BAB II LANDASAN TEORI

BAB II

LANDASAN TEORI

2.1 Sistem Pakar

2.1.1

Pengertian Sistem Pakar

Sistem pakar adalah program komputer yang menggunakan pengetahuan pakar untuk mencapai tingkat kinerja yang tinggi pada area yang sempit (Waterman, 1986). Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli (Sri Kusumadewi, 2003, hal 109). Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan orang awam. Sebagai contoh, dokter adalah seorang pakar yang mampu mendiagnosis penyakit yang diderita pasien serta dapat memberikan penatalaksanaan suatu penyakit. Contoh yang lain, montir adalah seorang yang mempunyai keahlian dan pengalaman dalam menyelesaikan kerusakan mesin motor/mobil; psikolog adalah orang yang ahli dalam memahami kepribadian seseorang, dan lain-lain.

Masalah-masalah yang dapat diselesaikan sistem pakar, di antaranya: 1. Interpretasi Membuat kesimpulan atau deskripsi dari sekumpulan data mentah. 2. Prediksi Memproyeksikan akibat-akibat yang dimungkinkan dari situasi-situasi tertentu. 3. Diagnosis Menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejalagejala yang teramati.

4. Desain Menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuantujuan kinerja tertentu yang memenuhi kendala-kendala tertentu.

Universitas Sumatera Utara

5. Perencanaan Merencanakan serangkaian tindakan yang akan dapat mencapai sejumlah tujuan dengan kondisi awal tertentu. 6. Debugging dan Repair Menentukan dan menginterpretasikan cara-cara untuk mengatasi malfungsi. 7. Pengendalian Mengatur tingkah laku suatu environment yang kompleks. 8. Instruksi Mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subyek. 9. Selection Mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan. 10. Simulation Pemodelan interaksi antara komponen-komponen sistem 11. Monitoring Membandingkan hasil pengamatan dengan kondisi yang diharapkan. (Kusrini, 2006, hal: 21-22)

2.1.2

Sejarah Sistem Pakar

Tahap revolusi komputer yang melahirkan sistem pakar sebenarnya dimulai pada awal tahun 70-an, dalam bentuk kemajuan perangkat keras komputer yang ditujukan untuk membuat harga komputer menjadi lebih murah bahkan di bawah prediksi ilmuwan yang paling optimis. Sementara spesialis perangkat keras komputer mengembangkan teknologi microchip, spesialis perangkat lunak—orang-orang yang merancang dan membangun program untuk mengontrol komputer— meletakkan dasar untuk sebuah terobosan dalam bidang perangkat lunak. Tapi terobosan ini bukan dalam bentuk penemuan cara baru untuk menyandikan informasi dengan sinar laser atau pengembangan microchip yang lebih kecil dan lebih cepat. Penemuan ini lebih mengacu pada terobosan konseptual dalam bidang ilmu komputer dikenal sebagai kecerdasan buatan-KCB. Tujuan dari KCB adalah untuk mengembangkan program komputer yang dapat berpikir berdasar akal manusia, yaitu memecahkan masalah dengan cara yang dianggap cerdas jika dilakukan oleh manusia. Sistem pakar adalah hasil dari upaya penelitian selama 20 tahun untuk menentukan sifat program dalam sistem pakar itu sendiri.


Di awal tahun 60-an, ilmuwan KCB berusaha untuk merangsang proses pemikiran yang sulit dengan cara menemukan metode umum untuk menyelesaikan masalah dengan rentang yang luas; ilmuwan menggunakan metode ini untuk program kepentingan umum. Namun, meski terdapat beberapa kemajuan yang menarik, strategi ini tidak menghasilkan terobosan baru. mengembangkan program kepentingan umum dirasakan sangat sulit dan tidak menghasilkan sesuatu yang diharapkan. Semakin banyak kelas masalah yang dapat ditangani oleh sebuah program, maka akan semakin buruk penanganan program tersebut dalam satu masalah tertentu.

Ilmuwan KCB memutuskan harus ada cara lain untuk membuat program komputer menjadi lebih cerdas. Jika untuk membuat program kepentingan umum dirasa cukup sulit, maka ilmuwan mulai berkonsentrasi untuk mengembangkan metode general atau teknik general yang digunakan pada program yang lebih khusus. Jadi, selama tahun 70-an, peneliti lebih memfokuskan pengembangan dalam teknik-teknik seperti representasi—bagaimana untuk memformulasikan masalah sehingga menjadi lebih mudah untuk dipecahkan—dan pencarian—bagaimana untuk mengontrol pencarian untuk mencari solusi secara cerdas, sehingga proses pencarian yang dilakukan tidak akan menggunakan memori komputer yang berlebihan. Namun sekali lagi, strategi ini menciptakan beberapa kemajuan, namun tidak mendapatkan terobosan baru.

Hal ini berlangsung sampai akhir dekade 70-an, di mana ilmuwan KCB mulai menyadari suatu hal yang sangat penting: kemampuan penyelesaian masalah dalam suatu program berasal dari pengetahuan yang dimilikinya, bukan dari formalitas dan skema inferensi yang digunakan. Terobosan konseptual dibuat, dan dapat dinyatakan dengan cukup sederhana.

Untuk membuat program yang cerdas, sediakan program tersebut dengan pengetahuan spesifik yang berkualitas tentang bidang-bidang masalah tertentu.

Kesadaran ini menyebabkan pengembangan program komputer yang mempunyai tujuan khusus, sistem yang menjadi pakar dalam maslah-masalah tertentu. Program ini kemudian disebut sebagai sistem pakar, dan memulai bidang baru dalam lingkup ilmu komputer.


Pada awalnya, merancang dan membangun sistem pakar dianggap lebih merupakan upaya artistik dari sebuah usaha ilmiah. Sekarang, proses ini lebih baik dipahami dan dapat didefinisikan secara lebih jelas, berkat upaya lebih dari 40 ilmuwan KCB yang berkolaborasi pada "Building Expert System", sebuah buku yang mengatur secara teknis seni dan gambaran penggunaan teknik membangun sistem pakar yang berbeda pada masalah umum.

Proses pembangunan sistem pakar biasanya disebut rekayasa pengetahuan. Biasanya melibatkan interaksi yang spesial antara orang yang membangun sistem pakar, disebut teknisi pengetahuan, dan satu atau lebih pakar dalam lingkup masalah tertentu. Teknisi pengetahuan meengambil informasi dari pakar berupa prosedur, strategi, dan aturan-aturan untuk menyelesaikan masalah, lalu membangun pengetahuan itu menjadi sebuah sistem pakar, seperti yang ditunjukkan pada skema di bawah ini. Pertanyaan, masalah

WILAYAH PAKAR

TEKNISI PENGETAHUAN

Strategi, aturan-aturan

SISTEM PAKAR

Jawaban, solusi Gambar 2.1 : Memindahkan pengetahuan dari seorang ahli ke sebuah program komputer

Hasilnya adalah sebuah program komputer yang dapat memecahkan masalah dengan cara yang hampir sama seperti para ahli. Kutipan berikut oleh Paul E. Johnson, seorang ilmuwan yang telah menghabiskan bertahun-tahun mempelajari perilaku ahli manusia, cukup baik menggambarkan apa yang kita maksud dengan ahli.

Seorang ahli adalah orang yang, karena pelatihan dan pengalaman, mampu melakukan hal-hal yang sebagian besar manusia tidak bisa; seorang ahli tidak hanya mahir, tetapi juga lancar dan efisien dalam tindakan yang mereka ambil. Seorang ahli tahu banyak hal dan memiliki trik dan peringatan untuk menerapkan apa yang mereka tahu dalam suatu masalah


atau tugas-tugas, mereka juga pandai memilah informasi yang tidak relevan dalam rangka untuk mendapatkan masalah dasar, dan mereka mengenali dengan baik permasalahan yang mereka hadapi. Mendasari perilaku para ahli adalah inti pengetahuan yang disebut keahlian.

Rekayasa pengetahuan sangat bergantung pada penelitian oleh pakar dalam rangka untuk meningkatkan kecerdasan dan kemempuan program. Seperti yang diutarakan oleh Hayes-Roth dalam bukunya yang berjudul “Building Expert Sistem”:

Gagasan sentral pemecahan masalah secara cerdas adalah bahwa sistem harus membangun solusi selektif dan efektif dari ruang alternatif. Ketika sumber daya terbatas, para ahli perlu mencari ruang ini se-selektif mungkin, dan menghindari kegiatan yang tidak berguna. Seorang teknisi pengetahuan

membantu

menemukan

data

awal

yang

berguna,

menyarankan cara menjanjikan untuk menyajikan data, dan membantu menghindari kegiatan yang tidak perlu dengan cara membuang langkahlangkah yang tidak perlu sedini mungkin.

Saat ini sudah banyak sistem pakar yang telah dibuat dan di kembangkan di berbagai bidang, seperti: kedokteran, pertanian, ekonomi, elektronika, komputer dan lain-lain. Salah satu sistem pakar yang terkenal adalah MYCIN. MYCIN adalah sistem pakar berbasis-aturan yang mendiagnosis infeksi bakteri pada darah. Sistem ini dikembangkan oleh kelompok peneliti Stanford University pada tahun 1970-an. Dengan bertanya dan melakukan backwardchaining pada basis aturan yang terdiri dari sekitar 500 aturan, MYCIN dapat mengenali sekitar 100 penyebab infeksi bakteri. Dengan demikian MYCIN dapat merekomendasi resep obat yang efektif. MYCIN ini dikembangkan di bidang kedokteran oleh dr. Edward H. Shortliffe di Standford Medical School.

Penelitian yang lainnya yaitu sistem pakar yang digunakan untuk mendiagnosis penyakit TBC pada anak. Sistem pakar untuk menangani penyakit TBC pada anak tersebut dirancang untuk memberikan fasilitas diagnosis penyakit anak yang memiliki gejala seperti TBC. Hasil diagnosis memungkinkan untuk diklasifikasikan oleh sistem ke dalam salah satu jenis TBC, namun tidak menutup kemungkinan sistem akan menentukan bahwa pasien bukan menderita penyakit TBC, melainkan penyakit lainnya.


Selain itu, terapi juga diberikan kepada pasien yang telah didiagnosis mengidap penyakit TBC atau menderita penyakit bukan TBC. Untuk dapat melakuka diagnosis dengan menggunakan sistem tersebut, data gejala dan hasil-hasil tes harus sudah tersedia. Jika tidak tersedia, maka dianggap tidak tahu. Jika hasil diagnosis menunjukkan pasien memang terkena suatu penyakit, maka selain memberikan rekomendasi terapi, sesi konsultasi juga akan disimpan untuk digunakan dalam pengawasan terapi. Terapi penyakit TBC tersebut mungkin saja dilakukan dalam selang waktu yang cukup lama dengan jenis terapi yang berbeda-beda (Kusrini, 2008).

Untuk penelitian sistem pakar yang menggunakan metode kuantifikasi pertanyaan telah diimplementasikan dalam sebuah sistem untuk mendiagnosis gejala tuberkolosis (TB) dengan nama TubEx System. Sistem ini mengembangkan diagnosis gejala TB, dan memberikan nilai faktor kepastian dalam hasil diagnosisnya. Dalam sistem ini terdapat sekitar 28 aturan yang digunakan untuk mendiagnosis gejala TB, dan 11 aturan untuk memberikan saran terapi terhadap user yang menggunakan sistem. Inferensi diagnosis yang digunakan dalam sistem menggunakan algoritma forward chaining (runut maju) dan backward chaining (runut balik).

2.1.3

Konsep Dasar Sistem Pakar

Menurut Turban (1995), konsep dasar sistem pakar mengandung keahlian, ahli, pengalihan keahlian, inferensi, aturan, dan kemampuan menjelaskan. Keahlian adalah suatu kelebihan penguasaan pengetahuan di bidang tertentu yang diperoleh dari pelatihan, membaca, atau pengalaman.

Pengalihan keahlian dari para ahli ke komputer untuk kemudian dialihkan lagi ke orang lain yang bukan ahli merupakan tujuan utama dari sistem pakar. Proses ini membutuhkan empat aktivitas, yaitu: tambahan pengetahuan (dari para ahli atau sumbersumber lainnya), representasi pengetahuan (ke komputer), inferensi pengetahuan, dan pengalihan pengetahuan ke user. Pengetahuan yang disimpan di komputer disebut dengan nama basis pengetahuan. Ada dua tipe basis pengetahuan, yaitu: fakta dan prosedur (biasanya berupa aturan).


Salah satu fitur yang harus dimiliki oleh sistem pakar adalah kemampuan untuk menalar. Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan sudah tersedia program yang mampu mengakses basis data, maka komputer harus dapat diprogram untuk membuat inferensi. Proses inferensi ini dikemas dalam bentuk motor inferensi (inference engine).

Sebagian besar sistem pakar komersial dibuat dalam bentuk rule-based sistems, yang mana pengetahuan disimpan dalam bentuk aturan-aturan. Aturan tersebut biasanya berbentuk IF-THEN (Kusumadewi, 2003, hal: 111-112).

2.1.4

Struktur Sistem Pakar

Sistem pakar terdiri dari dua bagian pokok, yaitu: lingkungan pengembangan (development

environment)

dan

lingkungan

konsultasi

(consultation

environment).

Lingkungan pengembangan digunakan sebagai pembangun sistem pakar baik dari segi pembangunan komponen maupun basis pengetahuan. Lingkungan konsultasi digunakan oleh seseorang yang bukan ahli untuk berkonsultasi. Gambar 2.1 berikut ini merupakan struktur dari sistem pakar (Kusumadewi, 2003, hal: 113-115).


Gambar 2.2 Struktur Sistem Pakar

Komponen-komponen yang terdapat dalam arsitektur/struktur sistem pakar: 1. Antarmuka Pengguna (User Interface) Antarmuka 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. Selain itu antarmuka menerima dari sistem dan menyajikannya ke dalam bentuk yang dapat dimengerti oleh pemakai. 2. Basis Pengetahuan Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. 3. Akuisisi Pengetahuan (Knowledge Acquisition) Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian dalam menyelesaikan masalah dari sumber pengetahuan ke dalam program komputer. Dalam tahap ini knowledge engineer berusaha menyerap pengetahuan untuk selanjutnya ditransfer ke dalam basis pengetahuan. Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian, dan pengalaman pemakai. 4. Mesin/Motor Inferensi (Inference Engine)


Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin inferensi adalah program komputer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace, dan untuk memformulasikan kesimpulan. 5. Workplace/Blackboard Workplace merupakan area dari sekumpulan memori kerja (working memory), digunakan untuk merekam kejadian yang sedang berlangsung termasuk keputusan sementara. 6. Fasilitas Penjelasan Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar, digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan. 7. Perbaikan Pengetahuan Pakar memiliki kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya. Kemampuan tersebut adalah penting dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya dan juga mengevaluasi apakah pengetahuan-pengetahuan yang ada masih cocok untuk digunakan di masa mendatang.

2.2 Faktor Kepastian

Dalam menghadapi suatu masalah, sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini bias berupa probabilitas atau kebolehjadian yang bergantung pada hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh dua faktor, yaitu aturan yang tidak pasti dan jawaban yang tidak pasti. Hal ini sangat mudah dilihat pada sistem diagnosis penyakit, dimana pakar tidak dapat mendefinisikan hubungan antara gejala dengan penyebabnya secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan pasti pula. Pada akhirnya ditemukan banyak kemungkinan penyakit.


2.2.1

Ketidakpastian

Ada tiga penyebab ketidakpastian aturan, yaitu aturan tunggal, penyelesaian konflik, dan ketidakcocokan antarkonsekuensi dalam aturan. Aturan tunggal yang dapat menyebabkan ketidakpastian dipengaruhi oleh tiga hal, yaitu kesalahan, probabilitas, dan kombinsai gejala.

Probabilitas disebabkan ketidakmampuan seorang pakar merumuskan suatu aturan secara pasti. Misalnya, jika seseorang mengalami sakit kepala, demam, dan bersin ada kemungkinan orang tersebut terserang penyakit flu, tetapi bukan berarti apabila seseorang mengalami gejala tersebut pasti terserang flu. Hanya karena aturan tunggalnya benar, belum tentu menjamin suatu jawaban bernilai benar. Hal ini masih dipengaruhi oleh kompatibilitas aturan. Inkompabilitas suatu aturan disebabkan oleh beberapa hal, yaitu:

a. Kontradiksi aturan, misalnya: Aturan 3.1 : jika anak demam maka harus dikompres. Aturan 3.2 : jika anak demam maka jangan dikompres. b. Subsumsi aturan, misalnya: Aturan 3.3 : jika e1 maka h Aturan 3.4 : jika e1 dan e2 maka h Jika hanya e1 yang muncul, maka masalah tidak akan timbul karena aturan yang akan muncul adalah aturan 3.3, tetapi apabila e1 dan e2 sama-sama muncul, maka kedua aturan (3.3 dan 3.4) sama-sama akan dijalankan. c. Redundancy aturan, misalnya Aturan 3.5 : jika e1 dan e2 maka h Aturan 3.6 : jika e2 dan e1 maka h Dalam kasus ini terdapat aturan yang berbeda, namun memiliki makna yang sama. d. Kehilangan aturan, misalnya: Aturan 3.7 : jika e4 maka h Ketika e4 diabaikan maka h tidak pernah tersimpulkan. e. Penggabungan data, misalnya pada diagnosis kesehatan. Seorang dokter dapat menyimpulkan suatu penyakit tidak hanya berdasarkan anamnesis tetapi juga hasil tes laboratorium, pemeriksaan kondisi tubuh, sejarah penyakit, dan lain-


lain. Untuk itu diperlukan penggabungan semua data untuk dapat menyimpulkan suatu penyakit.

2.2.2

Pengertian Faktor Kepastian

Factor kepastian diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN. Certainty factor merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Certainty factor didefinisikan sebagai berikut:

CF(H, E) = MB(H, E) – MD(H, E)

Dimana: CF(H, E) : certainty factor dari hipotesis H yang dipengaruhi oleh gejala E. besarnya CF berkisar antara -1 sampai dengan 1. Nilai -1 menunjukkan ketidakpercayaan mutlak, sedangkan nilai 1 menunjukkan kepercayaan mutlak. MB(H, E) : ukuran kenaikan kepercayaan terhadap hipotesis H yang dipengaruhi oleh gejala E. MD(H, E) : ukuran kenaikan ketidakpercayaan terhadap hipotesis H yang dipengaruhi oleh gejala E.

2.2.3

Menentukan Certainty factor Paralel dan Certainty factor Sequential

CF paralel merupakan CF yang diperoleh dari beberapa premis pada sebuah aturan. Besarnya CF sequential dipengaruhi oleh CF user untuk masing masing premis dan operator dari premis. Rumus untuk masing-masing adalah:

CF( x Dan

y) = Min(CF(x),CF(y))

CF( x Atau

y) = Max(CF(x),CF(y))

CF(Tidak

x) = -CF(x)


Bentuk dasar rumus certainty factor sebuah aturan JIKA E MAKA H ditunjukkan oleh rumus:

CF (H, e) = CF(E, e)*CF(H, E)

Dimana: CF (H, e): certainty factor evidence E yang dipengaruhi oleh evidence e CF (E, e): certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E, e) = 1 CF (H, E): certainty factor yang dipengaruhi oleh evidence e

Jika semua evidence pada antecedent diketahui dengan pasti, maka rumusnya menjadi: CF (H, e) = CF (H, E)

2.3 Logika Fuzzy

Konsep logika fuzzy dicetuskan oleh Lotfi Zadeh, seorang profesor di University of California di Berkeley, dan dipresentasikan bukan sebagai metodologi kontrol, namun sebagai suatu cara pemrosesan data yang memperbolehkan anggota himpunan parsial dari pada anggota himpunan kosong atau non anggota. Pendekatan ini pada teori himpunan tidak diaplikasikan untuk mengontrol sistem sampai tahun 70-an karena kurangnya kemampuan komputer mini pada saat itu. Professor Zadeh beralasan bahwa masyarakat tidak butuh ketepatan, input informasi numeris, dan mereka belum sanggup dengan kontrol adaptif yang tinggi. Jika kembalian dari kontroler dapat diprogram untuk menerima noisy, input yang tidak diteliti, mereka akan lebih efektif dan lebih mudah diimplementasikan.

2.3.1

Himpunan Fuzzy

Sebuah himpunan fuzzy dari semesta U dikelompokkan oleh fungsi keanggotaan µA(x) yang berada pada nilai antara [0, 1]. Fungsi keanggotaan dari himpunan klasik hanya memiliki 2 nilai yaitu 0 dan 1, sedangkan fungsi keanggotaan himpunan fuzzy merupakan fungsi kontiniu dengan range [0, 1].


2.3.2

Fungsi Keanggotaan

Fungsi keanggotaan adalah sebuah representasi grafis dari besarnya partisipasi masing-masing input. Fungsi keanggotaan dihubungkan dengan pembobotan masing-masing input yang diproses, definisi pencocokan fungsi antar input dan penentuan respon keluar. a. Representasi Kurva Trapesium Kurva Trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa

titik

yang memiliki nilai keanggotaan 1. Fungsi keanggotaan:

y 1 derajat keanggotaan µ[x] 0

x a

b

c

d

domain

Gambar 2.3 Representasi kurva trapesium

Sebagai contoh dalam menentukan fungsi keanggotaan, diberikan himpunan semesta U adalah umur manusia antara [0, 100]. Seseorang dikatakan tua jika dia berumur lebih dari 50 tahun. Sedangkan orang yang berumur 30 tahun atau kurang, dianggap tidak tua. Grafik fungsi keanggotaan untuk menggambarkan besarnya derajat ketuaan seseorang ditunjukkan oleh gambar berikut :


1 f(x)

0

30

50

100

Gambar 2.4 : Fungsi Keanggotaaan Tua

Sedangkan fungsi keanggotaannya ditunjukkan oleh rumus:

Jika diketahui seseorang memiliki umur 35 tahun, maka dapat diketahui derajaat ketuaannya adalah sebesar (35-30)/20 yaitu 0.25.

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.


Bahu Kiri

Bahu Kanan

y 1 derajat keanggotaan µ[x]

0

x

Gambar 2.5 : Representasi kurva bahu

2.4 Metode Kuantifikasi Pertanyaan

Metode kuantifikasi pertanyaan merupakan metode untuk mendapatkan nilai faktor kepastian dari pengguna terhadap suatu evidence dengan mengkuantifikasi pertanyaan. Untuk mendapatkan nilai kepercayaan maka akan diajukan pertanyaan pertanyaan kepada pasien.

2.4.1

Representasi Pengetahuan

Pola umum aturan untuk melakukan diagnosis suatu gejala penyakit adalah sebagai berikut: Operator_aturan_1 data_1 dengan kuantitas Operator_kuantitas_1 Kuantitas_1 toleransi Toleransi_kuantitas_1

selama

Operator_waktu_1

Waktu_1

toleransi

Toleransi_waktu_1 Operator_aturan_2 data_2 dengan kuantitas Operator_kuantitas_2 Kuantitas_2 toleransi Toleransi_kuantitas_2

selama

Operator_waktu_2

Waktu_2

toleransi

Toleransi_waktu_2 . . .


Operator_aturan_n data_n dengan kuantitas Operator_kuantitas_n Kuantitas_n toleransi Toleransi_kuantitas_n

selama

Operator_waktu_n

Waktu_n

toleransi

Toleransi_waktu_n

Operator_aturan merupakan operator logika yang menghubungkan satu premis dengan premis lain dalam suatu aturan. Operator_aturan yang diizinkan dalam metode ini yaitu: jika, jika tidak, dan, dan tidak, atau, dan atau tidak. Sesuai hukum logika, untuk premis pertama dari sebuah aturan hanya boleh menggunakan operator_aturan ‘jika’ dan ‘jika tidak’, sedangkan operator_aturan yang lain digunakan untuk premis selain premis pertama.

Data adalah premis dan juga kesimpulan dari suatu aturan. Operator_kuantitas dan operator_waktu terdiri atas operator =, >=, <=. Aturan-aturan diagnosis tersebut bersumber dari pakar. Pakar akan memasukkan pengetahuan yang dimilikinya ke format yang disediakan.

2.4.2

Menentukan Certainty factor Pengguna

Certainty factor pengguna diperoleh dari jawaban pengguna saat melakukan konsultasi. Certainty factor tidak secara langsung diberikan oleh pengguna, tetapi dihitung oleh sistem berdasarkan jawaban pengguna.

Pilihan jawaban yang disediakan oleh sistem berupa jawaban tidak tahu (CF=0), ya (CF=1), dan tidak (CF= -1). Tetapi apabila aturan yang mengandung fungsi kuantitas dan waktu, maka CF akan dihitung sebesar gabungan derajat keanggotaan dari fungsi karakteristik kuantitas dan derajat keanggotaan dari fungsi karakteristik waktu.

Sesuai dengan jenis operatornya, ada tiga macam fungsi karakteristik untuk kuantitas dan waktu. Grafik fungsi dan rumus operator ‘=’ dapat dilihat pada gambar di bawah.


100 90 80 70 60 50 40 30 20 10 0 Nilai-toleransi

Nilai

Nilai+toleransi

Gambar 2.6 : Grafik Fungsi Operator ‘=’

dengan x

= Kuantitas/waktu yang dialami user

nilai

= Nilai kuantitas/waktu standar

Toleransi

= Toleransi kuantitas/waktu


Grafik fungsi dan rumus operator ‘>=’ dapat dilihat pada gambar di bawah ini. 100 90 80 70 60 50 40 30 20 10 0 Nilai+toleransi

Nilai

Gambar 2.7 : Grafik Fungsi Operator ‘>=’

dengan x


nilai


Toleransi



Grafik fungsi dan rumus operator ‘<=’ dapat dilihat pada gambar di bawah ini. 100 90 80 70 60 50 40 30 20 10 0 Nilai

Nilai+toleransi

Gambar 2.8 : Grafik Fungsi Operator ‘<=’

dengan x


nilai


Toleransi


Untuk mendapatkan CF user, dilakukan perhitungan interpretasi standar dari interseksi antara CF kuantitas dan CF waktu yang ditunjukkan oleh rumus berikut:

CFUser (x) = Min(CFKuantitas (x), CFWaktu (x))


2.5 Gangguan Autistik

Sejak pertama kali diketahui, gangguan autistik telah memiliki aura yang sangat mistis. Sindrom tersebut diidentifikasi pada tahun 1943 oleh seorang psikiater di Harvard, Leo Kanner, yang suatu saat dalam pelaksanaan pekerjaan klinisnya mengamati bahwa sebelas anak yang mengalami gangguan menunjukkan perilaku yang tidak ditemukan pada anak-anak dengan retardasi mental atau skilzofrenia. Ia menamai sindrom tersebut gangguan autistik infantile dini karena dia mengamati bahwa “sejak awal terdapat suatu kesendirian autistik ekstrim yang, kapanpun memungkinkan, tidak memerdulikan, mengabaikan, menutup diri dari segala hal yang berasal dari luar dirinya”.

Kanner menganggap kesendirian autistik merupakan simtom fundamental. Ia juga menemukan bahwa sejak awal kehidupan mereka kesebelas anak tersebut tidak mampu berhubungan dengan orang lain secara wajar. Mereka memiliki keterbatasan yang parah dalam bahasa, dan memiliki keinginan obsesif yang kuat agar segala sesuatu yang berkaitan dengan mereka tetap persis sama. Terlepas dari deskripsi awal oleh Kanner dan yang lain, gangguan autistik tidak dimasukkan dalam klasifikasi diagnostik resmi hingga terbitnya DSM III pada tahun 1980. Dalam penelitian berikutnya, terdapat lima frekuensi yang bisa dijadikan acuan untuk memantau perkembangan autisme, yaitu tidak pernah, jarang, sering, sangat sering, dan hampir selalu.

Autis adalah kelainan perkembangan anak yang masuk dalam kelompok Pervasive Development Disorder (PDD), PDD merupakan kelompok kelainan perkembangan pada anak yang sifatnya luas dan kompleks, mencakup aspek interaksi sosial, kognisi, bahasa dan motorik.

Hampir 80 persen anak-anak autistik memiliki skor di bawah 70 pada berbagai tes intelegensi standar. Karena sejumlah besar anak-anak yang menderita gangguan autistik juga mengalami retardasi mental, kadang sulit membedakan kedua disabilitas tersebut (Gerald C. Davidson, 2005, hal 719).

Meskipun demikian, terdapat beberapa perbedaan penting di antara keduanya. Meskipun anak-anak dengan retardasi mental biasanya memiliki skor rendah dalam semua


bagian dari dari suatu tes intelegensi, skor anak-anak dengan gangguan autistik dapat memiliki pola yang berbeda. Secara umum anak-anak dengan gangguan autistik lebih buruk dalam mengerjakan tugas-tugas yang memerlukan pemikiran abstrak, simbolisme, atau logika sekuensial yang kesemuanya berhubungan dengan kelemahan bahasa mereka. Mereka biasanya mendapatkan nilai yang lebih baik pada berbagai item yang memerlukan keterampilan visual-spasial, seperti mencocokkan rancangan dalam tes-tes rancangan balok dan merakit objek yang belum dirakit. Kadang mereka dapat memiliki keahlian khusus yang mencerminkan talenta besar, seperti kemampuan mengalikan dua angka empat digit dengan cepat tanpa alat bantu apapun. Mereka juga memiliki memori jangka panjang yang luar biasa, mampu mengingatdengan tepat syair sebuah lagu yang didengar bertahun-tahun lalu.

Perkembangan sensomotorik merupakan bidang kekuatan relatif yang terbesar pada anakanak dengan gangguan autistik. Anak-anak tersebut, yang dapat menunjukkan kelemahan berat dan sangat berat dalam kemampuan kognitif, dapat cukup elegan dan ahli dalam berayun, memanjat, atau keseimbangan, sementara anak-anak dengan retardasi mental jauh lebih lambat dalam perkembangan motorik kasar, seperti belajar berjalan.

2.5.1

Gangguan Sosial dan Emosional

Anak-anak autistik bukan menarik diri dari masyarakat, mereka memang tidak pernah sepenuhnya bergabung dengan masyarakat. Normalnya, bayi menunjukkan tanda-tanda kelekatan, biasanya kepada ibunya, sejak usia 3 bulan. Pada anak-anak dengan gangguan autistik kelekatan dini terdebut kurang terlihat. Orang tua dengan anak autis harus berusaha lebiih keras untuk melakukan kontak dan berbagi kasih saying dengan mereka. Anak-anak autis jarang berusaha melibatkan orang tua mereka dalam bermain, dan mereka tidak menunjuk, menunjukkan, atau berbagi objek mainan mereka dengan orang lain.

Anak-anak dengan gangguan autistik tampak mengalami masalah keterampilan sosial yang berat. Mereka jarang mendekati orang lain, dan pandangan mata mereka seolah melewati orang lain atau membalikkan badan memunggungi mereka. Hanya sedikit anak dengan gangguan autistik yang lebih dahulu mengajak anak-anak lain untuk bermain, dan mereka biasanya tidak responsif terhadap siapapun yang mendekati mereka. Anak-anak dengan gangguan autistik kadang melakukan kontak mata, namun pandangan mata mereka


maemiliki kualitas yang tidak wajar. Anak-anak yang berkembang secara normal menatap untuk mendapatkan perhatian orang lain atau untuk mengarahkan perhatian orang lain tersebut ke suatu objek. Anak-anak dengan gangguan autistik umumnya tidak demikian, mereka hanya menatap saja.

2.5.2

Kekurangan Komunikasi

Bahkan sebelum mereka menguasai bahasa, anak-anak autistik mmenunjukkan kelemahan dalam komunikasi. Mengoceh, istilah yang menggambarkan ucapan bayi sebelum mereka mulai mengucapkan kata-kata sebenarnya, jarang dilakukan pada bayi dengan gangguan autistik dan menyampaikan lebih sedikit informasi dibandingkan pada bayi-bayi lain.

Salah satu cirinya adalah ekolalia, dimana si anak mengulangi, biasanya dengan ketepatan yang luar biasa, perkataan orang lain yang didengarnya. Seorang guru dapat bertanya kepada seorang anak autistik, “Apakah kamu ingin sepotong kue?” si anak dapat menjawab dengan kalimat “Apakah kamu ingin sepotong kue?”. Ini merupakan ekolalia langsung. Dalam ekolalia tertunda si anak dapat berada di ruangan dengan televisi menyala dan tampaknya sama sekali tidak tertarik pada acara televisi. Beberapa jam kemudian atau bahkan keesokan harinya, si anak dapat mengulang satu kata atau kalimat dalam program televisi tersebut.

2.5.3

Tindakan Repetitif dan Ritualistik

Anak-anak dengan gangguan autistik dapat menjadi sangat marah bila terjadi perubahan dalam rutinitas harian dan situasi sekeliling mereka. Susu yang diberikan dengan gelas yang berbeda atau perubahan letak perabotan dapat membuat mereka menangis atau memicu temper tantrum. Seorang anak harus disapa dengan serangkaian kalimat “Selamat pagi Lily, Aku sangat, sangat senang melihatmu.” Jika ada satu kata saja, bahkas satu kata “sangat,” yang tidak diucapkan, atau ada penambahan kata, si anak akan menjerit-jerit.


2.5.4

Karakteristik Gangguan Autistik

Berdasarkan DSM-IV (Diagnostic and Statistical Manual of Mental Disorder Edition) ada beberapa kriteria gangguan autistik, yaitu: A. Harus ada total 6 gejala dari (1),(2) dan (3), dengan minimal 2 gejala dari (1) dan masingmasing 1 gejala dari ( 2 ) dan (3) : 1. Kelemahan kualitatif dalam interaksi sosial, yang termanifestasi dalam sedikitnya 2 dari beberapa gejala berikut ini : a. Kelemahan dalam penggunaan perilaku nonverbal, seperti kontak mata, ekspresi wajah, sikap tubuh, gerak tangan dalam interaksi sosial. b. Kegagalan dalam mengembangkan hubungan dengan teman sebaya sesuai dengan tingkat perkembangannya. c. Kurangnya kemampuan untuk berbagi perasaan dan empati dengan orang lain. d. Kurang mampu mengadakan hubungan sosial dan emosional yang timbal balik. 2. Kelemahan kualitatif dalam bidang komunikasi. Minimal harus ada 1 dari gejala berikut ini: a. Perkembangan bahasa lisan (bicara) terlambat atau sama sekali tidak berkembang dan anak tidak mencari jalan untuk berkomunikasi secara non verbal. b. Bila anak bisa bicara, maka bicaranya tidak digunakan untuk berkomunikasi c. Sering menggunakan bahasa yang aneh, stereotype dan berulang-ulang. d. Kurang mampu bermain imajinatif ( make believe play) atau permainan imitasi sosial lainnya sesuai dengan taraf perkembangannya. 3. Pola perilaku serta minat dan kegiatan yang terbatas, berulang. Minimal harus ada 1 dari gejala berikut ini : a. Preokupasi terhadap satu atau lebih kegiatan dengan fokus dan intensitas yang abnormal/berlebihan. b. Terpaku pada suatu kegiatan ritualistik atau rutinitas c. Gerakan-gerakan fisik yang aneh dan berulang-ulang seperti menggerakgerakkan tangan, bertepuk tangan, menggerakkan tubuh. e. Sikap tertarik yang sangat kuat/ preokupasi dengan bagian-bagian tertentu dari obyek.


B. Keterlambatan atau abnormalitas muncul sebelum usia 3 tahun minimal pada salah satu bidang (1) interaksi sosial, (2) kemampuan bahasa dan komunikasi, (3) cara bermain simbolik dan imajinatif. C. Bukan disebabkan oleh Sindroma Rett atau Gangguan Disintegratif Masa Kanak- kanak.

Gangguan yang muncul di semua bidang yang sudah disebutkan diatas juga sangat dipengaruhi oleh IQ (tingkat kecerdasan) mereka, sehingga klasifikasi anak autis saat ini bisa dibuat berdasarkan kemampuan interaksi sosialnya dan tingkat intelegensinya. Berdasarkan interaksi sosial dibagi menjadi tipe aloof (klasik, memojokan diri, berada di dunia sendiri), pasif (seperti mau bergabung tapi tidak interaktif), aktif dengan perilaku aneh (hiperaktif). Berdasarkan tingkat intelegensinya, anak autis dibagi menjadi low functioning, middle functioning dan high functioning, dimana kompleksitas gejala pada masing-masing anak sangat erat hubungannya dengan level IQ anak autis.

Menentukan intelegensia anak autis sulit tapi bukan berarti tidak bisa dilakukan, pemeriksaan yang saat ini sudah bisa mengakomodasi untuk pemeriksaan yaitu The Griffith Mental Developmental Scales, yang menilai lima area penilaian yaitu locomotor, personal– social, Hearing & speech, Eye & hand coordination, performance, practical reasoning. Hasil pemeriksaan ini didapat dalam bentuk nilai (angka) yang akan menunjukkan skala IQ seorang anak. Seorang anak autis yang sudah dilakukan pemeriksaan Griffith dan bisa diklasifikasikan sesuai dengan potensi dasar yang dimilikinya, bisa kita berikan intervensi dan terapi sampai akhirnya jenis pendidikan dan wadah pendidikan yang memungkinkan bagi mereka.

2.6 PHP Script

PHP adalah suatu bahasa pemrograman open source yang digunakan secara luas terutama untuk pengembangan web dan dapat disimpan dalam bentuk HTML. Keuntungan utama menggunakan PHP adalah script PHP tidak hanya benar-benar sederhana bagi pemula, tetapi juga menyediakan banyak fitur tambahan untuk programer profesional (Komputer, 2006, hal: 11-13).


Script PHP dapat digunakan dalam tiga hal, yaitu:

1. Penulisan program server side. Hal ini adalah target utama PHP. Diperlukan tiga hal agar script PHP dapat bekerja antara lain, PHP parser (CGI atau server module), server web (misal, Apache), dan browser web. 2. Penulisan program command line. Script PHP dapat berjalan tanpa server atau browser. Hanya diperlukan PHP parser dalam bentuk command line. 3. Penulisan program untuk aplikasi desktop. PHP mungkin bukan bahasa yang sangat baik untuk membuat suatu aplikasi desktop dengan tampilan grafis yang user friendly, dengan penambahan fitur tambahan PHP pada aplikasi client side atau menggunakan PHP-GTK. PHP-GTK merupakan fitur tambahan pada PHP dan tidak tersedia pada distribusi utama.

Secara singkat, kelebihan-kelebihan PHP meliputi:

1. Script PHP sederhana, mudah dibuat, dan mempunyai kecepatan akses tinggi. 2. Dapat berjalan dalam server web yang berbeda dan dalam sistem operasi yang berbeda. PHP dapat berjalan pada sistem operasi Linux/Unix, Windows, dan Macintosh. 3. Bersifat open source sehingga diterbitkan secara gratis. 4. Dapat berjalan pada server web Microsoft Personal Web Server, Apache, IIS, Xitami dan sebagainya. 5. Termasuk bahasa yang embedded (bisa ditempel atau diletakkan dalam tag HTML).


BAB II LANDASAN TEORI

Recommend Documents