Upload
ariyati-itsmi
View
161
Download
7
Embed Size (px)
Citation preview
SISTEM PENDUKUNG KEPUTUSAN PENANGANAN KESEHATAN
BALITA MENGGUNAKAN PENALARAN FUZZY MAMDANI
OLEH:
Ariyati (073214024)
Susi Ambarwati (073214028)
Diah Eka P (073214031)
1. PENDAHULUAN
1.1 Latar belakang
Dewasa ini teknologi informasi sudah menjadi alat yang penting dalam
mengatasi berbagai masalah laju arus informasi. Teknologi informasi sudah mulai
banyak dimanfaatkan untuk meningkatkan efisiensi kinerja lembaga-lembaga
Negara di Indonesia. Beberapa daerah sudah menerapkan sistem terintegrasi untuk
menjalankan fungsi-fungsi yang ada dalam pemerintahan, seperti pendataan
penduduk (KTP, Kartu Keluarga, Akta Kelahiran), pengurusan pajak, pengurusan
SIM, dan lain-lain.
Dalam dunia kesehatan saat ini yang menjadi sorotan publik diantaranya
banyaknya kasus gizi buruk balita, selain itu juga adanya kasus kematian bayi
yang disebabkan oleh factor klinis maupun non-klinis. Contoh penyebab non-
klinis antara lain: protocol klinis yang tidak dipatuhi, pelayanan yang sub standar,
dan rekam medic tidak lengkap. Contoh lain di lapangan nyata yang menjadi
fokus penulis adalah Kartu Menuju Sehat (KMS) sebagai acuan dasar pemantauan
tumbuh kembang balita, ternyata penggunaanya tidak optimal sehingga keadaan
kesehatan balita tidak terpantau dan banyak timbul kasus gizi buruk. Instansi-
instansi terkait lainnya juga akan mengalami keterlambatan dalam penanganan
kasus yang terjadi, karena informasi yang didistribusikan tdak akurat. Efek lebih
jauhnya dikhawatirkan dapat mengancam kualitas SDM generasi penerus sebagai
penentu arah bamgsa Indonesia.
Berdasarkan penjelasan tersebut maka dirancanglah sistem pendukung
keputusan penanganan kesehatan balita ini. Dengan perancangan sistem yang
berbasis website diharapkan pihak-pihak yang terkait seperti rumah sakit atau
puskesmas, pemerintah juga orang tua dapat lebih mudah dalam memantau
pertumbuhan balita, dan berdasarkan fungsi masing-masing pihak dapat sesegera
mungkin mengambi keputusan yang tepat untuk penanganan balita
1.2 Rumusan Masalah
Sesuai dengan latar belakang yang telah diuraikan sebelumnya, maka
rumusan masalahnya adalah bagaimana membuat sistem pendukung keputusan
untuk penanganan kesehatan balita agar diperoleh informasi yang akurat untuk
distribusi bantuan dan keputusan tindakan.
1.3 Tujuan
Penelitian bertujuan untuk mempermudah dalam pemantauan tumbuh
kembang balita, mempercepat distribusi informasi antar pihak terkait, distribusi
bantuan yang cepat dan tepat guna dan memaksimalkan fungsi KMS sebagai
alat untuk memantau pertumbuhan balita.
2. DASAR TEORI
2.1 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (SPK) atau Decission Support System
merupakan salah satu jenis sistem informasi yang bertujuan untuk menyediakan
informasi, membimbing, memberikan prediksi serta mengarahkan kepada
pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih
baik dan berbasis evidence.
Secara hierarkis, SPK biasanya dikembangkan untuk pengguna pada
tingkatan manajemen menengah dan tertinggi. Dalam pengembangan sistem
informasi, SPK baru dapat dikembangkan jika sistem pengolahan transaksi
(level pertama) dan sistem informasi manajemen (level kedua) sudah berjalan
dengan baik. SPK yang baik harus mampu menggali informasi dari database
melakukan analisis, serta memberikan interprestasi dalam bentuk yang mudah
dipahami dengan format yang mudah untuk digunakan (user friendly)[1].
Beberapa karakteristik yang membedakan system pendukung keputusan
dengan system informasi lain yaitu:
a. Dirancang untuk membantu pengambilan keputusan dalam
memecahkan permasalahan yang sifatnya semi terstruktur ataupun tidak
terstruktur dengan menambahkan kebijaksanaan manusia dan informasi
komputerisasi.
b. Proses pengolahannya, mengkombinasikan pengguanaan model-model
analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari
atau pemeriksa informasi.
c. Dapat digunakan atau dioperasikan dengan mudah oleh orang-orang
yang tidak memiliki dasar kemampuan pengoperasian komputer yang tinggi.
Pendekatan yang digunakan biasanya model interaktif.
d. Dirancang dengan menekankan pada aspek fleksibilitas serta
kemampuan adaptasi yang tinggi sehingga mudah disesuaikan dengan berbagai
perubahan lingkungan yang terjadi dan kebutuhan pengguna.
2.2 Kartu Menuju Sehat
Kartu Menuju Sehat untuk Balita (KMS-Balita) adalah alat yang
sederhana dan murah, yang dapat digunakan untuk memantau kesehatan dan
pertumbuhan anak. Oleh karenanya KMS harus disimpan oleh ibu balita di
rumah, dan harus selalu dibawa setiap kali mengunjungi posyandu atau fasilitas
pelayanan kesehatan, termasuk bidan dan dokter.
KMS-Balita menjadi alat yang sangat bermanfaat bagi ibu dan keluarga
untuk memantau tumbuh kembang anak, agar tidak terjadi kesalahan atau
ketidakseimbangan pemberian makan pada anak. KMS-Balita juga dapat dipakai
sebagai bahan penunjang bagi petugas kesehatan untuk menentukan jenis
tindakan yang tepat sesuai dengan kondisi kesehatan dan gizi anak untuk
mempertahankan, meningkatkan atau memulihkan kesehatannya.
KMS balita berisi catatan penting tentang pertumbuhan, perkembangan
anak, imunisasi, penanggulangan diare, pemberian kapsul vitamin A, kondisi
kesehatan anak, pemberian ASI eksklusif dan Makanan Pendamping ASI,
pemberian makanan anak dan rujukan ke Puskesmas/RS. KMS balita juga berisi
pesan-pesan penyuluhan kesehatan dan gizi bagi orang tua balita tentang kesehatan
anaknya.
Gambar 2.1 Contoh Kartu Menuju Sehat (KMS)
2.3 Logika Fuzzy
A. Himpunan Fuzzy
Himpunan crisp adalah Himpunan yang membedakan anggota dan non
anggotanya dengan batasan yang jelas. Nilai keanggotan suatu item x dalam suatu
himpunan A ditulis dengan μA[x]. Memiliki 2 kemungkinan, yaitu: satu (1) berarti
suatu item menjadi anggota dari himpunan dan nol (0) berarti suatu item tidak
menjadi anggota dari himpunan.
Sedangkan Himpunan Fuzzy merupakan dasar dari logika fuzzy. Suatu
himpunan fuzzy di dalam semesta S dinyatakan oleh fungsi keanggotaan yang
memetakan setiap objek di S menjadi suatu nilai real dalam interval [0,1].
Himpunan fuzzy memiliki 2 atribut:
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasaalami, seperti: MUDA,
PAROBAYA, TUA.
b. Numeris, yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu variabel
seperti: 40, 25, 35.
Istilah yang digunakan dalam fuzzy adalah sebagai berikut:
a. Degree of membership/Derajat Keanggotaan
Fungsi dari derajat keanggotaan adalah untuk memberikan bobot pada suatu
input yang telah diberikan, sehingga input tadi dapat dinyatakan dengan nilai.
b. Variabel Fuzzy
Merupakan variabel yang hendak dibahas dalam suatu system fuzzy.
c. Scope/Domain
Merupakan batas dari kumpulan input tertentu.
d. Label
Adalah kata-kata untuk memberikan suatu keterangan pada scope.
e. Fungsi Keanggotaan
Suatu bentuk bangun yang merepresentasikan suatu batas dari scope.
Beberapa fungsi untuk menyatakan fungsi keanggotaan:
1. Representasi Linear: pemetaan input ke derajat keanggotannya
digambarkan sebagai suatu garis lurus. Dibedakan menjadi:
a. Representasi Linear Naik
Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat
keanggotaan nol (0) bergerak ke kanan menuju ke nilai domain yang
memiliki derajat keanggotaan yang lebih tinggi.
Grafik 2.1 Representasi Linear Naik
b. Representasi Linear Turun
Representasi linear turun merupakan kebalikan dari linear naik.
Grafik 2.2 Representasi Linear Turun
2. Representasi Kurva Segitiga: merupakan gabungan antara 2 garis (linear).
Grafik 2.3 Representasi Kurva Segitiga
3. Representasi Kurva Trapesium: seperti bentuk segitiga, hanya saja ada
beberapa titik yang memiliki nilai keanggotaan 1.
4. Representasi Kurva-S: hampir sama dengan kurva linear akan tetapi nilai
yang tidak pasti berurut naik atau turun melainkan fleksibel.dibedakan
menjadi:
a. Representasi Kurva-S Pertumbuhan
Akan bergerak dari sisi paling kiri dengan nilai keanggotaan nol (0) ke
sisi paling kanan dengan nilai keanggotaan satu (1). Fungsi
keanggotaannya akan bertumpu pada 50% nilai keanggotaannya yang
sering disebut titik infleksi.
Grafik 2.5 Representasi Kurva-S Pertumbuhan
Grafik 2.4 Representasi Kurva Trapesium.
b. Representasi Kurva-S Penyusutan
Merupakan kebalikan dari kurva-S pertumbuhan.nilai keanggotaannya
akan bergerak dari sisi paling kiri dengan nilai keanggotaan satu (1)
ke sisi paling kanan dengan nilai keanggotaan nol (0).
Grafik 2.6 Representasi Kurva-S Penyusutan
f. Crisp Input
Nilai input analog yang diberikan untuk mencari degree of membership.
g. Universe of Discourse
Batas input yang telah diberikan dalam merancang suatu sistem fuzzy.
B. Operator Dasar Operasi Himpunan
1. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. α-
predikat sebagai hasil operasi dengan operator AND diperoleh mengambil
nilai keanggotaan terkecil antarelemen pada himpunan-himpunan yang
bersangkutan.
2. Operator OR
Operator ini berhubungandenganperasiunion padahimpunan. α-predikat
sebagai hasil operasi dengan operator AND diperoleh mengambil nilai
keanggotaan terkecil antar elemen pada himpunan-himpunan yang
bersangkutan.
3. Operator NOT
Operator ini berhubungan dengan operasi komplemen himpunan. α-predikat
sebagai hasil operasi dengan operator AND diperoleh mengambil nilai
keanggotaan terkecil antar elemen pada himpunan-himpunan yang
bersangkutan.
C. Penalaran Monoton
Metode ini digunakan sebagai dasar untuk teknik implikasi fuzzy.Jika dua
daerah fuzzy direalisasikan dengan implikasi sederhana sebagai berikut:
Maka sistem fuzzy dapat berjalan tanpa harus melalui komposisi dan
dekomposisi fuzzy. Nilai output dapat diestimasi secara langsung dari nilai
keanggotaan yang berhubungan dengan antesedennya.
D. Fungsi Implikasi
Bentuk umum aturan yang digunakan dalam fungsi implikasi adalah :
Dengan :
• x dan y adalah skalar
• A dan B adalah himpunan fuzzy
• Proposisi yang mengikuti IF disebut anteseden
• Proposisi yang mengikuti THEN disebut konsekuen
Secara umum, ada dua fungsi implikasi, yaitu:
1.Min (minimum), fungsi ini akan memotong output himpunan fuzzy.
2.Dot (product), fungsi ini akan menskala output himpunan fuzzy.
E. Metode Penalaran Mamdani
Dalam membangun sebuah system Fuzzy dikenal beberapa metode
penalaran, antara lain: metode Tsukamoto, metode Mamdani dan metode
Sugeno. Untuk perancangan sistem pendukung keputusan penanganan
kesehatan balita ini, digunakan metode Mamdani.
Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Untuk
mendapatkan output, diperlukan empat tahapan:
1. Pembentukan Himpunan Fuzzy
Pada Metode Mamdani, baik variabel input maupun variabel output
dibagi menjadi satu atau lebih himpunan fuzzy.
2. Aplikasi Fungsi Implikasi
Pada Metode Mamdani, fungsi implikasi yang digunakan adalah MIN.
3. Komposisi Aturan
Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy,
yaitu: max, additive dan probabilistik OR (probor). Pada metode Mamdani
untuk komposisi antar fungsi implikasi menggunakan fungsi MAX.
3. Penegasan (defuzzy)
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. Beberapa metode
defuzzy pada komposisi aturan metode Mamdani:
a. Metode Centroid
Solusi crisp diperoleh dengan cara mengambil titik pusat (z) daerah
fuzzy C.
Untuk variabel diskrit:
Untuk variabel kontinu:
b. 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.
c. Metode Min of Maximum (MOM)
Solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang
memiliki nilai keanggotaan maksimum.
d. Metode Smallest of Maximum (SOM)
Solusi crisp diperoleh dengan cara mengambil nilai terbesar dari domain
yang memiliki nilai keanggotaan maksimum.
e. Metode Largest of Maximum (LOM)
Solusi crisp diperoleh dengan cara mengambil nilai terkecil dari domain
yang memiliki nilai keanggotaan maksimum.