Deteksi Dini autis pada balita menggunakan metode fuzzy

tsukamotoSuyanto

2011141643

Latar Belakang

Salah satu gangguan dalam tumbuh kembang yang sering terjadi belakangan ini adalah autisme yaitu ketidaknormalan perkembangan mental sehingga anak sulit untuk berinteraksi sosial.

Identifikasi Masalah

Sulitnya orang tua untuk mengidentifikasi dini anak balitanya apabila terlihat ada tanda-tanda autis.

Rumusan Masalah

Penerapan deteksi dini autis menggunakan fuzzy logic dengan metode Tsukamoto.

Batasan Masalah

• Aplikasi ditujukan untuk membantu guru dalam mendeteksi dini autis pada balita berdasarkan gejala-gejala yang diderita.

• Input sistem adalah gejala autis berupa gangguan dalam bidang interaksi sosial, gangguan dalam bidang komunikasi, dan gangguan pada bidang perilaku.

• Solusi yang diberikan adalah hasil diagnosa aplikasi yaitu Anak Autis dan Normal.

Tujuan Penelitian

Tujuan dari penelitian ini adalah membantu deteksi dini autis pada balita dengan fuzzy logic menggunakan metode tsukamoto.

Deteksi dini adalah usaha-usaha untuk mengetahui ada tidaknya kelainan atau kerusakan fisik atau gangguan perkembangan mental atau perilaku anak yang menyebabkan kecacatan secara dini

Balita merupakan istilah yang berasal dari kependekan kata bawah lima tahun. Istilah ini cukup populer dalam program kesehatan. Balita merupakan kelompok usia tersendiri yang menjadi sasaran program KIA (Kesehatan Ibu dan Anak) di lingkup Dinas Kesehatan.

Autis berasal dari kata “auto” yang berarti sendiri. Penyandang autis seakan-akan hidup di dunianya sendiri.

Autisma/Autisme adalah gejala menutup diri sendiri secara total, dan tidak mau berhubungan lagi dengan dunia luar, merupakan gangguan perkebangan yang komplek, mempengaruhi perilaku, dengan akibat kekurangan kemampuan komunikasi, hubungan sosial dan emosional dengan orang lain dan tidak tergantung dari ras, suku, strata-ekonomi, strata sosial, tingkat pendidikan, geografis tempat tinggal, maupun jenis makanan.

Kriteria Diagnostik

Asosiasi Psikiater Amerika merumuskan DSM-IV (Diagnostic and Statistical Manual of Mental Disorder)

Harus ada sedikitnya 6 gejala

Minimal 2 gejala dari kelemahan kwalitatif dalam bidang interaksi sosial

Minimal 1 gejala dari kelemahan kwalitatif dalam bidang komunikasi

Minimal 1 gejala dari kelemahan kwalitatif dalam bidang perilaku

Gejala Interaksi Sosial1. Kontak mata yang buruk, atau menatap dari sudut yang tidak biasa

2. Mengabaikan saat dipanggil

3. Ketakutan berlebih terhadap suara bising

4. Didalam dunianya sendiri (menyendiri)

5. Kurangnya rasa ingin tahu terhadap lingkungan

6. Ekspresi wajah tidak sesuai situasi

7. Menangis atau tertawa tanpa sebab

8. Tantrum/mengamuk saat tidak dipenuhi keinginannya

9. Mengabaikan rasa nyeri

10. Tidak suka disentuh atau dipegang (badan, kepala)

11. Tidak suka keramaian

12. Takut dan cemas tanpa sebab yang jelas

13. Tidak ada reaksi emosional

14. Ekspresi tidak normal ketika melihat orangtua

15. Kurangnya kemampuan untuk meniru

Gejala Komunikasi1. Tidak bisa bercerita

2. Mengeluarkan suara yang tidak biasa atau jeritan kekanakan

3. Suara lebih keras dari yang dibutuhkan

4. Suka berbicara sendiri

5. Kesulitan memahami hal-hal dasar

6. Menarik orang tua ketika menginginkan sesuatu

7. Kesulitan mengekspresikan kebutuhan atau keinginan dengan bahasa tubuh

8. Tidak ada inisiasi spontanitas dalam berbicara atau berkomunikasi

9. Mengulang mendengar kata, bagian dari kata-kata atau iklan di TV

10. Repetitive language (kata yang sama atau frase berulang)

11. Tidak bisa mempertahankan percakapan

12. Bercerita secara monoton, salah dalam berhenti sejenak (titik, koma)

13. Menggunakan bahasa yang sama untuk anak-anak, orang dewasa, benda (tidak bisa membedakan)

14. Menggunakan bahasa yang tidak tepat (kata atau frase salah)

Gejala Perilaku1. Mengepakkan tangan (flapping)

2. Membenturkan kepala

3. Menyakiti diri sendiri

4. Postur tubuh kaku saat berjalan

5. Mengatur mainan dalam barisan

6. Mencium, memukul-mukul, menjilat mainan

7. Sangat berminat pada bagian tertentu mainan (roda)

8. Terobsesi dengan objek atau topik (kereta, cuaca, nomor, tanggal)

9. Suka berputar, atau tertarik pada benda berputar

10. Suka yang berlebihan (menonton video yang sama berulang-ulang)

11. Kesulitan berhenti dari aktifitas yang membosankan

12. Menambahkan benda yang tidak biasa (tongkat, batu, rambut)

13. Memiliki ritual dan rutinitas, menolak untuk mengubah

14. Dibatasi oleh kebiasaan

15. Kemampuan dibawah rata-rata (membaca, menulis)

Fuzzy Logic Kata fuzzy merupakan kara sifat yang berarti kabur, tidak jelas

Sebelum munculnya teori fuzzy (fuzzy logic), dikenal sebuah logika tegas (Crisp logic) yang memiliki nilai benar atau salah secara tegas. Sebaliknya logika fuzzy merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran antara benar dan salah. Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada bobot keanggotaan yang dimilikinya.

Pada metode Tsukamoto, implikasi setiap aturan berbentuk implikasi “Sebab-Akibat”/Implikasi “Input-Output” dimana antara anteseden dan konsekuen harus ada hubungannya. Setiap aturan direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan fungsi keanggotaan yang monoton. Kemudian untuk menentukan hasil tegas (Crisp Solution) digunakan rumus penegasan (defuzifikasi) yang disebut “Metode rata-rata terpusat” atau “Metode defuzifikasi rata-rata terpusat (Center Average Deffuzzyfier) (Setiadji, 2009)

Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy (Kususmadewi, 2004), yaitu:

Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh: umur, temperatur, permintaan, dsb.

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.

Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.

Contoh:

• Semesta pembicaraan untuk variabel umur: [0 +∞]

• Semesta pembicaraan untuk variabel temperatur: [0 40]

Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.

Variabel Himpunan Fuzzy

DomainFungsi

Keanggotaan

Paramete

rNama Simbol Nama Simbol

Gejala

Interaksi

Sosial

IRendah R [2,15] Linear turun [2,15]

Tinggi T [2,15] Linear naik [2,15]

Gejala

Komunikasi KRendah R [1,14] Linear turun [1,14]

Tinggi T [1,14] Linear naik [1,14]

Gejala

Perilaku PRendah R [1,15] Linear turun [1,15]

Tinggi T [1,15] Linear naik [1,15]

Kode Aturan Konsekuen

[R1] If I sedikit and K sedikit and P sedikit then Normal

[R2] If I sedikit and K sedikit and P banyak then Normal

[R3] If I sedikit and K banyak and P sedikit then Normal

[R4] If I sedikit and K banyak and P banyak then Normal

[R5] If I banyak and K sedikit and P sedikit then Autis

[R6] If I banyak and K sedikit and P banyak then Autis

[R7] If I banyak and K banyak and P sedikit then Autis

[R8] If I banyak and K banyak and P banyak then Autis

NO

NILAI VARIABEL INPUT

I K P

1 2 2 2

2 2 1 3

3 2 3 1

4 3 2 1

5 3 1 2

6 4 1 1

NODERAJAT KEANGGOTAAN

VARIABEL I VARIABEL K VARIABEL P

1 0 1 0,07692 0,92307 0,07142 0,92857

2 0 1 0 1 0,14285 0,85714

3 0 1 0,15384 0,84615 0 1

4 0,07692 0,92307 0,07692 0,92307 0 1

5 0,07692 0,92307 0 1 0,07142 0,92857

6 0,15384 0,84615 0 1 0 1

RULEDATA SAMPEL (

1 2 3 4 5 6

R1 0 0 0 0 0 0

R2 0 0 0 0,07692 0 0

R3 0 0 0 0 0,07142 0

R4 0 0 0 0,07692 0,07692 0,15384

R5 0,07142 0 0 0 0 0

R6 0,07692 0 0,15384 0,07692 0 0

R7 0,07142 0,14285 0 0 0,07142 0

R8 0,92307 0,85714 0,84615 0,92307 0,92307 0,84615

 DATA SAMPEL (

1 2 3 4 5 6

Z1 15 15 15 15 14 14

Z2 15 15 1513,8461

514 14

Z3 15 15 15 1513,9285

715

Z4 15 15 1513,8461

5

13,8461

512,6923

Z513,9285

714 15 15 14 14

Z612,9230

714

11,8461

5

12,9230

714 14

Z713,9285

7

12,8571

415 15

13,9285

715

Z8 1,07692 2,14285 2,15384 1,15384 1,15384 2,3076

Wa/ Z

total3,48071 3,67346 3,64497 3,8901 3,86512 4,6153

Berdasarkan data sample diatas maka diambil nilai terkecil untuk menentukan batas nilai output, yaitu: Jika WA => 3,48071 maka hasil diagnosa anak = autis Jika WA < 3,48071 maka hasil diagnosa anak =

normal

Kesimpulan Berdasarkan pembahasan dan hasil analisa yang diperoleh maka dapat

disimpulkan bahwa penerapan fuzzy logic model tsukamoto dalam deteksi dini autis pada balita dapat memberikan diagnosa awal untuk menentukan kondisi ada atau tidaknya autis pada balita.

Dari percobaan 3.150 kombinasi input diperoleh 27 hasil deteksi dini yang salah, sehingga keakuratan nya 99,14%.

Saran Tingkat kesalahan perhitungan fuzzy yang relatif kecil memungkinkan

untuk digunakan dalam mendeteksi dini gejala autis. Konsultasi lebih lanjut kepada pakar ataupun psikiater anak tetap harus dilakukan.

Tingkat kesalahan yang dihasilkan oleh perhitungan fuzzy perlu diperkecil dengan mengubah fungsi keanggotaan yang digunakan, penambahan rule dan rentang parameter yang digunakan.