JIP
9, (Jurnal
Edisi 2, Informatika
Februari ISSN: 2614-6371 E-ISSN: 2407-
1,2,3
Program Studi Teknik Informatika, Jurusan Teknologi Informasi, Politeknik Negeri Malang
1
septiandareza07@gmail.com, 2laffandi@polinema.ac.id, 3mamluatulhaniah@polinema.ac.id
Abstrak
Kesehatan paru-paru sangatlah penting dalam keberlangsungan hidup kita dan lingkungan yang kotor pun juga
sangat berpengaruh serta gaya hidup yang kurang sehat, banyak orang yang tidak peduli dengan kesehatannya,
sehingga banyak yang mengidap penyakit paru-paru. Saat ini, dokter spesialis paru-paru tidak sebanding dengan
penderita penyakit paru-paru sehingga harus menunggu lama, dan mengeluarkan biaya yang mahal untuk
melakukan konsultasi. Tujuan dari penelitian ini yakni membuat sistem pakar yang dapat menyelesaikan
masalah penyakit paru-paru dan cara penanganannya dengan menerapkan metode Case Based Reasoning, serta
mengetahui akurasi pada metode tersebut. Case Based Reasoning ialah metode dengan cara mengatasi suatu
masalah baru dengan mencari solusi kasus lama yang serupa dan akan tersimpan pada basis baru. Dengan
menggunakan metode ini diharapkan dapat memberikan jawaban dari kasus sebelumnya dan
menggunakannya pada kasus baru. Pengujian ini menggunakan pengujian akurasi, yang mana terdapat 5 data
valid. Data yang diuji sebanyak 20 sampel data pasien, serta 10 responden, yaitu 1 orang pakar dan 9 pasien.
Hasil pengujian dari penelitian yang dilakukan, sistem dapat memberikan kemudahan bagi pasien, yang mana
didapatkan dari hasil rata-rata kuesioner yang sudah diisi dengan rata-rata sebesar 86.8% dan metode Case
Based Reasoning mampu memberikan hasil yang baik dalam mendiagnosis penyakit paru-paru dengan nilai
akurasi sebesar 90.
Berdasarkan penjelasan diatas, permasalahan yang Penyakit paru-paru adalah penyakit yang khusus
akan dibahas pada penelitian ini diantaranya: menyerang organ paru-paru. Menurut Buku Ajar
1. Bagaimana menerapkan sebuah sistem pakar Ilmu Penyakit Paru 2010 dibuat dan disusun oleh
untuk mendiagnosis penyakit paru-paru dengan Departemen Ilmu Penyakit Paru FK UNAIR RSUD
metode Case Based Reasoning? dr. Soetomo Surabaya terdapat 14 penyakit paru
2. Bagaimana akurasi metode CBR pada penyakit- diantaranya Tuberkulosis (TBC), Multi-Drug
paru yang dapat menentukan hasil diagnosa?
Resistence (MDR)-TB, Penyakit Paru Obstruktif
Kronik (PPOK), Asma Bronkial, Kanker Paru, Efusi
2. Tinjauan Pustaka
Pleura, Penyakit Paru Kerja dan Pencemaran Udara,
2.1 Penelitian Terdahulu
Pneumonia, Pneumoniatoraks, Gagal Napas, Edema
Beberapa penelitian terdahulu yang memiliki
Paru, Avian Influenza (Flu Burung), Swine Influenza
keterkaitan dengan penelitian ini, untuk menentukan
(Flu Babi) (Hariadi, 2010).
posisi penelitian. Adapun penelitian terdahulu yang
peneliti maksud adalah:
2.4 Case Based Reasoning
Penelitian pertama dilakukan oleh Samsudin,
Case Based Reasoning (CBR) merupakan
Usman, Selviana dengan judul “Aplikasi Sistem
metode pemecahan masalah dengan mengingat
Pakar Diagnosa Penyakit Pernapasan menggunakan
peristiwa serupa (similarity) yang terjadi di
Metode Case-Based Reasoning” dapat disimpulkan
masa lalu dan menggunakan pengetahuan atau
bahwa sistem pakar dapat memberikan solusi untuk
informasi untuk memecahkan masalah yang
diagnosa penyakit pernafasan dengan cepat dan
digunakan di masa lalu (Putra Semara Yoga
akurat dengan hasil 100% benar dengan perhitungan
Bagus Ida et al., 2020).
menggunakan metode CBR (Samsudin, 2017).
Bobot parameter (w):
Penelitian kedua dilakukan oleh Munazat
Gejala penting = 5
Salmin dengan judul “Case Based Reasoning untuk
Gejala sedang = 3
Diagnosis Penyakit Infeksi Saluran Pernapasan
Gejala biasa = 1
Akut” dapat disimpulkan memberikan hasil sistem
CBR untuk diagnosis penyakit ISPA dengan hasil
terbaik menggunakan threshold ≥ 60% dengan
akurasinya 99,29% sedangkan yang terendah
menggunakan threshold ≥ 80% dengan nilai
akurasinya adalah 88,57% (Munazat Salmin, 2018).
Penelitian ketiga dilakukan oleh Amalia
Martha Ika, Arifianto Deni, Nilogiri Agung
dengan judul “Sistem Pakar Diagnosa Penyakit
Paru-Paru Menggunakan Metode Certainty Factor
Berbasis Website” dapat disimpulkan metode
certainty factor memiliki akurasi sebesar 77,58%
(Amalia Martha Ika et al., 2019).
Penelitian keempat dilakukan oleh Dennis
Yazdanti, Saputro Adi Fikri, Royadi Juanda,
Darmawan Rizky, Saifuddin Aries dengan judul
“Sistem Pakar Diagnosa Penyakit Paru–Paru
Menggunakan Forward Chaining” dapat
disimpulkan metode forward chaining memiliki
akurasi sebesar Gambar 1 Siklus Case Based Reasoning
83,08% (Dennis Yazdanti et al, 2020).
Halaman|
194 |Halama
Volume
JIP
9, (Jurnal
Edisi 2, Informatika
Februari ISSN: 2614-6371 E-ISSN: 2407-
Demam dan Demam dan dapat lebih cepat dan sesuai dengan kebutuhan
menggigil 3 menggigil pengguna. Saat mendesain database, dapat
Penurunan Penurunan dilakukan dengan menerapkan normalisasi ke
berat badan 1 berat badan struktur tabel yang telah diketahui atau dengan
Sesak napas 3 Sesak napas membuat model relasi entitasnya.
Berkeringat di Berkeringat d
malam hari 1 malam hari
Total 14
Similarity (14/19)
= 0,73
Halaman|
197 |Halama
Volume
JIP
9, (Jurnal
Edisi 2, Informatika
Februari ISSN: 2614-6371 E-ISSN: 2407-
G04
G09
G11
7 G01
G02
G03
G04
G05 Tuberkulos Tuberkulos
1
G06 is (TBC) is (TBC)
G07
G17
Gambar 5 Halaman Hasil Konsultasi G19
G22
8 G06
5.2 Pengujian Sistem G17 Penyakit Penyakit
Pengujian akurasi sistem dilakukan untuk G05 Paru Paru
megetahui kesesuaian sistem dalam G18 Obstruktif Obstruktif 1
memberikan keluaran berupa diagnosa hama G19 Kronis Kronis
penyakit. Data yang diuji berjumlah 20 data G20 (PPOK) (PPOK)
analisa pakar. Hasil pengujian akurasi sistem G21
dilakukan dengan membandingkan hasil analisa 9 G06
pakar dengan hasil analisa sistem. G11
Tabel 3 Pengujian Akurasi Sistem G13
G04
N Inputa Identifikasi G03 Pneumonia
Identifikasi Pneumonia
Akura 1
o n Pakar G14
Sistem si
Gejala G15
1 G01 G16
G02 G09
G03 10 G06 Penyakit Penyakit
G04 Tuberkulos G17
Tuberkulos Paru Paru
G05 is (TBC) G18
is (TBC) Obstruktif Obstruktif 11
G06 G19 Kronis Kronis
G07 (PPOK) (PPOK)
G22 11 G01
2 G07 G09
G08 G15 Pneumonia Pneumonia 1
G06 Bronkitis G16
Bronkitis 1
G04 G21
G09 12 G03
3 G10 G06
Tuberkulos Tuberkulos
G11 Asma AsmaG07 11
is is
G12 G11
4 G06 G17
G07 Asma 13 G03
Bronkitis 0
G12 G04
5 G06 G05 Bronkitis Asma 0
G13 G10
G04 G13
G03 14 G05
Pneumonia Pneumonia Penyakit Penyakit 1
G14 G08
Paru Paru
G15 G19 1
Obstruktif Obstruktif
G16 G21
G22 Kronis Kronis
G09
6 G01 15 G03
G07 G06 Tuberkulos Tuberkulos
G08 Bronkitis Bronkitis
G07 is is 11
G06 G09
16 G01 Asma Asma 1
Halaman|
198 |Halama
Volume
JIP
9, (Jurnal
Edisi 2, Informatika
Februari ISSN: 2614-6371 E-ISSN: 2407-
G08
dan cara
G09 penangann
G10
ya dengan
G12
memilih
17 G03 gejala?
Penyakit Penyakit
G08
Paru Paru Memudahk
G17 1
Obstrukti Obstruktif an user
G18 dalam 40 60
f Kronis Kronis
G19 3 melakukan % %
18 G02 diagnosa
G12 Tuberkulo Tuberkulo penyakit?
G15 1
s is s is
G22 Sistem
dapat
19 G06 berjalan 50 50
G07 4 sesuai % %
G08 Pneumonia Pneumonia 1 dengan
G13 fungsinya?
G14
Sistem
20 G01 mudah 50 50
G03 5 digunakan % %
G09 Asma Asma 1 ?
G11
G14 7. Kesimpulan dan Saran
Berdasarkan hasil penelitian dan pengujian
Hasil akurasi bernilai 1 artinya perhitungan sistem yang telah dilakukan dapat diambil kesimpulan,
sesuai atau sama dengan keluaran dari data analisa bahwa sistem yang dibuat menggunakan
pakar, dan sebaliknya hasil akurasi bernilai 0 artinya metode Case Based Reasoning dapat
keluaran sistem tidak sama dengan keluaran dari memberikan kemudahan kepada pasien /
data analisa pakar. Pada tabel 5.3 telah diuji 20 data pengguna dalam
diagnosis penyakit paru-paru dan terdapat 5 data menggunakan aplikasi yang dibuat untuk
valid. Berikut perhitungan untuk menentukan hasil melakukan konsultasi serta mendapat cara
penanganannya, yang mana didapatkan dari
nilai akurasi:
𝐽� �� 𝑎ℎ 𝐷 ��� 𝑎 ���� 𝑟 hasil rata-rata kuesioner yang sudah diisi
Nilai Akurasi = dengan rata-rata sebesar 86.8%. serta sistem
���
* 100% 𝐽���𝑎ℎ yang dibangun dengan menerapkan metode
𝑆�������ℎ
�����𝑎 Case
18
= * Based Reasoning mampu memberikan hasil
100% yang baik dalam mendiagnonis penyakit paru-
20
paru dengan persentase nilai sebesar 90%.
= 90%
Dapat disimpulkan bahwa akurasi sistem sebesar
90% yang menunjukkan bahwa sistem ini dapat 7.1 Saran
berfungsi dengan baik sesuai dengan identifikasi 1. Sistem dapat dikembangkan dengan
pakar. menambahkan metode lain agar
6. Hasil dan Pembahasan mendapatkan tingkat akurasi yang lebih
6.1 Hasil Pengujian Kuesioner Pengguna akurat dan lebih baik lagi dalam
Dalam pengujian kuesioner ini menggunakan mendiagnosa penyakit.
google form untuk mengumpulkan data 2. Sistem dapat dikembangkan dengan
pengujian oleh pengguna dan terdapat 10 menambah fitur-fitur yang belum terdapat
orang responden, yaitu 1 seorang pakar dan 9 pada sistem ini untuk pengembangan
pengguna. aplikasi selanjutnya.
Tabel 4 Penilaian Pengujian Kuesioner
Pengguna Daftar Pustaka:
Amalia Martha Ika, Arifianto Deni, Nilogiri Agung.
N Pertanyaan SS S C K T (2019). SISTEM PAKAR DIAGNOSA
o S S
PENYAKIT PARU-PARU
Tampilan
antarmuka 40 50 10 MENGGUNAKAN METODE
1 yang user % % %
CERTAINTY FACTOR BERBASIS WEB.
friendly?
Sistem 1-13. Retrieved from
dapat 40 40 20
2 memberika % % % Halaman|
199 | H na solusi
lama
Volume
JIP
9, (Jurnal
Edisi 2, Informatika
Februari ISSN: 2614-6371 E-ISSN: 2407-
Halaman|
202 |Halama