PROPOSAL SKRIPSI

PENERAPAN METODE CERTAINTY FACTOR DAN FORWARD

CHAINING UNTUK DIAGNOSA AWAL PENYAKIT GINJAL

Disusun Oleh :

Nama : Rivan Dwi Purnama Putra

NIM : 13.5.00178

Program Studi : Teknik Informatika

Jenjang Pendidikan : Strata 1

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER

SINAR NUSANTARA

SURAKARTA

2019
 PERSETUJUAN PROPOSAL SKRIPSI

Nama Pelaksana Skripsi : Rivan Dwi Purnama Putra

Nomor Induk Mahasiswa : 13.5.00178
Program Studi : Teknik Informatika
Jenjang Pendidikan : Strata 1
Judul Skripsi : Penerapan Metode Certainty Factor dan Forward
Chaining untuk Diagnosa Awal Penyakit Ginjal
Dosen Pembimbing 1 : Dr. Ir. Muhammad Hasbi, M.Kom.
Dosen Pembimbing 2 : Wawan Laksito, S.Si, M.Kom

Surakarta, Juli 2018

Menyetujui,

Dosen Pembimbing I Dosen Pembimbing II

(Dr. Ir. Muhammad Hasbi, M.Kom. ) (Wawan Laksito, S.Si, M.Kom)

Mengetahui,

Ketua STMIK Sinar Nusantara

( Kumaratih Sandradewi, S.P, M.Kom )

2
I. LATAR BELAKANG

Ginjal merupakan salah satu organ penting dalam tubuh, Setiap

hari kedua ginjal menyaring 120-150 liter darah dan memproduksi 1-2 liter

air seni (urine). Gangguan pada ginjal akan mempengaruhi kinerja tubuh

dalam mencuci darah, zat sisa limbah tubuh dan cairan yang menumpuk di

dalam tubuh akan menyebabkan gejala berupa pembengkakan, mual,

muntah, lemas, dan sesak nafas. Penyakit ginjal dapat di derita oleh siapa

saja dan tidak memandang usia, (Global Burden of Disease, 2010) penyakit

ginjal kronis merupakan peringkat ke-27 penyebab kematian di dunia pada

tahun 1990 dan mengalami peningkatan menjadi urutan ke-18 pada tahun

2010.

Hasil riset oleh Badan Penelitian dan Pengembangan Kesehatan

menunjukkan bahwa prevalensi penyakit gagal ginjal di Indonesia sebesar

0,2% atau 2 per 1000 penduduk, sekitar 60% penderita gagal ginjal tersebut

harus menjalani terapi dialisis. Prevalensi penyakit gagal ginjal tertinggi

terdapat di Provinsi Sulawesi Tengah sebesar 0,5% (Riskesdas, 2013).

Dari sisi pembiayaan kesehatan, data Badan Penyelenggara

Jaminan Kesehatan (BPJS) tahun 2017 menunjukkan bahwa sebanyak

10.801.787 peserta jaminan kesehatan nasional (JKN) mendapat pelayanan

untuk penyakit Katastropik. Tahun 2016, penyakit ginjal kronis merupakan

penyakit katastropik kedua terbesar setelah penyakit jantung yang

menghabiskan biaya kesehatan sebesar 2,6 triliun rupiah (Depkes RI, 2018).

3
 Sebanyak 98% penderita gagal ginjal menjalani terapi

Hemodialisis dan 2% menjalani terapi Peritoneal Dialisis (PD). Penyebab

Penyakit Ginjal Kronis terbesar adalah nefropati diabetik (52%) dan

hipertensi (24%) (Indonesian Renal Registry, 2016). Penyakit ginjal dapat di

cegah dan di tanggulangi dan kemungkinan untuk mendapatkan terapi yang

efektif akan lebih besar jika di ketahui lebih awal.

Aplikasi sistem pakar untuk mendiagnosa penyakit ginjal ini

adalah suatu sistem yang terkomputerisasi untuk membantu masyarakat

awam dalam mendiagnosa penyakit ginjal yang mungkin di derita dan jenis

penyakitnya, sehingga dapat di lakukan langkah pengobatan awal di

pelayanan kesehatan terdekat untuk penanganan kesehatan lebih lanjut.

Aplikasi ini berbasis web, Sehingga sistem ini dapat di akses oleh

masyarakat luas secara online melalui internet dimana saja dan kapan saja.

Aplikasi ini menggunakan metode Certainty Factor dan Forward

Chaining untuk membantu mendiagnosa penyakit ginjal dengan

menentukan indikasi-indikasi pendukungnya sesuai dengan gejala-gejala

yang di alami oleh pasien dan dapat menentukan persentasi penyakit yang

mungkin diderita sehingga dapat digunakan sebagai acuan untuk langkah

tindakan medis selanjutnya.

Sebelumya sudah pernah dilakukan beberapa penelitian yang

menyangkut dengan metode yang serupa, diantaranya :

Dody Teguh Yuwono, Abdul Fadlil, Sunardi. Dengan judul Penerapan

Metode Forward Chaining dan Certainty Factor Pada Sistem Pakar

Diagnosa Hama Anggrek Coelogyene Pandurata Berdasarkan hasil

4
 pengujian maka diperoleh presentase 93,0736% dari sistem dibandingkan

dengan pakar.

Rahmi Ras Fanny, Nelly Astuti Hasibuan, Efori Buulolo. Dengan judul

Perancangan Sistem Pakar Diagnosa Penyakit Asidosis Tubulus Renalis

Menggunakan Metode Certainty Factor Dengan Penelusuran Forward

Chaining. Berdasarkan hasil pengujian yang telah dilakukan dalam

penelitian ini memiliki persentase tingkat keyakinan 85%.

II. PERUMUSAN MASALAH

Dari uraian di atas dapat di rumuskan permasalahan yang

ditimbulkannya, yaitu :

1. Bagaimana mengklasifikasikan pembobotan gejala-gejala awal

penyakit ginjal menggunakan metode certainty factor.

2. Bagaimana penelusuran forward chaining menklasifikasikan

gejala sesuai dengan gejala awal penyakit dan jenis penyakit

ginjal sebagai kesimpulan nya.

3. Bagaimana membuat atau membangun suatu sistem untuk

mendiagnosa awal penyakit pada ginjal dengan metode

Certainty Factor dan Forward Chaining.

5
III. PEMBATASAN MASALAH

Dari pemaparan di bagian latar belakang diatas dapat dijadikan

landasan untuk menentukan batasan masalah dalam penelitian yang akan

dilakukan. Adapun batasan tersebut sebagai berikut :

3.1 Gejala yang di analisa adalah gejala awal bukan gejala klinis.

3.2 Sistem ini di rancang hanya untuk mendiagnosis awal penyakit ginjal

dengan metode Certainty Factor dan Forward Chaining .

3.2 Sistem ini nantinya berbasis web yang dapat digunakan sebagai media

pembelajaran khususnya dalam mendiagnosis penyakit ginjal.

IV. TUJUAN SKRIPSI

Dengan membuat skripsi ini diharapkan dapat bermanfaat bagi semua

pihak, baik pihak akademi, mahasiswa maupun instansi terkait:

4.1 Bagi Akademi

Dapat melaksanakan sebagai dimensi intelektual yaitu pengabdian

kepada masyarakat dan untuk menambah koleksi wahana pustaka

sehingga menambah bahan perbandingan bagi mahasiswa yang akan

mengambil Skripsi.

4.2 Bagi Masyarakat

Dapat membantu masyarakat awan untuk mendeteksi awal penyakit

ginjal sehingga bisa di lakukan penanganan langkah medis selanjutnya.

6
V. MANFAAT SKRIPSI

Adapun manfaat dari penyusunan Skripsi diagnosa penyakit ginjal

dengan metode Certainty Factor dan Forward Chaining ini adalah sebagai

berikut :

5.1 Bagi STMIK Sinar Nusantara

Bagi STMIK Sinar Nusantara secara tidak langsung dapat

melaksanakan fungsinya sebagai pengabdian masyarakat. Manfaat yang

diperolah dari penelitian ini yaitu sebagai referensi perpustakaan,

program aplikasi yang dibuat dapat digunakan sebagai referensi oleh

dosen dalam kegiatan perkuliahan khususnya di STMIK Sinar

Nusantara.

5.2 Bagi Penulis

5.2.1 Dapat membuat sebuah aplikasi untuk mendiagnosa penyakit

ginjal berbasis web dengan metode Certainty Factor dan Forward

Chaining.

5.2.2 Dapat mengapikasikan selama menuntut ilmu dalam

perkulihaan terutama dalam aplikasi berbasis web dengan metode

Certainty Factor dan Forward Chaining.

5.3 Bagi Masyarakat

Dengan adanya aplikasi ini, masyarakat awam menjadi lebih mudah

dalam mendeteksi penyakit ginjal yang mungkin di derita beserta jenis

penyakitnya.

7
VI. METODE PENELITIAN

Metode penelitian sangat diperlukan untuk kesempurnaan sistem

yang penulis akan buat. Diperlukan metode-metode penelitian agar

diperoleh data yang tepat dan akurat, diantaranya adalah :

6.1 Sumber Data

6.1.1 Data Primer

Data primer merupakan data yang diambil secara langsung dari

objek penelitian oleh peneliti perorangan maupun organisasi.

Jenis data yang peneliti ambil berupa data sebagai berikut:

a. Gejala yang dialami pasien

b. Penyebab gejala muncul

c. Cara penanganan penyakit

6.1.2 Data Sekunder

Data sekunder itu merupakan data yang tidak diperoleh secara

langsung dari objek penelitian. Pengambilan data berupa data-

data yang sudah tersedia dan dapat diperoleh peneliti dengan

cara membaca, melihat dan mendengarkan.

6.2 Metode Pengumpulan Data

6.2.1 Metode Observasi

Pengamatan langsung kemudian kejadian ini dicatat dan

didokumentasikan sebagai data primer.

8
 6.2.2 Metode Wawancara

Melakukan tanya jawab dengan Dokter spesialis urologi dan

Dokter spesialis penyakit dalam.

6.2.3 Studi Pustaka

Membaca buku referensi tentang penyakit ginjal, metode

Certainty Factor dan Forward Chaining, atau majalah dan

sumber data lainnya yang berhubungan dengan masalah yang

diteliti seperti mencari referensi lewat perpustakaan daerah atau

toko buku.

6.2.4 Browsing Internet

Mencari artikel jurnal yang mengulas tentang metode yang

penulis gunakan atau masalah tentang bagaimana mendiagnosa

Penyakit ginjal dengan metode Certainty Factor dan Forward

Chaining.

6.3 Analisis Data

Analisa yang dilakukan melihat gejala dan penyebab penyakit

ginjal serta cara penanganannya.

Adapun tahapan dalam melakukan analisa sebagai berikut :

 Mencari data jenis penyakit ginjal.

Pada tahap ini dilakukan wawancara dengan dokter

spesialis urologi untuk mendapatkan data tentang

jenis-jenis penyakit ginjal dan gejala-gejala yang

biasa terjadi sesuai dengan jenis penyakitnya untuk

9
 kemudian dilakukan pembobotan menggunakan

metode Certainty Factor

 Mencari gejala penyakit ginjal.

Pada tahap ini di lakukan wawancara terhadap

dokter spesialis urologi dan mencari literatur di

dalam buku tentang gejala-gejala terhadap jenis

penyakit nya untuk di carai gejala mana saja yang

mempunyai ke khusus an terhadap jenis penyakit

tertentu untuk kemudian menjadi variabel dalama

penelusuran maju atau Forward Chaining.

 Memberikan cara penanganan penyakit ginjal tahap

awal.

Setelah ditentukan penyakit mana yang mungkin di

deritan oleh pasien, sistem akan memberikan saran-

saran tentang tahap awal penanganan yang harus di

lakukan, data ini di ambil dari wawancara dokter

spesialis urologi sehingga merupakan saaran

langsung dari dokter.

6.4 Metode Pengembangan Sistem

6.4.1 Perancangan sistem

Perancangan sistem dilakukan dengan cara UML (Unified

Modelling Language) yang berupa penggambaran, perencanaan

dan pembuatan dengan menyatukan beberapa elemen terpisah

ke dalam satu kesamaan yang utuh untuk memperjelas bentuk

10
 sebuah sistem. Ada beberapa jenis dari UML yang digunakan

diantaranya :

a. Use Case Diagram

Merupakan model diagam UML yang digunakan untuk

menggambarkan requirement fungsional yang diharapkan dari

sebuah sistem. Use case diagram menekan pada “siapa”

melakuka “apa” dalam lingkungan sistem perangkat lunak akan

dibangun.

b. Sequence Diagram

Sequence Diagram menjelaskan interaksi objek yang

berdasarkan urutan waktu, dan menggambarkan tahapan yang

harus dilakukan untuk dapat menghasilkan informasi atau data.

Pada skripsi ini ada 2 sequence :

1. Sequence User

Menjelaskan tahapan apa saja yang harus dilakukan user

untuk dapat mendiagnosa penyakit ginjal pada gejala awal

yang di rasakan.

2. Sequence Admin

Menjelaskan tahapan apa saja yang harus dilakukan admin

untuk dapat mengelola sistem diagnosa penyakit yang

sudah di buat.

c. Activity Diagram

Menggambarkan proses apa saja yang terdapat di sistem

diagnosa awal penyakit ginjal pada klinik kesehatan Griya

11
 Sehat Prima Hati Jl. Letjend Sutoyo no. 48 Bibis Luhur,

Nusukan, Surakarta.

d. Class Diagram

Class diagram digunakan untuk menampilkan kelas – kelas dan

paket – paket didalam system. Class diagram memberikan

gambaran system secara statis dan relasi antar mereka.

Biasanya, dibuat beberapa class diagram untuk system tunggal.

Beberapa diagram akan menampilkan subset dari kelas – kelas

dan relasinya.

6.4.2 Pengkodean

Pengkodean merupakan proses menerjemahkan desain ke

dalam suatu bahasa yang bisa dimengerti oleh komputer.

Sistem ini akan dibuat dengan bahasa pemrograman PHP dan

database MySQL.

6.4.3 Implementasi

Implementasi ini dilakukan agar aplikasi yang dioperasikan

terhindar dari kesalahan atau bug. Adapun tujuan utama dari

implementasi ini adalah untuk memastikan bahwa elemen dari

sistem tersebut sudah berfungsi sesuai target yang diharapkan

dan mudah dipahami oleh user.

6.4.4 Pengujian

Pengujian sistem ini menggunakan metode pengujian blackbox

untuk menguji fungsionalitas perangkat lunak dan untuk

12
 pengujian validitasnya dengan cara membandingkan hasil

sistem dengan hasil visual quality control sedangkan untuk

pengujian kelayakan pakar berdasarkan penilaian dari calon

pengguna sistem, apakah sistem yang telah dibuat

memudahkan pengguna dan informasi yang disajikan sudah

lengkap atau belum.

VII. LANDASAN TEORI

Untuk mempelajari lebih lanjut dan memudahkan pemahaman dalam

penelitian perlu kiranya studi kepustakaan mengenai arti dan istilah yang

digunakan dalam penelitian sehingga memudahkan dalam penyelesaian

masalah.

7.1 Sistem Pakar

Sistem Pakar adalah sistem komputer yang ditujukan untuk meniru

semua aspek (emulates) kemampuan mengambil keputusan (decision

making) seorang pakar. Sistem pakar memanfaatkan secara maksimal

pengetahuan khusus selayaknya seorrang pakar untuk memecahkan

masalah (Rika Rosnelly, 2012).

Pada dasarnya sistem dirancang untuk mendukung aktivitas

pemecahan masalah. Beberapa aktivitas pemecahan yang dimaksud

seperti pembuatan keputusan (decision making), perencanaan

(planning), prakiraan, diagnosa (diagnosing), penjelasan (explaining),

pemberian nasehat (advising) dan pelatihan (tutoring).

13
7.2 Mesin Inferensi

Mesin Inferensi adalah merupakan bagian dari sistem pakar yang

melakukan penalaran sengan mengunakan knowledge base berdasarkan

urutan tertentu. Mekanisime ini akan menganalisa suatu masalah tertentu

dan selanjutnya akan mencari jawaban dan kesimpulan yang terbaik.

(Sepriyandi Firdaus, Singgih Jatmiko, 2010).

Secara deduktif mesin inferensi memilih mesin relevan dalam

rangka mencari kesimpulan. Dengan demikian sistem ini dapat

menjawab pertanyaan pemakai meskipun jawaban tersebut tidak

tersimpan secara explisit di dalam basis pengetahuan. Mesin Inferensi

memulai pelacakannya dengan mencocokan kaidah-kaidah dalam basis

pengetahuan dengan fakta-fakta yang ada dalam basis data. Bagian

sistem pakar yang melakukan penelusuran adalah mesin inferensi.

7.3 Forward Chaining

Forward Chaining adalah pemikiran yang dimulai dari data-data

yang ada dan di proses maju denga aturan-aturan yang ada, dimana

setiap aturan dilaksanakan satu kali hingga aturan terakhir hingga

mencapai tujuan. Operasi dari penalaran maju (Forward Chaining)

dimulai dengan memasukkkan sekumpulan fakta kedalam memori

kemudian menurunkan fakta baru berdasarkan aturan yang premisnya

cocok dengan fakta yang diketahui.

Forward Chaining adalah strategi penarikan kesimpulan yang

dimulai dari sejumlah fakta-fakta yang telah diketahui, untuk

14
mendapatkan suatu fakta baru dengan memakai rule-rule yang memiliki

premis yang cocok dengan fakta dan terus di lanjutkan sampai

mendapatkan tujuan atau sampai tidak ada rule yang cocok atau sampai

mendapatkan fakta. Metode ini sering di sebut Data Driven Search yaitu

pencarian dikendalikan oleh data yang di berikan, (Gregorius S. Budhi,

Alexander Setiawan, Hendra P.S Widjaja. 2008).

Menurut Wisnu Yudho Untoro (2009), metode forward chaining

adalah metode pencarian atau metode pelacakan kedepan yang dimulai

dengan informasi yang ada dan penggabungan rule untuk menghasilkan

suatu kesimpulan dan tujuan. Metode ini sangat baik jika bekerja dengan

permasalahan yang di mulai dengan rekaman informasi awal dan ingin

di capai penyelesaian akhir, karena seluruh proses akan di kerjakan

secara berurutan maju.

Selanjutnya tipe yang dapat di cari dengan forward chaining

adalah:

1. Sistem yang di presentasikan dengan satu atau beberapa kondisi.

2. Untuk setiap kondisi, sistem mencari rule-rule dalam knowledge

base untuk rule - rule yang berkorespondensi dengan kondisi

dalam bagian IF.

3. Setiap rule dapat menghasilkan kondisi baru dan knkulasi yang

di minta pada bagian then. Kondisi hari ini di tambahkan ke

kondisi lain yang sudah ada.

4. Setiap kondisi di tambahkan ke sistem yang akan di proses. Jika

di temukan suatu kondisi, sistem akan kembali ke langkah ke-2

15
 dan mencari rule-rule dalam knowledge base kembali. Jika tidak

ada konkulasi baru, maka akan berakhir.

Secara garis besar proses penalaran dengan menggunakan metode

forward chaining adalah sebagai berikut :

1. Strategi inferensi dimulai dengan kata-kata.

2. Mendapatkan fakta baru menggunakan rule-rule yang premis

nya sesuai dengan fakta yang diketahui.

3. Proses tersebut dilanjutkan hingag tujuannya tercapai atau tidak

ada lagi rule yang premisnya sesuai dengan fakta yang ada.

Pelacakan maju ini sangat baik untuk permasalahan yang dimulai

dengan rekaman informasi awal dan ingin di capai suatu penyelesaian

akhir, karena seluruh proses akan dikerjakan secara berurutan maju.

Berikut adalah diagram proses forward chaining untuk menghasilkan

sebuah tujuan.
Kesimp
Fakta Kaidah
Observasi Kaidah ulan 1
1 C
1 A
Fakta Kaidah Kesimp
2 D ulan 2

Kesimp
Observasi Kaidah Fakta Kaidah
ulan 3
2 B 3 E

Kesimp
ulan 4

Gambar 1. Diagram Forward Chaining

16
7.4 Metode Backward Chaining

Pohon merupakan struktur penggambaran pohon secara hirarkis.

Struktur pohon terdiri dari node – node yang menunjukkan objek dan

arc (busur) yang menunjukkan hubungan antar objek.

Dalam penelusuran ini menggunakan metode penalaran runut balik

(Backward Chaining). Dalam runut balik penalaran dimulai dari

konsekuen ke anteseden. Runut balik bekerja secara Backward untuk

mendapatkan fakta-fakta yang mendukung hipotesa. Pada penelusuran

ini menggunakan metode Depth First Search yang akan melakukan

penelusuran kaidah secara mendalam dari simpul akar bergerak

menurun ke tingkat dalam yang berurutan (Pradita, 2015).

Runut balik merupakan strategi pencarian yang arahnya

kebalikan dari runut maju. Proses pencarian dimulai dari tujuan, yaitu

kesimpulan yang menjadi solusi permasalahan yang dihadapi. Mesin

inferensi mencari kaidah-kaidah dalam basis pengetahuan yang

kesimpulannya merupakan solusi yang ingin dicapai, kemudian dari

kaidah-kaidah yang diperoleh, masing-masing kesimpulan dirunut balik

jalur yang mengarah ke kesimpulan tersebut (Wawan, 2015). Jika

informasi-informasi atau nilai dari atribut-atribut yang mengarah ke

kesimpulan tersebut sesuai dengan data yang diberikan maka

kesimpulan tersebut merupakan solusi yang dicari, jika tidak sesuai

maka kesimpulan tersebut bukan merupakan solusi yang dicari.

Runut balik memulai proses pencarian dengan suatu tujuan

sehingga strategi ini disebut juga goal-driven. Penggunaan strategi

17
 pencarian runut balik untuk membangun mesin inferensi memerlukan

suatu algoritma tertentu sehingga bisa diimplementasikan menggunakan

bahasa pemrograman. Salah satu algoritma runut balik yang diambil

dari buku Introduction To Expert Systems : The Development and

Implementation Of Rule-Based Expert Systems (Ignizio, 1991) adalah

sebagai berikut :

1. Inisialisasi

a) Buat 3 tabel yaitu :

1) Tabel Working Memory, untuk menyimpan pasangan

atribut nilai hasil dari proses inferensi.

2) Tabel Goal, untuk menyimpan atribut yang nilainya

sedang dicari.

3) Tabel Rule/Premise Status, untuk menyimpan nomor

kaidah, status dari kaidah yang bersesuaian, pasangan

atribut-nilai dari klausa premis kaidah-kaidah dalam basis

pengetahuan, nomor klausa premis dalam kaidah yang

bersesuaian, dan status dari klausa premis tersebut.

b) Semua klausa premis dalam tabel Rule/Premise Status diberi

status free.

c) Semua kaidah dalam tabel Rule/Premise Status diberi status

active.

18
2. Mulai inferensi

a) Sebutkan kesimpulan akhir (solusi dari permasalahan) yang

ingin dicapai.

b) Letakkan atribut dari klausa kesimpulan yang merupakan solusi

dari permasalahan pada puncak tabel Goal.

3. Pengecekan kaidah

a) Jika tabel Goal kosong maka STOP.

b) Jika tabel Goal tidak kosong maka cari kaidah-kaidah

berstatus active yang atribut dari klausa kesimpulannya

bersesuaian dengan atribut yang berada pada puncak tabel Goal.

4. Query

Ambil salah satu data dari sekumpulan data yang diberikan oleh

pemakai yang bersesuaian dengan atribut yang berada pada puncak tabel

Goal.

a) Jika tidak ada maka STOP.

b) Jika ada maka pindahkan atribut yang berada pada puncak tabel

Goal lalu tempatkan pada tabel Working Memory beserta nilainya,

yaitu data yang diambil tadi.

5. Pembaharuan status kaidah/premis

a) Gunakan isi dari tabel Working Memory untuk membaharui

tabel Rule/Premise Status.

19
 b) Jika ada klausa premis yang berstatus false pada suatu kaidah

maka beri status discard pada kaidah tersebut. Tetapi jika seluruh klausa

premis pada suatu kaidah semuanya berstatus true maka beri status

triggered pada kaidah tersebut.

c) Kembali ke langkah 3.

6. Evaluasi kaidah

a) Jika kaidah berstatus triggered maka pindahkan atribut yang

berada pada puncak tabel Goal ke tabel Working Memory beserta nilainya

yang terdapat dalam klausa kesimpulan pada kaidah tersebut. Ubah status

kaidah tersebut menjadi fired. Kembali ke langkah 5.

b) Jika kaidah tidak berstatus triggered maka pilih atribut dari

klausa premis pertama yang berstatus free lalu tempatkan pada puncak

tabel Goal. Kembali ke langkah 3.

7.5 Certainty Factor

Faktor kepastian (Certainty Factor) menyatakan kepercayaan

dalam sebuah kejadian (atau fakta atau hipotesis) berdasarkan bukti atau

penilaian pakar (Turban, 2005). Certainty Factor menggunakan suatu

nilai untuk mengamsusikan derajat keyakinan seorang pakar terhadap

suatu data. Certainty Factor memperkenalakan konsep keyakinan dan

ketidakyakinan yang kemudian di formulakan kedalam rumusan dasar

sebagai berikut :

20
 CF [P,E] = MB [P,E] - MD [P,E].......(1)

Keterangan :

CF : Certainty Factor

MB : Measure of Belief

MD : Measure of Disbelief

P : Probability

E : Evidence

Berikut adalah deskripsi beberapa kombinasi Certainty Factor

terhadap berbagai kondisi :

1. Certainty Factor untuk kaidah dengan premis tunggal.

CF(H,E) = CF(E)*CF(rule)

= CF(user)*CF(pakar)........(2)

2. Certainty Factor untuk kaidah dengan premis majemuk

CF (A AND B) = Minimum (CF (a), CF (b)) * CF

(rule).....(3)

CF (A OR B) = Maximum (CF (a), CF (b)) * CF

(rule).....(4)

3. Certainty Factor untuk kaidah dengan kesimpulan serupa

CF combine (CF1, CF2) = CF1 + CF2*(1-CF1).....(5)

Sistem pakar harus mampu bekerja dalam ketidakpastian

(Giarratano dan Riley, 2005). Sejumlah teori telah ditemukan untuk

menyelesaikan ketidakpastian, antara lain:

a) Probabilitas klasik (classical probability)

b) Probabilitas Bayes (Bayesian probability)

21
 c) Teori Hartley berdasarkan himpunan klasik (Hartley theory

based on classical sets)

d) Teori Shannon berdasarkan pada probabilitas (Shanon theory

based on probability)

e) Teori Dempster-Shafer (DempsterShafer theory)

f) Teori fuzzy Zadeh (Zadeh’s fuzzy theory)

g) Faktor kepastian (certainty factor)

Rumus umum menentukan Certainty Factor :

CF[H,E] = MB[H,E] – MD[H,E] ….. (6)

dengan :

CF[h,e] = faktor kepastian

MB[h,e] = ukuran kepercayaan terhadap hipotesis h, jika diberikan

evidence e (antara 0 dan 1)

MD[h,e] = ukuran ketidakpercayaan terha- dap evidence h, jika

diberikan evidence e (antara 0 da1)

Suatu sistem pakar seringkali memiliki kaidah lebih dari satu

dan terdiri dari beberapa premis yang dihubungkan dengan AND atau

OR. Pengetahuan mengenai premis dapat juga tidak pasti, hal ini

dikarenakan besarnya nilai (value) CF yang diberikan oleh pasien saat

menjawab pertanyaan sistem atas premis (gejala) yang dialami pasien

atau dapat juga dari nilai CF hipotesa.

22
7.6 MySQL

SQL (Structured Query Language) adalah salah satu bahasa

generasi level ke-4 (4th GL) yang awalnya dikembangkan oleh Ibm si San

Jose research laboratory. Berbeda dengan bahasa pemrograman level ke-

3 (3rdGL), SQL adalah bahasa yang bersifat request oriented dan bersifat

non-prosedural sehingga lebih mudah untuk dipelajari karena sintaktis

yang digunakan hampir menyerupai bahasa yang digunakan oleh

manusia untuk berkomunikasi. Oleh karean itu, SQL lebih lebih fleksibel

dalam penggunaanya. Selain itu, SQL juga bersifat non case sensitif.

Banyak vendor pembuat DBMS (Database Management System) yang

saat ini menggunakan SQL sebagai setandarisasi dalam produk mereka,

seperti ORACLE, Microsoft SQL Server, PostGreSQL dan MySQL( M.

Rudyanto Arief, 2006).

7.7 Database

Menurut Connolly, Thomas dan Begg, Carolyn (2010), basis data

adalah kumpulan data yang terbagi dan terhubung secara logikal dan

deskripsi dari data yang dirancang untuk memenuhi kebutuhan informasi

suatu organisasi. Menurut C.J Date (2013), basis data terdiri dari

beberapa kumpulan dari data tetap yang digunakan oleh sistem aplikasi

untuk diberikan kepada perusahaan. Dari kutipan di atas, dapat

disimpulkan bahwa basis data adalah sekumpulan data yang saling

berhubungan dan dirancang untuk memenuhi kebutuhan informasi dari

suatu organisasi. Menurut Indrajani (2011), sebuah kumpulan data yang

23
 saling berhubungan secara logis, dan merupakan sebuah penjelasan dari

data tersebut, yang didesain untuk menemukan data yang dibutuhkan

oleh organisasi.

7.8 PHP

PHP adalah singkatan dari Perl Hypertext Preprocessor adalah

kode/skrip yang akan di eksekusi pada server side (Deni sutaji, 2012:2).

Sifat server side berarti pengerjaan skrip dilakukan di server, baru

kemudian hasilnya dikirimkan ke browser. Bahasa Pemrograman PHP

adalah bahasa pemrograman yang bekerja dalam sebuah web server

(MADCOMS, 2008: 1).

PHP adalah singkatan dari PHP Hypertext Preprocessor, yaitu

bahasa interpreter yang mempunyai kemiripan dengan bahasa C dan

Perl yang mempunyai kesederhanaan dalam perintah. PHP dapat

digunakan bersamaan dengan HTML sehingga dalam membangun

aplikasi Web akan lebih mudah dan cepat. PHP dapat digunakan untuk

menciptakan/mengupdate database, juga mengerja kan perhitungan

matematika.

24
VIII KAJIAN PUSTAKA

Dody Teguh Yuwono, Abdul Fadlil, Sunardi (2017) Melakukan penelitian

tentang diagnosa hama anggrek. Latar Belakang dari penelitian ini adalah

keterlambatan mengidentifikasi hama dan penyakit yang dapat menyembabkan

kegagalan budidaya anggrek. Tujuan dari penilitian ini adalah membuat suatu

sistem untuk mendiagnosa hama anggrek, Variabel yang di teliti adalah gejala

yang tampak pada anggrek. Metode yang di pakai adalah menggunakan Certainty

Factor dan Forward Chaining, Hasil dari penelitian adalah berdasarkan pengujian

maka diperoleh presentas 93,0376% dari sistem dibandingkan dengan pakar.

Rahmi Ras Fanny, Nelly Astuti Hasibuan, Efori Buulolo (2017)

Melakukan penelitian tentang diagnosa penyakit asidosis tubulus. Latar Belakang

dari penelitian ini adalah penanganan yang tidak tepat pada penyakit asidosis

tubulus di karenakan kurang nya pengetahuan tentang gejala penyakit yang

menyebabkan penyakit klinis. Tujuan dari penilitian ini adalah membuat suatu

sistem untuk mendiagnosa penyakit asidosi tubulus, Variabel yang di teliti adalah

gejala yang tampak pada penderita. Metode yang di pakai adalah menggunakan

Certainty Factor dan Forward Chaining, Hasil dari penelitian adalah Berdasarkan

pengujian yang telah dilakukan, penelitian ini memiliki persentase tingkat

keyakinan 85%.

Putu Veda Andreyana, I Nyoman Piarsa, Putu Wira Buana (2015)

Melakukan penelitian tentang analisis kepribadian diri, Latar belakang dari

25
penelitian ini adalah mengenal kepribadian diri kita dan orang lain agar

memudahkan dalam berinteraksi terhadap lingkungan. Tujuan dari penelitian ini

adalah sistem analisis kepribadian diri berbasis web, Variabel yang di teliti adalah

kecenderungan psikologis yang di rasakan oleh setiap individu, Metode yang di

pakai adalah menggunakan Certainty Factor dan Frward Chaining, Hasil dari

penelitian adalah berdasarkan kuesioner terhadapa sistem pakar ini di dapatkan

tingkat kepercayaan sebesar 74%.

I Kadek Dwi Gandika Supartha, Ida Nurmala Sari (2014), Melakukan

penelitian tentang diagnosa awal penyakit kulit pada sapi bali, Latar belakang dari

penelitian ini adalah kurang nya dokter hewan yang bertugas di BPTU sehingga

pegawai BPTU kesulitan untuk mendiagnosa penyakit kulit pada sapi bali tanpa

adanya dokter hewan yang bertugas di tempat. Tujuan dari penelitian ini adalah

membuat suatu sistem untuk mendiagnosa awal penyakit kulit pada sapi bali,

Variabel yang di teliti adalah gejala-gejala yang tampak pada sapi, Metode yang

di pakai adalah menggunakan Certainty Factor dan Forward Chaining, Hasil dari

penelitian adalah dari hasil pengujian perhitungan CF manual dengan output pada

sistem menghasilkan hasil yang sama, hal ini menunjukan bahwa hasil

perancangan dan implementasi sistem sudah sesuai.

Hengki Tamando Sihotang (2014), Melakukan penelitian tentang diagnosa

penyakit kolesterol pada remaja, Latar belakang dari penelitian ini adalah banyak

nya remaja yang menderita penyakit kolesterol sehingga meningkatkan resiko

penyakit stroke, Tujuan dari penelitian ini adalah membuat suatu sistem untuk

26
mendiagnosa penyakit kolesterol pada remaja, Variabel yang di teliti adalah

kondisi fisik dan gejala kesehatan pada setiap individu, Metode yang di pakai

adalah menggunakan Certainty Factor dan Forward Chaining, Hasil dari

penelitian adalah berdasarkan pengujian yang dilakukan hasil perhitungan manual

CF dengan output sistem bernilai sama.

Tabel 1. Persamaan dan perbedaan artikel yang di review dengan penelitian

yang di lakukan.
Peniliti Persamaan Perbedaan
Dody Teguh Yuwono, Menggunakan metode Meneliti tentang diagnosa hama

Abdul Fadlil, Sunardi certainty factor dan forward anggrek.

(2017) chaining
Rahmi Ras Fanny, Nelly Menggunakan metode Meneliti tentang asidosis tubulus,

Astuti Hasibuan, Efori certainty factor dan forward menggunakan pengujian

Buulolo (2017) chaining whitebox.

Putu Veda Andreyana, I Menggunakan metode Meneliti tentang kepribadian diri,

Nyoman Piarsa, Putu Wira certainty factor dan forward variabel berdasarkan kondisi

Buana (2015) chaining psikologi yang dirasakan

individu bukan gejala fisik yang

tampak.
I Kadek Dwi Gandika Menggunakan metode Meneliti tentang penyakit kulit

Supartha, Ida Nurmala Sari certainty factor dan forward pada sapi bali, pengujian hanya

(2014) chaining di lakukan melalui hasil output

sistem dan perbandingan

perhitungan manual.

Hengki Tamando Sihotang Menggunakan metode Meneliti tentang penyakit

(2014) certainty factor dan forward koleserol pada remaja, pengujian

chaining hanya di lakukan melalui hasil

27
 output sistem dan perbandingan

perhitungan manual.

IX KERANGKA PIKIRAN

Dalam bagan di bawah ini akan diuraikan langkah-langkah proses

penelitian. Dengan adanya kerangka pikir ini maka akan dapat diperoleh

Masalah 28
Mendefinisikan penyakit ginjal sesuai dengan
gejala awal yang timbul
 gambaran yang lengkap dan menyeluruh tentang tahap-tahap penelitian

yang akan dilaksanakan.

Metode Certainty
Proses Factor dan Forward
Chaining
Input gejala-
gejala

Proses penghitungan
oleh sistem

Output yang
dihasilkan

Pengujian
Alat pendukung untuk mendiagnosa penyakit ginjal yang bisa
berguna bagi masyarakat luas.

Hasil
Sistem untuk mendiagnosa penyakit ginjal menggunakan metode
forward chaining dan certainty factor

Gambar 2. kerangka pikiran

X WAKTU PELAKSANAAN DAN ANGGARAN

Tempat : Klinik Griya Sehat Prima Hati

Jl. Letjend Sutoyo no. 48 Bibis Luhur, Nusukan, Surakarta

29
 Waktu Pelaksanaan :

Tabel 2. Waktu Pelaksanaan Dan Anggaran

TAHUN 2018
Mei. Juli. Agus. Sep. Okt.
NO KEGIATAN
2018 2018 2018 2018 2018
1.  Pembuatan Abstraksi

2.  Survey Lokasi Penelitian dan

Permohonan Ijin Penelitian
 Pembuatan Proposal
 Konsultasi Proposal

3.  Pengumpulan Data
 Konsultasi BAB I
 Konsultasi BAB II
 Konsultasi BAB III
 Konsultasi BAB 1V

4.  Konsultasi BAB V
 Konsultasi BAB V1

5.  Pembuatan Program

6.  Konsultasi Hasil Program

Aplikasi
 Penyelesaian atau Tahap Akhir
Pembuatan Skripsi

XI PENUTUP

Proposal ini merupakan kerangka dasar yang nantinya akan

dilanjutkan menjadi laporan Skripsi yang akan menjabarkan secara terinci

mengenai system diagnosis penyakit ginjal dengan menggukan metode

Certainty Factor dan Forward Chaining. Penulis berharap dengan

disusunnya proposal ini akan lebih memperlancar dalam penyusunan

laporan Skripsi.

30
 Akhirnya penulis menyadari sepenuhnya bahwa proposal ini masih

membutuhkan kritik dan saran yang sifatnya membangun dari pembaca

sekalian. Penulis berharap semoga laporan ini memberi manfaat bagi

pembaca.

31
DAFTAR PUSTAKA

Connolly, Thomas and Begg, Carolyn. (2010). Database Systems: A Practical

Approach to Design, Implementation, and Management, Fifth Edition.
Pearson Education, Boston

Gregorious S. Budhi, Alexander Setiawan, Hendra P.S Widjaja, 2008. Feng Shui
Knowledge Based System Untuk Membantu Penentuan Harga Rumah Pada
Property Agent, Universitas Kristen Petra Jurusan Teknik Informatika, Jawa
Timur, Indonesia

Ignizio, J.P., 1991, Introduction To Expert Systems : The Development and

Implementation Of Rule-Based Expert Systems, McGraw-Hill, Inc.

Indrajani, 2011. Perancangan Basis Data dalam All in 1, PT Elexmedia

Komputindo Jakarta

M. Rudyanto Arief, 2006. Program Basis Data Menggunakan Transact-SQL

dengan Microsoft SQL Server 2000, C.V Andi Offset, Yogyakarta

Pradita, 2015. Penerapan Metode Backward Chaining Pada Diagnosa Penyakit

Tulang Manusia, STKIP PGRI Pacitan.

Rika Rosnelly, 2012. Sistem Pakar : Konsep dan Teori, C.V Andi Offset,
Yogyakarta.

Turban, E., Aronson, J.E 2001. Decision Support Sistem and Intelligent System,
Prentice Hall International Edition, New Jersey.

Wawan Yunanto, 2015. Algoritma Runut Balik, Yogyakarta.

Wisnu Yudho Utomo, 2009. Penerapan Metode Forward Chaining Pada

Penjadwalan Mata Kuliah, Universitas Kanjuruhan Malang.

ZAMRONI, M. R. 2014. Pemanfaatan Metode Logic Mamdani Untuk Spk

Penerimaan Beasiswa Di Sma Muhammadiyah 10 Sugio. Jurnal Teknika 6.

32