SISTEM PAKAR DIAGNOSA DINI PENYAKIT KANDUNGAN MENGGUNKAN METODE FUZZY Agus Irawan Jurusan Teknik Informatika STMIK Elrahma YOGYAKARTA e-mail :
[email protected] Abstract Womb disease is a disease that needs to be considered by women Because the disease is one disease that can cause death. Therefore, the need for action in order to anticipate the increasing number of patients with the disease womb. The author took the initiative to arouses thesis in the field of expert systems technology to support diagnostic eputusan entitled "Early Diagnosis Expert System Gynecology enggunakan Fuzzy Method Based Android". The purpose of this research is to develop an expert system for early disease mendektisi content. Hopefully with this system can help people in the early detection of abnormalities in the womb disease. The system uses fuzzy logic mamdani method for the decision-making process and the end result using the weighted average value Keywords: Expert System, Type Gynecology, Fuzzy Logic , Android. PENDAHULUAN Dari dulu hingga sekarang begitu banyak masalah dalam kesehatan yang timbul pada wanita, khususnya pada bagian rahim. Rahim merupakan suatu organ muscular berbentuk seperti pir yang terletak diantara kandung kencing dan rektum yang berfungsi sebagai pengeluaran darah haid dengan ditandai adanya perubahan dan pelepasan dari endometrium. Sebagian besar wanita sering mengalami gangguan pada area rahim tapi terkadang wanita beranggapan bahwa gejala-gejala yang timbul merupakan gejala-gejala umum yang sering terjadi pada wanita, padahal kemungkinan gejala tersebut merupakan gejala penyakit yang berbahaya. Pengetahuan tentang gejala dan jenis penyakit rahim itu sendiri teryata masih belum banyak diketahui oleh kaum wanita. Wanita yang mengalami gangguan atau kelainan pada area rahim ia akan mendatangi dokter spesialis untuk berkonsultasi, namun pada kenyataannya tidak semua orang dapat melakukanny. Hal ini dapat dikarenakan faktor perekonomian yang kurang mencukupi ataupun karena tuntutan kesibukan, terdapat pula kelemahan seperti jam kerja praktek dokter yang terbatas. Permasalahan yang di tangani oleh seorang sistem pakar bukan hanya mengandalkan algoritma, namun terkadang juga permasalahan yang sulit di pahami.Permasalahan tersebut dapat di atasi oleh seorang pakar dengan pengetahuan dan pengalamannya. Oleh karena itu sistem pakar di bangun bukan berdasarkan algoritma tertentu, tetapi berdasarkan basis pengetahuan dan aturan (Kusrini, 2006). METODE PENELITIAN Sistem pakar (expert sistem) adalah program berbasis pengetahuan yang menyediakan solusi–solusi dengan kualitas pakar untuk problema–problema dalam suatu domain yang spesifik (Hartati, 2003). Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh
para ahli. Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Dengan sistem pakar ini, orang awampun dapat menyelesaikan dengan bantuan para ahli. Bagi para ahli sistem pakar ini juga akan membantu aktivitasnya sebagai asisten yang sangat berpengalaman. Kusumadewi (2003). Ada beberapa definisi tentang sistem pakar, antara lain: 1. Sistem pakar adalah suatu program computer yang dirancang untuk memodelkan kemampuan penyelesaian masalah yang dilakukan oleh seorang pakar. (Durkin dalam Kusumadewi, Sri, 2003, Artificial Intelligence (Teknik dan aplikasinya)) 2. Sistem pakar adalah suatu sistem komputer yang biasa menyamai atau meniru kemampuan seorang pakar. (Giarratano dan Riley dalam Kusumadewi, 2003, Artificial Intelligence (Teknik dan Aplikasinya)). 3. Sistem pakar adalah suatu model dan prosedur yang berkaitan dalam suatu domain tertentu, yang mana tingkat keahliannya dapat dibandingkan dengan keahlian seorang pakar. (Ignizio dalam Kusumadewi, Sri, 2003, Artificial Intelligence (Teknik dan aplikasinya)) 1. Kelebihan dan kekurangan sistem pakar Menurut Muhammad Arhani (2005), secara garis besar banyak keuntungan yang didapatkan dengan adanya sistem pakar, antara lain : 1. 2. 3. 4. 5. 6. 7. 8. 9.
Menjadikan pengetahuan dan nasihat lebih mudah didapat Meningkatkan output dan produktivitas Menyimpan kemampuan dan keahlian pakar Meningkatkan penyelesaian masalah dan menerusi paduan pakar Meningkatkan reliabilitas Memberikan respon (jawaban) yang cepat Merupakan panduan yang intelligence (cerdas) Dapat bekerja dengan informasi yang kurang lengkap dan mengandung ketidakpastian Intelligence database (basis data cerdas), bahwa sistem pakar dapat digunakan untuk mengakses basis data dengan cara cerdas. Selain kelebihan – kelebihan diatas, sistem pakar seperti hal lainnya, juga memiliki kelemahan, diantaranya adalah : 1. Masalah dalam mendapatkan pengetahuan dimana pengetahuan tidak selalu bias didapatkan dengan mudah, Karena kadangkala pakar dari masalah yang kita buat tidak ada, dan kalaupan ada kadang-kadang pendekatan yang dimiliki oleh pakar berbedabeda. 2. Untuk membuat suatu sistem pakar yang benar-benar berkualitas tinggi sangatlah sulit dan memerlukan biaya yang sangat besar untuk pengembangan dan pemeliharaannya. 3. Boleh jadi sistem tidak dapat membuat keputusan 4. Sistem pakar tidaklah 100% menguntungkan, walaupun seorang tidak sempurna atau tidak terlalu benar. Oleh karena itu perlu diuji ulang secara teliti sebelum digunakan. Kelemahan-kelemahan atau kekurangan dari sistem pakar tersebut bukanlah sama sekali dan tidak bisa diatasi, tetapi dengan terus melakukan perbaikan dan pengolahan berdasarkan pengalaman yang telah ada maka hal itu diyakini anan dapat diatasi, walaupun dalam waktu yang lana dan terus menerus. 2. Konsep umum sistem pakar Pengetahuan dari suatu sistem pakar mungkin dapat dipresentasikan dalam sejumlah cara. Salah satu metode yang paling umum untuk mempresentasikan pengetahuan adalah dalam bentuk tipe aturan (rule) IF…THEN (Jika…maka).
3. Struktur Sistem Pakar (Arhami, 2005) Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan (development environment) dan lingkungan konsultasi (consultation environment). Lingkungan pengembangan sistem pakar digunakan untuk memasukan pengetahuan pakar kedalam lingkungan sistem pakar, sedangkan lingkungan konsultasi digunakan oleh pengguna yang bukan pakar guna memperoleh pengetahuan pakar. Sebagaimana dapat dilihat pada Gambar. 3.1. Lingkungan Konsultasi
Lingkungan Pengembangan
Pemakai Fakta Tengtang Kejadian Tertentu
Basis Pengetahuan Fakta Dan Aturan
Antar Muka Fasilitas Penjelasan Konowledge Engineer
Aksi Yang Direkomendasikan
Akuisi Pengtahuan
Mesin Inferensi
Pakar Workplace
Perbaikan Pengetahuan
Gambar 3.1. Arsitektur Sistem Pakar. Komponen – komponen yang terdapat dalam sistem pakar adalah seperti yang terdapat pada Gambar 3.7. Arsitektur sistem pakar, yaitu User interface (antarmuka pengguna), basis pengetahuan, akuisisi pengetahuan, mesin inferensi, workplace, fasilitas penjelasan, perbaikan pengetahuan. 1. Antarmuka Pengguna (User Interface) User Interface merupakan mekanisme yang digunakan oleh pengguna dan sistem pakar untuk berkomunikasi. Antarmuka menerima informasi dari pemakai dan mengubahnya kedalam bentuk yang dapat diterima oleh sistem. Selain itu atantarmuka menerima informasi dari sistem dan menyajikanya kedalam bentuk yang dapat dimengerti oleh pemakai. 2. Basis Pengetahuan (Knowledge Base) Basis pengetahuan mengandung pengetahuan untuk pemahaman, formulasi, dan penyelesaian masalah. Komponen sistem pakar ini disusun atas dua elemen dasar, yaitu fakta dan aturan. Fakta merupakan informasi tentang objek dalam area permasalahan tertentu, sedangkan aturan merupakan informasi tentang cara bagaimana memperoleh fakta baru dari fakta yang telah diketahuai. 1. Akuisisi Pengetahuan (Knowledge Acquisition) Akuisisi pengetahuan adalah akumulasi, transfer dan transformasi keahlian dalam penyelesaian masalah dari sumber pengetahuan kedalam program komputer. Dalam tahap ini knowledge engineer berusaha menyerap pengetahuan untuk selanjutnya ditransfer kedalam
basis pengetahuan. Pengetahuan diperoleh dari pakar, dilengkapi dengan buku, basis data, laporan penelitian dan pengalaman pemakai. 2. Mesin Inferensi (Inference Engine) Inference Engine adalah bagian yang menyediakan mekanisme fungsi berfikir dan pola-pola penalaran sistem yang digunakan oleh seorang pakar. 1. Mekanisme ini akan menganalisis masalah tertentu dan selanjutnya akan mencari jawaban atau kesimpulan yang terbaik. 2. Mesin ini akan memulai pelacakannya dengan mencocokan kaidah-kaidah dalam basis pengetahuan dengan fakta-fakta yang ada dalam basis data. Ada dua teknik inferensi antara lain : a. Backward Chaining (Pelacakan ke Belakang) Melalui penalarannya dari sekumpulan hipotesis menuju fakta-fakta yang mendukung, jadi proses pelacakan berjalan mundur dimulai dengan menentukan kesimpulan yang akan dicari baru kemudian fakta-fakta pembangun kesimpulan atau Goal Driven. b. Forward Chaining (Pelacakan ke Depan) Forward Chaining merupakan kebalikan dari backward chaining yaitu mulai dari kumpulan data menuju kesimpulan. Suatu kasus kesimpulannya dibangun berdasarkan fakta-fakta yang telah diketahui atau data driven. 3. Workplace Workplace merupakan area dari sekumpulan memori kerja (working memory). Workplace digunakan untuk merekam hasil – hasil antara dan kesimpulan yang dicapai. 4. Fasilitas penjelasan adalah komponen tambahan yang akan meningkatkan kemampuan sistem pakar. Komponen ini menggambarkan penalaran sistem kepada pemakai. 5. Perbaikan Pengetahuan Pakar mempunyai kemampuan untuk menganalisis dan meningkatkan kinerjanya serta kemampuan untuk belajar dari kinerjanya. Kemampuan tersebut adalah penting dalam pembelajaran terkomputerisasi, sehingga program akan mampu menganalisis penyebab kesuksesan dan kegagalan yang dialaminya. 4. Kategori masalah sistem pakar Sistem pakar saat ini telah dibuat untuk memecahkan berbagai macam permasalahan dalam berbagai bidang, seperti matematika, teknik, kedokteran, kimia, farmasi, sains komputer, bisnis, hukum, pendidikan, sampai pertahanan. Secara umum ada beberapa area permasalahan sistem pakar, yaitu : 1. 2. 3. 4.
Interpretasi, yaitu pengambilan keputusan atau deskripsi tingkat tinggi dari sekumpulan data mentah, termasuk diantaranya juga pengawasan, pengenalan ucapan, analisis citra, interpretasi sinyal, dan beberapa analisis kecerdasan. Proyeksi, yaitu memprediksi akibat-akibat yang dimungkinkan dari situasi-situasi tertentu, diantaranya peramalan, prediksi demografis, peramalan ekonomi, prediksi lalulintas, estimasi hasil, militer, pemasaran, atau peramalan keuangan. Diagnosis, yaitu menentukan sebab malfungsi dalam situasi kompleks yang didasarkan pada gejala-gejala yang teramati, diantaranya medis, elektronik, mekanis dan diagnosis perangkat lunak. Desain, yaitu menentukan konfigurasi komponen-komponen sistem yang cocok dengan tujuan-tujuan kinerja tertentu yang memenuhi kendala-kendala tertentu, diataranya layout sirkuit dan perancangan bangunan
5.
Perencanaan, yaitu merencanakan serangkaian tindakan yang akan mencapai sejumlah tujuan dengan kondisi awal tertentu, diantaranya perencanaan keuangan, komunikasi militer, pengembangan produk, routing dan manajemen proyek. 6. Monitoring, yaitu membandingkan tingkah laku suatu sistem yang teramati dengan tingkah laku yang diharapkan darinya diantaranya Computer Aided Monitoring System 7. Debugging dan repair, yaitu menentukan dan mengimplementasikan cara-cara untuk mengatasi multifungsi, diantaranya memberikan solusi terhadap suatu kegagalan. 8. Intruksi, yaitu mendeteksi dan mengoreksi defisiensi dalam pemahaman domain subjek, diantaranya melakukan intruksi untuk diagnosis, debugging dan perbaikan kinerja. 9. Pengendalian, yaitu mengatur tingkah laku suatu environment yang kompleks seperti kontrol terhadap interpretasi-interpretasi, prediksi, perbaikan dan monitoring kelakuan sistem 10. Seleksi, mengidentifikasi pilihan terbaik dari sekumpulan (list) kemungkinan. Simulasi, pemodelan interaksi antara komponen-komponen sistem 5. Diagnosis Dasar therapy modern adalah diagnosis. Konsep diagnosis adalah penentuan jenis penyakit kemudian melakukan penyembuhan penyakit tersebut. Prosedur untuk mendapatkan informasi yang dibutuhkan guna menegakan sautu diagnosis sangat berhubungan dengan keberhasilan suatu diagnosis. Untuk sampai kepada diagnosis yang tepat diperlukan ilmu pengetahuan penyakit serta gejala-gejalanya, ketrampilan untuk melakukan cara menguji yang tepat dan seni menyatakan impresi, fakta dan pengalaman ke dalam pengertian. a. Macam-Macam Dignosis Sehubungan dengan banyak penyakit yang memepunyai gejala yang sama, seorang klinisi harus teliti dalam menentukan ketepatan diagnosis. 1. Early Diagnosis (Diagnosis Dini) Merupakan kelainan belum begitu tampak tetapi sudah dapat menentukan diagnosisnya. 2. Clinical Diagnosis Merupakan diagnosis yang didapat berdasarkan pembacaan foto dari hasil rontgen. 3. Rontgenologis Diagnosis Merupakan diagnosis yang didapat berdasarkan pembacaan foto dari hasil rontgen. 4. Differential Diagnosis (Diagnosa Banding) Merupakan diagnosis yang membandingkan gejala-gejala penyakit yang satu dengan yang lain yang kebetulan mempunyai gejala atau tanda-tanda yang serupa. 5. Final Diagnosis (Diagnosis Akhir) Merupakan penentuan dari suatu penyakit yang bersifat pasti. 6. Logika Fuzyy Fuzyy dalam bahasa inggris berarti tidak tentu, kabur atau tidak jelas. Logika fuzyy merupakan salah satu komponen pembetuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zaedah pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotan atau derajat keanggotaan atau membership function menjadi ciri utama dari penalan dengan logika fuzzy tersebut ( Sri Kusuma Dewi, dan Purnomo, Hari: 2004). Dalam banyak hal, logika fuzzy digunakan sebagai suatu cara untuk memetakan permasalahan dari input menuju output yang diharapkan.
6.1 Metde Maamdani Metode Mamdani sering juga dikenal dengan metode Max-Min. Metode ini diperkenalkan oleh EbrahimMamdani pada tahun 1975. Untuk mendapatkan output,diperlukan 4 tahapan: 1. Pembentuk himpunan fuzzy Pada metode mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy. 2. Aplikasi fungsi implikasi(aturan) Pada metode mamdani, fungsi implikasi yang digunakan adalah Min. 3. Komposisi Aturan Tidak seperti penalaran monotoon, apabila sistem terdiri dari beberpa aturan, maka interfensi diperoleh dari kumpulan dan korelasi antar aturan. Ada tiga metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan probabilitas OR (probor). a. Metode Max (Maximum) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maximum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ouput dengan menggunakan operator OR (union). Jika semua proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan kontribusidari tiap-tiap proposisi. Ada beberapa motode defuzzikasi pada komposisi aturan mamdani, antara lain: secara umum dituliskan : sf (xi) = max(µsf (Xi), µkf (Xi)) Apabila digunakan fungsi implikasi Min, maka metode komposisi ini sering disebut dengan nama Max-Min atau Min-Max atau mamdani. (kusumadewi,2004:38). a. Metode Additif(sum) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan : µsf(Xi) = min(1,µsf[Xi]+ µkf[Xi]) b. Metode Probabilistik OR (probor) Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara malakukan produk terhadap semua output daerah fuzzy. Secara umum dituliskan : µsf[xi] = (µsf(xi) + µkf(xi)) – (µsf(xi)* µkf(xi)) 4. Penegasan (defuzzy) Input dari proses defuzzykasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu. Maka dapat diambil suatu nilai crisp tertentu sebagai output. Ada beberapa metode defuzzikasi pada komposisi aturan mamdani, antara lain: a. Metode Centroid (Composite Moment) Pada metode ini solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah fuzyy. Secara umum dirumuskan :
z*=
∫
( )
∫
( )
∑ ∑
( (
untuk variabel kontinu, atau )
)
untuk variabel diskret.
b. Metode Bisektor Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki nilai keanggotaan separuh dari jumlah total nilai pada daerah fuzzy. Secara umum ditulis kan : ( ) Zp sedemikian sehingga ∫ ( ) ∫ c. Metode Mean Of Maximum (MOM) Pada meteode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum. d. Metode Largest Of Maximum(LOM) Pada metode ini, solusi crips diperoleh dengan cara mengambil nilai terbasar dari domain yang memiliki nilai kaeanggotaan maksimum. e. Metode Smalles Of Maximum (SOM) Pada metode ini, solusi crips diperoleh dengan cara mengambil nilai terkecil dari domain yang memiliki nilai keanggotan maksimum. 7. Android Android merupakan sistem operasi berbasis Linux yang didesain khusus untuk perangkat bergerak seperti smartphone atau tablet. Sistem operasi android bersifat open source sehingga banyak sekali programmer yang berbondong-bondong membuat aplikasi maupun memodifikasi sistem operasi ini (Arif Akbarul Huda, 2013). Berdasarkan informasi dari situs resmi (www.android.com), setiap hari terdapat lebih dari satu juta perangkat android diaktifkan dan diperkirakan akan terus meningkat. Gambar dibawah menunjukan perkembangan sistem operasi android dimulai dari tahun 2009 hingga tahun 2013. Grafik ini menunjukan informasi bahwa persebaran pengguna sistem operasi android jumlahnya terus meningkat. Dengan demikian, terbuka peluang yang sangat besar bagi programmer untuk teribat mengembangkan aplikasi android. Sebagian besar aplikasi yang terdapat pada Play Store android bersifat gratis, dan ada juga aplikasi berbayar sebagai cara untuk me-monetize aplikasi android. Gamabar tenteng perkembangan distribusi sistem operasi android disajikan dalam gambar dibawah ini.
Gambar Perkembangan distribusi sistem operasi Android (Arif Akbarul Huda, 2013) Sampai pada saat laporan ini ditulis, sistem operasi android sudah memasuki versi 5.0 Uniknya, penamaan versi android selalu menggunakan nama makanan dan diawali dengan abjad yang berurutan seperti berikut : 1. Android version 1.5 (Cupcake) 2. Android version 1.6 (Donut) 3. Android version 2.0/2.1 (Éclair) 4. Android version 2.2 (Frozen Yogurt / Froyo) 5. Android version 2.3 (Gingerbread) 6. Android version 3.0/3.1/3.2 (Honeycomb) 7. Android version 4.0 (Ice Cream Sandwidch) 8. Android version 4.1/4.2 (Jelly Bean) 9. Android version 4.4 (KitKat) 10. Android version 5.0 (lollipop)
Gambar Perkembangan versi android (Arif Akbarul Huda,2013)
HASIL DAN PEMBAHASAN 1.Distribusi Dan Aturan Gejala Terhadap Penyakit Kandungan Tabel Distribusi Gejala Terhadap Penyakit Kandungan G
P1 B
Y
P2 N
B
Y
P3 N
P4
P5
B
Y
N
B
Y
N
B
Y
N
G1
0.6 0.57 0.43 0.7 0.71 0.29
0
0
0
0
0
0
0
0
0
G2
0.7 0.71 0.29 0.5 0.43 0.57
0
0
0
0
0
0
0
0
0
G3
0.5 0.43 0.57
0
0
0
0
0
0
G4
0.8 0.86 0.14
0
0
0
0.6 0.57 0.43
0.6 0.57 0.43
0
0
0
0
0
0
0
0
0
G5
0
0
0
0.5 0.43 0.57
0
0
0
0
0
0
0
0
0
G6
0
0
0
0.8 0.86 0.14
0
0
0
0
0
0
0
0
0
G7
0
0
0
0.7 0.71 0.29 0.6 0.57 0.43
0
0
0
0
0
0
G8
0
0
0
0
0
0
0.5 0.43 0.57
0
0
0
0
0
0
G9
0
0
0
0
0
0
0.7 0.71 0.29
0
0
0
0
0
0
G10
0
0
0
0
0
0
0.8 0.86 0.14 0.5 0.43 0.57 0.7 0.71 0.29
G11
0
0
0
0
0
0
0.6 0.57 0.43
0
0
0
0
0
0
G12
0
0
0
0
0
0
0.6 0.57 0.43
0
0
0
0
0
0
G13
0
0
0
0
0
0
0
0
0
0.7 0.71 0.29
0
0
0
G14
0
0
0
0
0
0
0
0
0
0.5 0.43 0.57
0
0
0
G15
0
0
0
0
0
0
0
0
0
0.8 0.86 0.14
0
0
0
G16
0
0
0
0
0
0
0
0
0
Keterangan : G : Gejala B : Bobot nilai Y : Nilai Yes N : Nilai No
0
0
0
0.8 0.86 0.14
P1 : Penyakit Kista Indung Telur (Ovarium Cyst) P2 : Penyakit Kanker Indung Telur (Kanker Ovarium) P3 : Penyakit Kanker leher rahim (Kanker Serviks) P4 : Penyakit Myoma Uteri P5 : Penyakit Kanker Rahim (Kanker Uterus = Carcinoma Uteri) G1 : Kram perut bawah atau nyeri panggul G2 : Menstruasi tidak teratur abnormal,rapat secara periode G3 : Sakit atau tekanan pada saat berkemih G4 : Rasa nyeri, keluarnya flek darah dari vagina G5 : Kembung, bengkak, adanya tekanan pada perut G6 : Pendarahan pasca monopouse G7 : Tidak napsu makan, Penurunan Berat badan secara progasif G8 : Sakit kepala dan sering lelah G9 : Keputihan patogonis G10 : Sakit pada area kewanitaan G11 : Pendarahan vagina saat/setelah berhubungan intim G12 : Bengkak pada kaki G13 : Pendarahan selama haid ataupun diluar masa haid G14 : Rasa nyeri pada kandung kemih atau organ panggul lainya G15 : Pada bagian bawah perut rahim terasa kenyal G16 : Nyeri pada area pelvic Tabel Aturan Gejala Terhadap Penyakit NO 1
2
GEJALA IF Kram perut bawah atau nyeri panggul ^ Menstruasi tidak teratur abnormal,rapat secara periode ^ Sakit atau tekanan pada saat berkemih ^ Rasa nyeri, keluarnya flek darah dari vagina
Penyakit THEN Kista Ovarium
Kram perut bawah atau nyeri panggul ^ Menstruasi tidak THEN Kanker teratur abnormal,rapat secara periode ^ Kembung, bengkak, Ovarium IF adanya tekanan pada perut ^ Pendarahan pasca monopouse ^ Tidak napsu makan, Penurunan Berat badan secara progasif
3
IF Sakit atau tekanan pada saat berkemih ^ Tidak napsu makan, THEN Kanker Penurunan Berat badan secara progasif ^ Sakit kepala dan Serviks sering lelah ^ Keputihan patogonis ^ Sakit pada area kewanitaan ^ Pendarahan vagina saat/setelah berhubungan intim ^ Bengkak pada kaki
4
Pendarahan vagina saat/setelah berhubungan intim ^ Pendarahan selama haid ataupun diluar masa haid ^ Rasa IF nyeri pada kandung kemih atau organ panggul lainya ^ Pada bagian bawah perut rahim terasa kenyal
THEN Myoma Uteri
5
IF Sakit atau tekanan pada saat berkemih ^ Pendarahan vagina saat/setelah berhubungan intim ^ Nyeri pada area pelvic
THEN Kanker Rahim
2. Perancangan Tampilan Menu Aplikasi yang akan dibuat terlebih dahulu dirancang tampilan menunya, hal ini dilakukan untuk mempermudah pembuatan program. Rancangan tampilan menu untuk aplikasi ini adalah seperti pada gambar dibawah ini.
Penyakit Gejala Help Exit
Gambar Perancangan Tampilan Menu Keterangan : a. Penyakit : memanggil halaman penyakit b. Gejala : memanggil halaman gejala c. Help : memanggil halaman help d. Exit : keluar dari aplikasi 3. Pembahasan Diagnosa dilakukan setelah user memilih gejala yang ada di halaman gejala, kemudian klik tombol diagnosa. Layar akan menampilkan halaman diagnosa sesuai dengan
gejala yang telah dipilih oleh user. Percobaan dilakukan untuk penyakit Kista Ovarium, Kanker Ovarium, Kanker Serviks, Myoma Uteri, dan Kanker Rahim. 3.1 Penyakit Kista Ovarium Pada halaman gejala pilihkan gejala 1, gejala 2, gejala 3 dan gejala 4. Setelah itu tekan tombol diagnosa, seperti pada gambar dibawah ini.
Gambar Halaman Gejala Setelah ditekan tombol diagnosa, maka layar akan menampilkan halaman diagnosa yang memuat tentang diagnosa sesuai dengan gejala penyakit yang telah dipilih pada halaman gejala, seperti pada gambar dibawah ini.
Gambar Halaman Diagnosa Kista Ovarium Perhitungan secara manual dapat dilakukan dengan menggunakan rumus sebagai berikut : Untuk nilai Ya
µY[X] = X – Min/Max – Min Untuk nilai Tidak µT[X] = Max- X /Max – Min ket: µY[X] = Nilai himpunan Y untuk gejala µT[X] = Nilai himpunan T untuk gejala Max = Nilai Maximal Min = Nilai Minimal Y = Ya T = Tidak X = Bobot nilai yang diberikan 1. Kista Ovarium µY[X]1=(X-0.2)/(0.9-0.2) µY[0.6]1=(0.6-0.2)/(0.9-0.2) µY[0.6]1=0.57
µT[X]1=(0.9-X)/(0.9-0.2) µT[0.6]1=(0.9-0.6)/(0.9-0.2) µT[0.6]1=0.43
µY[X]2=(X-0.2)/(0.9-0.2) µY[0.7]2=(0.7-0.2)/(0.9-0.2) µY[0.7]2=0.71
µT[X]2=(0.9-X)/(0.9-0.2) µT[0.7]2=(0.9-0.7)/(0.9-0.2) µT[0.6]2=0.29
µY[X]3=(X-0.2)/(0.9-0.2) µY[0.5]3=(0.5-0.2)/(0.9-0.2) µY[0.5]3=0.43
µT[X]3=(0.9-X)/(0.9-0.2) µT[0.5]3=(0.9-0.5)/(0.9-0.2) µT[0.6]3=0.57
µY[X]4=(X-0.2)/(0.9-0.2) µT[X]4=(0.9-X)/(0.9-0.2) µY[0.8]4=(0.8-0.2)/(0.9-0.2) µT[0.8]4=(0.9-0.8)/(0.9-0.2) µY[0.8]4=0.86 µT[0.8]4=0.14 MIN P1=[µT[X]1, µT[X]2, µT[X]3, µT[X]4] MIN P1=[0.43,0.29,0.57,0.14] MIN P1=0.14 => µY[X]4=0.86 MIN P1=0.86 2. Kanker Ovarium µY[X]1=(X-0.2)/(0.9-0.2) µT[X]1=(0.9-X)/(0.9-0.2) µY[0.7]1=(0.7-0.2)/(0.9-0.2) µT[0.7]1=(0.9-0.7)/(0.9-0.2) µY[0.7]1=0.71 µT[0.7]1=0.29 µY[X]2=(X-0.2)/(0.9-0.2) µY[0.5]2=(0.5-0.2)/(0.9-0.2) µY[0.5]2=0.43 MIN P2=[µT[X]1, µT[X]2] MIN P2=[0.29,0.57] MIN P2=0.29 => µY[X]1=0.71 MIN P2=0.71 3. Kanker Serviks µY[X]3=(X-0.2)/(0.9-0.2) µY[0.6]3=(0.6-0.2)/(0.9-0.2) µY[0.6]3=0.57 MIN P3=[µT[X]3] MIN P3=[0.43]
µT[X]2=(0.9-X)/(0.9-0.2) µT[0.5]2=(0.9-0.5)/(0.9-0.2) µT[0.5]2=0.57
µT[X]3=(0.9-X)/(0.9-0.2) µT[0.6]3=(0.9-0.6)/(0.9-0.2) µT[0.6]3=0.43
MIN P3=0.43 => µY[X]3=0.57 MIN P3=0.5 4. Myoma Uteri MIN P4=[0] MIN P4=0 5. Kanker Rahim µY[X]3=(X-0.2)/(0.9-0.2) µY[0.6]3=(0.6-0.2)/(0.9-0.2) µY[0.6]3=0.57
µT[X]3=(0.9-X)/(0.9-0.2) µT[0.6]3=(0.9-0.6)/(0.9-0.2) µT[0.6]3=0.43
MIN P5=[µT[X]3] MIN P5=[0.43] MIN P5=0.43 => µY[X]1=0.57 MIN P3=0.57 Berdasarkan perhitungan diatas maka diambil dari nilai yang paling tinggi yaitu :
Hasil = MAX[MIN P1, MIN P2, MIN P3, MIN P4, MIN P5] Hasil = MAX[0.86, 0.71 , 0.57 , 0 , 0.57] Hasil =0.86 => MIN P1(Kista Ovarium) Jadi berdasarkan perhitungan diatas maka dapat didiagnosa kemungkinan penyakit yang diderita adalah Kista Ovarium dengan nilai 0.86. KESIMPULAN Dari hasil analisis, perancangan dan pembuatan Aplikasi Sistem Pakar Pendeteksi Penyakit Kanker Kandungan, maka dapat ditarik kesimpulan bahwa dengan adanya aplikasi ini para wanita dapat mengetahui kemungkinan penyakit yang diderita berdasarkan gejala yang dirasakan. Gejala yang dapat dipilih ada 16 gejala, sedangkan penyakit kandungan yang kemungkinan terdeteksi ada 5 macam yaitu, kista ovarium, kanker ovarium, kanker serviks, myoma uteri dan kanker rahim. Selain itu user juga dapat mengetahui solusi yang harus diambil dengan penyakit yang terdeteksi. Metode yang digunakan untuk menganalisa dan menghitung menggunakan metode logical fuzzy. Aplikasi ini berbasis mobile yang dapat dijalankan pada smartphone dengan sistem operasi android. SARAN Dalam aplikasi ini masih ditemui berbagai kekurangan, dikarenakan aplikasi ini hanya mendeteksi penyakit kandungan berdasarkan gejala yang dipiih oleh user. Pengembangan selanjutnya diharapkan untuk menambahkan fasilitas kansultasi dan dapat terintegrasi dengan website. Penggunaan metode yang berbeda dan penambahan penyakit juga dapat dilakukan untuk melakukan pengenbangan selanjutnya.
DAFTAR PUSTAKA . Arhami, M. 2005. Konsep Dasar Sistem Pakar. Yogyakarta: Penerbit Andi. Basalamah, Naiya. 2012. Kelebihan Dan Kekurangan Android, Diakses 07 Juli 2012, dari http://10508044.blog.unikom.ac.id/kelebihan-dan.49b Faizal, E.2014. Penerpan Teori Dampster-Sharfer Pada Sistem Cerdas Untuk Mendeteksi Gangguan Kesehatan Kandungan. STMIK EL-RAHMA, Yogyakarta. Hartati, S. 2003. Sistem Pakar dan Pengembangannya Edisi 1. Yogyakarta: Graha Ilmu. Huda, AA. 2013. LiveCoding!, 9 Aplikasi Android Buatan Sendiri. Yogyakarta: Penerbit Andi. Kusrini. 2006. Sistem Pakar Teori dan Aplikasinya. Yogyakarta : Penerbit Andi. Kusumadewi, S. 2003. Artificial Intelligence ( Teknik Dan Aplikasinya ). Yogyakarta : Penerbit Graha Ilmu. Kusumadewi, S. 2010. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Edisi 2 : Penerbit Graha Ilmu. Nauri, N. 2013. Perancangan Aplikasi Layanan Mobile Informasi Administrasi Akademik Berbasis Android Menggunakan Web Service (Study Kasus REG.B). Jurnal Universitas TanjungPura. Ngadiyaningsih. 2013. Sistem Pakar Di Bidang Kedokteran Untuk Mendiagnosa Kanker Kandungan Menggunakan Metode Certainty Factor. Purnomo, H. 2010. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan , Edisi 2 : Penerbit Graha Ilmu. Pradana, P. 2013. Mengenal Android Lebih Dekat. Yogyakarta,Skripta Media Creative. Untari, D., 2005, Aplikasi Expert System Diagnosa Penyakit Kandungan pada Wanita Menggunakan Theorema Bayes, Skripsi-S1, Teknik Informatika UAD, Yogyakarta.
