Abstract:
Pada skripsi ini, dibuat sebuah perangkat lunak fuzzy expert system untuk mendiagnosis penyakit ginjal kronis (CKD), berdasarkan dataset yang dimiliki (dari Kaggle). Fuzzy expert system adalah sebuah perangkat lunak yang menyimulasikan pengambilan keputusan seorang ahli terhadap sebuah permasalahan menggunakan logika fuzzy, yang merupakan jenis logika di mana derajat kebenaran sebuah pernyataan bernilai antara 0 sampai 1. Penyakit ginjal kronis(CKD) adalah kondisi berkurangnya kemampuan filtrasi ginjal secara berkala, ireversibel, dan terus-menerus. Penyakit ini belum memiliki penanganan yang dapat menyembuhkannya secara total, selain transplantasi ginjal. Pada stadium tinggi, penanganan CKD yang dapat dilakukan hanyalah transplantasi ginjal atau dialisis, di mana penanganan tersebut memakan biaya yang besar. Adapun penanganan alternatif CKD yang memakan biaya yang lebih kecil, namun, agar penanganan alternatif dapat dilakukan, CKD perlu didiagnosis secara dini (stadium rendah). Beberapa metode yang bisa dilakukan untuk mendiagnosis CKD secara dini adalah dengan menggunakan laju filtrasi ginjal (LFG) sebagai indikator penyakit, dan mendiagnosis CKD berdasarkan gejalanya. Namun, metode-metode tersebut belum dapat mendiagnosis CKD secara akurat. Karena itu, ingin dibuat fuzzy expert system untuk membantu pihak medis dalam mendiagnosis CKD. Adapun metode untuk mendiagnosis CKD yang pernah diusulkan, yaitu expert system untuk mendiagnosis CKD yang diusulkan oleh Laith R. Fleaih dalam “Expert System for Diagnosing Kidney Diseases”. Fuzzy expert system dapat diimplementasikan untuk diagnosis CKD, dengan cara mengimplementasikan sistem inferensi fuzzy sebagai komponen inference engine dari expert system. Pada sistem inferensi fuzzy yang dibangun, digunakan Inferensi Mamdani dan Tsukamoto. Salah satu komponen lain dari fuzzy expert system adalah knowledge acquisition, di mana salah satu bentuknya adalah fuzzy rule base. Fuzzy rule base dapat dibentuk dengan metode yang diusulkan oleh Wang dan Mendel, di mana fuzzy rule base dibentuk berdasarkan suatu dataset. Selama pengerjaan skripsi ini, ditemukan kendala utama berupa curse of dimensionality, di mana hal ini menyebabkan sistem tidak dapat mendiagnosis CKD. Untuk menyelesaikan masalah ini, dipilih lima atribut dengan nilai R-squared tertinggi. Pengujian/eksperimen kinerja perangkat lunak fuzzy expert system untuk diagnosis CKD yang dibuat, dilakukan dengan pertama-tama membagi eksperimen ke dalam empat kelompok. Pada setiap kelompok eksperimen, diambil data untuk dijadikan fuzzy rule base, dan test data, dari kuartal dataset berbeda-beda. Lalu dihitung akurasi diagnosis dari setiap kelompok eksperimen. Pada akhir eksperimen, keempat nilai akurasi diagnosis dirata-rata. Pengujian dilakukan untuk Inferensi Mamdani dan Tsukamoto, lalu hasilnya dibandingkan. Berdasarkan hasil eksperimen dengan dataset yang dimiliki, disimpulkan bahwa fuzzy expert system dengan kedua jenis inferensi tersebut dapat mendiagnosis CKD dengan tingkat akurasi yang baik, yaitu dengan tingkat akurasi terbesar sebesar 94.5% (Mamdani), dan 95.5%(Tsukamoto) masing-masing.