Anda di halaman 1dari 8

Seminar Nasional Teknologi Informasi dan Komunikasi 2015 (SENTIKA 2015)

Yogyakarta, 28 Maret 2015

ISSN: 2089-9815

IMPLEMENTASI SISTEM PAKAR UNTUK DIAGNOSA


PENYAKIT MATA PADA MANUSIA
1

Johni S Pasaribu1
Manajemen Informatika, Politeknik Piksi Ganesha Bandung
Jl Jend Gatot Subroto no 301, Bandung 40296
Telp. (022) 87340030
E-mail: johni_0106@yahoo.com1)

ABSTRAK
Mata merupakan suatu panca indra yang sangat penting dalam kehidupan manusia untuk melihat. Jika mata
mengalami gangguan atau penyakit mata, maka akan berakibat sangat fatal bagi kehidupan manusia. Jadi
sudah seharusnya mata merupakan anggota tubuh yang perlu dijaga dalam kesehatan sehari-hari. Sistem pakar
merupakan suatu bagian metode ilmu artificial intelligence untuk dibuat suatu program aplikasi diagnosa
penyakit mata pada manusia yang terkomputerisasi serta berusaha menggantikan dan menirukan proses
penalaran dari seorang ahlinya atau pakar dalam memecahkan masalah spesifikasi, dapat dikatakan duplikat
dari seorang pakar karena pengetahuan ilmu tersebut tersimpan di dalam suatu sistem database. Implementasi
Sistem Pakar Untuk Diagnosa Penyakit Mata Pada Manusia menggunakan metode forward chaining bertujuan
menelusuri gejala yang ditampilkan dalam bentuk pertanyaan-pertanyaan agar dapat mendiagnosa jenis
penyakit dengan perangkat lunak berbasis dekstop management sistem. Perangkat lunak sistem pakar dapat
mengenali jenis penyakit mata setelah melakukan konsultasi dengan menjawab beberapa pertanyaanpertanyaan yang ditampilkan oleh aplikasi sistem pakar serta dapat menyimpulkan beberapa jenis penyakit
mata yang diderita oleh pasien. Data penyakit yang dikenali menyesuaikan rules (aturan-aturan) yang dibuat
untuk dapat mencocokkan gejala-gejala penyakit mata dan memberi pengetahuan agar mengetahui nilai
pendekatan jenis penyakit pasien.
Kata Kunci : Sistem Pakar, Forward Chaining, Diagnosa, Mata, Manusia.
dapat mengumpulkan dan menyimpan pengetahuan
dari seseorang atau beberapa orang pakar dalam
suatu basis pengetahuan (knowledge base) dan
menggunakan sistem penalaran yang menyerupai
seorang pakar dalam memecahkan masalah. Jadi,
sistem pakar ini dapat memecahkan suatu masalah
tertentu karena sudah menyimpan pengetahuan
secara keseluruhan (Naser dan Zaiter, 2008).
Oleh karena itu, di dunia kedokteran, sudah
banyak bermunculan aplikasi sistem pakar. Sistem
pakar ini mampu mendiagnosis berbagai jenis
penyakit pada manusia, baik penyakit mata, THT
(telinga, hidung, tenggorokan), mulut, organ dalam
(jantung, hati, ginjal), maupun AIDS (Fatta, H. dan
Wibowo, S. 2010). Dengan adanya sistem pakar ini,
orang awam mampu mendeteksi adanya penyakit
pada dirinya berdasarkan gejala-gejala yang
dirasakan oleh orang tersebut dengan menjawab
pertanyaan pada aplikasi seperti halnya konsultasi ke
dokter. Dengan demikian, orang awam dapat
mendeteksi penyakit beserta solusi pengobatannya
sejak dini sehingga bisa dilakukan penanganan
segera, bahkan dapat dilakukan upaya pencegahan
terhadap penyakit tertentu (Kumar dan Prava, 2010).
Jadi, dengan pengembangan sistem pakar,
diharapkan bahwa orang awam pun dapat
menyelesaikan masalah yang cukup rumit yang
sebenarnya hanya dapat diselesaikan dengan bantuan
para ahli (Handayani dan Sutikno, 2008).

1.

PENDAHULUAN
(Daniel dan Virginia, 2010) menyebutkan bahwa
salah satu masalah di dalam dunia medis atau
kedokteran adalah adanya ketidakseimbangan
antara pasien dan dokter. Selain itu, sebagian besar
dari masyarakat tidak terlatih secara medis sehingga
apabila mengalami gejala penyakit yang diderita
belum
tentu
dapat
memahami
cara-cara
penanggulangannya. Sangat disayangkan apabila
gejala-gejala yang sebenarnya dapat ditangani lebih
awal menjadi penyakit yang lebih serius akibat
kurangnya pengetahuan. Pengetahuan sebenarnya
dapat diperoleh dari buku-buku atau situs-situs
internet yang membahas tentang kesehatan. Akan
tetapi, untuk mempelajari hal tersebut tidaklah
mudah karena selain memerlukan waktu yang cukup
lama untuk memahaminya, sumber-sumber tersebut
juga belum tentu dapat mendiagnosis jenis penyakit
seperti yang dilakukan oleh seorang dokter.
Sistem pakar merupakan salah satu bagian dari
kecerdasan buatan yang akhir akhir ini mengalami
perkembangan yang sangat pesat. Sistem ini
dirancang untuk menirukan keahlian seorang pakar
dalam menjawab pertanyaan dan menyelesaikan
suatu permasalahan baik di bidang kesehatan atau
kedokteran, bisnis, ekonomi dan sebagainya. Sistem
pakar merupakan program komputer yang mampu
menyimpan pengetahuan dan kaidah seorang pakar
yang khusus. Sistem pakar sangat membantu untuk
pengambilan keputusan, dimana sistem pakar ini
43

Seminar Nasional Teknologi Informasi dan Komunikasi 2015 (SENTIKA 2015)


Yogyakarta, 28 Maret 2015

Untuk penelitian ini, jenis penyakit yang


didiagnosis oleh sistem pakar adalah jenis penyakit
mata. Organ mata dipilih karena mata merupakan
panca indera yang sangat penting untuk penglihatan.
Dengan mata yang dapat melihat secara normal,
manusia dapat menikmati keindahan alam dan
berinteraksi dengan lingkungan sekitar dengan baik.
Dengan mata, manusia dapat belajar lebih banyak
tentang pengetahuan di dunia daripada melalui
panca indera yang lain (Naser dan Zaiter, 2008).
Hampir setiap kegiatan, manusia menggunakan
mata, misalnya membaca, bekerja, menonton
televisi, menulis, berkendara, dan lain-lain sehingga
banyak orang yang setuju bahwa mata merupakan
panca indera yang paling penting. Jika mata
mengalami gangguan atau penyakit mata, maka akan
berakibat sangat fatal bagi kehidupan manusia.
Proses pembelajaran dan interaksi manusia akan
terganggu. Jadi, sudah mestinya mata merupakan
anggota tubuh yang perlu dijaga dalam kesehatan
sehari-hari dan sudah semestinya manusia tahu sejak
dini apabila terkena gejala penyakit mata tertentu
sehingga tidak semakin parah dan membahayakan
mata apalagi hingga terjadi kebutaan. Pada
kenyataannya, banyak kasus penyakit mata dapat
menimbulkan kebutaan karena terlambat ditangani
(Naser dan Zaiter, 2008).
Berdasarakan uraian tadi, maka perumusan
masalah pada penelitian dapat dirumuskan
Bagaimana suatu sistem pakar dapat mendiagnosa
jenis penyakit mata manusia menggunakan metode
forward chaining. Adapun tujuan penelitian ini
adalah membuat suatu perangkat lunak untuk dapat
diagnosa penyakit mata pada manusia menggunakan
rekayasa sistem pakar (expert system). Agar setiap
penderita penyakit mata dapat dengan mudah dan
cepat mengetahui jenis penyakit mata tanpa harus ke
dokter terlebih dahulu. Sistem nantinya untuk
menggantikan ahlinya untuk mengenai jenis
penyakit dan mencari solusi dalam pengobatannya.
Pembuatan perangkat lunak diagnosa penyakit
mata pada manusia menggunakan sistem pakar ini
memberikan manfaat untuk:
a. Untuk menghasilkan suatu prototype sistem
pakar untuk diagnosa penyakit mata dan
penerapannya dalam ilmu kedokteran mata.
b. Membantu dokter mengambil keputusan
dalam mendiagnosa penyakit mata, sehingga dapat
digunakan oleh pengguna yang minimal mempunyai
dasar tentang anatomi mata, seperti perawat dan
dokter spesialis mata.

ISSN: 2089-9815

penyakit pasien, yang menunjukkan kemungkinan


nasib pasien dan yang mengarahkan pada
pengobatan tertentu. Diagnosis sebagaimana halnya
dengan penelitian-penelitian ilmiah, didasarkan atas
metode hipotesis. Dengan metode hipotesis ini
menjadikan penyakit-penyakit begitu mudah
dikenali hanya dengan suatu kesimpulan diagnostik.
Diagnosis dimulai sejak permulaan wawancara
medis dan berlangsung selama melakukan
pemeriksaan fisik.
Dari diagnosis tersebut akan diperoleh
pertanyaan-pertanyaan yang terarah, perincian
pemeriksaan fisik yang dilakukan untuk menentukan
pilihan tes-tes serta pemeriksaan khusus yang akan
dikerjakan. Data yang berhasil dihimpun akan
dipertimbangkan dan diklasifikasikan berdasarkan
keluhan-keluhan dari pasien serta hubungannya
terhadap penyakit tertentu. Berdasarkan gejalagejala serta tanda-tanda yang dialami oleh penderita,
maka pemusatan diagnosis akan lebih terpusat pada
bagian-bagian tubuh tertentu. Dengan demikian
penyebab dari gejala-gejala dan tanda-tanda tersebut
dapat diketahui dengan mudah dan akhirnya
diperoleh kesimpulan awal mengenai penyakit
tertentu.
2.1.2 Sistem Pakar
Menurut Naser dan Zaiter (2008), sistem pakar
adalah
suatu
sistem
yang
memanfaatkan
pengetahuan manusia yang ditangkap di sebuah
komputer untuk memecahkan masalah yang
biasanya membutuhkan keahlian manusia. Durkin
dalam Daniel dan Virginia (2010) juga menyebutkan
hal yang senada bahwa sistem pakar adalah sistem
yang berusaha mengadopsi pengetahuan manusia ke
komputer yang dirancang untuk memodelkan
kemampuan menyelesaikan masalah seperti
layaknya seorang pakar. Sistem pakar mencari dan
memanfaatkan informasi yang relevan dari
pengguna dan dari basis pengetahuan yang tersedia
untuk membuat rekomendasi. Sistem pakar juga
dapat didefinisikan sebagai sistem berbasis
komputer yang menggunakan pengetahuan, fakta,
dan teknik penalaran dalam memecahkan masalah
yang biasanya hanya dapat dipecahkan oleh seorang
pakar dalam bidang tersebut. Sistem pakar
memberikan nilai tambah pada teknologi untuk
membantu dalam menangani era informasi yang
semakin canggih (Daniel dan Virginia, 2010).
Sistem pakar yang baik dirancang agar dapat
menyelesaikan suatu permasalahan tertentu dengan
meniru kerja dari para ahli (Prabowo dkk, 2008).
Sulistyohati dan Hidayat (2008) mengatakan
bahwa konsep dasar suatu sistem pakar mengandung
beberapa unsur, diantaranya adalah keahlian, ahli,
pengalihan keahlian, inferensi, aturan, dan
kemampuan menjelaskan. Keahlian adalah salah
satu penguasaan pengetahuan di bidang tertentu dan
mempunyai keinginan untuk belajar memperbaharui
pengetahuan dalam bidangnya. Pengalihan keahlian

2. PEMBAHASAN
2.1 Landasan Teori
2.1.1 Proses Diagnosis Penyakit
Proses diagnosis merupakan perpaduan dari
aktifitas intelektual dan manipulatif. Menurut
Handayani dan Sutikno (2008), diagnosis sendiri
didefinisikan sebagai suatu proses penting
pemberian nama dan pengklasifikasian penyakit44

Seminar Nasional Teknologi Informasi dan Komunikasi 2015 (SENTIKA 2015)


Yogyakarta, 28 Maret 2015

adalah mengalihkan keahlian dari seorang pakar dan


kemudian dialihkan lagi ke orang yang bukan ahli
atau orang awam yang membutuhkan. Pengalihan
keahlian ini adalah tujuan utama dari sistem pakar.
Inferensi merupakan suatu rangkaian proses untuk
menghasilkan informasi dari fakta yang diketahui
atau diasumsikan. Kemampuan menjelaskan
merupakan salah satu fitur yang harus dimiliki oleh
sistem pakar setelah tersedia program di dalam
komputer.
Tujuan pengembangan sistem pakar sebenarnya
tidak untuk menggantikan peran para pakar, namun
untuk mengimplementasikan pengetahuan para
pakar ke dalam bentuk perangkat lunak, sehingga
dapat digunakan oleh banyak orang dan tanpa biaya
yang besar (Sulistyohati dan Hidayat, 2008). Selain
itu, bagi para ahli, sistem pakar ini justru akan
membantu aktifitasnya sebagai asisten yang sangat
berpengalaman (Handayani dan Sutikno, 2008).
Untuk membangun sistem yang difungsikan untuk
menirukan seorang pakar maka harus bisa
melakukan hal-hal yang dapat dikerjakan oleh para
pakar. Menurut Setiawan (2009), untuk membangun
sistem yang seperti itu, dibutuhkan komponenkomponen sebagai berikut:
1. Basis pengetahuan (Knowledge base). Berisi
pengetahuan-pengetahuan yang dibutuhkan untuk
memahami, memformulasikan dan memecahkan
persoalan. Bentuk basis pengetahuan yang umum
digunakan ada 2, yaitu: penalaran berbasis aturan
dan penalaran berbasis kasus.
2. Motor inferensi (inference engine). Ada 2
cara yang dapat dikerjakan dalam melakukan
inferensi, yaitu:
a.
Forward chaining merupakan grup dari
multiple inferensi yang melakukan pencarian dari
suatu masalah kepada solusinya. Forward chaining
adalah data-driven karena inferensi dimulai dengan
informasi yang tersedia dan baru konklusi diperoleh.
Pencocokan fakta atau pernyataan dimulai dari
bagian sebelah kiri (IF dulu). Dengan kata lain,
penalaran dimulai dari fakta terlebih dahulu untuk
menguji kebenaran hipotesis. Gambar 1 berikut
menunjukkan diagram Forward chaining.

ISSN: 2089-9815

dari ekspektasi tersebut. Pencocokan fakta atau


pernyataan dimulai dari bagian sebelah kanan
(THEN dulu). Dengan kata lain, penalaran dimulai
dari hipotesis terlebih dahulu, dan untuk menguji
kebenaran hipotesis tersebut harus dicari fakta-fakta
yang ada dalam basis pengetahuan. Gambar 2
berikut menunjukkan diagram Backward chaining.
Observasi 1
Kaidah A

Fakta 1

Kaidah B

Fakta 2

Kaidah C

Fakta 3

Kaidah D

Observasi 2

Tujuan

Observasi 3

Kaidah E

Observasi 4

Gambar 2. Diagram Backward Chaining


3. Blackboard. Merupakan area kerja memori
yang disimpan sebagai database untuk deskripsi
persoalan terbaru yang ditetapkan oleh data input
dan digunakan juga untuk perekaman hipotesis dan
keputusan sementara.
4. Subsistem akuisisi pengetahuan. Akuisisi
pengetahuan adalah akumulasi, transfer, dan
transformasi keahlian pemecahan masalah dari pakar
atau sumber pengetahuan terdokumentasi ke
program komputer untuk membangun atau
memperluas basis pengetahuan.
5.
Antarmuka pengguna (User Interface).
Digunakan untuk media komunikasi antara user dan
program.
6.
Subsistem penjelasan. Digunakan untuk
melacak respon dan memberikan penjelasan tentang
kelakuan sistem pakar secara interaktif melalui
pertanyaan.
7. Sistem penyaring pengetahuan.
Untuk lebih jelasnya, komponen sistem pakar
dapat dilihat pada Gambar 3.

Lingkungan Konsultasi

Lingkungan Pengembangan

Pengguna

Kaidah C

Kesimpulan 1

Kaidah D

Kesimpulan 2

Fakta tentang
kejadian tertentu

Fakta 1
Observasi 1

Kaidah A

Kaidah B

Antarmuka
Pengguna

Basis Pengetahuan :
Fakta dan Aturan

Fasilitas
Penjelasan

Knowledge
Engineer

Fakta 2
Kaidah E

Observasi 2

Kesimpulan 3
Aksi yang
direkomendasikan

Fakta 3

Mesin Inferensi
Menarik kesimpulan

Akuisisi
pengetahuan

Pengetahuan
terdokumentasi

Pengetahuan
Pakar

Kesimpulan 4
Blackboard (tempat kerja)

Gambar 1. Diagram Forward Chaining


b.
Backward
chaining
menggunakan
pendekatan goal-driven, dimulai dari ekspektasi apa
yang diinginkan terjadi (hipotesis), kemudian
mencari bukti yang mendukung (atau kontradiktif)

Rencana

Agenda

Solusi

Deskripsi
masalah

Perbaikan
pengetahuan

Gambar 3. Komponen Sistem Pakar 1


(Turban, 1995)
45

Seminar Nasional Teknologi Informasi dan Komunikasi 2015 (SENTIKA 2015)


Yogyakarta, 28 Maret 2015

Sementara itu, Naser dan Zaiter (2008)


menyebutkan bahwa sistem pakar itu terdiri dari 6
komponen, yaitu:

ISSN: 2089-9815

merupakan kumpulan kaidah-kaidah yang saling


berhubungan satu sama lain (Fattah dan Wibowo,
2010). Kaidah produksi dituliskan dalam bentuk
pernyataan IF-THEN (Jika-Maka). Pernyataan ini
menghubungkan bagian premis (IF) dan bagian
kesimpulan (THEN) yang dituliskan dalam bentuk :
IF [premis] THEN [konklusi]
Jadi, kaidah ini dapat dikatakan sebagai suatu
implikasi yang terdiri dari dua bagian, yaitu premis
dan bagian konklusi. Apabila bagian premis
dipenuhi maka bagian konklusi akan bernilai benar.
Bagian premis dalam aturan produksi dapat
memiliki lebih dari satu proposisi. Proposisiproposisi
tersebut
dihubungkan
dengan
menggunakan operator logika AND atau OR.

Rule-based systems
Knowledge-based systems
Intelligent agent (IA)
Database methodology
Inference engine
System-user interaction (User Interface)
Komponen sistem pakar seperti ini dapat dilihat
pada Gambar 4.

2.2 Metode
2.2.1 Alur Kerja Sistem
Pengetahuan medis dari dokter spesialis
diperlukan untuk pengembangan sistem pakar.
Menurut Naser dan Zaiter (2008), pengetahuan ini
dikumpulkan dalam dua tahap. Pada tahap pertama,
latar belakang medis suatu penyakit dicatat melalui
wawancara pribadi dengan dokter dan pasien. Pada
tahap kedua, seperangkat aturan dibuat di mana
masing-masing aturan yang terkandung dalam
bagian IF mempunyai gejala dan dalam bagian
THEN mempunyai penyakit yang dispesifikasikan.
Mesin inferensi (forward chaining) adalah algoritma
pencocokkan pola yang tujuan utamanya adalah
untuk mengasosiasikan fakta (data input) dengan
aturan yang berlaku dari basis aturan (rule base).
Dengan demikian, kesimpulan mengenai jenis
penyakit dan penanganannya nantinya dapat
dihasilkan oleh mesin inferensi tersebut.

Gambar 4. Komponen Sistem Pakar 2


(Turban, 1995)
Dari komponen-komponen sistem pakar di atas,
secara garis besar ada 3 komponen utama, yaitu:
basis pengetahuan, mesin inferensi, dan antarmuka
pengguna (Daniel dan Virginia, 2010). Terkait dari
salah satu komponen sistem pakar yaitu akuisisi
pengetahuan, Milton, N.R dalam bukunya
menegaskan terdapat tiga aspek dalam akuisisi
pengetahuan (Daniel dan Virginia, 2010), yaitu :
1. Knowledge capture
Knowledge capture adalah teknik yang
digunakan ketika bertemu pakar. Teknik ini terdiri
dari interview techniques, modelling techniques, dan
specialised techniques.
2. Knowledge analysis
Analisis pengetahuan ini merupakan proses
mengidentifikasi elemen yang dibutuhkan dalam
membangun basis pengetahuan. Terdapat 4 elemen
penting dalam membangun basis pengetahuan, yaitu
konsep, atribut, value/nilai dan relasi.
3. Knowledge modelling
Knowledge modelling yaitu menciptakan cara
yang berbeda dalam mengubah dan menampilkan
basis pengetahuan. Terdiri dari bagian-bagian seperti
pohon (trees), matriks, map, timeline, frame dan
knowledge page.
Terkait dengan komponen rule base, kaidah
produksi yang biasa dikenal rule base (basis aturan)
ini menjadi acuan yang sangat sering digunakan oleh
sistem inferensi. Kaidah produksi ini merupakan
salah satu model untuk merepresentasikan
pengetahuan (knowledge base). Kaidah produksi

2.2.2 Sumber Data


Sumber data yang digunakan dalam sistem pakar
untuk mendiagnosis penyakit mata pada manusia
meliputi data jenis penyakit mata dan data gejala
yang menyerang penyakit mata tersebut (Hamdani,
2010).
2.2.3 Desain Proses
Untuk kasus diagnosis penyakit mata ini, desain
proses dijelaskan menggunakan decision tree yang
berhubungan dengan tabel dan sering digunakan
dalam analisis sistem (sistem non AI). Sebuah
decision tree dapat dianggap sebagai suatu semantic
network hirarki yang diikat oleh serangkaian aturan
(rule). Tree ini mirip dengan pohon keputusan yang
digunakan pada teori keputusan. Tree dibentuk oleh
simpul (node) yang mempresentasikan tujuan (goal)
dan hubungan (link) yang dapat mempresentasikan
keputusan (decision). Akar (root) dari pohon berada
di sebelah kiri dan daun (leaves) berada di sebalah
kanan. Keuntungan utama dari decision tree yaitu
tree dapat menyederhanakan proses akuisi
pengetahuan.
46

Seminar Nasional Teknologi Informasi dan Komunikasi 2015 (SENTIKA 2015)


Yogyakarta, 28 Maret 2015

Tree yang digunakan pada masalah diagnosis


penyakit mata merupakan suatu forward chaining
tree. Pada forward chaining tree penelusuran
informasi dilakukan secara forward (ke depan)
seperti yang umumnya digunakan pada masalahmasalah diagnosis lainnya. Dari pernyakit mata yang
diketahui,
kemudian
mencoba
melakukan
penelusuran ke depan untuk mencari fakta-fakta
yang cocok berupa gejala-gejala penyebab penyakit
mata yang bersangkutan. Pada tree tersebut dapat
dilihat bagaimana suatu gejala penyakit atau
kesimpulan gejala penyakit merujuk kepada suatu
jenis penyakit tertentu, dan bagaimana beberapa
gejala yang sama dapat merujuk kepada beberapa
penyakit yang berbeda. Pada penelusuran dengan
metode forward chaining dapat dilihat bahwa
penelusuran ke depan untuk mengenali penyebab
dan jenis penyakit yang dialami oleh pasien. Untuk
lebih jelasnya, dapat dilihat pada Gambar 5.

ISSN: 2089-9815

2.2.4 Desain Diagram Konteks


Beberapa jurnal melakukan perancangan sistem
pakar untuk mendiagnosis penyakit mata ini
menggunakan diagram konteks. Diagram ini
menjelaskan tentang hubungan input/output antara
sistem dengan dunia luarnya. Suatu diagram konteks
selalu mengandung satu proses saja yang mewakili
proses seluruh sistem. Perancangan sistem dimulai
dari hal yang paling global hingga menjadi model
yang paling detail. Aliran data bersumber dari
pengetahuan yang didapatkan dari pakar,
dimasukkan ke dalam sistem, kemudian diproses.
Dalam hal ini, pakar bertugas memasukkan data-data
baru mengenai gejala dan jenis penyakit. Pasien
memasukan gejala yang dirasakan untuk keperluan
diagnosis, kemudian pasien mendapatkan hasil
diagnosis penyakit. Secara umum, diagram konteks
sistem pakar untuk diagnosis penyakit mata pada
manusia dapat dilihat pada Gambar 6.

Peradangan Mata

Glaukoma

Edema palpebra
inflamatoir

Pakar /
Administrator /
Dokter

Alergi

Gigitan Serangga

System Engineer

Laporan penyakit
Dermatitis palpebra

Laporan gejala penyakit

Kemerahan

Skwama

Data gejala dan penyakit

Edema palpebra
noninflamatoir

Sistimik

Sekret Konjungtiva

Data gejala penyakit


Data jenis penyakit

Laporan data pasien


Blefaritis

Data pasien (user id dan password)

Referensi penyakit
Sistem Pakar Untuk
Diagnosa Penyakit Mata
Pada Manusia

Edema

Data konsultasi
Krusta
Blefaritis ulserativa
Bulu mata jatuh dan tidak diganti
dengan yang baru
Mata kering
Bulu mata jatuh dan diganti
dengan yang baru

Blefaritis nonulserativa

User Sistem Pakar

Hasil diagnosa
penyakit mata

Tidak tampak krusta

Ada ketombe di kepala


Hordeolum

Gambar 6. Diagram Konteks Sistem Pakar


Diagnosis Penyakit Mata

Ada ketombe di mata atau telinga

Mata kalau pagi lengket

Panas

Konjungtivitis

Pada diagram konteks ini terdapat 3 sistem yang


mempengaruhi pemprosesan untuk mendiagnosa
penyakit mata pada manusia, diantaranya adalah:
1. Pakarnya (dokter/admin sistem) dapat
berfungsi sebagai administrator untuk memasukkan
data-data baru mengenai gejala dan jenis penyakit.
2. User (pemakai sistem pakar) adalah pasien
yang berkonsultasi dengan sistem perangkat lunak
diagnosa penyakit mata.
3. System Engineer (mesin sistem pakar) untuk
mengelola dan mempresentasikan jenis penyakit dan
mengelola rules (aturan-aturan) gejala menjadi jenis
penyakit.

Gatal

Tidak tahan cahaya


Keratitia Cuperficial
Lekas capek kalau kerja dekat

Palpebra bengkak

Merah sakit
Hordeolum internum
Terdapat tonjolan pada palpebra

Blefaritis

Konjungtivitis yang menahun

Anemia

Hordeolum eksternum

Acne vulgaris

GI Meiboom

GI Zeis

Pembengkakan sebesar kacang

Kalazion

2.2.5 Data Flow Diagram


Merupakan suatu gambaran grafis dari suatu
sistem yang menggunakan sejumlah bentuk-bentuk
simbol untuk menggambarkan bagaimana data
mengalir melalui suatu proses yang saling berkaitan.
Walaupun nama diagram ini menekankan pada data,
situasinya justru sebaliknya: penekanannya ada pada

Ujung kelenjar Meiboom terdapat


masa yang kuning dari sekresi
Jaringan granulasi menonjol keluar

Gangguan refleksi

Gambar 5. Decision Tree Dengan Forward


Chaining
47

Seminar Nasional Teknologi Informasi dan Komunikasi 2015 (SENTIKA 2015)


Yogyakarta, 28 Maret 2015

proses. Dari analisis yang dilakukan, diperoleh data


flow diagram seperti gambar 7 berikut:
Admin

Data gejala & penyakit

Proses
Pemasukkan
Data Gejala/
Penyakit

Laporan Administrasi

Representasi penyakit
dan gejala

ISSN: 2089-9815

Berdasarkan
aturan-aturan
(rule)
yang
diimplementasikan tersebut, dengan metode forward
chaining, sistem pakar akan dapat memberikan
kesimpulan hasil diagnosis penyakit mata sesuai
dengan gejala yang dirasakan pasien sebagai
pengguna aplikasi. Contoh penerapan aplikasi sistem
pakar untuk diagnosis penyakit mata dapat dilihat
pada Gambar 9.

System Engineer

Kirim hasil data gejala


Gejala akan ditelusuri

Data ditelusuri

Data pertanyaan

Proses
Penelusuran

Pendiagnosaan
jenis penyakit

Data user : login user

Menjawab pertanyaan

Proses
Konsultasi
Penyakit
Hasil gejala
Proses
Diagnosa

User/Pasien

Hasil penelusuran

Gagal konsultasi
Gagal login : data ditolak
Hasil diagnosa penyakit mata pasien

Gambar 7. DFD Level 1 Sistem Pakar


Diagnosis Penyakit Mata

2.2.6 Hasil dan Pembahasan


Setelah dibuat decision tree dengan metode
forward chaining, hasil implementasinya dapat
dilihat pada Gambar 8.
Rule_1: Edema_palpebra_inflamatoir
IF Gejala_A = Peradangan_mata
And
Gejala_B = Glaukoma_akuta
Then
Penyakit_1 = Edema_palpebra_inflamatoir
Rule_2: Edema_palpebra_noninflamatoir
IF Gejala_A = Alergi
And
Gejala_B = Gigitan_serangga
Then
Penyakit_2 = Edema_palpebra_noninflamatoir

Gambar 9. Contoh Aplikasi Sistem Pakar


Untuk Diagnosis Penyakit Mata

Rule_3: Edema_palpebra_inflamatoir
IF Gejala_A = Peradangan_mata
And
Gejala_B = Alergi
Then
Penyakit_1 = Edema_palpebra_inflamatoir

Pada Gambar 9, merupakan tampilan jendela


aplikasi untuk melakukan proses konsultasi, pasien
(user) dapat langsung menjawab option Ya atau
Tidak dari pertanyaan-pertanyaan yang ditampilkan
pada kolom tersebut. Selanjutnya sistem akan dapat
menyimpulkan jenis penyakit yang diderita oleh
pasien pada kolom Kesimpulan Penyakit Mata.
Tombol OK untuk memproses pertanyaan untuk
dijawab. Tombol OK, tidak dapat diklik apabila
suatu pertanyaan belum dijawab oleh pasien.
Sedangkan tombol Keluar adalah untuk keluar atau
menutup jendela aplikasi konsultasi. Perhatikan pada
gambar hasil proses diagnosa di bawah,
menunjukkan hasil dan kesimpulan jenis penyakit
yang diderita oleh pasien penyakit mata.
Adapun hasil penelusuran diagnosa dapat dilihat
pada kolom Kesimpulan Penyakit Mata. Pada
kolom tersebut, menunjukkan bahwa pasien
mengalami jenis penyakit mata Edema Palpepbra
Inflamatoir
memiliki
100%
kemungkinan
menunjukkan penyakit tersebut, tetapi dengan hal
sama, pasien juga dimungkinkan mengalami
penyakit mata lain berjenis Blefaritis, dengan bobot
persentase 30%.

Rule_4: Edema_palpebra_noninflamatoir
IF Gejala_A = Alergi
And
Gejala_C = Sistimik
Then
Penyakit_2 = Edema_palpebra_noninflamatoir
Rule_5: Edema_palpebra_inflamatoir
IF Gejala_B = Gigitan_serangga
And
Gejala_C = Sistimik
Then
Penyakit_1 = Edema_palpebra_inflamatoir
Rule_6: Dermatitis_palpebra
IF Gejala_A = Sekret_konjungtiva
Gejala_B = Alergi_kosmetik Then
Penyakit_3 = Dermatitis_palpebra

And

Rule_7: Dermatitis_palpebra
IF Gejala_A = Sekret_konjungtiva
Gejala_B = Alergi_obat
Penyakit_3 = Dermatitis_palpebra

And
Then

Rule_8: Dermatitis_palpebra
IF Gejala_A = Alergi_kosmetik
Gejala_B = Alergi_obat
Penyakit_3 = Dermatitis_palpebra

And
Then

Rule_9: Blefaritis
IF Gejala_A = Kemerahan
Gejala_B = Edema
Penyakit_4 = Blefaritis

And
Then

Rule_10
. . .
. . .
. . .
. . .
Rule_42: Trikiasis
IF Gejala_A =
Rangsangan_mekanis_pada_kornea
Gejala_B = Rasa_sakit
Gejala_C = Lakrimasi
Gejala_D = Fotofobi
Gejala_E = Blefarospasme
Gejala_F = Kekuruhan_kornea
Gejala_G = Ulkus_kornea
Gejala_H = Kemerahan_konjungtiva
Then
Penyakit_14 = Trikiasis

And
And
And
And
And
And
And
And

Gambar 8. Implementasi Rule

48

Seminar Nasional Teknologi Informasi dan Komunikasi 2015 (SENTIKA 2015)


Yogyakarta, 28 Maret 2015

Pada aplikasi sistem pakar lainnya, tidak jarang


juga sudah memberikan solusi atau cara penanganan
terhadap jenis penyakit yang diderita tersebut. Untuk
lebih jelas mengenai penerapan sistem pakar dalam
hal mendiagnosis penyakit mata, berikut ini terdapat
contoh aplikasi lainnya yang sejenis. Contoh aplikasi
lainnya tersebut dapat dilihat pada Gambar 10.

ISSN: 2089-9815

Sistem Pakar Untuk Diagnosa Penyakit Mata


pada Manusia ini berdasarkan fungsi dibagi menjadi
dua yaitu sistem pakar untuk user atau pengguna dan
sistem pakar untuk admin. Dari hasil uji coba dan
evaluasi yang telah dilakukan, maka dapat diambil
beberapa kesimpulan sebagai berikut:
1. Untuk User
a. Pasien dapat langsung berkonsultasi
dengan sistem perangkat lunak tanpa
harus berkonsultasi dengan seorang
pakarnya (dokter mata) dengan syarat
harus mendaftarakan diri sebagai
pasien dan mendapatkan account
login.
b. Metode Sistem Pakar (expert system)
yang
dibuat
dengan
proses
penelusuran fordward chaining untuk
mengenali jenis penyakit mata pada
manusia.
c. Hasil diagnosa dapat menampilkan
beberapa kemungkinan jenis penyakit
mata pada manusia.
d. Cara pemilihan urutan data dengan
mengelompokkan
jenis
penyakit
sesuai dengan hasil kuisioner dengan
beberapa dokter mata.
2. Untuk Admin
a. Sistem hanya dapat mengenali dan
mendiagnosa jenis penyakit mata yang
ada dalam tabel kebenaran penyakit.
b. Sistem hanya dapat mendiagnosa satu
pasien dalam melakukan konsultasi,
dan dapat mengulangi kembali
konsultasi dengan login system.
c. Admin bisa mengedit data jenis
penyakit mata berdasarkan paparan
dari ahli bidang mata.
Saran yang diajukan untuk pengembangan sistem
pakar yang lebih baik adalah sistem pakar ini
seharusnya juga bisa memberikan solusi atau
rekomendasi pengobatan terhadap jenis penyakit
tertentu jika dikembangkan lebih jauh lagi. Selain
itu, sistem pakar juga perlu ditambah analisis
pemeriksaan laboratorium untuk memperkuat
diagnosis awal sehingga sistem semakin akurat
dalam melakukan diagnosis penyakit.

Choose one of the problem areas listed below


1.) Discharge from the Eye.
2.) Bulging Eye.
3.) Double Vision.
4.) Drooping Eyelid.
5.) EXIT OF SYSTEM.

Enter no. of your choise: 1

Is your eyes red ? (yes | no)


Your answer: yes

Is your eyes swollen eyelids ? (yes | no)


Your answer: yes

Is your eyes pus like discharge and crusting of eyelids on awakening ? (yes | no)
Your answer: yes

Your suffer from Bacterial Conjunctivitis OR blepharitits.


Thank you for using my Program.

Gambar 10. Contoh Aplikasi Sistem Pakar


Lainnya Untuk Diagnosis Mata
Kedua contoh aplikasi sistem pakar untuk
diagnosis penyakit mata di atas masih belum
berbasis web. Seiring dengan perkembangan
teknologi yang begitu cepat, saat ini sebenarnya
sudah banyak sistem pakar yang dibuat berbasis
web. Dengan adanya aplikasi sistem pakar berbasis
web, pengguna dapat mengakses aplikasi tersebut di
mana saja dengan lebih mudah dan praktis. Sistem
pakar berbasis web ini dapat dipelajari lebih lanjut
dengan mambaca artikel atau jurnal pada bagian
referensi yang membahas hal tersebut.

PUSTAKA
Daniel dan Virginia, G. 2010. Implementasi Sistem
Pakar Untuk Mendiagnosis Penyakit Dengan
Gejala Demam Menggunakan Metode Certainty
Factor. Jurnal Informatika, Volume 6, Nomor 1.
Fatta, H. dan Wibowo, S. 2010. Sistem Pakar Untuk
Mendiagnosa
Penyakit
Telinga
Hidung
Tenggorokan Pada Manusia. Yogyakarta:
AMIKOM.
Hamdani. 2010. Sistem Pakar Untuk Diagnosa
Penyakit Mata Pada Manusia. Jurnal
Informatika Mulawarman, Volume 5, Nomor 2.

3.

KESIMPULAN
Aplikasi sistem pakar (expert system) dalam
bidang kedokteran yang dibuat dengan proses
penelusuran maju (forward chaining) mampu
mengenali jenis penyakit pada manusia, terutama
jenis penyakit mata. Aplikasi sistem pakar ini dapat
menjadi sarana untuk menyimpan pengetahuan
tentang penyakit terutama yang berkenaan dengan
jenis penyakit mata dari para pakar atau ahlinya.
Sistem pakar mampu membantu pasien maupun
dokter dalam menyediakan sistem pendukung
keputusan dan saran dari pakar.
49

Seminar Nasional Teknologi Informasi dan Komunikasi 2015 (SENTIKA 2015)


Yogyakarta, 28 Maret 2015

Handayani, L dan Sutikno, T. 2008. Sistem Pakar


untuk Diagnosis Penyakit THT Berbasis Web
dengan e2gLite Expert System Shell. Jurnal
Teknologi Industri, Volume 12, Nomor 1.
Kumar, S dan Prava, D. 2010. An Expert System for
Diagnosis of Human Diseases. International
Journal of Computer Applications, Volume 1,
Nomor 13.
Naser, A. dan Zaiter, A. 2008. An Expert System For
Diagnosing Eye Disease Using Clips. Journal of
Theoretical
and
Applied
Information
Technology.
Prabowo, W. ,dkk. 2008. Sistem Pakar Berbasis
Web Untuk Diagnosa Awal Penyakit THT.
Proceeding of SNASTI.
Setiawan, Anton. 2009. Sistem Pakar Untuk
Mendiagnosa
Penyakit
Telinga
Hidung
Tenggorokan Pada Manusia. Jurnal Telkomnika,
Volume 7, Nomor 3.
Sulistyohati, A. dan Hidayat, T. 2008. Aplikasi
Sistem Pakar Diagnosa Penyakit Ginjal Dengan
Metode Dempster-Shafer. Proceeding of
SNASTI.
Turban., E dan Jay E.A. 2001. Decision Support
System and Intellegent System, sixth edition,
Prentice Hall International, Inc. New Jersey.

50

ISSN: 2089-9815