Diagnosis penyakit jantung dengan teknologi Fuzzy Expert System

Abstract

Penyakit kardiovaskular adalah penyebab utama kematian di seluruh dunia. Salah satu penyakit kardiovaskular yang paling umum adalah penyakit jantung. Jika penyakit jantung dapat diketahui sejak dini, maka angka kematian yang disebabkan oleh penyakit jantung dapat diturunkan. Namun, diagnosis penyakit jantung adalah pekerjaan yang sangat sulit dan membutuhkan hasil yang akurat. Karena banyaknya faktor yang menyebabkan penyakit jantung, para ahli sulit untuk menemukan batasan tegas antara orang yang memiliki risiko penyakit jantung atau tidak. Maka dari itu, para ahli membutuhkan alat yang dapat mempertimbangkan faktor-faktor penyebab penyakit jantung dan menunjukkan hasil yang akurat. Untuk menangani permasalahan tersebut, skripsi ini mengembangkan sebuah fuzzy expert system untuk melakukan diagnosis penyakit jantung. Fuzzy logic adalah bentuk logika bernilai banyak di mana nilai kebenaran dari variabel dapat berupa bilangan riil antara 0 dan 1. Expert system adalah sebuah perangkat lunak yang dapat meniru kemampuan seorang ahli dalam membuat keputusan. Fuzzy expert system adalah expert system yang menggunakan fuzzy logic. Sebuah fuzzy expert system memiliki 4 buah komponen; yaitu fuzzifier, knowledge base, inference engine, dan defuzzifier. Knowledge base dibangun dengan cara membangun fuzzy rule dalam bentuk IF-THEN. Pembentukan knowledge base didasari oleh ekstrasi pengetahuan para ahli atau dataset yang berisi keahlian seorang ahli dalam mengambil keputusan. Pada awalnya, masukan yang berupa faktor-faktor penyakit jantung seorang pasien diubah menjadi himpunan fuzzy untuk mengukur ketidakpastian. Proses ini disebut fuzzification, di mana sistem memperoleh nilai keanggotaan dari masukan yang diberikan. Masukan yang telah dilakukan fuzzification digunakan oleh inference engine untuk dievaluasi dengan aturan yang sudah tersimpan pada sistem. Hasil dari evaluasi oleh inference engine adalah sebuah himpunan fuzzy. Terakhir dilakukan proses defuzzification, di mana himpunan fuzzy diubah menjadi nilai yang dapat mewakili himpunan fuzzy tersebut. Untuk menangani permasalahan pada skripsi ini, dibangun sebuah fuzzy expert system untuk mendiagnosis penyakit jantung. Knowledge base dibangun menggunakan database yang berisi faktor-faktor risiko penyakit jantung. Pengguna dapat memasukkan nilai dari faktor-faktor risiko penyakit jantung seorang pasien. Kemudian sistem dapat mengeluarkan persentase risiko penyakit jantung pada pasien tersebut. Dalam skripsi ini akan dibandingkan dua buah algoritma pembentukan knowledge base; yaitu Algoritma Wang-Mendel dan Algoritma Li-Xin Wang. Pada skripsi ini, dilakukan beberapa pengujian untuk mengevaluasi sistem yang telah dibangun. Berdasarkan hasil pengujian fungsional, telah berhasil dibangun sebuah fuzzy expert system yang dapat melakukan diagnosis penyakit jantung. Dari hasil pengujian prediction error dan persentase akurasi, didapat bahwa fuzzy rule yang dibentuk menggunakan Algoritma Li-Xin Wang lebih efektif dibandingkan dengan Algoritma Wang-Mendel; dengan prediction error dan akurasi Algoritma Li-Xin Wang adalah 0.260 dan 80.33%; sedangkan Algoritma Wang-Mendel adalah 0.350 dan 66.33%. Di sisi lain, pada pengujian running time didapat Algoritma WangMendel lebih cepat daripada Algoritma Li-Xin Wang; dengan running time pada Algoritma Wang-Mendel adalah 0.10 detik dan Algoritma Li-Xin Wang adalah 22.10 detik.