November 2020
1,2)
Sistem Informasi, Universitas Pembangunan Nasional “Veteran” Jatim, Surabaya 3)
Teknik Informatika, Universitas Maarif Hasyim Latif, Sidoarjo
Abstrak
Pandemi COVID-19 khusus wilayah Indonesia sejak akhir tahun 2019 dan hingga saat ini
menunjukkan trend yang belum mereda hingga menimbulkan beberapa dampak kerugian.
Mengingat COVID-19 termasuk jenis penyakit baru, permasalahan utama di kalangan
masyarakat awam adalah kurangnya informasi dan edukasi hingga sulit dalam mendeteksi
serta membedakan antara penyakit ini dengan penyakit lainnya kerena memiliki gejala
yang hampir mirip. Beberapa penelitian dan kontribusi di bidang ilmu komputer
khususnya AI (Artificial Intelligence) seperti sistem berbasis pengetahuan terus
dikembangkan sebagai upaya pendeteksian penyakit COVID-19 secara dini dan mandiri.
Penelitian ini telah berhasil memodelkan knowledge base untuk deteksi dini sekaligus
membedakan dengan beberapa penyakit lain dengan 10 macam gejala serupa. Hasil
simulasi dengan mesin inferensi forward chaining telah berhasil mendiagnosis penyakit
berdasarkan gejala yang relevan. Model basis pengetahuan ini dapat diimplementasikan
dan dikembangkan pada sistem berbasis pengetahuan di berbagai platform.
1. PENDAHULUAN
COVID-19 (akronim dari Corona Virus Desease 2019) merupakan penyakit
menular yang disebabkan oleh coronavirus jenis baru, dimana virus/penyakit jenis baru
ini sebelumnya tidak dikenal sebelum terjadi wabah di Wuhan, Tiongkok, pada akhir
Desember 2019 [1]. Pandemi COVID-19 sedang melanda suluruh belahan dunia (tidak
terkecuali Indonesia) dimulai sejak akhir tahun 2019 dan hingga saat ini trend masih
belum mereda. Pada tingkat nasional Indonesia di pekan ini (sampai 8 Nopember 2020)
masih terjadi peningkatan kasus positif COVID-19 sebesar 8,2 persen [2]. Meski pada
minggu sebelumnya jumlah kasus baru COVID-19 di Indonesia tampak menurun, Prof
Wiku selaku juru bicara Satgas Penanganan COVID-19 mengakui ini bahwa penurunan
ini hanya bersifat “semu”, karena rupanya pada minggu tersebut jumlah testing juga
menurun ditambah hari libur panjang [2].
Sementara dampak kerugian yang telah ditimbukan akibat pandemi ini sudah
menyentuh berbagai aspek. Mulai aspek kesehatan, ekonomi, pendidikan, politik,
transportasi, dan bahkan sampai berdampak kepada masalah agama dan hubungan sosial
kemasyarakatan (social/phisical distance yang diberlakukan di beberapa daerah/kota).
Mengingat bahwa penyakit ini tergolong jenis baru, sehingga tidak jarang
menimbulkan kepanikan massal dan beberapa permasalahan yang terjadi di masyarakat
awam seperti misalnya kesulitan membedakan penyakit COVID-19 ini dengan beberapa
penyakit lain yang memiliki gejala serupa. Hal ini dapat dimaklumi, dikarenakan
kurangnya media edukasi dan informasi terkait penyakit baru ini.
2. METODOLOGI
Terdapat 5 langkah dalam metodologi penelitian kali ini. Dimulai dari : 1) studi
literatur, 2) akuisisi pengetahuan, 3) pembangkitan rule base, 4) pemodelan knowledge
base, dan 5) simulasi pengujian. Lebih jauh lagi, pada langkah ke-2, 3 dan 4, secara
prinsip telah menerapkan kaidah terkait komponen pembentuk sistem berbasis
pengetahuan / sistem pakar [8].
Langkah-2 : Cari angka yang sama dan berhimpitan di setiap lajur kolomnya,
kemudian beri blok tanda. (lihat tanda blok pada gambar 3)
Langkah-3 : Jika antar blok tanda tersebut memiliki kesamaan angka, kumpulkan
menjadi satu area. (lihat gambar 4)
Langkah-4 : Lakukan blocking per-baris pada semua area yang tersisa (lihat gambar 5].
Langkah-2 : Jika terdapat blok baris yang saling berhimpitan dan memiliki titik
permulaan yang sama, maka beri tanda panah kearah blok bawah. (perhatikan tanda panah
pada gambar 6). Tanda panah tersebut sekaligus mendeskripsikan cara kerja mesin
inferensi yang beralur maju (forward chaining). Secara default, jika bernilai benar/true
maka alur berjalan ke kanan. Dan jika bernilai salah/false maka alur akan berjalan ke
bawah. Sampai pada akhirnya alur akan berujung pada simpulan hasil diagnosis penyakit
yang relevan.
Skenario-2 : g1=4, g2=4, g3=4, g4=0, g5=4, g6=3, g7=3, g8=3,g9=4, g10=0,
hasil diagnosis = “p2” (lihat gambar 8).
Skenario-3 : g1=4, g2=3, g3=4, g4=0, g5=3, g6=2, g7=3, g8=2,g9=3, g10=3,
hasil diagnosis = “p3” (lihat gambar 9).
Skenario-4 : g1=4, g2=3, g3=4, g4=0, g5=3, g6=2, g7=3, g8=2,g9=3, g10=0,
hasil diagnosis = “tidak diketahui” (lihat gambar 10).
2 hal : 1) skenario dengan semua gejala yang relevan dengan alur knowledge base pada
akhirnya telah berhasil menampilkan diagnosis awal "penyakit yang relevan". 2)
Sedangkan skenario dengan salah satu/beberapa gejala yang kurang/tidak relevan dengan
alur knowledge base, pada akhirnya juga memberikan luaran diagnosis dengan hasil
“tidak diketahui". Sebagai saran pengembangan berikutnya adalah perlu memperkaya
pengetahuan yang lebih up-to-date terkait info perkembangan gejala baru COVID-19 dan
penyakit lainnya yang dinilai memiliki gejala mirip/serupa.
5. DAFTAR RUJUKAN
[1] World Health Organization, 2020. Q&A : Coronaviruse Diseases (COVID-19).
[online] (updated 12 October 2020) Available at:
https://www.who.int/emergencies/diseases/novel-coronavirus-2019/question-
andanswers-hub/q-a-detail/q-a-coronaviruses [accessed 11 Nopember 2020].
[2] DetikHealth, 2020. Satgas COVID-19 Akui Tren Penurunan Kasus Corona karena
Jumlah Tes Menurun. [online] (updated 10 Nov 2020) Available at:
https://health.detik.com/berita-detikhealth/d-5249430/satgas-covid-19-akui-
trenpenurunan-kasus-corona-karena-jumlah-tes-menurun [accessed 10
Nopember 2020].
[3] Hamid, A.R.A.H., 2020. Social responsibility of medical journal: a concern for
COVID-19 pandemic. Medical Journal of Indonesia (MJI), 29 (1).
[4] Sinuraya, I., Triayudi, A., Sholihati, I.D., 2020. Sistem Pakar Diagnosis Covid-19
Berbasis Mobile Application Android Dengan Metode Certainty Factor. Jurnal
Ilmiah SISFOTENIKA, 10 (2), pp.203-213.
[5] Suryana,M.F., Sari, F.R.T.K., 2020. Implementasi Sistem Pakar Menggunakan
Metode Certainty Factor Untuk Mendiagnosa Dini Corona Virus Desease (COVID-
19). Jurnal Media Informatika Budidarma, 4(3), pp. 559-566.
[6] Fariska, R.P., Kusumantara, P.M., Arifiyanti, A.A., 2020. METODE FORWARD
CHAINING DENGAN CERTAINTY FACTOR PADA SISTEM PAKAR
ORTHODONTI KASUS MALOKLUSI. Jurnal Informatika dan Sistem Informasi
(JIFoSI), 1(2), pp.333-342.
[7] Herowati, A.B., Kusumantara, P.M., Hadiwiyanti, R., 2020. METODE PROFILE
MATCHING PADA SISTEM PENDUKUNG KEPUTUSAN PERAWATAN
ORTHODONTIK UNTUK KASUS BORDERLINE. Jurnal Informatika dan
Sistem Informasi (JIFoSI), 1(2), pp.380-389.
[8] TutoialsPoint, 2020. Artificial Intelligence - Expert Systems. [online] Available at:
https://www.tutorialspoint.com/artificial_intelligence/artificial_intelligence_expert
_systems.htm [accessed 10 Oktober 2020].
[9] SehatQ, 2020. Serupa Tapi Tak Sama, Ini Perbedaan Gejala Coronavirus
dan Flu Biasa. [online] (09 Maret 2020) Available at:
https://www.sehatq.com/artikel/ketahui-perbedaan-gejala-flu-biasa-
daninfeksi-corona-covid-19 [accessed 10 Nopember 2020].
Latar Belakang
Jurnal ini mempunyai latar belakang sebagai berikut, Pandemi COVID-19 khusus
wilayah Indonesia sejak akhir tahun 2019 dan hingga saat ini menunjukkan trend
yang belum mereda hingga menimbulkan beberapa dampak kerugian.
Metode Penelitian
Terdapat 5 langkah metodologi penelitian, dimulai dari : 1) studi literatur, 2) akuisisi
pengetahuan, 3) pembangkitan rule base, 4) pemodelan knowledge base, dan 5) simulasi
pengujian.
Hasil Penelitian
Dari pengelompokan semua rule base simpleks tersebut, penelitian ini telah
mampu menghasilkan pemodelan knowledge base untuk mendiagnosis COVID-19
dan beberapa penyakit lain dengan gejala serupa.
Kesimpulan
Dari arsip/dokumen pengetahuan setelah dilakukan akuisisi pengetahuan secara
manual, telah berhasil dibangkitkan beberapa rule base kompleks. Dan dengan
teknik "pengelompokan dan pemecahan" telah berhasil merekonstruksi ulang rule
base kompleks sehingga menjadi beberapa rule base simpleks yang lebih kecil dan
sederhana.