Analisa Perbandingan Metode Certainty Factor dan Teorema Bayes Untuk Mendiagnosa Penyakit Asam Urat
Widia Ningsih*, Nelly Astuti Hasibuan, Edizal Hatmi
Fakultas Ilmu Komputer dan Teknologi Informasi, Program Studi Teknik Informatika, Universtias Budi Darma Medan, Indonesia Email: [email protected]
Abstrak−Penyakit asam urat salah penyakit yang sering terjadi disekitar kita, namun banyak tidak menyadari akan gejala dari penyakit itu dan cara untuk mendeteksinya, salah satu cara untuk mendiagnosa menggunakan sistem pakar, dalam proses diagnosanya menggunakan metode, terdapat banyak metode untuk menentukan keakuratan hasil diagnose salah satu metode yang digunakan yaitu certainty factor dan teorema bayes, sehingga banyak yang bingung dalam menentukan harus memakai metode mana untuk melakukan proses diagnose. Sehingga diperlukan sebuah proses membandingkan metode dengan maksud untuk mengetahui metode mana yang lebih efektif, dengan proses perhitungan yang cepat dan tepat sehingga dapat menyajikan hasil akurasi yang lebih baik dan akurat, proses perbandingan akan menerapkan metode perbandingan eksponensial dengan menilai tingkat kesulitan pengerjaan, waktu pengerjaan, dan hasil probabilitas sehingga dapat diketahui metode mana yang tepat untuk proses diagnosa. Berdasarkan hasil perbandingan menggunakan metode perbandingan eksponensial metode certainty factor mendapatkan hasil 14 sedangkan metode teorema bayes mendapatkan 3, dengan melihat nilai perbandingan tersebut bisa dikatakan bahwa metode certainty factor menjadi metode yang tepat untuk mendiagnosa penyakit asam urat.
Kata Kunci: Sistem Pakar; CF; TB; Eksponensial; Asam Urat
Abstract−Gout is a disease that often occurs around us, but many are not aware of the symptoms of the disease and how to detect it, one way to diagnose is using an expert system, in the process of diagnosing using methods, there are many methods to determine the accuracy of the results of the diagnosis One of the methods used is the certainty factor and the Bayes theorem, so many are confused about which method to use to carry out the diagnosis process. So we need a process of comparing methods with the intention of knowing which method is more effective, with a fast and precise calculation process so as to present better and more accurate results, the comparison process will apply the exponential comparison method by assessing the level of processing difficulty, processing time, and probability results so that it can be known which method is right for the diagnostic process. Based on the results of the comparison using the exponential comparison method, the certainty factor method gets a result of 14 whi le the Bayes theorem method gets 3. By looking at the value of this comparison, it can be said that the certainty factor method is t he right method for diagnosing gout.
Keywords: Expert System; CF; TB; Exponential; Uric Acid
1. PENDAHULUAN
Perkembangan teknologi dizaman sekarang sudah sangat maju, semua kegiatan manusia sudah sangat dibantu oleh komputer, salah satu teknologi yang membantu pekerjaan manusia yaitu sistem pakar. Sebuah sistem yang bekerja dalam penentuan jenis penyakit, seperti penyakit asam urat. Kebanyakan orang tidak mengetahui jika sedang menderita penyakit asam urat dan terus mengabaikan sehingga bisa berakibat fatal seperti susah beraktivitas karena terjadi pembengkakan diarea sendi, jadi dengan bantuan ilmu sistem pakar penderita akan lebih mudah mengetahui penyakit yang diderita sehingga dapat lebih cepat mendapatkan penanganan terhadap penyakit tersebut.
Terdapat banyak metode untuk menentukan keakuratan hasil diagnosa, sehingga banyak yang bingung harus memakai metode mana untuk melakukan proses diagnosa, salah satu metode yang digunakan yaitu certainty factor dan teorema bayes. Kedua metode tersebut memiliki kelebihan dan kekurangan, dan juga memberikan nilai kepastian terhadap diagnosa penyakit, namun diantara kedua metode tersebut pasti ada yang dapat memberikan nilai kepastian yang tepat, sehingga diperlukan sebuah proses membandingkan metode dengan maksud untuk mengetahui metode mana yang lebih efektif, dengan proses perhitungan yang cepat dan tepat sehingga dapat menyajikan hasil akurasi yang lebih baik dan akurat dalam proses diagnosa penyakit asam urat.
Beberapa penelitian sebelumnya yang membandingkan dua metode dalam proses diagnosa penyakit, diantaranya penelitian yang dilakukan oleh Patmawati Hasan, dkk pada tahun 2019 yang berjudul Sistem Pakar Diagnosa Penyakit Kolesterol dan Asam Urat Menggunakan Metode Certainty Factor hasil penelitiannya didapatkan 50% berpotensi Kolestrol, 35% berpotensi Asam Urat, dan 15% kedua penyakit berdasarkan sampel data dari 20 orang[1]. Penelitian berikutnya dilakukan oleh Dirja Nur Ilham, dkk ditahun 2019 dengan judul Analisis Perbandingan Penerapan Metode Bayes Dan Certainty Factor Untuk Mendiagnosis Penyakit Tanaman Kakao mengatakan walaupun hasil dari kedua metode tersebut berbeda namun tetap dapat mendiagnosis tanaman kakao[2].
Selanjutnya penelitian yang dilakukan oleh Risvan Dwi Hariyanto, dkk pada tahun 2020 yang berjudul Sistem Pakar untuk Mendiagnosa Penyakit Persendian Menggunakan Metode Certainty Factor bahwa dari penelitiannya didapatkan pasien menderita penyakit sendi dengan jenis penyakit Rematik (Rheumatoid Arthritis) dengan nilai Certainty Factor yakni 0,8[3]. Kemudian penelitian yang dilakukan oleh Agung Nugraha, dkk pada tahun 2021 dengan judul Aplikasi Diagnosis Penyakit Sendi Memakai Metode Naïve Bayes Berbasis Android Studi Kasus Pada Masyarakat Desa Haurpugur dari penelitiannya didapatkan pasien menderita penyakit sendi dengan jenis penyakit Pengapuran sendi (Osteoarthtritis) dengan nilai Bayes yakni 0,548[4]. Penelitian lain yang dilakukan oleh Ainul Afnan Maulia, dkk pada tahun 2021 dengan judul Analisa Metode Certainty Factor dan Teorema Bayes Dalam
Mendeteksi Suatu Penyakit menyatakan bahwa penggunaan metode Certainty factor mendapat akurasi 80%
sedangkan Teorema bayes hanya mendapat 60% sehingga dapat disimpulkan bahwa metode certainty factor lebih baik dalam mendeteksi suatu penyakit[5].
Berdasarkan uraian di atas maka penulis tertarik untuk melakukan penelitian mengenai Analisa Perbandingan Metode Certainty Factor dan Teorema Bayes dalam Mendiagnosa Penyakit Asam Urat dengan melakukan proses wawancara kepada ahli yang bersangkutan, setalah itu peneliti akan melakukan proses hitung. Dengan mengukur tingkat akurasi di dalam sistem pakar tersebut, nantinya peneliti mendapatkan informasi tentang keakuratan metode tersebut dalam sebuah kasus.
2. METODOLOGI PENELITIAN
2.1 Tahapan Penelitian
Dalam melakukan penelitian ini, penulis melakukan beberapa tahapan-tahapan. Metode mengumpulkan data yang dipakai agar mendapatkan data yang sangatdiperlukan penulis yaitu sebagai berikut :
1. Identifikasi Masalah yaitu salah satu proses paling penting, karena disini akan dilakukan proses pengenalan masalah sehingga dapat teliti.
2. Studi Literatur yaitu proses mencari referensi sesuai dengan masalah yang sedang diteliti untuk mempermudah proses pengerjaan laporan penelitian.
3. Analisa Metode, tahap ini peneliti akan memahami metode yang akan digunakan pada penelitian agar lebih memudahkan dalam proses penerapannya.
4. Penerapan Metode, yaitu proses hitung dengan memasukkan nilai pakar dari penyakit kedalam rumus metode yang dipakai.
5. Perbandingan Metode, ditahap ini akan dilakukan proses perbandingan metode, metode yang akan dibandingkan yaitu metode certainty factor dan teorema bayes, dimana kedua metode itu akan dibandingkan agar dapat dilihat metode mana yang tepat untuk proses diagnosa penyakit.
6. Laporan, pada tahap ini peneliti akan membuat laporan berdasarkan hasil penelitian yang telah dilakukan.
Gambar 1. Tahapan Penelitian
2.2 Asam Urat
Penyakit asam urat yaitu suatu penyakit dimana beberapa titik sendi di tubuh akan mengalami pembengkakan, timbul juga rasa nyeri dan rasa panas[4]. Penyakit asam urat lebih sering menyerang laki-laki terutama yang sudah memasuki usia 30 tahun. Walau bisa menyerang disemua sendi namun pembengkakan biasa terjadi dibagian jari tangan, pergelangan kaki, lutut, dan jari kaki. Rasa sakit bisa berlangsung beberapa hari, juga disertai dengan memerahnya warna kulit, dan jika sudah dalam kondisi seperti itu akan membuat kesulitan bergerak pada si penderita[6]. Di Indonesia, penyakit asam urat sering disamakan dengan penyakit rematik. Penderita asam urat sangat dianjurkan untuk menjauhi makan yang mengandung banyak zat purin, karna itu akan membuat kadar asam urat ditubuh menjadi tinggi seperti daging kambing, jeroan, ikan teri, kerang, udang, bayam, buncis, melinjo, emping, serta kacang- kacangan[6].
Identifikasi Masalah
Analisa Metode
Laporan Studi Literatur
Penerapan Metode
Perbandingan Metode
2.3 Sistem Pakar
Sistem pakar merupakan cabang dari Artificial Intelligence (AI), berkembang dipertengahan tahun 1960. Istilah sistem pakar berasal dari istilah knowledge-based expert system. Istilah ini muncul karena untuk memecahkan masalah, sistem pakar menggunakan pengetahuan seorang pakar yang dimasukkan ke dalam komputer[7]. Sistem pakar dapat melakukan pengambilan kesimpulan dalam waktu yang konsisten, bahkan dalam beberapa kasus dapat menghasilkan kesimpulan lebih cepat daripada pakar[12].
2.4 Certainty Factor
Teori Certainty Factor (CF) diusulkan oleh Shortliffe dan Buchanan pada 1975 untuk mengakomodasi ketidakpastian pemikiran seorang pakar. Seorang pakar sering kali menganalisis informasi yang ada dengan ungkapan seperti
“mungkin “, “kemungkinan besar”, “hampir pasti”. Untuk mengakomodasi hal ini kita menggunakan certainty factor (CF) guna mengambarkan tingkat keyakinan pakar terhadap masalah yang sedang dihadapi[7]. Ada dua cara dalam mendapatkan tingkat keyakinan (CF) dari sebuah rule, yaitu[7]:
1. Metode ‘Net Belief yang diusulkan oleh E.H. Shortliffe dan B.G. Buchanan
CF (Rule) = MB (H, E) – MD (H, E) (2.1)
𝑀𝐵(𝐻, 𝐸) = {
1
max[𝑝(𝐻|𝐸),𝑃(𝐻)]−𝑃(𝐻) max[1.0]−𝑃(𝐻)
𝑃(𝐻) = 1
𝑙𝑎𝑖𝑛𝑛𝑦𝑎 (2.2)
𝑀𝐵(𝐻, 𝐸) = {
1
max[𝑝(𝐻|𝐸),𝑃(𝐻)]−𝑃(𝐻) max[1.0]−𝑃(𝐻)
𝑃(𝐻) = 0
𝑙𝑎𝑖𝑛𝑛𝑦𝑎 (2.3)
Dimana:
CF (Rule) = Faktor kepastian
𝑀𝐵(𝐻, 𝐸) = Measure of belief (ukuran kepercayaan) terhadap hipotesis H, jika diberikan evidence E (antara 0 dan 1)
𝑀𝐷(𝐻, 𝐸) = Measure of disbelief , (ukuran ketidakpercayaan) terhadap evidence H, jika diberikan evidence E (antara 0 dan 1)
𝑃(𝐻) = Probabilitas kebenaran hipotesis H 𝑃(𝐻|𝐸) = Probabilitas bahwa H benar karena fakta E 2. Dengan cara mewawancarai seorang pakar
Nilai CF (Rule) didapat dari interpretasi “term” dari pakar, yang diubah menjadi nilai CF tertentu sesuai tabel berikut :
Tabel 1. Nilai CF
Uncertain Term CF
Definitely not (pasti tidak) -1.0
Almost certainly not (hamper pasti tidak) -0.8 Probably not (kemungkinan besar tidak) -0.6
Maybe not (mungkin tidak) -0.4
Unknown (tidak tahu) -0.2 to 0.2
Maybe (mungkin) 0.4
Probably (kemungkinan besar) 0.6
Almost certainly (hampir tidak) 0.8
Definitely (pasti) 1.0
2.5 Teorema Bayes
Teorema Bayes merupakan metode penalaran non monotonis yang digunakan untuk mencari ketidak konsistenan akibat adanya penambahan maupun pengurangan fakta baru yang akan merubah aturan yang ada, sehingga metode[11]. Teorema Bayes digunakan dalam menentukan suatu kejadian dimana metode ini menggunakan penyederhanaan dari cara klasik yang penuh dengan integral untuk memperoleh model marginal. Bentuk Teorema Bayes untuk evidence tunggal E dan hipotesis tunggal H adalah[7]:
𝑃(𝐻|𝐸) =𝑃(𝐸|𝐻) 𝑥 𝑃(𝐻)
𝑃(𝐸) (2.4)
Dimana :
𝑃(𝐻|𝐸) = Probabilitas hipotesis H terjadi jika evidence E terjadi 𝑃(𝐸|𝐻) = Probabilitas munculnya evidence E, jika hipotesis H terjadi 𝑃(𝐻) = Probabilitas hipotesis H tanpa memandang evidence apa pun
𝑃(𝐸) = Probabilitas evidence E tanpa memandang apa pun.
2.6 Metode Perbandingan Exponential
Metode Perbandingan Eksponensial (MPE) merupakan salah satu metode untuk menentukan urutan prioritas alternatif keputusan dengan kriteria majemuk[8].Metode perbandingan eksponensial mempunyai keuntungan dalam mengurangi bias yang mungkin terjadi dalam analisis. Nilai skor yang menggambarkan urutan prioritas menjadi besar ini mengakibatkan urutan prioritas alternatif keputusan lebih nyata[9]. Formulasi penghitungan Metode Perbandingan Eksponensial[10]:
𝑇𝑜𝑡𝑎𝑙 𝑁𝑖𝑙𝑎𝑖 (𝑇𝑁𝑖) = ∑𝑚𝑗=1(𝑅𝐾𝑖𝑗)𝑇𝐾𝐾𝑗 (2.5)
Keterangan:
TNi = Total nilai alternatif ke-i
RKij = Derajat kepentingan relatif kriteria ke-j pada pilihan keputusan ke-i TKKj = Derajat kepentingan kriteria keputusan ke-j yang dinyatakan dengan bobot n = Jumlah pilihan keputusan
m = Jumlah kriteria keputusan
3. HASIL DAN PEMBAHASAN
3.1 Certainty Factor
Untuk proses penerapan metode certainty factor membutuhkan suatu nilai bobot, nilai bobot untuk setiap gejala juga ditentukan oleh pakar yaitu antar -1.0 sampai 1.0, nilai kepastian certainty factor sesuai dengan rule nilai tabel nilai rule seperti di bawah ini :
Tabel 2. Nilai Kepastian Keterangan Nilai Terminator
Sangat Yakin 1.0
Yakin 0.8
Cukup Yakin 0.6
Kurang Yakin 0.4
Tidak Tahu 0.2
Untuk dapat memulai proses penelitian pastinya dibutuhkan sebuah data yang berkaitan dengan topik penelitian. Berikut ini adalah gejala dari penderita penyakit asam urat :
Tabel 3. Gejala
Kode Gejala-gejala
G01 Rasa panas pada sendi
G02 Nyeri pada sendi saat pagi hari G03 Bengkak disendi
G04 Sendi susah digerakkan
G05 Kulit berwarna merah atau keunguan G06 Bila diraba hangat
G07 Jempol Kaki Terasa Nyeri G08 Kesemutan
Selanjutnya pemberian nilai kepastian pakar dan user, pakar memberikan nilai untuk setiap gejala dan user akan mengatakan seberapa yakin dengan gejala dan diberikan nilai sesuai dengan nilai rule certainty factor.
Tabel 4. Nilai Hipotesa dan Evidence Kode Nilai Hipotesa Nilai Evidence
G01 0.6 0.6
G02 0.8 0.6
G03 0.4 0.4
G04 0.8 0.8
G05 0.6 0.4
G06 0.4 0.4
G07 0.6 0.8
G08 0.4 0.4
Perhitungan ini akan mengambil nilai dari kepastian pakar dan kepastian user yang telah ditampikan pada tabel-tabel di atas. Selanjutnya nilai-nilai tersebut akan dihitung dengan rumus metode certainty factor.
Perhitungannya sebagai berikut : 𝐶𝐹[𝐻, 𝐸]𝑖= 𝐶𝐹[𝐻]𝑖∗ 𝐶𝐹[𝐸]𝑖
Tabel 5. Hasil Perhitungan Nilai Hipotesa dan Evidence
CF Nilai
CF [H,E]1 0.36 CF [H,E]2 0.48 CF [H,E]3 0.16 CF [H,E]4 0.64 CF [H,E]5 0.24 CF [H,E]6 0.16 CF [H,E]7 0.48 CF [H,E]8 0.16
Mengkombinasikan hasil perhitungan nilai hipotesa dan nilai evidence.Perhitungan menggunakan rumus : 𝐶𝐹𝐶𝑜𝑚𝑏𝑖𝑛𝑒[𝐻, 𝐸]1&2
Tabel 6. Hasil kombinasi Nilai Hipotesa dan Evidence
Kombinasi Nilai
CFcombine[H,E]1&2 0.6672 CFcombine[H,E]CFold&3 0.7204 CFcombine[H,E]CFold1&4 0.8993 CFcombine[H,E]CFold2&5 0.9234 CFcombine[H,E]CFold3&6 0.9356 CFcombine[H,E]CFold4&7 0.9665 CFcombine[H,E]CFold5&8 0.9719
Kemudian akan dihitung nilai presentasi dari kombinasi nilai di atas, dengan tujuan untuk mendapat nilai presentasi metode certainty dalam mendiagnosa penyakit asam urat.
𝐶𝐹𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑠𝑒= 𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒∗ 100%
= 𝐶𝐹𝑜𝑙𝑑6∗ 100%
= 0.9719 ∗ 100%
= 97.19%
3.2 Teorema Bayes
Setelah penerapan metode certainty factor selesai, maka dilanjutkan dengan proses perhitungan metode teorema bayes. Pertama mencari nilai probabilitas masing-masing gejala seperti berikut ini:
𝑃[𝐻]𝑖= 𝐻𝑖
∑ 𝐻
Tabel 7. Hasil Perhitungan Dengan Metode Bayes
TB Nilai
P[H]1 0.13 P[H]2 0.17 P[H]3 0.09 P[H]4 0.17 P[H]5 0.13 P[H]6 0.09 P[H]7 0.13 P[H]8 0.09
Setelah mendapatkan nilai probabilitas masing-masing gejala selanjutkan akan dilakukan proses mencari nilai probabilitas :
∑ 𝑃[𝐸|𝐻]𝑖∗ 𝑃⌈𝐻⌉𝑖
𝑛
𝑖=1
= (0.6 ∗ 0.13) + (0.6 ∗ 0.17) + (0.4 ∗ 0.09) + (0.8 ∗ 0.17) + (0.4 ∗ 0.13) + (0.4 ∗ 0.09) + (0.8 ∗ 0.13) + (0.4 ∗ 0.09)
= 0.078 + 0.102 + 0.036 + 0.136 + 0.052 + 0.036 + 0.104 + 0.036
= 0.58
Tabel 8. Hasil Nilai Probabilitas Probabilitas Nilai P[H|E]1 0.134 P[H|E]2 0.176 P[H|E]3 0.062 P[H|E]4 0.234 P[H|E]5 0.090 P[H|E]6 0.062 P[H|E]7 0.179 P[H|E]8 0.062 Hasil diagnosa dengan metode teorema bayes
= Bayes 1 + Bayes 2 + Bayes 3 + Bayes 4 + Bayes 5 + Bayes 6 + Bayes 7 + Bayes 8
= (0.134 ∗ 0.6) + (0.176 ∗ 0.8) + (0.062 ∗ 0.4) + (0.234 ∗ 0.8) + (0.090 ∗ 0.6) + (0.062 ∗ 0.4) + (0.179 ∗ 0.6) +(0.062 ∗ 0.4) ∗ 100%
= 0.0804 + 0.1408 + 0.0248 + 0.1872 + 0.054 + 0.0248 + 0.1074 + 0.0248 ∗ 100%
= 0.8674 ∗ 100%
= 86.74%
3.3 Metode Perbandingan Eksponensial
Setelah melakukan perhitungan dengan menggunakan metode certainty factor dan teorema bayes untuk mendiagnosa suatu penyakit, selanjutnya dilakukan proses perbandingan metode certainty factor dan teorema bayes. Perbandingan akan menggunakan sebuah metode perbandingan eksponensial. Pertama yang dilakukan yaitu penentuan bobot dan parameter yang akan dijadikan acuan dalam perbandingan. Parameter dan bobot dilihat dari tabel berikut :
Tabel 9. Nilai Bobot Parameter Keterangan Nilai Bobot
Hasil Probabilitas 3
Tingkat Kesulitan Pengerjaan 2
Waktu Pengerjaan 1
Penentuan nilai bobot pada setiap parameter untuk menunjukkan kepentingan dari parameter tersebut. Nilai 1 menunjukkan sangat penting, nilai 2 menunjukkan penting, nilai 3 menunjukkan cukup penting. Selanjutnya akan dilakukan proses pemberian nilai untuk setiap parameter. Nilai 2 menunjukkan yakin sedangkan nilai 1 menunjukkan tidak yakin, penjelasannya seperti tabel berikut ini :
Tabel 10. Pemberian Nilai Parameter Parameter
Hasil Probabilitas Tingkat Kesulitan Pengerjaan Waktu Pengerjaan Tinggi Rendah Sulit Cukup Sulit Lama Cukup Lama
2 1 1 2 1 2
Setelah semua parameter diberikan nilai maka langkah selanjutnya yaitu memberikan nilai untuk setiap metode berdasarkan penjelasan sebelumnya, seperti tabel di bawah ini :
Tabel 11. Pemberian Nilai untuk metode
Metode Parameter
Hasil Probabilitas
Tingkat Kesulitan Pengerjaan
Waktu Pengerjaan
Certainty Factor 2 2 2
Teorema Bayes 1 1 1
Bobot 3 2 1
Setelah diperoleh nilai dari kedua metode berdasarkan parameter, langkah selanjutnya yaitu proses perbandingannya. Setiap nilai akan dihitung menggunakan rumus dari metode perbandingan eksponensial.
Perhitungan perbandingan seperti di bawah ini : Metode certainty factor
= ∑(𝑅𝐾𝑖𝑗)
𝑚
𝑗=1
𝑇𝐾𝐾𝑗
= ((2^3)+(2^2)+(2^1)) = 8 + 4 + 2
= 14
Metode teorema bayes
= ∑(𝑅𝐾𝑖𝑗)
𝑚
𝑗=1
𝑇𝐾𝐾𝑗
= ((1^3)+(1^2)+(1^1))
= 1 + 1 + 1
= 3
Setelah di lakukan proses perbandingan didapat hasil perbandingan yang dapat dilihat pada tabel berikut : Tabel 12. Hasil Perbandingan Metode
Metode Hasil
Probabilitas
Tingkat Kesulitan Pengerjaan
Waktu Pengerjaan
Metode Perbandingan
Eksponensial
Ranking
Certainty Factor 2 2 2 14 1
Teorema Bayes 1 1 1 3 2
Dari tabel di atas bisa disimpulkan bahwa metode certainty factor lebih tepat daripada metode teorema bayes untuk proses diagnosa penyakit asam urat dengan nilai akhir perbandingan 14 untuk metode certainty factor dan 3 untuk metode teorema bayes.
4. KESIMPULAN
Hasil dari penelitian yang telah diperoleh oleh penulis tentang Analisa Perbandingan Metode Certainty Factor dan Teorema Bayes Untuk Mendiagnosa Penyakit Asam Urat, maka penulis dapat mengambil kesimpulan bahwa Proses mendiagnosa penyakit asam urat dengan menggunakan metode certainty factor dan teorema bayes yaitu dengan melihat gejala dan bobot nilai pakar terhadap gejala, selanjutkan nilai tersebut akan dihitung dengan rumus dari kedua metode tersebut, lalu didapat hasil akhir diagnosa penyakit. Perbandingan metode certainty factor dan teorema bayes untuk mendiagnosa penyakit asam urat akan dilihat dari parameter yaitu hasil probabilitas, tingkat kesulitan pengerjaan, dan waktu pengerjaan. Kemudian dari kedua metode itu akan dibandingkan oleh metode perbandingan eksponensial sehingga didapatkan metode yang tepat untuk proses diagnosa. Hasil akhir dari perbandingan metode certainty factor dan teorema bayes dengan menerapkan metode perbandingan eksponensial didapat hasil bahwa metode certainty factor lebih tepat untuk mendiagnosa penyakit asam urat daripada metode teorema bayes dimana diperoleh hasil dari metode certainty factor sebesar 14 sedangkan metode teorema bayes 3.
REFERENCES
[1] P. Hasan, E. W. Sholeha, Y. N. Tetik, and K. Kusrini, “Sistem Pakar Diagnosa Penyakit Kolesterol Dan Asam Urat Menggunakan Metode Certainty Factor,” Sisfotenika, vol. 9, no. 1, p. 47, 2019, doi: 10.30700/jst.v9i1.448.
[2] D. N. Ilham, H. Rudi, and A. Candra, “Analisis Perbandingan Penerapan Metode Bayes dan Certainty Factor Untuk Mendiagnosis Penyakit Tanaman Kakao,” vol. 3, no. 1, pp. 21–29, 2019.
[3] R. Dwi Hariyanto and H. Leidiyana, “Sistem Pakar untuk Mendiagnosa Penyakit Persendian Menggunakan Metode Certainty Factor,” J. Komtika (Komputasi dan Inform., vol. 4, no. 1, p. 8, 2020, doi: 10.53513/jsk.v4i1.2624.
[4] A. Nugraha et al., “Aplikasi Diagnosis Penyakit Sendi Memakai Metode Naïve Bayes Berbasis Android Studi Kasus Pada Masyrakat Desa Haurpugur,” vol. 2, no. 2, 2021.
[5] A. A. Maulia, “Analisa Metode Certainty Factor dan Teorema Bayes Dalam Mendeteksi Suatu Penyakit,” Zeta - Math J., vol.
6, no. 1, pp. 6–10, 2020, doi: 10.31102/zeta.2021.6.1.6-10.
[6] H. Kurnia, “Sistem Pakar Diagnosa Penyakit Gouty Arthritis dengan Menggunakan Metoda Forward Chaining,” J.
KomtekInfo, vol. 6, no. 1, pp. 1–7, 2019, doi: 10.35134/komtekinfo.v6i1.36.
[7] M. K. T.Sutoji, S.Si., M. K. Edy Ulyanto, S.Si., and Dr. Vincent Suhartono, KECERDASAN BUATAN. Yogyakarta: Andi, 2011.
[8] A. Armiyana and R. M. Candra, “Sistem Pendukung Keputusan Pemilihan Sekolah Anak Dengan Menggunakan Metode Analytical Hierarchy Process (AHP) Dan Metode Perbandingan Eksponensial (MPE),” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 1, p. 31, 2018, doi: 10.24014/coreit.v3i1.3655.
[9] D. R. Wardhani and R. Abdillah, “Pengambilan Keputusan Dengan Metode Perbandingan Eksponensial (Mpe) Dalam Manajemen Kedai,” Semnas Ristek, no. 2004, pp. 1–6, 2018.
[10] R. I. Borman and H. Fauzi, “Dalam Sistem Pendukung Keputusan Penerima Beasiswa,” CESS J. Comput. Eng. Syst. Sci., vol.
3, no. 1, pp. 17–22, 2018.
[11] F. A. NUGROHO, “PERANCANGAN SISTEM PAKAR DIAGNOSA PENYAKIT JANTUNG DENGAN METODE FORWARD CHAINING,” J I M P - J. Inform. Merdeka Pasuruan, vol. 1, no. 2, pp. 75–79, 2016, doi:
10.37438/jimp.v1i2.21.
[12] J. Cybertech et al., “PNEUMONIA PADA ANAK DENGAN METODE TEOREMA BAYES DAN,” vol. 4, no. 5, 2021.
