P. 1
Metodologi Penelitian-proposal sistem pakar

Metodologi Penelitian-proposal sistem pakar

|Views: 1,711|Likes:
Published by kavfa

More info:

Published by: kavfa on Dec 10, 2010
Copyright:Attribution Non-commercial

Availability:

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

08/02/2013

pdf

text

original

TUGAS METODOLOGI PENELITIAN SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT AKIBAT PARASIT

Oleh : M. KAFIN 085623080

D3 MANAJEMEN INFORMATIKA JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI SURABAYA 2010

ABSTRAK

Sistem Pakar untuk diagnosa penyakit yang diakibatkan oleh Parasit ini dirancang untuk membantu mendiagnosa penyakit Parasit yang banyak terdapat di lingkungan kumuh. Pengetahuan untuk diagnose penyakit tersebut didapat dari berbagai sumber diantaranya adalah buku, jurnal kedokteran, dan penelitian. Dasar dari pengetahuan tersebut disusun dengan sedemikian rupa agar menjadi sebuah database yang dapat mengolag setiap data, diantaranya data penyakit dan data gejala. Untuk penarikan kesimpulan dalam sistem ini digunakan Algoritma Naïve Bayes. Sistem pakar ini akan menampilkan pilihan gejala yang dilakukan oleh user, dimana setiap pilihan gejala tersebut akan membawa user kea rah pilihan gejala selanjutnya hingga mendapatkan nama Penyakit yang diderita dan cara untuk mengobatinya.

BAB I PENDAHULUAN

I.1 LATAR BELAKANG Teknologi berkembang dengan cepat, banyak penemuan solusi – solusi untuk menyelesaikan sebuah masalah diantaranya untuk masalah Kecerdasan buatan agar dapat mengidentifikasi penyakit yang ada. Sistem pakar merupakan sebuah cabang ilmu yang “mengadopsi” cara pakar berfikir dalam menyelesaikan suatu masalah, dan membuat suatu keputusan maupun mengambil kesimpulan dari sejunlah fakta yang ada. Dasar dari Sistem Pakar adalah memindahkan cara berfikir para pakar ke dalam komputer, dan bagaimana membuat keputusan atau kesimpulan berdasarkan pengetahuan itu.

I.2 RUMUSAN MASALAH Permasalahan yang akan dibahas dalam penulisan tugas akhir ini adalah Bagaimana merancang Sistem Pakar untuk mendiagnosa penyakit yang disebabkan oleh Parasit berdasarkan data yang ada menggunakan Algoritma Naïve Bayes.

I.3 BATASAN MASALAH 1. Parasit yang dimaksud adalah Parasit yang ada pada tubuh manusia 2. Parasit yang akan di ambil samplenya adalah Jamur, Bakteri, Protozoa dan Cacing.

I.3 TUJUAN Tujuan dari Tugas Akhir ini adalah merancang program Sistem Pakar yang dapat mendiagnosa penyakit akibat Parasit pada tubuh Manusia yang dikembangkan untuk memudahkan pemakainya dalam mendiagnosa.

I.4 MANFAAT Memudahkan orang awam ataupun pakar untuk memberikan

pengobatan yang tepat untuk penyakit akibat Parasit.

BAB II TINJAUAN TEORI

2.1 KECERDASAN BUATAN Kecerdasan Buatan (Artificial Intelligence) adalah “Ide – ide untuk membuat suatu perangkat lunak computer yang memiliki kecerdasan sehingga perangkat lunak komputer tersebut dapat melakukan suatu pekerjaan yang dilakukan oleh manusia” (Artanti,2004), dengan kata lain membuat sebuah program pada komputer dapat berpikir dan bernalar seperti manusia. Tujuan dari Kecerdasan Buatan ini adalah membuat komputer lebih cerdas, mengerti tentang cara berfikir, dan membuat mesin lebih berguna bagi manusia. Implementasi dari Kecerdasan Buatan saat ini dapat ditemui dalam bidang – bidang antara lain :
1. Fuzzy Logic : Suatu metode Kecerdasan Buatan yang banyak terdapat

pada alat elktronik dan robot. Dimana alat – alat elektronik atau robot tersebut mampu berfikir dan bertingkah laku layaknya manusia.
2. Computer

vision

:

Suatu

metode

Kecerdasan

Buatan

yang

memungkinkan sebuah sistem pada komputer unruk mengenali gambar sebagai input. Contoh : untuk mengenali tulisan yang terdapat gambar didalamnya.
3. Artificial Intelligence pada Game : Suatu metode Kecerdasan Buatan

yang mampu meniru tingkah laku manusia dengan tampilan berupa Game. Contoh : Game Winning Eleven yang dapat berfikir layaknya pemain sepak bola.
4. Speech Recognition : Suatu metode Kecerdasan Buatan yang berguna

untuk mengenali suara manusia sebagai

input,

dengan cara

mencocokkan suara pada acuan atau pattern yang telah diprogram

sebelumnya. Contoh : Suara dari user dapat dijadikan sebuah perintah bagi komputer.
5. Expert System : Suatu metode Kecerdasan Buatan yang digunakan

untuk meniru cara berfikir dan penalaran seorang ahli dalam mengambil keputusan berdasarkan situasi yang ada.

2.2 SISTEM PAKAR Sistem Pakar (Expert System) adalah sistem yang berusaha

mengadopsi pengetahuan manusia untuk diterapkan dalam sistem komputer untuk menyelesaikan suatu masalah layaknya seorang pakar. Pada dasarnya Sistem Pakar (Decision diterapkan Making) , untuk mendukung aktivitas

pemecahan masalah. Beberapa aktivitas pemecahan yang dimaksud seperti pembuatan keputusan Pemanduan Pengetahuan (Knowledge Fusing), Pembuatan Desain (Designing), Perencanaan (Planning), Prakiraan (Forecasting), Pengaturan (Regulating), Pengendalian (Controlling), Diagnosa (Diagnosing), Perumusan (Prescribing), Penjelasan (Explaining), Pemberian Nasihat (Advising), dan Pelatihan (Tutoring) (Kusrini,2006).

2.2.1 SEJARAH SISTEM PAKAR Sistem Pakar mulai dikembangkan pada pertengahan tahun 1960 oleh Artificial Intelligence Corporation. Periode penelitian kecerdasan buatan ini didominasi oleh suatu keyakinan bahwa nalar digabung dengan komputer canggih akan menghasilkan prestasi pakar atau bahkan manusia super. Suatu usaha kearah ini adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Allen Newell, John Cliff Shaw, dan Hebert Alexander Simon. GPS merupakan sebuah percobaan untuk menciptakan mesin yang cerdas.

Sistem Pakar untuk melakukan diagnosa kesehatan telah dikembangkan sejak pertengahan tahun 1970 yang untuk pertama kali dibuat oleh Bruce Buchnanan dan Edward Shortliffe di Standford University diberi nama MYCIN. MYCIN merupakan program interaktif yang melakukan diagnosa penyakit meningitis dan infeksi Bacremia serta memberikan rekomendasi terapi antimikrobia. MYCIN mampu memberikan penjelasan atas penalarannya secara detail. Dalam uji coba, program ini mampu menunjukkan kemampuan seperti spesialis.

2.2.2 CIRI – CIRI SISTEM PAKAR Adapun ciri – ciri Sistem Pakar yaitu : 1. Mudah dimodifikasi, yaitu dengan menambah atau menghapus suatu pengetahuan dari basis pengetahuannya. 2. Memiliki kemampuan untuk beradaptasi. 3. Terbatas pada bidang spesifik.
4. Output tergantung dialog dengan pengguna (user). 5. Knowledge base dan Inferensi terpisah.

2.3 VISUAL BASIC 6.0 Visual Basic merupakan bahasa pemrograman yang secara cepat dan mudah yang dapat digunakan untuk membuat aplikasi pada Microsoft Windows. Beberapa keuntungan menggunakan Visual Basic 6.0 antara lain :
1. Visual Basic 6.0 mampu menangani berbagai macam format

Database. Contohnya adalah Format Microsoft Acces, SQL Server, dan PostgreSQL.

2. Mudah untuk membuat tampilan Form yang menarik sesuai dengan kreativitas pengguna.

2.4 ALGORITMA NAÏVE BAYES

Klasifikasi adalah salah satu tugas yang penting dalam data mining, dalam klasifikasi sebuah pengklasifikasi dibuat dari sekumpulan data latih dengan kelas yang telah di tentukan sebelumnya. Performa pengklasifikasi biasanya diukur dengan ketepatan (atau tingkat galat)[6].

Teorema Bayes adalah teorema yang digunakan dalam statistika untuk menghitung peluang untuk suatu hipotesis, Bayes Optimal Classifier menghitung peluang dari suatu kelas dari masing-masing kelompok atribut yang ada, dan menentukan kelas mana yang paling optimal.

Umumnya kelompok atribut E direpresentasikan dengan sekumpulan nilai atribut (x1,x2,x3,….,xn) dimana xi adalah nilai atribut Xi. C adalah variable klasifikasi dan c adalah nilai dari C.

Pengklasifikasian menggunakan Teorema Bayes ini membutuhkan biaya komputasi yang mahal (waktu prosessor dan ukuran memory yang besar)

karena kebutuhan untuk menghitung nilai probabilitas untuk tiap nilai dari perkalian kartesius untuk tiap nilai atribut dan tiap nilai kelas. Data latih untuk Teorema Bayes membutuhkan paling tidak perkalian kartesius dari seluruh kelompok atribut yang mungkin, jika misalkan ada 16 atribut yang masing-masingnya berjenis Boolean tanpa missing value, maka data latih minimal yang dibutuhkan oleh Teorema bayes untuk digunakan dalam klasifikasi adalah 216 = 65.536 data, sehingga ada 3 masalah yang dihadapi untuk menggunakan teorema bayes dalam pengklasifikasian, yaitu :

(1) kebanyakan data latih tidak memiliki varian klasifikasi sebanyak itu (oleh karenanya sering diambil sample) (2) jumlah atribut dalam data sample dapat berjumlah lebih banyak (lebih dari 16) (3) jenis nilai atribut dapat berjumlah lebih banyak [lebih dari 2 – Boolean] terlebih lagi untuk jenis nilai atribut yang bersifat tidak terbatas 1 - ∞ seperti numeric dan kontiniu. (4) jika suatu data X tidak ada dalam data latih, maka data X tidak dapat di asumsi tersebut performa yang dihasilkan akan buruk. Domingos dan Pazzani (1997) pada papernya untuk menjelaskan performa naïve bayes dalam fungsi zero-one loss. Fungsi zero-one loss ini mendefinisikan error hanya sebagai pengklasifikasian yang salah. Tidak seperti fungsi error yang lain seperti squared error, fungsi zero-one loss tidak member nilai suatu kesalahan perhitungan peluang selama peluang maksimum di tugaskan kedalam kelas yang benar. Ini berarti bahwa naïve bayes dapat mengubah peluang posterior dari tiap kelas, tetapi kelas dengan nilai peluang posterior maksimum jarang diubah. Sebagai contoh, diasumsikan peluang sebenarnya dari dan , sedangkan peluang yang dihasilkan oleh naïve bayes adalah dan . nilai peluang tersebut tentu saja berbeda jauh, namun pilihan
kelas tetap tidak terpengaruh.

BAB II ANALIS DAN PERANCANGAN SISTEM

3.1 ANALIS PARASIT Parasit adalah hewan renik yang dapat menurunkan produktivitas hewan yang ditumpanginya. Parasit dapat menyerang manusia dan hewan, seperti menyerang kulit manusia. Parasitoid adalah parasit yang menggunakan jaringan organisme lainnya untuk kebutuhan nutrisi mereka sampai orang yang ditumpangi meninggal karena kehilangan jaringan atau nutrisi yang dibutuhkan. Parasitoid juga diketahui sebagai necrotroph.

3.2 JAMUR Jamur dalam bahasa Indonesia sehari-hari mencakup beberapa hal yang agak berkaitan. Arti pertama adalah semua anggota kerajaan Fungi dan beberapa organisme yang pernah dianggap berkaitan, seperti jamur lendir dan "jamur belah" (Bacteria). Arti kedua berkaitan dengan sanitasi dan menjadi sinonim bagi kapang. Arti terakhir, yang akan dibahas dalam artikel ini, adalah tubuh buah yang lunak atau tebal dari sekelompok anggota Fungi (terutama Basidiomycetes) yang biasanya muncul dari permukaan tanah atau substrat tumbuhnya. Pengertian terakhir ini berkaitan dengan nilai ekonomi jamur sebagai bahan pangan, sumber racun, atau bahan pengobatan. Bentuk umum jamur biasanya adalah seperti payung, walaupun ada juga yang tampak seperti piringan. Beberapa jamur aman dimakan manusia bahkan beberapa dianggap berkhasiat obat, seperti jamur merang (Volvariela volvacea), jamur tiram (Pleurotus), jamur kuping (Auricularia polytricha), jamur kancing atau champignon (Agaricus campestris), dan jamur shiitake (Lentinus edulis). Jamur yang beracun contohnya adalah Amanita muscaria, dan jamur yang dikenal sebagai "destroying angel".

3.3 BAKTERI Bakteri, dari kata Latin bacterium (jamak, bacteria), adalah kelompok terbanyak dari organisme hidup. Mereka sangatlah kecil (mikroskopik) dan kebanyakan uniselular (bersel tunggal), dengan struktur sel yang relatif sederhana tanpa nukleus/inti sel, cytoskeleton, dan organel lain seperti mitokondria dan kloroplas. Struktur sel mereka dijelaskan lebih lanjut dalam artikel mengenai prokariota, karena bakteri merupakan prokariota, untuk membedakan mereka dengan organisme yang memiliki sel lebih kompleks, disebut eukariota. Istilah "bakteri" telah diterapkan untuk semua prokariota atau untuk kelompok besar mereka, tergantung pada gagasan mengenai hubungan mereka. Bakteri adalah yang paling berkelimpahan dari semua organisme. Mereka tersebar (berada di mana-mana) di tanah, air, dan sebagai simbiosis dari organisme lain. Banyak patogen merupakan bakteri. Kebanyakan dari mereka kecil, biasanya hanya berukuran 0,5-5 μm, meski ada jenis dapat menjangkau 0,3 mm dalam diameter (Thiomargarita). Mereka umumnya memiliki dinding sel, seperti sel tumbuhan dan jamur, tetapi dengan komposisi sangat berbeda (peptidoglikan). Banyak yang bergerak menggunakan flagela, yang berbeda dalam strukturnya dari flagela kelompok lain.

3.4 PROTOZOA Protozoa adalah mikroorganisme menyerupai hewan yang merupakan salah satu filum dari Kingdom Protista. Seluruh kegiatan hidupnya dilakukan oleh sel itu sendiri dengan menggunakan organel-organel antara lain membran plasma, sitoplasma, dan mitokondria. Ciri-ciri umum : 1. Organisme uniseluler (bersel tunggal) 2. Eukariotik (memiliki membran nukleus) 3. Hidup soliter (sendiri) atau berkoloni (kelompok) 4. Umumnya tidak dapat membuat makanan sendiri (heterotrof) 5. Hidup bebas, saprofit atau parasit 6. Dapat membentuk sista untuk bertahan hidup 7. Alat gerak berupa pseudopodia, silia, atau flagela

3.5 CACING Cacing adalah cacing yang hidup sebagai parasit pada organisme lain, baik hewan atau tumbuhan. Mereka adalah organisme yang seperti cacing yang hidup dan makan pada tubuh yang ditumpangi serta menerima makanan dan perlindungan sementara menyerap nutrisi tubuh yang ditumpangi. Penyerapan ini menyebabkan kelemahan dan penyakit. Penyakit yang diakibatkan oleh cacing parasit biasanya disebut secara umum sebagai kecacingan. Cacing parasit umumnya merupakan anggota Cestoda, Nematoda, dan Trematoda. Beberapa cacing parasit hewan/manusia:
• •

Cacing gelang (Ascaris), penyebab askariasis Cacing hati (Fasciola), menghuni organ hati hewan ternak (terutama sapi dan babi) Cacing kremi (Enterobius), menghuni usus manusia dan menyebabkan gatal di sekitar dubur Cacing pipih darah, penyebab skistosomiasis (Schistosomia) Cacing pita (Taenia) Cacing tambang, penyebab ankilostomiasis (Ancylostoma duodenale dan Necator americanus) Cacing penyebab filariasis, seperti Wuchereria bancrofti, Brugia malayi, Brugia timori, Loa loa, Mansonella streptocerca, Onchocerca volvulus, Dracunculus medinensis, Mansonella perstans, dan Mansonella ozzardi.

• • •

3.6 ANALIS PERMASALAHAN

Sistem pakar merupakan sistem dengan basis pengetahuan yang dinamis. Dimana pengetahuan tersebut dapat berubah seiring berjalannya dilakukan pembaharuan, seperti penambahan, terhadap data yang sudah disimpan program secara keseluruhan. pengetahuan saja analisis waktu sehingga harus dapat

penghapusan maupun perubahan

sebelumnya tanpa harus mengubah isi dari

Perubahan hanya dilakukan pada bagian basis

sehingga sistem pakar ini dapat dikembangkan lebih lanjut. Tahapan

terhadap suatu sistem dilakukan sebelum tahapan perancangan, hal ini agar perangkat lunak yang dirancang sesuai dengan masalah yang akan diselesaikan. Suatu proses terhadap basis pengetahuan atau informasi yang didapat dari pakar, terlebih dahulu diubah kedalam bentuk Flowchart diagram sistem, sehingga didalam penyelesaian masalah lebih mudah dilakukan mendapatkan solusi atau kesimpulan akhir yang penelusuran untuk

terbaik. Adapun diagram Flowchart sistem sebagai berikut :

3.7 MODEL ANALISIS

Model representasi aliran proses perangkat lunak yang akan dirancang akan disajikan dalam Data Flow Diagram (DFD). DFD digunakan untuk menggambarkan aliran informasi dan proses data yang bergerak dari input data hingga output. DFD memudahkan pemakai yang kurang menguasai bidang komputer untuk mengerti sistem yang akan dikerjakan atau dikembangkan. DFD Level 0 terdiri dari 2 (dua) entity yaitu Pakar (Admin) dan Pengguna (User). Admin memberikan input ke sistem berupa data nama penyakit, gejala penyakit serta informasi tentang penyakit. User dalam mendiagnosa penyakit memberikan gejala-gejala kepada sistem dan selanjutnya sistem memberikan diagnosa yang sesuai.

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)//-->