Abstract— Case-Based Reasoning an artificial intelligence yang akan dibahas. Selain itu, pada bagian ini peneliti dapat
method that’s use use previous experience in form of cases to menjelaskan tentang penelitian-penelitian terkait.
understand and solve new problems. A case-based reasoner
remembers former cases similar to the current problem and II. LANDASAN TEORI
attempts to modify their solutions to fit for the current case. Case-
Penalaran berbasis kasus merupakan metode yang
based reasoning is not a new method in a branch of artificial
intelligence. Application of CBR in an expert sistemto detect of a menjadikan kasus lama yang tersimpan pada basis
disease is appropriate, because the CBR is able to providea pengetahuan sebagai solusi terhadap kasus baru yang
solutionsalso can adopt new knowledge from a new cases.This ada.Basis pengetahuan merupakan kumpulan kasus-kasus
research aims to implement the concept of CBR that can be used in lama.Penelusuran terhadap kasus baru dengan cara
the utilization of CBR on an expert sistem to early diagnose the membandingkan tingkat kemiripannya dengan kasus lama
disease hepatitis. Where hepatitis is a disease that must be wary of. yang tersimpan. Ketika dalam penelusuran ditemukan tingkat
In this study the concepts in CBR described process steps in kemiripan yang tinggi antara kasus baru dengan kasus lama
accordance with its case study, covering data storage techniques yang tersimpan, maka kasus lama tersebut dijadikan sebagai
case, similarity search cases and generate solutions. Results of this
solusi.Selanjutnya, kasus baru tersebut disimpan sebagai
study do not provide the appropriate solution. Since the core of the
concept of CBR only provide solutions based on cases that have
pengetahuan baru di basis pengetahuan.Sistem pakar dengan
been saved to the knowledge base. To get the right solution, CBR menggunakan metode PBK memiliki kemiripan dalam prinsip
requires a number of cases that is very much to be a knowledge kerja dari tenaga medis.Tenaga medis melakukan diagnosa
base. yang dirasakan oleh seorang pasien, kemudian mencari kasus
atau gejala yang pernah didiagnosa sebelumnya.Solusi yang
Kata Kunci— Case Based Reasoning, Artificial intelligence, diberikan kepada pasien memberikan hasil diagnosa terhadap
Expert sistem, Hepatitis. pasien seperti pengalaman sebelumnya.
I. PENDAHULUAN
Penalaran berbasis kasus merupakan teknik penyelesaian II.1 KECERDASAN BUATAN
masalah berdasarkan pengalaman yang lalu di basis Kecerdasan Buatan (Artificial Intellegence) memungkinkan
pengetahuan [1].Penerapan PBK dalam dunia medis bukan sistem komputer untuk menerima pengetahuan melalui
merupakan hal yang baru.PBK dirasakan cocok dikarenakan masukkan dari manusia dan menggunakan pengetahuan
dalam bidang medis pentingnya hasil dari suatu diagnosa tersebut melalui simulasi proses penalaran dan berpikir seperti
sebagai catatan medis untuk disimpan.Hal ini penting manusia untuk memecahkan berbagai masalah. Untuk
dikarenakan agar rekam medis yang tersimpan figunakan menerapkan aplikasi kecerdasan buatan ada 2 bagian utama
kemudian hari oleh pasien dan pakar dikemudian yang sangat dibutuhkan, yaitu [2] :
hari.Penyakit Hepatitis merupakan penyakit yang berbahaya 1. Basis pengetahuan (Knowledge base), berisi fakta-fakta,
dikaenakan memiliki gejala dini yang tidak mengganggu teori, pemikiran dan hubungan antara satu dengan
penderitanya.Penerapan PBK dalam bidang medismengenai lainnya.
penyakit heaptitisakan sangatmembantu bagi tenaga medis 2. Motor Inferensi (Inference Engine), yaitu kemampuan
dalam mengobatipenyakit hepatitis. Penerapan PBK dalam menarik kesimpulan berdasarkan pengalaman.
lingkup diagnosa dini penyakit hepatitisakan sangat Berikut merupakan skema dari penerapan kecerdasan
membantu para dokter, perawat dan pasien untuk memperoleh buatan pada komputer:
informasi dan melakukankonsultasi mengenai
penyakitnya.Bagian ini berisi latar belakang dan permasalahan
D-296
n
f ( Si , Ti ) * wi
Sim ( S , T ) i 1
n
wi
i 1 (1)
Dimana :
S i adalah fitur ke-i yang ada dalam source case
Ti adalah fitur ke-i yang ada dalam target case
Gbr2. Skema Proses PBK wi adalah bobot fitur ke-i
Sebuah kasus yang ditemukan dicocokkan dengan kasus
yang ada pada case based dan selanjutnya satu atau beberapa n adalah jumlah total fitur
kasus yang mirip kemudian diambil. Pemecahan masalah yang
berasal dari kasus yang serupa kemudian digunakan kembali Fungsi f(Ti ,Si ) didefenisikan sebagai berikut :
dan diuji kebenaranya. Jika pemecahan masalah yang 1; Ti Si
digunakan hampir benar maka diperlukan perbaikan yang
kemudian selanjutnya akan menghasilkan suatu kasus baru f (Ti , Si )
yang akan disimpan kedalam case based.
0; Ti Si
Sistem kerja case based reasoning :
Berdasarkan fungsi similarity di atas, setiap target case
User menggambarkan masalah
(disimbolkan dengan huruf T) akan dicocokan dengan source
case yang ada dalam case base (disimbolkan dengan huruf S)
Sistem mencari ke database Database simbol n merupakan jumlah total fitur. Nilai similarity antara
untuk kasus yang sama Kasus target case dengan source case didapat dari fungsi f(Ti,Si )
dikali dengan bobot fitur. Pembobotan digunakan untuk
Sistem memberikan solusi memberikan nilai penting suatu gejala terhadap penyakit.
penyelesaian yang paling Nilai bobot yang diberikan adalah antara 2 sampai dengan
mendekati bobot maksimum masing-masing fitur. Semakin besar nilai
similarity yang diperoleh maka akan semakin besar peluang
Sistem memperbaiki solusi Sistem menyimpan source case untuk dijadikan solusi bagi target case. Nilai
untuk penyelesaian yang lebih masalaha dan penyelesaian similarity maksimal adalah 2 dan nilai minimalnya adalah 0.
baik yang baru
Ada suatu kondisi dimana ada lebih dari satu kasus yang
TIDAK memiliki nilai similarity yang sama. Untuk mengatasi masalah
YA
Berhasil ? tersebut maka dilakukan voting kasus yaitu dengan cara
mencari similarity kasus target dengan kelas kasus yang
memiliki nilai similarity yang sama tadi. Total dari similarity
Gbr 3. Sistem Kerja PBK kelas akan menentukan kelas mana yang akan dipilih.
Berikut ini akan diberikan contoh dari voting kasus.
Misalkan terdapat beberapa gejala dengan masing-masing
II.4 ALGORITMA NEAREST NEIGHBOUR bobot.Representasi kasus ditampilkan pada tabel. Kolom yang
Teknik retrieval yang digunakan dalam penelitian ini berisi nomor pada tabel merupakan nomor gejala yang ada.
adalah algoritma Nearest Neighbour. Ide dasar dari teknik ini Ada dua kelas kasus yaitu kelas A (Kasus A1 dan Kasus A2)
adalah membandingkan setiap atribut-atribut kasus target dan kelas B (Kasus B1 dan Kasus B2).Akan dicari similarity
dengan atribut-atribut sumber kasus yang ada dalam basis antara Kasus A1 dan Kasus B1 dengan Kasus Target.
kasus, kemudian perbandingan tersebut dihitung dengan Representasi kasus dengan empat kasus
menggunakan fungsi similarity. Jika nilai sumber kasus yang No Kasus 1 2 3 4 5 6 7 8 9 10 n
dibandingkan sama atau hampir sama dengan nilai kasus 1. Kasus A1 1 1 1 1 1 0 1 0 0 0
target maka solusi dari sumber kasus tersebut akan
2. Kasus B1 1 1 1 1 1 0 0 1 0 0
dipromosikan untuk menjadi solusi dari kasus target.
Berikut ini fungsi similarity yang digunakan dalam 3. Kasus A2 1 1 1 0 0 1 0 0 0 0
penelitan ini: 4. Kasus B2 1 1 1 0 0 0 1 0 1 0
Kasus Target 1 1 1 1 1 1 1 1 0 0
D-298
(1x1) (1x1) (1x1) (1x1) (1x1) (1x 0) (1x1) (1x 0) (1x 0) (1x 0) Demam ringan *
6
Sim A1 = = = 0.75 Kurang nafsu makan *
(1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x 0) (1x 0) 8 Kulit kuning *
Air kencing berwarna gelap * * *
Muntah * * *
(1x1) (1x1) (1x1) (1x1) (1x1) (1x 0) (1x 0) (1x1) (1x 0) (1x 0) 6 Sakit perut * * *
Sim B1 = = = 0.75 Sakit kepala *
(1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x 0) (1x 0) 8 Pegel linu *
Malaise *
(1x1) (1x1) (1x1) (1x 0) (1x 0) (1x1) (1x 0) (1x 0) (1x 0) (1x 0) 4 Nausea *
Sim A2 = = = 0.5 Pusing * *
(1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x 0) (1x 0) 8 Air kencing kemerahan *
Bola mata bagian putih menjadi kekuningan *
Nyeri pada sendi (Arthralgia) * *
(1x1) (1x1) (1x1) (1x 0) (1x 0) (1x 0) (1x1) (1x 0) (1x1) (1x 0) 5 Rasa tidak enak pada tenggorokan *
Sim B2 = = = 0.625 Munculnya ikterus selama beberapa hari *
(1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x1) (1x 0) (1x 0) 8 Insidious *
Rash *
Berdasarkan perhitungan nilai similarity antara kasus A1 Jaundice * *
dan kasus B1 memiliki nilai similarity yang sama, maka untuk Menggigil *
Nyeri perut sebelah kanan *
itu dilakukan voting terhadap dua kasus tersebut dengan cara Penurunan berat badan yang tidak jelas *
melakukan perhitungan sebagai berikut : Gangguan abdominal tidak jelas *
Kembung *
SimA1(T ) SimA2(T ) Mencret *
0.75 0.5 1.25
Total Kasus A = = = = 0.625
2 2 2 Tabel 1 menunjukkan hubungan antara gejala –gejala
yang timbul dari penyakit hepatitis.
SimB1(T ) SimB 2(T ) 0.75 0.625 1.375
Total Kasus B= = = = 0.6875
2 2 2 III. METODOLOGI PENELITIAN
III.1 Analisis Rekam Medis
Berdasarkan perhitungan voting diatas nilai total kasus A
lebih kecil dibandingkan perhitungan total kasus B, jadi kasus Representasi pengetahuan yang digunakan pada
B1 dijadikan sebagai solusi bagi kasus target. aplikasi ini diambil berdasarkan kasus rekam medis pasien.
Rekam medis tersebut digunakan sebagai pengetahuan pada
II.5 HEPATITIS sistem yang akan dibangun. Rekam medis pasien terdiri dari
Hepatitis adalah peradangan hati yang disebabkan oleh catatan dan dokumen penting berupa identitas pasien,
berbagai faktor karena berbagai sebab. Hepatitis yang pemeriksaan, diagnosis awal, tindakan perawatan, diagnosis
berlangsung kurang dari 6 bulan disebut "hepatitis akut" akhir serta pelayanan lain yang telah diberikan kepada pasien.
sedangkan hepatitis yang berlangsung lebih dari 6 bulan
disebut "hepatitis kronis". III.2 Analisis Metode Case Based Reasoning (CBR)
Hepatitis biasanya terjadi karena virus, terutama salah Perangkat lunak yang akan dibangun ini
satu dari kelima virus hepatitis, yaitu A, B, C, D atau E. menggunakan metode CBR (case based reasoning, dengan
epatitis juga bisa terjadi karena infeksi virus lainnya, seperti menggunakan teknik retrieval Nearest Neighbor. Proses
mononukleosis infeksiosa, demam kuning dan infeksi akuisisi pengetahuan pada sistem berdasarkan data gejala-
sitomegalovirus. Penyebab hepatitis non-virus yang utama gejala penyakit yang berasal dari rekam medis. Data tersebut
adalah alkohol dan obat-obatan. akan dibuat menjadi kasus. Ada dua jenis kasus yaitu source
case dan target case. Source case merupakan data-data kasus
TABEL I yang dimasukan ke dalam sistem yang berfungsi sebagai
Gejala-Gejala Penyakit Hepatitis pengetahuan bagi sistem. Sedangkan target case merupakan
Hepatitis
Gejala
A B C D E F G
data kasus yang akan dicari solusinya.
Gejala Mirip Flu * * Proses diagnosis kasus dilakukan dengan cara
Rasa lelah * * * * memasukkan gejala-gejala penyakit untuk kasus baru. Kasus
Demam * * * * baru yang dimasukan selanjutnya diproses untuk dicari
Diare * similarity atau kesamaan dengan kasus-kasus yang ada dalam
Mual * * *
Nyeri Perut *
sistem. Proses dari sistem tersebut akan menghasilkan
Mata Kuning * * keluaran berupa nama penyakit beserta pengobatannya.
Hilang Nafsu Makan (Anoreksia) * * *
Lemah *
Lesu * *
Sakit otot/pegal-pegal pada otot (Mialgia) * * *
D-299
Sistem
Login
Mengelola Pengguna
Konsultasi
Logout