JURNAL SISTEM INFORMASI TGD

Volume x, Nomor x, Bulan 2023, Hal 00-00

P-ISSN : 2828-1004 ; E-ISSN : 2828-2566
https://ojs.trigunadharma.ac.id/index.php/jsi

Sistem Pakar Mendiagnosis Penyakit Kanker Paru-Paru Menggunakan

Metode Certainty Factor
Nurhayaty Br Berutu1, Asyahri Hadi Nasyuha2, Elfitriani3
12 Sistem Informasi, 3 Manajemen Informatika STMIK Triguna Dharma

Email: 1 nurhayatiberutu20@gmail.com, 2 asyahrihadi@gmail.com, 3 trianielfi@gmail.com

Email Penulis Korespondensi: nurhayatiberutu20@gmail.com

Abstrak
Kanker paru-paru adalah salah satu penyakit yang mematikan karena kanker ini sulit dideteksi sebelum menjadi penyakit yang parah.
Sekitar 85% kanker paru-paru baru terdeteksi setelah dalam stadium akhir. Pendeteksian kanker paru secara dini dapat meningkatkan
peluang kesembuhan dari penyakit ini. Pendeteksian kanker paru-paru diterapkan dengan Sistem Pakar menggunakan metode Certainty
Factor. Certainty Factor menunjukkan ukuran kepastian terhadap suatu fakta atau aturan. Metode Certainty Factor digunakan untuk
mengukur tingkat keyakinan pakar ataupun tingkat probabilitas terhadap gejala-gejala yang dialami oleh pasien dalam menyimpulkan
suatu penyakit. Sistem Pakar dengan menggunakan metode Certainty Factor dapat digunakan untuk menyelesaikan permasalahan
dalam mendiagnosis penyakit kanker paru-paru. Dengan adanya Sistem Pakar ini, dapat dijadikan layanan konsultasi untuk membantu
dalam mengdiagnosis penyakit kanker paru-paru berdasarkan gejala-gejala klinis yang dialami oleh pasien, sehingga dapat digunakan
dalam pengambilan kesimpulan diagnosis awal sebelum melakukan pemeriksaan intensif laboratorium. Adapun tingkat keakurasian
dalam mendiagnosis penyakit kanker paru-paru menggunakan metode Certainty Factor adalah 91 %.
Kata Kunci: Sistem Pakar, Kanker Paru-Paru, Certainty Factor, CF.

Abstract
Lung cancer is one of the deadliest diseases because it is difficult to detect this cancer before it becomes a serious disease. About 85%
of lung cancer is detected only after it is in the final stage. Early detection of lung cancer can increase the chance of recovery from
this disease. Lung cancer detection is applied with an Expert System using the Certainty Factor method. Certainty Factor shows a
measure of certainty about a fact or rule. The Certainty Factor method is used to measure the level of expert confidence or the
probability level of the symptoms experienced by patients in concluding a disease. An expert system using the Certainty Factor method
can be used to solve problems in diagnosing lung cancer. With this Expert System, it can be used as a consulting service to assist in
diagnosing lung cancer based on the clinical symptoms experienced by the patient, so that it can be used in making initial diagnosis
conclusions before carrying out intensive laboratory examinations. The level of accuracy in diagnosing lung cancer using the Certainty
Factor method is 91%.
Keywords: Expert System, Diagnose, Lung Cancer, Certainty Factor, CF.

1. PENDAHULUAN
Kanker merupakan salah satu penyebab kematian terbesar di dunia. Kanker adalah penyakit kompleks yang melibatkan
pertumbuhan sel abnormal atau sel tidak biasa yang dikenal sebagai tumor ganas. Kanker paru-paru menjadi penyakit
paling umum yang menyebabkan kematian diantara semua kanker [1]. Kanker merupakan salah satu penyebab kematian
terbesar di dunia. Kanker adalah penyakit kompleks yang melibatkan pertumbuhan sel abnormal atau sel tidak biasa yang
dikenal sebagai tumor ganas. Kanker paru-paru menjadi penyakit paling umum yang menyebabkan kematian diantara
semua kanker [2]. Kanker paru-paru dikelompokkan menjadi Non-Small Cell Lung Cancer dan Small Cell Lung Cancer,
kelompok tersebut dibedakan berdasarkan pertumbuhan dan penyebarannya.
Merokok tembakau merupakan penyebab paling utama pertumbuhan kanker paru-paru. Merokok menyebabkan
terjadinya 9 dari 10 kasus kanker paru-paru pada pria, dan 8 dari 10 kasus kanker paru-paru pada wanita. Penelitian
menunjukkan bahwa risiko terkena kanker paru-paru akibat merokok meningkat sesuai dengan jumlah banyaknya rokok
yang diisap per hari atau per tahun. Karena di dalam asap rokok terkandung lebih dari 7.000 zat kimia, dengan lebih dari
250 zat beracun, dan sekitar 70 zat bersifat karsinogenik (menyebabkan kanker), sehingga perokok aktif mempunyai
risiko 20 kali lebih besar terkena kanker paru-paru dari perokok pasif atau bukan perokok. Selain perokok aktif, perokok
pasif juga dapat terkena kanker paru-paru walaupun dalam jumlah yang lebih sedikit. Perokok pasif adalah seseorang
yang menghirup udara yang terkontaminasi oleh sisa asap rokok yang dihembuskan oleh perokok aktif. Kemungkinan
untuk perokok (aktif/pasif) terkena kanker paru-paru tergantung dari beberapa aspek diantaranya : umur ketika mulai
merokok, sudah berapa lama merokok, banyak rokok yang diisap per hari, dan seberapa dalam perokok
menghisap/menghirup asap rokok. Lebih dari 600.000 kasus kematian setiap tahunnya disebabkan oleh sisa asap rokok.
Di Amerika terjadi lebih dari 7.300 kasus kematian karena kanker paru-paru, akibat sisa asap rokok (menjadi perokok
pasif) selama tahun 2005-2009. Oleh karena itu maka dibangun Sistem Pakar.
Sistem Pakar (expert system) adalah sistem yang mengadopsi pengetahuan manusia ke dalam komputer, agar
komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Sistem Pakar menanyakan fakta-

Nurhayaty Br Berutu, 2023, Hal 1

JURNAL SISTEM INFORMASI TGD
Volume x, Nomor x, Bulan 2023, Hal 00-00
P-ISSN : 2828-1004 ; E-ISSN : 2828-2566
https://ojs.trigunadharma.ac.id/index.php/jsi

fakta yang akan menunjukkan gejala-gejala penyakit tertentu dan dapat memberikan penjelasan atas hasil konsultasi yang
telah dilakukan. Dalam diagnosis seorang pakar menghadapi suatu permasalahan diantaranya jawaban yang ditemukan
berupa jawaban yang belum pasti [3]. Sistem pakar (Expert System) adalah salah satu bidang ilmu komputer yang
mendayagunakan komputer sehingga dapat berprilaku cerdas seperti manusia. Sistem ini berusaha mengadopsi
pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para
ahli. Sistem pakar akan memberi daftar gejala-gejala sampai bisa mengidentifikasikan suatu kemungkinan diagnosis akan
sebuah penyakit [4]. Sistem pakar akan memberi daftar gejala-gejala sampai bisa mengidentifikasikan suatu kemungkinan
diagnosis akan sebuah penyakit [5].
Certainty Factor menunjukkan ukuran kepastian terhadap suatu fakta atau aturan. Pada penelitian terdahulu, metode
Certainty Factor banyak digunakan untuk mendiagnosis berbagai penyakit dan mendapatkan hasil yang akurat. Adapun
penelitian terdahulu yang menggunakan Certainty Factor diantaranya yaitu, dalam mendeteksi kanker mulut rahim
menghasilkan tingkat keakuratan 85,71% yang didapatkan dari tingkat keberhasilan Sistem Pakar jika dibandingkan
dengan seorang pakar [6].
Penggunaan metode Certainty Factor (CF) pada penelitian ini karena metode ini berorientasi terhadap tingkat
kepastian rule dan evidence, tidak seperti metode Dempster Shafer yang dapat memberikan kesimpulan hasil diagnosis
dengan lebih dari satu kemungkinan karena berorientasi terhadap tingkat kepastian tiap gejala. Sementara menurut
penelitian yang berjudul “Analisis Perbandingan Metode CF Dempster Shafer dan Teorema Bayes Untuk Mendiagnosis
Penyakit Inflamasi Dermatitis Imun Pada Anak” pada tahun 2018 menyimpulkan bahwa CF dan Teorema Bayes memiliki
kesamaan pola yaitu jika gejala semakin banyak maka nilai probabilitas jenis penyakit akan semakin tinggi, namun untuk
metode Teorema Bayes nilai probabilitas yang diperoleh lebih kecil dibandingkan dengan metode CF. Dengan hasil ini
maka metode yang paling tepat digunakan adalah CF. Hal ini sesuai dengan ilmu kepakaran bahwa satu penyakit tidak
dapat ditetapkan hanya dengan satu gejala atau dengan kata lain nilai probabilitasnya rendah dan semakin banyak gejala-
gejala yang diderita maka semakin mungkin terdiagnosis jenis penyakit tersebut dengan nilai probabilitasnya yang tinggi
[7].

2. METODOLOGI PENELITIAN

2.1 Tahapan Penelitian

Metodologi penelitian adalah suatu proses dalam memperoleh data dan pengumpulan data dari berbagai informasi,
baik melalui studi literatur (penelitian kepustakaan) maupun melalui studi lapangan, serta melakukan pengolahan data
untuk menarik suatu kesimpulan dari masalah yang diteliti. Dalam metode penelitian pada sistem pakar mendiagnosis
kanker paru-paru terdapat beberapa bagian penting, yaitu sebagai berikut :
a. Teknik Pengumpulan Data (Data Collecting)
Data Collecting adalah suatu teknik pengumpulan data yang digunakan untuk mencari informasi yang
dibutuhkan dalam penelitian.
1. Pengamatan Langsung (Observasi)
2. Wawancara (Interview)
b. Studi Kepustakaan (Study of Literature)
c. Penerapan Metode Certainty Factor dalam pengolahan data menjadi sebuah hasil diagnosis
2.2 Paru-Paru
Paru-paru adalah salah satu organ vital dalam tubuh manusia. Tepatnya merupakan organ respirasi (pernapasan) yang
berhubungan dengan sistem pernapasan dan sirkulasi (peredaran darah). Fungsi utama dari organ ini adalah menukar
oksigen dari udara dengan karbon dioksida dari darah [8]. Penyakit paru-paru adalah kondisi yang membuat paru-paru
tidak dapat berfungsi secara normal. Beberapa yang paling umum, di antaranya asma, penyakit paru obstruktif kronis
(PPOK), pneumonia, tuberkulosis, dan kanker paru. Penyakit ini dapat menimbulkan resiko hingga kematian bagi
penderitanya [9].
2.3 Sistem Pakar
Sistem pakar adalah suatu program kecerdasan buatan atau yang sering disebut AI dengan menggabungkan pangkalan
knowledge (pengetahuan) base dengan sistem yang inferensinya untuk menjadikan sebuah sistem yang bertindak
layaknya seorang pakar Sistem pakar merupakan sebuah sistem yang menginterfensi pengetahuan manusia ke dalam
sebuah sistem komputer, diharapkan agar komputer dengan sistem yang dibuat menyerupai manusia dapat bekerja sesuai
kemampuan yang dimiliki layaknya seorang pakar [10]. Sistem pakar yang muncul pertama kali adalah General Purpose
Problem Solver (GPS) yang dikembangkan Newel Simon. Istilah sistem pakar berasal dari istilah knowledge-based Expert
System. Istilah ini muncul karena untuk memecahkan masalah. Sistem pakar menggunakan pengetahuan seorang pakar
yang dimasukkan ke dalam komputer. Seseorang yang bukan pakar menggunakan sistem pakar untuk meningkatkan
kemampuan pemecahan masalah. Sistem pakar juga memiliki arti sebagai program komputer yang merepresentasikan
dan melakukan penalaran dengan pengetahuan beberapa pakar untuk memecahkan masalah atau memberikan saran [11].
Awal mulanya sistem pakar dibuat untuk kebutuhan pemecahan masalah dilingkungan laboratorium. Seiring berjalannya

Nurhayaty Br Berutu, 2023, Hal 2

JURNAL SISTEM INFORMASI TGD
Volume x, Nomor x, Bulan 2023, Hal 00-00
P-ISSN : 2828-1004 ; E-ISSN : 2828-2566
https://ojs.trigunadharma.ac.id/index.php/jsi

waktu, keberadaan sistem pakar telah dikembangkan untuk merambah dunia industri, dunia bisnis, kesehatan, militer,
pertanian dan bidang lain yang memerlukan keberadaan seorang pakar untuk memecahkan permasalahannya. Sistem
pakar dikomersilkan dan banyak dikembangkan sebagai asisten cerdas dalam suatu pengambilan keputusan, misalnya
sistem pakar banyak dikembangkan dalam dunia kesehatan untuk melakukan diagnosis awal dari suatu penyakit [12].
Sebuah sistem pakar dikatakan berhasil apabila sistem ini mampu menghasilkan sebuah keputusan yang sama seperti
yang dilakukan oleh pakar aslinya baik pada saat proses pengambilan keputusannya begitu juga dengan hasil
keputusannya dalam mendiagnosis sebuah penyakit [13].
.
2.4 Metode Certainty Factor
Teori Certainty Factor (CF) merupakan teori untuk menginpresentasikan ketidakpastian seorang pakar yang diusulkan
oleh Shortliffe dan Buchanan pada tahun 1975. Seorang pakar sering menganalisis informasi atau ungkapan dengan
ketidakpastian, untuk mengakomodasikan hal ini digunakan Certainty Factor (CF) untuk menggambarkan atau menilai
keyakinan pakar terhadap suatu hal yang dihadapi. Certainty Factor (Faktor Ketidak pastian) menyatakan kepercayaan
dalam sebuah kejadian (fakta atau hipotesa) berdasarkan bukti atau penilaian pakar. Certainty Factor menggunakan suatu
nilai untuk mengansumsikan derajat keyakinan seorang pakar terhadap suatu data. Certainty Factor memperkenalkan
konsep keyakinan dan ketidakyakinan [14] Saat ini ada dua model yang sering digunakan untuk mendapatkan tingkat
keyakinan (CF), yaitu sebagai berikut [15]:
1. Metode ‘Net Belief’ yang diusulkan oleh E.H. Shortliffe dan B. G. Buchanan. Seperti yang ditunjukkan pada
persamaan seperti dibawah ini :
CF(Rule) = MB(H,E) – MD(H,E)

………...…………………. (1)

………….………....………. (2)

2. Menggunakan hasil wawancara dengan pakar. yaitu nilai CF (rule) diperoleh dari interprestasi term dari pakar,
yang diubah menjadi CF atau biasa disebut menghitung nilai CFcombine seperti pada tabel dibawah ini :
Tabel 1. Nilai Kepercayaan

Uncertain Term CF
Defenitely Not ( Pasti Tidak) -1.0
Almost Certainly Not (Hampir Pasti Tidak) -0.8
Probably Not ( Kemungkinan Besar Tidak) -0.6
Maybe Not ( Mungkin Tidak) -0.4
Unknown (Tidak Tahu) -02 to 0.2
Maybe (Mungkin) 0.4
Probably (Kemungkinan Besar) 0.6
Almost Certainly ( Hampir Pasti) 0.8
Definitely (Pasti) 1.0

a. Perhitungan Certainty Factor gabungan secara umum, rule direpresentasikan dalam bentuk sebagai berikut:
IF E1 AND E2………… AND En THEN H (CF Rule)
Atau IF E1 OR E2…………….OR En THEN H (CF Rule)
Rule dengan Evidence E ganda dan Hipotesis H Tunggal

Nurhayaty Br Berutu, 2023, Hal 3

JURNAL SISTEM INFORMASI TGD
Volume x, Nomor x, Bulan 2023, Hal 00-00
P-ISSN : 2828-1004 ; E-ISSN : 2828-2566
https://ojs.trigunadharma.ac.id/index.php/jsi

IF E1 AND E2……… AND En THEN H (CF Rule)

CF (H,E) = min[CF(E1), CF (E2), , CF(En)] x CF (rule)
IF E1 OR E2……… OR En THEN H (CF Rule)
CF (H,E) = max[CF(E1), CF (E2), , CF(En)] x CF (rule)
Atau
Rumus dari kombinasi dua buah rule dengan evidence berbeda (E1 dan E2), tetapi hipotesis sama.

………………………….…...(3)

3. HASIL DAN PEMBAHASAN

3.1 Penerapan Metode Certainty Factor

Penerapan Metode Certainty Factor merupakan langkah penyelesaian dengan mengunakan metode Certainty Factor
dalam mendiagnosis penyakit kanker paru-paru. Berikut ini merupakan data gejala, penyakit dan basis aturan yang akan
diolah:
Tabel 2. Data Gejala

No. Kode Gejala Nama Gejala

1 G01 Batuk yang berkelanjutan
2 G02 Batuk berdarah
3 G03 Sesak napas
4 G04 Nyeri dada
6 G05 Suara serak
6 G06 Mengi
7 G07 Penurunan berat badan
8 G08 Darah dalam dahak
9 G09 Masalah dalam menelan
10 G10 Kehilangan selera makan
11 G011 Merasa sangat lelah
12 G012 Peradangan atau sumbatan di paru-paru
13 G013 Pembengkakan atau pembesaran kelenjar getah bening di daerah paru-paru
14 G014 Kehilangan berat badan

Tabel 3. Data Penyakit

No. Kode Penyakit Jenis Penyakit

1 P01 Kanker Paru-Paru Lobus Superior
2 P02 Kanker Paru-Paru Lobus Medius
3 P03 Kanker Paru-Paru Lobus Inferior

Tabel 4. Basis Aturan Setiap Penyakit

Nama Penyakit Kode Gejala Nama Gejala Penyakit MB MD CF

G01 Batuk yang berkelanjutan 0.7 0 0.7
Kanker Paru-Paru G02 Batuk berdarah 0.55 0 0.55
Lobus Superior G03 Sesak napas 0.55 0 0.55
G04 Nyeri dada 0.7 0 0.7

Nurhayaty Br Berutu, 2023, Hal 4

JURNAL SISTEM INFORMASI TGD
Volume x, Nomor x, Bulan 2023, Hal 00-00
P-ISSN : 2828-1004 ; E-ISSN : 2828-2566
https://ojs.trigunadharma.ac.id/index.php/jsi

Tabel 4. Basis Aturan Setiap Penyakit (lanjutan)

Nama Penyakit Kode Gejala Nama Gejala Penyakit MB MD CF

G05 Suara serak 0.4 0 0.4
G06 Mengi 0.25 0 0.25
G07 Penurunan berat badan 0.7 0 0.7
G04 Nyeri dada 0.7 0 0.7
G05 Suara serak 0.4 0 0.4
G06 Mengi 0.25 0 0.25
G07 Penurunan berat badan 0.7 0 0.7
G08 Darah dalam dahak 0.55 0 0.55
G09 Masalah dalam menelan 0.4 0 0.4
Kanker Paru-
G010 Kehilangan selera makan 0.7 0 0.7
Paru Lobus
G011 Merasa sangat lelah 0.55 0 0.55
Medius
G012 Peradangan atau sumbatan di paru-paru 0.4 0 0.4
Pembengkakan atau pembesaran kelenjar
G013 0.25 0 0.25
getah bening di daerah paru-paru
G014 Kehilangan berat badan 0.4 0 0.4
Batuk yang semakin memburuk dari waktu
G015 0.1 0.1
ke waktu
G01 Batuk yang berkelanjutan 0.7 0 0.7
G02 Batuk berdarah 0.55 0 0.55
G03 Sesak napas 0.55 0 0.55
Kanker Paru-Paru
G06 Mengi 0.25 0 0.25
Lobus Inferior
G07 Penurunan berat badan 0.7 0 0.7
G010 Kehilangan selera makan 0.7 0 0.7
G014 Kehilangan berat badan 0.4 0 0.4

Berikut ini merupakan perhitungan hasil diagnosis penyakit kanker paru-paru apabila seorang pasien menderita gejala
seperti berikut ini:

Tabel 5. Contoh Gejala Yang Dialami

Kode Gejala Nama Gejala Keterangan
G01 Batuk yang berkelanjutan 
G04 Nyeri dada 
G015 Batuk yang semakin memburuk dari waktu ke waktu 

1. Perhitungan CF Pada Penyakit Kanker Paru-Paru Lobus Superior (P01)

Gejala yang terindentifikasi pada P01 adalah (G01, G04)
CF (CF1, CF2) = CF1+CF2 (1-CF1)
CF (G01 AND G04) = 0.7 + 0.7 *(1-0.7)
= 0,91
Persentase combine = 0.91 * 100%
= 91 %

2. Perhitungan CF Pada Penyakit Kanker Paru-Paru Lobus Medius (P02)

Gejala yang terindentifikasi pada P02 adalah (G04, G015)
CF (CF1, CF2) = CF1 + CF2 * (1 – CF1)
CF (G04 AND G015) = 0.7 + 0.1 * (1 – 0.7)
= 0.73
Persentase combine = 0.73* 100%
= 73 %

3. Perhitungan CF Pada Penyakit Kanker Paru-Paru Lobus Inferior (P03)

Gejala yang terindentifikasi pada P3 adalah (G01)
CF (CF1, CF2) = CF1 + CF2 * (1 – CF1)
CF (G01) = 0.7 + 0 * (1 – 0.7)

Nurhayaty Br Berutu, 2023, Hal 5

JURNAL SISTEM INFORMASI TGD
Volume x, Nomor x, Bulan 2023, Hal 00-00
P-ISSN : 2828-1004 ; E-ISSN : 2828-2566
https://ojs.trigunadharma.ac.id/index.php/jsi

= 0.7
Persentase combine = 0.7* 100%
= 70 %

Berdasarkan hasil diagnosis yang didapat atas kasus tersebut, bahwa pasien kemungkinan besar menderita penyakit
kanker paru-paru dengan jenis penyakit kanker paru-paru lobus superior dengan tingkat probabilitas terhadap penyakit
tesebut adalah 0.91 atau 91 %. Adapun solusi yang dapat diberikan untuk pasien yang menderita penyakit kanker paru-
paru lobus superior yaitu tes pencitraan, sitologi dahak, sampel jaringan..
3.2 Implementasi Sistem
Berikut ini merupakan hasil implementasi sistem yang telah dibangun dengan berbasis Web Based Application.
a. Halaman Menu Utama
Halaman ini berfungsi sebagai halaman utama pada sistem yang telah dibangun yang berguna untuk menjadi menu
navigasi sistem .

Gambar 1. Tampilan Menu Utama

b. Halaman Diagnosis
Halaman diagnosis berfungsi sebagai menu untuk melakukan diagnosis berdasarkan gejala yang dialami
sebelumnya.

Gambar 2. Tampilan Halaman Diagnosis

c. Halaman Hasil Diagnosis
Halaman hasil diagnosis berfungsi untuk menampilkan hasil diagnosis yang telah dilakukan dengan menggunakan
metode Certainty Factor.

Gambar 3. Tampilan Halaman Hasil Diagnosis

Nurhayaty Br Berutu, 2023, Hal 6

JURNAL SISTEM INFORMASI TGD
Volume x, Nomor x, Bulan 2023, Hal 00-00
P-ISSN : 2828-1004 ; E-ISSN : 2828-2566
https://ojs.trigunadharma.ac.id/index.php/jsi

d. Halaman Login Admin

Halaman login admin berfungsi sebagai halaman masuk bagi seorang admin untuk dapat masuk kedalam sistem.

Gambar 5. Tampilan Halaman Login

e. Halaman Data Gejala
Halaman Data Gejala berfungsi untuk mengelola data gejala pada sistem.

Gambar 6. Tampilan Halaman Data Gejala

f. Halaman Data Penyakit
Halaman Data Penyakit berfungsi untuk mengelola data penyakit pada sistem pakar.

Gambar 7. Tampilan Halaman Data Penyakit

Nurhayaty Br Berutu, 2023, Hal 7

JURNAL SISTEM INFORMASI TGD
Volume x, Nomor x, Bulan 2023, Hal 00-00
P-ISSN : 2828-1004 ; E-ISSN : 2828-2566
https://ojs.trigunadharma.ac.id/index.php/jsi

g. Halaman Basis Pengetahuan

Halaman basis pengetahuan berfungsi untuk mengelola data basis pengetahuan pada sistem pakar.

Gambar 8. Tampilan Halaman Basis Pengetahuan

4. KESIMPULAN
Pengidentifikasian penyakit kanker paru-paru dilakukan dengan memindahkan pengetahuan pakar ke dalam bentuk rules
dan nilai kepastian sehingga dapat diketahui penyakit kanker paru-paru. Selanjutnya melakukan proses perhitungan
metode Certainty Factor untuk mengetahui probabilitas penyakit yang menyerang pasien, sehingga setelah melakukan
proses pengujian terhadap sistem dengan sample hasil diagnosis pasien yang menderita penyakit kanker paru-paru maka
mendapatkan hasil akurasi yang tepat dan benar. Sistem Pakar untuk mendiagnosis penyakit kanker paru-paru dirancang
melalui proses yang diawali dengan mengadopsi pengetahuan pakar, kemudian merancang basis data sesuai akuisisi yang
telah dilakukan. Selanjutnya melakukan perancangan antarmuka dan akhirnya melakukan uji sistem terhadap kasus yang
diangkat. Sistem Pakar untuk mendiagnosis penyakit kanker paru-paru dapat diimplementasikan di dunia medis untuk
dapat digunakan dalam pendiagnosisan penyakit kanker paru-paru.
UCAPAN TERIMAKASIH
Terima kasih diucapkan kepada Allah Subhanahu Wa’Taala yang memberikan rahmat dan Hidayah sehingga mampu
menyelesaikan jurnal ini. Kemudian kepada Bapak Asyahri Hadi Nasyuha dan Ibu Elfitriani atas segala waktu dan
ilmunya yang telah memberikan bimbingan selama masa pengerjaan hingga menyelesaikan jurnal ini dan kepada seluruh
dosen serta pegawai kampus STMIK Triguna Dharma yang telah banyak membantu baik dari segi informasi ataupun
dukungan lainnya.
DAFTAR PUSTAKA
[1] A. R. Azura and A. Diantini, “Review Artikel: Peran Nutrasetikal Pada Kanker Paru-Paru,” Farmaka, vol. 17, no.
2, pp. 209–221, 2019.
[2] Y. Prabowo et al., “Diagnosis Kanker Paru-Paru dengan Sistem Fuzzy,” vol. 10, no. 1, pp. 19–28, 2022, doi:
10.32832/kreatif.v10i1.6317..
[3] N. Y. L. G. Gaol, Lusiyanti, and A. H. Nasyuha, “Penerapan Metode Certainty Factor Dalam Diagnosa
Hermatologi-Onkologi,” J. Chem. Inf. Model., vol. 6, no. 3, pp. 1435–1443, 2022, doi: 10.30865/mib.v6i3.4190.
[4] D. Nofriansyah, R. Gunawan, and E. Elfitriani, “Sistem Pakar Untuk Mendiagnosa Penyakit Pertussis (Batuk
Rejan) Dengan Menggunakan Metode Teorema Bayes,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist.
Komput. TGD), vol. 3, no. 1, p. 41, 2020, doi: 10.53513/jsk.v3i1.194.
[5] S. . Utomo, Y.R.; Widada, Bebas.; Fitriasih, “Diagnosa Penyakit Bovine Ephemeral Fever (BEF) Pada Ternak
Sapi Potong Dengan Metode Certainty Factor Di Kabupaten Gunungkidul,” J. TIKomSiN, pp. 14–22.
[6] R. Trisnawan, A. F. Boy, and I. Mariami, “Sistem Pakar Mendeteksi Kerusakan ECU (Electronic Control Unit)
pada Motor Injeksi Honda PCX di PT. Supra Jaya Abadi Titi Kuning Medan dengan Metode Certainty Factor,”
J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput. TGD), vol. 4, no. 1, p. 78, 2021, doi:
10.53513/jsk.v4i1.2444..
[7] P. S. Ramadhan, “Sistem Pakar Pendiagnosaan Dermatitis Imun Menggunakan Teorema Bayes,” InfoTekJar
(Jurnal Nas. Inform. dan Teknol. Jaringan), vol. 3, no. 1, pp. 43–48, 2018, doi: 10.30743/infotekjar.v3i1.643.
[8] S. Alim, P. P. Lestari, and R. Rusliyawati, “Sistem Pakar Diagnosa Penyakit Tanaman Kakao Menggunakan
Metode Certainty Factor Pada Kelompok Tani Pt Olam Indonesia (Cocoa) Cabang Lampung,” J. Data Min. dan
Sist. Inf., vol. 1, no. 1, p. 26, 2020, doi: 10.33365/jdmsi.v1i1.798.
[1] R. Syahputra, “Identifikasi Kerusakan PC (Personal Computer) dengan Metode Teorema Bayes Pada

Nurhayaty Br Berutu, 2023, Hal 8

JURNAL SISTEM INFORMASI TGD
Volume x, Nomor x, Bulan 2023, Hal 00-00
P-ISSN : 2828-1004 ; E-ISSN : 2828-2566
https://ojs.trigunadharma.ac.id/index.php/jsi

Laboratorium Komputer STMIK Triguna Dharma,” J-SISKO TECH (Jurnal Teknol. Sist. Inf. dan Sist. Komput.
TGD), vol. 4, no. 1, p. 20, 2021, doi: 10.53513/jsk.v4i1.2607.
[10] Y. Yuhandri, “Diagnosa Penyakit Osteoporosis Menggunakan Metode Certainty Factor,” J. RESTI (Rekayasa
Sist. dan Teknol. Informasi), vol. 2, no. 1, pp. 422–429, 2018, doi: 10.29207/resti.v2i1.349.
[11] M. Muqorobin, P. B. Utomo, M. Nafi’Uddin, and K. Kusrini, “Implementasi Metode Certainty Factor pada Sistem
Pakar Diagnosa Penyakit Ayam Berbasis Android,” Creat. Inf. Technol. J., vol. 5, no. 3, p. 185, 2019, doi:
10.24076/citec.2018v5i3.198.
[12] Y. K. Kumarahadi, M. Z. Arifin, S. Pambudi, T. Prabowo, and K. Kusrini, “Sistem Pakar Identifikasi Jenis Kulit
Wajah Dengan Metode Certainty Factor,” J. Teknol. Inf. dan Komun., vol. 8, no. 1, pp. 21–27, 2020, doi:
10.30646/tikomsin.v8i1.453.
[13] elimaster tua Marbun, K. Erwansyah, and J. Hutagalung, “Sistem Pakar Mendiagnosa Penyakit Kolesterol Pada
Remaja Menggunakan Metode Certainty Factor,” J. Sist. Inf. TGD, vol. 1, no. 4, pp. 549–556, 2022, doi:
10.55338/saintek.v3i2.212.
[14] M. Hutasuhut, E. F. Ginting, and D. Nofriansyah, “Sistem Pakar Mendiagnosa Penyakit Osteochondroma Dengan
Metode Certainty Factor,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 5, p. 1401, 2022, doi:
10.30865/jurikom.v9i5.4959.
[15] Z. Azmi and V. Yasin, Pengantar Sistem Pakar Dan Metode. Bogor: Mitra Wacana Media, 2017..

Nurhayaty Br Berutu, 2023, Hal 9