ANALISIS PERBANDINGAN HASIL ANTARA METODE
CERTAINTY FACTOR DAN METODE DEMPSTER
SHAFER DALAM SISTEM PAKAR
SKRIPSI
LENI ARDILA
131421016
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
ANALISIS PERBANDINGAN HASIL ANTARA METODE
CERTAINTY FACTOR
DAN METODE
DEMPSTER
SHAFER
DALAM SISTEM PAKAR
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat
memperoleh ijazah Sarjana Ilmu Komputer
Oleh :
LENI ARDILA
131421016
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
PERSETUJUAN
Judul : ANALISIS PERBANDINGAN HASIL ANTARA
METODE CERTAINTY FACTOR DAN METODE
DEMPSTER SHAFER DALAM SISTEM PAKAR Kategori : SKRIPSI
Nama : LENI ARDILA Nomor Induk Mahasiswa : 131421016
Program Studi : EKSTENSI S1 ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Oktober 2015
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Poltak Sihombing, M.Kom Prof. Dr. Muhammad Zarlis
Diketahui/Disetujui oleh:
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
ANALISIS PERBANDINGAN HASIL ANTARA METODE CERTAINTY FACTOR
DAN METODE DEMPSTER SHAFER DALAM SISTEM PAKAR
SKRIPSI
Saya menyatakan bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Oktober 2015 Penulis
PENGHARGAAN
Alhamdulillah segala puji dan syukur atas nikmat yang luas kepada Allah Yang Maha Esa dan Maha Kuasa sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada pihak yang telah banyak membimbing, mengarahkan, membantu, dan memberikan dukungan semangat dan kasih sayang dalam menyelesaikan skripsi ini. Penulis mengucapkan terima kasih kepada :
1. Bapak Prof. Subhilhar, Ph.D selaku Pejabat Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara dan Dosen Pembimbing I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
6. Bapak Drs. Marihat Situmorang, M.Si selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
7. Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
8. Teristimewa Orangtua penulis, Ayahanda Jumadi dan Ibunda Nurlela, serta kepada kakak penulis Nur Maya Sara, paman penulis Alm. Bahari dan keluarga besar penulis yang senantiasa memberikan doa, dukungan moril dan materil, motivasi, semangat dan kasih sayang yang tiada henti kepada penulis sehingga penulis dapat menyelesaikan skripsi ini.
9. Teman-teman seperjuangan mahasiswa Ekstensi S1 Ilmu Komputer stambuk 2013 , terima kasih untuk teman seperjuangan Rafika Sari S, Cut Desy A, kak Melani, sahabat tercinta Dita Andestya, Harissa Mubarrak, Siti Nursa’adah, Cut Nanda Rizka, Kemala Sari, dan pendamping special yang selalu setia menemani Harist Permana Putra telah membantu dan memberikan dukungan, kerja sama yang baik kepada penulis.
10. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun
demi kesempurnaan skripsi ini, sehingga dapat bermanfaat bagi kita semuanya.
Medan, Oktober 2015 Penulis,
ABSTRAK
Penyakit mata atau konjungtivitis merupakan peradangan pada konjungtiva atau lapisan luar mata dan lapisan dalam kelopak mata yang disebabkan oleh mikro-organisme atau virus, bakteri, jamur, chlamidia, alergi, iritasi bahan-bahan kimia. Masalah yang ditimbulkan berawal dari gejala umum yang sering diperlihatkan atau yang ditunjukkan oleh penyakit mata seperti merah daerah mata dan kemudian menimbulkan rasa sakit dan perih. Gejala umum yang dirasakan tersebut, tidaklah selalu merupakan gejala penyakit mata, untuk itu perlu dilakukan diagnosa yang tepat untuk menentukan pengobatan yang tepat pula. Diagnosa dapat dilakukan pada dokter spesialis mata. Selain itu untuk mendiagnosa penyakit mata, dapat pula dengan
memanfaaatkan sistem pakar untuk menuangkan pengetahuan para ahli pada sistem pakar, sehingga membantu diagnosa penyakit mata. Adapun tujuan penelitian adalah menganalisis suatu program sistem pakar berbasis dekstop yang berisi pengetahuan dari seorang pakar/dokter yang diyakini kebenarannya yang memiliki kemampuan untuk dapat mendiagnosa penyakit dari gejala-gejala penyakit mata yang dirasakan oleh pasien secara cepat dan tepat. Selain itu penulis mengembangkan aplikasi ini menggunakan metode certainty factor dan metode dempster shafer. Selanjutnya model perancangan sistem aplikasi sistem pakar menggunakan flowchart sistem. Sebagai hasil akhir analisis perhitungan antara metode certainty factor dan metode dempster shafer dalam menentukan penyakit mata.
ANALYSIS COMPARATIVE OF RESULTS BETWEEN METHOD DEMPSTER SHAFER AND METHOD CERTAINTY FACTOR
IN THE EXPERT SYSTEM
ABSTRACT
Diseases of the eye or conjunctivitis is an inflammation of the conjunctiva or the outer layer of the eye and the inner lining of the eyelid caused by micro-organisms or viruses, bacteria, fungi, chlamidia, allergies, irritation of chemicals. Problems caused begins with general symptoms that are often shown or indicated by eye diseases such as red eye area and then cause pain and tenderness. The common symptoms are felt, it is not always a symptom of diseases of the eye, for it is necessary for a proper diagnosis to determine the appropriate treatment anyway. Diagnosis can be done in an ophthalmologist. In addition to diagnosing eye disease, can also be the expert system for pouring the benefits of the expert knowledge in expert systems, thus helping the diagnosis of eye diseases. The purpose of the study is to analyze a desktop-based expert system program that contains the knowledge of an expert / doctor who is believed to be the truth that has the ability to be able to diagnose diseases of the eye disease symptoms experienced by the patient quickly and accurately. Moreover, the authors develop this application using the certainty factor and Dempster Shafer methods. Furthermore, the model of system design expert system application using the system flowchart. As a result the final analysis the method of calculation and the certainty factor in determining the method Dempster Shafer eye diseases.
DAFTAR ISI
1.6. Metodologi Penelitian 3
1.7. Sistematika Penulisan 4
BAB 2 LANDASAN TEORI
2.1. Pengertian Sistem Pakar 6
2.1.1. Komponen Sistem Pakar 8
2.1.2. 2.1.3.
Ciri-Ciri Sistem Pakar
Kelebihan dan Kekurangan Sistem Pakar
9
2.3. Pengertian Analisis 13
2.4. Pengertian Metode Certainty Factor 14 2.4.1.
2.5. Pengertian Metode Dempster Shafer 16
2.6. Pengertian Diagnosa 17
2.7. Sejarah Visual Basic 2010 2.7.1. Visual Studio.Net 2.7.2. Crystal Report
DAFTAR PUSTAKA
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
3.1. Analisis Mata Manusia 20
3.2. Analisis Certainty Factor 20
3.3.
Analisis Proses Diagnosis Berdasarkan Certainty Factor Analisis Penggunaan Metode Certainty Factor
Analisis Metode Dempster Shafer
Analisis Proses Diagnosis Berdasarkan Dempster Shafer Analisis Perhitungan Metode Dempster Shafer
Analisis Kebutuhan system
Model Perancangan Aplikasi Menggunakan Flowchart Sistem Perancangan Antarmuka
3.10.1. Rancangan Antarmuka Aplikasi
22 BAB 4 IMPLEMENTASI DAN PENGUJIAN
4.1. Kebutuhan Sistam 34
Pengujian Menggunakan Metode Certainty Factor Pengujian Menggunakan Metode Dempster Shafer
39 41
BAB 5 PENUTUP
5.1. Kesimpulan 44
DAFTAR TABEL
Halaman
Tabel 3.1. Tabel Gejala Penyakit Mata Secara Umum 22
Tabel 3.2. Tabel Rule Nilai Certainty Factor 23
Tabel 3.3. Tabel Gejala Dialami 23
Tabel 3.4. Tabel Jenis Penyakit Mata 26
Tabel 3.5. Tabel Gejala Penyakit Mata 26
Tabel 3.6. Tabel Basis Pengetahuan 26
Tabel 3.7. Tabel Nilai Densitas Gejala 27
DAFTAR GAMBAR
Halaman
Gambar 3.1. Flowchart Diagnosis Berdasarkan Certainty Factor 22 Gambar 3.2. Flowchart Diagnosis Berdasarkan Dempster Shafer 25 Gambar 3.3. Flowchart Sistem Analisis Perbandingan Hasil Antara Metode
Certainty Factor Dan Metode Dempster Shafer Dalam Sistem Pakar
30
Gambar 3.4. Flowchart Sistem Analisis Perbandingan Hasil Antara Metode Certainty Factor Dan Metode Dempster Shafer Dalam Sistem Pakar
31
Gambar 3.5. Perancangan Antarmuka Aplikasi Perbandingan Antara Metode Certainty Factor Dan Metode Dempster Shafer Dalam Sistem Pakar
33
Gambar 4.1. Antar Muka Aplikasi Sistem Pakar 35
DAFTAR LAMPIRAN
Halaman
A. Listing Program 47
B. Surat Balasan Riset 55
ABSTRAK
Penyakit mata atau konjungtivitis merupakan peradangan pada konjungtiva atau lapisan luar mata dan lapisan dalam kelopak mata yang disebabkan oleh mikro-organisme atau virus, bakteri, jamur, chlamidia, alergi, iritasi bahan-bahan kimia. Masalah yang ditimbulkan berawal dari gejala umum yang sering diperlihatkan atau yang ditunjukkan oleh penyakit mata seperti merah daerah mata dan kemudian menimbulkan rasa sakit dan perih. Gejala umum yang dirasakan tersebut, tidaklah selalu merupakan gejala penyakit mata, untuk itu perlu dilakukan diagnosa yang tepat untuk menentukan pengobatan yang tepat pula. Diagnosa dapat dilakukan pada dokter spesialis mata. Selain itu untuk mendiagnosa penyakit mata, dapat pula dengan
memanfaaatkan sistem pakar untuk menuangkan pengetahuan para ahli pada sistem pakar, sehingga membantu diagnosa penyakit mata. Adapun tujuan penelitian adalah menganalisis suatu program sistem pakar berbasis dekstop yang berisi pengetahuan dari seorang pakar/dokter yang diyakini kebenarannya yang memiliki kemampuan untuk dapat mendiagnosa penyakit dari gejala-gejala penyakit mata yang dirasakan oleh pasien secara cepat dan tepat. Selain itu penulis mengembangkan aplikasi ini menggunakan metode certainty factor dan metode dempster shafer. Selanjutnya model perancangan sistem aplikasi sistem pakar menggunakan flowchart sistem. Sebagai hasil akhir analisis perhitungan antara metode certainty factor dan metode dempster shafer dalam menentukan penyakit mata.
ANALYSIS COMPARATIVE OF RESULTS BETWEEN METHOD DEMPSTER SHAFER AND METHOD CERTAINTY FACTOR
IN THE EXPERT SYSTEM
ABSTRACT
Diseases of the eye or conjunctivitis is an inflammation of the conjunctiva or the outer layer of the eye and the inner lining of the eyelid caused by micro-organisms or viruses, bacteria, fungi, chlamidia, allergies, irritation of chemicals. Problems caused begins with general symptoms that are often shown or indicated by eye diseases such as red eye area and then cause pain and tenderness. The common symptoms are felt, it is not always a symptom of diseases of the eye, for it is necessary for a proper diagnosis to determine the appropriate treatment anyway. Diagnosis can be done in an ophthalmologist. In addition to diagnosing eye disease, can also be the expert system for pouring the benefits of the expert knowledge in expert systems, thus helping the diagnosis of eye diseases. The purpose of the study is to analyze a desktop-based expert system program that contains the knowledge of an expert / doctor who is believed to be the truth that has the ability to be able to diagnose diseases of the eye disease symptoms experienced by the patient quickly and accurately. Moreover, the authors develop this application using the certainty factor and Dempster Shafer methods. Furthermore, the model of system design expert system application using the system flowchart. As a result the final analysis the method of calculation and the certainty factor in determining the method Dempster Shafer eye diseases.
BAB 1
PENDAHULUAN
1.1. Latar Belakang Masalah
Sistem Pakar adalah salah satu cabang dari kecerdasan buatan yang membuat penggunaan secara luas knowledge yang khusus untuk penyelesaian masalah tingkat manusia yang pakar. Sistem pakar berusaha mengadopsi pengetahuan manusia ke komputer, agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan para ahli. Sistem Pakar tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyaratkan pengetahuan dan pengalaman pakar tersebut.
Dalam membangun sistem pakar tesebut ada banyak metode-metode yang dapat digunakan untuk membentuk mempermudah penyelesaian masalah yang ada, sebagai contoh dalam mendignosa penyakit mata menggunakan sistem pakar ada beberapa metode yang dapat diterapkan pada sistem pakar diantaranya adalah metode Certainty Factor dan Dempster Shafer.
Menurut (T.Sutojo, 2010) Certainty Factor merupakan suatu metode untuk membuktikan ketidakpastian pemikiran seorang pakar, dimana untuk mengakomodasi hal tersebut seseorang biasanya menggunakan Certainty Factor untuk menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi. Sedangkan Metode Dempster Shafer merupakan teori matematika dari evidence. Teori tersebut dapat memberikan sebuah cara untuk menggabungkan evidence dari beberapa sumber dan mendatangkan atau memberikan tingkat kepercayaan atau direpresentasikan melalui fungsi kepercayaan dimana mengambil dari seluruh
evidence yang tersedia.
1.2. Rumusan Masalah
Adapun rumusan masalah dalam penulisan skripsi ini dapat diuraikan sebagai berikut: a. Bagaimana menerapkan metode Certainty Factor dan Dempster Shafer dalam
mendiagnosa penyakit mata pada manusia berbasis desktop.
b. Menganalisis perbandingan hasil diagnosa mata antara metode Certainty Factor dengan metode Dempster Shafer dalam sistem pakar berbasis desktop.
1.3. Batasan Masalah
Agar pembahasan pada skripsi ini tidak terlalu meluas dari permasalah yang ada, maka perlu adanya beberapa batasan masalah yaitu:
1. Studi kasus dalam perbandingan metode Certainty Factor dan Dempster Shafer adalah mendiagnosa penyakit mata secara spesifik diantaranya penyakit mata Ulkus Kornea, Glaukoma Akut, dan Blefaritis.
2. Metode yang digunakan adalah Certainty Factor danmetode Dempster Shafer
untuk proses diagnosa.
3. Adanya interaksi yang digunakan antar pemakai dengan sistem berupa tanya-jawab dari pertanyaan seputar gejala penyakit mata yang akan diberikan kepada user, dan berakhir pada suatu solusi atau kesimpulan hasil diagnosa. 4. Aplikasi yang dirancang akan menghasilkan aplikasi dalam sebuah file setup
EXE atau File Installer dan software yang digunakan untuk merancang aplikasi tersebut adalah Visual Basic 2010.
5. Metode penelitian menggunakan metode kualitatif.
6. Metode pengembangan perangkat lunak menggunakan metode prototype.
7. Model perancangan aplikasi menggunakan flowchartsystem.
1.4. Tujuan Penelitian
Tujuan dari penelitian skripsi ini adalah menganalisis suatu program sistem pakar berbasis dekstop yang berisi pengetahuan dari seorang pakar atau dokter yang diyakini kebenarannya yang memiliki kemampuan untuk dapat mendiagnosa penyakit dari gejala-gejala penyakit mata yang dirasakan oleh pasien secara cepat dan tepat seperti seorang pakar dengan menggunakan metode Certainty Factor dan Dempster Shafer. Serta menganalisis perbandingan hasil diagnosa dari metode Certainty Factor dengan
1.5. Manfaat Penelitian
Manfaat dari penelitian ini adalah untuk menganalisa hasil diagnosa pada penyakit mata antara metode Certainty Factor dengan Dempster Shafer serta mengahasilkan sebuah perangkat lunak berbasis desktop untuk mendiagnosa penyakit mata.
1.6. Metodologi Penelitian
Adapun metodologi penelitian yang dilakukan dalam penyelesaian skripsi terdiri atas: a. Studi literatur
Bertujuan untuk mempelajari dan memahami teori dasar tentang Sistem Pakar, metode sistem pakar dan materi lain yang berhubungan dengan pembuatan program.
b. Pengumpulan data dan studi lapangan
Mengumpulkan data dan informasi yang terkait dengan informasi jenis, gejala dan pengobatan penyakit mata, baik melalui konsultasi dengan pakar (dokter
atau pakar kesehatan) maupun sumber literatur lainnya. c. Analisa dan perancangan
Pengembangan perangkat lunak sistem dengan tahapan sesuai dengan tahapan pada Sistem Pakar untuk Diagnosa Penyakit Mata sebagai berikut :
1. Identifikasi Masalah
Masalah yang terjadi sekarang ini adalah banyak penderita penyakit mata yang masih belum mengetahui jenis penyakit yang diderita dan seringkali pakar atau karena begitu kompleksnya penyakit mata, maka dokter atau pakar harus mendalami lebih jauh gejala yang dialamai pasien dan mencoba tindakan pengobatan mana yang harus dijalani sampai ditemukan pengobatan yang sesuai dengan jenis penyakit yang diderita.
2. Analisis dan Akuisisi Pengetahuan
3. Pemilihan Tools
Merupakan tahap pemilihan tools yang akan digunakan untuk membangun sistem pakar.
a. Representasi Pengetahuan
Pengetahuan-pengetahuan yang telah didapat dari hasil akuisisi pengetahuan diolah menjadi bentuk yang dapat dikenali oleh komputer. Selain itu pada tahap ini juga dilakukan pembuatan prototype dari sistem berupa aturan-aturan yang akan digunakan untuk menelusuri pengetahuan pada mesin inferensi.
b. Verifikasi dan Validasi
Pada tahap ini, pengetahuan yang sudah direpresentasikan tersebut dikonfirmasikan kembali ke pakar untuk diverifikasi serta diperiksa validasinya.
c. Implementasi
Merupakan tahap pembangunan aplikasi, termasuk integrasi pengetahuan yang sudah diverifikasi dan valid.
d. Evaluasi dan Implementasi Akhir
Akan dilakukan evaluasi dan penyempurnaan pada sistem yang telah dibuat jika diperlukan untuk kemudian diserahkan pada user.
1.7. Sistematika Penulisan
Sistematika penulisan skripsi dapat diuraikan melalui beberapa tahap sebagai berikut :
BAB 1 : PENDAHULUAN
Membahas tentang latar belakang dilakukannya penelitian, rumusan masalah yang akan dibahas, tujuan yang ingin dicapai, batasan masalah, metode penyelesaian masalah yang digunakan dalam tugas akhir ini, dan sistematika dari penulisan.
BAB 2 : LANDASAN TEORI
BAB 3 : ANALISA DAN PERANCANGAN SISTEM
Berisi analisis dan perancangan sistem yang terdiri dari analisis dan perancangan proses dengan menggunakan diagram alir (flow diagram), analisis dan perancangan basis pengetahuan dan basis data yang terdiri dari fakta dan aturan, analisis terhadap metode Certainty Factor dan Dempster Shafer dan perancangan mekanisme inferensi yang digunakan untuk diagnosis gejala yang dirasakan pasien untuk menentukan jenis penyakit yang diderita.
BAB 4 : IMPLEMENTASI DAN PENGUJIAN
Pada bab ini aplikasi sistem pakar diagnosa penyakit mata berdasarkan perancangan pada bab sebelumnya, yang akan diimplementasikan menggunakan Visual Basic 2010. Serta dilakukan pengujian terhadap aplikasi tersetbut.
BAB V : PENUTUP
Berisi kesimpulan dari hasil penelitian tugas akhir ini serta saran-saran untuk pengembangan lebih lanjut.
BAB 2
LANDASAN TEORI
2.1. Pengertian Sistem Pakar
Sistem pakar adalah suatu program komputer cerdas yang menggunakan pengetahuan
(knowledge) dan prosedur inferensi untuk menyelesaikan masalah yang cukup sulit sehingga membutuhkan seorang yang ahli untuk menyelesaikannya (Weny Widiastuti, 2012).
Pengetahuan adalah sebuah kekuatan yang dapat memecahkan suatu masalah yang kita temui sehari-hari. Sistem pakar adalah program Artificial Intellenge (AI)
yang menggabungkan pangkalan pengetahuan (knowledge base) dengan sistem inferensi. Kecerdasan buatan atau Artificial Intellenge (AI) dapat didefinisikan sebagai sub bidang pengetahuan komputer yang khusus ditujukan untuk membuat software
dan hardware yang sepenuhnya biasa menirukan beberapa fungsi otak manusia. Karena itu diharapkan komputer bisa membantu manusia didalam berbagai masalah yang sangat rumit. Secara umum sistem pakar dapat disimpulkan bahwa sistem pakar merupakan program komputer yang bertindak sebagai konsultan. Dengan adanya sistem pakar, seseorang pemakai dapat berkonsultasi dalam memecahkan masalah layaknya berkonsultasi langsung dengan seorang pakar sesuai dengan domain masalah tertentu yang diinput ke dalam sistem pakar tersebut. Pengetahuan yang digunakan dalam sistem pakar khusus untuk satu problem domain sebagai kebalikan dari pengetahuan tentang tehnik pemecahan masalah pada umumnya.
pakar dan kemudian dialihkan lagi ke orang yang bukan ahli atau orang awam yang membutuhkan. Sedangkan inferensi, merupakan suatu rangkaian proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan. Kemampuan menjelaskan, merupakan salah satu fitur yang harus dimiliki oleh sistem pakar setelah tersedia program di dalam komputer.
Tujuan pengembangan sistem pakar sebenarnya tidak untuk menggantikan peran para pakar, namun untuk mengimplementasikan pengetahuan para pakar ke dalam bentuk perangkat lunak, sehingga dapat digunakan oleh banyak orang dan tanpa biaya yang besar. Untuk membangun sistem yang difungsikan untuk menirukan seorang pakar manusia harus bisa melakukan hal-hal yang dapat dikerjakan oleh para pakar. Untuk membangun sistem yang seperti itu maka komponen-komponen dasar yang minimal harus dimiliki adalah sebagai berikut:
1. Antar muka (user interface).
2. Basis pengetahuan (knowledge base). 3. Mesin inferensi (Inference Engine).
Kaidah produksi merupakan salah satu model untuk merepresentasikan pengetahuan. Kaidah produksi menjadi acuan yang sangat sering digunakan oleh sistem inferensi. Kaidah produksi dituliskan dalam bentuk pernyataan IF-THEN (Jika-Maka). Pernyataan ini menghubungkan bagian premis (IF) dan bagian kesimpulan (THEN) yang dituliskan dalam bentuk :
IF [premis] THEN [konklusi] ……….. (1)
Kaidah ini dapat dikatakan sebagai suatu implikasi yang terdiri dari dua bagian, yaitu bagian premis dan bagian konklusi. Apabila bagian premis dipenuhi maka bagian konklusi akan bernilai benar. Bagian premis dalam aturan produksi dapat memiliki lebih dari satu proposisi. Proposisi-proposisi tersebut dihubungkan dengan menggunakan operator logika AND atau OR. Sebagai contoh :
AND Hipopion
THEN Ulkulus Kornea
2.1.1. Komponen Sistem Pakar
Empat komponen yang membentuk suatu sistem pakar dapat dijelaskan sebagai berikut :
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan itu merupakan inti dari program sistem pakar dimana basis pengetahuan ini merupakan representasi (knowledge representasion)
dari seorang pakar. Basis pengetahuan ini tersusun atas fakta yang berupa informasi tentang cara bagaimana membangkitkan goal atau keputusan dari fakta yang sudah diketahui.
2. Basis Data (Data Base)
Basis data adalah bagian yang mencatat semua fakta-fakta, baik fakta awal
pada saat sistem mulai beroperasi maupun fakta-fakta yang didapat pada saat proses inferensi sedang berlangsung. Basis data berada didalam memori komputer. Kebanyakan sistem pakar mengandung basis data untuk menyimpan data hasil observasi dan lainnya yang dibutuhkan selama pengolahan.
3. Mesin Inferensi (Inference Engine)
belakang adalah pendekatan yang dimotori tujuan (goal driven). Dalam pendekatan ini pelacakan dimulai dari tujuan, selanjutnya dicari aturan yang memiliki tujuan tersebut untuk kesimpulannya. Selanjutnya proses pelacakan menggunakan premis untuk aturan tersebut sebagai tujuan baru dan mencari aturan lain dengan tujuan baru sebagai kesimpulannya. Proses berlanjut sampai semua kemungkinan ditemukan. Pelacakan ke depan adalah pendekatan yang dimotori data (data driven). Dalam pendekatan ini pelacakan di mulai dari informasi masukan, dan selanjutnya mencoba menggambarkan kesimpulan. Pelacakan ke depan mencari fakta yang sesuai dengan bagian IF dari aturan IF THEN. Kedua metode inferensi tersebut dipengaruhi oleh tiga macam teknik penelusuran, yaitu :
1. Defth First, yaitu melakukan penelusuran kaidah secara mendalam dari simpul akar bergerak menurun ketingkat dalam yang berurutan. 2. Breadth First Search, yaitu melakukan penelusura dari simpul akar,
simpul yang ada pada setiap tingkat diuji sebelum pindah ke tingkat selanjutnya.
3. Best First Search, yaitu bekerja berdasarkan kombinasi kedua metode selanjutnya.
4. Antar Muka Pemakai (User Interface).
Antar muka pemakai adalah bagian penghubung antara program sistem pakar dengan pemakai. Antar muka pemakai merupakan bagian software yang menyediakan sarana untuk user agar bisa berkomunikasi dengan sistem. Antar muka pemakai akan mengajukan pertanyaan dan juga menyediakan menu pilihan untuk memasukan informasi awal kedalam basis data. Setiap komunikasi selama proses pemecahan masalah dikendalikan oleh antar muka pemakai. Pada bagian antar muka pemakai akan terjadi dialog antar program dengan pemakai. (Weny Widiastuti, 2012).
2.1.2. Ciri – Ciri Sistem Pakar
Ciri-ciri dari sistem pakar sangatlah luas sehingga dapat dijelaskan sebagai berikut : a. Terbatas pada domain keahlian tertentu.
b. Dapat memberikan penalaran untuk data yang tidak pasti.
d. Berdasarkan pada kaidah atau rule tertentu.
e. Dirancang untuk dapat dikembangkan secara bertahap. f. Pengetahuan dan mekanisme inferensi jelas terpisah. g. Keluarannya bersifat anjuran.
h. Sistem dapat mengaktifkan kaidah secara searah yang sesuai yang dituntun oleh dialog dengan pemakai. (Weny Widiastuti, 2012)
2.1.3. Kelebihan dan Kekurangan Sistem Pakar
Menurut Muhammad Arhami (2005), beberapa kelebihan dan kekurangan sistem pakar diantaranya :
a. Kelebihan Sistem Pakar :
1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli 2. Bisa melakukan proses secara berulang secara otomatis
3. Menyimpan pengetahuan dan keahlian para pakar
4. Meningkatkan output dan produktivitas 5. Meningkatkan kualitas
6. Mampu mengambil dan melestarikan keahlian para pakar 7. Mampu beroperasi dalam lingkungan berbahaya
8. Memiliki kemampuan untuk mengakses pengetahuan 9. Memiliki realibilitas
10.Meningkatkan kapabilitas sistem komputer
11.Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian
12.Sebagai media pelengkap dalam pelatihan
13.Meningkatkan kapabilitas dalam penyelesaian masalah 14.Menghemat waktu dalam pengambilan keputusan
b. Kelemahan Sistem Pakar :
1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal 2. Sulit dikembangkan. Hal ini erat kaitannya dengan ketersediaan pakar dalam
bidangnya
2.2. Mata Manusia
Mata adalah organ fotosensitif yang sangat berkembang dan rumit, yang memungkinkan analisis cermat dari bentuk, intensitas cahaya, dan warna yang dipantulkan objek. Mata terletak dalam struktur bertulang yang protektif di tengko rak, yaitu rongga orbita. Setiap mata terdiri atas sebuah bola mata fibrosa yang kuat untuk mempertahankan bentuknya, suatu sistem lensa untuk memfokuskan bayangan, selapis sel fotosensitif, dan suatu sistem sel dan saraf yang berfungsi mengumpulkan, memproses, dan meneruskan informasi visual ke otak.
Mata menjadi suatu panca indera yang sangat penting dalam kehidupan manusia untuk melihat. Dengan mata manusia dapat menikmati keindahan alam dan berinteraksi dengan lingkungan sekitar dengan baik. Jika mata mengalami gangguan atau penyakit mata, maka akan berakibat sangat fatal bagi kehidupan manusia. Jadi sudah semestinya mata merupakan anggota tubuh yang perlu dijaga dalam kesehatan sehari-hari (Hamdani, 2010).
2.2.1. Penyakit Mata
Konjungtivitis merupakan peradangan pada konjungtiva atau lapisan luar mata dan lapisan dalam kelopak mata yang disebabkan oleh mikro-organisme atau virus, bakteri, jamur, klamidia, alergi, iritasi bahan-bahan kimia (Minarni, 2013).
Insidensi konjungtivitis di Indonesia berkisar antara 2-75%. Data perkiraan jumlah penderita penyakit mata di Indonesia adalah 10% dari seluruh golongan umur penduduk per-tahun dan pernah menderita konjungtivitis. Data lain menunjukkan bahwa dari 10 penyakit mata utama, konjungtivitis menduduki tempat kedua (9,7%) setelah kelainan refraksi (25,35%). Konjungtivitis dibedakan bentuk akut dan kronis. Konjungtivitis dapat disebabkan oleh bakteri, virus, klamidia, alergi atau imunologik, jamur, parasit, kimia atau iritatif, etiologi yang tidak diketahui, bersama penyakit sistemik.
a. Konjungtiva palpebralis atau menutupi permukaan posterior dari palpebra. b. Konjungtiva bulbaris atau menutupi sebagian permukaan anterior bola mata c. Forniks atau bagian transisi yang membentuk hubungan antara bagian
posterior palpebra dan bola mata.
Selanjutnya konjungtiva juga bisa mengalami peradangan yang di akibat oleh beberapa virus :
a. Infeksi olah virus atau bakteri
b. Reaksi alergi terhadap debu, serbuk sari, bulu binatang
c. Iritasi oleh angin, debu, asap dan polusi udara lainnya : sinar ultraviolet dari las listrik atau sinar matahari yang dipantulkan oleh salju
2.2.2. Ulkus Kornea
Ulkus kornea merupakan diskontinuitas atau hilangnya sebagian permukaan kornea akibat kematian jaringan kornea atau katarak (Yusi Farida, 2015).
Terbentuknya ulkus kornea diakibatkan oleh adanya kolagenase yang dibentuk oleh sel epitel baru dan sel radang. Gejala dari ulkus kornea yaitu nyeri, berair,
fotofobia, blefarospasme, dan biasanya disertai riwayat trauma pada mata. Ulkus kornea yang luas memerlukan penanganan yang tepat dan cepat untuk mencegah perluasan ulkus dan timbulnya komplikasi seperti descementocele, perforasi, endoftal-mitis, bahkan kebutaan. Ulkus kornea yang sembuh akan menimbulkan jaringan parut
kornea dan merupakan penyebab kebutaan. Tujuan penatalaksanaan ulkus kornea
adalah eradikasi penyebab dari ulkus kornea, menekan reaksi peradangan sehingga tidak memperberat destruksi pada kornea, mempercepat penyembuhan efek epitel, mengatasi komplikasi, serta memperbaiki tajam penglihatan.
Prognosis ulkus kornea tergantung pada tingkat keparahan dan cepat lambatnya mendapat pertolongan, jenis mikroorganisme penyebabnya, dan ada tidaknya komplikasi yang timbul. Sumber nutrisi kornea adalah pembuluh-pembuluh darah
2.2.3. Penyebab Ulkus Kornea
Penyebab ulkus kornea dapat diuraikan dalam bentuk infeksi dan non infeksi yang dijelaskan sebagai berikut :
1. Infeksi
a. Infeksi Bakteri : P. aeraginosa, Streptococcus pneumonia dan spesies
Moraxella merupakan penyebab paling sering. Sebuah penelitian terbaru menyebutkan bahwa telah ditemukan Acinetobacter juni sebagai salah satu penyebab ulkus kornea. Penyebab ulkus kornea 38,85% disebabkan oleh bakteri.
b. Infeksi Jamur: disebabkan oleh Candida, Fusarium, Aspergilus, Cephalosporium dan spesies mikosis fungoides. Penyebab ulkus kornea
40,65% disebabkan oleh jamur.
c. Ulkus kornea oleh virus herpes simplex cukup sering dijumpai. Bentuk khas dendrit dapat diikuti oleh vesikel-vesikel kecil dilapisan epitel yang bila pecah akan menimbulkan ulkus.
d. Acanthamoeba Infeksi kornea oleh Acanthamoeba sering terjadi pada pengguna lensa kontak lunak. Infeksi juga biasanya ditemukan pada bukan pemakai lensa kontak yang terpapar air yang tercemar.
2. Noninfeksi
a. Bahan kimia, bersifat asam atau basah tergantung PH b. Radiasi atau suhu
c. Sindrom Sjorgen
d. Defisiensi vitamin A
e. Obat-obatan (kortikosteroid, idoxiuridine, anestesi topikal, immunosupresif)
f. Kelainan dari membran basah, misalnya karena trauma
g. Pajanan (exposur)
h. Neurotropik (Yusi Farida, 2015).
2.3. Pengertian Analisis
Analisis sistem digunakan sebagai pembelajaran sebuah sistem dan komponen-komponennya sebagai prasyarat desain sistem untuk sistem yang akan dibuat ataupun sistem yang akan diperbaharui. Analisis dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang utuh ke dalam bagian-bagian komponennya dengan maksud untuk mengidentifikasi dan mengevaluasi permasalahan, kesempatan, hambatan yang terjadi dan kebutuhan yang diharapkan sehingga dapat diusulkan perbaikannya.
2.4. Pengertian Metode Certainty Factor
Menurut T.Sutojo dalam (Aldino Moto, 2010) certainty factor merupakan suatu metode untuk membuktikan ketidakpastian pemikiran seorang pakar, dimana untuk mengakomodasi hal tersebut seseorang biasanya menggunakan certainty factor untuk menggambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi.
Ada dua cara untuk mendapatkan tingkat keyakinan dari sebuah aturan (rule),
yaitu dengan menggunakan metode ‘Net Belief’ dan dengan cara mewawancarai seorang pakar. Tingkat keyakinan diperoleh dari jawaban user saat melakukan suatu konsultasi. Ada 2 (dua) macam faktor kepastian yang digunakan, yaitu faktor kepastian yang diisikan oleh pakar bersama dengan aturan dan faktor kepastian yang diberikan oleh pengguna.
Faktor kepastian yang diisikan oleh pakar menggambarkan kepercayaan pakar terhadap hubungan antara antacedent dan konsekuen. Sementara itu faktor kepastian dari pengguna menunjukan besarnya kepercayaan terhadap keberadaan masing-masing elemen dalam antecedent. Certainty factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Certainty factor paralel merupakan CF yang diperoleh dari beberapa premis pada sebuah aturan. Besarnya Certainty Factor paralel dipengaruhi oleh Ceratainty Factor user
untuk masing-masing premis dan operator dari premis.
2.4.1. Kelebihan Metode Certainty Factor
contohnya. Kemudian perhitungan dengan metode ini dalam sekali hitung hanya dapat mengolah dua data saja sehingga keakuratan data dapat terjaga (Dodi Harto, 2013).
2.4.2. Kekurangan Metode Certainty Factor
Kekurangan metode certainty factor juga dapat dilihat di dalam beberapa hal bahwa, ide umum dari permodelan kepastian manusia dengan menggunakan numeric certainty factor biasanya diperdebatkan sebagian orang akan membantah pendapat bahwa formula untuk metode certainty factor diatas memiliki sedikit kebenaran. Kemudian metode ini dapat mengolah ketidakpastian atau kepastian hanya dua data saja perlu dilakukan beberapa kali pengolahan data untuk data yang lebih dari dua buah (Dodi Harto, 2013).
CF(H,E) = MB(H,E) - MD(H,E) ……….. (2)
CF (H,E) : Certainty factor
MB (H,E) : Ukuran kepercayaan (measure of increased belief) terhadap hipotesis H yang jika diberikan evidence E (antara 0 dan 1)
MD (H,E) : Ukuran ketidakpercayaan (measure of increased disbelief) terhadap
evidence H, jika diberikan evidence E (antara 0 dan 1) Bentuk dasar rumus certainty factor sebuah aturan JIKA E MAKA H adalah seperti ditunjukkan oleh persamaan 2 berikut:
CF (H,e) = CF (E,e) * CF (H,E) ………. (3)
Dimana:
CF (E,e) : Certainty factor evidence E yang dipengaruhi oleh evidence e. CF (H,E) : Certainty factor hipotesis dengan asumsi evidence diketahui dengan
pasti, yaitu ketika CF (E, e) = 1.
P (E) = 1 –P (E) ………..(4)
CF (H,e) = CF (H,E) ………..……… (5)
Dalam aplikasinya, CF (H,E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu aturan, sedangkan CF (E,e) merupakan nilai kerpercayaan yang diberikan oleh pengguna terhadap gejala yang dialaminya. Sebagai contoh, berikut ini adalah sebuah aturan dengan CF yang diberikan oleh seorang pakar :
JIKA Penglihatan Menurun DAN Fotofobia (Silau) DAN Mata Merah DAN Hipopion
MAKA Ulkulus Kornea, CF: 0,8
2.5. Pengertian Metode Dempster Shafer
Teori Dempster Shafer adalah representasi, kombinasi dan propogasi ketidakpastian, dimana teori ini memiliki beberapa karakteristik yang secara instutitif sesuai dengan cara berfikir seorang pakar, namun dasar matematika yang kuat (Elyza Gustri, 2013).
Secara umum teori Dempster Shafer ditulis dalam suatu interval: [Belief, Plausibility]. Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian. Plausibility (Pls) akan mengurangi tingkat kepastian dari evidence. Plausibility bernilai 0 sampai 1. Jika yakin akan X’,
maka dapat dikatakan bahwa Bel (X’) = 1, sehingga rumus di atas nilai dari Pls(X)= 0. Pada teori Dempster Shafer dikenal adanya frame of discrement yang
dinotasikan dengan θ. Tujuannya adalah mengaitkan ukuran kepercayaan elemen
-elemen θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk
itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen-elemen θ saja, namun juga semua subsetnya. Sehingga jika θ berisi n elemen,
maka subset θ adalah 2n. Jumlah semua m dalam subset θ sama dengan 1. Apabila
tidak ada informasi apapun untuk memilih hipotesis, maka nilai: m{θ} = 1,0. Secara
[Belief, Plausibility] ………. (6)
Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 (nol) maka mengindikasikan bahwa tidak ada
evidence dan bernilai 1 menunjukkan adanya kepastian. Fungsi belief dapat diformulasikan sebagai :
∑ ⌐s) ………..(7)
Plausibility (Pl) dinotasikan sebagai :
Pl(s)=1-Bel(⌐s) ……….(8)
Dimana :
Bel (X) = Belief (X) Pls (X) = Plausibility (X) m (X) = mass function dari (X) m (Y) = mass function dari (Y)
Plausibility juga bernilai antara 0 dan 1. Jika yakin terhadap ⌐s, maka dapat
dikatakan bahwa Bel (⌐s) = 1 dan Pl (s) = 0. Pada teori Dempster Shafer dikenal
adanya frame of discernment yang dinotasikan dengan Ø (Daeng, Sisilia, 2014).
2.6. Pengertian Diagnosa
2.7. Sejarah Visual Basic 2010
Sekilas sejarah Visual Basic diturunkan dari bahasa BASIC. Visual Basic terkenal seebagai bahasa pemograman yang mudah digunakan terutama untuk membuat aplikasi yang berjalan di atas platform Windows. Pada tahun 90an, Visual Basic
menjadi bahasa pemograman yang paling popular dan menjadi pilihan utama untuk mengembangkan program berbasis Windows. Versi Visual Basic terakhir sebelum berjalan di atas .NET Framework adalah Visual Basic 6 (Visual Studio 1998). Visual Basic .NET dirilis pada bulan Februari tahun 2002 bersamaan dengan platform .NET Framework 1.0. Kini sudah ada beberapa versi dari Visual Basic yang berjalan pada
platform .NET, yaitu Visual Basic 2002 (Visual Basic 7), Visual Basic 2005 (Visual Basic 8), Visual Basic 2008 (Visual Basic 9), dan yang terakhir adalah Visual Basic
2010 (Visual Basic 10) yang dirilis bersamaan dengan Visual Studio 2010. Selain
Visual Basic 2010, Visual Studio 2010 juga mendukung beberapa bahasa lain, yaitu C#, C++, F# (bahasa baru untuk functional programming), Iron Phyton, dan Iron Ruby (bahasa baru untuk dynamic programming).
2.7.1. Visual Studio.Net
Microsoft Visual Studio .net merupakan salah satu software buatan Microsoft Corp. yang didesain khusus dalam pembuatan program-program profesional berbasis
windows platform. Microsoft Visual Studio .net merupakan perangkat lunak yang terintegrasi, di dalamnya terdapat beberapa paket software yang dapat digunakan oleh
programmer dalam membangun sebuah program profesional, diantaranya adalah
Visual Basic, Visual J#, Visual C#, Visual C++ dan Java Runtime yang sama-sama berada dalam naungan platform Microsoft .NET Framework. Bagian-bagian dari
software ini diantaranya toolbox, jendela properties, server explorer dan solution explorer.
Toolbox digunakan untuk pemilihan kontrol-kontrol yang akan digunakan pada program yang akan dirancang. Kontrol ini merupakan kontrol standar yang digunakan oleh aplikasi Windows, dan kontrol-kontrol tambahan yang disebut Active X. Kontrol yang ada pada jendela ini dapat ditambah dan dikurangi sesuai kebutuhan. Jendela
Pada bagian Alphabetic, properti diatur berdasarkan urutan abjad, sedangkan di bagian
Catagorized, properti diatur dalam kelompok-kelompok kategori.
2.7.2. Crystal Report
Crystal Report adalah merupakan perangkat lunak yang dikhususkan untuk membangun sebuah laporan. Crystal Report dapat digunakan dengan bahasa pemograman berbasis windows seperti Borland Delphi, Visual Basic 6.0, Visual Basic .net, Visual C++, dan Visual Interdev (Nurullah, 2012). Beberapa kelebihan dari
Crystal Report ini adalah :
1. Dari segi pembuatan laporan tidak terlalu rumit yang memungkinkan para programmer pemula sekalipun dapat membuat laporan yang sederhana tanpa melibatkan banyak kode program.
2. Integrasi dengan bahasa-bahasa pemograman lain yang memungkinkan dapat digunakan oleh banyak programmer dengan masing-masing keahlian.
3. Fasilitas impor hasil laporan yang mendukung format-format popular seperti
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1. Analisis Mata Manusia
Analisis mata adalah organ fotosensitif yang sangat berkembang dan rumit, yang memungkinkan analisis cermat dari bentuk, intensitas cahaya, dan warna yang dipantulkan objek. Mata terletak dalam struktur bertulang yang protektif di tengko- rak, yaitu rongga orbita. Setiap mata terdiri atas sebuah bola mata fibrosa yang kuat untuk mempertahankan bentuknya, suatu sistem lensa untuk memfokuskan bayangan, selapis sel fotosensitif, dan suatu sistem sel dan saraf yang berfungsi mengumpulkan,
memproses, dan meneruskan informasi visual ke otak.
Mata menjadi suatu panca indera yang sangat penting dalam kehidupan manusia untuk melihat. Dengan mata manusia dapat menikmati keindahan alam dan berinteraksi dengan lingkungan sekitar dengan baik. Jika mata mengalami gangguan atau penyakit mata, maka akan berakibat sangat fatal bagi kehidupan manusia. Jadi sudah semestinya mata merupakan anggota tubuh yang perlu dijaga dalam kesehatan sehari-hari.
3.2. Analisis Certainty Factor
CF(H,E) = MB(H,E) - MD(H,E) ……….. (9)
CF(H,E) : Certainty factor
MB(H,E) : Ukuran kepercayaan (measure of increased belief) terhadap hipotesis H yang jika diberikan evidence E (antara 0 dan 1)
MD(H,E) : Ukuran ketidakpercayaan (measure of increased disbelief) terhadap
evidence H, jika diberikan evidence E (antara 0 dan 1) bentuk dasar rumus certainty factor sebuah aturan JIKA E MAKA H adalah seperti ditunjukkan oleh persamaan 2 berikut :
CF(H,e) = CF(E,e) * CF(H,E) ………. (10)
Dimana :
CF(E,e) : Certainty factor evidence E yang dipengaruhi oleh evidence e. CF(H,E) : Certainty factor hipotesis dengan asumsi evidence diketahui dengan
pasti, yaitu ketika CF (E, e) = 1.
CF(H,e) : Certainty factor hipotesis yang dipengaruhi oleh evidence e. Jika semua evidence pada antecedent diketahui dengan pasti maka persamaannya akan menjadi :
P (E) = 1 – P (E)
CF(H,e) = CF(H,E) ………..……… (11)
Dalam aplikasinya, CF (H,E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu aturan, sedangkan CF (E,e) merupakan nilai kerpercayaan yang diberikan oleh pengguna terhadap gejala yang dialaminya. Sebagai contoh, berikut ini adalah sebuah aturan dengan CF yang diberikan oleh seorang pakar :
MAKA Ulkus Kornea, CF: 0,8
3.3. Analisis Proses Diagnosis Berdasarkan Certainty Factor
Proses diagnosis dimulai ketika mamasukkan gejala-gejala penyakit. Gejala-gejala yang dimasukkan akan diproses melalui rule base untuk mengetahui kemungkinan penyakit berdasarkan penafsiran atau analisa dokter. Rule base atau bisa juga disebut dengan knowledge base merupakan representasi penafsiran analisa dokter dinyatakan dalam bentuk rule atau aturan sebagai tempat menyimpan pengetahuan dan analisa dari dokter dalam aplikasi. Hasil analisis dan perancangan aliran sistem proses diagnosis dapat dilihat pada gambar dibawah ini :
START
Gejala
Rule Base
Certainty Factor
Penyakit
END
Gambar 3.1 Flowchart Diagnosis berdasarkan Certainty Factor
3.4. Analisis Penggunaan Metode Certainty Factor
Berikut ini adalah contoh penggunaan metode Certainty Factor dalam mendiagnosa penyakit mata Blefaritis, dengan gejala-gejala yang dialami pada mata diantaranya, mata bengkak, terasa gatal, Epofora, dan kelopak mata merah.
Tabel 3.1 Gejala Penyakit Mata Secara Umum
Kode Gejala Gejala
4 Bengkak
5 Gatal
6 Epifora (berair)
7 Lakrimasi (sedikit berair)
8 Sakit
9 Eksudat (belekan)
10 Hippopion (nanah yang berkumpul di dalam kornea) 11 Kelilipan
12 Kelopak matamerah 13 Konjungtiva bengkak
14
Rasa sakit yang menyebar ke dahi, alis, dagu secara terus-menerus
15 Sklera bengkak
16 Konjungtivitis bulbi merah
17 Mata terasa seperti ada benda asing
18 Pembengkakan kelenjar getah bening belakang telinga 19 Pseudoptis (sulit membuka mata)
20 Demam dan sakit tenggorokan
Tabel 3.2 Rule Nilai Certainty Factor
No Gejala Penyakit CF
1. Penglihatan menurun Ulkus Kornea 0,8 2. Fotofobia (Silau) Ulkus Kornea 0,5
3. Mata Merah Ulkus Kornea 0,6
4. Hippopion Ulkus Kornea 0,4
Tabel 3.3 Gejala Dialami
Gejala Penyakit Nilai CF
Penglihatan menurun Ulkus Kornea 0.9
Fotofobia (Silau) Ulkus Kornea 0.4
Mata Merah Ulkus Kornea 0.3
Hippopion Ulkus Kornea 0.6
= (0.3 + (0.6) (0.7)) = (0.3 + 0.42) = 0.72
Combine (a) dan (b) :: CFc (CF1,CF2) = CF1 + CF2 (1-CF1)
= (0.94 + ((0.72) (1-0.94))) = (0.94 + ((0.72)(0.06)))
= 0.94 + 0.0432 = 0.9832
Berdasarkan gejala-gejala tersebut diatas maka diketahui bahwa nilai CF adalah 0.9832.
3.5. Analisa Metode Dempster Shafer
Teori Dempster Shafer merupakan teori matematika dari evidence. Teori tersebut dapat memberikan sebuah cara untuk menggabungkan evidence dari beberapa sumber dan mendatangkan atau memberikan tingkat kepercayaan atau direpresentasikan melalui fungsi kepercayaan dimana mengambil dari seluruh evidence yang tersedia. Secara umum teori Dempster Shafer ditulis dalam suatu interval :
[Belief,Plausibility]
Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence dan jika m bernilai 1 menunjukkan adanya kepastian. Plausibility (Pl) dinotasikan sebagai :
Pl (s) = 1 – Bel (¬s)
Dengan :
– m1 (X) adalah mass function dari evidence X – m2 (Y) adalah mass function dari evidence Y – m3 (Z) adalah mass function dari evidence Z
– κ adalah jumlah conflict evidence
3.6. Analisis Proses Diagnosis Berdasarkan Dempster Shafer
Alur proses diagnosa bersdasarkan metode dempster shafer dimulai dengan mamasukkan gejala-gejala penyakit. Gejala-gejala yang dimasukkan akan diproses
melalui rule base dan diproses berdasarkan metode dempster shafer, untuk mengetahui hasil diagnosa. Perancangan aliran sistem proses diagnosis dapat dilihat pada gambar dibawah ini :
START
Gejala
Rule Base
Dempster Shafer
Penyakit
END
3.7. Analisis Perhitungan Metode Dempster Shafer
Berikut ini adalah contoh perhitungan berdasarkan dempster shafer untuk mendiagnosa penyakit mata dengan dengan gejala-gejala yang dialami pada mata diantaranya, mata bengkak, terasa gatal, Epofora, dan kelopak mata merah.
Tabel 3.5 Gejala Penyakit Mata
Kode Gejala Gejala
7 Lakrimasi (sedikit berair)
8 Sakit
9 Eksudat (belekan)
10 Hippopion (nanah yang berkumpul di dalam kornea) 11 Kelilipan
12 Kelopak mata merah 13 Konjungtiva bengkak
14 Rasa sakit yang menyebar ke dahi, alis,dagu secara terus menerus 15 Sklera bengkak
16 Konjungtivitis bulbi merah
17 Mata terasa seperti ada benda asing
18 Pembengkakan kelenjar getah bening belakang telinga 19 Pseudoptis (sulit membuka mata)
20 Demam dan sakit tenggorokan
AND Kelopak mata memerah
Pada contoh dibawah ini, akan di cari persentase kemungkinan mengalami penyakit mata blefaritis dengan menggunakan perhitungan pada tabel dibawah ini :
Tabel 3.7 Nilai Densitas Gejala
Kode Gejala Bobot menggunakan nilai belief yang telah ditentukan pada setiap gejala.
Pl (θ) = 1 – Bel
Dimana : nilai bel (belief) merupakan nilai bobot yang diinput oleh pakar, maka untuk mencari nilai dari kedua gejala diatas, terlebih dahulu dicari nilai dari θ, seperti yang dibawah ini.
Gejala 1 : Mata mengalami kebengkakan Maka : G1(bel) = 0.9
G1(θ) = 1-0.9 = 0.1
Gejala 2 : Mata terasa gatal
G2(θ) = 1-0.4
Gejala 4 : Kelopak mata berwarna merah Maka : G2(bel) = 0.6
G2(θ) = 1-0.6 = 0.4
Maka untuk mencari rumus GPn digunakan rumus:
Maka nilai GPn dari gejala di atas adalah:
)
Berdasarkan hasil perhitungan tersebut maka didapatkan hasil densitas dari gejala-gejala tersebut diatas adalah 0.06590.
3.8. Analisa Kebutuhan Sistem
dengan penyakit dalam, baik dari buku-buku kedokteran maupun dari internet. Setelah mengamati dan mencari informasi baik dari pakar atau dokter maupun pengguna atau pasien, diketahui bahwa jenis penyakit dalam sangat banyak dan gejala yang menyertainya sangat kompleks dan beberapa penyakit memiliki gejala yang hampir sama.
Sistem pakar ini dibuat untuk memberikan pengetahuan diagnosa awal kepada pengguna tentang penyakit yang diderita serta juga sebagai alat bantu bagi seorang dokter untuk dapat mengambil keputusan atau diagnosa yang tepat terhadap suatu gejala sehingga diperoleh pengobatan yang tepat. Perancangan sistem ini meliputi:
1. Sistem mengadaptasi pemikiran pakar dalam mendiagnosa penyakit dalam yang dituangkan dalam suatu kaidah diagnosa.
2. Sistem menganalisa masukan pengguna dengan aturan yang ditetapkan. 3. Sistem dapat mengambil keputusan berdasarkan masukan dari pengguna. 4. Sistem memberikan informasi berupa pengetahuan kepada pengguna
mengenai angka kemungkinan penyakit dalam yang diderita berdasarkan kerluaran certainty factor dari masukan gejala yang dialami.
Sistem dibuat dengan menggunakan bahasa pemrograman Studio Visual Basic
2010 supaya user friendly atau mudah dalam penggunaan dan mudah dalam pengembangan selanjutnya.
3.9. Model Perancangan Aplikasi Menggunakan Flowchart Sistem
1. Flowchart System Analisis Perbandingan Hasil Antara Metode Certainty Factor dan Metode Dempster Shafer Dalam Sistem Pakar.
Gambar 3.3 Flowchart Sistem Analisis Perbandingan Hasil Antara Metode
Certainty Factor Dan Metode Dempster Shafer Dalam Sistem Pakar. Mulai
Tampil form gejala
Input gejala
data gejala
Rule base Certainty Factor
CF[h,e] = MB[h,e] – MD[h,e]
Data tersimpan dan Tampil hasil perhitungan CF
Cek hasil perhitungan CF
sukses?
ya tidak
2. Flowchart Sistem Analisis Perbandingan Hasil Antara Metode Certainty Factor
dan Metode Dempster Shafer Dalam Sistem Pakar.
Gambar 3.4 Flowchart Sistem Analisis Perbandingan Hasil Antara Metode
Certainty Factor Dan Metode Dempster Shafer Dalam Sistem Pakar. Mulai
Tampil form gejala
Input gejala
data gejala
Basis pengetahuan
Hitung nilai plausibility
Hitung matriks terkombinasi
Hitung nilai M3(Z)
Data tersimpan dan Tampil hasil perhitungan demster shafer
Cek perhitungan DS
sukses?
ya tidak
3.10. Perancangan Antarmuka
Dalam pembuatan sistem pakar untuk mendiagnosa penyakit mata berdasarkan analisis perhitungan menggunakan metode CF dan DS dapat ditampilkan sebagai berikut :
3.10.1. Rancangan Antar Muka Aplikasi
Gambar 3.5 Perancangan Antarmuka Aplikasi Perbandingan Antara Metode
Certainty Factor Dan Metode Dempster Shafer Dalam Sistem Pakar
Data Pasien:
Nama : Alamat :
Tanggal/Lahir : Status : kawin belum kawin
Faktor Resiko :
Umur :
Jenis Kelamin : perempuan laki-laki
Silakan Masukan Data Gejala Berdasarkan Gejala Penyakit Mata Dibawah Ini !!
Daftar Gejala
A01 : Penglihatan menurun A06 : Konjungtivitas bulbi merah A11 : Kelilipan A16 : Eksudat (belekan)
A02 : Bengkak A07 : Pembengkakan kelenjar getah bening A12 : Rasa sakit yang menyebar A17 : Kelopak mata merah
A03 : Lakrimasi(sedikit berair) A08 : Fotofobia(silau) A13 : Mata terasa ada benda asing A18 : Skelera bengkak
A04 : Hipopion (nanah A09 : Gatal A14 : Mata merah A19 : Pseudoptis
A05 : Konjungtiva bengkak A10 : Sakit A15 Epifora(berair) A20 : Demam dan sakit tenggorokan
Kode gejala penyakit Gejala Penyakit
Nilai CF Jenis Penyakit
Nilai DS
ANALISIS PERBANDINGAN HASIL ANTARA METODE CERTAINTY FACTOR DAN METODE DEMPSTER SHAFER
DALAM SISTEM PAKAR
BAB 4
IMPLEMENTASI DAN PENGUJIAN
4.1. Kebutuhan Sistem
Kebutuhan sistem yang dibutuhkan pada analisis perbandingan hasil antara metode
certainty factor dan metode dempster shafer dalam sistem pakar dibedakan menjadi tiga bagian diantaranya, kebutuhan perangkat keras, kebutuhan perangkat lunak, kebutuhan pengguna.
4.1.1. Perangkat Keras
Spesifikasi kebutuhan sistem perangkat keras yang dibutuhkan sebagai berikut : 1. Processor Intel Core i3
2. RAM 2 Gb
3. Hardisk 500 Gb
4. Keyboard dan Mouse
5. Monitor 14“
4.1.2. Perangkat Lunak
Spesifikasi kebutuhan sistem perangkat lunak yang dibutuhkan sebagai berikut : 1. Sistem operasi menggunakan minimal Microsoft Windows XP. 2. Bahasa pemrograman menggunakan Visual Basic 2010.
4.1.3. Kebutuhan Pengguna
a. Admin
Seorang admin harus memiliki kemampuan diantaranya, harus mempunyai kemampuan dasar di bidang komputer khususnya di bidang pemrograman
Visual Basic 2010 dan dapat mengolah dataset. Mampu mengoperasikan sistem operasi minimal Microsoft Windows XP.
b. Pengunjung
Adapun karakteristik pengunjung yang dibutuhkan dalam menjalankan sistem yang akan dibangun yaitu, mempunyai kemampuan menggunakan komputer. Mampu mengoperasikan sistem operasi minimal Microsoft Windows XP.
4.2. Implementasi Sistem
4.2.1. Antar Muka Aplikasi Sistem Pakar
Antar muka aplikasi dalam analisis perbandingan hasil antara metode certainty factor
dan metode dempster shafer dalam sistem pakar dapat digambarkan sebagai berikut :
Berdasarkan gambar 4.1 antar muka aplikasi sistem pakar menjelaskan nilai kepastian pada penyakit mata. Gejala mata dimasukan kedalam 20 gejala yang masing-masing dimasukan kedalam tiga jenis penyakit yaitu, Blefaritis, Glaukoma Akut, Ulkus Kornea.
Gambar 4.2 Antar Muka Diagnosa Penyakit Mata Blefaritis
Berdasarkan gambar 4.2 antar muka diagnosa penyakit mata blefaritis
menjelaskan nilai kepastian pada penyakit mata. Gejala penyakit mata yang digunakan pada kasus pertama yaitu, mata bengkak, mata terasa gatal, epofora, mata terasa sakit,
eksudat, kelilipan dan kelopak mata memerah. Perbandingan dari beberapa gejala penyakit tersebut menghasilkan nilai yang mendekati 1 yaitu, 0.7 maka nilai 0.7 tersebut memiliki kepastian sebagai kategori penyakit mata Blefaritis.
Gambar 4.3 Antar Muka Diagnosa Penyakit Mata Glaukoma Akut
Berdasarkan gambar 4.3 antar muka diagnosa penyakit mata glaukoma akut
menjelaskan nilai kepastian pada penyakit mata glaukoma akut. Gejala penyakit mata
Gambar 4.4 Antar Muka Diagnosa Penyakit Mata Ulkus Kornea
Berdasarkan gambar 4.4 antar muka diagnosa penyakit mata ulkus kornea
menjelaskan nilai kepastian pada penyakit mata ulkus kornea. Gejala penyakit mata
ulkus kornea yang digunakan pada kasus ketiga yaitu, fotofobia (silau), hippopion, mata merah. Perbandingan dari beberapa gejala penyakit tersebut menghasilkan nilai yang mendekati 1 yaitu, 0.9 maka nilai 0.9 tersebut memiliki kepastian sebagai kategori penyakit mata ulkus kornea.
4.3. Pengujian
Pengujian pada analisis perbandingan hasil antara metode certainty factor dan metode
Tabel 4.1 Tabel Hasil Pengujian Diagnosa Penyakit Mata
NO Rule
Faktor Resiko Gejala Penyakit Diagnosa Jenis
R2 45 Perempuan penglihatan
menurun,lakrimasi,gatal
4.3.1. Pengujian Menggunakan Metode Certainty Factor :
Kasus I : Penyakit Mata Blefaritis
Umur : 17 Tahun Jenis Kelamin : Laki-laki
Gejala : Mata bengkak, penglihatan menurun Jenis Penyakit : Blefaritis
E1 : mata bengkak
E2 : Penglihatan menurun
Berdasarkan CF dengan nilai 0,7218 = Mungkin
Dari hasil perhitungan manual, dengan ciri-ciri gejala penyakit mata Blefaritis pada kasus I bernilai 0,7218 untuk nilai kepastian dapat disimpulkan bahwa “Blefaritis” dan
memiliki kedekatan dengan penggunaan sistem pada tabel 4.1 yang bernilai 0,7.
Kasus II : Penyakit Mata Glaukoma Akut
Umur : 45 Tahun Jenis Kelamin : Perempuan
Gejala : Penglihatan menurun, lakrimasi, gatal Jenis Penyakit : Glaukoma Akut
Perhitungan Certainty Factor : CF1 = 0.8
CF (H,E) = MB (H,E) – MD (H,E)
MB (h, e1^e2) = MB (h, e1) = MB (h,e2) * (1-MB [h,e1]) MD (h, e1^e2) = MD (h, e1) = MD (h,e2) * (1-MD [h,e1])
MB (h,e1^e2) = 0,8 + 0,6 * (1 - 0,9) = 0,86 MD (h,e1^e2) = 0,86 + 0,08* (1 - 0,86) = 0,882 CF (h,e) = 0,86 – 0,022 = 0,882
Keterangan : H : Gejala
E1 : Penglihatan menurun, gatal E2 : Lakrimasi
Dari hasil perhitungan manual, dengan ciri-ciri gejala penyakit mata Glaukoma Akut pada kasus II didapatkan nilai yang sama dengan nilai CF total 0,882 sehingga
nilai kepastian dapat disimpulkan bahwa “Glaukoma Akut” dan memiliki
Kasus III : Penyakit Mata Ulkus Kornea
Umur : 60 Tahun Jenis Kelamin : Laki-laki
Gejala : Gatal, rasa sakit menyebar, epifora, demam dan sakit tenggorakan Jenis Penyakit : Ulkus Kornea
Perhitungan Certainty Factor : CF1 = 0.9
CF (H,E) = MB (H,E) – MD (H,E)
MB (h, e1^e2) = MB (h, e1) = MB (h,e2) * (1-MB [h,e1]) MD (h, e1^e2) = MD (h, e1) = MD (h,e2) * (1-MD [h,e1])
MB (h,e1^e2) = 0,9 + 0,6 * (1- 0,9) = 0,96 MD (h,e1^e2) = 0,96 + 0,08 * (1-0,96) = 0,992 CF (h,e) = 0,96 – 0,032 = 0,992
Keterangan : H : Gejala
E1 : Gatal, rasa sakit menyebar
E2 : Epifora, demam dan sakit tenggorakan
Dari hasil perhitungan manual, dengan ciri-ciri gejala penyakit mata Ulkus Kornea pada kasus III didapatkan nilai yang sama dengan nilai CF total 0,992
sehingga nilai kepastian dapat disimpulkan bahwa “Ulkus Kornea” dan memiliki
perbandingan kedekatan dengan penggunaan sistem pada tabel 4.1 yang bernilai 0,9.
4.3.2. Pengujian Menggunakan Metode Demster Shafer:
Kasus I : Penyakit Mata Blefaritis
Umur : 17 Tahun Jenis Kelamin : Laki-laki
Gejala : Mata bengkak, penglihatan menurun Jenis Penyakit : Blefaritis
Perhitungan Dempster Shafer :
R1{θ} = 1 – R1 (Mata bengkak, penglihatan menurun) = 1 – 0,25 = 0,75
Dari hasil perhitungan manual, dengan ciri-ciri gejala penyakit mata bengkak, penglihatan menurun pada kasus I didapatkan nilai yang sama dengan nilai Dempster Shafer total 0,75 sehingga nilai kepastian dapat disimpulkan bahwa “Blefaritis” dan
memiliki perbandingan kedekatan dengan penggunaan sistem pada tabel 4.1 yang bernilai 0,75.
Kasus II : Penyakit Mata Glaukoma Akut
Umur : 45 Tahun Jenis Kelamin : Perempuan
Gejala : Penglihatan menurun, lakrimasi, gatal Jenis Penyakit : Glaukoma Akut
Perhitungan Dempster Shafer :
R2 (penglihatan menurun, lakrimasi, gatal) = 0,18
R2{θ} = 1 – R2 (penglihatan menurun, lakrimasi, gatal)
= 1 – 0,18 = 0,82
Dari hasil perhitungan manual, dengan ciri-ciri gejala penyakit mata penglihatan menurun, lakrimasi, gatal pada kasus II didapatkan nilai yang sama dengan nilai
Dempster Shafer total 0,82 sehingga nilai kepastian dapat disimpulkan bahwa “Glaukoma Akut” dan memiliki perbandingan kedekatan dengan penggunaan sistem
pada tabel 4.1 yang bernilai 0,82.
Kasus III : Penyakit Mata Ulkus Kornea
Umur : 60 Tahun Jenis Kelamin : Laki-laki
Gejala : Gatal, rasa sakit menyebar, epifora, demam dan sakit tenggorakan Jenis Penyakit : Ulkus Kornea
Perhitungan Dempster Shafer :
R3 (gatal, rasa sakit menyebar, epifora, demam) = 0,080
= 1 – 0,080 = 0,92
Dari hasil perhitungan manual, dengan ciri-ciri gejala penyakit mata gatal, rasa sakit menyebar, epifora, demam pada kasus III didapatkan nilai yang sama dengan nilai Dempster Shafer total 0,92 sehingga nilai kepastian dapat disimpulkan bahwa “Ulkus Kornea” dan memiliki perbandingan kedekatan dengan penggunaan sistem
