Pelita Informatika Budi Darma, Volume : V, Nomor: 1, November 2013

ISSN : 2301-9425

SISTEM PAKAR MENDETEKSI GIZI BURUK PADA BALITA

BERBASIS WEB DENGAN MENGGUNAKAN
METODE CERTAINTY FACTOR
Santi Dewi Lumban Gaol (0911627)
Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma Medan
Jl. Sisingamangaraja No. 338 Sp. Limun Medan
http : // www.stmik-budidarma.ac.id // Email : Santiedewi10@yahoo.co.id
ABSTRAK
Sistem pakar (Expert System) adalah sistem yang berusaha mengadopsi pengetahuan manusia ke
komputer, agar komputer dapat menyelesaikan masalah seperti layaknya para pakar (Expert). Gizi merupakan
salah satu faktor penentu utama kualitas sumber daya manusia. Gizi buruk tidak hanya meningkatkan angka
kesakitan dan angka kematian tetapi juga menurunkan produktifitas, menghambat pertumbuhan sel-sel otak
yang mengakibatkan kebodohan dan keterbelakangan.Dalam skripsi ini, dibangun sebuah sistem pakar untuk
mendeteksi dan dilengkapi nilai kepastian terhadap diagnosa tersebut. Nilai kepastian tersebut diperoleh
dengan menggunakan metode Certainty Factor (CF).
Certainty Factor (CF) merupakan suatu metode yang digunakan di MYCIN pada pertengahan tahun
1970 biasanya untuk mengantisipasi pengetahuan yang tidak sempurna dan tidak pasti. Dari hasil analisa yang
dilakukan dapat disimpulkan bahwa metode certainty factor sebuah rule cukup menjanjikan untuk diterapkan.
Kelemahan dari metode ini adalah apabila ada rule-rule tambahan setelah CF (rule) dihitung, maka
perhitungan CF(rule) tersebut harus diulang dari awal.
Kata kunci : Sistem Pakar, Certainty Factor, Gizi Buruk.

1. Pendahuluan
1.1 Latar Belakang Masalah
Masalah gizi pada hakekatnya adalah
masalah
kesehatan
masyarakat,
namun
penanggulangannya tidak dapat dilakukan dengan
pendekatan medis dan pelayanan kesehatan saja.
Penyebab timbulnya masalah gizi adalah
multifaktor,
oleh
karena
itu
pendekatan
penanggulangannya harus melibatkan berbagai
sektor yang terkait. Masalah gizi di Indonesia dan
di negara berkembang masih didominasi oleh
masalah Kurang Energi Protein (KEP), masalah
anemia besi, masalah
Gangguan Akibat
Kekurangan Yodium (GAKY), masalah Kurang
Vitamin A (KVA) dan masalah obesitas terutama di
kota-kota besar yang perlu ditanggulangi.
Disamping masalah tersebut, diduga ada
masalah gizi mikro lainnya seperti defisiensi zink
yang sampai saat ini belum terungkapkan, karena
adanya keterbatasan iptek gizi. Secara umum
masalah gizi di Indonesia, terutama KEP masih
lebih tinggi dari pada negara ASEAN lainnya
(Supariasa,dkk 2002).
Kekurangan Energi Protein (KEP) adalah keadaan
kurang gizi yang disebabkan oleh rendahnya
konsumsi energi dan protein dalam makanan
sehari-hari sehingga tidak memenuhi angka
kecukupan gizi. Orang yang mengidap gejala klinis
KEP ringan dan sedang pada pemeriksaan hanya
nampak kurus. Namun gejala klinis KEP berat

secara garis besar dapat dibedakan menjadi tiga,

adalah marasmus, kwashiorkor, dan marasmic
kwashiorkor.
1.2

Rumusan Masalah
Adapun yang menjadi rumusan masalah dalam
penelitian ini adalah:
1. Bagaimana mengetahui penyakit Gizi Buruk
yang diderita oleh balita?
2. Bagaimana menerapkan metode Certainty
Factor pada penyakit Gizi Buruk?.
3. Bagaimana
merancang
sistem
pakar
mendiagnosa penyakit gizi buruk pada Balita?
1.3

Batasan Masalah
Adapun yang menjadi batasan masalah dalam
penelitian ini adalah:
1. Hanya untuk penyakit balita umur 0-5 tahun
2. Identifikasi penyakit berdasarkan penelusuran
gejala yangdiketahui.
3. Pembuatan perangkat lunak ini diarahkan pada
pengenalan diagnose penyakit balita dan
pengobatan secara sederhana dan mendasar.
4. Penelusuran digunakan dengan Forward
Chaining.
5. Bahasa pemograman yang dipakai adalah PHP
dan MYSQL
1.4 Tujuan dan Manfaat Penelitian.
1.4.1 Tujuan penelitian
Adapun tujuan dari penelitian ini adalah :

Sistem Pakar Mendeteksi Gizi Buruk Pada Balita Berbasis Web Dengan Menggunakan
Metode
Certainty Factor. Oleh : Santi Dewi Lumban Gaol

126

Pelita Informatika Budi Darma, Volume : V, Nomor: 1, November 2013

1.
2.
3.

Menjelaskan cara mendiagnosa penyakit gizi

buruk pada balita.
Menerapkan metode Certainty factoruntuk
mendiagnosa gizi buruk pada balita.
Merancang Sistem untuk mendeteksi penyakit
gizi buruk pada balita berbasis web
menggunakan metode certainty factor.

1.4.2 Manfaat Penelitian

Adapun yang menjadi mamfaat dalam
penelitian ini adalah:
1. Sebagai
bahan
informasi kepada
masyarakat tentang perubahan berat badan
anak balita gizi buruk.
2. Untuk memberikan informasi
kepada
masyarakat mengenai status gizi anak balita
gizi buruk pada awal dan akhir rawat inap.
3. Sebagai bahan masukan dan informasi bagi
semua pihak yang
terkait dalam
meningkatkan pelayanan terhadap anak
balita gizi buruk yang dirawat.
2. Landasan Teori
2.1 Kecerdasan Buatan Secara Umum
Kecerdasan buatan atau Artifical Intelligence
merupakan salah satu bagian ilmu komputer yang
membuat agar mesin (komputer) dapat melakukan
perkerjaanya seperti dan sebaiknya yang dilakukan
oleh manusia.Teknologi kecerdasan buatan
dipelajari dalam bidang-bidang seperti robotika,
penglihatan komputer (computer visio), jaringan
saraf tiruan (artificialneural sistem), pengolahan
bahasa alami (natural language processing),
pengenalan suara (speech recognition), dan sistem
pakar (expert sistem). ( Vincent S, 2011 : 106 )
2.2 Sistem Pakar
Sistem pakar adalah suatu program yang
dirancang untuk mengambil keputusan seperti
keputusan yang diambil oleh seorang atau beberapa
orang pakar. Sistem pakar juga sistem perangkat
lunak komputer yang menggunakan ilmu, fakta,
dan tekhnik berpikir dalam pengambilan keputusan
untuk menyelesaikan masalah-masalah yang
biasanya hanya dapat diselesaikan oleh tenaga ahli
dalam bidang yang bersangkutan (Marimin, 2005).
2.2.1 Konsep Dasar Sistem Pakar
Menurut Sri Winiarti (2008 ), konsep dasar
dari suatu sistem pakar mengandung beberapa
unsur/elemen, yaitu:
1. Keahlian (Expertise)
Keahlian merupakan pengetahuian khusus
yang dimiliki seseorang melalui latihan, belajar,
serta pengalaman-pengalaman yang
dialami
pada suatu bidang tertentu dalam
jangka
waktu yang cukup lama. Pengetahuan tersebut
dapat berupa fakta-fakta, teori-teori, aturanaturan serta strategi
untuk menyelesaikan

ISSN : 2301-9425

masalah. Dengan
pengetahuan
tersebut
seorang pakar dapat memberikan keputusan
yang lebih baik dan cepat dalam penyelesaikan
suatu permasalahan.
yang sulit.
2. Ahli atau pakar (Expert)
Seorang pakar harus memiliki kemampuan
menyelesaikan permasalahan dalam
bidang
tertentu
yang
ditanganinya,
kemudian
memberikan
penjelasan
mengenai
hasil dan kaitannya dengan permasalan
yang ada. Selain itu para pakar juga harus
mempelajari
hal-hal
baru dari setiap
perkembangan yang
ada,
lalu menyusun
kembali pengetahuannya, dan dalam hal
tertentu dapat
memberikan alternatif
lain
agar dapat memecahkan
permasalah yang
dihadapi serta
menghasilkan solusi yang
tepat.
3. Pengalihan Keahlian (Transfering Expertise)
Pengalihan keahlian dari pada para ahli ke
komputer untuk kemudian dialihkan
lagi
keorang yang lain yang bukan ahli (tujuan
utama sistem pakar). Proses ini membutuhkan
aktivitas, yaitu:
tambahan pengetahuan (dari
pada ahli atau dari sumber-sumber lainnya),
representasi pengetahuan yang berupa fakta
dan prosedur (ke komputer),
inferensi
pengetahuan dan pengalihan
pengetahuan ke
pengguna.
4. Kesimpulan
Keistimewahan dari sistem pakar yaitu
kemampuannya dalam memberikan Saran,
yaitu dengan menempatkan keahlian kedalam
basis pengetahuan (knowledge Base) dan
membuat program yang mampu mengakses
basis Pengetahuan sehingga sistem
dapat
memberikan kesimpulan. Kesimpulan dibentuk
didalam komponen yang dinamakan mesin
pengambil
kesimpulan(inference Engine),
dimana
berisi
aturan-aturan
untuk
menyelesaikan masalah.
5. Aturan (Rule)
Umumnya sistem pakar adalah sistem berbasis
aturan , yaitu pengetahuan yang Terdiri dari
aturan-aturan sebagai prosedur penyelesaian
masalah. Pengetahuan Tersebut digambarkan
sebagai suatu urutan seri dari kaidah-kaidah
yang sudah dibuat.
6. Kemampuan
Penjelasan
(Explanation
Capability)
Menjelaskan kemampuan komputer untuk
memberikan penjelasan kepada
pengguna
tentang suatu informasi tertentu dari pengguna
dan dasar yang dapat digunakan oleh komputer
untuk dapat menyimpulkan suatu kondisi.
2.2.2 Ciri-ciri Sistem Pakar

Sistem Pakar Mendeteksi Gizi Buruk Pada Balita Berbasis Web Dengan Menggunakan
Metode
Certainty Factor. Oleh : Santi Dewi Lumban Gaol

127

Pelita Informatika Budi Darma, Volume : V, Nomor: 1, November 2013

Menurut Kusrini (2006) ciri-ciri sistem

pakar adalah sebagai berikut (Atutik, 2009) :
1 . Terbatas pada bidang keahlian yang spesifik.
2. Dapat memberikan penalaran untuk datadata yang tidak lengkap / tidak pasti.
3. Dapat mengemukakan rangkaian alasan-alasan
yang diberikan dengan cara yang dapat
dipahami.
4. Berdasarkan rule atau kaidah tertentu.
5. Dirancang untuk dikembangkan secara
bertahap.
6. Keluaran bersifat anjuran atau nasehat.
7. Keluaran tergantung dari dialog dengan user.
2.3 Keuntungan dan kelemahan Sistem
Pakar
2.3.1 Keuntungan Sistem Pakar
Secara garis besar, banyak mamfaat yang
dapat diambil dengan adanya sistem pakar antara
lain:
1. Bisa melakukan proses secara berulang Secara
otomatis.
2. Menyimpan pengetahuan dan keahlian
pakar.
3. Meningkatkan output dan produktivitas.
4 Mampu
mengambil
dan
melestarikan
keahlian para pakar (terutama yang
Termasuk keahlian langka).
5. Mampu beroperasi dalam lingkungan yang
berbahaya.
6. Memiliki kemampuan untuk mengakses
pengetahuan
7. Meningkatkan kapabilitas komputer.
8. Sebagai media pelengkap dalam pelatihan.
9. Meningkatkan kapabilitas dan penyelesaian
masalah
10 Menghemat waktu dalam pengambilan
keputusan
(Sandi.S, Artificial Intelegencia, 1993:37)
2.3.2 Kelemahan Sistem Pakar
Disamping
memiliki
beberapa
keuntungan, sistem pakar juga memiliki beberapa
kelemahan, antara lain:
1. Biaya yang digunakan untuk membuat dan
memeliharanya sangat mahal
2. Sulit dikembangkan, hal ini
tentu saja erat
kaitannya dengan
ketersediaan
Pakar
dibidangnya.
3. Sistem pakar tidak 100% bernilai benar.
2.3.3 Alasan Pengembangan Sistem Pakar
Sistem pakar sendiri dikembangkan lebih
lanjut dengan alasan:
1. Dapat menyediakan kepakaran setiap waktu
dan di berbagai lokasi.
2. Secara otomatis mengerjakan tugas-tugas rutin
yang membutuhkan seorang pakar.
3. Seorang pakar akan pensiun atau pergi.

4.
5.

ISSN : 2301-9425

Seorang pakar adalah mahal.

Kepakaran dibutuhkan juga pada lingkungan
yang tidak bersahabat.

2.3.4 Modul Penyusun Sistem Pakar

Suatu sistem pakar disusun oleh tiga
modul utama yaitu:
1. Modul Penerimaan Pengetahuan (Knowledge
Acquisition Mode) Sistem berada pada modul
ini, pada saat ia menerima pengetahuan dari
pakar. Proses mengumpulkan pengetahuanpengetahuan
yang akan
digunakan
untukpengembangan sistem, dilakukan dengan
bantuan
Knowledge Engineer. Peran
knowledge
enginer
adalah sebagai
penghubung antara suatu sistem pakar
dengan pakarnya. (Arhani.M, 2005 : 53).
2. Modul Konsultasi (Consultation Mode)
Pada saat sistem berada pada posisi
memberikan jawaban atas
permasalahan
yang diajukan oleh user, sistem pakar berada
dalam
modul konsultasi. Pada modul ini,
user berinteraksi
dengan sistem dengan
menjawab pertanyaan- pertanyaan
yang
diajukan oleh sistem. (Arhani.M, 2005:56)
3. Modul Penjelasan (Explanation Mode)
Modul ini menjelaskan proses pengambilan
keputusan
oleh
sistem atauBagaimana
suatu
keputusan
dapat
diperoleh.
(Arhani.M, 2005: 58).
2.3.5 Gizi Buruk
Gizi merupakan salah satu faktor penentu
utama kualitas sumber daya manusia. Gizi buruk
tidak hanya meningkatkan angka kesakitan dan
angka kematian tetapi juga menurunkan
produktifitas, menghambat pertumbuhan sel-sel
otak yang mengakibatkan kebodohan dan
keterbelakangan.
2.3.6 Penyebab Giji Buruk
Banyak faktor yang mengakibatkan terjadinya
kasus gizi buruk. Menurut UNICEF ada dua
penyebab langsung terjadinya gizi buruk, yaitu :
1. Kurangnya asupan gizi dari makanan. Hal ini
disebabkan terbatasnya jumlah makanan yang
dikonsumsi atau makanannya tidak memenuhi
unsur gizi yang dibutuhkan karena alasan
sosial dan ekonomi yaitu kemiskinan.
2 Akibat
terjadinya
penyakit yang
mengakibatkan infeksi. Hal ini disebabkan
Oleh rusaknya beberapa fungsi organ tubuh
sehingga tidak bisa menyerap zat-zat
makanan secara baik.
2.3.7 Tipe Gizi Buruk.
Tipe gizi buruk terbagi menjadi dua tipe
yaitu Kwasiorkor, Marasmus
1. Kwasiorkor

Sistem Pakar Mendeteksi Gizi Buruk Pada Balita Berbasis Web Dengan Menggunakan
Metode
Certainty Factor. Oleh : Santi Dewi Lumban Gaol

128

Pelita Informatika Budi Darma, Volume : V, Nomor: 1, November 2013

g.
h.

Gambar 1 : ciri-ciri dari Kwasiorkor

(Sumber: http:// giziburuk.Kwasiorkor/org.page)
a.
b.
c.
d.
e.
f.
g.

h.
i.

Kwasiorkor memiliki ciri-ciri:

Edema (pembengkakan), umumnya seluruh
tubuh (terutama punggung kaki dan wajah)
membulat dan lembab
Pandangan mata sayu
Rambut tipis kemerahan seperti warna
rambut jagung dan mudah dicabut tanpa rasa
sakit dan mudah rontok
Terjadi perubahan status mental menjadi apatis
dan rewel
Terjadi pembesaran hati
Otot mengecil (hipotrofi), lebih nyata bila
diperiksa pada posisi berdiri atau duduk
Terdapat kelainan kulit berupa bercak merah
muda yang meluas dan berubah warna menjadi
coklat kehitaman lalu terkelupas (crazy
pavement dermatosis)
Sering disertai penyakit infeksi yang
umumnya akut
Anemia dan diare.

2. Marasmus

ISSN : 2301-9425

Seringdisertai penyakit infeksi (umumnya

kronis berulang)
Diare kronik atau konstipasi (susah buang air).

2.4 Metode Certainty Factor (CF)

2.4.1 Konsep Dasar Certainty Factor (CF)
Faktor kepastian (certainty factor)
diperkenalkan oleh Shortliffe Buchanan dalam
pembuatan MYCIN pada tahun 1975 untuk
mengakomadasi ketidakpastian pemikiran (inexact
reasoning) seorang pakar. Teori ini berkembang
bersamaan dengan pembuatan sistem pakar
MYCIN. Team pengembang MYCIN mencatat
bahwa dokter sering kali menganalisa informasi
yang ada dengan ungkapan seperti misalnya:
mungkin, kemungkinan besar, hampir pasti.
CF (h,e) = MB (h,e) MD (h,e)

3. Analisa Dan Perancangan

3.1 Analisa
Program sistem pakar merupakan program
dengan basis pengetahuan yang dinamis. Dengan
kata lain, pengetahuan yang ada pada program ini
harus dapat bertambah atau bisa di edit tanpa harus
mengubah isi dari program secara keseluruhan.
Dengan demikian diperlukan pengetahuan yang
akuisisi menjadi basis pengetaguan dengan
mengetahui terlebih dahulu bagaimana mengenali
suatu jenis penyakit yang diderita seseorang
berdasarkan keluhan utama maupun gejala-gejala
yang ditimbulkan serta sebab terjadinya penyakit.
Untuk memenuhi syarat-syarat tersebut maka
dibuat suatu struktur if_then yang dibaca dari
database. Program ini diusahakan sederhana
mungkin agar mudah dimengerti pengguna.
3.2. Analisa Rule Certainty Factor
Dalam menentukan penyakit Gizi Buruk
diperlukan gejala yang dialami oleh balita penderita
Gizi Buruk. Adapun gejala-gejalanya dapat dilihat
pada tabel 1 yaitu:
Tabel 1 : Rule Base
Kode

Gambar 2 : ciri-ciri Maramus

(Sumber : https://googleusercontent.com/
TyvORDOH.bi/Maramus.png)
a.
b.
c.
d.
e.
f.

Marasmus memiliki ciri-ciri:

Badan nampak sangat kurus seolah-olah tulang
hanya terbungkus kulit
Wajah seperti orang tua
Mudah menangis/cengeng dan rewel
Kulit menjadi keriput
Jaringan lemak subkutis sangat sedikit sampai
tidak ada (baggy pant/pakai celana longgar)
Perut cekung, dan iga gambang

C1
C2
C3
C4
C5
C6
C7
C8
C9

Keterangan
Kelelahan dan kurang energi
Pusing
Sistem kekebalan yang rendah (yang
menyebabkan tubuh susah melawan
infeksi)
Kulit yang kering dan bersisik
Gusi bengkak dan berdarah
Gigi yang membusuk
Sulit
untuk
konsentrasi
dan
mempunyai reaksi yang lambat
Berat badan kurang
Pertumbuhan yang lambat

Sistem Pakar Mendeteksi Gizi Buruk Pada Balita Berbasis Web Dengan Menggunakan
Metode
Certainty Factor. Oleh : Santi Dewi Lumban Gaol

129

Pelita Informatika Budi Darma, Volume : V, Nomor: 1, November 2013

C10
C11
C12

Kelemahan pada otot

Perut kembung
Tulang yang mudah patah

C13

Terdapat masalah pada fungsi organ

tubuh

Perhitungan CF (Rule) untuk tabel penyakit itu

yaitu:
CF (Rule) = 1
Dimana :
X
= Jumlah kemunculan nilai variabel fakta
E1E2...En di dalam rule
Yang dihitung sebagai set / subset kombinasi nilai
fariabel fakta pada setiap rule dengan hipotesa H
yang sama.
Y = Jumlah semua rule yang memiliki variabel
hipotesa H yang sama dengan Rule yang sedang
dihitung. Maka didapat hasil setiap rule yang
ditunjukkan yang dihitung sampai y = 2 yaitu
CF (Rule 1), dimana : x = 1 dan y = 2
CF (Rule 1), 1- +
= 1.0
CF (Rule 2), dimana : x = 2 dan y = 2
CF (Rule 2), 1-

= 0,5

4. Algoritma Dan Implementasi

4.1 Algoritma
Untuk menghasilkan sebuah program
aplikasi. Hal pertama yang harus dilakukan adalah
membentuk algoritma yang akan menggambarkan
bagaimana
program
itu
bekerja.
Dalam
menggambarkan
dibutuhkan
langkah-langkah
logika untuk menyelasaikan masalah serta
berfungsi untuk penelusuran program untuk
keperluan perbaikan atau pengembangan akan lebih
mudah dan terarah. Adapun algoritma yang
digunakan dalam program ini adalah :
4.1.1.

Algoritma Basis Aturan

Algoritma ini digunakan untuk menerangkan
jalannya proses basis aturan, yang diterangkan
seperti dibawah ini :
Input : Gejala
Output : Penyakit
Proses :
If GejalaC9 and GejalaC10 and
GejalaC11 and GejalaC12 and
GejalaC13 and GejalaC14
and GejalaC15 and
GejalaC16
and
GejalaC1 And GejalaC18
and GejalaC19
Then
Penyakit Kwashiorkor

ISSN : 2301-9425

Endif
If GejalaC1 and GejalaC2 and GejalaC3
and GejalaC4 and
GejalaC5 and GejalaC6 and GejalaC7 and
GejalaC8
Then
Penyakit Maramus
Endif
4.1.2. Algoritma Konsultasi
Algoritma ini digunakan untuk menerangkan
jalannya proses konsultasi, yang diterangkan seperti
dibawah ini :
Input :
Gejala[1] Gejala-1, Bobot[1] 0,1
Gejala[2] Gejala-2, Bobot[2] 0,1
Gejala[3] Gejala-3, Bobot[3] 0,05
Output :
Persentase NilaiCF
Proses :
TotalBobot[Gejala1,Gejala2] Bobot
1]) + Bobot[2] Bobot[1] x
Bobot[2]
0.1 + 0.1 (0.1) x (0.1)
0.19
TotalBobot [Gejala-1, Gejala-2, Gejala3) TotalBobot [Gejala1,
Gejala2] + Bobot[3]
TotalBobot[Gejala1,Gejala2] x Bobot [3]
= 0.19 + 0.05 (0.19)(0.05)
= 0,24 0,0095
= 0,2305 (23 % )
4.2 Implementasi
a. Tampilan Form Login
Untuk menampilkan form login yaitu terlebih
dahulu harus mengkomfile prongram maka secara
otomatis akan muncul form login. Form login
terdiri dari User Name, Password
yang
merupakan data yang harus diisi dan dapat diisi
dengan mengetikkan pakar atau user, demikian juga
untuk Password dan status. Tombol Oke berfungsi
untuk menyatakan setuju dan masuk kemenu
berikutnya sedangkan untuk Tombol Cancel
berfungsi jika terjadi kesalahan pengetikan atau
menyatakan tidak setuju. Tampilan form login
dapat dilihat pada Gambar 3

Sistem Pakar Mendeteksi Gizi Buruk Pada Balita Berbasis Web Dengan Menggunakan
Metode
Certainty Factor. Oleh : Santi Dewi Lumban Gaol

130

Pelita Informatika Budi Darma, Volume : V, Nomor: 1, November 2013

ISSN : 2301-9425

Gambar 6 : Perancangan Data Penyakit

Gambar 3 : Tampilan Form Login

b. Tampilan Form Menu Utama

Setelah mengklik tombol Oke pada form login
maka akan masuk ke menu utama yang terdiri dari
User, Pakar dan Keluar. Untuk masuk ke sub menu
berikutnya maka harus dipilih salah satu dari menu
yang ada pada menu utama tersebut. Tampilan
menu utama dapat dilihat pada Gambar 4

Keterangan :
a. Simpan berguna untuk menyimpan data
penyakit baik itu data yang baru maupun data
yang sedang di edit.
b. Cari berguna untuk mencari/menampilkan data
penyakit yang di inginkan.
c. Batal berguna untuk membatalkan data
penyakit yang sudah dimasukkan tetapi belum
melakukan penyimpanan.
d. Hapus berguna untuk mendelete data yang
sudah ada.
e.

Gejala Penyakit
Input Gejala Penyakit dapat dilakukan dengan
cara memilih menu Pakar kemudian memilih
Form Data Gejala Penyakit juga dapat dilakukan
dengan memlih icon yang ada di toolbar dengan
nama Form Data Gejala Penyakit seperti terlihat
pada Gambar dibawah ini :

Gambar 4 : Tampilan Form Menu Utama

c.

Jenis Penyakit
Form memilih icon yang ada di toolbar dengan
nama Form Data Kerusakan seperti terlihat pada
Gambar dibawah ini :
Gambar 7 : Tampilan Input Data Gejala
Penyakit
f. List Data Gejala

Gambar 5 : Tampilan Input Data Penyakit

d. List Data Penyakit
Sistem Pakar Mendeteksi Gizi Buruk Pada Balita Berbasis Web Dengan Menggunakan
Metode
Certainty Factor. Oleh : Santi Dewi Lumban Gaol

131

Pelita Informatika Budi Darma, Volume : V, Nomor: 1, November 2013

ISSN : 2301-9425

Konsultasi dapat dilakukan dengan cara

memilih menu Konsultasi kemudian memilih
Konsultasi juga dapat dilakukan dengan memlih
icon yang ada di toolbar dengan nama Konsultasi
seperti terlihat pada Gambar dibawah ini :

Gambar 8 : List Data Gejala

Keterangan :
a. Add berguna untuk memasukkan input data
gejala penyakit yang baru. Dalam hal ini yang
dituliskan hanya nama gejala penyakit yang
baru sedangkan nomor gejala penyakit akan
masuk secara otomatis, karena nomor
menggunakan nomor otomatis.
b. Simpan berguna untuk menyimpan data gejala
penyakit itu data yang baru maupun data yang
sedang di edit.
c. Edit berguna untuk mengubah data gejala
penyakit sudah ada.
d. Hapus berguna untuk mendelete data yang
sudah ada.
e. Keluar berguna untuk keluar dari form input
data gejala penyakit dan kembali kemenu
utama.

Gambar 10 : Tampilan Konsultasi Step-1

k. Konsultasi Step-2
Konsultasi Step-2 dapat dilakukan dengan cara
mengklik tombol lanjutkan maka akan ditampilan
hasil seperti gambar dibawah ini

i. Form Nilai CF
Input Nilai CF dapat dilakukan dengan cara
memilih menu Pakar kemudian memilih Form
Data Certainty Factor juga dapat dilakukan dengan
memlih icon yang ada di toolbar dengan nama
Form Data CF seperti terlihat pada Gambar
dibawah ini :
Gambar 11 : Tampilan Konsultasi Step-2

Gambar 9 : Tampilan Input Data Nilai CF

j.

Konsultasi Step-1

5. Kesimpulan Dan Saran

5.1 Kesimpulan
Dari skripsi yang telah dibuat, maka penulis
dapat menyimpulkan :
1. Penyakit gizi buruk yang diderita oleh balita
diketahui dari tingginya angka kelahiran bayi
dengan berat badan lahir randah (BBLR), yang
disebabkan kurangnya energi dan protein yang
mempengaruhi
gangguan
fisik,
mental,kecerdasan anak dan kurangnya zat besi
pada saat dilahirkan.
2. Metode Certainty Factor (faktor kepastian)
digunakan untuk Mengakomodasikan ketidak
pastian (infact reasoning) seorang pakar.

Sistem Pakar Mendeteksi Gizi Buruk Pada Balita Berbasis Web Dengan Menggunakan
Metode
Certainty Factor. Oleh : Santi Dewi Lumban Gaol

132

Pelita Informatika Budi Darma, Volume : V, Nomor: 1, November 2013

3.

Metode Certainty Factor diterapkan untuk

mengetahui apakah bayi tersebut menderita
gizi buruk atau tidak dengan mengolah dua
bobot dalam sekali perhitungan yaitu: bagi
yang gizi buruk adalah yang memiliki bobot
mendekati +1 dan bayi yang memiliki bobot
mendekati -1 adalah yang tidak mengidap gizi
buruk.
Sistem pakar mendeteksi penyakit gizi buruk
berdasarkan fungsinya termasuk tipe diagnosis
dan saran penanganan. Sistem pakar dapat
dirancang untuk mendiagnosa penyakit gizi
buruk pada balita dengan menentukan kondisi
Berdasarkan klasifikasi gejala-gejala yang
terdapat
dalambasis
pengetahuan
dan
mengajukan pertanyaan kepada pengguna
berupa pertanyaan sederhana yang harus di
jawab ya atau tidak dan juga mempunyai
fasilitas untuk menyimpan hasil dari konsultasi
tersebut.

ISSN : 2301-9425

[3] Gizi dan Kesehatan Masyarakat, penerbit PT.

Rajagrafindo Persada, Jakarta, 2007
[4] Janner Simarmata, Imam Prayudi. 2006. Basis
Data. Yogyakarta: Andi
[5] http://dhansipp.files.wordpress.com/2009/
11/bab-7-logika-fuzzy.pdf,tanggal akses 24
april 2013, 19:45
[6] http://haniif.wordpress.com/2007/08/01/23tinjauan-pustaka-sistem-pendukung-keputusanspk, akses 01 Mei 2013

5.2 Saran
Setelah melakukan penelitian hasil analisa
perangkat
lunak, penulis merekomendasikan
beberapa masukan atau saran yang kiranya dapat
dijadikan pertimbangan untuk kemajuan program
ke depannya. Penulis memberikan saran sebagai
berikut:
1. Untuk menghindari penyakit gizi buruk pada
balita harus dicegah dengan
memberikan Asi ekslusif (hanya asi) sampai
anak berumur 6 bulan, memberikan makanan
tambahan yang mengandung protein, lemak,
vitamin dan mineral yang lengkap dan rajin
melihat perkembangan si anak dengan
menimbang dan mengukur tinggi anak apakah
sudah normal
2. Dengan ditetapkannya metode
Certainty
Factor pada gizi buruk, maka seorang dokter
dapat menganalisa informasi yang adadengan
pasti. Dimana Certainty Factor (CF) digunakan
untuk menggambarkan tingkat keyakinan pakar
terhadap masalah yang dihadapi.
3. Untuk mengetahui gejala gizi buruk
secara
pasti yang dihadapi oleh balita tidak cukup
dengan menggunakan perancangan sistem
pakar saja. Karena hanya ditentukan dengan
menentukan suatu kondisi berdasarkan
klasifikasi gejala-gejala dan mengajukan
pertanyaan.
DAFTAR PUSTAKA
[1] Adi Nugroho, Rekayasa Perangkat Lunak
Berorientasi Objek dengan Metode USDP
(Unified Software Development Process),
Penerbit C.V Andi Offset, Yogyakarta, 2010
[2] Rizem Aizid, Mengatasi Infertilitas Sejak
Dini, Penerbit FlashBooks, Yogyakarta, 2012
Sistem Pakar Mendeteksi Gizi Buruk Pada Balita Berbasis Web Dengan Menggunakan
Metode
Certainty Factor. Oleh : Santi Dewi Lumban Gaol

133