Sistem pakar merupakan suatu sistem yang dibangun untuk membantu dalam mendeteksi penyakit
dengan basis pengetahuan yang dinamis. Pengetahuan ini didapat dari pakar yaitu dokter gizi dan
ahli gizi. Dalam sistem pakar ini menggunakan metode inferensi forward chaining. Dalam penelitian
ini menggunakan metode wawancara dengan dokter gizi dan ahli gizi. Adapun untuk tujuan
penelitian adalah membangun suatu aplikasi sistem pakar yang user friendly sehingga orang awam
bisa menggunakan aplikasi ini. Dan untuk manfaatnya adalah dapat membantu para ibu untuk
mengetahui gangguan pertumbuhan apa yang sedang dialami oleh anak mereka.. Hasil yang
diperoleh dari penelitian ini adalah aplikasi sistem pakar untuk mendiagnosa gangguan pertumbuhan
pada balita dengan menggunakan metode forward chaining yang memanfaatkan komputer sebagai
alat bantu untuk mengakses data.
Kata kunci : Sistem Pakar, Gangguan Pertumbuhan, Forward Chaining
ABSTRACT
An expert system is a system that is built to help detecting disease based on dynamic knowledge. The
knowledge is obtained from the experts i.e. medical doctors and nutritionists. This expert system
uses the inference forward chaining method. In this research the interview method with doctors and
nutritionists is applied. The purpose of the research is to set up an expert system application that is
user friendly oriented so that nonprofessional people can also use this application. And it can also
help mothers to know what growth disorder is being experienced by the children. The result
obtained from this research is an expert system application to diagnose growth disorders of children
under five years old by means of forward chaining method utilizing the computer as the supporting
tool to access data.
Keywords : Expert System, Growth Disorder, Forward Chaining.
I.
Pendahuluan
Kecerdasan buatan merupakan salah satu bagian dari ilmu komputer yang membuat mesin
(komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia. Sistem Pakar
(Expert System) adalah program berbasis pengetahuan yang menyediakan solusi-solusi dengan
kualitas pakar untuk problema dalam suatu domain yang spesifik. Sistem pakar merupakan program
komputer yang meniru proses pemikiran dan pengetahuan pakar dalam menyelesaikan masalah
tertentu. Implementasi sistem pakar telah digunakan pada bidang kesehatan karena sistem pakar
dianggap sebagai cara untuk meyimpan pengetahuan pakar pada bidang tertentu dalam program
komputer sehingga keputusan dapat diberikan dalam melakukan penalaran secara cerdas.
Masa yang paling menentukan dalam proses tumbuh kembang seorang anak ialah masa di
dalam kandungan ibunya kira kira satu tahun sesudahnya, pada saat mana sel otak sedang tumbuh
dan menyempurnakan diri secara pesat sekali. Untuk kemudian bertambah lambat sedikit demi
sedikit sampai anak berumur lima tahun. Dapat dimengerti bahwa dalam upaya menurunkan
masalah tumbuh kembang seorang anak harus dilakukan upaya pencegahan sedini mungkin, yakni
sejak pembuahan, janin di dalam kandungan ibu, pada saat persalinan sampai dengan masa masa
kritis proses tumbuh kembang manusia yaitu masa di bawah usia lima tahun.
Salah satu implementasi sistem pakar dibidang kesehatan, yaitu sistem pakar untuk
mendiagnosa gangguan pertumbuhan pada balita. Kebanyakan ibu-ibu bingung dengan gangguan
pertumbuhan apa yang sedang dialami oleh buah hatinya dan tak jarang mereka harus menemui
dokter untuk berobat atau sekedar berkonsultasi. Oleh karena itu untuk membantu para ibu dibangun
suatu aplikasi sistem pakar untuk mendiagnosa gangguan pertumbuhan pada balita.
maju ini sangat baik jika bekerja dengan permasalahan yang dimulai dengan rekaman
informasi awal dan ingin dicapai penyelesaian akhir, karena seluruh proses akan dikerjakan
secara berurutan maju. Tipe sistem yang dapat dicari dengan Forward chaining :
1.
Sistem yang dipersentasikan dengan satu atau beberapa kondisi.
2.
Untuk setiap kondisi, sistem mecari rule-rule dalam knowledge base untuk rule-rule
yang berkorespondensi dengan kondisi dalam bagian IF
3.
Setiap rule dapat menghasilkan kondisi baru dari konklusi yang diminta pada bagian
THEN. Kondisi baru ini ditambahkan ke kondisi lain yang sudah ada.
4.
Setiap kondisi yang ditambahkan ke sistem akan diproses. Jika ditemui suatu kondisi
baru dari konklusi yang diminta, sistem akan kembali ke langkah 2 dan mencari rulerule dalam knowledge base kembali. Jika tidak ada konklusi baru, sesi ini berakhir.
Metode forward chaining memiliki karakteristik sebagai berikut :
1.
Perencanaan, monitoring, control
2.
Disajkan untuk masa depan
3.
Antecedent ke konsekuen
4.
Data memandu, penalaran dari bawah ke atas
5.
Bekerja ke depan untuk mendapatkan solusi apa yang mengikuti fakta
Contoh penerapan forward chaining :
Misal :
Harta waris : 3000000
Fakta anak : 1 laki - laki, 1 perempuan.
Konklusi : jumlah harta waris yang didapat oleh masing masing anak.
IF (jml_ank_laki <> 0) AND (jml_ank_perempuan <> 0) THEN
bagian_anak_laki = (2/3 * jumlah_harta) / jumlah_anak_laki;
bagian_ank_perempuan = (1/3 * jumlah_harta) / jml_ank_perempuan;
END
Jadi harta waris yang didapat oleh masing masing anak pada aturan produksi di atas adalah:
Bagian anak laki laki : (2/3 * 3000000) / 1 = 2000000
Bagian anak perempuan : (1/3 * 3000000) / 1 = 1000000
Jika klausa premis sesuai dengan situasi (bernilai TRUE), maka proses akan meng-assert
konklusi. Forward Chaining adalah data driven karena inferensi dimulai dengan informasi
yg tersedia dan baru konklusi diperoleh. Jika suatu aplikasi menghasilkan tree yang lebar dan
tidak dalam, maka gunakan forward chaining
III. Perancangan Sistem
Perancangan ini merupakan implementasi dari bagian struktur program yang dibuat untuk
mencapai tujuan perangkat lunak yang diinginkan. Pada bagian ini menjelaskan proses manajemen
data yang dilakukan oleh admin. Adapun detail proses manajemen tersebut dapat dilihat pada
gambar 1 .
Mulai
Halaman login
Input
username
dan
password
Tidak
Validasi
Ya
Halaman
utama admin
Melakukan
pengolahan
data admin?
Ya
Menampilkan
halaman
pengolahan
data admin
Input
pengolahan
data admin
Proses
pengolahan data
admin
Menampilkan
data admin
Ya
Menampilkan
halaman
pengolahan
data penyakit
Input
pengolahan
data
penyakit
Proses
pengolahan data
penyakit
Menampilkan
data penyakit
Ya
Menampilkan
halaman
pengolahan
data gejala
Input
pengolahan
data gejala
Proses
pengolahan data
gejala
Menampilkan
data gejala
Ya
Menampilkan
halaman
pengolahan
data diagnosa
Input
pengolahan
data
diagnosa
Proses
pengolahan data
diagnosa
Menampilkan
data diagnosa
Tidak
Melakukan
pengolahan
data penyakit?
Tidak
Melakukan
pengolahan
data gejala?
Tidak
Melakukan
pengolahan
data diagnosa?
Tidak
Selesai
Gambar 1 Flowchart Proses Pengolahan Data Dan Pembuatan Sistem Pakar Oleh Admin
Pada Gambar 1 Flowchart Proses Pengolahan Data Dan Pembuatan Sistem Pakar Oleh
Admin. Menjelaskan tentang flowchart sistem input data dan pengelolaan sistem pakar oleh admin.
Admin terlebih dahulu harus login ke sistem untuk mengakses data pada sistem. Setelah login,
sistem akan menampilkan halaman utama. Pada halaman utama tersebut terdapat beberapa menu
yaitu :
a) Pengolahan Data Admin
Pada menu ini admin dapat mengelolah data para admin.
b) Pengolahan Data Penyakit
Jika admin ingin mengelolah data penyakit maka admin memilih menu penyakit yang kemudian
diproses oleh sistem. Setelah data tersebut diproses maka selanjutnya sistem akan menampilkan
data penyakit yang sudah diinput.
c) Pengolahan Data Gejala
Pada menu gejala berfungsi untuk mengelolah data gejala-gejala penyakit.
d) Pengolahan Data Diagnosa
Pada menu ini admin mengelolah aturan-aturan atau pohon keputusan yang nantinya akan
digunakan oleh sistem. Pada proses pembuatan dan pengelolaan sistem pakar, admin
menginputkan data sistem pakar sesuai dengan masing-masing gejala-gejala pada penyakit.
Selanjutnya adalah flowchart deskripsi proses mendiagnosa penyakit oleh user. Pada bagian ini
menjelaskan bagaimana user menggunakan sistem pakar tersebut untuk mendianosa penyakit yang
dialami. Detail proses penggunaan sistem pakar dapat dilihat pada gambar 2 .
Mulai
Halaman
Utama
Apakah Ingin
Melakukan
Diagnosa?
Ya
Tampilkan
halaman
diagnosa
Ya
Tampilkan
halaman
bantuan
Input gejala
yang
dialami
Proses
diagnosa
Tampilkan
hasil diagnosa
Tidak
Apakah
Membutuhkan
Bantuan?
Tidak
Selesai
Data penyakit
Cek rule
Data Gejala
Tidak
Set pertanyaan
sudah terjawab
semua?
Ya
Kesimpulan
Return
Pada Gambar 3 Flowchart Proses Inference Engine. Pertama sistem akan mengecek rule dari data
penyakit dan data gejala setelah itu sistem akan mengidentifikasi apakah pertanyaan sudah terjawab
semua jika belum sistem akan mengulang pengecekan, dan jika sudah terjawab semua maka sistem
akan mendapatkan kesimpulan
Lalu untuk diagram konteks dapat dilihat pada gambar 4
Setelah di jelaskan menggunakan diagram konteks pada gambar 4 maka untuk melihat perancangan
lebih detail yaitu dengan melihat DFD level 0 dan level 1 pada gambar 6 dan gambar 7 berikut.
Gambar 8 CDM
Pada gambar 8 CDM (Conseptual Data Model) diatas menjelaskan tentang struktur perancangan
untuk aplikasinya. Setelah itu PDM adalah hasil generate dari CDM. Pada PDM menjelaskan
tentang gambaran pada susunan tabel basis datanya yang akan dijelaskan pada gambar 9.
Gambar 9 PDM
IV. Implementasi Sistem
Implementasi tampilan program ini ditujukan untuk memudahkan user menggunakan sistem
yang telah dibuat. Pada penjelasan ini nantinya akan terbagi menjadi dua bagian implementasi
antara lain, implementasi halaman admin, dan implementasi user. Untuk implementasi admin dapat
dilihat pada gambar 10 lalu untuk implementasi user dapat dilihat pada gambar 11.
Setelah dijelaskan implementasi pada admin dan user, Berikut ini adalah hasil analisa penelitian
terhadap keakuratan aplikasi. Dimana penelitian dilakukan di Puskesmas Lidah Kulon dengan
mengambil sampel pada pasien unit gizi yang dapat dilihat pada tabel 1 .
Tabel 1
Hasil Analisa Keakuratan Aplikasi.
Dari data tabel diatas dapat disimpulkan bahwa keakuratan aplikasi ini sebesar 70%, karena dari 10
pasien yang dijadikan sampel 7 diantaranya menderita penyakit yang sama seperti yang didiagnosa
oleh aplikasi setelah terdiagnosa oleh dokter.
V. Kesimpulan
Berdasarkan hasil analisa dan perancangan sistem serta implementasi aplikasi Sistem Pakar
Untuk Mendiagnosa Gangguan Pertumbuhan Pada Balita Dengan Menggunakan Metode Forward
Chaining dapat diambil kesimpulan sebagai berikut :
1. Aplikasi dapat digunakan sebagai media untuk membantu para ibu yang ingin mengetahui
penyakit apa yang sedang diderita anaknya.
2. Para ibu akan merasa terbantu dengan adanya info dan tips yang tersedia di aplikasi ini.
3. Dari 10 pasien yang didiagnosa oleh aplikasi ini 7 diantaranya sesuai dengan hasil diagnosa
dokter yang berarti keseuaian aplikasi ini sekitar 70%.
Penyebab ketidaksesuaian pada beberapa diagnosa disebabkan oleh gejala dan penyakit yang lebih
spesifik dan belum tercakup dalam aplikasi ini.