BAB 2 LANDASAN TEORI

6

BAB 2

LANDASAN TEORI

Bab ini berisi tentang balai, dasar-dasar teori dari sumber pustaka dan referensi yang menjadi landasan dasar dalam perancangan, analisis kebutuhan sampai dengan implementasi dan pengujian sistem.

2.1 Kecerdasan Buatan Kecerdasan buatan berasal dari bahas Inggris “Artificial Intelligence” atau disingkat AI, yaitu Intelligence adalah kata sifat yang berarti cerdas, sedangkan artificial artinya buatan. Kecerdasan buatan yang dimaksud disini merujuk pada mesin yang mampu berpikir, menimbang tindakan yang akan diambil dan mampu mengambil keputusan seperti yang dilakukan manusia. (Sutojo, 2011) Kecerdasan buatan merupakan salah satu bagian ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Pada awal diciptakannya, komputer hanya di fungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan jaman, maka peran komputer semakin mendominasi kehidupan umat manusia. Komputer tidak lagi hanya digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan untuk dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh manusia. Manusia bisa menjadi pandai dalam menyelesaikan segala permasalahan didunia ini karena manusia mempunyai pengetahuan dan pengalaman. Pengetahuan diperoleh dari belajar. Semakin banyak bekal pengetahuan yang dimiliki oleh seseorang tentu saja diharapkan akan lebih mampu dalam menyelesaikan permasalahan.

Universitas Sumatera Utara

7

2.2 Sistem Pakar (Expert Ssystem)

Secara umum, sistem pakar (expert system) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalah yang cukup rumit, yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga akan membantu aktivitasnya sebagai asisten yang sangat berpengalaman.

2.2.1. Konsep Umum Sistem Pakar

Pengatahuan dari suatu sistem pakar mungkin dapat direpresentasikan dalam sejumlah cara. Salah satu metode yang paling umum untuk merepresentasikan pengatahuan adalah dalam bentuk tipe aturan (rule) IF...THEN (Jika...Maka). Walaupun cara diatas sangat sederhana, namun banyak hal yang berarti dalam membangun sistem pakar dengan mengekspresikan pengetahuan pakar dalam bentuk aturan diatas. (Kusrini,2006) Ada tiga orang yang terlibat dalam lingkungan sistem pakar, yaitu (Arhami,2005): 1. Pakar Adalah orang yang memiliki pengetahuan khusus, pendapat, pengalaman dan metode, serta kemampuan untuk mengaplikasikan keahliannya tersebut guna menyelesaikan masalah. Karakteristik sistem pakar: a. Saling berkomunikasi dengan pakar-pakar lain. b. Menyelesaikan masalah secara cepat dan akurat. c. Menjabarkan apa dan bagaimana mereka melakukannya. d. Merubah sudut pandang agar dapat disesuaikan dengan persoalan. e. Mampu membagikan pengetahuan. f. Mempertimbangkan apakah kesimpulan yang dihasilkan sudah benar. g. Belajar dari pengalaman.


8

2. Knowledge Enginer (Perekayasa Sistem) Adalah orang yang membantu pakar dalam menyusun area permasalahan dengan menginterprestasikan jawaban-jawaban pakar atas pertanyaan yang diajukan.

3. Pemakai Sistem pakar memiliki beberapa pemakai, yaitu : pemakai bukan pakar, pelajar, pembangunan sistem pakar yang ingin meningkatkan dan menambah basis pengetahuan, dan pakar.

2.2.2

Ciri-Ciri Sistem pakar

Ciri-ciri dari sistem pakar adalah sebagai berikut : (Sutojo, 2011) 1.

Terbatas pada domain kehalian tertentu.

2.

Dapat memberikan penalaran untuk data-data yang tidak lengkap.

3.

Dapat menjelaskan alasan-alasan dengan cara yang dapat dipahami.

4.

Bekerja berdasarkan kaidah/rule tertentu.

5.

Mudah dimodifikasi.

6.

Basis pengetahuan dan mekanisme inteferensi terpisah.

7.

Keluarannya bersifat anjuran.

8.

Sistem dapat mengaktifkan kaidah secara searah yang sesuai dengan pengguna.

2.2.3 Keuntungan dan Kelemahan Sistem Pakar

Sistem pakar (expert system) merupakan paket perangkat lunak atau paket program komputer yang ditujukan sebagai penyedia nasihat dan sarana bantu dalam memecahkan

masalah

di

bidang-bidang

spesialisasi

tertentu

seperti

sains,

perekayasaaan, matematika, kedokteran, pendidikan dan sebagainya. Sistem pakar merupakan subset dari artificial intelegence, selanjutnya ada beberapa keuntungan bila menggunakan sistem pakar, diantaranya adalah (Arhami,2005): 1.

Menjadikan pengetahuan dan nasehat mudah didapat.

2.

Meningkatkan output dan produktivitas.

3.

Menyimpan kemampuan dan keahlian pakar.


9

4.

Meningkatkan penyelesaian masalah, menerusi paduan pakar, penerangan, sistem pakar khas.

5.

Meningkatkan reliabilitas.

6.

Memberikan jawaban (respons) yang cepat.

7.

Merupakan penduan yang inteligence (cerdas).

8.

Dapat bekerja dengan informasi yang lengkap dan mengandung ketidakpastian.

9.

Intelligence database (basis data cerdas), bahwa sistem pakar dapat digunakan untuk mengakses basis data dengan cara cerdas.

Selain keuntungan-keuntungan diatas, sistem pakar seperti halnya sistem lainnya juga memiliki kelemahan, diantaranya adalah (Arhami,2005): 1.

Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak selalu bisa didapatkan dengan mudah, kadangkala pakar dari masalah yang kita buat tidak ada, dan kalaupun ada kadang-kadang pendekatan yang dimiliki pakar berbedabeda.

2.

Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi sangatlah sulit dan memerlukan biaya yang sangat besar untuk pengembangan dan pemeliharaannya.

3.

Boleh jadi sistem tak dapat membuat keputusan. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tetap tidak sempurna atau tidak selalu benar, oleh karena itu perlu diuji ulang secara teliti.

2.2.4 Struktur Sistem Pakar

Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment) Lingkungan pengembangan sistem pakar digunakan untuk memasukkan pengetahuan pakar kedalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh penggguna yang bukan pakar guna memperoleh pengetahuan pakar. Komponenkomponen sistem pakar dalam kedua bagian tersebut dapat dilihat pada gambar berikut.


10

Gambar 2.1. Arsitektur Sistem Pakar Sumber (Arhami,2005): Komponen- komponen yang terdapat dalam sebuah sistem pakar adalah seperti yang terdapat pada Gambar 1, yaitu user interface (antarmuka pengguna), basis pengetahuan, akuisisi pengetahuan, mesin inferensi, workplace, fasilitas penjelasan, perbaikan pengetahuan (Arhami,2005): 1.

Antarmuka Pengguna (user interface) User Interface merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi. Antarmuka menerima informasi dari pemakai dan mengubahnya ke dalam bentuk yang dapat diterima oleh sistem.

2.

Basis Pengetahuan (knowledge base) Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan.


11

3.

Akuisisi Pengetahuan (knowledge acqusition) Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan kedalam program komputer.

4.

Mesin Inferensi Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. Terdapat dua pendekatan untuk mengontrol inferensi dalam sistem pakar berbasis aturan, yaitu pelacakan ke belakang (backward chainning) dan pelacakan ke depan (forward chainning). Backward chainning adalah pendekatan yang dimotori tujuan (goal-driven) sedangkan forward chainning adalah pendekatan yang dimotori data (datadriven)

5.

Workplace Workplace merupakan area dari sekumpulan memori kerja (working memory). Workplace digunakan untuk merekam hasil-hasil antara dan kesimpulan yang dicapai.

6.

Fasilitas Penjelasan Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar.

7.

Perbaikan Pengetahuan Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya.

2.3

Perbedaan Sistem Pakar dengan Sistem Pendukung Keputusan

Perbedaan system pakar (Expert System) dengan system pendukung keputusan adalah (decision support system) antara lain (Sutojo, 2011) :

1.

Sistem pendukung keputusan terdiri dari routime merefleksikan keyakinan manajer dalam caranya memecahkan masalah. Keputusan yang dihasilkan oleh sistem pendukung keputusan merefleksikan

gaya kemampuan

manajer,

sebaliknya sistem pakar memberikan peluang untuk mendapatkan kemampuan dalam membuat keputusan melebihi kemampuan yang dimiliki manajer.


12

2.

Sistem pakar mempunyai kemampuan untuk menjelaskan jalur penalaran yang diikuti pencapaian pemecahan tertentu, penjelasan mengenai bagaimana pemecahan dicapai akan lebih berguna daripada pemecahan itu sendiri

3.

Sistem pendukung keputusan menggunakan database, sedangkan sistem pakar menggunakan knowledge base pada komponennya.

4.

Sistem pendukung keputusan berbasis pada pemodelan, sistem pakar berbasis pada konsultasi.

2.4 Mesin Inteferensi

Bagian mesin inferensi merupakan bagian yang mengatur proses penalaran sistem yang digunakan oleh seorang pakar serta mengarahkannya menuju solusi yang terbaik yang dapat dilakukan berdasarkan basis pengetahuan. Metode inferensi terdiri dari dua tipe yaitu (Hartati & Iswanti 2008): a.

Backward Chaining Backward chaining memulai penalarannya dari sekumpulan hipotesa menuju fakta-fakta yang mendukung hipotesa tersebut.

b.

Forward Chaining Forward chaining merupakan kebalikan dari fordward chaining yaitu pendekatan yang dimulai dari sekumpulan data menuju kesimpulan. Forward chaining merupakan suatu penalaran deduktif, yang menentukan fakta spesifikasi dari aturan-aturan yang umum untuk mendapatkan konklusi yang lebih khusus.

2.4.1

Inferensi Forward Chaining

Metode Forward Chaining adalah suatu metode pengambilan keputusan yang umum digunakan dalam system pakar. Proses pencarian dengan metode Forward Chaining berangkat dari kiri ke kanan, yaitu dari premis menuju kepada kesimpulan akhir, metode ini sering disebut data driven yaitu pencarian dikendalikan oleh data yang diberikan. (Hartati & Iswanti 2008) Aktivitas sistem dilakukan berdasarkan siklus mengenal-beraksi. Mula-mula, sistem mencari semua aturan yang kondisinya terdapat di memori kerja, kemudian memilih salah satunya dan menjalankan aksi yang bersesuaian dengan aturan tersebut.


13

Pemilihan aturan yang akan dijalankan berdasarkan strategi tetap yang disebut strategi penyelesain konflik. Aksi tersebut menghasilkan memori kerja baru dan siklus diulangi lagi sampai tidak ada aturan yang dapat dipicu, atau tujuan yang dikehendaki sudah terpenuhi. Untuk lebih jelasnya dapat melihat contoh tabel 2.1.

Tabel 2.1 Contoh Aturan Menggunakan Penalaran Forward Chaining (Alur Maju) No

Aturan

R1

IF A & B THEN C

R2

IF C THEN D

R3

IF A & E THEN F

R4

IF A THEN G

R5

IF F & G THEN D

R6

IF G & E THEN H

R7

IF C & H THEN I

R8

IF I & A THEN J

R9

IF G THEN J

R10

IF J THEN K

Pada Tabel 2.1 terlihat ada 10 aturan yang tersimpan dalam basis pengetahuan. Jika fakta awal yang diberikan hanya: A dan F (artinya: A dan F bernilai benar). Ingin dibuktikan apakah K bernilai benar (hipotesis: K). Langkah-langkah inferensi adalah sebagai berikut: 1.

Dimulai dari R-1, A merupakan fakta sehingga bernilai benar, sedangkan B belum bias diketahui kebenarannya, sehingga C pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R1 ini. Sehingga kita menuju ke R2.

2.

Pada R2 kita tidak mengetahui informasi apapun tentang C, sehingga kita juga tidak bisa memastikan kebenaran D. Oleh karena itu kita tidak mendapatkan informasi apapun pada R1 ini. Sehingga kita menuju ke R3.

3.

Pada R3, baik A maupun E adalah fakta sehingga jelas benar. Dengan demikian F sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru


14

yaitu F. Karena F bukan hipotesis yang hendak kita buktikan (= K) maka penelusuran kita lanjutkan ke R4. 4.

Pada R4, A adalah fakta sehingga jelas benar. Dengan demikian G sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu G. Karena G bukan hipotesis yang hendak kita buktikan (= K), maka penelusuran kita lanjutkan ke R5.

5.

Pada R5, baik F maupun G bernilai benar berdasarkan aturan R3 danR4. Dengan demikian G sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu D. Karena D bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R6.

6.

Pada R6, baik A maupun G adalah benar berdasarkan fakta dari R4. Dengan demikian H sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu H. Karena H bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R7.

7.

Pada R7, meskipun H benar berdasarkan R6, namun kita tidak tahu kebenaran C sehingga, I pun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R7 ini. Sehingga kita menuju ke R8.

8.

Pada R8, meskipun A benar karena fakta, namun kita tidak tahu kebenaran I, sehingga J pun juga belum bisa diketahui kebenarannya, oleh karena itu kita tidak mendapatkan informasi apapun pada R8 ini. Sehingga kita menuju ke R9.

9.

Pada R9, J bernilai benar karena G benar berdasarkan R4. Karena J bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R10.

10. Pada R10, K bernilai benar karena J benar berdasarkan R9. Karena K sudah merupakan hipotesis yang hendak kita buktikan, maka terbukti bahwa K adalah benar. Alur inferensi dapat dilihat pada Gambar 2.2 berikut ini.


15

Gambar 2.2 Alur Inferensi Forward Chaining

2.4.2

Inferensi Backward Chaining

Metode Backward Chaining adalah suatu metode pengambilan keputusan yang juga umum digunakan dalam sistem pakar. Metode backward chaining adalah kebalikan dari Forward Chaining. Percobaan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan. Proses pencarian dengan metode backward chaining berangkat dari kanan ke kiri, yaitu dari kesimpulan sementara menuju kepada premis, metode ini sering disebut good driven pencarian dikendalikan oleh tujuan yang diberikan (Hartati & Iswanti 2008) Metode Backward Chaining merupakan strategi pencarian yang arahnya kebalikan dari Forward Chaining. Proses pencarian dimulai dari tujuan, yaitu kesimpulan yang menjadi solusi permasalahan yang dihadapi. Mesin inferensi mencari kaidah-kaidah dalam basis pengetahuan yang kesimpulannya merupakan solusi yang ingin dicapai, kemudian dari kaidah-kaidah yang diperoleh, masing-masing kesimpulan Backward Chaining jalur yang mengarah ke kesimpulan tersebut. Jika informasi-informasi atau nilai dari atribut-atribut yang mengarah ke kesimpulan tersebut sesuai dengan data yang diberikan maka kesimpulan tersebut merupakan solusi yang dicari, jika tidak sesuai maka kesimpulan tersebut bukan merupakan solusi yang dicari. Backward Chaining memulai proses pencarian dengan suatu tujuan sehingga strategi ini disebut juga goal-driven.


16

Seperti halnya pada Tabel 2.1, terlihat ada 10 aturan yang tersimpan dalam basis pengetahuan. Fakta awal yang diberikan : A dan E (artinya A dan E bernilai benar). Ingin dibuktikan apakah A bernilai benar (hipotesis: K). Langkah-langkah inferensi adalah sebagai berikut : 1.

Pertama-tama kita cari terlebih dahulu mulai dari R1, aturan mana yang memiliki konsekuen K. Ternyata setelah ditelusuri, aturan dengan konsekuen K baru ditemukan pada R10.Untuk membuktikan bahwa K benar, maka perlu dibuktikan bahwa J benar.

2.

Kita cari aturan yang memiliki konsekuen J. Kita mulai dari aturan R1, dan ternyata kita baru akan menemukan aturan dengan konsekuen J pada R8. Untuk membuktikan bahwa J benar, maka perlu dibuktikan bahwa I dan Abenar.Untuk membuktikan kebenaran I, kita perlu cari aturan dengan konsekuen I, ternyata ada di R7.

3.

Untuk membuktikan I benar di R7, kita perlu buktikan bahwa C dan H benar. Untuk itu kitapun perlu mencari aturan dengan konsekuen C, dan ada di R1.

4.

Untuk membuktikan C benar di R1, kita perlu buktikan bahwa A dan B benar. A jelas benar karena A merupakan fakta. Sedangkan B kita tidak bisa membuktikan kebenarannya, karena selain bukan fakta, di dalam basis pengetahuan juga tidak ada aturan dengan konsekuen B. Dengan demikian maka dari penalaran ini kita tidak bisa membuktikan kebenaran dari hipotesis K. Namun demikian, kita masih punya alternatif lain untuk melakukan penalaran.

5.

Kita lakukan backtracking. Kita ulangi lagi dengan pembuktian kebenaran C dengan mencari aturan lain dengan konsekuen C. Ternyata tidak ditemukan.

6.

Kita lakukan backtracking lagi dengan mencari aturan dengan konsekuen I, ternyata juga tidak ada.

7.

Kita lakukan backtracking lagi dengan mencari aturan dengan konsekuen J, ternyata kita temukan pada R9, sehingga kita perlu buktikan kebenaran G.

8.

Kita mendapatkan R4 dengan konsekuen G. Kita perlu buktikan kebenaran A. Karena A adalah fakta, maka terbukti bahwa G benar. Dengan demikian berdasarkan penalaran ini bisa dibuktikan bahwa K bernilai benar. Alur inferensi dapat dilihat pada Gambar 2.3 berikut ini:


17

Gambar 2.3 Alur Inferensi Backward Chaining

2.5 Anemia

Anemia merupakan masalah medik yang paling sering dijumpai di klinik di seluruh dunia, disamping sebagai masalah kesehatan utama masyarakat, terutama di negara berkembang. Kelainan ini merupakan penyebab dibelitas kronik (chronic debility) yang mempunyai dampak besar terhadap kesejahteraan sosial dan ekonomi, serta kesehatan fisik. Oleh karena frekuensinya yang sedemikian sering, anemia, terutama anemia ringan seringkali tidak mendapat perhatian dan dilewati oleh para dokter di praktek klinik. Anemia secara fungsional didefenisikan sebagai penurunan jumlah massa eritrosit (red cell mass) sehingga tidak dapat memenuhi fungsinya untuk membawa oksigen dalam jumlah yang cukup ke jaringan perifer (penurunan oxygencarrying capacity). Secara praktis anemia ditunjukkan oleh penurunan kadar hemoglobin, hematokrit atau hitung eritrosit (red cell count). Tetapi yang paling lazim dipakai adalah kadar hemoglobin, kemudian hematrokit. Harus di ingat bahwa terdapat keadaan-keadaan tertentu dimana ketiga parameter tersebut tidak sejalan dengan masssa eritrosit, seperti pada dehidrasi, perdarahan akut dan kehamilan. Permasalahan yang timbul adalah berapa kadar hemoglobin, hematokrit atau hitung eritrosit sangat bervariasi tergantung pada usia, jenis kelamin, ketinggian tempat tinggal serta keadaan fisiologis tertentu seperti misalnya kehamilan. Anemia bukanlah suatu kesatuan penyakit tersendiri (disease entity), tetapi merupakan gejala berbagai macam penyakit dasar (underlying disease). Oleh karena itu dalam diagnosis anemia tidaklah cukup hanya sampai kepada label anemia tetapi harus dapat ditetapkan penyakit dasar yang menyebabkan anemia tersebut. Hal ini


18

penting karena seringkali penyakit dasar tersembunyi, sehingga apabila hal ini dapat diungkap akan menuntun para klinisi ke arah penyakit berbahaya yang tersembunyi. Penentuan penyakit dasar juga penting dalam pengelolaan kasus anemia, karena tanpa mengetahui penyebab yang mendasari anemia tidak dapat diberikan terapi yang tuntas pada kasus anemia tersebut. Pendekatan terhadap pasien anemia memerlukan pemahaman tentang patogenesis dan patofisiologi anemia, serta ketrampilan dalam memilih, menganalisis serta merangkum hasil anamnesis, pemeriksaan fisik, pemeriksaan laboratorium dan pemeriksaan penunjang lainnya. Tulisan ini bertujuan untuk membahas pendekatan praktis dalam diagnosis dan terapi anemia yang sering dihadapi oleh dokter umum ataupun spesialis penyakit dalam (Sudoyo, 2006)

2.5.1

Jenis Anemia

a. Anemia Defisiensi Besi

Adalah anemia yang timbul akibat berkurangnya penyediaan besi untuk eritropoesis, karena cadangan besi kosong (depleted iron store) yang pada akhirnya mengakibatkan pembentukan hemoglobin berkurang. Anemia defisiensi besi merupakan anemia yang paling sering dijumpai, terutama di negara-negara tropik atau negara dunia ketiga, oleh karena sangat berkaitan erat dengan taraf sosial ekonomi. Anemia ini mengenai lebih dari sepertiga penduduk dunia yang memberikan dampak kesehatan yang sangat merugikan serta dampak sosial yang cukup serius (Sudoyo, 2006)

b. Anemia Aplastik Anemia aplastik merupakan kegagalan hemopoiesis yang relatif jarang ditemukan namun berpotensi mengancam jiwa. Anemia aplastik dapat diwariskan atau didapat. Perbedaan antara keduanya bukan pada usia pasien, melainkan berdasarkan pemeriksaan klinis dan laboratorium. Oleh karena itu, pasien dewasa mungkin membawa kelainan herediter yang muncul di usia dewasa (Sudoyo, 2006)


19

c. Anemia Penyakit Kronis

Lemah badan, penurunan berat badan, pucat merupakan tanda-tanda dari penyakit kronis. Baru kemudian diketahui bahwa bahwa paa pasien tuberkulosis, misalnya timbul keluhan seperti tadi dan ternyata disebabkan oleh anemia infeksi. Belakangan diketahui bahwa penyakit infeksi seperti pneumonia, syphilis, HIV-AIDS dan juga pada penyakit lain seperti artritis reumatoid, limfoma Hodgkin, Kanker, sering disertai anemia, dan diintroduksi sebagai anemia penyakit kronik (Sudoyo, 2006)

d. Anemia Hemolitik

Anemia hemolitik adalah salah satu jenis penyakit kekurangan darah yang disebabkan oleh meningkatnya proses penghancura sel darah merah dalam tubuh. Pada kondisi normal, sel darah merah akan bertahan dalam waktu 120 hari, namun pada penderita anemia hemolitik penghancuran sel darah merah, yang bersifat sementara atau secara terus menerus (Sumantri, 2008)

2.5.2 Kriteria Anemia

Parameter yang paling umum dipakai untuk menunjukkan penurunan masa eritosit adalah kadar hemoglobin, disusul oleh hematokrit dan hitung eritrosit. Pada umumnya ketiga parameter ini tersebut saling bersesuaian. Yang menjadi masalah adalah berapakah kadar hemoglobin yang dianggap abnormal. Harga normal hemoglobin sangat bervariasi secara fisiologik tergantung pada umur,jenis kelamin, adanya kehamilan dan ketinggian tempat tinggal. Oleh karena itu perlu ditentukan titik pemilah (cut off point) dibawah kadar mana kita anggap terdapat anemia. Di negara barat kadar hemoglobin paling rendah untuk laki-laki adalah 14 g/dl dan 12 g/dl pada perempuan dewasa pada permukaan laut. Peneliti lain memberikan angka yang berbeda yaitu 12 g/dl (hematokorit 38%) untuk perempuan dewasa. 11 g/dl (hematokorit 36%) untuk perempuan hamil, dan 13 g/dl untuk laki dewasa.


20

Tabel 2.2 Kriteria Anemia Menurut WHO

Kelompok

Kriteria Anemia ( Hb)

Laki-laki dewasa

< 13 g/dl

Wanita dewasa tidak hamil

< 12 g/dl

Wanita hamil

< 11 g/dl

Untuk keperluan klinik di Indonesia dan negara berkembang lainnya, kriteria WHO sulit dilaksanakan karena tidak praktis. Apabila kriteria WHO dipergunakan secara ketat maka sebagian besar pasien yang mengunjungi poliklinik atau dirawat di rumah sakit akan memerlukan pemeriksaan work up anemia lebih lanjut. Oleh karena itu beberapa peneliti di Indonesia mengambil jalan tengah dengan memakai kriteria hemoglobin kurang dari 10 g/dl sebagai awal dari work up anemia, atau di India dipakai angka 10-11 g/dl. (Sumantri, 2008)

2.5.3 Pravalensi Anemia

Anemia merupakan kelainan yang sangat sering dijumpai baik di klinik maupun di lapangan. Diperkirakan lebih dari 30% penduduk dunia atau 1500 juta orang menderita anemia dengan sebagian besar tinggal di daerah tropik. De Maeyer memberikan gambaran prevalensi anemia di dunia seperti terlihat pada tabel 2.3 berikut. (Sumantri, 2008) Tabel 2.3 Gambaran Prevalensi Anemia di dunia Lokasi Negara Maju Negara Berkembang Dunia

Anak 0-4 tahun

Anak 5-12 tahun

Laki dewasa

Wanita 1549 Tahun

Wanita Hamil

12%

7%

3%

14%

11%

51%

46%

26%

59%

47%

43%

37%

18%

51%

35%

Untuk Indonesia, Husaini dkk memberikan gambaran prevalensi anemia sebagai berikut:


21

Anak prasekolah

: 30-40%

Anak usia sekolah

: 25-35%

Perempuan dewasa tidak hamil

: 30-40%

Perempuan hamil

: 50-70%

Laki-laki dewasa

: 20-30%

Pekerja berpenghasilan rendah

: 30-40%

2.5.4 Gejala Umum Anemia

Gejala umum anemia, disebut juga sebagai sindrom anemia, timbul karena iskemia organ target serta akibat mekanisme kompensasi tubuh terhadap penurunan kadar hemoglobin. Gejala ini muncul pada setiap kasus anemia setelah penurunan hemoglobin sampai kadar tertentu (HB<7 d/dl). Sindrom anemia terdiri dari rasa lemah, lesu, cepat lelah, telinga mendenging (tinnitus), mata berkunang-kunang, kaki terasa dingin, sesak nafas dan dispepsia. Pada pemeriksaan, pasien tampak pucat, yang mudah dilihat pada konjungtiva, mukosa mulut, telapak tangan dan jaringan dibawah kuku. Sindrom anemia bersifat tidak spesifik karena dapat ditimbulkan oleh penyakit diluar anemia dan tidak sensitif karena timbul setelah penurunan hemoglobin yang berat (Hb <7 g/dl). Gejala yang timbul akibat penyakit dasar yang menyebabkan anemia sangat bervariasi tergantung dari penyebab anemia tersebut. Misalnya gejala akibat infeksi cacing tambang: sakit perut, pembengkakan parotis dan warna kuning pada telapak tangan. Pada kasus tertentu sering gejala penyakit dasar lebih dominan, seperti misalnya pada anemia akibat penyakit kronik oleh karena artritis reumatoid. Meskipun tidak spesifik, anamnesis dan pemeriksaan fisik sangat penting pada kasus anemia untuk mengarahkan diagnosis anemia. Tetapi pada umumnya diagnosis anemia memerlukan laboratorium. (Sudoyo, 2006)

2.6 Teori Dempster-Shafer

Teori Dempster-Shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief functions and plausible reasoning (fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan informasi yang


22

terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa. Teori ini dikembangkan oleh Arthur P. Dempster dan Glenn Shafer (Kusumadewi, 2003) Secara umum Teori Dempster-Shafer ditulis dalam suatu interval: [Belief, Plausibility] Belief (Bel) adalah ukuran kekuatan evidence (bukti) dalam mendukung suatu himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian. Plausability (Pl) dinotasikan sebagai: Pl(s)=1-Bel(-s) ……………………………………..(1) Plausability juga bernilai 0 sampai 1. Jika yakin ¬s, maka dapat dikatakan bahwa: Bel = (¬s) = 0. Pada teorema Dempster-Shafer kita mengenal adanya frame of discernment yang dinotasikan dengan θ. Frame ini merupakan semesta pembicaraan dari sekumpulan hipotesis. Misalkan : θ = {A,F,D,B} Dengan : A = Alergi; F = Flu; D = Demam; B = Brokitis. Tujuan adalah membangkitkan kepercayaan elemen-elemen θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Sebagai contoh, panas mungkin hanya mendukung {F,D,B} Untuk itu perlu adanya probabilitas densitas (m). Nilai m tidak hanya mendefinisikan elemen-elemen θ saja, namun juga semua subsetnya. Sehingga jika θ berisi n elemen, maka subset dari θ semua berjumlah 2n. Jadi harus ditunjukkan bahwa jumlah semua m dalam subset θ sama dengan 1. Andaikan tidak ada informasi apapun untuk memilih keempat hipotesis tersebut, maka nilai: M{θ}=1,0. Jika kemudian diketahui bahwa panas merupakan gejala dari flu, demam dan bronhitis dengan m = 0,8, maka: M{F,D,B}= 0,8 M{θ}= 1-0,8 = 0,2 Andaikan diketahui X adalah subset dari θ, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m2 sebagai m3, yaitu m3(Z) = m2.


23

Nilai yang dihasilkan dari teori ini berupa persentase tiap elemen-elemen θ, dan juga semua subset-nya. Makin rendah persentase frame of discernment menggambarkan makin baik tingkat pemahaman user dalam materi tersebut. Penilaian diberikan kepada elemen-elemen berdasarkan hasil persentasi ini m3 ( z ) 

 1 

x y  z

m1 ( X ).m2 (Y )

m ( X ).m2 (Y ) x  y  1

…………………………….(2)

Sumber : (Kusumadewi,2003) Contoh : Gejala 1 : Perdarahan Gusi dan Sebagainya Apabila diketahui nilai kepercayaan setelah dilakukan observasi merupakan dari penyakit Anemia Aplastik dan Hemolitik . M1 {AP,AH} = 0,8 M1 {θ}

= 1-0,8=0,2

Gejala 2 : Badan Kuning Badan Kuning merupakan dari penyakit Anemia Hemolitik M2 {AH}

= 0,9

M2 {θ}

= 1-0,9 = 0,1

Aturan Kombinasi untuk m3 {AH} 0,9

{θ} 0,1

{AA,AH} 0,8

{AH} 0,72

{AA,AH} 0,08

{θ} 0,2

{AH} 0,18

{θ} 0,02

M3 {AH} = 0,72+0,18= 0,9

0,9

1-0 M3 {AA,AH} = 0,08/1=0,08 M3 {θ}= 0,02/1= 0,02


24

Gejala 3 : Pucat Dibawah Kelopak Mata

Pucat dibawah Kelopak Mata merupakan penyakit dari Anemia Aplastik, Anemia Def Besi, Anemia Kronis, Anemia Hemolitik.

M4 {AP,AD,AK,AH}

= 0,9

M4 {θ}

= 1-0,9=0,1

Aturan Kombinasi untuk m5 {AA,AD,AK,AH} 0,9

{ θ} 0,1

{AH} 0,9

{AH} 0,81

{AH} 0,09

{AA,AH} 0,08

{AA,AH} 0,072

{AP,AH} 0,008

{ θ} 0,02

{AA,AD,AK,AH} 0,018

{ θ} 0,002

{AH}= 0,81+0,09= 0,9/1= 0,9 1-0 {AA,AH}= 0,072+0,008=0,08/1= 0,08 1-0 {AA,AD,AK,AH}= 0,018=0,018 1-0 {θ}= 0,002=0,002 1-0 Dari 3 Gejala yang telah dipilih maka anemia hemolitik yang mempunya nilai yang paling besar diantara semua.

2.7 Android

Android merupakan system operasi berbasis linux yang bersifat terbuka (open source) dan dirancang untuk perangkat seluler layar sentuh seperti smartphone dan computer tablet. Android dikembangkan oleh Android,Inc., dengan dukungan finansial dari google yang kemudian dibeli pada tahun 2005. Android dirilis secara resmi pada tahun 2007, bersamaan dengan didirikannya Open Handset Alliance.


25

Tampilan Android didasarkan pada manipulasi langsung, menggunakan masukan sentuh yang serupa dengan tindakan di dunia nyata, seperti menggesek, mengetuk, mencubit, dan membalikkan cubitan untuk memanipulasi obyek di layar. Pada bulan Oktober 2012, terdapat 700.000 aplikasi yang tersedia untuk android dan sekitar 25 juta aplikasi telah diunduh dari Google Play, toko aplikasi utama Android. Sebuah survei pada bulan April-Mei 2013 menemukan bahwa Android adalah platform paling popular bagi para pengembang, digunakan oleh 71% pengembang aplikasi seluler. Dan pada tanggal 3 September 2013, 1 Miliar perangkat Android telah diaktifkan.(Salbino,2014)

2.7.1

Sejarah Android

Pada bulan Oktober 2003 Android, Inc didirikan di Palo Alto, California, oleh Andy Rubin (pendiri Danger), Rich Milner (pendiri Wildfire Communications, Inc.), Nick Seras (Mantan VP T-Mobile), dan Chris White (kepala desain dan pengembangan anatarmuka WebTV) untuk mengembangkan. Awal tujuan pengembangan Android yaitu untuk mengembangkan sebuah system operasi canggih yang ditujukan untuk kamera digital, namun pasar untuk perangkat kamera digital tidak cukup besar, dan pengembangan android lalu dialihkan bagi pasar smartphone untuk menyaingi Symbian dan Windows Mobile. Google mengakuisisi Android

Inc. pada tanggal 17 Agustus

2005,

menjadikannya sebagai anak perusahaan yang sepenuhnya dimiliki oleh Google. Pendiri Android Inc. seperti Rubin, Miner dan White tetap bekerja di perusahaan setelah diakuisisi oleh Google. Di Google, tim yang dipimpin oleh Rubin mulai mengembangkan

platform

smartphone

menggunakan

kernel

linux.

Google

memasarkan platform tersebut kepada produsen perangkat seluler dan operator nirkabel, dengan janji bahwa mereka menyediakan system yang fleksibel dan bias diperbaharui. Google telah menyeleksi beberapa mitra perusahaan perangkat lunak dan perangkat keras, serta mengisyaratkan kepada operator seluler bahwa kerjasama ini terbuka bagi siapapun yang ingin berpartispasi. .(Salbino,2014)


26

2.7.2 Jenis-jenis Android

Pada saat perilisan perdana Android pada tanggal 5 November 2007, Android bersama Open Handset Alliance mendukung pengembangan standar terbuka pada perangkat seluler tersebut. Di sisi lain, Google merilis kode-kode Android di bawah lisensi Apache. Sehingga terdapat dua jenis distributor sistem operasi Android yaitu yang mendapat dukungan penuh dari Google dan yang mendapat dukungan penuh dari Open Handset Distribution (OHD). Tiap versi dirilis sesuai urutan alphabet yakni : a.

Cupcake (1.5)

b.

Donut (1.6)

c.

Éclair (2.0 – 2.1)

d.

Froyo (2.2-2.3)

e.

Gingerbread (2.3-2.3.7)

f.

Honeycomb (3.0-3.2.6)

g.

Ice Cream Sandwich (4.0-4.0.4)

h.

Jelly Bean (4.1-4.3), dan

i.

Kitkat (4.4 + ) Pembaruan terbaru versi android adalah Lollypop yang dirilis pada 3 November .

2014 (Salbino, 2014)

2.7.3. Java Software Development Kit (SDK Java)

SDK Java merupakan kebutuhan utama bagi programmer untuk membuat dan menjalankan java. Komponen JDK antara lain compiler (javac), interpreter (java) disebut juga java virtual machine atau java runtime environment, applet viewer (appletviewer), debugger (jdb), java class library (jcl), header dan stub generator (java), dan yang paling penting yaitu java documentation (javadoc). 2.7.3

Eclipse Software Development Kit (SDK Eclipse)


27

SDK Eclipse adalah sebuah IDE (Integrated Development Environment) untuk mengembangkan perangkat lunak dan dapat dijalankan di semua platform (platformindependent).

2.7.5

Android Software Development Kit (SDK Android)

SDK Android adalah tools API (Application Programming Interface) yang diperlukan untuk mulai mengembangkan aplikasi pada platform Android menggunakan bahasa pemrograman Java.

2.7.6

Android Eclipse Plugin (ADT)

Definisi Android Eclipse Plugin adalah suatu perangkat tambahan koneksi Eclipse dengan Android SDK, sehingga bisa lebih memudahkan membuat program untuk android di Eclipse.

2.7.7

Android Package (APK)

APK adalah paket aplikasi Android (Android Package). APK umumnya digunakan untuk menyimpan sebuah aplikasi atau program yang akan dijalankan pada perangkat Android. APK pada dasarnya seperti zip file, karena berisi dari kumpulan file, dapat diperoleh melalui berbagai metode, seperti menginstal sebuah aplikasi melalui Market, download dari sebuah situs web, atau membuat sendiri dengan bahasa Java.

2.7.8 Android Virtual Devices (AVD)

AVD adalah konfigurasi dari emulator sehingga kita dapat menjalankan perangkat Android sesuai model yang dipilih, misalkan Android 1.5 atau 2.2. Untuk dapat menjalankan emulator.

2.7.9 Emulator


28

Emulator adalah Aplikasi yang memungkinkan sebuah software dari sebuah platform berjalan di atas platflorm lain. Emulator menjalankan kode-kode software pada virtual machine. Sehingga software tersebut mengira bahwa ia sedang berjalan di atas platform aslinya. Dalam hal ini emulator android dapat membuat virtual phone di komputer seperti telepon genggam berbasis sistem operasi android yang sebenarnya. Berikut tampilan emulator pada program dapat dilihat pada gambar 2.5 berikut ini:

Gambar 2.4 Emulator

2.8 Penelitian Relevan

Sistem pakar dapat berfungsi sebagai konsultan yang memberi saran kepada pengguna sekaligus sebagai asisten bagi pakar. Salah satu cara untuk mengatasi dan membantu mendeteksi tingkat resiko penyakit JK seseorang, yaitu dengan membuat sebuah sistem pakar sebagai media konsultasi dan monitoring terhadap seseorang sehingga dapat meminimalkan terjadinya serangan jantung yang mengakibatkan kematian. Metode Dempster-Shafer merupakan metode penalaran non monotonis yang digunakan untuk mencari ketidak konsistenan akibat adanya penambahan maupun pengurangan fakta baru yang akan merubah aturan yang ada, sehingga metode Dempster-Shafer memungkinkan seseorang aman dalam melakukan pekerjaan seorang pakar. Penelitian ini bertujuan menerapkan metode ketidakpastian Dempster-


29

Shafer pada sistem pakar untuk mendiagnosis tingkat resiko penyakit JK seseorang berdasarkan faktor serta gejala penyakit JK. Manfaat penelitian ini adalah untuk mengetahui keakuratan mesin inferensi Dempster-Shafer.

Hasil diagnosis penyakit JK yang dihasilkan oleh sistem pakar sama dengan hasil perhitungan secara manual dengan menggunakan teori mesin inferensi Dempster-Shafer. Sehingga dapat disimpulkan bahwa sistem pakar yang telah dibangun dapat digunakan untuk mendiagnosis PJK.(Wahyuni,2013)


BAB 2 LANDASAN TEORI

Recommend Documents