Anda di halaman 1dari 8

2015

SISTEM PAKAR SKRINING KEHAMILAN RESIKO TINGGI MENGGUNAKAN METODE


CERTAINTY FACTOR
(STUDI KASUS: PUSKESMAS HANDIL BAKTI PALARAN)
Wahyu Syahidah1), Indah Fitri Astuti2),Awang Harsa Kridalaksana3)
1,2,3)
Program Studi Ilmu Komputer, FMIPA, Universitas Mulawarman
Email : wahyu.syahidah28@gmail.com1), indahfitriastuti@yahoo.com2), awangkid@gmail.com3)

Abstrak
Setiap kehamilan memiliki faktor resiko yang dapat membahayakan keselamatan ibu dan bayi jika
penanganan yang dilakukan tidak tepat. Tiap tahun terjadi peningkatan angka kematian ibu yang terjadi disebabkan
oleh keterlambatan dalam mendeteksi resiko kehamilan. Untuk membantu tenaga kesehatan khususnya bidan
dalam mendeteksi kehamilan dengan resiko tinggi, dib*uat sistem pakar skrining kehamilan resiko tinggi. Terdapat
beberapa faktor resiko yang terdapat dalam Kartu Skor Poedji Rochjati (KSPR) yang menjadi pertimbangan dalam
menentukan tingkat resiko pada ibu hamil. Metode Certainty Faktor merupakan metode dari sistem pakar yang
dianggap sesuai untuk memberikan hasil yang tepat untuk mendeteksi resiko tinggi pada kehamilan. Penelitian ini
menghasilkan sebuah sistem pakar berbasis web dengan tingkat akurasi sebesar 90%, yang dimanfaatkan untuk
membantu tenaga kesehatan khususnya bidan dalam mendeteksi resiko tinggi yang dimiliki oleh ibu hamil.
Kata Kunci : Kehamilan Resiko Tinggi, Sistem Pakar, Certainty Factor
PENDAHULUAN
Latar Belakang
Kehamilan merupakan saat yang ditunggutunggu oleh setiap wanita yang telah menikah.
Kehamilan dan persalinan merupakan proses alami,
tetapi kehamilan juga memiliki resiko yang dapat
menjadi beban bagi seorang wanita. Pada persalinan
tiap ibu hamil memiliki resiko baik rendah atau tinggi
yang dapat membahayakan ibu dan bayi. Sebagian
besar
dari
kehamilan
mempunyai
hasil
menggembirakan dengan ibu dan bayi yang sehat. Hasil
yang menggembirakan tersebut tidak selalu terjadi, ada
persalinan yang berakhir dengan ibu dan atau bayi mati
atau sakit. Keadaan ini dapat terjadi pada kehamilan
dengan resiko tinggi dengan penanganan persalinan1.
yang tidak tepat. Berdasarkan hasil survei Demogafi
dan Kependudukan Indonesia (SDKI) 2012, terdapat
kenaikan angka kematian ibu (AKI) yang cukup drastis
dari 228 per 100 ribu kelahiran menjadi 359 per 100
ribu kelahiran. Pada saat ini masih banyak terjadi
keterlambatan rujukan, dimana ibu hamil yang
memiliki resiko sangat tinggi dikirim dan datang di
rumah sakit dalam kondisi yang sangat buruk, sehingga
kesempatan untuk menyelamatkan nyawa ibu dan
bayinya sangat terbatas.
Kartu Skor Poedji Rochjati atau yang
biasanya disingkat dengan KSPR biasanya digunakan
untuk menentukan tingkat resiko pada ibu2.
hamil. KSPR dibuat oleh Poedji Rochjati dan pertama
kali digunakan pada tahun 1992-1993. KSPR telah
disusun dengan format yang sederhana agar
mempermudah kerja tenaga kesehatan untuk
melakukan skrining terhadap ibu hamil dan
mengelompokan ibu kedalam kategori sesuai ketetapan
sehingga dapat menentukan intervensi yang tepat
terhadap ibu hamil.
Penulis menggunakan metode certainty factor
karena metode ini dirasa sesuai dengan kasus yang
sedang diteliti, dengan menggunakan nilai-nilai dari

resiko kehamilan sebagai faktor kepastian. Penulis


bermaksud untuk membuat sebuah sistem pakar
berbasis web yang dapat mengatasi nilai derajat
kepercayaan atau faktor kepastian data yang diperoleh
dari hasil konsultasi dengan pasien dengan
menggunakan kriteria kriteria yang terdapat pada
Kartu Skor Poedji Rochyati melalui metode certainty
factor. Harapan penulis dengan dibangunnya sistem ini
adalah supaya dapat membantu dalam mendiagnosa
resiko tinggi kehamilan.
Batasan Masalah
Batasan masalah pada pembuatan sistem :
Menggunakan faktor faktor resiko yang ada pada
Kartu Skor Poedji Rochjati yaitu, skor awal ibu hamil,
usia ibu hamil, terlalu lambat hamil setelah pernikahan,
jarak kehamilan dari kehamilan sebelumnya, terlalu
banyak anak, tinggi badan, pernah mengalami
keguguran, pernah melahirkan dengan vakum/uri
dirogoh/mendapat transfusi, pernah menjalani operasi
sesar, penyakit yang dimiliki ibu hamil, terdapat
bengkak pada muka/tungkai dan tekanan darah tinggi,
hamil kembar, mengalami hydramnion, bayi mati
dalam kandungan, kehamilan lebih bulan, letak bayi
sungsang/lintang, terjadi pendarahan, dan terjadi
eklampsia/kejang kejang.
Skrining dilakukan pada ibu dalam masa kehamilan
dimulai dari hari pertama haid terakhir.
Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk
membangun sistem yang dapat mendiagnosa
kehamilan resiko tinggi serta cara penanggulangannya
berdasarkan pada aturan Kartu Skor Poedji Rochjati
(KSPR) dengan menggunakan metode Certainty
Factor.

2015
a. Dapat menyediakan kepakaran setiap waktu dan di
berbagai lokasi.
b. Secara otomatis mengerjakan tugas rutin yang
membutuhkan seorang pakar.
c. Seorang pakar akan pensiun atau pergi.
d. Biaya seorang pakar adalah mahal.
e.
Kepakaran dibutuhkan juga pada lingkungan
TINJAUAN PUSTAKA
yang tidak bersahabat (hostile environment) [8].
Sistem Pakar
Sistem Pakar adalah sistem yang menggunakan
pengetahuan manusia yang terekam dalam komputer
Table 1. Perbandingan Seorang Pakar dengan Sistem
untuk memecahkan persoalan yang biasanya
Pakar
memerlukan keahlian manusia. Konsep dasar sistem
Faktor
Seorang Pakar Sistem
pakar mencakup beberapa persoalan mendasar antara
Pakar
lain apa yang dimaksud dengan keahlian, siapa yang
Time Availability
Hari Kerja
Setiap saat
disebut pakar, bagaimana keahlian dapat ditransfer, dan
Geografis
Lokal/tertentu
Dimana saja
bagaimana sistem bekerja [8].
Keamanan
Tidak
Dapat
Sistem Pakar menurut Siswanto [7] merupakan
tergantikan
diganti
program komputer, yaitu :
Perishable/Dapat
Ya
Tidak
1. Program komputer yang menangani masalah dunia
habis
nyata, masalah yang kompleks yang membutuhkan
Performansi
Variabel
Konsisten
interpretasi pakar.
Kecepatan
Variabel
Konsisten
2. Program komputer untuk menyelesaikan masalah
dan
lebih
dengan menggunakan komputer dengan model
cepat
penalaran manusia dan mencapai kesimpulan yang
Biaya
Tinggi
Terjangkau
sama dengan yang dicapai oleh seorang jika
(Sumber : Turban, 2005)
berhadapan dengan masalah.
Kepakaran atau expertise adalah pengetahuan
Faktor Kepastian (Certainty Factor)
yang ekstensif (meluas) dan spesifik yang diperoleh
Faktor kepastian (certainty factor) diperkenalkan
melalui rangkaian pelatihan, membaca, dan
oleh
Shortliffe
Buchanan
dalam
pengalaman. Pengetahuan membuat pakar dapat
pembuatan MYCIN. Certainty Factor (CF) merupakan
mengambil keputusan secara lebih baik dan lebih cepat
nilai parameter klinis yang diberikan MYCIN untuk
daripada non-pakar dalam memecahkan problem yang
menunjukkan besarnya kepercayaan. Certainty Factor
kompleks. Kepakaran mempunyai sifat berjenjang,
didefinisikan sebagai persamaan 1 [1]:
pakar top memiliki pengetahuan lebih banyak daripada
pakar yunior. Sistem pakar yang baik harus memenuhi
CF (H, E) = MB (H, E) MD (H, E)
(1)
ciri-ciri :
a. Memiliki informasi yang handal.
CF (H, E)
: Certainty Factor dari hipotesis H yang
b. Mudah dimodifikasi.
dipengaruhi oleh gejala (evidence) E. Besarnya CF
c. Dapat digunakan dalam berbagai jenis komputer.
berkisar antara -1 sampai 1. Nilai -1 menunjukkan
d. Memiliki kemampuan untuk belajar beradaptasi.
ketidakpercayaan mutlak sedangkan nilai 1
Tujuan dari sebuah sistem pakar adalah untuk
menunjukkan kepercayaan mutlak.
mentransfer kepakaran yang dimiliki seorang pakar ke
MB (H, E) : ukuran
kenaikan
kepercayaan
dalam komputer, dan kemudian kepada orang lain.
(measure of increased belief) terhadap hipotesis H
Aktivitas yang dilakukan untuk memindahkan
yang dipengaruhi oleh gejala E.
kepakaran adalah:
MD (H, E) : ukuran kenaikan ketidakpercayaan
a. Akuisi pengetahuan (knowledge acquisition) yaitu
(measure of increased disbelief) terhadap hipotesis H
kegiatan mencari dan mengumpulkan pengetahuan
yang dipengaruhi oleh gejala E.
dari para ahli atau sumber keahlian yang lain.
b. Representasi pengetahuan (knowledge
Bentuk
dasar
rumus certainty
representation) adalah kegiatan menyimpan dan
factor, adalah sebuah aturan JIKA E MAKA H seperti
mengatur penyimpanan pengetahuan yang
ditunjukkan oleh persamaan 2.
diperoleh dalam komputer. Pengetahuan berupa
fakta dan aturan disimpan dalam komputer sebagai
CF (H, e) = CF (E, e) * CF (H, E) (2)
sebuah komponen yang disebut basis pengetahuan.
c. Inferensi pengetahuan (knowledge inferencing)
Dimana
adalah kegiatan melakukan inferensi berdasarkan
CF (H, e)
: certainty factor hipotesis yang
pengetahuan yang telah disimpan didalam
dipengaruhi oleh evidence e.
komputer.
CF (E, e)
: certainty factor evidence E yang
d. Pemindahan pengetahuan (knowledge transfer)
dipengaruhi oleh evidence e
adalah kegiatan pemindahan pengetahuan dari
CF (H, E)
: certainty
factor hipotesis
dengan
komputer ke pemakai yang tidak ahli.
asumsi evidence diketahui
dengan pasti, yaitu
Alasan mendasar mengapa sistem pakar
ketika CF(E, e) = 1
dikembangkan untuk menggantikan seorang pakar:
Manfaat Penelitian
Manfaat dari penelitian ini adalah sebagai media
yang dapat membantu seorang bidan dalam
menentukan resiko pada kehamilan berdasarkan aturan
yang terdapat pada Kartu Skor Poedji Rochjati (KSPR).

2015
Jika semua evidence pada antecedent
diketahui dengan pasti maka persamaannya akan
menjadi:
CF (E, e) = CF (H, E)

(3)

Dalam aplikasinya, CF(H,E) merupakan nilai


kepastian yang diberikan oleh pakar terhadap suatu
aturan, sedangkan CF(E,e) merupakan nilai
kerpercayaan yang diberikan oleh pengguna terhadap
gejala yang dialaminya. Sebagai contoh, berikut ini
adalah sebuah aturan dengan CF yang diberikan oleh
seorang pakar:
JIKA batuk
DAN demam
DAN sakit kepala
DAN bersin-bersin
MAKA influensa, CF: 0,7
Metode certainty factor ini hanya bisa mengolah
2 bobot dalam sekali perhitungan. Untuk bobot yang
lebih dari 2 banyaknya, untuk melakukan perhitungan
tidak terjadi masalah apabila bobot yang dihitung
teracak,
artinya
tidak
ada
aturan
untuk
mengkombinasikan bobotnya, karena untuk kombinasi
seperti apapun hasilnya akan tetap sama. Misalnya,
untuk mengetahui apakah seorang pasien tersebut
menderita penyakit jantung atau tidak, dilihat dari hasil
perhitungan bobot setelah semua keluhan-keluhan
diinputkan dan semua bobot dihitung dengan
menggunakan metode certainty factor. Pasien yang
divonis mengidap penyakit jantung adalah pasien yang
memiliki bobot mendekati +1 dengan keluhan-keluhan
yang dimiliki mengarah kepada penyakit jantung.
Sedangkan pasien yang mempunyai bobot mendekati 1 adalah pasien yang dianggap tidak mengidap penyakit
jantung, serta pasien yang memiliki bobot sama dengan
0 diagnosisnya tidak diketahui atau unknown atau bisa
disebut dengan netral.
Kelebihan metode Certainty Factor adalah:
a. Metode ini cocok dipakai dalam sistem pakar untuk
mengukur sesuatu apakah pasti atau tidak pasti
dalam mendiagnosis penyakit sebagai salah satu
contohnya.
b. Perhitungan dengan menggunakan metode ini
dalam sekali hitung hanya dapat mengolah 2 data
saja sehingga keakuratan data dapat terjaga.
Kekurangan metode Certainty Factor adalah:
a. Ide umum dari pemodelan ketidakpastian manusia
dengan menggunakan numerik metodecertainty
factor biasanya diperdebatkan. Sebagian orang
akan membantah pendapat bahwa formula untuk
metode certainty factor diatas memiliki sedikit
kebenaran.
b. Metode
ini
hanya
dapat
mengolah
ketidakpastian/kepastian hanya 2 data saja. Perlu
dilakukan beberapa kali pengolahan data untuk data
yang lebih dari 2 buah.

Kehamilan
Kehamilan
adalah
pertumbuhan
dan
perkembangan janin intra uteri mulai sejak konsepsi
dan berakhir sampai permulaan persalinan. (Manuaba,
2008).
Kehamilan terjadi jika ada pertemuan dan
persenyawaan antara sel telur (ovum) dan sel mani
(spermatozoa) [6].
Kehamilan dibagi menjadi 3 trimester:
1. Trimester pertama : hari pertama haid terakhir
sampai minggu ke -12
2. Trimester kedua : minggu ke- 13 sampai ke- 27
3. Trimester ketiga: minggu ke- 28 sampai ke- 40 (13
minggu) [3].
Kehamilan Risiko Tinggi adalah salah satu
kehamilan yang di dalamnya kehidupan atau kesehatan
ibu atau janin dalam bahaya akibat gangguan
kehamilan yang kebetulan atau unik[6].
HASIL PENELITIAN DAN PEMBAHASAN
Deskripsi Sistem
Sistem Pakar Skrining Resiko Tinggi Kehamilan
ini merupakan sistem yang digunakan untuk
memudahkan tenaga kesehatan terutama bidan dalam
melakukan skrining terhadap ibu hamil. Pada sistem ini
user yang merupakan bidan atau tenaga kesehatan
harus login terlebih dahulu untuk masuk ke dalam
sistem pakar. Setelah berhasil masuk, kemudian user
dapat mengolah data ibu hamil dan melakukan
skrining. Untuk melakukan perhitungan KPSR user
harus memasukkan data kehamilan terlebih dahulu
kemudian user dapat memilih resiko kehamilan yang
dialami oleh ibu hamil. Setiap resiko kehamilan
memiliki nilai yang akan diproses nantinya. Setelah
selesai tahap memilih resiko berdasarkan kondisi ibu
hamil maka sistem akan memproses sehingga
mendapatkan hasil skor yang menyatakan kondisi ibu
hamil serta rujukan yang diberikan sesuai kondisi yang
dialami ibu hamil. Disertakan pula detail perhitungan
yang telah dilakukan sistem.
Arsitektur Sistem

Gambar 1. Arsitektur Sistem Pakar Skrining


Kehamilan Resiko Tinggi
Dari Gambar 1 terlihat bahwa sistem pakar
disusun oleh dua bagian utama, yaitu lingkungan
pengembangan (development environment) dan

2015
ingkungan konsultasi (consultation environment).
Komponen komponen yang terdapat dalam sistem
pakar yaitu User Interface yang dalam sistem ini adalah
halaman skrining, basis pengetahuan yang didapat dari
pakar yang berupa nilai CF dan aturan, akuisisi
pengetahuan, mesin inferensi yang menggunakan
metode forward chaining, workplace, fasilitas
penjelasan dan perbaikan pengetahuan.
Perancangan Sistem
Perancangan sistem pakar skrining kehamilan
resiko tinggi yang akan dibangun menggunakan
diagram unified modeling language (UML) dan
flowchart, diagram yang digunakan yaitu use case
diagram dan activity diagram. Flowchart merupakan
suatu langkah penting yang harus dilakukan dalam
menyelesaikan suatu masalah. Berisi grafik-grafik
untuk membantu bagaimana suatu sistem dapat dibuat.
Gambar 2 merupakan flowchart sistem skrining
kehamilan resiko tinggi.

tabel
faktor
resiko.
Masing-masing
faktor
direpresentasikan dengan kode seperti digambarkan
pada tabel 2.
Tabel 2. Faktor Resiko Kehamilan
Faktor
Resiko
F01
F02
F03

F04

F05

F06

F07
F08
F09
F10
F11
F12
F13
F14
F15
F16
F17
F18
F19
F20
F21

Gambar.2 Flowchart Perhitungan CF Skrining


Kehamilan Resiko Tinggi
Perancangan Basis Data Pengetahuan
Dalam pembuatan sistem pakar, fakta dan
pengetahuan yang berhubungan dengan faktor faktor
resiko kehamilan akan digunakan dalam mengambil
suatu kesimpulan. Fakta dan pengetahuan tersebut
didapatkan dari hasil studi literatur. Fakta dan
pengetahuan yang telah didapatkan akan diterjemahkan
akan diterjemahkan knowledge engineer menjadi basis
pengetahuan yang tersimpan dalam sistem pakar yang
telah dibuat. Fakta tersebut ditampilkan dalam bentuk

F22
F23
F24
F25
F26
F27
F28
F29

Deskripsi Faktor

CF

Skor Awal Ibu Hamil


Hamil terlalu muda pada usia
kurang dari 16 tahun
Kehamilan pertama terlalu lambat
setelah lebih dari sama dengan 4
tahun pernikahan
Terlalu tua, kehamilan pertama
pada usia lebih dari sama dengan
35 tahun
Terlalu cepat hamil lagi, jarak
kurang dari 2 tahun setelah
kehamilan sebelumnya
Terlalu lama hamil lagi, jarak lebih
dari sama dengan 10 tahun dengan
kehamilan sebelumnya.
Terlalu banyak anak (4 anak atau
lebih).
Usia terlalu tua lebih dari sama
dengan 35 tahun.
Terlalu pendek, tinggi badan
kurang dari sama dengan 145 cm.
Pernah gagal kehamilan.
Pernah melahirkan dengan tarikan
tang / vakum.
Pernah melahirkan dengan uri
dirogoh.
Pernah melahirkan dengan diberi
infus / transfusi.
Pernah operasi sesar.
Memiliki penyakit kurang darah.
Memiliki penyakit malaria.
Memiliki penyakit TBC paru.
Memiliki penyakit payah jantung.
Memiliki penyakit kencing manis
(diabetes).
Memiliki
penyakit
menular
seksual.
Terdapat bengkak pada muka /
tungkai dan tekanan darah tinggi.
Hamil kembar 2 atau lebih.
Hamil kembar air ( hydramnion ).
Bayi mati dalam kandungan.
Kehamilan lebih bulan.
Letak bayi sungsang.
Letak bayi lintang.
Terjadi
pendarahan
pada
kehamilan ini.
Preeklampsia berat / kejang kejang.

0.2
0.4
0.4

0.4

0.4

0.4

0.4
0.4
0.4
0.4
0.4
0.4
0.4
0.8
0.4
0.4
0.4
0.4
0.4
0.4
0.4
0.4
0.4
0.4
0.4
0.8
0.8
0.8
0.8

Masing-masing
resiko
kehamilan
direpresentasikan dengan kode seperti digambarkan
pada tabel 3.
Tabel 3. Resiko Kehamilan

2015
Kode
Resiko
R01

R02

R03

Keterangan
Kehamilan
Resiko Rendah
Kehamilan
Resiko Tinggi

Kehamilan
Resiko Sangat
Tinggi

Rujukan
Persalinan boleh
ditangani oleh bidan
praktek.
Persalinan tidak
boleh ditangani oleh
bidan praktek dan
dianjurkan untuk
melakukan
persalinan ke
puskesmas atau
rumah sakit.
Persalinan harus
ditangani oleh
dokter ahli di rumah
sakit.

pakar. Jika username dan password yang diisi user


benar, maka setelah mengklik Login, user akan
masuk ke halaman utama sistem pakar.
Terdapat tiga halaman yang dapat diakses oleh
user, antara lain Halaman Utama, Halaman Data
Ibu Hamil, dan Halaman Pencarian.
2. Halaman Utama
Setelah user berhasil login, yang muncul di awal
adalah halaman utama sistem pakar skrining
kehamilan resiko tinggi. Halaman utama bisa dilihat
pada Gambar 4.

Representasi pengetahuan digunakan untuk


menggabungkan fakta dari tabel penyakit dan gejala
untuk bisa memberikan informasi agar dapat diakses
oleh prosedur pemecahan masalah. Nilai nilai yang
ada ditentukan dan disetujui oleh narasumber/pakar.

No.
1.

2.

3.

Tabel 4. Representasi pengetahuan


Fakta
Kode
Jenis Resiko
Resiko
Jika
R01
Kehamilan
persentase
Resiko Rendah
50%
Jika
R02
Kehamilan
persentase >
Resiko Tinggi
50% dan <
80%
Jika
R03
Kehamilan
persentase
Resiko Sangat
80%
Tinggi

Gambar 4. Tampilan Halaman Utama Sistem


Pakar Skrining Kehamilan Resiko Tinggi
3. Halaman Dara Ibu Hamil
Pada halaman ini, user dapat mengelola data ibu
hamil, mengisi data pemeriksaan dan skrining.
Lebih jelasnya tentang halaman Data Ibu Hamil
dapat dilihat pada gambar 5.

Implementasi Sistem User


1. Halaman Login
Menu halaman Login dibuat untuk user dan
administrator untuk dapat mengakses sistem.
Tampilan halaman login user dapat dilihat pada
gambar 3.
Gambar 5. Halaman Data Ibu Hamil
Dalam Halaman Data Ibu Hamil ini user dapat
menambahkan data ibu hamil. Form tambah data
ibu hamil dapat dilihat pada gambar 6.

Gambar 3. Form Login


Pada form login terdapat kolom username dan
password yang harus diisi oleh user serta tombol
Login untuk masuk ke halaman utama sistem

2015

Gambar 6. Halaman Tambah Data Ibu Hamil


Setelah memasukkan data ibu hamil user dapat
menambahkan data kehamilan. Untuk lebih jelasnya
dapat dilihat pada gambar 7 dan gambar 8.

Gambar 10. Form Pemeriksaan Baru


Pada halaman skrining ini user dapat melakukan
skrining pada ibu hamil dengan memilih faktor
faktor resiko yang dimiliki oleh ibu hamil.

Gambar 7. Halaman Data Data Kehamilan


Gambar 11. Halaman Skrining

Gambar 8. Halaman Tambah Data Kehamilan


Setelah memasukkan data kehamilan kemudian
user dapat mengisi data pemeriksaan dan melakukan
skrining.

Gambar 12. Form Skrining


Setelah menekan tombol Proses maka akan
menuju ke halaman hasil skor seperti pada gambar
13.

Gambar 9. Halaman Pemeriksaan

2015

Gambar 13. Halaman Hasil Skor


Dan berikut adalah detail dari perhitungan
yang telah dilakukan dapat dilihat pada gambar 14.

Gambar 14. Halaman Detail Perhitungan

2. Halaman Faktor Resiko


Pada halaman faktor resiko ini admin dapat
mengelola faktor faktor resiko dalam database.
Pada data faktor resiko terdapat nilai nilai CF
yang nanti akan dihitung untuk mendapatkan hasil
rujukan yang sesuai dengan kondisi ibu hamil.
Halaman faktor resiko dapat dilihat pada gambar
18.

Gambar 18. Halaman Admin Faktor Resiko

4. Halaman Pencarian
Pada halaman ini, user dapat mencari data ibu
hamil. Tampilan halaman pencarian dapat dilihat
pada gambar 15.

Untuk menambahkan data fakor admin dapat


menekan tombol Tambah Data Faktor. Berikut
adalah form untuk mengisi data faktor baru.

Gambar 15. Halaman Pencarian


Implementasi Sistem Admin
Gambar 19. Form Data Faktor Baru
1. Halaman Data Bidan
3.5 Pengujian Sistem
Pada halaman Data Bidan ini admin dapat
mengelola data user yaitu bidan. Tampilan halaman
Berikut akan dicontohkan uji coba perhitungan
Data Bidan dapat dilihat pada gambar 16.
manual untuk perhitungan nilai CF. Untuk melakukan
perhitungan, dibutuhkan masukan data faktor resiko
yang dimiliki oleh ibu hamil.
Misalkan diketahui seorang ibu hamil memiliki faktor
resiko sebagai berikut :
1. Memiliki terlalu banyak anak yaitu 5 orang anak.
2. Usia 39 tahun.
Gambar 16. Halaman Admin Data Bidan
a.
Dan untuk menambah data bidan akan
ditampilkan for seperti pada gambar 17 berikut.
b.

1.
2.
3.

a.
Gambar 17. Form Biodata Bidan
b.

Hasil diagnosa sistem :


Ibu memiliki Kehamilan Resiko Tinggi dengan
persentase sebesar 71,2%
Dengan perhitungan manual.
Diketahui nilai CF dari masing masing faktor
resiko adalah sebagai berikut:
Skor awal ibu hamil (skor yang dimiliki semua ibu
hamil) = 0,2
Terlalu banyak anak = 0,4
Usia lebih dari 35 tahun = 0,4
Dari nilai CF yang ada dihitung nilai CF kombinasinya
:
Kombinasikan nilai CF1 dan CF2 :
CF1.2 = CF1 + CF2 ( 1 CF1 )
CF1.2 = 0,2 + 0,4 ( 1 0,2 )
CF1.2 = 0,52
Kombinasikan nilai CF1.2 dan CF3 :
CF1.2.3 = CF1.2 + CF3 ( 1 CF1.2 )

2015
CF1.2.3 = 0,52 + 0,4 ( 1 0,52 )
CF1.2.3 = 0,712
c. Hitung persentase : 0,712 * 100% = 71,2%
Dengan persentase sebesar 71,2% ibu hamil
memiliki Kehamilan Resiko Tinggi.
Pengujian Akurasi Sistem
Uji coba ini dilakukan untuk mengetahui apakah
aplikasi yang dibuat sesuai dengan tujuan. Dilakukan
uji coba terhadap 30 data ibu hamil. Berdasarkan uji
coba yang telah dilakukan serta melakukan
perbandingan terhadap data sebenarnya, tentunya akan
terdapat perbedaan. Dari perbedaan tersebut, akan
dihitung nilai akurasinya. Nilai akurasi inilah yang
akan menentukan kualitas dari aplikasi yang telah
dibuat.
Untuk menghitung tingkat akurasi sistem:
a. Jumlah data
= 30
b. Jumlah hasil diagnosa benar
= 27
c. Jumlah hasil diagnosa salah
=3
Terdapat data diagnosa salah pada hasil
rujukan karena terjadi perbedaan hasil skrining
menggunakan Kartu Skor Poedji Rochjati dengan
perhitungan sistem pakar menggunakan metode
Certainty Factor.
Akurasi =

x 100%

Sehingga didapat perhitungan sebagai berikut :


= x 100%
= 90%
Dari hasil pengujian yang dilakukan, Sistem
Pakar Skrining Kehamilan Resiko Tinggi mempunyai
tingkat akurasi sebesar 90%.
KESIMPULAN
Dari perancangan dan implementasi yang telah
dilakukan, ada beberapa kesimpulan yang dapat
dikemukakan sebagai hasil dari penelitian, antara lain:
1. Metode Certainty Factor dapat diimplementasikan
pada aplikasi sistem pakar untuk skrining
kehamilan resiko tinggi dengan tingkat akurasi
sebesar 90%.
2. Menghasilkan output tingkat resiko beserta rujukan
pada saat persalinan.
3.
4. Penggunaan aplikasi berbasis website lebih
memudahkan user dalam segi fleksibilitas yang
dapat digunakan dimana pun pengguna berada,
serta aplikasi ini menggunakan sistem yang cukup
mudah untuk di akses.
SARAN
Penelitian yang dilakukan tentunya tidak terlepas
dari kekurangan dan kelemahan. Oleh karena itu, untuk
pengembangan sistem lebih lanjut, maka perlu
diperhatikan beberapa hal berikut ini:
1. Pengembangan sistem pakar selanjutnya agar
menggunakan metode lain yang lebih tepat
sehingga dapat meningkatkan tingkat akurasi.

2. Website dapat dikembangkan dalam bentuk lebih


dinamis sehingga pengguna bisa lebih nyaman
menggunakannya
3. Tampilan yang lebih menarik baik dalam segi
menu-menu ataupun desain website dapat
memberikan kemudahan ataupun ketertarikan
pengguna dalam memakai aplikasi ini.

DAFTAR PUSTAKA
[1] Arhami, M. 2005. Konsep Dasar Sistem Pakar.
Jilid 1. Yogyakarta: Penerbit Andi
[2] Bobak, I.M., Lowdermilk, D.L., Jensen, M.D., &
Perry, S.E. (2004). Buku Ajar Keperawatan
Maternitas (Maternity Nursing). Edisi 4. Alih
bahasa
Anugerah, P.I., & Wijayarini, M.A.
Jakarta : EGC.
[3] Helen, V. 2007. Buku Ajar Asuhan Kebidanan.
Edisi 4, Volume 2. Jakarta : EGC
[4] Manuaba IBG. 2008. Ilmu Kebidanan, Penyakit
Kandungan
& Keluarga Berencana Untuk
Pendidikan Bidan. Jakarta: EGC.
[5] Rochjati, P. 2003. Skrining Antenatal Pada Ibu
Hamil. Surabaya: Pusat Safe Mother HoodLab/SMF Obgyn RSU Dr. Sutomo/Fakultas
Kedokteran UNAIR
[6] Saminem. 2009. Kehamilan Normal Seri Asuhan
Kebidanan. Jakarta: Penerbit Buku Kedokteran
EGC. Cetakan I
[7] Siswanto. 2010. Kecerdasan Tiruan Edisi 2.
Yogyakarta : Graha Ilmu
[8] Turban, E., Aronso, J.E., dan Liang, T.P. 2005.
Sistem pendukung Keputusan dan Sistem Cerdas.
Terjemahan Dwi Prabantini. Yogyakarta : Andi.