Metode Inferensi Certainty Factor untuk Membangun Sistem Pakar Pendiagnosa Jenis Penyakit TB Munirah Muslim1, Dr. Retantyo Wardoyo., MSc2, Aslan Alwi3 1,2
Program Studi Doktor Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Gadjah Mada 3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Ponorogo e-mail :
[email protected],
[email protected],
[email protected] Abstract—Di dalam kenyataan, sering bahwa orang-orang yang terlibat dalam pengambilan keputusan atau melakukan penalaran dalam rangka mendiagnosa penyakit, tidak memiliki waktu yang cukup untuk melakukan observasi statistik guna meyakinkan secara presisi dari penalaran-penalaran yang dibuat untuk melakukan diagnosa penyakit, karena itu dalam usaha untuk membangun sistem pakar yang berpijak pada keadaan di atas, peneliti menggunakan metode certainty factor untuk membangun sistem pakar diagnosa penyakit dimana seorang dokter ketika berperan sebagai pakar untuk merumuskan sebuah rule, tidak perlu terlebih dahulu menggunakan analisis statistik dalam membangun rule-rule nya tetapi dia hanya berbekalkan kepada pengetahuan dari kepakaran yang dimilikinya sebagi seorang dokter dan pengalaman-pengalaman yang menyertainya, ketika mendiagnosa penyakit kepada pasiennya. Metode inferensi certainty factor adalah metode inferensi yang tidak didasarkan pada observasi statistik, akan tetapi lebih kepada berbasiskan tingkat kepercayaan atau kepastian yang diasumsikan atau diprediksi oleh pakar. Sehingga diperoleh hasil bahwa keadaan yang tidak pasti pada penalaran dapat dimodelkan oleh metode ini. Kata kunci; certainty factor, uncertainity, sistem pakar, tingkat kepercayaan, measure of belief, measure of disbelief. I.
PENDAHULUAN
Makalah ini berusaha menyajikan kemampuan daripada metode certainty factor dalam mengatasi
kendala pembuatan sistem pakar dimana yang bersangkutan (dokter) tidak memiliki argumen yang kuat atau suatu pendahuluan dan analisa statistik yang mencukupi membangun rule-rule diagnosa penyakit.
pakar dasar survei untuk
Makalah ini sisi ilmiahnya ada pada penjelasan kemampuan metode certainty factor untuk merumuskan rule-rule tersebut. Rule-rule yang hanya dibangun berdasarkan derajat kepercayaan pakar bersumber dari pengalamannya saja, tanpa survei dan analisa statistik. Peneliti memberikan pengantar dan contohcontoh rule dari penyakit TB sebagai uji coba metode. Pada sifatnya ini hanyalah demonstrasi, bukan benar-benar pengumpulan rule yang di dasarkan atas argumentasi dan referensi ilmiah bagi penyakit tubercolosis, karena itu pengantar penyakit ini diambil sekedarnya dari berbagai sumber di internet yang tercantum pada daftar pustaka makalah ini, demikian pula rule-rule diagnosa diambil sekedarnya dari referensireferensi yang tercantum di daftar pustaka makalah ini. Pengambilan sampel rule-rule secara acak dari referensi di interent, dimaksudkan bahwa penelitian bukanlah tentang penyakit tubercolosis, tetapi tentang penjelasan kemampuan metode certainty factor, dan demikian membutuhkan bahan yang cukup untuk demonstrasi kalkulasinya. Baiklah dimulai dari penjelasan Penyakit Tubercolosis (TB) yang menjadi bahan demosntrasi dalam pengembangan sistem pakar berbasiskan inferensi certainty factor ini, adalah penyakit yang tidak saja menyerang paru-paru, akan tetapi juga menyerang organ-organ tubuh lain, seperti selaput otak, kulit, ginjal, dan sebagainya, karenanya, pada proses diagnosa penyakit TB memerlukan prediksi
yang konsisten tentang jenis penyakit TB mana yang sedang diderita oleh pasien, agar dapat diarahkan kepada prosedur penanganan yang sesuai. Tubercolusis atau biasa disingkat sebagai TB atau TBC adalah Penyakit yang disebabkan oleh bakteri Mycobacterium tubercolusis. Penyakit ini menyerang paru-paru sehingga terbentuk bintilbintil dalam alveolus, dan berbagai organ tubuh yang lain. Jenis-jenis penyakit TB meliputi diantaranya: 1. Tubercolusis yang menyerang getah bening 2. Tubercolusis yang menyerang usus 3. Tubercolusis yang menyerang kulit 4. Tubercolusis yang menyerang selaput otak 5. Tubercolusis yang menyerang ginjal 6. Tubercolusis yang menyerang tulang
II.
HIMPUNAN RULE
Dibawah ini adalah daftar rule yang dikumpulkan dari berbagai sumber di internet (referensi internet tercantum pada daftar pustaka makalah ini) untuk membedakan penyakit-penyakit TB yang menyerang berbagai organ. Rule 1: JIKA G01: Adanya pembesaran kelenjar getah bening DAN G07: Demam DAN G13: keringat malam DAN G25: rasa tidak enak badan DAN G05: berat badan turun DAN G17: lemas MAKA TB kelenjar P01 Definisi: kuman TB yang menyerang kelenjar getah bening. Rule 2: JIKA G21: nyeri di perut DAN G07: demam DAN G20: nafsu makan turun DAN G06: cairan pada rongga perut(asites) DAN G08: diare DAN G19: muntah MAKA TB usus P02 Definisi: kuman TB yang menyerang usus
Rule 3: JIKA DAN G16: leher timbul seperti kulit berisisik DAN G03: badan timbul seperti kulit berisisik DAN G07: demam DAN G04: batuk DAN G13: keringat malam DAN G20: nafsu makan turun DAN G05: Berat badan turun MAKA TB kulit P03 Definisi: kuman yang menyerang kulit Rule 4: JIKA G07: Demam DAN G22: Nyeri kepala DAN G09: Gangguan kesadaran DAN G12: Kejang DAN G11: Kaku kuduk DAN G26: Tes brudzinsky positif DAN G27: Tes kernig yang positif MAKA TB meningitis P04 Definisi: kuman TB yang menyerang selaput otak Rule 5: JIKA G02: Anorexia DAN G05: berat badan turun DAN G07: demam DAN G10: hematuria MAKA TB ginjal P05 Definisi: kuman TB yang menyerang ginjal Rule 6: JIKA G24: pegal-pegal disertai rasa lelah pada sore hari DAN G05: berat badan turun DAN G07: demam DAN G13: keringat malam DAN G02: anorexia DAN G23: nyeri sendi DAN G18: mengalami keterbatasan gerak DAN G15: Kulit diatas daerah yang terasa nyeri kadang teraba panas dan kadang terasa dingin DAN G14: kulit berwarna merah kebiruan MAKA
TB tulang P06 Definisi: kuman TB yang menyerang tulang III.
Almost certainly
+0.8
definitely
+1.0
METODE INFERENSI CERTAINTY FACTOR
Metode Certainty factor adalah sebuah metode alternatif dari metode penalaran bayes ataupun metode fuzzy ataupun metode lain yang sejenis dalam melakukan inferensi pada kondisi yang tak pasti (uncertainity). Metode ini pada dasarnya adalah berlandaskan pada asumsi keyakinan dari pakar untuk melakukan penalaran. Dimana pada penalaran terjadi ketidakpastian pada fakta, dan pada hipotesis. Serta tidak terdapat cukup data untuk menentukan diagnosa secara cepat bagi pasien. Ukuran ketidakpastian pada penalaran dinyatakan dengan bilangan yang bernama certainty factor atau biasa disingkat sebagai bilangan cf. Di dalam penalaran berdasarkan certainty factor ini, hubungan jika maka dimodelkan dalam bentuk sebagai berikut:
Tabel 1. Digunakan juga untuk mengembalikan nilai cf ke dalam bahasa yang dipahami manusia, sebagai penjelasan sistem pakar kepada user. Misalkan hasil perhitungan akhir untuk penalaran atau inferensi menghasilkan nilai cf=0,6, maka hasil ini dibahasakan kembali dengan menggunakan kata “probably” sesuai tabel 1 di atas. Tentang cf(hipotesis): cf(hipotesis) dihitung berdasarkan asumsi kepercayaan pakar bahwa suatu hipotesis adalah benar manakala fakta terjadi, asumsi ini diberi nilai antara -1 hingga 1, tetapi dalam hitungan yang lebih teliti, asumsi kepercayaan pakar dihitung dalam berdasarkan measure of bilief (MB) dan measure of disbilief (MD). Hitungan ini adalah sebagai berikut:
JIKA
{cf(fakta)} MAKA {cf(hipotesis)} cf(hipotesis,fakta) =cf(fakta)xcf(hipotesis) Tentang cf(fakta): cf(fakta) dihitung berdasarkan asumsi kepercayaan pakar bahwa suatu fakta terjadi, asumsi ini diberi nilai antara -1 hingga 1. Pakar menggunakan kata-kata untuk menggambarkan fakta, dan kata-kata yang digunakannya diberi bobot untuk menentukan nilai cf dari fakta tersebut.
Dimana P(H) adalah prior probability , yaitu asumsi probability H untuk benar. Sedang P(H|E) adalah posterior probability H manakala E benar terjadi. Selanjutnya untuk menggunakan kedua ukuran tersebut guna menentukan certainty factor dari rule yaitu cf(hipotesis) adalah dengan menghitungnya dalam rumus sebagai berikut:
Dibawah ini contoh tabel yang membobot katakata dari pakar, dimana setiap kata itu memiliki bobot nilai cf [5]. Tabel 1. Interpretasi nilai cf dari kata-kata Term
Certainty factor
Definitely not
-1.0
Almost certainly not
-0.8
Probably not
-0.6
Maybe not
-0.4
unknown
-0.2 to +0.2
Maybe
+0.4
Probably
+0.6
Tentang cf(hipotesis,fakta): Cf(hipotesis,fakta) atau certainty faktor dari perambatan penalaran dihitung berdasarkan rumus perkalian sebagi beriku: Cf(hipotesis,fakta)= Cf(fakta)x Cf(hipotesis) Manakala susunan rule memiliki evidence atau fakta yang banyak sebagai berikut:
Perhitungan Cf(hipotesis,fakta) adalah sebagai berikut:
Untuk susunan rule dengan banyak OR :
Perhitungan Cf(hipotesis,fakta) adalah sebagai berikut: Jika terdapat dua rule atau lebih yang menyajikan hipotesis yang sama, misal sebagai berikut:
cf(hipotesis) kombinasi keduanya dinyatakan oleh:
IV.
PENGHITUNGAN CERTAINTY FACKTOR UNTUK RULE-RULE PENYAKIT TB
Untuk memudahkan perhitungan, seluruh cf(fakta) dari himpunan rule dikumpulkan dalam satu tabel sebagai berikut: Tabel 2. Cf(fakta) himpunan rule G Fakta (gejala) G01 Adanya pembesaran kelenjar getah bening G02 Anorexia G03 badan timbul seperti kulit berisisik G04 batuk G05 berat badan turun
cf(fakta) a1 a2 a3 a4 a5
G06 cairan pada rongga perut(asites) G07 Demam G08 diare G09 Gangguan kesadaran G10 hematuria G11 Kaku kuduk G12 Kejang G13 keringat malam G14 kulit berwarna merah kebiruan G15 Kulit diatas daerah yang terasa nyeri kadang teraba panas dan kadang terasa dingin G16 leher timbul seperti kulit berisisik G17 lemas G18 mengalami keterbatasan gerak G19 muntah G20 nafsu makan turun G21 nyeri di perut G22 Nyeri kepala G23 Nyeri sendi G24 pegal-pegal disertai rasa lelah pada sore hari G25 rasa tidak enak badan G26 Tes brudzinsky positif G27 Tes kernig yang positif
a6 a7 a8 a9 a10 a11 a12 a13 a14 a15
a16 a17 a18 a19 a20 a21 a22 a23 a24 a25 a26 a27
Nilai-nilai a1,a2,a3,...,ak ditentukan oleh sistem berdasarkan hasil wawancara sistem pakar terhadap user dengan menggunakan tabel 1. Contoh, misalkan user pertanyaan sebagai berikut: “Apakah anda beberapa hari ini?”
mengalami
ditanya demam
dengan dalam
Jawab user: “mungkin (maybe) karena beberapa hari ini dahi saya panas” Kata “mungkin (maybe)” jika dipadankan dalam tabel 1, nilai cf yang diperoleh adalah: 0,4. Sehingga cf(demam) = 0,4 Selanjutnya untuk menghitung certainty facktor dari hipotesis atau penyakit, dibuat tabel certainty factornya sebagai berikut:
Tabel 3. Cf(penyakit) atau cf(hipotesis) dari himpunan rule P P01 P02 P03 P04 P05 P06
Hipotesis (Penyakit) TB kelenjar P01 dari rule 1 TB usus P02 dari rule 2 TB kulit P03 dari rule 3 TB meningitis P04 dari rule 4 TB ginjal P05 dari rule 5 TB tulang P06 dari rule 6
cf(penyakit) b1 b2 b3 b4 b5 b6
Nilai-nilai b1,b2,b3,...,bn diisi oleh pakar bersangkutan. Sang pakar mengisinya berdasarkan nilai certainty faktor atau derajat kepercayaanya sebuah penyakit terjadi berdasarkan rule-rule yang dimiliki pada himpunan rule.
Maka inferensi dilakukan berdasarkan rumus :
Contoh perhitungan: Dari hasil wawancara sistem pakar terhadap user diperoleh bahwa : Cf(G01)=0,3 Cf(G07)=0,6
Nilai-nilai b1,b2,b3,...,bn adalah derajat kepercayaan pakar terhadap rule-rule yang disajikan oleh sistem pakar, atau derajat kepercayaan rulerule yang dimasukkan oleh sang pakar sendiri. Contoh, misalkan pakar memasukkan rule 1, yaitu rule yang telah kita tulis sebelumnya di bab sebelum ini, yaitu: JIKA G01: Adanya pembesaran kelenjar getah bening DAN G07: Demam DAN G13: keringat malam DAN G25: rasa tidak enak badan DAN G05: berat badan turun DAN G17: lemas MAKA TB kelenjar P01 Selanjutnya sang pakar memberi nilai kepercayaan terhadap rule ini, ditulis cf(P01) = 0,8 Maka nilai b1=0,8. Akan tetapi perhitungan ini dapat lebih rinci dengan menghitung cf(penyakit) berdasarkan measure of belief (MB) dan measure of disbelief (MD).
V.
INFERENSI BERDASARKAN CERTAINTY FACTOR
Oleh karena rule-rule yang dimiliki seluruhnya dalam bentuk :
Cf(G13)=0,4 Cf(G25)=0,8 Cf(G05)=0,9 Cf(G17)=0,2 Dan berdasarkan derajat kepercayaan sang pakar, cf(P01) = 0,8. Maka inferensi dilakukan berdasarkan rule 1 adalah sebagai berikut: Cf(P01,G01 dan G07 dan G13 dan G25 dan G05 dan G17) = min[cf(G01), cf(G07), cf(G13), cf(G25), cf(G05), cf(G17)]x cf(P01). Diperoleh: Cf(P01,G01 dan G07 dan G13 dan G25 dan G05 dan G17) = min [0.3, 0.6, 0.4, 0.8, 0.9, 0.2]x0.8 =0.16 Demikian seterusnya dengan menghitung satu persatu certainty factor bagi tiap-tiap penyakit.
VI.
KESIMPULAN
Penerapan certainty factor bagi perancangan sistem pakar dilakukan untuk mempermudah perhitungan-perhitungan penalaran. Karena tanpa harus menggunakan perhitungan statistik sebagaimana halnya pada metode lain, penalaran telah dapat dilakukan sebagai inferensi bagi sistem pakar.
VII. DAFTAR PUSTAKA [1]
Anonim (_), “Penyakit Pernapasan”, sumber: http://dy4yu.files.wordpress.com/2009/06/penyakitpernapasan.pdf, diakses tanggal 22 Juni 2013
[2]
[3]
[4]
[5]
[6]
Hiswani, (2004), “Tuberkolosis Merupakan Penyakit Infeksi Yang Masih Menjadi Masalah Kesehatan Masyarakat”, Fakultas Kesehatan Masyarakat Universitas Sumatera Utara, sumber : http://repository.usu.ac.id/bitstream/123456789/3675 /1/fkm-hiswani12.pdf, diakses tanggal 22 Juni 2013. Medison Irvan, Dr., SpP, (_), “Pneumonia”, Bagian Pulmonologi dan Ilmu Respirasi FK Unand, sumber : http://www.parupadang.com/unduh/2012/Pneumonia .pdf, diakses tanggal 22 Juni 2013. Nasution Minasari, Drg., (2008), “Infeksi Laring Faring”, Fakultas Kedokteran Gigi, Universitas Sumatera Utara, Medan, Sumber : http://repository.usu.ac.id/bitstream/123456789/1150 /1/08E00706.pdf, diakses tanggal 22 Juni 2013. Negnevitsky Michael, (2005), “Artificial Intelligence A Guide to Intelligence System”, Second Edition, Addition Wesley. Zalina Debby, (2013), “Macam-Macam penyakit sistem pernafasan manusia”, sumber : http://www.debbyzalina.com/blogs/?p=265, diakses tanggal 13 Juli 2013.
