Sistem Pakar Diagnosa Penyakit Tuberculosis
Menggunakan
Certainty Factor
Artikel Ilmiah
Peneliti:
Rianni Ilya Angriani Siwalette (672014245)
Prof. Ir. Danny Manongga, M.Sc., Ph.D.
Program Studi Teknik Informatika
Fakultas Teknologi Informasi
Universitas Kristen Satya Wacana
1. Pendahuluan
Tuberculosis adalah suatu penyakit menular yang disebabkan oleh Kuman
M.Tuberculosis. Terjangkitnya apabila penderita bukan hanya bersentuhan fisik dengan orang lain, melainkan bisa terjangkit lewat udara. Tuberculosis menyerang sistem Tubuh secara perlahan dan merupakan penyakit jangka panjang. Penyakit ini tidak mengenal umur untuk bisa menyerang ke tubuh manusia. Ketidaktahuan penyakit ini disebabkan karena minimnya informasi mengenai Tuberculosis dikalangan masyarakat .
Sekitar 75% penderita Tuberculosisadalah kelompok usia yang paling produktif secara ekonomis (15 tahun). Dalam laporan WHO tahun 2013, diperkirakan terdapat 8.6 juta kasus Tuberculosis pada tahun 2012 dimana, 1,1 juta orang (13%) diantaranya adalah pasien Tuberculosis dengan HIV positif. Sekitar 75% dari penderita Tuberculosistersebut berada di wilayah Afrika [1].
Dalam Implementasi sistem pakar dapat digunakan berbagai Metode untuk dapat membuat sistem, salah satunya adalahCertainty Factor. Certainty factormerupakan suatu metode yang digunakan untuk memecahkan permasalahan dari jawaban yang tidak pasti, dan menghasilkan jawaban yang tidak pasti pula. Ketidakpastian ini dipengaruhi oleh dua faktor yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti.
Berdasarkan latar belakang tersebut, maka dilakukan penelitian untuk Sistem pakar diagnosa penyakit Tuberculosismenggunakan Certainty Factor. Sistem ini diharapkan dapat memberi manfaat bagi masyarakat untuk mendapatkan informasi ataupun dapat mendiagnosa gejala dan melakukan tindakan pencegahan untuk berkonsultasi dengan dokter ahli sebelum terlambat.
2. Tinjauan Pustaka
Dalam aplikasi sistem pakar terdapat suatu metode untuk menyelesaikan masalah ketidakpastian data,metode yang dapat digunakan adalah faktor kepastian (Certainty Factor). Penelitian tentang Sistem Pakar kerusakan mesin jahit dengan metode certainty factor berbasis android, membahas tentang bagaimana kombinasi sistem pakar yang menggunakan metode certainty factor untuk menentukan ketidakpastian menjadi sebuah hasil yang akurat untuk mendeteksi kerusan mesin jahit [2]. Penelitian tentang penerapan metode Certainty Factor yang berjudul Penerapan Model Certainty Factor Untuk Mendeteksi Gejala Kanker Mulut Rahim,membahas tentang diagnosa penyakit gejala kanker mulut rahim kedalam bentuk sistem, dengan perhitungan metode Certainty Factor.
Sehingga dapat memperkecil resiko-resiko kesalahan dalam proses diagnosa pada umumnya[3]. Penelitian tentang penerapan metode Certainty Factoryang berjudul Pengembangan Sistem Pakar Untuk Diagnosis Penyakit Hepatitis Berbasis Web
Menggunakan Metode Certainty Factor, bertujuan untuk merancang sistem pakar yang mampu menjawab dan menganalisa penyakit hepatitis dalam bentuk web [4].
menggunakan metode Certainty Factor. yang bertujuan agar masyarakat dapat mendiagnosa kesehatan terutama pada penyakit Tuberculosis(TB).
Dalam penelitian ini membahas tentang Sistem pakar. Sistem pakar adalah sistem yang mengadopsi pengetahuan manusia yang ditangkap dalam komputer untuk memecahkan masalah yang biasanya membutuhkan keahlian manusia.Sistem pakar digunakan untuk membantu orang-orang yang tidak ahli dalam hal tertentu dalam mengambil keputusan, atau dapat juga digunakan oleh para pakar sebagai asisten. Sistem pakar bahkan dapat menjadi lebih baik daripada pakar jika bekerja pada ruang lingkup pengetahuan atau keahlian yang sempit [2].
Komponen utama pada struktur sistem pakar meliputi Basis Pengetahuan (Knowledge Base), Mesin Inferensi (Inference Engine), Working Memory, dan Antarmuka pengguna (User Interface)[6]. Struktur sistem pakar dapat ditunjukkan pada Gambar 1.
Gambar 1Blok Diagram Sistem Pakar
Gambar 1 mengilustrasikan konsep pokok dari sistem pakar. User memberikan fakta atau informasi lainnya ke sistem pakar dan menerima nasihat atau expertise sebagai jawabannya. Sistem pakar berisi dua komponen pokok yaitu knowledge base dan inference engine. Knowledge base (basis pengetahuan) berisi pengetahuan-pengetahuan dalam menyelesaikan masalah. Inference engine berfungsi untuk menganalisis pengetahuan dan menarik kesimpulan berdasarkan knowledge base [5].
Dalam Sistem pakar yang digunakan, penelitian ini juga menggunakan metode
Certainty Factor (CF). Metode ini merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Metode Certainty Factors ini hanya dapat mengolah 2 bobot dalam sekali perhitungan[4]. Formula untuk metode Certainty Factors memiliki sedikit kebenaran [9].
Faktor kepastian (Certainty Factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN pada tahun 1975 untuk mengakomadasi ketidakpastian pemikiran (inexact reasoning) seorang pakar. Teori ini berkembang bersamaan dengan pembuatan sistem pakar MYCIN. Team pengembang MYCIN mencatat bahwa dokter sering kali menganalisa informasi yang ada dengan ungkapan seperti misalnya: mungkin, kemungkinan besar, hampir pasti. Untuk mengakomodasi hal ini tim MYCIN menggunakan Certainty Factor (CF) guna menggambarkan tingkat keyakinan pakar terhadap permasalahan yang sedang dihadapi. Secara umum, rule direpresentasikan dalam bentuk sebagai berikut [9] :
CF(H,E) = MB(H,E) - MD(H, E)
MB(H,E) : Ukuran kenaikan kepercayaan(measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E.
MD(H,E) : Ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E.
Untuk menghitung kombinasi Certainty factor terhadap beberapa kondisi :
Certainty factor untuk kaidah premis tunggal (single remis rules )
CF[H,E] = CF[E] * CF[Rule] = CF[user] * CF[pakar]
Certainty Factor untuk kaidah dengan kesimpulan yang serupa (similarly concluded rules) :
CFcombine CF[H,E]1,2 = CF[H,E]1 + CF[H,E]2 * (1-CF[H,E]1)
Jika nilai CF yang dihitung lebih dari dua didefinisikan dengan persamaan berikut : CFcombine CF[H,E]old,3 = CF[H,E]old + CF[H,E] 3 * (1-CF[H,E] old)
Pada penelitian yang menggunakan Metode Certainty Factor ini, ditujukan untuk mendiagnosa penyakit Tuberculosis. Tuberculosis adalah sebuah penyakit infeksi yang terjadi pada saluran pernafasan manusia yang disebabkan oleh bakteriM.Tuberculosis. Bakteri penyebab penyakit TBC ini merupakan jenis bakteri basil yang sangat kuat sehingga memerlukan waktu yang cukup lama untuk mengobati penyakit TBC ini. Secara umum, bakteri ini lebih sering menginfeksi organ pernapasan paru-paru (90%) dibandingkan dengan bagian lain pada tubuh manusia [7].
Tuberculosis dapat dibagi beberapa jenis. Tuberculosis Paru yaitu tuberculosis yang menyerang bagian paru-paru, dan gejala yang paling umum adalah batuk berdahak secara trus menerus selama kurang lebih tiga minggu. Tuberculosis tulang yaitu, Tuberculosis yang menyerang bagian tulangdan mengalami pembengkakan pada persendian. Tuberculosis
3. Metode dan Perancangan
Penelitian yang dilakukan, diselesaikan melalui tahapan yang terbagi dalam empat tahapan, yaitu : (1) Analisis kebutuhan dan pengumpulan data berupa gejala penyakit
Tuberculosis, (2) Studi Literatur, (3) Perancangan sistem, (4) Implementasi Sistem, (5) Pengujian Sistem dan analisis hasil pengujian.
Gambar 2 Tahapan Penelitian
Tahapan penelitian pada Gambar 2, dapat dijelaskan sebagai berikut. Tahap pertama: analisis kebutuhan dan pengumpulan data, yaitu mengumpulkan serta menganalisis gejala-gejala yang ditimbulkan oleh penyakit Tuberculosis; Tahap kedua: perancangan sistem yang meliputi perancangan proses diagnosa penyakit
Tuberculosis dalam bentuk flowchart; Tahap ketiga: implementasi sistem, yaitu mengimplementasikan Certainty Factoryang sudah dirancang kedalam program;
Tahap keempat: pengujian dan analisis hasil pengujian, yaitu melakukan pengujian sistem serta analisis hasil pengujian sistem untuk melihat apakah aplikasi yang telah dibuat sudah sesuai dengan yang diharapkan atau tidak ada error.
Gambar 3Proses Diagnosa Penyakit Tuberculosis
Rancangan proses diagnosapenyakitTuberculosis pada Gambar 3 dirancang dengan menggunakan Metode perhitungan Certainty Factoryang dapat terjadi saat proses diagnosa penyakitTuberculosis.Proses pada Gambar 3 sangat berguna dalam merancang hasil akhir yang keluar sebagai jawaban apakah pengguna positif gejala
Tuberculosis atau tidak. Karena segala kemungkinan yang ada sudah diwakilkan.
Gambar 4 Diagram Alir Proses Perhitungan
4. Hasil dan Pembahasan
Pada Sistem pakar yang dilakukan berdasarkan metode Certainty Factor,
untuk menyatakan seseorang terdiagnosa suatu penyakit atau tidak, perlu diketahui terlebih dahulu gejala-gejala yang ditimbulkan. Data berupa gejala tersebut didapatkan dari ahli/pakar (dokter), dokter dapat mengambil suatu kesimpulan berupa penyakit yang diderita.Tetapi ada kalanya diperlukan pemeriksaan lebih lanjut melalui pemeriksaan laboratorium untuk penyakit tertentu.
Sequential
Sequential
Berikut merupakan data Pasien di Rumah Sakit Sumber Hidup ditunjukan pada Tabel 2,3, dan 4:
Tabel 2 Jumlah Pasien Tuberculosis di Rumah sakit Sumber Hidup Tahun awal pasien
Tuberculosis
Total Pasien Tuberculosis
di Rumah Sakit Sumber Hidup
Pasien Tuberculosis
Tahun 2014 975 32
Tahun 2015 1007 42
Tahun 2016 1030 27
Total Jumlah pasien 3012 101
Tabel 3 Asal Kasus Pasien Tuberculosis
N= 101 %
Asal Kasus
Skip 12 11,9
Benteng 2 2,0
Lin V 7 6,9
Batu gantong 12 11,9
Lateri 39 38,6
Passo 29 28,7
Rujukan
Rumah Sakit Umum Daerah (RSUD)
71 71,0
Dokter Umum 9 8,9
Dokter Spesialis Lain 2 2,0
Dokter Spesialis Paru 19 18,9
Tabel 4 Riwayat Pengobatan Pasien Tuberculosis
N=101 %
TB Kasus Baru 23 22,8
TB Kasus Putus obat 18 17,8
TB Kasus Kambuh 37 36,6
TB Kasus Gagal 17 16,9
Selanjutnya, tabel gejala beserta dengan bobot didapatkan dari wawancara dengan pakar atau dokter rumah sakit yang digunakan sebagai daftar pertanyaan dan bobotnya sebagai data yang dihitung untuk mencari nilai Certainty Factor setiap penyakit dan menentukan hasil akhir diagnosa. Karena setiap gejala memiliki penilaian bobot yang berbeda terhadap masingmasing penyakit.
Tabel 5 Interpretasi Certainy Factor [2]
No. Certainty Term CFakhir
1. Pasti Tidak -1,0
2. Hampir Pasti Tidak -0,8 3. Kemungkinan Besar Tidak -0,6
4. Mungkin Tidak -0,4
5. Tidak Tahu/Tidak Yakin -0,2 --- 0,2
6. Mungkin 0,4
7. Kemungkinan Besar 0,6
8. Hampir Pasti 0,8
9. Pasti 1,0
Pada sesi diagnosa penyakit, user diberikan pilihan interpretasi yang masing-masing memiliki nilai CF sebagai berikut [2]:
Tabel 6merupakan tabel solusi yang juga didapatkan dari hasil wawancara dengan pakar.
Tabel 7 Tabel Solusi Penyakit
Nama penyakit Solusi
TuberculosisParu, Tulang, Kelenjar
- Mengonsumsi makanan yang baik dan benar - Olahraga secara rutin dan teratur
- Hindari tempat yang lembab dan udara dingin - Mendapat sinar matahari
- Menjaga fungsi organ pembuangan - Konsultasi dan terapi dari dokter
- Mengonsumsi obat-obatan yang dianjurkan dokter - Menghindari kontak langsung dengan penderita
TBC
- Pastikan rumah memiliki sirkulasi udara yang baik - Mencuci tangan secara teratur
- Memeriksa lebih detail (melakukan X-ray) - Pemeriksaan darah
- Pemeriksaan dahak - Tes kulit
- Menggunakan masker mulut ketika berpergian ke tempat ramai
Tabel 8 Simbol Basis Pengetahuan Simbol Nama penyakit TBP Tuberculosis Paru TBT Tuberculosis Tulang TBK Tuberculosis Kelenjar
Pada pengujian fungsional diambil Contoh kasus terhadap penderita
Tuberculosis Paru. Hasil penghitungan presentase keyakinan dimulai dengan pemberian bobot/nilai keyakinan (CF) untuk masing-masing fakta pasien dan gejala oleh pakar. Jawaban yang masing-masing memiliki bobot CF sebagai berikut:
IF batuk berdahak dan berlendir [CF Rule = 0.4]
AND keringat pada malam hari tanpa beraktivitas [CF Rule = 0.2] AND demam pada malam hari [CF Rule = 0.2]
AND berat badan terasa menurun [CF Rule = 0.8] AND nafsu makan menurun [CF Rule = 0.6]
AND mudah merasa badan nyeri dan lemas [CF Rule = 0.8] THEN Gejala Tuberculosis Paru
- Penilaian bobot
Batuk berdahak dan berlendir = tidak [CF E=0]
Keringat pada malam hari = Hampir pasti [CF E = 0.6] Demam pada malam hari = Mungkin [CF E=0.2] Berat badan terasa menurun = Pasti [CF E = 0.8]
= 0.155 + 0.541 = 0.696 old 3 CFcombine old 3,5 = CF [H,E]old 3 + CF [H,E]5 * [1-CF [H,E]old 3]
= 0.696 + 0.24 * [1- 0.696] = 0.696 + 0.073 = 0.769 old 4 CFcombine old 4,6 = CF [H,E]old 4 + CF [H,E]6 * [1-CF [H,E]old 4]
= 0.769 + 0.64 * [1- 0.769] = 0.769 + 0.148 = 0.917 old 5
Untuk mendapatkan hasil akhir sesuai penilaian bobot, hasil akhir dari Cfcombine
* 100 maka : old 5 * 100 = 0.917 * 100 = 91.7 Maka sesuai dengan hasil yang di-output, apabila jawaban yang di-input-kan lebih dari 50% maka hasil akhir = Anda terkena Gejala Tuberculosis Paru, Silahkan berkonsultasi dengan dokter.
Gambar 6 Hasil Perhitungan Terdiagnosa Penyakit Tuberculosis Paru
Pada Gambar 6 hasil perhitungan pada kode program tersebut haruslah sama dengan perhitungan manual yang sudah dihitung berdasarkan metode Certainty Factor.
dan hasil pada Gambar 6 adalah hasil dari perhitungan kode program yang positif terkena Penyakit Tuberculosis.
Apabila hasil input-an tidak melebihi dari 50% maka hasil akhir dinyatakan tidak terkena penyakit Tuberculosisparu.
Gambar 7Hasil Perhitungan tidak Terdiagnosa Penyakit Tuberculosis Paru
Pada Gambar 7 ditampilkan hasil dibawah 50% dalam perhitungan Sistem dinyatakan bahwa tidak terkena gejala Tuberculosis, itu berarti pengguna negative
Gambar 8Tampilan Awal Pertanyaan Diagnosa Tuberculosis Paru
Pada Gambar 8 masuk ke sistem awal yang harus dilakukan dari pengguna adalah menjawab pertanyaan yang telah tertera agar bisa mendapatkan hasil akhir berupa hasil diagnosa.
Gambar 9 Output Implementasi Program
Kode Program 1 Perintah untuk menghitung Certainty Factor
Kode program 1 menunjukkan fungsi perhitungan untuk mendapatkan hasil dari rumus yang telah dimasukkan. Perintah pada baris 1-101 menunjukkan proses
switch tiap pertanyaan berdasarkan bobotpenilaianuntuk perhitungan setiap bobot penilaian jawaban pertanyaan. Ketika sudah mendapatkan hasil dari perhitungan bobot penilaian, setelah itu barulah memulai menghitung keseluruhan untuk mendapatkan hasil diagnosa.
Kode Program 2 Perintah untuk Mendiagnosa hasil akhir Tuberculosis.
Dokter</font>"; 8. } 9.
10. request.setAttribute("info", info);
11. RequestDispatcher rd=request.getRequestDispatcher("/id.jsp"); 12. rd.forward(request, response);
21. System.out.println("Maka Dapat Disimpulkan Bahwa "+info.split(">")[1].split("<")[0]); 22. }
23. }
Kode Program 2 merupakan perintah untuk menentukan diagnosauser
terhadap penyakit Tuberculosis, user diminta menjawab 6 (enam) pertanyaan berupa gejala-gejala yang sudah disediakan dan setiap jawaban user mempunyai bobot penilaian untuk menentukkan diagnosa apakah user terkena penyakit Tuberculosis, jika hasil lebih dari atau sama dengan 50% maka user terdiagnosa terkena penyakit
Tuberculosis namun apabila skor kurang dari 50% maka user belum terdiagnosa terkena Tuberculosis.
Selanjutnya dilakukan pengujian sistem menggunakan blackbox testing.
Blackbox testing dilakukan untuk menguji fungsi, antarmuka, struktur data dan fitur sistem untuk mengetahui apakah sistem sudah sesuai dengan yang diharapkan. Hal yang diuji beserta dengan hasil pengujian terdapat pada Tabel 8 [11].
Tabel 8 Hasil Black Box Testing
No. Deskripsi Hasil yang Diharapkan Hasil yang Diberikan Sistem
1. Admin
melakukan login.
Dapat melakukan login. Apabila password dan
username salah, maka
Admin dapat mengisi data diri sesuai dengan yang solusi yang tertera di sistem setelah hasil diagnosa
yang diberikan agar tindak lanjut ke dokter spesialis penyakit
Tuberculosis.
5. Simpulan
Berdasarkan hasil implementasi dan analisis sistem pada program sistem pakar untuk mendiagnosa penyakit Tuberculosis menggunakan metode Certainty Factor, maka dapat diambil simpulan sebagai berikut : (1)Metode Certainty Factor berhasil diimplementasikan dalam sistem pakar untuk mendiagnosa penyakit Tuberculosis. (2)Penerapan metode Certainty Factor dapat memberikan hasil berupa prosentase keyakinan terhadap kebenaran solusi. (3)Sistem pakar sebagai alat bantu pendiagnosa penayakit Tuberculosis berfungsi sebagai pendeteksi kemungkinan seseorang terjangkit penyakit Tuberculosis dan memberikan saran kepada pengguna Sistem.
6. Daftar Pustaka
[1] Direktorat Jenderal pengendalian Penyakit dan Penyehatan Lingkungan. 2014. Pedoman Nasional Pengendalian Tuberkulosis. Jakarta: Kementrian Kesehatan Republik Indonesia.
[2] Andrea, H.T. 2016. Sistem Pakar Kerusakan Mesin Jahit dengan Metode
Certainty Factor Berbasis Android.
http://news.palcomtech.com/wpcontent/uploads/downloads/2016/02/Jurnal _Hengki_Andrea_Taman_TeknikInformatika_SistemPakar.pdf
[3] Mariana, Dkk. 2012. Penerapan Model Certainty Factor Untuk Mendeteksi Gejala Kanker Mulut Rahim.
[4] Ramdhani,Dkk. 2015. Pengembangan Sistem Pakar Untuk Diagnosis Penyakit Hepatitis Berbasis Web Menggunakan Metode Certainty Factor
[5] Hozairi,Dkk.2011. Penerapan Sistem Pakar untuk Pengembangan Strategi Pengamanan Perbatasan Wilayah Laut Indonesia.
[6] Turban, E., and Jay, E.A. 1998. Decision Support System and Intelligent System. New Jersey : Prentice Hall Inc.
[7] Rossy,M., 2015. Pengertian Penyakit TBC
https://mencegahpenyakit.com/pengertian-penyakit-tbc/(diakses tanggal 11 oktober 2017)
[8] Saputro, 2013. Sistem diagnosa Penyakit Diabetes Melitus Menggunakan Metode CertaintyFactor
https://asanisembiring.wordpress.com/2012/03/19/metode-certainty-factor/ diakses tanggal 25 oktober 2017)
[10] Kusumadewi, S. 2003. Artificial Intelligence (Teori dan aplikasinya). Yogyakarta : Graha Ilmu, Indonesia.
![Tabel 5 Interpretasi Certainy Factor [2]](https://thumb-ap.123doks.com/thumbv2/123dok/3720739.1813799/14.612.99.523.185.604/tabel-interpretasi-certainy-factor.webp)
