Sistem Pendukung Keputusan Penentuan Penyakit Diabetes Mellitus Dengan Metode Sugeno

(1)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENYAKIT

DIABETES MELLITUS DENGAN METODE SUGENO

SKRIPSI

MARIANI VALENTINA TAMPUBOLON

061401096

PROGRAM STUDI S1 ILMU KOMPUTER

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2010

(2)

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENYAKIT DIABETES MELLITUS DENGAN METODE SUGENO

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Komputer

MARIANI VALENTINA TAMPUBOLON 061401096

PROGRAM STUDI SARJANA ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2010

(3)

PERSETUJUAN

Judul : SISTEM PENDUKUNG KEPUTUSAN PENENTUAN

PENYAKIT DIABETES MELLITUS DENGAN METODE SUGENO

Kategori : SKRIPSI

Nama : MARIANI VALENTINA TAMPUBOLON

Nomor Induk Mahasiswa : 061401096

Program Studi : SARJANA (S1) ILMU KOMPUTER

Departemen : ILMU KOMPUTER

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA

Diluluskan di Medan, Juli 2010

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Maya Silvi Lydia, BSc, MSc M. Andri B, ST, MCompSc, MEM

NIP. 197401272002122001 NIP. 197510082008011011

Diketahui/Disetujui oleh

Program Studi S1 Ilmu Komputer Ketua,

Prof. Dr. Muhammad Zarlis NIP. 195707011986011003

(4)

PERNYATAAN

SISTEM PENDUKUNG KEPUTUSAN PENENTUAN PENYAKIT DIABETES MELLITUS DENGAN METODE SUGENO

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, 28 Juni 2010

Mariani Valentina Tampubolon 061401096

(5)

PENGHARGAAN

Puji dan syukur hanya bagi Tuhan Yang Maha Esa yang mengizinkan penulis dapat menyelesaikan skripsi ini. Sebab kasihNya yang besar dan kesetiaanNya yang tak pernah padam.

Ucapan terima kasih penulis sampaikan kepada M. Andri B, ST, MCompSc, MEM dan Maya Silvi Lydia, BSc. MSc selaku pembimbing pada penyelesaian skripsi ini yang telah memberikan panduan dan penuh kepercayaan kepada penulis untuk menyempurnakan kajian ini. Ucapan terima kasih juga penulis sampaikan kepada Prof. Dr. Muhammad Zarlis dan Drs. Agus Salim Harahap, M.Si selaku dosen penguji. Panduan ringkas, padat, dan profesional telah diberikan kepada penulis agar dapat menyelesaikan tugas ini. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Departemen Ilmu Komputer, Prof. Dr. Muhammad Zarlis dan Syahriol Sitorus, S.Si, MIT, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua dosen pada Departemen Ilmu Komputer FMIPA USU, dan pegawai di Ilmu Komputer FMIPA USU.

Akhirnya, tidak terlupakan penulis mengucapkan banyak terima kasih kepada ayahanda M.Tampubolon dan ibunda L.Sinaga, kakanda Andreas Tampubolon, Berlin Fernando Tampubolon dan adinda tercinta Ace Myland Tampubolon, yang selalu memberikan cinta kasihnya dan dukunganya baik material dan spiritual serta seluruh sahabat terkhusus Orvin dan kerabat yang berjasa memberikan dorongan kepada penulis selama menyelesaikan skripsi ini. Adik-adik kelompok Sinlaire Tika, Tian Situngkir dan Desi Manurung. Teman-teman Angel’s Shine yang selalu memberi semangat Kakanda Irawaty Sitanggang, Maria Sinaga, Dameria Tampubolon dan Siska Sitorus, terima kasih untuk doa-doa kalian. Semoga Tuhan Yang Maha Esa memberikan limpahan karunia kepada semua pihak yang telah memberikan bantuan, perhatian, serta dukungan kepada penulis dalam menyelesaikan skripsi ini.

(6)

ABSTRAK

Jumlah penderita Diabetes Mellitus meningkat dari tahun ke tahun. Hal ini dikarenakan keterlambatan diagnosis penyakit tersebut. Penderita penyakit tersebut biasanya meninggal akibat komplikasi penyakit ini. Oleh karena itu perlu dilakukan tindakan guna mengantisipasi meningkatnya jumlah penderita Diabetes Mellitus yang meninggal. Pada penelitian ini, dibuat suatu model sistem pendukung keputusan penentuan penyakit Diabetes Mellitus dengan Metode Sugeno. Pada metode ini, variabel-variabel pendukung penegakan diagnosis penyakit tersebut digunakan dalam pembentukan himpunan fuzzy. Himpunan fuzzy itu akan diproses dengan metode Sugeno sehingga menghasilkan suatu keputusan. Sistem ini dapat digunakan dengan mudah oleh tenaga medis guna membantu pengambilan keputusan penegakan penyakit Diabetes Mellitus. Pengguna cukup hanya memasukkan data pemeriksaan laboratorium, kemudian menekan tombol proses setelah itu akan keluar hasil penegakan diagnosis. Setelah diuji dan dianalisis dengan melibatkan perhitungan secara manual, dapat diketahui bahwa secara garis besar hasil yang didapat dengan perhitungan secara manual sama dengan perhitungan secara sistem. Sehingga secara umum sistem telah dapat memberikan solusi terhadap pengguna dan sistem berjalan sesuai dengan diharapkan.

(7)

DECISION SUPPORT SYSTEM FOR DETERMINATION OF DIABETES MELLITUS WITH THE SUGENO METHOD

ABSTRACT

Number of patients with Diabetes Mellitus has increased from year to year. This is due to late diagnosis of the disease. Patients with this disease usually die because of complications of this disease. Therefore, action must be taken to anticipate the increasing number of patients who died of Diabetes Mellitus. In this research made a determination decision support system model of Diabetes Mellitus with the Sugeno method. In this method, the variables of the disease diagnosis support used in the formation of fuzzy set. Fuzzy set will be processed by Sugeno method to produce a decision. This system can be used easily by medical personnel to assist with enforcement decisions of Diabetes Mellitus. Users simply input data laboratory examinations and then press the button that will process data to get the diagnostic results. After testing and analyzing with the involvement of manual calculation, it is known that in broad outline the results obtained by manual calculation is same with the calculation of the system.The system has been able to provide solutions to users generally and systems in line with expectations.

(8)

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak v

Abstract vi

Daftar Isi vii

Daftar Tabel ix

Daftar Gambar x

Bab 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Perumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 4

1.5 Manfaat Penelitian 4

1.6 Metode Penelitian 4

1.7 Sistematika Penulisan 5

Bab 2 Landasan Teori 7

2.1 Sistem Pendukung Keputusan 7

2.1.1 Pengertian Sistem Pendukung Keputusan 7

2.1.2 Nilai Guna dan Karakteristik Sistem Pendukung Keputusan 8

2.1.3 Komponen-Komponen Sistem Pendukung Keputusan 11

2.1.3.1 Subsistem Manajemen Database 12

2.1.3.2 Subsistem Manajemen Basis Model 12

2.1.3.1 Subsistem Perangkat Lunak Penyelenggara Dialog 13

2.2 Logika Fuzzy 14

2.2.1 Himpunan Fuzzy 16

2.2.2 Fungsi Keanggotaan 18

2.2.3 Operasi Himpunan Fuzzy 20

2.2.4 Sistem Inferensi Fuzzy 20

2.2.4.1 Metode Sugeno 20

2.3 Diabetes Mellitus 24

2.3.1 PraDiabetes 28

2.3.2 Diabetes Mellitus Tipe 1 29

2.3.3 Diabetes Mellitus Tipe 2 29

Bab 3 Analisis dan Perancangan 30

3.1 Analisis Sistem 30

3.1.1 Analisis Data Sistem 30

3.1.2 Analisis Komponen Sistem 30

(9)

3.1.2.2 Subsistem Manajemen Basis Model 39 3.1.2.3 Subsistem Perangkat Lunak Penyelenggara Dialog 42

3.2 Perancangan Sistem 44

3.2.1 Perancangan Flowchart 44

3.2.2 Perancangan Inferensi Fuzzy 47

3.2.3 Perancangan Basis Pengetahuan 58

3.2.4 Perancangan Form 60

Bab 4 Implementasi dan Pengujian 64

4.1 Implementasi 64

4.2 Pengujian 72

4.2.1 Pengujian Kinerja Sistem 72

Bab 5 Kesimpulan dan Saran 80

5.1 Kesimpulan 80

5.2 Saran 80

(10)

DAFTAR TABEL

Halaman

Tabel 2.1 Operasi-operasi dasar dalam himpunan fuzzy 20

Tabel 3.1 Kamus Data Pasien 38

Tabel 3.2 Kamus Data Periksa 38

Tabel 3.3 Batasan nilai normal variabel 48

Tabel 3.4 Aturan-aturan penentuan penyakit Diabetes Mellitus 58

Tabel 4.1 Perhitungan derajat keanggotan variabel uji 1 73

Tabel 4.2 Perhitungan fungsi implikasi uji 1 74

Tabel 4.3 Perhitungan derajat keanggotan variabel uji 2 77

(11)

DAFTAR GAMBAR

Halaman

Gambar 2.1 Representasi kurva trapesium 19

Gambar 2.2 Representasi kurva bahu 19

Gambar 3.1 Diagram Konteks DFD 31

Gambar 3.2 DFD Level 0 32

Gambar 3.3 Diagram 1.0 atau DFD Level 1 34

Gambar 3.4 Diagram 2.0 35

Gambar 3.5 Diagram 3.0 36

Gambar 3.6 ERD 39

Gambar 3.7 Flowchart Metode Sugeno 40

Gambar 3.8 Daftar menu sistem 43

Gambar 3.9 Representasi kurva trapesium 44

Gambar 3.10 Flowchart kurva trapesium 45

Gambar 3.11 Representasi kurva bentuk bahu 46

Gambar 3.12 Flowchart kurva bentuk bahu kiri 46

Gambar 3.13 Flowchart kurva bentuk bahu kanan 47

Gambar 3.14 Kurva himpunan fuzzy variabel Glukosa Darah Puasa 49

Gambar 3.15 Kurva himpunan fuzzy variabel Glukosa Plasma Puasa 51

Gambar 3.16 Kurva himpunan fuzzy variabel Glukosa Plasma Tidur 52

Gambar 3.17 Kurva himpunan fuzzy variabel Glukosa Darah 2 Jam PP 53

Gambar 3.18 Kurva himpunan fuzzy variabel HbA1c 54

Gambar 3.19 Kurva himpunan fuzzy variabel HDL 55

Gambar 3.20 Kurva himpunan fuzzy variabel Trigliserida 56

Gambar 3.21 Kurva himpunan fuzzy variabel Insulin 57

Gambar 3.22 Kurva himpunan fuzzy variabel umur 58

Gambar 3.23 Rancangan tampilan login 60

Gambar 3.24 Rancangan form menu utama 61

Gambar 3.25 Rancangan form daftar pasien 61

Gambar 3.26 Rancangan form hasil pemeriksaan 62

Gambar 3.27 Rancangan form laporan 62

Gambar 3.28 Rancangan form sistem 63

Gambar 4.1 Form Login 65

Gambar 4.2 Form Utama 66

Gambar 4.3 Tampilan Submenu Pasien 67

Gambar 4.4 Form Daftar 68

Gambar 4.5 Form Hasil Pemeriksaan 69

Gambar 4.6 Laporan 70

Gambar 4.7 Tampilan Submenu Informasi 71

Gambar 4.8 Form informasi sistem 72

Gambar 4.9 Hasil Pemeriksaan 76

Gambar 4.10 Hasil pemeriksaan sistem

(12)

ABSTRAK

(13)

DECISION SUPPORT SYSTEM FOR DETERMINATION OF DIABETES MELLITUS WITH THE SUGENO METHOD

ABSTRACT

(14)

BAB 1 PENDAHULUAN

1.1Latar Belakang

Keputusan merupakan kegiatan memilih suatu strategi atau tindakan dalam pemecahan suatu masalah. Dalam kehidupan sehari-hari manusia selalu dihadapkan pada permasalahan dalam pengambilan suatu keputusan. Hal ini disebabkan oleh keadaan yang mungkin dialami oleh pengambil keputusan ketika mengambil suatu keputusan yaitu sebagai berikut:

1. Pengambilan keputusan dalam kepastian, semua alternatif solusi masalah diketahui secara pasti.

2. Pengambilan keputusan dalam berbagai tingkat risiko yang dipilih.

3. Pengambilan keputusan dalam kondisi ketidakpastian, ada alternatif solusi masalah yang tidak diketahui dengan jelas.

Untuk mengantisipasi permasalahan dalam pengambilan keputusan, diperlukan suatu sistem yang mendukung solusi atas suatu masalah secara efisien dan efektif. Sistem tersebut disebut dengan Sistem Pendukung Keputusan.

Menurut World Health Organization (WHO) 1980 menyatakan bahwa Diabetes Mellitus merupakan suatu yang tidak dapat dituangkan dalam satu jawaban yang jelas dan singkat tetapi secara umum dapat dikatakan sebagai suatu kumpulan problema anatomik dan kimiawi yang merupakan akibat dari sejumlah faktor di mana didapat defisiensi insulin absolut atau relatif dan gangguan fungsi insulin (Soegondo et al, 2004).

Klasifikasi etiologis Diabetes Mellitus menurut ADA 2005 yaitu Diabetes Mellitus tipe 1, Diabetes Mellitus tipe 2, Diabetes Mellitus tipe lain dan Diabetes Kehamilan (Gestasional). Di Indonesia jumlah keseluruhan kasus penyakit Diabetes

(15)

Mellitus tipe 1 belum diketahui secara pasti, tipe ini jarang ditemui. Hal ini disebabkan karena Indonesia terletak di khatulistiwa atau faktor genetik yang tidak mendukung. Lain halnya pada Diabetes Mellitus tipe 2 yang meliputi lebih dari 90% dari jumlah populasi penderita diabetes – untuk selanjutnya disebut diabetesi –, faktor lingkungan sangat berperan (Sudoyo et al, 2006).

Menurut Prof. Dr. Sidartawan Soegondo, Indonesia menjadi negara keempat di dunia yang memiliki angka diabetesi terbanyak. Diabetesi secara keseluruhan di Indonesia mengalami peningkatan hingga 14 juta orang (DetikNews, 15 April 2007). Hal ini berdasarkan laporan dari WHO, dimana pada jumlah diabetesi di Indonesia pada tahun 2000 adalah 8,4 juta orang setelah India (31,7 juta), Cina (20,8 juta) dan Amerika Serikat (17,7 juta). Diperkirakan jumlah tersebut akan meningkat pada tahun 2030, India (79,4 juta), Cina (42,3 juta), Amerika Serikat (30,3 juta) dan Indonesia (21,3 juta) (Darmono, 2005).

Peningkatan jumlah diabetesi disebabkan keterlambatan penegakan diagnosis penyakit tersebut. Pasien sudah meninggal akibat kompikasi sebelum adanya penegakan diagnosis (Sudoyo et al, 2006). Penyebab keterlambatan penegakan diagnosis tersebut adalah banyaknya faktor yang berpengaruh terhadap pilihan-pilihan yang ada atau beragamnya variabel. Logika fuzzy merupakan solusi untuk mengatasi masalah tersebut. Sebab konsep logika fuzzy sangat fleksibel dan mempunyai toleransi terhadap data-data yang tidak tepat serta didasarkan pada bahasa alami. Oleh karena itu diperlukan suatu sistem sebagai alat bantu dalam penentuan apakah pasien itu menderita Diabetes Mellitus atau tidak, dengan konsep logika fuzzy dengan metode Sugeno.

Dalam sistem penentuan penyakit Diabetes Mellitus, The American Diabetes

Mellitus Association (ADA) merekomendasikan beberapa variabel yang dapat

digunakan untuk menilai keberhasilan penataksanaan Diabetes Mellitus. Dengan variabel-variabel ini maka fuzzy inference system dengan metode Sugeno akan menganalisis bagaimana variabel-variabel tersebut mempengaruhi proses pengambilan keputusan yang dibangun dengan bahasa pemrograman Delphi 7.0.

(16)

1.2Perumusan Masalah

Permasalahan yang akan dibahas dalam penelitian ini adalah bagaimana cara merancang suatu aplikasi yang berfungsi sebagai alat bantu pengambilan keputusan dalam hal penegakan diagnosis penyakit Diabetes Mellitus pada seorang pasien dan penentuan tipe penyakit tersebut berdasarkan fuzzy inference system dengan metode Sugeno.

1.3Batasan Masalah

Batasan Masalah yang menjadi acuan dalam pengerjaan skripsi ini adalah :

1. Perancangan aplikasi untuk menentukan penyakit Diabetes Mellitus pada

penelitian ini menggunakan metode Sugeno.

2. Himpunan fuzzy pada aplikasi terdiri dari 9 variabel input yaitu kadar glukosa darah puasa, kadar glukosa plasma puasa, kadar glukosa plasma tidur, kadar glukosa darah 2 jam PP, kadar insulin, kadar HbA1c, kadar kolesterol HDL, kadar trigliserida dan umur.

3. Aplikasi tidak membahas mengenai gejala fisik diabetesi, Diabetes Gestasional dan tidak menampilkan kurva dari himpunan input fuzzy.

4. Output dari aplikasi ada 4 yaitu Negatif Diabetes, Pradiabetes, Positif Diabetes tipe 1 dan Positif Diabetes tipe 2.

5. Perancangan sistem pada penelitian ini menggunakan Borland Delphi 7.

(17)

Tujuan penelitian ini adalah membuat suatu aplikasi yang dapat dipergunakan sebagai alat bantu medis dalam penegakan diagnosis Diabetes Mellitus dengan metode Sugeno.

1.5Manfaat Penelitian

Manfaat penelitian ini adalah :

1. Membantu dokter dalam hal penegakan diagnosis penyakit Diabetes Mellitus 2. Membantu pasien untuk mengetahui tipe diabetes yang diderita dan kondisi gula

darahnya.

1.6Metode Penelitian

Tahapan yang dilakukan dalam penelitian ini adalah:

1. Studi Literatur

Tahapan ini dilakukan dengan mempelajari sumber-sumber atau buku-buku referensi yang berkaitan dengan skripsi ini, baik dari textbook atau internet.

2. Pengumpulan Data

Pada tahapan pengumpulan data ini dilakukan wawancara pada pihak kesehatan.

3. Analisis data

Tahapan ini dilakukan dengan menganalisis data yang diperlukan sistem dan gambaran komponen-komponen sistem baik berupa DFD, flowchart, masukan dan keluaran sistem.

(18)

Pada tahapan ini dilakukan perancangan flowchart kurva yang dipergunakan dalam metode Sugeno, perancangan inferensi fuzzy, perancangan basis pengetahuan dan perancangan form.

5. Implementasi Aplikasi Penentuan Diabetes Mellitus.

Pada tahapan ini dilakukan penerapan rancangan yang dibuat dalam suatu program.

6. Pengujian Aplikasi

Pada tahapan ini dilakukan pengujian sistem yaitu dengan membandingkan hasil diagnosis sistem dengan hasil yang diperoleh dengan perhitungan manual.

1.7Sistematika Penulisan

Sistematika penulisan skripsi ini terdiri dari lima bagian utama sebagai berikut:

BAB 1 : PENDAHULUAN

Bab ini menjelaskan mengenai latar belakang pemilihan judul skripsi “ Sistem Pendukung Keputusan Penentuan Penyakit Diabetes Mellitus ”, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini membahas mengenai teori-teori yang berkaitan dengan perancangan sistem penentuan penyakit Diabetes Mellitus dan teori lainnya yang mendukung pembuatan aplikasi.

BAB 3 : ANALISIS DAN PERANCANGAN SISTEM

Bab ini terdiri dari analisis sistem dan perancangan sistem untuk penegakan diagnosis penyakit Diabetes Mellitus. Pada bagian analisis sistem dimuat uraian tentang analisis data sistem dan komponen sistem.

(19)

Pada bagian perancangan sistem, membahas tentang perancangan variabel indikator penentu penyakit Diabetes Mellitus ke dalam himpunan fuzzy dan perancangan form yang akan diimplementasikan pada sistem.

BAB 4 : IMPLEMENTASI DAN PENGUJIAN

Bab ini membahas bagaimana mengimplementasikan aplikasi yang telah dirancang ke dalam bahasa pemprograman dan menguji aplikasi yang telah dibangun.

BAB 5 : KESIMPULAN DAN SARAN

Bab ini memuat kesimpulan dari keseluruhan uraian bab-bab sebelumnya dan saran-saran yang diharapkan dapat bermanfaat dalam pengembangan selanjutnya.

(20)

BAB 2

LANDASAN TEORI

2.1 Sistem Pendukung Keputusan (SPK)

Manusia merupakan bagian dari alam karena hidupnya yang tidak terlepas dari alam. Proses kehidupan manusia merupakan unsur yang semakin lama semakin mendominasi unsur-unsur lainnya di alam. Hal ini disebabkan karena manusia dibekali kemampuan-kemampuan untuk bisa berkembang. Segala proses yang terjadi di sekelilingnya dan dalam dirinya dirasakan dan diamatinya dengan menggunakan semua indera yang dimilikinya, dipikirkannya lalu ia berbuat dan bertindak.

Dalam menghadapi segala proses yang terjadi di sekelilingnya dan di dalam dirinya, hampir setiap saat manusia membuat atau mengambil keputusan dan melaksanakannya. Hal ini dilandasi dengan asumsi bahwa segala tindakan dilakukan secara sadar merupakan pencerminan hasil proses pengambilan keputusan dalam pikirannya, sehingga sebenarnya manusia sudah sangat terbiasa dalam membuat keputusan. Menurut Mangkusubroto dan Tresnadi, jika keputusan yang diambil tersebut perlu dipertanggungjawabkan kepada orang lain atau prosesnya memerlukan pengertian pihak lain, maka perlu untuk diungkapkan sasaran yang akan dicapai (Suryadi dan Ramdhani, 1998).

2.1.1 Pengertian Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support Systems (DSS) pertama kali diungkapkan pada awal tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Systems. Morton mendefinisikan DSS sebagai

(21)

“Sistem Berbasis Komputer Interaktif, yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah yang tidak terstruktur”.

Menurut Alter, DSS merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan pemanipulasian data. Sistem digunakan untuk membantu pengambilan keputusan dalam situasi yang semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat.

DSS biasanya dibangun untuk mendukung solusi atas suatu masalah atau untuk mengevaluasi suatu peluang. DSS yang seperti itu disebut aplikasi DSS. Aplikasi DSS digunakan dalam pengambilan keputusan. Aplikasi DSS menggunakan CBIS (Computer Based Information Systems) yang fleksibel, interaktif, dan dapat diadaptasi, yang dikembangkan untuk mendukung solusi atas masalah manajemen spesifik yang tidak terstruktur.

Aplikasi DSS menggunakan data, memberikan antarmuka pengguna yang mudah dan dapat menggabungkan pemikiran pengambil keputusan. DSS lebih ditujukan untuk mendukung manajemen dalam melakukan pekerjaan yang bersifat analitis dalam situasi yang kurang terstruktur dan dengan kriteria yang kurang jelas. DSS tidak dimaksudkan untuk mengotomatisasikan pengambilan keputusan tetapi memberikan perangkat interaktif yang memungkinkan pengambil keputusan untuk melakukan berbagai analisis menggunakan model-model yang tersedia.

2.1.2 Nilai Guna dan Karateristik Sistem Pendukung Keputusan

Pada dasarnya SPK ini merupakan pengembangan lebih lanjut dari Sistem Informasi Manajemen Terkomputerisasi (Computerized Manajement Information Systems), yang dirancang sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Sifat interaktif ini dimaksudkan untuk memudahkan integrasi antara berbagai komponen

(22)

dalam proses pengambilan keputusan, seperti prosedur, kebijakan, teknik analisis, serta pengalaman dan wawasan manajerial guna membentuk suatu kerangka keputusan yang bersifat fleksibel (Suryadi dan Ramdhani, 1998).

Menurut Turban (2005), tujuan dari DSS adalah sebagai berikut: 1. Membantu dalam pengambilan keputusan atas masalah yang terstruktur.

2. Memberikan dukungan atas pertimbangan manajer dan bukannya dimaksudkan

untuk menggantikan fungsi manajer.

3. Meningkatkan efektivitas keputusan yang diambil lebih daripada perbaikan

efisiensinya.

4. Kecepatan komputasi. Komputer memungkinkan para pengambil keputusan untuk melakukan banyak komputasi secara cepat dengan biaya yang rendah.

5. Peningkatan produktivitas. 6. Dukungan kualitas.

7. Berdaya saing.

8. Mengatasi keterbatasan kognitif dalam pemprosesan dan penyimpanan.

Ciri-ciri SPK yang dirumuskan oleh Kusrini (2007) adalah sebagai berikut: 1. SPK ditujukan untuk membantu keputusan-keputusan yang kurang terstruktur. 2. SPK merupakan gabungan antara kumpulan model kualitatif dan kumpulan data. 3. SPK bersifat luwes dan dapat menyesuaikan dengan perubahan-perubahan yang terjadi.

Beberapa karakteristik yang membedakan sistem pendukung keputusan dengan sistem informasi lain adalah sebagai berikut:

1. Sistem pendukung keputusan dirancang untuk membantu pengambilan keputusan dalam memecahkan masalah yang sifatnya semi terstruktur atau tidak terstruktur dengan menambahkan kebijaksanaan manusia dan informasi komput erisasi.

2. Proses pengolahannya, sistem pendukung keputusan mengkombinasikan

penggunaan model-model analisis dengan teknik pemasukkan data konvensional serta fungsi-fungsi pencari atau pemeriksa informasi.

(23)

3. Sistem pendukung keputusan dapat digunakan atau dioperasikan dengan mudah oleh orang-orang yang tidak memiliki dasar kemampuan pengoperasian komputer yang tinggi. Pendekatan yang digunakan biasanya model interaktif.

4. Sistem pendukung keputusan dirancang dengan menekankan pada aspek

fleksibilitas serta kemampuan adaptasi yang tinggi sehingga mudah disesuaikan dengan berbagai perubahan lingkungan yang terjadi dan kebutuhan pengguna.

Sistem Pendukung Keputusan memberikan manfaat atau keuntungan bagi pemakainya. Keuntungan yang dimaksud di antaranya adalah sebagai berikut:

1. Sistem pendukung keputusan memperluas kemampuan pengambil keputusan dalam memproses data/informasi bagi pemakainya.

2. Sistem pendukung keputusan membantu pengambil keputusan dalam hal penghematan waktu yang dibutuhkan untuk memecahkan masalah terutama berbagai masalah yang sangat kompleks dan tidak terstruktur.

3. Sistem pendukung keputusan dapat menghasilkan solusi dengan lebih cepat serta hasilnya dapat diandalkan.

4. Walaupun suatu sistem pendukung keputusan, mungkin saja tidak mampu memecahkan masalah yang dihadapi oleh pengambil keputusan, namun ia dapat menjadi stimulan bagi pengambil keputusan dalam memahami persoalannya. Hal ini dikarenakan sistem pendukung keputusan mampu menyajikan berbagai alternatif.

Pada saat ini sistem pendukung keputusan telah banyak diterapkan dalam berbagai bidang seperti kedokteran, komputer, ekonomi dan lain-lain. Contoh dalam bidang kedokteran adalah perancangan aplikasi sistem penentuan penyakit Diabetes Mellitus menggunakan metode AHP berbasis sistem pendukung keputusan. AHP merupakan salah satu metode untuk membantu menyusun suatu prioritas dari berbagai

(24)

pilihan dengan menggunakan beberapa kriteria (multicriteria). Karena sifatnya yang multi kriteria, AHP cukup banyak digunakan dalam penyusunan prioritas. Kriteria- kriteria penentu penyakit Diabetes Mellitus dimasukkan dalam bobot yang telah ditentukan dengan metode AHP. Pengambilan keputusan dari sistem tergantung kepada pengguna sistem (pengambil keputusan). Sistem hanya menjadi alat bantu bagi para pengambil keputusan untuk memperluas kapabilitas, namun tidak untuk menggantikan penilaian dan tidak ditekankan untuk membuat keputusan. Aplikasi sistem penentuan penyakit Diabetes Mellitus dapat digunakan sebagai alat bantu dalam pengambilan keputusan penentuan penyakit Diabetes Mellitus (Irawaty, 2009).

Penelitian lainnya yaitu sistem pendukung keputusan penanganan kesehatan balita. Penanganan kesehatan balita merupakan salah satu hal yang patut dijadikan perhatian lebih, sehingga dapat mengurangi resiko tidak optimalnya penanganan kesehatan balita pada instansi yang terkait. Sistem pendukung keputusan penanganan kesehatan balita sangat tepat diterapkan untuk penanganan masalah yang membutuhkan penyelesaian mandiri dari komputer untuk pemrosesan data balita dengan perhitungan yang cepat dan akurat. Dengan menggunakan penalaran logika fuzzy Mamdani dalam pemprosesan data input dan output, serta informasi pendukung berupa grafik sangat mendukung dalam pengambilan keputusan penanganan kesehatan balita di suatu wilayah (Ayuningtiyas et al, 2007).

2.1.3 Komponen-Komponen Sistem Pendukung Keputusan

SPK dapat terdiri dari tiga subsistem utama yang menentukan kapabilitas teknis SPK (Suryadi dan Ramdhani, 1998) yaitu sebagai berikut:

1. Subsistem Manajemen Database (Database Management Subsystem)

2. Subsistem Manajemen Basis Model (Model Base Management Subsystem)

3. Subsistem Perangkat Lunak Penyelenggara Dialog (Dialog Generation and

(25)

2.1.3.1 Subsistem Manajemen Database

Ada beberapa perbedaan antara database untuk SPK dan Non-SPK. Pertama, sumber data untuk SPK lebih kaya dari pada non-SPK dimana data harus berasal dari luar dan dari dalam karena proses pengambilan keputusan.

Perbedaan lain adalah proses pengambilan dan ekstraksi data dari sumber data yang sangat besar. SPK membutuhkan proses ekstraksi dan DBMS yang dalam pengelolaannya harus cukup fleksibel untuk memungkinkan penambahan dan pengurangan secara cepat.

Dalam hal ini, kemampuan yang dibutuhkan dari manajemen database dapat diringkas, sebagai berikut:

1. Kemampuan untuk mengkombinasikan berbagai variasi data melalui

pengambilan dan ekstraksi data.

2. Kemampuan untuk menambahkan sumber data secara cepat dan mudah.

3. Kemampuan untuk menggambarkan struktur data logikal sesuai dengan

pengertian pemakai sehingga pemakai mengetahui apa yang tersedia dan dapat menentukan kebutuhan penambahan dan pengurangan.

4. Kemampuan untuk menangani data secara personel sehingga pemakai dapat

mencoba berbagai alternatif pertimbangan personel. 5. Kemampuan untuk mengelola berbagai variasi data.

2.1.3.2 Subsistem Manajemen Basis Model

Salah satu keunggulan SPK adalah kemampuan untuk mengintegrasikan akses data dan model keputusan. Hal ini dapat dilakukan dengan menambahkan model-model keputusan ke dalam sistem informasi yang menggunakan database sebagai mekanisme integrasi dan komunikasi di antara model-model. Karakteristik ini menyatukan kekuatan pencarian dan pelaporan data.

(26)

Salah satu persoalan yang berkaitan dengan model adalah bahwa penyusunan model seringkali terikat pada struktur model yang mengasumsikan adanya masukan yang benar dan cara keluaran yang tepat. Sementara itu, model cenderung tidak mencukupi karena adanya kesulitan dalam mengembangkan model yang terintegrasi untuk menangani sekumpulan keputusan yang saling bergantungan. Cara untuk menangani persoalan ini dengan menggunakan koleksi berbagai model yang terpisah, dimana setiap model digunakan untuk menangani bagian yang berbeda dari masalah yang dihadapi. Komunikasi antara berbagai model digunakan untuk menangani bagian yang berbeda dari masalah tersebut. Komunikasi antara berbagai model yang saling berhubungan diserahkan kepada pengambil keputusan sebagai proses intelektual dan manual.

Salah satu pandangan yang lebih optimistis, berharap untuk bisa menambahkan model-model ke dalam sistem informasi dengan database sebagai mekanisme integrasi dan komunikasi di antara mereka.

Kemampuan yang dimiliki subsistem basis model meliputi hal-hal sebagai berikut: 1. Kemampuan untuk menciptakan model-model baru secara cepat dan mudah.

2. Kemampuan untuk mengakses dan mengintegrasikan model-model keputusan. 3. Kemampuan untuk mengelola basis model dengan fungsi manajemen yang analog

dan manajemen database (seperti mekanisme untuk menyimpan, membuat dialog, menghubungkan, dan mengakses model).

2.1.3.3 Subsistem Perangkat Lunak Penyelenggara Dialog

Fleksibilitas dan kekuatan karakteristik SPK timbul dari kemampuan interaksi antara sistem dan pemakai, yang dinamakan subsistem dialog. Bennet mendefinisikan pemakai, terminal, dan sistem perangkat lunak sebagai komponen-komponen dari sistem dialog sehingga subsistem dialog terbagi menjadi tiga bagian sebagai berikut:

1. Bahasa aksi, meliputi apa yang dapat digunakan oleh pemakai dalam

(27)

papan ketik (keyboard), panel-panel sentuh, joystick, perintah suara dan sebagainya.

2. Bahasa tampilan dan presentasi, meliputi apa yang harus diketahui oleh pemakai. Bahasa tampilan meliputi pilihan-pilihan seperti printer, tampilan layar, grafik, warna, plotter, keluaran suara, dan sebagainya.

3. Basis pengetahuan, meliputi apa yang harus diketahui oleh pemakai agar pemakaian sistem bisa efektif. Basis pengetahuan bisa berada dalam pikiran pemakai, pada kartu referensi atau petunjuk, dalam buku manual, dan sebagainya.

Kombinasi dari kemampuan-kemampuan di atas terdiri dari apa yang disebut gaya dialog misalnya pendekatan tanya jawab, bahasa perintah, menu-menu, dan mengisi tempat kosong.

Kemampuan yang harus dimiliki oleh SPK untuk mendukung dialog pemakai atau sistem meliput i hal-hal sebagai berikut:

1. Kemampuan untuk menangani berbagai variasi dialog, bahkan jika mungkin untuk mengkombinasikan berbagai gaya dialog sesuai dengan pilihan pemakai.

2. Kemampuan untuk mengakomodasikan tindakan pemakai dengan berbagai

peralatan masukan.

3. Kemampuan untuk menampilkan data dengan berbagai variasi format dan

peralatan keluaran.

4. Kemampuan untuk memberikan dukungan yang fleksibel untuk mengetahui basis pengetahuan pemakai.

2.2 Logika Fuzzy

Konsep logika fuzzy pertama sekali diperkenalkan oleh Professor Lotfi A.Zadeh dari Universitas California, pada bulan Juni 1965. Logika fuzzy merupakan generalisasi dari logika klasik yang hanya memiliki dua nilai keanggotaan antara 0 dan 1. Dalam

(28)

logika fuzzy, nilai kebenaran suatu pernyataan berkisar dari sepenuhnya benar sampai dengan sepenuhnya salah (Pandjaitan, 2007). Dengan teori himpunan fuzzy, suatu objek dapat menjadi anggota dari banyak himpunan dengan derajat keanggotaan yang berbeda dalam masing-masing himpunan. Konsep ini berbeda dengan teori himpunan klasik (crisp).

Implementasi logika fuzzy dapat diterapkan dalam bidang kesehatan. Penelitian dalam penggunaan logika fuzzy dalam bidang ini seperti perancangan aplikasi informatika medis untuk penatalaksanaan Diabetes Mellitus secara terpadu. Jumlah penderita Diabetes Melitus (DM) di Indonesia menunjukkan angka yang sangat mencengangkan. Tingginya angka ini menyebabkan perlunya tindakan antisipasi dan penatalaksanaan yang tepat bagi penyandang DM. Pada penelitian ini, dibangun sebuah model sistem yang memanfaatkan beberapa teknik dalam informatika medis untuk penatalaksanaan DM secara terpadu. Pada sistem yang dibangun, untuk mendapatkan tingkat resiko DM diperlukan suatu mekanisme inferensi dengan mempertimbangkan faktor-faktor tersebut. Pada model yang diusulkan, digunakan pendekatan basis aturan. Fuzzy inference system digunakan untuk kepentingan tersebut. Beberapa fitur diberikan dalam sistem ini, seperti: penentu tingkat resiko DM, diagnosis DM, diagnosis komplikasi DM, penentu menu harian, penentu latihan jasmani, dan penentu farmakoterapi. Pemrograman berbasis web, pemrograman desktop, pemrograman pocket PC, dan pemrograman berbasis SMS digunakan untuk keperluan tersebut. Sistem dirancang untuk dapat digunakan oleh berbagai pihak dengan perbedaan hak akses, seperti: penyandang DM, dokter, perawat, ahli gizi, administrator, masyarakat umum, dan laboran. Sistem yang dibangun dengan basisdata yang terpusat ini memungkinkan para pengguna untuk berbagi data meskipun beberapa aplikasi dibangun dengan platform yang berbeda. Melalui sistem ini, pelayanan kesehatan dapat dilakukan meskipun terhalang oleh jarak dan waktu (Kusumadewi, 2009).

Alasan menggunakan logika fuzzy antara lain yaitu:

1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.

(29)

3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.

4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks. 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.

6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional. 7. Logika fuzzy didasarkan pada bahasa alami.

2.2.1 Himpunan Fuzzy

Pada himpunan tegas (crisp), nilai keanggotaan suatu objek x dalam suatu himpunan A, yang sering ditulis dengan µA[x], memiliki 2 kemungkinan yaitu sebagai berikut: 1. satu (1), yang berarti bahwa suatu objek menjadi anggota dalam suatu himpunan,

atau

2. nol (0), yang berarti bahwa suatu objek tidak menjadi anggota dalam suatu himpunan (Kusumadewi et al, 2004).

Misalkan variabel umur dibagi 3 kategori sebagai berikut :

MUDA : umur < 35 tahun

PAROBAYA : 35 ≤ umur ≤ 55 tahun

TUA : umur > 55 tahun

Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA ( µMUDA [34thn] = 1). Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA (µMUDA [35thn -1 hr] = 0).

Adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan. Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam 2 himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dsb. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat berdasarkan nilai keanggotaannya.

(30)

Himpunan Fuzzy memiliki 2 atribut yakni sebagai berikut:

1. Linguistik adalah penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami. Menurut Wang, suatu variabel linguistik adalah sebuah variabel yang memiliki nilai berupa kata-kata dalam bahasa alamiah. Setiap variabel linguistik berkaitan dengan sebuah fungsi keanggotaan (Kusumadewi et al, 2004). Seperti : MUDA, PAROBAYA, TUA

2. Numeris adalah suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 35

Hal-hal yang terdapat dalam sistem fuzzy yaitu sebagai berikut:

1. Variabel fuzzy merupakan variabel yang dibahas dalam suatu sistem fuzzy seperti umur, temperatur, permintaan dsb.

2. Himpunan fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh: variabel umur, terbagi atas 3 himpunan fuzzy, yaitu: MUDA, PAROBAYA, TUA

3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk

dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraaan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan tidak dibatasi batas atasnya. Contoh: Semesta pembicaraan untuk variabel umur: [0 40]

4. Domain adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam himpunan fuzzy.

(31)

2.2.2 Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah kurva yang mendefinisikan bagaimana masing-masing titik dalam ruang input dipetakan ke dalam nilai keanggotaan (derajat keanggotaan) antara 0 dan 1. Fungsi keanggotaan µ memetakan elemen x dari himpunan semesta X, ke sebuah bilangan µ[x], yang menentukan derajat keanggotaan dari elemen dalam himpunan fuzzy A.

A = {(x, µ[x] ) | x X}

Berdasarkan Klir and Bo, kisaran nilai fungsi keanggotaan yang paling umum digunakan adalah interval [0,1]. Dalam hal ini, masing-masing fungsi keanggotaan memetakan elemen-elemen dari himpunan semesta X yang diberikan, yang selalu merupakan suatu himpunan crisp, ke dalam bilangan nyata dalam interval [0,1] (Arhami, 2005).

Ada beberapa fungsi yang digunakan yaitu sebagai berikut:

a. Representasi Kurva Trapesium

Kurva Trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.

(32)

y 1

derajat keanggotaan µ[x]

0 x a b c d domain

Gambar 2.1 Representasi kurva trapesium

b. Representasi Kurva Bahu

Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun. Himpunan fuzzy ‘bahu’, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar.

y 1 derajat keanggotaan µ[x]

0 x

Gambar 2.2 Representasi kurva bahu Bahu

Kiri

Bahu Kanan

(33)

2.2.3 Operasi Himpunan Fuzzy

Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan

secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan yang dikenal dengan nama fire strength atau predikat.

Menurut Wang, ada tiga operasi dasar dalam himpunan fuzzy ,yaitu complement, irisan (intersection) dan gabungan (union) (Arhami, 2005).

Tabel 2.1 Operasi- operasi dasar dalam himpunan fuzzy

2.2.4 Sistem Inferensi Fuzzy

Sistem inferensi fuzzy merupakan kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF-THEN, dan penalaran fuzzy.

2.2.4.1 Metode Sugeno

Penalaran dengan metode Sugeno hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear. Michio Sugeno mengusulkan penggunaan singleton

Operasi Fungsi Keanggotaan

Complement µA’[x] = 1- µA[x]

Intersection (A∩B) [x] = min (µA[x], µB[x])

(34)

sebagai fungsi keanggotaan dari konsekuen. Singleton adalah sebuah himpunan fuzzy dengan fungsi keanggotaan yang pada titik tertentu mempunyai sebuah nilai dan 0 di luar titik tersebut.

Ada 2 model fuzzy dengan metode Sugeno yaitu sebagai berikut:

1. Model Fuzzy Sugeno Orde-Nol

Secara umum bentuk model fuzzy Sugeno Orde Nol adalah:

IF (x1 is A1) o (x2 is A2) o (x3 is A3) o… o (xN is AN) THEN z=k

dengan Ai adalah himpunan fuzzy ke-I sebagai antesenden, dan k adalah suatu konstanta (tegas) sebagai konsekuen.

2. Model Fuzzy Sugeno Orde-Satu

Secara umum bentuk model fuzzy Sugeno Orde-Satu adalah:

IF (x1 is A1) o… o (xN is AN) THEN z = p1*x1+… + pN*xN+q

dengan Ai adalah himpunan fuzzy ke-i sebagai antesenden, dan pi adalah suatu konstanta (tegas) ke-i dan q juga merupakan konstanta dalam konsekuen.

Tahapan-tahapan dalam metode Sugeno yaitu sebagai berikut:

1. Pembentukan himpunan Fuzzy

Pada tahapan ini variabel input (crisp) dari sistem fuzzy ditransfer ke dalam himpunan fuzzy untuk dapat digunakan dalam perhitungan nilai kebenaran dari premis pada setiap aturan dalam basis pengetahuan. Dengan demikian tahap ini mengambil nilai-nilai crisp dan menentukan derajat di mana nilai-nilai tersebut menjadi anggota dari setiap himpunan fuzzy yang sesuai.

2. Aplikasi fungsi implikasi

Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah sebagai berikut:

(35)

Dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang mengikuti IF disebut sebagai antesenden sedangkan proposisi yang mengikuti THEN disebut konsekuen. Proposisi ini dapat diperluas dengan menggunakan operator fuzzy seperti,

IF(x1 is A1) o (x2 is A2) o (x3 is A3) o…o (xN is AN) THEN y is B dengan o adalah operator (misal: OR atau AND).

Secara umum fungsi implikasi yang dapat digunakan yaitu sebagai berikut: a. Min (minimum)

Fungsi ini akan memotong output himpunan fuzzy. b. Dot ( product)

Fungsi ini akan menskala output himpunan fuzzy.

Pada metode Sugeno ini , fungsi implikasi yang digunakan adalah fungsi min.

3. Defuzzifikasi ( Defuzzification )

Input dari proses defuzzifikasi adalah himpunan fuzzy yang dihasilkan dari proses komposisi dan output adalah sebuah nilai (crisp). Untuk aturan IF-THEN fuzzy dalam persamaan RU(k) = IF x1 is A1k and… and xn is Ank THEN y is Bk, dimana A1k dan Bk berturut-turut adalah himpunan fuzzy dalam Ui R (U dan V adalah domain fisik), i = 1, 2, … , n dan x = (x1, x2, … , xn) U dan y V berturut-turut adalah variabel input dan output ( linguistik) dari sistem fuzzy ( Li, 2006).

Menurut Wang, defuzzifier pada persamaan di atas didefenisikan sebagai suatu pemetaan dari himpunan fuzzy Bk dalam V R (yang merupakan output dari inferensi fuzzy) ke titik crisp y* V (Arhami, 2005).

Pada metode Sugeno defuzzification dilakukan dengan perhitungan Weight Average (WA) :

α1z1+ α2z2+ α3 z3 +… + αnzn WA =

(36)

Sistem inferensi fuzzy banyak diterapkan dalam berbagai bidang. Contoh penggunaan sistem inferensi fuzzy pada penelitian untuk menentukan jumlah kebutuhan kalori harian. Kebutuhan energi harian setiap orang akan senantiasa berbeda tergantung pada kondisi tubuh orang tersebut. Meskipun secara teoritis sudah ada persamaan untuk menghitung kebutuhan energi tersebut, namun persamaan tersebut cukup rumit diimplementasikan terutama untuk kondisi-kondisi pasien yang tidak dapat diinformasikan dengan jelas. Pada penelitian ini, dibangun sebuah sistem inferensi fuzzy dengan metode TSK (Takagi-Sugeno-Kang) yang bertujuan untuk melakukan penghitungan terhadap kebutuhan energi harian bagi seorang pasien. Metode TSK orde-1 ini menggunakan 7 variabel input fuzzy, yaitu: umur, berat badan, tinggi badan, suhu tubuh, tujuan diet, aktivitas dan intensitas penyakit; serta 1 variabel crisp, yaitu jenis kelamin. Aturan fuzzy berbentuk IF anteseden THEN konsekuen, menggunakan konsekuen berupa persamaan linear dari variabel-variabel inputnya (Kusumadewi, 2008).

Himpunan fuzzy dibangun dengan fungsi keanggotaan linear turun, segitiga, dan linear naik. Sistem menyediakan beberapa pilihan operator himpunan fuzzy seperti: and, or, mean, intensified mean, diluted mean, product, bounded sum, bounded product. Sistem juga menyediakan operator negasi dan hedge (sangat atau agak) untuk himpunan fuzzy. Koefisien setiap variabel persamaan linear pada konsekuen diperoleh berdasarkan perkiraan pengeluaran energi basal menurut persamaan Harris-Benedict, dan metode praktis perkiraan kebutuhan kalori. Sistem ini memiliki sebanyak 44 aturan. Hasil pengujian menunjukkan bahwa sistem telah dapat menghitung perkiraan kebutuhan energi harian bagi seorang pasien dengan kondisi tertentu.

Penelitian lain dalam penggunaan sistem inferensi fuzzy adalah penentuan tingkat resiko penyakit Geriatri berbasis web. Perjalanan penyakit geriatri pada umumnya kronik (menahun), diselingi dengan eksaserbasi akut. Selain itu penyakit geriatri bersifat progresif, dan sering menyebabkan kecacatan (invalid) lama sebelum akhirnya penderita meninggal dunia. Oleh karena itu perlu suatu sistem yang dapat membantu diagnosa penyakit yang diderita manula, agar manula tidak perlu menjalani berbagai tes yang dapat menguras fisik manula. Untuk mengatasi hal ini digunakan

(37)

sistem inferensi fuzzy dengan metode Tsukarmoto. Pada metode Tsukarmoto menggunakan nilai monoton, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Untuk menentukan tingkat resiko penyakit geriatri berdasarkan gejala atau keluhan yang dirasakan oleh pasien/manula. Sistem dapat memberikan saran untuk melakukan tindakan pengobatan maupun terapinya dengan jenis penyakitnya (Rahmayani, 2008).

2.3 Diabetes Mellitus

Menurut American Diabetes Association (ADA) 2003, Diabetes Mellitus merupakan suatu kelompok metabolik dengan karakteristik hiperglikemia yang terjadi karena kelainan sekresi insulin, kerja insulin atau kedua-duanya. Hiperglikemia kronik pada Diabetes berhubungan dengan kerusakan jangka panjang, disfungsi dan kegagalan beberapa organ tubuh, terutama mata, ginjal, syaraf, jantung dan pembuluh darah.

Sebelumnya World Health Organization (WHO) 1980 menyatakan bahwa Diabetes Mellitus merupakan suatu yang tidak dapat dituangkan dalam satu jawaban yang jelas dan singkat tetapi secara umum dapat dikatakan sebagai suatu kumpulan problema anatomik dan kimiawi yang merupakan akibat dari sejumlah faktor di mana didapat defisiensi insulin absolute atau relatif dan gangguan fungsi insulin (Soegondo et al, 2004).

Pengertian penyakit Diabetes Mellitus bisa dipermudah dengan mempelajari star player Diabetes Mellitus. Hormon berfungsi sebagai board of directors dalam kaitan dengan metabolism, yaitu mengarahkan dan mengendalikan kegiatan . Board of directors mempunyai representasi pankreas (insulin dan glukagon), kelenjar hipofisis (GH dan ACTH), korteks adrenal (kortisol), sistem saraf autonomik (norepinefrin) dan medulla adrenal (epinefrin).

Dari semua hormon yang terkait dalam metabolisme glukosa, hanya insulin yang bisa menurunkan gula darah. Hormon yang lain adalah “counterregulatory hormones” karena bisa membuat gula darah meningkat. Insulin adalah hormon yang

(38)

kurang (absolut atau relatif) dalam penyakit Diabetes Mellitus. Hormon insulin disintesis (dihasilkan) oleh sel beta Pulau Langerhans yang terdapat pada pankreas. Peran insulin adalah melihat bahwa sel tubuh dapat memakai bahan bakar. Insulin berperan sebagai “kunci” yang bisa membuka pintu sel agar bahan bakar bisa masuk ke dalam sel. Pada permukaan setiap sel terdapat reseptor (oleh insulin), glukosa dan asam amino bisa masuk ke dalam sel tubuh.

Langkah-langkah untuk menegakkan diagnosis Diabetes Mellitus yaitu sebagai berikut:

1. Pemeriksaan Darah

a. Diperiksa kadar glukosa sewaktu dan kadar glukosa puasa setelah puasa 8- 10 jam.

b. Beberapa hari kemudian dilakukan pemeriksaan glukosa plasma puasa

2. Pemeriksaan Test Glukosa Oral

a. Tiga hari sebelum pemeriksaan, makan seperti biasa (karbohidrat cukup). Kegiatan jasmani seperti biasa dilakukan.

b. Puasa paling sedikit 8 jam mulai malam hari sebelum pemeriksaan, minum air putih diperbolehkan.

c. Diperiksa kadar glukosa darah puasa.

d. Diberikan glukosa 75 gram (orang dewasa ) atau 1,75 gram/kg (anak-anak), dilarutkan dalam air 250 ml dan diminum dalam waktu 5 menit.

e. Diperiksa kadar glukosa darah 2 (dua) jam sesudah beban glukosa.

f. Selama proses pemeriksaan, subyek yang diperiksa tetap istirahat dan tidak merokok.

Apabila hasil pemeriksaan tidak memenuhi kriteria normal atau Diabetes Mellitus, maka dapat digolongkan ke dalam kelompok TGT (Toleransi Glukosa Terganggu) atau GDPT (Glukosa Darah Puasa Terganggu) dari hasil yang diperoleh. - TGT : glukosa darah plasma 2 jam setelah pembebanan antara 140 – 199 mg/dl - GDPT : glukosa darah puasa antara 100 – 125 mg/dl. (Soegondo et al, 2004).

(39)

Pemantauan glukosa darah di rumah oleh pasien sendiri merupakan bagian penting pengobatan Diabetes Mellitus tipe 1 atau tipe 2. Kadar glukosa dalam darah adalah tanda vital bagi penderita diabetes. Pemantauan glukosa darah di rumah merupakan salah satu cara yang akurat dan praktis untuk pengendalian glukosa dalam darah yang dilakukan setiap hari atau beberapa kali setiap hari. Darah yang diperiksa adalah whole blood dari kapiler yang diambil melalui tusukan pada ujung jari. Satu tetes darah diteteskan pada test strip yang mengandung glukosa oksidase. Hasilnya dapat dilihat pada meteran alat dalam 20 detik sampai 2 menit. Pada meteran alat tersebut, dapat pula diketahui dosis insulin yang diperlukan individu.

Pengendalian glukosa secara jangka panjang dipantau melalui haemoglobin glikosilat. Glukosa dalam darah cepat menempel dalam hemoglobin. Glukosa menempel pada hemoglobin sepanjang umur eritrosit, yaitu 90-120 hari. Pemantauan melalui hemoglobin glikosilat memberi hasil yang objektif karena tidak dipengaruhi oleh umur, jenis kelamin, lamanya Diabetes Mellitus dialami pasien atau kadar glukosa dalam darah yang terakhir. Hemoglobin glikosilat total memberi gambaran tentang pengendalian glukosa selama tiga tahun.

3. Pemeriksaan Urine

Pemeriksaan reduksi urine merupakan bagian dari pemeriksaan urine rutin yang selalu dilakukan di klinik. Hasil yang (+) menunjukkan adanya glukosuria. Beberapa hal yang perlu diingat dari hasil pemeriksaan reduksi urine adalah:

Pemeriksaan ini pertama sekali digunakan untuk tes skrining, bukan untuk menegakan diagnosis. Nilai hasil pemeriksaan reduksi urine dari nilai (+) sampai (++++ ) :

a. Jika reduksi (+): masih mungkin oleh sebab lain, seperti: renal glukosuria, obat-obatan, dan lainnya.

b. Reduksi (++) kemungkinan KGD: 200 –300 mg/dl

c. Reduksi (+++) kemungkinan KGD: 300 – 400 mg/dl

(40)

Glukosa tertumpah dalam urine hanya glukosa serum sudah mencapai “ambang ginjal”, yaitu ±180 mg/dl. Glukosa urine memberi data tentang glukosa darah yang sudah berlalu, bukan yang sesaat. Selain itu, pemantauan glukosa urine tidak dapat memberi data apakah glukosa darah pasien adalah tinggi (500 mg/dl) atau normal (110 mg/dl). Glukosa urine hanya bisa memberi data apakah pasien mempunyai glukosa darah yang tinggi beberapa jam yang lalu. Pemantauan glukosa urine sudah tidak dianjurkan untuk pengkajian kontrol glikemik.

Setelah pemeriksaan urine dilakukan, akan lebih baik pemantauan keton perlu dilakukan oleh individu dengan Diabetes Mellitus tipe 1 ketika ia jatuh sakit atau ketika hasil pemantauan glukosa darah di rumahnya lebih dari 300 mg/dl. Test skrip yang mengandung asetoasetat dicelupkan ke dalam urine. Lama waktunya bergantung pada pabrik yang memproduksinya. Bila yang tampak adalah warna kuning-keabu-abuan, berarti negatif. Warna akan berubah sesuai dengan kadar keton, bisa sampai ungu tua. Adanya keton dalam urine memerlukan tindakan medis yang cepat dan tepat bagi pasien dengan Diabetes Mellitus tipe 1. Tindakan menyangkut insulin, diet, dan asupan cairan untuk menghindari timbulnya diabetes ketoasidosis yang sangat berbahaya (Touchette, 2005).

Defenisi keadaan diabetes atau gangguan toleransi glukosa bergantung pada pemeriksaan kadar glukosa darah. Beberapa tes tertentu yang non glikemik dapat berguna dalam menentukan subklas, penelitian epidenmiologi, dalam menentukan mekanisme dalam perjalanan alamiah diabetes.

Untuk diagnosis dan klasifikasi ada indeks tambahan yang dapat dibagi atas dua bagian yakni sebagai berikut:

1. Indeks Penentuan Derajat Kerusakan Sel Beta

Hal ini dapat dinilai dengan pemeriksaan kadar insulin, pro-insulin, dan sekresi peptide penghubung (C-peptide). Nilai-nilai “Glycosilated hemoglobin” (WHO memakai istilah “Glyclated hemoglobin”), nilai derajat glikosilasi dari protein lain dan tingkat gangguan toleransi glukosa juga bermanfaat untuk penilaian kerusakan ini.

(41)

2. Indeks Proses Diabetogenik

Untuk penilaian proses diabetogenik pada saat ini telah dapat dilakukan penentuan tipe dan sub-tipe HLA. Adanya tipe dan titer antibodi dalam sirkulasi yang ditujukan pada pulau-pulau Langerhans(islet cell antibodies), Anti GAD(Glutamic Acid Decarboxylase) dan sel endokrin lainnya adanya cell-mediated immunity terhadap pancreas. Susunan DNA yang spesifik ditemukan pada genoma manusia dan ditemukannya penyakit lain pada pankreas dan penyakit endokrin lainnya.

Kadar gula darah indikator penentu diabetes pada orang dewasa berbeda dengan diabetes pada anak-anak. Kadar glukosa darah normal pada anak-anak < 100 mg/dl dan glukosa darah setelah 2 jam mengkonsumsi sejumlah glukosa yang diberikan < 140 mg/dl. Akan tetapi cara untuk mendiagnosa diabetes pada anak-anak sama dengan cara mendiagnosa diabetes pada orang dewasa umumnya (Rubin, 2010).

2.3.1 Pra Diabetes

Kondisi pradiabetes dikenalkan pertama kali pada tahun 2002 oleh American Diabetes Association (ADA) dan Human Service Secretary Tommy G. Thompson. Diagnosis pradiabetes itu penting karena pradiabetes adalah kondisi kritis sebelum pengembangan menuju ke penyakit diabetes. Diagnosis pradiabetes sama dengan diagnosis diabetes yaitu dengan test glukosa darah di laboratorium. Pradiabetes didiagnosa apabila glukosa darah puasa di antara 100 dan 125 mg/dl (5.6 - 6.9 mmol/L) dan glukosa darah 2 jam setelah makan 75 gram glukosa , di antara 140 – 199 mg/dl (7.8-11.1 mmol, pada saat lebih dari satu kali pemeriksaan (Rubin, 2010).

Pada tahun 1997, Expert Committee on the Diagnosis and Classification of Diabetes Mellitus of American Diabetes Association menerbitkan klasifikasi baru Diabetes Mellitus yakni sebagai berikut:

(42)

2. Diabetes Mellitus tipe 2 atau Non Insulin Dependent Diabetes Mellitus (NIDDM).

2.3.2 Diabetes Mellitus tipe 1/ Insulin Dependent Diabetes Mellitus

Pada tipe ini, kekurangan insulin terjadi secara absolut dimana pankreas tidak menghasilkan insulin atau menghasilkan insulin dalam jumlah yang tidak memadai. Hal ini terjadi akibat sel β pankreas dihancurkan oleh proses autoimun pada orang -orang yang memiliki predisposisi secara genetis. Pada tipe ini glukosa banyak hilang melalui urine dan glukosa pada darah tidak dapat dipakai sehingga mengakibatkan banyak kalori yang hilang dan berat badan pasien menurun walaupun ia banyak makan.

Gambaran klinis, pasien umumnya kurus dan memiliki gejala-gejala poliuria, polidipsia, penurunan berat badan, cepat lelah dan terdapat infeksi (abses, infeksi jamur misalnya kandidiasis). Ketoasisidosis dapat terjadi disertai dengan rasa mual, mengantuk, dan takipnea. Pasien membutuhkan insulin (Davey, 2006) .

2.3.3 Diabetes Mellitus tipe 2/ Non Insulin Dependent Diabetes Mellitus

Pada tipe ini, kekurangan insulin terjadi secara relatif dimana pankreas menghasilkan insulin dalam jumlah normal, tetapi tidak efektif. Gambaran klinis sekitar 80% pasien memiliki kelebihan berat badan dan 20% pasien telah mengalami komplikasi seperti penyakit jantung iskemik, penyakit serebrovaskular, gagal ginjal, ulkus pada kaki dan gangguan penglihatan. Pasien dapat juga datang dengan poliuria dan polidipsia yang timbul perlahan-lahan. Pasien dengan tipe ini biasanya ditangani dengan pengaturan diet dan obat hipoglikemik oral (Davey, 2006).

(43)

BAB 3

ANALISIS DAN PERANCANGAN

3.1 Analisis Sistem

Analisis sistem diperlukan untuk mengetahui permasalahan dan kebutuhan yang diperlukan dalam pembangunan sistem. Analisis terdiri dari 2 (dua) bagian yaitu analisis data sistem dan analisis komponen sistem.

3.1.1 Analisis Data Sistem

Dalam membangun sistem diperlukan beberapa data yaitu:

1. Data Pasien

Data Pasien berisi berisi IdPasien, Nama, Alamat, dan Jenis Kelamin

2. Data Metode Sugeno

Data yang diperlukan dalam metode sugeno yaitu data nilai umur, Glukosa Darah Puasa, Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 Jam PP, HbA1c, HDL, Trigliserida dan Insulin.

3.1.2 Analisis Komponen Sistem

Sistem pendukung keputusan yang akan dibuat terdiri dari 3 buah subsistem yaitu sebagai berikut:

(44)

2. Subsistem Manajemen Basis Model (Model Base Management Subsystem)

3. Subsistem Perangkat Lunak Penyelenggara Dialog (Dialog Generation and Management Software)

3.1.2.1 Subsistem Manajemen Database

1. Diagram Aliran Data

Diagram Aliran Data/Data Flow Diagram (DFD) adalah alat yang biasa dipakai untuk mendokumentasi proses dalam sistem atau sebuah teknis grafis yang menggambarkan aliran informasi dan transformasi yang diaplikasikan pada saat data bergerak dari input menjadi output. Gambar 3.1 menggambarkan diagram aliran data dari sistem yang akan dibuat.

Pengguna

Sistem Pendukung Keputusan Penentuan

Penyakit Diabetes Mellitus dengan Metode

Sugeno Data pasien

Hasil pemeriksaan Hasil Diagnosis

Laporan

Gambar 3.1 Diagram Konteks DFD

Penjelasan proses diagram konteks sistem pendukung keputusan penentuan penyakit

Diabetes Mellitus dengan metode Sugeno adalah sebagai berikut:

a. Proses

Nama Proses : Sistem Pendukung Keputusan Penentuan Penyakit Diabetes Mellitus dengan Metode Sugeno

Keterangan : Proses penegakan diagnosis penyakit diabetes berdasarkan nilai hasil pemeriksaan laboratorium yang diproses dengan metode Sugeno.

b. Arus Data

(45)

kelamin

- Hasil pemeriksaan berupa idpasien, Glukosa Darah Puasa (GDP),

Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.

Keluaran : - Hasil diagnosis - Laporan

c. Entitas Luar

Nama Entitas : Pengguna

Masukan : - Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin

- Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP),

Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.

Keluaran : Hasil diagnosis dan Laporan

Keterangan : Merupakan bagian yang mengontrol dan mempergunakan sistem.

Proses yang ada pada diagram konteks dapat dipecah lagi menjadi proses-proses yang lebih kecil dan lengkap dalam DFD level 0. Diagram untuk DFD level 0 dapat dilihat pada Gambar 3.2 di bawah ini.

Pengguna data pasien pasien data hasil pemeriksaan data pasien data hasil pemeriksaan

hasil diagnosa data

pasien data hasil pemeriksaan laporan periksa data pasien data hasil pemeriksaan 2.0 Olah hasil pemeriksaan 3.0 Metode Sugeno 1.0 Olah data pasien 4.0 Cetak Laporan

Gambar 3.2 DFD Level 0

Penjelasan proses DFD level 0 Sistem pendukung keputusan penentuan penyakit Diabetes

(46)

a. Proses 1.0

Nama Proses : Olah data pasien

Masukan : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.

Keluaran : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.

Keterangan : Proses untuk mengolah data pasien.

b. Proses 2.0

Nama Proses : Olah hasil pemeriksaan

Masukan : Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP), Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah

jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.

Keluaran : Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP),

Glukosa Plasma Puasa, Glukosa Plasma Tidur , Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.

Keterangan : Mengolah data hasil pemeriksaan seperti input dan delete data

c. Proses 3.0

Nama Proses : Proses Metode Sugeno

Masukan : Data hasil pemeriksaan berupa Glukosa Darah Puasa (GDP),

Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2

jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.

Keluaran : Data hasil pemeriksaan berupa hasil diagnosis.

Keterangan : Proses mengolah variabel penentu penyakit Diabetes Mellitus dengan metode Sugeno.

d. Proses 4.0

Nama Proses : Cetak Laporan

Masukan : Data pasien dan hasil pemeriksaan Keluaran : Laporan

(47)

Proses yang ada pada diagram level 0 DFD dapat dipecah lagi menjadi proses-proses yang lebih jelas ke dalam diagram level 1 DFD. Diagram 1.0 dapat dilihat pada Gambar 3.3 di bawah ini.

Pengguna

data pasien

pasien

data pasien

1.2 Delete data

pasien 1.1 Input data

pasien

data pasien

data pasien data pasien

Gambar 3.3 Diagram 1.0 atau DFD Level 1

Penjelasan proses diagram 1.0 Sistem pendukung keputusan penentuan penyakit Diabetes Mellitus dengan metode Sugeno adalah sebagai berikut:

a. Proses 1.1

Nama Proses : Input data pasien

Masukan : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.

Keluaran : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.

Keterangan : Memasukkan data pasien dan disimpan pada tabel pasien.

b. Proses 1.2

Nama Proses : Delete data pasien

Masukan : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.

Keluaran : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin.

(48)

Keterangan : Menghapus data pasien dari tabel pasien.

Proses yang ada pada diagram level 0 DFD dapat dipecah lagi menjadi proses-proses yang lebih jelas ke dalam diagram level 1 DFD. Diagram 2.0 dapat dilihat pada Gambar 3.4 di bawah ini.

Pengguna

data hasil pemeriksaan

periksa

data hasil pemeriksaan

Data hasil pemeriksaan

2.2 Delete data

hasil pemeriksaan

2.1 Input data hasil

pemeriksaan

Data hasil pemeriksaan

data hasil pemeriksaan data hasil pemeriksaan

Gambar 3.4 Diagram 2.0

Penjelasan proses diagram 2.0 sistem pendukung keputusan penentuan penyakit Diabetes Mellitus dengan metode Sugeno adalah sebagai berikut:

a. Proses 2.1

Nama Proses : Input data hasil pemeriksaan

Masukan : Hasil pemeriksaan berupa id pasien,Glukosa Darah Puasa (GDP), Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.

Keluaran : Hasil pemeriksaan berupa id pasien,Glukosa Darah Puasa (GDP), Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.

Keterangan : Memasukkan data hasil pemeriksaan dan disimpan pada tabel periksa.

(49)

Nama Proses : Delete data hasil pemeriksaan

Masukan : Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP), Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin dan hasil diagnosis.

Keluaran : Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP), Glukosa Plasma Puasa, Glukosa Plasma Tidur , Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin dan hasil diagnosis.

Keterangan : Menghapus data pasien dari tabel periksa.

Proses yang ada pada diagram level 0 DFD dapat dipecah lagi menjadi proses-proses yang lebih jelas ke dalam diagram level 1 DFD. Diagram 3.0 dapat dilihat pada gambar 3.5 di bawah ini.

Pengguna data pasien pasien data hasil pemeriksaan data pasien data hasil pemeriksaan hasil diagnosis periksa 3.2 Proses pembentukan himpunan fuzzy 3.1 Proses input variabel fuzzy

data hasil pemeriksaan

3.3 Proses implikasi derajat keanggotaan predikat aturan 3.4 Proses defuzifikasi hasil diagnosis umur

Gambar 3.5 Diagram 3.0

Penjelasan proses diagram 3.0 sistem pendukung keputusan penentuan penyakit Diabetes Mellitus dengan metode Sugeno adalah sebagai berikut:

(50)

Nama Proses : Proses input variabel fuzzy

Masukan : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin

Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP),

Glukosa Plasma Puasa, Glukosa Plasma Tidur Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.

Keluaran : Data pasien berupa id pasien, nama, umur, alamat, dan jenis kelamin

Hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP),

Glukosa Plasma Puasa, Glukosa Plasma Tidur Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin.

Keterangan : Memasukkan variabel fuzzy ke dalam proses Sugeno.

b. Proses 3.2

Nama Proses : Proses pembentukan himpunan fuzzy

Masukan : Data pasien berupa umur dan hasil pemeriksaan berupa id pasien, Glukosa Darah Puasa (GDP), Glukosa Plasma Puasa, Glukosa Plasma Tidur, Glukosa Darah 2 jam PP (GD), HDL, HbA1c, Trigliserida, Insulin

Keluaran : derajat keanggotaan

Keterangan : Memasukkan variabel fuzzy ke dalam himpunan fuzzy.

c. Proses 3.3

Nama Proses : Proses implikasi Masukan : derajat keanggotaan Keluaran : predikat aturan

Keterangan : Menentukan predikat aturan dari aturan-aturan.

d. Proses 3.4

Nama Proses : Proses defuzifikasi Masukan : predikat aturan Keluaran : hasil diagnosis

(51)

2. Kamus Data

Kamus data adalah suatu daftar data elemen yang terorganisir dengan defenisi yang tetap dan sesuai dengan sistem sehingga pengguna dan analis sistem mempunyai pengertian yang sama tentang input, output dan komponen data store. Kamus data ini berguna pada tahapan implementasi sistem. Berikut kamus data yang akan dipergunakan pada sistem:

Tabel 3.1 Kamus Data Pasien

No Field Tipe data Panjang Keterangan

1 IdPasien Char 10 Id pasien sebagai primary key

2 Nama Char 30 Nama Pasien

3 Umur Integer - Umur pasien

4 Alamat Char 30 Tempat tinggal pasien

5 Jenis_Kelamin Char 15 Jenis kelamin pasien

Tabel 3.2 Kamus Data Periksa

No Field Tipe data Panjang Keterangan

1 IdPasien Alpha 10 Id pasien sebagai primary key

2 GDP Integer - Nilai glukosa darah puasa

3 GPP Integer Nilai glukosa plasma puasa

4 GPT Integer - Nilai glukosa plasma tidur

5 GD Integer - Nilai glukosa darah 2 jam PP

No Field Tipe data Panjang Keterangan

(52)

7 HDL Integer - Nilai HDL

8 Trigliserida Integer Nilai Trigliserida

9 Insulin Integer - Nilai insulin

10 Hasil_Pemeriksaan Char 30 Hasil Diagnosis

3. Entity Relationship Diagram (ERD)

ERD merupakan suatu model untuk menjelaskan hubungan antar data dalam basis data berdasarkan objek-objek dasar data yang mempunyai hubungan /relasi.

pasien

PK IDPasien

Nama Umur Alamat Jenis_Kelamin

periksa

PK IDPasien

GPP GPP GPT GD HBA1c HDL Trigliserida Insulin

Hasil_Diagnosis

Gambar 3.6 ERD

3.1.2.2 Subsistem Manajemen Basis Model

Model yang dipakai dalam Perancangan Aplikasi Sistem Pendukung Keputusan Penentuan Penyakit Diabetes Mellitus adalah model logika fuzzy dengan metode Sugeno. Gambar 3.7 merupakan gambaran langkah-langkah yang digunakan dalam metode Sugeno.

(53)

Mulai

Input data variabel dan himpunan variabel fuzzy

Menentukan derajat keanggotaan himpunan variabel fuzzy

Menghitung predikat aturan

Defuzzifikasi

selesai Output hasil keputusan

Gambar 3.7 Flowchart Metode Sugeno

Penjelasan flowchart gambar 3.7 dalam penerapan metode Sugeno dalam sistem yang akan dirancang sebagai berikut:

1. Input data variabel dan himpunan variabel fuzzy

Data variabel yang diperlukan dalam sistem sebagai inputan dalam metode Sugeno adalah hasil pemeriksaan laboratorium. Adapun variabel-variabel tersebut merupakan variabel-variabel indikator penegakan diagnosis Diabetes Mellitus yaitu kadar glukosa darah puasa, kadar glukosa darah 2 jam PP, kadar glukosa plasma puasa, kadar glukosa darah saat tidur, kadar insulin, kadar HbA1c, kadar kolesterol HDL, kadar trigliserida dan umur. Nilai variabel-variabel tersebut dimasukkan ke dalam himpunan fuzzy dengan atribut linguistiknya masing-masing.

(54)

2. Menentukan derajat keanggotaan himpunan variabel fuzzy

Setiap variabel sistem dalam himpunan fuzzy ditentukan derajat keanggotaannya (µ) untuk setiap atribut linguistiknya. Dimana derajat 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 Sugeno 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.

4. Defuzifikasi

Setelah menghitung semua predikat aturan yang telah ditentukan, nilai defuzzifikasi dapat ditentukan. Pada metode Sugeno nilai defuzifikasi diperoleh dengan perhitungan Weight Average (WA) :

α1z1+ α2 z2+ α3z3 +… + αn zn WA =

α1+ α2 + α3 +… + αn

dengan αn : nilai predikat aturan ke-n

zn : indeks nilai output (konstanta) ke-n

5. Hasil keputusan

Hasil keputusan diperoleh dengan mencari nilai kedekatan antara hasil defuzifikasi dengan indeks output. Hasil keputusan ini menjadi hasil diagnosis seorang pasien

(55)

3.1.2.3 Subsistem Perangkat Lunak Penyelenggara Dialog

Perancangan struktur menu sistem perlu dilakukan untuk mempermudah melakukan tahapan implementasi. Dengan adanya perancangan struktur menu ini kita dapat mengetahui menu yang terlebih dahulu diakses sebelum memasuki sistem yang dirancang dan juga dapat mengetahui menu yang perlu diakses untuk keluar dari sistem.

Perancangan menu yang akan dibuat dalam sistem adalah sebagai berikut:

1. Login Pengguna

Sebelum memasuki sistem, pengguna terlebih dahulu masuk pada login pengguna. Pengguna mengisi password dan username untuk memasuki sistem.

2. Menu Utama

Menu yang akan pertama kali ditemui pengguna ketika memasuki sistem.

3. Pasien

Pasien adalah bagian dari menu utama , pasien merupakan salah satu menu yang akan ditemui pengguna, yang terdapat pada menu utama.

4. Informasi

Informasi juga merupakan bagian dari menu utama. Informasi merupakan salah satu menu yang akan ditemui pengguna pada saat mengakses menu utama. Menu informasi terdiri dari 2 sub menu yaitu sistem dan profil. Sub menu sistem berisi penjelasan singkat sistem dan profil berisi tentang pembuat sistem.

(56)

Daftar merupakan bagian dari pasien atau dengan kata lain submenu dari pasien. Pada sub menu daftar, pengguna dapat memasukkan data pasien dan data hasil pemeriksaan pasien. Data hasil pemeriksaan pasien akan diproses dengan metode Sugeno untuk memperoleh suatu keputusan. Dan kemudian nilai dan hasil keputusan disimpan ke dalam database dan dapat dicetak laporannya.

6. Keluar

Keluar juga merupakan bagian dari pasien. Pengguna dapat mengakses sub menu keluar, untuk dapat keluar dari sistem.

Perancangan struktur menu sistem dapat digambarkan seperti pada gambar 3.8.

Menu Utama

Daftar

Input data hasil pemeriksaan

Proses Metode Sugeno

Informasi Pasien

Keluar Sistem Profil

Input data pasien

Laporan

Gambar 3.8 Daftar menu sistem

(57)

Perancangan merupakan gambaran sistem yang akan dibuat pada kondisi yang sebenarnya. Adapun perancangan sistem penentuan penyakit Diabetes Mellitus dengan metode Sugeno yaitu sebagai berikut :

1. Perancangan Flowchart 2. Perancangan Inferensi Fuzzy 3. Perancangan Basis Pengetahuan 4. Perancangan Form

3.2.1 Perancangan Flowchart

Himpunan fuzzy dalam sistem menggunakan representasi kurva untuk

menggambarkan fungsi keanggotaan. Perancangan flowchart representasi kurva yang digunakan dalam himpunan fuzzy yaitu sebagai berikut:

1. Representasi kurva trapesium

Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.

y 1

derajat keanggotaan µ[x]

0 x a b c d domain

Gambar 3.9 Representasi kurva trapesium

Pada gambar 3.10 dijelaskan, input awal adalah nilai x (nilai keanggotaan). Kemudian masuk ke proses decision, jika x≤a atau x≥d benar maka nilai µ[x] =0, atau jika bernilai salah maka nilai x dibandingkan dengan a dan b, jika a≤x≤b benar

(58)

maka nilai µ[x] dihitung dengan rumus µ[x] = (b-x)/(b-a), jika b≤x≤c maka nilai µ[x]=1, jika salah maka nilai µ[x] dihitung dengan rumus µ[x] = (d-x)/(d-c).

mulai

Input nilai x

x <= a atau x >= d

µ[x]=0 b e n a r

a< = x< = b salah

µ[x]=(x-a)/(b-a) b e n a r Output derajat keanggotaan µ[x] selesai

b <= x <= c salah

b e n a r salah µ[x]=1 µ[x]=(d-x)/(d-c)

Gambar 3.10 Flowchart Kurva Trapesium

2. Representasi kurva bahu

Himpunan fuzzy bahu, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar.

(59)

1 derajat keanggotaan µ[x]

a b a b

Gambar 3.11 Representasi Kurva Bentuk Bahu

Pada gambar 3.12 dijelaskan, input awal adalah nilai x (nilai keanggotaan). Kemudian masuk ke proses decision, jika x≤a benar maka nilai µ[x] =1, atau jika bernilai salah maka nilai x dibandingkan dengan a dan b, jika a≤x≤b benar maka nilai µ[x] dihitung dengan rumus µ[x] = (b-x)/(b-a), jika salah maka nilai µ[x]=0.

mulai

Input nilai x

x <=a

µ[x]=1

a < = x < = b

salah µ[x ]=(b-x)/(b-a) be na r Output derajat keanggotaan µ [x] selesai salah µ [x]=0

Gambar 3.12 Flowchart Kurva Bentuk Bahu Kiri Bahu

Kiri

Bahu Kanan

(60)

Pada gambar 3.13 dijelaskan, input awal adalah nilai x (nilai keanggotaan). Kemudian masuk ke proses decision, jika x≤a benar maka nilai µ[x]=0, atau jika bernilai salah maka nilai x dibandingkan dengan a dan b, jika a≤x≤b benar maka nilai µ[x] dihitung dengan rumus µ[x]=(x-a)/(b-a), jika x≥b maka nilai µ[x]=1.

mulai

Input nilai x

x <= a

µ[x]=0

a <= x< = b

salah

µ[x]=(x-a)/(b-a)

Output derajat keanggotaan

µ[x]

selesai

µ [x]=1 salah

Gambar 3.13 Flowchart Kurva Bentuk Bahu Kanan

3.2.2 Perancangan Inferensi Fuzzy

Dalam perancangan inferensi fuzzy , langkah awal yang perlu dilakukan adalah pembentukan himpunan fuzzy. Himpunan fuzzy merupakan suatu kumpulan kondisi tertentu pada suatu variabel fuzzy. Variabel fuzzy diperoleh dari hasil pemeriksaan yang dimasukkan ke dalam sistem sebagai inputan.

(61)

Perancangan nilai-nilai yang ada pada himpunan fuzzy didasarkan pada tabel berikut:

Tabel 3.3 Batasan Nilai Normal Variabel

No Variabel Fuzzy Nilai Normal

1 Glukosa Darah Puasa 80 – 120 mg/dl

2 Glukosa Plasma Puasa 70 – 100 mg/dl

3 Glukosa Plasma Tidur 110 – 150 mg/dl

2 Glukosa Darah 2 Jam PP 100 – 140 mg/dl

3 Kadar HbA1c 4 – 8 mg/dl

4 Kadar HDL 40 – 60 mg/dl

5 Kadar Trigliserida 50 – 150 mg/dl

6 Kadar Insulin 4 – 8 %

Perancangan variabel fuzzy dalam himpunan fuzzy, dalam sistem yang akan dibangun yaitu sebagai berikut :

1. Variabel Glukosa Darah Puasa (GDP)

Variabel GDP dibagi menjadi 4 kelompok atau atribut linguistik yaitu rendah (GDP 80), sedang (80≤GDP<120), tinggi (120≤GDP<150) dan sangat tinggi (GDP≥150). Dari pembagian itu dapat ditentukan fungsi keanggotaan dari himpunan fuzzy rendah, sedang, tinggi dan sangat tinggi untuk variabel GDP secara terpisah sebagai berikut:

(62)

Gambar 3.14 Kurva himpunan fuzzy variabel Glukosa Darah Puasa

µ G D P

(63)

2. Variabel Glukosa Plasma Puasa (GPP)

Variabel GPP dibagi menjadi 4 kelompok atau atribut linguistik yaitu rendah (GPP 70), sedang (70≤GPP<110), tinggi (110≤GP P<140) dan sangat tinggi (GPP≥140). Dari pembagian itu dapat ditentukan fungsi keanggotaan dari himpunan fuzzy rendah, sedang, tinggi dan sangat tinggi untuk variabel GPP secara terpisah sebagai berikut:

(1)

Kode predikat

Nilai

Predikat (α)

P28 MIN µ_UmurAnak µ_Insulinrendah 0

P29 MIN µ_HbA1ctinggi µ_Insulinrendah 0

P30 MIN µ_UmurDewasa µ_GDPtinggi 0

P31 MIN µ_GDPsgttinggi µ_HDLrendah 0

P32 MIN µ_HbA1ctinggi µ_HDLrendah 0

P33 MIN µ_HbA1ctinggi µ_Tgtinggi 0

Jumlah total nilai predikat 1.7

3. Perhitungan Defuzzifikasi indeksNeg = 0.2;

indeksPra = 0.4; indeksPos1 = 0.8; indeksPos2 = 0.6;

Pada metode Sugeno defuzzifikasi dilakukan dengan perhitungan Weight Average (WA) :

P23* indeksPra +P24*indeksPra+P25*indeksPra

WA =

Jumlah total predikat 0.6*0.4 +0.5*0.4+0.6*0.4

WA =

1.7 WA = 0.4

Nilai deffuzzifikasi manual = 0.4 maka pasien Pradiabetes. Hasil pemeriksaan sistem dapat dilihat pada gambar 4.10

(2)

(3)

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan pembahasan dan evaluasi dari bab-bab terdahulu, maka dapat ditarik kesimpulan sebagai berikut:

1. Aplikasi sistem ini dibuat sebagai alat bantu pengambilan keputusan penentuan penyakit Diabetes Mellitus berdasarkan hasil pemeriksaan laboratorium pasien, dengan menggunakan metode Sugeno.

2. Dengan menggunakan metode inferensi model Sugeno dalam penentuan penyakit Diabetes Mellitus, diperoleh hasil yang sama antara hasil sistem dengan hasil perhitungan manual.

3. Tenaga medis dapat menggunakan sistem ini dengan mudah untuk mengetahui hasil penegakan diagnosis penyakit Diabetes Mellitus berdasarkan hasil pemeriksaan laboratorium.

5.2 Saran

Penulis menyarankan pengembangan penelitian lebih lanjut sistem penentuan penyakit Diabetes Mellitus sebagai berikut:

1. Sistem penentuan penyakit Diabetes Mellitus dengan menggunakan metode Sugeno ini dapat dikembangkan lagi dengan metode matematika lain dengan

(4)

mengikutsertakan pembahasan keluhan khas diabetesi dan penambahan variabel golongan darah.

2.Pada saat pengambilan keputusan dengan metode Sugeno, tidak menutup kemungkinan bahwa, metode inferensi lainnya ikut dipertimbangkan khususnya dalam memahami para pengambil keputusan individual.

(5)

DAFTAR PUSTAKA

Arhami, Muhammad. 2005. Konsep Dasar Sistem Pakar. Penerbit Andi. Yogyakarta. Ayuningtiyas, Ika Kurnianti. 2007. Sistem Pendukung Keputusan Penanganan

Kesehatan Balita Menggunakan Penalaran Fuzzy Mamdani. Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: 1907-5022 [Online] Tersedia:

Darmono. 2005. Pengaturan Pola Hidup Penderita Diabetes Untuk Mencegah Komplikasi Kerusakan Organ-Organ Tubuh. Semarang: Universitas Diponegoro.

Davey, Patrick. 2006. At a Glance Medicine. Jakarta : Erlangga

Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Andi. Kusumadewi, S. dan Purnomo, Hari .2004. Aplikasi Logika Fuzzy Untuk Pendukung

Keputusan. Yogyakarta: Graha Ilmu.

Kusumadewi, Sri. 2008. Sistem Inferensi Fuzzy (Metode TSK) Untuk Penentuan Kebutuhan Kalori Harian. [Online] Tersedia: 2008 /sriti2007/srikusumadewi-tsk.pdf

. [25 Januari 2010].

Kusumadewi, Sri. 2009. Aplikasi Informatika Medis Untuk Penatalaksanaan Diabetes Mellitus Secara Terpadu. Seminar Nasional Aplikasi Teknologi Informasi 2009 (SNATI2009) ISSN:1907-5022 [Online] Tersedia: http://journal.uii.ac/

Li, Zhong. 2006. Fuzzy Chaotic System. Germany : Verlag Berlin Heidelberg. Pandjaitan, Lanny W. 2007. Dasar-dasar Komputasi Cerdas. Yogyakarta: Andi.

Rahmayani, Eva Yusvita. 2008. Sistem Inferensi Fuzzy untuk Menentukan Tingkat Resiko Penyakit Geriatri. Skripsi. Yogyakarta: Universitas Islam Indonesia. Rubin, Alan L. 2010. Prediabetes for Dummies. Wiley Publishing:Indiana.

(6)

Sitanggang, Irawaty Evalina. 2008. Perancangan Aplikasi Sistem Penentuan Penyakit Diabetes Mellitus Menggunakan Metode AHP berbasis Sistem Pendukung Keputusan. Skripsi. Medan: Universitas Sumatera Utara.

Soegondo, Sidartawan, dkk. 2004. Penatalaksanaan Diabetes Melitus Terpadu. Jakarta: Balai Penerbit Fakultas Kedokteran Universitas Indonesia.

Sudoyo, Aru W, dkk. 2006. Ilmu Penyakit Dalam. Jilid 3. Edisi 4. Jakarta: Pusat Penerbitan Departemen Ilmu Penyakit Dalam Fakultas Kedokteran Universitas Indonesia.

Suryadi, Kadarsah dan Ramdhani, M. Ali. 1998. Sistem Pendukung Keputusan : suatu wacana structural idelisasi dan implementasi konsep pengambilan keputusan. Bandung: Remaja Rosdakarya Offset.

Touchette, Nancy. 2005. American Diabetes Association Complete Guide to Diabetes.4th Edition.Port City Press: United States of America.

Turban, Efraim. 2005. Decision Support System and Intelligent Systems. Terjemahan Dwi Prabantini. Yogyakarta : Penerbit Andi.

Indonesia Negara ke-4 Penyandang Diabetes Terbanyak. 24 Febuari 2010.

Sistem Pendukung Keputusan Penentuan Penyakit Diabetes Mellitus Dengan Metode Sugeno