BAB 2 TINJAUAN PUSTAKA

BAB 2

TINJAUAN PUSTAKA

2.1. Sistem Pakar

2.1.1. Sejarah sistem pakar Perkembangan Artificial Intelligence (AI) merupaka terobosan baru dalam dunia komputer. AI berkembang setelah perusahaan General Electric menggunakan komputer pertama kali di bidang bisnis. Pada tahun 1956, istilah AI mulai dipopuler-kan oleh John McCarthy sebagai suatu tema ilmiah di bidang komputer yang diadakan di Dartmouth College. Pada tahun yang sama komputer berbasis AI pertama kali dikembangkan dengan nama Logic Theorist yang melakukan penalaran terbatas untuk teorema kalkulus. Perkembangan ini mendorong para peneliti untuk mengembangkan program lain yang disebut sebagai General Problem Solver (GPS). Program ini bertujuan untuk memecahkan berbagai jenis masalah dan ternyata menjadi tugas yang sangat besar dan sangat berat untuk dikembangkan. Setelah GPS, ternyata AI banyak dikembangkan dalam bidang permainan atau game. Banyak juga ahli mengimplementasikan AI dalam bidang bisnis dan matematika. Pada tahun 1972, Newell dan Simon memperkenalkan Teori Logika secara konseptual yang kemudian berkembang pesat dan menjadi acuan pengembangan sistem berbasis kecerdasan buatan lainnya. Buchanan dan Feigenbaum juga mengembangkan bahasa pemrograman DENDRAL pada tahun 1978. Bahasa pemrograman ini dibuat untuk badan antariksa Amerika Serikat, yaitu NASA, dan digunakan untuk penelitian kimia di planet Mars.

Universitas Sumatera Utara

Pada tahun 1976, yaitu 2 tahun sebelum DENDRAL, sebenarnya program sistem pakar sudah dikembangkan secara modern, yaitu MYCIN yang dibuat oleh Shortliffe dengan bahasa pemrograman LISP. Program MYCIN menyimpan ± 500 basis pengetahuan dan basis aturan untuk mendiagnosis penyakit manusia. Program ini juga mengimplementasikan metode penelusuran dan pemecahan masalah, serta mengembangkan berbagai teori penting dalam kecerdasan buatan seperti metode certainty factor, teori probabilitas dan teorema fuzzy. Dewasa ini program MYCIN menjadi acuan penting untuk pengembangan sistem pakar secara modern karena didalamnya telah terintegrasi semua komponen standar yang dibutuhkan oleh sistem pakar itu sendiri.

2.1.2. Pengertian sistem pakar Sistem pakar atau Expert system merupakan salah satu bidang yang dipelajari dalam teknologi kecerdasan buatan. Selain sistem pakar, bidang lain yang dipelajari adalah Robotika (Robotics), Penglihatan Komputer (Computer Vision), Pengolahan Bahasa Alami (Natural Language Processing), Pengenalan Pola (Pattern Recognition), Sistem Syaraf Buatan ( Artificial Neural System), dan juga Pengenalan Suara (Speech Recoggnition). Sistem pakar dibuat hanya pada domain pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati kemampuan manusia di salah satu bidang saja. Sistem pakar mencoba mencari penyelesaian yang memuaskan, yaitu sebuah penyelesaian yang cukup bagus agar pekerjaan dapat berjalan walaupun itu bukan penyelesaian yang optimal. Pada dasarnya sistem pakar diterapkan untuk mendukung aktivitas pemecahan masalah. Beberapa aktivitas pemecahan yang dimaksud, antara lain : pembuatan keputusan (decision making), pemaduan pengetahuan (knowledge fusing), pembuatan desain (designing), perencanaan (planning), prakiraan (forecasting), pengaturan (regulating), pengendalian (controlling), diagnosis (diagnosing), perumusan (prescribing), penjelasan (explaining), pemberian nasihat (advising), dan pelatihan (tutoring). Sistem pakar juga dapat berfungsi sebagai asisten yang pandai dari seorang pakar. (Martin dan Oxman, 1988). Definisi sistem pakar menurut beberapa sumber dapat dilihat pada Tabel 2.1.


Tabel 2.1. Definisi Sistem Pakar Sumber Giarratano dan Rilley (2005)

Definisi Salah satu cabang kecerdasan buatan yang menggunakan pengetahuna-pengetahuan khusus yang

dimiliki

oleh

seorang

ahli

untuk

menyelesaikan suatu masalah tertentu. Martin dan Oxman (1988)

Sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah, yang biasanya hanya dapat diselesaikan oleh seorang pakar dalam bidang tertentu.

Ignizio (1991)

Sistem pakar merupakan bidang yang dicirikan oleh sistem berbasis pengetahuan (Knowledge Base System), memungkinkan komputer dapat berfikir

dan

mengambil

kesimpulan

dari

sekumpulan kaidah. Turban dan Aronson (2001)

Sistem yang menggunakan pengetahuan manusia yang dimasukkan ke dalam komputer untuk memecahkan masalah-masalah yang biasanya diselesaikan oleh pakar.

2.1.3. Manfaat sistem pakar Menurut buku Pengembangan Sistem Pakar menggunakan Visual Basic, selain memiliki banyak manfaat, pengembangkan sistem pakar juga memiliki kelemahan. Berikut adalah manfaat dari sistem pakar: 1. Masyarakat awam non-pakar dapat memanfaatkan keahlian di dalam bidang tertentu tanpa kehadiran langsung seorang pakar. 2. Meningkatkan produktivitas kerja, yaitu bertambah efisiensi pekerjaan tertentu serta hasil solusi kerja.


3. Penghematan waktu dalam menyelesaikan masalah yang kompleks. 4. Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan berulang-ulang. 5. Pengetahuan dari seorang pakar dapat didokumentasikan tanpa ada batas waktu. 6. Memungkinkan penggabungan berbagai bidang pengetahuan dari berbagai pakar untuk dikombinasikan. 2.1.4. Ciri-ciri dan karakteristik sistem pakar Ada berbagai ciri dan karakteristik yang membedakan sistem pakar dengan sistem yang lain. Ciri dan karakteristik ini menjadi pedoman utama dalam pengembangan sistem pakar. Ciri dan karakteristik yang dimaksud adalah sebagai berikut :

1. Pengetahuan sistem pakar merupakan suatu konsep, bukan berbentuk numeris. Hal ini dikarenakan komputer melakukan proses pengolahan data secara numerik sedangkan keahlian dari seorang pakar adalah fakta dan aturan-aturan, bukan numerik. 2. Informasi dalam sistem pakar tidak selalu lengkap, subyektif, tidak konsisten, subyek terus berubah dan tergantung pada kondisi lingkungan sehingga keputusan yang diambil bersifat tidak pasti dan tidak mutlak “ya” atau “tidak” akan tetapi menurut ukuran kebenaran tertentu. Oleh karena itu dibutuhkan kemampuan sistem untuk belajar secara mandiri dalam menyelesaikan masalah-masalah dengan pertimbangan-pertimbangan khusus. 3. Kemungkinan solusi sistem pakar terhadap suatu permasalahan adalah bervariasi dan mempunyai banyak pilihan jawaban yang dapat diterima, semua faktor yang ditelusuri memiliki ruang masalah yang luas dan tidak pasti. Oleh karena itu diperlukan fleksibilitas sistem dalam menangani kemungkinan solusi dari berbagai permasalahan. 4. Perubahan atau pengembangan pengetahuan dalam sistem pakar dapat terjadi setiap saat bahkan sepanjang waktu sehingga diperlukan kemudahan dalam modifikasi sistem untuk menampung jumlah pengetahuan yang semakin besar dan semakin bervariasi. 5. Pandangan dan pendapat setiap pakar tidaklah selalu sama, yang oleh karena itu tidak ada jaminan bahwa solusi sistem pakar merupakan jawaban yang pasti benar. Setiap pakar akan memberikan pertimbangan-pertimbangan berdasarkan faktor subyektif.


6. Keputusan merupakan bagian terpenting dari sistem pakar. Sistem pakar harus memberikan solusi yang akurat berdasarkan masukan pengetahuan meskipun solusinya sulit sehingga fasilitas informasi sistem harus selalu diperlukan.

2.1.5. Struktur sistem pakar Sistem pakar dibangun oleh dua lingkungan yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan sistem pakar digunakan untuk memasukkan pengetahuan pakar ke dalam sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh pengetahuan pakar. Menurut Turban (2005), sistem pakar disusun oleh 4 komponen utama, yaitu : 1. Penambahan Pengetahuan Bagian ini digunakan untuk memasukkan pengetahuan, mengkonstruksi atau memperluas pengetahuan dalam basis pengetahuan. Pengetahuan itu bisa didapat dari ahli, buku, basis data penelitian dan gambar. 2. Basis Pengetahuan (Knowledge Base) Basis pengetahuan merupakan inti dari suatu sistem pakar, yaitu berupa representasi pengetahuan dari pakar. Basis pengetahuan tersusun atas fakta dan kaidah. Fakta adalah informasi tentang objek, peristiwa, atau situasi. Kaidah adalah cara untuk membangkitkan suatu fakta baru dari fakta yang sudah diketahui. 3. Mesin Inferensi (Inference Engine) Mesin inferensi berperan sebagai otak dari sistem pakar. Mesin inferensi berfungsi untuk memandu proses penalaran terhadap suatu kondisi, berdasarkan pada basis pengetahuan yang tersedia. Di dalam mesin inferensi terjadi proses untuk memanipulasi dan mengarahkan kaidah, model, dan fakta yang disimpan dalam basis data pengetahuan dalam rangka mencari solusi atau kesimpulan. Dalam prosesnya, mesin inferensi menggunakan strategi penalaran dan strategi pengendalian. Strategi penalaran terdiri dari strategi penalaran pasti (exact reasoning) dan strategi penalaran tak pasti (inexact reasoning). Exact reasoning akan dilakukan jika semua data yang dibutuhkan untuk menarik kesimpulan tersedia, sedangkan inexact reasoning dilakukan pada keadaan sebaliknya. Strategi pengendalian berfungsi sebagai panduan arah dalam melakukan proses penalaran. Terdapat tiga teknik pengendalian


yang sering digunakan, yaitu forward chaining, backward chaining, dan penggabungan kedua teknik tersebut. 4. Antarmuka Pemakai (User Interface) Fasilitas ini digunakan sebagai perantara komunikasi antara pemakai dengan sistem. Selain empat komponen utama diatas, ada beberapa komponen lain yang ikut membangun struktur sistem pakar, yaitu : 1. Blackboard Blackboard merupakan area dalam memori yang digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. Ada tiga tipe keputusan yang dapat direkam, yaitu : a. Rencana, bagaimana menghadapi masalah b. Agenda, aksi-aksi yang potensial yang sedang menunggu untuk dieksekusi. c. Solusi, calon aksi yang dibangkitkan. 2. Fasilitas Penjelasan. Fasilitas penjelasan sistem merupakan bagian dari sistem pakar yang memberikan penjelasan atas kesimpulan yang dicapai tentang suatu masalah, serta memberikan rekomendasi kepada pemakai. 3. Penyaringan Pengetahuan. Kemampuan pakar dalam menganalisis dan meningkatkan kinerja pembelajaran dapat diterapkan dalam program sistem pakar sehingga sistem pakar tersebut dapat menganalisis penyebab dari kesuksesan dan kegagalan yang dialami. 4. Basis Data (Database) Basis data terdiri atas semua fakta yang diperlukan, dimana fakta-fakta tersbut digunakan untuk memenuhi kondisi dari kaidah-kaidah dalam sistem. Basis data menyimpan semua fakta, baik fakta awal pada saat sistem mulai beroperasi, maupun fakta-fakta yang diperoleh pada saat proses penarikan kesimpulan sedang dilaksanakan. Basis data digunakan untuk menyimpan data hasil observasi dan data lain yang dibutuhkan selama pemrosesan. Hubungan antar komponen penyusun struktur sistem pakar dapat dilihat pada Gambar 2.1:


Gambar 2.1. Struktur Sistem Pakar (Turban, 2005)

2.1.6. Forward chaining Forward chaining merupakan salah satu teknik yang digunakan dalam mekanisme inferensi untuk pengujian aturan. Dalam forward chaining, aturan-aturan diuji satu demi satu dalam urutan tertentu. Urutan itu mungkin berupa urutan pemasukan aturan ke dalam basis aturan atau juga urutan lain yang ditentukan oleh pemakai. Setiap aturan diuji, sistem pakar akan mengevaluasi apakah kondisinya benar atau salah. Jika kondisinya benar, maka aturan itu disimpan kemudian aturan berikutnya diuji. Sebaliknya, jika kondisinya salah maka aturan itu tidak disimpan dan aturan berikutnya diuji. Proses ini akan berulang (iterative) sampai seluruh basis aturan teruji dengan berbagai kondisi yang dapat dilihat pada Gambar 2.2. Kelebihan dari metode forward chaining adalah data baru dapat dimasukkan ke dalam tabel database inferensi dan kemungkinan untuk melakukan perubahan inference rules.


Gambar 2.2 Proses forward chaining

2.2. Logika Fuzzy

2.2.1. Perkembangan sistem fuzzy Gugus fuzzy pertama kali diperkenalkan oleh Prof. L. A. Zadeh dari Barkeley pada tahun 1965. Pada 10 tahun pertama, kemunculan gugus fuzzy tidak terlalu diperhatikan, namun baru-baru ini telah terjadi perkembangan yang cukup pesat dalam hal jumlah peneliti dan paper-paper mengenai gugus fuzzy dan aplikasinya, sehingga dibentuk organisasi International Fuzzy System Association (IFSA). Sangatlah perlu bagi computer untuk mengerti bahasa manusia, namun kendalanya, terdapat banyak ke-ambiguity-an dalam bahasa sehari-hari yang tidak dapat diselesaikan dengan pemrosesan logika biasa, sehingga diperlukan perangkat logika yang mampu mengekspresikan ke-ambiguity-an. Sebagai contoh, jika kita mengatakan seseorang berbadan gemuk, kita tidak dapat mendefenisikan secara pasti, berapa kg-kah berat badan seseorang agar dia dapat dikatakan berbadan gemuk. Gugus fuzzy merupakan perangkat yang tepat untuk mengekspresikan keambiguity-an. Gugus fuzzy merupakan media komunikasi yang berbicara mengenai logika alami dan komplesitas di antara manusia dan pengetahuan sosial.


Sistem fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunyai kemampuan untuk mengembangkan sistem intelijen dalam lingkungan yang tidak pasti, dan tidak tepat. Sistem ini menduga suatu fungsi dengan logika fuzzy. Logika fuzzy merupakan bagian dari logika Boolean, yang digunakan untuk menangani konsep derajat kebenaran, yaitu nilai kebenaran antara benar dan salah. Dalam logika fuzzy terdapat beberapa proses, yaitu penentuan gugus fuzzy, penerapan aturan if-then, serta proses inferensi fuzzy. Alur penyelesaian masalah dengan menggunakan metode fuzzy disajikan pada Gambar 2.3 :

Gambar 2.3. Alur penyelesaian masalah dengan Metode Fuzzy

2.2.2. Struktur dasar fuzzy Gugus fuzzy merupakan pengembangan dari gugus biasa. Representasi abstrak dari anak gugus fuzzy dari sebuah gugus universal X tampak seperti pada Gambar 2.4 :

Gambar 2.4 Anak Gugus Fuzzy


Bingkai persegi panjang merepresentasikan gugus universal X, dan lingkaran yang terputus-putus menggambarkan batas ambiguous dari elemen yang terdapat di dalam atau di luar X, sedangkan A adalah gugus fuzzy dalam X. Teori (tercakup) di dalam gugus fuzzy A. Fungsi yang memberikan derajat terhadap sebuah elemen mengenai keberdaannya dalam sebuah gugus disebut fungsi keanggotaan. Dalam kasus ini, anggota dari gugus X adalah elemen x. Sebagai contoh, derajat keanggotaan dari elemen x dalam area A diekspresikan oleh : µA (x1) = 1, µA (x3) = 0.3,

µA (x2) = 0.8 µA (x4) = 0

Dimana µ adalah fungsi keanggotaan (membership function) yang memberikan derajat keanggotaan yang berada pada suatu selang tertentu, yaitu selang [0,1]. Tulisan subscript di sebelah µ, yaitu A, menunjukkan bahwa µA adalah fungsi keanggotaan dari A. Adapun tahapan-tahapan untuk mendapatkan output dapat dilihat pada Gambar 2.5 :

Gambar 2.5. Tahapan Fuzzy

1. Fuzzification, adalah proses yang dilakukan untuk merubah variabel nyata menjadi variabel fuzzy, ini ditujukan agar masukan kontroler fuzzy bisa dipetakan menuju jenis yang sesuai dengan himpunan fuzzy. Pemetaan dilakukan dengan bantuan model dari fungsi keanggotaan agar dapat diketahui besar masukan tersebut (derajat keanggotaan). 2. Inference, adalah sebuah proses formulasi pemetaan masukan terhadap keluaran dengan menggunakan logika fuzzy. Proses dari inferensi fuzzy melibatkan fungsi keanggotaan operator logika fuzzy, dan aturan IF-THEN. Ada dua metode inferensi yang mudah dikenal, yaitu : a. Metode Inferensi Mamdani, menggunakan fungsi keanggotaan fuzzy pada bagian keluarannya, sehingga setelah proses keluaran diterapkan terdapat himpunan fuzzy yang harus di defuzzifikasi.Umumnya proses defuzzifikasi berlangsung lebih lambat akibat proses komputasi pada keluarannya.


b. Metode Inferensi Takagi-Sugeno, menggunakan fungsi keanggotaan keluaran yang linier atau berupa konstanta. Sedangkan dua bagian pada proses inferensi yaitu fuzzifikasi dan penerapan operator fuzzy sama dengan metode inferensi Mamdani. 3. Komposisi, proses di mana himpunan fuzzy yang menyatakan output dari setiap aturan dikombinasikan bersama ke dalam sebuah himpunan fuzzy. Metode komposisi yang umum digunakan adalah max (maximum) dan sum. Dalam komposisi max, himpunan fuzzy untuk output ditentukan dengan mengambil titik maksimum dari semua himpunan fuzzy yang dihasilkan oleh proses inferensi untuk masing-masing aturan. Dalam komposisi sum, himpunan fuzzy untuk output ditentukan dengan mengambil jumlah titik dari semua himpunan fuzzy yang dihasilkan oleh proses inferensi untuk masing-masing aturan. 4. Defuzzifikasi, merupakan suatu proses pengubahan output fuzzy ke output yang bernilai tunggal (crips). Terdapat banyak metode defuzzifikasi, namun yang biasa digunakan adalah metode Centroid dan Maximum. Di dalam metode Centroid, nilai tunggal dari variabel output dihitung dengan menemukan nilai variabel dari center of gravity suatu fungsi keanggotaan untuk nilai fuzzy. Sedangkan didalam metode Maximum, satu dari nilai-nilai variabel yang merupakan nilai kepercayaan maksimum gugus fuzzy dipilih sebagai nilai tunggal untuk variabel output.

2.2.3. Fungsi keanggotaan fuzzy Fungsi keanggotaan (membership function) adalah kurva yang mendefinisikan bagaimana masing-masing titik dalam ruang input dipetakan ke dalam nilai keanggotaan (derajat keanggotaan) antara 0 dan 1. Fungsi keanggotaan µ memetakan elemen x dari himpunan semesta X, ke sebuah bilangan µ[x], yang menentukan derajat keanggotaan dari elemen dalam himpunan fuzzy A. A = {(x, µ[x] ) | x ∈ X}

Berdasarkan Klir and Bo, kisaran nilai fungsi keanggotaan yang paling umum digunakan adalah interval [0,1]. Dalam hal ini, masing-masing fungsi keanggotaan memetakan elemenelemen dari himpunan semesta X yang diberikan, yang selalu merupakan suatu himpunan crisp,


ke dalam bilangan nyata dalam interval [0,1] (Arhami, 2005). Ada beberapa fungsi yang digunakan yaitu sebagai berikut: a. Representasi Kurva Trapesium Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa

titik yang

memiliki nilai keanggotaan 1. Representasi kurva trapesium dapat dilihat pada Gambar 2.6. Fungsi keanggotaan: 0; 𝜇𝑥 =

𝑥−𝑎 𝑏−𝑎

𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑑 𝑎≤𝑥≤𝑏

;

1;

𝑏≤𝑥≤𝑐

𝑑−𝑥 ; 𝑑−𝑐

𝑐≤𝑥≤𝑑

(2.1)

Gambar 2.6 Representasi Kurva Trapesium

b. Representasi Kurva Bahu Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun. Himpunan fuzzy „bahu‟, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar. Representasi kurva bahu dapat dilihat pada Gambar 2.7.


Gambar 2.7 Representasi kurva bahu

2.2.4. Kelebihan sistem fuzzy Menurut Kusumadewi (2003) kelebihan sistem fuzzy antara lain : 1. Konsep logika fuzzy mudah dimengerti 2. Logika fuzzy sangat fleksibel 3. Logika fuzzy mempunyai toleransi terhadap data-data yang tidak tepat. 4. Logika fuzzy mampu memodelkan fungsi-fungsi non linier yang sangat kompleks. 5. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional. 6. Logika fuzzy didasarkan pada bahasa alami. 7. Penalaran fuzzy sangat sederhana dan mudah dimengerti. 8. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.

2.3. Penyakit Jantung

Jantung sangat penting bagi manusia, oleh karena itu manusia harus menjaga kesehatan jantungnya. Jika jantung tidak sehat, maka akan menimbulkan penyakit jantung yang dapat menyebabkan kematian. Jantung merupakan satu-satunya organ tubuh yang memompa darah keseluruh tubuh sehingga tubuh mendapatkan oksigen dan sari makanan yang diperlukan untuk metabolisme tubuh. Penyakit jantung lebih sering disebut serangan jantung yaitu merupakan sebuah kondisi yang menyebabkan jantung sama sekali tidak berfungsi. Kondisi ini biasanya


terjadi mendadak, dan sering disebut gagal jantung. Penyebab utamanya adalah terhambatnya suplai darah ke otot-otot jantung, oleh karena pembuluh-pembuluh darah yang biasanya mengalirkan darah ke otot-otot jantung tersebut tersumbat atau mengeras yang disebabkan oleh lemak, kolesterol maupun zat-zat kimia seperti penggunaan obat yang berlebihan yang mengandung Phenol Propano Alanin (ppa) yang banyak ditemui dalam obat-obatan seperti decolgen dan nikotin. Ukuran jantung manusia kurang lebih sebesar kepalan tangan seorang laki-laki dewasa. Jantung adalah satu otot tunggal yang terdiri dari lapisan endothelium. Jantung terletak di dalam rongga thoracic, di balik tulang dada (sternum). Struktur jantung berbelok ke bawah dan sedikit ke arah kiri. Jantung hampir sepenuhnya diselubungi oleh paru-paru, namun tertutup oleh selaput ganda yang bernama pericardium, yang tertempel pada diafragma. Lapisan pertama menempel sangat erat kepada jantung, sedangkan lapisan luarnya lebih longgar dan berair, untuk menghindari gesekan antar organ dalam tubuh yang terjadi karena gerakan memompa konstan jantung. Belakangan ini sering ditemukan gagal jantung mendadak ketika seorang sedang beraktivitas, seperti yang menyerang beberapa atlit-atlit sepak bola ternama di dunia di tengah lapangan sepak bola. Biasanya hal itu disebabkan oleh pemaksaan aktivitas jantung yang melebihi ambang batas, atau kurangnya pemanasan sebelum melakukan olahraga. Dalam banyak pasien, serangan jantung muncul setelah aktivitas tubuh yang tidak biasa, emosi, kedinginan, makan berat, atau situasi apa saja yang membuat jantung bekerja lebih keras daripada biasanya. Hal ini sebenarnya tidak menyebabkan serangan jantung, tapi ada hubungannya. Namun dalam banyak kasus, serangan dapat terjadi saat orang tersebut sedang beristirahat.

2.3.1. Gejala penyakit jantung Menurut buku Patofisiologi Konsep Klinis Proses-Proses Penyakit, tanda dan gejala penyakit jantung yang sering ditemukan pada pengambilan riwayat penderita penyakit jantung, yaitu: 1. Angina, atau nyeri dada akibat kekurangan oksigen atau iskemia miokardium. 2. Dispnea, atau kesulitan dalam bernafas akibat meningkatnya usaha bernafas yang ada hubungannya

dengan

kongesti

pembuluh pulmonary dan perubahan kemampuan


pengembangan paru-paru; ortopnea, atau kesulitan bernafas pada posisi berbaring. Dispnea paroksismal nokturnal, atau serangan yang terjadi pada waktu istirahat di malam hari akibat payah ventrikel jantung. 3. Palpitasi, atau merasakan denyut jantung sendiri karena perubahan dalam kecepatan denyut, keteraturan atau kekuatan kontraksi jantung. 4. Edema perifer atau pembengkakan yang disebabkan timbunan cairan di ruang-ruang interstisial. Penimbunan cairan ini nyata sekali di daerah yang menggantung akibat pengaruh gravitasi dan didahului oleh bertambahnya berat badan. 5. Sinkop, atau kehilangan kesadaran sesaat akibat aliran darah serebral yang kurang memadai. 6. Kelelahan dan kelemahan, biasanya diakibatkan curah jantung yang rendah dan perfusi perifer yang berkurang.

2.3.2. Faktor penyebab penyakit jantung Adapun secara garis besar faktor-faktor yang menyebabkan seseorang mengalami penyakit jantung antara lain : kelainan jantung bawaan, gangguan pada fungsi kerja katup jantung dan terganggunya pembuluh koroner yang berfungsi mengalirkan darah ke seluruh tubuh. Dari ketiga hal tersebut, penyakit jantung yang umunya ditakuti adalah jantung koroner karena menyerang pada usia produktif dan dapat menyebabkan serangan jantung hingga kematian mendadak. Faktor-faktor diatas erat kaitannya dengan pola konsumsi dan kehidupan yang bersangkutan, diantaranya : 1. Merokok terlalu berlebihan selama bertahun-tahun. 2. Sering mengkonsumsi makanan jenis lemak (kolesterol) tinggi. 3. Menderita tekanan darah tinggi. 4. Menderita penyakit kencing manis (diabetes).

2.3.3. Diagnosa penyakit Dalam mendiagnosa seorang pasien menderita penyakit jantung atau tidak, dibutuhkan beberapa keterangan antara lain: melalui anamnesis (wawancara), pemeriksaan fisik dan pemeriksaan penunjang menggunakan alat.


1. Anamnesis (wawancara) Seperti biasa bila anda diperiksa dokter, ia akan mulai bertanya (melakukan anemnesa) mulai dari keluhan anda sampai semua hal yang berkaitan dengan penyakit jantung. Keluhan yang terpenting adalah nyeri dada. Dokter akan bertanya cukup detail mengenai hal ini, seperti apakah nyerinya, kapan dirasakan, berapa lama, di dada sebelah mana, apakah menjalar. Nyeri dada yang dirasakan seperti ditindih beban berat, ditusuk-tusuk, diremas, rasa terbakar adalah yang paling sering dilaporkan. Walaupun bisa saja dirasakan berbeda. Biasanya nyeri dirasakan di dada kiri dan menjalar ke lengan kiri. Setelah itu dokter akan menanyakan semua faktor risiko penyakit jantung, antara lain: apakah anda merokok, menderita darah tinggi atau penyakit gula (diabetes), pernahkah memeriksakan kadar kolesterol dalam darah, dan adakah keluarga yang menderita penyakit jantung dan faktor resikonya. 2. Pemeriksaan Fisik Pada awal pemeriksaan fisik dilakukan dengan menggunakan stetoskop, untuk mengetahui kelainan jantung lain yang mungkin ada. Selain umur, untuk mendiagnosis pasien yang mungkin menderita penyakit jantung, maka dibutuhkan beberapa pemeriksaan fisik lain, yaitu : pemeriksaan sakit dada yang dirasakan (chest pain), tekanan darah tinggi (trestbps), jumlah denyut jantung (thalach), kolesterol (chol) dan gula darah (FBS)  Umur Menurut World Health Organization (WHO) klasifikasi umur terbagi dalam 4 kategori berikut sesuai pada Tabel 2.2 : Tabel 2.2. Klasifikasi Umur Kategori

Umur (tahun)

Usia Pertengahan

45-59

Lanjut Usia

60-74

Lanjut Usia Tua

75-90

Usia Sangat Tua

>90


 Chest Pain. Chest pain merupakan pemeriksaan yang dilakukan untuk mengetahui seberapa parah sakit dada yang dirasakan oleh pasien. Jenis sakit dada ini sendiri diklasifikasikan dalam 4 kelompok yang dapat terlihat dalam Tabel 2.3 : Tabel 2.3. Klasifikasi Chest Pain Kategori

Waktu (menit)

Typical Angina

5-10

Atypical Angina

10-30

Asymptomatic

30-60

Non Angina

>60

 Trestbps. Trestbps atau biasa disebut dengan tekanan darah tinggi (hipertensi). Hipertensi sering terjadi tanpa gejala, sehingga kebanyakan pasien tidak menyadari meskipun beberapa tanda sudah dirasakan seperti pusing ataupun dada sering berdebar. Tekanan darah tinggi ini diklasifikasikan dalam 6 kelompok pada Tabel 2.4 : Tabel 2.4. Klasifikasi Trestbps Kategori

Batas Tekanan (mmHg)

Normal

<130/85

Normal Tinggi

130-139/85-89

Stadium 1 (Hipertensi Ringan)

140-159/90-99

Stadium 2 (Hipertensi Sedang)

160-179/100-109

Stadium 3 (Hipertensi Berat)

180-209/110-119

Stadium 4 (Hipertensi Maligna)

>210/210

 Thalach. Thalach yaitu pemeriksaan jumlah denyut jantung yang biasanya dilihat dalam hitungan x menit dengan beberapa kali denyutan. Thalach diklasifikasikan dalam 3 kelompok dalam Tabel 2.5 :


Tabel 2.5. Klasifikasi Thalach Kategori

Denyut Jantung (kali/menit)

Bradikarbi

<80

Normal

80-100

Takikarbi

>100

 Kolesterol Chol atau kolesterol, pemeriksaan kolestero, biasanya dilakukan di laboratorium bersamaan dengan pemeriksaan gula darah. Kadar kolesterol yang berlebihan dalam darah dapat menimbulkan endapan-endapan yang menempel pada dinding pembuluh darah kemudian membentuk bekuan dan plak yang menyumbat arteri dan akhirnya memutuskan aliran darah ke jantung. Oleh karena itu pemeriksaan kolesterol sangatlah penting. Tabel 2.6 menunjukkan pengklasifikasian kategorinya berdasarkan kadar kolesterol : Tabel 2.6. Klasifikasi Kolesterol Kategori

Kadar Kolesterol (mg/dl)

Desirable

<200

Borderline

200-239

Tinggi

>240

 FBS (Fasting Blood Sugar) Fasting Blood Sugar (FBS) atau biasa disebut dengan kadar glukosa (gula darah) saat puasa. Fbs diklasifikasikan dalam 2 kelompok pada Tabel 2.7 : Tabel 2.7. Klasifikasi Fbs Kategori

FBS (mg/dl)

Tinggi

>120

Rendah

≤120


3. Pemeriksaan Penunjang Pemeriksaan penunjang dilakukan tergantung kebutuhan, beberapa jenis pemeriksaan dilakukan untuk menegakkan diagnosis penyakit jantung dan menentukan derajatnya, dari yang sederhana sampai yang invasif sifatnya. Pemeriksaan penunjang antara lain EKG (Elektrokardiogram), foto rontgen dada dan pemeriksaan laboratorium.

2.5 Penelitian Sebelumnya

Banyak sudah penelitian sistem pakar yang dilakukan dengan menggunakan Algoritma Fuzzy khususnya dalam bidang kesehatan, beberapa contoh kasusnya seperti Nurul Hidayat dan M. Munawar Yusro yang mendesain sistem pakar Fuzzy terhadap diagnose kanker prostat. Penelitian ini akan memberikan rasio kemungkinan pasien mengidap kanker prostat serta hasil pengujian sistem pakar yang lebih rapid, efisien dan ekonomis dibandingkan sistem diagnosa tradisional, dan bisa digunakan sebagai pembelajaran bagi mahasiswa kedokteran. Gregorius S. Budhi, Alexander Setiawan dan Henry Octaviano melakukan penelitian terhadap penyakit umum dengan menggabungkan metode Fuzzy dan Non-Fuzzy. Penelitian ini didesain dan dibuat sebuah prototipe sistem pakar yang menggabungkan metode sistem pakar forward chaining dan sistem pakar berbasis fuzzy sehingga kelemahan dari masing - masing sistem dapat tertutupi dengan yang lain. Penelitian terhadap penyakit diabetes melitus dengan menggunakan Fuzzy Logic metode Sugeno berbasis web yang dilakukan Fauzan Masykur menghasilkan aplikasi web yang dapat digunakan oleh semua pihak tanpa batasan waktu. Variabel-variabel pendukung penegakan diagnosis penyakit tersebut digunakan dalam pembentukan himpunan fuzzy. Himpunan fuzzy itu akan diproses dengan metode Sugeno sehingga menghasilkan suatu keputusan. Penelitian selanjutnya dalam bidang kesehatan yaitu mendeteksi status gizi dan psikologi anak, yang dilakukan oleh Parno dan Izhati Qoirina menghasilkan sistem yang ditujukan khususnya bagi para orang tua dengan berisikan informasi tentang status gizi dan psikologis anak untuk cangkupan jenis status gizi, jenis psikologis anak, gejala, kebutuhan status gizi dengan ciri-ciri yang dapat diuraikan. Pembuatan sistem yang berbasis web ini menggunakan bahasa


pemrograman PHP. Metode yang digunakan dalam membuat aplikasi ini dengan mengikuti kaidah dari system development live cycle (SDLC) dengan lima tahapan yaitu, identifikasi, konseptualisasi, formalisasi, pengujian dan implementasi. Penelitian terhadap penyakit infeksi kulit pioderma pada anak dilakukan oleh Uswatun Hasanah menggunakan Algoritma Logika Fuzzy yang mendiagnosa secara manifestasi klinis serta memberikan solusi untuk penyakit infeksi kulit pioderma pada anak. Dengan Metode inferensi yang digunakan adalah inferensi fuzzy metode Multi Criteria Decision Making (MCDM) dan metode interview dengan ahli penyakit, yaitu proses inferensi yang memulai pencarian dari premis atau data masukan berupa gejala menuju pada konklusi yaitu kesimpulan prosentase jenis penyakit pioderma serta solusi mengenai materi berdasarkan usia penderita. Ringkasan penelitian-penelitian ini dapat dilihat dalam Tabel 2.8 : Tabel 2.8 Penelitian Sebelumnya No 1

Judul

Peneliti / Tahun

Keterangan

Desain Sistem Pakar

Nurul Hidayat dan M. Penelitian

Fuzzy untuk

Munawar Yusro / 2007

prosentase

ini

hanya

memberikan

kemungkinan

pasien

Diagnosa Kanker

memiliki kanker prostat dan membantu

Prostat

dokter membuat keputusan selanjutnya serta menunjukkan bahwa PV bukanlah faktor

yang sangat

penting untuk

diagnosa kanker prostat. Meskipun PV yang tinggi akan meningkatkan PSA tetapi bukan berarti pasti kanker.

2

Prototipe Sistem

Gregorius S. Budhi, Penggabungan dua metode sistem Alexander Setiawan pakar, yaitu sistem pakar berbasis Pakar Untuk dan Henry Octaviano / Mendeteksi Penyakit forward chaining dan fuzzy dapat 2009 Umum Menggunakan dilakukan dengan baik dan dapat Gabungan Metode

menghasilkan output sesuai dengan

Fuzzy Dan Non-

yang diharapkan. Oleh sebab itu,

Fuzzy.

prototipe

sistem

ini

dapat

dikembangkan lebih lanjut menjadi


Tabel 2.8 Penelitian Sebelumnya (Lanjutan) No

Judul

Peneliti / Tahun

Keterangan sebuah aplikasi sistem pakar yang siap pakai baik untuk penyakit dan obatnya maupun pada bidang kepakaran lain. Namun guna melanjutkan hal ini, sangat dibutuhkan kerjasama dan bantuan dari pakar yang bersangkutan.

3

Implementasi Sistem Fauzan Masykur / 2012

Pada penelitian ini dibuat suatu sistem

Pakar

penegakan penyakit Diabetes Melitus

Diagnosis

Penyakit

Diabetes

dengan

metode

Sugeno.

Melitus

variabel

Menggunakan

diagnosis penyakit tersebut digunakan

Metode Fuzzy Logic

dalam pembentukan himpunan fuzzy.

Berbasis WEB.

Himpunan fuzzy itu akan diproses dengan

pendukung

Variabel-

metode

penegakan

sugeno

sehingga

menghasilkan suatu keputusan. 4

Aplikasi

Sistem Izhati

Qoirina

dan Aplikasi sistem pakar ini berguna untuk

Pakar

Untuk Parno / 2012

membantu user mengetahui status gizi

Mendeteksi

Status

yang dialami anak dengan mengenali

Gizi dan Psikologis

cirri-ciri dan gejala yang ditimbulkan.

Anak

Disetiap

halaman

web

mempunyai

fungsi yang berbeda. Pada aplikasi ini juga tersedia halaman menu user agar user dapat mendaftarkan diri untuk berkonsultasi langsung kepada yang ahli ketempat praktek. 5

Sistem Pakar Untuk Mendiagnosa

Jenis

Penyakit Infeksi Kulit

Uswatun Hasanah / 2010

Penelitian

yang

dilakukan

menggunakan Algoritma Fuzzy dengan metode MCDM ini sangatlah tepat,


Tabel 2.8 Penelitian Sebelumnya (Lanjutan) No

Judul

Peneliti / Tahun

Keterangan

Pioderma Pada Anak

dikarenakan bobot

Dengan

setiap

Menggunakan

kecocokan setiap alternatif penyakit

Algoritma Logika

terhadap

Fuzzy.

ketidakpastian sehingga penilaian yang

gejala

kepentingan dari

penyakit

setiap

gejala

dan

derajat

mengandung

diberikan oleh pengambil keputusan dilakukan secara kualitatif dan direpresentasikan secara lingustik.


BAB 2 TINJAUAN PUSTAKA

Recommend Documents