SISTEM PAKAR DIAGNOSIS PENYAKIT MATA DENGAN METODE
SISTEM PAKAR DIAGNOSIS PENYAKIT MATA DENGAN METODE INFERENSIINFERENSI FORWARD CHAINING
FORWARD CHAINING
Rida Putra Perwira
Rida Putra Perwira11 Febri Krisnanto Febri Krisnanto22 [email protected].
[email protected] ac.id [email protected] [email protected]
1241177004308 1241177004268
1241177004308 1241177004268
Fakultas Ilmu Komputer Fakultas Ilmu Komputer
Universitas Singperbangsa Karawang Universitas Singperbangsa Karawang
2015 2015
Abstrak Abstrak
Mata merupakan suatu panca indra yang sangat penting dalam kehidupan manusia untuk Mata merupakan suatu panca indra yang sangat penting dalam kehidupan manusia untuk melihat. Jika mata mengalami gangguan atau penyakit mata, maka akan berakibat sangat fatal melihat. Jika mata mengalami gangguan atau penyakit mata, maka akan berakibat sangat fatal bagi
bagi kehidupan kehidupan manusia. manusia. Jadi Jadi sudah sudah mestinya mestinya mata mata merupakan merupakan anggota anggota tubuh tubuh yang yang perluperlu dijaga dalam kesehatan sehari-hari.
dijaga dalam kesehatan sehari-hari.
Sistem pakar merupakan suatu bagian metode ilmu-ilmu artificial intelligence untuk dibuat Sistem pakar merupakan suatu bagian metode ilmu-ilmu artificial intelligence untuk dibuat suatu program aplikasi diagnosa penyakit mata pada manusia yang terkomputerisasi serta suatu program aplikasi diagnosa penyakit mata pada manusia yang terkomputerisasi serta berusaha
berusaha menggantikan menggantikan dan dan menirukan menirukan proses proses penalaran penalaran dari dari seorang seorang ahlinya ahlinya atau atau pakarpakar dalam memecahkan masalah spesifikasi yang dapat dikatakan duplikat dari seorang pakar dalam memecahkan masalah spesifikasi yang dapat dikatakan duplikat dari seorang pakar karena pengetahuan ilmu tersebut tersimpan di dalam suatu si
karena pengetahuan ilmu tersebut tersimpan di dalam suatu si stem database.stem database.
Sistem Pakar Untuk Diagnosa Penyakit Mata Pada Manusia menggunakan metode forward Sistem Pakar Untuk Diagnosa Penyakit Mata Pada Manusia menggunakan metode forward chaining bertujuan menelusuri gejala yang ditampilkan dalam bentuk pertanyaan-pertanyaan chaining bertujuan menelusuri gejala yang ditampilkan dalam bentuk pertanyaan-pertanyaan agar dapat mendiagnosa jenis penyakit
agar dapat mendiagnosa jenis penyakit dengan perangkat lunak berbasis dekstop managementdengan perangkat lunak berbasis dekstop management system. Perangkat lunak sistem pakar dapat mengenali jenis penyakit mata setelah melakukan system. Perangkat lunak sistem pakar dapat mengenali jenis penyakit mata setelah melakukan konsultasi dengan menjawab beberapa pertanyaan-pertanyaan yang ditampilkan oleh aplikasi konsultasi dengan menjawab beberapa pertanyaan-pertanyaan yang ditampilkan oleh aplikasi sistem pakar serta dapat menyimpulkan beberapa jenis penyakit mata yang di derita oleh sistem pakar serta dapat menyimpulkan beberapa jenis penyakit mata yang di derita oleh pasien.
pasien. Data Data penyakit penyakit yang yang dikenali dikenali menyesuaikan menyesuaikan rules rules (aturan) (aturan) yang yang dibuat dibuat untuk untuk dapatdapat mencocokkan gejala-gejala penyakit mata dan memberi nilai persentase agar mengetahui mencocokkan gejala-gejala penyakit mata dan memberi nilai persentase agar mengetahui nilai pendekatan jenis penyakit pasien.
nilai pendekatan jenis penyakit pasien. Kata Kunci :
Kata Kunci : Sistem Pakar, Forward Chaining, Diagnosa, Penyakit, Mata, Manusia.Sistem Pakar, Forward Chaining, Diagnosa, Penyakit, Mata, Manusia. I.
I. PENDAHULUANPENDAHULUAN Latar Belakang
Latar Belakang
Penyakit mata merupakan penyakit dengan jumlah penderita yang terus meningkat setiap Penyakit mata merupakan penyakit dengan jumlah penderita yang terus meningkat setiap tahunnya di Indonesia. Prevalensi angka kebutaan di Indonesia berkisar 1,2% dari jumlah tahunnya di Indonesia. Prevalensi angka kebutaan di Indonesia berkisar 1,2% dari jumlah
penduduk. Penyebab utama dari kasus kebutaan ini adalah katarak, kelainan kornea, glaukoma, kelainan refraksi, kelainan retina dan kelainan nutrisi.
Seiring dengan menurunnya kualitas dan gaya hidup seperti pola makan, olahraga, istirahat, bekerja, tingkat stres dan usia, jumlah individu dengan keluhan penyakit mata semakin bertambah.
Perbandingan jumlah penduduk dan tenaga medis yang jauh dari standar ideal menyebabkan masyarakat kurang memahami penyakit yang diderita.Hal ini diperparah dengan anggapan di tengah masyarakat bahwapenyakit akan sembuh dengan sendirinya tanpa melalui proses pengobatan dan perubahan gayahidup. Terbatasnya jumlah tenaga medis, dapat dibantu dengan keberadaan sebuah aplikasi sistem pakar, tanpa bermaksud untuk menggantikan pakar. Aplikasi sistem pakar telah menjadi hal yang lazim diterapkan khususnya di bidang
kedokteran.
Untuk penelitian ini, jenis penyakit yang didiagnosis oleh sistem pakar adalah jenis penyakit mata. Organ mata dipilih karena mata merupakan panca indera yang sangat penting untuk penglihatan. Dengan mata yang dapat melihat secara normal, manusia dapat menikmati
keindahan alam dan berinteraksi dengan lingkungan sekitar dengan baik. Dengan mata, manusia dapat belajar lebih banyak tentang pengetahuan di dunia daripada melalui panca indera yang lain (Naser dan Zaiter, 2008). Hampir setiap kegiatan, manusia menggunakan mata, misalnya membaca, bekerja, menonton televisi, menulis, berkendara, dan lain-lain sehingga banyak orang yang setuju bahwa mata merupakan panca indera yang paling penting. Jika mata mengalami gangguan atau penyakit mata, maka akan berakibat sangat fatal bagi kehidupan manusia. Proses pembelajaran dan interaksi manusia akan terganggu. Jadi, sudah mestinya mata merupakan anggota tubuh yang perlu dijaga dalam kesehatan sehari-hari dan sudah semestinya manusia tahu sejak dini apabila terkena gejala penyakit mata tertentu sehingga tidak semakin parah dan membahayakan mata apalagi hingga terjadi kebutaan. Pada kenyataannya, banyak kasus penyakit mata dapat menimbulkan kebutaan karena terlambat ditangani (Naser dan Zaiter, 2008).
Permasalahan
Berdasarkan uraian diatas, maka perumusan masalah pada penilitian dapat adalah bagaimana suatu sistem pakar dapat mendiagnosa jenis penyakit mata manusia menggunakan metode forward chaining .
Tujuan dan Manfaat Penelitian
Membuat suatu perangkat lunak untuk dapat diagnosa penyakit mata pada manusia menggunakan rekayasa sistem pakar (expert system). Agar setiap penderita penyakit mata dapat dengan mudah dan cepat mengetahui jenis penyakit mata tanpa harus ke dokter terlebih dahulu. Sistem nantinya untuk menggantikan ahlinya untuk mengenai jenis penyakit dan mencari solusi dalam pengobatannya. Pembuatan perangkat lunak diagnosa penyakit mata pada manusia menggunakan sistem pakar ini memberikan manfaat untuk :
a. Untuk menghasilkan suatu prototype sistem pakar untuk diagnosa penyakit mata dan penerapannya dalam ilmu kedokteran mata.
b. Membantu dokter mengambil keputusan dalam mendiagnosa penyakit mata, sehingga dapat digunakan oleh pengguna yang minimal mempunyai dasar tentang anatomi mata, seperti perawat dan dokter spesialis mata.
II. PENELITIAN SEBELUMNYA
Penelitian pertama yang menjadi sumber rujukan yaitu expert system for early diagnosis of eye diases infecting the malaysian population. Data yang digunakan pada penelitian ini adalah 5 penyakit mata. Penelitian ini menggunakan metode forward chaining untuk menghasilkan aplikasi yang dapat memberikan diagnosis awal dari penyakit mata.
Penelitian selanjutnya adalah Neural Network and Desicion Tree for eye diases diagnosis. Data penelitian yang digunakan adalah 13 penyakit mata dan 22 gejala, 50 data pasien digunakan untuk pengujian. Data diambil dari Linsolar Eye Clinic dan Odadik eye clinic, kota Port Harcourt di Nigeria. Metode yang digunakan adalah backpropagation. Hasil menunjukkan prosentase kesesuaian diagnosis adalah 92%.
Penelitian selanjutnya adalah expert system for self diagnosing of eye diases using Naïve Bayes. Penelitian ini menggunakan konsep Case Base Reasoning(CBR). Model CBRdigunakan untuk menyelesaikan masalah dan melakukan generate hasil yang didasarkan pada history diagnosis penyakit mata. Beberapa proses dalam CBR diantaranya retrieve,
reuse, revise danretain.Data pada penelitian ini menggunakan 12 penyakit mata. Prosentase kesesuaian antara diagnosis sistem pakar dan pakar sebenarnya (human expert) sebesar 82% III. LANDASAN TEORI
Sistem Pakar
Menurut Naser dan Zaiter (2008), sistem pakar adalah suatu sistem yang memanfaatkanpengetahuan manusia yang ditangkap di sebuah komputer untuk memecahkan masalah yang biasanya membutuhkan keahlian manusia. Durkin dalam Daniel dan Virginia (2010) juga menyebutkan hal yang senada bahwa sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Sistem pakar mencari dan memanfaatkan informasi yang relevan dari pengguna dan dari basis pengetahuan yang tersedia untuk membuat rekomendasi. Sistem pakar juga dapat didefinisikan sebagai sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut. Sistem pakar memberikan nilai tambah pada teknologi untuk membantu dalam menangani era informasi yang semakin canggih (Daniel dan Virginia, 2010). Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan
Sulistyohati dan Hidayat (2008) mengatakan bahwa konsep dasar suatu sistem pakar mengandung beberapa unsur, diantaranya adalah keahlian, ahli, pengalihan keahlian, inferensi, aturan, dan kemampuan menjelaskan. Keahlian adalah salah satu penguasaan pengetahuan di bidang tertentu dan mempunyai keinginan untuk belajar memperbaharui pengetahuan dalam bidangnya. Pengalihan keahlian adalah mengalihkan keahlian dari seorang pakar dan kemudian dialihkan lagi ke orang yang bukan ahli atau orang awam yang membutuhkan. Pengalihan keahlian ini adalah tujuan utama dari sistem pakar. Inferensi merupakan suatu rangkaian proses untuk menghasilkan informasi dari fakta yang diketahui atau diasumsikan. Kemampuan menjelaskan merupakan salah satu fitur yang harus dimiliki oleh sistem pakar setelah tersedia program di dalam komputer.
Tujuan pengembangan sistem pakar sebenarnya tidak untuk menggantikan peran para pakar, namun untuk mengimplementasikan pengetahuan para pakar ke dalam bentuk perangkat lunak, sehingga dapat digunakan oleh banyak orang dan tanpa biaya yang besar (Sulistyohati dan Hidayat, 2008). Selain itu, bagi para ahli, sistem pakar ini justru akan membantu aktifitasnya sebagai asisten yang sangat berpengalaman (Handayani dan Sutikno, 2008). Untuk membangun sistem yang difungsikan untuk menirukan seorang pakar maka harus bisa melakukan hal-hal yang dapat dikerjakan oleh para pakar. Menurut Setiawan (2009), untuk membangun sistem yang seperti itu, dibutuhkan komponenkomponen sebagai berikut :
a. Basis pengetahuan (Knowledge base). Berisi pengetahuan-pengetahuan yang dibutuhkan untuk memahami, memformulasikan dan memecahkan persoalan. Bentuk basis pengetahuan yang umum digunakan ada 2, yaitu: penalaran berbasis aturan dan penalaran berbasis kasus.
b. Motor inferensi (inference engine). Ada 2 cara yang dapat dikerjakan dalam melakukan inferensi, yaitu :
- Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari suatu masalah kepada solusinya. Forward chaining adalah
data-driven karena inferensi dimulai dengan informasi yang tersedia dan baru konklusi diperoleh. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis. Gambar 1 berikut menunjukkan diagram Forward chaining.
- Backward chaining menggunakan pendekatan goal-driven, dimulai dari ekspektasi apa yang diinginkan terjadi (hipotesis), kemudian mencari bukti yang mendukung (atau kontradiktif) dari ekspektasi tersebut. Pencocokan fakta atau pernyataan dimulai dari bagian sebelah kanan (THEN dulu). Dengan kata lain, penalaran dimulai dari hipotesis terlebih dahulu, dan untuk menguji kebenaran hipotesis tersebut harus dicari fakta-fakta yang ada dalam basis pengetahuan. Gambar 2 berikut menunjukkan diagram Backward chaining.
-c. Blackboard. Merupakan area kerja memori yang disimpan sebagai database untuk deskripsi persoalan terbaru yang ditetapkan oleh data input dan digunakan juga untuk perekaman hipotesis dan keputusan sementara.
d. Subsistem akuisisi pengetahuan. Akuisisi pengetahuan adalah akumulasi, transfer, dan transformasi keahlian pemecahan masalah dari pakar atau sumber pengetahuan terdokumentasi ke program komputer untuk membangun atau memperluas basis pengetahuan.
e. Antarmuka pengguna (User Interface). Digunakan untuk media komunikasi antara user dan program.
f. Subsistem penjelasan. Digunakan untuk melacak respon dan memberikan penjelasan tentang kelakuan sistem pakar secara interaktif melalui pertanyaan.
g. Sistem penyaring pengetahuan. Untuk lebih jelasnya, komponen sistem pakar dapat dilihat pada Gambar 3.
h. Sementara itu, Naser dan Zaiter (2008) menyebutkan bahwa sistem pakar itu terdiri dari 6 komponen, yaitu :
- Rule-based systems
- Knowledge-based systems - Intelligent agent (IA) - Database methodology - Inference engine
- System-user interaction (User Interface)
Komponen sistem pakar seperti ini dapat dilihat pada Gambar 4.
Dari komponen-komponen sistem pakar di atas, secara garis besar ada 3 komponen utama, yaitu: basis pengetahuan, mesin inferensi, dan antarmuka pengguna (Daniel dan Virginia, 2010). Terkait dari salah satu komponen sistem pakar yaitu akuisisi pengetahuan, Milton, N.R dalam bukunya menegaskan terdapat tiga aspek dalam
akuisisi pengetahuan (Daniel dan Virginia, 2010), yaitu :
- Knowledge capture, Knowledge capture adalah teknik yang digunakan ketika bertemu pakar. Teknik ini terdiri dari interview techniques, modelling techniques,
dan specialised techniques.
- Knowledge analysis, Analisis pengetahuan ini merupakan proses mengidentifikasi elemen yang dibutuhkan dalam membangun basis pengetahuan. Terdapat 4 elemen penting dalam membangun basis pengetahuan, yaitu konsep, atribut, value/nilai dan relasi.
- Knowledge modelling, Knowledge modelling yaitu menciptakan cara yang berbeda dalam mengubah dan menampilkan basis pengetahuan. Terdiri dari bagian-bagian seperti pohon (trees), matriks, map, timeline, frame dan knowledge page. Terkait dengan komponen rule base, kaidah produksi yang biasa dikenal rule base (basis aturan) ini menjadi acuan yang sangat sering digunakan oleh sistem inferensi. Kaidah produksi ini merupakan salah satu model untuk merepresentasikan pengetahuan (knowledge base). Kaidah produksi merupakan kumpulan kaidah-kaidah yang saling berhubungan satu sama lain (Fattah dan
Wibowo, 2010). Kaidah produksi dituliskan dalam bentuk pernyataan IF-THEN (Jika-Maka). Pernyataan ini menghubungkan bagian premis (IF) dan bagian kesimpulan (THEN) yang dituliskan dalam bentuk IF [premis] THEN [konklusi] Jadi, kaidah ini dapat dikatakan sebagai suatu implikasi yang terdiri dari dua bagian, yaitu premis dan bagian konklusi. Apabila bagian premis dipenuhi maka bagian konklusi akan bernilai benar. Bagian premis dalam aturan produksi dapat memiliki lebih dari satu proposisi. Proposisiproposisi tersebut dihubungkan dengan menggunakan operator logika AND atau OR.
Proses Diagnosis Penyakit
Proses diagnosis merupakan perpaduan dari aktifitas intelektual dan manipulatif. Menurut Handayani dan Sutikno (2008), diagnosis sendiri didefinisikan sebagai suatu proses penting pemberian nama dan pengklasifikasian penyakitpenyakit pasien, yang menunjukkan
kemungkinan nasib pasien dan yang mengarahkan pada pengobatan tertentu. Diagnosis sebagaimana halnya dengan penelitian-penelitian ilmiah, didasarkan atas metode hipotesis. Dengan metode hipotesis ini menjadikan penyakit-penyakit begitu mudah dikenali hanya dengan suatu kesimpulan diagnostik. Diagnosis dimulai sejak permulaan wawancara medis dan berlangsung selama melakukan pemeriksaan fisik. Dari diagnosis tersebut akan diperoleh pertanyaan-pertanyaan yang terarah, perincian pemeriksaan fisik yang dilakukan untuk
menentukan pilihan tes-tes serta pemeriksaan khusus yang akan dikerjakan. Data yang berhasil dihimpun akan dipertimbangkan dan diklasifikasikan berdasarkan keluhan-keluhan dari pasien serta hubungannya terhadap penyakit tertentu. Berdasarkan gejalagejala serta tanda-tanda yang dialami oleh penderita, maka pemusatan diagnosis akan lebih terpusat pada bagian-bagian tubuh tertentu. Dengan demikian penyebab dari gejala-gejala dan tanda-tanda
tersebut dapat diketahui dengan mudah dan akhirnya diperoleh kesimpulan awal mengenai penyakit tertentu.
IV. METODELOGI PENELITIAN
Metodologi Penelitian yang digunakan adalah sebagai berikut : a. Identifikasi
Identifikasi merupakan tahapan pendefinisian sistem, tujuan, perumusan masalah, sumber daya, data yang digunakan serta biaya untuk dapat membangun sistem.
b. Pengumpulan Data
Data yang digunakan untuk percobaan, didapatkan dari pakar dan pasien penyakit mata. Data didapatkan melalui proses knowledge acquisition diantaranya wawancara dengan pakar dan mendapatkan rekam medik pasien.
c. Pemilihan Metode
Metode yang digunakan adalah metode inferensi. d. Rancang Bangun Sistem
Sistem dibangun denganuser friendly. Seorang pengguna akan dengan mudah mengoperasikan aplikasi yang dibuat, sehingga pengguna relatif cepat dapat mengetahui hasil diagnosis penyakit mata.
e. Ujicoba Sistem
Pada tahapan ini, sistem yang sudah dibangun akan diujicobakan dengan menginputkan gejala-gejala yang dialami pasien. Selanjutnya, sistem pakar akan menampilkan penyakit mata yang diderita pasien. Analisis hasil didapatkan dari perbandingan antara hasil ujicoba sistem pakar dengan hasil diagnosa pakar (human
expert). Alur Kerja Sistem
Untuk kasus diagnosis penyakit mata ini, desain proses dijelaskan menggunakan decision tree yang berhubungan dengan tabel dan sering digunakan dalam analisis sistem (sistem non AI). Sebuah decision tree dapat dianggap sebagai suatu semantic network hirarki yang diikat oleh serangkaian aturan (rule). Tree ini mirip dengan pohon keputusan yang digunakan pada teori keputusan. Tree dibentuk oleh simpul (node) yang mempresentasikan tujuan (goal) dan hubungan (link) yang dapat mempresentasikan keputusan (decision). Akar (root) dari pohon berada di sebelah kiri dan daun (leaves) berada di sebalah kanan. Keuntungan utama dari
decision tree yaitu tree dapat men yederhanakan proses akuisi pengetahuan.
Tree yang digunakan pada masalah diagnosis penyakit mata merupakan suatu forward chaining tree. Pada forward chaining tree penelusuran informasi dilakukan secara forward (ke depan) seperti yang umumnya digunakan pada masalah masalah diagnosis lainnya. Dari pernyakit mata yang diketahui, kemudian mencoba melakukan penelusuran ke depan untuk mencari fakta-fakta yang cocok berupa gejala-gejala penyebab penyakit mata yang bersangkutan. Pada tree tersebut dapat dilihat bagaimana suatu gejala penyakit atau kesimpulan gejala penyakit merujuk kepada suatu jenis penyakit tertentu, dan bagaimana beberapa gejala yang sama dapat merujuk kepada beberapa penyakit yang berbeda. Pada penelusuran dengan metode forward chaining dapat dilihat bahwa penelusuran ke depan untuk mengenali penyebab dan jenis penyakit yang dialami oleh pasie n. Untuk lebih jelasnya, dapat dilihat pada Gambar 5.
Desain Diagram Konteks
Beberapa jurnal melakukan perancangan sistem pakar untuk mendiagnosis penyakit mata ini menggunakan diagram konteks. Diagram ini menjelaskan tentang hubungan input/output antara sistem dengan dunia luarnya. Suatu diagram konteks selalu mengandung satu proses saja yang mewakili proses seluruh sistem. Perancangan sistem dimulai dari hal yang paling global hingga menjadi model yang paling detail. Aliran data bersumber dari pengetahuan yang didapatkan dari pakar, dimasukkan ke dalam sistem, kemudian diproses.
Dalam hal ini, pakar bertugas memasukkan data-data baru mengenai gejala dan jenis penyakit. Pasien memasukan gejala yang dirasakan untuk keperluan diagnosis, kemudian pasien mendapatkan hasil diagnosis penyakit. Secara umum, diagram konteks sistem pakar
untuk diagnosis penyakit mata pada manusia dapat dilihat pada Gambar 6.
V. HASIL DAN IMPLEMENTASI
VI. KESIMPULAN DAN SARAN
Tujuan utama penelitian ini adalah mengembangkan sistem pakar yang dapat mengimbangi keterbatasan dokter ahli dalam pemeriksaaan dan diagnosis penyakit mata.Program pembuatan sistem pakar ini juga dapat digunakan oleh user yang bukan ahlinya untuk mendiagnosa penyakit mata. Sistem pakar ini tidak dapat 100% dijadikan sebagai final decision dalam menentukan penyakit yang dialami pasien. Penalaran yang diperoleh dari pengalaman yang dimiliki oleh user tetap menjadi faktor utama dalam sistem diagnosa penyakit mata. Namun, hasil program ini akan berusaha mengarahkan user untuk fokus
terhadap penyakit yang dialami pasien berdasarkan gejala yang ditimbulkan.
Penyusunan database dari program harus terperinci agar memudahkan dalam penyusunan program. Hasil output dari program perlu dianalisis lebih lanjut sehingga hasilnya benar- benar akurat sesuai dengan target dari plan.
