Making a good and clear diagnosis needs medical data in various forms. A design of diagnosis application is discuss here using case based reasoning method. All previous domain cases are represented in decision tree, text and medical image visual features data concerning with the domain are used as variables decision.
The texture features extracted from medical images used here are first order color moment, second order color moment, third order color moment, entropy, energy, contras and homogeneity. The decision tree is constructed by C4.5 algorithm.
The build decision tree hopefully can support diagnosis process in computer based diagnosis tool.
....
to read the full paper you can download here
this paper has been presented in International Graduate Conference on Engineering and Science on 24th December 2008 in University Technology Malaysia
the presentation file can be download here
Wednesday, December 24, 2008
Sunday, September 7, 2008
Algoritma C4.5
Untuk memudahkan penjelasan mengenai algoritma C4.5 berikut ini disertakan contoh kasus yang dituangkan dalam Tabel 3.1.
Dalam kasus yang tertera pada Tabel 3.1, akan dibuat pohon keputusan untuk menentukan main tenis atau tidak dengan melihat keadaan cuaca, temperatur, kelembaban dan keadaan angin.
Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut:
Secara umum algoritma C4.5 untuk membangun pohon keputusan adalah sebagai berikut:
- Pilih atribut sebagai akar
- Buat cabang untuk masing-masing nilai
- Bagi kasus dalam cabang
- Ulangi proses untuk masing-masing cabang sampai semua kasus pada cabang memiliki kelas yang sama.
Untuk memilih atribut sebagai akar, didasarkan pada nilai gain tertinggi dari atribut-atribut yang ada. Untuk menghitung gain digunakan rumus seperti tertera dalam Rumus 1 (Craw, S., ---).
Sedangkan penhitungan nilai entropy dapat dilihat pada rumus 2 berikut(Craw, S., ---):
Berikut ini adalah penjelasan lebih rinci mengenai masing-masing langkah dalam pembentukan pohon keputusan dengan menggunakan algoritma C4.5 untuk menyelesaikan permasalahan pada Tabel 3.1.
- Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut OUTLOOK, TEMPERATURE, HUMIDITY dan WINDY. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 3.2.
Baris TOTAL kolom Entropy pada Tabel 3.2 dihitung dengan rumus 2, sebagai berikut:
Dari hasil pada Tabel 3.2 dapat diketahui bahwa atribut dengan Gain tertinggi adalah HUMIDITY yaitu sebesar 0.37. Dengan demikian HUMIDITY dapat menjadi node akar. Ada 2 nilai atribut dari HUMIDITY yaitu HIGH dan NORMAL. Dari kedua nilai atribut tersebut, nilai atribut NORMAL sudah mengklasifikasikan kasus menjadi 1 yaitu keputusan-nya Yes, sehingga tidak perlu dilakukan perhitungan lebih lanjut, tetapi untuk nilai atribut HIGH masih perlu dilakukan perhitungan lagi.
Dari hasil tersebut dapat digambarkan pohon keputusan sementara-nya tampak seperti Gambar 3.1
Dari hasil tersebut dapat digambarkan pohon keputusan sementara-nya tampak seperti Gambar 3.1
- Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut OUTLOOK, TEMPERATURE dan WINDY yang dapat menjadi node akar dari nilai atribut HIGH. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 3.3.
Dari hasil pada Tabel 3.3 dapat diketahui bahwa atribut dengan Gain tertinggi adalah OUTLOOK yaitu sebesar 0.67. Dengan demikian OUTLOOK dapat menjadi node cabang dari nilai atribut HIGH. Ada 3 nilai atribut dari OUTLOOK yaitu CLOUDY, RAINY dan SUNNY. Dari ketiga nilai atribut tersebut, nilai atribut CLOUDY sudah mengklasifikasikan kasus menjadi 1 yaitu keputusan-nya Yes dan nilai atribut SUNNY sudah mengklasifikasikan kasus menjadi satu dengan keputusan No, sehingga tidak perlu dilakukan perhitungan lebih lanjut, tetapi untuk nilai atribut RAINY masih perlu dilakukan perhitungan lagi.
Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada gambar 3.2 berikut:
Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada gambar 3.2 berikut:
3. Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan atribut TEMPERATURE dan WINDY yang dapat menjadi node cabang dari nilai atribut RAINY. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 3.4.
Dari hasil pada tabel 3.4 dapat diketahui bahwa atribut dengan Gain tertinggi adalah WINDY yaitu sebesar 1. Dengan demikian WINDY dapat menjadi node cabang dari nilai atribut RAINY. Ada 2 nilai atribut dari WINDY yaitu FALSE dan TRUE. Dari kedua nilai atribut tersebut, nilai atribut FALSE sudah mengklasifikasikan kasus menjadi 1 yaitu keputusan-nya Yes dan nilai atribut TRUE sudah mengklasifikasikan kasus menjadi satu dengan keputusan No, sehingga tidak perlu dilakukan perhitungan lebih lanjut untuk nilai atribut ini.
Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada Gambar 3.3.
Dengan memperhatikan pohon keputusan pada Gambar 3.3, diketahui bahwa semua kasus sudah masuk dalam kelas. Dengan demikian, pohon keputusan pada Gambar 3.3 merupakan pohon keputusan terakhir yang terbentuk.
Friday, August 8, 2008
Pemilihan Peneliti Muda Indonesia 2008
Tanggal 3-6 Agustus saya mengikuti Pemilihan Peneliti Muda Indonesia (PPMI) 2008 yang diselenggarakan oleh LIPI. Kebetulan saya menjadi salah satu finalis dari 2 yang masuk sebagai finalis dalam kategori Teknik dan Rekayasa. Selain dari kategori Teknik dan Rekayasa masih ada 18 finalis lainnya dari 4 kategori yang lain. Selain itu kami juga bersama dengan teman-teman muda dari SMP dan SMA peserta Lomba Karya Ilmiah Remaja (LKIR).
Ini adalah moment yang luar biasa dimana saya bisa bertemu dengan orang-orang hebat dibidangnya. Setiap finalis memiliki keunggulan yang luar biasa. Format acara yang dibuat oleh LIPI dengan menekankan kebersamaan, komunikasi antar peneliti membuat antar finalis akrab satu sama lain, bahkan sampai lupa kalau k
ami harus saling bersaing untuk terpilih di masing-masing bidang kami.Hari pertama kami lalui dengan serangkaian acara dari pembukaan di Hotel Sahid bersama dengan pembukaan LIPI Expo 2008 yand secara resmi dilakukan oleh Wakil Presiden kita Bapak Yusuf Kala. Ada pelajaran penting dari yang disampaikan beliau mengenai penelitian,
diantaranya:1. Penelitian harus melihat kedepan, bukan membanggakan teknologi fosil 2. Sebuah penelitan harus mampu membuat masysrakat lebih baik dengan membuat produk atau proses produksi menjadi lebih baik, lebih murah dan lebih cepat.
diantaranya:1. Penelitian harus melihat kedepan, bukan membanggakan teknologi fosil 2. Sebuah penelitan harus mampu membuat masysrakat lebih baik dengan membuat produk atau proses produksi menjadi lebih baik, lebih murah dan lebih cepat.
Selesai acara pembukaan, kami berangkat ke Gedung LIPI di Jl. Gatot Subroto. Inilah acara intinya, presentasi karya dan wawancara. Sungguh pengalaman yang luar biasa saya bisa mendapatkan masukan dan motivasi dari peneliti-peneliti senior dari LIPI dan ITB. Pelajaran yang tercatat dari apa yang mereka sampaikan yaitu bahwa penelitian itu bukan sekedar kesenangan kita melakukan sesuatu, tetapi juga penelitian harus didasarkan pada masalah yang muncul dan hasil penelitian itu bisa menjadi solusi bagi permasalah tersebut. Jika kita melakukan penelitian dengan meninjau penelitian orang lain, jangan kita
menunjukkan kesempurnaan dari hasil penelitian orang lain tersebut tetapi justru kelemahannya sehingga kita bisa menutupi kelemahan tersebut (kalau sudah sempurna kita tidak perlu melakukan penelitian lanjutan). Selain itu penelitian juga harus dilakukan secara tuntas, tidak berganti-ganti topik sampai penelitiannya berhasil dan terimplementasikan dengan baik.Hari pertama yang menegangkan dan melelahkan telah kami lalui, kembali ke hotel Aston Athrium senen tempat kami menginap serasa begitu jauh karena jalanan yang macet. Sampai ke hotel kami langsung berhamburan menyerbu makanan yang sudah dihidangkan di hotel tersebut.
Di hari kedua, panitia membawa kami ke Kantor Kementrian negara Riset dan Teknologi. Kami tidak bertemu dengan menristek yang pada waktu yang sama sedang mendampingi Bapak residen ke Bali. Tapi kami cukup bahagia diterima oleh Sekretaris kementerian Negara Riset dan Teknologi, Bp. Prof Dr Ir Benyamin Lakitan. Sharing ilmu antara para Finalis PPMI, peserta LKIR dan pendamping LKIR dengan Bapak Beny dan Bu Sri yang dipandu oleh Ibu Neni Sintowardani terasa begitu menyenangkan.
Selesai dari kementrian negara riset dan teknologi, kami di ajak ke Bogor mengunjungi Kebon Raya Bogor. Hari yang melelahkan dan menyenangkan kami lalui. Kami sampai kembali di hotel
tempat kami menginap ketika jam makan malam sudah lewat, dan kami tak ragu lagi untuk
menyelesaikan makan malam kami yang tertunda.
Di hari ketiga, kami dibawa ke Graha LIPI lagi untuk mengikuti Temu Ilmiah Peneliti Muda Indonesia tahun 2008, dalam acara ini ada 3 pembicara mantan peneliti muda yang sudah berhasil menyelesaikan penelitian mereka. Sugguh penelitian luar biasa yang dapat memberikan inspirasi bagi setiap peserta dalam pertemuan itu.
Acara dilanjutkan dengan penganugerahan peneliti muda indonesia 2008 dan pengumumkan pemenang LKIR. MMMh acara yang membuat dag dig dug setiap finalis. Detik-detik yang menegangkan kami lalui, dan akhirnya saya belum terpilih untuk mendapatkan icon peneliti muda terbaik dalam bidang teknik dan rekayasa tahun 2008. Tahun ini Bapak Dr. Eng Ratno Nuryadi yang telah memiliki pengalaman lebih banyak dalam melakukan penelitian bersama timnya di Jepang berhasil terpilih sebagai peneliti muda terbaik dalam bidang teknik dan rekayasa tahun 2008. Selamat ya Pak.....
Tanggal 7 Agustus 2008, saya kembali ke Yogyakarta tetap dengan senyum kemenangan,
kemenangan karena diberi kesempatan untuk bertemu teman yang hebat-hebat, kesempatan menimba ilmu gratis yang difasilitasi oleh LIPI, terimakasih LIPI, terimakasih Bu Retno, Bu Mariana, dan juga Bu Neni serta tak lupa Pak Lorent yang membuat suasana selalu ceria...
kemenangan karena diberi kesempatan untuk bertemu teman yang hebat-hebat, kesempatan menimba ilmu gratis yang difasilitasi oleh LIPI, terimakasih LIPI, terimakasih Bu Retno, Bu Mariana, dan juga Bu Neni serta tak lupa Pak Lorent yang membuat suasana selalu ceria...
Wednesday, July 16, 2008
Dosen Berprestasi Kopertis V
Alhamdulillah, puji syukur tak henti-hentinya saya panjatkan ke hadirat Allah SWT. Hari ini
saya terpilih sebagai dosen berprestasi peringkat 3 di Kopertis Wilayah V Yogyakarta.
Terlalu takut bagi saya untuk berharap terpilih sebagai dosen berprestasi, mengingat kiprah
saya belum lah banyak sebagai dosen. Saya di AMIKOM baru 5 tahun. Tentunya banyak dosen dari perguruan tinggi lain yang telah lebih banyak mengukir prestasi baik dalam bidang pengajaran, penelitian ataupun pengabdian masyarakat.
Hampir tidak percaya, ketika Pak Yanto, Ketua STMIK AMIKOM Yogyakarta menunjukkan surat dari Kopertis yang memberitahukan hasil pemilihan.
Terimakasih ya Allah atas kesempatan yang Kau berikan. Ini akan menjadi cambuk pemacu bagi saya untuk terus berprestasi, untuk terus berkarya.
saya terpilih sebagai dosen berprestasi peringkat 3 di Kopertis Wilayah V Yogyakarta.
Terlalu takut bagi saya untuk berharap terpilih sebagai dosen berprestasi, mengingat kiprah
saya belum lah banyak sebagai dosen. Saya di AMIKOM baru 5 tahun. Tentunya banyak dosen dari perguruan tinggi lain yang telah lebih banyak mengukir prestasi baik dalam bidang pengajaran, penelitian ataupun pengabdian masyarakat.
Hampir tidak percaya, ketika Pak Yanto, Ketua STMIK AMIKOM Yogyakarta menunjukkan surat dari Kopertis yang memberitahukan hasil pemilihan.
Terimakasih ya Allah atas kesempatan yang Kau berikan. Ini akan menjadi cambuk pemacu bagi saya untuk terus berprestasi, untuk terus berkarya.
Monday, July 7, 2008
Juara AMICTA 2008
Hari sabtu tanggal 5 Juli 2008 kemaren diselenggarakan penutupan AMIKOM ICT AWARD (AMICTA) 2008. Dalam acara tersebut dilakukan pemberian penghargaan kepada para peserta yang berhak mendapatkan award. Alhamdulillah saya termasuk yang beruntung karena dari ketiga produk yang saya ikutkan lomba, semua mendapatkan penghargaan. TubEx System mendapat Juara 1 kategori E-Business, Student Candidat Analyzer berhasil mendapat Juara 2 kateogri E-Ediucation dan Image Classification Tool berhasil mendapat Juara 2 untuk kategori Research and Development.AMICTA 2008 selain memberikan penghargaan, juga memberikan kesempatan produk yang mendapatkan award untuk di lombakan di ajang yang lebih bergengsi yaitu Indonesia ICT AWARD (INAICTA) 2008. Semoga produk-produk dari AMIKOM yang dikirimkan bisa mendapatkan penghargaan di INAICTA 2008.
Saturday, June 14, 2008
Jalan-jalan ke Langkawi Malaysia
Alhamdulillah, saya diberi kesempatan untuk jalan-jalan ke negeri Jiran. Ini pertama kalinya lho saya menginjakkan kaki di negeri orang. Saya kesana dalam rangka mempresentasikan makalah di "Knowledge Management International Conference (KMICE) 2008", makalahnya berjudul "Decision tree as knowledge management tool for image classification". Perjalanan saya ini di sponsori oleh STMIK AMIKOM, tempat saya bekerja, Terimakasih AMIKOM...
Karena ini perj
alanan pertama, saya sudah mempersiapkan jauh-jauh hari, termasuk pesen tiket pesawat dan penginapan. Saya berangkat tanggal 9 Juni 2008 dan balik tanggal 13 Juni 2008. Untuk semua perjalanan udara saya, saya pake Air Asia.
Malam sebelum berangkat, ada masalah sedikit ternyata penerbangan dari Solo ke Kualalumpur yang akan saya tumpangi dibatalkan, dan penerbangan dialihkan sore hari. Jadi kacau deh soalnya saya sudah merencanakan conecting dari Kualalumpur ke Langkawi. Alhasil saya harus beli lagi deh tiket keberangkatan Jogja-Kualalumpur dan Kualalumpur Langkawi.
Tapi saya masih bersyukur saya masih bisa sampai Langkawi hari itu juga, meskipun sambil ngedumel terhadap pelayanan Air Asia.
Disana saya bertemu 2 teman dari Indonesia, Mahasiswa S3 Teknik Industri ITB Bandung.
Alhamdulillah acara berjalan dengan lancar, saya bisa mempresentasikan makalah saya dengan baik meskipun dengan kemampuan bahasa inggris yang terbatas.
Dan akhirnya dengan selamat saya sampai rumah kembali seperti rencana dan bertemu dua jagoan kecil saya dan juga suami tercinta.
Karena ini perj
alanan pertama, saya sudah mempersiapkan jauh-jauh hari, termasuk pesen tiket pesawat dan penginapan. Saya berangkat tanggal 9 Juni 2008 dan balik tanggal 13 Juni 2008. Untuk semua perjalanan udara saya, saya pake Air Asia.Malam sebelum berangkat, ada masalah sedikit ternyata penerbangan dari Solo ke Kualalumpur yang akan saya tumpangi dibatalkan, dan penerbangan dialihkan sore hari. Jadi kacau deh soalnya saya sudah merencanakan conecting dari Kualalumpur ke Langkawi. Alhasil saya harus beli lagi deh tiket keberangkatan Jogja-Kualalumpur dan Kualalumpur Langkawi.
Tapi saya masih bersyukur saya masih bisa sampai Langkawi hari itu juga, meskipun sambil ngedumel terhadap pelayanan Air Asia.
Disana saya bertemu 2 teman dari Indonesia, Mahasiswa S3 Teknik Industri ITB Bandung.
Alhamdulillah acara berjalan dengan lancar, saya bisa mempresentasikan makalah saya dengan baik meskipun dengan kemampuan bahasa inggris yang terbatas.
Dan akhirnya dengan selamat saya sampai rumah kembali seperti rencana dan bertemu dua jagoan kecil saya dan juga suami tercinta.
Friday, May 30, 2008
Kuliah Umum di STTA
Hari Kamis Tanggal 29 Mei saya mengisi kuliah umum di Sekolah Tinggi Teknologi Adisucipto (STTA). Dalam acara tersebut saya membawakan materi tetntang perkembangan aplikasi sistem cerdas. Alhamdulillah semua berjalan dengan lancar. Saya sangat bahagia melihat antusiasme mahasiswa STTA dalam menerima materi dan berdikusi mengenai materi tersebut. Trus yang menyenangkan lagi, setelah selesai saya diberikan kenang-kenengan sebuah miniatur pesawat, wah ini bakalan jadi hadiah menarik bagi anak-anak saya. (Tapi rebutan nggak ya......, soalnya cuma satu, anak saya kan dua :-) )
Friday, May 23, 2008
Metode Kuantifikasi Pertanyaan untuk Mendapatkan Nilai Certainty Faktor Pengguna
1. Latar belakang
Dalam aplikasi sistem pakar terdapat suatu metode untuk menyelesaikan masalah ketidakpastian data. Salah satu metode yang dapat digunakan adalah faktor kepastian (certainty factor). Faktor kepastian diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN (Wesley, 1984). Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan.
Ada 2 macam faktor kepastian yang digunakan yaitu:
faktor kepastian yang diisikan oleh pakar bersama dengan aturan
faktor kepastian yang diberikan oleh pengguna
Faktor kepastian yang diisikan oleh pakar menggambarkan kepercayaan pakar terhadap hubungan antara antecedent dan konsekuen pada aturan kaidah produksi. Sebagai contoh diberikan aturan kaidah produksi:
Aturan 1:
Jika bersin-bersin
Dan batuk
Dan pusing
Maka influensa (CF 0.75)
Aturan tersebut diatas menunjukkan bahwa pakar yakin 75% jika bersin-bersin, batuk dan pusing merupakan gejala dari penyakit influensa.
Sementara itu faktor kepastian dari pengguna menunjukkan besarnya kepercayaan terhadap keberadaan masing-masing elemen dalam antecedent.
Misalnya dengan menggunakan contoh pada Aturan 1, kemudian diketahui :
CF bersin-bersin : 0.5
CF batuk : 0.6
CF pusing : - 0.2
Hal ini berarti pengguna yakin bahwa 50 % pasien mengalami bersin-bersin, 60% pasien mengalami batuk dan pengguna yakin 20% bahwa pengguna tidak mengalami pusing.
Untuk mengetahui faktor kepastian oleh pengguna tidak mudah, karena sulit bagi pengguna untuk memperkirakan besarnya nilai kepastian terhadap element antecedent sesuai dengan standar yang diberikan oleh pakar.
2. Metode pencapaian
Untuk mengatasi permasalahan kesulitan dalam menentukan nilai CF pengguna, saya mengusulkan metode kuantifikasi pertanyaan. Metode kuantifikasi pertanyaan merupakan metode untuk mendapatkan nilai faktor kepastian dari pengguna terhadap suatu evidence dengan mengkuantifikasi pertanyaan. Sebagai contoh:
Diinginkan untuk mengetahui derajat kepercayaan demam seorang pasien. Nilai derajat kepercayaan adalah antara -1 s/d 1. Nilai -1 artinya tidak demam sama sekali. Nilai 1 berarti sangat demam. Untuk mendapatkan nilai derajat kepercayaan terhadap demam yang dialami pasien maka pertanyaan yang diberikan oleh sistem adalah
berapa derajat celcius suhu badan pasien
dari jawaban pengguna, besarnya nilai kepercayaan pengguna akan dihitung oleh sistem.
Saya menerapkan metode ini untuk membangun sistem pakar yang digunakan untuk mendiagnosis dan memberikan terapi penyakit TBC pada anak.
3. Penjelasan Metode
CF user diperoleh dari jawaban user saat melakukan konsultasi. CF tidak secara langsung diberikan oleh user tetapi dihitung oleh sistem berdasarkan jawaban user.
Pilihan jawaban yang disediakan oleh sistem berupa jawaban tidak tahu (CF : 0) ya (CF : 1), tidak (CF : -1). Tetapi apabila aturan yang mengandung fungsi kuantitas dan waktu, maka CF akan dihitung sebesar gabungan derajat keanggotaan dari fungsi karakteristik kuantitas dan derajat keanggotaan dari fungsi karakteristik waktu.
Fungsi-fungsi karakteristik didapatkan dari premis aturan yang berbentuk:
Operator_Aturan Data Operator_Kuantitas Kuantitas Toleransi_Kuantitas Operator_Waktu Waktu Toleransi_Waktu
Untuk fungsi karakteristik kuantitas didasarkan pada bagian aturan “Operator _Kuantitas”, “Kuantitas” dan “Toleransi_Kuantitas”. Sedangkan fungsi karakteristik waktu didasarkan pada bagian aturan “Operator _Waktu”, “Waktu” dan “Toleransi_Waktu”.
“Operator_Kuantitas” dan “Operator_Waktu” yang disediakan berupa “=’, “>=”, dan “<=”. “Kuantitas” dan “Waktu” merupakan syarat nilai dari berlakunya aturan itu, sedangkan “Toleransi_Kuantitas” dan “Toleransi_Waktu” memberikan batasan hingga suatu nilai yang membuat data premis ini tidak diabaikan. Sesuai dengan jenis operatornya, ada 3 macam fungsi karakteristik untuk kuantitas dan waktu. Fungsi operator “=”dapat dilihat pada Rumus 1
(1)
dengan
x : Kuantitas/Waktu yang dialami user
Nilai : Nilai kuantitas/waktu standar
Toleransi : Toleransi kuantitas/waktu
Fungsi untuk operator “>=”dapat dilihat pada Rumus 2.
(2)
dengan
x : Kuantitas/Waktu yang dialami user
Nilai : Nilai kuantitas/waktu standar
Toleransi : Toleransi kuantitas/waktu
Sedangkan fungsi operator “<=” dapat dilihat pada Rumus 3.
(3)
dengan
x : Kuantitas/Waktu yang dialami user
Nilai : Nilai kuantitas/waktu standar
Toleransi : Toleransi kuantitas/waktu
Untuk mendapatkan CF user, dilakukan perhitungan interpretasi standar dari interseksi antara CFKuantitas dan CFWaktu yang ditunjukkan pada Rumus 4.
(4)
Metode Kuantifikasi Pertanyaan memberikan alternatif kepada para pengembang sistem pakar dalam memperolah nilai faktor kepastian dari pengguna. Dengan menerapkan metode ini dalam sistem pakar maka nilai CF pengguna menjadi lebih akurat sehingga kesimpulan dari sistem pakar juga menjadi lebih bisa dipertanggungjawabkan. Selain itu dengan penerapan metode ini dalam sistem pakar juga akan membuat aplikasi sistem pakar lebih user friendly.
5. Diseminasi
Metode ini sudah saya presentasikan pada 2 pertemuan ilmiah yaitu: “Kuantifikasi Pertanyaan untuk Mendapatkan Certainty Factor Pengguna pada Aplikasi Sistem Pakar untuk Diagnosis Penyakit” disampaikan pada Seminar Ilmiah Nasional Komputasi dan Sistem Intelejen -KOMMIT Vol 4 yang diselenggarakan oleh Universitas Gunadharma Jakarta tahun 2006 “Question Quantification to Obtain User Certainty Factor in Expert System Application for Disease Diagnosis” disampaikan pada The International Conference on Electronic Engineering and Informatics (ICEEI) 2007 yang diselenggarakan oleh Institut Teknologi Bandung tahun 2007
6. Pengakuan dari pihak terkait
Penelitian ini mendapatkan penghargaan sebagai Juara I dalam Lomba Hasil Penelitian Unggulan Terpadu bidang Teknologi Informasi dan Komunikasi (TIK) yang diselenggarakan oleh Departemen Komunikasi dan Informasitika dengan judul penelitian ”Rancang Bangun Sistem Pakar untuk menangani Penyakit Tuberkulosis pada Anak”
Dalam aplikasi sistem pakar terdapat suatu metode untuk menyelesaikan masalah ketidakpastian data. Salah satu metode yang dapat digunakan adalah faktor kepastian (certainty factor). Faktor kepastian diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN (Wesley, 1984). Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan.
Ada 2 macam faktor kepastian yang digunakan yaitu:
faktor kepastian yang diisikan oleh pakar bersama dengan aturan
faktor kepastian yang diberikan oleh pengguna
Faktor kepastian yang diisikan oleh pakar menggambarkan kepercayaan pakar terhadap hubungan antara antecedent dan konsekuen pada aturan kaidah produksi. Sebagai contoh diberikan aturan kaidah produksi:
Aturan 1:
Jika bersin-bersin
Dan batuk
Dan pusing
Maka influensa (CF 0.75)
Aturan tersebut diatas menunjukkan bahwa pakar yakin 75% jika bersin-bersin, batuk dan pusing merupakan gejala dari penyakit influensa.
Sementara itu faktor kepastian dari pengguna menunjukkan besarnya kepercayaan terhadap keberadaan masing-masing elemen dalam antecedent.
Misalnya dengan menggunakan contoh pada Aturan 1, kemudian diketahui :
CF bersin-bersin : 0.5
CF batuk : 0.6
CF pusing : - 0.2
Hal ini berarti pengguna yakin bahwa 50 % pasien mengalami bersin-bersin, 60% pasien mengalami batuk dan pengguna yakin 20% bahwa pengguna tidak mengalami pusing.
Untuk mengetahui faktor kepastian oleh pengguna tidak mudah, karena sulit bagi pengguna untuk memperkirakan besarnya nilai kepastian terhadap element antecedent sesuai dengan standar yang diberikan oleh pakar.
2. Metode pencapaian
Untuk mengatasi permasalahan kesulitan dalam menentukan nilai CF pengguna, saya mengusulkan metode kuantifikasi pertanyaan. Metode kuantifikasi pertanyaan merupakan metode untuk mendapatkan nilai faktor kepastian dari pengguna terhadap suatu evidence dengan mengkuantifikasi pertanyaan. Sebagai contoh:
Diinginkan untuk mengetahui derajat kepercayaan demam seorang pasien. Nilai derajat kepercayaan adalah antara -1 s/d 1. Nilai -1 artinya tidak demam sama sekali. Nilai 1 berarti sangat demam. Untuk mendapatkan nilai derajat kepercayaan terhadap demam yang dialami pasien maka pertanyaan yang diberikan oleh sistem adalah
berapa derajat celcius suhu badan pasien
dari jawaban pengguna, besarnya nilai kepercayaan pengguna akan dihitung oleh sistem.
Saya menerapkan metode ini untuk membangun sistem pakar yang digunakan untuk mendiagnosis dan memberikan terapi penyakit TBC pada anak.
3. Penjelasan Metode
CF user diperoleh dari jawaban user saat melakukan konsultasi. CF tidak secara langsung diberikan oleh user tetapi dihitung oleh sistem berdasarkan jawaban user.
Pilihan jawaban yang disediakan oleh sistem berupa jawaban tidak tahu (CF : 0) ya (CF : 1), tidak (CF : -1). Tetapi apabila aturan yang mengandung fungsi kuantitas dan waktu, maka CF akan dihitung sebesar gabungan derajat keanggotaan dari fungsi karakteristik kuantitas dan derajat keanggotaan dari fungsi karakteristik waktu.
Fungsi-fungsi karakteristik didapatkan dari premis aturan yang berbentuk:
Operator_Aturan Data Operator_Kuantitas Kuantitas Toleransi_Kuantitas Operator_Waktu Waktu Toleransi_Waktu
Untuk fungsi karakteristik kuantitas didasarkan pada bagian aturan “Operator _Kuantitas”, “Kuantitas” dan “Toleransi_Kuantitas”. Sedangkan fungsi karakteristik waktu didasarkan pada bagian aturan “Operator _Waktu”, “Waktu” dan “Toleransi_Waktu”.
“Operator_Kuantitas” dan “Operator_Waktu” yang disediakan berupa “=’, “>=”, dan “<=”. “Kuantitas” dan “Waktu” merupakan syarat nilai dari berlakunya aturan itu, sedangkan “Toleransi_Kuantitas” dan “Toleransi_Waktu” memberikan batasan hingga suatu nilai yang membuat data premis ini tidak diabaikan. Sesuai dengan jenis operatornya, ada 3 macam fungsi karakteristik untuk kuantitas dan waktu. Fungsi operator “=”dapat dilihat pada Rumus 1
(1)
dengan
x : Kuantitas/Waktu yang dialami user
Nilai : Nilai kuantitas/waktu standar
Toleransi : Toleransi kuantitas/waktu
Fungsi untuk operator “>=”dapat dilihat pada Rumus 2.
(2)
dengan
x : Kuantitas/Waktu yang dialami user
Nilai : Nilai kuantitas/waktu standar
Toleransi : Toleransi kuantitas/waktu
Sedangkan fungsi operator “<=” dapat dilihat pada Rumus 3.
(3)
dengan
x : Kuantitas/Waktu yang dialami user
Nilai : Nilai kuantitas/waktu standar
Toleransi : Toleransi kuantitas/waktu
Untuk mendapatkan CF user, dilakukan perhitungan interpretasi standar dari interseksi antara CFKuantitas dan CFWaktu yang ditunjukkan pada Rumus 4.
(4)
Metode Kuantifikasi Pertanyaan memberikan alternatif kepada para pengembang sistem pakar dalam memperolah nilai faktor kepastian dari pengguna. Dengan menerapkan metode ini dalam sistem pakar maka nilai CF pengguna menjadi lebih akurat sehingga kesimpulan dari sistem pakar juga menjadi lebih bisa dipertanggungjawabkan. Selain itu dengan penerapan metode ini dalam sistem pakar juga akan membuat aplikasi sistem pakar lebih user friendly.
5. Diseminasi
Metode ini sudah saya presentasikan pada 2 pertemuan ilmiah yaitu: “Kuantifikasi Pertanyaan untuk Mendapatkan Certainty Factor Pengguna pada Aplikasi Sistem Pakar untuk Diagnosis Penyakit” disampaikan pada Seminar Ilmiah Nasional Komputasi dan Sistem Intelejen -KOMMIT Vol 4 yang diselenggarakan oleh Universitas Gunadharma Jakarta tahun 2006 “Question Quantification to Obtain User Certainty Factor in Expert System Application for Disease Diagnosis” disampaikan pada The International Conference on Electronic Engineering and Informatics (ICEEI) 2007 yang diselenggarakan oleh Institut Teknologi Bandung tahun 2007
6. Pengakuan dari pihak terkait
Penelitian ini mendapatkan penghargaan sebagai Juara I dalam Lomba Hasil Penelitian Unggulan Terpadu bidang Teknologi Informasi dan Komunikasi (TIK) yang diselenggarakan oleh Departemen Komunikasi dan Informasitika dengan judul penelitian ”Rancang Bangun Sistem Pakar untuk menangani Penyakit Tuberkulosis pada Anak”
Monday, January 14, 2008
Ada masalah dengan program sistem pakar?
Bagi pembaca buku Sistem Pakar Teori dan Aplikasi karangan saya yang bermasalah dalam menjalankan program aplikasinya. Silahkan download File Epilepsi.Exe ini.
Untuk dapat menjalankan program syaratnya komputer harus terinstal ABC for Delphi 5. Jika Anda belum
punya komponen tersebut silahkan download file PEpilepsi.Exe ini, hanya tampilannya tidak sama persis dengan file yang pertama.
Selain itu file-file tersebut harus berada satu folder dengan file databasenya TA.GDB. Tentu saja supaya databasenya bisa terakses DBMS nya yaitu Interbase 5 atau yang lebih tinggi harus sudah terinstal di komputer.
Selamat mencoba....
Untuk dapat menjalankan program syaratnya komputer harus terinstal ABC for Delphi 5. Jika Anda belum
punya komponen tersebut silahkan download file PEpilepsi.Exe ini, hanya tampilannya tidak sama persis dengan file yang pertama.
Selain itu file-file tersebut harus berada satu folder dengan file databasenya TA.GDB. Tentu saja supaya databasenya bisa terakses DBMS nya yaitu Interbase 5 atau yang lebih tinggi harus sudah terinstal di komputer.
Selamat mencoba....
Subscribe to:
Posts (Atom)
