SISTEM PAKAR DIAGNOSIS PENYAKIT
SYSTEMIC LUPUS
ERYTHEMATOSUS
(SLE) MENGGUNAKAN METODE
CERTAINTY FACTOR
DAN
BACKWARD CHAINING
SKRIPSI
DWI SEPTIANA SARI
131421044
PROGRAM EKSTENSI S-1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
SISTEM PAKAR DIAGNOSIS PENYAKIT
SYSTEMIC LUPUS
ERYTHEMATOSUS
(SLE) MENGGUNAKAN METODE
CERTAINTY FACTOR
DAN
BACKWARD CHAINING
SKRIPSI
DWI SEPTIANA SARI
131421044
PROGRAM EKSTENSI S-1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : SISTEM PAKAR DIAGNOSIS PENYAKIT
SYSTEMIC LUPUS ERYTHEMATOSUS (SLE) MENGGUNAKAN METODE CERTAINTY FACTOR DAN BACKWARD CHAINING
Kategori : SKRIPSI
Nama : DWI SEPTIANA SARI
Nomor Induk Mahasiswa : 131421044
Program Studi : EKSTENSI S1 ILMU KOMPUTER Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Agustus 2015 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Amer Sharif, S.Si, M.Kom M.Andri Budiman, ST, M.Comp.Sc,MEM NIP. - NIP. 19751008 200801 1 011
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
PERNYATAAN
SISTEM PAKAR DIAGNOSIS PENYAKIT SYSTEMIC LUPUS ERYTHEMATOSUS (SLE) MENGGUNAKAN METODE
CERTAINTY FACTOR DAN BACKWARD CHAINING
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Agustus 2015
PENGHARGAAN
Alhamdulillah segala puji dan syukur atas nikmat kepada Allah Yang Maha Esa 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 mengucapkan terima kasih 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.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
5. Bapak M.Andri Budiman, ST, M.Comp.Sc, MEM selaku Dosen Pembimbing I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
6. Bapak Amer Sharif, S.Si, M.Kom selaku Dosen Pembimbing II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 7. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembanding II yang
telah memberikan kritik dan saran dalam penyempurnaan skripsi ini. 8. Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer
Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
9. Ibu DR. dr. Blondina Marpaung, SpPD-KR selaku Pakar yang telah memberikan pemahaman tentang diagnosis penyakit lupus dalam penyempurnaan skripsi ini.
10.Teristimewa kepada kedua orang tua penulis Bakti Arianto dan Mariani yang senantiasa memberikan doa, dukungan moril dan materil, motivasi, semangat dan kasih sayang yang tiada henti kepada penulis sehingga penulis dapat menyelesaikan skripsi ini.
11.Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2013, terutama Rika Rentika, Rabani Damanik, Riwandy Septiansyah, Damora Azri Mohara, Nurdin Siregar dan Dhita Pratiwi yang telah memberikan dukungan dan kerja sama yang baik kepada penulis..
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, Agustus 2015
ABSTRAK
Sistem pakar (expert system) adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Masalah yang dapat diselesaikan dengan menggunakan sistem pakar salah satunya adalah mendiagnosis penyakit systemic lupus erythematosus (SLE) pada diri seseorang dengan menggunakan metode certainty factor untuk menghitung derajat kepastian dari masing-masing gejala yang di dapat langsung dari pakar dan backward chaining
sebagai mesin penalarannya yang digunakan user untuk mengasumsikan kemungkinan lupus yang mereka derita. Lupus disebut juga penyakit otoimun karena sistem imun tubuh kita akan menyerang sistem jaringan dan organ tubuh kita sendiri dan lupus memiliki gejala yang hampir sama dengan penyakit biasa pada umumnya dan banyak orang yang tidak tahu akan penyakit ini bahkan sebagian dari mereka hanya menduga-duga saja. Pada penelitian ini user memilih salah satu dari tiga jenis lupus sebagai asumsi mereka antara lain: systemic lupus erythematosus, discoid lupus erythematosus
dan drug induced lupus erythematosus. Sistem akan memberikan pertanyaan-pertanyaan seputar gejala dari penyakit lupus. Nilai certainty factor terhadap ketiga jenis lupus berdasarkan input-an user adalah 97% terhadap systemic lupus erythematosus, 37% terhadap discoid lupus erythematosus dan 28% terhadap drug induced lupus erythematosus. Sehingga dapat disimpulkan bahwa hasil perhitungan menunjukkan kemungkinan user menderita systemic lupus erythematosus sebesar 97%. Untuk selanjutnya sistem akan memberikan solusi penanganannya.
EXPERT SYSTEM DIAGNOSIS SYSTEMIC LUPUS ERYTHEMATOSUS (SLE) DISEASE USING CERTAINTY FACTOR METHOD AND
BACKWARD CHAINING
ABSTRACT
The expert system is a computer based application that used to solve the problems as thought by expert. The problems that can be solved by using an expert system are diagnosing systemic lupus erythematosus (SLE) disease using certainty factor method to calculate certainty degree of each symptoms that can directly from the expert and backward chaining as reasoning engine that used by user to assume the possibility of lupus that they suffered. Lupus is also called autoimmune disease because the system
of body’s immune will attack the tissue and organ systems of our own and lupus have symptoms similar to common disease in general and many people don’t know about
this disease and some of them just assumed. In this research, user selects one of three types of lupus as their assumptions, they are systemic lupus erythematosus, discoid lupus erythematosus and drugs induced lupus erythematosus. The system will provide the questions about symptoms of lupus disease. Certainty factor value of the three types of lupus is based on user input is 97% of systemic lupus erythematosus, 37% of discoid lupus erythematosus and 28% of drugs induced lupus erythematosus. It can be concluded that the results of calculations indicate the possibility that user with systemic lupus erythematosus by 97%. For the next system will provide handling solutions.
DAFTAR ISI
2.1 Artificial Intelligent (Kecerdasan Buatan) 7
2.2 Sistem Pakar 8
2.2.1 Arsitektur Dan Komponen Sistem Pakar 9 2.2.2 Kelebihan Dan Kekurangan Sistem Pakar 11
2.2.3 Karakteristik Sistem Pakar 12
2.3 Metode Certainty Factor 12
2.3.1 Kelebihan Dan Kekurangan Metode Certainty Factor 14
2.4 Metode Backward Chaining 14
3.1.2.1 Kebutuhan Fungsional Sistem 23 3.1.2.2 Kebutuhan Non-Fungsional Sistem 24
3.2.5 Data Flow Diagram (DFD 35
3.2.6 Flowchart Sistem 36
3.3 Analisis Proses 37
3.3.1 Analisis Proses Sistem Pakar 38 3.3.2 Perhitungan Metode Certainty Factor 40 3.2.3 Contoh Cara Kerja Backward Chaining 42 3.4 Perancangan Antarmuka Sistem (Interface) 44
3.4.1 Rancangan Menu Utama 45
3.4.2 Rancangan Halaman Diagnosis 46
3.4.3 Rancangan Halaman Lupus 49
3.4.4 Rancangan Halaman Login Admin 50 3.4.4.1 Rancangan Halaman Data Admin 51 3.4.4.2 Rancangan Halaman Data Gejala 53 3.4.4.3 Rancangan Halaman Laporan 54
Bab 4 Implementasi Sistem 56
4.1 Spesifikasi Perangkat Keras Dan Perangkat Lunak (hardware dan
software) 56
4.2 Antarmuka Pengguna 57
4.2.1 Halaman awal user 57
4.2.2 Halaman diagnosis 58
4.2.3 Halaman Informasi 60
4.2.4 Halaman Login Admin 60
4.2.4.1 Halaman Home Admin 61
4.2.4.2 Halaman Data Admin 62
4.2.4.3 Halaman Data Gejala 63
4.2.4.4 Halaman Laporan 65
Bab 5 Kesimpulan Dan Saran 67
5.1 Kesimpulan 67
5.2 Saran 67
Daftar Pustaka 69
DAFTAR TABEL
Halaman
Tabel 3.1 Tabel Definisi Aktor 26
Tabel 3.2 Tabel Use Case 26
Tabel 3.3 Skenario Use Case Daftar 27
Tabel 3.4 Skenario Use Case Diagnosis 27
Tabel 3.5 Skenario Use Case Login Admin 28
Tabel 3.6 Skenario Use Case Olah Data Admin 29
Tabel 3.7 Skenario Use Case Data Gejala 29
Tabel 3.8 Skenario Use Case Data Laporan 30
Tabel 3.9 Tabel Admin 32
Tabel 3.10 Tabel Gejala 32
Tabel 3.11 Tabel Pasien 33
Tabel 3.12 Tabel Temp 33
DAFTAR GAMBAR
Halaman Gambar 2.1 Arsitektur dan komponen sistem pakar 9
Gambar 2.2 Proses metode backward chaining 15
Gambar 2.3 Seseorang yang terkena jenis lupus SLE 18 Gambar 2.4 Seseorang yang terkena jenis lupus DLE 19 Gambar 2.5 Obat-obatan penyebab drug induced lupus erythematosus (DILE) 20 Gambar 3.1 Diagram Ishikawa untuk menganalisis masalah 23 Gambar 3.2 Use Casediagram sistem pakar diagnosis penyakit lupus 25 Gambar 3.3 Entity Relationship Diagram diagnosis 31 Gambar 3.4 Diagram konteks sistem pakar diagnosis penyakit lupus 34 Gambar 3.5 DFD sistem pakar diagnosis penyakit lupus 35 Gambar 3.6 Flowchart sistem dari sistem pakar diagnosis penyakit lupus 37
Gambar 3.7 Rancangan menu utama 45
Gambar 3.8 Rancangan halaman daftar 46
Gambar 3.9 Rancangan halaman pertanyaan 47
Gambar 3.10 Rancangan halaman hasil diagnosa 48
Gambar 3.11 Rancangan halaman lupus 49
Gambar 3.12 Rancangan halaman admin 50
Gambar 3.13 Rancangan halaman data admin 52
Gambar 3.14 Rancangan halaman data gejala 53
Gambar 3.15 Rancangan halaman data laporan 54
Gambar 4.1 Halaman awal user 57
Gambar 4.2 Halaman diagnosis 58
Gambar 4.3 Halaman pertanyaan 59
Gambar 4.4 Halaman hasil diagnosis 59
ABSTRAK
Sistem pakar (expert system) adalah aplikasi berbasis komputer yang digunakan untuk menyelesaikan masalah sebagaimana yang dipikirkan oleh pakar. Masalah yang dapat diselesaikan dengan menggunakan sistem pakar salah satunya adalah mendiagnosis penyakit systemic lupus erythematosus (SLE) pada diri seseorang dengan menggunakan metode certainty factor untuk menghitung derajat kepastian dari masing-masing gejala yang di dapat langsung dari pakar dan backward chaining
sebagai mesin penalarannya yang digunakan user untuk mengasumsikan kemungkinan lupus yang mereka derita. Lupus disebut juga penyakit otoimun karena sistem imun tubuh kita akan menyerang sistem jaringan dan organ tubuh kita sendiri dan lupus memiliki gejala yang hampir sama dengan penyakit biasa pada umumnya dan banyak orang yang tidak tahu akan penyakit ini bahkan sebagian dari mereka hanya menduga-duga saja. Pada penelitian ini user memilih salah satu dari tiga jenis lupus sebagai asumsi mereka antara lain: systemic lupus erythematosus, discoid lupus erythematosus
dan drug induced lupus erythematosus. Sistem akan memberikan pertanyaan-pertanyaan seputar gejala dari penyakit lupus. Nilai certainty factor terhadap ketiga jenis lupus berdasarkan input-an user adalah 97% terhadap systemic lupus erythematosus, 37% terhadap discoid lupus erythematosus dan 28% terhadap drug induced lupus erythematosus. Sehingga dapat disimpulkan bahwa hasil perhitungan menunjukkan kemungkinan user menderita systemic lupus erythematosus sebesar 97%. Untuk selanjutnya sistem akan memberikan solusi penanganannya.
EXPERT SYSTEM DIAGNOSIS SYSTEMIC LUPUS ERYTHEMATOSUS (SLE) DISEASE USING CERTAINTY FACTOR METHOD AND
BACKWARD CHAINING
ABSTRACT
The expert system is a computer based application that used to solve the problems as thought by expert. The problems that can be solved by using an expert system are diagnosing systemic lupus erythematosus (SLE) disease using certainty factor method to calculate certainty degree of each symptoms that can directly from the expert and backward chaining as reasoning engine that used by user to assume the possibility of lupus that they suffered. Lupus is also called autoimmune disease because the system
of body’s immune will attack the tissue and organ systems of our own and lupus have symptoms similar to common disease in general and many people don’t know about
this disease and some of them just assumed. In this research, user selects one of three types of lupus as their assumptions, they are systemic lupus erythematosus, discoid lupus erythematosus and drugs induced lupus erythematosus. The system will provide the questions about symptoms of lupus disease. Certainty factor value of the three types of lupus is based on user input is 97% of systemic lupus erythematosus, 37% of discoid lupus erythematosus and 28% of drugs induced lupus erythematosus. It can be concluded that the results of calculations indicate the possibility that user with systemic lupus erythematosus by 97%. For the next system will provide handling solutions.
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Penyakit lupus adalah peradangan kronis yang terjadi ketika sistem imun tubuh menyerang organ dan jaringan tubuh manusia. Dalam tubuh manusia terdapat antibodi yang berfungsi menyerang kuman dan bakteri (sumber penyakit). Namun, jika seseorang terkena lupus, antibodi yang terbentuk dalam tubuh berlebihan akibatnya antibodi itu menyerang sel–sel jaringan organ tubuh yang sehat yang dapat menyebabkan peradangan. Peradangan lupus dapat berefek pada berbagai sistem di dalam tubuh antara lain sendi, kulit, ginjal, sel darah, jantung dan paru-paru. Penyakit ini setara dengan kanker yang akan berakibat fatal jika tidak ditangani dengan serius. Penderita penyakit ini disebut odapus.
Kebanyakan penderita lupus ini adalah wanita. Tetapi tidak menutup kemungkinan pria juga bisa terserang lupus. Kini tercatat kurang lebih sekitar 5 juta pasien lupus tersebar di seluruh dunia dan setiap tahunnya bertambah sebanyak 100.000 pasien baru. Data di Amerika menunjukkan insiden penyakit lupus ras Asia lebih tinggi dibandingkan ras Kaukasia. Di Indonesia jumlah penderita lupus yang tercatat sebagai anggota Yayasan Lupus Indonesia (YLI) lebih dari 10.000 orang, tetapi bila kita melakukan pendataan lebih seksama jumlah pasien lupus di Indonesia akan lebih besar dari Amerika (1.500.000 orang).
Beberapa jenis lupus yang sering di alami pasien adalah systemic lupus erythematosus yaitu lupus yang menyerang organ–organ vital dalam tubuh manusia seperti jantung, paru–paru, ginjal, sel darah dan sendi, ini merupakan jenis lupus yang paling parah. Discoid lupus erythematosus yaitu lupus yang berefek pada kulit dan
penyakit biasa seperti demam tinggi, sariawan berkepanjangan, rambut rontok, ruam– ruam merah pada kulit, nyeri sendi, mudah lelah, berat badan turun dan lain sebagainya.
Pada tahap awal sebagian masyarakat belum menyadari penyakit ini dan menganggap penyakit ini sebagai penyakit biasa yang bisa sembuh hanya dengan meminum obat tanpa resep dokter. Namun setelah obat di konsumsi, penyakit yang mereka derita tidak kunjung sembuh juga. Hal itu membuat mereka berasumsi bahwa bisa saja mereka menderita penyakit lupus yang dapat membahayakan kesehatan mereka. Lalu, pada kasus lain ada pasien lupus yang awalnya merasakan persendiannya terasa sakit, akhirnya ia berobat ke dokter ahli rematik. Atau pasien yang mengalami gejala sariawan berkepanjangan dan sulit sembuh atau ada yang ditandai dengan kulitnya yang langsung memerah bila terkena sinar matahari langsung, timbul bercak-bercak merah di bagian pipi dan hidung, radang ginjal, radang jantung atau radang otak. Komplikasi bisa menjadi tanda awal dari penyebab lupus. Obat-obatan yang digunakan untuk pengobatan suatu penyakit juga dapat menjadi pemicu timbulnya gejala.
Berdasarkan masalah di atas, diperlukan sebuah sistem pakar yang nantinya bisa menggantikan atau memudahkan seorang pakar/ahli penyakit lupus dalam mendiagnosis penyakit ini dan sistem ini nantinya dapat diakses oleh siapapun dengan memanfaatkan teknologi internet. Sehingga masalah-masalah tersebut di atas dapat diatasi dengan tepat dan cepat. Dan dapat menjawab asumsi mereka tentang penyakit ini. Apakah memang benar mereka menderita penyakit ini atau tidak. Metode yang digunakan dalam sistem ini adalah gabungan antara metode certainty factor yang digunakan untuk menghitung derajat kepastian dan metode backward chaining untuk proses reasoning (penalaran).
1.2 Rumusan Masalah
seseorang dan membantu menjawab asumsi mereka terhadap penyakit tesebut menggunakan metode certainty factor dan backward chaining dalam bahasa pemrograman PHP.
1.3 Ruang Lingkup Penelitian
1. Sistem pakar ini di bangun dengan menggabungkan metode certainty factor
untuk menghitung derajat kepastian dengan metode backward chaining untuk proses reasoning (penalaran).
2. Jenis penyakit Lupus yang dibahas ada 3 yaitu Systemic Lupus Erythematosus
(SLE), Discoid Lupus Erythematosus (DLE), dan Drug Induced Lupus Erythematosus (DILE) beserta solusinya.
3. Sistem ini berbasis web dengan menggunakan bahasa pemgograman PHP dengan MySQLsebagai Database Management System (DBMS).
4. Informasi atau data untuk menyusun rule merupakan fakta yang diperoleh dari dokter yang menangani penyakit Lupus.
5. Output yang dihasilkan dari sistem ini yaitu persentase jenis lupus yang di derita beserta cara penanggulangannya.
1.4 Tujuan Penelitian
1. Merancang suatu sistem pakar untuk mendiagnosis penyakit Systemic Lupus Erythematosus (SLE) berbasis web dengan menggunakan bahasa pemrograman PHP dan MySQL sebagai database management system.
2. Merancang sistem pakar diagnosis penyakit Systemic Lupus Erythematosus
1.5 Manfaat Penelitian
1. Sebagai media perantara bagi para pengguna sistem pakar ini untuk mendiagnosis penyakit Systemic Lupus Erythematosus (SLE).
2. Memberikan kemudahan bagi para pengguna dalam mengakses informasi seputar penyakit Systemic Lupus Erythematosus (SLE) dan cara penanggulangannya.
1.6 Metodologi Penelitian
Metodologi penelitian adalah langkah-langkah sistematik yang digunakan untuk mengerjakan atau menyelesaikan suatu masalah. Metodologi penelitian digunakan sebagai pedoman dalam melaksanakan penelitian agar hasil yang dicapai sesuai dengan yang diinginkan. Metodologi yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Studi Literatur
Pada tahap ini dilakukan dengan mempelajari bahan-bahan ataupun buku-buku referensi, skripsi, jurnal dan sumber lain yang berkaitan dengan penyakit systemic lupus erythematosus dan sistem pakar yang berkaitan dengan metode certainty factor maupun backward chaining.
2. Pengumpulan Data
Pada tahapan pengumpulan data ini dilakukan penelitian yang bertujuan untuk memperoleh data secara langsung dari pakarnya yaitu dokter yang menangani pasien lupus.
3. Analisis dan Perancangan
4. Implementasi Sistem
Metode ini dilaksanakan dengan mengimplementasikan rancangan sistem yang telah dibuat pada analisis dan perancangan sistem kedalam program komputer dengan menggunakan bahasa pemrograman PHP dan MySQL sebagai basis data. 5. Pengujian Sistem
Metode ini dilaksanakan dengan mengimplementasikan metode certainty factor
dan backward chaining dalam mendiagnosis penyakit Systemic Lupus Erythematosus (SLE).
6. Dokumentasi
Metode ini berisi laporan dan kesimpulan akhir dari hasil analisis dan pengujian dalam bentuk penulisan tugas akhir beserta kesimpulannya dan menampilkan data-data sebagai bukti dalam bentuk hard copy.
1.7 Sistematika Penulisan
Sistematika penulisan dari skripsi ini terdiri dari beberapa bagian utama yakni sebagai berikut:
BAB 1 PENDAHULUAN
Bab ini menjelaskan mengenai latar belakang pemilihan judul skripsi
“Sistem Pakar Diagnosis Penyakit Systemic Lupus Erythematosus (SLE) Menggunakan Metode Certainty Factor dan Backward Chaining” rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.
BAB 2 TINJAUAN PUSTAKA
Bab ini membahas mengenai teori-teori yang berkaitan dengan sistem pakar, penyakit systemic lupus erythematosus, metode certainty factor dan
BAB 3 ANALISIS DAN PERANCANGAN SISTEM
Bab ini menjelaskan tentang tujuan dari perancangan sistem pakar dalam mendiagnosis penyakit systemic lupus erythematosus pada diri seseorang serta pembahasan analisis sistem mendiagnosis penyakit tersebut dengan metode certainty factor dan backward chaining.
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM
Bab ini membahas tentang konsep interaksi manusia dan komputer serta tampilan program sistem pakar diagnosis penyakit systemic lupus erythematosus dengan menggunakan metode certainty factor dan
backward chaining.
BAB 5 KESIMPULAN DAN SARAN
BAB 2
TINJAUAN PUSTAKA
2.1 Artificial Intelligent (Kecerdasan Buatan)
Para ahli mendefinisikan Artificial Intelligent (AI) secara berbeda–beda tergantung pada sudut pandang mereka masing–masing. Ada yang fokus pada logika berfikir manusia saja, tetapi ada juga yang mendefinisikan AI secara lebih luas pada tingkah laku manusia. Stuart Russel dan Peter Norvig (1995) mengelompokkan definisi AI ke dalam empat kategori yaitu thinking humanly, acting humanly, thinking rationally dan
acting rationally.
Thinking humanly dan acting humanly adalah dua definisi yang sangat luas. Sampai saat ini, pemikiran manusia yang diluar rasio, yakni refleks dan intuitif (berhubungan dengan perasaan), belum dapat ditirukan sepenuhnya oleh komputer. Dengan demikian, kedua definisi ini dirasa kurang tepat untuk saat ini.
2.2 Sistem Pakar
Menurut Martin dan Oxman (1988) sistem pakar adalah sistem yang berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut (Kusrini, 2006).
Feigenbaum (1982) mendefinisikan sistem pakar sebagai suatu program komputer cerdas yang menggunakan knowledge (pengetahuan) dan prosedur inferensi untuk menyelesaikan masalah yang cukup rumit yang membutuhkan seorang ahli untuk menyelesaikannya (Arhami, 2005).
Dari beberapa definisi diatas dapat disimpulkan bahwa sistem pakar adalah sistem komputer yang menyamai kemampuan pengambilan keputusan seorang pakar. Pakar yang dimaksud disini adalah orang yang mempunyai keahlian khusus yang dapat menyelesaikan masalah yang tidak dapat diselesaikan oleh orang awam. Sebagai contoh, dokter adalah seorang pakar yang mampu mendiagnosis penyakit yang diderita pasien serta dapat memberikan solusi terhadap penyakit tersebut.
2.2.1 Arsitektur dan Komponen Sistem Pakar
Gambar 2.1 Arsitektur dan Komponen Sistem Pakar
Sistem pakar disusun oleh dua bagian utama, yaitu lingkungan pengembangan dan lingkungan konsultasi seperti yang terlihat pada gambar 2.1 di atas. Lingkungan pengembangan digunakan untuk memasukkan pengembangan pakar ke dalam lingkungan sistem pakar, Lingkungan konsultasi digunakan oleh nonpakar untuk memperoleh pengetahuan dan nasihat pakar. Kebanyakan sistem pakar saat ini tidak berisi komponen perbaikan–pengetahuan. (Turban,2005).
Komponen–komponen yang terdapat dalam sistem pakar adalah (Turban,2005):
1. Pakar merupakan seorang yang memiliki keahlian di bidang tertentu.
2. Akuisisi pengetahuan merupakan penerimaan atau perolehan pengetahuan yang dapat diperoleh dari seorang pakar, buku teks, laporan penelitian dengan dukungan dari seorang knowledge engineer.
3. Knowledge engineer adalah seorang spesialis sistem yang menerjemahkan pengetahuan yang dimiliki seorang pakar menjadi pengetahuan yang akan tersimpan dalam basis pengetahuan pada sebuah sistem pakar.
4. Basis pengetahuan, terdiri dari dua jenis, yaitu fakta (situasi dan teori) dan rule
5. Perbaikan pengetahuan, yakni mereka dapat menganalisis pengetahuannya sendiri dan kegunaannya, belajar darinya, dan meningkatkannya untuk konsultasi mendatang.
6. Mesin inferensi merupakan otak dari sistem pakar, berupa perangkat lunak yang melakukan tugas inferensi penalaran sistem pakar, dapat dikatakan sebagai mesin pemikir (thinking machine). Pada prinsipnya mesin inferensi inilah yang akan mencari solusi dari suatu permasalahan. Konsep yang biasanya digunakan untuk mesin inferensi adalah runut balik (backward chaining) dan menggunakan runut maju (forward chaining).
7. Workplace
Merupakan area dari sekumpulan memori kerja (working memory). Workplace
digunakan untuk merekam hasil–hasil dan kesimpulan yang dicapai. Ada 3 tipe keputusan yang dapat direkam, yaitu :
a. Rencana: bagaimana menghadapi masalah.
b. Agenda: aksi–aksi yang potensial yang sedang menunggu untuk dieksekusi. c. Solusi: calon aksi yang dibangkitkan.
8. Fasilitas Penjelasan
Proses menentukan keputusan yang dilakukan oleh mesin inferensi selama sesi konsultasi mencerminkan proses penalaran seorang pakar. Karena pemakai kadangkala bukanlah ahli dalam bidang tersebut, maka dibuatlah fasilitas penjelasan. Fasilitas penjelasan inilah yang dapat memberikan informasi kepada pemakai mengenai jalannya penalaran sehingga dihasilkan suatu keputusan. Bentuk penjelasannya dapat berupa keterangan yang diberikan setelah suatu pertanyaan diajukan, yaitu penjelasan atas pertanyaan mengapa atau penjelasan atas pertanyaan bagaimana sistem mencapai konklusi.
9. Antarmuka (Interface)
10.User. Yang dimaksud dengan user adalah:
a. Learner (pelajar) untuk mempelajari bagaimana sistem pakar menyelesaikan permasalahan.
b. Client (yaitu bukan pakar) yang menginginkan advice (nasehat). Bertindak seperti seorang konsultan atau penasehat.
c. Pakar, di sini sistem pakar bertindak sebagai kologen atau asisten. d. Pembangun sistem pakar yang ingin meningkatkan basis pengetahuan.
2.2.2 Kelebihan dan Kekurangan Sistem Pakar
Secara garis besar ada beberapa kelebihan yang dapat diambil dengan adanya sistem pakar, antara lain (Kusrini, 2006):
1. Memungkinkan orang awam untuk bisa mengerjakan pekerjaan seorang ahli. 2. Bisa melakukan proses yang berulang secara otomatis.
3. Menyimpan pengetahuan dan keahlian para pakar. 4. Meningkatkan output (keluaran) dan produktivitas.
5. Mampu mengambil dan melestarikan keahlian para pakar.
6. Memiliki kemampuan untuk mengakses pengetahuan dan meningkatkan realibilitas.
7. Meningkatkan kapabilitas sistem komputer dalam penyelesaian masalah. 8. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan
terdapat ketidakpastian.
9. Sebagai media pelengkap dalam pelatihan.
10.Menghemat waktu dalam pengambilan keputusan.
Di samping memiliki beberapa kelebihan, sistem pakar juga memiliki beberapa kekurangan, antara lain (Kusrini, 2006):
1. Biaya yang sangat mahal membuat dan memeliharanya.
2.2.3 Karakteristik Sistem Pakar
Sistem pakar mempunyai beberapa karakteristik dasar yang membedakan dengan program komputer biasa umumnya, yaitu (Turban, 1995):
1. Mempunyai kepakaran
Dalam menyelesaikan masalah bukan hanya mendapatkan solusi yang benar saja, namun juga bagaimana mendapatkan pemecahan dengan cepat dan mahir. 2. Domain tertentu
Sistem pakar mengutamakan kedalaman mengenai bidang tertentu.
3. Memiliki kemampuan mengolah data yang mengandung ketidakpastian kadang-kadang data yang tersedia tidak lengkap sistem harus dapat memberikan pemecahan sesuai data yang tersedia dengan memberikan pertimbangan, saran atau anjuran sesuai dengan kondisi yang ada.
4. Dirancang untuk dapat dikembangkan secara bertahap program komputer dirancang untuk memberikan jawaban yang tepat setiap waktu. Sedangkan sistem pakar dirancang untuk berlaku sebagai seorang pakar, kadang memberikan jawaban yang benar, dan suatu saat mungkin tidak tepat (expert system makes mistake).
2.3 Metode Certainty Factor
Faktor kepastian (certainty factor) menyatakan kepercayaan dalam sebuah kejadian (fakta atau hipotesis) berdasar bukti atau penilaian pakar (Turban, 2005). Certainty factor menggunakan suatu nilai untuk mengasumsikan derajat keyakinan seorang pakar terhadap suatu data. Faktor kepastian (certainty faktor) menyatakan kepercayaan dalam sebuah kejadian (fakta atau hipotesis) berdasarkan bukti atau penilaian pakar.
besar, hampir pasti. Oleh sebab itu tim MYCIN menggunakan metode certainty factor
(CF) untuk merepresentasikan derajat kepastian atau ketidakpastian dalam memecahkan permasalahan yang sedang dihadapi. (Coppin, 2004)
Certainty Factor (CF) merupakan salah satu teknik yang digunakan untuk mengatasi ketidakpastian dalam pengambilan keputusan. Certainty Factor (CF) dapat terjadi dengan berbagai kondisi. Diantara kondisi yang terjadi adalah terdapat beberapa antecendent (dalam rule yang berbeda) dengan satu konsekuen yang sama. Dalam kasus ini, kita harus mengagregasikan niali CF keseluruhan dari setiap kondisi yang ada. Berikut rumus yang digunakan menurut MYCIN (Kusrini, 2008):
Keterangan:
CFkomb = Certainty Factor (CF) kombinasi antara CF awal dan CF akhir CF1 = certainty factor awal (besar nilai ditentukan oleh pakar)
CF2 = certainty factor akhir (besar nilai ditentukan oleh pakar)
Ada 2 macam faktor kepastian yang digunakan yaitu:
1. Faktor kepastian yang diisikan oleh pakar bersama dengan aturan. 2. Faktor kepastian yang diberikan oleh pengguna.
Faktor kepastian yang diisikan oleh pakar menggambarkan kepercayaan pakar terhadap hubungan antara antecedent dan konsekuen pada aturan kaidah produksi.
2.3.1 Kelebihan dan Kekurangan Metode Certainty Factor
CF1 + [CF2 * (1-CF1)] kedua – duanya > 0 CF1 + CF2 salah satu < 0
1-min(|CF1|,|CF2|)
Metode certainty factor memiliki kelebihan dan kekurangan, adapun kelebihan metode certainty factor antara lain (Sutojo, 2011):
1. Metode ini cocok dipakai dalam sistem pakar untuk mengukur sesuatu apakah pasti atau tidak pasti dalam mendiagnosis dan mengidentifikasi suatu penyakit pada tumbuhan.
2. Perhitungan dengan metode ini dalam sekali hitung hanya dapat mengolah dua data saja sehingga keakuratan data dapat terjaga.
Adapun kekurangan metode certainty factor antara lain (Sutojo, 2011):
1. Ide umum dari pemodelan kepastian manusia dengan menggunakan numeric certainty factor biasanya diperdebatkan sebagian orang akan membantah pendapat bahwa formula untuk metode certainty factor diatas memiliki sedikit kebenaran.
2. Metode ini dapat mengolah ketidakpastian/kepastian hanya dua data saja perlu dilakukan beberapa kali pengolahan data untuk data yang lebih dari dua.
2.4 Metode Backward Chaining
Metode backward chaining adalah suatu metode pengambilan keputusan yang juga umum digunakan dalam sistem pakar. Percobaan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu dan untuk untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan. Proses pencarian dengan metode backward chaining berangkat dari kanan ke kiri, yaitu dari kesimpulan sementara menuju kepada premis dan pencariannya dikendalikan oleh tujuan yang diberikan (Kusrini, 2008).
Metode Backward Chaining merupakan strategi pencarian yang arahnya kebalikan dari Forward Chaining. Metode ini umum digunakan untuk membuktikan hipotesis (dugaan) pasien tentang penyakitnya. Cara kerja metode ini adalah user
premis (pernyataan untuk mendapatkan kesimpulan) aturan yang mengandung konklusi (kesimpulan) yang sesuai. Setelah itu sistem akan meminta umpan balik kepada user mengenai premis–premis yang ditemukan tersebut dengan menanyakan satu per satu premis–premis yang seharusnya dipilih. Jika ternyata ada premis yang tidak terpilih oleh user maka hipotesis terhadap konklusi tersebut gugur, yang artinya fakta yang dimasukkan user konklusinya bukan konklusi 1. Oleh karena itu, sistem akan melanjutkan hipotesis ke konklusi berikutnya. Demikian seterusnya sampai ditemukan konklusi yang semua premis dalam aturannya terpilih. Seperti yang terlihat pada gambar 2.2 di bawah ini (Kusrini, 2008):
Gambar 2.2 Proses Metode Backward Chaining
2.5 Penyakit Lupus
Lupus adalah nama umum untuk kelainan yang secara teknis disebut lupus erythematosus. Nama formal lain adalah systemic lupus erythematosus di mana
systemic berarti berdampak diseluruh tubuh atau sistem internal. Penyakit lupus adalah peradangan kronis yang terjadi ketika sistem imun tubuh menyerang organ dan jaringan tubuh. Peradangan ini dapat berefek pada berbagai sistem di dalam tubuh, antara lain sendi, kulit, ginjal, sel darah, jantung dan paru-paru. Kebanyakan penderita lupus adalah wanita. Namun, tidak menutup kemungkinan kalau pria juga bisa terkena lupus. Jadi penyakit ini dapat menyerang siapa saja. Baik pria atau wanita, anak–anak maupun orang dewasa (Wallace, 1995).
diartikan dengan penyakit flu atau demam berdarah. Lupus biasanya mengenai berbagai alat tubuh gejala yang dirasakan antara lain (Hariadi dan Hoediyanto, 2007):
1. Sistem otot dan tulang
Sakit pada sendi pada kedua sisi (kiri ataupun kanan) tanpa merusak sendi tersebut gejala ini sering menyerang bagian tangan, lutut dan pegelangan tangan .
2. Kulit dan rambut
Serangan pada kulit dan rambut 90% terjadi pada odapus, pada serangan ini ditemukan seperti kemerahan pada wajah (butterfly rash) yang dicetuskan karena sinar matahari, selain itu juga terdapat serang discoid pada kulit, rambut menjadi rontok dengan pengobatan yang baik serangan pada kulit dan rambut dapat dihilangkan/disembuhkan
3. Mata
Kerusakan pada mata jarang didapati pada odapus kerusakan retina dapat terjadi karena akibat pengobatan lupus dengan menggunakan antimalaria (chloroquine) jika menggunakan obat yang demikian hendaklah teratur periksa ke dokter mata juga.
4. Susunan saraf
15 % Gangguan otak, saraf dan kejiwaan didapati pada odapus, kelainan dapat berupa kejang-kejang, kelemahan otot, depresi, gelisah dan stroke.
5. Paru-paru
Sesak nafas yang dirasakan pada odapus dapat disebabkan karena adanya cairan pada selaput parunya dan juga karena akibat infeksi paru (pneumonia).
atas 40 tahun, kemungkinannya ada sangat kecil dan gejalanya masih belum jelas terlihat (Hariadi dan Hoediyanto, 2007).
2.5.1 Systemic Lupus Erythematosus
Lupus ini pada awalnya dapat berefek pada bagian tubuh manapun. Sistem di dalam tubuh yang secara umum terkena adalah sendi, kulit, paru-paru, ginjal dan darah. Ketika pada umumnya orang berbicara mengenai lupus, lupus tersebut biasanya adalah systemic lupus erythematosus. Dan lupus jenis ini merupakan lupus yang paling parah diantara beberapa jenis lupus lainnya karena menyerang organ–organ penting dalam tubuh yang mengakibatkan organ–organ tersebut tidak bekerja dengan semestinya bahkan bisa menyebabkan kematian. Dapat menimbulkan komplikasi seperti lupus otak, lupus paru-paru, lupus jari-jari tangan atau kaki, lupus kulit, lupus ginjal, lupus jantung, lupus otot, lupus retina, lupus sendi, dan lain-lain. Gejala dari
systemic lupus erythematosus antara lain (Hariadi dan Hoediyanto, 2007): 1. Arthralgia (sakit/ngilu pada persendian).
2. Arthritis (bengkak pada persendian selama lebih dari 3 bulan). 3. Jari tangan/jari kaki tampak pucat/tidak nyaman pada saat dingin. 4. Sariawan > 2 minggu atau lebih (sampai mulut taraf parah). 5. Anemia (kurang darah).
6. Pleuritis/pericarditis (nyeri di dada saat menarik nafas yang panjang selama beberapa hari).
7. Merasa sangat lemah dan cepat lelah meskipun telah cukup istirahat. 8. Diare secara terus menerus > 2 minggu.
9. Demam diatas 38 derajat celcius tanpa sebab yang jelas dan terjadi secara berulang.
10.Penurunan Berat badan (berat badan turun drastis > 10 kg dalam 2 minggu). 11.Pembengkakan kelenjar (biasanya sering terjadi pada kaki, tangan menjadi
bengkak membesar).
13.Mimisan (terjadi secara berulang).
14.Gangguan menelan (tenggorokan terasa sakit dan perih pada saat kita menelan makanan).
Gambar 2.3 di bawah ini menunjukkan jika seseorang terkena lupus jenis systemic lupus erythematosus (SLE) yang menyerang sistem organ tubuh bagian dalam.
Gambar 2.3 Seseorang yang terkena jenis lupus systemic lupus erythematosus (SLE)
2.5.2 Discoid Lupus Erythematosus
1. Butterfly rash (adanya ruam kemerahan berbentuk kupu-kupu bersayap meliputi kedua pipi).
2. Photosensitivity (kulit menjadi hipersensitif terhadap sinar matahari). 3. Discoid rash (ruam rash pada wajah yang berbentuk bulat pada pipi).
4. Di bagian tubuh terdapat bercak-bercak merah berbentuk cakram dan terkadang bersisik.
5. Mucus membrane ulcers (muncul borok-borok yang berlendir). 6. Alopesia (kebotakan pada rambut yang sulit tumbuh).
7. Ruam kulit yang diperburuk oleh sinar matahari. 8. Kaki sering mengalami mati rasa dan kesemutan.
Gambar 2.4 di bawah ini menunjukkan jika seseorang terkena lupus jenis discoid lupus erythematosus (DLE) yang menyerang organ tubuh bagian luar terutama kulit.
Gambar 2.4 Seseorang yan terkena lupus jenis discoid lupus erythematosus (DLE)
2.5.3 Drug Induceed Lupus Erythematosus
membahayakan bagi tubuhnya. Gejala dari jenis lupus ini diantaranya (Hariadi dan Hoediyanto, 2007):
1. Sering sekali mengalami kejang. 2. Rasa mual, muntah > 2 minggu. 3. Menurunnya nafsu makan.
4. Brain Irritation (sering mengalami nyeri kepala sebelah yang menyerupai
migrain).
5. Nyeri otot secara berulang. 6. Nyeri pada perut
Jenis obat yang dapat menyebabkan drug induced lupus erythematosus adalah:
1. Obat yang pasti menyebabkan lupus obat: klorpromazin, metildopa, hidralasin, prokainamid, dan isoniazid.
2. Obat yang mungkin dapat menyebabkan lupus obat: dilantin, penisilamin, dan kuinidin
Gambar 2.5 merupakan obat-obatan yang dapat menyebabkan seseorang menderita jenis lupus drug induced lupus erythematosus (DILE).
Gambar 2.5 Obat-obatan penyebab drug induced lupus erythematosus (DILE)
2.6 Faktor Risiko
1. Faktor Risiko Genetik. Meliputi jenis kelamin (frekuensi pada wanita dewasa 8 kali lebih sering daripada pria dewasa), umur (lebih sering pada usia 15-40 tahun), dan faktor keturunan (frekuensinya 20 kali lebih sering dalam keluarga di mana terdapat anggota dengan penyakit tersebut).
2. Faktor risiko hormon. Konsumsi hormon juga akan berdampak buruk bagi kesehatan kita. Estrogen menambah risiko systemic lupus erythematosus
(SLE).
3. Sinar Ultraviolet. Sinar ultraviolet mengurangi supresi imun sehingga terapi menjadi kurang efektif, sehingga lupus kambuh atau bertambah berat. Ini disebabkan sel kulit mengeluarkan sitokin dan prostagladin sehingga terjadi inflamasi di tempat tersebut maupun secara sistemik melalui peredaran di pembuluh darah.
4. Imunitas. Pada pasien lupus terdapat hiperaktivitas sel B atau intoleransi terhadap sel T.
5. Obat. Obat tertentu dalam persentase kecil sekali pada pasien tertentu dan diminum dalam jangka waktu tertentu dapat mencetuskan lupus obat (Drug Induced Lupus Erythematosus atauDILE).
6. Infeksi. Pasien SLE cenderung mudah mendapat infeksi dan kadang-kadang penyakit ini kambuh setelah infeksi.
BAB 3
ANALISIS DAN PERANCANGAN SISTEM
3.1 Analisis Sistem
Analisis sistem merupakan suatu tahapan untuk membantu memahami sesuatu yang di butuhkan sistem dan mempelajari permasalahan-permasalahan yang ada untuk kemudian dilakukannya solusi penyelesaian yang didasarkan pada kebutuhan pengguna sistem agar tercipta sebuah sistem yang berguna bagi pengguna. Sehingga nantinya dapat membantu didalam proses perancangan model suatu sistem yang akan diimplementasikan.
3.1.1 Analisis Permasalahan
Permasalahan untuk perancangan sistem pakar ini yaitu bagaimana mendiagnosis penyakit lupus pada diri seseorang dengan menggunakan metode certainty factor dan
Gambar 3.1 Diagram ishikawa untuk menganalisis masalah
3.1.2 Analisis Kebutuhan Sistem
Untuk membangun sebuah sistem, perlu dilakukan sebuah tahap analisis kebutuhan sistem. Analisis kebutuhan sistem dapat dikelompokkan menjadi 2 bagian yaitu kebutuhan fungsional dan kebutuhan non-fungsional.
3.1.2.1 Kebutuhan Fungsional Sistem
Kebutuhan fungsional dibutuhkan untuk mengetahui hal-hal yang bisa dikerjakan oleh sistem. Kebutuhan fungsional sistem yang akan dirancang antara lain sebagai berikut:
1. User meng-input data diri terlebih dahulu.
2. Sistem menampilkan jenis-jenis penyakit lupus sebagai hipotesis awal user
dan memberikan pertanyaan-pertanyaan berupa gejala yang harus dijawab oleh
user.
3. Sistem melakukan perhitungan dengan menggunakan metode certainty factor
dan memberikan hasil diagnosis serta solusinya kepada user.
PEOPLE
Bagaimana mendiagnosis penyakit lupus menggunakan metode certainty factor dan
backward chaining
MATERIAL
METHOD MACHINE
Banyak orang yang tidak tahu tentang penyakit lupus serta cara mendiagnoisinya dan bahkan sebagian dari mereka hanya berasumsi saja.
Selama ini mendiagnosis penyakit lupus hanya dilakukan oleh seorang pakar atau ahli lupus saja.
Dalam mendiagnosis penyakit lupus, seorang pakar atau dokter ahli lupus tidak dapat mendefinisikan hubungan antara gejala, penyebab dan jenis lupus yang diderita secara pasti.
4. Sistem menampilkan informasi tentang jenis-jenis penyakit lupus beserta gejala-gejalanya.
3.1.2.2 Kebutuhan Non-Fungsional Sistem
Kebutuhan non-fungsional sistem merupakan deskripsi dari beberapa fitur, karateristik, dan batasan suatu sistem. Kebutuhan non-fungsional dari sistem adalah:
1. Mudah digunakan (user friendly) yaitu sistem yang akan dibangun harus user friendly, artinya bahwa sistem mudah digunakan oleh user dengan tampilan (interface) yang sederhana dan mudah dimengerti.
2. Data yang digunakan oleh sistem harus data real atau nyata dan sesuai sehingga dapat memberikan hasil diagnosis yang benar serta memberikan informasi yang benar.
3. Sistem yang telah dirancang bisa dikembangkan ke tingkat yang lebih kompleks lagi bagi pihak-pihak yang ingin mengembangkan sistem tersebut sehingga solusi yang diberikan lebih efektif.
3.2 Perancangan Sistem
Di dalam merancang sistem informasi diperlukan suatu pemodelan sistem untuk menggambarkan dan mengkomunikasikan secara sederhana rancangan sistem yang dibuat, agar sistem mudah dipahami dan dikoreksi. Melalui pemodelan sistem, dapat digambarkan aliran data yang akan diproses menjadi informasi dan aliran distribusinya secara sederhana, sehingga arus data dan informasi dapat terlihat secara jelas.
3.2.1 Use Case Diagram
Use case adalah gambaran fungsionalitas dari suatu sistem, sehingga pengguna atau
use case dititikberatkan pada fungsionalitas yang ada pada sistem, bukan berdasarkan alur atau urutan kejadian. Use case adalah dialog antara sistem dan aktor, termasuk pertukaran pesan dan tindakan yang dilakukan oleh sistem. Use case ini juga diprakarsai oleh aktor dan mungkin melibatkan peran aktor lain. Untuk use case diagram dari sistem pakar diagnosis penyakit lupus dapat dilihat pada gambar 3.2 di bawah ini:
Gambar 3.2 Use Case Diagram sistem pakar diagnosis penyakit lupus
3.2.1.1 Skenario Use Case Diagram
Secara lebih detail, masing-masing use case yang terdapat pada diagram use case, dijabarkan dalam skenario use case. Di dalam skenario use case, akan diberikan uraian nama, aktor yang berhubungan dengan use case tersebut, tujuan dari use case, deskripsi global tentang use case, pra-kondisi yang harus dipenuhi dan pasca-kondisi
yang diharapkan setelah berjalannya fungsional use case. Selain itu juga diberikan ulasan yang berkaitan dengan tanggapan dari sistem atas suatu aksi yang diberikan oleh aktor, baik sebagai proses/aliran utama yang dilakukan oleh sistem maupun aliran alternatif. Setiap use case akan diberikan sebuah skenario yang akan menjelaskan secara detail interaksi yang ada di dalamnya. Untuk skenario dari use case sistem pakar diagnosis penyakit lupus dapat dilihat pada tabel 3.1 di bawah ini:
Tabel 3.1 Tabel defenisi aktor
No Aktor Deskripsi
1 Use /Pengguna/Pasien Pengguna sistem yang menjalankan aplikasi untuk mendiagnosis penyakit lupus dan dapat mengakses semua menu kecuali menu admin.
2 Admin Pengguna sistem yang memiliki hak untuk mengelola data admin, data gejala, dan laporan.
Tabel 3.2 Tabel Use Case
UC ID Use Case
UC-01 Daftar/registrasi user
UC-02 Diagnosis penyakit UC-03 Login admin UC-04 Data admin UC-05 Data gejala UC-06 Data laporan
a. Skenario Use Case
ID : SC-01-01
Nama Use Case : Daftar/registrasi use case
Deskripsi : Meregistrasi atau mendata user agar user bisa melakukan diagnosis penyakit sehingga admin/pakar mengetahui siapa
saja pengguna sistem pakar ini.
Pre-kondisi : User belum daftar/registrasi ke dalam sistem
Tabel 3.3 Skenario Use Case Daftar
Aksi Actor Reaksi Sistem
Skenario Normal
1.Input nama, alamat, umur dan jenis kelamin
2. Menyimpan data input-an
3. Mengarahkan ke halaman diagnosis penyakit
Skenario Alternatif
1.Input nama, alamat, umur dan jenis kelamin
2. Menampilkan pesan “Mohon isi seluruh data
dengan benar”
ID : SC-01-02
Nama Use Case : Diagnosis penyakit
Deskripsi : User menjawab pertanyaan–pertanyaan yang diberikan oleh sistem sesuai dengan gejala penyakit lupus yang dialami Pre-kondisi : User belum menjawab semua pertanyaan yang diberikan
sistem
Skenario :
Tabel 3.4 Skenario Use Case Diagnosis
Aksi Actor Reaksi Sistem
Skenario Normal
1. User memilih asumsi penyakit dan menjawab semua pertanyaan seputar gejala yang dialami yang diajukan oleh sistem
2. Menyimpan jawaban user
3. Mengarahkan ke halaman hasil diagnosis Skenario Alternatif
menjawab semua pertanyaan seputar gejala yang dialami yang diajukan oleh sistem
2. Menampilkan pesan “Mohon jawab semua
pertanyaan dengan benar”
ID : SC-01-03
Nama Use Case : Login admin
Deskripsi : Mengautentifikasi admin ketika akan masuk kedalam sistem dengan menggunakan username dan password
Pre-kondisi : Admin belum login ke dalam sistem
Skenario :
Tabel 3.5 Skenario use case login admin
Aksi Actor Reaksi Sistem
Skenario Normal
1. Input username dan password
2. Memeriksa input-an admin
3. Mengarahkan ke halaman utama admin Skenario Alternatif
1. Input username dan password
2. Menampilkan pesan “username dan
password salah”
ID : SC-01-04
Nama Use Case : Data admin
Deskripsi : Admin dapat menambah, mengubah dan menghapus data admin berupa username dan password .
Pre-kondisi : Admin belum mengisi data masukan
Skenario :
Aksi Actor Reaksi Sistem Skenario Normal
1. Input username dan password
2. Menyimpan hasil input-an
3. Mengarahkan ke halaman admin yang sudah terisi data sesuai dengan input-an
Skenario Alternatif
1. Input username dan password
2. Menampilkan pesan “Mohon isi seluruh data”
ID : SC-01-05
Nama Use Case : Data gejala
Deskripsi : Admin dapat menambah, mengubah dan menghapus data gejala berupa penyakit, gejala, bobot *CFSLE, *CFDLE, dan *CFDILE
Pre-kondisi : Admin belum mengisi data inputan
Skenario :
Tabel 3.7 Skenario use case data gejala
Aksi Actor Reaksi Sistem
Skenario Normal
1. Input id, penyakit, gejala, cfsle, cfdle, cfdile
2. Menyimpan hasil inputan
3. Mengarahkan ke halaman gejala yang sudah terisi data sesuai dengan inputan
1. Input id, penyakit, gejala, cfsle, cfdle, cfdile
2. Menampilkan pesan “mohon isi seluruh
data”
*CFSLE : Certainty Factor Systemic Lupus Erythematosus
*CFDLE : Certainty Factor Discoid Lupus Erythematosus
*CFDILE : Certainty Factor Drug Induced Lupus Erythematosus
ID : SC-01-06
Nama Use Case : Data laporan
Deskripsi : Admin membuat data laporan yang berisi nama, alamat, umur, jenis kelamin serta hasil diagnosa dari pengguna/user. Dan admin hanya bisa melakukan hapus data karena penambahan data datang dari pengguna/user yang menggunakan sistem
Pre-kondisi : Data user belum masuk ke data laporan admin
Skenario :
Tabel 3.8 Skenario use case data laporan
Aksi Actor Reaksi Sistem
Skenario Normal
1. Admin mengakses data user untuk ditampilkan sebagai data laporan
2. Menampilkan data user beserta dengan hasil diagnosis
Skenario Alternatif
1. Admin mengakses data user untuk ditampilkan sebagai data laporan
2. Menampilkan pesan “Data gagal di akses”
ERD digunakan untuk menunjukkan hubungan antar data dengan basis data dan objek–objek (himpunan entitas) apa saja yang ingin dilibatkan dalam sebuah basis data dan bagaimana hubungan yang terjadi diantara objek-objek tersebut. ERD yang berisi komponen-komponen himpunan entitas dan himpunan relasi yang masing-masing dilengkapi dengan beberapa atribut yang mempresentasikan seluruh fakta yang ditinjau dari keadaan yang nyata. Di mana dapat digambarkan secara lebih sistematis dengan menggunakan ERD. Adapun perancangan ERD diagnosisnya adalah seperti terlihat pada gambar 3.3 di bawah ini:
pasien memiliki
Kode_pasien nama
umur jenkel tanggal Cfsle
id penyakit gejala1
Cfdle Cfdile alamat
penyakit
asumsi
Gambar 3.3 Entity Relationship Diagram Diagnosis
3.2.3 Struktur Basis Data
Adapun tabel–tabel yang digunakan dalam aplikasi ini adalah : 1. Tabel Admin
Primary key (*) : id_admin
Fungsi : untuk menyimpan data admin
Kamus data :{id_admin* + username + password}
Adapun perancangan dari tabel admin dapat dilihat pada tabel 3.9 di bawah ini:
Tabel 3.9 Tabel admin
id_admin* Int (8)
Username Text
Password Text
2. Tabel gejala
Primary Key (*) : id
Fungsi : untuk menyimpan data gejala lupus
Kamus data : {id* + penyakit + gejala1 + cfsle + cfdle + cfdile}
Adapun perancangan dari tabel gejala dapat dilihat pada tabel 3.10 di bawah ini:
Tabel 3.10 Tabel gejala
Field Jenis
id* int (5)
Penyakit Text
gejala1 Text
Cfsle Float
Cfdle Float
Cfdile Float
3. Tabel pasien
Primary Key (*) : kode_pasien
Fungsi : untuk menyimpan data pasien / user
Kamus data :{kode_pasien* + nama + alamat + umur + jenkel + tanggal + sle + dle + dile + asumsi}
Adapun perancangan dari tabel pasien dapat dilihat pada tabel 3.11 di bawah ini:
Field Jenis
kode_pasien* int (5)
Nama Varchar (50)
Alamat Varchar (100)
Umur int (5)
Jenkel Varchar (10)
Tanggal Date
Sle Float
Dle Float
Dile Float
Asumsi Text
4. Tabel temp
Primary Key (*) : id
Fungsi :sebagai penyimmpana data sementara untuk menghitung hasil diagnosa
Kamus data : {id* + penyakit + gejala1 + cfsle + cfdle + cfdile}
Adapun perancangan dari tabel admin dapat dilihat pada tabel 3.12 di bawah ini:
Tabel 3.12 Tabel temp
Field Jenis
id* int (5)
Penyakit Text
gejala1 Text
Cfsle Float
Cfdle Float
Cfdile Float
Diagram konteks adalah diagram yang terdiri dari suatu proses dan menggambarkan ruang lingkup suatu sistem. Diagram konteks merupakan level tertinggi dari DFD (Data Flow Diagram) yang menggambarkan seluruh input ke sistem atau output dari sebuah sistem. Ia akan memberi gambaran tentang keseluruhan sistem. Dalam diagram konteks hanya ada satu proses, tidak boleh ada store dalam diagram konteks. Untuk diagram konteks sistem pakar diagnosis penyakit lupus dapat dilihat pada gambar 3.4 di bawah ini:
SISTEM PAKAR DIAGNOSIS PENYAKIT
SYSTEMIC LUPUS ERYTHEMATOSUS
USER Pilih gejala ADMIN
Hasil diagnosa
Data admin Data gejala
Laporan
Gambar 3.4 Diagram konteks sistem pakar diagnosis penyakit lupus
Keterangan:
Ada terdapat dua entitas yaitu user dan admin dengan satu proses. Di mana user
sebelumnya melakukan pendaftaran lalu memilih gejala–gejala lupus berupa pertanyaan yang di ajukan oleh sistem setelahnya sistem akan memproses data tersebut hingga sistem mengeluarkan hasil diagnosis untuk user. Sedangkan admin melakukan login terlebih dahulu sebelum masuk kedalam halaman pengolahan data. Admin melakukan olah data admin, gejala dan laporan. Lalu sistem akan memprosesnya dan menampilkan kembali kepada admin dan yang sudah di olah oleh admin.
Data flow diagram digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang akan dikembangkan secara logika tanpa mempertimbangkan lingkungan fisik di mana data tersebut mengalir (misalnya lewat telepon, surat dan sebagainya) atau lingkungan fisik diamana data tersebut akan disimpan (misalnya file kartu, microfiche, hard disk, tape, dikette dan lain – lain). DFD merupakan alat yang digunakan pada metodologi pengembangan sistem yang terstruktur (structured analysis and desaign). Untuk DFD dari sistem pakar diagnosis penyakit lupus dapat dilihat pada gambar 3.5 di bawah ini:
USER
Gambar 3.5 DFD sistem pakar diagnosis penyakit lupus
1. User melakukan daftar/registrasi ke dalam sistem yang selanjutnya sistem akan memproses data dengan menyimpan data inputan user ke dalam database
pasien sehingga user dapat melakukan diagnosis penyakit lupus.
2. Proses selanjutnya adalah user menjawab semua pertanyaan seputar gejala lupus yang diberikan oleh sistem dan selanjutnya sistem akan memproses dengan menyimpan pilihan jawaban ke dalam database temp dan sistem juga akan memproses hasil diagnosis dari jawaban user dan mengeluarkan hasil diagnosis kepada user. Kemudian sistem memproses data hasil diagnosis dengan menyimpannya ke dalam database pasien.
3. Admin melakukan login dengan memasukkan username dan password ke dalam sistem yang selanjutnya sistem akan memeriksa validasi dari masukan yang diberikan admin dengan memeriksa database admin, jika sesuai maka admin berhasil login.
4. Login diperlukan umtuk mengolah semua data yang ada di lingkungan admin, diantaranya data admin, data gejala dan laporan. Untuk mengolah data admin maka diperlukan masukan data admin berupa username dan password dan sistem akan memproses dengan menyimpan hasil masukan data admin ke dalam tabel admin. Begitu juga dengan masukan data gejala yang berupa penyakit, gejala, nilai dari masing–masing penyakit dan sistem akan memproses data tersebut dengan menyimpannya ke dalam tabel gejala. Sementara untuk laporan sistem akan memproses data laporan dengan menyorot dari tabel pasien. Keseluruhan pengolahan data akan ditampilkan kembali ke admin jika keseluruhan prosesnya berhasil lalu logout.
3.2.6 Flowchart Sistem
sistem. Dengan kata lain, flowchart ini merupakan deskripsi secara grafik dari urutan prosedur–prosedur yang terkombinasi yang membentuk suatu sistem.
Flowchart sistem terdiri dari data yang mengalir melalui sistem dan proses yang mentransformasikan data itu. Untuk flowchart sistem dari sistem pakar diagnosis penyakit lupus dapat dilihat pada gambar 3.6 di bawah ini:
START
Jenis Lupus
SLE DLE DILE
Gejala Gejala Gejala
Proses Certainty Factor CFkomb = CF1 + CF2 * [1 – CF1]
END
NO NO
YES YES YES
Input Data Pasien
Hasil Diagnosis dan Solusi
No
Gambar 3.6 Flowchart sistem dari sistem pakar diagnosis penyakit lupus
3.3 Analisis Proses
3.3.1 Analisis Proses Sistem Pakar
Aplikasi sistem pakar yang dibangun memiliki cara kerja untuk menghasilkan suatu keluaran/output kemungkinan penyakit yang diderita pasien/user dan solusi yang direkomendasikan berdasarkan data dari pakar. Metode penalaran yang akan diadopsi adalah metode backward chaining yakni penalaran mundur. Artinya user atau pasien memberikan asumsi tentang penyakit yang mungkin mereka derita. Selanjutnya user
diharuskan menjawab pertanyaan–pertanyaan yang akan diajukan sistem dengan jawaban ya atau tidak. Dan proses terakhir adalah hasil diagnosis. Jadi user bisa tahu apakah hasil diagnosis sesuai dengan asumsi mereka atau tidak. Sementara untuk mendapatkan hasil diagnosis digunakan perhitungan dengan metode certainty factor.
Untuk mendapatkan kepercayaan atas gejala dari maing–masing penyakit, maka setiap gejala akan diberikan nilai kepastian yang bernilai antara 0–1 untuk setiap gejala. Misalnya lupus sistemik gejala mengalami demam tinggi diatas 38 derajat
celcius, nilai kepastian untuk kemungkinan gejala ini adalah 0.9, kemungkinan gejala kelelahan ekstrim adalah 0.81 dan gejala kesemutan adalah 0.15. Data nilai kepastian untuk setiap penyakit dapat dilihat pada Tabel 3.13 di bawah ini:
Tabel 3.13 Data nilai CF diisi oleh DR.dr. Blondina Marpaung, SpPD-KR
No Gejala CFSLE CFDLE CFDILE
1 Arthralgia 0.95 0.30 0.20
2 Demam > 380C 0.90 0.60 0.60
3 Arthritis 0.90 0.30 0.20
4 Kelelahan ekstrem 0.81 0.50 0.50
5 Anemia 0.71 0.10 0.10
6 Riwayat penyakit ginjal 0.50 0.10 0.10
7 Nyeri pada dada saat bernafas 0.45 0.20 0.40
8 Abnormalitas pembekuan darah 0.20 0.10 0.10
9 Jari kaki / tangan pucat 0.17 0.20 0.10
10 Ulcer di mulut 0.12 0.20 0.20
12 Pembengkakan kelenjar 0.70 0.10 0.10
13 Gangguan menelan 0.10 0.10 0.20
14 Gangguan penglihatan 0.12 0.10 0.10
15 Butterfly rush 0.15 0.80 0.20
16 Photosensitivity 0.20 0.70 0.20
17 Discoid rush 0.20 0.74 0.20
18 Kulit tubuh bersisik 0.20 0.35 0.10
19 Borok berlendir pada salah satu bagian tubuh 0.15 0.20 0.10
20 Alopesia / kerontokan rambut 0.15 0.30 0.50
21 Ruam merah karena sinar matahri 0.20 0.70 0.30
22 Kaki sering kesemutan 0.10 0.10 0.70
23 Sering kejang – kejang 0.10 0.10 0.30
24 Mual 0.10 0.30 0.52
25 Nafsu makan menurun 0.20 0.30 0.70
26 Nyeri kepala sebelah 0.20 0.20 0.25
27 Nyeri otot 0.20 0.20 0.40
28 Nyeri perut 0.10 0.10 0.40
Keterangan:
CFSLE = nilai kepastian untuk jenis lupus systemic lupus erythematosus
CFDLE = nilai kepastian untuk jenis lupus discoid lupus erythematosus
CFDILE = nilai kepastian untuk jenis lupus drug induced lupus erythematosus
Adapun cara kerja aplikasi sistem pakar dalam melakukan diagnosis penyakit adalah:
1. Pemakai (user) sistem diminta untuk meng-input data pribadi terlebih dahulu. 2. Dalam melakukan diagnosis penyakit, aplikasi yang dibuat akan menampilkan
tampilan berupa dialog (komputer memberikan pertanyaan perihal mengenai gejala-gejala penyakit) antara komputer dan pemakai.
3. Jawaban yang diberikan berupa ya atau tidak.
5. Hasil akhir diagnosis (output) adalah tampilan kemungkinan jenis penyakit, persentase kepastian serta solusi yang disarankan.
3.3.2 Perhitungan Metode Certainty Factor
1. Menghitung nilai Certainty Factor untuk gejala 1,2 dan 4 user menjawab
“YA” dan pada gejala 3 dan user menjawab “Tidak” dan yang lainnya jawabannya tidak.
a. Persentase untuk CFSLE (Certainty Factor Systemic Lupus Erythematosus) Dik: CF1 = 0.95
CF2 = 0.9 CF3 = 0 CF4 = 0.81 Maka :
CFcombine L = CF1+ [CF2 *(1- CF1)] = 0.95 + [0.90 * (1-0.95)] = 0.995L
CFcombine U = CFL+ [CF3 * (1- CFL)] = 0.995 + [0 * (1 – 0.995)] = 0U
CFcombine P = CFU+ [CF4 * (1- CFU)] = 0.995 + [0,81 * (1 – 0.995)] = 0.9905P
b. Persentase untuk CFDLE (Certainty Factor Discoid Lupus Erythematosus) Dik: CF1 = 0.3
CF2 = 0.6 CF3 = 0 CF4 = 0.5 Maka :
= 0.3 + [0.6 * (1 - 0.3)] = 0.72L
CFcombine U = CFL+ [CF3 * (1 - CFL)] = 0.72 + [0 * (1 – 0.72)] = 0.72U
CFcombine P = CFU+ [CF4 * (1- CFU)] = 0.72 + [0,5 * (1 – 0.72)] = 0.86P
c. Persentase untuk CFDILE (Certainty Factor Drug Induced Lupus Erythematosus)
Dik: CF1 = 0.2 CF2 = 0.6 CF3 = 0 CF4 = 0.5 Maka :
CFcombine L = CF1+ [CF2 *(1 - CF1)] = 0.2 + [0.6 * (1 - 0.2)] = 0.68L
CFcombine U = CFL+ [CF3 * (1 - CFL)] = 0.68 + [0 * (1 – 0.68)] = 0.68U
CFcombine P= CFU+ [CF4 * (1- CFU)] = 0.68 + [0,5 * (1 – 0.68)] = 0.84P
Systemic Lupus Erythematosus (SLE) yang jika dipersentasekan sebesar 0.9905 x 100 = 99.05%
3.3.3 Contoh Cara Kerja Backward Chaining
Contoh untuk jenis penyakit SLE (Systemic Lupus Erythematosus) dan DLE (Discoid Lupus Erythematosus):
Diagnosis SLE
Rule 1 : IF SLE THEN
Premis 1 : Nyeri sendi AND Premis 2 : Sesak nafas AND Premis 3 : Demam tinggi AND Premis 4: Nyeri dada
Solusi :
1. Menghindari stres dan trauma fisik.
2. Menjaga tubuh agar tidak terkena sinar matahari langsung. 3. Mengurangi aktifitas/beban kerja yang berlebihan.
4. Menghindari pemakaian obat-obatan tertentu yang dapat memicu perkembangan lupus.
5. Memeriksakan diri pada dokter pemerhati lupus agar dapat ditangani lebih serius.
6. Meminum obat yang diberikan oleh dokter secara teratur.
7. Hindari pemakaian kontrasepsi atau obat lain yang mengandung hormon estrogen.
8. Sebisa mungkin hindari perokok dan asap rokok. Diagnosis DLE
Rule 2 : IF DLE THEN