BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Abnormal Psychology merupakan salah satu cabang dalam ilmu psikologi yang berupaya untuk memahami pola perilaku abnormal dan cara menolong orang-orang yang mengalaminya. Perilaku abnormal dapat diindikasikan melalui tingkat keseriusan masalah, sehingga para ahli kesehatan mental menggunakan berbagai kriteria dalam membuat keputusan tentang apakah suatu perilaku dapat dikatakan abnormal atau tidak. Gangguan kepribadian termasuk dalam pola perilaku abnormal. Sistem penggolongan gangguan kepribadian telah ada sejak dahulu. Sistem klasifikasi yang paling umum digunakan saat ini adalah pengembangan dan perluasan dari Kraepelin: Diagnostic and Statistical Manual of Mental Disorder (DSM), yang diterbitkan oleh American Psychiatric Association. Versi terakhir DSM diterbitkan pada tahun 2000 adalah DSM-IV. DSM ini menggolongkan pola perilaku abnormal sebagai ganggguan mental atas dasar kriteria diagnostic yang spesifik. (Nevid,2005). Retnowati (2011) Guru Besar Fakultas Psikologi UGM, mengatakan bahwa berdasarkan jumlah penduduk Indonesia pada tahun 2011 yang berjumlah sekitar 241 jiwa, hanya terdapat 600 psikiater dan 365 orang psikolog. Hal ini mengakibatkan terdapat perbandingan 1 psikiater untuk 401.000 jiwa dan 1 psikolog untuk 660.000 jiwa. Penelitian mengenai penyakit mental “The Global Burden of Disease” yang dilakukan oleh Murray (1996) bekerjasama dengan WHO dan World Bank memprediksikan bahwa penyakit mental akan menduduki posisi kedua setelah penyakit kardioveskular pada tahun 2020. Mengingat banyaknya gangguan kejiwaan, maka pada penelitian ini akan berfokus kepada gangguan kejiwaan khususnya gangguan kepribadian.
2
Gangguan kepribadian khas adalah suatu gangguan berat dalam konstitusi karakterologis dan kecenderungan perilaku dari individu, biasanya meliputi beberapa bidang dari kepribadian dan hampir selalu berhubungan dengan kekacauan pribadi dan sosial. Semakin banyaknya kasus gangguan kepribadian sekarang ini tidak sebanding dengan tenaga ahli yang menanganinya. Pada saat pemeriksaan pasien gangguan kepribadian kondisi ketidakmunculan gejala ataupun gejala-gejala yang muncul pada pasien relatif sama dapat terjadi, sehingga proses diagnosis pemeriksaan memerlukan perhatian yang lebih dari dokter saat menegakkan diagnosis. Apabila diagnosis sulit ditegakkan berdasarkan serangkaian aturan yang ada pada basis pengetahuan, maka dokter perlu memperhatikan kasus-kasus serupa yang pernah ada. Penelahaan kasus yang mirip akan memberikan gambaran kemungkinan diagnosis penyakit yang diderita. Salah satu metode dalam kecerdasan buatan yang bekerja dengan cara serupa yaitu penalaran berbasis kasus (case based reasoning – CBR). CBR didasarkan pada hipotesa bahwa solusi kasus-kasus sebelumnya dapat membantu penyelesaian permasalahan terkini, sepanjang terdapat kemiripan diantaranya. CBR bekerja dengan cara mengukur kemiripan antara kasus-kasus sebelumnya dengan kasus yang menjadi permasalahan saat ini. Proses pencarian similaritas antar kasus dalam CBR disebut proses retrieval. Kasus yang memiliki similaritas tertinggi selanjutnya digunakan kembali (reuse) sebagai solusi yang direkomendasikan untuk permasalah baru tersebut. Solusi yang dimaksud dalam domain diagnosis gangguan kepribadian yaitu berupa jenis gangguan yang diderita oleh pasien. Berdasarkan latar belakang tersebut maka sebuah sistem kecerdasan buatan berbasis konsep case based reasoning akan cukup membantu dokter dalam mendiagnosa gangguan kepribadian. Proses retieval kasus-kasus serupa yang semula dilakukan secara manual dan memakan waktu dapat dilakukan dengan lebih cepat dengan menggunakan bantuan sistem CBR yang telah terkomputerisasi. Kinerja sistem CBR bergantung pada kesesuaian pengaturan kasus dan algoritma yang digunakan untuk memanggil kembali data kasus yang berada pada basis data. Pengaturan data kasus dalam CBR dilakukan dengan cara mengklasifikasikan data kedalam kelas-kelas tertentu. (Maharani, 2009).
3
Pada penelitian ini klasifikasi atau pengindeksan kasus dilakukan dengan menggunakan algoritma C4.5. Menurut Jantan dkk (2009) untuk metode klasifikasi/Pengindeksan, algoritma C4.5 memiliki tingkat akurasi tertinggi dibandingkan dengan Random Forest, Multi Layer Perceptron (MLP), Radial Basis Function Network dan K-Star. Pada CBR, pohon keputusan dikategorikan sebagai teknik pengindeksan kasus dengan pendekatan induktif. Pendekatan induktif digunakan untuk menentukan struktur berbasis kasus. Struktur hirarkis basis kasus yang dihasilkan menurunkan ruang pencarian pada saat proses retrieval (Pall et al 2004). Sedangkan penerapan metode bayes akan digunakan untuk menghitung kemiripan suatu kasus baru terhadap kasus lama yang terdapat didalam case based untuk memperoleh suatu keputusan diagnosa penyakit. Implementasi CBR di bidang psikologi klinis dan kedokteran dapat digunakan untuk mendukung diagnosis gangguan kepribadian pada masa dewasa dengan didasarkan pada kasuskasus yang mirip atau serupa yang telah disimpan didalam basis data penyimpanan kasus sebelumnya dan menganjurkan solusi sesuai dengan kasus yang mirip yang ditemukan di dalam basis data penyimpanan kasus. Salah satu contoh implementasi CBR dalam bidang psikologi klinis dan kedokteran, yaitu Case Based Reasoning untuk Diagnosa Gangguan Kepribadian dengan Memanfaatkan Probabilistic Bayesian. 1.2 Perumusan Masalah Permasalahan yang akan dibahas dalam penelitian ini adalah bagaimana cara membentuk pengetahuan
yang
bisa
digunakan
dalam
mendiagnosis
penyakit
gangguan
kepribadianmenggunakan case based reasoning dengan memanfaatkan C4.5 dan probabilistic Bayesian. 1.3 Batasan Masalah Agar pembahasan mengenai topik penelitian ini tidak terlalu meluas maka diperlukan batasan masalah. Adapun batasan masalah untuk penelitian ini adalah: 1. Jumlah kasus yang menjadi case baseddalam penelitian ini berjumlah 130 kasuspenyakit gangguan kepribadian yang terdiri dari 10 jenis gangguan kepribadian dengan 68 gejala. 2. Metode C4.5 dan Probabilistic bayesian digunakan untuk melakukan proses retrieve kasus baru terhadap kasus yang pernah ada (tersimpan). 1.4 Keaslian Penelitian
4
Klasifikasi diagnosa menjadi salah satu domain permasalahan yang paling banyak diterapkan di bidang kecerdasan buatan, namun diagnosa tidak hanya terbatas pada bidang medis saja. Aplikasi CBR untuk diagnosa dapat diterapkan dalam segala bidang. Beberapa contoh aplikasi CBR untuk diagnosa, yaitu: PROTOS, CASEY, CASCADE dan PAKAR. Sejauh ini penelitian tentang diagnosa gangguan kepribadian telah banyak dilakukan diantaranya dengan menggunakan system pakar, P, D. Henry, (2007), dimana mesin inferensi yang digunakan dalam penelitian ini adalah model forward chainning tanpa menggunakan certainty factor. Penelitian ini mempunyai domain yang sama tetapi menggunakan metode CBR atau Case Based Reasoning dengan memanfaatkan Probabilistic Bayesianuntuk mendiagnosa gangguan kepribadian pada manusia. Penulis belum menemukan penelitian tentang CBR dengan domain gangguan kepribadin dengan memanfaatkan algoritma C4.5 dan Probabilistic Bayesian. 1.5 Tujuan Penelitian Penelitian ini bertujuan untuk merancang bangun case base reasoning sebagai diagnosis gangguan kepribadian dengan memanfaatkan metode C4.5 danProbabilistic Bayesian. 1.6 Manfaat Penelitian Penelitian ini diharapkan dapat: 1. Menjadi salah satu solusi alternatif bagi para dokter jiwa (Psychiatric) dan para psikolog dalam menganalisa gangguan kepribadian dalam waktu yang lebih singkat. 2. Memberi sumbangan ilmu untuk pengembangan dunia kedokteran jiwa dan psikologi. 3. Menjadi
referensi
bagi
para
peneliti
selanjutnya
yang
berkeinginan
untuk
mengembangkannya, terutama untuk digunakan di daerah yang fasilitas kesehatan jiwanya belum memadai. 1.7 Metode Penelitian Penelitian ini dilakukan dengan beberapa tahapan, yaitu: 1. Studi pustaka dan pengumpulan data 1.1. Studi Pustaka Peneliti mendapatkan pengetahuan dengan membaca literature seperti artikel, jurnal yang berkaitan dengan penalaran berbasis kasus, sedangkan untuk gangguan kepribadian penelitian juga melibatkan diskusi dengan para psikolog serta dokter jiwa untuk mengetahui lebih dalam
5
mengenai gangguan kepribadian baik berdasarkan gejala-gejala maupun tanda-tanda gangguan dan cara pengendalian terhadap penyakit yang diidentifikasi. 1.2. Pengumpulan Data Pengumpulan data yang dibutuhkan pada penelitian ini dilakukan di rumah sakit dengan cara melihatdata rekam medis pasien gangguan kepribadian dimana didalam rekam medis tersebut terdapat diagnosis penyakit serta serta faktor lainnya yang dibutuhkan dalam mendiagnosis penyakit. Selain itu dilakukan juga wawancara dengan pakar yaitu dokter jiwa dan psikolog klinis untuk mendapatkan pengetahuan serta pengalaman mengenai bagaimana mendiagnosis penyakit gangguan kepribadian. 2. Analisis dan Perancangan Sistem Pada tahap ini akan dilakukan analisis terhadap data yang ada (berupa kasus) untuk dipilih dan digunakan sebagai basis kasus dan menentukan fitur-fitur yang digunakan sebagai penalaran kasus. Pada perancangan akan dilakukan tahapan-tahapan sebagai berikut: 2.1. Perancangan basis data Pembuatan tabel dan relasi antar tabel yang dibutuhkan untuk mendukung kinerja sistem. Pembuatan tabel sebagai tempat penyimpanan data kasus yang berisi fitur-fitur sebagai berikut: a. Gejala-gejala psikologis pada gangguan kepribadian. b. Tanda-tanda yang bisa dilihat pada diri pasien c. Status psikososial yaitu faktor pendukung diagnosis seperti jenis kelamin, latar belakang pendidikan dan riwayat keluarga. d. Jenis gangguan kepribadian berupa gangguan kepribadian paranoid, skizoid, dissosial, histrionik dan lain-lain. e. Psikoterapi berupa terapi psikologis atau saran psikologis untuk penanganan kasus. 2.2.
Perancangan Sistem. Perancangan sistem merupakan rancangan dimana dilakukan representasi kasus, peng-
index-an kasus dan retrieval kasus dengan menggunakan probabilistic bayesian, reusing kasus, retaining kasus, dan diagram alir (flowchart) sistem. Penelitian ini akan memfokuskan pada fase retrieval dimana dalam fase ini akan dilakukan dengan memanfaatkan metode probabilistic Bayesian untuk mencari probabilitas suatu penyakit gangguan kepribadian diketahui.
6
Prior
Bayes
Posterior
Data
Gambar 1.1 Gambar proses Probabilistic Bayesian
Probabilistic Bayesian merupakan suatu metode kuantitatif untuk menghitung probabilitas hasil kasus baru dengan menggunakan probabilitas kemunculan kasus sebelumnya pada basis kasus dan kesensitivitasan dari kasus. 2.3.
Perancangan antarmuka Perancangan antarmuka merupakan tahapan untuk membuat antarmuka sebagai media
interaksi antara sistem dengan pengguna dan sebagai media yang memberikan informasi tentang gangguan kepribadian yang diidentifikasi serta cara penanganannya. 3.
Implementasi Pada tahap ini akan dilakukan pembangunan aplikasi berbasis komputer dengan didasarkan
pada hasil perancangan. Pembangunan aplikasi akan menggunakan software YII Framework. 4.
Pengujian Pada tahap ini, penulis akan melakukan pengujian sistem dengan memberikan masukan
berupa kasus-kasus baru dan memastikan bahwa aplikasi berbasis komputer yang dibangun sudah berjalan dengan baik serta menghasilkan informasi sesuai dengan kinerja metode probabilistic bayesian.Pengujian data akan dilakukan dengan menggunakan probabilistic bayesian. 1.8 Sistematika Penulisan Untuk lebih terstrukturnya penulisan, dokumen penelitian ini disusun dalam beberapa bagian utam, sebagai berikut: BAB I.
Pendahuluan, berisi penjabaran dari beberapa hal yang mendasari penulisan ini, antara lain: latar belakang masalah dan permasalahan, batasan masalah, rumusan masalah, metodologi yang digunakan, tujuan penelitian dan sistematika penulisan.
7
BAB II.
Tinjauan Pustaka, yang membahas penelitian yang telah dilakukan untuk menjadi rujukan atau pembanding literature bagi penulisan penelitian.
BAB III. Landasan Teori, yang membahas dasar-dasar teori atau metode yang metode yang dibutuhkan dalam rangka memahami obyek penulisan. BAB IV. Analisis dan Desain Sistem, yang memaparkan tujuan dan fungsi dari aplikasi yang dirancang. Dalam bab ini juga menjelaskan mengenai rancangan antarmuka masukan, keluaran dan teknik atau metode penalaran kasus yang digunakan. BAB V.
Implementasi Sistem, memaparkan implementasi aplikasi secara nyata.
BAB VI. Hasil dan Pembahasan, yang memaparkan hasil dari implementasi termasuk pengujian serta pembahasan hasil pengujian. BAB VII. Kesimpulan dan Saran, berisi kesimpulan yang merupakan hasil analisis terhadap obyek penulisan, serta saran-saran yang mungkin dapat digunakan untuk melakukan pengembangan lebih lanjut.
8
