103 maximum MOM. Hasil diagnosa output model pada masing-masing
metode dibandingkan dengan hasil diagnosa asli. Hasil tersebut digunakan untuk menghitung tingkat akurasi model fuzzy pada
masing-masing metode defuzzifikasi yang digunakan. e. Hasil akurasi dengan metode defuzzifikasi centroid adalah 100
untuk data training dan 92,31 untuk data testing, sedangkan hasil akurasi dengan metode defuzzifikasi mean of maximum MOM
adalah 100 untuk data training dan 84,62 untuk data testing. Jadi, dapat disimpulkan bahwa model fuzzy dengan metode defuzzifikasi
centroid lebih baik daripada model fuzzy dengan metode defuzzifikasi mean of maximum MOM.
B. Saran
Terdapat banyak cara lainnya yang dapat digunakan untuk menentukan stadium kanker paru yang mungkin akan memberikan diagnosa lebih
mendekati pada kondisi sebenarnya, diantaranya: 1. Menambahkan variabel input, misalnya gambar x-ray dalam menentukan
stadium kanker paru agar memperoleh hasil yang lebih akurat. 2. Menambahkan banyaknya himpunan fuzzy dan menggunakan jenis
himpunan fuzzy lainnnya. 3. Menggunakan model fuzzy lainnya, seperti Tsukamoto, Sugeno atau
Neuro-Fuzzy, dsb.
104
DAFTAR PUSTAKA
Agus Naba. 2009. Belajar Cepat Fuzzy Logic Menggunakan Matlab. Yogyakarta: ANDI.
Atiyeh Hashemi, Abdol Hamid Pilevar, Reza Rafeh. 2013. Mass Detection in Lung CT Images Using Region Growing Segmentation and Decision
Making Based on Fuzzy Inference System and Artificial Neural Network. I.J. Image, Graphics and Signal Processing.
Balachandran, K dan R. Anitha. 2011. Supervised Learning Processing Techniques for Pre-Diagnosis of Lung Cancer Disease. International
Journal of Computer Applications Nomor 4. Vol.1. Brashers, Valentina L. 2008. Clinical Applications of Pathophysiology:
Assessment, Diagnostic Reasoning and Management, 2
nd
Ed. Aplikasi Klinis Patofisiologi: Pemeriksaan Manajemen, Ed.2. Penerjemah: dr.
H. Y. Kuncara. Jakarta: EGC. Corwin, Elizabeth J. 2009. Handbook of Pathophysiology, 3
rd
Ed. Buku Saku Patofisiologi, Ed.3. Penerjemah: Nike Budhi Subekti. Jakarta: Kedokteran
EGC. Devi Indriasari. 2009. 100 Sembuh Tanpa Dokter: A-Z Deteksi, Obati, dan
Cegah Penyakit. Yogyakarta: Galangpress. Durai, M.A. Saleem, N. Ch. S. N. Iyengar, A. Kannan. 2011. Enhanced Fuzzy
Rule Based Diagnostic Model for Lung Cancer using Priority Values. International Journal of Computer Science and Information Technologies
Nomor 2. Vol.2.
Hadi Prayitno. 1999. Deteksi Dini Tumor Ganas dalam Upaya Penanggulangan Kanker. Prosiding: Seminar Nasional. Yogyakarta: Rumah Sakit Bethesda.
Horne, Mima
M. 2001.
Fluid, electrolyte,
and acid-base
balance Keseimbangan Cairan Elektrolit Asam Basa Edisi 2. Penerjemah :
Indah Nurmala Dewi, S.Kp., Monika Ester, S.Kp. Jakarta : Kedokteran EGC.
Ibrahim, A.M. 2004. Fuzzy Logic for Embedded System Application. USA: Elsevier.
Irman Somantri. 2007. Asuhan Keperawatan pada Pasien dengan Gangguan Sistem Pernapasan. Jakarta: Salemba Medika.
