LITERATUR REVIEW
“PENGGUNAAN SISTEM PAKAR DIAGNOSA PENYAKIT
PADA KEHAMILAN”
Diajukan sebagai salah satu syarat untuk lulus pada Mata Kuliah IT Komputerisasi dan
Sistem Informasi Program Studi Magister Ilmu Kebidanan Sekolah Pascasarjana
Universitas Hasanuddin
DISUSUN OLEH:
LISDAYANTI
P102221030
SEKOLAH PASCASARJANA
PROGRAM STUDI MAGISTER ILMU KEBIDANAN
UNIVERSITAS HASANUDDIN
MAKASSAR
2022
KATA PENGANTAR
Assalamu’alaikum warahmatullahi wabarakatuh
Puji Syukur Kehadirat Tuhan Yang Maha Esa, yang telah memberikan nikmat, kemampuan dan
kemudahan bagi kami dalam menyelesaikan makalah ini tepat waktu. Makalah yang berjudul
“LITERATUR REVIEW DIAGNOSA PENYAKIT PADA KEHAMILAN” disusun dalam
rangka memenuhi tugas salah satu Mata Kuliah IT Komputerisasi dan Sistem Informasi.
Penulisan makalah ini bertujuan sebagai sarana pengetahuan bagi mahasiswa Pascasarjana
Ilmu Kebidanan. Pembuatan makalah ini, kami banyak mendapatkan bantuan dari berbagai
pihak. Oleh karena itu kami ingin mengucapkan banyak terima kasih kepada semua pihak yang
telah membantu dalam penulisan makalah ini. Penulis menyadari makalah ini masih jauh dari
kata kesempurnaan. Oleh karena itu kami mengharapkan kritik dan saran yang bersifat
membangun demi kesempurnaan makalah ini.
Lisdayanti
LITERATUR REVIEW
“PENGGUNAAN SISTEM PAKAR DIAGNOSA PENYAKIT PADA KEHAMILAN”
Lisdayanti
Email: Lisdayanti486@gmail.com
ABSTRAK
Pengembangan suatu program komputer yang mengandung beberapa pengetahuan dari satu
atau lebih pakar manusia terkait suatu bidang yang cenderung spesifik. Pakar yang dimaksudkan
merupakan seseorang yang memiliki keahlian khusus di bidangnya. Sistem pakar memiliki
kemampuan untuk merekomendasikan rangkaian tindakan atau behaviour pengguna untuk dapat
menjalankan sistem koreksi yang tepat dan akurat. Dimana, sistem ini juga memanfaatkan
kapabilitas proses penalaran untuk dapat mencapai hasil simpulan berdasarkan data dan fakta
yang
Ibu hamil kadang mengalami masalah kesehatan selama kehamilannya. Untuk membantu
ibu hamil dan mencari solusi untuk masalah ini maka diciptakan aplikasi yang dapat membantu
ibu hamil. Perancangan aplikasi sistem pakar untuk mengetahui penyakit yang diderita ibu hamil.
Dalam penelitian ini adalah sistem yang dikembangkan dengan menerapkan metode forward
chaining. Forward chaining memberikan informasi penyakit pada masa kehamilan yang
berdasarkan fakta yang ada, dikumpulkan dari wawancara langsung dengan bidan, internet dan
buku sebagai referensi. Perancangan sistem pakar diagnosa penyakit pada ibu hamil untuk
mendapatkan suatu kesimpulan dari gangguan kehamilan.
Perancangan sistem pakar dibuat untuk mendiagnosa penyakit pada ibu Dengan adanya
sistem pakar ini akan membantu pengguna dan mempermudah dalam menentukan dan
mengdiagnisa penyakit pada ibu hamil. Tujuan penelitian Mengetahui sistem informasi dan
untuk memberikan pengetahuan dan informasi kepada pengguna tanpa harus berkonsultasi
terlebih dahulu kepada bidan atau dokter ahli kandungan yang merupakan pakarnya. Metode
penelitian yang digunakan adalah literatur review berdasarkan 7 jurnal tentang sistem pakar
Diangnosa pada ibu hamil. Hasil penelitian dari berbagai metode telah diimplementasikan pada
sistem pakar terbukti bahwa penggunaan sistem pakar mampu memberikan kesimpulan yang
sesuai, bermanfaat bagi masyarakat, pada ibu hamil sehingga mampu memberikan pengetahuan,
Kesimpulan sistem pakar dapat memberikan informasi dan mendiagnosis penyakit pada ibu
hamil sesuai dengan kondisi klien dengan keakuratan diatas 75% - 100%.
Judul/Outhor/Tahun/
NO Metode Hasil Penelitian Kesimpulan Database
Volume
Metode Naïve Bayes Classifier merupakan 1. Metode Naïve Bayes dapat
Judul :
pengklasifikasian probabilitas dan statistik Pada hasil pengujian hasil sistem dan mendiagnosa gangguan
Sistem Pakar Diagnosa
sederhana untuk mengambil perhitungan manual dengan exel yang telah kehamilan dengan menggunakan
Gangguan Pada
keputusan[10]. Ditemukan oleh ilmuan dilakukan, menunjukan bahwa hasil input gejala gejala yang
Kehamilan
inggris Thomas Bayes[5], teorema “Bayes perhitungan yang dilakukan oleh sistem diberikan user sehingga akan
Menggunakan Metode
“dan dikombinasikan dengan “Naive” maupun perhitungan menghasilkan diagnosa penyakit
Naïve Bayes
yang berarti setiap atribut/variable bersifat manual mempunyai hasil diagnosa yang yang diderita.
1 Peneliti : MySQL
bebas (independent)[11]. Metode ini dapat sama berdasarkan data pengujian yang telah
Ekojono, Banni Satria
memprediksi peluang di masa depan dilakukan. Dengan data tersebut dapat
2. Berdasarkan 50 data hasil
Andoko, Khosy Akmal perhitungan atau diagnose dari
berdasarkan pengalaman di masa mewakilkan jika sistem yang dibuat telah
Romadlan sitem yang telah di validasi oleh
sebelumnya. Keuntungan dari klasifikasi diuji hasil kebenarannya dengan melihat
Vol/Tahun : pakar, metode
yaitu memerlukan sedikit data pelatihan hasil yang diberikan oleh perhitungan
Jurnal Digit, Vol 5 No. 3. Naïve Bayes memberikan hasil
untuk memperkirakan parameter yang manual
1/2021 akurasi sebesar 83%.
diperlukan untuk hasil dari klasifikas
Hasil dari penelitian ini adalah sebuah
sistem pakar yang digunakan untuk Hasil penelitian dapat disimpulkan
Data flow diagram merupakan diagram diagnose penyakit kehamilan. Sistem pakar bahwa, sistem pakar diagnosa
aliran data yang menggambarkan yang dihasilkan ini memiliki sebuah penyakit kehamilan dapat digunakan
bagaimana data diproses oleh sistem. lingkungan konsultasi (consultation untuk membantu mendiagnosa
Judul: Sistem Pakar
Selain itu Data flow diagram (DFD) environment) (Turban, 1995) dalam bentuk penyakit kehamilan, Sistem dapat
Untuk Diagnosa
menggambarkan notasi- notasi aliran data antarmuka user yang dapat memudahkan
Penyakit Kehamilan menampilkan hasil diagnose berupa
di dalam system. Dalam perancangan pengguna awam dalam berkonsultasi
Menggunakan Metode nama penyakit. Hasil analisis
sistem pakar ini menggunakan metode dengan system. Antarmuka user terbagi
Dempster-Shafer Dan menggunakan metode Dempster-
penalaran forward chaining (pelacakan menjadi dua, yaitu antarmuka user Admin
2 Decision Tree Shafer dan decision tree dari studi MySQL
maju) yaitu dimulai dari sekumpulan fakta- dan antarmuka user pasien. Lingkungan
Peneliti: kasus yang dilakukan pada Rumah
fakta tentang suatu gejala yang diberikan konsultasi pada antarmuka user yang
Joko Minardi Sakit Dr. Soeharso Pontianak
oleh user sebagai masukan ke dalam terdapat pada sistem pakar ini terdiri dari
Vol/Tahun menunjukkan bahwa parameter
sistem, kemudian dilakukan perhitungan dua sesi, yaitu sesi konsultasi dan sesi hasil
Jurnal Digit Vol 7 No.1 tingkat kecocokan diagnosa secara
sampai tujuan akhir berupa diagnosa konsultasi. Sesi konsultasi merupakan sesi
/ 2016 keseluruhan sesuai bila data yag
penyakit kehamilan yang dialami dan nilai dimana pasien memilih gejala yang telah dimasukkan sesuai dengan rule yang
kepercayaannya, flowchart (diagram alir) disediakan oleh sistem sedangkan sesi hasil sudah di tetapkan
menggunakan metode Dempster-shafer konsultasi adalah hasil pengolahan data
berupa diagnosa penyakit.
lowchart sistem pakar diagnose penyakit
1. Sistem ini dapat
ibu hamil adalah sebagai berikut.
mengimplementasikan
1. Start menandakan program metode Certainty factor dengan
dimulai baik ke dalam sistem pakar
2. Setelah program dimulai maka diagnosa penyakit ibu hamil.
akan 2. Aplikasi sistem pakar diagnosa
ditampilkan data gejala penyakit. Pengujian sistem pakar diagnosa penyakit
penyakit ibu hamil dapat
3. User memilih gejala yang ibu hamil menggunakan metode Certainty
melakukan diagnosa sebuah
dirasakan. Factor dilakukan dengan dua tahap yaitu
penyakit dan dapat memberikan
pengujian validasi dan pengujian akurasi.
4. Gejala yang telah diinputkan user informasi berupa presentase
Pengujian Validasi berfungsi untuk
akan maksimal, definisi
Judul: mengetahui apakah sistem yang telah
dilakukan proses pembentukan rule base, penyakit, pencegahan dan juga
Sistem Pakar Diagnosa dibangun sesuai dengan yang dibutuhkan.
dimana rule base berguna untuk rujukan bagi ibu hamil.
Penyakit Ibu Hamil Pengujian validasi ini menggunakan metode
mencocokkan data gejala dengan data 3. Sistem pakar ini dapat dijadikan
Menggunakan Metode pengajuan Black Box karena tidak
penyakit. alternatif bagi ibu hamil dalam
Certainty Factor (CF) memfokuskan terhadap alur algoritma
Tree 5. Apabila tidak ditemukan gejala program melainkan lebih menekankan mengenali tanda bahaya melalui
3 Peneliti: yang sama dengan data penyakit atau dalam menemukan kesesuaian antara gejala-gejala yang dirasakan, MySQL
Aryu Hanifah Aji, M. hanya ditemukan data penyakit, maka kinerja sistem dengan daftar kebutuhan. selain dapat memberikan
Tanzil Furqon, Agus proses tidak dapat dilanjutkan ke proses Pada setiap kebutuhan dilakukan proses informasi
Wahyu Widodo perhitungan. Namun juka ditemukan pengujian untuk mengetahui keesuaian mengenai penyakit, sistem ini
Vol/Tahun gejala yang sama lebih dari satu, maka antara kebutuhan dan kinerja sistem. akan dapat membantu ibu hamil
Jurnal Digit Vol 2 No.5 proses akan berlanjut ke proses Delapan kasus uji yang telah dilakukan dalam menunjukkan tempat
/ 2018 perhitungan sistem. dengan menggunakan pengujian black box rujukan yang tepat sehingga dapat
6. Sistem akan melakukan menunjukkan bahwa nilai valid sistem ditangani oleh paramedis dengan
peritungan nilai CF secara keseluruhan pakar diagnosa penyakit ibu hamil tepat pula.
dari gejala yang ada apa rule base. sebesar 100% yang menandakan fungs 4. Setelah dilakukan pengujian
7. Dari hasil perhitungan nilai CF onalitas sistem berjalan sesuai dengan daftar fungsionalitas pada sistem pakar
dari masing- masing penyakit, maka kebutuhan sistem. diagnosa penyakit ibu hamil ini
akan dipilih nilai CF yang terbesar. memiliki tingkat validasi sebesar
Dimana nilai maksimal tersebut 100%. Sedangkan pengujian
merupakan hasil dari diagnose penyakit akurasi
menurut gejala yang diinputkan user. memiliki tingkat akurasi sebesar
100%.
8. Saat hasl akhir dari perhitungan
CF selesai maka program akan berhenti
Didapatkan bahwa sistem yang
Judul: dibangun sudah sesuai dengan
Sistem Pakar Untuk tujuan awal penelitian yaitu
Sistem pakar untuk mendiagnosa penyakit
Mendiagnosa Penyakit membangun
Cara Pengolahan: kehamilan. Berdasarkan pengujian terhadap
Pada Ibu Hamil sistem pakar yang membantu
metode Depth First Search yang akan masyakarat didapatkan total presentase
Menggunakan Metode masyarakat untuk melakukan
melakukan penelusuran secara mendalam interpretasi sebesar 86,88% yang
Depth First Search diagnosa awal serta mempermudah
4 berdasarkan menyatakan bahwa masyarakat sangat MySQL
Berbasis Web dalam mendapatkan informasi
fakta yang akan diberikan oleh pengguna. setuju dengan aplikasi sistem pakar tersebut
Peneliti: mengenai beberapa penyakit pada
Metode: dan sebesar 91,4% total nilai presentase
Eva Miftaviana Sari ibu hamil. Sehingga dapat dikatakan
Depth First Search interpetasi terkait keakuratan data yang
Vol/Tahun bahwa sistem yang dibangun sudah
digunakan
Jurnal Digit Vol 2 No.5 sesuai dengan tujuan awal penelitian
/ 2017
IF Sakit kepala AND Penglihatan kabur
Dengan menggunakan metode
Judul: AND Nyeri perut bagian atas AND Mual
bayes, sistem yang dibangun dapat
Sistem Pakar Diagnosa dan muntah AND Kelebihan jumlah urin
mengatasi ketidakpastian dalam
Penyakit Pada Ibu Cara Pengolahan: AND Penurunan trombosit darah AND
penyelesaian masalah dan dapat
Hamil Menggunakan Sistem pakar adalah aplikasi berbasis Gangguan fungsi hati AND Sesak nafas
membantu untuk mendiagnosa
Teorema Bayes Di computer yang digunakan untuk AND Gejala gangguan ginjal AND
penyakit pada ibu hamil serta
Apotek Rumah menyelesaikan masalah sebagaimana yang Kenaikan berat badan secara signifikan
5 mamberi solusi penanggulangannya MySQL
Sederhana Jayapura dipikirkan oleh pakar. AND Pembengkakan di ubuh, utamanya
dan dari hasil pengujian nilai
Peneliti: Metode: wajah, tangan dan kaki saat hamil AND
keakuratan yang didapat pada
Wahyu Fajrin Mustafa, Teorema Bayes Pingsan AND Nyeri di dada AND Nyeri
sistem pakar diagnosa penyakit pada
Kusrini pada pundak, leher atau rectum AND Mulut
ibu hamil mencapai nilai keakuratan
Vol/Tahun terasa kering AND Tekanan darah tinggi
93,9%.
Jurnal Digit Vol 1 No.3 THEN Hipertensi.
6 Judul: Cara Pengolahan: Forward chaining memberikan informasi 1. Sistem pakar dapat berfungsi MySQL
Sistem Pakar Diagnosa forward chaining dimulai dengan penyakit pada masa kehamilan yang untuk menghasilkan solusi
Penyakit Pada Ibu memasukkan sekumpulan fakta yang berdasarkan fakta yang ada, dikumpulkan penyakit sesuai dengan gejala-
Hamil Dengan Metode diketahui kedalam memori kerja, dari wawancara langsung dengan bidan, gejala yang diderita ibu hamil
Forward Chaining kemudian mencocokkan fakta-fakta internet dan buku sebagai referensi. 2. Waktu yang dibutuhkan dalam
tersebut dengan bagian IF dari rules IF- Perancangan sistem pakar diagnosa mendiagnosa penyakit pada ibu
Peneliti: THEN. Bila ada fakta yang cocok dengan penyakit pada ibu hamil untuk mendapatkan hamil lebih cepat jika
bagian IF, maka rule tersebut dieksekusi. suatu kesimpulan dari gangguan kehamilan.
Reni Maryani, Dadang dibandingkan dengan cara manual
Bila sebuah rule dieksekusi, maka sebuah
Haryanto 3. Dengan diterapkannya aplikasi
fakta baru (bagian THEN) ditambahkan
yang berbasis dekstop ini
Vol/Tahun
memudahkan ibu hamil untuk
memanfaatkan aplikasi ini,
bahkan ditempat terpencil
sekalipun
kedalam database 4. Aplikasi ini dapat membantu
Jurnal Digit Vol 1 No.1 untuk menganalisis gejala- gejala
Metode:
/ 2018 yang terlihat(fisik) maupun yang
metode Forward Chaining dengan teknik
representasi Rule Based Reasoning. tidak
terlihat(dirasakan oleh penderita)
untuk dicarikan solusinya
Judul:
S Sistem Pakar
1. Dari permasalahan yang ada
Diagnosa Penyakit
maka dapat disimpulkan
Pada Ibu Hamil
bahwa dibutuhkan sistem untuk
Dengan Metode Cara Pengolahan: membantu masyarakat
Certainty Faktor Aplikasi system pakar ini melalui alur
inferensi forward chainning yaitu dengan dalam memberi informasi
Berbasis Web
memasukkan gejala dan selanjutnya akan mengenai cara
Peneliti: dilacak kedepan dengan menggunakan mendiagnosis, gejala, dan solusi
7 aturan IF_THEN, kemudian akan ibu hamil. MySQL
Rachmat Agusli, diperoleh kesimpulan 2. Sistem ini dirancang
Muchamad iqbal Metode:
Certainty faktor yaitu menambahkan nilai menggunakan diagram UML
kepastian dari seorang ahli atau pakar (Unified Modeling Language)
Vol/Tahun
dan seorang pasien atau user dan bahasa
Jurnal Digit Vol 2 No.1
pemrograman Java dengan
/ 2020
database MySQL.
2. Beberapa literatur review menunjukkan
PEMBAHASAN bahwa keakuratan aplikasi dalam
Dalam penegakan doagnosa penyakit mengdignosa dan mendeteksi.
gangguan pada kehamilan dengan 3. Pada system pakar digunakan metode
penggunaan system pakar bisa dipengaruhi Forward Chaining, Certainly, Teorema
oleh beberapa factor diantaranya seperti Bayes, dan metode Naïve Bayes dan
ketepatan pemilihan data subjektif dan data Metode Depth First.
objektif yang dimasukkan pada sisyem serta
metode penilaian data yang dipilih. SARAN
Berbagai metode yang telah dipilih 1. Diharapkan pengembangan sistem ini
pada system pakar telah diimplementasikan dapat menambahkan atau mencari dataset
pada pengaplikasian gangguan kehamilan terbaru dikarenakan pada penelitian ini
dimana mampu memberikan hal yang sangat data bisa saja berubah tiap tahunnya.
bermanfaatvmulai darikecepatan penaganan 2. Diharapkan kepada riview selanjutnya
lebih dari serta ketepatan dalam untuk melakukan literatur review
pengambilan keputusan, serta terhadap jurnal terbaru mengenai
mempermudah beban kerja dari petugas gangguan kehamilan.
Kesehatan. 3. Diharapkan reviwer perlu melakukan
pengembangan yang lebih baik dari
KESIMPULAN sebelumnya terkait terkait penelitian
1. Sistem pakar ini dapat dijadikan alternatif sistem pakar pada gangguan kehamilan
bagi ibu hamil dalam mengenali tanda seperti dikembangkan untuk pengguna
bahaya melalui gejala-gejala yang android dan IOS pada bidang teknologi
dirasakan, selain dapat memberikan dalam Kesehatan sehingga masyarakat
informasi mengenai penyakit, sistem ini masyarakat khususnya ibu hamil bisa
akan dapat membantu ibu hamil dalam terbantu dengan aplikasi tersebut.
menunjukkan tempat rujukan yang tepat
sehingga dapat ditangani oleh paramedis DAFTAR PUSTAKA
dengan tepat pula. 1. Ekojono, Banni Satria et. al (Sistem
Pakar Untuk Mengdiagnosa Gangguan
Kehamilan dengan Metode Naïve Bayes)
Jurnal Seminar Informatika Aplikatif Dengan Metode Certainty Faktor
Polinema (SIAP) Berbasis Web. 2 (1): Jurnal AJCSR.
2. Joko Minardi (2016) Sistem Pakar Untuk
Diagnosa Penyakit Kehamilan
Menggunakan Metode Dempster-Shafer
Dan Decision Tree. Jurnal Sains dan
Teknologi 7 (1)
3. Aryu Hanifah Aji, et.al (2108) Sistem
Pakar Diagnosa Penyakit Ibu Hamil
Menggunakan Metode Certainty Factor
(CF). Jurnal Pengembangan Teknologi
Informasi dan Ilmu Komputer 2 (5) Hal
2127-2134
4. Eva Miftaviana Sari (2017) Sistem Pakar
Untuk Mendiagnosa Penyakit Pada Ibu
Hamil Menggunakan Metode Depth First
Search Berbasis Web.
https://core.ac.uk/download/pdf/1486143
43.pdf
5. Wahyu Fajrin Mustafa, Kusrini (Sistem
Pakar Diagnosa Penyakit Pada Ibu Hamil
Menggunakan Teorema Bayes Di Apotek
Rumah Sederhana Jayapura) Vol 1 N0. 3
Jurnal Sistem Informasi Universitas
AMIKOM Jogyakarta .
6. Reni Maryani, Dadang Heryanto (2018)
Sistem Pakar Diagnosa Penyakit Pada Ibu
Hamil Dengan Metode Forward Chaining
Jurnal JUMANTAKA 1 (1): 2613-9138
7. Rachmat Agusli. Et.al (2020) Sistem
Pakar Diagnosa Penyakit Pada Ibu Hamil