Pengujian Hasil Diagnosa - Pengujian Sistem

BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM

4.2 Pengujian Sistem

4.2.3 Pengujian Hasil Diagnosa

Hasil diagnosa akan diberikan secara otomatis oleh sistem setelah pengguna mengklik tombol “Submit Gejala”. Hasil diagnosa diperoleh dari nilai gejala yang dipilih oleh pengguna dan dihitung dengan menggunakan metode certainty factor.

Tampilan hasil diagnosa dapat dilihat pada gambar 4.13 berikut.

Gambar 4.13. Tampilan Hasil Diagnosa

4.2.4 Pengujian Metode Certainty Factor

Proses diagnosa pada sistem pakar dihitung dengan metode certainty factor.

Nilai-nilai masukan untuk menghitung diagnosa diperoleh dari bobot gejala yang dipilih oleh pengguna. Nilai bobot untuk setiap gejala diperoleh dari hasil wawancara dengan pakar seperti yang bisa dilihat pada tabel 3.6.

Sebagai contoh kasus untuk pengujian terhadap penyakit glaukoma sudut terbuka. Pada tabel 4.1 berikut ini dapat dilihat data input dari proses pemilihan gejala dan nilai bobot tiap gejala berdasarkan pakar. Berdasarkan data pada tabel 4.1 akan dilakukan pengujian perhitungan dan hasilnya dengan metode certainty factor.

Tabel 4.1. Data Input gejala Pengguna

Kode Gejala Jawaban Pengguna Nilai CF

G1 Pasti Tidak -1

G10 Kemungkinan Besar 0.5

G15 Pasti 1

Proses perhitungan nilai CF akan dimulai dari gejala G21. Perhitungan nilai CF akan menggunakan persamaan [6] karena nilai bobot G1 dan nilai bobot G2 bernilai lebih kecil dari 0.

CF = CF_𝐺1+ (CF_𝐺2∗ (1 + CF_𝐺1)) CF = −1 + (−1 ∗ (1 − 1))

CF = −1

Selanjutnya proses perhitungan dilanjutkan dengan gejala G3, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [6] karena nilai bobot G3 dan CFawal lebih kecil dari 0.

CF = CF_{𝑎𝑤𝑎𝑙}+ (CF_𝐺3∗ (1 + CF_{𝑎𝑤𝑎𝑙})) CF = −1 + (−1 ∗ (1 − 1))

CF = −1

Selanjutnya proses perhitungan dilanjutkan dengan gejala G4, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [6] karena nilai bobot G4 dan CFawal lebih kecil dari 0.

CF = CF_{𝑎𝑤𝑎𝑙}+ (CF_𝐺4∗ (1 + CF_{𝑎𝑤𝑎𝑙})) CF = −1 + (−1 ∗ (1 − 1))

CF = −1

Selanjutnya proses perhitungan dilanjutkan dengan gejala G5, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [6] karena nilai bobot G5 dan CFawal lebih kecil dari 0.

CF = CF_{𝑎𝑤𝑎𝑙}+ (CF_𝐺5∗ (1 + CF_{𝑎𝑤𝑎𝑙})) CF = −1 + (−1 ∗ (1 − 1))

CF = −1

Selanjutnya proses perhitungan dilanjutkan dengan gejala G6, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [6] karena nilai bobot G6 dan CFawal lebih kecil dari 0.

CF = CF_{𝑎𝑤𝑎𝑙}+ (CF_𝐺6∗ (1 + CF_{𝑎𝑤𝑎𝑙})) CF = −1 + (−1 ∗ (1 − 1))

CF = −1

Selanjutnya proses perhitungan dilanjutkan dengan gejala G7, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [6] karena nilai bobot G7 dan CFawal lebih kecil dari 0.

CF = CF_{𝑎𝑤𝑎𝑙}+ (CF_𝐺7∗ (1 + CF_{𝑎𝑤𝑎𝑙})) CF = −1 + (−1 ∗ (1 − 1))

CF = −1

Selanjutnya proses perhitungan dilanjutkan dengan gejala G8, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [6] karena nilai bobot G8 dan CFawal lebih kecil dari 0.

CF = CF_{𝑎𝑤𝑎𝑙}+ (CF_𝐺8∗ (1 + CF_{𝑎𝑤𝑎𝑙})) CF = −1 + (−1 ∗ (1 − 1))

CF = −1

Selanjutnya proses perhitungan dilanjutkan dengan gejala G9, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [6] karena nilai bobot G9 dan CFawal lebih kecil dari 0.

CF = CF_{𝑎𝑤𝑎𝑙}+ (CF_𝐺9∗ (1 + CF_{𝑎𝑤𝑎𝑙})) CF = −1 + (−1 ∗ (1 − 1))

CF = −1

Selanjutnya proses perhitungan dilanjutkan dengan gejala G10, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [7] karena nilai bobot CFawal lebih kecil dari 0 dan nilai bobot G10 lebih besar dari 0.

CF = CF_{𝑎𝑤𝑎𝑙} + CF_𝐺10 1 − (min{ CF_{𝑎𝑤𝑎𝑙} | CF_𝐺10 }) CF = −1 + 0.5

1 − (min{ 0.5 | (−1) })

CF =−1 + 0.5 1 − (−1) CF =(−0.5)

2 CF = −0.25

Selanjutnya proses perhitungan dilanjutkan dengan gejala G15, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [7] karena nilai bobot CFawal lebih kecil dari 0 dan nilai bobot G15 lebih besar dari 0.

CF = CF_{𝑎𝑤𝑎𝑙} + CF_𝐺15

Selanjutnya proses perhitungan dilanjutkan dengan gejala G16, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [7] karena nilai bobot CFawal lebih besar dari 0 dan nilai bobot G16 lebih kecil dari 0.

CF = CF_{𝑎𝑤𝑎𝑙} + CF_𝐺16

Selanjutnya proses perhitungan dilanjutkan dengan gejala G17, dimana nilai CF dari perhitungan sebelumnya berperan sebagai CFawal. Perhitungan selanjutnya akan menggunakan persamaan [7] karena nilai bobot CFawal lebih kecil dari 0 dan nilai bobot G17 lebih besar dari 0.

CF = CF_{𝑎𝑤𝑎𝑙} + CF_𝐺17

Selanjutnya proses perhitungan memasuki tahap akhir, dimana hasil dari perhitungan CF sebelumnya akan digunakan untuk menghitung persentase nilai akhir dari penyakit. Nilai perhitungan CF sebelumnya diambil 2 angka di belakang koma untuk digunakan dalam perhitungan nilai persentase CF dengan menggunakan persamaan [8].

%CF = CF ∗ 100%

%CF = 0.46 ∗ 100%

%CF = 46%

Setelah melalui beberapa tahap perhitungan manual, maka diperoleh hasil akhir persentase CF sebesar 46%. Pada tahap selanjutnya kita menggunakan nilai bobot yang sama dan menggunakan sistem yang telah dibangun untuk melakukan diagnosa terhadap penyakit glaukoma sudut terbuka(kronis) guna melakukan pengujian terhadap sistem. Setelah dilakukan proses diagnosa dengan sistem, diperoleh hasil akhir persentase nilai CF penyakit sebesar 46%. Adapun hasil diagnosa yang dilakukan sistem dapat dilihat pada gambar 4.14 berikut.

Gambar 4.14. Hasil diagnosa Penyakit Glaukoma Sudut Terbuka(kronis)

Berdasarkan perbandingan antara perhitungan manual dan pengujian sistem yang telah dilakukan, diperoleh kesimpulan bahwa hasil diagnosa terhadap penyakit sesuai dengan aturan basis pengetahuan yang ada pada sistem. Dengan kata lain, melalui pengujian ini telah dibuktikan bahwa sistem telah bekerja dengan baik sesuai dengan rancangan.

4.2.5 Evaluasi Sistem

Evaluasi pada sistem dilakukan dengan membandingkan data yang diperoleh dari rekam medis melalui dokter dengan hasil diagnosa yang dilakukan pada sistem.

Adapun hasil evaluasi sistem dapat dilihat pada tabel 4.2 berikut.

Tabel 4.2 Hasil Evaluasi Sistem

Pasien Rekam Medis Diagnosa Sistem Evaluasi

1 Glaukoma Sudut

Lanjutan Tabel 4.2 Hasil Evaluasi Sistem

Pasien Rekam Medis Diagnosa Sistem Evaluasi

6 Glaukoma Sudut

Terbuka

Glaukoma Sudut

Terbuka Sesuai

7 Glaukoma Sudut

Tertutup

Glaukoma Sudut

Tertutup Sesuai

8 Glaukoma Sudut

Terbuka

Glaukoma Sudut

Terbuka Sesuai

9 Glaukoma Sudut

Tertutup

Glaukoma Sudut

Tertutup Sesuai

BAB 5

KESIMPULAN DAN SARAN

5.1. KESIMPULAN

Berdasarkan hasil pengujian pada sistem pakar deteksi penyakit glaukoma menggunakan metode certainty factor yang telah dilakukan, diperoleh beberapa kesimpulan sebagai berikut.

1. Sistem pakar deteksi penyakit glaukoma menggunakan metode certainty factor dapat digunakan oleh user untuk melakukan diagnosa terhadap penyakit mata glaukoma dengan nilai tingkat keyakinan untuk setiap gejala-gejala yang mempengaruhi probabilitas terjadinya penyakit glaukoma yang telah ditentukan sebelumnya oleh pakar.

2. Nilai tingkat keyakinan(certainty factor) yang diberikan oleh pakar untuk tiap-tiap gejala adalah antara -1 sampai dengan 1. Nilai tingkat keyakinan -1 berarti sedang tidak menderita gejala terkait sama sekali, sedangkan nilai tingkat keyakinan 1 berarti sedang menderita gejala terkait. Sistem akan memberikan gejala-gejala yang memiliki tingkat keyakinan masing-masing kepada pengguna untuk diperoleh hasil nilai CF penyakit.

3. Pemberian informasi hasil diagnosa kepada pengguna menjadi bahan pertimbangan bagi pengguna dalam mengambil langkah selanjutnya dalam mengatasi masalah terkait penyakit glaukoma.

4. Metode certainty factor pada sistem pakar dalam melakukan diagnosa memiliki akurasi sebesar 90%, berdasarkan hasil uji dari 9 data rekam medis, terdapat 8 data kasus yang telah sesuai dan terdapat 1 data kasus yang belum sesuai dikarenakan faktor nilai kepastian pada sistem.

5.2. SARAN

Berdasarkan hasil penelitian, adapun beberapa saran yang diberikan penulis terkait pengembangan dan perbaikan untuk kedepannya adalah sebagai berikut.

1. Sistem pakar deteksi glaukoma dapat dikembangkan dengan menggunakan metode inferensi yang berbeda atau mengkombinasikan metode inferensi lain dengan metode certainty factor untuk hasil diagnosa yang lebih optimal.

2. Penambahan basis pengetahuan terkait penyakit glaukoma dan nilai keyakinan untuk setiap gejala yang lebih spesifik dari pakar yang berbeda agar hasil diagnosa yang diberikan lebih akurat.

3. Hasil diagnosa dari sistem pakar deteksi glaukoma terhadap pengguna dapat menjadi rujukan kepada pihak rumah sakit atau dokter ahli.

4. Memberikan pengertian yang lebih umum kepada pengguna terkait istilah-istilah medis agar lebih mudah dipahami oleh pengguna.

5. Sistem pakar mampu menganalisa dan mengevaluasi basis pengetahuan dan aturan/kaidah yang ada pada basis data untuk keperluan perbaikan pengetahuan apakah basis pengetahuan dan aturan yang ada masih cocok atau tidak untuk digunakan pada masa yang akan datang.

DAFTAR PUSTAKA

Ahmad Yatiman dan Hindayati Mustafidah. 2017. Implementasi Certainty Factor Pada Diagnosa Penyakit Mata. Techno Volume 18 No. 1. Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Purwokerto.

American Academy of Ophthalmology. 2002. Basic and Clinical Science Course (BCSC) Section 10 ‘Glaucoma’, American Academy of Ophthalmology edition Vol. 1. American Academy of Ophthalmology: San Francisco, CA, USA. pp 5–13.

Departemen Kesehatan RI. 1997. Survei Kesehatan Indera Penglihatan. Depkes RI.

Jakarta.

Giarratano, J.C. and Riley, G.D., 2005. Expert Systems: Principles and Programming, Brooks.

Ilyas, S. 2006. Ilmu Penyakit Mata Edisi Kedua. Balai penerbit FKUI. Jakarta.

Kusrini, S., 2006. Kom, Sistem Pakar Teori dan Aplikasi. Penerbit Andi Yogyakarta.

Manurung, A.E., 2011. Perancangan Sistem Pakar Untuk Diagnosa Penyakit TBC (Tuberculosis) Pada Anak. Universitas Sumatera Utara.

Muhammad Zubair Asghar dan Muhammad Junaid Asghar. 2010. Expert System For Online Diagnosis of Red-Eye Diseases. International Journal of Computer Science & Emerging Technologies (IJCSET) Vol. 1 Issue 2.

O'brien, J.A. and Marakas, G.M. 2005. Introduction to Information Systems Vol. 13.

New York City, USA: McGraw-Hill/Irwin.

Quigley, H A. 2005. New paradigms in the mechanisms and management of glaucoma.

Eye 19, 1241–1248. Nature Publishing Group.

Ridha, S. N. 2017. Sistem Pakar Penyakit Mata Glaukoma Dengan Metode Breadth-First Search (BFS) Dan Fuzzy Tsukamoto. Jurnal Elektronik Nasional Teknologi dan Ilmu Komputer(JENTIK) 1 No. 1. Program Studi Ilmu Komputer, Fakultas MIPA, Universitas Lambung Mangkurat Banjarmasin.

RSU Dr. Soetomo. FK UNAIR. 2006. Pedoman Diagnosis dan Terapi bag/smf Ilmu Penyakit Mata ed.3. Penerbit: RSU Dokter Soetomo Surabaya.

Sri Yastita, Yohana Dewi Lulu, Rika Perdana Sari. 2012. Sistem Pakar Penyakit Kulit Pada Manusia Menggunakan Metode Certainty Factor Berbasis Web.

Politeknik Caltex Riau.

Sutojo, T. 2011. Kecerdasan Buatan. Penerbit Graha Ilmu Yogyakarta.

Turban, E., Liang, T.P. and Aronson, J.E., 2005. Decision Support Systems and Intelligent Systems:(International Edition). Pearson Prentice Hall.

Yogi Permana, I Gede Pasek Suta Wijaya, Fitri Bimantoro. 2017. Sistem Pakar Diagnosa Penyakit Mata Menggunakan Metode Certainty Factor Berbasis Android. J-COSINE Vol. 1 No. 1. Teknik Informatika Universitas Mataram.

LISTING PROGRAM

Controllers: Sispak.php

<?php

defined('BASEPATH') OR exit('No direct script access allowed');

class Sispak extends CI_Controller {

public function __construct(){

parent::__construct();

$this->load->library("session");

$this->load->model("GejalaModel");

$this->load->model("KonsulModel");

A-2

$this->load->view('konsul');

}

if($data->gejala1 == ""){

A-4

} else{

if($data->gejala6

== ""){

$this->load->view('pgejala', $data);

$this->gejala(6);

$this->load->view('endgejala', $data);

} else{

if($data->gejala7 == ""){

$this->load->view('pgejala', $data);

$this->gejala(7);

$this->load->view('endgejala', $data);

} else{

if($data->gejala8 == ""){

$this->load->view('pgejala', $data);

$this->gejala(8);

$this->load->view('endgejala', $data);

} else{

if($data->gejala9 == ""){

$this->load->view('pgejala', $data);

$this->gejala(9);

$this->load->view('endgejala', $data);

} else{

if($data->gejala10 == ""){

$this->load->view('pgejala', $data);

$this->gejala(10);

$this->load->view('endgejala', $data);

} else{

if($data->gejala11 == ""){

$this->load->view('pgejala', $data);

$this->gejala(11);

$this->load->view('endgejala', $data);

} else{

if($data->gejala12 == ""){

$this->load->view('pgejala', $data);

A-6

$this->gejala(12);

$this->load->view('endgejala', $data);

} else{

if($data->gejala13 == ""){

$this->load->view('pgejala', $data);

$this->gejala(13);

$this->load->view('endgejala', $data);

} else{

if($data->gejala14 == ""){

$this->load->view('pgejala',

$data);

$this->gejala(14);

$this->load->view('endgejala',

$data);

} else{

if($data->gejala15 == ""){

$this->load->view('pgejala', $data);

$this->gejala(15);

$this->load->view('endgejala', $data);

} else{

if($data->gejala16 ==

""){

$this->load->view('pgejala', $data);

$this->gejala(16);

$this->load->view('endgejala', $data);

} else{

if($data->gejala17 == ""){

$this->load->view('pgejala', $data);

A-8

$this->gejala(17);

$this->load->view('endgejala', $data);

} else{

if($data->gejala18 == ""){

$this->load->view('pkeluhan', $data);

$this->gejalakeluhan(18);

$this->load->view('endgejala', $data);

} else{

if($data->gejala18 != "1")

{

$this->diagnosa($this->session->userdata("id"));

}

else{

$this->keluhan();

}

} }

A-10

$this->load->model('KeluhanModel');

A-12

$isi = $this->load->view('mailkeluhan', $dataKeluhan, TRUE);

$this->email->from($from_email, 'Cek-Glaukoma.com'); telah terkirim, Mohon tunggu balasan pada inbox email anda. Terima Kasih.");

}else{

$this->email->print_debugger();

$this->session->set_flashdata("email_sent","Maaf sedang ada masalah pada pengiriman email");

}

redirect("sispak/diagnosa/" . $this->session->userdata("id"));

}

$id = $this->KonsulModel->getLastId()->row()->lastId; "kelamin" => $kelamin, "umur" => $umur

$gejala = $this->GejalaModel->getDataById($idGejala)->row();

if($gejala != NULL){

$data['gejala'] = (object)array(

"id" => $gejala->kode_gejala,

A-14

"gejala" => $gejala->gejala, "bobot1" => $gejala->bobot1, "bobot2" => $gejala->bobot2, "bobot3" => $gejala->bobot3, "bobot4" => $gejala->bobot4, "bobot5" => $gejala->bobot5, "bobot6" => $gejala->bobot6, "bobot7" => $gejala->bobot7, "bobot8" => $gejala->bobot8, "bobot9" => $gejala->bobot9 );

$gejala = $this->GejalaModel->getDataById($idGejala)->row();

if($gejala != NULL){

$data['gejala'] = (object)array(

"id" => $gejala->kode_gejala, "gejala" => $gejala->gejala, "bobot1" => $gejala->bobot1, "bobot2" => $gejala->bobot2, "bobot3" => $gejala->bobot3, "bobot4" => $gejala->bobot4, "bobot5" => $gejala->bobot5, "bobot6" => $gejala->bobot6,

"bobot7" => $gejala->bobot7, "bobot8" => $gejala->bobot8, "bobot9" => $gejala->bobot9 );

$hasil = $this->penghitungan($id);

$insertHasil = array(

"hasil1" => $hasil[0],

"hasil2" => $hasil[1]

);

// Kondisi Hasil1

$hasilAkhir1 = abs($hasil[0]);

$hasilAkhir1 *= 100;

if($hasil[0] < 0){

$hasilAkhir1 = round(100 - $hasilAkhir1);

} else{

$hasilAkhir1 = round($hasilAkhir1);

}

A-16

// Kondisi Hasil2

$hasilAkhir2 = abs($hasil[1]);

$hasilAkhir2 *= 100;

if($hasil[1] < 0){

$hasilAkhir2 = round(100 - $hasilAkhir2);

} else{

$hasilAkhir2 = round($hasilAkhir2);

}

$diagnosa1 = "<b>$hasilAkhir1% terkena Glaukoma Sudut Tertutup(Akut).</b>";

$diagnosa2 = "<b>$hasilAkhir2% terkena Glaukoma Sudut Terbuka(Kronis).</b>";

$data['hasil1'] = $diagnosa1;

$data['hasil2'] = $diagnosa2;

$saran0 = "<b>Segera ke Dokter Spesialis Mata terdekat untuk melakukan pemeriksaan terhadap Mata anda</b>";

$saran1 = "<b>Mengurangi stress. <br> Hindari membaca dekat. <br>

Diet rendah garam. <br> Kurangi mengkonsumsi gula. <br> Periksakan tekanan bola mata kepada dokter spesialis mata bila mata kemerahan dan sakit kepala berat.</b>";

//ketentuan saran

$ketsaran = max($hasilAkhir1, $hasilAkhir2);

if($ketsaran <= 0){

if($this->KonsulModel->updateData($id, $insertHasil)){

public function penghitungan($idKonsul){

$dataKonsul = $this->KonsulModel->getDataById($idKonsul)->row();

A-18

if($value != NULL){

if($hasil1 >= 0 && $value >= 0){

(float)$hasil_x1 = (float)$value + (float)((float)$hasil1 * (float)(1-(float)$value));

} else if($hasil1 >= 0 || $value >= 0){

(float)$hasil_x1 = (float)((float)$hasil1 + (float)$value) / (float)(1 - min((float)$value, (float)$hasil1));

} else if($hasil1 < 0 && $value < 0){

(float)$hasil_x1 = (float)$value + ((float)$hasil1 * (1 + (float)$value));

}

(float)$hasil1 = (float)$hasil_x1;

(float)$dataKonsul->gejala8, (float)$dataKonsul->gejala9, (float)$dataKonsul->gejala10, (float)$dataKonsul->gejala15,

(float)$dataKonsul->gejala16, (float)$dataKonsul->gejala17, (float)$dataKonsul->gejala18 );

(float)$hasil2 = (float)0;

foreach ($arrayData2 as $key => $value) { if($value != NULL){

if($hasil2 >= 0 && $value >= 0){

(float)$hasil_x2 = (float)$value + (float)((float)$hasil2 * (float)(1-(float)$value));

}else if($hasil2 <= 0 && $value <= 0){

(float)$hasil_x2 = (float)$value + ((float)$hasil2 * (1 + (float)$value));

} else if($hasil2 >= 0 || $value >= 0){

(float)$hasil_x2 = (float)((float)$hasil2 + (float)$value) / (float)(1 - min((float)$value, (float)$hasil2));

}

A-20

$id = $this->session->userdata("id");

$dataSimpan = array();

foreach($this->input->post('id') as $key => $value){

$dataSimpan["gejala" . $value] = $this->input->post('gejala' .

$value);

public function saveDataKeluh(){

if($this->session->userdata("id") != NULL){

$id = $this->session->userdata("id");

$dataKeluh = $this->input->post("gejala18");

$data = array(

"gejala18" => $dataKeluh );

$this->KonsulModel->updateData($id, $data);

if($dataKeluh == "1"){

$this->keluhan();

redirect("Sispak/daftarkeluhan");

}

public function lihatkeluhan() {

A-22

<h1><a

A-24 ng yang terkena glaukoma tidak mengalami gejala awal atau rasa sakit.

Faktanya, lebih dari 90% orang dengan glaukoma tidak menyadari bah wa mereka memilikinya sampai mereka didiagnosis secara resmi.

Jika tidak segera diobati, glaukoma dapat menyebabkan hilangnya pen glihatan anda dan bahkan menjadi buta.</p>

</header>

</div> seperti katarak pada umumnya. Maka dari itu banyak ahli memperkirakan bahwa glaukom a akhirnya menjadi penyebab paling umum kebutaan di seluruh dunia.</p>

</div> gi merupakan penyebab terjadinya kerusakan saraf mata.

Biasanya hal ini disebabkan oleh terganggunya cairan keluar pada sis tem drainase cairan bola mata yang mengakibatkan penumpukan cairan bola mata sehingg a terjadi peningkatan tekanan intraokular.

Peningkatan tekanan ini merusak saraf mata dan berakhir dengan hila

A-26

pemeriksaan glaukoma?</h2>

<p>Deteksi dini merupakan cara pencegahan kebutaan akibat glaukom a yang paling penting.

Pemeriksaan berkala dilakukan untuk mendeteksi glaukoma secara d ini. Pemeriksaan skrining glaukoma biasanya dilakukan pada : <br/>

Sebelum usia 40 tahun: setiap 2-4 tahun <br/> ma sampai penglihatannya sudah mencapai tahap kerusakan yang parah dan permanen, maka sangatlah penting untuk menyadari semua faktor risiko penyakit hun setelah usia 50 tahun.</p>

</li>

<p>Orang Asia, khususnya keturunan Vietnam, beresiko lebih besar ko Anda terkena glaukoma mencapai sekitar 20 persen.

Apabila saudara kandung Anda mengidapnya, maka kemungkina n Anda terkena glaukoma mencapai 50 persen.

</p>

</li>

<h3>Kondisi Medis</h3>

<p>Bila Anda mengidap diabetes, maka risiko Anda terkena glauko ma tiga kali lebih besar dibandingkan mereka yang tidak mengidap diabetes.

Bila Anda mengidap diabetes, maka risiko Anda terkena glaukom a tiga kali lebih besar dibandingkan mereka yang tidak mengidap diabetes.

</p>

</li>

<h3>Rabun Jauh</h3>

<p>Pengidap rabun jauh (miopia) beresiko dua hingga tiga kali lebi h besar terkena glaukoma dibanding mereka yang tidak menderita miopia.</p>

</li>

<h3>Cedera Fisik</h3>

<p>Trauma parah, seperti mata terkena pukulan, dapat meningkatka n tekanan pada mata. Cedera juga dapat mengeser letak lensa, sehingga sudut drainase tert utup.</p>

</li>

</ul>

A-28

</body>

</html>

B-1

DAFTAR RIWAYAT HIDUP

EDUKASI

 PERGURUAN TINGGI

UNIVERSITAS SUMATERA UTARA

Fakultas Ilmu Komputer dan Teknologi Informasi Program Studi S1 Ilmu Komputer

2015-2019

 SEKOLAH MENENGAH ATAS SMA SUTOMO 2 MEDAN

2012-2015

 SEKOLAH MENENGAH PERTAMA SMP SUTOMO 2 MEDAN

Tanggal Lahir : 24 Januari 1998 Jenis Kelamin : Laki-laki

Agama : Islam Warga Negara : Indonesia

Alamat : Jalan Cinta Karya nomor 133, Medan Polonia

No HP : +6281268867585 E-mail : [email protected]

KEMAMPUAN

Programming : HTML, PHP.

Database : MySQL.

Bahasa : Indonesia, Inggris.

PENGALAMAN ORGANISASI

• 2015 – COMPUTER SCIENCE ANNIVERSARY 14TH ANGGOTA BIDANG ACARA

• 2015 – SEMINAR DAN KOMPETISI PUBLIC SPEAKING KETUA PANITIA

• 2016 – IKATAN MAHASISWA S1 ILMU KOMPUTER USU (IMILKOM) PERIODE 2016/2017

ANGGOTA DEPARTEMEN KOMINFO

• 2016 – PELATIHAN DASAR ORGANISASI (IMILKOM) KOORDINATOR BIDANG PUBDEKDOK

• 2016 – PMB ILMU KOMPUTER USU ANGGOTA BIDANG PDD

• 2017 – IKATAN MAHASISWA S1 ILMU KOMPUTER USU (IMILKOM) PERIODE 2017/2018

SEKRETARIS DEPARTEMEN KOMINFO

• 2017 – USU SHARIA DAY 2017 ANGGOTA DEPARTEMEN PDD

• 2018 – USU NICE COMPETITION 2.0 KOORDINATOR DEPARTEMEN PDD

Dalam dokumen SISTEM PAKAR DETEKSI PENYAKIT GLAUKOMA MENGGUNAKAN METODE CERTAINTY FACTOR SKRIPSI FARHAN PRAMUWIDYANTORO SURBAKTI (Halaman 63-105)