1 PEMBANGKI TAN ATURAN FUZZY MENGGUNAKAN FUZZY C-MEANS (FCM) CLUSTERING UNTUK DIAGNOSA RISIKO PENYAKI T JANTUNG KORONER (PJK) Resti Ludviani 1 , Candra Dewi, Dian Eka Ratnawati Program Studi Ilmu Komputer, Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Brawijaya Malang Jalan Mayjen Haryono 169, Malang 65145, I ndonesia Email 1 :[email protected]ABSTRAK Aturan fuzzy biasanya didefinisikan oleh pakar sehingga memerluk an waktu, pengalaman, dan keahlian pakar. Pembangkitan aturan fuzzy secara otomatis oleh sistem dapat digunakan untuk mengatasi permasalahan ini. Aturan fuzzy dapat diekstraksi dari data dengan menggunakan beberapa teknik, salah satunya adalah Fuzzy C-Means (FCM) clustering. FCM memiliki kelebihan yaitu pusat kelompok dan hasil pengelompok kan tidak mudah berubah dengan adanya data baru yang bernilai ekstrim. Pada penelitian ini, dilakukan pembangkitan aturan fuzzy pada sistem diagnosa penyakit jantung koroner (PJK) untuk mengetahu i implementasi FCM clustering dalam pembangkitan aturan fuzzy dan akurasi dari hasil sistem tersebut. Penelitian dilakukan dengan beberapa skenario uji coba, dengan jumlah data latih yang berbeda. Setiap uji coba, dilakukan percobaan sebanyak 5 kali. Hasil uji coba kemudian dianalisis dimana aturan fuzzy dan akurasi sistem dari setiap skenario uji coba dibandingkan sehingga aturan fuzzy yang terbaik dapat diketahui. Hasil penelitian menunjukkan bahwa akurasi maksimum yang dihasilkan sistem diagnosa risiko PJK melalui pembangkitan aturan fuzzy menggunakan FCM adalah 50%, yaitu pada jumlah aturan 2 dengan nilai batasan varian sebesar 0,0338 pada jumlah data latih 70. Kata kunci: aturan fuzzy, sistem fuzzy, penyakit jantung koroner (PJK), clustering, FCM1.PENDAHULUAN 1.1Latar Belakang Sebelum ditemukan konsep kecerdasan buatan, suatu permasa lahan tidak dapat diprediksi tanpa campur tangan seorang pakar secara langsung sehingga memakan waktu yang lama dalam proses pengambilan keputusan. Seiring dengan perkembangan kecerdasan buatan, suatu permasa lahan dapat diprediksi walaupun pakar tidak terlibat secara langsung. Salah satu metode kecerdasan buatan yang sering digunakan untuk menggantikan pakar adalah sistem fuzzy, hal ini karena logika fuzzyterbukti dapat dipakai untuk memode lkan proses berpikir manusia yang penuh ketidakpastia n (Priyono, dkk., 2007). Logika fuzzymerupakan logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) yang digunakan untuk melakuka n penalaran (Kusumadewi, 2010). Pada umumnya, aturan fuzzydidefinisikan oleh pakar, dimana proses ini memerlukan waktu, pengalaman, dan keahlian pakar (Arapoglou, dkk., 2010). Namun, terkadang pakar dapat menga lami kesulitan mendefinisikan aturan pada kasus tertentu. Teknik pembentukan aturan secara otomatis oleh sistem dapat digunakan untuk mengatasi permasala han tersebut. Aturan fuzzydapat diekstraksi dari data dengan menggunakan teknik clusteringseperti Fuzzy C-Means (FCM). Sistem fuzzydapat digunakan untuk menangani permasala han yang rumit seperti diagnosa risiko Penyakit Jantung Koroner (PJK). PJK merupakan kelainan yang disebabkan oleh penyempitan pembuluh arteri yang mengalirkan darah ke otot jantung (Soeharto, 2010). Karena PJK termasuk penyakit yang berbahaya, sistem diagnosa untuk memeriksa risiko PJK akan sangat bermanfaat. Faktor risiko PJK berupa data numerik sehingga dapat digunakan untuk membang kitkan aturan diagnosa risiko PJK. 1.2Rumusan Masalah Permasalahan yang ada pada skripsi ini dapat dirumuskan sebagai berikut: 1.Bagaimana membangkitkan aturan fuzzydari data faktor risiko penyakit jantung koroner pasien dengan algoritma fuzzyC-means (FCM)? 2.Bagaimana akurasi aturan fuzzyyang terbentuk jika diimplementasikan pada
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.
Aturan fuzzy biasanya didefinisikan oleh pakar sehingga memerlukan waktu, pengalaman, dan
keahlian pakar. Pembangkitan aturan fuzzy secara otomatis oleh sistem dapat digunakan untuk
mengatasi permasalahan ini. Aturan fuzzy dapat diekstraksi dari data dengan menggunakan beberapa
teknik, salah satunya adalah Fuzzy C-Means (FCM) clustering. FCM memiliki kelebihan yaitu pusat
kelompok dan hasil pengelompokkan tidak mudah berubah dengan adanya data baru yang bernilai
ekstrim. Pada penelitian ini, dilakukan pembangkitan aturan fuzzy pada sistem diagnosa penyakit jantung koroner (PJK) untuk mengetahui implementasi FCM clustering dalam pembangkitan aturan
fuzzy dan akurasi dari hasil sistem tersebut. Penelitian dilakukan dengan beberapa skenario uji coba,
dengan jumlah data latih yang berbeda. Setiap uji coba, dilakukan percobaan sebanyak 5 kali. Hasil uji
coba kemudian dianalisis dimana aturan fuzzy dan akurasi sistem dari setiap skenario uji coba
dibandingkan sehingga aturan fuzzy yang terbaik dapat diketahui. Hasil penelitian menunjukkan bahwa
akurasi maksimum yang dihasilkan sistem diagnosa risiko PJK melalui pembangkitan aturan fuzzy
menggunakan FCM adalah 50%, yaitu pada jumlah aturan 2 dengan nilai batasan varian sebesar 0,0338
pada jumlah data latih 70.
Kata kunci: aturan fuzzy, sistem fuzzy, penyakit jantung koroner (PJK), clustering, FCM
1. PENDAHULUAN1.1 Latar Belakang
Sebelum ditemukan konsep kecerdasan
buatan, suatu permasalahan tidak dapat
diprediksi tanpa campur tangan seorang pakar
secara langsung sehingga memakan waktu yang
lama dalam proses pengambilan keputusan.
Seiring dengan perkembangan kecerdasan
buatan, suatu permasalahan dapat diprediksi
walaupun pakar tidak terlibat secara langsung.
Salah satu metode kecerdasan buatan yang
sering digunakan untuk menggantikan pakar
adalah sistem fuzzy, hal ini karena logika fuzzy
terbukti dapat dipakai untuk memodelkan proses
berpikir manusia yang penuh ketidakpastian
(Priyono, dkk., 2007). Logika fuzzy merupakan
logika yang memiliki nilai kekaburan atau
kesamaran (fuzzyness) yang digunakan untuk
melakukan penalaran (Kusumadewi, 2010).
Pada umumnya, aturan fuzzy didefinisikan
oleh pakar, dimana proses ini memerlukan
waktu, pengalaman, dan keahlian pakar
(Arapoglou, dkk., 2010). Namun, terkadang
pakar dapat mengalami kesulitanmendefinisikan aturan pada kasus tertentu.
Teknik pembentukan aturan secara otomatis
oleh sistem dapat digunakan untuk mengatasipermasalahan tersebut. Aturan fuzzy dapat
diekstraksi dari data dengan menggunakan
teknik clustering seperti Fuzzy C-Means (FCM).
Sistem fuzzy dapat digunakan untuk menangani
permasalahan yang rumit seperti diagnosa risiko
Penyakit Jantung Koroner (PJK). PJK
merupakan kelainan yang disebabkan oleh
penyempitan pembuluh arteri yang mengalirkan
darah ke otot jantung (Soeharto, 2010). Karena
PJK termasuk penyakit yang berbahaya, sistem
diagnosa untuk memeriksa risiko PJK akan
sangat bermanfaat. Faktor risiko PJK berupa
data numerik sehingga dapat digunakan untuk
membangkitkan aturan diagnosa risiko PJK.
1.2 Rumusan MasalahPermasalahan yang ada pada skripsi ini
dapat dirumuskan sebagai berikut:
1. Bagaimana membangkitkan aturan fuzzy dari
data faktor risiko penyakit jantung koroner
pasien dengan algoritma fuzzy C-means
(FCM)?
2.
Bagaimana akurasi aturan fuzzy yangterbentuk jika diimplementasikan pada