sub-akut merupakan penyakit kelenjar thyroid yang ditandai dengan
pembengkakan kelenjar thyroid (goiter). Pembengkakan kelenjar thyroid
ini dapat terjadi selama beberapa minggu bahkan bulan sebelum kembali
normal (National Institutes of Health, 2013).
De Quervain’s thyroiditis atau yang juga dikenal sebagai subacute
granulomatous thyroiditis merupakan sumber paling umum penyebab rasa
sakit pada kelenjar thyroid. Peradangan pada kelenjar thyroid yang
memiliki siklus klinis paling bervariasi. Kebanyakan pasien memiliki rasa
sakit di daerah thyroid dan beberapa memiliki gejala sistemik.
Biasanya kondisi ini umumnya sembuh total pada pasien dengan
persentase
antara
90-95%.
Pengobatan
yang
berkelanjutan
tidak
dibutuhkan. Pada kebanyakan kasus, pasien merasakan intensitas gejala
yang tinggi di awal fase siklus klinis.
Penyebab De Quervain’s Thyroiditis diduga berasal dari infeksi virus,
terutama pada mereka yang baru saja sembuh dari infeksi saluran
pernapasan atas seperti influenza.
Gejala-gejala umum termasuk (Monaco, 2012):
- Penurunan berat badan secara tiba-tiba.
- Peningkatan denyut jantung (palpitation).
- Gelisah.
- Sulit tidur (insomnia).
- Pembengkakan pada leher (goiter).
- Rasa sakit pada area leher, rahang atau telinga (tender goiter).
- Rasa panas pada area leher, rahang atau telinga.
22
e.
Hypothyroid
Hypothyroid adalah suatu kondisi yang dikarakteristikan oleh
produksi hormon thyroid yang abnormal rendahnya (Monaco, 2012). Ada
banyak
kekacauan-kekacauan
yang
berakibat
pada
hypothyroid.
Kekacauan-kekacauan ini mungkin langsung atau tidak langsung
melibatkan kelenjar thyroid. Karena hormon thyroid mempengaruhi
pertumbuhan, perkembangan, dan banyak proses-proses sel, hormon
thyroid yang tidak memadai mempunyai konsekuensi-konsekuensi yang
meluas untuk tubuh.
Hypothyroid yang tidak memperoleh perawatan menyebabkan
perkembangan penyakit secara bertahap, memburuknya gejala dan
gangguan metabolik lebih lanjut. Pada akhirnya, hypothyroid yang tidak
diobati dapat menyebabkan koma atau bahkan kematian. Pada bayi dapat
menyebabkan keterbelakangan mental permanen.
Pada kebanyakan pasien, terapi hormon thyroid menunjukkan respon
positif dengan menringannya gejala hypothyroid. Dengan pengobatan,
angka vital manusia yang terkena dampak sekunder misalnya, tingkat
sirkulasi lipid dan kadar prolaktin yang tinggi pun akan membaik.
Gejala-gejala hypothyroid adalah seringkali tak kentara. Mereka
merupakan gejala tidak spesifik dan adalah seringkali dihubungkan pada
penuaan. Pasien-pasien dengan hypothyroid ringan mungkin tidak
mempunyai tanda-tanda atau gejala-gejala. Gejala-gejala umumnya
menjadi lebih nyata ketika kondisinya memburuk dan mayoritas dari
keluhan-keluhan ini berhubungan dengan suatu perlambatan metabolisme
tubuh.
Gejala-gejala umum antara lain (Monaco, 2012):
-
Kelelahan
-
Depresi
-
Kenaikkan berat badan yang sedang
-
Ketidaktoleranan dingin
-
Ngantuk yang berlebihan
-
Rambut yang kering dan kasar
23
-
Sembelit
-
Kulit kering
-
Kejang-kejang otot
-
Tingkat-tingkat kolesterol yang meningkat
-
Konsentrasi menurun
-
Sakit-sakit dan nyeri-nyeri yang samar-samar
-
Kaki-kaki yang bengkak
Ketika penyakit menjadi lebih berat, mungkin ada bengkak-bengak
sekeliling mata-mata, suatu denyut jantung yang melambat, suatu
penurunan temperatur tubuh, dan gagal jantung. Dalam bentuknya yang
amat besar, hipothyroid yang berat mungkin menjurus pada suatu koma
yang mengancam nyawa (myxedema coma) (Cooper, 2009). Pada seorang
yang mempunyai hipothyroid yang berat, suatu myxedema coma
cenderung dipicu oleh penyakit-penyakit berat, operasi, stres, atau luka
trauma. Kondisi ini memerlukan opname dan perawatan segera dengan
hormon-hormon thyroid yang diberikan melalui suntikan.
Pada sisi lain, hipothyroid yang tidak dirawat dapat menjurus pada
suatu pembesaran jantung (cardiomyopathy), gagal jantung yang
memburuk, dan suatu akumulasi cairan sekitar paru-paru (pleural effusion).
Ketika hypothyroid hadir, tingkat-tingkat darah dari hormon-hormon
thyroid dapat diukur secara langsung dan adalah biasanya berkurang.
Bagaimanapun, pada hypothyroid awal, tingkat dari hormon-hormon
thyroid (T3 & T4) mungkin adalah normal (Cooper, 2009). Oleh
karenanya, alat utama untuk mendeteksi hypothyroid adalah pengukuran
TSH, thyroid stimulating hormone. Seperti disebutkan lebih awal, TSH
dikeluarkan oleh kelenjar pituitari. Jika suatu penurunan hormon thyroid
terjadi, kelenjar pituitari bereaksi dengan memproduksi lebih banyak TSH
dan tingkat darah TSH meningkat dalam suatu usaha untuk memajukan
produksi hormon thyroid. Peningkatan TSH ini sebenarnya dapat
mendahului penurunan hormon-hormon thyroid berbulan-bulan atau
bertahun-tahun. Jadi, pengukuran TSH harus ditingkatkan pada kasuskasus hypothyroid .
Jika penurunan hormon thyroid sebenarnya disebabkan oleh suatu
kerusakkan dari pituitari atau hipothalamus, maka tingkat-tingkat TSH
24
rendahnya abnormal. Seperti dicatat diatas, macam dari penyakit thyroid
ini dikenal sebagai hypothyroid
sekunder. Suatu tes khusus, dikenal
sebagai tes TRH, dapat membantu membedakan apakah penyakitnya
disebabkan oleh suatu kerusakkan di pituitari atau di hypothalamus (Brent,
2010). Tes ini memerlukan suatu suntikan dari hormon TRH dan
dilakukan oleh seorang endocrinologist.
Kerja darah yang disebutkan diatas mengkonfirmasikan diagnosis
hypothyroid, namun tidak menunjuk pada suatu penyebab yang
mendasarinya. Suatu kombinasi dari sejarah klinis pasien, screening
antibodi (seperti disebutkan diatas), dan suatu thyroid scan dapat
membantu mendiagnosis persoalan yang mendasari thyroid yang tepat
lebih jelas (Brent, 2010). Jika penyebab pituitari atau hipothalamus
dicurigai, suatu MRI otak dan studi-studi lain mungkin dibenarkan.
Investigasi-investigasi ini harus dibuat pada suatu basis kasus per kasus.
f.
Hashimoto Thyroiditis
Hashimoto Thyroiditis atau yang dikenal juga sebagai thyroiditis
kronis merupakan penyakit kelenjar thyroid umum sebagai akibat reaksi
sistem disfungsi kekebalan yang dapat terjadi pada siapa saja terutama
wanita paruh-baya.
Hashimoto thyroiditis ditandai dengan kerusakan sel-sel thyroid oleh
berbagai sel dan proses kekebalan terhadap antibodi. Hashimoto thyroiditis
adalah salah satu dari jenis penyakit thyroid autoimun (AITDs).
Diagnosis Hashimoto thyroiditis pertama kali dijelaskan oleh Hakaru
Hashimoto, seorang ahli bedah Jepang yang bekerja di Berlin, Jerman.
Laporannya, yang dipublikasikan pada tahun 1912, didasarkan pada
pemeriksaan 4 kasus pasca operasi.
Penyakit ini bermula secara perlahan-lahan. Bahkan pada beberapa
kasus dibutuhkan waktu bertahun-tahun sebelum diketahui oleh penderita.
Sekitar 5% dari orang dewasa berumur 35 tahun hingga 55 tahun (National
Institutes of Health, 2013).
Hashimoto
Thyroiditis
dijumpai
di
beberapa
kasus
langka
berhunungan dengan penyakit endokrin lainnya seperti ketidakcukupan
25
adrenal dan diabetes type 1. Kasus komplikasi seperti demikian disebut
juga sebagai type 2 polygrandular autoimmune syndrome (PGA II).
Gejala-gejala umum termasuk (Monaco, 2012):
- Penambahan berat badan secara tiba-tiba.
- Konstipasi.
- Sakit persendian dan kram pada otot.
- Pembengkakan pada leher (goiter).
2.2 Related Works
2.2.1 Journal Reference
2.2.1.1 A Hybrid Decision Support Model to Discover Informative
Knowledge in Diagnosing Acute Appendicitis
A Hybrid Decision Support Model to Discover Informative Knowledge
in Diagnosing Acute Appendicitis adalah model sistem pakar penunjang
keputusan yang dikembangkan oleh lima orang berkebangsaan Korea yaitu
Chang SikSon, Byoung KukJang, Suk TaeSeo, Min SooKim & Yoon
NyunKim. Hasil penelitian mereka pertama kali diperkenalkan pada BMC
Medical Informatics and Decision Making pada tahun 2012.
Penelitian ini bertujuan untuk menemukan kombinasi peraturan yang
tepat untuk mengoptimalisasi hasil akurasi. Berdasarkan Chang et al. (2012),
usus buntu akut merupakan penyakit yang sering dijumpai di gawat darurat
divisi abdominal dengan tingkat kambuh sebesar 7% sepanjang hidup pasien
serta pembocoran lambung sebesar 17% hingga 20%. Diagnosis dokter
umumnya semata-mata berdasarkan sejarah penyakit yang pernah diderita
tanpa representasi statistik secara spesifik. Sehingga suatu model pendeteksi
usus buntu akut yang sederhana dan akurat diperlukan untuk menghindari
prosedur medis yang tidak diperlukan dan mengidentifikasi jenis terapi yang
tepat bagi pasien.
Metode yang digunakan penelitian ini merupakan gabungan analisis
statistik dan algoritma decision tree untuk mendeteksi penyakit usus buntu akut
pada tahap awal. Dengan sampel sebanyak 326 pasien yang memiliki gejala
sakit akut pada bagian perut. Pendekatan analisa statistik yang digunakan
sebagai proses seleksi dalam desain model pendukung pembuat keputusan
antara lain uji chi-square, uji pasti Fisher, Mann-Whitney U-test (p<0,01) dan
26
Wald forward logistic regression (kriteria entry-removal sebesar 0.01 dan
0.05). Dengan 55 variabel, 2 himpunan gejala ditemukan pada gejala awal usus
buntu akut.
Setelah disimpulkan gejala yang berhubungan tersebut, sebuah
algoritma decision tree. Pendekatan yang digunakan adalah representasi
pengetahuan pakar secara sederhana dan memfasilitasi derivasi penjelasan
untuk setiap kesimpulan yang telah disimpulkan. Hal ini esensial bagi aplikasi
medis. Algoritma dalam decision tree ini akan memilih node yang terbaik dari
beberapa kelas yang terpisah dalam data-data empiris gejala yang ada (Chang
et al., 2012).
Hasil penelitian ini menunjukkan model penunjang pengambilan
keputusan yang berdasarkan pada univariate analysis dengan model hybrid
meningkatkan persentase akurasi.
2.2.1.2 Prediction of Axillary Lymph Node Metastasis in Primary Breast
Cancer Patients Using a Decision Tree-Based Model
Axillary lymph node (AxLN) metastasis adalah salah satu faktor
prognosis yang paling penting pada pasien kanker payudara primer. AxLN
metastasis juga berfungsi memprediksi dapat atau tidakkah pasien dapat
bertahan hidup setelah perawatan medis. Satu-satunya cara untuk menentukan
status AxLN adalah melalui biopsi sentinel lymph node (SLN). Biopsi SLN ini
tergolong dalam prosedur medis yang invasif yakni adanya operasi pada
pasien sehingga memungkinkan timbulnya berbagai komplikasi, terutama
pada pasien lanjut usia. Oleh karena itu, pentingnya memprediksi AxLN
metastasis berdasarkan variabel klinis akan membantu para onkologis dalam
membuat keputusan yang tepat (Takada et al., 2012).
Data klinis yang dikumpulkan Takada et al. (2012) termasuk usia,
body mass index (BMI), status menopause dan berbagai gejala fisik sebagai
variabel prediktif. Kemudian variabel prediktif tersebut dikemas dalam nodenode di decision tree.
Tujuan penelitian ini adalah mengembangkan suatu model baru dalam
memprediksi AxLN metastasis pada pasien kanker payudara primer. Untuk
mencapai tujuan ini, peneliti menggunakan metode prediksi berbasis decision
tree yaitu alternating decision tree (ADTree). Aplikasi model prediksi ini
27
melalui
dataset
gejala-gejala
pada
database
yang
berperan
untuk
meningkatkan akurasi dan kemampuan generalisasi dalam proses pemilihan
node.
Melalui data klinis pasien kanker payudara primer yang menjalani
prosedur biopsi sentinel lymph dari 3 buah institusi dianggap sebagai 3 sampel
dari populasi yang berbeda sebanyak 465 (institut A, n = 148; institut B, n =
143; institut C, n = 174) digunakan sebagai variabel pilihan dalam model
training dan validasi eksternal (Takada et al., 2012).
Hasilnya kemudian dievaluasi menggunakan daerah dibawah kurva
analisis receiver operating characteristics (ROC) untuk menbedakan pasien
yang bernode positif dan pasien yang bernode negatif. Model yang
dikembangkan tersebut memiliki tigabelas node dengan total limabelas gejala
sebagai variabel prediktif. Kesimpulan penelitian Takada et al. (2012) adalah
prediksi yang akurat dapat dicapai walaupun memiliki serangkaian gejalagejala yang digunakan sebagai variabel prediktif apabila decision tree yang
dibuat mengunakan variabel prediktif independen.
2.2.1.3 Knowledge Based Expert System for Symptomatic Automated
Healthcare
Banyak masalah medis memiliki serangkaian data berlabel yang jika di
kemas secara sedemikian rupa dapat berupa himpunan yang berfungsi untuk
mendeteksi suatu penyakit (Soomro et al., 2011). Misalnya, onkologis
mengklasifikasikan tumor menjadi beberapa jenis melalui hasil biopsi, sejarah
penyakit pasien dan gejala fisik pasien. Untuk mencapai akurasi dan
kemudahan, maka perlunya suatu representasi pengetahuan yang dapat dengan
jelas mengklasifikasikan setiap gejala berdasarkan kelasnya.
Decision tree pada dasarnya adalah jenis klasifikasi yang cukup
sederhana namun efektif untuk mencapai kesimpulan yang ingin dicapai.
Sebuah decision tree mengklasifikasi dengan serangkaian pertanyaan mengenai
fitur-fitur yang berkenaan dengan himpunan kelas tertentu. Dalam medis,
contohnya, gejala-gejal fisik yang dirasakan pasien sebagai fitur dan penyakit
tertentu sebagai himpunan kelas.
Setiap pertanyaan merupakan sebuah node yang memiliki satu node
anak untuk setiap jawaban yang berkemungkinan. Sehingga rangkaian
28
pertanyaan tersebut membentuk hierarki yang dipresentasikan sebagai pohon.
Bentuk sederhana berupa pertanyaan yes-no dan setiap node pertanyaan
tersebut memiliki node anak ‘yes’ dan node anak ‘no’ (Soomro et al., 2011).
Tabel 2.1 Tabel Analisis Jurnal dan Metode yang Diterapkan
Nama Jurnal
Peneliti
Metodologi
Chang SikSon,
Byoung
Kesimpulan
Representasi
Gabungan
pengetahuan pakar
A Hybrid Decision
KukJang, Suk
analisis gejala
secara sederhana
Support Model to
TaeSeo, Min
pasien dan
dapat memfasilitasi
diaplikasikan
berbagai derivasi
dalam decision
penjelasan pada
Knowledge in
tree untuk
kesimpulan akhir
Diagnosing Acute
mendeteksi
diagnosis penyakit.
Appendicitis
penyakit usus
Discover
Informative
SooKim &
Yoon NyunKim
buntu akut
pada tahap
awal.
Masahiro
Takada,
Masahiro
Sugimoto,
Yasuhiro Naito,
HyeongGon
Moon,
Wonshik Han, Model prediksi
Prediction of
Axillary Lymph
Node Metastasis in
DongYoung
decision tree
Noh, Masahide ini melalui
Tingkat akurasi
Kondo,
gejala-gejala
meningkat apabila
Primary Breast
Katsumasa
(variabel
decision tree yang
Cancer Patients
Kuroi,
prediktif) dan
dibuat mengunakan
Using a Decision
Hironobu
kemampuan
variabel prediktif.
29
Tree-Based Model
Sasano,
generalisasi
Takashi
dalam proses
Inamoto,
pemilihan
Masaru Tomita node.
&
Masakazu
Toi1
Pengimplementasia
Knowledge Based
A. A. Soomro,
Decision Tree
n decision tree
Expert System for
N. A. Memon,
sederhana
pada berbagai
dengan skema
aplikasi medis dan
node anak
komputasional
berupa yes-no
biologi.
Symptomatic
Automated
&
M.
Memon.
Healthcare
S.
yang
digunakan
dalam
rekognisi
penyakit.
2.2.2 Analisis Aplikasi Sejenis
Banyak sekali aplikasi dengan fitur pendeteksian penyakit thyroid yang
telah dikembangkan oleh peneliti-peneliti sebelumnya. Masing-masing aplikasi
itu terdapat fitur-fitur andalan yang menjadi kelebihan. Oleh karena itu,
sebelum mengembangkan sistem pakar pendeteksi penyakit thyroid ini akan
akan dilakukan sebuah analisis aplikasi sejenis.
Hal ini bertujuan untuk membandingkan aplikasi yang telah
dikembangkan sebelumnya, dari segi pengadaptasian kelebihannya dan
melengkapi kekurangan sebelumnya untuk membantu dalam pembuatan
aplikasi baru yang akan dibuat. Aplikasi sejenis dengan sistem pakar yang akan
dikembangkan ini ada 2 (dua) yaitu Thyroid: Symptoms, Causes and Treatment
dan Thyroid App.
2.2.2.1 Thyroid: Symptoms, Causes and Treatment
Thyroid: Symptoms, Causes and Treatment adalah aplikasi yang
dibuat pada platform android untuk memberikan informasi seputar penyakit
30
thyroid pada manusia secara umum. Pengguna dapat mengakses informasi
mengenai gejala, penyebab, metode pencegahan dan jawaban terhadap mitos
thyroid pada umumnya dari pilihan yang tersedia. Selanjutnya, akan
ditampilkan ringkasan informasi sesuai pilihan pengguna sebagai feedback
dari sistem. Sayangnya, pengguna tidak dapat mendeteksi apakah dirinya
mengidap penyakit thyroid atau tidak, jadi aplikasi ini hanya sebatas sarana
informasi saja (Brainzen, 2013).
Gambar 2.2 Tampilan Aplikasi Thyroid
(sumber: Thyroid: Symptoms, Causes and Treatment - Brainzen, 2013)
2.2.2.2 Thyroid App
Aplikasi yang merupakan hasil kerja sama antara Dr. Mary Shomon
dan MyMedLab (2013) ini memberikan layanan pendeteksian penyakit
thyroid pada pengguna. Cara kerja aplikasi thyroid app adalah pengguna akan
diminta melewati serangkaian kuesioner yang berisi gejala-gejala thyroid,
pengguna akan menjawab iya atau tidak. Kemudian hasil diagnosis dan saran
medis akan ditampilkan bagi pengguna. Sayangnya, aplikasi ini hanya
terfokus pada salah satu diagnosis penyakit thyroid, yakni hypothyroid.
31
Gambar 2.3 Tampilan Aplikasi Thyroid App
(sumber: Thyroid App - MyMedLab, 2013)
Tabel 2.2 Tabel Analisis Aplikasi Sejenis dan Kelebihannya
Nama Aplikasi
Thyroid:
Developer
Brainzen
Deskripsi
Kelebihan Aplikasi
Aplikasi yang dibuat
Akan
Symptoms, Causes
pada
ringkasan
and Treatment
android
platform
untuk
ditampilkan
informasi
sesuai pilihan pengguna
sebagai feedback dari
memberikan
informasi
seputar
penyakit
thyroid
sistem.
pada manusia secara
umum.
Thyroid App
My Med
Aplikasi ini hanya
Deteksi penyakit melalui
Lab
terfokus pada salah
serangkaian
satu
diagnosis
yang berisi gejala-gejala
thyroid,
thyroid, pengguna akan
penyakit
yakni hypothyroid.
kuesioner
menjawab iya atau tidak.
Kemudian
diagnosis
hasil
dan
saran
medis akan ditampilkan
bagi pengguna.
Download