Jika terdapat gejala yang sama pada penyakit yang berbeda, maka perhitungan nilai densitas m dihitung berdasarkan persamaan (1). Contohnya, jika suatu gejala muncul pada 2 penyakit yang terdapat pada Rule 1 (R1) dan Rule 2 (R2) maka fungsi densitas kombinasinya adalah :
m(H1,H2) = [m(H1)+m(H2)]/2
2.3. Penyakit Kejiwaan Skizofrenia
Pada penelitian ini, data penyakit kejiwaan yang digunakan masih sama seperti penelitian sebelumnya yaitu penyakit kejiwaan Skizofrenia yang digunakan untuk menggambarkan suatu gangguan psikiatrik mayor yang ditandai dengan adanya perubahan pada persepsi, pikiran, afek, dan perilaku seseorang. Kesadaran yang jernih dan kemampuan intelektual biasanya tetap terpelihara, walaupun deficit kognitif tertentu dapat berkembang kemudian (Sadock, 2003). Gangguan skizofrenik umumnya ditandai oleh distoris pikiran dan persepsi yang mendasar dan khas, dan oleh afek yang tidak wajar (Inappropriate) atau tumpul (blunted). Penyakit Skizofrenia terbagi menjadi 9 jenis yaitu: [4]
1. Skizofrenia Paranoid.
2. Skizofrenia Hebefrenik
3. Skizofrenia Katatonik.
4. Skizofrenia tak terinci (Undifferentiated)
5. Depresi Pasca-skizofrenia
6. Skizofrenia Residual
7. Skizofrenia Simpleks
8. Skizofrenia lainnya
9. Skizofrenia ytt.
3. Pengujian dan Hasil Pengujian
Pada penelitian “Aplikasi Dempster Shafer dalam Akuisisi Pengetahuan Sistem Pakar untuk Mendiagnosis Penyakit Kejiwaan “ ini, dibutuhkan suatu program aplikasi yang akan digunakan untuk mendiagnosis penyakit kejiwaan Skizofrenia. Program aplikasi dirancang berdasarkan struktur sistem pakar yang terdiri dari lingkungan pengembangan (Development Environment) dan lingkungan konsultasi (Development Consultation). Kedua diagram alur tersebut dapat dilihat pada gambar 1 dan gambar 2.
Pada lingkungan pengembangan , input program berasal dari data rekam medik berupa gejala dan penyakit kejiwaan yang diperoleh dari Rumah Sakit Jiwa Dr.Soeharto Heerdjan. Rule yang akan dibentuk yang berisi jenis penyakit skizofrenia berdasarkan gejala yang diderita. Akuisisi pengetahuan akan dilakukan dengan menggunakan metode Dempster Shafer seperti yang dijelaskan pada bab 2.
Pada lingkungan konsultasi, input program berupa gejala penyakit yang diderita pasien. Dengan menggunakan Inference Enggine, maka akan ditelusuri rule yang terpicu pada basis pengetahuan yang sudah terbentuk pada lingkungan pengembangan. Metode penelusuran yang digunakan adalah Forward Chaining, dimana penelusuran dimulai dari fakta (gejala penyakit) terlebih dahulu untuk menguji kebenaran hipotesis (jenis penyakit). Output dari lingkungan konsultasi berupa hasil diagnosis penyakit kejiwaan skizofrenia berdasarkan gejala penyakit yang diderita pasien.
Rekam Medis Akuisisi Pengetahuan Basis Pengetahuan Nilai probabilitas Rule disertai nilai probailitas Lingkungan Pengembangan Start Stop Mesin Inferensi Penggabungan nilai probabilitas dengan metode Dempster Shafer
Hasil Diagnosis Input Gejala Lingkungan Konsultasi Start Stop
Gambar 1 Diagram Alur Lingkungan Pengembangan Gambar 2 Diagram Alur Lingkungan Konsultasi Tahap Pengujian dilakukan untuk membuktikan apakah hasil keluaran metode Dempster Shafer dalam Sistem Pakar untuk mendiagnosis penyakit kejiwaan Skizofrenia ini sesuai dengan fakta yang ada berupa hasil penelitian rekam medik pasien penyakit kejiwaan Skizofrenia (hasil diagnosis Pakar). Pembuatan basis data untuk aplikasi program ini dilakukan dengan melakukan penelitian terhadap data rekam medik penyakit kejiwaan Skizofreniadi RS Jiwa Dr. Soeharto Heerdjan Grogol. Jumlah data yang dihimpun sebanyak 331 data selama tahun 2009 sampai tahun 2013. Pengujian ini menggunakan 251 data untuk membuat rule yang dilakukan pada lingkungan pengembangan, serta untuk melakukan pengujian data training digunakan 16 data training dan untuk melakukan melakukan pengujian tahap testing digunakan 16 data testing yang dilakukan pada lingkungan konsultasi.
3.1 Hasil Pengujian
Rule untuk diagnosis penyakit kejiwaan dibentuk pada lingkungan pengembangan. Untuk mengetahui unjuk kerja dari metode Dempster Shafer pada penelitian ini digunakan juga metode Certainty Factor (yang sudah dilakukan pada penelitian sebelumnya) untuk mendiagnosis penyakit kejiwaan ini.
Bentuk pengujian yang digunakan pada lingkungan konsultasi adalah dengan membandingkan hasil diagnosis dari Dokter spesialis kejiwaan (Pakar) dengan hasil diagnosis sistem pakar ini. Pengujian dilakukan dengan mengisi Form yang berisi gejala-gejala penyakit kejiwaan yang diderita pasien pada program Sistem Pakar yang dirancang seperti terlihat pada gambar 3. Hasil diagnosis penyakit kejiwaan berdasarkan gejala penyakit yang dimasukkan pada form gejala dapat dilihat pada form Hasil Konsultasi seperti yang terlihat pada gambar 4.
Diagnosis dilakukan dengan menggunakan metode Dempster Shafer dan Certainty Factor seperti yang sudah dijelaskan pada bab sebelumnya. Hasil diagnosis kedua metode ini dibandingkan dengan hasil penelitian pakar (dokter kejiwaan) untuk menunjukkan tingkat keberhasilan kedua metode tersebut. Tingkat Keberhasilan Hasil Pengujian dengan menggunakan 16 data training dan 16 data testing dapat dilihat pada tabel 2 dan 3
Gambar 3 Form Gejala Penyakit
Gambar 4 Form Hasil Konsultasi
Tabel 2 Tingkat Keberhasilan data training
Tabel 3 Tingkat Keberhasilan data testing
3.2 Pembahasan Hasil Pengujian
Metode Dempster Shafer mempertimbangkan seluruh rule yang terpicu berdasarkan gejala penyakit yang dimasukkan, sedangkan metode Certainty Factor dominan melihat nilai Kepastian terbesar dari kemunculan gejala. Dari hasil di atas terlihat diagnosis dengan menggunakan metoda Dempster Shafer lebih kecil daripada metode Certainty Factor. Hal ini dikarenakan data gejala yang diberikan dalam rekam medik adalah gejala yang dominan pada penyakit tersebut sehingga memiliki nilai Certainty Factor yang tinggi.
NO. Metode Jumlah
Kasus
Hasil Pengujian
Benar Salah Tingkat Keberhasilan
1. Dempster Shafer 16 9 7 56%
2. Certainty Factor 16 14 2 88%
NO. Metode Jumlah
Kasus
Hasil Pengujian
Benar Salah Tingkat Keberhasilan
1. Dempster Shafer 16 6 10 38%
Sebagai contoh pada data pengujian untuk penyakit Skizofrenia Simpleks, dimana salah satu gejala yang diinputkan adalah komunikasi lambat. Gejala tersebut memiliki nilai Certainty Factor yang tinggi yaitu sebesar 0.8681 sehingga penyakit Skizofrenia Simpleks terpilih dengan nilai kepercayaan 100%. Namun nilai Certainty Factor yang tinggi dapat juga membuat hasil yag dicapai oleh metode Certainty Factor menjadi kurang optimal ketika gejala yang dimasukkan justru memiliki nilai Certainty Factor yang lebih tinggi pada penyakit lain. Seperti contoh pada hasil Data Training pada penyakit Skizofrenia Tak Terinci. Gejala yang diinputkan adalah Teriak-teriak, curigaan, menggangu lingkungandan berbicara sendiri. Gejala-gejala tersebut memiliki nilai CF yang tinggi untuk penyakit selain Skizofrenia Tak terinci sehinggga menghasilkan hasil yang salah yaitu Paranoid 80% dan YTT 69.41% (tabel 2). Pada metode Demster Shafer nilai kepastian gejala yang tinggi tidak langsung memicu rule untuk memilih salah satu jenis penyakit namun tetap memperhitungkan seluruh nilai kepastian gejala yang lain. Sehingga pada hasil pengujian ini metode Dempster Shafer menghasilkan nilai tertinggi untuk penyakit Skizofrenia Tak Terinci.
4. Kesimpulan
Dalam Sistem Pakar untuk mendiagnosis penyakit Kejiwaan Skizofrenia ini metode Dempster Shafer masih memiliki tingkat keberhasilan diagnosis yang masih kecil yaitu 56 % untuk pengujian dengan menggunakan data training dan 38% untuk data testing. Metode Certainty Factor yang digunakan sebagai pembanding justru memiliki tingkat keberhasilan yang lebih tinggi yaitu 88% untuk pengujian dengan menggunakan data training dan 88% untuk data testing. Hal ini disebabkan karena pada diagnosis penyakit kejiwaan Skizofrenia ini, gejala penyakit yang paling dominan yang sangat mempengaruhi hasil diagnosis yang mendukung metode Certainty Factor sedangkan metode Dempster Shafer tetap memperhitungkan seluruh gejala.
REFERENSI
[1] Chairisni Lubis, Agus Budi Dharmawan, Marthalisa dan Lucy Komala. Sistem Pakar untuk Mendiagnosis Penyakit kejiwaan Skizofrenia. Digital Information & Systems Conference, Buku 1A, Computer Engineering Dept, Faculty of Engineering, UK.Maranataha, Bandung.
[2] Agus Budi Dharmawan, Chairisni Lubis, Christian Sugiarto. Perancangan Aplikasi Sistem Pakar untuk Mendiagnosis Penyakit Dalam dengan Metode Certainty Factor dan Dempster Shafer. Jurnal INFOTEK Dharma Putra Vol.9 No.1. April 2014.
[3] Sri Kusumadewi, Artifical Intelligence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta, 2003.