BAB 3 ANALISIS DAN PERANCANGAN SISTEM
Bab ini secara garis besar membahas analisis metode Sugeno pada sistem dan tahap- tahap yang akan dilakukan dalam perancangan sistem yang akan dibangun.
3.1 Identifikasi Masalah
Tuberkulosis Paru atau TB Paru adalah salah satu penyakit menular yang disebabkan oleh basil Mikrobakterium Tuberkulosis. TB Paru merupakan salah satu penyakit
saluran pernafasan bagian bawah. Di Indonesia, penyakit ini merupakan salah satu penyakit infeksi terpenting . Menurut Zulkifli 2006 dalam laporan Prevalensi pada
tahun 1998 bahwa Indonesia merupakan Negara dengan Prevalensi TB Paru ke-3 tertinggi di dunia. Peningkatan jumlah penderita TB Paru salahsatunya disebabkan
karena keterlambatan pelaksanaan diagnosis dan penentuan stadium penyakit serta tidak adanya pengobatan yang tepat. Menurut hasil survei pada salah satu Rumah
Sakit, sering terjadi keterlambatan masalah pelaksaan diagnosis penentuan stadium penyakit TB Paru karena fasilitas yang tidak memadai dan dokter ahli yang tidak
selalu ada ditempat sehingga tidak dapat dipastikan stadium penyakit dan tidak bisa diberikan pengobatan yang tepat. Hal ini tentu saja mengancam kesehatan pasien. Jadi
diperlukan suatu sistem sebagai alat bantu dalam melaksanakan diagnosis penyakit TB Paru dengan metode tertentu. Pada penulisan Skripsi ini penulis mengunakan metode
Sugeno orde satu karena metode Sugeno lebih Fleksibel dan cocok digunakan dalam Pengambilan Keputusan Sari, 2010.
Universitas Sumatera Utara
31
3.2 Data yang Digunakan
Data yang digunakan dalam penelitian ini adalah data hasil pemeriksaan pasien penyakit TB Paru yang diambil dari salah satu Rumah Sakit daerah Tapanuli Selatan.
Jumlah data yang diambil mulai dari tahun 2008-2012. Data dikelompokkan per variable agar diagnosis dapat dilakukan dengan lebih mudah.
3.3 Metode Sugeno dalam Perancangan Sistem Penentuan Stadium Penyakit TB Paru
Penentuan Stadium Penyakit TB Paru ini menggunakan metode sugeno, dapat dilihat pada pada Gambar 3.1 sebagai berikut:
Gambar 3.1 Algoritma Metode Sugeno
Universitas Sumatera Utara
32 Tahapan-tahapan pada Gambar 3.1 Algoritma Metode Sugeno dapat dijelaskan
sebagai berikut: 1. Input data hasil pemeriksaan kedalam database SQL Server 2008. Data
pemeriksaan yang digunakan merupakan variable himpunan fuzzy. Variable yang digunakan adalah Batuk BT, Laju Endapan Darah LED, Leukosist
LK, Limfosit LF, Sputum SP, Foto Torax FT 2. Menentukan himpunan derajat keanggotaan himpunan fuzzy. Dalam sistem,
setiap variable himpunan fuzzy ditentukan derajat keanggotaannya µ untuk
setiap atrribut linguistiknya, dimana derajat keanggotaan tersebut menjadi nilai dalam himpunan fuzzy.
Pengklasifikasian attribut lingusitik variable yang dibuat, berdasarkan konsultasi dengan pakar. Contohnya pada variable Batuk BT, nilai normal
yang dimiliki adalah 7-21 hari. Dengan demikian variable ini bisa dibagi menjadi 4 kelompok atau atrribut
linguistik yaitu Sebentar, Sedang, Lama, dan Sangat Lama. Himpunan fuzzy
rendah akan memiliki domain [6, 10] dengan derajat keanggotaan rendah tertinggi =1 terletak pada nilai ke 6. Apabila batuk semakin kurang dari 6
hari maka kondisi semakin mendekati sangat sebentar, dan keluar dari
semesta pembicaraan data penelitian. Namun apabila batuk semakin melebihi
6 hari, maka kondisi batuk akan semakin mendekati sedang. Himpunan fuzzy
rendah direpresentasikan dengan fungsi keanggotaan segitiga dengan derajat keanggotaan semakin tinggi apabila batuk semakin mendekati 6 hari. Fungsi
keanggotaan rendah seperti terlihat pada persamaan berikut ini:
µ
sebentar
[ ] = 1
≤
6 ; 6
≤ ≤
10 0;
≥
10
3.1
Universitas Sumatera Utara
33 Himpunan fuzzy sedang akan memiliki domain [6,18], dengan derajat
keanggotaan sedang tertinggi =1, terletak pada nilai 13. Apabila batuk semakin kurang dari 14 dan mendekati 6 maka kondisi batu semakin sebentar,
sehingga derajat keanggotaannya pada himpunan sedang akan semakin berkurang sedangkan derajat keanggotaannya pada himpunan sebentar akan
semakin bertambah. Namun apabila batuk semakin mendekati tinggi. himpunan fuzzy sedang direpresentasikan dengan fungsi keanggotaan fuzzy
segitiga dengan derajat keanggotaan semakin tinggi apabila batuk semakin mendekati 14. Fungsi keanggotaan untuk himpunan sedang seperti terlihat
pada persamaan berikut ini:
µ
sedang
[ ] =
⎩ ⎪
⎨ ⎪
⎧
0 ;
≤
6 ; 6
≤ ≤
10 1; 10
≤ ≤
14 ; 14
≤ ≤
18
≥
18
3.2
Himpunan fuzzy lama akan memiliki domain [13,26], dengan derajat
keanggotaan lama tertinggi =1 terletak pada nilai 22, apabila batuk semakin
kurang dari 22 dan mendekati 15, maka kondisi batuk sudah menjadi sedang,
sehingga derajat keanggotaannya pada himpunan lama akan semakin
berkurang sedangkan derajat keanggotaan nya pada himpunan sedang akan
bertambah. Namun apabila batuk makin melebihi 22 maka kondisi sudah
semakin mendekati lama. Himpunan fuzzy lama direpresentasikan dengan
fungsi keanggotaan segitiga dengan derajat keanggotaan semakin lama apabila mendekati 26 hari. Fungsi keanggotaan untuk himpunan lama seperti terlihat
pada persamaan dibawah ini.
µ
lama
[ ] =
⎩ ⎪
⎨ ⎪
⎧
0 ;
≤
14 ; 14
≤ ≤
18 1; 18
≤ ≤
22 ; 22
≤ ≤
26 0;
≥
26
3.3
Universitas Sumatera Utara
34
Himpunan fuzzy sangat lama akan memiliki domain [22,26], dengan derajat
keanggotaan sangat lama tertinggi =1 terletak pada nilai 25. Apabila batuk semakin berkurang dari 26 hari dan mendekati 22 hari, maka kondisi batuk
menjadi lama, sehingga derajat keanggotaannya pada himpunan sangat lama
akan semakin berkurang sedangkan derajat keanggotaannya pada himpunan lama akan semakin bertambah. Namun apabila batuk makin melebihi 26 hari,
maka kondisi batuk sudah semakin melebihi sangat lama dan keluar dari
pembicaraan data penelitian. Himpunan fuzzy sangat lama direpresentasikan dengan fungsi keanggotaan segitiga dengan derajat keanggotaan semakin lama
apabila batuk semakin mendekati 26 hari. Fungsi keanggotaan himpunan sangat lama seerti terlihat pada persamaan berikut ini:
µ
sangat lama
[ ] = 0 ;
≤
22 ; 22
≤ ≤
26 1;
≥
26
3.4
3. Menentukan predikat aturan . Variable-variabel yang telah dimasukkan kedalam himpunan fuzzy, dibentuk menjadi aturan-aturan yang diperoleh
dengan mengkombinasikan setiap variable dengan variable yang lain dengan attribut linguistik masing-masing. Aturan- aturan yang telah diperoleh akan
dihitung nilai predikatnya dengan proses implikasi. Proses implikasi yang digunakan dalam metode Sugeno adalah operasi Min, dimana nilai minimum
dari derajat keanggotaan veriabel yang satu dengan yang lainnya yang telah dikombinsaikan yang akan diambil.
4. Defuzzifikasi. Nilai defuzzifikasi dapat ditentukan dengan menghitung semua
aturan yang telah dilakukan. Defuzzifikasi diperoleh dengan perhitungan Weight Avarage
α1z1 + α2z2 + α3 z3 +… + αnzn WA = ---------------------------------------------
3.5 α1 + α2 + α3 +… + αn
Universitas Sumatera Utara
35 5. Hasil Analisis
Hasil analisis adalah berupa keputusan yang diperoleh dengan mencari nilai kedekatan antara hasil defuzzifikasi dengan index output. Hasil analisis ini
yang akan jadi penentu stadium penyakit TB Paru pada pasien.
3.4 Perancangan Inferensi Fuzzy
Kategori