3 BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjuan Pustaka Sebagai tinjauan pustaka berikut beberapa contoh penelitian yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai acuan dan pengetahuan. Penelitian dengan judul “Sistem Pakar Diagnosa Penyakit Gigi Dengan Metode Fuzzy Multi-Attribute Decision Making”. Memuat tentang sistem pakar yang mampu mendiagnosis penyakit pada mulut dan gigi berdasarkan gejala- gejala yang ada dan cara penanganannya. Metode fuzzy multi-attribute decision making dipakai dalam penelitian ini. Penggunaan nilai kesesuaian dan fuzzyconditional probabilty sangat membantu dalam menganalisis penyakit yang dialami oleh pasien (Prasetiyowati, 2012). Penelitian dengan judul “Rancang Bangun Sistem Pakar Prediksi Stres Dengan Neural Network Algoritma Backpropagation”. Dari penelitian ini diperoleh kesimpulan dengan telah dilakukan perancangan dan pembangunan aplikasi sistem pakar prediksi stres dengan menggunakan neural network algoritma backpropagation, maka tujuan dari penelitian telah tercapai. Tingkat akurasi adalah 99,85%. Pada uji coba dan uji validasi dari 26 masukan pertanyaan-pertanyaan seputar psikologi belajar, aplikasi memberikan prediksi yang sesuai dengan prediksi pakar. Sistem pakar ini mampu memberikan prediksi tingkat stres belajar pada siswa (Putra, 2015). Penelitian dengan judul “Sistem Pakar Untuk Mendiagnosis Penyakit Kulit Dengan Logika Fuzzy Decision Making”. Penggunaan logika fuzzy dalam penelitian ini untuk memetakan nilai persentase suatu gejala terhadap penyakit ini, dan digunakan untuk proses dalam pengambilan keputusan. Sehingga akan membantu dan memudahkan pasien dalam identifikasi dan berkonsultasi penyakit yang diderita. Dalam merancang sistem pakar ini, penulis menggunakan bahasa pemograman Visual Basic.NET dan SQLServer serta dijalankan pada perangkat TabletPC dengan sistem operasi Microsoft Windows 8 (Kosdiana, 2013).
27
Embed
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORIeprints.mercubuana-yogya.ac.id/907/2/BAB II.pdf · pertanyaan-pertanyaan seputar psikologi belajar, aplikasi memberikan prediksi yang sesuai
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
3
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1 Tinjuan Pustaka
Sebagai tinjauan pustaka berikut beberapa contoh penelitian yang sudah
dilakukan oleh para peneliti yang dapat digunakan sebagai acuan dan
pengetahuan.
Penelitian dengan judul “Sistem Pakar Diagnosa Penyakit Gigi Dengan
Metode Fuzzy Multi-Attribute Decision Making”. Memuat tentang sistem pakar
yang mampu mendiagnosis penyakit pada mulut dan gigi berdasarkan gejala-
gejala yang ada dan cara penanganannya. Metode fuzzy multi-attribute decision
making dipakai dalam penelitian ini. Penggunaan nilai kesesuaian dan
fuzzyconditional probabilty sangat membantu dalam menganalisis penyakit yang
dialami oleh pasien (Prasetiyowati, 2012).
Penelitian dengan judul “Rancang Bangun Sistem Pakar Prediksi Stres
Dengan Neural Network Algoritma Backpropagation”. Dari penelitian ini
diperoleh kesimpulan dengan telah dilakukan perancangan dan pembangunan
aplikasi sistem pakar prediksi stres dengan menggunakan neural network
algoritma backpropagation, maka tujuan dari penelitian telah tercapai. Tingkat
akurasi adalah 99,85%. Pada uji coba dan uji validasi dari 26 masukan
pertanyaan-pertanyaan seputar psikologi belajar, aplikasi memberikan prediksi
yang sesuai dengan prediksi pakar. Sistem pakar ini mampu memberikan prediksi
tingkat stres belajar pada siswa (Putra, 2015).
Penelitian dengan judul “Sistem Pakar Untuk Mendiagnosis Penyakit
Kulit Dengan Logika Fuzzy Decision Making”. Penggunaan logika fuzzy dalam
penelitian ini untuk memetakan nilai persentase suatu gejala terhadap penyakit ini,
dan digunakan untuk proses dalam pengambilan keputusan. Sehingga akan
membantu dan memudahkan pasien dalam identifikasi dan berkonsultasi penyakit
yang diderita. Dalam merancang sistem pakar ini, penulis menggunakan bahasa
pemograman Visual Basic.NET dan SQLServer serta dijalankan pada perangkat
TabletPC dengan sistem operasi Microsoft Windows 8 (Kosdiana, 2013).
4
Penelitian dengan judul “Aplikasi Diagnosa Penyakit Diabetes Melitus
Menggunakan Metode Fuzzy Multy-Criteria Decision Making”. Penggunaan
logika fuzzy dalam aplikasi ini berguna untuk bahwa setiap alternatif atau tingkat
kepentingan pada setiap gejala-gejala dan jenis alternatif penyakit biasanya
mengandung nilai ketidak pastian sehingga penilaian yang diberikan oleh
pengambilan keputusan dilakukan secara kuantitatif. Dalam hasil uji coba sistem
ini didapatkan metode MFCDM yang mempunyai nilai yang identik dengan
perhitungan manual, sehingga bisa digunakan sebagai alat bantu untuk
mendiagnosa penyakit diabetes melitus (Lestari, 2016).
Penelitian dengan judul “Sistem Pakar Diagmosa Penyakit Gigi Dan
Mulut Dengan Metode Fuzzy Multi-Attribute Decision Making”. Pada
penelitiannya membahas tentang bagaimana merancang sistem pakar untuk
mendiagnosis penyakit gigi dan mulut berbasis web.Motor inferensi yang
digunakan dalam penelitian ini adalah fuzzy multi-attribute decision making. Pada
hasil diagnosis dalam sistem ini, pasiendapat mendapatkan informasi mengenai
penyakit yang diderita berdasarkan gejala-gejala yang dimasukkan, cara
pengobatannya, dan kemungkinan alternatif-alternatif lain (Abidin, 2015).
Penelitian dengan judul “Sistem Pakar Psychological Distress Dengan
Metode Fuzzy Multi-Attribute Decision Making”. Pada penelitiannya yang
membahas tentang bagaimana merancang sistem pakar untuk mendiagnosa
psychological distress (emosional negatif) berbasis web. Motor inferensi yang
digunakan dalam penelitian ini adalah fuzzy multi-attribute decision making. Pada
hasil diagnosa dalam sistem ini, pengguna mendapatkan informasi mengenai
emosional negatif yang dialami berdasarkan pernyataan-pernyataan yang
dimasukkan. Hasil penelitian ini memperoleh nilai kecocokan 95% pada
perhitungan manual kuesioner dari pakar dan perhitungan sistem (Yunanto, 2017).
2.2 Landasan Teori
2.2.1 Psychological Distress
Dalam Kamus Besar Bahasa Indonesia (KBBI) psychological adalah ilmu
yang berkaitan dengan proses mental, baik normal ataupun abnormal dan
5
pengaruhnya pada perilaku ilmu pengetahuan tentang gejala dan kegiatan jiwa.
Sedangkan distres dalam kamus bahasa besar indonesia (KBBI) adalah keadaan
sukar/berbahaya, menyusahkan, menderita serta menyedihkan.
Dapat disimpulkan Psychological distress adalah keadaan subjektif yang
dipresepsikan tidak menyenangkan. Psychological distress sendiri mempunyai
tiga bentuk utama, yaitu simtop dari depresi, kecemasan dan stres.
Psychological distress mengarah pada beberapa situasi pemikiran dan
perasaan negatif seseorang seperti ketidaknyamanan, frustasi, mudah marah,
khawatir dan cemas. Dalam bentuk sederhana Psychological distress dipandang
sebuah konstruk yang mempresentasikan aspek-aspek fungsi negatif (Karim,
2009).
2.2.2 Gejala Psychological Distress
Dalam Psychological distress (emosional negatif) mempunyai berbagai
macam bentuk utama yaitu depresi, kecemasan dan stres. Adapula gejala yang
merupakan ciri dari emosional negatif. Berikut adalah nama-nama emosional
negatif beserta gejalanya.
a. Depresi adalah gangguan perasaan atau mood, kondisi emosional yang
berkepanjangan terhadap kondisi mental (berfikir, berperasaan, dan
berperilaku) seseorang yang muncul perasaan tidak berdaya dan
kehilangan harapan dan disertai perasaan sedih. Gejala klinis depresi
antara lain, kehilangan kosentrasi, lambat dan kacau dalam berpikir, ragu-
ragu, harga diri rendah, tidur terganggu dan hilangnya nafsu makan
(Setyonegoro, 1991).
b. Kecemasan adalah manifestasi dari berbagai proses emosi yang bercampur
baur, yang terjadi ketika orang sedang mengalami tekanan perasaan
(frustasi) dan pertentangan batin / konflik (Drajat, 2001). Sementara itu,
Freud berpendapat bahwa kecemasan merupakan pengalaman subyektif
individu mengenai keteganganketegangan, kesulitan-kesulitan dan tekanan
yang menyertai suatu konflik atau ancaman. Kecemasan adalah suatu
6
ketegangan, rasa tidak aman, kekhawatiran, yang timbul karena dirasakan
akan mengalami kejadian yang tidak menyenangkan (Maramis, 1994).
c. Stres adalah tuntutan eksternal yang mengenai seseorang, misalnya obyek-
obyek dalam lingkungan atau stimulus yang secara obyektif berbahata.
Stres juga biasa diartikan sebagai tekanan, ketegangan, atau gangguan
yang tidak menyenangkan yang berasal dari luar diri seseorang (Charles,
2001). Gejala stres sendiri adalah mudah tersinggung, mudah marah,
konsentrasi terganggu, merasa kesepian, sakit kepala, sesak nafas,
terengah-engah, masalah tidur, dan gangguan pencernaan.
2.2.3 Kecerdasan Buatan
2.2.3.1 Definisi Kecerdasan Buatan
Kecerdasan Buatan (Artificial Intelligence= AI) merupakan salah satu
bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin
(komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh
manusia bahkan bisa lebih baik daripada yang dilakukan manusia (Kusumadewi,
2003). Menurut McCarthy, untuk mengetahui dan memodelkan proses–proses
berpikir manusia dan mendesain mesin agar dapat menirukan perilaku manusia.
Cerdas, berarti memiliki pengetahuan ditambah pengalaman, penalaran
(bagaimana membuat keputusan dan mengambil tindakan), moral yang baik.
Manusia cerdas (pandai) dalam menyelesaikan permasalahan karena manusia
mempunyai pengetahuan dan pengalaman.
Pengetahuan diperoleh dari belajar (Kusumadewi, 2003), semakin banyak
bekal pengetahuan yang dimiliki tentu akan lebih mampu menyelesaikan
permasalahan. Tapi bekal pengetahuan saja tidak cukup, manusia juga diberi akal
untuk melakukan penalaran, mengambil kesimpulan berdasarkan pengetahuan dan
pengalaman yang dimiliki. Tanpa memiliki kemampuan untuk menalar dengan
baik, manusia dengan segudang pengalaman dan pengetahuan tidak akan dapat
menyelesaikan masalah dengan baik. Demikian juga dengan kemampuan menalar
yang sangat baik, namun tanpa bekal pengetahuan dan pengalaman yang
memadai, manusia juga tidak akan bisa menyelesaikan masalah dengan baik.
7
Demikian juga agar mesin bisa cerdas (bertindak seperti dan sebaik manusia)
maka harus diberi bekal pengetahuan, sehingga mempunyai kemampuan untuk
menalar.
Lebih detailnya, pengertian kecerdasan buatan dapat dipandang dari
berbagai sudut pandang (Kusumadewi, 2003), antara lain :
a. Sudut Pandang Kecerdasan.
Kecerdasan buatan mampu membuat mesin menjadi cerdas (berbuat
seperti yang dilakukan manusia).
b. Sudut Pandang Penelitian.
Kecerdasan buatan adalah studi bagaimana membuat komputer dapat
melakukan sesuatu sebaik yang dilakukan manusia.
c. Sudut Pandang Bisnis
Kecerdasan buatan adalah kumpulan peralatan yang sangat powerfull dan
metodologis dalam menyelesaikan masalah bisnis
d. Sudut Pandang Pemrogram
Kecerdasan buatan meliputi studi tentang pemrograman simbolik,
problem solving, dan pencarian (searching)
Selain itu, untuk membuat aplikasi kecerdasan buatan ada dua bagian
utama yang sangat dibutuhkan yaitu :
a. Basis Pengetahuan (Knowledge Base), bersifat fakta-fakta, teori ,
pemikiran dan hubungan antar satu dengan yang lainnya.
b. Motor Inferensi (Inference Engine), kemampuan menarik kesimpulan
berdasarkan pengetahuan dan pengalaman.
Penerapan konsep kecerdasan buatan pada komputer dapat dilihat pada
Gambar 2.1.
8
Gambar 2. 1 Penerapan Konsep Kecerdasan (Kusumadewi, 2003)
2.2.3.2 Lingkup Kecerdasan Buatan Pada Aplikasi Komersial
Di zaman sekarang yang pesat akan perkembangan dunia teknologi,
kecerdasan buatan juga memberikan kontribusi yang cukup besar dibidang
manajemen. Adanya sistem pendukung keputusan, dan Sistem Informasi
Manajemen juga tidak terlepas dari andil kecerdasan buatan. Lingkup utama
dalam kecerdasan buatan dapat dijelaskan sebagai berikut:
a. Sistem Pakar (Expert System). Disini komputer digunakan sebagai sarana
untuk menyimpan pengetahuan para pakar. Dengan demikian komputer
akan memiliki keahlian yang dimiliki oleh pakar.
b. Pengolahan Bahasa Alami (Natural Language Processing). Dengan
pengolahan bahasa alami ini diharapkan user dapat berkomunikasi dengan
komputer dengan menggunakan bahasa sehari-hari.
c. Pengenalan Ucapan (Speech Recognation). Melalui pengenalan ucapan
diharapkan manusia dapat berkomunikasi dengan komputer dengan
menggunakan suara.
d. Robotika dan Sistem Sensor (Robotics & Sensory Systems).
e. Computer Vision, mencoba untuk dapat menginterprestasikan gambar atau
obyek-obyek tampak melalui komputer.
f. Intelligent Computer-aided Instruction. Komputer dapat digunakan
sebagai tutor yang dapat melatih dan mengajar.
g. Game Playing.
Beberapa karakteristik yang ada pada sistem yang menggunakan artificial
intelligence adalah pemrogramannya yang cenderung bersifat simbolik ketimbang
Basis
Pengetahuan
Motor
Inferensi
9
algoritmik, bisa mengakomodasi input yang tidak lengkap, bisa melakukan
inferensi, dan adanya pemisahan antara kontrol dengan pengetahuan. Teknologi
ini juga mampu mengakomodasi adanya ketidakpastian dan ketidaktepatan data
input (Kusumadewi, 2003).
2.2.3.3 Masalah, Ruang Keadaan dan Pencarian
Seperti telah diketahui bahwa, pada sistem yang menggunakan kecerdasan
buatan, akan mencoba untuk memberikan output berupa solusi dari suatu masalah
berdasarkan kumpulan pengetahuan yang ada pada Gambar 2.1 (Kusumadewi,
2003). Pada gambar tersebut, input yang diberikan pada sistem yang
menggunakan kecerdasan buatan berupa masalah. Pada sistem harus dilengkapi
dengan sekumpulan pengetahuan yang ada pada database pengetahuan. Sistem
harus memiliki inference engine agar mampu mengambil kesimpulan berdasarkan
fakta atau pengetahuan. Output yang diberikan berupa solusi masalah hasil dari
inferensi.
Dalam kecerdasan buatan, ada beberapa teknik pemecahan masalah.
Teknik-teknik pemecahan masalah tersebut diantaranya sebagai berikut
(Kusumadewi, 2003) :
a. Searching yaitu teknik penyelesaian masalah yang mempresentasikan
masalah ke dalam ruang keadaan (state) dan secara sistematis melakukan
pembangkitan dan pengujian state-state dari initial state sampai ditemukan
suatu goal state. Searching contohnya digunakan dalam pencarian rute
optimum untuk memandu seseorang di perjalanan, misal di Swedia setiap
taksi dilengkapi dengan GPS (Global Positioning System).
b. Reasoning merupakan teknik penalaran, yaitu teknik penyelesaian masalah
yang merepresentasikan masalah kedalam logic (mathematics tools yang
digunakan untuk merepresentasikan dan memanipulasi fakta dan aturan).
Reasoning contohnya software permainan catur HITECH adalah sistem AI
pertama yang berhasil mengalahkan grandmaster dunia Arnold Danker.
c. Planning merupakansuatu metode penyelesaian masalah dengan cara
memecah masalah dalam sub-sub masalah yang lebih kecil, menyelesaikan
10
sub-sub masalah satu demi satu, kemudian menggabungkan solusi-solusi
dari sub-sub masalah tersebut menjadi sebuah solusi lengkap dengan tetap
mengingat dan menangani interaksi yang terdapat pada sub-sub masalah
tersebut. Planning contohnya dalam dunia manufaktur dan robotik.
Software Optimum – AIV adalah suatu planner yang digunakan oleh
European Space Agency untuk perakitan pesawat terbang
d. Learning secara otomatis menemukan atuan yang diharapkan bisa berlaku
umum untuk data yang belum pernah kita ketahui. Learning digunakan
dalam bidang transportasi. Software ALVINN digunakan pada sebuah
mobil tanpa dikemudikan manusia dengan mengunakan JST yang dilatih
dengan berbagai gambar kondisi jalan raya ada.
Teknik-teknik pemecahan masalah dapat dilihat pada Gambar 2.2.
Gambar 2. 2 Teknik-Teknik Pemecahan Masalah (Kusumadewi, 2003)
2.2.4 Pengertian Sistem
Sistem merupakan kumpulan elemen yang saling berkaitan yang
bertanggung jawab memproses masukan (input) sehingga menghasilkan keluaran
(output) (Kusrini, 2007).
Menurut Kamus Besar Bahasa Indonesia (KBBI) sistem adalah perangkat
atau unsur yang secara teratur dan saling berkaitan sehingga membentuk suatu
totalitas.
11
Sistem merupakan kumpulan elemen yang saling berhubungan dan saling
berinteraksi dalam satu kesatuan untuk menjalankan suatu proses pencapaian
suatu tujuan utama (Sutarman, 2009).
Dari pengertian sistem dari para ahli tersebut, maka definisi sistem adalah
suatu kumpulan elemen, perangkat, atau unsur yang saling berubungan, berkaitan,
berinteraksi, dan bertanggung jawab memproses masukan (input) sehingga
menghasilkan keluaran (output).
2.2.5 Pengertian Pakar
Pakar adalah seseorang yang telah menguasai bidangnya dengan sangat
baik sehingga dia dapat memberikan respon yang sangat cepat (kadang kala
respon ini muncul tanpa berpikir panjang dan mungkin sekali muncul dari
ketidaksadaran). Jika seseorang mendapatkan “Rangsangan” yang berkaitan
dengan bidang yang dikuasainya. Sebagai contoh seorang Dosen (Pengarah) yang
sudah puluhan tahun mengajar “Termodinamika kimia” akan cepat sekali
menjawab pertanyaan mahasiswanya (Dengan jawaban yang benar) mengenai
bidang yang diajarkannya tanpa kelihatan berfikir keras. Dosen ini dapat digelari
pakar dalam bidang “Termodinamika kimia” yang diajarinya (Kusumadewi,
2003).
Pakar adalah orang yang mempunyai kehalian dalam bidang tertentu, yaitu
pakar yang mempunyai knowledge atau kemampuan khusus yang orang lain tidak
mengetahui atau mampu dalam bidang yang dimilikinya (Arhami, 2005).
Sehingga dapat ditarik suatu kesimpulan bahwa pakar adalah seseorang
yang mempunyai keahlian khusus dalam bidang tertentu dan memiliki respon
sangat cepat tanpa berpikir panjang terlebih dahulu.
2.2.6 Pengertian Sistem Pakar
Sistem pakar merupakan aplikasi berbasis komputer yang digunakan untuk
menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Pakar yang
dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat
12
menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam (Kusrini,
2008).
Menurut Arhami (2005), sistem pakar adalah salat satu cabang dari
Artificial Intelligence yang membuat penggunaan secara luas knowledge yang
khusus untuk penyelesaian masalah tingkat manusia yang pakar.
Sehingga didapatkan pengertian sistem pakar secara khusus dalam
penelitian ini yaitu salah satu cabang dari Artificial Intelligence berupa aplikasi
berbasis komputer yang digunakan untuk menyelesaikan masalah diagnosis
psychological distress terhadap orang dewasa sebagaimana diagnosis yang
dilakukan oleh pakar.
2.2.6.1 Sejarah Sistem Pakar
Sistem pakar pertama kali dikembangkan oleh komunitas AI (artificial
Intellegence) pada pertengahan tahun 1956. Sistem pakar yang muncul pertama
kali adalah General purpose problem solver (GPS) yang dikembangkan oleh
Newel dan Simon (Kusumadewi, 2003).
2.2.6.2 Konsep Dasar Sistem Pakar
Konsep dasar sistem pakar mengandung keahlian (expertise), pakar