Sistem pendukung keputusan kelompok klinis menggunakan Fuzzy Multi-Person Multi-Attribute Decision Making

KUSUMADEWI, Sri, Promotor Dra. Sri Hartati, M.Sc.,Ph.D

2008 | Disertasi | S3 Ilmu Komputer

Pennasalahan pengambilan keputusan terkait dengan penyeleksian sekumpulan alternatif degan mempertimbangkan beberapa kriteria sering dijumpai di berbagai organisasi. Konsep pengambilan keputusan semacam ini disebut dengan Multiple Criteria Decision Making (MCDM). Penelitian ini bertujuan untuk membangun suatu sistem pendukung keputusan klinis secara kelompok (CGDSS). yang terdiri atas: (1) basis pengetahuan yang berisi hasil kompromi dari para pakar; (2) mekanisme inferensi: (3) sistem pendiagnosis gangguan kejiwaan bagi pasien dalam lima aksis; ( 4) sistem pakar penentuan jenis terapi; (5) sistem rekam medik pasien; (6) fasilitas atau media komunikasi (konfercnsi) online bagi para pengguna (para pakar atau pengguna biasa): ( 7) pengaturan hak akses: dan (8) sajian informasi yang relevan dengan psikologi klinis. Sistem yang dibangun merupakan clinical group decision support system (CGDSS), dengan fokus pada diagnosis gangguan non psikotis. Sistem terdiri atas kelompok pengambil keputusan. Kelompok pengarnbil keputusan yang dimaksudkan berupa kelompok psikiater (dokter ahli kejiwaan) dan psikolog klinis yang berpartisipasi untuk membangun basis pengetahuan. Pada penelitian ini, sebanyak enam pengarnbil keputusw telah berpartisipasi dalam memberikan preferensinya. Preferensi yang akan diberikan oleh para pakar, terkait dengan kontribusi suatu fitur pada kondisi tertentu. dan preferensi terhadap gangguan yang terpengaruh apahila d;berikan kondisi tertentu. Fitur-fitur yang dirnaksud berupa gejala-gejala atau tandat-tanda yang mempengaruhi terrjadinya gangguan kejiwaan tertentu. Pembeiltukan basis pengetahuan diawali dengan pembuatan beberaoa kondisi yang menunjang suatu: pengetahuan. Setiap kondisi terdiri dari beberapa gejala. Selanjutnya, beberapd pngambil keputusan akan memberikan preferensinya terhadap setiap gejala yang mendukung suatu koudisi. Sesudah terbentuk beberapa kondisi, sctiap pengambilan keputusan dapat memberikan preferensinya terhadap sekumpulan altematif gangguan yang mempengaruhi kondisi tertentu. Pada sistem yang dibangun pada penelitian ini, mengakomodasi pemberian preferensi dalam berbagai forrnat seperti ordered vector, utility vector, selected subset of A, dan fuzzy selected subset of S. Setelah preferensi diberikan oleh penngmbil keputusan. selanjutnya akan dilakukan transformasi format preferensi ke dalam bentuk relasi preferensi fuzzy. Relasi preferensi fuzzy yang telah dibentuk dari semua pengambil keputusan yang berpartisipasi dalam suatu kondisi ini kemurlian akan diagregasikan dengan menggunakan operator Importance Induced Ordered Weighted Averaging (I-IOWA). Terakhir, dengan menggunakan operator Quantifier Guided Dominance Degree (QGDD), akan dilakukan ptoses perankingan untuk mendapatkan gangguan-gangguan yang paling relevan dengan suatu kondisi tersebut. Suatu kondisi sangat dimungkinkan memiliki lebih dari satu gangguan yang relevan. Hubungan antara suatu kondisi dengan suatu gangguan yang relevan. selanjutnya akan disebut sebagai satu pengetahuan. Masing-masing pengetahuan memiliki kondisi atau penyebab (anteseden) yang sar..1a. namun memiliki perbedaan pada jenis gangguan beserta bobot yang terkait dengan anteseden tersebut. Selain diperoleh dari preferensi para pengambil keputusan. pengetahuan juga dihimpun dari PPDGJ III. Pengetahuan diperoleh dengan menganut kriteria diagnosis sebagaimana telah diberikan pada acuan PPDGJ. Setelah diperoleh beberapa pengetahuan · (gabungan antara pengetahuan yang dibentuk dengan FMADM dan PPDGJ Ill). selanjutnya setiap pengetahuan tersebut dapat dianggap sebagai sebuah kejadian untuk membentuk matriks keputusan. Untuk melakukan inferensi digunakan konsep penydesaian MADM secara klasik. yaitu metode SAW dan TOPSS. Untuk memilih metode mana yang paling relevan. dibutuhkan suatu uji sensitivitas. Pada prinsipnya. proses uji sensitivitas yang dilakukan adalah mencari prosentase rata-rata perubahan ranking altematif gangguan) apabila dilakukan perubahan bobot pada atribut tertentu. Hasil pengujian menunjukkan bahwa nilai sensitivitas dengan menggunakan metode TOPSIS selalu lebih tinggi jika dibandingkan dengan metode SAW. Sehingga metode yang akan dipilih untuk m ~lakukan inferensi dalam sistem yang diusulkan adalah metode TOPSIS. Untuk keperluan farmakoterapi. dibangun sebuah subsistem untuk memberikan rekomendasi jenis obat psikotropika berdasarkan ganggwm kejiwaan dan kondisi medik yang dialami oleh pasien. Ada beberapa atribut yang mempengaruhi penentuan jenis obat psikotropika., antara lain jenis gangguan, jenis pekerjaan, usia. kondisi jantung, kondisi hati, kondisi ginjal, kondisi lambung, tekanan darah sistolik, tekanan darah diastolik, ketergantungan obat, kebiasaan minum minuman beralkohol, kondisi sedang hamil, dan kondisi menyusui. Sistem dibangun dengan basis pengetahuan yang direpresentasikan menggunakan pohon keputusan. Ada dua jenis pohon keputusan yang dibangun. Pohon keputusan pertama menunjukk.an hubungan antara setiap golongan obat dengan jenis gangguan kejiwaan. Pohon keputusan kedua menunjukk.an hubungan antara atribut. Pohon keputusan kedua ini lebih lazim disebut sebagai diagram alir. Dari pohon keputusan jenis pertama dan kedua dapat dibentuk beberapa aturan sesuai dengan kaidah pruduksi. Aturan yang dibentuk memiliki format IF- THEN. CGDSS yang diusulkan menggunakan model pengembangan air terjun. Model ini dipilih dengan alasan untuk membangun CGDSS ini dibutuhkan beberapa tahap yang berbeda yang diawali dengan analisis kebutuhan, peraneangan. implementasi dan pengujian sistem. Pada analisis kebutuhan sistem akan dibahas beberapa kebutuhan dan atau persyaratan terkait dengan input, proses. output. dan antarmuka sistem yang akan dibangun. Kebutuhan (persyaratan) ini diperoleh berdasarkan hasil wawancara dcngan para psikiater, psikolog (baik klinis ma11pua non klinis), dan dokter di bidang farmakologi~ serta kajian pustaka. Pengujian dilakukan dalam tiga bentuk. Pertama, pengujian terhadap validitas sistem (disebut: CGDSS) apabila dibandingkan dengan gold standard (PPDGJ III). Hasil yang diperoleh lebih dari 90% hasil diagnosis sesuai dengan gold standard. Kedua, pengujian terhadap validitas sistem apabila dibandingkan dengan hasil diagnosis yang dilakukan oleh psikolog atau residen berdasarkan data-data riil yang dimiliki oleh klien. Hasil pet gujtan sistern (CGDSS) berdasarkan diagnosis data klien pada aksis I d ill aksis II menunjukkan hasil yang cukup memuaskan, kecuali untuk gartgguan yang l-,elum terakomodasi pada CGDSS. Ketiga, pengujian terhadap kinerja sistem berdasarkan evaluasi yang diberikan oleh para pengguna. Hasil pengujian ketiga yang dilakukan oleh para pengguna terhadap CGDSS menunjukk.an bahwa kinerja CGDSS sudah BAlK dengan nilai 4.054 (untuk interval 1 - 5). Kata kunci: gejala. gdllgguan, preferensi, inferensi, relasi preferensi fuzzy. I-IOWA,QGDD.

Kata Kunci : Sistem Pendukung Keputusan Klinis, Informatika Kedokteran, CGDSS