Bab 4 Implementasi dan Penggunaan Sistem
4.2 Pengujian Sistem
Pengujian terhadap sistem yang sudah dibangun dilakukan dengan cara melakukan penghitungan manual dan menghitung dengan perangkat lunak kemudian membandingkannya.
Dalam Sistem pakar untuk mendiagnosis penyakit atherosklerosis ini semua pertanyaan diberikan kepada pasien karena dalam penarikan kesimpulannya menggunakan inferensi runut maju (Forward Chaining). Secara manual dapat dapat diketahui kemungkinan penyakit yang diderita pasien dan nilai kepercayaanya setelah pasien menjawab semua pertanyaan yang diberikan.
Untuk melakukan perhitungan manual diperlukan sebuah table sebagai keterangan dari jawaban pasien dan nilai CF yang dimasukkan. Seperti terlihat pada table di bawah ini:
IDRule Nama Gejala Pilihan Jawaban Nilai CF
1. Dada terasa nyeri Ya 1
2. Nyeri pada satu atau kedua lengan Ya 1
3. Sesak nafas Ya 1
4. Pusing Ya 1
5. Detak jantung cepat Ya 1
6. Lelah Ya 1
7. Mati rasa pada lengan, kai, dan wajah Tidak -0,8
8. Sulit memahami pembicaraan Tidak -0,6
9. Kehilangan keseimbangan Ya 1
11. Kram pada otot Ya 0,8
12. Kaki terasa dingin Tidak -0,6
13. Perasaan mati pada kaki Tidak -0,8
14. Sakit kepala Ya 1
15. Penglihatan kabur Ya 1
16. Mual Tidak -1
17. Perasaan dada tertekan Tidak -1
18. Merasa terbakar pada bagian dada Tidak -1
19. Susah bernafas Ya 0,6
20. Rasa ketarik-tarik pada tenggorokan Ya 1
21. Keringan dingin Ya 1
22. Adanya aritma Tidak -1
23. Adanya perasaan lemas Ya 0,6
24. Kulit pucat Tidak -1
25. Pengeluaran urine berkurang Tidak -1
26. Merasa cemas Ya 0,8
27. Sulit melihat Tidak -1
28. Mati rasa pada lengan tungkai dan kaki Ya 0,6
29. Sulit berbicara Tidak -1
30. Sulit menelan Tidak -1
32. Dada berdebar-debar Tidak -1
33. Kelemahan yang luar biasa Ya 0,8
34. Kedinginan Ya 0,2
35. Tangan dan kaki berkeringat banyak Tidak -1
36. Luka terbuka di kulit Tidak -1
37. Neri perut yang hebat Ya 0,4
38. Perut kembung Ya 1
39. Adanya desakan buang air nesar Ya 0,6
40. Tinja berwarna kemerahan Tidak -1
Tabel 4.1 Daftar jawaban pasien terhadap gejala yang dialami secara manual
Untuk melakukan perhitungan diperlukan CF penyakit, dibawah ini merupakan table rule penyakit yang berisi rule dan CFPakar, Seperti terlihat pada table berikut:
IDRule Nama Penyakit CFPakar
1. Atherosklerosis jantung 0,8
2. Atherosklerosis otak 0,6
3. Atherosklerosis kaki, pinggul dan lengan 0,8
4. Atherosklerosis ginjal 0,6
5. Angina pectoris 0,8
6. Infark miokard 0,8
7. Arteri carotid 0,6
9. Buerger 0,8
10. Aorta Abdominalis 0,6
Tabel 4.2 Daftar nama penyakit dan nilai kepercayaannya
Dari kedua tabel di atas dapat ditentukan kemungkinan penyakit pasien beserta prosentasi kepercayaanya. Proses penarikan kesimpulan dan perhitungan nilai CF nya dapat dilihat dari penjelasan di bawah ini:
1. Atherosklerosis jantung dengan CF: 0,8 Dengan gejala
Dada terasa nyeri : CF (1,0) Nyeri pada satu atau kedua lengan : CF(1,0)
Sesak nafas : CF(1,0)
Pusing : CF(1,0)
Detak jantung cepat : CF(1,0)
Lelah : CF(1,0) Maka
CF(E1,e) : 1,0 (pasien mengalami dada terasa nyeri 100%)
CF(E2,e) : 1,0 (pasien mengalami Nyeri pada satu atau kedua lengan 100%)
CF(E3,e) : 1,0 (pasien mengalami sesak nafas 100%)
CF(E4,e) : 1,0 (pasien mengalami Pusing 100%)
CF(E5,e) : 1,0 (pasien mengalami Detak jantung cepat 100%)
CF(E6,e) : 1,0 (pasien mengalami Lelah 100%)
Sehingga
CF(E,e) = CF(H,E1∩ E2∩ E3∩ E4∩ E5∩ E6)
= min[CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e), CF(E5,e)] CF(E6,e)]]
= min[1,1,1,1,1,1] = 1
Maka nilai certainty factor hipotesis adalah : CF(H,e) = CF(E,e)* CF(H,E)
= 1 * 0,8 = 0,8
Jadi, kemungkinan pasien menderita penyakit Atherosklerosis jantung dengan Nilai CF nya 0,8=80%
2. Atherosklerosis Otak dengan CF:0,6 Dengan gejala
Mati rasa pada lengan, kaki dan wajah : CF (-0,8)
Sulit memahami pembicaraan : CF(-0,6)
Kehilangan keseimbangan : CF(1)
Sakit kepala tanpa diketahui penyebabnya : CF(-0,8)
Maka
CF(E1,e) : -0,8(pasien tidak mengalami Mati rasa pada lengan, kaki dan
wajah 0%)
CF(E2,e) : -0,6 (pasien tidak mengalami Sulit memahami pembicaraan 60%)
CF(E3,e) : 1(pasien mengalami Kehilangan keseimbangan 100%)
CF(E4,e) : -0,8 (pasien tidak mengalami sakit kepala tanpa diketahui
penyebabnya 80%) Sehingga
CF(E,e) = CF(H,E1∩ E2∩ E3∩ E4)
= min[CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e)]
= min[-08, -0,6, 1,-0,8] = - 0,8
Maka nilai certainty factor hipotesis adalah : CF(H,e) = CF(E,e)* CF(H,E)
= -0,8* 0,6 = -0,48
Jadi,kemungkinan pasien tidak menderita penyakit Atherosklerosis Otak dengan Nilai CF nya 0,48=48%
3. Atherosklerosis Kaki, pinggul dan lengan dengan CF:0,8 Dengan gejala
Kram pada otot : CF (0,8) Kaki terasa dingin : CF(-0,6) Perasaan mati pada kaki : CF(-0,8) Maka
CF(E1,e) : 0,8 (pasien mengalami Kram pada otot 80%)
CF(E2,e) : -0,6 (pasien tidak mengalami Kaki terasa dingin 60%)
CF(E3,e) : -0,8 (pasien tidak mengalami Perasaan mati pada kaki 80%)
Sehingga
CF(E,e) = CF(H,E1∩ E2∩ E3
= min[CF(E1,e), CF(E2,e), CF(E3,e)]
= min[0,8, 0 , -0,8] = - 0,8
Maka nilai certainty factor hipotesis adalah : CF(H,e) = CF(E,e)* CF(H,E)
= -0,8 * 0,8 = -0,64
Jadi, kemungkinan pasien tidak menderita penyakit Atherosklerosis kaki, pinggul dan lengan dengan Nilai CF nya 0,64=64%
4. Atherosklerosis Ginjal dengan CF:0,6 Dengan gejala
Sakit kepala : CF (1)
Penglihatan kabur : CF(1)
Mual : CF(-1)
Maka
CF(E1,e) : 1 (pasien mengalami Sakit kepala 100%)
CF(E2,e) : 1 (pasien mengalami Penglihatan kabur 100%)
Sehingga
CF(E,e) = CF(H,E1∩ E2∩ E3 )
= min[CF(E1,e), CF(E2,e), CF(E3,e)]
= min[1, 1, -1] = -1
Maka nilai certainty factor hipotesis adalah : CF(H,e) = CF(E,e)* CF(H,E)
= -1* 0,6 = -0,6
Jadi,kemungkinan pasien Tidak menderita penyakit Atherosklerosis Ginjal karena Nilai CFnya 0,6 = 60%
5. Angina Pectoris dengan CF:0,8 Dengan gejala
Perasaan dada tertekan : CF (-1)
Merasa terbakar pada bagian dada : CF(-1)
Susah bernafas : CF(0,6)
Rasa ketarik-tarik pada kerongkongan : CF(1) Maka
CF(E1,e) : -1 ( Pasien tidak mengalami Perasaan dada tertekan 100%)
CF(E2,e) : -1 ( Merasa tidak terbakar pada bagian dada 100%)
CF(E3,e) : 0,6 ( Pasien mengalami Susah bernafas 60%)
CF(E4,e) : 1 (pasien mengalami Rasa ketarik-tarik pada kerongkongan 100%)
Sehingga
CF(E,e) = CF(H,E1∩ E2∩ E3∩ E4)
= min[CF(E1,e), CF(E2,e), CF(E3,e), CF(E3,e)]
= min[-1, -1, 0,6, 1] = - 1
Maka nilai certainty factor hipotesis adalah : CF(H,e) = CF(E,e)* CF(H,E)
= -1 * 0,8 = -0,8
Jadi, kemungkinan pasien tidak menderita penyakit Angina Pectoris dengan Nilai CF nya 0,8=80%
6. Infark Miokard dengan CF:0,8 Dengan gejala
Keringat dingin : CF (1)
Adanya aritma : CF(-1)
Adanya perasaan lemas : CF(0,6)
Kulit pucat : CF(-1)
Pengeluaran urine berkurang : CF(-1)
Merasa cemas : CF(0,8) Maka
CF(E1,e) : 1 (pasien mengalami Keringat dingin 100%)
CF(E2,e) : -1 (pasien tidak mengalami Adanya aritma 100%)
CF(E3,e) : 0,6 (pasien mengalami Adanya perasaan lemas 60%)
CF(E4,e) : -1 (pasien tidak mengalami Kulit pucat 100%)
CF(E5,e) : -1 (pasien tidak mengalami Pengeluaran urine berkurang 100%)
CF(E6,e) : 0,8 (pasien mengalami Merasa cemas 80%)
Sehingga
CF(E,e) = CF(H,E1∩ E2∩ E3∩ E4∩ E5∩ E6)
= min[CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e), CF(E5,e)] CF(E6,e)]]
= min[1 -1, 0,6,-1, -1, 0,8] = -1
Maka nilai certainty factor hipotesis adalah : CF(H,e) = CF(E,e)* CF(H,E)
= -1* 0,8 = -0,80
Jadi,kemungkinan pasien tidak menderita penyakit Infark Miokard dengan nilai CFnya 0,80=80%
Dengan gejala
Sulit melihat : CF (-1)
Mati rasa pada lengan, kaki, dan tungkai : CF(0,6)
Sulit berbicara : CF(-1)
Sulit menelan : CF(-1)
Maka
CF(E1,e) : -1 (pasien tidak mengalami Sulit melihat 100%)
CF(E2,e) : 0,6 (pasien tidak mengalami Mati rasa pada lengan, kaki, dan
tungkai 60%)
CF(E3,e) : -1 (pasien tidak mengalami Sulit berbicara 100%)
CF(E4,e) : -1 (pasien tidak mengalami Sulit menelan 100%)
Sehingga
CF(E,e) = CF(H,E1∩ E2∩ E3∩ E4)
= min[CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e)]
= min[-1,0,6, -1,-1] = -1
Maka nilai certainty factor hipotesis adalah : CF(H,e) = CF(E,e)* CF(H,E)
= -1 * 0,6 = 0,6
Jadi, kemungkinan pasien tidak menderita penyakit Arteri Carotid karena Nilai CF nya -0,6=60%
8. Arteri Koroner dengan CF:0,6 Dengan gejala
Dada terasa sesak : CF (1)
Dada berdebar-debar : CF(-1)
Kelemahan yang luar biasa : CF(0,8) Maka
CF(E2,e) : -1 (Pasien tidak mengalami Dada berdebar-debar 100%)
CF(E3,e) : 0,8( Pasien mengalami Kelemahan yang luar biasa 80%)
Sehingga
CF(E,e) = CF(H,E1∩ E2∩ E3∩ E4)
= min[CF(E1,e), CF(E2,e), CF(E3,e), CF(E3,e)]
= min[1, -1, 0,8] = -1
Maka nilai certainty factor hipotesis adalah : CF(H,e) = CF(E,e)* CF(H,E)
= -1 * 0,6 = -0,6
Jadi, kemungkinan pasien tidak menderita penyakit Arteri koroner karena Nilai CFnya -0,6=60%
9. Buerger dengan CF:0,8 Dengan gejala
Kedinginan : CF (0,2)
Tangan dan kaki berkeringat banyak : CF(-1)
Luka terbuka dikulit : CF(-1)
Maka
CF(E1,e) : 0,2 ( Pasien mengalami Kedinginan 20%)
CF(E2,e) : -1 (Pasien tidak mengalami Tangan dan kaki berkeringat banyak
100%)
CF(E3,e) : -1( Pasien tidak mengalami Luka terbuka dikulit 100%)
Sehingga
CF(E,e) = CF(H,E1∩ E2∩ E3 )
= min[CF(E1,e), CF(E2,e), CF(E3,e)]
= min[0,2, -1, -1] = -1
Maka nilai certainty factor hipotesis adalah : CF(H,e) = CF(E,e)* CF(H,E)
= -1 * 0,8 = -0,8
Jadi, kemungkinan pasien tidak menderita penyakit Buerger dengan Nilai CFnya 0,8= 80%
10. Aorta Abdominalis dengan CF:0,6 Dengan gejala
Nyeri perut yang hebat : CF (0,4)
Perut kembung : CF(1)
Adanya desakan untuk buang air besar : CF(0,6)
Tinja bewarna kemerahan : CF(-1)
Maka
CF(E1,e) : 0,4 (pasien mengalami Nyeri perut yang hebat 40%)
CF(E2,e) : 1 (pasien mengalami Perut kembung 100%)
CF(E3,e) : 0,6(pasien mengalami Adanya desakan untuk buang air besar 60%)
CF(E4,e) : -1 (pasien tidak mengalami Tinja bewarna kemerahan 80 %)
Sehingga
CF(E,e) = CF(H,E1∩ E2∩ E3∩ E4)
= min[CF(E1,e), CF(E2,e), CF(E3,e), CF(E4,e)]
= min[0,4, 1, 0,6, -1] = -1
Maka nilai certainty factor hipotesis adalah : CF(H,e) = CF(E,e)* CF(H,E)
= -1 * 0,6 = -0,6
Jadi, kemungkinan pasien tidak menderita penyakit Aorta Abdominalis karena nilai CFnya 0,6=60%
Hasil perhitungan dengan Atherosklerosis Expert System dapat dilihat pada table dibawah ini:
Data penyakit yang akan didiagnosis tampak pada gambar 4.3 dibawah ini
Gambar 4.18 data penyakit yang tersimpan dalam sistem
Data gejala yang telah dimasukkan ke dalam system yang kemudian akan ditanyakan kepada pasien dapat dilihat pada gambar 4.19 dibawah ini
Gambar 4.19 data gejala yang tersimpan dalam sistem
Setelah didapat data gejala dan penyakit maka dibangun rule diagnosis penyakit, seperti terlihat pada gambar 4.20 dibawah ini:
Gambar 4.20 Rule diagnosis Dari Penyakit
Gejala-gejala yang ditanyakan kepada pasien di saat konsultasi akan disimpan dalam table CekGejala, seperti terlihat pada gambar 4.21 di bawah ini:
Gambar 4.21 Jawaban Pada Sesi Konsultasi
Setelah semua jawaban tersimpan, maka system akan melakukan penarikan kesimpulan jenis penyakit yang diderita pasien dan melakukan perhitungan nilai kepercayaanya. Hasilnya terlihat seperti gambar di bawah ini:
Gambar 4.22 Hasil Diagnosis penyakit dengan Atherosklerosis Expert System
Dari penjelasan diatas terlihat jelas bahwa hasil diagnosis penyakit dan perhitungan nilai kepercayaan secara manual memberikan hasil yang sama dengan yang dilakukan oleh sistem.
BAB 5
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari hasil pengujian sistem yang telah dilakukan, maka dapat diberikan beberapa kesimpulan sebagai berikut:
1. Sistem pakar dapat bekerja dengan data yang tidak lengkap. Dalam hal ini sekalipun pengguna memilih jawaban tidak tahu untuk suatu gejala yang ditanyakan, sistem tetap dapat menyimpulkan kemungkinan penyakit yang diderita.
2. Dengan Penggunaan Certainty Factor (CF) pengguna dapat mengetahui derjat kepercayaan terhadap penyakit yang diderita.
3. Sistem pakar untuk mendiagnosis penyakit aterosklerosis ini telah mampu memberikan informasi kepada pengguna mengenai jenis penyakit yang dideritanya (diagnosa awal) berdasarkan gejala-gejala yang diberikan.
4. Semakin akurat gejala yang dimasukkan ke dalam system (yang benar-benar dirasakan), maka akan semakin tinggi pula nilai Certainty Factor (CF) atas penyakit yang diderita.