BAB 2 TINJAUAN PUSTAKA

BAB 2

TINJAUAN PUSTAKA

2.1 Kecerdasan Buatan

Menurut Hartati dan Iswanti (2008) Kecerdasan buatan adalah salah satu bidang ilmu komputer yang mendayagunakan komputer sehingga dapat berprilaku cerdas seperti manusia. Ilmu komputer tersebut mengembangkan perangkat lunak dan perangkat keras untuk menirukan tindakan manusia. Aktifitas manusia yang di tirukan seperti penalaran, penglihatan, pembelajaran, pemecahan masalah, pemahaman bahasa alami dan sebagainya. Sesuai dengan definisi tersebut, maka teknologi kecerdasan buatan dipelajari dalam bidang-bidang seperti : Robotika (Robotics), Penglihatan Komputer (Computer Vision), Pengolahan Bahasa Alami (Natural Language Processing), Pengenalan Pola (Pattern Recognition), Sistem Syaraf Buatan (Artificial Neural System), Pengenalan Suara (Speech Recognition), dan Sistem Pakar (Expert System).

Kecerdasan buatan menyelesaikan permasalahan dengan mendayagunakan komputer untuk memecahkan masalah yang kompleks dengan cara mengikuti proses penalaran manusia. Salah satu teknik kecerdasan buatan yang menirukan proses penalaran manusia adalah sistem pakar.

2.2 Sistem Pakar

Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. (Kusrini, 2006).

Universitas Sumatera Utara

Sistem pakar sebagai kecerdasan buatan, menggabungkan pengetahuan dan fakta-fakta serta teknik penelusuran untuk memecahkan permasalahan yang secara normal memerlukan keahlian dari seorang pakar. Proses berpikir pada manusia dimodelkan dalam sistem pakar pada modul yang disebut Inference Machine. Tujuan utama pengembangan sistem pakar adalah mensubstitusikan pengetahuan dan pengalaman pakar di berbagai bidang seperti bidang pertanian, kelautan, bisnis, pendidikan, ilmu pengetahuan, telekomunikasi, geologi dan meteorology, kesehatan dan pengobatan, komunikasi dan transportasi. (Desiani et al, 2006).

Untuk membangun sistem seperti itu, maka komponen-komponen yang harus dimiliki adalah sebagai berikut : 1.

Antar Muka Pengguna (User Interface).

2.

Basis Pengetahuan (Knowledge Base).

3.

Mekanisme Inferensi (Inference Machine).

4.

Memori Kerja (Working Memory).

Sedangkan untuk menjadikan sistem pakar menjadi lebih menyerupai seorang pakar yang berinteraksi dengan pemakai, maka dilengkapi dengan fasilitas berikut: 1.

Fasilitas Penjelasan (Explanation Facility).

2.

Fasilitas Akuisi Pengetahuan (Knowledge Acquisition Facility).

Berikut ini merupakan tabel yang menjelaskan perbedaan antara sistem pakar dengan seorang pakar (dokter).

Tabel 2.1 Perbedaan Sistem Pakar dengan Seorang Pakar (dokter) Sistem Pakar

Dokter (Pakar)

Bisa digunakan setiap saat

Pada saat hari kerja

Bisa digunakan di mana saja

Hanya pada daerah tertentu

Kecepatan dan ketepatan pengambilan Kecepatan dan ketepatan pengambilan keputusan konstan

keputusan sesuai dengan keadaan yang di alami pakar

Tidak memerlukan biaya saat tidak Membutuhkan biaya sehari-hari


digunakan Dapat

menyimpan

dan

mengingat Mempunyai

keterbatasan

pengetahuan yang tidak terbatas

mengingat pengetahuan

Tidak kenal lelah

Dapat merasakan lelah

Pengguna hanya dapat

dalam

berkonsultasi Pasien dapat berkonsultasi dengan

sebatas kemampuan sistem

pakar sejauh mana yang ia inginkan

Tidak dapat melayani pengguna dengan Dapat memberikan pelayanan kepada ramah seperti seorang pakar

pasien dengan ramah, sehingga pasien akan senang bila ingin berkonsultasi kembali

Tidak dapat mengenal dan memahami Dapat keadaan ekonomi pengguna

mengenal

dan

memahami

keadaan ekonomi pasien

2.2.1 Sejarah Sistem Pakar

Sistem pakar mulai dikembangkan pada tahun 1960 oleh Artificial Intelligence Corporation. Penelitian artificial intelligence ini didominasi oleh suatu keyakinan bahwa nalar yang digabung dengan komputer canggih akan menghasilkan prestasi pakar atau bahkan manusia super. General Purpose Problem-Solver (GPS) merupakan sistem pakar yang pertama kali muncul dan dikembangkan oleh Allen Newell, John Cliff Shaw, dan Herbert Alexander Simon dari Logic Theorist.

Pada pertengahan tahun 1960-an, terjadi pergantian dari program serba bisa (general

purpose)

ke

program

yang

spesialis

(special-purpose)

dengan

dikembangkannya DENDRAL oleh E. Feigenbaum dari Universitas Stanford dan kemudian diikuti oleh MYCYN.

Sistem pakar untuk melakukan diagnosis kesehatan telah dikembangkan sejak pertengahan tahun 1970. Sistem pakar untuk melakukan diagnosis pertama dibuat oleh Bruce Buchanan dan Edward Shortliffe di Stanford University. Sistem ini diberi nama MYCIN. (Heckerman, 1986).


MYCIN merupakan program interaktif yang melakukan diagnosis penyakit miningitis dan infeksi bacremia serta memberikan rekomendasi terapi antimikrobia. MYCIN mampu memberikan penjelasan atas penalarannya secara detail. Meskipun MYCIN tidak pernah digunakan secara rutin oleh dokter, MYCIN merupakan referensi yang bagus dalam penelitian kecerdasan buatan yang lain. (Kusrini, 2006).

2.2.2 Struktur Sistem Pakar

Menurut Kusumadewi (2003) bila dilihat dari sudut pandang lingkungan (environment) dalam sistem, sistem pakar terdiri dari dua bagian, yaitu: 1.

Lingkungan pengembang (development environment) Lingkungan pengembang ditujukan bagi pembangun sistem pakar untuk membangun komponen dan

memasukkan pengetahuan hasil akuisisi

pengetahuan ke dalam basis pengetahuan. 2.

Lingkungan konsultasi (consultation environment) Lingkungan konsultasi diperuntukkan bagi pengguna non pakar untuk melakukan konsultasi dengan sistem yang tujuannya adalah mendapatkan nasihat pakar.

Gambar 2.1 Struktur Sistem Pakar


Komponen-komponen yang terdapat dalam struktur sistem pakar: 1.

Antarmuka Pengguna Sistem pakar menggantikan seorang pakar dalam suatu situasi tertentu, maka sistem harus menyediakan pendukung yang diperlukan oleh pemakai yang tidak memahami masalah teknis. Antar muka yang efektif dan ramah pengguna (user-friendly) penting sekali terutama bagi pemakai yang tidak ahli dalam bidang yang diterapkan pada sistem pakar.

2.

Basis Pengetahuan Basis pengetahuan merupakan kumpulan pengetahuan bidang tertentu pada tingkatan pakar dalam format tertentu. Pengetahuan ini diperoleh dari akumulasi pengetahuan pakar dan sumber-sumber pengetahuan lainnya. Basis pengetahuan bersifat dinamis, bisa berkembang dari waktu ke waktu.

3.

Mesin Inferensi Mesin inferensi adalah program komputer yang menyediakan metodologi untuk melakukan penalaran tentang informasi pada basis pengetahuan dan pada memori kerja, serta untuk merumuskan kesimpulan-kesimpulan. Komponen ini menyajikan arahan-arahan tentang bagaimana menggunakan pengetahuan dari sistem dengan membangun agenda yang mengelola dan mengontrol langkah-langkah yang diambil untuk menyelesaikan masalah ketika dilakukan konsultasi.

4.

Memori Kerja Merupakan bagian dari sistem pakar yang menyimpan fakta-fakta yang diperoleh saat dilakukan proses konsultasi. Fakta-fakta inilah yang nantinya akan diolah oleh mesin inferensi berdasarkan pengetahuan yang disimpan dalam basis pengetahuan untuk menentukan suatu keputusan pemecahan masalah.

5.

Fasilitas Penjelasan Fasilitas penjelasan dapat memberikan informasi kepada pemakai mengenai jalannya penalaran sehingga dihasilkan suatu keputusan. Bentuk penjelasannya


dapat berupa keterangan yang diberikan setelah suatu pertanyaan diajukan, yaitu penjelasan atas pertanyaan mengapa, atau penjelasan atas pertanyaan bagaimana sistem mencapai konklusi.

6.

Workplace/Blackboard Workplace merupakan memori kerja yang digunakan untuk menyimpan kondisi/keadaan yang dialami oleh pengguna termasuk keputusan sementara.

7.

Fasilitas Akuisisi Pengetahuan Pengetahuan pada sistem pakar dapat ditambahkan kapan saja pengetahuan baru diperoleh atau saat pengetahuan sudah ada sudah tidak berlaku lagi. Fasilitas ini bertujuan agar pemakai menggunakan sistem pakar yang komplit dan sesuai perkembangan.

2.2.3 Model Representasi Pengetahuan

Sistem pakar merupakan sistem yang berbasis pengetahuan, mengerjakan tugas yang biasanya dilakukan oleh seorang pakar. Representasi pengetahuan dimaksudkan untuk mengorganisasikan pengetahuan dalam bentuk dan format tertentu untuk bisa dimengerti oleh komputer (Hartati et al, 2008).

Untuk membuat sistem pakar yang efektif harus dipilih representasi pengetahuan yang tepat. Pemilihan representasi pengetahuan yang tepat akan membuat sistem pakar dapat mengakses basis pengetahuan tersebut untuk keperluan pembuatan keputusan. Beberapa model representasi pengetahuan yang penting: 1. Jaringan Semantik (Semantic Nets) 2. Bingkai (Frame) 3. Kaidah Produksi (Production Rule) 4. Logika Predikat (Predicate Logic)


2.2.3.1 Jaringan Semantik

Jaringan semantik adalah teknik representasi pengetahuan yang digunakan untuk informasi proporsional, sedangkan yang dimaksud dengan informasi proporsional ialah pernyataan yang mempunyai nilai benar atau salah. Sebagai contoh: sebuah bujur sangkar mempunyai empat sisi. Informasi proporsional merupakan bahasa deklaratif karena menyatakan fakta.

Representasi jaringan semantik merupakan penggambaran grafis dari pengetahuan yang memperlihatkan hubungan hirarkis dari obyek-obyek. Komponen dasar merepresestasikan pengetahuan dalam bentuk jaringan semantik adalah simpul (node) dari penghubung (link). Obyek direpresentasikan oleh simpul. Hubungan antar obyek-obyek dinyatakan oleh penghubung yang diberi label untuk menyatakan hubungan yang direpresentasikan.

Mikroprosessor

Unit Prefecth

ALU

Unit Bus

MMU Unit Kontrol

Unit Kode

Gambar 2.2 Contoh Jaringan Semantik


2.2.3.2 Bingkai

Bingkai merupakan kumpulan slot-slot yang berisi atribut untuk mendeskripsikan pengetahuan. Pengetahuan yang termuat dalam slot dapat berupa kejadian, lokasi, situasi ataupun elemen-elemen lainnya. Bingkai digunakan untuk representasi pengetahuan

deklaratif.

Bingkai

memuat

deskripsi

sebuah

obyek

dengan

menggunakan tabulasi informasi yang berhubungan dengan obyek. Jadi bingkai mengelompokkan atribut sebuah obyek. Dengan demikian, bingkai membantu menirukan cara seseorang mengorganisasikan informasi tentang sebuah obyek menjadi kumpulan data. Representasi pengetahuan menggunakan bingkai sesuai untuk jenis pengetahuan yang memiliki subjek sempit, lebih bersifat pasti, dan jarang berubah-ubah isinya.

Tabel 2.2 Bingkai Sepeda Motor Slots

Fillers

Nama

Sepeda motor

Spesialisasi

Jenis kendaraan beroda dua

Produk

Honda, Yamaha, Kawasaki, Daiheiyo

Bahan bakar

Bensin

2.2.3.3 Kaidah Produksi

Kaidah menyediakan cara formal untuk merepresentasikan rekomendasi, arahan, atau strategi. Kaidah produksi dituliskan dalam bentuk jika-maka (if-then). Kaidah if-then menghubungkan antesenden (antecendent) dengan konsekuensi yang diakibatkannya. Berbagai struktur kaidah if-then yang menghubungkan obyek atau atribut sebagai berikut (Adedeji, 1992). IF premis THEN konklusi IF masukan THEN keluaran IF kondisi THEN tindakan IF antesenden THEN konsekuen IF data THEN hasil


IF tindakan THEN tujuan IF aksi THEN reaksi IF sebab THEN akibat IF gejala THEN diagnosa

Premis mengacu pada fakta yang harus benar sebelum konklusi tertentu dapat diperoleh. Masukan mengacu pada data yang harus tersedia sebelum keluaran dapat diperoleh. Kondisi mengacu pada keadaan yang harus berlaku sebelum tindakan dapat diambil. Antesenden mengacu pada situasi yang terjadi sebelum konsekuensi dapat diamati. Data mengacu pada informasi yang harus tersedia sehingga sebuah hasil dapat diperoleh. Tindakan mengacu pada kegiatan yang harus dilakukan sebelum hasil dapat diharapkan. Aksi mengacu pada kegiatan yang menyebabkan munculnya efek dari kegiatan tersebut. Sebab mengacu pada keadaan tertentu yang menimbulkan akibat tertentu. Gejala mengacu pada keadaan yang menyebabkan adanya kerusakan atau keadaan tertentu yang mendorong adanya pemeriksaan.

Sebelum sampai pada bentuk kaidah produksi, terdapat langkah-langkah yang harus ditempuh dari pengetahuan yang didapatkan dalam domain tertentu. Langkahlangkah tersebut adalah menyajikan pengetahuan yang berhasil di dapatkan dalam bentuk tabel keputusan (decision table) kemudian dari tebel keputusan dibuat pohon keputusan (decision tree).

Tabel 2.3 Tabel Keputusan Hipotesa Hipotesa 1 Evidence Evidence A ya

Hipotesa 2

Hipotesa 3

Hipotesa 4

ya

ya

tidak

Evidence B

ya

tidak

ya

ya

Evidence C

ya

tidak

tidak

ya

Evidence D

tidak

tidak

tidak

ya

Evidence E

tidak

ya

ya

tidak


A t

y

B

B t

y

C

t

E t

y

H1

y

E

H2 H1

**

H3 H1

C

t

t

y

**

**

t

y

y

D y

H4 H1

**

t

**

Gambar 2.3 Pohon Keputusan Keterangan : A = evidence A,

H1 = hipotesa 1,

y = ya

B = evidence B,

H2 = hipotesa 2,

t = tidak

C = evidence C,

H3 = hipotesa 3,

** = tidak menghasilkan hipotesa tertentu

D = evidence D,

H4 = hipotesa 4,

2.2.3.4 Logika Predikat

Logika yang pertama kali dikembangkan oleh Aristoteles merupakan logika formal. Logika formal adalah logika yang berhubungan dengan bentuk (syntax) pernyataan bukan pada arti (semantic) dari pernyataannya.

Logika formal berkembang sampai tahun 1847 saat George Boole mengemukakan konsep logika simbolis (symbolic Logic). Pernytaan semua putri duyung dapat berenang dengan baik tidak lagi diterima sebagai premis ataupun konklusi pada logika simbolis, karena pada kenyataannya putri duyung itu tidak ada, hanya dongeng.


Logika proporsional atau bisa juga disebut kalkulus proporsional adalah logika simbolis yang memanipulasi proposisi. Logika proporsional akan menangani kalimat deklaratif yang bernilai benar atau salah. Kalimat yang nilai benarnya dapat ditentukan disebut pernyataan (statement) atau proposisi.

Logika proporsional hanya mampu menangani pernyataan yang komplit dan tidak bisa menganalisa struktur internal sebuah pernyataan. Sehingga untuk menganalisa kasus yang lebih umum dikembangkan logika predikat yang dapat menganalisis struktur internal kalimat.

Logika predikat berdasarkan pada kebenaran dan kaidah inferensi untuk merepresentasikan simbol-simbol dan hubungannya satu dengan yang lain. Contoh logika proporsional: Bujur sangkar mempunyai empat sisi. Kalimat tersebut merupakan logika proporsional karena mengandung pernyataan yang mempunyai nilai kebenaran. Sedangkan kalimat berikut ini adalah contoh logika predikat. Semua segitiga adalah poligon. Logika predikat menganalisa struktur internal kalimat tersebut, ditunjukkan dengan penggunaan quantifier. Quantifier berupa kata ”semua”, ”beberapa”, atau ”tidak”. Quantifier ini menjadi begitu penting karena dengan quantifier inilah kata yang lain dapat diukur, sehingga kalimat yang dihasilkan lebih eksak (Hartati et al, 2008).

2.3 Mesin Inferensi

Ada 2 cara yang dapat dikerjakan dalam melakukan inferensi, yaitu: 1. Metode Forward Chaining 2. Metode Backward Chaining

2.3.1 Metode Forward Chaining

Menurut Hartati dan Iswanti (2008) Runut maju (Forward Chaining) merupakan proses perunutan yang dimulai dengan menampilkan kumpulan data atau fakta yang


meyakinkan menuju konklusi akhir. Forward chaining biasa juga disebut sebagai penalaran forward (forward reasoning) atau pencarian yang dimotori data (data driven search). Jadi dimulai dari premis-premis atau informasi masukan (if) dahulu kemudian menuju konklusi atau derived information (then) atau dapat dimodelkan sebagai berikut : IF (informasi masukan) THEN (konklusi)

Inferensi dimulai dengan informasi yang tersedia dan akan memperoleh konklusi. Informasi masukan dapat berupa data, bukti, temuan, atau pengamatan. Sedangkan konklusi dapat berupa tujuan, hipotesa, penjelasan, atau diagnosis. Sehingga jalannya penalaran forward chaining dapat dimulai dari data menuju tujuan, dari bukti menuju hipotesa, dan temuan menuju penjelasan, atau dari pengamatan menuju diagnosa.

Pada metode forward chaining, sistem tidak melakukan praduga apapun, namun sistem menerima semua gejala yang diberikan user, kemudian sistem akan mengecek gejala-gejala tersebut memenuhi konklusi yang mana. (Hartati et al, 2008).

Tabel 2.4 Contoh Aturan Menggunakan Penalaran Forward Chaining (Alur Maju) No

Aturan

R-1

IF A & B THEN C

R-2

IF C THEN D

R-3

IF A & E THEN F

R-4

IF A THEN G

R-5

IF F & G THEN D

R-6

IF G & E THEN H

R-7

IF C & H THEN I

R-8

IF I & A THEN J

R-9

IF G THEN J

R-10

IF J THEN K


Pada tabel 2.4 terlihat ada 10 aturan yang tersimpan dalam basis pengetahuan. 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 : a.

Dimulai dari R-1, A merupakan fakta sehingga bernilai benar, sedangkan B belum bisa diketahui kebenarannya, sehingga Cpun juga belum bisa diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-1 ini. Sehingga kita menuju ke R-2.

b.

Pada R-2 kita tidak mengetahui informasi apapun tentang C, sehingga kita juga tidak bisa memastikan kebenaran D. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-1 ini. Sehingga kita menuju ke R-3.

c.

Pada R-3, baik A maupun E adalah fakta sehingga jelas benar. Dengan demikian F sebagai konsekuen juga ikut benar. Sehingga sekarang kita mempunyai fakta baru yaitu F. Karena F bukan hipotesis yang hendak kita buktikan maka penelusuran kita lanjutkan ke R-4.

d.

Pada R-4, 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, maka penelusuran kita

lanjutkan ke R-5.

e.

Pada R-5, baik F maupun G bernilai benar berdasarkan aturan R-3, danR-4. Dengan demikian D 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 R-6.


f.

Pada R-6, baik A maupun G adalah benar berdasarkan fakta dari R-4. 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 R-7.

g.

Pada R-7, meskipun H benar berdasarkan R-6, namun kita tidak tahu kebenaran C

sehingga,

I pun juga belum bisa

diketahui kebenarannya. Oleh karena itu kita tidak mendapatkan informasi apapun pada R-7 ini. Sehingga kita menuju ke R-8.

h.

Pada R-8, 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 R-8 ini. Sehingga kita menuju ke R-9.

i.

Pada R-9, J bernilai benar karena G benar berdasarkan R-4. Karena J bukan hipotesis yang hendak kita buktikan, maka penelusuran kita lanjutkan ke R-10.

j.

Pada R-10, K bernilai benar karena J benar berdasarkan R-9. Karena

H sudah merupakan hipotesis

yang hendak kita

buktikan, maka terbukti bahwa K adalah benar.

Tabel munculnya fakta baru pada saat inferensi terlihat pada tabel 2.5. sedangkan alur inferensi terlihat pada gambar 2.4.


Tabel 2.5 Fakta Baru Pada Saat Inferensi Aturan

Fakta Baru

R-3

F

R-4

G

R-5

D

R-6

H

R-9

J

R-10

K

R-10 R-9 R-4

K

J

G

Fakta A

R-5

D R-6

R-3

H

F

Fakta E Gambar 2.4 Alur Inferensi Forward Chaining

2.3.2 Metode Backward Chaining

Metode backward chaining adalah kebalikan dari forward chaining. Pencocokan 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.


Seperti halnya pada tabel 2.4. terlihat ada 10 aturan yang tersimpan dalam basis pengetahuan. Fakta awal yang diberikan : A dan F (artinya A dan F bernilai benar). Ingin dibuktikan apakah A bernilai benar (hipotesis hanya K)?. Langkah-langkah inferensi adalah sebagai berikut : 1.

Pertama-tama kita cari terlebih dahulu mulai dari R-1, aturan yang mana memiliki konsekuen K. Ternyata setelah ditelusur, aturan dengan

konsekuen

K

baru

ditemukan

pada

R-10.

Untuk

membuktikan bahwa K benar maka perlu dibuktikan bahwa J benar.

2.

Kita cari aturan yang memiliki konsekuen J. kita mulai dari R-1, ternyata kita baru akan menemukan aturan dengan konsekuen J pada R-8. Untuk membuktikan bahwa J benar maka perlu dibuktikan bahwa I dan A benar. Untuk membuktikan kebenaran I, kita perlu cari aturan dengan konsekuen I, ternayata ada di R-7.

3.

Untuk membuktikan bahwa I benar di R-7, kita perlu buktikan bahwa C dan H benar. Untuk itu kita pun perlu mencari aturan dengan konsekuen C dan ada di R-1.

4.

Untuk membuktikan C benar di R-1, 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 buktikan 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 backtraining lagi dengan mencari aturan dengan konsekuen I, ternyata juga tidak ada.


7.

Kita lakukan backtraining lagi dengan mencari aturan dengan konsekuen J, ternyata kita temukan pada R-9. sehingga kita perlu buktikan kebenaran G.

8.

Kita mendapatkan di R-4 dengan konsekuen G. Kita perlu untuk membuktikan 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 2.5. berikut ini :

Fakta R-10

K

J

I

C

R-8

A

R-7

A

R-1

B

H

Tidak diketahui (a) Pertama : Gagal

Fakta R-10 K

R-9 J

R-4 G

A

(b) Kedua : Sukses

Gambar 2.5. Alur Inferensi Backward Chaining


2.4 Asma

Menurut Prasetyo (2010) Asma, bengek atau mengi adalah beberapa nama yang biasa kita pakai kepada pasien yang menderita penyakit asma. Asma bukan penyakit menular, tetapi faktor keturunan (genetic) sangat punya peranan besar di sini.

Asma sendiri berasal dari kata asthma. Kata ini berasal dari bahasa Yunani yang memiliki arti sulit bernafas. Penyakit asma dikenal karena adanya gejala sesak nafas, batuk, dan mengi yang disebabkan oleh penyempitan saluran nafas. Atau dengan kata lain asma merupakan peradangan atau pembengkakan saluran nafas yang reversibel sehingga menyebabkan diproduksinya cairan kental yang berlebih. (Prasetyo, 2010).

Saluran pernafasan penderita asma sangat sensitif dan memberikan respon yang sangat berlebihan jika mengalami rangsangan atau ganguan. Saluran pernafasan tersebut bereaksi dengan cara menyempit dan menghalangi udara yang masuk. Penyempitan atau hambatan ini bisa mengakibatkan salah satu atau gabungan dari berbagai gejala mulai dari batuk, sesak, nafas pendek, tersengal-sengal, hingga nafas yang berbunyi ”ngik-ngik” (Hadibroto et al, 2006).

Beberapa ahli membagi asma dalam 2 golongan besar, seperti yang dianut banyak dokter ahli pulmonologi (penyakit paru-paru) dari Inggris, yakni: 1. Asma Ekstrinsik 2. Asma Intrinsik

2.4.1 Asma Ekstrinsik

Asma ekstrinsik adalah bentuk asma yang paling umum, dan disebabkan karena reaksi alergi penderitanya terhadap hal-hal tertentu (alergen), yang tidak membawa pengaruh apa-apa terhadap mereka yang sehat.


Pada orang-orang tertentu, seperti pada penderita asma, sistem imunitas bekerja lepas kendali dan menimbulkan reaksi alergi. Reaksi ini disebabkan oleh alergen. Alergen bisa tampil dalam bentuk: mulai dari serbuk bunga/tanaman/pohon, debu luar/dalam rumah, jamur, hingga zat/bahan makanan. Ketika alergen memasuki tubuh pengidap alergi, sistem imunitasnya memproduksi antibodi khusus yang disebut IgE. Antibodi ini mencari dan menempelkan dirinya pada sel-sel batang. Peristiwa ini terjadi dalam jumlah besar di paru-paru dan saluran pernafasan lalu membangkitkan suatu reaksi. Batang-batang sel melepaskan zat kimia yang disebut mediator. Salah satu unsur mediator ini adalah histamin.

Akibat

pelepasan

histamin

terhadap

paru-paru

adalah

reaksi

penegangan/pengerutan saluran pernafasan dan meningkatnya produksi lendir yang dikeluarkan jaringan lapisan sebelah dalam saluran tersebut.

2.4.2 Asma Intrinsik

Asma intrinsik tidak responsif terhadap pemicu yang berasal dari alergen. Asma jenis ini disebabkan oleh stres, infeksi, dan kondisi lingkungan seperti cuaca, kelembaban dan suhu udara, polusi udara, dan juga oleh aktivitas olahraga yang berlebihan.

Asma intrinsik biasanya berhubungan dengan menurunnya kondisi ketahanan tubuh, terutama pada mereka yang memiliki riwayat kesehatan paru-paru yang kurang baik, misalnya karena bronkitis dan radang paru-paru (pneumonia). Penderita diabetes mellitus golongan lansia juga mudah terkena asma intrinsik.

Tujuan dari pemisahan golongan asma seperti yang disebut di atas adalah untuk mempermudah usaha penyusunan dan pelaksanaan program pengendalian asma yang akan dilakukan oleh dokter maupun penderita itu sendiri. Namun dalam prakteknya,

asma adalah penyakit

yang

kompleks,

sehingga tidak

selalu

dimungkinkan untuk menentukan secara tegas, golongan asma yang diderita seseorang. Sering indikasi asma ekstrinsik dan intrinsik bersama-sama dideteksi ada pada satu orang.


2.4.3 Pencetus Asma

Menurut The Lung Association of Canada, ada dua faktor yang menjadi pencetus asma, yaitu: 1. Pemicu (trigger) yang mengakibatkan mengencang atau menyempitnya saluran pernafasan (bronkokonstriksi). Pemicu tidak menyebabkan peradangan. Banyak kalangan kedokteran yang menganggap pemicu dan bronkokonstriksi adalah gangguan pernafasan akut, yang belum berarti asma, tapi bisa menjurus menjadi asma jenis intrinsik. Gejala-gejala bronkokonstriksi yang diakibatkan oleh pemicu cenderung timbul seketika, berlangsung dalam waktu pendek dan relatif mudah diatasi dalam waktu singkat. Namun saluran pernafasan akan bereaksi lebih cepat terhadap pemicu, apabila sudah ada, atau sudah terjadi peradangan. Umumnya pemicu yang mengakibatkan bronkokonstriksi termasuk stimulus sehari-hari seperti: perubahan cuaca dan suhu udara, polusi udara, asap rokok, infeksi saluran pernafasan, gangguan emosi, dan olahraga yang berlebihan.

2. Penyebab (inducer) yang mengakibatkan peradangan (inflammation) pada saluran pernafasan. Penyebab asma (inducer) bisa menyebabkan peradangan (inflammation) dan sekaligus hiperresponsivitas (respon yang berlebihan) dari saluran pernafasan. Oleh kebanyakan kalangan kedokteran, inducer dianggap sebagai penyebab asma sesungguhnya atau asma jenis ekstrinsik. Penyebab asma (inducer) dengan demikian mengakibatkan gejala-gejala yang umumnya berlangsung lebih lama (kronis), dan lebih sulit diatasi, dibanding gangguan pernafasan yang diakibatkan oleh pemicu (trigger). Umumnya penyebab asma (inducer) adalah alergen, yang tampil dalam bentuk: ingestan, inhalan, dan kontak dengan kulit. Ingestan yang utama ialah makanan dan obat-obatan. Sedangkan alergen inhalan yang utama adalah tepung sari (serbuk) bunga, tungau, serpih dan kotoran binatang, serta jamur.


Klasifikasi asma berdasarkan tingkat keparahan penyakit (derajat asma) yaitu: 1.

Intermiten Intermitten ialah derajat asma yang paling ringan. Pada tingkatan derajat asma ini, serangannya biasanya berlangsung secara singkat. Dan gejala ini juga bisa muncul di malam hari dengan intensitas sangat rendah yaitu≤ 2x sebulan .

2.

Persisten Ringan Persisten ringan ialah derajat asma yang tergolong ringan. Pada tingkatan derajat asma ini, gejala pada sehari-hari berlangsung lebih dari 1 kali seminggu, tetapi kurang dari atau sama dengan 1 kali sehari dan serangannya biasanya dapat mengganggu aktifitas tidur di malam hari.

3.

Persisten Sedang Persisten sedang ialah derajat asma yang tergolong lumayan berat. Pada tingkatan derajat asma ini, gejala yang muncul biasanya di atas 1 x seminggu dan hampir setiap hari. Serangannya biasanya dapat mengganggu aktifitas tidur di malam hari.

4.

Persisten Berat Persisten berat ialah derajat asma yang paling tinggi tingkat keparahannya. Pada tingkatan derajat asma ini, gejala yang muncul biasanya hampir setiap hari, terus menerus, dan sering kambuh. Membutuhkan bronkodilator setiap hari dan serangannya biasanya dapat mengganggu aktifitas tidur di malam hari.

2.5 PHP dan MySQL

PHP merupakan singkatan dari Personal Home Page. PHP merupakan bahasa berbentuk skrip yang ditempatkan dalam server dan diproses di server, kemudian hasilnya dikirimkan ke klien, tempat pemakai menggunakan browser. (Kadir, 2008).

Secara khusus, PHP dirancang untuk membentuk aplikasi web dinamis. Artinya, ia dapat membentuk suatu tampilan berdasarkan permintaan terkini. Misalnya, kita bisa menampilkan isi database ke halaman web. (Kadir, 2008).


MySQL adalah salah satu jenis database server yang sangat terkenal. Kepopulerannya disebabkan MySQL menggunakan SQL sebagai bahasa dasar untuk mengakses database-nya. Selain itu, MySQL juga bersifat open source. SQL digunakan tidak hanya untuk melakukan query suatu database dan mengubah datanya, tetapi juga untuk mendefinisikan database. SQL dapat dibagi menjadi dua : Data Definition Language (DDL) mencakup perintah-perintah untuk pembuatan database dan tabel, dan Data Manipulation Language (DML) yang berupa perintah-perintah query (Schaneider, 2005).


BAB 2 TINJAUAN PUSTAKA

Recommend Documents