27
4.2. Desain Arsitektur
Desain arsitektur menggunakan ANFIS. Sistem inferensia fuzzy yang digunakan adalah tipe Takagi-Sugeno orde satu, sedangkan untuk fungsi keanggotaan
menggunakan Gaussian. Proses pembelajaran yang dilakukan menggunakan algoritma Hybrid dan proses defuzzifikasi menggunakan metode Weighted Average
Arsitektur ANFIS ditentukan oleh jumlah kriteria dan parameter. Ada 4 input kriteria yaitu demam, bercak, perdarahan dan uji tornikuet dimana masing- masing
mempunyai 3 parameter. Struktur ANFIS seperti dapat dilihat pada Gambar 15. Struktur ANFIS secara detail dapat dilihat pada Lampiran 8.
Gambar 15 Arsitektur ANFIS
rendah
Demam
p
p N
N ?
w1
w2
ω
1
f
Layer 1 Layer 2
Layer 3 Layer 4
Layer 5
Bercak
sedang tinggi
sedikit sedang
banyak Tdk jelas
Jelas Sgt jelas
p N
W3
Pendarahan
ω
2
ω
3
ω
1
f
1
ω
2
f
2
ω
3
f
3
negatif ragu
positif
p N
W4
demam bercak
Pendarahan Uji tornikuet
ω
4
demam bercak
Pendarahan Uji tornikuet
Uji tornikuet
ω
4
f
4
28
4.3. Fasilitas Penjelasan
Bagian ini menerangkan penalaran, aksi maupun rekomensadi yang dilakukan oleh sistem pakar. Penjelasan dalam sistem pakar biasanya berhubungan dengan
beberapa bentuk penelusuran aturan rule yang dilakukan selama pemecahan masalah baik berupa diagnosis, perlakuan dan komplikasi.
Fasilitas penjelasan biasanya terdiri dari Why Explanations yaitu penjelasan sehubungan dengan pertanyaan pengapa sesuatu hal ditanyakan dan How Explanations
yaitu penjelasan sehubungan dengan pertanyaan bagaimana kesimpulan dicapai.
4.4. Desain Keluaran Output
Kesimpulan ANFIS diinterpretasikan dalam 2 kategori. Data kategori diperoleh dengan cara membuat fungsi keanggotaan output data training. Jumlah fungsi
keanggotaan 2 dan jenisnya trapezoid. pengelompokan kategori ditetapkan berdasarkan nilai keanggotaan yang terbesar. Dari data training diperoleh nilai minimal dan
maksimal output sebagai berikut : Tabel 6 Nilai minimal dan maksimal output data training.
Jenis sampel data Nilai minimal
Nilai maksimal Bukan DBD
89,9973 90,0023
DBD 90,9989
91,0005
Dibawah ini fungsi keanggotaan dengan menggunakan output data training.
Gambar 16 Fungsi keanggotaan data kategori.
29 Misal pada Gambar 16 nilai kesimpulan ANFIS adalah 89,40 akan diinterpretasikan
bukan DBD dan nilai kesimpulan ANFIS adalah 89,60 akan diinterpretasikan DBD.
Interpretasi kesimpulan ANFIS dipresentasikan sebagai Diagnosa 1 yaitu Besar kemungkinan penderita terserang penyakit Demam Berdarah Dengue dan Diagnosa 2
yaitu Penderita tidak terserang penyakit Demam Berdarah Dengue. Masing- masing kategori sebagai output model ini disertai dengan tatalaksana tindak- lanjutnya.
Tatalaksana sesuai dengan kategori output model adalah sebagai berikut :
Diagnosa 1 :
Besar kemungkinan penderita terserang penyakit Demam Berdarah Dengue.
Tatalaksana :
1. Atasi pendarahan yang terjadi. 2. segera dirujuk ke fasilitas kesehatan yang lebih lengkap rumah sakit untuk
dirawat dan pemeriksaan trombosit darah. 3. Lakukan penelitian ke rumah penderita. Cari penderita lain yang mengalami
gejala serupa di rumah-rumah tetangga sampai radius 100 meter. Periksa jentik nyamuk dan lakukan pembersihan sarang nyamuk PSN.
Diagnosa 2 :
Penderita tidak terserang penyakit Demam Berdarah Dengue.
Tatalaksana :
1. Turunkan demamnya dengan obat penurun panas. 2. Segera kembali untuk dilakukan pemeriksaan ulang bila panas tidak turun
atau timbul gejala bercak-bercak, mimisan, gusi berdarah muntah berdarah dan tinja bewarna hitam.
30
BAB V. IMPLEMENTASI
5.1. MATLAB
Pembangunan Model menggunakan program MATLAB Hanselman 1997. Pada penelitian ini digunakan MATLAB version 7.0. Pertama dibuat data training
training.dat. Data training dapat dilihat dalam Lampiran 9. Dengan menu matlab command dilakukan pembangunan Fuzzy inference system FIS. FIS yang digunakan
tipe Takagi-Sugeno orde satu. Membership function demam, bercak, pendarahan dan uji tornikuet masing- masing berjumlah 3 dengan tipe Gaussian. Proses defuzzifikasi
menggunakan metode Weighted Average. Demam dikatakan ringan bila pengukuran suhu 36,0 – 37,3 ºC, sedang bila
pengukuran suhu 36,5 – 38,5 ºC dan tinggi bila pengukuran suhu 38,0 – 42,0 ºC. Gambaran membership function demam menggunakan Matlab ver 7.0 sebagai berikut :
Gambar 17 Membership function demam tipe Gaussian.