2718 7493 1 PB
2718 7493 1 PB
1. PENDAHULUAN
Flu burung adalah sejenis virus influenza yang menular dari burung ke manusia. Penanganan penyakit flu burung yang
lambat sering terjadi karena kurangnya pemahaman masyarakat terhadap penyakit flu burung termasuk gejala dan
penanganannya, sehingga masayarat cenderung membiarkan dan menyamakannya dengan flu biasa atau demam. Hal
ini sering terjadi dikalangan masyarakat didaerah perkampungan yang belum memiliki rumah sakit dan hanya ada
puskemas. Solusi agara masalah di atas dapat teratasi adalah membuat dan menyediakan sistem dengan memiliki
kepakaran layaknya seorang dokter untuk mendiagnosa apakah seseorang terinfeksi flu burung atau tidak.
Metode Case Based Reasoning (CBR) berguna sebagai perancangan sistem pakar dengan mengambil keputusan
pada masalah yang baru berdasarkan masalah lalu yang sudah terjadi. Metode CBR bekerja dengan melakukan
perbandingan masalah baru dengan masalah lama. Berdasarkan penelitian terdahulu, menyimpulkan bahwa penerapan
metode CBR memberikan keberhasilan sistem implementasi yang dibangun berdasarkan hasil perhitungan memiliki
nilai kecocokan yaitu 86% untuk menghasilkan diagnosa yang tepat[5]. Metode Certainty Factor (CF) digunakan
sebagai penguji kebenaran apakah itu pasti atau tidak pasti yang sering di pakai pada sistem pakar. Berdasarkan
penelitian terdahulu, menyimpulkan bahwa penerapan metode Certainty Factor (CF) memberikan persentase dalam
berntuk keyakinan terhadap kepastian solusi dan hasil dari pengujian pada 8 pasien didapatkan persentase kebenaran
sistem adalah 62.5% (berdasarkan kebenaran data) dan hasil analisis pada sistem 100% (sejalan dengan kadar gula
darah).
Penelitian ini menguraikan bagaimana penggabungan metode Case Based Reasoning (CBR) dan Certaninty
Factor (CF) untuk mendapatkan nilai yang akuran dan lebih tinggi terhadap hasil diagnosa flu burung yang
diimplementasikan dalam sebuah sistem pakar, sehingga diharapkan sangat membantu pada proses diagnosa gejala
pertama ketika penyakit flu burung menyeranng pasien tidak harus ke rumah sakit melainkan bisa dengan mengikuti
solusi dari diagnosa yang diinformasikan oleh aplikasi sistem pakar.
2. METODE PENELITIAN
2.1 Sistem Pakar
Expert System atau yang biasa dikenal dengan sistem pakar adalah salah satu bagian dari Artificial Intelegent yang
membuat penggunaan secara luas pengetahuan khusus dalam menyelesaikan masalah tingkat pakar. Pakar adalah orang
yang ahli pada suatu bidang yaitu pakar yang memiliki pengetahuan atau kemampuan yang orang lain tidak mengetahui
atau memiliki kemampuan dalam bidang yang ditekuni. Pertama kali sistem pakar dikembangkan tahun 1970-an, sistem
pakar hanya berisi knowledge yang eksklusif. Namun saat ini istilah sistem pakar dapat digunakan berbagai macam
sistem pada teknologi sistem pakar. Sistem pakar adalah sistem yang mengambil keahlian manusia ke komputer,
sehingga komputer dapat menyelesaikan masalah layaknya seorang ahli.
Penyakit flu burung merupakan satu penyakit menular yang ada karena virus influenza tipe A yang ditularkan oleh
unggas. Penyakit flu burung disebabkan oleh virus Avian Influenza jenis H5N1 (H= Hemagglutinin, N =
Neuraminidase) pada unggas, dapat pula menyerang manusia. Sumber virus flu burung di duga bermula dari
perpindahan burung dan transformasi unggas terjangkit. Penularan flu burung dari unggas ke unggas, dan dari unggas
ke manusia. Penularan flu burung yang dialami manusia melalui air liur, lendir dari hidung dan debu yang dicemari
tinja.
2.3 Metode Case Based Reasoning
CBR menggunakan pendekatan kecerdasan buatan (Artificial Inteligent) yang menitik beratkan pemecahan masalah
dengan di dasarkan pada knowledge pada kasus lampau. Secara detail tahapan sistem penalaran case based reasoning
terbagi menjadi empat tahap, yaitu: Retrieve, yaitu penelurusan masalah yang hampir sama dengan kasus baru yang
akan dievaluasi. Reuse, yaitu mengambil kembali informsi atau pengetahuan yang telah tersimpan untuk pemecahan
masalah baru.Revise, yaitu solusi yang ada diperbaiki. Retain, yaitu pengetahuan disimpan dan nantinya akan digunakan
untuk memecahkan masalah ke dalam basis kasus yang ada.
Similarity (kemiripan) adalah tahapan yag dipakai agara kesamaan dapat dikenali atau kemiripan antara kasus-
kasus yang tersimpan dalam basis kasus dengan kasus yang baru[12]. Nilai kemiripan ditentukan dengan nilai antara 0
sampai dengan 1. Nilai 0 memiliki arti tidak sama/mirip dan nilai 1 berarti mirip/mutlak. Di bawah ini rumus dalam
mencari nilai similarity[12]:
(1)
Keterangan :
T = Target Kasus
S = Asal Kasus
N = Jumlah atribut pada kasus
I = Atribut individu dari 1 ke n
F = Fungsi (Similarity) untuk atribut 1 dalam kasus T dan S
W = Bobot yang diberikan
2.4 Metode Certainty Factor
Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukan besarnya
kepercayaan. Certainty factor didefenisikan sebagai berikut[12]:
CF (H,E) = MB(H,E)-MD(H,E) (2)
Ada beberapa premis pada CF yang biasanya dipakai daalam diagnosa penyakit, yaitu[12]:
a. Premis Tunggal
CF(H,E) = CF(H) * CF(E) (3)
b. Premis Kombinasi
Cfcombine [H,E]1,2 = CF(H,E)1 + CF(H,E)2 * (1-CF(H,E)1) (4)
Cfcombine [H,E]old,3 = CF(H,E)old + CF(H,E)3 * (1-CF(H,E)old) (5)
dimana :
CF(E,e) : Certainty factor evidence E yang dipengaruhi oleh evidence e
CF(H,E) : Certainty factor hipotesis dengan asumsi evidence diketahui dengan pasti, yaitu ketika CF(E,e) = 1
CF(H,e) : Certainty factor hipotesis yang dipengaruhi oleh evidence e
Cfold : Hasil dari pengkombinasian awal
Page | 347
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2718 Page: 345-350
= 0,9 + 0,04
= 0.94old
CfcombineCF[H,E]old,3 = CF[H,E]old + CF[H,E]3 * (1- CF[H,E]0ld)
= 0,94 + 0,3 * (1 – 0,94)
= 0,94 + 0,3 * 0,06
= 0,94+ 0,018
= 0,958old2
CfcombineCF[H,E]old2,4 = CF[H,E]old2 + CF[H,E]4 * (1- CF[H,E]0ld2)
= 0,958 + 0,8 * (1 – 0,958)
= 0,958 + 0,8 * 0,042
= 0,958 + 0,033
= 0,991old3
CF[H,E]old7* 100 %
= 0,991 * 100%
= 99,1 %
Hasil pengujian dilakukan dapat terdapat kemiripan dengan kasus lampau yang terjangkit flu burung dengan
besar nilai kemiripan 64,86%, dan perhitungan CF dalam diagnosa virus flu burung mendapatkan nilai kepastian 99,52%
terjangkit virus flu burung. Solusi diagnosa dari persentase diagnosa pasien sebesar 99,52% terjangkit penyakit flu
burung adalah pasien harus dilakukan perawat dirumah sakit untuk diberikan obat agar virus tersebut hilang. Sebelum
terjadi komplikasi yang sangat banyak seperti kerusakan pada ginjal.
Tahap 3:
Tahap ketiga yaitu proses Revise, yaitu melakukan evaluasi dan memperbaiki jika terdapat kesalahan. Mengevaluasi
masalah yang didapat ketika proses reuse. Apabila berjalan dengan baik, lanjutan k proses retain.
Tahap 4 :
Tahap empat yaitu Retain, dimana tahap menyimpan solusi baru yang telah diupdate dalam basis kasus, pada tahap
retain terjadi suatu proses pengagabungan dari solusi yang baru dan benar ke knowledge yang telah ada.
4. KESIMPULAN
Ada beberapa kesimpulan yang dapat ditarik setalah dilakukan penngerjaan pada bab-bab sebelumnya. Kesimpulan
tersebut antara lain Sistem pakar sangat dibutuhkan oleh masyarakat dalam mendiagnosa penyakit flu burung agar lebih
mudah melakukan tindakan pengecekan awal sebelum pergi ke rumah sakit. Metode CBR digunakan untuk memberi
solusi kasus terhadap masalah baru jika memiliki kemiripan dengan masalah lampau dan metode CF digunakan untuk
mencari nilai kepastian terhadap diagnosa penyakit flu burung sehingga penggabungan metode ini mengahasilkan nilai
yang akurat dalam mendiagnosa penyakit. Aplikasi sistem yang dibangun nantinya dapat membantu penduduk untuk
melakukan diagnosa terhadap penyakit flu burung serta mendapatkan solusi penanganan dini.
REFERENCES
[1] Pencegahan dan Pengendalian Flu Burung ( Avian Influenza ) pada Peternakan Unggas Skala Kecil Buku Petunjuk bagi
Paramedik Veteriner,Kerajaan Kamboja, 2005, pp. 1–41.
[2] Buku pegangan sistem pakar,STIKOM Surabay, Surabaya, Indonesia,2007, pp. 1-172.
[3] N. Jarti dan R. Trisno, "Sistem Pakar Diagnosa Penyakit Alergi Pada Anak Berbasis Web Dengan Metode Forward Chaining
di Kota Batam", Fakultas Teknik Universitas Putera Batam,vol. I, pp.60-72, 2017.
[4] T. Rismawan dan S.Hartati, "Case Based Reasoning Untuk Diagnosa Penyakit THT (Telinga Hidung Tenggorokan)", FMIPA
UGM, vol. IV, pp.67-78, 2017.
[5] T. R. Maulidia, “Implementasi Case Based Reasoning Sistem Diagnosa Penyakit Anak Berbasis Web",FMIPA Universitas
Tanjung Pura, vol. V, pp.57-63, 2017.
[6] S. Rohajawati dan R. Supriyati, “Sistem Pakar: Diagnosis Penyakit Unggas Dengan Metode Certainty Factor”,Universitas
Pakuan Bogor, vol. IV, pp.41, 2010.
[7] B. C. Saputro, R. Delima, dan J. Purwadi, “Sistem Diagnosa Penyakit Diabetes Melitus Menggunakan Metode Certainty
Factor”, vol. VII, 2011.
[8] E. Wijaya, “Analisis Penggunaan Algoritma Breadth First Search Dalam Konsep Artificial Intellegencia”, STMIK Time
Medan, vol. II, pp. 18–26, 2013.
[9] M. Dahria, “Pengembangan Sistem Pakar Dalam Membangun Suatu Aplikasi”, STMIK Triguna Darma, vol. X, pp. 199–205,
2011.
[10] K. Ramanda, “Penerapan Sistem Pakar Untuk Mendiagnosa Penyakit Pada Kehamilan”,STMIK Nusa Mandiri Jakarta , vol.
XI, pp. 179–185, 2015.
[11] T.Lusiani, “Sistem Berbasis Aturan Untuk Mendiagnosa Penyakit Flu Burung Secara Online”,STIKOM Surabaya, pp. 156–
163, 2006.
[12] R. Andika, “Sistem Pakar Mendiagnosa Virus Pada Udang Dengan Implementasi Metode Case Based Reasoning dan Certainty
Factor”, Pelita Informatika STMIK Budidarma, vol. XVIII, pp. 587–592, 2019.
[13] Learning UML 2.0, Edisi I, O'REILLY Media, Sebastopol, United States of America, 2006, pp.1-258,
Page | 349
http://ejurnal.stmik-budidarma.ac.id/index.php/komik
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer) ISSN 2597-4645 (media online)
Volume 4, Nomor 1, Oktober 2020 ISSN 2597-4610 (media cetak)
DOI: 10.30865/komik.v4i1.2718 Page: 345-350
[14] S. Santoso dan R. Nurmalina, “Perencanaan dan Pengembangan Aplikasi Absensi Mahasiswa Menggunakan Smart Card Guna
Pengembangan Kampus Cerdas (Studi Kasus Politeknik Negeri Tanah Laut)”, Politeknik Negeri Tanah Laut, vol. X, pp. 84–
91, 2017.
[15] P. S. Hasugian, “Perancangan Website Sebagai Media Promosi Dan Informasi”,Pelita Nusantara Medan, vol. III, pp. 82–86,
2018.
[16] A. Anisah dan M. S. Mayasari, “Desain Database Sistem Informasi Penerimaan Peserta Didik Baru Pada Selective English
Course”, STMIK Atma Luhur, vol. VII, pp. 183, 2016.
[17] H. Yuliansyah, "Perancangan Replikasi Basis Data MYQSL dengan mekanisme pengamanan menggunkan SSL Encryption",
vol VIII, 2014.
[18] K. S. Haryana, “Pengembangan Perangkat Lunak Dengan Menggunakan Php”,STMIK Mardira Indonesia , vol. II, pp. 14–21,
2008.
[19] Virologi, Kebayoran Baru Jakarta Selatan, Indonesia, 2018, pp. 1-314
[20] Belajar HTML dan CSS "Tutorial Fundamental dalam Mempelajari HTML & CSS", Indonesia, 2013, pp. 1-138
[21] D. P. Utomo and S. D. Nasution, “Sistem Pakar Mendeteksi Kerusakan Toner Dengan Menggunakan Metode Case Based-
Reasoning,” JURIKOM (Jurnal Ris. Komputer), vol. 3, no. 5, pp. 430–434, 2016.
Page | 350
http://ejurnal.stmik-budidarma.ac.id/index.php/komik