Abstrak
Penyakit akibat gangguan saraf dapat dialami oleh siapa saja tanpa melihat latar belakang penderitanya.
Kurangnya pengetahuan tentang penyakit saraf mengakibatkan seseorang yang sudah mempunyai tanda
awal gejala penyakit tidak memperdulikannya. Jika hal ini terus dibiarkan akan mengakibatkan semakin
parahnya penyakit tersebut. Jenis penyakit akibat gangguan saraf bermacam-macam, diantaranya yaitu
stroke, epilepsi, meningitis, parkinson, vertigo, neuralgia trigeminal dan migrain. Salah satu cara yang
dapat dilakukan untuk mengatasi kurangnya pengetahuan mengenai penyakit gangguan saraf yaitu
menggunakan sistem pakar. Sistem pakar dapat digunakan untuk mendiagnosa suatu penyakit layaknya
seorang ahli karena sistem pakar mentransfer ilmu dari seorang ahli ke dalam suatu sistem. Penelitian ini
membangun aplikasi sistem pakar untuk mendiagnosa penyakit akibat gangguan saraf berbasis Android
yang fungsinya dapat mendeteksi gejala penyakit saraf secara dini sebelum terjadi komplikasi/penyakit
semakin parah. Jumlah penyakit gangguan saraf yang diteliti adalah sebanyak 7 jenis penyakit. Aplikasi
dapat digunakan oleh pengguna dimanapun dengan menggunakan koneksi internet/data. Metode yang
digunakan pada penelitian ini adalah metode Dempster Shafer. Metode ini menghitung tiap gejala yang
dipilih oleh pengguna dengan masing-masing gejala yang telah memiliki nilai densitas untuk mengetahui
jenis penyakit saraf yang diderita. Penentuan nilai densitas dari tiap gejala merupakan hasil wawancara
dengan dokter spesialis saraf.Tingkat keberhasilan dari aplikasi yang dibuat berdasarkan pengujian
dengan perbandingan rekam medis dari dua rumah sakit adalah 90.9%.
Kata kunci: Sistem Pakar, Dempster Shafer, Penyakit Gangguan Saraf, Android.
64
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 64-74 ISSN : 2338-493X
berbagai bidang, salah satunya dibidang 3) Menentukan jenis penyakit saraf yang
kesehatan untuk mendiagnosa suatu diderita berdasarkan dari data gejala
penyakit tertentu. Sistem pakar dapat yang ada sehingga kemungkinan satu
dimanfaatkan oleh yang membutuhkan yang gejala dapat mendukung lebih dari satu
bukan pakar untuk digunakan sebagai sarana jenis penyakit.
untuk mendiagnosa suatu penyakit dengan 4) Menghasilkan nilai densitas dari dokter
cepat dan murah dan sangat membantu jika spesialis saraf.
pada suatu daerah tidak terdapat tenaga 5) Membuat aplikasi Android dengan
medis/dokter. menggunakan web service.
Suatu aplikasi sistem pakar untuk
mendiagnosa penyakit telah dibuat oleh 1.3 Manfaat Penelitian
Wuryandari yaitu sistem pakar untuk Manfaat dari penelitian ini yaitu:
mendiagnosa penyakit Diabetes Militus 1) Manfaat dari penelitian dari segi
berbasis web. Metode yang digunakan pada fungsional dapat membantu dan
aplikasi adalah Dempster Shafer. Aplikasi mempermudah untuk mengetahui
ini dapat digunakan untuk menentukan nilai penyakit gangguan saraf pada
kemungkinan hasil diagnosa penyakit [1]. user/pasien.
Penelitian lain tentang sistem pakar 2) Manfaat dari segi penggunaan
dilakukan juga oleh Milandari yaitu sistem user/pasien dapat berkonsultasi dimana
pakar untuk mendiagnosa penyakit saraf dan kapan saja menggunakan
menggunakan visual basic. Pada penelitian Smartphone Android dan juga
ini digunakan Metode penalaran runut maju mempercepatmuntukmmengetahuimpe-
(forward chaining), namun pada sistem nyakit saraf apa yang diderita.
aplikasi ini tidak terdapat faktor kepastian
untuk menyatakan jenis peyakit yang paling 2. DASAR TEORI
mendekati berdasarkan gejala-gejala yang
ada [2]. 2.1 Kecerdasan Alami dan Kecerdasan
Berdasarkan hal-hal yang telah di Buatan
deskripsikan, maka dilakukan penelitian Manusia diciptakan oleh Tuhan Yang
yaitu membuat suatu aplikasi sistem pakar Maha Esa mempunyai kecerdasan yang
untuk mendiagnosa penyakit saraf dengan alami agar digunakan untuk melakukan hal-
menggunakan Metode Dempster Shafer. hal yang berguna dan bermanfaat bagi
Kemudian pada penelitian ini sistem akan kehidupan. Kecerdasan alami dari manusia
dirancang berbeda dari penelitian yang memiliki kemampuan untuk belajar dan
sebelumnya karena menggunakan sistem mengerti dari pengalaman, memahami pesan
operasi Android, yaitu sebuah sistem operasi yang kontradiktif dan ambigu, menanggapi
yang sangat banyak digunakan saat ini dengan cepat dan baik atas situasi yang baru,
karena tidak sulit digunakan sehingga menggunakan penalaran dalam
pengguna lebih mudah dalam memecahkan masalah serta
mengaksesnya. menyelesaikannya secara efektif [3].
Kecerdasan alami pada manusia
1.2 Tujuan Penelitian mempunyai sifat kreatif atau kemampuan
Tujuan dari penelitian ini yaitu: untuk menambah ataupun memenuhi
pengetahuan. Karena pengetahuan itu sangat
1) Menerapkan sistem pakar yang dapat melekat pada jiwa manusia. Kemudian,
mengetahui penyakit saraf pada manusia kecerdasan alami memungkinkan orang
berbasis Android dengan menggunakan untuk menggunakan pengalaman secara
rule-base Metode Dempster Shafer. langsung. Selain itu pemikiran manusia dari
2) Menghasilkan aplikasi sistem pakar kecerdasan alami dapat digunakan secara
untuk mendiagnosa penyakit gangguan luas. Kecerdasan alami yang dimiliki oleh
saraf sehingga dapat membantu manusia tidak dapat selamanya bertahan dari
masyarakat. kehidupan. Karena faktor usia dan keadaan
tertentu dapat membuat kecerdasan tersebut
65
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 64-74 ISSN : 2338-493X
akan hilang secara bertahap. Dari faktor Belief (Bel) adalah ukuran kekuatan
tersebut maka diperlukan sebuah kecerdasan evidence dalam mendukung suatu himpunan
buatan, karena kecerdasan buatan dapat proposisi. Jika bernilai 0 maka
menyimpan kecerdasan alami dari manusia mengindikasikan bahwa tidak ada evidence,
agar dapat terus digunakan dengan cara dan jika bernilai 1 menunjukkan adanya
mentransfernya melalui sebuah program kepastian.
komputer. Kecerdasan buatan adalah Plausibility (Pl) adalah hal yang masuk akal
kawasan penelitian, aplikasi dan instruksi yang dinotasikan sebagai:
yang terkait dengan pemrograman komputer
Pl(s) = 1 – Bel(¬s) (1)
untuk melakukan sesuatu hal yang dalam
pandangan manusia adalah cerdas [4]. Plausibility akan mengurangi tingkat
Tujuan utama dari kecerdasan buatan adalah kepercayaan dari evidence. Plausibility juga
membuat mesin menjadi lebih pintar, dapat bernilai 0 sampai 1. Jika kita yakin akan ¬s,
membuat mesin yang lebih berguna yaitu maka dapat dikatakan bahwa Bel(¬s)=1, dan
bermanfaat bagi kehidupan manusia, serta Pl(¬s)=0. Pada teori Dempster Shafer kita
dari segi ilmiah dapat memahami tentang mengenal adanya frame of discernment yang
apa itu kecerdasan. dinotasikan dengan θ. Frame ini merupakan
semesta pembicaraan dari sekumpulan
2.2 Sistem Pakar hipotesis. Pada teori Dempster Shafer
terdapat mass function yaitu tingkat
Sistem pakar merupakan cabang dari
kepercayaan dari suatu evidence
artificial intelligence (AI) yang cukup tua
measure yang dinotasikan dengan (m).
karena sistem ini mulai dikembangkan pada
Andaikan diketahui X adalah subset dari θ,
pertengahan 1960. Sistem pakar yang
dengan m1 sebagai fungsi densitasnya, dan
muncul pertama kali adalah General
Y juga merupakan subset dari θ dengan m2
Purpose Solver (GPS) yang dikembangkan
sebagai fungsi densitasnya, maka kita dapat
oleh Newel dan Simon. Sampai saat ini
membentuk fungsi kombinasi m1 dan m2
sudah banyak sistem pakar yang dibuat,
sebagai m3 untuk mengatasi
seperti MYCIN untuk diagnosis penyakit,
sejumlah evidence pada teori Dempster
DENDRAL untuk mengidentifikasi struktur
Shafer dengan menggunakan aturan yang
molekul campuran yang tak dikenal, XCON
lebih dikenal dengan Dempster’s Rule of
dan XSEL untuk membantu konfigurasi
Combination, yaitu [6]:
sistem komputer besar, SOPHIE untuk
∑𝑋∩𝑌=𝑍 𝑚1(𝑋).𝑚2(𝑌)
analisa sirkuit elektronik, Prospector 𝑀3 (Z) = (2)
1−𝑘
digunakan di bidang geologi untuk
membantu mencari dan menemukan deposit,
Dimana k = ∑𝑋∩𝑌=⏀ 𝑚1(𝑋). 𝑚2(𝑌)
FOLIO digunakan untuk membantu
memberikan keputusan bagi seorang Dengan:
manager dalam stok dan investasi, DELTA m1 (X) adalah mass
dipakai untuk pemeliharaan lokomotif listrik function dari evidence X
diesel, dan sebagainya. m2 (Y) adalah mass
Tujuan seseorang yang bukan pakar function dari evidence Y
menggunakan sistem pakar adalah untuk m3(Z)adalah mass
meningkatkan kemampuan pemecahan function dari evidence Z
masalah, sedangkan seorang pakar k adalah jumlah conflict evidence
menggunakan sistem pakar bertujuan untuk
bantuan pengetahuan [5]. 2.4 Penyakit Gangguan Saraf
Saraf merupakan salah satu bagian
2.3 Teori Dempster Shafer
yang paling terpenting dari organ manusia
Secara umum teori Dempster Shafer yang terdiri dari jutaan sel serabut yang
ditulis dalam suatu interval: saling terhubung. Ibarat sebuah robot yang
[Belief,Plausibility] terdiri dari banyak kabel-kabel yang
berfungsi untuk menggerakan,
66
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 64-74 ISSN : 2338-493X
67
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 64-74 ISSN : 2338-493X
P5
P6
P7
0.4
0.4
0.4
…
…
…
68
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 64-74 ISSN : 2338-493X
Lanjutan Tabel 2. Sebagian Nilai Densitas sistem pakar ini adalah use case diagram,
dari Gejala Terhadap Penyakit class diagram, sequence diagram dan
activity diagram
Kode Penyakit
4.4.1 Use Case Diagram
P1
P2
P3
P4
P5
P6
P7
Gambar 1 adalah use case diagram
G33
0.5
Keterangan:
P1,P2,P3,P4,P5 adalah nama penyakit
masing-masing yaitu epilepsi, meningitis,
neuralgia trigeminal, parkinson, stroke,
migrain, dan vertigo.
Sedangkan G01, G02, G03, s/d G32. G33,
G35 adalah nama gejala masing-masing
yaitu kejang, muntah, menggigil, mulut
mengecap-ngecap, terdapat bercak/bintik
merah pada kulit dan gangguan tidur
Gambar 1. Use Case Diagram Aplikasi
4.3 Perancangan Antarmuka
Perancangan antarmuka ini bertujuan 4.4.2 Activity Diagram
untuk memudahkan dalam merancang Gambar 2 adalah activity diagram
aplikasi yang akan dibuat untuk menentukan diagnosa dari aplikasi sistem pakar untuk
tahap pembuatan aplikasi seperti misalnya mendiagnosa penyakit gangguan saraf
tata letak menu dan tombol agar tampak dengan metode Dempster Shafer berbasis
lebih baik dan terstruktur sesuai dengan Android.
kebutuhan untuk mempermudah user dan
admin dalam menggunakan sistem aplikasi.
Dalam perancangan antarmuka ini
dibedakan menjadi dua user:
1. Perancangan antarmuka untuk user
yaitu menu yang akan digunakan oleh
pengguna/pasien untuk menggunakan
aplikasi ini dalam hal mendiagnosa
penyakit gangguan saraf pada
Smartphone Android.
2. Perancangan antarmuka untuk
administrator yaitu admin yang
bertindak untuk melakukan pengolahan Gambar 2. Activity Diagram User Untuk
data-data dalam aplikasi sistem pakar Mulai Diagnosa
seperti.menambah/mengubah/menghap 4.4.3 Sequence Diagram
us data.
Gambar 3 adalah sequence
4.4 Perancangan UML(Unified Modeling diagram diagnosa dari aplikasi sistem
language) pakar untuk mendiagnosa penyakit
Adapun diagram-diagram UML yang gangguan saraf dengan metode
digunakan dalam perancangan aplikasi Dempster Shafer berbasis Android.
69
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 64-74 ISSN : 2338-493X
5. PENGUJIAN DAN
IMPLEMENTASI
5.1 Pengujian Halaman Admin
70
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 64-74 ISSN : 2338-493X
admin. Data yang telah dimasukan dapat banyaknya gejala yang dipilih dan hasilnya
dihapus, ditambah, dan diubah oleh admin akan ditampilkan berdasarkan nilai
kemungkinan yang paling besar.
5.2 Pengujian Aplikasi
Pengujian aplikasi ini bertujuan untuk c. Menu Indeks Penyakit
mengetahui berfungsinya aplikasi yang
sudah dipasang pada smartphone Android
sesuai dengan yang diharapkan. Setelah
aplikasi terpasang pada smartphone
android, user bisa langsung membuka
aplikasi dengan cara mengkliknya.
a. Menu Utama Aplikasi
Menu utama adalah tampilan awal
ketika user mulai membuka aplikasi. Pada
tampilan utama aplikasi terdapat 4 pilihan Gambar 9. Halaman Indeks Penyakit
menu yaitu diganosa, indeks penyakit, Indeks penyakit merupakan informasi
tentang aplikasi, dan keluar. Tampilan singkat mengenai jenis penyakit yang
utama aplikasi dapat dilihat pada gambar 7 terdapat di dalam aplikasi, user tinggal
mengklik menu indeks penyakit maka nama
penyakit dan deskripsinya akan muncul.
Terdapat tujuh jenis penyakit dalam aplikasi
yaitu epilepsi, meningitis, stroke, parkinson,
migrain, neuralgia trigeminal, dan vertigo.
Tampilan indeks penyakit dapat dilihat pada
gambar 9.
71
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 64-74 ISSN : 2338-493X
Perhitungan Sistem
data hasil pengujian sistem. Data yang
Penyakit Hasil
Rekam Medis
Keterangan
digunakan untuk pengujian aplikasi berasal
Medis
No
dari dokter spesialis saraf yang sama dengan Nama Gejala
dokter spesialis saraf di RSUD. DR.
Soedarso. Jumlah data adalah sebanyak 20
data, pada tabel tersebut terlihat bahwa hasil
pengujian 100% sama dengan data rekam Sulit
medis. menelan/mengunyah
Tabel 4 merupakan tabel Keluar air liur sendiri
perbandingan data rekam medis yang
Parkinson
Parkinson
Mudah lelah/lemas
569797
Sama
berasal dari RSUD. Sultan Syarif Mohamad
Alkadrie dengan data hasil pengujian sistem. Tremor/gemetar
Data yang digunakan untuk pengujian Kaku anggota gerak
tubuh
aplikasi berasal dari dokter spesialis saraf Gangguan
yang berbeda dengan dokter spesialis saraf penglihatan
di RSUD. DR. Soedarso. Jumlah data adalah Gangguan pernafasan
sebanyak 22 data, pada tabel tersebut terlihat
Muntah
bahwa hasil pengujian 81.8% karena
terdapat 4 hasil yang berbeda. Keringat Dingin
984044
Stroke
Stroke
Sama
Berdasarkan dari hasil pengujian Mudah lelah/lemas
dua tabel rekam medis dari dua rumah sakit Kelemahan/kesemuta
yang berbeda maka dapat dihasilkan bahwa n satu sisi tubuh
Gangguan
tingkat keberhasilan sistem secara umum
100%+81.8% keseimbangan
adalah = 90.9%. Demam
2
Menggigil
Meningitis
Sama
Aplikasi dengan Data Hasil Rekam Medis
Sakit kepala
RSUD. Dr. Soedarso
hebat/berputar
Tidak nafsu makan
Penyakit Hasil Rekam
Perhitungan Sistem
Penyakit Hasil
Mual
Rekam Medis
Keterangan
Medis
No
Nama Gejala
Tabel 4. Sebagian Perbandingan Hasil Pengujian
Aplikasi dengan Data Hasil Rekam
MedisRSUD. Sultan Syarif Mohamad Alkadrie
Kejang
Penyakit Hasil Rekam
Perhitungan Sistem
Penyakit Hasil
Rekam Medis
Mual
Meningitis
Meningitis
Keterangan
983387
Sama
Medis
Mudah lelah/lemas
No
Nama Gejala
Gangguan
keseimbangan
Gangguan pernafasan
Nyeri wajah
Nyeri Leher
905596
Nyeri otot/persendian
005640
72
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 64-74 ISSN : 2338-493X
Perhitungan Sistem
tidak ada memilih gejala spesifik
Penyakit Hasil
Rekam Medis
Keterangan
Medis
menghasilkan diagnosa yang kurang
No
Nama Gejala
tepat.
3. Aplikasi Android dapat terhubung
dengan database PHP menggunakan
Web Service sebagai perantara untuk
Gangguan mendapatkan data penyakit berdasarkan
keseimbangan gejala yang dipilih pengguna pada
Gangguna Pernafasan aplikasi Android.
Sulit Berjalan
4. Hasil pengujian aplikasi dilakukan
dengan menggunakan data rekam medis
Kaku Anggota Gerak 2 rumah sakit yaitu RSUD. DR.
Nyeri Leher Soedarso sebesar 100% dan RSUD.
Parkinson
Parkinson
002454
Tremor
81.8% dengan rata-rata 90.9%.
Gangguan
Keseimbangan 6.1 Saran
Sakit Kepala Berikut adalah saran dari penulis agar
Nyeri kedepannyya aplikasi ini bisa lebih baik
Epilepsi
Epilepsi
Otot/Persendian lagi:
Sama
000664
Stroke
Stroke
Sama
Pusing/Pening
DAFTAR PUSTAKA
Nyeri
Otot/Persendian [1] Wuryandari, Aryati. 2013. Aplikasi
sistem Pakar Untuk Diagnosa Penyakit
Diabetes Melitus Menggunakan Metode
6. KESIMPULAN DAN SARAN Dempster Shafer. MAGISTRA. Vol 25,
No 85.
6.1 Kesimpulan
Berikut adalah kesimpulan yang dapat di [2] Milandari, Ayusnia Peypit. 2010.
uraikan : Sistem Pakar Untuk Mendiagnosa
Penyakit Saraf. AMIKOM. Vol 5, No 1.
1. Hubungan antara gejala dengan
penyakit yang diderita yaitu dengan [3] Kusrini. 2006. Sistem Pakar Teori Dan
menghitung nilai densitas yang muncul, Aplikasi. Yogyakarta: Andi.
semakin tinggi nilai densitas maka
73
Jurnal Coding, Sistem Komputer Untan
Volume 04, No.3 (2016), hal. 64-74 ISSN : 2338-493X
74