SISTEM PAKAR DIAGNOSA PENYAKIT PARU – PARU DENGAN

MENGGUNAKAN METODE DEMPSTER SHAFER BERBASIS

ANDROID
NIkku Panduning Hutami1 , Mochammad Farid Rifai2 , Yasni Djamain3
1
Jurusan S1 Teknik Informatika, Sekolah Tinggi Teknik – PLN Jakarta
2
Jurusan S1 Teknik Informatika, Sekolah Tinggi Teknik – PLN Jakarta
3
Jurusan S1 Teknik Informatika, Sekolah Tinggi Teknik – PLN Jakarta
E-mail : nikku.panduning26@gmail.com

ABSTRACT

Delay in knowing the illness suffered causes the death due to a disease. After experiencing a delay in
knowing the illness, of course in the treatment will also experience a delay because it is already worse
the disease. People who suffer from lung health problems tend to ignore the symptoms or pain they
feel until finally the disease gets worse. After the disease gets worse then the patient conducts an
examination at the hospital. This study aims to help users to know the diagnosis of lung disease early
on the basis of symptoms that are felt so that appropriate treatment can be done in accordance with
the characteristics of the disease in the user. In the application of this expert system, it is assisted by
the Dempster Shafer method. Dempster Shafer is a mathematical theory for proof based on belief
functions and plausible reasoning, which is used to combine separate pieces of information
(evidence) to calculate the likelihood of an event. On this basis, a system that can help the user to be
able to diagnose lung disease will be made according to the symptoms found in the user who has the
disease.

Keywords : Dempster Shafer, Expert System, Lung Diseases, Android

ABSTRACT

Keterlambatan dalam mengetahui penyakit yang diderita menjadi penyabab terjadinya kematian
karena mengidap suatu penyakit. Setelah mengalami keterlambatan dalam mengetahui penyakit yang
diderita, tentu saja akan dalam pengobatan juga mengalami keterlambatan, karena sudah semkin
buruknya penyakit tersebut. Masyarat yang mengalami gangguan kesehatan paru-paru cenderung
mengabaikan gejala atau sakit yang dirasakannya hingga akhirnya penyakitnya bertambah parah.
Setelah penyakitnya semakin parah barulah penderita melakukan pemeriksaan di Rumah Sakit.
Penelitian ini bertujuan untuk membantu pengguna untuk mengetahui diagnosa penyakit paru-paru
secara dini berdasarkan gejala yang dirasakan sehingga dapat dilakukan penanganan yang tepat
sesuai dengan ciri-ciri penyakit pada pengguna. Didalam penerapan sistem pakar ini dibantu dengan
metode Dempster Shafer. Dempster Shafer adalah suatu teori matematika untuk pembuktian
berdasarkan belief functions and plausible reasoning (fungsi kepercayaan dan pemikiran yang masuk
akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah (bukti) untuk
mengkalkulasi kemungkinan dari suatu peristiwa. Atas dasar tersebut maka akan dibuat sistem yang
dapat membantu user untuk dapat mendiagnosa penyakit paru sesuai dengan gejala-gejala yang
terdapat pada pengguna yang terserang penyakit.

Kata kunci : Dempster Shafer, Sistem Pakar, Penyakit Paru-Paru, Android

1
 1. PENDAHULUAN
Paru-paru adalah organ terbesar dalam sistem respirasi, memegang peranan penting menyediakan
oksigen untuk seluruh tubuh dan mengeluarkan sisa pembakaran berupa karbondioksida. Paru-paru
terletak dalam rongga dada yang terletak disamping kanan da n kiri mediastinum. (Faiz dan Moffat,
2002)
Penyakit paru-paru merupakan gangguan kesehatan yang paling umum di dunia, yang menyerang
pasien dari segala usia baik pria, wanita, anak-anak, lansia, perokok, dan bukan perokok. Menurut
World Health Organisation (WHO), penderita asma di seluruh dunia mencapai 235 juta orang dan
sekitar tiga juta orang meninggal karena PPOK. Di samping itu, berdasarkan laporan WHO juga
tercatat setiap tahunnya pneumonia membunuh sekitar 1,4 juta balita.
Dalam diagnosa penyakit paru-paru yang dilakukan dokter melalui berbagai prosedur seperti tes
diagnosa klinis, bronskopi, rontgen dada, dll. Prosedur-prosedur tersebut tentunya hanya bisa
dilakukan di Rumah Sakit yang telah memadai fasilitasnya dan hanya dikerjakan oleh seorang ahli
yang dalam hal ini adalah seorang dokter spesialis paru. Sedangkan tiap rumah sakit sendiri sekiranya
hanya terdapat 2-3 dokter spesialis paru dan jumlah pasien yang datang untuk melakukan pemeriksaan
bisa berkali-kali lipat jumlahnya. Selain itu tidak sedikit juga penderita gangguan paru-paru yang
kesulitan dalam melakukan pemeriksaan di Rumah Sakit, kesuitan mereka bisa karena biaya ataupun
jarak. Solusi alternatif untuk mengurangi biaya yang harus dikeluarkan untuk berobat atau
pemeriksaan paru-paru adalah dengan teknologi sistem pakar.
Di zaman yang serba modern saat ini kita perlu memanfaatkan teknologi yang ada untuk
memudahkan manusia, dalam hal ini adalah memudahkan untuk pendeteksian penyakit paru-paru
secara dini menggunakan sistem pakar. Sitem pakar merupakan sebuah sistem yang digunakan untuk
membantu pasien dalam memperoleh informasi mengenai suatu penyakit dengan melakukan
konsultasi dengan sistem tersebut. Sistem pakar akan berperan secara konstan untuk memberikan
keputusan terhadap penyakit yang diderita, serta memberikan nasihat dan saran penanganan awal
untuk pengobatan penyakit paru-paru. Tujuan sistem pakar ini tidaklah benar jika dikatakan untuk
menggantikan peran manusia sebagai dokter dalam mendiagnosa dini dan memberikan solusi
pengobatan, tetapi untuk mengadopsi pengetahuan manusia/pakar kedalam sebuah sistem sehingga
dapat digunakan oleh orang banyak. Dengan mengetahui sejak dini diagnosa penyakit yang diderita
diharapkan penyakit yang dialami tidak bertambah parah dan bisa segera dirujuk ke Rumah Sakit
terdekat agar tidak terlambat mendapatkan penanganan .

2. DASAR TEORI DAN METODOLOGI

2.1 Sistem Pakar
Sistem pakar pertama kali dikembangkan oleh periset kecerdasan buatan pada dasawarsa 1960-an
dan 1970-an dan ditetapkan secara komersial selama 180-an. Bentuk umum sistem pakar adalah suatu
program yang dibuat berdasarkan suatu set aturan yang menganalisis informasi (biasanya diberikan
oleh pengguna suatu sistem) mengenai suatu kelas masalah spesifik serta analisis matematis dari
masalah tersebut. Tergantung dri desainnya, sistem pakar juga mampu merekomendasikan suatu
rangkaian tindakan pengguna untuk dapat menerapkan koreksi. Sistem ini memanfaatkan kapabilitas
penalaran untuk mencapai suatu kesimpulan.
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. Sistem pakar memberikan nilai menangani era informasi yang semakin
canggih [7]
2.2 Dempster Shafer
Dempster Shafer merupakan teori untuk meningkatkan distribusi probabilitas yang dapat
memberi kemampuan memodelkan informasi terkait dengan permasalahan ketidakpastian. Menurut
[ CITATION Kus03 \l 14345 ] Secara umum teori Dempster-Shafer ditulis dalam suatu interval:
[Belief , Plausibility ]
Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika
bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya
kepastian.

2
Plausibility (PI) dinotasikan sebagai:
Pl ( s )=1−Bel (⌐ s)
Plausibility juga bernilai 0 sampai 1. Jika kita yakin akan ⌐ s , maka dapat dikatakan bahwa
Bel ( ⌐ s ) = 1, dan Pl ( s ) =0. Pada teori Dempster-Shafer kita mengenal adanya frame of
discrement yang dinotasikan dengan θ . Frame ini merupakan semesta pembicaraan dari
sekumpulan hipotesis. Tujuannya adalah mengaitkan ukuran kepercayaan elemen-elemen θ. Tidak
semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas
fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen-elemen θ saja, namun juga semua
subsetnya. Sehingga jika θ berisi n elemen, maka subset θ adalah 2 n. Jumlah semua m dalam subset θ
sama dengan 1. Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai : m{θ} =
1,0 .
Apabila diketahui X adalah subset dari θ, dengan m 1 sebagai fungsi densitasnya, dan Y juga
merupakan subset dari θ dengan m 2 sebagai fungsi densitasnya, maka dapat dibentuk fungsi
kombinasi m1 dan m2 sebagai m3, dengan rumus seperti pada persamaan 2 berikut :
∑ m1 ( X ) . m2 (Y )
X ∩ Y =Z
m3 ( Z )=
1− ∑ m 1 ( X ) . m2 (Y )
X ∩ Y =∅
Dimana :
m3(Z) = mass function (fungsi densitas) dari evidence (Z)
m1 (X) = mass function (fungsi densitas) dari evidence (X)
m2 (Y) = mass function (fungsi densitas) dari evidence (Y)
Zm1(X).m2(Y) = ada hasil irisan dari m1 dan m2
Ø Zm1(X).m2(Y) = tidak ada hasil irisan (irisan kosong (Ø))

2.3 Paru-Paru
Paru-paru adalah organ pada sistem pernapasan (respirasi) dan berhubungan dengan sistem
peredaran darah (sirkulasi) vertebrata yang bernapas dengan udara. Paru-paru merupakan organ yang
sangat vital bagi kehidupan manusia karena tanpa paru-paru manusia tidak dapat hidup. Didalam
paru-paru terjadi proses pertukaran antara gas oksigen dan karbondioksida. Setelah membebaskan
oksigen,sel-sel darah merah menangkap karbondioksida sebagai hasil metabolisme tubuh yang akan
dibawa ke paru-paru [6]

2.4 Jenis Penyakit Paru-Paru

Penyakit paru-paru memiliki berbagai macam jenis, diantaranya adalah :
1. Pneumonia
Pneumonia adalah salah satu penyakit yang menyerang saluran nafas bagian bawah yang
terbanyak kasusnya didapatkan di praktek-praktek dokter atau rumah sakit dan sering
menyebabkan kematian terbesar bagi penyakit saluran nafas bawah yang menyerang anak-anak
dan balita hampir di seluruh dunia. Diperkirakan pneumonia banyak terjadi pada bayi kurang dari
2 bulan, oleh karena itu pengobatan penderita pneumonia dapat menurunkan angka kematian
anak [2].
2. Tuberkulosis (TB)
Tuberkulosis adalah penyakit radang parenkim paru karena infeksi kuman Mycobacterium
tuberculosa. Tuberkulosis paru termasuk suatu peneumonia, yaitu pneumonia yang disebabkan
oleh M. Tuberculosa [4].
Menurut Sulianti (2004) Tuberkulosis adalah penyakit menular yang disebabkan oleh kuman
Mycobacterium tuberculosa. Sebagian besar kuman ini menyerang paru, tetapi dapat juga
mengenai organ tubuh lainnya. Kuman ini berbentuk batang yang mempunyai organ tubuh
lainnya. Kuman ini berbentuk batang yang mempunyai sifat khusus yaitu tahan terhadap asam
pada pewarnaan, oleh karena itu disebut pula sebagai Basil Tahan Asam (BTA). Kuman ini cepat
mati dengan sinar matahari langsung, tetapi bertahan hidup beberapa jam di tempat yang gelap

3
 dan lembab. Dalam jaringan tubuh kuman ini dapat dormant, tertidur lama selama beberapa
tahun.
3. Bronkopneumonia
Bronkopneumonia disebut juga pneumonia lobularis yaitu suatu peradangan pada parenkim
paru yang terlokalisir yang biasanya mengenai bronkiolus dan juga mengenai alveolus
disekitarnya, yang sering menimpa anak-anak dan balita, yang disebabkan oleh bermacam-
macam etiologi seperti bakteri, virus, jamur dan benda asing. Kebanyakan kasus pneumonia
disebabkan oleh mikroorganisme, tetapi ada juga sejumlah penyebab non infeksi yang perlu
dipertimbangkan. Bronkopneumonia lebih sering merupakan infeksi sekunder terhadap berbagai
keadaan yang melemahkan daya tahan tubuh tetapi bisa juga sebagai infeksi primer yang
biasanya kita jumpai pada anak-anak dan orang dewasa [2].
4. PPOK
Global initiative for chronic obstructive lung disease (GOLD) mengartikan PPOK adalah
suatu penyakit yang bisa dilakukan pencegahan dan pengobatan. PPOK memiliki tanda gejala
terdapatnya hambatan aliran udara dalam saluran pernafasan yang bersifat progresif. PPOK juga
terdapat peradangan atau inflamasi pada saluran pernafasan dan paru-paru yang diakibatkan oleh
adanya partikel dan gas yang berbahaya (GOLD, 2013). PPOK merupakan keadaan irreversible
yang ditandai adanya sesak nafas pada saat melakukan aktivitas dan terganggunya aliran udara
masuk dan keluar dari paru-paru [9]. PPOK merupakan penyakit kronis ditandai dengan
terhambatnya aliran udara karena obstruksi saluran pernafasan yang disebabkan oleh paparan
yang lama terhadap polusi dan asap rokok. PPOK merupakan istilah yang sering digunakan
untuk sekelompok penyakit paru-paru yang berlangsung lama [5].
PPOK adalah penyakit yang dapat dicegah dan diobati yang secara umum ditandai dengan
keterbatasan aliran udara yang terus- menerus biasanya progresif dan berhubungan dengan
peradangan kronis, peningkatan respon dalam saluran udara dan paru-paru dari partikel
berbahaya atau gas. [10]. Penyakit paru obstruktif kronik (PPOK) adalah penyakit radang saluran
nafas utama ditandai dengan keterbatasan aliran udara sebagian besar ireversibel yang
menghasilkan hypoxemia dan hiperkapnia. (Huang, et al., 2013)
5. Asma
Asma adalah penyakit inflamasi kronik saluran napas yang disebabkan oleh reaksi
hiperresponsif sel imun tubuh seperti mast sel, eosinophils, dan T-lymphosytes terhadap stimulus
tertentu dan menimbulkan gejala dyspnea, whizzing, dan batuk akibat obstruksi jalan napas yang
bersifat reversibel dan terjadi secara episodik berulang [3].
Asma adalah suatu penyakit dengan adanya penyempitan saluran pernapasan yang berhubungan
dengan tanggap reaksi yang meningkat dari trakea dan bronkus berupa hiperaktivitas otot polos
dan inflamasi, hipersekresi mukus, endema dinding saluran pernapasan, deskuamasi epitel dan
infiltrasi sel inflamasi yang disebabkan berbagai macam rangsangan [1]
2.5 Alir Penelitian
Diagram alir yang digunakan dalam penelitian ini dapat dilihat pada gambar dibawah ini :

4
 Gambar 1 Diagram Alir Penelitian

Gambar menjelaskan tentang alir penelitian yang digunakan penulis hingga penulisan selesai.
1. Identifikasi Masalah
Identifikasi masalah merupakan tahap awal dari penelitian ini. Pada tahap ini memahami
masalah-masalah yang ada dalam ruang lingkup tugas akhir yang sedang dikerjakan.
Masalah yang di hadapi adalah membuat sistem pakar yang sesuai dengan kebutuhan dan
bagaimana mengimplementasikan metode Dempster Shafer untuk mendiagnosa penyakit
paru-paru
2. Pengumpulan Data
Pengumpulan data adalah mengumpulkan bahan bahan yang diperlukan dalam
penyusunan tugas akhir ini. Teknik pengumpulan data yang digunakan adalah observasi,
wawancara dan studi pustaka.
a. Wawancara
Pada pembuatan sistem ini, pengumpulan data dilakukan melalui wawancara dengan
ahli pakar yaitu dokter spesialis paru yang bekerja di RSUD Kardinah Tegal.
b. Studi Pustaka
Studi pustaka dengan cara mencari, mengumpulkan, mempelajari, menganalisis serta
memahami literature, seperti buku, artikel, dokumen, dan sistem yang ada dan lumrah
yang dapat membantu dalam penyelesaian tugas akhir. Penulis mengumpulkan teori
dan pustaka yang berkaitan dengan Sistem Pakar, Penyakit Pada Paru-paru dan
pemahaman tentang Metode Dempster Shafer.
3. Analisis Sistem
Penulis melakukan identifikasi proses sistem berjalan dan sistem kebutuhan. Penulis
juga melakukan identifikasi informasi yang dibutuhkan untuk membangun sistem yang
diusulkan untuk dapat memahami apa yang diperlukan terhadap fungsi-fungsi yang
dibutuhkan.
Pada bagian ini analisis dilakukan terhadap data dan permasalahan yang telah
dirumuskan.kemudian merancang sebuah sistem yang dapat menjawab permasalahan dan
kendala yang ada. Adapun analisis yang dilakukan adalah:
a. Analisis Sistem Berjalan
Pada tahap ini penulis melakukan analisis sesuai dengan sistem yang telah berjalan di
RSUD Kardinah Tegal. Dengan mempelajari sistem berjalan sekarang dapat melihat
kelemahan atau kebutuhan dari sistem yang berjalan.
b. Analisis Sistem Usulan

5
 Di tahap ini penulis melakukan analisis sistem usulan yang akan diusulkan dan
merancang bagaimana sistem usulan tersebut.
c. Analisis Kebutuhan
Pada tahap ini penulis melakukan analisis kebutuhan apa saja yang diperlukan untuk
pembuatan aplikasi sistem pakar diagnosa penyakit paru.
2. Perancangan Aplikasi
Pada tahap perancangan sistem, penulis mendefenisikan apa yang diperlukan dari
kebutuhan sistem. Mulai dari perancangan UML, database, interface, mesin inferensi, dan
basis pengetahuan.
3. Pengujian Sistem
Pada tahap ini aplikasi yang telah dibuat akan diuji. Pengujian aplikasi menggunakan
metode pengujian black box dan akurasi sistem.
4. Penulisan Laporan
Tahapan terakhir yang dilakukan penulis yaitu melakukan penulisan laporan. Tahapan ini
merupakan tahapan akhir, yaitu pembahasan dari hasil analisis yang telah dikerjakan.

3. HASIL DAN PEMBAHASAN

3.1 Basis Pengetahuan
Hal yang pertama kali dilakukan dalam membangun sistem pakar adalah membuat struktur
basis pengetahuan. Basis pengetahuan merupakan kumpulan-kumpulan fakta. Beberapa struktur
basis pengetahuan pada sistem pakar ini adalah sebagai berikut:
a. Basis Pengetahuan Gejala
Tabel 1 Basis Pengetahuan Gejala
Kode Gejala Bobot
Gejala
G01 Nyeri otot 0,5
G02 Pernapasan lewat mulut 0,7
G03 Napas cepat 0,5
G04 Lemah 0,5
G05 Riwayat asma pada keluarga positif 0,5
G06 Batuk > 3 minggu 0,8
G07 Batuk berdarah 0,5
G08 Batuk berdahak 0,7
G09 Batuk kering 0,25
G10 Sesak napas 0,8
G11 Sesak napas dipicu oleh keadaan 0,5
tertentu
G12 Perut terasa sakit 0,5
G13 Kaki/tungkai bawah bengkak 0,5
G14 Bibir/kuku kebiruan 0,7
G15 Berat badan turun drastis 0,25
G16 Tenggorokan sakit 0,5
G17 Pernapasan sering tersengal-sengal 0,5

6
 G18 Suara pernapasan wheezing/mengi 0,8
G19 Leher bengkak 0,5
G20 Sakit kepala 0,5
G21 Nafsu makan turun 0,25
G22 Nyeri dada 0,5
G23 Demam > 3 minggu 0,8
G24 Demam menggigil 0,8
b. Basis Pengetahuan Penyakit
Tabel 2 Basis Pengetahuan Penyakit
Penyakit Kode Penyakit
Pneumonia P01
Tuberkulosis (TB) P02
Bronkopneumonia P03
PPOK P04
Asma P05

c. Basis Pengetahuan Gejala Penyakit

Tabel 3 Basis Pengetahuan Gejala Penyakit
Gejala Penyakit
P01 P02 P03 P04 P05
G01 *
G02 *
G03 *
G04 * * *
G05 *
G06 * *
G07 *
G08 * * * *
G09 * * *
G10 * * * *
G11 *
G12 *
G13 *
G14 * * *
G15 * *
G16 *
G17 *
G18 * *
G19 *
G20 * *
G21 * *

7
 G22 * * * * *
G23 *
G24 * * *
Solusi S01 S02 S03 S04 S05
d. Basis Pengetahuan Solusi
Tabel 4 Basis Pengetahuan Solusi
Kode Solusi Solusi
S01 Diberikan oksigen
Dilakukan perileksasian
Buat posisi badan setengah duduk (semi fowler)
Segera dirujuk ke rumahsakit terdekat
Diberikan obat Pneumonia sesuai dengan resep dokter.
S02 Diberikan oksigen
Dilakukan perileksasian
Buat posisi badan setengah duduk (semi fowler)
Segera dirujuk ke rumahsakit terdekat
Dilakukan pemeriksaan lanjutan di rumahsakit berupa tes dahak
dan fotorontgen
Diberikan obat TB sesuai dengan resep dokter.
S03 Diberikan oksigen
Dilakukan perileksasian
Buat posisi badan setengah duduk (semi fowler)
Segera dirujuk ke rumahsakit terdekat
Diberikan Bronkodilator, Antibiotik, bila perlu Kortikosteroid
sesuai dengan resep dokter.
S04 Diberikan oksigen
Dilakukan perileksasian
Buat posisi badan setengah duduk (semi fowler)
Segera dirujuk ke rumahsakit terdekat
Diberikan Bronkodilator, Antibiotik, bila perlu Kortikosteroid
sesuai dengan resep dokter.
S05 Diberikan oksigen
Dilakukan perileksasian
Buat posisi badan setengah duduk (semi fowler)
Segera dirujuk ke rumahsakit terdekat
Diberikan Bronkodilator atau Nebulizer, bila perlu
Kortikosteroid, serta obat-obatan lain sesuai dengan resep
dokter.
e. Basis Pengetahuan Solusi Penyakit
Tabel 5 Basis Pengetahuan Solusi Penyakit
Penyakit Kode Penyakit Solusi
Pneumonia P01 S01
Tuberkulosis (TB) P02 S02
Bronkopneumonia P03 S03
PPOK P04 S04
Asma P05 S05
3.2 Hasil dan Pembahasan Metode Dempster Shafer
Dalam penelitian ini, metode yang digunakan untuk perhitungan adalah metode Dempster Shafer.
Gambar 3.49 menunjukkan alur kerja dari metode Demspter Shafer.

8
 Gambar 2 Flowchart metode Dempster Shafer

Penjelasan flowchart metode Dempster Shafer

1. Langkah pertama untuk melakukan perhitungan adalah dengan menentukan gejala awal yang
disimbolkan sebagai G1 (gejala pertama) dan densitas (disimbolkan sebagai m) m adalah
probabilitas fungsi densitas.
2. Kemudian melakukan perhitungan plausibility yaitu m(ᴓ) = 1 - m1(X)
3. Jika gejala hanya satu maka pasien terdiagnosa penyakit X dengan nilai probabilitas adalah
hasil dari perhitungan m(ᴓ) = 1 - m1(X) dan proses selesai.
4. Jika gejala lebih dari satu, maka gejala kedua dinotasikan sebagai G2 dan densitas G2 sebagai
m2(X).
5. Andaikan diketahui X adalah subset dari ᴓ, dengan m1 sebagai fungsi densitasnya, dan Yjuga
merupakan subset dari ᴓ dengan m2 sebagai fungsi densitasnya, maka dapat membentuk fungsi

kombinasi m1 dan m2 sebagai m3, yaitu :

6. Jika gejala belum habis maka lakukan iterasi selanjutnya
7. Jika gejala sudah habis maka lihat apakah fungsi kombinasi m1 dan m2 bernilai beda atau tidak.
8. Jika iya maka penyakit tidak diketahui dan proses selesai.
9. Jika tidak maka lihat mana penyakit yang memiliki nilai densitas terbesar dan proses selesai.
Contoh Perhitungan Metode Dempster Shafer
Diketahui pasien memiliki gejala-gejala sebagai berikut : demam menggigil, sesak napas
dipicu oleh keadaan tertentu, nyeri dada. Dari faktor gejala-gejala yang ditimbulkan oleh pasien
tersebut, bahwa pasien mengalami gejala G024, G22, G11. Hasil penelusuran hitungan secara
manual adalah sebagai berikut :
a. Gejala 1 adalah demam menggigil (G24)
Gejala 1 berpengaruh pada penyakit P01, P02, P03
Maka : m1 {P24} = 0,8
m1 {ᴓ} = 0,2
b. Gejala 2 adalah nyeri dada (G22)
Gejala 2 berpengaruh pada penyakit P01, P02, P03, P04, P05
Maka : m2 {P01, P02, P03, P04, P05} = 0,5
m2 {ᴓ} = 0,5
Dengan munculnya 2 gejala yaitu demam menggigil dan nyeri dada, maka harus dilakukan
penghitungan densitas baru untuk beberapa kombinasi (m 3). Untuk memudahkan perhitungan maka
himpunan-himpunan bagian yang terbentuk dimasukkan ke dalam tabel. Kolom pertama diisi

9
 dengan gejala yang pertama (m1). Sedangkan baris pertama diisi dengan gejala yang kedua (m 2).
Sehingga diperoleh kombinasi m3 sebagai hasil kombinasi m1 dan m2
Tabel 6 Kombinasi Gejala 1,2

Gejala 1,2 m2 {P01, P02, P03, P04, P05} = 0,5 m2 {ᴓ} = 0,5
m1 {P01, P02, P03} = 0,8 {P01, P02, P03} = 0,4 {P01, P02, P03} =
0,4
m1 {ᴓ} = 0,2 {P01, P02, P03, P04, P05} = 0,1 {ᴓ} = 0,1
Selanjutnya menghitung kombinasi m3 yaitu kombinasi antara gejala satu dan gejala dua :
(0,4+ 0,4)
m3 { P01, P02, P03} = =0,8
1−0
0,1
m3 {P01, P02, P03, P04, P05} = =0,1
1−0
0,1
m3 {ᴓ} = =0,1
1−0
c. Gejala 3 adalah sesak napas dipicu oleh keadaan tertentu
Gejala 3 berpengaruh pada penyakit P05
Hasil dari aturan kombinasi m 3 digunakan untuk menghitung kenbali adanya gejala baru yaitu
gejala sesak napas dipicu oleh keadaan tertentu dengan fungsi densitas m 4 dengan membuat
aturan kombinasi baru dengan fungsi m5
Maka m4 { P05} = 0,5
m4 {ᴓ} = 0,5
Dengan munculnya 3 gejala yaitu demam menggigil, nyeri dada, dan sesak napas dipicu
keadaan tertentu, maka harus dilakukan penghitungan densitas baru untuk beberapa kombinasi (m 5).
Untuk memudahkan perhitungan maka himpunan-himpunan bagian yang terbentuk dimasukkan ke
dalam tabel. Kolom pertama diisi dengan kombinasi pertama (m 3). Sedangkan baris pertama diisi
dengan gejala yang tiga (m4). Sehingga diperoleh kombinasi m5 sebagai hasil kombinasi m3 dan m4
Tabel 7 Kombinasi Gejala 1,2,3

Gejala 1,2,3 { P05} = 0,5 {ᴓ} = 0,5

{P01, P02, P03} = 0,8 {ᴓ} = 0,4 {P01, P02, P03} = 0,4
{P01, P02, P03, P04, P05} {P05 } = 0,05 {P01, P02, P03, P04,
= 0,1 P05} = 0,05
{ᴓ} = 0,1 { P05} = 0,05 {ᴓ} = 0,05
Selanjutnya menghitung kombinasi m5 yaitu kombinasi antara gejala 3 dan m3 :
0,4
m5 {P01, P02, P03} = =0,667
1−0,4
0,05
m5 {P01, P02, P03, P04, P05} = =0,083
1−0,4
( 0,05+ 0,05 )
m5 {P05} = =0,167
1−0,4
0,05
m5 {ᴓ} = =0,083
1−0,4
Dari hasil perhitungan manual dengan Metode Dempster Shafer menunjukkan nilai densitas
yang paling kuat atau yang tertinggi yaitu {P01, P02, P03} yaitu sebesar 0,667 dengan
kemungkinan 3 penyakit yaitu Pneumonia, TB atau Bronkopneumonia. Hasil dari pengujian ini
menghasilkan lebih dari satu penyakit dikarenakan kemungkinan nilai bobot dari suatu gejala sama
dengan gejala yang lain, selain itu bisa juga disebabkan karena gejala yang dipilih tidak hanya
muncul pada satu penyakit

10
 3.3 Hasil Pengujian Akurasi
Pengujian akurasi dilakukan untuk mengetahui performa dari sistem pakar untuk memberikan
hasil diagnosa kesimpulan penyakit paru-paru yang diderita user. Data yang diuji berjumlah 9 sampel
data analisis pakar. Hasil yang diperoleh dari perhitungan sistem pakar, dicocokan dengan hasil
analisa dari pakar. Hasil pengujian akurasi sitem pakar dari 9 sampel yang telah diuji ditunjukkan
pada tabel berikut :
Tabel 8 Perbandingan Diagnosa Dokter dan Sistem

Diagnosa
No Nama Keterangan
Dokter Sistem
1. Susanti Status Asmatikus Asma Sesuai
2. Hermawan TBC Paru Bronkopneumonia Tidak Sesuai
3. Rusbad Asma PPOK Tidak Sesuai
4. Dedi WIbowo Sekuele tuberkulosis Tuberkulosis, PPOK Sesuai
5. Gatot PPOK PPOK Sesuai
6. Darto PPOK PPOK Sesuai
7. Mujiono Asma Bronkopneumonia Tidak Sesuai
8. Darma TBC Tuberkulosis, Sesuai
Pneumonia,
Bronkopneumonia
9. Roipah TBC Paru Tuberkulosis Sesuai
Berdasarkan tabel pengujian diatas dilakukan pengujian akurasi dengan 9 sampel data
menghasilkan nilai akurasi sesuai perhitungan berikut :
Jika dihitung probabilitasnya, akan diperoleh
Jumlah Data Akurat
Nilai Akurasi = x 100
Jumlah Seluruh Data
6
Nilai Akurasi = x 100 = 66,67 %
9
3
Nilai Tidak Akurat = x 100 = 33,33 %
9
Jadi dapat disimpulkan bahwa akurasi sistem pakar berdasarkan 9 sampel data yang diuji
adalah 66,67% yang menunjukkan bahwa sistem pakar ini berfungsi cukup baik sesuai dengan
diagnosa pakar. Sedangkan, untuk nilai ketidak akurasian sistem pakar ini adalah 33,33% yang
disebabkan karena beberapa kemungkinan yang diantaranya adalah kesalahan dalam pemberian nilai
bobot gejala untuk setiap penyakit, kesalahan menerapkan perhitungan metode atau kesalahan
memasukkan basis pengetahuan gejala dan penyakit.
.
3.4 Hasil Pengujian Terhadap User
Pengujian terhadap user dilakukan menggunakan kuisioner yang telah dijawab oleh 9 responden.
Responden sendiri adalah pasien paru-paru yang berobat di RSUD Kardinah. Hasil dari kuisioner
tersebut diolah dengan perhitungan skala likert, sehingga memperolehan nilai persentase rata-rata dari
ketujuh pertanyaan yang diajukan dalam kuisioner sebesar 63,32%. Ketujuh pertanyaan yang
diajukan meliputi tingkat kemudahan mengakses aplikasi, tampilan aplikasi, informasi yang disajikan
dalam aplikasi, kemanfaatan untuk diagnosa secara dini, kegunaan funngsi menu-menu dalam
aplikasi, kemudahan mengoperasikan tiap menu, dan penilaian aplikasi secara keseluruhan.

3.5 Pembahasan
Pengumpulan data dilakukan dengan cara wawancara. Wawancara dilakukan kepada Dokter
Spesialis Paru di RSUD Kardinah Tegal. Data-data yang dikumpulkan melalui wawancara tersebut
diolah dan digunakan untuk membangun sistem. Informasi tersebut diantaranya: gejala, bobot gejala,
penyakit, solusi yang menghasilkan 5 klasifikasi penyakit dengan 24 gejala dan 5 solusi.

11
 Aplikasi sistem pakar diagnosa dini penyakit paru-paru menggunakan metode dempster shafer ini
dirancang untuk membantu pengguna/user dalam hal ini adalah masyarakat untuk mengetahui indikasi
penyakit yang dideritanya berdasarkan gejala yang dipilih, sehingga bias segera dilakukan
penanganan awal pada penyakit paru-paru tersebut. Dan sebagai Administrator adalah development
aplikasi yang dapat mengelola (menambah, melihat, menghapus, mengedit) data gejala, solusi,
penyakit.
Pada proses pengujian diterapkan metode dempster shafer sesuai dengan gejala yang dimasukkan.
Setiap gejala memiliki bobot dan hubungan dengan penyakit, setiap penyakit memiliki solusinya
masing-masing. Keterkaitan gejala, bobot gejala, penyakit inilah yang akan diproses oleh metode
dempster shafer untuk melihat nilai densitias terbesar mana yang akan terpilih. Setelah itu, maka
keluarannya berupa hasil penyakit sesuai densitas yang paling besar serta solusi dari penyakit
tersebut.
Kelebihan dari metode Dempster shafer ialah metode ini tidak monoton dan dapat digunakan
untuk mencari nilai yang tidak konsisten akibat adanya penambahan ataupun pengurangan fakta baru.
Sedangkan kelemahannya ialah penilaian bobot pada gejala yang diberikan oleh pakar pada satu
penyakit belum tentu sama dengan penyakit yang lain.
Pada pengujian aplikasi menggunakan metode blackbox, dari hasil yang didapat bahwa pengujian
fungsi-fungsi yang terdapat dalam aplikasi ini sesuai dengan kebutuhan dan mendapatkan
keberhasilan dengan persentase 100%. Serta hasil perhitungan dempster shafer pada aplikasi sesuai
dengan perhitungan dempster shafer secara manual. Untuk hasil pengujian yang menghasilkan lebih
dari satu penyakit disebabkan oleh kemungkinan adanya nilai bobot dari suatu gejala sama dengan
gejala yang lain, selain itu bisa juga disebabkan karena gejala yang dipilih tidak hanya muncul pada
satu penyakit.
Untuk pengujian akurasi yaitu dilakukan perbandingan antara hasil diagnosa sistem dengan
diagnosa dokter. Hasil pengujian akurasi didapatkan presentasi sebesar 66,67%

4. KESIMPULAN DAN SARAN

Aplikasi sistem pakar ini menggunakan hasil akuisisi pengetahuan dokter dan dibuat sebagai alat bantu
untuk diagnosa dini penyakit paru-paru. Informasi mengenai gejala dan peyakit berdasarkan pengetahuan
seorang pakar dilengkapi dengan bobot dan aturan akan dilakukan perhitungan di dalam sistem sehingga
menghasilkan hasil diagnosa awal penyakit yang dialami pengguna. Dengan akurasiyang didapatkan adalah
sebesar 66,67%. Metode Dempster Shafer berhasil digunakan untuk menghitung nilai pada penyakit paru-paru
berdasarkan perhitungan bobot probabilitas gejala yang dimasukkan. Keluaran sistem berupa hasil penyakit
yang dilengkapi dengan solusi dari penyakit. Hasil keluaran diagnosa bisa lebih dari satu yang bisa disebabkan
karena kemungkinan nilai bobot dari suatu gejala sama dengan gejala yang lain, selain itu bisa juga disebabkan
karena gejala yang dipilih tidak hanya muncul pada satu penyakit. Sehingga densitas tertinggi ada lebih dari satu
penyakit. Berdasarkan hasil analisa dan pengujian tugas akhir ini, penulis meberikan saran untuk
perbaikan dalam pengembangan penelitian dan aplikasi secara lebih lanjut, yaitu a plikasi ini dapat
diperluas ruang lingkup pembahasan jenis penyait yang didiagnosa, aplikasi ini dapat ditambahkan gejala dan
aturan untuk memperkuat diagnosa akhir, a plikasi ini diharap dapat diujicobakan dengan pakar (dokter
spesialis paru-paru) lain, untuk pengembangan kinerja aplikasi diagnosa penyakit paru-paru dapat
dilakukan penelitian dengan kasus yang sama tetapi menggunakan metode yang berbeda, sehingga
hasil dari penelitian dnegan metode yang berbeda dapat dibandingkan, aplikasi ini diharap dapat
ditambahkan fitur konsultasi, sehingga pengguna bisa melakukan konsultasi atau memberikan
pertanyaan secara online dengan dokter

5. DAFTAR PUSTAKA
[1] Alsagaff H., Mangunegoro H. 1993. Nilai Normal Faal paru Orang Indonesia pada Usia Sekolah
dan Pekerja Dewasa Berdasarkan Rekomendasi American Thoracic Society (ATS) 1987.
Surabaya : Airlangga University. pp : 26, 122-3
[2] Bennete. M. J. (2013). Pediatric Pneumonia. http://emedicine.medscape.com/article/967822-
overview.
[3] Brunner & sudarth. 2011. Keperawatan medikal bedah. Jakarta : EGC

12
[4] Darmanto, D. (2014). Respirology. Edisi 2. Jakarta. Penerbit Buku Kedokteran.
[5] Grace A. Pierce, Borley R. Nier. (2011). Ata Glace Ilmu Bedah Edisi 3. Pt Gelora Aksara Pratama
Jackson, D. (2014). Keperawatan Medikal Bedah edisi 1. Yogyakarta, Rapha Pubising
[6] Gyuton A.C. dan J.E. Hall (2007). Buku Ajar Fisiologi Kedokteran. Edisi 9. Jakarta : EGC
[7] Kusrini. 2006. Sistem Pakar Teori dan Aplikasi. Yogyakarta: Penerbit Andi.X
[8] Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu. Yogyakarta.
[9] Smeltzer, S. C. and Bare, B. G. 2008. Buku Ajar Keperawatan Medikal Bedah Brunner &
Suddarth. Edisi 8 Volume 2. Alih Bahasa H. Y. Kuncara, Monica Ester,Yasmin Asih, Jakarta :
EGC.
[10] Vestbo, J., Hurd, S. S., Agustí, A.,G., Jones, P. W., Vogelmeier, C., Anzueto, A., Rodriguez-
Roisin, R. (2013). Global strategy for the diagnosis, management, and prevention of chronic
obstructive pulmonary disease: GOLD executive summary. American Journal of Respiratory and
Critical Care Medicine, 187(4), 347-65.

13