Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes
Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes
ISSN : 23012301-9425
1. Pendahuluan
1.1 Latar Belakang
Penyakit gagal ginjal adalah suatu penyakit
dimana fungsi organ ginjal mengalami penurunan
hingga pada akhirnya tidak mampu lagi bekerja sama
sekali dalam hal penyaringan pembuangan elektrolit
tubuh, dalam menjaga keseimbangan cairan zat kimia
tubuh seperti sodium dan kalium didalam darah atau
produksi urine. Penyakit gagal ginjal ini dapat
menyerang siapa saja yang menderita penyakit serius
atau terluka dimana hal itu berdampak langsung pada
ginjal itu sendiri. Penyakit gagal ginjal lebih sering
dialami mereka yang berusia dewasa, terlebih pada
kaum lanjut usia.
Gagal ginjal akut jika dilakukan pengobatan yang
tepat, akan dapat disembuhkan. Sedangkan gagal
ginjal kronik tidak dapat disembuhkan, dan harus
menjalani pengobatan seumur hidup. Penyebab gagal
ginjal akut dapat disebabkan oleh peristiwa yang
terjadi secara akut, seperti penyumbatan total saluran
ginjal oleh batu, kekurangan cairan pada diare yang
tidak segera diatasi dan kekurangan darah pada luka
dan operasi, infeksi berat serta keracunan obat dan zat
kimia tertentu. Bila tidak ditangani dengan baik gagal
ginjal akut ini akan berubah menjadi gagal ginjal
kronik permanen.
Sistem Pakar adalah suatu program komputer
yang dirancang untuk mengambil keputusan seperti
keputusan yang diambil oleh seseorang atau beberapa
orang pakar. Menurut Marimin (1992), Sistem Pakar
adalah sistem perangkat lunak komputer yang
Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes.
Oleh : Sri Rahayu
dapat
129
1.
2.
3.
2. Landasan Teori
2.1 Kecerdasan Buatan
Kecerdasan buatan (Artificial Intelligence) adalah
suatu bidang ilmu komputer yang mendayagunakan
komputer sehingga dapat berprilaku cerdas (T.Sutojo,
Vincent Suhartono 2011: 1). Kecerdasan buatan
meyelesaikan permasalahan dengan mendayagunakan
komputer untuk memecahkan masalah yang kompleks
dengan cara mengikuti proses penalaran manusia.
Kecerdasan
buatan
memiliki
tujuan
untuk
menciptakan komputer yang lebih cerdas, mengerti
tentang kecerdasan, dan membuat mesin yang lebih
berguna. Dorongan utama dari kecerdasan buatan
adalah mengembangkan fungsi normal komputer yang
digabungkan dengan kecerdasan manusia, seperti
member alasan, menarik kesimpulan, belajar dan
memecahkan masalah. Teknologi kecerdasan buatan
dipelajari dalam beberapa bidang, seperti : Robotika
dan Sistem Sensor, Penglihatan Komputer (Computer
Vision), Sistem Saraf Tiruan (Artificial Neural
System), Agen Cerdas (Intelligent Agent), Pengenalan
Suara (Speech Recognition), permainan (Game
Playing) dan Sistem Pakar (Expert System).
2.2 Sistem Pakar
Menurut Arhami (2005: 3) Salah satu teknik
kecerdasan buatan yang menirukan proses penalaran
manusia adalah Sistem Pakar. Secara umum, Sistem
Pakar (expert system) adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer, agar
komputer dapat menyelesaikan masalah seperti yang
biasa dilakukan oleh para ahli Sistem Pakar yang baik
dirancang
agar
dapat
menyelesaikan
suatu
permasalahan tertentu dengan meniru kerja para ahli.
Dengan Sistem Pakar ini, orang awam juga dapat
menyelesaikan masalah yang cukup rumit yang
sebenarnya hanya dapat diselesaikan dengan bantuan
para ahli. Bagi para ahli, Sistem Pakar ini juga akan
membantu aktivitasnya sebagai asisten yang sangat
berpengalaman.
2.2.1 Ciri Ciri Sistem Pakar
Sistem pakar merupakan program-program
praktis yang menggunakan strategi heuristik yang
dikembangkan oleh manusia untuk menyelesaikan
permasalahan-permasalahan yang spesifik (khusus),
disebabkan oleh keheuristikannya dan sifatnya yang
berdasarkan pada pengetahuan sehingga umumnya
sistem pakar mempunyai ciri-ciri sebagai berikut (E.
Turban, 1995):
1. Terbatas pada domain keahlian tertentu.
ISSN : 23012301-9425
Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes.
Oleh : Sri Rahayu
130
Keterangan :
P(H | E) : probabilitas hipotesis H jika diberikan
evidence E
P(E | H) : probabilitas munculnya evidence apapun
P(E)
: probabilitas evidence E
Dalam bidang kedokteran teorema Bayes sudah
dikenal tapi teorema ini lebih banyak diterapkan
dalam
logika
kedokteran
modern
(Cutler:
1991).Teorema ini lebih banyak diterapkan pada halhal yang berkenaan dengan probabilitas serta
kemungkinan dari penyakit dan gejala-gejala yang
berkaitan.
3. Analisa
3.1 Perhitungan Dengan Teorema Bayes
Secara umum teorema Bayes dengan E kejadian
dan Hipotesis H dapat dituliskan dalam bentuk :
P(EHi).
P(Hi| E) =
P(EHj)
j
P (E | Hi) P (Hi)
P (E | Hj) P(Hj)
j
P (E | Hi) P (Hi)
P(E)
ISSN : 23012301-9425
Keterangan :
e
E
P(H | E,e)
: evidence lama
: evidence baru
: probabilitas hipotesis H benar jika
muncul evidence baru E dari
evidence baru E dari evidence lama
e.
P(H | E)
: probabilitas hipotesis H benar jika
diberikan evidence E.
P(e | E,H)
: kaitan antar e dan E jika hipotesis H
benar.
P(e | E)
: kaitan antara e dan E tanpa
memandang hipotesis apapun.
Berikut ini adalah contoh penghitungan probabilita
s menggunakan probabilitas Bayes :
Probabilitas terkena penyakit bronkhitis khronika
apabila mengalami batuk lebih dari 4 minggu.
P(bronchitis khronika | batuk lebih dari 4 minggu) =
0,13
Terdapat gejala baru, yaitu batuk berdarah dalam 3
bulan terkahir, probabilitas terkena penyakit bronchitis
khronika apabila mengalami batuk berdarah dalam 3
bulan terakhir. P(bronchitis khronika | batuk darah
dalam 3 bulan terakhir) = 0,4
Keterkaitan antara adanya gejala batuk lebih dari
4 minggu dan batuk darah dalam 3 bulan terkahir
apabila seseorang menderita bronchitis khronika
adalah 0,33. Keterkaitan antara adanya gejala batuk
lebih dari 3 minggu dan batuk darah dalam 3 bulan
terakhir tanpa memperhatikan penyakit yang diderita
adalah 0,15, maka:
A = batuk darah dalam 3 bulan terakhir
B = batuk lebih dari 4 minggu
H = bronchitis khronika
P(H |A,B) = P(H | A) x
P (B | A, H )
P(B, A)
= 0,4 x
0,33
= 0,88
0,15
(Arhami, 2005: 144)
Contoh kasus penyakit gagal ginjal akut :
Aulia melakukan diagnosa dengan
pertanyaan sesuai dengan gejala berikut :
G1 = 0.4 = P(E|H1)
G2 = 0.2 = P(E|H2)
G3 = 0.4 = P(E|H3)
G4 = 0.6 = P(E|H4)
G5 = 0.2 = P(E|H5)
G6 = 0.2 = P(E|H6)
G7 = 0.2 = P(E|H7)
G8 = 0.4 = P(E|H8)
G9 = 0.4 = P(E|H9)
Kemudian
mencari
nilai
semesta
dengan
menjumlahkan dari hipotesa di atas :
9k=1 = G1 + G2 + G3 + G4 + G5 + G6 + G7 + G8 +
G9
P (e | E, H )
P(e | E)
Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes.
Oleh : Sri Rahayu
P (H |E,e) = P(H | E)
menjawab
131
k =1
P (H 2) =
P ( H 3) =
P (H 4) =
P ( H 5) =
P ( H 6) =
P ( H 7) =
P ( H 8) =
P ( H 9) =
H2
0 . 2 0.05263
=
3 .8
0 . 4 0.10526
=
3 .8
=
=
k =1
H9
k =1
H8
0 . 8 0.21052
=
3 .8
k =1
H7
k =1
H6
0 . 6 0.15789
=
3 .8
k =1
H5
k =1
H4
0 . 2 0.05263
=
3 .8
k =1
H3
9
k =1
0 . 2 0.05263
=
3 .8
0 . 6 0.15789
=
3 .8
0 .4 0.10526
=
3 .8
= P(Hi) * P(E | Hi n)
k =1
0.2 * 0.05263
= 0.02702
0.38942
0.4 * 0.15789
= 0.16217
P( H 3 | E ) =
0.38942
0.6 * 0.21052
= 0.32435
P( H 4 | E ) =
0.38942
0.2 * 0.05263
= 0.02702
P( H 5 | E ) =
0.38942
0.2 * 0.10526
= 0.05405
P( H 6 | E ) =
0.38942
0.2 * 0.05263
= 0.02702
P( H 7 | E ) =
0.38942
0.4 * 0.15789
= 0.16217
P( H 8 | E ) =
0.38942
0.4 * 0.10526
= 0.10811
P( H 9 | E ) =
0.38942
P( H 2 | E ) =
Bayes8 + Bayes9
= (0.4 * 0.10811) + (0.2 * 0.02702) + (0.6
* 0.16217) + (0.8 * 0.32435) + (0.2 *
0.02702) + (0.4 * 0.05405) + (0.2 *
0.02702) + (0.4 * 0.16217) + (0.6 *
0.10811)
= 0.04324 + 0. 00544 + 0.09730 +
0.25948 + 0.00544 + 0.02162 +
0.00544 + 0.06486 + 0.06486
= 0.56768 * 100%
= 56.7678%
Contoh kasus penyakit gagal ginjal kronis
Aulia melakukan diagnosa dengan menjawab
pertanyaan sesuai dengan gejala berikut :
G3 = 0.4 = P(E|H3)
G4 = 0.6 = P(E|H4)
G5 = 0.2 = P(E|H5)
G6 = 0.2 = P(E|H6)
G10 = 0.2 = P(E|H10)
G11 = 0.4 = P(E|H11)
G12 = 0.4 = P(E|H12)
G13 = 0.8 = P(E|H13)
G14 = 0.2 = P(E|H14)
G15 = 0.6 = P(E|H15)
G16 = 0.4 = P(E|H16)
Jumlahkan Hipotesa diatas untuk mencari nilai
semestanya :
11
P( H 1 | E ) =
0.4 * 0.10526
= 0.10811
0.38942
ISSN : 23012301-9425
k =1
Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes.
Oleh : Sri Rahayu
132
P( H 3) =
P ( H 4) =
P( H 5) =
P( H 6) =
H3
11
k =1
H4
11
k =1
H5
11
11
P( H 11) =
P( H 12) =
P( H 13) =
P( H 14) =
P( H 15) =
P( H 16) =
0.8
=
= 0.15384
5.2
=
0.2
= 0.03846
5.2
0.4
= 0.07692
5.2
k =1
H6
P( H 10) =
0.6
=
= 0.11538
5.2
k =1
H 10
11
0.2
= 0.03846
5. 2
0. 4
= 0.07692
5.2
0.6
= 0.11538
5. 2
0.8
= 0.15384
5. 2
0.2
= 0.03846
5. 2
0. 6
= 0.11583
5.2
k =1
H 11
11
k =1
H 12
11
k =1
H 13
11
k =1
H 14
11
k =1
H 15
11
k =1
H 16
11
k =1
0.4
= 0.07692
5.2
= P ( Hi ) * P ( E | Hi n )
k =1
ISSN : 23012301-9425
= 0.47686
Langkah selanjutnya adalah mencari nilai P(Hi|E) atau
probabilitas Hipotesis Hi benar jika diberikan nilai
evidence E :
0.4 * 0.11538
= 0.09678
0.47686
0.6 * 0.15384
= 0.19356
P( H 4 | E ) =
0.47686
0.2 * 0.03846
= 0.01613
P( H 5 | E ) =
0.47686
0.2 * 0.07692
= 0.03226
P( H 6 | E ) =
0.47686
0.2 * 0.03846
= 0.01613
P ( H 10 | E ) =
0.47686
0.4 * 0.07692
= 0.06452
P( H 11 | E ) =
0.47686
0.4 * 0.11538
= 0.09678
P( H 12 | E ) =
0.47686
0.8 * 0.15384
= 0.25808
P ( H 13 | E ) =
0.47686
0.2 * 0.03846
= 0.01613
P( H 14 | E ) =
0.47686
0.6 * 0.11538
= 0.14517
P( H 15 | E ) =
0.47686
0.4 * 0.07692
= 0.06452
P ( H 16 | E ) =
0.47686
P( H 3 | E ) =
Penutup
Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes.
Oleh : Sri Rahayu
133
4.1 Kesimpulan
Berdasarkan pengembangan yang telah dilakukan
selama proses perancangan hingga implementasi
sistem pakar untuk mendiagnosa penyakit gagal ginjal
dengan menggunakan Metode Bayes, maka dapat
diambil kesimpulan sebagai berikut :
1. Aplikasi sistem pakar ini memudahkan user
dalam proses melakukan konsultasi, karena dalam
rekam medis rumah sakit cocok dengan
perhitungan sistem. Pengembangan sistem pakar
untuk mendiagnosa penyakit gagal ginjal dapat
berhasil dengan baik, yaitu mampu menghasilkan
jawaban yang dibutuhkan oleh pengguna umum
(pasien).
2. Sistem dapat mengeluarkan hasil perhitungan
valid yang sama dengan perhitungan manual,
sehingga proses diagnosa penyakit gagal ginjal
dapat dilakukan dengan cepat dan akurat.
3. Sistem pakar memiliki tampilan (interface) yang
menarik dan mudah digunakan, karena banyak
pengguna yang menilai baik dan sangat setuju
dengan tampilan (interface) sistem, sehingga
masyarakat awam dapat memanfaatkan aplikasi
ini dengan mudah untuk mengetahui jenis
penyakit gagal ginjal yang diderita.
ISSN : 23012301-9425
[8]. Hendrayudi,
Dasar-Dasar
Pemrograman
Microsoft Visual Basic 2008, Penerbit PT. Sarana
Tutorial Nurani Sejahtera, 2011
[9]. Asadi Muhammad, Serba-Serbi Gagal Ginjal,
Penerbit Diva Press
4.2 Saran
Penelitian yang dilakukan tentunya tidak terlepas
dari kekurangan dan kelemahan. Oleh karena itu,
untuk kebaikan pengembangan sistem lebih lanjut,
maka penulis menyarankan beberapa hal diantaranya :
1. Dikarenakan ilmu pengetahuan terus berkembang
dan ditemukannya hal-hal baru maka basis
pengetahuan dan basis aturan sistem pakar ini
perlu di-update atau ditambah, sehingga data-data
yang ada menjadi lebih lengkap dan kompleks.
2. Interface (tampilan) sistem pakar yang dibangun
masih tampak sederhana, sehingga dapat
dikembangkan lebih menarik dengan dilengkapi
multimedia (suara dan gambar) maupun animasi.
Daftar Pustaka
[1]. Rosa A.S-M.Salahuddin, Modul Pembelajaran
Rekayasa Perangkat Lunak (Terstruktur dan
Berorientasi Objek), Penerbit Modula, Bandung,
2011
[2]. Muhammad Arhami, Konsep Dasar Sistem Pakar,
Penerbit Andi, Yogyakarta, 2005
[3]. Kusrini, Aplikasi Sistem Pakar, Penerbit Andi,
Yogyakarta, 2008
[4]. T.Sutojo, Vincent Suhartono, Kecerdasan Buatan,
Penerbit Andi, Yogyakarta, 2011
[5]. http://www.scribd.com/doc/89963317/PengertianDiagnosis/
[6]. http://www.scribd.com/doc/89963317/PengertianDiagnosis/
[7]. http://artikesehatan.wordpress.com/gagal-ginjal/
Sistem Pakar Untuk Mendiagnosa Penyakit Gagal Ginjal Dengan Menggunakan Metode Bayes.
Oleh : Sri Rahayu
134