Abstrak— Depresi Postpartum (Postpartum Depression) merupakan salah satu bentuk depresi
yang dialami ibu setelah melahirkan bayi pertama dan berlangsung pada tahun pertama setelah
kelahiran bayi. Hal ini disebabkan karena periode tersebut merupakan periode transisi
kehidupan baru yang cukup membuat stress namun tidak semua ibu mampu melakukan
adaptasi dan mengatasi stressor tersebut sehingga timbul keluhan-keluhan antara lain berupa
stres, cemas dan depresi. Penelitian ini mengimplementasikan penggabungan Metode Simple
Additive Weighting dan Dempster Shafer digunakan dalam melakukan diagnosa awal depresi
postpartum berdasarkan basis pegetahuan yang diperoleh dari pakar seorang psikolong dan
bidan yang direperesentasikan ke dalam sistem pakar. Input yang digunkana berupa sub-sub
gejala yang dialami pasien pasca melahirkan yang akan dikonversikan menjadi nilai 1
kemudian diproses menggunakan metode Simple Additive Weighting untuk menentukan nilai
belief gejala. Setelah nilai belief gejala tersebut digunakan untuk malakukan diagnosa awal
Postpartum Depression dengan metode Dempster Shafer. Hasil akurasi sistem berdasarakan
data rekam medic pasien sebesar 90%.
Keywords— Sistem Pakar, Postpartum Depression, Simple Additive Weighting, Dempster Shafer.
Page 1
CESS (Journal of Computer Engineering System and Science) p-ISSN :2502-7131
Vol. 3 No. 1 Januari 2018 e-ISSN :2502-714x
dimaksud di sini adalah orang yang mempunyai alternatif pada semua atribut. Metode SAW
keahlian khusus yang dapat menyelesaikan masalah disarankan untuk menyelesaikan masalah
yang tidak dapat diselesaikan oleh orang awam. penyeleksian dalam sistem pengambilan keputusan
Sebagai contoh, dokter adalah seorang pakar yang multi proses. Metode SAW merupakan metode yang
mampu mendiagnosa penyakit yang diderita pasien banyak digunakan dalam pengambilan keputusan
serta dapat memberikan penatalaksanaan terhadap yang memiliki banyak atribut. Perhitungan matrix
penyakit tersebut. Tidak semua orang dapat alternatif dibagi menjadi dua, yaitu perhitungan
Page | 2
mengambil keputusan mengenai diagnosis dan Atribut benefit dan cost, rumus perhitungan Atribut
memberikan penatalaksanaan suatu penyakit[1]. dapat dilihat pada persamaan dibawah ini.
Tujuan pengembangan sistem pakar sebenarnya
tidak untuk menggantikan peran para pakar, namun
untuk mengimplementasikan pengetahuan para pakar
ke dalam bentuk perangkat lunak, sehingga dapat
digunakan oleh banyak orang dan tanpa biaya yang
besar. Untuk membangun sistem yang difungsikan
untuk menirukan seorang pakar manusia harus bisa
melakukan hal-hal yang dapat dikerjakan oleh para
pakar [2]. (1)
Dimana :
B. Postpartum Depression rij = rating kerja ternormalisasi
Depresi postpartum (Postpartum Depression) Maxij = nilai maximum dari setiap baris dan
adalah salah satu bentuk depresi yang dialami ibu kolom
setelah melahirkan bayi pertama dan berlangsung Minij = nilai minimum dari setiap baris dan
pada tahun pertama setelah kelahiran bayi. Hal ini kolom
disebabkan karena periode tersebut merupakan Xij = baris dan kolom dari matrix
periode transisi kehidupan baru yang cukup membuat
stres, dimana ibu harus beradaptasi dengan perubahan Dimana rij adalah rating kinerja ternormalisasi
fisik, psikologis dan sosial yang dialaminya karena dari alternatif Ai pada atribut Cj : i = 1, 2, …, m dan j
melahirkan dan mulai merawat bayi. Namun tidak = 1, 2, …, n. rumus perhitungan nilai preferensi
semua ibu mampu melakukan adaptasi dan mengatasi untuk setiap alternatif (Vi) pada persamaan dibawah
stressor tersebut sehingga timbul keluhan-keluhan ini.
antara lain berupa stres, cemas dan depresi [3].
Menurut Diagnostic and Statistical Manual of (2)
Mental Disorder-IV, ada 3 jenis bentuk depresi pasca
melahirkan, yaitu :
1. Postpartum Blues yang merupakan gangguan Dimana
mood yang bersifat sementara. Vi = Nilai akhir dari alternative
2. Depresi Postpartum tanpa gambaran psychosis Wj = Bobot yang telah ditentukan
yang lebih berat dari Postpartum Blues. rij = Normalisasi matriks
3. Postpartum Psychosis, yaitu depresi berat
berupa gangguan proses pikir yang Dari persamaan diatas dapat ditarik kesimpulan
dapat mengancam keselamatan jiwa ibu dan bahwa jika nilai Vi lebih besar mengindikasikan
bayinya sehingga memerlukan bantuan bahwa alternatif Ai lebih terpilih[4].
psikiater.
Selain ketiga bentuk depresi diatas, gangguan D. Dempster Shafer
kejiwaan yang dapat dialami pasca persalinan Teori Dempster-Shafer adalah suatu teori
adalah Delusi dan Skizofrenia. Delusi adalah satu matematika untuk pembuktian berdasarkan belief
jenis penyakit mental psikosis yang ditandai dengan functions and plausible reasoning (fungsi
ketidaksinambungan antara pemikiran dan emosi kepercayaan dan pemikiran yang masuk akal), yang
sehingga penderitanya kehilangan kontak dengan digunakan untuk mengkombinasikan potongan
realitas sebenarnya. Sedangkan Skizofrenia adalah informasi yang terpisah (bukti) untuk mengkalkulasi
gangguan mental kronis yang menyebabkan kemungkinan dari suatu peristiwa. Teori ini
penderitanya mengalami halusinasi, pikiran kacau, dikembangkan oleh Arthur P. Dempster dan Glenn
dan perubahan perilaku. Shafer [5].
Secara umum Teori Dempster-Shafer ditulis
C. SAW (Simple Additive Weighting) dalam suatu interval:
Metode Simple Additive Weighting sering juga [Belief, Plausibility]
dikenal dengan istilah metode penjumlahan berbobot. Belief (Bel) adalah ukuran kekuatan evidence
Konsep dasar metode SAW ini adalah mencari (bukti) dalam mendukung suatu himpunan proposisi.
penjumlahan terbobot dari rating kinerja pada setiap Jika bernilai 0 maka mengindikasikan bahwa tidak
Page 2
CESS (Journal of Computer Engineering System and Science) p-ISSN :2502-7131
Vol. 3 No. 1 Januari 2018 e-ISSN :2502-714x
ada evidence, dan jika bernilai 1 menunjukkan Alur penelitian yang dilakukan adalah sebagai
adanya kepastian. Plausability (Pl) dinotasikan berikut:
sebagai: 1. Penentuan Bobot Sub Gejala oleh Pakar
Pl(s)=1- Bel(¬s) Pada tahap ini, dilakukan wawancara dengan
Plausability juga bernilai 0 sampai 1. Jika yakin pakar psikologi untuk menentukan bobot sub gejala
¬s, maka dapat dikatakan bahwa Bel(¬s)=1, dan yang akan digunakan untuk proses SAW (Simple
Pl(¬s)=0. Pada teorema Dempster-Shafer kita Additive Weighting).
Page | 3
mengenal adanya frame of discernment yang 2. Pemilihan Sub Gejala yang Dirasakan Pasien
dinotasikan dengan θ. Frame ini merupakan semesta Pada tahapan ini dilakukan pemilihan sub gejala
pembicaraan dari sekumpulan hipotesis. Tujuan yang dirasakan ibu pasca melahirkan. Pasien hanya
adalah membangkitkan kepercayaan elemen-elemen menjawab pilihan dengan mencentang checkbox
θ. Tidak semua evidence secara langsung mendukung berdasarkan sub gejala yang dialaminya.
tiap-tiap elemen. Sebagai contoh, panas mungkin 3. Pembuatan Matriks Keputusan
hanya mendukung {F,D,B} Untuk itu perlu adanya Pada tahapan ini dilakukan pembuatan matriks
probabilitas densitas (m). Nilai m tidak hanya keputusan sub gejala yang telah di pilih oleh pasien,
mendefinisikan elemen-elemen θ saja, namun juga sub gejala tersebut akan dikelompokkan berdasarkan
semua subset-nya. Sehingga jika θ berisi n elemen, gejala-gejala yang telah didapatkan berdasarkan
maka subset dari θ semua berjumlah 2n. Nilai yang tabel pengetahuan.
dihasilkan dari teori ini berupa persentase tiap 4. Normalisasi Matriks Keputusan
elemen-elemen θ, dan juga semua subset-nya. Makin Pada tahapan ini dilakukan normalisasi matriks
rendah persentase frame of discernment keputusan ke suatu skala yang dapat diperbandingkan
menggambarkan makin baik tingkat pemahaman dengan semua rating alternatif yang ada.
pasien dalam materi tersebut. Penilaian diberikan 5. Penjumlahan Hasil Perkalian Hasil Normalisasi
kepada elemen-elemen berdasarkan hasil persentasi dengan Bobot Kriteria
ini: Pada tahapan ini dilakukan penjumlahan dari
perkalian elemen baris ternormalisasi dengan bobot
m3(z)= preferensi sub gejala yang didapat dari pakar yang
(3) akan dijadikan nilai belief pada proses Dempster
Shafer.
III. METODE PENELITIAN 6. Penghitungan Nilai Preferensi
A. Prosedur Penelitian Nilai preferensi dihitung berdasarkan langkah
sebelumnya, nilai preferensi tersebut akan dijadikan
Pakar menentukan bobot sub gejala
nilai belief pada proses Dempster Shafer.
7. Penghitungan Nilai Plausibility
User memilih sub gejala yang Pada tahapan ini dilakukan penghitungan nilai
dirasakan
Plausibility dengan menggunakan nilai belief yang
sebelumnya didapatkan.
8. Penghitungan Nilai Densitas
Membuat matriks keputusan Tahapan ini nilai densitas dihitung dengan
menggunakan persamaan kombinasi aturan Dempster
Shafer .
Melakukan Normalisasi matriks
Proses Simple Additive
Weighting (SAW)
keputusan 9. Penentuan Nilai Densitas Tertinggi
Setelah nilai densitas selesai dihitung, maka
Menjumlahkan hasil perkalian dari hasil langkah selanjutnya adalah menentukan nilai densitas
normalisasi dengan bobot kriteria
tertinggi. Nilai densitas tertinggi itulah yang akan
dijadikan rekomendasi penyakit oleh sistem.
Menghasilkan nilai preferensi tiap
gejala yang dijadikan nilai belief 10. Penampilan Hasil Rekomendasi Penyakit dan
Solusi
Hasil rekomendasi penyakit beserta solusi akan
Menghitung nilai Plausibility dari nilai
belief yang didapat untuk setiap gejala ditampilkan pada interface sistem dengan mengklik
tombol “Klik”.
Proses Menghitung nilai densitas untuk setiap
Dempster Shafer kombinasi (m)
IV. PEMBAHASAN
Page 3
CESS (Journal of Computer Engineering System and Science) p-ISSN :2502-7131
Vol. 3 No. 1 Januari 2018 e-ISSN :2502-714x
Gangguan Postpartum Depression terdiri 5 jenis SG_03 Belakangan ini bisa mudah tertidur, tetapi 0.2
gangguan dapat dilihat pada tabel 1. bangun terlalu awal dan tidak bisa tidur
kembali
TABEL I SG_04 Sering merasakan nyeri dibagian perut 0.1
JENIS GANGGUAN SG_05 Ketika dimalam hari saat tidur, akan 0.1
mengalami tangan yang berkeringat
Kode Nama Gangguan
SG_06 Belakangan ini banyak melakukan 0.3
P001 Postpartum Blues pekerjaan sekaligus tanpa ada skala
Page | 4 P002 Postpartum Depression prioritas
P003 Postpartum Psychosis SG_07 Belakangan ini sering mengkonsumsi obat 0.4
anti depressan maupun penenang
P004 Delusi
SG_08 Sering melakukan aktivitas yang menguras 0.2
P005 Skizofrenia tenaga tanpa beristirahat
SG_09 Sering lupa dengan lokasi/tempat dari 0.1
2. Gejala Gangguan Postpartum Depression suatu objek yang ingin anda cari
Gejala gangguan Postpartum Depression terdiri ….. .......... .....
….. .......... .....
dari 19 gejala yang dapat dilihat pada tabel 2.
….. .......... .....
TABEL II SG_58 Sering mencurigai hal-hal yang ada 0.4
GEJALA GANGGUAN POSTPARTUM DEPRESSION disekitar anda dengan konotasi negatif
Kode Nama Gejala
Sering terbangun diwaktu tidur
G001 (Insomnia) B. Basis Pengetahuan gangguan Postpartum
Depression
G002 Konsentrasi Menurun
Dibawah ini merupakan tabel yang digunakan
G003 Cemas
sebagai acuan dalam pembuatan sistem pakar
G004 Merasa Sedih gangguan Postpartum Depression. Mesin inferensi
G005 Enggan Memberikan ASI untuk basis pengetahuan gangguan Postpartum
Enggan Memberikan Kenyamanan pada Depression dapat dilihat pada tabel 4.
G006 Bayi TABEL IV
G007 Merasa Bayi tersebut tidak diharapkan DAFTAR HUBUNGAN GEJALA DAN GANGGUAN
PPB PSYCH DELU SKIZOF
G008 Lebih Sensitif PPD
Gejala (P00 OSIS SI RENIA
(P002)
G009 Mood Swing 1) (P003) (P004) (P005)
✓ ✓ ✓ ✓ ✓
G010 Menurunnya Semangat G001
G011 Ingin Bunuh Diri ✓ ✓ ✓ ✓ ✓
G002
G012 Menyakiti Diri Sendiri ✓ ✓ ✓ ✓ ✓
G003
G013 Menyakiti Bayi Anda ✓
G004
G014 Waham ✓
G005
G015 Berhalusinasi ✓
G006
G016 Trauma
✓
G017 Egois G007
✓ ✓
G018 Berprilaku Abnormal G008
✓
G019 Paranoid G009
✓
G010
3. Sub Gejala Gangguan Postpartum Depression
✓
Masing-masing gejala memiliki sub gejala dengan G011
nilai bobot yang diperoleh dari pakar psikolog. Basis ✓
G012
pengetahuan dari sub gejala dan bobot dari gejala
✓
gangguan Postpartum Depression dapat dilihat pada G013
tabel 3. ✓ ✓
G014
TABEL III ✓
SUB GEJALA GANGGUAN POSTPARTUM DEPRESSION G015
Kode
Bobo ✓
Sub Nama Sub Gejala G016
t
Gejala ✓
SG_01 Sering terbangun ditengah malam hari, 0.2 G017
sehingga mengantuk keesokan di siang ✓
harinya G018
SG_02 Merasa sulit untuk memulai tidur atau 0.4 ✓
G019
tidak bisa menutup mata
Page 4
CESS (Journal of Computer Engineering System and Science) p-ISSN :2502-7131
Vol. 3 No. 1 Januari 2018 e-ISSN :2502-714x
Page 5
CESS (Journal of Computer Engineering System and Science) p-ISSN :2502-7131
Vol. 3 No. 1 Januari 2018 e-ISSN :2502-714x
Simple Additive Weighting berdasarkan sub gejala didapatkan dari penelitian ini adalah sebesar
yang dirasakan oleh pasien untuk mencari nilai 90%.
preferensi (V) yang diperoleh dari penjumlahan dari 2. Metode SAW dan Dempster Shafer dapat
perkalian elemen baris ternomalisasi dengan bobot memberikan diagnosa awal gangguan
preferensi gejala yang didapat dari pakar yang Postpartum Depression berdasarkan gejala-
kemudian nilai preferensi sebagai nilai belief akan gejala yang telah diinformasikan penderita.
diproses kembali menggunakan metode Dempster 3. Hasil implementasi diagnosa gangguan
Page | 6
Shafer dalam mendiagnosa awal gangguan Postpartum Depression yang telah diujikan
Postpartum Depression. pada sistem pakar berdasarkan data rekam
medik sebesar 90%.
B. Saran
Dari penelitian yang telah dilakukan, peneliti
dapat memberikan saran untuk penelitian selanjutnya
agar dapat mencoba metode pembobotan yang lain
guna mendapatkan bobot yang benar-benar dapat
merepresentasikan pengetahuan pakar. Diharapkan
peneliti selanjutnya juga dapat menelaah dan
mengkaji dengan lebih dalam mengenai sub gejala
dan gejala pada bidang psikologi karena terdapat
banyak sub gejala yang samar.
REFERENSI
V. PENUTUP
A. Kesimpulan
Dari hasil penelitian yang telah dilakukan, dapat
diambil beberapa kesimpulan sebagai berikut :
1. Metode SAW (Simple Additive Weighting)
dapat digunakan dalam penentuan nilai belief
gejala pada metode Dempster Shafer
berdasarkan bobot subgejala yang didapatkan
dari pakar. Tingkat akurasi sistem yang
Page 6