4

BAB II

TINJAUAN PUSTAKA DAN LANDASAN TEORI

2.1. Tinjauan Pustaka

Penelitian dengan judul “Sistem Pakar Hipertensi Dengan Algoritma

C5.0 dan Logika Fuzzy”, dalam penelitian ini dibahas tentang Sistem Pakar

hipertensi. Sistem ini diharapkan dapat membantu pengguna untuk mengambil

keputusan terbaik dalam memecahkan masalah yang mereka hadapi. bidang medis

adalah salah satu daerah di mana sistem pakar yang dibutuhkan dalam hal

mengambil keputusan, seperti mendiagnosis dan treatment. Hipertensi merupakan

salah satu penyakit medis yang dapat didiagnosis dari melihat karakteristik fisik

pasien dan gaya hidup pasien. Di samping menggunakan ahli pengetahuan dalam

proses mendiagnosis, kami juga menggabungkan dengan algoritma C5.0 dan logika

fuzzy untuk mendapatkan hasil yang tepat. Algoritma C5.0 digunakan untuk

membuat pohon keputusan berdasarkan para ahli, sementara logika fuzzy digunakan

untuk mengkategorikan jenis penyakit hipertensi yang diderita oleh pasien dan

meningkatkan tingkat akurasi dari sistem mendiagnosis. Ketepatan kombinasi

antara algoritma C5.0 dan logika fuzzy adalah sekitar 97,19% (Ardi Yasa, Putra, &

Mandenni, 2014).

Penelitian dengan judul “Sistem Pakar Pemilihan Obat Antihipertensi

dan Interaksi Obat Atau Makanan”, dalam penelitian ini dibahas tentang

penggunaan obat hipertensi baik tunggal maupun kombinasi jumlah obat

antihipertensi yang dikonsumsi. Masih ditemui beberapa permasalahan selama ini

yaitu keterbatasan dokter untuk mengingat jenis, kegunaan, efek samping dan

interaksi yang mungkin terjadi dari obat antihipertensi dan kurangnya pengetahuan

penderita mengenai interaksi merugikan dari kandungan obat antihipertensi yang

dikonsumsi. Solusi yang ditawarkan dari permasalahan tersebut adalah

menggunakan sistem pakar pemilihan obat antihipertensi dan interaksi obat-

makanan yang bekerja memberikan pilihan obat sesuai dengan klasifikasi

5

hipertensi, penyakit penyerta, kondisi dan kontraindikasi sesuai dengan tata

laksana hipertensi JNC 7 (Nurhayati, Kusumadewi, & Miladiyah, 2016).

Penelitian dengan judul “Sistem Pakar Fuzzy Untuk Diagnosis Kanker

Payudara Menggunakan Metode Mamdani”, dalam penelitian ini dibahas

tentang diagnosis kanker payudara. Kanker payudara merupakan salah satu

penyakit kanker yang paling banyak menyebabkan kematian pada penderitanya.

Pada penelitian ini dikembangkan sistem pakar fuzzy untuk diagnosis kanker

payudara menggunakan metode Mamdani, dengan data masukan berupa atribut

BIRADS (Breast Imaging-Reporting and Data System), Shape, dan Margin dari

data set mammografik dalam bentuk numerik. Terdapat 3 tahap utama dalam

pengembangan perangkat lunak ini, yaitu: fuzzifikasi, inferensi, dan defuzzifikasi,

dengan menggunakan metode Mamdani pada tahap inferensi. Pada metode

Mamdani, digunakan operator konjungsi dan disjungsi. Pada tahap defuzzifikasi,

digunakan metode Centroid untuk mendapatkan keluaran yang bernilai crisp. Basis

aturan yang digunakan pada penelitian ini sebanyak 125 aturan. Penelitian ini

menghasilkan suatu perangkat lunak yang dapat menghasilkan diagnosa kanker

payudara dengan tingkat sensitivity mencapai 84% dan tingkat specificity mencapai

91%. Perangkat lunak ini juga dapat digunakan sebagai alat pembelajaran untuk

mahasiswa kedokteran (Primartha & Fathiyah, 2013).

Penelitian dengan judul “Sistem Pendukung Keputusan Untuk

Menentukan Status Gizi Balita Menggunakan Metode Fuzzy Inferensi Sugeno

(Berdasarkan Metode Antropometri)”, dalam penelitian ini dibahas tentang

Status gizi pada balita. Gizi balita merupakan salah satu dasar acuan perkembangan

anak. Untuk melakukan pemeriksaan gizi balita diperlukan buku Kartu Menuju

Sehat (KMS) yang digunakan pedoman dasar tumbuh kembang balita. Pemeriksaan

gizi pada balita menggunakan KMS digunakan standar antropometri dalam

penentuan status gizinya. Dalam Penentuan status gizi, terdapat empat kategori

yang dijadikan standar yaitu umur balita, berat balita, tinggi balita dan jenis kelamin

balita. Sedangkan dalam penelitian ini selain menggunakan antropometri juga

digunakan metode inferensi fuzzy sugeno dalam penentuan status gizi pada balita.

6

Berdasarkan hasil pengujian terhadap sistem pendukung keputusan (SPK) status

gizi yang telah dibangun dengan menggunakan metode fuzzy sugeno dan pengujian

menggunakan standar baku antropometri memiliki hasil 84% dari 25 data yang

diujikan terdapat 4 yang tidak sesuai, sehingga dapat disimpulkan bahwa unjuk

kerja sistem berhasil (Romadhon & Purnomo, 2016).

Penelitian dengan judul “Perancangan Sistem Pakar Fuzzy Untuk

Pengenalan Dini Potensi Terserang Stroke Berbasis Web”, dalam penelitian ini

dibahas tentang Sistem Pakar Pengenalan Dini Potensi Terserang Stroke dengan

logika fuzzy. Penerapan logika fuzzy dalam sistem pakar bertujuan untuk

merepresentasikan pengetahuan seorang pakar pada lingkungan yang tidak pasti

dan sangat kompleks. Sistem inferensi fuzzy menggunakan Metode Mamdani (max-

min) dengan 4 tahapan utama, yaitu: pembentukan himpunan fuzzy, aplikasi fungsi

implikasi, komposisi aturan dan penegasan. Fungsi implikasi yang digunakan

adalah Min dengan komposisi aturan yang digunakan adalah metode Max. Proses

defuzzifikasi menggunakan Metode Centroid of Gravity (CoG), yaitu solusi tegas

diperoleh dengan cara mengambil titik pusat dari hasil komposisi aturan yang telah

didapatkan. Permasalahan yang di bahas yaitu untuk mengetahui potensi stroke

seseorang melalui sistem pakar fuzzy. Hasil ini nantinya akan menunjukkan apakah

seseorang memiliki potensi terserang stroke atau tidak. Faktor yang digunakan

adalah tingkat stres, usia, berat ideal, tekanan darah, kolesterol, kadar gula darah

dan intensitas merokok. Sistem ini akan diimplementasikan dengan sistem berbasis

web sehingga seseorang dapat mengetahui kemungkinan potensi stroke dan dapat

segera menghindarinya (Pandiangan, Irawan, & Rukmi, 2013).

Penelitian ini fokus terhadap pengembangan sebuah sistem pakar untuk

menentukan tingkat resiko penyakit hipertensi dengan Inferensi Fuzzy (Mamdani).

Penerapan metode mamdani dapat dilakukan dalam form diagnosa penyakit,

dimana dibagi menjadi tiga langkah untuk menentukan tingkat resiko penyakit

berdasarkan faktor-faktor resiko, yaitu : mendefinisikan variabel, inferensi, dan

defuzzifikasi (menentukan output crisp).

7

Dalam mendefinisikan variabel fuzzy maka ditentukan variabel kemudian

dicari nilai keanggotaan himpunannya menggunakan fungsi keanggotaan dengan

memperhatikan nilai maksimum dan nilai minimum data, antara lain : variabel

umur, variabel tekanan darah sistol, variabel tekanan darah diastol, variabel BMI

dan variabel riwayat keluarga. Proses selanjutnya adalah mengkombinasikan

himpunan-himpunan fuzzy tersebut sehingga diperoleh aturan fuzzifikasinya.

Berdasarkan aturan fuzzy yang didapat, akan ditentukan nilai α dan Z untuk masing-

masing aturan. α adalah nilai keanggotaan anteseden dari setiap aturan, sedangkan

Z adalah nilai perkiraan potensi untuk diagnosa penyakit dari setiap aturan. Tahap

terakhir adalah defuzzifikasi, yaitu menentukan output dari proses komposisi

aturan-aturan fuzzy. Metode yang digunakan dalam proses defuzzifikasi pada

penelitian ini adalah Metode Largest of Maximum (LOM).

2.2. Landasan Teori

2.2.1. Tekanan Darah

Tekanan darah (BP=blood pressure) yang dinyatakan dalam milimeter

(mm) merkuri (Hg) adalah besarnya tekanan yang dilakukan oleh darah pada

dinding arteri (McGowan, 2001). Desakan darah tersebut dipompa dari jantung ke

jaringan. Tekanan darah mirip dengan tekanan dari air (darah) di dalam pipa air

(arteri). Makin kuat aliran yang keluar dari keran (Jantung) makin besar tekanan

dari air terhadap dinding pipa. Jika pipa tertekuk atau mengecil diameternya (seperti

pada aterosklerosis), maka tekanan akan sangat meningkat (Hull, 1993).

Tekanan darah adalah tekanan yang ditimbulkan pada dinding arteri.

Tekanan puncak terjadi saat ventrikel berkontraksi dan disebut tekanan sistolik.

Tekanan diastolik adalah tekanan terendah yang terjadi saat jantung beristirahat.

Tekanan darah biasanya digambarkan sebagai rasio tekanan sistolik terhadap

tekanan diastolik, dengan nilai dewasa normalnya berkisar dari 100/60 sampai

140/90. Rata-rata tekanan darah normal biasanya 120/80 (Smeltzer & Bare, 2001).

Pada pemeriksaan tekanan darah akan didapat dua angka. Angka yang lebih

tinggi diperoleh pada saat jantung berkontraksi (sistolik), dan angka yang lebih

8

rendah diperoleh pada saat jantung berelaksasi (diastolik) (Ruhyanudin, 2007).

Tekanan darah sistolik adalah tekanan darah yang terjadi ketika otot jantung

berdenyut memompa darah sehingga darah terdorong ke luar dari jantung menuju

seluruh tubuh. Sedangkan tekanan darah diastolik adalah tekanan darah saat darah

memasuki jantung (Widharto, 2009).

Tekanan darah sangat bervariasi tergantung pada keadaan. Tekanan darah

akan meningkat saat aktivitas fisik, emosi, dan stres (Gray dkk, 2003). Hal ini

berubah-ubah sepanjang hari dan setelah situasi tersebut berlalu, tekanan darah

akan kembali menjadi normal (Hull, 1993). Tekanan darah biasanya paling tinggi

pada waktu pagi hari dan berkurang pada waktu malam hari, mencapai titik

terendah saat dini hari dan selama tidur (Ruhyanudin, 2007; Semple, 1992).

Terdapat dua macam kelainan tekanan darah, antara lain dikenal sebagai

hipertensi atau tekanan darah tinggi dan hipotensi atau tekanan darah rendah. Pada

umumnya yang lebih banyak dihubungkan dengan kelainan tekanan darah adalah

hipertensi, sedangkan hipotensi sering kali dihubungkan dengan kasus syok

(Masud, 1989).

1.2.2. Hipertensi

Hipertensi atau tekanan darah tinggi adalah tekanan darah yang disebabkan

oleh penekanan darah pada dinding pembuluh darah (arteri) ketika dipompa oleh

jantung. Darah dibawa dari jantung menuju ke seluruh tubuh melalui pembuluh

darah. Setiap kali jantung berdetak, jantung akan memompa darah sehingga

memunculkan tekanan terhadap setiap pembuluh darah (WHO, 2013).

2.2.2.1. Definisi Hipertensi

Hipertensi adalah suatu keadaan dimana seseorang mengalami peningkatan

tekanan darah diatas normal yang mengakibatkan peningkatan angka kesakitan

(morbiditas) dan angka kematian (mortalitas) (Triyanto, 2014). Sedangkan menurut

Joint National Commite on Detection, Evaluation and Treatment of High Blood

Pressure (JNC VII) hipertensi didefinisikan sebagai tekanan yang lebih tinggi atau

9

sama dengan 140/90 mmHg dapat diklasifikasikan sesuai derajat keparahannya

(Ruhyanudin, 2007).

Hipertensi merupakan penyakit kronik degeneratif yang banyak dijumpai

dalam praktek klinik sehari-hari (Simadibrata dkk, 2003). Penyakit hipertensi salah

satu faktor resiko yang paling berpengaruh terhadap penyakit jantung dan

pembuluh darah. Namun sering sekali penyakit hipertensi ini tidak menunjukkan

gejala, sehingga baru disadari bila telah menyebabkan gangguan organ seperti

gangguan fungsi jantung atau stroke. Hipertensi yang juga disebut sebagai silent

killer ini adalah suatu keadaan ketika tekanan darah di pembuluh darah meningkat

secara kronis. Hal tersebut dapat terjadi karena jantung bekerja lebih keras

memompa darah untuk memenuhi kebutuhan oksigen dan nutrisi tubuh (Kemenkes,

2014; Triyanto, 2014).

2.2.2.2. Klasifikasi Hipertensi

The Seven Of The Joint National Comitte on Prevention, Detection,

Evaluation and Treatment of High Blood Pressure (JNC 7) tahun 2003, membagi

hipertensi sebagai berikut :

1. Normal bila tekanan darah sistolik < 120 mmHg dan diastolik < 80 mmHg.

2. Prehipertensi bila tekanan darah sistolik 120 - 139 mmHg dan/atau diastolik

80 - 89 mmHg.

3. Hipertensi stadium 1 bila tekanan darah sistolik 140 - 159 mmHg dan

diastolik 90 - 99 mmHg.

4. Hipertensi stadium 2 bila tekanan darah sistolik ≥ 160 mmHg dan diastolik

≥ 100 mmHg.

2.2.2.3. Gejala Hipertensi

Individu yang menderita hipertensi kadang tidak menampakan gejala

sampai bertahun-tahun. Gejala bila ada menunjukan adanya kerusakan vaskuler,

dengan manifestasi yang khas sesuai sistem organ yang divaskularisasi oleh

pembuluh darah bersangkutan. Perubahan patologis pada ginjal dapat

10

bermanifestasi sebagai nokturia (peningkatan urinasi pada malam hari) dan

azetoma (peningkatan nitrogen urea darah (BUN) dan kreatinin. Keterlibatan

pembuluh darah otak dapat menimbulkan stroke atau serangan iskemik transien

yang bermanifestasi sebagai paralisis sementara pada satu sisi (hemiplegia) atau

gangguan tajam penglihatan (Wijayakusuma,2000).

Tekanan darah tinggi seringkali tidak menimbulkan keluhan-keluhan

langsung, tetapi lama-kelamaan dapat mengakibatkan berbagai penyakit. Tidak ada

tanda-tanda yang memperingatkan, namun lambat laun urat-urat nadi baik besar

maupun kecil dalam tubuh menjadi rusak (Dekker, 1996). Hanya kurang dari

sepersepuluh penderita tekanan darah tinggi yang menunjukkan adanya gejala dan

itu terjadi jika tekanan darah sangat tinggi (Semple, 1992).

Menurut Edward K Cung (1995), tidak ada gejala spesifik yang dapat

dihubungkan dengan peningkatan tekanan darah, selain penentuan tekanan arteri

oleh dokter yang memeriksa (Padila, 2013). Namun secara umum gejala yang

dikeluhkan oleh penderita hipertensi yaitu kegelisahan, jantung berdebar-debar,

pening, nyeri dada, sakit kepala, depresi dan lesuh (Wolff, 1984).

2.2.2.4. Faktor Resiko Hipertensi

Faktor-faktor resiko yang membuat seseorang lebih mungkin untuk terkena

hipertensi antara lain:

1. Usia

Faktor usia sangat berpengaruh terhadap hipertensi karena dengan

bertambahnya umur maka semakin tinggi mendapat resiko hipertensi.

Insiden hipertensi makin meningkat dengan meningkatnya usia. Ini sering

disebabkan oleh perubahan alamiah di dalam tubuh yang mempengaruhi

jantung, pembuluh darah dan hormon. Hipertensi pada yang berusia kurang

dari 35 tahun akan menaikkan insiden penyakit arteri koroner dan kematian

prematur (Julianti, 2005).

Tekanan darah meningkat sejalan dengan pertambahan umur.

Peningkatan tekanan darah biasanya terlihat setelah umur ≥ 40 tahun.

11

Kenaikan tekanan darah sistol menyebabkan prevalensi hipertensi

meningkat pada kelompok usia ≥ 40 tahun. Prevalensi hipertensi pada

kelompok umur > 60 tahun adalah sebesar 64,5% sedangkan pada kelompok

umur ≥ 65 tahun ke atas adalah 40% berupa kenaikan tekanan darah sistolik.

Sementara itu, prevalensi hipertensi pada kelompok umur < 40 tahun di

Indonesia

12

17,4% wanita. Di daerah perkotaan Semarang didapatkan 7,5% pada pria

dan 10,9% pada wanita. Sedangkan di daerah perkotaan Jakarta didapatkan

14,6 pada pria dan 13,7% pada wanita (Gunawan, 2001).

4. Obesitas

Obesitas adalah kelainan kompleks pengaturan nafsu makan dan

metabolisme energi yang dikendalikan oleh beberapa faktor biologik

spesifik. Secara fisiologis obesitas didefinisikan sebagai suatu keadaan

dengan akumulasi lemak tak normal atau berlebihan di jaringan adiposa

sehingga dapat menggangu kesehatan. BMI (Body Mass Index) merupakan

indikator yang paling sering digunakan, praktis, dan paling bermanfaat

untuk menentukan kelebihan berat badan atau obes (Sugondo dalam Buku

Ajar Ilmu Penyakit Dalam, 2006). Perhitungan BMI seperti pada

Persamaan 2.1.

𝐵𝑀𝐼 = 𝑏𝑒𝑟𝑎𝑡 𝑏𝑎𝑑𝑎𝑛

(𝑡𝑖𝑛𝑔𝑔𝑖 𝑏𝑎𝑑𝑎𝑛 ∗ 𝑡𝑖𝑛𝑔𝑔𝑖 𝑏𝑎𝑑𝑎𝑛) / 100

Persamaan 2. 1

Penurunan berat badan dan pengaturan berat badan adalah

pengobatan efektif untuk hipertensi. Dengan menurunnya berat badan,

maka volume darah total pun menurun sehingga hormon – hormon yang

berkaitan dengan tekanan darah akan berubah dan menyebabkan tekanan

darah menurun (Hull, 1996).

Anak dan dewasa yang kegemukan menderita lebih banyak

hipertensi dan penambahan berat badan biasanya diikuti oleh kenaikan

tekanan darah. Walaupun kalori tambahan yang bertanggung jawab bagi

kenaikan berat badan, namun dapat menginduksi hipertensi karena ia

membawa natrium tambahan (Kaplan dan Stamler, 1991).

Terdapat banyak studi krosseksional yang menunjukkan korelasi

yang kuat antara tekanan darah dan level berat badan relatif. Korelasi ini

bukan hanya terjadi pada orang dewasa tetapi juga terjadi pada anak muda.

13

Data dari Evans Country, Georgia, AS menunjukkan bahwa orang yang

mengalami kelebihan berat badan dari awal dan tidak menurunkan berat

badannya memiliki resiko 6 kali lebih besar untuk menderita hipertensi

dibandingkan orang kurus dan tetap kurus (WHO, 1983) seperti pada

Tabel 2.1.

Tabel 2. 1 Klasifikasi Indek Masa Tubuh (IMT) Orang Dewasa

Klasifikasi IMT

Underweight < 18,5

Normal 18,5 - 24,99

Overweight ≥ 25

Preobese 25,00 - 29,99

Obese Class I 30,00 - 34,99

Obese Class II 35,0 - 39,99

Obese Class III ≥ 40,0

Sumber: WHO Technical Report Series, 2000

5. Stres

Stres memang tidak diragukan lagi dapat meningkatkan tekanan

darah dalam jangka pendek dengan cara mengaktifkan bagian otak dan

sistem saraf yang biasanya mengendalikan tekanan darah secara otomatis.

Namun stres sulit untuk diberi batasan atau diukur, karena pristiwa yang

menimbulkan stres pada seseorang belum tentu menimbulkan stres pada

orang lain (Semple, 1992).

Hubungan antara stres dengan hipertensi diduga melalui aktivitas

saraf simpatis, yang dapat meningkatkan tekanan darah secara bertahap.

Stres atau ketegangan jiwa (rasa tertekan, murung, bingung, cemas,

berdebar debar, rasa marah, dendam, rasa takut, rasa bersalah) dapat

merangsang kelenjar anak ginjal melepaskan hormon adrenalin dan

memacu jantung berdenyut lebih cepat serta lebih kuat, sehingga tekanan

darah akan meningkat. Jika stres berlangsung cukup lama, tubuh berusaha

mengadakan penyesuaian sehingga timbul kelainan organis atau perubahan

patologis. Gejala yang muncul dapat berupa hipertensi atau penyakit maag.

14

Berdasarkan hasil penelitian Hasurungan di Kota Depok (2002) dengan

menggunakan desain penelitian case control, menunjukkan bahwa

hipertensi pada responden yang mengalami stres psikologis jika

dibandingkan dengan yang tidak stres psikologis adalah 2,99 (Hasurungan,

2002).

6. Aktifitas Fisik

Olahraga banyak dihubungkan dengan pengelolaan hipertensi,

karena olahraga isotonik dan teratur dapat menurunkan tahanan perifer yang

akan menurunkan tekanan darah. Olahraga juga dikaitkan dengan peran

obesitas pada hipertensi. Kurang melakukan olahraga akan meningkatkan

kemungkinan timbulnya obesitas dan jika asupan garam juga bertambah

akan memudahkan timbulnya hipertensi. Kurangnya aktivitas fisik

meningkatkan risiko menderita hipertensi karena meningkatkan risiko

kelebihan berat badan. Orang yang tidak aktif juga cenderung mempunyai

frekuensi denyut jantung yang lebih tinggi sehingga otot jantungnya harus

bekerja lebih keras pada setiap kontraksi. Makin keras dan sering otot

jantung harus memompa, makin besar tekanan yang dibebankan pada arteri.

(Sheps, 2005).

7. Kebiasaan Merokok

Rokok menyebabkan peningkatan denyut jantung, tekanan darah,

dan juga menyebabkan pengapuran sehingga volume plasma darah

berkurang karena pengaruh nikotin dalam peredaran darah (Dekker, 1996).

Meningkatnya tekanan darah ini, lebih nyata pada penderita tekanan darah

tinggi. Merokok dapat menyebabkan terjadinya ateroma dalam arteri dan

dapat mengenai ginjal. Akibat penyempitan arteri ini, terjadi penyakit

tekanan darah tinggi yang berat dan keadaan ini cenderung terjadi pada

penderita lanjut usia (Semple, 1992).

15

1.2.3. Sistem Pakar

Sistem pakar adalah sebuah kecerdasan buatan yang terdapat dalam sebuah

perangkat lunak yang dibangun dengan kemampuan mendekati seorang pakar

(manusia) yang memiliki pengetahuan tinggi dalam sebuah bidang tertentu yang

diharapkan dapat membantu memecahkan sebuah masalah (Arhami, 2004).

Seorang pakar adalah orang yang mempunyai keahlian dalam bidang tertentu.

Pemrosesan yang dilakukan oleh sistem pakar merupakan pemrosesan pengetahuan

(knowledge). Knowledge adalah pemahaman secara praktis maupun teoritis

terhadap suatu obyek atau domain tertentu. Knowledge dalam sistem pakar bisa saja

seorang ahli, atau knowledge yang umumnya terdapat dalam buku, majalah dan

orang yang mempunyai pengetahuan tentang suatu bidang. Knowledge yang

digunakan pada sistem pakar merupakan serangkaian informasi mengenai gejala-

diagnosa, sebab-akibat, aksi-reaksi tentang suatu domain tertentu (misalnya,

domain diagnosa medis).

Gambar 2. 1 Model Expert System

Bagian dari sistem pakar terdiri dari 2 komponen utama,yaitu knowledge

dan mesin inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut

merupakan respon dari sistem pakar atas permintaan pengguna. Knowledge dari

sistem pakar bersifat khusus untuk satu domain masalah saja. Sebagai contoh, siste

pakar kedokteran yang dirancang untuk mendiagnosis suatu penyakit dimana sistem

ini memiliki suatu uraian knowledge tentang gejala-gejala penyakit tersebut. Selain

itu, fitur yang harus memiliki oleh sistem pakar adalah kemampuan untuk menalar

(reasoning.). jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan dan

16

sudah tersedia program yang mampu mengakses basis data, maka komputer harus

dapat deprogram untuk membuat inferensi. Proses ini dibuat dalam bentuk motor

inferensi (inference engine). (Budiharto & Suhartono, 2014)

1.2.4. Logika Fuzzy

Logika fuzzy merupakan salah satu komponen pembentuk soft computing.

Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965.

Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan

derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan

sangatlah penting. Nilai keanggotaan atau derajat keanggotaan (membership

function) menjadi ciri utama dari penalaran dengan logika fuzzy tersebut (Kusuma

Dewi, 2003). Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 (nol)

hingga 1 (satu). Logika fuzzy dapat mengolah nilai yang tidak pasti berupa batasan,

seperti “sangat”, “sedikit”, dan “kurang lebih”. Komputer tidak dapat memahami

nilai asli dari nilai tidak pasti tersebut. Dengan logika fuzzy, komputer dapat

mengolah ketidakpastian tersebut sehingga dapat digunakan untuk memutuskan

sesuatu yang membutuhkan kepintaran manusia dalam penalaran.

1.2.5. Himpunan Fuzzy

Himpunan fuzzy adalah kumpulan prinsip matematik sebagai penggambaran

pengetahuan berdasarkan derajat keanggotaan daripada menggunakan derajat

rendah dari logika biner klasik. Himpunan fuzzy adalah himpunan yang memiliki

batas fuzzy. Dimana ide dasar dari teori himpunan fuzzy adalah bahwa sebuah

elemen termasuk dalm sebuah himpunan fuzzy dengan derajat keanggotaan tertentu,

dimana tidak hanya bernilai benar atau salah (0 atau 1), melainkan bisa saja

sebagian benar atau sebagian salah untuk derajat tertentu. Himpunan fuzzy

digunakan untuk mengantisipasi dimana sebuah nilai variabel dapat masuk dalam

2 himpunan yang berbeda. Sebagai contoh variabel usia memiliki 3 kategori dengan

masing-masing batas fuzzy-nya yaitu MUDA (usia < 35 tahun), PAROBAYA (35

17

Gambar 2. 2 Himpunan Fuzzy untuk Variabel Usia

Jika seseorang memiliki usia (x) 40 tahun maka, orang tersebut termasuk

dalam himpunan MUDA dengan µMUDA(40) = 0,25. Namun dia juga termasuk

dalam himpunan PAROBAYA dengan µPAROBAYA(40) = 0,5.

1.2.6. Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah suatu kurva yang

menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (derajat

keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat

digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui

pendekatan fungsi. Beberapa fungsi yang bisa digunakan :

a. Representasi Linear

Pemetaan input ke derajat keanggotaannya digambarkan sebagai

suatu garis lurus. Terdapat 2 bentuk, yaitu representasi linear naik dan turun.

Pada kurva representasi linear naik, himpunan dimulai pada nilai domain

yang memiliki derajat keanggotaan [0] dan bergerak ke kanan menuju

domain dengan derajat keanggotaan yang lebih tinggi, seperti pada Gambar

2.3 dan untuk fungsi keanggotaan dapat dilihat pada Persamaan 2.2.

Persamaan 2. 2

18

Gambar 2. 3 Fungsi Keanggotaan Representasi Linear Naik

Pada kurva representasi linear turun, himpunan dimulai pada nilai

domain yang memiliki derajat keanggotaan [1] dan bergerak ke kanan

menuju domain dengan derajat keanggotaan yang lebih rendah seperti pada

Gambar 2.4 dan untuk fungsi keanggotaan dapat dilihat pada Persamaan 2.3.

Persamaan 2. 3

Gambar 2. 4 Fungsi Keanggotaan Representasi Linear Turun

b. Representasi Kurva Segitiga

Representasi kurva segitiga merupakan gabungan antara 2 garis

(linear) seperti pada Gambar 2.5 dan untuk fungsi keanggotaan dapat dilihat

pada Persamaan 2.4.

19

Persamaan 2. 4

Gambar 2. 5 Fungsi Keanggotaan Representasi Kurva Segitiga

c. Representasi Kurva Trapesium

Representasi kurva trapesium menyerupai bentuk segitiga, namun

memiliki beberapa titik dengan derajat keanggotaannya 1 seperti pada

Gambar 2.6 dan untuk fungsi keanggotaan dapat dilihat pada Persamaan 2.5.

Persamaan 2. 5

Gambar 2. 6 Fungsi Keanggotaan Representasi Kurva Trapesium

20

d. Representasi Kurva Bentuk Bahu

Daerah yang terletak pada sisi kanan dan kiri yang tidak mengalami

perubahan, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Pada

bahu kiri kurva bergerak dari benar ke salah, dan pada bahu kanan kurva

bergerak dari salah ke benar. Berikut fungsi keanggotaan representasi kurva

bentuk bahu seperti pada Gambar 2.7.

Gambar 2. 7 Fungsi Keanggotaan Representasi Kurva Bentuk Bahu

1.2.7. Metode Mamdani

Metode Mamdani adalah salah satu teknik inferensi fuzzy yang juga disebut

dengan Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada

tahun 1975. Pada metode ini, terdapat 4 tahap untuk mendapatkan output, yaitu :

Fuzzification, Rule Evaluation, Rule Aggregation, Defuzzification (Kusumadewi &

Purnomo, 2013).

1.2.7.1. Fuzzification (Pembentukan himpunan fuzzy)

Fuzzification adalah langkah pertama dari metode Mamdani yang bertugas

mengambil nilai input berupa nilai crisp, dan menentukan derajat dari input

sehingga input dapat dikelompokkan pada himpunan fuzzy yang tepat.tahap

pertama ini, nilai input yang berupa nilai crisp akan dikonversikan menjadi nilai

fuzzy, sehingga dapat dikelompokkan pada himpunan fuzzy tertentu.

21

1.2.7.2. Rule Evaluation (Aplikasi fungsi implikasi)

Langkah kedua adalah mengambil nilai input yang telah difuzzifikasi dan

mengaplikasikannya ke dalam antesenden pada aturan-aturan fuzzy lalu

diimplikasikan. Fungsi implikasi yang digunakan adalah Min seperti pada

Persamaan 2.6.

𝝁𝑨∩𝑩(𝒙) = 𝐦𝐢𝐧 (𝝁𝑨[𝒙], 𝝁𝑩[𝒙])

Persamaan 2. 6

1.2.7.3. Rule Aggregation (Komposisi Aturan)

Aggregasi aturan adalah proses dari penggabungan nilai keluaran dari

semua aturan. Pada tahap ini, terdapat 3 metode yang digunakan dalam melakukan

inferensi sistem fuzzy, yaitu Max, Additive dan Probabilistik OR (probor).

a. Metode Max (Maximum)

Solusi himpunan fuzzy diperoleh dengan cara mengambil nilai

maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah

fuzzy, dan mengaplikasikannyake output dengan menggunakan operator OR

(union) seperti pada Persamaan 2.7.

𝝁𝒔𝒇[𝒙𝒊] = 𝐦𝐚𝐱 (𝝁𝒔𝒇[𝒙𝒊], 𝝁𝒌𝒇[𝒙𝒊])

Persamaan 2. 7

Dengan :

𝝁𝒔𝒇[𝒙𝒊] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;

𝝁𝒌𝒇[𝒙𝒊] = nilai keanggotaan konsekuen fuzzy aturan ke-i;

Misalkan ada 3 aturan (proposisi) sebagai berikut :

[R1] IF Biaya Produksi RENDAH And Permintaan NAIK THEN

Produksi Barang BERTAMBAH.

[R2] IF Biaya Produksi STANDAR THEN Produksi Barang

NORMAL.

22

[R3] IF Biaya Produksi TINGGI And Permintaan TURUN THEN

Produksi Barang BERKURANG.

Proses inferensi dengan menggunakan metode Max dalam

melakukan komposisi aturan seperti pada gambar 2.8.

Gambar 2. 8 Komposisi Aturan Fuzzy Metode Max

(Kusumadewi dan Purnomo, 2010)

b. Metode Additive (Sum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara

melakukan bounded-sum terhadap semua output daerah fuzzy seperti pada

Persamaan 2.8.

𝝁𝒔𝒇[𝒙𝒊] = 𝐦𝐢𝐧(𝟏, 𝝁𝒔𝒇[𝒙𝒊] + 𝝁𝒌𝒇[𝒙𝒊])

Persamaan 2. 8

Dengan :

23

𝝁𝒔𝒇[𝒙𝒊] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;

𝝁𝒌𝒇[𝒙𝒊] = nilai keanggotaan konsekuen fuzzy aturan ke-i;

c. Metode Probabilistik OR (Probor)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara

melakukan produk terhadap semua output daerah fuzzy seperti pada

Persamaan 2.9.

𝝁𝒔𝒇[𝒙𝒊] = (𝝁𝒔𝒇[𝒙𝒊] + 𝝁𝒌𝒇[𝒙𝒊]) − (𝝁𝒔𝒇[𝒙𝒊]) ∗ (𝝁𝒌𝒇[𝒙𝒊])

Persamaan 2. 9

Dengan :

𝝁𝒔𝒇[𝒙𝒊] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;

𝝁𝒌𝒇[𝒙𝒊] = nilai keanggotaan konsekuen fuzzy aturan ke-i;

1.2.7.4. Defuzzification (Penegasan)

Langkah terakhir dari proses inferensi fuzzy adalah untuk mengkonversi

versi nilai fuzzy hasil dari aggregasi aturan ke dalam sebuah bilangan crisp. Input

dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari

komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu

bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu

himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp

tertentu sebagai output, seperti pada Gambar 2.9.

24

Gambar 2. 9 Proses Defuzzifikasi

Terdapat beberapa metode defuzzifikasi pada komposisi aturan Mamdani,

yaitu :

a. Metode Centroid

Solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah

fuzzy, fungsi keanggotaan variabel kontinu seperti pada Persamaan 2.10 dan

untuk fungsi keanggotaan variabel diskret seperti pada Persamaan 2.11.

𝑧 ∗ = ∫ 𝑧𝜇(𝑧)𝑑𝑧𝑧

∫ 𝜇(𝑧)𝑑𝑧𝑧

untuk variabel kontinu

Persamaan 2. 10

𝑧 ∗ = ∫ 𝑧𝑗𝜇(𝑧𝑗)𝑛

𝑗=1

∫ 𝜇(𝑧𝑗)𝑛

𝑗=1

untuk variabel diskret

Persamaan 2. 11

25

a. Metode Bisektor

Solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy

yang memiliki nilai keanggotaan setengah dari jumlah total nilai keanggotaan

pada daerah fuzzy. Seperti pada persamaan 2.12.

𝑧𝑝 sedemikian hingga ∫ 𝜇(𝑧)𝑑𝑧𝑝

𝑅1= ∫ 𝜇(𝑧) 𝑑𝑧

𝑅𝑛

𝑝

Persamaan 2. 12

b. Metode Mean of Maximum (MOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai

rata-rata domain yang memiliki nilai keanggotaan maksimum.

c. Metode Largest of Maximum (LOM)

Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai

terbesar dari domain yang memiliki nilai keanggotaan maksimum.

d. Metode Smallest of Maximum (SOM)

Terakhir, pada metode ini, solusi crisp diperoleh dengan cara

mengambil nilai terkecil dari domain yang memiliki nilai keanggotaan

maksimum.

COVERHALAMAN PENGESAHANHALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI UNTUK KEPENTINGAN AKADEMISHALAMAN PERNYATAAN ORISINALITAS KARYAHALAMAN PERSEMBAHANHALAMAN MOTTOKATA PENGANTARABSTRAKDAFTAR ISTILAHDAFTAR ISIDAFTAR TABELDAFTAR GAMBARBAB I PENDAHULUAN1.1. Latar Belakang1.2. Perumusan Masalah1.3. Tujuan Penelitian1.4. Manfaat Penelitian1.5. Batasan Masalah

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI2.1. Tinjauan Pustaka2.2. Landasan Teori2.2.1. Tekanan Darah1.2.2. Hipertensi2.2.2.1. Definisi Hipertensi2.2.2.2. Klasifikasi Hipertensi2.2.2.3. Gejala Hipertensi2.2.2.4. Faktor Resiko Hipertensi

1.2.3. Sistem Pakar1.2.4. Logika Fuzzy1.2.5. Himpunan Fuzzy1.2.6. Fungsi Keanggotaan1.2.7. Metode Mamdani1.2.7.1. Fuzzification (Pembentukan himpunan fuzzy)1.2.7.2. Rule Evaluation (Aplikasi fungsi implikasi)1.2.7.3. Rule Aggregation (Komposisi Aturan)1.2.7.4. Defuzzification (Penegasan)

BAB III METODOLOGI3.1. Bahan Penelitian3.2. Alat Penelitian3.2.1. Perangkat Keras3.2.2. Perangkat Lunak

3.3. Jalan Penelitian2.3.1. Akuisisi Pengetahuan3.3.1.1. Analisis Kebutuhan Masukan3.3.1.2. Analisis Kebutuhan Proses3.3.1.3. Analisis Kebutuhan Keluaran

3.3.2. Representasi Kebutuhan3.3.2.1. Perancangan DFD3.3.2.2. Perancangan Basis Pengetahuan3.3.2.3. Perancangan ERD3.3.2.4. Perancangan Database

3.3.3. Inferensi Pengetahuan3.3.4. Pemindahan Pengetahuan3.3.4.1. Perancangan Antar Muka3.3.4.1.1. Rancangan Halaman Admin dan Operator3.3.4.2. Flowchart Sistem Pakar

BAB IV ANALISIS PEMBAHASAN4.1. Hasil Penelitian4.1.1. Hasil Pengujian Sistem4.1.2. Hasil Pengujian Program4.1.2.1. Tampilan Halaman Pengunjung4.1.2.2. Tampilan Halaman Login Sistem4.1.2.3. Tampilan untuk Operator4.1.2.4. Tampilan untuk Admin

4.2. Analisis dan Pembahasan4.2.1. Proses Fuzzifikasi4.2.2. Proses Inferensi4.2.3. Defuzzifikasi4.2.4. Validasi Hasil

BAB V PENUTUP5.1. Kesimpulan5.2. Saran

Daftar PustakaLampiranLampiran A. Biodata Peneliti :Lampiran B. Scan Konsultasi SkripsiLampiran C. Validasi Variabel SistemLampiran D. Validasi Pengujian SistemLampiran E. Data Rekam Medik Pasien