Sistem Pakar Penyakit Tropis Berbasis Web Menggunakan Faktor Kepastian
Sistem Pakar Penyakit Tropis Berbasis Web Menggunakan Faktor Kepastian
16-17 Oktober
2018
Abstrak —Indonesia berada di wilayah lintang SARS (Severe Acute Respiratory Syndrome) dan kaki gajah
khatulistiwa yang dikenal sebagai negara tropis climate. Di sisi (filariasis). Berdasarkan catatan data kesehatan dari
lain, banyak masyarakat Indonesia yang rentan menderita Kementerian Kesehatan Indonesia pada tahun 2013, tercatat
penyakit tropis khas seperti tifus, demam berdarah dan bahwa kasus malaria sekitar 1,38 per 1000 penduduk dengan
malaria. Dengan motivasi untuk mengekang penyakit, angka kematian mencapai hingga 45 orang. Pada tahun
mereka harus diberitahu tentang kesadaran , pengobatan dan 2017, sekitar 261.617 kasus malaria terinfeksi oleh
pengetahuan mengenai penyakit tropis seperti gejala, penyebab masyarakat Indonesia. Saat ini, kasus malaria juga dapat
dan pencegahan dini. Sistem pakar berbasis web adalah salah ditemukan di Bengkulu dan di Indonesia timur seperti
satu solusi terkenal, yang dapat diakses secara online melalui Papua, Papua Barat, Nusa Tenggara Timur, Maluku dan
internet. Biasanya, mesin inferensi tradisional dimungkinkan Maluku Utara. Sementara itu pada April 2014, tercatat
untuk membuat kesalahan diagnosis dalam domain medis. jumlah pasien DBD sekitar 5,17 per 100.000 penduduk
Selain itu, inferensi modern misalnya teori Bayes rumit dan (13.031 kasus) dengan angka kematian mencapai 0,84%.
tidak cukup untuk menggantikan aktivitas penalaran otak Biasanya, jenis penyakit tropis sulit diidentifikasi
manusia yang lengkap. Oleh karena itu, penelitian ini karena kesamaan gejalanya . Dengan motivasi itu, orang
bertujuan untuk menghibridisasi metode Forward Chaining perlu mendapatkan pengetahuan tentang penyakit tropis
dan Certainty Factor untuk mendiagnosis penyakit tropis yang seperti gejala, penyebab dan pencegahan dini. Sistem pakar
umum diderita oleh masyarakat Indonesia. Kami telah adalah alat yang sangat diperlukan dan tepat yang dapat
menggunakan sepuluh jenis penyakit tropis yaitu tifus , diakses melalui online untuk orang-orang. Saat ini, internet
demam berdarah, demam chingkungunya, malaria, cacarch, telah benar-benar memasuki area yang tidak dapat diakses.
tuberkulosis, difteri, pertusis, SARS dan kaki gajah bersama Masyarakat dapat mempertimbangkan sistem pakar online
dengan 38 gejala untuk mewakili setiap penyakit ke dalam sebagai solusi yang tepat untuk memberikan kesadaran
basis pengetahuan. Kami membandingkan hasil antara
kepada masyarakat tentang kegiatan pencegahan dan faktor
risiko penyakit tropis. Perlu dicatat bahwa sistem pakar
diagnosis ahli dan sistem pakar berbasis web yang kami telah banyak digunakan dalam banyak mata pelajaran seperti
usulkan setelah berjalan sepuluh kali berturut-turut. Kita medis, pertanian, militer, dan sebagainya. Sistem pakar
dapat menyimpulkan bahwa hibridisasi metode Forward adalah cabang kecerdasan buatan yang membuat komputer
Chaining dan Certainty Factor selama mengembangkan sistem menyimpulkan pengetahuan para ahli domain. Sistem pakar
ahli berbasis web, dapat secara signifikan mendiagnosis dikembangkan dengan meniru pemikiran expert. Tidak
penyakit tropis dengan benar.
seperti kemampuan ahli, orang normal hanya dapat
memecahkan masalah yang kurang kompleks. Para ahli
Kata kunci—faktor kepastian, sistem pakar, penyakit tropis biasanya sangat berpengalaman dalam domain tertentu yang
I. SayaNTRODUCTION terkait dengan aktivitas kerja sehari-hari mereka.
Selain sebagai negara strategis di garis lintang Sistem pakar terbaru secara eksponensial lebih pintar
khatulistiwa, iklim Indonesia dipengaruhi oleh penyakit daripada sistem pakar tradisional . Sistem pakar tradisional
tropis. Berbagai jenis penyakit tropis menular akibat virus
dan bakteri yaitu tifus, demam berdarah, demam
chingkungunya, malaria, cacar air, TBC, difteri, pertusis,
2018 Ke-2 Internasional Konferensi di atas Elektris Teknik dan Informatika (Ikon EEI 2018), Batam - Indonesia, Tanggal 16-17 Oktober
2018
A. Studi Kelayakan
Pemerintah Indonesia telah melakukan berbagai upaya
untuk menanggulangi penyakit tropis, sepertiedukasi
penyakit tro pical, pengobatan massal dan pencegahan
penyebab penyakit. Oleh karena itu, kami
mempertimbangkan untuk membangun aplikasi sistem
pakar berbasis web untuk diagnosis penyakit tropis dini
sehubungan dengan memulai atau menyarankan pasien
untuk sesi konseling lebih lanjut yang tepat dengan ahli
medis. Kami juga melakukan wawancara dengan para ahli
dan pasien tentang masalah tropis. Selain itu, kami
mengumpulkan banyak studi literatur dari jurnal, buku,
dan internet.
B. Akuisisi Pengetahuan
Setelah mengejar studi kelayakan, kami memperoleh
pengetahuan ahli medis. Kami mengembangkan
persyaratan basis pengetahuan untuk membangun sistem
pakar penyakit tropis. Data tersebut berisi tentang jenis-
jenis penyakit tropis, penyebab/gejala dan pengobatan
penyakit yang didiagnosis. Selanjutnya, data gejala
biasanya menggambarkangejala yang dialami oleh pasien
yang menderita gangguan penyakit tropis. Langkah
terakhir dari fase akuisisi pengetahuan adalah untuk
mendapatkan nilai kepastian dari setiap gejala dari ahli
domain.
C. Desain dan Implementasi
Untuk memfasilitasi interaksi antara sistem dengan
pengguna, perlu dirancang antarmuka (GUI).
64
2018 Ke-2 Internasional Konferensi di atas Elektris Teknik dan Informatika (Ikon EEI 2018), Batam - Indonesia, Tanggal 16-17 Oktober
2018
66
2018 Ke-2 Internasional Konferensi di atas Elektris Teknik dan Informatika (Ikon EEI 2018), Batam - Indonesia, Tanggal 16-17 Oktober
2018
A: Neiada setuju atau tidak setuju (CFuser = di mana, temp1,2,3,4 adalah hasil dari masing-masing CF
0,6) Q: Bintik-bintik merah atau bercak pada (Kombinasi). Oleh karena itu, dapat disimpulkan bahwa
kulit Faktor Kepastian orang yang terdiagnosis demam berdarah
J: Tidak setuju atau tidak setuju (CFuser= 0.6) berdasarkan gejala pada Tabel I adalah sekitar 0,55 atau
55%.
Q: Pendarahan dari hidung atau gusi
J: Tidak setuju atau tidak setuju (CFuser= 0.6) Kami telah melakukan pengujian dengan membandingkan
diagnosis sistem pakar dengan diagnosis ahli untuk
T: Sakit perut parah atau muntah terus-menerus mengetahui apakah sistem pakar memberikan hasil yang
A: Setuju (0,8) (CFuser= 0,8) sama dengan seorang ahli.
T: Dehidrasi
J: Tidak setuju atau tidak setuju (CFuser= 0.6) TABEL II. EXPERIMENTAL TESTING RESULTS
Percobaan Diagnosis sistem pakar Diagnosis
Q: Keringat dingin (CF) ahli
A: Setuju (0,8) (CFuser= 0,8) manusia
Exp 1 Demam berdarah (55,5%) Berdarah
CF[H,E]1 = CF[H]1 * CF[E]1 Exp 2 Malaria (67,85%) Malaria
Exp 3 Kaki gajah (92,07%) Kaki gajah
= 0, 45 * 0, 6 Keluaran 4 Cacar air (90,95%) Cacar air
= 0,27 Keluaran 5 Tuberkulosis (87,73%) Tuberkulosis
Exp 6 Pertusis (70,34%) Pertusis
CF[H,E]2 = CF[H]2 * CF[E]2 Keluaran 7 Chikungunya (80,77%) Chikungunya
Exp 8 Tipes (84,49%) Tifoid
= 0, 4 * 0, 6 Exp 9 Difteri (76,4%) Difteri
= 0,24 Keluaran 10 SARS (65,06%) SARS
CF[H,E]1)
= 0,27 + 0,24 * (1 – 0,27) 80
= 0,445 temp1
CF[H,E]temp1,3 = CF[H,E] temp1,3 + CF[H,E]3 * (1 –
60
CF[H,E] temp1)
= 0,445 + 0,09 * (1 – 0,445)
= 0,494 temp2 40
CF[H,E] temp2.4 = CF[H,E ] temp2.4 + CF[H,E]4 * (1 –
CF[H,E]temp2)
20
= 0,494 + 0,08 * (1 – 0,494)
= 0,534 temp3
CF[H,E] temp3.5 = CF[H,E] temp3.5 + CF[H,E]5 * (1 – 0
CF[H,E] temp3) 0 1 2 3 4 5 6 7 8 9 10 11
67
2018 Ke-2 Internasional Konferensi di atas Elektris Teknik dan Informatika (Ikon EEI 2018), Batam - Indonesia, Tanggal 16-17 Oktober
2018
Oleh karena itu, nilai kepastian ahli dan nilai pengguna Kami ingin mengucapkan terima kasih kepada Dr.
CF telah mempengaruhi hasil. Forward Chaining membantu Anwar Bet. SpPD di Rumah Sakit Ahmad Yani Pekanbaru,
sistem pakar untuk menghasilkan hubungan gejala dan Riau, Indonesia yang memberikan data berharga tentang
penyakit dan menjaga proses pencarian tetap teratur. penyakit tropis.
Faktor Kepastian membantu sistem pakar untuk menghitung
nilai CF berdasarkan hubungan gejala, jenis penyakit dan REFERENCES
jawaban pengguna. [1] E. Roventa dan T. Spircu, "Teori Faktor Kepastian," dalam
Manajemen Ketidaksempurnaan Pengetahuan dalam Membangun
V. CONKLUSI DAN FUTURE WORK Sistem Cerdas, ed: Springer, 2009, hlm. 153-160.
Kami telah berhasil dalam menggunakan metode Faktor [2] A. Adekoya, A. Akinwale, dan O. Oke, "Sistem pakar medis untuk
Kepastian dalam mesin inferensi sistem pakar yang kami mengelola penyakit tropis," dalam Prosiding Konferensi Ketiga
usulkan untuk penyakit tropis diagnose (TodEs). Kami juga tentang Sains dan Pembangunan Nasional, 2008, hlm. 74-86.
telah menggunakan metode Forward Chaining untuk [3] D. H. Satyareni, "Sistem pakar diagnosis penyakit infeksi tropis
menghasilkan hubungan gejala dan penyakit. Berdasarkan dengan menggunakan forward dan backward chaining," Teknologi,
10 pengujian yang dilakukan dengan membandingkan vol. 1, 2012.
diagnosis sistem pakar dengan diagnosis ahli, kami [4] F. Rumaisa dan d. Junaedi, "Sistem pakar untuk diagnosis dini
menyimpulkan bahwa sistem pakar yang diusulkan mampu penyakit meningitis menggunakan metode faktor kepastian,"
mendiagnosis penyakit tropis.
dalam Sistem Teknologi Informasi dan Inovasi (ICITSI),
Penelitian ini telah menggunakan 10 jenis penyakit tropis Konferensi Internasional 2016 pada, 2016, hlm. 1-3.
beserta gejala dari setiap penyakitnya. Kombinasi hibridisasi [5] I. Astuti dan H. Sutarno, "The expert system of children's digestive
Fo rward Chaining dan Certainty Factor mengembalikan tract diseases diagnostic using combination of forward chaining and
skor yang menjanjikan. Untuk mencapai sistem pakar penuh certainty factor methods," dalam Science in Information Technology
diperlukan kelengkapan basis pengetahuan. Nilai kepastian (ICSITech), 2017 3rd International Conference on, 2017, hlm.
harus diperoleh secara otomatis dari data. Penelitian di masa 608-612.
depan mungkin dapat menggunakan data besar dan [6] J. Li dan Y. Zhang, "Model faktor kepastian (CF) yang didukung GIS
penambangan data dalam mengotomatisasi pembuatan untuk penilaian potensi panas bumi: Studi kasus Kabupaten
aturan dan penentuan kepastian. Tengchong, Cina barat daya," Energi, vol. 140, hlm. 552-565,
2017.
[7] E. Agustina, I. Pratomo, A. D. Wibawa, dan S. Rahayu, "Expert
system for diagnosis hama and diseases of the rice plant using forward
chaining and certainty factor method," dalam Intelligent
Technology and Its Applications (ISITIA), 2017 International Seminar
PENGAKUAN on, 2017, hlm. 266-270.
[8] R. Kurniawan, N. Yanti, dan M. Z. Nazri, "Sistem pakar untuk
mendiagnosis sendiri penyakit mata menggunakan Naïve Bayes,"
dalam Advanced Informatics: Concept, Theory and Application
(ICAICTA), Konferensi Internasional 2014, 2014, hlm. 113-116.
68