SISTEM PAKAR DIAGNOSA AWAL PENYAKIT PADA ANAK

DENGAN METODE FORWARD CHAINING BERBASIS WEB

Achmad Wahyono 1), Alvino Oktaviano 2)

Teknik Informatika, Fakultas Teknik, Universitas Pamulang

Jl. Surya Kencana No.1 Pamulang Barat, Tangerang Selatan – Banten 15417

ABSTRAK
Abstrak - Terbatasnya informasi mengenai penyakit pada anak membuat para orang tua kesulitan untuk
memprediksi penyakit yang diderita oleh anak mereka. Untuk orang tua yang baru memiliki anak, hal ini
merupakan hal yang baru bagi mereka. Para orang tua lebih memilih untuk mempercayakan hal diagnosa
penyakit kepada pakar atau dokter yang ahli tentang kesehatan, peran dokter spesialis anak dalam hal
penanggulangan penyakit pada anak sangat diperlukan tapi sering kali terbentur pada terbatasnya jumlah dokter
spesialis anak sedangkan yang harus ditangani cukup banyak. Penelitian yang dilakukan adalah membuat aplikasi
sistem pakar diagnosa awal penyakit pada anak menggunakan metode forward chaining berbasis web. Sistem
yang dapat digunakan untuk menyelesaikan suatu permasalahan yang membutuhkan suatu keahlian khusus.
Teknik penalaran yang digunakan adalah penalaran runut maju atau forward chaining. Dengan metode forward
chaining diagnosa dilakukan dengan memulai dari sekumpulan gejala-gejala dengan mencari kaidah yang cocok
nantinya dapat melihat kesimpulan dari hasil analisa dan menentukan jenis penyakit pada anak. Tujuan dari
penelitian ini adalah membuat aplikasi sistem pakar yang mampu mengidentifikasi atau mendiagnosa penyakit
pada anak, pembuatan aplikasi sistem pakar ini menggunakan pemrograman PHP dan dan basis data
menggunakan MySql.

Kata Kunci : Sistem Pakar, forward chaining, PHP.

1. PENDAHULUAN.

1.1 Latar Belakang

Penyakit menular atau infeksi merupakan satu
kumpulan jenis-jenis penyakit yang mudah
menyerang khususnya anak-anak di Indonesia yang
disebabkan oleh infeksi virus, infeksi bakteri, infeksi
parasit. Salah satu penyakit infeksi virus pada anak
adalah Campak, data tentang Penularan campak
masih terus terjadi sepanjang tahun 2012 ada 160
kejadian luar biasa, campak dengan 2.319 kasus dan
4 pasien meninggal. Kasus penularan campak
banyak terjadi di pulau jawa ( Jawa Barat, DKI
Jakarta, dan Banten ) masalah itu harus segera
dituntaskan untuk mencapai target eliminasi
campak pada 2018. Mayoritas kasus campak pada
2008-2012 menyerang kelompok umur 5-9 tahun
(Riatmoko, 2014).
Terbatasnya informasi mengenai penyakit pada
anak membuat para orang tua kesulitan untuk
memprediksi penyakit yang diderita oleh anak
mereka. Untuk orang tua yang baru memiliki anak,
hal ini merupakan hal yang baru bagi mereka. Para
orang tua lebih memilih untuk mempercayakan hal
diagnosa penyakit kepada pakar atau dokter yang
ahli tentang kesehatan. Untuk beberapa orang, biaya
berkonsultasi kepada pakar atau dokter ahli tidak
murah sehingga banyak orang tua memutuskan
untuk merawat sendiri anak mereka. Akibat
keterlambatan penanganan terhadap penyakit
menyebabkan penyakit tersebut menjadi semakin
parah dan sulit untuk disembuhkan. Peran dokter
spesialis anak dalam hal penanggulangan penyakit
pada anak sangat diperlukan tapi sering kali
terbentur pada terbatasnya jumlah dokter spesialis
anak sedangkan yang harus ditangani cukup
banyak. Untuk mengurangi keterbatasan itu perlu
dibuat alat bantu berupa sistem pakar. Sesuai
dengan kemampuan dari sistem pakar yang
merupakan salah satu cabang dari ilmu kecerdasan
buatan, yaitu mampu untuk bertindak sebagaimana
seorang pakar pada bidang ilmu tertentu.
Sistem pakar adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer agar
Komputer dapat menyelesaikan masalah seperti
yang biasa dilakukan oleh para ahli. Dengan sistem
pakar ini, orang awam pun dapat menyelesaikan
masalah yang cukup rumit yang sebenarnya hanya
dapat diselesaikan dengan bantuan para ahli. Bagi
para ahli, sistem pakar ini juga akan membantu
aktivitasnya sebagai asisten yang sangat
berpengalaman (Kusumadewi, 2003)
1.2 Identifikasi Masalah
Dari latar belakang di atas identifikasi masalah yang
dikemukakan:
a. Minimnya pengetahuan orang tua dalam
mengetahui gejala-gejala penyakit yang
terjadi pada anak
b. Terbatasnya jumlah dokter spesialis anak
dalam menyampaikan informasi tentang
penyakit pada anak.
1.3. Rumusan Masalah
Rumusan masalah dari penelitian ini adalah sebagai
berikut:
a. Bagaimana agar orang tua dapat
mengetahui mengenai jenis penyakit yang
terjadi pada anaknya.
b. Bagaimana membuat aplikasi yang dapat
memberikan informasi sesuai dengan
kemampuan seorang pakar.
2. LANDASAN TEORI
2.1. Kecerdasan Buatan
Kecerdasan Buatan atau Artificial Intelligence
(AI) merupakan kecerdasan yang ditunjukkan oleh
suatu entitas buatan. Sistem seperti ini umumnya
dianggap komputer. Kecerdasan diciptakan dan
dimasukkan ke dalam suatu mesin (komputer) agar
dapat melakukan pekerjaan seperti yang dapat
dilakukan manusia. Beberapa macam bidang yang
menggunakan kecerdasan buatan antara lain sistem
pakar, permainan komputer (games), logika fuzzy,
jaringan syaraf tiruan dan robotika.
Artifical Intelligence (AI) atau kecerdasan
buatan merupakan cabang dari ilmu komputer yang
konsern dengan pengautomatisasi tingkah laku
cerdas. (Arhami, 2005), Kecerdasan buatan adalah
suatu ilmu yang mempelajari cara membuat
komputer melakukan sesuatu seperti yang dilakukan
oleh manusia. (Kusrini, 2006)
Dari kedua pernyataan di atas menunjukkan
bahwa AI adalah bagian dari ilmu komputer yang
mempelajari bagaimana membuat mesin (komputer)
dapat melakukan pekerjaan seperti dan sebaik yang
dilakukan oleh manusia bahkan bias lebih baik
daripada yang dilakukan manusia.
2.2 Sistem Pakar
Sistem pakar adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer agar
komputer dapat menyelesaikan masalah seperti
yang biasa dilakukan oleh para ahli. Dengan sistem
pakar ini, orang awam pun dapat menyelesaikan
masalah yang cukup rumit yang sebenarnya hanya
dapat diselesaikan dengan bantuan para ahli. Bagi
para ahli, sistem pakar ini juga akan membantu
aktivitasnya sebagai asisten yang sangat
berpengalaman (Kusumadewi, 2003).
2.3. Mesin Inferensi
Komponen ini mengandung mekanisme pola
pikir dan penalaran yang digunakan oleh pakar
dalam menyelesaikan suatu masalah. Mesin
inferensi adalah program computer yang
memberikan metodologi untuk penalaran tentang
informasi yang ada dalam basis pengetahuan dan
dalam workplace, dan untuk memformulasikan
kesimpulan
1. Forward Chaining.
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. Adapun alur proses metode Forward
Chaining ditunjukkan pada diagram pada gambar
.
Gambar 2.1. Diagram Proses Forward Chaining
Metode Forward chaining dimulai dari sejumlah
fakta-fakta yang telah diketahui, untuk
mendapatkan suatu fakta baru dengan memakai
rule-rule yang memiliki ide dasar yang cocok
dengan fakta dan terus dilanjutkan sampai
mendapatkan tujuan atau sampai tidak ada rule 3. Keterlambatan penanganan dini juga sering
yang punya ide dasar yang cocok atau sampai terjadi dikarenakan dokter yang bertugas
mendapatkan fakta. berhalangan hadir.
Proses konsultasi ini juga memiliki kelebihan
2. Backward Chaining yaitu pasien dapat berkonsultasi dengan dokter
secara langsung dan lebih privasi dan juga proses
Backward chaining adalah suatu strategi diagnosa yang lebih akurat karena dokter dapat
pengambilan keputusan dimulai dari pencarian melihat kondisi pasien secara langsung dengan
solusi dari kesimpulan kemudian menulusuri fakta- memeriksa semua keluhan yang diderita oleh
fakta yang ada hingga menemukan solusi yang pasien.
sesuai dengan fakta-fakta yang diberikan pengguna.
(Kusrini, 2006). 3.2. Analisa Pengetahuan
Metode Backward Chaining merupakan
strategi pencarian yang arahnya kebalikan dari Proses analisa pengetahuan diawali dari
Forward Chaining. Proses pencarian dimulai dari pengetahuan dan kemudian dilanjutkan dengan
tujuan, yaitu kesimpulan yang menjadi solusi representasi pengetahuan.
permasalahan yang dihadapi. Mesin inferensi a. Pengetahuan
mencari kaidah-kaidah dalam basis pengetahuan Dalam perancangan aplikasi sistem pakar
yang kesimpulannya merupakan solusi yang ingin ini, terlebih dahulu melakukan proses
dicapai, kemudian dari kaidah-kaidah yang akuisisi pengetahuan terhadap seorang
diperoleh, masing-masing kesimpulan backward pakar yang mengetahui apa saja penyakit
chaining jalur yang mengarah ke kesimpulan pada anak. Maka karena penyakit yang
tersebut. ingin diketahui pun masih bersifat umum
penulis memilih seorang dokter umum
3. ANALISA DAN PERANCANGAN SISTEM untuk melakukan akuisisi. Pakar yang
dimaksudkan adalah Dr. Harris Qarrami ,
3.1. Analisa Sistem Berjalan pada klinik al-ikhlas. Dalam proses
akuisisi ini akan dilakukan wawancara
Analisis data berjalan merupakan penguraian mengenai mendiagnosa berbagai penyakit
dari suatu informasi yang utuh ke dalam bagian- dan juga mengenai gejala yang
bagian komponennya yang dimaksudkan untuk ditimbulkan
mengidentifikasi dan mengevaluasi permasalahan- b. Reprentasi Pengetahuan
permasalahan, hambatan-hambatan yang terjadi dan Representasi pengetahuan bertujuan
kebutuhan-kebutuhan yang diharapkan sehingga membuat struktur yang akan digunakan
dapat diusulkan perbaikannya. Untuk memahami dalam sistem untuk membantu pengkodean
alur dari informasi dalam sistem, diperlukan pengetahuan ke dalam program.
pendokumentasian dalam merancang suatu website, Pengetahuan direpresentasikan ke dalam
sehingga akan mempermudah tahap pengembangan format tertentu dan akan disimpan dalam
sistem. suatu basis pengetahuan. Langkah-langkah
Sistem yang berjalan saat ini yaitu proses atau base rule yang diperlukan untuk
pendaftaran pasien untuk berobat dan berkonsultasi, membuat representasi pengetahuan sistem
kemudian setelah itu proses konsultasi dengan pakar ini adalah:
dokter dimana pasien bertemu dengan dokter untuk
berkonsultasi. Setelah konsultasi pasien ke proses 1. Pembuatan tabel keputusan
pengambilan obat dari resep yang diberikan oleh (decision table) yang berguna
dokter. Proses yang sudah dijelaskan sebelumnya untuk mendokumentasikan dan
memiliki kekurangan, seperti: mendeskripsikan pengetahuan.
1. Proses konsultasi dengan dokter 2. Pembuatan pohon keputusan
memerlukan waktu cukup lama apabila (decision tree) yang berguna
terjadi antrian panjang yang dikhawatirkan untuk menghilangkan kaidah-
akan berakibat terlambatnya penanganan kaidah dengan tujuan untuk
pasien oleh dokter meniadakan terjadinya perulangan
2. Keterbatasan jumlah dokter yang bertugas. pertanyaan.
3. Konversi pohon keputusan
menjadi kaidah produksi.
 Sistem pakar ini terdiri dari sebuah pohon
keputusan untuk mengidentifikasi penyakit pada
anak dan terdiri dari tabel keputusan gejala, serta
himpunan untuk mengidentifikasi penyakit. Proses
representasi pengetahuan untuk sistem pakar ini
diawali dengan proses masuk ke dalam sistem
kemudian sistem ini akan melakukan identifikasi
penyakit pada anak. Untuk mengidentifikasi
penyakit anak diawali dengan memilih gejala yang
dialami oleh anak yang sesuai dengan pengamatan.

Tabel 3.1. Tabel Relasi Gejala dan penyakit.

No Gejala Penyakit

1 G001, G002, G008, G009, P001 Gambar 3.1. Pohon Keputusan

G010, G011
3.3. Analisa Produksi.
2 G001, G007, G014, G015, P002
Kaidah produksi biasanya dituliskan dalam
G016.
bentuk jika-maka (IF THEN). Kaidah ini dapat
dikatakan sebagai hubungan impliksi dua bagian,
3 G001, G002, G007, G012, P003
yaitu bagian premise (jika) dan bagian konklusi
G013.
(maka). Apabila bagian premise dipenuhi maka
bagian konklusi juga akan bernilai benar. Sebuah
4 G001, G002, G004, G017, P004 kaidah terdiri dari klausa-klausa. Sebuah klausa
G018. mirip sebuah kalimat subyek, kata kerja dan objek
yang menyatakan suatu fakta. Ada sebuah klausa
5 G001, G003, G004, G005, P005 premise san klausa konklusi pada sebuah kaidah.
G006, G019, G020. Suatu kaidah juga dapat terdiri atas beberapa
premise dan lebih dari satu konklusi. Antara
6 G001, G004, G006, G021, P006 premise dan konklusi dapat berhubungan dengan
G022, G023, G024 “OR” atau “AND”. Berikut kaidah-kaidah produksi
dalam menganalisis penyakit :
7 G001, G002, G003, G005, P007 Rule 1 : IF Demam
G025, G026, G027 AND Hidung Meler
AND Batuk
Berdasarkan tabel Relasi gejala dan penyakit pada AND Nyeri Otot
anak tersebut, maka dapat dibuat pohon perhitungan AND Mata Merah
sebagai berikut: AND Fotofobia (rentan terhadap cahaya,
silau)
THEN Campak
Rule 2 : IF Demam
AND Tenggorokan Tampak Merah
AND Pembengkakan kelenjar getah
bening di leher
AND Nyeri Sendi
AND Ruam (kemerahan kulit) muncul
selama 3 hari
THEN Campak Jerman
Rule 3 : IF Demam
AND Pembengkakan kelenjar getah
bening di leher
AND Sakit Kepala
 AND Muncul bintik-bintik merah datar a. Use Case Diagram
(makula) uc usecase

AND Tubuh Mengggigil Sistem Pakar Diagnosa Awal Penyakit Pada Anak Menggunakan

THEN CacarAir Metode Forward Chaining Berbasis Web

Rule 4 : IF Demam Login Admin

AND Sakit Kepala

Mengelola data
AND Nafsu Makan Berkurang penyakit

AND Nyeri Ketika Mengunyah Lihat Informasi

Mengelola data
AND Bengkak Pada Posisi Antara gej ala

Telinga Dan Rahang Lihat petunj uk

penggunaan
THEN Gondongan Mengelola relasi
penyakit dan gej ala

Admin

Rule 5 : IF Demam Konsultasi

User

AND Batuk
AND Nafsu makan berkurang
AND Lesu, Lemas, Letih ubah passw ord

AND Mencret
LogOut admin
AND Berat badan berkurang
AND Berkeringat dimalam hari
THEN Diare
Gambar 3.1. Use case Diagram
Rule 6 : IF Demam
AND Nafsu makan berkurang
3..5. Entity Relationship Diagram (ERD)
AND mencret
AND Muntah
ERD adalah sebuah konsep yang
AND Mengantuk tidak wajar
mendeskripsikan hubungan antara penyimpanan dan
AND Mata cekung
didasarkan pada persepsi dari sebuah dunia nyata
AND Tinja Menghitam
THEN Tuberkulosis (TBC) yang terdiri dari sekumpulan objek, disebut entiti &
relasi diantara objek-objek tersebut. Diagram ERD
Rule 7 : IF Demam
digunakan untuk memodelkan struktur data dan
AND sakit kepala
hubungan antar data
AND batuk
AND Lesu, Lemas, Letih analysis ERD

AND Suara serak

AND Sesak nafas tanggal

AND frekuensi nafas cepet *id_admin nama

*id_konsultasi
id_admin *kd_gejala nama_gejala

THEN Diare
admin konsultasi tmp_1 gejala
melakukan
3.4. Unified Modeling Language (UML) *id_admin
*id_konsultasi
bobot_parameter

*kd_gejala
*id_konsultasi
username password similarity

UML (Unified Modeling Language) adalah kd_penyakit

bahasa pemodelan untuk sistem atau perangkat

lunak yang berparadigma (berorientasi objek).” *id_konsultasi
Pemodelan (modeling) sesungguhnya digunakan *kd_penyakit
similarity
tmp_2

untuk penyederhanaan permasalahan-permasalahan

yang kompleks sedemikian rupa sehingga lebih
mudah dipelajari dan dipahami. penyakit relasi
*kd_relasi
*kd_penyakit

UML merupakan suatu kumpulan teknik *kd_penyakit

terbaik yang telah terbukti sukses dalam

memodelkan sistem yang besar dan kompleks, *kd_penyakit
nama_penyakit definisi solusi

UML tidak hanya digunakan dalam proses

pemodelan perangkat lunak, namun hampir dalam
semua bidang yang membutuhkan pemodelan Gambar 3.2. Entity Relationship Diagram
(Apriliyanti, 2013)
3.6. Transformasi ERD ke LRS 4. HASIL DAN IMPLEMENTASI

Transformasi diagram ERD ke LRS merupakan 4.1. Implementasi Antarmuka

suatu kegiatan untuk membentuk data-data dari
diagram hubungan entitas ke suatu LRS. Diagram Implementasi antarmuka bertujuan untuk
ER di atas akan ditransformasikan ke bentuk LRS. menjelaskan secara singkat proses dan
Berikut adalah langkah pengelompokkan pada penggunaannya
diagram ER untuk menentukan entity pada diagram
LRS, dapat dilihat pada gambar berikut: Halaman Awal sistem pakar.
analysis ERDlrs

tanggal

*id_konsultasi
nama id_admin *kd_gejala nama_gejala
*id_admin

M M
1 1 konsultasi tmp_1 gejala
admin melakukan
bobot_parameter
M *kd_konsultasi M
*id_admin
*kd_gejala
*id_konsultasi
username password similarity
kd_penyakit

*id_konsultasi
tmp_2
*kd_penyakit
similarity

*kd_relasi
M
penyakit
M
relasi *kd_penyakit
*kd_penyakit
Gambar 4.1. Halaman Utama

*kd_penyakit nama_penyakit definisi solusi

Halaman Konsultasi sistem pakar.

Gambar 3.3. Transformasi ERD ke LRS

3.6. Login Record Structure (LRS)

Setelah di transformasikan ERD ke LRS, maka

bentuk Logical Record Structure (LRS) yang sudah
terbentuk seperti pada gambar dibawah ini:

analysis LRS
Gambar 4.2. Halaman Konsultasi
admin konsultasi tmp_1 gejala

*id_admin id_admin
*kd_konsultasi id_konsultasi *kd_konsultasi
kd_gejala *kd_gejala Halaman Hasil Konsultasi
nama tanggal
kd_gejala nama_gejala
username id_admin
bobot_parameter
password kd_penyakit
similarity

kd_konsultasi

tmp_2

*kd_konsultasi

kd_penyakit
similarity

kd_gejala
kd_penyakit

penyakit relasi

*kd_penyakit *kd_relasi
nama_penyakit kd_penyakit
definisi
kd_gejala
solusi

Gambar 3.4. Logical Record Structure (LRS) Gambar 4.3. Hasil Konsultasi

5. KESIMPULAN DAN SARAN
5.1. Kesimpulan.
Dalam proses perancangan serta
pembuatan program sistem pakar diagnosa awal
penyakit pada anak menggunakan metode forward
chaining berbasis web menggunakan kombinasi
metode Foward Chaining dan Case based
reasoning (CBR) ini, ada beberapa kesimpulan
yang dapat disampaikan penulis sebagai hasil dari
evaluasi pengembangan sistem dalam laporan tugas
akhir ini. Adapun kesimpulannya sebagai berikut:
1. Aplikasi sistem pakar diagnosa awal
penyakit pada anak dengan metode
forward chaining berbasis web, dapat
memberikan informasi kepada orang tua
dalam mengambil tindakan pengobatan
dalam menangani penyakit pada anak.
2. Dengan menggunakan sistem ini dapat
dijadikan solusi alternatif bagi masyarakat
untuk melakukan diagnosa dini terhadap
gejala-gejala penyakit pada anak sebelum
melakukan konsultasi langsung kepada
pakar dalam hal ini dokter.
5.2. Saran.
Mengingat berbagai keterbatasan yang dialami
terutama masalah pemikiran dan waktu, maka
penulis menyarankan untuk pengembangan
penelitian dimasa yang akan datang sebagai berikut:
1. Pada aplikasi ini digunakan kriteria yang
hanya berupa gejala fisik dari pasien,
pengembangan lebih lanjut sebaiknya
menggunakan kriteria lainnya seperti hasil
pemeriksaan laboratorium sehingga hasil
diagnosa menjadi lebih tepat dan akurat.
2. Data mengenai aplikasi sistem pakar untuk
mendiagnosa penyakit pada anak kiranya
dapat lebih dimaksimalkan, sampai
mendapatkan perhitungan hasil akhir yang
lebih akurat serta dicari alternatif yang
memungkinkan penyelesaian yang jauh
lebih baik.
6. DAFTAR PUSTAKA
Andriani, R. (2010). Sistem pakar untuk
mendiagnosa macam macam penyakit demam
berbasis web.
Arhami. (2005). konsep dasar sistem pakar.
Yogyakarta: Andi.
Arief, M. R. (2011). pemrograman web dinamis
menggunakan php dan mysql. yogyakarta: cv.
andi offset.
Indrajani. (2011). Perancangan Basis Data Dalam
Allin1. jakarta: elex media komputindo.
Jogiyanto, H. (2005). Sistem Teknologi. yogyakarta:
Andi.
Kadir, A. (2005). konsep dan tuntunan praktis basis
data. Yogyakarta: Andi.
Kadir, A. (2003). pengenalan sistem informasi.
Yogyakarta: Andi.
Kusrini. (2006). Sistem pakar, teori dan aplikasi.
Yogyakarta: Andi.
Kusumadewi, S. (2003). artifical intelegence (
teknik dan aplikasi ). Yogyakarta: Graha Ilmu.
Nugroho, A. (2009). Rekayasa Perangkat Lunak
Menggunakan UML & Java. Yogyakarta: Andi
Offset.
nugroho, B. (2008). membuat aplikasi sistem pakar
dengan php dan editor dreamweaver.
yogyakarta: Gava media.
Ramadhan, A., & Saputra, H. (2005). Buku Latihan
PHP 5 dan MySql. jakarta: Elex Media
Komputindo.
Sutanta, E. (2011). basis data dalam tinjauan
konseptual. yogyakarta: andi offset.
Yakub. (2008). Basis data tutorial konseptual.
yogyakarta: graha ilmu.
Yasin, V. (2012). rekayasa perangkat lunak
berorientasi objek. jakarta: mitra.