87-90 Sistem Pakar Mendiagnosa Penyakit Tulang Dengan Menggunakan Metode Certainty Factor PDF
87-90 Sistem Pakar Mendiagnosa Penyakit Tulang Dengan Menggunakan Metode Certainty Factor PDF
Frans Ikorasaki1
1,2
Sistem Informasi, Tehnik dan Ilmu Komputer, Universitas Potensi Utama
3
Universitas Potensi Utama, Jl. Yosudarso Tanjung Mulia Medan
1
ikorasaki221@gmail.com
Abstrak
Dalam konsep pelacakan dalam mencari solusi dengan pendekatan artificial intelligent, ada berbagai
metode yang dapat diterapkan untuk mengatasi masalah ketidak pastian saat proses pelacakan terjadi. Salah
satunya adalah certainty factor. Adanya ketidakpastian pada proses pelacakan dapat terjadi karena adanya
perubahan pengetahuan yang ada di dalam sistem. Untuk di perlukan adanya suatu metode untuk mengatasi
ketidakpastian dengan certainty factor pada kasus pelacakan untuk mendiagnosa penyakit tulang. Subjek
pada penelitian ini adalah proses pelacakan untuk menentukan penyakit tulang Dengan model penalaran dan
metode kepastianya menggunakan certainty factor dengan cara menghitung nilai probabilitas suatu gejala
penyakit tulang dan membandingkan probabilitas setiap gejalanya. Dari penelitian ini yang dilakukan
menghasilkan sebuah keputusan yaitu yang mampu menentukan penyakit tulang dengan menerapkan metode
certainty factor untuk mengatasi ketidakpastian. Hasil uji coba sistem menunjukkan bahwa penerapan ini
layak dan dapat digunakan.
87
Seminar Nasional Informatika 2015
2003). Komponen-komponen yang biasanya Secara sederhana dapat dijelaskan bahwa untuk
terdapat dalam sebuah sistem pakar terdiri dari: kaidah diatas, agar sistem mencapai konklusi,
harus diinput terlebih dahulu fakta sulit bernafas,
1. Antarmuka pengguna (user interface) pilek, tarikan nafas berbunyi kasar dan penghe
Pada komponen ini terjadi dialog antara mbusan nafas berbunyi mengi. Baru sistem dapat
program dan user, dimana sistem menerima mengeluarkan konklusi bahwa penyakit yang
input berupa informasi dan instruksi dari diderita adalah laringitis. Safia Dhany:
user, dan sistem memberikan output berupa Perancangan
informasi kepada user. Sistem Pakar Untuk Diagnosa Penyakit anak,
2. Basis pengetahuan (knowledge base)
Basis pengetahuan dapat dikatakan sebagai 2.Backward Chaining(Runut Balik)
kumpulan informasi dan pengalaman seorang Backward chaining adalah suatu strategi
ahli pada suatu bidang tertentu. pengambilan keputusan dimulai dari pencarian
3. Akuisisi pengetahuan (knowledge acqusition) solusi dari kesimpulan kemudian menulusuri
Akuisisi pengetahuan merupakan tranformasi fakta-fakta yang ada hingga menemukan solusi
keahlian dalam menyelesaikan masalah dari yang sesuai dengan fakta-fakta yang diberikan
sumber pengetahuan kedalam program pengguna. Contoh penalaran backward chaining
komputer. adalah:
4. Mesin inferensi Lampu 1 rusak,
Mesin inferensi merupakan otak dari sistem
pakar yang mengandung mekanisme fungsi IF Lampu 1 dinyalakan
berpikir dan pola-pola penalaran sistem yang AND Lampu 1 tidak menyala
digunakan oleh seorang pakar. Mesin AND Lampu 1 dihubungkan dengan sekering
inferensi bertindak sebagai penarik AND sekering masih utuh
kesimpulan dan mengkontrol mekanisme dari
sistem pakar. Secara sederhana dapat dijelaskan bahwa
5. Memori kerja (working memory) untuk kaidah diatas, sistem terlebih dahulu
Memori kerja merupakan tempat menduga bahwa lampu 1 rusak. Kebenaran
penyimpanan fakta-fakta yang diketahui dari praduga ini dibuktikan dengan kebenaran fakta
hasil menjawab pertanyaan. lampu 1 tidak menyala, lampu 1 dihubungkan
6. Subsistem penjelasan (explanation dengan sekering dan sekering masih utuh.
subsystem) Kemudian sistem mengeluarkan kesimpulan
Komponen ini merupakan komponen bahwa lampu 1 rusak. Namun apabila ada fakta
tambahan yang akan meningkatkan tidak terpenuhi berarti praduga sistem salah,
kemampuan sistem pakar. Komponen ini selanjutnya sistem akan mengecek konklusi
menggambarkan penalaran sistem kepada berikutnya.
pemakai dengan cara menjawab pertanyaan-
pertanyaan. 2.2 Certainty Factor
7. Perbaikan pengetahuan
Pakar memiliki kemampuan untuk Faktor kepastian (Certainty Factor) ini
menganalisa dan meningkatkan kinerjanya diusulkan oleh Shortliffe dan Buchanan pada
serta kemampuan untuk belajar dari tahun 1975 untuk mengakomadasi ketidakpastian
kinerjanya pemikiran (inexact reasoning) seorang pakar.
Teori ini berkembang bersamaan dengan
2.1.3 Mesin Inferensi pembuatan sistem pakar MYCIN. Tim
Forward Chaining(Runut Maju) pengembang MYCIN mencatat bahwa dokter
Forward chaining adalah suatu strategi sering kali menganalisa informasi yang ada
pengambilan keputusan yang dimulai dari bagian dengan ungkapan seperti misalnya: mungkin,
premis (fakta) menuju konklusi (kesimpulan kemungkinan besar, hampir pasti, dan sebagainya.
akhir). Metode inferensi ini yang akan digunakan Untuk mengakomodasi hal ini tim MYCIN.
dalam sistem pakar yang akan dibangun dengan menggunakan certainty factor (CF) guna
contoh penalaran sebagai berikut: menggambarkan tingkat keyakinan pakar
IF Sulit bernafas terhadap masalah yang sedang dihadapi[9].
AND Pilek Rumus umum menentukan certainty factor :
AND Batuk kering
AND Tarikan nafas berbunyi kasar dan CF[H,E] = MB[H,E] – MD[H,E]
penghembusan nafas berbunyi mengi
THEN Laringitis dengan :
88
Seminar Nasional Informatika 2015
MB[h,e] = ukuran kepercayaan terhadap hipotesis E4 : merah pada sendi yang sakit
h, jika diberikan evidence e (antara 0 dan 1) E5 : Berat badan menurun
Menggunakan dari hasil wawancara dengan MD (H, E1) = (0.03 – 0.03) / (0 – 0.03) = 0
pakar. Nilai CF(Rule) serta bobot dari masing-
masing fakta didapat dari interpretasi istilah dari CF (H, E1) = MB (H, E1) – MD (H, E1)
pakar menjadi nilai CF serta bobot tertentu, = 0.381 – 0
seperti contoh pada tabel berikut: = 0.381
89
Seminar Nasional Informatika 2015
90