Upload
muchsin-u-chen
View
225
Download
0
Embed Size (px)
Citation preview
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenyak 1/13
1
PENERAPAN METODE FORWARD CHAINING DAN CERTAINTY
FACTOR UNTUK DIAGNOSA PENYAKIT MATA MANUSIA
Meilisa
Roslina Simamora
Jurusan Sistem Informasi
STMIK PalComTech Palembang
Abstrak
Mata sebagai jendela dunia bagi manusia adalah salah satu organ tubuh yang sangat
penting. Ketika mata mengalami gangguan maka seseorang akan merasa tidak nyaman,
bahkan mengalami kesulitan untuk melakukan berbagai aktifitas dalam kehidupannya.
Terbatasnya layanan informasi kesehatan mata di puskesmas dan rumah sakit, kurangnya
tenaga dokter spesialis mata yang bisa memberikan informasi tentang gangguan kesehatan
mata, serta mahalnya biaya konsultasi dokter spesialis mata mengakibatkan kurangnya
pengetahuan masyarakat tentang penyakit mata. Setiap penderita penyakit mata dapat
dengan mudah dan cepat mengetahui jenis penyakit mata dan gejalanya yaitu dengan
membangun aplikasi sistem pakar untuk mendiagnosa penyakit mata manusia. Teknik yang
digunakan untuk mengembangkan sistem adalah waterfall. Sistem ini dibangun berbasiswebsite dengan bahasa pemrograman yang digunakan yaitu PHP dan MySQL sebagai
databasenya. Penelitian ini akan menghasilkan sistem pakar dengan menerapkan metode
forward chaining dan certainty factor (CF) untuk memberikan informasi gejala dan diagnosa
penyakit mata manusia.
Kata Kunci : Sistem Pakar, Forward Chaining, Certainty Factor, Mata
PENDAHULUAN
Mata sebagai jendela dunia bagi manusia adalah salah satu organ tubuh yang sangat
penting. Apabila mata mengalami gangguan fungsi yang disebabkan penyakit, informasi yang
dihasilkan dari lima indera akan mengalami ketidakseimbangan yang sudah pasti berujung
pada gangguan dalam aktivitas keseharian manusia.Terbatasnya layanan informasi kesehatan mata di Puskesmas dan Rumah Sakit,
kurangnya tenaga dokter spesialis mata yang bisa memberikan informasi tentang gangguan
kesehatan mata, serta mahalnya biaya konsultasi dokter spesialis, sehingga mengakibatkan
kurangnya pengetahuan masyarakat tentang penyakit mata. Upaya agar setiap penderita
penyakit mata dapat dengan mudah dan cepat mengetahui jenis penyakit mata dan gejalanya
tanpa harus ke dokter terlebih dahulu mengakibatkan bidang sistem pakar mulai
dimanfaatkan untuk membantu seorang pakar atau ahli dalam mendiagnosa penyakit mata
manusia.
Sistem pakar adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan
masalah sebagaimana yang dipikirkan oleh pakar. Pengambilan keputusan mengenai
diagnosis dan memberikan penatalaksanaan suatu penyakit tidak dapat dilakukan semua
orang, sehingga diperlukan suatu sistem pakar yang memudahkan masyarakat untuk
mendapatkan informasi diagnosa penyakit mata.
Sistem pakar untuk diagnosa penyakit mata ini menggunakan metode runut maju
(forward chaining) untuk menelusuri gejala yang ditampilkan dalam bentuk pertanyaan-
pertanyaan agar dapat mendiagnosa jenis penyakit mata. Dalam penentuan
penypendiagnosaan diperlukan nilai kepercayaan terhadap penyakit, untuk mendapatkan nilai
kepercayaan terhadap penyakit yang diderita, diperlukan suatu metode yang dikenal dengan
certainty factor(CF).
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenyak 2/13
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenyak 3/13
3
FlowchartMenurut Utami dan Sukrisno (2005: 24), flowchart(bagan alir) merupakan representasi
secara grafik dari suatu algoritma atau prosedur untuk menyelesaikan suatu masalah.
Menurut Jogiyanto (2005: 795), Bagan alir (flowchart) adalah bagan (chart) yangmenunjukkan alir (flow) di dalam program atau prosedur sistem secara logika. Bagan alirdigunakan terutama untuk alat bantu komunikasi dan untuk dokomentasi.
Data Flow Diagram (DFD)Menurut Fatta (2007: 119), Data Flow Diagram (DFD) merupakan diagram yang
digunakan untuk menggambarkan proses-proses yang terjadi pada sistem yang akan
dikembangkan.
HASIL DAN PEMBAHASAN
1. Data PenyakitJumlah penyakit yang diolah dalam sistem pakar penyakit mata ini adalah 15 macam
penyakit.
Tabel 1. Data Penyakit
Kode Penyakit Nama Penyakit
P01 Blefaritis
P02 Skleritis
P03 Konjungtivitis Bakteri
P04 Konjungtivitis Viral
P05 Konjungtivitis AlergiP06 Konjungtivitis Sika
P07 Keratitis
P08 Ulkus Kornea
P09 Endoftalmitis
P10 Uveitis Anterior
P11 Glaukoma Akut
P12 Glaukoma Kronik
P13 Katarak
P14 Ablasi Retina
P15 Neuritis Optik
2. Data GejalaData-data gejala yang digunakan dalam sistem pakar penyakit mata ini berjumlah 51
gejala. Berikut sebagian dari gejala yang digunakan :
Tabel 2. Data Gejala
Kode Gejala Gejala
G01 Daya penglihatan menurun
G02 Fotofobia (silau)
G03 Mata merah
G04 Bengkak
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenyak 4/13
4
G05 Gatal
G06 Epifora (berair)
G07 Lakrimasi (sedikit berair)
G08 Sakit
G09 Eksudat(belekan)
G10 Hipopion (nanah yang berkumpul di dalam kornea
G11 KelilipanG12 Kelopak mata merah
G13 Konjungtiva bengkak
G14 Rasa sakit yang menyebar ke dahi, alis, dagu secara terus-menerus
G15 Sklera bengkak
G16 Konjungtivitas bulbi merah
G17 Mata terasa seperti ada benda asing
G18 Pembengkakan kelenjar getah bening belakang telinga
G19 Pseudoptis (sulit membuka mata)
G20 Demam dan sakit tenggorokan
Sumber : Mansjoer dkk (2007: 49-65)
3. Tabel KeputusanBerdasarkan pengetahuan berupa data gejala dan penyakit mata pada manusia, maka
dapat dibuat basis pengetahuan berupa hubungan atau keterkaitan yang ada antara gejala dan
penyakit mata pada manusia.
Tabel 3. Tabel Keputusan
Kode
Gejala
Kode Penyakit (P)
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15
G01
G02
G03
G04G05
G06
G07
G08
G09
G10
G11
G12
G13
G14
G15G16
G17
G18
G19
G20
G21
G22
G23
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenyak 5/13
5
G24
G25
G26
G27
G28
G29
G30G31
G32
G33
G34
G35
G36
Sumber : Mansjoer dkk (2007: 49-65)
4. Pohon Keputusan
Proses pencarian dari pohon keputusan menggunakan pencarian algoritma depth first
search (DFS), yaitu proses pencarian dilakukan dari suksesor akar (node awal) secaramendalam dalam setiap level dari yang paling kiri hingga yang paling akhir ( dead-end) atau
sampai goal ditemukan. Pohon keputusan terdiri dari gejala, penyakit, dan busur yang
menunjukkan hubungan antar objek.
Gambar 1. Pohon Keputusan
5. Perhitungan CFNilai Certainty Factor (CF) ditentukan untuk setiap gejala yang berkorespondensi
dengan penyakit tertentu dalam range nilai 0 sampai dengan 1. Nilai ini mewakili keyakinan
seorang pakar terhadap suatu gejala yang mempengaruhi terjadinya suatu penyakit mata
tertentu.
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenyak 6/13
6
Tabel 4. Detail Penyakit
No. Gejala Penyakit CF
1. Bengkak Blefaritis 0,9
2. Eksudat(belekan) Blefaritis 0,4
3. Epifora (berair) Blefaritis 0,3
4. Gatal Blefaritis 0,4
5. Kelilipan Blefaritis 0,4
6. Kelopak mata merah Blefaritis 0,6
7. Sakit Blefaritis 0,4
8. Epifora (berair) Skleritis 0,3
9. Daya penglihatan menurun Skleritis 0,3
10. Fotofobia (silau) Skleritis 0,4
11. Konjungtiva bengkak Skleritis 0,3
12. Mata merah Skleritis 0,6
13.Rasa sakit yang menyebar ke dahi, alis,
dagu secara terus menerus
Skleritis 0,3
14. Sklera bengkak Skleritis 0,3
15. Eksudat(belekan) Konjungtivitis Bakteri 0,9
16. Konjungtivitas bulbi merah Konjungtivitis Bakteri 0,5
17. Lakrimasi (sedikit berair) Konjungtivitis Bakteri 0,8
18. Mata terasa seperti ada benda asing Konjungtivitis Bakteri 0,5
19.Pembengkakan kelenjar getah bening
belakang telinga
Konjungtivitis Bakteri 0,5
20. Pseudoptis (sulit membuka mata) Konjungtivitis Bakteri 0,8
21. Demam dan sakit tenggorokan Konjungtivitis Viral 0,5
22. Gatal Konjungtivitis Viral 0,8
23. Lakrimasi (sedikit berair) Konjungtivitis Viral 0,9
24. Terdapat sedikit kotoran pada mata Konjungtivitis Viral 0,5
25. Alergi Konjungtivitis Alergi 0,3
26. Bengkak Konjungtivitis Alergi 0,6
27. Epifora (berair) Konjungtivitis Alergi 0,8
28. Fotofobia (silau) Konjungtivitis Alergi 0,4
29. Gatal Konjungtivitis Alergi 0,9
30. Mata merah Konjungtivitis Alergi 0,3
31. Mata terasa panas Konjungtivitis Alergi 0,3
32. Sakit Konjungtivitis Alergi 0,3
33. Fotofobia (silau) Konjungtivitis Sika 0,5
34. Gatal Konjungtivitis Sika 0,7
35. Mata Kering Konjungtivitis Sika 0,5
36. Mata seperti berpasir Konjungtivitis Sika 0,8
37. Penglihatan kadang-kadang kabur Konjungtivitis Sika 0,5
38. Sukar menggerakkan kelopak mata Konjungtivitis Sika 0,9
39. Terdapat erosi kornea Konjungtivitis Sika 0,5
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenyak 7/13
7
Berikut contoh kasus perhitungan CF untuk P01 (Blefaritis)
Tabel 5. Perhitungan CF P01
No. Gejala Penyakit CF
1. Bengkak Blefaritis 0,92. Eksudat(belekan) Blefaritis 0,4
3. Epifora (berair) Blefaritis 0,3
4. Gatal Blefaritis 0,4
5. Kelilipan Blefaritis 0,4
6. Kelopak mata merah Blefaritis 0,6
7. Sakit Blefaritis 0,4
CF(A) = CF(1) + CF(2) * [ 1CF(1) ]= 0,9 + 0,4 * (10,9) = 0,94CF(B) = CF(3) + CF(A) * [ 1CF(3) ]= 0,3 + 0,94 * (10,3) = 0,958CF(C) = CF(4) + CF(B) * [ 1CF(4) ]= 0,4 + 0,958 * (10,4) = 0,9748CF(D) = CF(5) + CF(C) * [ 1CF(5) ]= 0,4 + 0,9748 * (10,4) = 0,98488CF(E) = CF(6) + CF(D) * [ 1CF(6) ]= 0,6 + 0,98488 * (10,6) = 0,99395CF(F) = CF(7) + CF(E) * [ 1CF(7) ]= 0,4 + 0,99395 * (10,4) = 0,99637
Perhitungan manual di atas, didapatkan nilai faktor kepastian dari masukan gejala yang
mengarah ke penyakit blefaritis adalah 0,99637.
6. Diagram KonteksDiagram konteks adalah diagram yang dibuat untuk menggambarkan sumber serta tujuan
data yang akan diproses atau dengan kata lain diagram tersebut digunakan untuk
menggambarkan secara umum atau global dari keseluruhan sistem yang ada.
Gambar 1. Diagram Konteks
7. Diagram Level Nol
Diagram level nol adalah diagram yang dibuat untuk menggambarkan tahapan proses
yang ada dalam diagram konteks, yang penjabarannya lebih terperinci atau dengan kata lain
yaitu diagram yang menyusun keseluruhan sistem.
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenyak 8/13
8
Gambar 2. Diagram Level Nol
8. ERD (Entity Relationship Diagram)Entity relationship diagram merupakan komponen-komponen himpunan entitas dan
himpunan relasi yang masing-masing dilengkapi dengan atribut-atribut diagram yang
menggambarkan hubungan antara entitas dengan atribut penghubungnya. Entity relationship
diagram berfungsi sebagai sebuah prasyarat, rancangan database yang digambarkan sebagai
model khusus yang disebut skema database. Skema ini adalah cetak biru untuk sebuah
database. Skema ini menggambarkan implementasi teknis dari sebuah bentuk data.
Gambar 3.Entity Relationship Diagram
Hasil perancangan dari penelitian yang dilakukan penulis ialah berupa website sistem
pakar, berikut tampilan dari website yang telah dibuat :
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenyak 9/13
9
1. Tampilan Login
Halaman login adalah rancangan halaman yang dibuat untuk keamanan data supaya
pemakaian sistem digunakan oleh admin sesuai dengan tugas dan fungsinya. Halaman
login dapat dilihat pada gambar 4. berikut ini.
Gambar 4. Halaman Login
2. Tampilan Halaman Pasiena) Halaman Menu Beranda Pasien
Halaman menu beranda pasien dirancang untuk melihat informasi mengenai
kesehatan mata. Halaman menu beranda pasien dapat dilihat pada gambar 5. berikut
ini.
Gambar 5. Halaman Menu Beranda Pasien
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenya 10/13
10
b) Halaman Menu Sistem Pakar
Halaman menu sistem pakar dirancang untuk melihat informasi tentang pengertian
sistem pakar. Halaman menu sistem pakar dapat dilihat pada gambar 6. berikut ini.
Gambar 6. Halaman Menu Sitem Pakar
c) Halaman Konsultasi
Halaman menu konsultasi dirancang untuk melakukan konsultasi untuk mendiagnosa
penyakit mata manusia. Halaman menu konsultasi dengan mengisi form konsultasi,
yaitu nama, tanggal lahir, jenis kelamin, alamat, dan telepon. Halaman konsultasi
dapat dilihat pada gambar 7. berikut ini.
Gambar 7. Halaman Konsultasi
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenya 11/13
11
3. Tampilan Halaman Admin
a) Halaman Utama Admin
Halaman utama admin digunakan untuk mengelola data penyakit, gejala, relasi,
konsultasi, dan pengguna. Desain halaman utama admin dapat dilihat pada gambar 8.
berikut ini.
Gambar 8. Desain Halaman Utama Admin
b) Halaman Menu Penyakit
Halaman menu penyakit adalah rancangan halaman untuk menambah data penyakit,
melihat data penyakit, mengubah data penyakit dan menghapus data penyakit.
Halaman menu penyakit dapat dilihat pada gambar 9. berikut ini.
Gambar 9. Halaman Menu Penyakit
c) Halaman Menu Gejala
Halaman menu gejala adalah rancangan halaman untuk menambah data gejala,
melihat data gejala, mengubah data gejala dan menghapus data gejala. Desain
halaman menu gejala dapat dilihat pada gambar 10. berikut ini.
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenya 12/13
12
Gambar 10. Halaman Menu Gejala
d) Halaman Menu Relasi
Halaman menu relasi dirancang untuk menentukan hubungan atau keterkaitan antara
penyakit dengan gejala. Desain halaman menu relasi dapat dilihat pada gambar 11.
berikut ini.
Gambar 11. Halaman Menu Relasi
e) Halaman Menu PenggunaHalaman menu pengguna dirancang untuk menambah data pengguna sebagai admin,
melihat data pengguna dan menghapus pengguna. Desain halaman menu pengguna
dapat dilihat pada gambar 12. berikut ini.
7/25/2019 Jurnal Meilisa Roslina PenerapanMetodeForwardChainingDanCertaintyFactorUntukDiagnosaPenyakitMataManusia- 1
http:///reader/full/jurnal-meilisa-roslina-penerapanmetodeforwardchainingdancertaintyfactoruntukdiagnosapenya 13/13
13
Gambar 12. Halaman Menu Pengguna
PENUTUP
Berdasarkan hasil penelitian dan uji coba yang telah dilakukan, maka dapat diambilbeberapa kesimpulan yaitu, metode sistem pakar (expert system) yang dibuat dengan proses
penelusuran forward chaining dapat membantu untuk mendiagnosa penyakit mata manusia,
pendiagnosaan penyakit dapat diambil dari gejala-gejala penyakit yang di alami oleh pasien
sehingga dapat memberikan diagnosa penyakit, beberapa gejala penyakit mata dapat
menyimpulkan jenis penyakit mata sesuai cf tertinggi. Semakin tinggi nilai cf dari hasil
penelusuran, maka menunjukkan jenis penyakit mata yang diderita oleh pasien penyakit
mata, dengan adanya sistem ini, dapat mempermudah masyarakat umum dalam mendapatkan
informasi tentang penyakit mata, hasil diagnosa dapat menampilkan beberapa kemungkinan
jenis penyakit mata pada manusia.
DAFTAR PUSTAKA
Arhami, Muhammad. 2005.Konsep Dasar Sistem Pakar. Yogyakarta: Andi Offset.
Kusrini. 2008. Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna dengan
Metode Kuantifikasi Pertanyaan. Yogyakarta: Andi Offset.
Andi. 2009. Pengembangan Sistem Pakar Menggunakan Visual Basic. Yogyakarta: Andi
Offset.
Jogiyanto. 2005.Analisis dan Desain Sistem Informasi Pendekatan Terstruktur, Teori dan
Praktik Aplikasi Bisnis. Yogyakarta: Andi Offset.
Mansjoer, Arif dkk. 2007.Kapita Selekta Kedokteran. Jakarta: Media Aesculapius.
Fatta, Hanif Al. 2007. Analisis dan Perancangan Sistem Informasi. Yogyakarta: Andi
Offset.
Utami, Ema dan Sukrisno. 2005. 10 Langkah Belajar Logika dan Algoritma Menggunakan
Bahasa C dan C++ di GNU/Linux. Yogyakarta: Andi Offset.