sistem pakar untuk diagnosa penyakit gigi periodontal menggunakan metode fuzzy tsukamoto
Post on 18-Jan-2016
188 Views
Preview:
DESCRIPTION
TRANSCRIPT
LAPORAN TUGAS AKHIR MATA KULIAH SISTEM PAKAR
Sistem Pakar untuk Diagnosa Penyakit Gigi Periodontal
Menggunakan Metode Fuzzy Tsukamoto
Diajukan untuk memenuhi persyaratan tugas akhir Mata Kuliah Sistem Pakar
KELAS F
KELOMPOK 7
Disusun Oleh:
Muhammad Haekal 115060800111069
Ahmad Dzulfikar S.R. 115060801111060
Raymond Gomgom Sitorus 115060807111125
Aristiawan 115060800111083
Dosen Pengampu:
Arief Andy Subroto, S.T., M.Kom.
PROGRAM STUDI INFORMATIKA /ILMU KOMPUTER
PROGRAM TEKNOLOGI INFORMASI DAN ILMU KOMPUTER
UNIVERSITAS BRAWIJAYA
MALANG
2014
KATA PENGANTAR
Puji dan syukur penulis panjatkan ke hadirat Allah SWT yang telah melimpahkan rahmat dan
karunia-Nya sehingga penulis dapat menyelesaikan laporan hasil diskusi dengan judul
“Sistem Pakar untuk Diagnosa Penyakit Gigi Periodontal Menggunakan Metode Fuzzy
Tsukamoto”.
Laporan ini dibuat guna memenuhi salah satu tugas pada Mata Kuliah Sistem Pakar.
Melalui pengantar ini penulis ingin mengucapkan banyak terima kasih karena dalam
penyusunan laporan hasil diskusi ini penulis telah mendapat bantuan dan dorongan baik moril
maupun materil dari berbagai pihak. Untuk itu pada kesempatan ini penulis ingin
mengucapkan terima kasih kepada:
1.Bapak Arief Andy S. Selaku dosen mata kuliah Sistem Pakar.
2.Semua rekan yang telah membantu dalam analisa dan pembuatan laporan ini.
Serta semua pihak yang telah membantu penulis dalam penyelesaian laporan hasil
diskusi ini. Penulis menyadari bahwa pada laporan ini masih terdapat banyak kekurangan.
Oleh karena itu, dengan segala kerendahan hati penulis memohon kritik dan saran yang
bersifat membangun dari para pembaca.
Akhir kata, penulis berharap semoga laporan ini bermanfaat bagi para pembaca.
Malang, 30 Maret 2014
Penulis
ii
DAFTAR ISI
KATA PENGANTAR..............................................................................................................................ii
DAFTAR ISI........................................................................................................................................... iii
DAFTAR TABEL....................................................................................................................................v
BAB I PENDAHULUAN........................................................................................................................1
1.1. Latar Belakang..........................................................................................................................1
1.2. Rumusan Masalah.....................................................................................................................2
1.3. Tujuan.......................................................................................................................................2
1.4. Manfaat.....................................................................................................................................2
1.5. Sistematika Penulisan...............................................................................................................2
BAB II TINJAUAN PUSTAKA..............................................................................................................4
2.1. Penyakit Periodontal.................................................................................................................6
2.1.1. Klasifikasi Penyakit Periodontal......................................................................................7
2.1.2. Gejala Klinis Penyakit Periodontal Berdasarkan Klasifikasi...........................................7
2.1.3. Faktor Penyebab Penyakit Periodental...........................................................................10
2.2. Sistem Pakar...........................................................................................................................12
2.2.1. Definisi Sistem Pakar.....................................................................................................12
2.2.2. Karakteristik Sistem Pakar.............................................................................................13
2.2.3. Tujuan Sistem Pakar.......................................................................................................14
2.2.4. Arsitektur Sistem Pakar..................................................................................................14
2.2.5. Perbandingan antara Sistem Pakar dengan Kemampuan Seorang Pakar.......................15
2.3. Logika Fuzzy...........................................................................................................................16
2.3.1. Komponen Pembentuk Sistem Fuzzy.............................................................................16
2.3.2. Himpunan Fuzzy.............................................................................................................17
2.6. Metode Fuzzy Inference System Tsukamoto.........................................................................19
2.6.1. Forward Chaining...........................................................................................................19
2.6.2. Backward Chaining........................................................................................................19
BAB III METODOLOGI PENELITIAN...............................................................................................21
3.1. Studi Pustaka..........................................................................................................................21
3.2. Analisis Data Sistem...............................................................................................................22
3.2.1. Analisis Kebutuhan Sistem.............................................................................................22
3.2.2. Arsitektur Sistem Pakar..................................................................................................22
3.3. Penerapan Metode Tsukamoto...............................................................................................23
iii
3.4. Pengujian dan Analisis...........................................................................................................25
3.5. Kesimpulan dan Saran............................................................................................................25
BAB IV ANALISA DAN PERANCANGAN SISTEM........................................................................26
4.1. Analisa Kebutuhan Perangkat Lunak.....................................................................................26
4.1.1. Identifikasi Aktor............................................................................................................27
4.1.2. Daftar Kebutuhan Sistemfil............................................................................................27
4.1.3. Diagram Use Case..........................................................................................................28
4.1.4. Skenario Use Case..........................................................................................................30
4.2. Perancangan Sistem Pakar......................................................................................................34
4.2.1. Akuisisi Pengetahuan.....................................................................................................35
4.2.2. Basis Pengetahuan..........................................................................................................36
4.2.3. Penerapan Metode Tsukamoto.......................................................................................37
4.2.4. Representasi Pengetahuan..............................................................................................42
Keterangan:.....................................................................................................................................43
4.2.5. Mesin Inferensi...............................................................................................................44
4.2.6. Fasilitas Penjelas.............................................................................................................44
4.2.7. Antarmuka......................................................................................................................45
BAB V IMPLEMENTASI.....................................................................................................................48
5.1. Spesifikasi Sistem...................................................................................................................48
5.1.1. Spesifikasi Perangkat Keras...........................................................................................48
5.1.2. Spesifikasi Perangkat Lunak..........................................................................................49
5.2. Batasan-Batasan dalam Implementasi....................................................................................49
5.3. Implementasi Code.................................................................................................................50
5.3.1. Implementasi Kode Fuzzy Tsukamoto...........................................................................50
BAB VI PENGUJIAN DAN ANALISIS...............................................................................................56
6.1. Pengujian................................................................................................................................56
6.1.1. Pengujian Validasi..........................................................................................................57
BAB VII KESIMPULAN DAN SARAN..............................................................................................60
DAFTAR PUSTAKA.............................................................................................................................61
iv
DAFTAR TABEL
Tabel 2.1 Kajian Pustaka............................................................................................................5
Tabel 2.2 Perbandingan Sistem Pakar dengan Kemampuan Seorang Pakar............................15
Tabel 4.3 Identifikasi Aktor......................................................................................................27
Tabel 4.4 Daftar Kebutuhan Sistem..........................................................................................27
Tabel 4.5 Tabel Skenario Use Case Pilih Menu.......................................................................30
Tabel 4.6 Tabel Skenario Use Case Input Identitas dan Gejala................................................31
Tabel 4.7 Tabel Skenario Use Case Lihat Hasil Perhitungan...................................................31
Tabel 4.8 Tabel Skenario Use Case Lihat Grafik Keanggotaan...............................................32
Tabel 4.9 Tabel Skenario Use Case Lihat Bantuan..................................................................33
Tabel 4.10 Tabel Skenario Use Case Lihat Tentang Kami.......................................................34
Tabel 4.11 Tabel Semesta Pembicaraan...................................................................................37
Tabel 4.12 Perhitungan Alpa....................................................................................................41
Tabel 4.13 Tabel Rule...............................................................................................................42
Tabel 5.14 Tabel Spesifikasi Perangkat Keras.........................................................................49
Tabel 5.15 Tabel Spesifikasi Perangkat Lunak.........................................................................49
Tabel 5.16 Source Code Fungsi Keanggotaan GI.....................................................................50
Tabel 5.17 Source Code Fungsi Keanggotaan ABL.................................................................51
Tabel 5.18 Source Code Fungsi Keanggotaan GI.....................................................................52
Tabel 5.19 Source Code Nilai Output.......................................................................................53
Tabel 5.20 Source Code Nilai Total AP dan APZ....................................................................53
Tabel 6.21 Hasil Pengujain Validasi.........................................................................................59
v
DAFTAR GAMBAR
Gambar 2.1 Konsep dasar fungsi sistem pakar.........................................................................13
Gambar 2.2 Arsitektur Sistem Pakar........................................................................................15
Gambar 2.3 Diagram Blok Sistem Inferensi Fuzzy..................................................................20
Gambar 3.4 Flowchart Metodologi Penelitian..........................................................................21
Gambar 3.5 Konsep dan desain aplikasi berdasarkan arsitektur sistem pakar untuk diagnosa penyakit periodontal..................................................................................................................23
Gambar 3.6 Flowchart Diagnosis Penyakit Periodontal..........................................................24
Gambar 4.7 Pohon Perancangan.............................................................................................26
Gambar 4.8 Use Case Diagram.................................................................................................29
Gambar 4.9 Diagram Alir Proses Akuisisi Pengetahuan..........................................................36
Gambar 4.10 Grafik Fungsi Derajat Keanggotaan Variabel Gingival Index............................38
Gambar 4.11 Grafik Fungsi Derajat Keanggotaan Variabel Alveolar Bone Loss....................39
Gambar 4.12 Grafik Fungsi Derajat Keanggotaan Variabel Probing Packet Depth.................40
Gambar 4.13 Grafik Fungsi Derajat Keanggotaan Variabel Sakit...........................................40
Gambar 4.14 Flowchart Mesin Inferensi..................................................................................44
Gambar 4.15 Desain Halaman Utama......................................................................................45
Gambar 4.16 Desain Halaman Data Pasien..............................................................................46
Gambar 3.17 Desain Halaman Hasil Pemeriksaan...................................................................46
Gambar 4.18 Desain Grafik Fungsi Keanggotaan....................................................................47
Gambar 4.19 Desain Halama Bantuan......................................................................................47
Gambar 4.20 Desain Tentang Kami..........................................................................................47
vi
DAFTAR PERSAMAAN
Persamaan (2-1) – Rumus Himpunan Fuzzy............................................................................17
Persamaan (2-2) – Rumus Semesta Pembicaraan.....................................................................18
Persamaan (2-3) – Rumus Defuzzifikasi Rata-rata Terpusat....................................................20
Persamaan (3-4) – Rumus Rata-rata Defuzzifikasi...................................................................25
Persamaan (4-5) – Rumus Fungsi Derajat Keanggotaan Gingival Index µKecil ....................37
Persamaan (4-6) – Rumus Fungsi Derajat Keanggotaan Gingival Index µSedang .................38
Persamaan (4-7) – Rumus Fungsi Derajat Keanggotaan Gingival Index µBesar ....................38
Persamaan (4-8) – Rumus Fungsi Derajat Keanggotaan Alveolar Bone Loss µKecil ............38
Persamaan (4-9) – Rumus Fungsi Derajat Keanggotaan Alveolar Bone Loss µSedang .........38
Persamaan (4-10) – Rumus Fungsi Derajat Keanggotaan Alveolar Bone Loss µBesar ..........38
Persamaan (4-11) – Rumus Fungsi Derajat Keanggotaan Probing Packet Depth µKecil .......39
Persamaan (4-12) – Rumus Fungsi Derajat Keanggotaan Probing Packet Depth µSedang.....39
Persamaan (4-13) – Rumus Fungsi Derajat Keanggotaan Probing Packet Depth µBesar .......9
Persamaan (4-14) – Rumus Fungsi Derajat Keanggotaan variabel sakit ringan ......................40
Persamaan (4-15) – Rumus Fungsi Derajat Keanggotaan variabel sakit sedang .....................40
Persamaan (4-16) – Rumus Fungsi Derajat Keanggotaan variabel sakit parah .......................40
vii
BAB I
PENDAHULUAN
1.1. Latar BelakangPenyakit periodontal merupakan salah satu penyakit yang paling umum di masyarakat.
Periodontal dapat diartikan sebagai sebuah sindrom yang meliputi peradangan gusi dan
terjadinya penurunan tulang. Penyakit periodontal yang sering diteliti dan diamati adalah plate
gingivitis dan periodontits kronis yang memiliki struktur inflamasi[7:1].
Dalam beberapa kasus, jika penyakit gingitivis tidak ditangani dan diobati dengan
cepat, maka penyakit ini akan berubah menjadi periodontitis kronis. Perubahan ini ditandai
dengan hilangnya kelekatan dan pembentukan plak pada gigi karena perkembangan bakteri
patogen dan penurunan mekanisme daya tahan tubuh pasien[7:1].
Dalam dunia medis, untuk dapat mendiagnosis penyakit ini adalah dengan melakukan
pemeriksaan klinis dan radiografi. Pemeriksaan klinis mengacu pada plate index(PI), gingival
index, tingkat kelekatan(“attachment level”) dan index MB dalam mendiagnosis penyakit
periodontal. Namun dengan menggunakan pemeriksaan klinis ini, terdapat kelemahan yang
ditemukan. Kelemahannya adalah dengan pemeriksaan klinis ini, belum dapat mendiagnosis
dengan benar penyakit periodontal. Selain itu terdapat faktor sistematis yang disebabkan
pemeriksaan klinis harus dievaluasi bersamaan dengan pemeriksaan radiografi[......di paper
sumber 6].
Untuk itu perlu dibangun suatu sistem yang disebut sistem pakar. Sistem pakar yang
akan dibangun adalah sistem pakar untuk diagnosa penyakit gigi periodontal menggunakan
metode fuzzy tsukamoto. Metode fuzzy tsukamoto merupakan metode dari fuzzy inference
system(FIS). Fuzzy inference system(FIS) adalah suatu kerangka komputasi yang didasarkan
pada teori himpunan fuzzy, aturan fuzzy dan penalaran fuzzy[5]. Secara garis besar, input
crisp dimasukkan ke FIS. Input ini kemudian dikirim ke basis pengetahuan yang berisi n
aturan fuzzy dalam bentuk if-then.
Fire strength atau derajat kebenaran akan dicari pada setiap aturan. Jika jumlah aturan
lebih dari satu maka dilakukan inferensi dari semua aturan. Untuk mendapatkan nilai crisp
sebagai output, sistem melakukan defuzzifikasi dari hasil inferensi. Sistem pakar ini dibuat
bukanlah untuk menggantikan pra pakar atau dokter, akan tetapi hanya digunakan sebagai
pelengkap dan alat bantu dalam melakukan diagnosis tingkat keparahan terhadap penyakit
gigi periodontal.
1
2
1.2. Rumusan MasalahBerdasarkan latar belakang yang telah diuraikan di atas maka didapat rumusan
masalah yang meliputi :
a. Bagaimana rancangan dari sistem pakar untuk diagnosa penyakit gigi periodontal
menggunakan metode Tsukamoto?
b. Bagaimana akuisisi pengetahuan dari sistem pakar untuk diagnosa penyakit gigi
periodontal menggunakan metode Tsukamoto?
c. Bagaimana implementasi dari sistem pakar untuk diagnosa penyakit gigi periodontal
menggunakan metode Tsukamoto?
d. Bagaimana pengujian dari sistem pakar untuk diagnosa penyakit gigi periodontal
menggunakan metode Tsukamoto?
1.3. TujuanTujuan perancangan sistem pakar ini adalah merancang dan membangun sistem pakar
untuk diagnosa penyakit gigi periodontal menggunakan metode fuzzy Tsukamoto.
1.4. ManfaatDiharapkan dengan adanya perancangan sistem pakar ini dapat bermanfaat bagi :
a. Bagi Instansi Kesehatan diharapkan sistem pakar ini dapat memudahkan para pakar
atau dokter gigi untuk mendiagnosa penyakit gigi periodontal.
b. Bagi Ilmu Pengetahuan Diharapkan perancangan aplikasi ini dapat menambah
referensi terhadap penelitian baru dengan bidang studi terkait.
c. Bagi Masyarakat Diharapkan sistem pakar ini dapat menjadi sarana informasi
membantu pendiagnosaan penyakit gigi periodontal.
d. Bagi Penulis Diharapkan dengan adanya tugas akhir ini dapat menjadi pembelajaran
dan dapat menambah pengalaman di bidang studi keilmuan yang terkait.
1.5. Sistematika PenulisanSistematika penulisan peneltian ini dibagi dalam tiga bab, masing-masing bab
diuraikan sebagai berikut:
BAB I: PENDAHULUAN
3
Bab ini akan menjelaskan mengenai latar belakang pemilihan judul, rumusan masalah, tujuan
penelitian, manfaat penelitian dan sistematika penulisan.
BAB II: TINJAUN PUSTAKA
Bab ini akan membahas teori-teori yang berkaitan dengan metode yang akan digunakan dalam
penelitian. Bab ini terdiri atas Kajian Pustaka, Penyakit Periodontal Sistem Pakar, Logika
Fuzzy, dan Metode Fuzzy Inference System Tsukamoto.
BAB III: METODOLOGI PENELITIAN
Bab ini akan membahas aturan-aturan yang berkaitan dengan penelitian. Terdiri atas Studi
Pustaka, Analisis Data Sistem, Penerapan Metode Tsukamonto, Pengujian dan Analisis, serta
Kesimpulan dan Saran.
BAB IV: ANALISA DAN PERANCANGAN SISTEM
Bab ini merupakan bagian perancangan dari sistem yang yang akan dibangun. Terdiri atas
analisis kebutuhan dan perancangan dari sistem pakar untuk diagnosa penyakit periodontal.
BAB V: IMPLEMENTASI
Bab ini membahas penerapan metode Tsukamoto dalam diagnosa penyakit periodontal.
BAB VI: PENGUJIAN
Bab ini memuat proses dan hasil pengujian terhadap sistem yang telah direalisasikan.
BAB VII: PENUTUP
Bab ini memuat kesimpulan yang diperoleh dari pembuatan dan pengujian perangkat lunak
yang telah dibuat dalam tugas akhir ini serta memuat saran-saran untuk pengembangan
selanjutnya.
BAB II
TINJAUAN PUSTAKA
Bab ini berisi kajian pustaka dan dasar teori. Kajian pustaka dan dasar teori yang
dibahas digunakan untuk menunjang penulisan tugas akhir. Kajian pustaka memberikan
infromasi mengenai bebrapa penelitian yang sudah ada. Dasar teori memberikan informasi
mengenai beberapa teori yang dibuuhkan untuk menysusun tugas akhir. Beberapa teori yang
sekiranya dibutuhkan adalah teori yang berkaitan dengan penyakit Periodontal, sistem pakar,
dan logika fuzzy.
4
5
Tabel 2.1 Kajian Pustaka
No JudulObjek Metode Output
Input & Parameter Proses Hasil Penelitian1. Penerapan Metode Fuzzy Inference
System(FIS)Tsukamoto dalam menganalisa tingkat resiko penyakit polip hidung[11].
Diagnosa pasien penderita penyakit polip hidung.
Fuzzy Inference System(FIS) Tsukamoto
Diagnosa penyakit Polip hidung dan tingkat keparahannya.
-Hidung buntu-Hidung mimisan
1. Input2. Fuzzifikasi3. Penalaran4. Defuzzifikasi5. Output
-Ringan-Sedang-Tinggi
2. Sistem Pakar Diagnosa Penyakit Gigi Periodontal Menggunakan Metode Fuzzy Tsukamoto
Diagnosa pasien penderita penyakit periodontal.
Fuzzy Inference System(FIS) Tsukamoto
Diagnosa status penyakit Periodontal dan tingkat keparahannya
-Gingival index-Alveolar Bone Loss-Probing Packet Depth-Mobility-Attachment Loss
1. Pembentukan himpunan Fuzzy.2. Fuzzifikasi3. Komposisi Aturan4. DefuzzifikasiDS
-Ringan-Sedang-Parah
Sumber: Penelitian
6
2.1. Penyakit Periodontal
Penyakit periodontal atau periodontal pathology, adalah penyakit yang menyebakan
kerusakan pada gusi dan mempengaruhi satu atau lebih dari jaringan periodontal(yaitu tulang
alveolar , periodontal ligament, cementum dan gingiva). Sementara itu kerusakan gusi yang
paling umum adalah kondisi peradangan yang disebabkan oleh plak, yang dianggap sebagai
gingivitis dan periodontitis[8].
Permulaan terjadinya kerusakan biasanya timbul pada saat plak bakterial
terbentuk pada mahkota gigi, meluas disekitarnya dan menerobos sulkus gingiva yang
nantinya akan merusak gingiva disekitarnya. Plak menghasilkan sejumlah zat yang
secara langsung atau tidak langsung terlibat dalam perkembangan penyakit periodontal.
Peradangan pada gingiva dan perkembangannya pada bagian tepi permukaan gigi terjadi
ketika koloni mikroorganisme berkembang[9:1].
Penyakit periodontal dibagi atas dua golongan yaitu gingivitis dan
periodontitis[9:1].Bentuk penyakit periodontal yang paling sering dijumpai adalah proses
inflamasi dan mempengaruhi jaringan lunak yang mengelilingi gigi tanpa adanya
kerusakan tulang, keadaan ini dikenal dengan Gingivitis. Apabila penyakit gingiva tidak
ditanggulangi sedini mungkin maka proses penyakit akan terus berkembang
mempengaruhi tulang alveolar, ligamen periodontal atau sementum, keadaan ini disebut
dengan Periodontitis[7].
Massler menyatakan bahwa gingivitis merupakan fenomena bifase[9:1]. Pada
anakanak bersifat akut, sementara dan cenderung mengenai papila, sedangkan pada
orang dewasa bersifat kronis dan progresif. Hal ini sesuai dengan pengamatan klinis
dari Zappler yang melihat bahwa reaksi jaringan gingiva anak-anak terhadap gingivitis
lebih cepat dan jelas bila dibandingkan dengan orang dewasa.
Zappler dalam membandingkan struktur periodontal anak-anak dan dewasa telah
menyebutkan gambaran histologi jaringan periodonsium anak-anak sebagai berikut[9:2]:
Gingiva
- Lebih merah karena lapisan epitel yang tipis, zat tanduknya sedikit dan
adanya vaskularisasi pembuluh darah yang banyak.
- Kurangnya stippling karena papila jaringan ikat dari lamina propria lebih pendek
dan lebih datar
- Konsistensinya lunak karena kurang padatnya jaringan ikat dari lamina
propria. Sulkusnya relatif dalam.
7
- Tepi-tepi menggumpal dan membulat dihubungkan dengan adanya hiperami
dan edema yang disebabkan proses erupsi gigi.
Sementum
- Lebih tipis, kurang padat
- Cenderung terjadi hiperplasia sementum pada bagianapikal dan epitel attachment.
Ligamen periodontal
- Ruang ligamen periodontal lebih lebar
- Serat-seratnya kurang padat dan jumlah seratnya kurang ditiap daerah
- Terdapatnya pertambahan cairan jaringan yaitu aliran darah dan cairan getah
bening
Tulang Alveolar
- Lamina dura lebih tipis. Trabekula lebih sedikit.
- Ruang sumsum lebih besar. Derajat kalsifikasi yang lebih rendah
- Bertambahnya aliran darah dan cairan getah bening
2.1.1. Klasifikasi Penyakit Periodontal
Penyakit periodontal dapat dibagi menjadi dua golongan yaitu gingivitis dan
periodontitis. Konsep patogenesis penyakit periodontal yang diperkenalkan oleh Page
dan Schroeder terdiri dari 4 (empat) tahap yaitu : Permulaan, Dini, Menetap dan Parah.
Tiga tahap pertama yaitu permulaan, dini dan menetap merupakan tahap pada
diagnosa gingivitis dan tahap parah merupakan diagnosa periodontitis.
Klasifikasi penyakit periodontal secara klinis dan histopatologis pada anak-anak dan
remaja dapat dibedakan atas 6 (enam) tipe[9:3]:
1. Gingivitis kronis
2. Periodontitis Juvenile Lokalisata (LPJ)
3. Periodontitis Juvenile Generalisata (GJP)
4. Periodontitis kronis
5. Akut Necrotizing Ulcerative Gingivitis (ANUG)
6. Periodontitis Prepubertas
2.1.2. Gejala Klinis Penyakit Periodontal Berdasarkan Klasifikasi
Untuk mengungkapkan gejala-gejala penyakit periodontal, dapat dinilai melalui
pemeriksaan secara klinis dan histopatologis[9:3-5].
1. Gingivitis Kronis
8
Prevalensi gingivitis pada anak usia 3 tahun dibawah 5 %, pada usia 6 tahun 50 % dan
angka tertinggi yaitu 90 % pada anak usia 11 tahun. Sedangkan anak usia diantara 11-17
tahun mengalami sedikit penurunan yaitu 80- 90 %.
Gingivitis biasanya terjadi pada anak saat gigi erupsi gigi sulung maupun gigi tetap dan
menyebabkan rasa sakit. Pada anak usia 6-7 tahun saat gigi permanen sedang erupsi,
gingival marginnya tidak terlindungi oleh kontur mahkota gigi. Keadaan ini
menyebabkan sisa makanan masuk ke dalam gingiva dan menyebabkan peradangan.
Terjadi inflamasi gingiva tanpa adanya kehilangan tulang atau perlekatan jaringan ikat.
Tanda pertama dari inflamasi adanya hiperamie, warna gingiva berubah dari merah muda
menjadi merah tua, disebabkan dilatasi kapiler, sehingga jaringan lunak karena
banyak mengandung darah. Gingiva menjadi besar (membengkak), licin, berkilat dan
keras, perdarahan gingiva spontan atau bila dilakukan probing, gingiva sensitif,
gatalgatal dan terbentuknya saku periodontal akibat rusaknya jaringan kolagen.
Muncul perlahan-lahan dalam jangka lama dan tidak terasa nyeri kecuali ada komplikasi
dengan keadaan akut. Bila peradangan ini dibiarkan dapat berlanjut menjadi periodontitis.
2. Periodontitis Juvenile Lokalisata (LJP)
- Penderita biasanya berumur 12-26 tahun, tetapi bisajuga terjadi pada umur 10-11
tahun.
- Perempuan lebih sering diserang daripada laki-laki (3 : 1)
- Gigi yang pertama dirusak molar satu dan insisivus.
- Angka karies biasanya rendah.
- Netrofil memperlihatkan kelainan khemotaksis dan fagositosis
- Sangat sedikit dijumpai plak atau kalkulus yang melekat pada gigi, tetapi pada
tempat yang dirusak dijumpai kalkulus subgingiva.
- Gingiva bisa kelihatan normal tetapi dengan probingbisa terjadi perdarahan dan gigi
yang dikenai akan terlihat goyang.
3. Periodontitis Juvenile Generalisata (GJP)
GJP ini mirip dengan LJP, tetapi GJP terjadi secara menyeluruh pada gigi permanen dan
dijumpai penumpukan plak yang banyak serta inflamasi gingiva yang nyata.
Melibatkan keempat gigi molar satu dan semua insisivus serta dapat merusak gigi lainnya
(C, P, M2).
4. Periodontitis Kronis
9
Periodontitis kronis merupakan suatu diagnosa yang digunakan untuk menyebut
bentuk penyakit periodontal destruktif, namun tidaksesuai dengan kriteria periodontitis
juvenile generalisata, lokalisata maupun prepubertas.
- Penyakit ini mirip dengan gingivitis kronis, akan tetapi terjadi kehilangan
sebagian tulang dan perlekatan jaringan ikat.
- Perbandingan penderita antara perempuan dan laki-laki hampir sama
- Angka karies biasanya tinggi
- Respon host termasuk fungsi netrofil dan limposit normal
5. Acute Necrotizing Ulcerative Gingivitis (ANUG)
- Adanya lesi berbentuk seperti kawah (ulkus) pada bagian proksimal dengan
daerah nekrosis yang luas, ditutupi / tidak ditutupi lapisan pseudomembran
berwarna putih keabu-abuan.
- Lesi yang mengalami inflamasi akut menambah serangan rasa sakit yang
cepat, perdarahan dan sangat sensitif bila disentuh.
- Gingiv berkeratin, edematus dan epitelnya terkelupas.
- Mulut berbau, kerusakan kelenjar limpa , lesu dan perasaan terbakar.
- Penyakit ini sangat besar kemungkinan dipengaruhi beberapa faktor etiologi
sekunder seperti stress dan kecemasan. Dapat juga dipengaruhi faktor-faktor lain
seperti kelelahan, daya tahan tubuh yang menurun, kekurangan gizi, merokok, infeksi
virus, kurang tidur, disamping dipengaruhi faktor lokal lainnya.
6. Periodontitis Prepubertas
- Periodontitis prepubertas ada dua bentuk terlokalisir dan menyeluruh. Bentuk
terlokalisir biasanya dijumpai pada usia 4 tahun dan mempengaruhi hanya
beberapa gigi saja, sedangkan bentuk menyeluruh dimulai saat gigi tetap mulai erupsi
dan mempengaruhi semua gigi desidui.
- Pasien di bawah umur 12 tahun (4 atau 5 tahun).
- Perbandingan jenis kelamin hampir sama.
- Angka karies biasanya rendah
- Plak dan kalkulus yang melekat pada gigi biasanya sedikit
- Kehilangan tulang dan lesi furkasi (furcation involment) terlihat secara
radiografis.
- Kerusakan jaringan periodontal lebih cepat pada bentuk generalisata dari pada
bentuk terlokalisir.
10
2.1.3. Faktor Penyebab Penyakit Periodental
Faktor penyebab penyakit periodontal dapat dibagi menjadi dua bagian yaitu
faktor lokal (ekstrinsik) dan faktor sistemik (intrinsik)[9:6].
a. Faktor Lokal
Faktor lokal merupakan penyebab yang berada pada lingkungan disekitar gigi,
sedangkan faktor sistemik dihubungkan dengan metabolisme dan kesehatan umum[9:6].
Berikut merupakan faktor lokal penyakit periodental[9:6-9]:
1. Plak Bakteri
Plak bakteri merupakan suatu massa hasil pertumbuhan mikroba yang melekat erat
pada permukaan gigi dan gingiva bila seseorang mengabaikan kebersihan mulut.
Bakteri yang terkandung dalam plak di daerah sulkus gingiva mempermudah
kerusakan jaringan
2. Kalkulus
Kalkulus terdiri dari plak bakteri dan merupakan suatu massa yang mengalami
pengapuran, terbentuk pada permukaan gigi secara alamiah. Kalkulus merupakan
pendukung penyebab terjadinya gingivitis (dapat dilihat bahwa inflamasi terjadi karena
penumpukan sisa makanan yang berlebihan).
3. Impaksi makanan
Impaksi makanan (tekanan akibat penumpukan sisa makanan) merupakan keadaan
awal yang dapat menyebabkan terjadinya penyakit periodontal. Gigi yang berjejal atau
miring merupakan tempat penumpukan sisa makanan danjuga tempat terbentuknya plak,
sedangkan gigi dengan oklusi yang baik mempunyai daya self cleansing yang tinggi.
4. Pernafasan Mulut
Kebiasaan bernafas melalui mulut merupakan salah satu kebiasaan buruk. Hal ini sering
dijumpai secara permanen atau sementara. Permanen misalnya pada anak dengan
kelainan saluran pernafasan, bibir maupun rahang, juga karena kebiasaan membuka
mulut terlalu lama.
5. Sifat fisik makanan
Sifat fisik makanan merupakan hal yang penting karena makanan yang bersifat
lunak seperti bubur atau campuran semiliquid membutuhkan sedikit pengunyahan,
menyebabkan debris lebih mudah melekat disekitar gigi dan bisa berfungsi sebagai
sarang bakteri serta memudahkan pembentukan karang gigi.
11
6. Iatrogenik Dentistry
Iatrogenik Dentistry merupakan iritasi yang ditimbulkan karena pekerjaan dokter
gigi yang tidak hati-hati dan terlalu kuat sewaktu melakukan perawatan pada gigi
dan jaringan sekitarnya sehingga mengakibatkan kerusakan pada jaringan sekitar gigi.
7. Trauma dari oklusi
Trauma oklusi merupakan trauma yang disebabkan oleh pencabutan gigi yang tidak
diganti, kebiasaan buruk(seperti: bruksim, clenching), berkurangnya kapasitas
periodonsium untuk menahan tekanan oklusal.
b. Faktor Sistemik
Faktor sistemik merupakan faktor yang disebabkan oleh respon jaringan terhadap
bakteri, rangsangan kimia serta fisik dapat diperberat oleh keadaan sistemik. Untuk
metabolisme jaringan dibutuhkan material-material seperti hormon, vitamin, nutrisi dan
oksigen. Bila keseimbangan material ini terganggu dapat mengakibatkan gangguan lokal
yang berat[9:9].
Berikut merupakan faktor sistemik penyakit periodental[9:9-10]:
1. Demam yang tinggi
Pada anak-anak sering terjadi penyakit periodontalselama menderita demam yang tinggi,
(misal disebabkan pilek, batuk yang parah). Hal ini disebabkan anak yang sakit
tidak dapat melakukan pembersihan mulutnya secara optimal dan makanan yang
diberikan biasanya berbentuk cair. Pada keadaan ini saliva dan debris berkumpul
pada mulut menyebabkan mudahnya terbentuk plak dan terjadi penyakit periodontal.
2. Defisiensi vitamin
Di antara banyak vitamin, vitamin C sangat berpengaruh pada jaringan periodontal,
karena fungsinya dalam pembentukan serat jaringan ikat. Defisiensi vitamin C sendiri
sebenarnya tidak menyebabkan penyakit periodontal, tetapi adanya iritasi lokal
menyebabkan jaringan kurang dapat mempertahankan kesehatan jaringan tersebut
sehingga terjadi reaksi inflamasi (defisiensi memperlemah jaringan).
3. Drugs atau obat-obatan
Obat-obatan dapat menyebabkan hiperplasia, hal inisering terjadi pada anak-anak
penderita epilepsi yang mengkomsumsi obat anti kejang, yaitu phenytoin (dilantin).
Dilantin bukan penyebab langsung penyakit jaringan periodontal, tetapi hiperplasia
gingiva memudahkan terjadinya penyakit. Penyebab utama adalah plak bakteri.
4. Hormonal
12
Penyakit periodontal dipengaruhi oleh hormon steroid. Peningkatan hormon estrogen
dan progesteron selama masa remaja dapat memperhebat inflamasi margin gingiva
bila ada faktor lokal penyebab penyakit periodontal.
2.2. Sistem Pakar
Sistem pakar merupakan pengembangan dari kecerdasan buatan yang menggabungkan
pengetahuan dan penelusuran data untuk memechakan masalah yang secara normal
memerlukan keahlian manusia. Tujuan pengembangan sistem pakar sebenarnya bukan untuk
menggantikan peran manusia, melainkan untuk mensubtitusikan pengetahuan manusia ke
dalam bentuk sistem, sehingga dapat digunakan oleh orang banyak[1].
2.2.1. Definisi 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[2].
Ada beberapa definisi tentang sistem pakar [2] antara lain:
1. Menurut Durkin: Sistem pakar adalah suatu program komputer yang dirancang untuk
memodelkan kemampuan penyelesaian masalah yang dilakukan seorang pakar.
2. Menurut Ignizio: Sistem pakar adalah suatu model dan prosedur yang berkaitan, dalam
suatu domain tertentu, yang mana tingkat keahliannya dapat dibandingkan dengan
keahlian sistem pakar.
3. Menurut Giarratano dan Riley: Sistem pakar adalah suatu sistem komputr yang bisa
menyamai atau meniru kemampuan seorang pakar.
Sistem pakar dibuat pada wilayah tertentu untuk suatu kepakaran yang mendekati
kemampuan manusia di salah sau bidang. Sistem pakar mencoba mencoba mencari solusi
yang memuaskan sebagaimana yang dilakukan seorang pakar.
Selain itu sistem pakar juga dapat memberikan penjelasan terhadap langkah yang
diambil dan memberikan alasan atas saran atau kesimpulan yang ditemukannya. Biasanya
sistem pakar hanya digunakan untuk memecahkan masalah yang memang sulit untuk
dipecahkan dengan pemrograman biasa, mengingat biaya yang diperlukan untuk membuat
sistem pakar jauh lebih besar dari pada pembuatan sistem.[1].
13
Gambar 2.1 Konsep dasar fungsi sistem pakarSumber: [5]
Gambar 2.1 di atas menggambarkan konsep dasar suatu sistem pakar knowledge
based. Pengguna menyampaikan fakta atau informasi untuk sistem pakar dan kemudian
menerima saran dari pakar atau jawaban ahli lainnya. Bagian dalam sistem pakar terdiri dari
dua komponen utama, yaitu knowledge based yang berisi pengetahuan dan mesin inferensi
yang menggambarkan kesimpulan. Kesimpulan teresbut merupakan respons dari sistem pakar
atas permintaan pengguna.
2.2.2. Karakteristik Sistem Pakar
Karakteristik umum yang membedakan sistem pakar dengan perangkat lunak
biasa[10:70] adalah:
1. Terdapat banyak kemungkinan jawaban
Sistem pakar akan memakan waktu lama untuk menguji dan mempelajari jawaban itu,
karena ruang persoalan (problem space) berukuran besar dan tidak pasti.
2. Data Bias
Sistem pakar mencapai konklusi yang tidak pasti karena informasi yang dipakainya
sering berupa data bias. Biar pun demikian sistem pakar diharapkan dapat memberi
keputusan yang tergolong baik. Dalam arti tingkat kesalahannya tidak terlalu besar.
3. Heuristik
Sistem pakar bersifat heuristik dalam menggunakan pengetahuan untuk memperoleh
suatu solusi.
4. Fasilitas Informasi
Sistem pakar dapat memberikan kemudahan-kemudahan jawaban kepada user, sehingga
user akan merasa puas dengan jawaban yang diberikan sistem pakar.
14
Sedangkan Sistem pakar bisa disebut mempunyai sifat yang ideal bila mempunyai ciri-
ciri [10:70]:
1. Terbuka untuk diperiksa
2. Mudah dimodifikasi
3. Fasilitas penalaran/ penjelasan
2.2.3. Tujuan Sistem Pakar
Tujuan dari sebuah sistem pakar adalah untuk mentransfer kepakaran yang dimiliki
seorang pakar k dalam komputer, dan kemudian kepada orang lain (non-expert)[2].
Aktifitas yang dilakukan untuk mentransferkan kepakaran [2] adalah:
1. Knowledge Acquisition (dari pakar atau sumber lainnya).
2. Knowledge Representation (ke dalam komputer).
3. Knowledge Inferencing.
4. Knowledge Transfering.
2.2.4. Arsitektur Sistem Pakar
Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan
(development environment) dan lingkungan konsultasi(consultation environment).
Lingkungan pengembangan sistem pakar digunakan untuk memasukkan pengetahuan pakar
ke dalam linkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna
yang bukan pakar guna memperoleh pengetahuan pakar. Komponen-komponen sistem pakar
dalam kedua bagian tersebut dapat dilihat pada gambar 2 [2].
15
Gambar 2.2 Arsitektur Sistem Pakar.Sumber: [2]
Dari gambar 2 di atas komponen-komponen yang terdapat dalam sistem pakar antara
lain: user interface, basis pengetahuan, akuisisi pengetahuan, mesin inferensi, workplace,
fasilitas penjelasan, dan perbaikan pengetahuan.
2.2.5. Perbandingan antara Sistem Pakar dengan Kemampuan Seorang Pakar
Perbandingan antara sistem pakar dengan kemampuan seorang pakar dapat dilihat
pada tabel 1 [2].
Tabel 2.2 Perbandingan Sistem Pakar dengan Kemampuan Seorang Pakar
Factor Human Expert Expert System
Ketersediaan Waktu Hari kerja Setiap saat
Geografis Local/ tertentu Di mana saja
Keamanan Tidak tergantikan Dapat diganti
Perishable/ dapat habis Ya Tidak
Performansi Variabel Konsisten
Kecepatan Variabel Konsisten
Biaya Tinggi Terjangkau
Sumber: [2]
16
Sebenarnya sistem pakar dikembangkan sebagai alat pendukung untuk membantu dan
mempercepat para pakar/ahli dalam mengerjakan pekerjaannya. Tetapi ada beberapa alasan
mendasar mengapa sistem pakar juga dikembangkan untuk menggantikan seorang pakar [2],
diantaranya:
1. Dapat menyediakan kepakaran setiap waktu dan di berbagai lokasi.
2. Secara otomatis mengerjakan tugas-tugas rutin yang membutuhkan seorang
pakar.
3. Seorang pakar akan pensiun atau pergi.
4. Seorang pakar membutuhkan biaya yang mahal.
5. Kepakaran dibutuhkan juga pada linngkungan yang tidak bersahabat(hostle
environment)
2.3. Logika Fuzzy
Fuzzy Logic dipergunakan untuk menempatkan hal-hal yang berhubungan dengan
kekaburan/fuzzy, seperti himpunan, predikat-predikat, nilai-nilai, dan lainnya. Dalam arti
sempit, fuzzy logic merupakan nama dari suatu jenis logika yang mempunyai banyak nilai,
yang berhubungan dengan ketidakpastian, dan bagian kebenaran, yang mempunyai dasar teori
fuzzy set [3:5].
Salah satu pengertian yang alami dan umum dari presentasi logika adalah
kemampuannya sebagai metode penganalisa alasan. Objek dasar dari fuzzy logic adalah
pernyataan-pernyataan yang memiliki suatu nilai kebenaran. Dalam fuzzy logic, himpunan
kebenaran dan pelengkapnya dan himpunan kesalahan dan pelengkapnya adalah kabur/fuzzy,
dimana derajat kebenaran dari setiap set diberikan oleh derajat dari elemen yang berhubungan
dengan himpunannya. Tujuan utama dari fuzzy logic adalah memformalkan mekanisme dari
alasan yang tepat[3:5].
2.3.1. Komponen Pembentuk Sistem Fuzzy
Sistem fuzzy terdiri dari 3 (tiga) komponen utama[3:6], yaitu :
1. Fuzzifikasi/Fuzzyfication, mengubah masukan-masukan yang nilai kebenarannya
bersifat pasti (crisp input) ke dalam bentuk fuzzy input, yang berupa nilai linguistic
yang semantiknya ditentukan berdasarkan fungsi keanggotaan tertentu.
2. Inferensi/Inference, melakukan penalaran menggunakan fuzzy input dan fuzzy rules
yang telah ditentukan sehingga menghasilkan fuzzy output.
17
3. Deffuzifikasi/Deffuzification, mengubah fuzzy output menjadi crisp rule berdasarkan
fungsi keanggotaan yang telah ditentukan.
Terdapat beberapa metode defuzzifikasi [3:6], diantaranya adalah :
a. Centroid Method atau disebut juga Center of Area atau Center of Gravity
b. Height method, dikenal juga sebagai prinsip keanggotaan maksimum karena
metode ini secara sederhana memilih nilai crisp yang memiliki derajat
keanggotaan maksimum yang hanya dapat digunakan untuk sebuah singleton.
c. First (or last) of Maxima,merupakan generalisasi dari Height method untuk kasus
dimana fungsi keanggotaan output memiliki lebih dari satu nilai maksimum.
d. Mean-Max method, disebut juga sebagai Middle of Maxima, merupakan
generalisasi dari Height method untuk kasus dimana terdapat lebih dari satu nilai
crisp yang memiliki derajat keanggotaan maksimum.
e. Weighted Average, metode ini mengambil nilai rata-rata dengan menggunakan
pembobotan berupa derajat keanggotaan.
2.3.2. Himpunan Fuzzy
Himpunan fuzzy (fuzzy set) merupakan sekumpulan obyek x dimana masing-masing
obyek memiliki nilai keanggotaan (membership function) “μ” atau disebut juga dengan nilai
kebenaran [3]. Jika X adalah sekumpulan obyek dan anggotanya dinyatakan dengan x maka
fuzzy set dari A di dalam X adalah himpunan dengan sepasang anggota atau dapat dinyatakan
dengan :
𝐴 = { μA(𝑥) | 𝑥∶ 𝑥∈X, 𝐴(𝑥) ∈ [0,1] ∈ R .......................................................... (2-1)
Contoh : Terdapat suatu himpunan data yang berisikan variabel usia dengan klasifikasi
sebagai berikut :
• Muda : jika usia sampai dengan 30 tahun
• Parobaya : jika usia lebih besar dari 30 tahun dan lebih kecil dari 50 tahun
• Tua : jika usia lebih besar dari atau sama dengan 50 tahun
Maka pada himpunan crisp untuk dapat disimpulkan bahwa :
1. Apabila seseorang berusia 29 tahun maka ia dikatakan Muda (μMuda [ 29 ]=1).
2. Apabila seseorang berusia 32 tahun maka ia dikatakan Tidak Muda (μMuda [ 32 ]=0)
18
Jika pada himpunan crisp, nilai keanggotaan hanya ada 2 (dua) kemungkinan, yaitu : 0 (nol)
dan 1 (satu), maka pada fuzzy set nilai keanggotaan terletak pada rentang 0 (nol) sampai 1
(satu).
Dalam pembentukan suatu fuzzy set terdapat beberapa hal yang perlu diketahui[3], yaitu :
1. Variabel fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.
Contoh : usia, temperatur, dan lain-lain.
2. Himpunan Fuzzy (Fuzzy set), merupakan suatu grup yang memiliki suatu kondisi atau
keadaan tertentu dalam suatu variabel fuzzy.
Contoh: Variabel usia memiliki himpunan MUDA, PAROBAYA, dan TUA.
3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan
dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real
yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan atau sebaliknya.
Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif.
Contoh semesta pembicaraan untuk variabel usia :
[0 +∞] ..................................................................................................(2-2)
4. Domain fuzzy set adalah keseluruhan nilai yang diizinkan dan boleh dioperasikan
dalam suatu fuzzy set. Seperti halnya semesta pembicaraan, domain merupakan
himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke
kanan. Nilai domain dapat berupa bilangan positif maupun negatif.
Contoh domain fuzzy set untuk variabel usia :
a. Muda = [0, 30]
b. Parobaya = [30, 50]
c. Tua = [50, ∞].
Fuzzy set memiliki dua atribut[3], yaitu :
1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA,
PAROBAYA, TUA
19
2. Numeris, yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu
variabel, seperti : 40, 25, 35.
2.6. Metode Fuzzy Inference System Tsukamoto
Inferensi adalah proses penggabungan banyak aturan berdasarkan data yang tersedia.
Komponen yang melakukan inferensi dalam sistem pakar disebut mesin inferensi. Dua
pendekatan untuk menarik kesimpulan pada IF-THEN rule (aturan jika-maka) adalah forward
chaining dan backward chaining [4].
2.6.1. Forward Chaining
Forward chaining mencari bagian JIKA terlebih dahulu. Setelah semua kondisi
dipenuhi, aturan dipilih untuk mendapatkan kesimpulan. Jika kesimpulan yang diambil dari
keadaan pertama, bukan dari keadaan yang terakhir, maka ia akan digunakan sebagai fakta
untuk disesuaikan dengankondisi JIKA aturan yang lain untuk mendapatkan kesimpulan yang
lebih baik. Proses ini berlanjut hingga dicapai kesimpulan akhir .
2.6.2. Backward Chaining
Backward chaining adalah kebalikan dari forward chaining. Pendekatan ini dimulai
dari kesimpulan dan hipotesis bahwa kesimpulan adalah benar. Mesin inferensi kemudian
mengidentifikasi kondisi JIKA yang diperlukan untuk membuat kesimpulan benar dan
mencari fakta untuk menguji apakah kondisi JIKA adalah benar. Jika semua kondisi JIKA
adalah benar, maka aturan dipilih dan kesimpulan dicapai. Jika beberapa kondisi salah, maka
aturan dibuang dan aturan berikutnya digunakan sebagai hipotesis kedua. Jika tidak ada fakta
yang membuktikan bahwa semua kondisi JIKA adalah benar atau salah, maka mesin inferensi
terus mencari aturan yang kesimpulannya sesuai dengankondisi JIKA yang tidak diputuskan
untuk bergerak satu langkah ke depan memeriksa kondisi tersebut. Proses ini berlanjut hingga
suatu set aturan didapat untuk mencapai kesimpulan atau untuk membuktikan tidak dapat
mencapai kesimpulan.
Menurut Sri Kusumadewi dan Sri Hartati [5] sistem inferensi fuzzy merupakan suatu
kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy yang berbentuk
IF-THEN, dan penalaran fuzzy. Secara garis besar, diagram blok proses inferensifuzzy terlihat
pada Gambar 3 berikut.
20
Gambar 2.3 Diagram Blok Sistem Inferensi FuzzySumber:[5]
Sistem inferensi fuzzy menerima input crisp. Input ini kemudian dikirim ke basis
pengetahuan yang berisi n aturan fuzzydalam bentuk IF-THEN. Fire strength(nilai
keanggotaan anteseden atau α) akan dicari pada setiap aturan. Apabila aturan lebih dari satu,
maka akan dilakukan agregasi semua aturan. Selanjutnya pada hasil agregasi akan dilakukan
defuzzyuntuk mendapatkan nilai crisp sebagai outputsistem. Salah satu metode FIS yang
dapat digunakan untuk pengambilan keputusan adalah metode Tsukamoto.Berikut ini adalah
penjelasan
mengenai metode FIS Tsukamoto. Pada metode Tsukamoto, implikasi setiap aturan berbentuk
implikasi “Sebab-Akibat”/Implikasi “Input-Output” dimana antara anteseden dan konsekuen
harus ada hubungannya. Setiap aturan direpresentasikan menggunakan himpunan-himpunan
fuzzy, dengan fungsi keanggotaan yang monoton.
Kemudian untuk menentukan hasil tegas (Crisp Solution)digunakan rumus penegasan
(defuzifikasi) yang disebut “Metode rata-rata terpusat” atau “Metode defuzifikasi rata-rata
terpusat (Center Average Deffuzzyfier) [6]. Metode defuzifikasi yang digunakan dalam
metode Tsukamoto adalah metode defuzifikasi rata-rata terpusat (Center Average Defuzzyfier)
yang dirumuskan pada persamaan berikut:
Z=∑i=1
n
αizi
∑i=1
n
αi
................................................................................................ (2-3)
21
BAB III
METODOLOGI PENELITIAN
Bab ini membahas metode yang digunakan dalam penelitian yang terdiri dari studi
pustaka, metode analisis data, metode implementasi, metode pengujian, dan metode analisis
untuk pengambilan kesimpulan dan saran.
Gambar 3.4 Flowchart Metodologi PenelitianSumber: Perancangan
1.1. Studi Pustaka
Metode ini digunakan untuk mendapatkan dasar teori sebagai sumber acuan untuk
penulisan laporan dan pengembangan aplikasi. Teori dan pustaka yang berkaitan dengan
laporan ini antara lain:
Sistem Pakar
Fuzzy Logic
8. Evaluasi dan PenAnalisis dan Perancangan
7. Uji Coba Aplikasi
6. Implementasi
5. Analisis dan Perancangan
4. Preproses Data
1. Penentuan Obyek
2. Studi literatur
3. Analisis Kasus
22
Metode Tsukamoto
Penyakit Periodontal
Studi literatur menjelaskan dasar teori yang digunakan sebagai penunjang dan
pendukung penulisan penelitian ini, sumber atau referensi yang digunakan antara lain buku,
jurnal, laporan penelitian, dan mesin pencari (search engine) internet.
1.2. Analisis Data Sistem
Aplikasi sistem pakar fuzzy logic berikut ini merupakan diagnosa penyakit periodontal
dengan menggunakan mesin inferensi fuzzy menggunakan metode tsukamoto. Masukan atau
Inputan dari sistem ini berupa keluhan-keluhan maupun gejala perilaku dari pasien.
1.2.1. Analisis Kebutuhan Sistem
Berikut ini merupakan hal-hal yang dibutuhkan dalam pembuatan sistem pemanfaatan
sistem pakar fuzzy dalam menentukan perilaku api pada kebakaran hutan.
a) User
Kebutuhan yang harus dipenuhi untuk User, yaitu:
Dapat melihat hasil diagnosa.
Dapat menjamin keakuratan hasil diagnosa.
1.2.2. Arsitektur Sistem Pakar
Pada tahap ini akan membahas tentang konsep dan desain aplikasi berdasarkan arsitektur
sistem pakar, yaitu :
23
Gambar 3.5 Konsep dan desain aplikasi berdasarkan arsitektur sistem pakar untuk diagnosa penyakit periodontal
1.3. Penerapan Metode Tsukamoto
Model yang dipakai dalam implementasi sistem pakar diagnosis penyakit periodontal
adalah model logika fuzzy dengan metode tsukamoto. Berikut adalah flowchart diagnosis
penyakit periodontal:
24
Gambar 3.6 Flowchart Diagnosis Penyakit PeriodontalSumber: Perancangan
Penjelasan flowchart diatas adalah sebagai berikut:
1. Input himpunan fuzzy
Sistem pakar ini menerima input berupa gejala-gejala yang dialami pasien. Gejala-
gejala tersebut menjadi variable yang nantinya digunakan dalam menentukan apakah
pasien menderita penyakit periodontal.
2. Menentukan derajat keanggotaan himpunan fuzzy
Setiap variabel dalam himpunan fuzzy ditentukan derjat keanggotaannya, dimana
deajat keanggotaan tersebut menjadi nilai dalam himpunan fuzzy.
3. Menghitung predikat aturan (α)
Variabel-variabel yang telah dimasukkan dalam himpunan fuzzy, dibentuk aturan-
aturan yang diperoleh dengan mengkombinasikan setiap variabel dengan variabel yang
satu dengan atribut lingusitiknya masing-masing. Aturan-aturan yang telah diperoleh
akan dihitung nilai predikat aturannya dengan proses implikasi. Dalam metode
Tsukamoto proses implikasi dilakukan dengan operasi Min. Predikat aturan tersebut
diperoleh dengan mengambil nilai minimum dari derajat keanggotaan variabel yang
satu dengan variabel yang lain, yang telah dikombinasikan dalam aturan yang telah
ditentukan sebelumnya.
SELESAI
Output hasil keputusan
Defuzzifikasi
Menghitung predikat aturan
Menentukan derajat keanggotaan
Input nilai himpunan Fuzzy
MULAI
25
4. Defuzzifikasi
Proses perhitungan rata-rata dengan menggunakan persamaan berikut ini:
Z=Σ(μ1 z1, μ2 z2 , μn zn)
Σ(μ1 , μ2 , μn) ............................................................................(3-
4)
5. Hasil Keputusan
Menghasilkan keputusan penentuan apakah pasien menderita penyakit periodontal.
1.4. Pengujian dan Analisis
Melakukan pengujian dan analisis berdasarkan implementasi yang telah dibuat,
melalui perhitungan akurasi efektifitas penggunaan sistem pakar dibandingkan dengan sistem
manual untuk diagnosa penyakit periodontal.
1.5. Kesimpulan dan Saran
Pengambilan kesimpulan dilakukan setelah proses implementasi dan pengujian telah
dilakukan, sehingga dapat diketahui apakah sistem pakar yang diimplementasikan tersebut
memiliki efektifitas atau tidak. Penulisan saran ini berisi masukan-masukan dari penulis yang
didapatkan setelah melakukan analisis kesimpulan yang tujuannya dapat membantu dalam
pengembangan sistem pakar selanjutnya.
BAB IV
ANALISA DAN PERANCANGAN SISTEM
Bab ini membahas mengenai analisis kebutuhan dan perancangan sistem pakar untuk
diagnosa penyakit gigi periodontal menggunakan metode fuzzy tsukamoto. Tahap
perancangan yang perlukan terbagi menjadi dua tahapan, yaitu perancangan kebutuhan
perangkat lunak dan perancangan sistem pakar. Tahap analisis kebutuhan perangkat lunak
meliputi identifikasi aktor, daftar kebutuhan sistem dan use case diagram serta skenario
use case. Sedangkan tahap analisis perancangan sistem keputusan meliputi perancangan
subsistem basis pengetahuan, subsistem manjemen data, dan subsistem manajemen
model. Untuk lebih jelasnya dapat dilihat dalam pohon perncangan seperti yang terlihat
pada Gambar 4.6.
Gambar 4.7 Pohon PerancanganSumber: Perancangan
26
27
4.1. Analisa Kebutuhan Perangkat Lunak
Tahapan analisa kebutuhan sistem memiliki tujuan untuk memodelkan informasi
yang akan digunakan dalam tahapan perancangan. Analisa kebutuhan sistem yang
diperlukan meliputi identifikasi aktor, daftar kebutuhan sistem dan use case diagram.
Berikut ini merupakan penjelasan dari masing-masing tahapannya:
4.1.1. Identifikasi Aktor
Tahapan ini bertujuan untuk mengidentifikasi aktor-aktor yang nantinya akan
berinteraksi dengan sistem. Pada kolom aktor disebutkan aktor-aktor yang berperan
dalam sistem dan pada kolom lainnya akan menunjukkan deskripsi dari masing-masing
aktor. Tabel 4.3 memperlihatkan aktor-aktor yang berperan dalam sistem yang dilengkapi
dengan penjelasannya yang merupakan hasil dari proses identifikasi aktor.
Tabel 4.3 Identifikasi Aktor
Aktor Deskripsi Aktor
User User merupakan aktor yang ingin menggunakan aplikasi untuk mendapatkan hasil tingkat keparahan dari penyakit periodontal. User bisa merupakan dokter gigi atau pakar gigi.
Sumber: Perancangan
4.1.2. Daftar Kebutuhan Sistemfil
Tahapan ini bertujuan untuk menjelaskan kebutuhan sistem yang harus dipenuhi
saat aktor melakukan sebuah aksi. Daftar kebutuhan ini terdiri dari sebuah kolom yang
merupakan hal-hal yang harus disediakan oleh sistem, sedangkan pada kolom yang lain
menunjukkan nama use case yang menampilkan fungsionalitas masing-masing kebutuhan
tersebut. Tabel 4.4 memperlihatkan daftar kebutuhan fungsionalitas pada sistem.
Tabel 4.4 Daftar Kebutuhan Sistem
Kebutuhan Aktor Nama Use Case
Sistem harus menyediakan pemilihan menu
User Pilih menu
Sistem harus dapat menyediakan dan memberikan akses kepada user untuk menginput identititas dan gejala yang diperlukan sistem. Untuk
User Input Identitas dan Gejala
28
identitas terdiri dari: nama, umur, dan jenis kelamin. Sedangkan untuk gejala terdiri dari: gingival index, alveolar bone loss, dan probing packet depth.
Sistem harus menyediakan antarmuka untuk menampilkan hasil perhitungan yang akurat kepada user.
User Lihat Hasil Perhitungan
Sistem harus menyediakan antarmuka untuk menampilkan representasi hasil perhitungan ke dalam grafik kepada user.
User Lihat Grafik Keanggotaan
Sistem harus menyediakan antarmuka untuk memberikan bantuan kepada user berupa petunjuk penggunaan aplikasi.
User Lihat Bantuan
Sistem harus menyediakan antarmuka untuk menampilkan tentang tim pengembang dari aplikasi.
User Lihat tentang kami
Sumber: Perancangan
4.1.3. Diagram Use Case
Diagram use case merupakan salah satu diagram yang digunakan untuk
menggambarkan kebutuhan-kebutuhan dan fungsionalitas dari sistem serta digunakan
untuk menunjukan aksi-aksi yang dilakukan oleh aktor dari sistem. Gambar 4.7
merupakan diagram use case sistem pakar yang menunjukkan spesifikasi fungsionalitas yang
disediakan oleh sistem dari segi aktor Admin dan User.
29
uc sistemPakar
Sistem Pakar Diagnosis Penyakit Periodontal
Pakar
Input Identitas dan Gejala
Lihat Hasil Perhitungan
Lihat Grafik Keanggotaan
Pilih Menu
Lihat Bantuan
Lihat Tentang Kami
Gambar 4.8 Use Case DiagramSumber: Perancangan
Pada use case diatas, dapat dideskripsikan sebagai berikut:
1. User merupakan aktor.
2. User dapat melakukan pilih menu, apakah hendak input identitas dan gejala atau lihat
bantuan atau lihat tentang kami.
3. User dapat melakukan input identitas dan gejala, input identitas terdiri dari nama,
umur, dan jenis kelamin, sedangkan input gejala terdiri dari gingival index, alveolar
bone loss, dan probing packet depth.
4. User melanjutkan dengan menekan tombol Proses Perhitungan.
5. Sistem akan memprosesnya dan akan menampilkan output hasil tingkat keparahan dari
penyakit periodontal, apakah ringan atau sedang atau parah.
6. User juga dapat melanjutkan dengan menampilkan grafik fungsi keanggotaan dari
diagnosis yang telah dilakukan dengan cara menekan tombol Tampil Grafik
Keanggotaan.
7. User juga dapat melihat petunjuk penggunaan aplikasi ketika menekan tombol lihat
30
bantuan.
8. User juga dapat melihat tentang siapa saja yang mengembangkan aplikasi sistem pakar
ketika menekan tombol tentang kami .
4.1.4. Skenario Use Case
Masing-masing use case yang terdapat pada diagram use case tersebut akan dijabarkan
dalam skenario use case secara mendetail. Pada skenario use case tersebut, akan diberikan
uraian nama use case, aktor yang berhubungan dengan use case tersebut, tujuan dari use case,
deskripsi global tentang use case, kondisi awal yang harus dipenuhi dan kondisi akhir yang
diharapkan setelah berjalannya fungsional use case. Pada skenario use case juga akan
diberikan uraian yang berkaitan dengan tanggapan dari sistem atas suatu aksi yang di berikan
oleh aktor ( aliran utama ). Skenario use case juga terdapat kejadian alternatif yang
merupakan jalannya sistem jika terdapat kondisi tertentu (aliran alternatif).
1. Use case pilih menu
Pada use case pilih menu, akan dijelaskan secara detail tentang proses pemilihan menu
yang akan dilakukan oleh user atau pakar. Tabel 4.5 merupakan skenario use case pilih
menu.
Tabel 4.5 Tabel Skenario Use Case Pilih Menu
Use Case Pilih Menu.
Aktor User.
Tujuan Melakukan proses pemilihan menu untuk menentukan langkah apa yang akan dilakukan sistem selanjutnya.
Deskripsi Use case ini mendeskripsikan bagaimana user atau pakar melakukan pemilihan menu. Menu-menu tersebut terdiri dari Diagnosis, Bantuan dan Tentang Kami.
Kondisi Awal
User atau pakar telah mengetahui apa yang hendak dilakukan terhadap sistem.
Kondisi Akhir
User atau pakar dapat mengakses ke halaman atau form selanjutnya.
Sumber : Perancangan
31
2. Use case Input Identitas dan Gejala
Pada use case input identitas dan gejala, akan dijelaskan secara detail tentang bagaiamana
user menginput data identitas dan gejala. Tabel 4.6 merupakan skenario use case input
identitas dan gejala.
Tabel 4.6 Tabel Skenario Use Case Input Identitas dan Gejala
Use Case Input Identitas dan Gejala
Aktor User
Tujuan Melakukan proses penginputan data identitas dan gejala.
Deskripsi Use case ini mendeskripsikan bagaimana user atau pakar melakukan penginputan data identitas dan gejala. Input identitas terdiri dari nama, usia, dan jenis kelamin. Sedangkan input gejala terdiri dari gingival index, alveolar bone loss, dan probing packet depth.
Kondisi Awal
User atau pakar melihat tampilan berupa form kosong, sehingga user dapat menginputkan data identitas dan gejala.
Kondisi Akhir
User atau pakar telah menginputkan identitas dan gejala.
Sumber : Perancangan
3. Use case Lihat Hasil Perhitungan
Pada use case lihat hasil perhitungan, akan dijelaskan secara detail bagaimana hasil
perhitungan yang akan ditampilkan sistem kepada user atau pakar. Tabel 4.7 merupakan
skenario use case lihat hasil perhitungan.
Tabel 4.7 Tabel Skenario Use Case Lihat Hasil Perhitungan
Use Case Lihat Hasil Perhitungan
Aktor User
32
Tujuan Menampilkan hasil perhitungan kepada user atau pakar.
Deskripsi Use case ini mendeskripsikan bagaimana user atau pakar melihat hasil perhitungan yang telah dilakukan oleh sistem ketika user atau pakar menekan tombol Lihat Hasil Perhitungan. Sistem akan menampilkan data identitas dari pasien dan menamplkan hasil tingkat keparahan penyakit yang diidap pasien apakah ringan atau sedang atau parah.
Kondisi Awal
User atau pakar telah menekan tombol Lihat Hasil Perhitungan.
Kondisi Akhir
User atau pakar dapat mengetahui tingkat keparahan dari penyakit yang diidap pasien apakah ringan atau sedang atau parah.
Sumber : Perancangan
4. Use case Lihat Grafik Keangggotaan
Pada use case lihat grafik keanggotaan, akan dijelaskan secara detail apa yang akan
ditampilkan oleh sistem kepada user atau pakar ketika memilih tombol lihat grafik
keanggotaan. Tabel 4.8 merupakan skenario use case lihat grafik keanggotaan.
Tabel 4.8 Tabel Skenario Use Case Lihat Grafik Keanggotaan
Use Case Lihat grafik keanggotaan
Aktor User
Tujuan Menampilkan grafik fungsi keanggotaan kepada user atau pakar.
Deskripsi Use case ini mendeskripsikan bagaimana user atau pakar melihat grafik yang telah dibuat oleh sistem ketika user atau pakar menekan tombol Lihat Grafik Keanggotaan. Sistem akan menampilkan data identitas dari pasien dan menampilkan hasil tingkat keparahan penyakit yang diidap pasien apakah ringan atau sedang atau parah serta grafik fungsi keanggotaan
33
dari diagnosis tingkat keparahan penyakit.
Kondisi Awal
User atau pakar telah menekan tombol Lihat Grafik Keanggotaan.
Kondisi Akhir
User atau pakar dapat mengetahui grafik fungsi keanggotaan dari tingkah keparahan penyakit yang diidap pasien.
Sumber : Perancangan
5. Use case Lihat Bantuan
Pada use case lihat bantuan, akan dijelaskan secara detail apa yang akan ditampilkan oleh
sistem kepada user atau pakar ketika memilih tombol bantuan. Tabel 4.9 merupakan
skenario use case lihat bantuan.
Tabel 4.9 Tabel Skenario Use Case Lihat Bantuan
Use Case Lihat bantuan
Aktor User
Tujuan Menampilkan bantuan berupa petunjuk penggunaan aplikasi kepada user atau pakar.
Deskripsi Use case ini mendeskripsikan bagaimana user atau pakar melihat petunjuk penggunaan aplikasi ketika user atau pakar menekan tombol Bantuan.
Kondisi Awal
User atau pakar telah menekan tombol Bantuan.
Kondisi Akhir
User atau pakar dapat mengetahui
Sumber : Perancangan
6. Use case Lihat Tentang Kami
Pada use case lihat tentang kami, akan dijelaskan secara detail apa yang akan ditampilkan
oleh sistem kepada user atau pakar ketika memilih tombol tentang kami. Tabel 4.10
merupakan skenario use case lihat tentang kami.
34
Tabel 4.10 Tabel Skenario Use Case Lihat Tentang Kami
Use Case Lihat tentang kami
Aktor User
Tujuan Menampilkan isi dari halaman tentang kami berupa siapa saja pengembang dari aplikasi.
Deskripsi Use case ini mendeskripsikan bagaimana user atau pakar melihat siapa saja pengembang dari aplikasi ketika user atau pakar menekan tombol Tentang Kami.
Kondisi Awal
User atau pakar telah menekan tombol Tentang Kami.
Kondisi Akhir
User atau pakar dapat mengetahui siapa saja pengembang dari aplikasi sistem pakar ini.
Sumber : Perancangan
4.2. Perancangan Sistem Pakar
Tahapan analisa dan perancangan sistem pendukung keputusan disini merupakan tahapan
yang betujuan untuk mengubah model informasi yang telah dibuat pada tahapan analisa
kebutuhan sistem. Perancangan yang dilakukan adalah perancangan untuk seluruh subsistem
yang terdapat dalam arsitektur sistem pendukung keputusan untuk merekomendasikan kamera
digital. Perancangan tersebut meliputi perancangan untuk susbsistem manajemen data,
susbsistem basis pengetahuan, subsistem manajemen model dan subsistem antarmuka.
Subsistem yang terdapat dalam sistem antara lain:
a) Akuisisi Pengetahuan.
b) Basis Pengetahuan.
Menjelaskan kriteria-kriteria yang akan digunakan sebagai bahan yang digunakan
untuk perhitungan.
c) Mesin Inferensi.
d) Fasilitas Pengguna.
e) Perancangan interface.
35
4.2.1. Akuisisi Pengetahuan
Akuisisi pengetahuan dimulai dari wawancara dengan pakar. Pakar yang membantu
dalam proses pembuatan sistem pakar untuk diagnosa penyakit periodontal. Wawancara ini
berkaitan dengan penyusunan data gejala-gejala penyakit periodontal, perancangan aturan
produksi dan mesin inferensi. Proses akuisisi pengetahuan pada aplikasi sistem pakar untuk
diagnosa penyakit periodontal ditunjukkan pada gambar 4.8 berikut:
36
Gambar 4.9 Diagram Alir Proses Akuisisi PengetahuanSumber: Perancangan
4.2.2. Basis Pengetahuan
Basis pengetahuan adalah suatu jenis basis data yang dipergunakan untuk manajemen pengetahuan. Basis data ini menyediakan fasilitas untuk koleksi, organisasi, dan pengambilan pengetahuan terkomputerisasi. Hal terpenting dari suatu basis pengetahuan adalah kualitas informasi yang dikandungnya.Berikut basis pengetahuan yang digunakan dalam penelitian :
4.2.2.1.Himpunan Bahasa Variabel
Himpunan Bahasa pada Variabel
Gingival Index = Kecil, Sedang, Besar
Alveolar Bone Loss = Kecil, Sedang, Besar
Probing Packet Depth = Kecil, Sedang, Besar
Sakit Periodontal = Ringan, Sedang, Parah
37
4.2.2.2.Semesta Pembicaraan
Semesta pembicaraan adalah himpunan yang memuat semua anggota atau objek himpunan yang dibicarakan.Semesta pembicaraan pada tiap variabel yang digunakan pada penelitian ini ditunjukkan pada tabel 4.11.
Tabel 4.11 Tabel Semesta Pembicaraan
Input Kecil Sedang Besar
Gingival Index 0<=x<1,25 0.75< x >2,25 1,75<x<=3
Alveolar Bone Loss 0<=x<2,75 2.25< x >6,75 5,25<x<=9
Probing Packet
Depth0<=x<3,33 2< x >6 4,66<x<=8
Output Ringan Sedang Parah
Sakit Periodontal 0<=x<4 2< x >7 6<x<=10
Sumber: Perancangan
4.2.3. Penerapan Metode Tsukamoto
Penyelesaian masalah untuk kasus perhitungan kadar air pada biji kopi robusta dengan
Metode Tsukamoto jika dimisalkan terdapat biji kopi akan dilakukan proses penyangraian
dengan data sebagai berikut :
Gingival Index : 2,5
Alveolar Bone Loss : 1 mm
Probing Packet Depth 5.5 mm
Langkah 1: Menentukan variabel yang terkait dalam proses yang akan ditentukan dan fungsi
fuzzifikasi yang sesuai.
a) Variabel Gingival Index terdiri atas 3 himpunan fuzzy, yaitu KECIL, SEDANG
dan BESAR. Berdasarkan dari data Gingival Index terbesar dan terkecil pada
masing-masing himpunannya,maka fungsi keanggotaan dirumuskan sebagai
berikut:
µKecil={ 1 ;1,25−x
0,5;
0 ;
0≤ x ≤ 0.750.75<x<1.25
x ≥1,25....................................................................(4-5)
38
µSedang={0 ;
x−0,750,51;
2,25−x0,50 ;
x≤ 0,750,75<x<1,251,25≤ x≤ 1,751,75<x<2.25
x≥ 2.25
.................................................................(4-6)
µBesar={ 0 ;1,25−x
0,5;
1;
x≤ 1.751.75<x<2.25
3≥ x>2,25.................................................................(4-7)
0 0.75 1.25 1.75 2.25 30
0.2
0.4
0.6
0.8
1
1.2
SedikitSedangBanyak
Gambar 4.10 Grafik Fungsi Derajat Keanggotaan Variabel Gingival IndexSumber: Perancangan
b) Variabel Alveolar Bone Loss terdiri atas 3 himpunan fuzzy, yaitu KECIL,
SEDANG dan BESAR. Berdasarkan dari data Alveolar Bone Loss terbesar dan
terkecil pada masing-masing himpunannya,maka fungsi keanggotaan dirumuskan
sebagai berikut:
µKecil={ 1 ;2,25−x
0,5;
0 ;
0≤ x≤ 2,252< x<3.33
x ≥ 2,75 ......................................................................(4-8)
µSedang={0;
x−2,251,51;
6,25−x1,50;
x ≥ 0,752,25<x<3,753,75≤ x≤ 5,255,25<x<6.75
x≤ 6.75
................................................................(4-9)
39
µBesar={ 0 ;5,25−x
1,5;
1;
x≤ 5.255,25<x<6.75
9≤ x>2,25 ............................................................(4-10)
0 2.25 3.75 5.25 6.75 90
0.2
0.4
0.6
0.8
1
1.2
SedikitSedangBanyak
Gambar 4.11 Grafik Fungsi Derajat Keanggotaan Variabel Alveolar Bone LossSumber: Perancangan
a) Variabel Probing Packet Depth terdiri atas 3 himpunan fuzzy, yaitu KECIL,
SEDANG dan BESAR. Berdasarkan dari data Probing Packet Depth terbesar dan
terkecil pada masing-masing himpunannya,maka fungsi keanggotaan dirumuskan
sebagai berikut:
µKecil={ 1 ;3,33−x
1,33;
0 ;
0≤ x≤ 0.752< x<3.33
x ≥ 3,33 ....................................................................(4-11)
µSedang={0;
x−3,331,331;
6−x1,330;
x≤ 22<x<3,33
3,33≤ x≤ 4,664,66<x<6
x≥ 6
................................................................(4-12)
µBesar={ 0 ;x−4,66
1,33;
1 ;
x≤ 4.664,66<x<6
8 ≥ x>6 .....................................................................(4-13)
40
0 2 3.33 4.66 6 80
0.2
0.4
0.6
0.8
1
1.2
SedikitSedangBanyak
Gambar 4.12 Grafik Fungsi Derajat Keanggotaan Variabel Probing Packet DepthSumber: Perancangan
a) Variabel Sakit terdiri atas 3 himpunan fuzzy, yaitu RINGAN, SEDANG dan
PARAH. Berdasarkan dari data variabel sakit terbesar dan terkecil pada masing-
masing himpunannya,maka fungsi keanggotaan dirumuskan sebagai berikut:
µKecil={ 1 ;3,33−x
1,33;
0 ;
0≤ x≤ 22<x<4
x≥ 4 .........................................................................(4-14)
µSedang={0;
x−3,331,331;
6−x1,330;
x ≤22<x<44 ≤ x≤ 66<x<8
x≥ 8
........................................................................(4-15)
µBesar={ 0 ;x−4,66
1,33;
1 ;
x≤ 66<x<8
8 ≤ x ≤10 .........................................................................(4-16)
0 2 4 6 8 100
0.2
0.4
0.6
0.8
1
1.2
RinganSedangParah
Gambar 4.13 Grafik Fungsi Derajat Keanggotaan Variabel Sakit
41
Sumber: Perancangan
Langkah 2: Menghitung α-predikat, z, dan (α-predikat*z)
Tabel 4.12 Perhitungan Alpa
GI ABL PPD Hasil α-predikat Zα-
predikat*z0 1 0 ringan 0 0 00 1 0.37 ringan 0 0 00 1 0.62 sedang 0 0 00 0 0 ringan 0 0 00 0 0.37 sedang 0 0 00 0 0.62 sedang 0 0 00 0 0 sedang 0 0 00 0 0.37 sedang 0 0 00 0 0.62 parah 0 0 00 1 0 ringan 0 0 00 1 0.37 sedang 0 0 00 1 0.62 sedang 0 0 00 0 0 sedang 0 0 00 0 0.37 sedang 0 0 00 0 0.62 parah 0 0 00 0 0 sedang 0 0 00 0 0.37 parah 0 0 00 0 0.62 parah 0 0 01 1 0 sedang 0 0 0
1 1 0.37 sedang 0,374,63
8 1,73161 1 0.62 parah 0,62 6,62 4,10441 0 0 sedang 0 0 01 0 0.37 parah 0 0 01 0 0.62 parah 0 0 01 0 0 parah 0 0 01 0 0.37 parah 0 0 01 0 0.62 parah 0 0 0
Sumber: Perancangan
Langkah 3: Menghitung variabel sakit
Pada langkah ini, z* dihitung berdasarkan aturan (rule) yang telah dibuat dan nilai α-predikat
yang didapat.
Jumlah α-predikat = 0.99
Jumlah α-predikat*z = 5.836
Kadar Air=∑ α−predikat∗z
∑ α−predikat
42
Kadar Air=5.8360.99
=5.894949
Jadi nilai variabel sakit adalah 5.894949
4.2.4. Representasi Pengetahuan
Representasi pengetahuan adalah cara untuk menyajikan pengetahuan yang diperoleh
dari para pakar ke dalam suatu skema atau aturan tertentu sehingga dapat diketahui relasi
suatu pengetahuan yang didapatkan dari para pakar dengan pengetahuan dalam pembuatan
aplikasi sistem pakar dan dapat dipakai untuk menguji kebenaran penalarannya.
Representasi pengetahuan ini adalah aturan produksi yang disajikan dalam bentuk jika-
maka(IF-THEN). Aturan ini digunakan untuk mengidentifikasi seberapa besar tingkat
keparahan yang dialami oleh pasien yang mengidap penyakit perodontal.
Berdasarkan Tingkat Keparahan
[R1] IF GI kecil AND ABL kecil AND PPD kecil THEN sakit ringan[R2] IF GI kecil AND ABL kecil AND PPD sedang THEN sakit ringan [R3] IF GI kecil AND ABL kecil AND PPD besar THEN sakit sedang[R4] IF GI kecil AND ABL sedang AND PPD kecil THEN sakit ringan [R5] IF GI kecil AND ABL sedang AND PPD sedang THEN sakit sedang [R6] IF GI kecil AND ABL sedang AND PPD besar THEN sakit sedang [R7] IF GI kecil AND ABL besar AND PPD kecil THEN sakit sedang [R8] IF GI kecil AND ABL besar AND PPD sedang THEN sakit sedang[R9] IF GI kecil AND ABL besar AND PPD besar THEN sakit parah[R10] IF GI sedang AND ABL kecil AND PPD kecil THEN sakit ringan [R11] IF GI sedang AND ABL kecil AND PPD sedang THEN sakit sedang[R12] IF GI sedang AND ABL kecil AND PPD besar THEN sakit sedang [R13] IF GI sedang AND ABL sedang AND PPD kecil THEN sakit sedang [R14] IF GI sedang AND ABL sedang AND PPD sedang THEN sakit sedang [R15] IF GI sedang AND ABL sedang AND PPD besar THEN sakit parah [R16] IF GI sedang AND ABL besar AND PPD kecil THEN sakit sedang[R17] IF GI sedang AND ABL besar AND PPD sedang THEN sakit parah[R18] IF GI sedang AND ABL besar AND PPD besar THEN sakit parah [R19] IF GI besar AND ABL kecil AND PPD kecil THEN sakit sedang[R20] IF GI besar AND ABL kecil AND PPD sedang THEN sakit sedang [R21] IF GI besar AND ABL kecil AND PPD besar THEN sakit parah [R22] IF GI besar AND ABL sedang AND PPD kecil THEN sakit sedang [R23] IF GI besar AND ABL sedang AND PPD sedang THEN sakit parah[R24] IF GI besar AND ABL sedang AND PPD besar THEN sakit parah[R25] IF GI besar AND ABL besar AND PPD kecil THEN sakit parah[R26] IF GI besar AND ABL besar AND PPD sedang THEN sakit parah[R27] IF GI besar AND ABL besar AND PPD besar THEN sakit parah
Tabel 4.13 Tabel Rule
NO GI ABL PPD Sakit
43
1. Kecil Kecil Kecil Ringan
2. Kecil Kecil Sedang Ringan
3. Kecil Kecil Besar Sedang
4. Kecil Sedang Kecil Ringan
5. Kecil Sedang Sedang Sedang
6. Kecil Sedang Besar Sedang
7. Kecil Besar Kecil Sedang
8. Kecil Besar Sedang Sedang
9. Kecil Besar Besar Parah
10. Sedang Kecil Kecil Ringan
11. Sedang Kecil Sedang Sedang
12. Sedang Kecil Besar Sedang
13. Sedang Sedang Kecil Sedang
14. Sedang Sedang Sedang Sedang
15. Sedang Sedang Besar Parah
16. Sedang Besar Kecil Sedang
17. Sedang Besar Sedang Parah
18. Sedang Besar Besar Parah
19. Besar Kecil Kecil Sedang
20. Besar Kecil Sedang Sedang
21. Besar Kecil Besar Parah
22. Besar Sedang Kecil Sedang
23. Besar Sedang Sedang Parah
24. Besar Sedang Besar Parah
25. Besar Besar Kecil Parah
26. Besar Besar Sedang Parah
27. Besar Besar Besar Parah
Sumber: Perancangan
Keterangan:
GI = Gingival Index
ABL = Alveolar Bone Loss
PPD = Probing Packet Depth
44
4.2.5. Mesin Inferensi
Dalam mesin inferensi ini akan dimodelkan bagaimana sistem akan memproses data
dengan menggunakan metode ini, yang mana proses tersebut dimulai dengan inputan dari
user, kemudian data yang berasal dari inputan user tersebut dihitung sesuang dengan
perumusan tsukamoto
Gambar 4.14 Flowchart Mesin Inferensi
Sumber: Perancangan
4.2.6. Fasilitas Penjelas
Fasilitas penjelas pada sistem ini berisi tuntunan penggunaan aplikasi pemanfaatan
sistem pakar fuzzy dalam menentukan perilaku api yang ditampilkan pada menu Bantuan
dalam halaman beranda. Tuntunan penggunaan ini ditujukan khusus untuk pengguna sistem
ini.
45
4.2.7. Antarmuka
Dalam perancangan desain antarmuka aplikasi ini, secara garis besar ada lima
kelompok utama yang digunakan untuk admin dan pengguna. Secara garis besar gambaran
dari desain antarmuka dari sistem pakar adalah sebagai berikut :
4.2.7.1.Desain Halaman UtamaDesain halaman utama disajikan pada gambar berisi deskripsi program dan tiga
tombol utama.Tombol tersebut adalah tombol diagnosis, bantian, dan tentang kami.Tombol
diagnosis diletakkan di bagian kiri atas karena berisi fitur utama program.Sedangkan tombol
bantuan dan tentang kami diletakkan di bagian kanan bawah karena bukan fitur utama
program.
Gambar 4.15 Desain Halaman UtamaSumber: Perancangan
4.2.7.2. Desain Halaman Data PasienDesain halaman data pasien ini digunakan untuk melakukan input data pasien seperti
nama, alat, dan umur.Juga data diagnosa seperti Gingival index, Alveolar Bone loss, dan
Probing Packet depth. Pada bagian bawah kanan terdapat tombol hasil yang merujuk ke
halaman hasil diagnosa.
46
Gambar 4.16 Desain Halaman Data Pasien
Sumber: Perancangan
4.2.7.3.Desain Halaman Hasil Pemeriksanaan
Desain halaman hasil pemeriksaan berisi data pasien seperti nama, alamat, dan umur
seperti yang diinputkan sebelumnya. Ditambah hasil diagnosa berupa tingkat keparahannya.
Pada bagian kanan bawah terdapat tombol grafik untuk melihat grafik diagnosa pasien.
Gambar 3.17 Desain Halaman Hasil PemeriksaanSumber: Perancangan
4.2.7.4.Desain Halaman GrafikDesain halaman grafik hampir sama dengan desain halaman hasil
pemeriksaan.Bedanya terdapat pada grafik di bagian kiri bawah halaman.
47
Gambar 4.18 Desain Grafik Fungsi KeanggotaanSumber: Perancangan
4.2.7.5.Desain Halaman BantuanDesain halaman bantuan berisi cara penggunaan program dan istilah yang perlu
dijelaskan di dalam program.
Gambar 4.19 Desain Halama BantuanSumber: Perancangan
4.2.7.6.Desain Tentang KamiDesain halaman tentang kami berisi data para pembuat atau pengembang program.
Gambar 4.20 Desain Tentang KamiSumber: Perancangan
BAB V
IMPLEMENTASI
Pada bab ini dibahas mengenai implementasi sistem pakar yang di dasarkan pada hasil yang telah diperoleh dari analisis kebutuhan dan proses perancangan yang dibuat. Pembahasan ini terdiri dari penjelasan tentang spesifikasi sistem, batasan-batasan dalam implementasi, implementasi algoritma pada program mesin inferensi dan implementasi antarmuka.
Gambar 5.1 Pohon Implementasi SistemSumber: Implementasi
5.1. Spesifikasi Sistem
Hasil analisis kebutuhan dan perancangan perangkat lunak yang telah diuraikan pada Bab IV menjadi acuan untuk melakukan implementasi menjadi sebuah sistem yang dapat berfungsi sesuai dengan kebutuhan. Spesifikasi sistem di implementasikan pada spesifikasi perangkat keras dan perangkat lunak.
5.1.1. Spesifikasi Perangkat Keras
Pembangunan sistem pakar untuk menentukan tingkat keparahan penyakit periodontal ini menggunakan spesifikasi perangkat keras yang dirinci pada tabel 5.14
48
49
Tabel 5.14 Tabel Spesifikasi Perangkat Keras
Nama Komponen Spesifikasi
Prosesor Intel Core 2 Duo
Memori(RAM) 1GB
Hardisk 250 GB, free 50GB
Kartu Grafis Intel Graphic HD
Monitor Screen Monitor 14,0’’, Resolusi 1024x600
Sumber :Implementasi
5.1.2. Spesifikasi Perangkat Lunak
Pembangunan sistem pakar untuk menentukan tingkat keparahan penyakit periodontal ini menggunakan spesifikasi perangkat lunak yang dirinci pada tabel 5.15
Tabel 5.15 Tabel Spesifikasi Perangkat Lunak
Tools Nama Software
UseCase Enterprise Architect
Compiler NetBeans
Program Java
Dokumentasi Microsoft Office 2013 (Ms.Word)
Sistem Operasi Windows 7
Sumber :Implementasi
5.2. Batasan-Batasan dalam Implementasi
Beberapa batasan yang diterapkan pada sistem pakar ini adalah :
1. Output dari sistem pakar ini adalah tingkat keparahan penyakit perodontal.
2. Sistem pakar ini dirancang dan dibangun dengan menggunakan bahasa pemrograman
Java.
3. Metode yang diterapkan pada sistem pakar ini adalah metode Fuzzy Inference
Tsukamoto.
4. Representasi pengetahuan yang digunakan adalah aturan produksi.
50
5.3. Implementasi Code
Pada sub bab ini akan dijelaskan mengenai implementasi kode dari aplikasi Sistem Pakar untuk Diagnosa Penyakit Gigi Periodontal Menggunakan Metode Fuzzy Tsukamoto.
5.3.1. Implementasi Kode Fuzzy Tsukamoto
Tabel 5.16 Source Code Fungsi Keanggotaan GI
Fungsi Keanggotaan GI
12345678910111213141516171819202122232425262728293031323334353637
double GI_low(){ double hasil = 0; if(GI<=0.75){ hasil=1; }else if(GI<1.25 && GI>0.75){ hasil = (1.25-GI)/(1.25-0.75); }else if(GI>=1.25){ hasil = 0; } return hasil; } double GI_medium(){ double hasil = 0; if(GI<=0.75 || GI>=2.25){ hasil=0; }else if(GI<1.25 && GI>0.75){ hasil = (0.75-GI)/(0.75-1.25); }else if(GI<2.25 && GI>1.75){ hasil = (2.25-GI)/(2.25-1.75); }else if(GI>=1.25 && GI<=1.75){ hasil = 1; } return hasil; } double GI_hight(){ double hasil = 0; if(GI<=1.75){ hasil=0; }else if(GI<2.25 && GI>1.75){ hasil = (1.75-GI)/(1.75-2.25); }else if(GI>=2.25){ hasil = 1; } return hasil; }
Sumber: ImplementasiPenjelasan source code diatas sebagai berikut:
1. Baris 1 – 11 : menjelaskan kode perhitungan µrendah pada Gingival Index
51
2. Baris 13 – 25 : menjelaskan kode perhitungan µsedang pada Gingival Index3. Baris 27 – 37 : menjelaskan kode perhitungan µtinggi pada Gingival Index
Tabel 5.17 Source Code Fungsi Keanggotaan ABL
Fungsi Keanggotaan ABL
12345678910111213141516171819202122232425262728293031323334353637
double ABL_low(){ double hasil = 0; if(ABL<=2.25){ hasil=1; }else if(ABL<3.75 && ABL>2.25){ hasil = (3.75-ABL)/(3.75-2.25); }else if(ABL>=3.75){ hasil = 0; } return hasil; } double ABL_medium(){ double hasil = 0; if(ABL<=2.25 || ABL>=6.75){ hasil=0; }else if(ABL<3.75 && ABL>2.25){ hasil = (2.25-ABL)/(2.25-3.75); }else if(GI<6.75 && ABL>5.25){ hasil = (6.75-ABL)/(6.75-5.25); }else if(ABL>=3.75 && ABL<=5.25){ hasil = 1; } return hasil; } double ABL_hight(){ double hasil = 0; if(ABL<=5.25){ hasil=0; }else if(ABL<6.75 && ABL>5.25){ hasil = (5.25-ABL)/(5.25-6.75); }else if(ABL>=6.75){ hasil = 1; } return hasil; }
Sumber: ImplementasiPenjelasan source code diatas sebagai berikut:
1. Baris 1 – 11 : menjelaskan kode perhitungan µrendah pada ABL2. Baris 13 – 25 : menjelaskan kode perhitungan µsedang pada ABL3. Baris 27 – 37 : menjelaskan kode perhitungan µtinggi pada ABL
52
Tabel 5.18 Source Code Fungsi Keanggotaan GI
Fungsi Keanggotaan PPD
12345678910111213141516171819202122232425262728293031323334353637
double PPD_low(){ double hasil = 0; if(PPD<=2){ hasil=1; }else if(PPD<3.33 && PPD>2){ hasil = (3.33-PPD)/(3.33-2); }else if(PPD>=3.33){ hasil = 0; } return hasil; } double PPD_medium(){ double hasil = 0; if(PPD<=2 || PPD>=6){ hasil=0; }else if(PPD<3.33 && PPD>2){ hasil = (2-PPD)/(2-3.33); }else if(PPD<6 && PPD>4.66){ hasil = (6-PPD)/(6-4.66); }else if(PPD>=3.33 && PPD<=4.66){ hasil = 1; } return hasil; } double PPD_hight(){ double hasil = 0; if(PPD<=4.66){ hasil=0; }else if(PPD<6 && PPD>4.66){ hasil = (4.66-PPD)/(4.66-6); }else if(PPD>=6){ hasil = 1; } return hasil; }
Sumber: ImplementasiPenjelasan source code diatas sebagai berikut:
1. Baris 1 – 11 : menjelaskan kode perhitungan µrendah pada PPD2. Baris 13 – 25 : menjelaskan kode perhitungan µsedang pada PPD3. Baris 27 – 37 : menjelaskan kode perhitungan µtinggi pada PPD
53
Tabel 5.19 Source Code Nilai Output
Fungsi Keanggotaan Hasil
123456789101112131415161718192021222324252627282930313233343536373839
double hasil_low(double hasil1){ double hasil = 0; if(hasil1==1){ hasil=1; }else if(hasil1<1 && hasil1>0){ //hasil = (4-hasil1)/(4-2); hasil = ((hasil1 * (4 - 2)) - 4) * (0 - 1); }else if(hasil1 == 0){ hasil = 0; } return hasil; }
double hasil_medium(double hasil1){ double hasil = 0; if(hasil1==1){ hasil=5; }else if(hasil1<1 && hasil1>0){ hasil = ((((hasil1 * (4 - 5)) - 4) * (0 - 1)) + (((hasil1 * (6 - 5)) - 6) * (0 - 1)))/2; }else if(hasil1==0){ hasil = 0; } return hasil; }
double hasil_hight(double hasil1){ double hasil = 0;
if(hasil1==1){ hasil=8; }else if(hasil1<1 && hasil1>0){ hasil = ((hasil1 * (6 - 8)) - 6) * (0 - 1); }else if(hasil1==0){ hasil = 0; } return hasil; }
Sumber: Implementasi
Tabel 5.20 Source Code Nilai Total AP dan APZ
Fungsi untuk menghitung total AP dan APZ
12
double getTotalAP(){ double totalAP=0; int range = A_AP.length;
54
345678910111213141516171819
for(int row=0 ; row < range ; row++){ totalAP = totalAP + A_AP[row]; } return totalAP; } double getTotalAPZ(){ double totalAPZ=0; int range = A_APZ.length; for(int row=0 ; row < range ; row++){ totalAPZ = totalAPZ + A_APZ[row]; } return totalAPZ; }
Sumber: ImplementasiPenjelasan source code diatas sebagai berikut:
1. Baris 1 – 9 : menjelaskan kode perhitungan nilai total AlphaP2. Baris 11 – 19 : menjelaskan kode perhitungan nilai total AlphaPZ
a. Implementasi Antarmuka 899Pada project akhir ini, terdapat antarmuka sistem yang dibangun dengan
menggunakan form dan kontrol yang terdapat pada Java adapun antarmuka yang diimplementasikan untuk menunjang penelitian tugas akhir ini adalah sebagai berikut :
Gambar 5.2 Desain Antar Muka UtamaSumber: Implementasi
Pada desain antar muka dari sistem ini terdiri dari form data yang harus dimasukkan
untuk mendapatkan hasil perhitungan. Data-data tersebut antara lain:
1) Nilai Gingival Index
55
2) Nilai Alveolar Bone Loss
3) Nilai Probing Packet Depth
Setelah data-data diinput dan tombol Proses ditekan, maka proses perhitungan akan
muncul pada tabel perhitungan, dan hasil perhitungan akan ditampilkan pada textbox
dibawah tabel.
Pengujian dan Analisis 6.1Pengujian6.1.1 Pengujian Validasi
6.1.1.1 Kasus Uji Data tidak valid
6.1.1.2 Kasus Uji Input data gejala
6.1.1.5 Hasil Pengujian Validasi
BAB VI
PENGUJIAN DAN ANALISIS
Bab ini membahas mengenai tahapan pengujian dan analisis dari sistem pemanfaatan
sistem pakar fuzzy untuk diagnosis penyakait periodontal. Proses pengujian dilakukan melalui
dua tahapan, yaitu : pengujian validasi dan pengujian akurasi. Pada pengujian validasi akan
digunakan teknik pengujian Black-Box (Black-Box Testing. Pengujian akurasi digunakan
untuk menguji tingkat akurasi antara perhitungan Fuzzy Tsukamoto secara manual dengan
erhitungan Fuzzy Tsukamoto yang telah di implementasikan menjadi suatu sistem. Pengujian
akurasi sistem ini juga dilakukan dengan mencocokan antara data kasus uji dengan output
perangkat lunak.
Gambar 6.1 Pohon Pengujian dan AnalisisSumber: Pengujian dan Analisis
6.1. Pengujian
Pengujian adalah proses yang bertujuan untuk memastikan apakah semua fungsi
sistem bekerja dengan baik dan mencari kesalahan yang mungkin terjadi pada sistem.
Tujuan dari pengujian adalah untuk mendeteksi :
a. Kesalahan bahasa (language error), kesalahan yang diakibatkan oleh penulisan
dalam penulisan sintaks.
56
57
b. Kesalahan waktu proses (runtime error), kesalahan yang terjadi ketika program
dijalankan. Kesalahan ini akan menyebabkan proses program terhenti sebelum
waktunya untuk berhenti.
c. Kesalahan logika (logical error), kesalahan yang disebabkan oleh logika
program yang dibuat. Kesalahan ini sulit ditemukan karena tidak ada
pemberitahuan letak kesalahannya.
Adapun pengujian yang dilakukan dalam menguji sistem pemanfaatan sistem pakar fuzzy
dalam menentukan tingkat keparahan penderita penyakit periodontal adalah sebagai
berikut:
6.1.1. Pengujian Validasi
Pengujian validasi ini digunakan untuk mengetahui apakah sistem yang sudah
dibangun sudah benar sesuai dengan yang dibutuhkan. Item-item yang telah ditemukan dalam
daftar kebutuhan akan menjadi acuan untuk melakukan pengujian validasi. Pengujian validasi
menggunakan metode blackbox, karena tidak difokuskan terhadap alur jalannya algoritma
program. Akan tetapi lebih ditekankan untuk menemukan kesesuaian antara kinerja sistem
dengan daftar kebutuhan. Pada setiap kebutuhan dilakukan proses pengujian dengan kasus uji
masing-masing untuk mengetahui kesesuaian antara kebutuhan dengan kinerja sistem.
6.1.1.1. Kasus Uji Tambah DataKasus uji tambah data ini, terdiri dari pengujian validasi data hutan dengan
menggunakan prosedur pengujian berikut:
1. User memasukkan nilai Gingival Index
2. User memasukkan nilai Alveolar Bone Loss
3. User memasukkan nilai Probing Packet Depth
4. Admin menekan tombol proses
5. Sistem akan memproses inputan dari user
58
Gambar 6.2 Tampilan antarmuka program sebelum data dimasukkan.Sumber: Pengujian dan Analisis
Gambar 6.3 Tampilan antarmuka program setelah data dimasukkan dan diproses.Sumber: Pengujian dan Analisis
6.1.1.2. Kasus Uji Data Tidak ValidKasus uji tambah data ini, terdiri dari pengujian validasi data hutan dengan
menggunakan prosedur pengujian berikut:
1. User memasukkan nilai diluar rentang nilai Gingival Index
2. User memasukkan nilai diluar rentang nilai Alveolar Bone Loss selain
3. User memasukkan nilai diluar rentang nilai Probing Packet Depth
4. Admin menekan tombol proses
5. Sistem meminta user memasukkan nilai gejala sesuai rentang nilai variabel gejala.
6.1.2. Hasil Pengujian ValidasiBerdasarkan pengujian yang telah dilakukan sesuai dengan prosedur pengujian,
didapatkan hasil seperti yang ditunjukan pada tabel berikut ini:
59
Tabel 6.21 Hasil Pengujain Validasi
No.
Nama Pengujian
Hasil yang diharapkan
Hasil Yang didapatkan
Kesimpulan
1 Input data valid
1. Sistem melakukan pemrosesan data sesuai metode
1.Sistem memproses data dengan baik
Valid
2 Input data tidak valid
1. Sistem tidak memproses data yang tidak sesuai
1.Sistem tidak melakukan
Valid
Sumber: Pengujian dan Analisis
60
BAB VII
KESIMPULAN DAN SARAN
Pada bab ini akan dijelaskan tentang kesimpulan dan saran yang bisa dilakukan setelah
melakukan penelitian penerapan metode fuzzy tsukamoto untuk diagnosis penyakit
periodontal.
a. Kesimpulan
Kesimpulan mengenai Penerapan Metode Tsukamoto (LogikaFuzzy) dalam pistem pakar
untuk diagnosis penyakit periodontal maka dapat disimpulkan:
1. Metode Fuzzy tsukamoto dapat diterapkan untuk diagnosis.
2. Tingkat validitas SP dengan metode FIS Tsukamoto untuk diagnosis penyakit periodontal
berdasarkan gingival index,probing packet depth dan alveolar bone loss.
3. Output dari SP dengan metode FIS Tsukamoto untuk diagnosis penyakit periodontal
berupa gingivitis ringan, gingivitis sedang, gingivitis berat, periodontitis ringan,
periodontitis sedang, dan periodontitis berat.
b. Saran
Permasalahan yang diambil pada penerapan metode Tsukamoto untuk diagnosis penyakit
periodontal ini masih sangat sederhana. Masih terdapat cara yang dapat digunakan untuk
membuat sistem pakar untuk menentukan jumlah produksi lebih baik antara lain:
1. Menambahkan input berupa faktor lain yang mempengaruhi penyakit periodontal.
2. Menambahkan aturan fuzzy pada inferensinya, sehingga hasil produksi yang diperoleh
semakin akurat.
3. Menerapkan dalam bahasa permrograman yang lain, misalnya PHP, Perl, C++, dan
sebagainya.
DAFTAR PUSTAKA
[1] Kusrini. 2006. Sistem Pakar Teori dan Aplikasi. Yogyakarta: Andi.
[2] Arhami, M. 2005. Konsep Dasar Sistem Pakar. Yogyakarta: Andi.
[3] Anonymous, Landasan Teori Logika Fuzzy, Universitas Sumatera Utara
[4] Turban, E, Aronson, Jay E & Liang, Teng-Ping. 2005. Decission Support Systems and
Intelligent Systems Edisi 7 Jilid 2.Yogyakarta: Andi.
[5] Sri Kusumadewi & Sri Hartati. 2006. Neuro Fuzzy-Integrasi Sistem Fuzzy dan Jaringan
Syaraf.Yogyakarta: Graha Ilmu
[6] Setiadji. 2009. Himpunan & Logika Samar serta Aplikasinya. Yogyakarta: Graha Ilmu.
[7] Novruz, Tevfik. 2011. A Fuzzy Expert System Design for Diagnosis of Periodontal
Dental Disease. 978-1-61284-832-7/11/$26.00 ©2011 IEEE
[8] Anonymous, http://en.wikipedia.org/wiki/Periodontal_pathology. Diakses pada tanggal 10
Mei 2014.
[9] Anonymous, Penyakit Periodontal, Universitas Sumatera Utara.
[10] Anonymous, Bab 6 Sistem Pakar.
[11] Nia Permatasari. 2012. Penerapan Fuzzy Inference System (FIS) Tsukamoto dalam
Menganalisa Tingkat Resiko Penyakit Polip Hidung. IAIN Raden Fatah Palembang.
61
top related