Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
I SSN : 2460-4690
SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT GINJAL DENGAN KOMBINASI METODE CERTAINTY FACTOR DAN METODE FORWARD CHAINING (Studi Kasus Rumah Sakit M. Djamil-Padang) Firdaus,S.Kom, M.Kom, Mutiana Pratiwi, S.Kom, M.Kom, Devia Kartika, S.Kom, M.Kom, Fakultas Ilmu Komputer Universitas Putra Indonesia YPTK Padang e-mail :
[email protected],
[email protected],
[email protected]. Abstract - Expert Systems Applications is a software package that discusses how to detect kidney disease in human. Programming language used to create this expert system application is a Microsoft Visual Studio 6.0 with a database using Microsoft Access 2003. In accordance with the programming language used then the interface will be shown in providing information to the user will be in the form of a visual. In this study described how expert systems to diagnose kidney disease and using Certainty Factor and tracking techniques with Forward Chaining method as well as a knowledge base that can be updated according to the development of knowledge. Expert system for diagnosing kidney disease with certainty factor method was designed and built with the aim to diagnose and document the various types of kidney disease and its treatment and solutions, especially for health academics. Reasoning skills Kidney Disease Diagnosis Expert System uses a forward chaining and certainty factor. Keywords: Expert System, Kidney, Certainty Factor Method, Method Forward Chaining. 1. PENDAHULUAN 1.1 Latar Belakang Sistem Pakar (Expert System) adalah program berbasis pengetahuan yang menyediakan solusi-solusi untuk problema dengan kualitas pakar. Sistem pakar merupakan program komputer yang meniru proses pemikiran dan pengetahuan pakar dalam menyelesaikan suatu masalah tertentu. System implementation (implementasi sistem) pakar dapat diterapkan dalam dunia kesehatan selain sebagai media informasi bagi masyarakat terutama penderita penyakit untuk mengetahui jenis penyakit yang diderita sebagai diagnosa awal, juga sebagai alat bantu
bagi dokter untuk dapat mengambil keputusan secara cepat dan lebih akurat. Forward chaining adalah strategi untuk memprediksi atau mencari solusi dari suatu masalah yang dimulai dengan sekumpulan fakta yang diketahui, kemudian menurunkan fakta baru berdasarkan aturan premisnya cocok dengan fakta yang diketahui. Proses ini dilanjutkan dengan sampai mencari goal atau tidak ada lagi aturan premisnya cocok dengan fakta yang diketahui. Penelitian ini bertujuan untuk mempelajari sistem pakar dengan metode forward chaining dan mengaplikasikannya ke dalam
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
masalah diagnosa penyakit ginjal di dunia nyata. 1.2 Perumusan Masalah Perumusan masalah pada penelitian ini, antara lain: 1. Bagaimana merancang sistem pakar untuk menentukan penyakit ginjal dengan mengunakan metode certainty factor dan forward chaining yang dapat digunakan untuk mengukur persentasi penyakit ginjal pasien dengan tampilan yang sedemikian rupa sehingga menarik, mudah dan nyaman untuk digunakan? 2. Bagaimana sistem pakar ini dapat merancang untuk diagnosa penyakit yang berdasarkan gejala-gejala yang ada? 3. Bagaimana solusi untuk permasalahan yang didasarkan pada hubungan antara pertanyaan dan solusi yang disimpan dalam basis pengetahuan? 4. Bagaimana perancangan antarmuka atau interface untuk menyajikan informasi tersebut pada user? 1.3 Batasan Masalah Batasan masalah dalam penelitian ini adalah sebagai berikut : 1. Dengan penggunaan aplikasi sistem pakar ini hanya menampikan gejala-gejala yang ditimbulkan oleh penyakit ginjal serta cara penanganannya. 2. Dalam penelitian ini, aplikasi hanya sebagai alat untuk membuktikan keakuratan dari hasil diagnosa yang diharapkan sesuai dengan pakar, user yang menggunakan aplikasi ini adalah masyarakat umum yang akan melihat informasi penyakit
I SSN : 2460-4690
seputar penyakit ginjal sedangkan yang menjadi ahli adalah dokter. 3. Dengan menggunakan metode forward chaining dan teori certainty factor akan mendapatkan hasil berupa kepastian yang akan sesuai dengan data yang diisi oleh pasien penyakit ginjal. Penggunaan aplikasi ini hanya menampilkan informasi penyakit-penyakit ginjal pada umumnya seperti : Urolitiasis, penyakit ginjal kronik (CKD), Infeksi Saluran Kemih (ISK). 1.4 Tujuan Penelitian Tujuan yang akan dicapai dalam penelitian ini adalah sebagai berikut: 1. Dapat membantu penderita penyakit ginjal dalam mengetahui jenis penyakit dan gejalanya serta penanggulangannya melalui komputer, sehingga penanganan lebih lanjut terhadap penyakit tersebut dapat dengan cepat dilakukan. 2. Untuk dapat menganalisa aspekaspek internal dan eksternal dari penyakit ginjal. 3. Untuk dapat mengetahui gejalagejala apa saja yang diderita oleh pasien dan cara penanganannya. 4. Dapat mengetahui strategi dalam keputusan yang harus dilakukan oleh penderita penyakit ginjal. 5. Dapat mempermudah melakukan identifikasi penyakit ginjal secara dini melalui media aplikasi desktop kepada masyarakat umum, sehingga penanganan lebih lanjut terhadap penyakit tersebut dapat dengan cepat dilakukan.
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
6.
Membangun sebuah sistem berbasis pengetahuan kedokteran dalam menentukan resiko penyakit ginjal yang dapat ditampilkan dalam aplikasi desktop, sehingga alasan efisiensi waktu dan kurangnya pengetahuan masyarakat akan kesehatan dapat teratasi.
I SSN : 2460-4690
Tabel 2.1 Definisi Tentang Sistem Pakar
2. LANDASAN TEORI 2.1 Kecerdasan Buatan Kecerdasana buatan (Artifial Intelligence) merupakan bagian dari komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia bahkan bisa lebih baik daripada yang dilakukan oleh manusia (Idhawati Hestiningsi, 2006). Salah satu teknik bidang kecerdasan buatan yang menirukan proses penalaran manusia adalah Sistem Pakar. Pemecahan masalahmasalah yang komplek biasanya hanya dapat dilakukan oleh sejumlah orang yang sangat terlatih, yaitu pakar. 2.2 Sistem Pakar Ada beberapa definisi tentang sistem pakar oleh beberapa ahli yang terlihat dalam tabel 2.1 (Sri Hartati dan Sari Iswanti, 2008), yaitu :
2.3 Struktur Sistem Pakar Sistem pakar juga dapat dilihat dari sudut pandang lingkungan (environment) dalam sistem. Terdapat dua lingkungan yaitu lingkungan konsultasi dan lingkungan pengembangan. Lingkungan konsultasi diperuntukkan bagi pengguna bukan pakar untuk melakukan konsultasi dengan sistem yang tujuannya adalah mendapatkan nasehat pakar. Sedangkan, lingkungan pengembangan ditujukan bagi pembangun sistem pakar untuk membangun komponen dan memasukkan pengetahuan hasil akuisisi pengetahuan ke dalam basis pengetahuan. Secara lengkap struktur sistem pakar yang menekankan pada lingkungan yang ada dalam sistem terlihat pada gambar 2.1 (Ginanjar , 2011).
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
I SSN : 2460-4690
Gambar 2.2 Forward Chaining
Gambar 2.1 Struktur Sistem Pakar 2.4 Metode Runut Maju (Forward Chaining) Runut maju (Forward Chaining) merupakan aturan yang didahulukan kondisi dan diakhiri dengan aksi. Penentuan aturan dimulai dengan menyesuaikan data dan kebutuhan, proses akan terus berlangsung hingga menemukan hasil yang dijadikan tujuan. Metode inferensi runut maju sesuai digunakan dalam masalah pengendalian (controlling) dan peramalan (prognosis). Berikut ini adalah daftar aturannya atau “R” (Sri Kusumadewi, 2005) :
Forward chaining merupakan pencocokkan fakta atau pernyataan dimulai dari bagian kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis (Sri Kusumadewi, 2005).
Gambar 2.3 Penalaran Forward Chaining 2.5 Faktor Kepastian (Certainty Factor) Faktor kepastian digunakan untuk menyatakan seberapa akurat, jujur, atau dapat diandalkan. Sebuah sistem pakar harus mampu bekerja dalam ketidakpastian. teori yang ditemukan untuk memecahkan ketidakpastian seperti klasik
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
probabilitas, probabilitas Bayesian, teori Hartley berdasarkan himpunan klasik, teori Shannon berdasarkan probabilitas, teori Dempster-Shafer, teori kabur Zadeh dan Faktor Kepastian. Faktor kepastian diperkenalkan oleh Shortliffe Buchanan dalam merancang MYCIN. Faktor Kepastian (CF) adalah nilai parameter klinis yang diberikan oleh MYCIN untuk menunjukkan kepercayaan tingkat. Secara umum, rule dipresentasikan dalam bentuk sebagai berikut : IF E1 [AND / OR] E2 [AND / OR] … En THEN H (CF = CFi)
I SSN : 2460-4690
MB (H,E) : mengukur peningkatan ketidak kepercayaan hipotesis H dipengaruhi oleh bukti E. MD (H,E) : ukuran peningkatan kepercayaan pada hipotesis H dipengaruhi oleh bukti E. Setelah didapatkan nilai diatas, maka dicari nilai certainty factor gabungan evidence anteseden yang terdapat dalam sebuah kaidah. Hal ini dapat dilihat pada tabel 2.2 Tabel Kombinasi evidence anteseden. Tabel 2.2 Kombinasi Evidence Anteseden
Dimana: E1 ... En : Fakta – fakta (evidence) yang ada. H : Hipotesa atau konklusi yang dihasilkan.
Maka rumus digunakan adalah :
CF : Tingkat keyakinan (Certainty Factor) terjadinya hipotesa H akibat adanya fakta – fakta E1 s/d En .
CF(E,e) = min [CF(E1,e), CF(E2,e) ... CF(En ,e), dan nilai CF(H,e) adalah, CF(H,e) = CF(E,e) * CF(H,E).
Faktor kepastian (certainty factor) merupakan ukuran kepastian terhadap suatu fakta atau aturan. Notasi faktor kepastian :
Berarti besarnya kepercayaan bahwa pasien menderita terhadap penyakit adalah hasil dari nilai CF(H,e).
CF (H, E) = MB (H, E) - MD (H, E)
Dimana:
Dimana: CF (H,E) : certainty factor dari hipotesis H dipengaruhi oleh bukti nilai E. Certainty Factor bisa bernilai dari -1 sampai 1. Nilai menunjukkan -1 merupakan ketidakpastian mutlak sedangkan nilai 1 menunjukkan kepastian yang mutlak.
yang dapat
CF(E,e) : certainty factorevidence E dipengaruhi oleh evidence e. CF(H,e) : certainty factor hipotesa H dengan asumsi evidence diketahui dengan pasti ketika CF(E,e) = 1. CF(H,e) : certainty factor hipotesa yang dipengaruhi oleh evidnece e
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
I SSN : 2460-4690
(nilai kepercayaan pasien terhadap penyakit yang dideritanya). 2.6 Penyakit Ginjal Ginjal merupakan organ tubuh manusia yang sangat vital. Karena ginjal merupakan salah satu organ perkemihan (ginal-ureterkandungkemih-uretra). Penyakit ginjal dapat meningkatkan resiko kematian bagi penderita dapat juga menjadi pemicu timbulnya penyakit jantung. Apabila penyakit ginjal bisa dideteksi secara dini, penyakit lain yang menyebabkan kematian bisa segera dicegah. Karena ketidak normalan fungsi ginjal sering kali menggambarkan tahapan awal dari gejala penyakit jantung. Penyakit ginjal adalah suatu penyakit dimana fungsi organ ginjal mengalami penurunan hingga akhirnya tidak lagi mampu bekerja sama sekali dalam hal penyaringan pembuangan elektrolit tubuh, menjaga keseimbangan cairan dan zat kimia tubuh seperti sodium dan kalium didalam darah atau produksi urin. Penyakit ginjal berkembang secara perlahan kearah yang semakin buruk di mana ginjal sama sekali tidak lagi mampu bekerja sebagaimana fungsinya. Dalam dunia kedokteran dikenal dua (2) macam jenis ginjal yaitu gagal ginjal akut dan gagal ginjal kronis . 3.
ANALISA DAN DESAIN
3.1 Arsitektur Sistem Dengan melakukan penyederhanaan di beberapa komponen, maka arsitektur sistem pakar untuk mendiagnosa penyakit ginjal ini didesain seperti pada gambar 3.1, yaitu :
Gambar 3.1 Desain Arsitektur Sistem Pada Sistem Pakar Penyakit Ginjal 3.2 Basis Pengetahuan Basis Pengetahuan (Knowled Base) adalah basis pengetahuan yang berisi pengetahuan relevan yang diperlukan untuk memahami, merumuskan dan memecahkan persoalan. Referensi pengetahuan dari seorang atau beberapa pakar diperlukan untuk memahami, menformulasikan dan memecahkan masalah. Dalam hal ini digunakan untuk memecahkan masalah penyakit ginjal. Knowled Base ini terdiri dari
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
dua elemen dasar yaitu fakta dan rules. Ada beberapa cara mempresentasikan data basis pengetahuan, yaitu dalam bentuk atribut, aturan-aturan, jaringan semantik, frame dan logika. Basis pengetahuan penentuan gejala penyakit ginjal dapat dilihat pada tabel 3.1 Tabel pengkodean penyakit ginjal dan Tabel 3.2 Pengkodean Gejala Penyakit Ginjal dan Nilai Persentasenya. Tabel 3.1 Pengkodean Penyakit Ginjal
I SSN : 2460-4690
Tabel 3.2 Pengkodean Gejala Penyakit Ginjal
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
Tabel 3.3 Nilai Certainty Factor
c. 3.3 Penyajian Fakta Berikut ini dijelaskan kaidah dari Aturan (Rule) berdasarkan hipotesa terhadap evidence dan nilai certainty factor. Berikut ini himpunan kaidah dari penyakit ginjal : a. IF Rasa panas atau nyeri ketika buang air kecil AND Rasa ingin sering buang air kecil AND Kencing terasa sakit, sering tetapi sedikit-sedikit disertai rasa panas atau nyeri dan muntah AND Demam dan menggigil AND Ditemukannya kuman E.coli, Klebsiela dan Enterobakter atau ProteusAND Jumlah koloni bakteri lebih dari atau sama dengan 100.000/ml AND Urin berbau busuk, mengandung darah atau nanah, dan terlihat keruh AND Rasa sakit yang menetap di perut bagian bawah THEN menderita Infeksi Salurann Kemih, dengan CF = 0.80%. b. IF Tidak ada gejala selama batu tersebut diam di tempatnya AND Rasa nyeri yang hebat pada pinggang di atas ginjal, yang dapat menyebar ke perut bagian bawah. Nyeri berlangsung sekitar 1 menit, reda sebentar, kemudian terasa lagi selama beberapa menit AND Sering buang air kecil, atau dorongan ingin air buang kecil AND Nyeri ketika buang air kecil AND Darah di dalam urin (hematuria) AND Demam dan
d.
e.
f.
I SSN : 2460-4690
bengkak pada pinggang menandakan batu ginjal yang disertai dengan infeksi, atau terjadi sumbatan yang membengkak AND Muntah THEN menderita Batu Ginjal, dengan CF = 0.70%. IF Terdapat darah pada urin AND Rasa sakit yang menetap pada salah satu daerah pinggang sedikit di bawah tulang rusuk AND Berat badan turun AND Ada benjolan di ginjal, ditemukan pada waktu dilakukan pemeriksaan AND Kelelahan yang tidak diketahui sebabnya AND Demam yang berulang AND Rasa sakit pada daerah tubuh lainnya di sekitar ginjal, bila sel kanker telah menyebar THEN menderita Kanker Ginjal, dengan CF = 0.65%. IF Perut terasa kembung akibat terjadinya pembesaran ginjal AND Urin keluar dalam jumlah yang banyak, karena ginjal tidak bisa lagi memekatkannya AND Adanya gumpalan besar pada bagian kanan atau kiri pinggul THEN menderita Kista Ginjal, dengan CF = 0.85%. IF Penurunan jumlah urin AND Tidak ada urin sama sekali AND Peninggian kadar ureum dan kreatinin darah dalam beberapa hari AND Pusing, mual, kehilangan nafsu makan, lemas dan sesak nafas THEN menderita Gagal Ginjal Akut, dengan CF = 0.70%. IF Peninggian kadar ureum dan kreatinin darah AND Penurunan nilai tes klirenkreatininAND Sesak nafas karena penumpukan air di paru-paru AND Adanya sumbatan karena batu dan infeksi
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
AND Ginjal kistik (adanya gelembung berisis cairan pada ginjal) THEN menderita Gagal Ginjal Kronik, dengan CF = 0.90%. IF Perubahan frekuensi kencing. Sering ingin berkemih pada malam hari AND Pembengkakan pada pergelangan kaki AND Kram otot pada malam hari AND Lemah dan lesu, kurang berenergi, nafsu makan turun, mual dan muntah AND Sulit tidur AND Bengkak seputar mata pada pagi waktu bangun pagi hari atau mata merah dan berair karena deposit garam kalsium fosfat yang dapat menyebabkan iritasi hebat pada selaput lendir mata AND Kulit gatal dan kering, THEN menderita Gagal Ginjal Terminal, dengan CF = 0.95%. Berdasarkan keterangan rule-rule diatas dan Nilai Certainty Factor diatas dapat disimpulkan dalam bentuk tabel 3.4 dengan tabel aturan, sebagai berikut :
I SSN : 2460-4690
penyakit) di dapatkan nilai certainty factor (faktor kepastian). Maka dapat dicari
rumus
Nilai
faktor
kepastiannya berdasarkan rule atau aturan di atas, sebagai berikut : 1. Infeksi Saluran Kemih Maka nilai evidence E dari masing
evidence
adalah
sebagai berikut : E1= 35% 0.35 E2= 45% 0.45 E3= 45% 0.45 E4= 15% 0.15 E5= 55% 0.55 E6= 20% 0.20 E7= 25% 0.25 CF = 80% 0.80 Sehingga nilai CF (E,e) adalah :
Tabel 3.4 Tabel Aturan
CF(E,e) = min [CF,( E1,e), CF,( E2,e), CF,( E3,e), CF,( E4,e), CF,( E5,e),
Berdasarkan
pada
CF,( E6,e),
tabel
CF,( E7,e)]
Pengkodean Gejala Penyakit Ginjal dan Nilai Persentase serta tabel
=
min
[(0.35),
Aturan (rule) maka nilai certainty
(0.45),
factor
penyakit ginjal berdasarkan
(0.45),
evidence (gejala) dan hipotesa (jenis
(0.15),
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
I SSN : 2460-4690
(0.55),
CF,( E13,e),
(0.20),
CF,( E14,e),
(0.25)]
CF,( E15,e)]
= 0.15
=
Maka nilai CF(H,e) adalah : CF(H,e) =
CF(E,e)
[(0.35), *
(0.45),
CF(H,E)
Jadi bahwa
(0.15),
= 0.15 * 0.80
(0.35),
= 0.12
(0.20),
besarnya
pasien
min
kepercayaan
menderita
(0.60),
Infeksi
(0.15)]
Saluran Kemih adalah 0.12 atau 12%.
= 0.15 Maka nilai CF(H,e) adalah :
2. Batu Ginjal
CF(H,e) =
Maka nilai evidence E dari masing
evidence
CF(E,e)
*
CF(H,E)
adalah
= 0.15 * 0.70
sebagai berikut :
= 0.105
E9= 35% 0.35 E10= 45% 0.45
= 0.11 Jadi
besarnya
kepercayaan
E11= 15% 0.15
bahwa pasien menderita Batu Ginjal
E12= 35% 0.35
adalah 0.11 atau 11%.
E13= 20% 0.20 E14= 60% 0.60
3. Kanker Ginjal
E15= 15% 0.15
Maka nilai evidence E dari
CF = 70% 0.70
masing
Sehingga nilai CF (E,e) adalah
evidence
adalah
sebagai berikut :
:
E16= 20% 0.20
CF(E,e) = min [CF,( E9,e),
E17= 30% 0.30
CF,( E10,e),
E18= 75% 0.75
CF,( E11,e),
E19= 80% 0.80
CF,( E12,e),
E20= 15% 0.15
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
E21= 15% 0.15
I SSN : 2460-4690
4. Kista Ginjal
E22= 60% 0.60
Maka nilai evidence E dari
CF = 65% 0.65
masing
Sehingga nilai CF (E,e) adalah
evidence
sebagai berikut :
:
E23= 15% 0.15
CF(E,e) = min [CF,( E16,e),
E24= 45% 0.45
CF,( E17,e),
E25= 35% 0.35
CF,( E18,e),
CF = 85% 0.85
CF,( E19,e),
Sehingga nilai CF (E,e) adalah
CF,( E20,e),
:
CF,( E21,e),
CF(E,e)
= min [CF,( E23,e),
CF,( E22,e)] =
min
CF,( E24,e),
[(0.20),
CF,( E25,e)]
(0.30),
=
min
(0.45),
(0.80),
(0.35)]
(0.15),
= 0.15
(0.15),
Maka nilai CF(H,e) adalah :
(0.60)]
CF(H,e) =
CF(E,e)
CF(E,e)
= 0.15 * 0.85 *
= 0.1275
CF(H,E) = 0.15 * 0.65
Jadi
=0.13 Jadi
besarnya
kepercayaan
= 0.0975
bahwa pasien menderita Kista Ginjal
= 0.10
adalah 0.13 atau 13%.
besarnya
pasien
*
CF(H,E)
Maka nilai CF(H,e) adalah : CF(H,e) =
[(0.15),
(0.75),
= 0.15
bahwa
adalah
kepercayaan
menderita
Ginjal adalah 0.10 atau 10%.
Kanker
5. Gagal Ginjal Akut Maka nilai evidence E dari masing
evidence
sebagai berikut :
adalah
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
I SSN : 2460-4690
E25= 25% 0.25
E30= 40% 0.40
E26= 40% 0.40
E31= 30% 0.30
E27= 60% 0.60
E32= 15% 0.15
E28= 40% 0.40
E33= 35% 0.35
CF = 70% 0.70
CF = 80% 0.90
Sehingga nilai CF (E,e) adalah
Sehingga nilai CF (E,e) adalah
:
:
CF(E,e) = min [CF,( E25,e),
CF(E,e) = min [CF,( E29,e),
CF,( E26,e),
CF,( E30,e),
CF,( E27,e),
CF,( E31,e),
CF,( E28,e)]
CF,( E32,e),
=
min
[(0.25),
CF,( E33e)]
(0.40),
=
min
[(0.45),
(0.60),
(0.40),
(0.40)]
(0.30),
= 0.25
(0.15),
Maka nilai CF(H,e) adalah :
(0.35)]
CF(H,e) =
CF(E,e)
*
CF(H,E) = 0.25 * 0.70
= 0.15 Maka nilai CF(H,e) adalah : CF(H,e) =
CF(E,e)
= 0.175
CF(H,E)
= 0.18 Jadi
besarnya
*
= 0.15 * 0.90 kepercayaan
= 0.135
bahwa pasien menderita Gagal Ginjal Akut adalah 0.18 atau 18%.
= 0.14 Jadi
besarnya
kepercayaan
bahwa pasien menderita Gagal Ginjal 6. Gagal Ginjal Kronik
Kronik adalah 0.14 atau 14%.
Maka nilai evidence E dari masing
evidence
adalah
sebagai berikut : E29= 45% 0.45
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
7. Gagal Ginjal Terminal
I SSN : 2460-4690
CF(H,e) =
CF(E,e)
Maka nilai evidence E dari masing
evidence
CF(H,E)
adalah
= 0.15 * 0.95
sebagai berikut :
= 0.1425
E34= 25% 0.25
= 0.14
E35= 40% 0.40
Jadi besarnya kepercayaan bahwa pasien menderita Gagal Ginjal Terminal adalah 0.14 atau 14%.
E36= 15% 0.15 E37= 20% 0.20 E38= 15% 0.15
Berdasarkan rumus Nilai faktor kepastiannya berdasarkan rule atau aturan di atas, dapat disimpulkan sebagai berikut:
E39= 25% 0.25 E40= 15% 0.15 CF = 95% 0.95 Sehingga nilai CF (E,e) adalah : CF(E,e) = min [CF,(E34,e), CF,(E35,e),
CF,(E39,e) , CF,( E40,e)] [(0.25),
(0.40),
demam
serta
E.coli, Enterobakter
Klebsiela atau
dan Proteus,
jumlah koloni bakteri lebih dari atau sama dengan 100.000/ml,
keruh, rasa sakit yang menetap di
(0.15),
Maka nilai CF(H,e) adalah :
muntah,
darah atau nanah, dan terlihat
(0.20),
= 0.15
sakit atau sering tetapi sedikit-
urin berbau busuk, mengandung
(0.15),
(0.15)]
buang air kecil, kencing terasa
menggigil, ditemukannya kuman
CF,(E38,e),
(0.25)
buang air kecil, rasa ingin sering
nyeri,
CF,(E37,e),
min
a. Rasa panas atau nyeri ketika
sedikit disertai rasa panas dan
CF,(E36,e),
=
*
,
perut bagian bawah maka pasien menderita
Infeksi
Salurann
Kemih, dengan faktor kepastian adalah 12%.
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
I SSN : 2460-4690
b. Tidak ada gejala selama batu
menyebar maka pasien menderita
tersebut diam di tempatnya, rasa
Kanker Ginjal, dengan faktor
nyeri yang hebat pada pinggang
kepastian adalah 10%.
di
atas
ginjal,
yang
dapat
d. Perut terasa kembung akibat
menyebar ke perut bagian bawah,
terjadinya
nyeri
1
urin keluar dalam jumlah yang
menit, reda sebentar, kemudian
banyak, karena ginjal tidak bisa
terasa
lagi
berlangsung
lagi
selama
sekitar
beberapa
pembesaran
memekatkannya,
ginjal,
adanya
menit, sering buang air kecil atau
gumpalan besar pada bagian
dorongan ingin air buang kecil,
kanan atau kiri pinggul maka
nyeri ketika buang air kecil,
pasien menderita Kista Ginjal,
darah di dalam urin (hematuria),
dengan faktor kepastian adalah
Demam
13%.
dan
bengkak
pada
pinggang menandakan batu ginjal
e. Penurunan jumlah urin, tidak ada
yang disertai dengan infeksi, atau
urin sama sekali, peninggian
terjadi
yang
kadar ureum dan kreatinin darah
membengkak serta muntah maka
dalam beberapa hari, pusing,
pasien menderita Batu Ginjal,
mual, kehilangan nafsu makan,
dengan faktor kepastian adalah
lemas dan sesak nafas maka
11%.
pasien menderita Gagal Ginjal
sumbatan
c. Terdapat darah pada urin, rasa sakit yang menetap pada salah
Akut, dengan faktor kepastian adalah 18%.
satu daerah pinggang sedikit di
f. Peninggian kadar ureum dan
bawah tulang rusuk, berat badan
kreatinin darah, penurunan nilai
turun, ada benjolan di ginjal,
tes kliren kreatinin, sesak nafas
ditemukan pada waktu dilakukan
karena penumpukan air di paru-
pemeriksaan,
yang
paru, adanya sumbatan karena
tidak diketahui sebabnya, demam
batu dan infeksi, Ginjal kistik
yang berulang, rasa sakit pada
(adanya gelembung berisis cairan
daerah tubuh lainnya di sekitar
pada
ginjal, bila sel kanker telah
menderita Gagal Ginjal Kronik,
kelelahan
ginjal)
maka
pasien
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
dengan faktor kepastian adalah 14%. g. Perubahan Sering
frekuensi
ingin
variabel apa saja yang di gunakan untuk menyesuaikannya dengan buku tabel penyakit ginjal.
kencing.
berkemih
I SSN : 2460-4690
star
pada Declaration variabel
malam hari, pembengkakan pada
Buku tabel
pergelangan kaki, kram otot pada
Nama,password
malam hari, lemah dan lesu,
For I=1 to Tabel.recordcount
kurang berenergi, nafsu makan turun, mual dan muntah, sulit
Gejala ke-i
Pertanyaan
tidur, bengkak seputar mata pada
Jawab Ya
pagi waktu bangun pagi hari atau
T
Y
Gejala kei=True
mata merah dan berair karena deposit garam kalsium fosfat
Gejala kei=False
Baca Rule
Y
yang dapat menyebabkan iritasi
Hasil
hebat pada selaput lendir mata,
T
kulit gatal dan kering, maka Stop
pasien menderita Gagal Ginjal Terminal,
dengan
faktor
kepastian adalah 14%. 3.4 Mekanisme Inferensi Inference Engine merupakan bagian dari sistem pakar yang bertugas sebagai otak dalam menemukan solusi yang tepat dari banyaknya solusi yang ada. Kesesuaian fakta atau pertanyaan pada inferensi forward chaining dimulai dari fakta-fakta yang ada dalam basis pengetahuan terlebih dahulu, kemudian baru ditemukan hipotesanya. Pada gambar Gambar 3.5 Diagram Alur Program Sistem Pakar Penyakit Ginjal dapat dijelaskan bahwa mendeklarasikan variabel-
Gambar 3.5 Diagram Alur Pogram Sistem Pakar Penyakit Ginjal 4.
PENUTUP
4.1 Kesimpulan Berdasarkan penelitian dan pembahasan yang dilakukan, maka dapat disimpulkan bahwa : 1. Dengan adanya program sistem pakar yang telah dibuat ini, dapat membantu dalam melakukan diagnosa terhadap gejala penyakit yang dirasakan oleh pasien dan metode forward chaining yang digunakan mampu melakukan penelurusan gejala penyakit dan solusi berdasarkan input yang diberikan oleh user atau pasien. 2. Nilai kepercayaan yang dihasilkan dari sistem ini sama dengan hasil perhitungan secara
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015
manual dengan menggunakan teori certainty factor. Sehingga keakuratan hasilnya sudah sesuai dengan perhitungan yang diharapkan. 3. Semakin akurat gejala yang dimasukkan ke dalam sistem, maka semakin tinggi pula nilai certainty factor atas penyakit yang diderita. 4. Dengan penggunaan certainty factor pengguna dapat mengetahui derajat kepercayaan terhadap penyakit yang diderita.
DAFTAR PUSTAKA Jogiyanto, H.M. 2005. Analisis dan Desain Sistem Informasi : Pendekatan Terstruktur, Teori dan Praktek Aplikasi Bisnis.. Yogyakarta: Penerbit Andi Offset. Kadir,
Abdul. 2003. Dasar Pemrograman Java2. Yogyakarta: Penerbit Andi Offset.
Kristanto, Andri. 2003. Perancangan Sistem Informasi dan Aplikasinya. Yogyakarta:Penerbit Gaya Media. Kurniawan, Eko. 2009. Pemograman Java. http://www.eecchhoo.wordpre ss.com. (14 Desember 2010). Lea Douglas, “Concurent Programing in Java: Design Principles and Pattern 2nd Edition”, http://www.sun.com/books/jav a_series.html (10 November 2010).
I SSN : 2460-4690
Nugroho, Adi 2002. Analisis Perancangan Sistem Informasi dengan Metodologi Berorientasi Objek. Bandung: Informatika. Oetomo, Budi Sutedjo Dharma. 2002. Perancangan dan Pembangunan Sistem Informasi. Yogyakarta: Andi Offset. Prasetio, Didik Dwi. 2002. Administrasi Database Server MySQL. Jakarta. Suarga . 2009. Dasar Pemrograman Komputer dalam Bahasa Java. Yogyakarta: Andi Offset. Supardi, Dede. 2004. Java2 untuk segala tingkat. Jakarta: Elex Media Komputindo.