Fuzzy Expert System untuk diagnosis penyakit Diabetes

Abstract

Diabetes adalah penyakit di mana pankreas tidak bisa memproduksi insulin yang cukup atau di saat tubuh kurang dapat menerima insulin yang diproduksi secara efektif. Diabetes yang terlambat ditangani dapat menyebabkan penyakit jangka panjang yang berbahaya. Oleh karena itu diperlukan pencegahan dengan diagnosis lebih dini terhadap diabetes untuk mendapatkan penanganan yang sesuai. Diagnosis diabetes dapat dilakukan di rumah sakit atau pun dengan bantuan komputer. Diagnosis dengan bantuan dari komputer lebih mudah dilakukan karena tidak ada batasan waktu untuk melakukan diagnosis dan juga tidak memerlukan biaya yang besar. Salah contoh diagnosis dengan bantuan komputer adalah expert system. Expert system adalah bagian dari teknik kecerdasan buatan yang meniru seorang ahli dalam mengambil keputusan. Komponen utama dari expert system adalah basis pengetahuan berupa aturan-aturan jika-maka dan sistem inferensi. Penggunaan expert system untuk diagnosis penyakit diabetes sudah pernah dilakukan oleh oleh Tawfik Saeed Zekia, Mohammad V. Malakootib, Yousef Ataeipoorc dan S. Talayeh Tabibid. Dalam karyanya yang berjudul “An Expert System for Diabetes Diagnosis”, mereka menyebutkan bahwa expert system dapat digunakan secara efektif pada semua bagian ilmu kesehatan. Fuzzy expert system merupakan salah satu expert system yang menggunakan konsep logika fuzzy. Logika fuzzy digunakan untuk membantu dalam mengatasi ketidakpastian dan ambiguitas pada pemikiran manusia. Komponen dari expert system menggunakan logika fuzzy sebagai dasarnya. Basis aturan menggunakan variabel fuzzy dan sistem inferensinya digunakan sistem inferensi fuzzy. Pada penelitian ini, dibangun fuzzy expert system untuk melakukan diagnosis diabetes dengan membuat fuzzy inference system metode Tsukamoto dan Mamdani. Basis aturan yang digunakan berupa fuzzy rules yang didapatkan dari dataset menggunakan usulan dari Li-Xin Wang dan Jerry M. Mendel dengan judul "Generating Fuzzy Rules by Learning from Examples". Wang dan Mendel mengusulkan algoritma untuk membuat fuzzy rules dengan membagi ruang ruang masukan dan keluaran menjadi wilayah fuzzy, membuat aturan fuzzy dari pasangan-pasangan data, memberikan derajat pada setiap aturan, membuat kombinasi basis aturan fuzzy serta menentukan pemetaan berdasarkan kombinasi basis aturan fuzzy. Dataset yang digunakan pada penelitian ini berasal dari Kaggle. Dataset ini memiliki panjang 100000 records. Total atribut yang dimiliki dataset adalah sembilan yang terdiri dari jenis kelamin, usia, status hipertensi, status penyakit jantung, status perokok, indeks massa tubuh, tingkat HbA1c, tingkat gula dalam darah dan status diabetes. Pengujian pada penelitian ini dilakukan dengan membuat beberapa kelompok eksperimen untuk melihat kinerja dari fuzzy expert system yang dibuat. Berdasarkan hasil eksperimen dari dataset yang dimiliki, fuzzy inference system dengan metode Mamdani memiliki kinerja yang lebih unggul dibandingkan dengan fuzzy inference system metode Tsukamoto.