Proyek Akhir
APLIKASI DIAGNOSIS PENYAKIT HEPATITIS MENGGUNAKAN J2ME DENGAN METODE CERTAINTY FACTOR
Dosen Pembimbing : YULIANA SETIOWATI, S.Kom AFRIDA HELEN, ST, M.Kom
Oleh : Heru Susanto 7406.030.004
Pendahuluan Suatu gejala penyakit dapat merupakan indikasi dari suatu penyakit yang akan diderita. Selama ini suatu sistem diagnosis penyakit bagi pasien pada kenyataannya masih harus melibatkan pakar (dokter) secara langsung. Kemajuan pengetahuan dan teknologi komunikasi yang begitu cepat saat ini, terutama teknologi mobile communication sepertinya tidak dapat terelakkan lagi. 2
Latar Belakang • Hepatitis adalah kelainan hati berupa peradangan (sel) hati • Dibangun aplikasi sistem pakar sebagai diagnosis penyakit untuk mendeteksi Hepatitis. • Proses diagnosa menggunakan metode Certainty Factor yang dibangun menggunakan J2ME sebagai media implementasi dari teknologi mobile communication.
3
Perumusan Masalah • Mendiagnosa penyakit Hepatitis melalui penerapan sistem pakar berdasarkan input gejala maupun hasil tes darah. • Mengimplementasikan metode Certainty Factor guna proses diagnosa penyakit Hepatitis. • Menggunakan teknologi J2ME (Java 2 Micro Edition) sebagai media untuk mengimplementasikan aplikasi tersebut ke dalam mobile device yang ada guna penyajian informasi secara optimal. 4
Batasan Masalah Mendiagnosis suatu penyakit berdasarkan gejala-gejala fisik yang diderita ditambah dengan uji tes darah. Penyakit yang akan didiagnosis adalah penyakit Hepatitis A, Hepatitis B dan Hepatitis C. Input berupa gejala-gejala penyakit Hepatitis yang menyerang pasien dan hasil tes darah guna akurasi diagnosa. Output berupa identifikasi kemungkinan jenis penyakit Hepatitis yang menyerang pasien serta nilai kepastian terhadap penyakit tersebut. Ditambahkan pula langkah-langkah sehat berupa terapi dan pengobatan sederhana. Spesifikasi aplikasi yang dibuat adalah J2ME Profile ; MIDP 2.1 dan J2ME Configuration ; CLDC 1.1 Perhitungan menggunakan metode faktor kepastian (certainty factor) yang menunjukkan ukuran kepastian terhadap suatu fakta. Representasi pengetahuan yang digunakan adalah sistem pakar berbasis rule dan dalam penalaran menggunakan metode backward chaining. Terbatas pada sumber pengetahuan yang didapat, baik dari pakar maupun dari buku dan sumber lain mengenai penyakit Hepatitis. 5
Tujuan Proyek akhir ini bertujuan untuk membangun sebuah sistem berbasis pengetahuan kedokteran dalam mendiagnosa penyakit Hepatitis yang dapat ditampilkan dalam perangkat mobile, sehingga alasan efisiensi waktu dan kurangnya pengetahuan masyarakat akan kesehatan dapat teratasi. 6
Hepatitis Penyebab penyakit hepatitis A adalah virus hepatitis A (HAV), picornavirus berukuran 27-nm (yaitu virus dengan positive strain RNA). Virus tersebut dikelompokan kedalam Hepatovirus, anggota famili Picornaviridae. Penyebab penyakit hepatitis B adalah virus hepatitis B (HVB), termasuk hepadnavirus, berukuran 42-nm double stranded DNA virus dengan terdiri dari nucleocapsid core (HBc Ag) berukuran 27 mm, dikelilingi oleh lapisan lipoprotein di bagian luarnya yang berisi antigen permukaan (HBsAg). Penyebab penyakit hepatitis C adalah virus hepatitis C yang merupakan virus RNA dengan amplop, diklasifikasikan kedalam genus berbeda (Hepacavirus) dari familia Flaviviridae. Paling sedikit ada 6 genotipe yang berbeda dan lebih dari 90 subtipe HCV yang diketahui saat ini. 7
Certainty Factor (CF) Faktor kepastian (certainty factor) menunjukkan ukuran kepastian terhadap suatu fakta atau aturan. Notasi Faktor Kepastian : CF[h,e] = MB[h,e] – MD[h,e] Dengan: CF[h,e] = faktor kepastian MB[h,e] = ukuran kepercayaan terhadap hipotesis h, MD[h,e] = ukuran ketidakpercayaan terhadap hipotesis h,
8
Konsep Perhitungan Nilai evidence dikombinasikan untuk menentukan CF dari suatu hipotesis. Jika e1 dan e2 adalah observasi, maka : 0
MD[h, e ^ e ] = 1
MB[h,e ^ e ] =
MB[h, e ] + MB[h, e ].(1 - MB[h, e ])
0
lainnya
MB[h, e ^ e ] = 1
MD[h, e ^ e ] = MD[h, e ] + MD[h, e ].(1 - MD[h, e ])
lainnya
9
Konsep Perhitungan(2) Jika ada kaidah lain termasuk dalam hipotesis yang sama tetapi berbeda dalam faktor kepastian maka perhitungan faktor kepastian dari kaidah yang sama dihitung dari penggabungan fungsi untuk faktor kepastian yang didefinisikan sebagai berikut :
CFCOMBINE (CF1,CF2) =
CF1+CF2(1-CF1)
kedua-duanya > 0
CF1+CF2 1-min(|CF1|,|CF2|)
salah satu < 0
CF1+CF2(1-CF1)
kedua-duanya < 0
10
Interpretasi pakar Nilai CF(Rule) didapat dari interpretasi „term‟ dari pakar menjadi nilai MD/MB tertentu.
Certain Term
MD/MB
Tidak Tahu/Tidak Ada
0 - 0.2
Mungkin
0.4
Kemungkinan Besar
0.6
Hampir Pasti
0.8
Pasti
1.0 11
Perancangan Sistem Aplikasi Diagnosis J2ME
Hipotesa (Output)
Sistem Pakar
Telpon Genggam dengan Fitur Java MIDP
USER RMS Database (Data Gejalagejala penyakit, nilai MD dan MB)
Diagnosa (Input)
12
Perancangan Sistem (cont‟d) START
Input pada aplikasi adalah gejala-gejala yang diderita oleh pasien dalam bentuk fisik. Dapat pula dilakukan uji hasil tes darah. Kemudian diolah oleh handphone sebagai mobile device yang akan menghasilkan jenis penyakit yang diderita.
Data gejala penyakit dan/atau hasil tes darah serta data MB dan MD Input Gejala dan/ atau hasil Tes Darah dari User
Ada Input
N
Keluaran yang dihasilkan dari aplikasi ini adalah berupa informasi tentang jenis penyakit yang kemungkinan diderita oleh user berdasarkan gejala yang dimasukkan dan nilai CF (Certainty Factor) yang dihasilkan dari perhitungan yang dilakukan oleh sistem. Selain itu terdapat juga penelusuran data-data gejala yang dapat dipilih oleh user.
Y
Perhitungan nilai MB dan MB baru
Dalam perangkat handphone berbasis Java, disediakan media penyimpanan yang bersifat non-volatile. Media penyimpanan non-volatile ini dalam MIDlet dikenal dengan nama RMS (Record Management System). Data yang ada di dalam database RMS ini dikenal dengan RecordStore.
Perhitungan nilai CF
DATA Output tingkat CF, hipotesa diagnosis dan langkah terapi pengobatan
STOP
Gejala Value MB Value MD
String() float() float() 13
Data Primer Data-data atau informasi yang diperoleh adalah secara langsung dari seorang pakar dalam hal ini adalah dokter spesialis penyakit dalam. Teknik pengumpulan data ini adalah sebagai berikut : Metode wawancara (interview), wawancara atau tanya jawab langsung dengan pihak-pihak terkait dalam hal ini seorang dokter spesialis penyakit dalam, guna mendapatkan data yang tepat sehingga perancangan sesuai dengan tujuan semula. Metode Kepustakaan (Library Research), mengumpulkan data-data yang diperoleh dengan cara mengumpulkan data melalui buku-buku dan sumber-sumber lain (internet) yang relevan dengan permasalahan yang dihadapi, dalam hal ini tentang jenis-jenis penyakit Hepatitis dan gejalagejalanya.
14
Pengujian Sistem
Perangkat Lunak yang Sedang Dijalankan
15
Pengujian Sistem
Konfirmasi Sebelum Proses Diagnosa
Pemilihan Gejala yang Diderita
16
Pengujian Sistem
Hasil Diagnosa Gejala Fisik
17
Pengujian Sistem
Menu Terapi
Menu Telusuri
Menu Lihat Data
18
Pengujian Sistem
Laporan Diagnosa
19
Pengujian Sistem
Konfirmasi Sebelum Proses Uji Tes Darah
Uji Tes Darah
20
Pengujian Sistem
Hasil Uji Tes Darah
21
Pengujian Sistem
Laporan Diagnosa Tes darah
22
Perbandingan Perhitungan Manual Input user berupa gejala “Gejala mirip Flu” dan “Nyeri Perut”. Maka didapat data berupa : Gejala mirip Flu Hepatitis A MB MD 0,21 0,015
Hepatitis B MB MD 0,17 0,015
Hepatitis C MB MD 0,17 0,015
Nyeri Perut Hepatitis A MB MD 0,46 0,03
Hepatitis B MB MD 0,31 0,02
Hepatitis C MB MD -
Didapat nilai untuk setiap penyakit hepatitis A, B dan C : Perhitungan Hepatitis A MB baru = 0,21 + 0,46 * (1 – 0,21) = 0,5734 MD baru = 0,015 + 0,03 * (1 – 0,015) = 0,04455 Perhitungan Hepatitis B MB baru = 0,17 + 0,31 * (1 – 0,17) = 0,4273 MD baru = 0,015 + 0,02 * (1 – 0,015) = 0,0347 Perhitungan Hepatitis C MB baru = 0,17 + 0 * (1 – 0,17) = 0,17 MD baru = 0,015 + 0 * (1 – 0,015) = 0,015
Menghitung nilai CF untuk masing-masing hipotesa penyakit : Perhitungan Hepatitis A CF Hepatitis A = 0,5734 – 0,04455 = 0,52885 Perhitungan Hepatitis B CF Hepatitis B = 0,4237 – 0,0347 = 0,3926 Perhitungan Hepatitis C CF Hepatitis C = 0,17 – 0,015 = 0,155 Berdasarkan hasil perhitungan diatas, maka hasilnya sama dengan pengujian pada sistem. Bahwa nilai CF tertinggi dimiliki oleh penyakit hepatitis A dengan kondisi derajat CF = MUNGKIN 23
Perbandingan Perhitungan Manual (2) Selain mendiagnosa gejala fisik, sistem juga mampu mendiagnosa melalui hasil uji tes darah. User telah mengisi untuk paremeter Hepatitis A dengan status antibodi IgM positif dan antibodi IgG negatif. Berikut perhitungan nilai CF baru atas hasil tes darah tersebut : antibodi antibodi IgM IgG
Positif
Negatif
MB
0.99
MD
Status hepatitis A
0.01
Tertular HAV dalam 6-7 minggu terakhir ini, dan sistem kekebalan sedang mengeluarkan virus atau infeksi menjadi semakin parah.
Didapat nilai untuk setiap penyakit hepatitis A, B dan C : CF tes darah Hepatitis A = 0,99 – 0,01 = 0,98 CF tes darah Hepatitis B = 0 CF tes darah Hepatitis C = 0
Maka nilai akhir CF untuk masing-masing hipotesa penyakit : CFCOMBINE Hepatitis A = 0,52885 + 0,98 * (1-0,52885) = 0,990577 CFCOMBINE Hepatitis B = 0,3926 + 0 * (1-0,3926) = 0,3926 CFCOMBINE Hepatitis C = 0,155 + 0 * (1-0,155) = 0,155 Berdasarkan hasil perhitungan diatas, maka hasilnya sama dengan pengujian pada sistem. Bahwa nilai CF tertinggi dimiliki oleh penyakit hepatitis A dengan kondisi derajat CF = HAMPIR PASTI.
24
Menambah Data Gejala 2
1
3
25
Mengubah Data Gejala 1 2
5
4
3
26
Menghapus Data Gejala 1
2
4
3
27
Menu Lain 1
2
3
4
28
5
6
7
Prosedur Pengujian Tidak Normal Masukan Gejala Penyakit
Masukan Tambah, Ubah dan Hapus Gejala
Masukan Tes Darah
29
Analisa Sistem ini dapat melakukan proses penalaran suatu data yang berupa gejala untuk mencari suatu informasi terhadap suatu hipotesa penyakit. Dari masukan gejala yang akan diberikan oleh user dalam sistem, terdapat kemungkinan nilai untuk setiap hipotesa Hepatitis A, B maupun C hanya memiliki nilai selisih yang kecil. Hal ini terjadi bila masing-masing gejala masukan memiliki bobot yang hampir sama atas penyakit tersebut. Maka untuk mendapatkan nilai yang signifikan atas hipotesa penyakit tersebut disarankan untuk melakukan tes darah.
Hasil uji tes darah akan menjadi tolak ukur tertinggi pada proses diagnosa ini. Jika terjadi diagnosa ganda pada saat deteksi gejala fisik dan uji tes darah, maka yang lebih diutamakan adalah tes darah. Pada tes darah lebih bersifat pasti karena pada proses yang sebenarnya, tes darah juga memiliki pertimbangan yang sangat besar untuk diagnosa penyakit yang biasa dilakukan oleh dokter-dokter di sekeliling kita. 30
Kesimpulan 1. 2.
3.
Aplikasi ini dijalankan dengan J2ME Profile ; MIDP 2.1 dan J2ME Configuration ; CLDC 1.1 Semakin akurat gejala yang dimasukkan dalam sistem (yang benar-benar dirasakan), maka akan semakin tinggi pula nilai Certainty Factor atas penyakit tersebut. Penambahan data gejala penyakit dalam aplikasi ini harus dikonsultasikan terlebih dahulu dengan pakar. Hal ini akan menjadikan aplikasi diagnosis ini mampu bekerja secara baik.
31
TERIMA KASIH
32