sistem pakar untuk diagnosa penyakit gigi periodontal menggunakan metode fuzzy tsukamoto

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


d. Bagaimana pengujian dari sistem pakar untuk diagnosa penyakit gigi periodontal


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.


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.


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.


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


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.


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; }


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; }


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; }


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

http://en.wikipedia.org/wiki/Periodontal_pathology

sistem pakar untuk diagnosa penyakit gigi periodontal menggunakan metode fuzzy tsukamoto

Documents