ISSN : 2302-450X
PROSIDING PERTEMUAN DAN PRESENTASI KARYA ILMIAH
BALI, 23 OKTOBER 2015
PEMBICARA UTAMA SEMINAR PANEL DENGAN TEMA Inovasi Teknologi Informasi dan Komunikasi dalam Menunjang Technopreneurship Ir.Onno Widodo Purbo.M.Eng.Ph.D Putu Sudiarta, S.Kom
PENYUNTING AHLI Dr. Ahmad Ashari.M.Kom Dr. H. Agus Zainal Arifin, S.Kom.,M.Kom Agus Muliantara, S.Kom., M.Kom.
PELAKSANA SEMINAR
PELINDUNG Rektor Universitas Udayana, Bali
PENANGGUNG JAWAB Dekan Fakultas MIPA Universitas Udayana Ketua Program Studi Teknik Informatika, FMIPA Universitas Udayana
PANITIA I Gusti Agung Gede Arya Kadyanan,S.Kom.,M.Kom. I Dewa Made Bayu Atmaja Darmawan,S.Kom.,M.Cs. I Wayan Supriana,S.Si.,M.Cs. Ida Bagus Made Mahendra, S.Kom., M.Kom. I Komang Ari Mogi, S.Kom, M.Kom. I Made Widi Wirawan, S.Si., M.Cs. I Putu Gede Hendra Suputra, S.Kom., M.Kom. Ngurah Agus Sanjaya ER., S.Kom., M.Kom. Agus Muliantara, S.Kom.,M.Kom. I Made Widiartha,S.Si., M.Kom. Made Agung Raharja, S.Si., M.Cs. I Gusti Ngurah Anom Cahyadi Putra, S.T., M.Cs. I Gede Santi Astawa, S.T., M.Cs. Ida Bagus Gede Dwidasmara,S.Kom.,M.Cs. Dra. Luh Gede Astuti, M.Kom.
Penggunaan Certainty Factor dalam Sistem Pakar untuk Melakukan Diagnosis Penyakit Neurologi I Putu Eky Sila Krisna1, Dra. Luh Gede Astuti, M.Kom.2 1,2
Program Studi Teknik Informatika, Jurusan Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Udayana Jalan Kampus Udayana Bukit Jimbaran, Badung-Bali Email:
[email protected],
[email protected] ABSTRAK Sistem pakar adalah sebuah sistem yang berisi pengetahuan pakar sehingga dapat digunakan untuk konsultasi suatu masalah yang biasanya membutuhkan keahlian manusia. Tujuan dari pembuatan sistem pakar ini untuk memudahkan masyarakat dalam memperoleh informasi dengan cepat mengenai penyakit neurologi pada manusia. Pengetahuan tentang penyakit neurologi pada manusia, yang dibuat berdasar pada wawancara/konsultasi langsung dengan dokter dan buku mengenai penyakit neurologiyang digunakan untuk mendiagnosa penyakit berdasarkan gejala ciri, penyebab, dan tindakan penanganan. Kesimpulan dari pembuatan sistem ini bahwa informasi dapat lebih mudah diperoleh untuk mendiagnosis penyakit neurologi pada manusia yang mudah dipahami oleh masyarakat umum. Kata Kunci: Sistem Pakar, neurologi, certainty factor ABSTRACT An expert system is a system that have some expert knowledges to solve a problem that normally needs human expertise. The purpose of expert system is facilitate public to obtain information about neuorlogical disease quickly. Knowledge of neurological disease, is based on a direct interview/cocultation with a doctor and book about neurological disease that used to diagnose the disease based on characteristic sympthoms, causes, and treatment. Conclusion from making this expert system is information can easily to obtain to diagnose the disease that easy to use by everyone. Keywords: Expert System, neurology, certainty factor
1
Dalam dunia kesehatan antara penyakit dan pengobatan tidaklah dapat dipisahkan, apabila dari salah satu organ tubuh kita merasa sakit maka secara sepontan kita akan segera mencari solusinya supaya hilang rasa sakit tersebut. Berdasarkan dari masalah yang kami tulis tadi maka kami tertarik untuk mengambil judul PENGGUNAAN CERTAINTY FACTOR DALAM SISTEM PAKAR UNTUK DIAGNOSIS
PENDAHULUAN
Permasalahan yang ditangani oleh seorang pakar bukan hanya permasalahan yang mengandalkan algoritma, namun kadang juga permasalahan yang sulit dipahami. Permasalahan tersebut dapat diatasi oleh seorang pakar dengan pengetahuan dan pengalamannya. Oleh karena itu sistem pakar dibangun bukan berdasarkan algoritma tertentu tetapi berdasarkan basis pengetahuan dan aturan. Sistem pakar sudah banyak dikembangkan baik untuk kepentingan penelitian maupun kepentingan bisnis dari berbagai bidang ilmu seperti ekonomi, keuangan, teknologi dan kedokteran. Sistem pakar dalam bidang diagnosis kesehatan telah dikembangkan pada pertengahan tahun 1970 di Stanford University. Sistem tersebut diberi nama MYCIN dan digunakan untuk melakukan diagnosis dan terapi terhadap penyakit miningitis dan infeksi bacremia.
2
2.1 Dasar Teori 2.1.1 Sistem Pakar Ilmu yang mempelajari cara membuat computer dapat bertindak dan memiliki kecerdasan seperti manusia disebut kecerdasan buatan. Salah satu bidang yang termasuk dalam kecerdasan buatan yaitu Sistem Pakar (Expert System). 1
TEORI, ANALISIS, DAN DESAIN
Volume X, Nomor X, Januari XXXX : X-X
Sistem pakar adalah program komputer yang menirukan penalaran seorang pakar dengan keahlian pada suatu wilayah pengetahuan tertentu. Ketidakpastian Dalam menghadapi suatu masalah sering ditemukan jawaban yang tidak memiliki kepastian penuh. Ketidakpastian ini bisa berupa probabilitas atau kebolehjadian yang tergantung dari hasil suatu kejadian. Hasil yang tidak pasti disebabkan oleh dua faktor yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti atas suatu pertanyaan yang diajukan oleh sistem. Hal ini sangat mudah dilihat pada system diagnosis penyakit, dimana pakar tidak dapat mendefinisikan tentang hubungan antara gejala dengan penyebabnya secara pasti, dan pasien tidak dapat merasakan suatu gejala dengan pasti pula. Pada akhirnya ditemukan banyak kemungkinan diagnosis. Sistem pakar harus mampu bekerja dalam ketidakpastian. Sejumlah teori telah ditemukan untuk menyelesaikan ketidakpastian, termasuk diantaranya probabilitas klasik (classical probability), probabilitas Bayes (Bayesian probability), teori Hartley berdasarkan himpunan klasik (Hartley theory based on classical sets), teori Shannon berdasarkan pada probabilitas (Shannon theory based on probability), teori Dempster-Shafer (DempsterShafer theory), teori fuzzy Zadeh (Zadeh.s fuzzy theory) dan faktor kepastian (certainty factor). Dalam penelitian
CFcombineCF[H,E]1,2= CF[H,E]1 + CF[H,E]2 * [1 - CF[H,E]1] [2.3] CFcombineCF[H,E]old,3=CF[H,E]old +CF[H,E] 3 * (1 - CF[H,E] old] [2.4]
2.1.2
2.1.3 Certainty Factor Faktor kepastian (certainty factor) menyatakan kepercayaan dalam sebuah kejadian (fakta atau hipotesa) berdasar bukti atau penilaian pakar (Turban, 2005). Certainty factor menggunakan suatu nilai untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data. CF[H,E] = MB[H,E] MD[H,E] [2.1] Keterangan : CF(H,E) = certainty factor hipotesa yang dipengaruhi oleh evidence e diketahui dengan pasti. MB(H,E)
= measure of belief terhadap hipotesa H, jika diberikan evidence E (antara 0 dan 1)
MD(H,E)
= measure of disbelief terhadap evidebce H, jika diberikan evidance E (antara 0 dan 1)
Certainty factor untuk kaidah premis tunggal CF[H,E]1= CF[H] * CF[E] [2.2] Certainty Factor untuk kaidah dengan kesimpulan yang serupa (similarly concluded rules) : 2
2.1.4 Neurology Neurologi adalah spesialisasi medis yang berkaitan dengan studi tentang struktur, fungsi dan penyakit dan gangguan pada sistem saraf. Sistem saraf ter-masuk sistem saraf pusat yang terdiri dari otak dan sumsum tulang belakang, dan juga sistem saraf perifer yang mencakup saraf individual di semua bagian tubuh. 2.1.4.1 Stroke Stroke merupakan salah satu manifestasi neurologik yang umum, dan mudah dikenal dari penyakit neurologik lain oleh karena mula timbulnya mendadak dalam waktu yang singkat. Stroke dibagi dalam dua bagian, yaitu: A. Stroke iskhemik Ini terjadi jika arteri tersumbat. Stroke iskhemik dapat dibedakan lagi, antara lain: 1. Stroke embolik 2. Stroke trombotik B. Stroke hemoragik Ini terjadi jika arteri pecah. 2.1.4.2 Epilepsi (Ayan) Epilepsi adalah suatu gangguan serebal khronik dengan berbagai macam etiologi, yang dicirikan oleh timbulnya serangan paroksismal yang berkala, akibat lepas muatan listrik neuron-neuron serebal secara eksesif. Banyak usaha telah dikerahkan untuk mengadakan klasifikasi menurut parameter tertentu. Adapun klasifikasi berdasarkan simptomatologi ialah: A. Epilepsi umum: 1. Petit mal 2. Grand mal 3. Epilepsi mioklonik : spasmus infantile dan epilepsi mioklonik kanak-kanak 4. Konvulasi febril B. Epilepsi parsial: 1. Epilepsi fokal dengan gejala tunggal sederhana pada motorik, sensorik, autonomik 2. Epilepsi parsial dengan gejala kompleks majemuk pada automatismus, fenomenfenomen psikik C. Epilepsi Neonatal 2.2 Analisis Kebutuhan
I Putu Eky Sila Krisna, Penggunaan Certainty Factor dalam Sistem Pakar untuk Melakukan Diagnosis Penyakit Neurologi
Analisis kebutuhan terbagi menjadi dua yaitu analisis kebutuhan nonfungsional dan analisis kebutuhan fungsional. a. Kebutuhan NonFungsional Kebutuhan nonfungsional merupakan kebutuhan yang mendukung agar kebutuhan fungsional dapat dilakukan dan mempunyai pengaruh yang tidak langsung. Kebutuhan nonfungsional dalam aplikasi ini adalah sebagai berikut : 1. Reliability Sistem yang dibangun dapat diakses atau digunakan dengan mudah oleh pengguna dan bersifat reliability pada saat digunakan kapan saja dan oleh siapa saja. 2. Performance Sistem yang dibangun dapat diakses dan digunakan secara cepat dan system bersifat userfriendly bagi pengguna dengan tampilan dan keterangan yang jelas dan mudah dipahami dalam sistem. 3. Security Memiliki otorisasi dan otentifikasi user sehingga user merasa nyaman. b. Kebutuhan Fungsional Kebutuhan fungsional adalah deskripsi layanan sistem yang harus disediakan atau rancangan dari aktivitas-aktivitas dan layanan layanan yang harus disediakan oleh sistem.bagaimana system beraksi pada input tertentu dan bagaimana perilaku system pada situasi tertentu. Dalam menganalisis kebutuhan fungsional dilakukan dengan menggunakan use case. Diagram use case dapat menjadi teknik yang cukup baik untuk menganalisa kebutuhan pengguna system karena selain bagus dalam unsure pemahamannya, diagram usecase juga dapat mendokumentasikan persyaratan system dengan baik. 2.3 Desain Sistem pakar ini memiliki beberapa komponen utama yaitu: antar muka pengguna (user interface), basis data sistem pakar (expert system database), fasilitas akuisisi pengetahuan (knowledge acquisition facility) dan mekanisme inferensi (inference mechanism).
3
SKENARIO IMPLEMENTASI
3.1 Metode Inferensi Sistem pakar diagnosis penyakit neurologi ini menggunakan dua metode inferensi, yaitu runut balik dan runut maju. Runut balik digunakan pada saat melakukan diagnosis dan runut maju digunakan pada saat mencari terapi yang tepat untuk penyakit yang
telah terdiagnosis. Data yang digunakan dalam inferensi diperoleh dari jawaban yang diberikan pengguna atas pertanyaan mengenai gejala atau hasil-hasil tes yang diajukan oleh sistem. Sistem tidak akan menanyakan pertanyaan yang sudah pernah diberikan. Oleh karena itu diperlukan penyimpan data pertanyaan yang pernah diajukan. Selain itu sistem juga akan menyimpan hasil kesimpulan sementara sehingga dia tidak perlu memproses ulang apabila memerlukannya. 3.2 Akuisisi Pengetahuan Fasilitas akuisisi pengetahuan disediakan untuk membantu menjembatani antara pakar dengan sistem. Melalui bagian inilah pakar neurologi akan memasukkan pengetahuan yang akan dipakai dalam inferensi. Akuisisi dibagi dalam 5 kelompok sesuai dengan jenis pengetahuan yang ada dalam sistem, yaitu: a. Akuisisi pengetahuan sawan. Proses ini memasukkan aturan mengenai gejala yang mempengaruhi sawan ke tabel gejalapenyakit. b. Akuisisi pengetahuan penyakit neurologi. Proses ini memasukkan aturan mengenai sawan yang mempengaruhi penyakit epilepsi ke tabel penyakit dan aturan mengenai syarat yang mempengaruhi penyakit epilepsi ke tabel final. c. Akuisisi pengetahuan penyakit non epilepsi. Proses ini memasukkan aturan mengenai gejala yang mempengaruhi penyakit non epilepsi ke table penyakit_non_neurologi dan aturan mengenai syarat yang mempengaruhi penyakit nonneurologi ke table finalnonneurologi. d. Akuisisi terapi bagi penyakit epilepsi. Proses ini memasukkan aturan mengenai obat yang dapat digunakan oleh penyakit neurologi dengan certainty factor tertentu. e. Akuisisi terapi bagi penyakit non neurologi. Proses ini memasukkan aturan mengenai obat yang dapat digunakan oleh penyakit non neurologi dengan certainty factor tertentu. 3.3 Penjelasan Ada dua macam penjelasan dalam sistem ini yaitu: a. Penjelasan pertanyaan mengapa, pertanyaan ini diberikan pengguna pada saat sistem menanyakan gejala atau syarat kepada pengguna. b. Penjelasan pertanyaan bagaimana, pertanyaan ini diberikan pengguna pada saat sistem menentukan penyakit baik penyakit epilepsi maupun penyakit non epilepsi.
4
HASIL IMPLEMENTASI
Dari hasil penelitian yang telah dilakukan, maka dapat disimpulkan bahwa: 3
Volume X, Nomor X, Januari XXXX : X-X
1. Penyakit syaraf dan gejala-gejalanya dapat dibentuk menjadi basis pengetahuan dalam bentuk kaidah produksi (IF THEN). 2. Metode runut maju (forward chaining) dan runut balik (backward chaining) dapat diimplementasikan pada mesin inferensi penyakit neurologi, hasilnya adalah diagnosa penyakit dan pengobatannya. 3. Proses inferensi akan menghasilkan kesimpulan walaupun gejala yang dimasukkan oleh pemakai (user) tidak lengkap. Hasil yang diberikan berupa jenis penyakit serta saran pengobatan.
5
KESIMPULAN
Kompleksnya permasalahan yang timbul dalam diagnosis penyakit epilepsi, bisa ditangani dengan system pakar. Metode certainty factor telah mampu menjawab permasalahan adanya pengetahuan yang tidak komplit dan tidak pasti.
6
DAFTAR PUSTAKA
[1] Turban, E., Decicion Support System and Expert Systems, Prentice Hall International Inc., USA. 1995. [2] Priguna S, M.D., Ph. D. 2008, Neurologi Klinis Dalam Praktek Umum, Dian Rakyat, Jakarta. [3] Arhami Muhammad, Konsep Dasar Sistem Pakar, ANDI, 2005 [4] Daniel, Gloria Virginia, Implementasi Sistem Pakar Untuk mendiagnosis Penyakit Dengan Gejala Demam Menggunakan Metode Certainty factor, 2010.
4
