Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor: 1, Februari 2016 ISSN : 2407-389X

SISTEM PAKAR MENDIAGNOSA PENYAKIT LEPTOSPIROSIS

MENGGUNAKAN METODE CERTAINTY FACTOR
DENGAN PENELUSURAN FORWARD CHAINING
Polin Syahromi

Mahasiswa Program Studi Teknik Informatika STMIK BUDIDARMA MEDAN

Jln. Ssisingamangaraja No. 338 Tel. 061-7875998 Sp Limun Medan
www.stmik-budidarma.ac.id // E-Mail PolinsyahRomi@Gmail.Com

ABSTRAK
Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia kekomputer yang
dirancang untuk memodelkan pengetahuan, kemampuan menyelesaikan masalah seperti layaknya seorang
pakar. Dengan sistem pakar ini orang awam pun ampu menyelesaikan masalahnya atau hanya sekedar mencari
informasi yang berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli dibidangnya.
Sistem pakar banyak digunakan untuk nmendiagnosa penyakit, buykan hanya pada manusia dan hewan tapi
juga pada tanaman. Sistem pakar dapat membantu mendiagnosa penyakit dengan perhitungan dan juga metode
tertentu sehingga dengan mudah didapat penyakit, penyebab dan juga solusi dari penyakit yang ingin diketahui
gejalanya. Salah satu penyebab yang dijuadikan objek aplikasi sistem pakar adalah penyakit Leptospirosis
(kencing tikus). Untuk mendiagnopsa penyakit Leptospirosis (kencing tikus ) maka dibuat sistem pakar yang
mampu membuat keputusan berdasarkan data penyakit dan gejalanya yang terjadi pada penderita Leptospirosis
(kencing tikus).

Kata Kunci : Sistem Pakar, Penyakit, Leptospirosis, Forward Chaining.

1. PENDAHULUAN 1. Bagaimana mendiagnosa penyakit Leptospirosis

Sistem Pakar adalah program AI yang (Kencing Tikus) ?
menggabungkan basis pengetahuan dengan sistem 2. Bagaimana menerapkan metode Certainty Factor
inferensi. Program merupakan bagian software dengan penelusuran Forward Chaining
spesialisasi tingkat tinggi yang berusaha 3. Bagaimana merancang Sistem Pakar
menduplikasikan fungsi seorang pakar dalam suatu mendiagnosa penyakit Leptospirosis?
bidang keahlian. Sistem Pakar yang baik dirancang 1.3. Tujuan Penelitian
agar dapat menyelesaikan suatu permasalahan tertentu Tujuan diadakannya penelitian,
dengan meniru kerja dari para pakar/ahli. Dengan perancangan, dan pembuatan sistem pakar
pengembangan Sistem Pakar, diharapkan seorang komputerisasi dalam menunjang penulisan skripsi ini
pakar dapat menyelesaikan masalah yang cukup rumit adalah untuk :
yang sebenarnya hanya dapat diselesaikan dengan 1. Menjelaskan cara mendiagnosa penyakit
bantuan para ahli. Bagi para ahli, Sistem Pakar juga Leptospirosis (Kencing Tikus) dan memberikan
akan membantu aktifitasnya sebagai asisten yang informasi mengenai Penyakit Leptospirosis beserta
sangat berpengalaman. gejala-gejalanya.
Kesehatan merupakan hal yang begitu 2. Menerapkan metode Certainty Factor dengan
penting bagi manusiaya. Ironisnya banyak penyakit penelusuran Forward Chainig untuk diagnosa
yang pada akhirnya terlambat didiagnosis sehingga penyakit Leptospirosis
mencapai ketahap kronis. Untuk itu diperlukan suatu 3. Merancang Sistem Pakar untuk diagnosa penyakit
penyakit meskipun didasarkan pada data yang kurang Leptospirosis menggunakan metode Certainty
lengkap. Penyakit Leptospirosis merupakan infeksi Factor dengan penelusuran Forward Chaining.
bakteri yang disebabkan oleh strain Leptospira. 2. LANDASAN TEORI
Penyakit ini paling sering ditularkan dari hewan ke 2.1. Definisi Sistem pakar
manusia ketika orang dengan luka terbuka di kulit Sistem pakar adalah sebuah perangkat yang
melakukan kontak dengan air atau tanah yang telah berfungsi untuk membantu menyelesaikan masalah
terkontaminasi air kencing hewan, bakteri juga dapat layaknya seorang pakar. Suyoto (2004:181)
memasuki tubuh melalui mata atau selaput lendir. menyatakan ”Sistem pakar adalah sistem yang
1.2. Perumusan Masalah didesain dan diimplementasikan dengan bantuan
Setelah mempelajari dan mengamati sistem bahasa pemograman tertentu untuk dapat
yang dibangun maka ditemukan beberapa menyelesaikan masalah seperti yang dilakukan oleh
permasalahan dalam perancanaan dan pengembangan para ahli.”. Sistem pakar saat ini banyak
sistem yang akan dibangun yaitu : diaplikasikan dalam komputer untuk memudahkan
Sistem pakar mendiagnosa penyakit leptospirosis Menggunakan metode certainty factor 108
Dengan penelusuran forward chaining. Oleh : Polin Syahromi
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor: 1, Februari 2016
penggunaannya. Martin dan Oxman dalam Kusrini
(2006:11) menyatakan bahwa ”Sistem pakar adalah
sistem berbasis komputer yang menggunakan
pengetahuan, fakta dan teknik penalaran dalam
memecahkan masalah yang biasanya hanya dapat
dipecahkan oleh seorang pakar dalam bidang
tersebut”.
Suyoto (2004:183) menjelaskan beberapan kelebihan
dan kekurangan sistem pakar. Kelebihan sistem pakar
diantaranya adalah:
a. Membantu orang awam untuk menyelesaikan
masalah 'tanpa' bantuan para pakar.
b. Meningkatkan kualitas dan produktivitas.
c. Mampu beroperasi dalam lingkungan yang
berbahaya.
d. Memiliki kemampuan untuk mengakses
pengetahuan dan keahlian para ahli baik
yang biasa maupun yang langka.
e. Sebagai asisten para ahli sehingga
meringankan pekerjaan para ahli.
f. Memiliki reabilitas.
g. Dapat menghemat waktu dalam pengambilan
keputusan.
Adapun kelemahan sistem pakar diantaranya
adalah:
a. Tidak ada jaminan bahwa sistem pakar
memuat 100% kepakaran yang diperlukan.
b. Pengembangan sistem pakar tergantung ada
tidaknya pakar di bidangnya sehingga
pengembangannya dapat terkendala.
c. Biaya untuk mendesain,
mengimplementasikan dan memeliharanya
dapat sangat mahal tergantung seberapa
lengkap dan kemampuannya.
2.1.1. Ciri-Ciri Sistem Pakar
Beberapa ciri-ciri sistem pakar yaitu:
1. Terbatas pada domain keahlian tertentu
2. Dapat memberikan penalaran untuk data-data yang
tidak lengkap atau tidak pasti
3. Dapat menjelaskankan alasan-alasan dengan cara-
cara yang dapat dipahami
4. Berdasarkan pada rule atau kaidah tertentu
5. Mudah dimodifilkasi
6. Basis pengetahuan dan mekanisme inferensi
terpisah
7. Keluarannya bersifat anjuran
8. Sistem dapat mengaktifkan kaiodah secara searah
yang sesuai, dituntun oleh dialog dengan
pengguna.
(Jogiyanto, 2005;1)
2.1.2. Struktur Sistem Pakar
Komponen utama pada struktur sistem pakar
menurut Huet all (1987) meliputi:
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti dari suatu
sistem pakar, yaitu berupa representasi
pengetahuan dari pakar. Basis pengetahuan
tersusun atas fakta dan kaidah. Fakta
adalah informasi tentang objek, peristiwa,
atau situasi. Kaidah adalah cara untuk
Sistem pakar mendiagnosa penyakit leptospirosis Menggunakan metode certainty factor
Dengan penelusuran forward chaining. Oleh : Polin Syahromi
ISSN : 2407-389X
membangkitkan suatu fakta baru dari fakta yang
sudah diketahui.
2. Mesin Inferensi (Inference Engine)
Mesin inferensi berperan sebagai otak dari
sistem pakar. Mesin inferensi berfungsi
untuk memandu proses penalaran terhadap suatu
kondisi, berdasarkan pada basis pengetahuan
yang tersedia. Di dalam mesin inferensi
terjadi proses untuk memanipulasi dan
mengarahkan kaidah, model, danfakta yang
disimpan dalam basis pengetahuan dalam
rangka mencapai solusi atau kesimpulan.
Dalam prosesnya, mesin inferensi
menggunakan strategi penalaran dan strategi
pengendalian. Strategi penalaran terdiri dari
strategi penalaran pasti (Exact Reasoning)
dan strategi penalaran tak pasti (Inexact
Reasoning
a. Forward Chaining
Forward Chaining adalah metode
pelacakan yang diawali dengan informasi atau fakta
dan proses mencocokkan dengan kaidah berlanjut
terus hingga menemukan kesimpulan. Gambar 1
merupakan contoh Forward Chaining. “Dalam
forward chaining, kaidah interpreter mencocokkan
fakta atau statemen dalam pangkalan data dalam
situasi yang dinyatakan dalam bagian sebelah kiri atau
kaidah IF. Bila fakta yang ada dalapangkalan data itu
sudah sesuai dengan kaidah IF, maka
kaidahdistimulasi” (Suparman, 1991:119).
Gambar 1. Forward Chaining
Keterangan:
A, B … F = Kondisi atau gejala
G = Hasil diagnosis
Rule = Aturan
2.3. Basis Data (Data Base)
Basis data terdiri atas semua fakta
yang diperlukan, dimana fakta-fakta tersebut
digunakan untuk memenuhi kondisi dari kaidah-
kaidah dalam sistem. Basis data menyimpan semua
fakta, baik fakta awal pada saat sistem mulai
beroperasi, maupun fakta-fakta yang diperoleh pada
saat proses penarikan kesimpulan sedang
dilaksanakan. Basis data digunakan untuk
menyimpan data hasil observasi dan data lain
yang dibutuhkan selama pemrosesan.
2.4. Antarmuka Pemakai (User Interface)
Fasilitas ini digunakan sebagai perantara
komunikasi antara pemakai.dengan komputer.
Antarmuka yang digunakan biasanya berupa GUI
yang memudahkan pengguna dalam menggunakan
sistem pakar.Berdasarkan yang dijelaskan tentang
109
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor: 1, Februari 2016
struktur sistem pakar tersebut diatas, maka sistem
pakar dapat di ilustrasikan seperti pada gambar 2.
Gambar 2. Interface Sistem Pakar
2.5. Leptospirosis
Penyakit Leptospirosis merupakan infeksi
bakteri yang disebabkan oleh strain Leptospira.
Leptospirosis ringan akan sulit untuk didiagnosa,
karena gejalanya mirip dengan flu dan infeksi umum
lainnya. Prosedur diagnostik flu biasanya tidak baik
untuk mengidentifikasi . Bila ada kemungkinan
Leptospirosis berat, barulah tes diagnostik yang
ditargetkan baru dilakukan.
a. Diagnosa
Diagnosa Leptospirosis adalah suatu kegiatan
penentuan penyakit Leptospirosis dengan pemeriksaan
gejala-gejalanya menggunakan suatu cara atau alat.
Leptospirotis adalah penyakit yang tidak memandang
usia berdasarkan hasil penelitian virus leptospira
disebabkan berasal dari makanan yang terkontaminasi
dari kotoran tikus, anjing, kuda, babi dan sebagainya.
Ada dua jenis penyakit Leptospirosis yaitu :
1. Leptospirosis Ringan
Pasien mengalami nyeri otot, menggigil dan
mungkin sakit kepala. 90% dari kasus
Leptospirosis tergolong jenis ini.
2. Leptospirosis Berat
Dapat mengancam jiwa. Ada risiko kegagalan
organ dan pendarahan internal. Jenis
Leptospirosis ini terjadi ketika bakteri
menginfeksi ginjal, hati dan organ utama lainnya.
Para ahli tidak yakin mengapa beberapa pasien
terserang bentuk yang parah sementara yang lain
tidak. Pada beberapa kasus, orang yang sudah
sangat sakit, seperti mereka yang menderita
pneumonia, anak-anak balita, dan orang lanjut
usia lebih cenderung untuk menderita
Leptospirosis yang parah.
(Dwi Sunar Prasetyono, 2012 )
3. ANALISA DAN PERANCANGAN
3.1. Analisa Gejala Penyakit Leptospirosis
Dalam kasus ini disusun basis pengetahuan
yang didasarkan pada informasi yang diperlukan dan
telah didapatkan melalui penelusuran , seperti melalui
internet dan jurnal yang berkaitan dengan masalah
jenis penyakit Leptospirosis serta konsultasi dengan
pakar. Basis pengetahuan disusun menggunakan
kaidah produksi dan mesi inferensi menggunakan
Sistem pakar mendiagnosa penyakit leptospirosis Menggunakan metode certainty factor
Dengan penelusuran forward chaining. Oleh : Polin Syahromi
ISSN : 2407-389X
penalaran berantai kedepan (forward chaining).
Selanjutnya basis pengetahuan dimasukkan kedalam
komputer sehingga komputer akan berperan sebagai
ahli yang mampu mengidentifikasi gejala dan
penyakit Leptospirosis. Berikut ini pengetahuan dasar
atau informasi penyakit Leptospirosis yaitu:
Tabel 1. Informasi Penyakit Leptospirosis
Berdasarkan informasi tersebut maka pada kasus ini
disusun sebanyak 8 kaidah produksi atau rule base,
kaidah-kaidah tersebut adalah sebagai berikut:
Aturan I :
IF Batuk Darah
AND Nyeri otot punggung dan betis (berkepanjangan)
AND Kulit dan mukosa menjadi kuning
AND Demam Tinggi (berkepanjangan)
THEN Penyakit Leptospirosis Ringan
Aturan II :
IF Warna mata dn hidung hitam
AND Radang mukosa mata
AND Pembesaran limpah dan hati
AND Gagal ginjal
THEN Penyakit Leptopsirosis Berat
Berdasarkan kaidah tersebut secara default sistem
hanya mampu mengidentifikasi Penyakit
Leptospirosis Ringan, dan Leptospirosis Berat.
3.2. Analisa Dan Logika Metode Certainty Factor
Adapun analisa terhadap sistem pakar yang
dibangun merupakan rule based expert system yang
menerapkan metode certainty factor, dimana metode
ini digunakan untuk mengatasi kesulitan kepastian dan
gejala-gejala penyakit didalam proses mediagnosa
penyakit yang diderita. Adapun logika metode
certainty factor pada sesi konsultasi sistem, pengguna
konsultasi diberi pilihan jawaban yang masing-masing
memiliki bobot sebagai berikut:
Tabel 2. Pilihan Jawaban Dalam Metode
CF
Ucertanty CF
Term
Yakin 1
Iya 0.8
Mungkin 0.6
Tidak 0
Nilai 0 menunjukkan bahwa pengguna
konsultasi menginformasikan bahwa Leptospirosis
tidak mengalami gejala seperti yang ditanyakan oleh
110
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor: 1, Februari 2016 ISSN : 2407-389X

sistem. Semakin pengguna konsultasi yakin bahwa CF 1.1 = 0, 4* 0 =0

gejala tersebut memang dialami Leptospirosis, maka CF 1.2 = 0,6 * 0,4 = 0,24
semakin tinggi pula hasil prosentase keyakinan yang CF 1.3 = 0,8 * 0,6 = 0,48
diperoleh. CF 1.4 = 1 * 0,8 = 0,8
proses penghitungan prosentase keyakinan Langkah yang terakhir adalah
diawali dengan pemecahan sebuah kaidah yang mengkombinasikan nilai CF dari masing-masing
memiliki premis majemuk, menjadi kaidah-kaidah kaidah :
yang memiliki premis tunggal. kemudian masing- Kombinasikan CF 1.1 dengan CF 1.2 dengan CF 1.3 :
masing aturan baru dihitung CF untuk masing-masing CFcombine (CF1,CF2, CF 1.3) = CF1 + CF2+ CF3 *
aturan, kemudian nilai CF tersebut dikombinasikan. (1-CF1), sehingga mejadi
Sebagai contoh, proses pemberian bobot pada setiap CFcombine (CF1.1,CF1.2, CF1.3) = CF1.1 +
premis (gejala) hingga perolehan prosentase CF1.2+CF1.3 * (1-CF1.1)
keyakinan untuk penyakit Leptospirosis Berat = 0 + 0,24 + 0,48 *(1 - 0)
Aturan II : = 0 + 0,72  = 0,72 Cfold
IF Warna mata dan hidung hitam AND Radang
mukosa mata AND Pembesaran limpah dan hati AND Kombinasikan Cfold dengan CF 1.4 :
Radang ginjal THEN Penyakit Leptopsirosis Berat CFCombine (CFold, CF1.4 ) = CFold + CF1.4 * (1-
Langkah pertama, pakar menentukan nilai CFold)
bobot untuk masing-masing gejala yang telah di = 0,72 + 0,8 * (1-0,72)
tentukan sebelumnya sebagai berikut : = 0,72 + 0,224  = 0,974 CFold
CFpakar (Warna mata dan hidung hitam)=0.4
CFpakar (Radang mukosa mata) =0.6 Prosentase keyakinan = CFcombine * 100%
CFpakar (Pembesaran limpah dan hati) =0.8 = 0,974 * 100%  = 9,74 %
CFpakar (Radang ginjal) =1 Dengan demikian dapat dikatakan bahwa perhitungan
Kemudian dilanjutkan dengan penentukan certainty factor yang dilakukan penyakit Leptospirosis
nilai bobot user. Misalkan user memilih jawaban memiliki tingkat keyakinan sistem 99,74 %.
sebagai berikut:
Warna mata dan hidung hitam =Tidak =0 4. ALGORITMA
Radang mukosa mata = Mungkin = 0,6 Langkah – langkah pada sistem halaman
Pembesaran limpah dan hati = Iya = 0,8 diagnosa yaitu dengan mengklik combobox sesi tanya
Radang ginjal = Yakin =1 dari halaman pertanyaan itu sendiri, kemudian akan
Kaidah aturan II yang memiliki 4 premis dipecah muncul beberapa pertanyaan yang berkaitan dengan
menjadi kaidah dengan premis tunggal, sehingga penyakit Leptospirosis (kencing tikus) itu sendiri,
menjadi : selanjutnya pasien memilih apakah “ Yakin” atau
IF Warna mata dan hidung hitam “cukup yakin” atau “ mungkin” atau “tidak”,
THEN mungkin Penyakit Leptospirosis Berat kemudian akan muncul nili CF yang menjadi nilai
IF Radang mukosa mata THEN penyakit perhitungan dari diagnosa Leptospirosis (kencing
Leptospirosis Berat IF Pembesaran limpah dan hati tikus) klik proses maka program akan menghitung
THEN Penyakit Leptospirosis Berat nilai CF apakah pasien menderita penyakit
IF Radang ginjal THEN Penyakit Leptospirosis Berat Leptospirosis.
Kaidah-kaidah yang baru tersebut kemudian
dihitung nilai CFnya dengan mengalikan CFuser
dengan CFpakar menjadi :

Sistem pakar mendiagnosa penyakit leptospirosis Menggunakan metode certainty factor 111
Dengan penelusuran forward chaining. Oleh : Polin Syahromi
Jurnal Riset Komputer (JURIKOM), Volume : 3, Nomor: 1, Februari 2016 ISSN : 2407-389X

Gambar 3. Form Diagnosa

Kumpulan perintah halaman diagnosa 1. Sistem ini diharapkan dapat diaplikasikan

berdasarkan rumus Certainty Factor adalah sebagai kedalam sistem online agar dikenal luas oleh
berikut: pengguna melalui jaringan internet .
CF [H,E] = MB [H,E] – MD [H,E] 2. Adanya pengembangan dalam sistem untuk
Input : ukuran kenaikan kepercayaan (measure of mendiagnosis penyakit yang disebabkan oleh
increased belief) terhadap hipotesis (H) Virus
yang dipengaruhi oleh gejala (E) 3. Perlunya penambahan data untuk jenis penyakit
Proses : CF (H,E) = CF (E) * CF (rule) hidung lainnya yang memiliki gejala penyakit
= CF (user) * CF (pakar) yang hampir sama dengan Leptospirosis
CFcombine (CF1,CF2, CF3, CF4) = CF1 + CF2 + (kencing tikus) sehingga sistem ini semakin
CF3 + CF4* (1-CF1) berkembanga luas.
Output : CF (user) 4. Sistem ini diharapkan dapat memberikan
CFCombine (CFold, CF1.4 ) = CFold + CF1.4 * (1- informasi yang akurat dengan melakukan
CFold) percobaan-percobaan menggunakan banyak
kombinasi data penyakit sehingga dapat menjadi
Proses : perbandingan dalm penentuan jenis penyakit.
If (Menjawab pertanyaan dari form diagnosa = 5. Untuk mendapatkan hasil yang lebih akurat maka
“Yakin” or “ya” or “Mungkin” )then diperlukannya poenelitian lapangan yang mana
{Muncul nilai CF sesuai gejala yang telah dihitung peneliti dapat melihat langsung pasien yang
sebelumnya} menderita
Else if (Menjawab pertanyaan dari form diagnosa = DAFTAR PUSTAKA
“tidak”) then
{secara otomatis sistem akan diberikan nilai “0” or 1. Kasiman Peranginangin. 2006. Aplikasi Web
diagnosa tidak memiliki gejala penyakit atau tidak Dengan PHP dan MySQL. Yogyakarta. Penerbit
diderita pasien. C.V Andi Offset.
End if 2. Sri Kusuma Dewi. 2006. Fuzzy Multi-Attribute
Decision Making (Fuzzy MADM). Yogyakarta.
Algoritma metode cf: Penerbit Graha Ilmu.
If Nilai cf = “1” then 3. Adhi Kusnadi. 2013. Perancangan Aplikasi
Jawaban “yakin” or Sistem Pakar Untuk Diagnosa Penyakit Pada
Else if Nilai cf = “0,8” then Manusia.
Jawaban “ Iya” or library.umn.ac.id/jurnal/.../cf1a586dead0f479bc5
Else if Nilai cf =”0,6” then fb4add0331450.pdf. Waktu Akses 23 April
Jawaban “mungkin” or 2014, 14:20 WIB.
Else if Nilai cf =”0” then 4. Anugrah Susdaryanto. 2013. Penerapan Logika
Jawaban “tidak” Fuzzy Pada Aplikasi Sistem Pakar Untuk
End if Mendiagnosis Penyakit Neurologi Pada Manusia
5. KESIMPULAN DAN SARAN Berbasis Web.
5.1. Kesimpulan eprints.mdp.ac.id/.../JURNAL%202007250062%
Setelah melakukan pembahasan dari skripsi 20MALIK%20%26%20. Waktu Akses 23 April
ini, maka dapat ditarik beberapa kesimpulan sebagai 2014, 18:05 WIB.
berikut: 5. Esthi Dyah Rikhiana. 2013. Implementasi Sistem
1. Cara mendiagnosa penyakit Leptospirosis Pakar Untuk Mendiagnosa Penyakit Dalam Pada
(kencing tikus) ini adalah dengan cara Manusia Menggunakan Metode Dempster
menggunakan metode Certainty factor dengan Shafer.
penelusuran forward chaining dengan cara jogjapress.com/index.php/JSTIF/article/downloa
mengalikan CF user dengan CF pakar. d/1691/1003. Waktu Akses 10 Mei 2014, 22:10
2. Perancangan metode certainty factor adalah WIB.
dengan cara mengalikan CF user dengan CF
pakar lalu dilakukannya pengkombinasian.
3. Hasil rancangan sistem pakar mendiagnosa
penyakit Leptospirosis (kencing tikus) terdapat
beberapa form yaitu form login,form menu, form
Diagnosa, form data pakar, dan form data pasien.
5.2. Saran
Berikut adalah saran-saran untuk pengembangan
lebih lanjut terhadap aplikasi sistem pakar yang telah
dibangun.

Sistem pakar mendiagnosa penyakit leptospirosis Menggunakan metode certainty factor 112
Dengan penelusuran forward chaining. Oleh : Polin Syahromi