1 BAB I PENDAHULUAN 1.1 Latar Belakang Kulit manusia adalah lapisan luar dari tubuh. Pada manusia, itu adalah organ terbesar dari sistem yang menutupi. Gangguan pada kulit sering terjadi karena berbagai faktor penyebab, antara lain yaitu iklim, lingkungan tempat tinggal, kebiasaan hidup yang kurang sehat, alergi, dan lain-lain. Untuk mengobati atau mencegah penyakit kulit semakin parah dibutuhkan keahlian dari seorang spesialis kulit untuk mendiagnosa penyakit dan memberikan penanganan yang tepat. Dengan berkembangnya teknologi masa kini, untuk mendiagnosa sebuah penyakit tidak hanya dapat dilakukan oleh seorang spesialis saja. Sebuah sistem pakar yang merupakan sistem yang mengadopsi keahlian dari seorang pakar juga dapat mendiagnosa suatu penyakit. Namun suatu sistem pakar juga harus diperhatikan keakuratan hasil diagnosanya. Semakin akurat hasil diagnosa maka sistem tersebut semakin baik. Penalaran berbasis kasus (Case-Based Reasoning) merupakan salah satu teknik penalaran yang sering digunakan dalam sistem pakar yang menggunakan pengalaman lama atau kasus-kasus lama untuk menyelesaikan masalah baru. Metode penalaran berbasis kasus berkembang setelah diketahui bahwa kasus- kasus sukses di masa lalu ternyata dapat dipakai sebagai acuan dalam pengambilan keputusan jika terdapat kemiripan dalam beberapa kondisi (Watson, I). Dalam penalaran berbasis kasus diperlukan suatu algoritma pencarian similaritas untuk mencari kemiripan kasus lama dengan kasus baru. Ada beberapa penelitian yang telah menerapkan algoritma-algoritma pencarian similaritas. Pada penelitian sebelumnya digunakan algoritma Decision Tree C4.5 untuk mencari kemiripan kasus (Kusrini, 2007), namun algoritma decision tree menghasilkan hasil klasifikasi dengan akurasi yang kurang tinggi dibandingkan dengan algoritma K-Nearest Neighbor. Hal ini terbukti dari hasil penelitian Muhammad Fakhrurrifqi yang membadingkan algoritma K-Nearest Neighbor, C4.5, dan LVQ
10
Embed
BAB I PENDAHULUAN · 2017-04-01 · penelitian sebelumnya digunakan algoritma Decision Tree C4.5 untuk mencari ... Adaptive Distance Measure ini pada sistem pakar identifikasi penyakit
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kulit manusia adalah lapisan luar dari tubuh. Pada manusia, itu adalah
organ terbesar dari sistem yang menutupi. Gangguan pada kulit sering terjadi
karena berbagai faktor penyebab, antara lain yaitu iklim, lingkungan tempat
tinggal, kebiasaan hidup yang kurang sehat, alergi, dan lain-lain. Untuk
mengobati atau mencegah penyakit kulit semakin parah dibutuhkan keahlian dari
seorang spesialis kulit untuk mendiagnosa penyakit dan memberikan penanganan
yang tepat.
Dengan berkembangnya teknologi masa kini, untuk mendiagnosa sebuah
penyakit tidak hanya dapat dilakukan oleh seorang spesialis saja. Sebuah sistem
pakar yang merupakan sistem yang mengadopsi keahlian dari seorang pakar juga
dapat mendiagnosa suatu penyakit. Namun suatu sistem pakar juga harus
diperhatikan keakuratan hasil diagnosanya. Semakin akurat hasil diagnosa maka
sistem tersebut semakin baik.
Penalaran berbasis kasus (Case-Based Reasoning) merupakan salah satu
teknik penalaran yang sering digunakan dalam sistem pakar yang menggunakan
pengalaman lama atau kasus-kasus lama untuk menyelesaikan masalah baru.
Metode penalaran berbasis kasus berkembang setelah diketahui bahwa kasus-
kasus sukses di masa lalu ternyata dapat dipakai sebagai acuan dalam
pengambilan keputusan jika terdapat kemiripan dalam beberapa kondisi (Watson,
I).
Dalam penalaran berbasis kasus diperlukan suatu algoritma pencarian
similaritas untuk mencari kemiripan kasus lama dengan kasus baru. Ada beberapa
penelitian yang telah menerapkan algoritma-algoritma pencarian similaritas. Pada
penelitian sebelumnya digunakan algoritma Decision Tree C4.5 untuk mencari
kemiripan kasus (Kusrini, 2007), namun algoritma decision tree menghasilkan
hasil klasifikasi dengan akurasi yang kurang tinggi dibandingkan dengan
algoritma K-Nearest Neighbor. Hal ini terbukti dari hasil penelitian Muhammad
Fakhrurrifqi yang membadingkan algoritma K-Nearest Neighbor, C4.5, dan LVQ
2
untuk klasifikasi kemampuan mahasiswa (Muhammad Fakhrurrifqi, 2013).
Penelitian lainnya menggunakan metode K-Nearest Neighbor dengan adapative
distance measure (Jigang Wang, 2007). Pada penelitian tersebut menunjukkan
bahwa tingkat eror yang dihasilkan oleh K-Nearest Neighbor lebih tinggi
dibandingkan dengan K-Nearest Neighbor dengan Adaptive Distance Measure.
Dengan memperhatikan keunggulan K-Nearest Neighbor dengan Adaptive
Distance Measure, maka dalam penelitian ini akan dilakukan penerapan Adaptive
Distance Measure untuk melakukan pencarian similaritas untuk klasifikasi
penyakit kulit. Penulis ingin menerapkan algoritma K-Nearest Neighbor dengan
Adaptive Distance Measure ini pada sistem pakar identifikasi penyakit kulit dan
membandingkan dengan algoritma pencarian similaritas lainnya dengan harapan
metode ini dapat menghasilkan hasil klasifikasi dengan performa yang baik.
1.2 Rumusan Masalah
Dari latar belakang masalah tersebut dapat dirumuskan suatu
permasalahan yaitu :
a. Bagaimana penerapan metode Euclidean Distance, Manhattan Distance,
dan Adaptive Distance Measure dalam K-Nearest Neighbor pada
identifikasi penyakit kulit?
b. Bagaimana perbandingan hasil klasifikasi K-Nearest Neighbor apabila
menggunakan Euclidean Distance, Manhattan Distance, dan Adaptive
Distance Measure dilihat dari sudut pandang jumlah tetangga?
1.3 Tujuan Penelitian
Adapun tujuan penelitian yang penulis lakukan adalah :
a. Menerapkan metode Euclidean Distance, Manhattan Distance, dan
Adaptive Distance Measure dalam K-Nearest Neighbor pada identifikasi
penyakit kulit.
b. Untuk mengetahui bagaimana perbandingan hasil klasifikasi K-Nearest
Neighbor apabila menggunakan Euclidean Distance, Manhattan Distance,
dan Adaptive Distance Measure dilihat dari sudut pandang jumlah
tetangga.
3
1.4 Batasan Masalah
Adapun batasan masalah pada penelitian ini adalah :
a. Sistem hanya mengklasifikasi penyakit kulit jenis erythemato-squamous.
Yaitu timbulnya warna kemerahan dan bersisik pada kulit.
b. Data yang akan digunakan pada penelitian ini adalah data dermatologi dari
uci.edu.
1.5 Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah hasil penelitian nantinya dapat
dijadikan salah satu referensi keilmuan dalam penelitian di bidang sistem pakar
khususnya pada identifikasi penyakit kulit.
1.6 Metodelogi Penelitian
Pada bagian ini menjelaskan tahap-tahap yang akan dilakukan oleh penulis
untuk melakukan identifikasi penyakit kulit menggunakan algoritma K-Nearest
Neighbor. Tahapan-tahapan tersebut antara lain adalah mengenai pengumpulan
data, metode yang digunakan, evaluasi dan pengujian.
1.6.1 Data Penelitian
Pada penelitian kali ini menggunakan data set dermatologi. Dari data ini
nantinya akan dibentuk aturan-aturan yang akan digunakan dalam sistem pakar.
data yang digunakan adalah gejala-gelaja penyakit kulit, kesimpulan penyakit,
cara pengobatan, dan pencegahan penyebaran penyakit. Data penelitian ini terdiri
dari 6 klasifikasi penyakit dan 34 atribut gejala dengan jumlah total kasus adalah
358 kasus.
Berikut adalah kelas penyakit dari erythemato-squamous :