P. 1
Kommit Gundar

Kommit Gundar

|Views: 17|Likes:
Published by Efoel
Kommit Gundar Efoels
Kommit Gundar Efoels

More info:

Categories:Topics, Art & Design
Published by: Efoel on Mar 07, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/21/2013

pdf

text

original

Proceeding, Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2006) Auditorium Universitas Gunadarma, Depok, 23-24 Agustus

2006 ISSN : 1411-6286

KUANTIFIKASI PERTANYAAN UNTUK MENDAPATKAN CERTAINTY FACTOR PENGGUNA PADA APLIKASI SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT Kusrini1
1

STMIK AMIKOM Yogyakarta, Jl. Ringroad Utara Condong Catur Sleman Yogyakarta
email: kusrini@amikom.ac.id

ABSTRAK
Sangat sulit untuk mendapatkan besarnya kepercayaan atau certainty factor (CF) pasien terhadap gelala yang dialami. Dalam penelitian ini, peneliti mengusulkan suatu metode penghitungan besarnya CF pengguna pada aplikasi sistem pakar untuk diagnosis penyakit dengan menggunakan metode kuantifikasi pertanyaan. Dengan menggunakan metode ini, diharapkan sistem pakar akan menjadi lebih mudah digunakan karena pasien tidak perlu memperhitungkan besarnya CF dari gejala yang dialami, tetapi cukup memasukkan kuantitas dan lama gejala tersebut dialami. Sistem secara otomatis akan menghitung nilai CF pengguna. Nilai CF diperoleh dengan mencari fungsi keanggotaan dari kuantitas dan lama yang dimasukkan pasien terhadap nilai dalam aturan yang diberikan oleh pakar. Metode kuantifikasi pertanyaaan ini sudah diimplementasikan dalam sistem pakar untuk menangani Penyakit dengan menggunakan bahasa pemrograman Delphi dan basis data Interbase.

Kata Kunci: Kuantifikasi Pertanyaan,Sistem Pakar,Certainty Factor 1. PENDAHULUAN 1.1. Latar Belakang Permasalahan yang ditangani oleh seorang pakar bukan hanya permasalahan yang mangandalkan algoritma namun terkadang juga permasalahan yang sulit dipahami. Permasalahan tersebut dapat diatasi oleh seorang pakar dengan pengetahuan dan pengalamannya. Permasalahan ini juga bisa diselesaikan oleh sistem pakar yang menirukan kepakaran seseorang. Sistem pakar dibangun bukan berdasarkan algoritma tertentu tetapi berdasarkan basis pengetahuan dan aturan. Dalam melakukan diagnosis, seorang pakar terkadang mendasarkan pada data yang kurang lengkap atau data yang tidak pasti. Agar sistem pakar dapat melakukan penalaran sebagaimana seorang pakar meskipun data yang diperoleh kurang lengkap atau kurang pasti, dapat digunakan Certainty Factor. Kebanyakan sistem pakar yang ada, untuk mendapatkan kepercayaan pengguna terhadap gejala yang ada (misalnya batuk) adalah dengan
Kuantifikasi pertanyaan untuk mendapatkan (Kusrini)

meminta nilai CF langsung dari pasien. Menurut peneliti, hal ini sulit diperoleh mengingat pasien sendiri sulit memperkirakan berapa derajat ke-batuk-annya. 1.2. Perumusan Masalah Dalam makalah ini peneliti mengusulkan suatu metode, untuk mengetahui derajat kepercayaan pengguna terhadap gejala yang dialami, yaitu dengan kuantifikasi pertanyaan. Yang dimaksud dengan kuantifikasi pertanyaan disini yaitu pemberian faktor kuantitas dan lama pada gejala. Pengguna diminta untuk menentukan kuantitas gejala dan lama gejala yang dialami, setelah itu sistem akan menghitung nilai CFnya dengan menggunakan derajat keanggotaan kuantitas dan gejala tersebut terhadap nilai dalam aturan. 1.3. Tujuan Tujuan peneliti adalah untuk memberikan alternatif kepada para pembangun sistem pakar dalam memperoleh kepercayaan dari pengguna. Dengan menggunakan metode ini, diharapkan
1

arahan atau strategi. teori Shannon berdasarkan pada probabilitas (Shanon theory based on probability). teori fuzzy Zadeh (Zadeh’s fuzzy theory) dan faktor kepastian (certainty factor). Certainty Factor Sistem pakar harus mampu bekerja dalam ketidakpastian (Giarattano dan Riley. Sejumlah teori telah ditemukan untuk menyelesaikan ketidakpastian. pengetahuan harus di representasikan dalam format tertentu yang kemudian dihimpun dalam suatu basis pengetahuan. 1994): CF ( H . 23-24 Agustus 2006 ISSN : 1411-6286 aplikasi sistem pakar yang dibangun akan lebih user friendly.E) : ukuran kenaikan kepercayaan (measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E. probabilitas Bayes (Bayesian probability). 1994). E ) (1) CF(H. Nilai –1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkan kerpercayaan mutlak. Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Selain itu ada satu komponen yang ada pada beberapa sistem pakar yaitu fasilitas penjelasan (explanation facility) Antar muka pengguna adalah perangkat lunak yang menyediakan media komunikasi antara pengguna dengan sistem.1. Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2006) Auditorium Universitas Gunadarma. LANDASAN TEORI 2. teori Hartley berdasarkan himpunan klasik (Hartley theory based on classical sets). efisiensi dan perbaikan sistem. Sistem pakar memiliki beberapa komponen utama yaitu: antar muka pengguna (user interface). Mekanisme inferensi merupakan perangkat lunak yang melakukan penalaran dengan menggunakan pengetahuan yang ada untuk menghasilkan suatu kesimpulan atau hasil akhir. basis data sistem pakar (expert system database). Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi. Basis data sistem pakar berisi pengetahuan setingkat pakar pada subyek tertentu. Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN. 2005). jurnal. Fasilitas akuisisi pengetahuan merupakan perangkat lunak yang menyediakan fasilitas dialog antara pakar dengan sistem. Fasilitas penjelasan berguna dalam memberikan penjelasan kepada pengguna mengapa komputer meminta suatu informasi tertentu dari pengguna dan dasar apa yang digunakan komputer sehingga dapat menyimpulkan suatu kondisi. Sistem Pakar Sistem pakar adalah program komputer yang menirukan penalaran seorang pakar dengan keahlian pada suatu wilayah pengetahuan tertentu (Turban. termasuk diantaranya probabilitas klasik (classical probability).E) : certainty factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. fasilitas akuisisi pengetahuan (knowledge acquisition facility) dan mekanisme inferensi (inference mechanism). E ) = MB( H . 2. Besarnya CF berkisar antara –1 sampai dengan 1. 2. Agar pengetahuan dapat digunakan dalam sistem. E ) − MD ( H . Depok. 2. Certainty factor didefinisikan sebagai pada persamaan 1 berikut (Giarattano dan Riley. Kaidah produksi dituliskan dalam bentuk jika-maka (if-then) Kaidah if-then menghubungkan anteseden (antecedent) dengan konskuensi yang diakibatkannya. MD(H.Proceeding. Pengetahuan ini bisa berasal dari pakar. dan sumber pengetahuan lainnya. Fasilitas akuisisi ini digunakan untuk memasukkan fakta-fakta dan kaidah-kaidah sesuai dengan perkembangan ilmu. Cara sistem pakar merepresentasikan pengetahuan akan mempengaruhi perkembangan. MB(H.E) : ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E Bentuk dasar rumus certainty factor sebuah aturan JIKA E MAKA H adalah seperti ditunjukkan oleh persamaan 2 berikut: Kuantifikasi Pertanyaan untuk Mendapatkan (Kusrini) 2 . teori Dempster-Shafer (DempsterShafer theory). majalah.

METODE PENELITIAN Berikut ini adalah bentuk aturan yang digunakan dalam sistem ini: Operator_Aturan_n Data_n dengan kuantitas Operator_kuantitas_n Kuantitas_n toleransi Toleransi_kuantitas_n selama Operator_waktu_n toleransi Toleransi_waktu_n Maka Data. definisi pencocokan fungsi antar input dan penentuan respon keluaran (Kaehler. Sebagai contoh. Seseorang dikatakan tua jika dia berumur lebih dari 50 tahun. Atau. sedangkan CF(E. 3. Operator_Aturan yang diijinkan dalam sistem ini yaitu: Jika. CF(H. Sesuai hukum logika. berikut ini adalah sebuah aturan dengan CF yang diberikan oleh seorang pakar: JIKA batuk DAN demam DAN sakit kepala DAN bersin-bersin MAKA influensa. 30 < x < 50  20 1. x ≤ 30  x − 30 f ( x) =  .7 2. Sedangkan orang yang berumur 30 tahun atau kurang.3. Sebagai contoh dalam menentukan fungsi keanggotaan. e) = CF ( H . Depok. sedangkan operator_aturan yang 3 . e) = 1 : certainty factor hipotesis yang dipengaruhi oleh evidence e Gambar 1. Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2006) Auditorium Universitas Gunadarma.25 Dalam penelitian ini besarnya nilai keanggotaan akan menentukan besarnya CF pengguna. Dia dihubungkan dengan pembobotan masing-masing input yang diproses. 23-24 Agustus 2006 ISSN : 1411-6286 CF ( H . dianggap tidak tua. CF(H. x ≥ 50 (4) Jika diketahui seseorang memiliki umur 35 tahun. Dan. Grafik fungsi keanggotaan untuk menggambarkan besarnya derajat ketuaan seseorang ditunjukkan pada Kuantifikasi pertanyaan untuk mendapatkan (Kusrini) 0 . untuk premis pertama dari sebuah aturan hanya boleh menggunakan operator_aturan ‘Jika’ dan ‘Jika tidak’. Dan Tidak. 100].E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu aturan. Fungsi Keanggotaan Tua Jika semua evidence pada antecedent diketahui dengan pasti maka persamaannya akan menjadi: CF ( H . ---). Jika Tidak. yaitu ketika CF(E. CF: 0.Proceeding. dan Atau Tidak. Fungsi Keanggotaan Fungsi keanggotaan adalah sebuah representasi grafis dari besarnya partisipasi masing-masing input.E) (2) gambar 1.e) merupakan nilai kerpercayaan yang diberikan oleh pengguna terhadap gejala yang dialaminya.e) CF(H. E ) (3) Dalam aplikasinya. E ) dimana CF(E. CF x (Pakar) Operator_Aturan merupakan operator logika yang menghubungkan satu premis dengan premis yang lain dalam sebuah aturan. e) * CF ( H . e) = CF ( E .e) : certainty factor evidence E yang dipengaruhi oleh evidence e : certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti. Sedangkan fungsi keanggotaannya ditunjukkan oleh persamaan 4. maka dapat diketahui derajat ketuaannya adalah sebesar (35-30)/20 yaitu 0. diberikan himpunan semesta U adalah umur manusia antara [0.

“Kuantitas” dan “Waktu” merupakan syarat nilai dari berlakunya aturan itu. Nilai Toleransix < Nilai   Toleransi CF x) =  ( (Nilai Toleransix) + −  < + . Nilai x < Nilai Toleransi Toleransi   . data bisa berupa gejala atau penyakit. Sesuai dengan jenis operatornya. sedangkan fungsinya bisa dilihat pada persamaan 5 Gambar 2. Grafik Fungsi Operator “=” − + 0. “Kuantitas” dan “Toleransi_Kuantitas”. Pilihan jawaban yang disediakan oleh sistem berupa jawaban tidak tahu (CF : 0) ya (CF : 1). Sedangkan fungsi karakteristik waktu didasarkan pada bagian aturan “Operator _Waktu”. Grafik Fungsi untuk Operator “>=” 0. toleransi_kuantitas dan toleransi_waktu digunakan untuk menghitung CF User CF user diperoleh dari jawaban user saat melakukan konsultasi. dan “<=”. >=. operator_waktu. ada 3 macam fungsi karakteristik untuk kuantitas dan waktu. waktu. Tetapi apabila aturan yang mengandung fungsi kuantitas dan waktu. Operator_kuantitas dan Operator_waktu terdiri dari operator =. Gambar 3. “Waktu” dan “Toleransi_Waktu”. sedangkan fungsinya bisa dilihat pada persamaan 6. Data adalah premis dan juga kesimpulan dari suatu aturan. Operator_kuantitas. sedangkan “Toleransi_Kuantitas” dan “Toleransi_Waktu” memberikan batasan hingga suatu nilai yang membuat data premis ini tidak diabaikan. x <= Nilai−Toleransi (x − Nilai+Toleransi (6) ) CF(x) =  . x = Nilai 1  dengan x : Kuantitas/Waktu yang dialami user Nilai : Nilai kuantitas/waktu standar Toleransi : Toleransi kuantitas/waktu Grafik fungsi untuk operator “>=”dapat dilihat pada gambar 3. x <=Nilai Toleransi Atau x >=Nilai Toleransi (x − Nilai Toleransi + ) (5) − < . kuantitas. <=. “Operator_Kuantitas” dan “Operator_Waktu” yang disediakan berupa “=’. maka CF akan dihitung sebesar gabungan derajat keanggotaan dari fungsi karakteristik kuantitas dan derajat keanggotaan dari fungsi karakteristik waktu. CF tidak secara langsung diberikan oleh user tetapi dihitung oleh sistem berdasarkan jawaban user.Proceeding. Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2006) Auditorium Universitas Gunadarma. Untuk fungsi karakteristik kuantitas didasarkan pada bagian aturan “Operator _Kuantitas”. tidak (CF : -1). Nilai−Toleransi x < Nilai < Toleransi  1. x > Nilai 4 Kuantifikasi Pertanyaan untuk Mendapatkan (Kusrini) . 23-24 Agustus 2006 ISSN : 1411-6286 lain digunakan untuk premis selain premis pertama. Fungsi-fungsi karakteristik didapatkan dari premis aturan. Depok. Dalam hal ini. Grafik fungsi operator “=”dapat dilihat pada gambar 2. “>=”.

telah dapat diimplementasikan dengan baik dalam aplikasi sistem pakar untuk menangani penyakit. Nilai < x < Nilai+ Toleransi Toleransi  1. 1994. USA.Proceeding. x < Nilai Gambar 5. ---. D. Dari informasi tersebut sistem akan memperkirakan penyakit yang mungkin diderita. Selanjutnya sistem akan memberikan pertanyaan-pertanyaan yang mendukung untuk dapat menyimpulkan penyakit yang diderita. S. DAFTAR PUSTAKA [1] Giarratano. Grafik Fungsi untuk Operator “<=” 0. CFWaktu ( x )) (8) Systems: Principles and Programming.. dilakukan perhitungan interpretasi standar dari interseksi antara CFKuantitas dan CFWaktu yang ditunjukkan pada persamaan 8. informasi kuantitas dan lama. Prentice Hall International Inc. PEMBAHASAN Metode kuantifikasi pertanyaan ini telah diterapkan dalam aplikasi sistem pakar untuk menangani penyakit TBC pada anak dengan menggunakan bahasa pemrograman Delphi dan basis data interbase.C and Riley G. E. 2nd edition. 23-24 Agustus 2006 ISSN : 1411-6286 dengan x user Nilai Toleransi : Kuantitas/Waktu yang dialami : Nilai kuantitas/waktu standar : Toleransi kuantitas/waktu Grafik fungsi operator “<=” dapat dilihat pada gambar 4. PENUTUP Metode kuantifikasi pertanyaan untuk menentukan CF pengguna. Gambar 5 dibawah adalah contoh tampilan dari aplikasi sistem pakar tersebut Gambar 4. dan fungsinya bisa dilihat pada persamaan 7. x >= Nilai+ Toleransi (7) ( Nilai+ Toleransi− x) CF( x) =  . Sistem ini bekerja dengan berdasarkan masukan gejala dari pasien yang disertai dengan Kuantifikasi pertanyaan untuk mendapatkan (Kusrini) Introduction [3] Turban. J. Fuzzy Logic – An 3. [2] Kaehler. Seminar Ilmiah Nasional Komputer dan Sistem Intelijen (KOMMIT 2006) Auditorium Universitas Gunadarma. CFUser ( x) = Min(CFKuantita s ( x). Metode ini memudahkan pengguna dalam memberikan jawaban terkait dengan besarnya kepercayaan terhadap gejala yang dialami. Expert dengan x user Nilai Toleransi : Kuantitas/Waktu yang dialami : Nilai kuantitas/waktu standar : Toleransi kuantitas/waktu Untuk mendapatkan CF user. PWS Publishing Co.. Decicion Support System and Expert Systems. 1995 5 .. Tampilan Aplikasi Sistem Pakar 4. USA. Depok.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->