Aplikasi Diagnosa Penyakit Jantung Koroner Menggunakan Metode
Dempster-Shafer
Dewi Ermayani1, Ananda2, Mardiah Fadhli3
Program Studi Teknik Informatika dan Multimedia, Politeknik Caltex Riau Jl. Umban Sari No. 1, Rumbai-Pekanbaru
E-mail : [email protected], [email protected], [email protected]
Abstrak
Kecerdasan buatan merupakan salah satu cabang ilmu komputer yang berkonsentrasi pada pengautomatisasian agar mesin atau komputer dapat melakukan pekerjaan seperti dan sebaik manusia. Banyak kasus yang bisa dijadikan penelitian dalam kecerdasan buatan, salah satunya penyakit jantung koroner. Proyek akhir ini dibangun suatu aplikasi diagnosis penyakit jantung koroner yang memungkinkan masyarakat melakukan diagnosis jenis penyakit jantung koroner dengan lebih efisien. Proyek akhir ini dibangun menggunakan metode Dempster-Shafer dengan bahasa pemrograman PHP dan MySQL sebagai penyimpanan basis pengetahuannya. Proyek akhir ini menampilkan fakta-fakta berupa gejala penyakit gejala yang dipilih oleh user untuk mendapatkan hasil diagnosis yang kemudian nilai densitas dari masing-masing gejala akan digunakan sebagai masukan. Proyek akhir ini memproses nilai dari tiap gejala menggunakan perhitungan Dempster-Shafer. Hasil dari proyek akhir ini adalah diagnosa berupa jenis penyakit dan persentase nilai kemungkinan terhadap penyakit. Proyek akhir ini layak untuk digunakan kepada pasien untuk mendiagnosa penyakit jantung koroner karena 77,5% hasil diagnosa sistem sesuai dengan analisa dokter.
.
Kata Kunci : Artificial Intelligence, Jantung koroner, Dempster-Shafer, PHP, MySQL Abstract
Artificial intelligence (AI) is a branch of computer science that concentrates on the automatization so the machine or computer and can do the job as well as humans. Many cases that could be used in artificial intelligence research, one of them is coronary heart disease. The final project is constructed of a coronary heart disease diagnosis applications that allow people to diagnose the type of coronary heart disease more efficiently. The final project is created using the Dempster-Shafer with PHP programming language and MySQL as the storage of its knowledge base. The final project is showing the facts of coronary heart symptoms which are selected by user to get the results of diagnosis then the value densitas of each symptom will be used as input. The final project is to processes the value of each symptom using Dempster-Shafer calculation. The results of this final project is the diagnosis of diseases and the percentage of the value of the possibility of disease. The final project is feasible to be used to diagnose patients for coronary heart disease because 77,5% of the diagnosis system in accordance with physician analysis.
1. Pendahuluan
Salah satu penyakit pada sistem kardiovaskuler yang sering terjadi dikenal sebagai penyakit jantung koroner. Penyakit jantung koroner sendiri adalah penyakit jantung yang menyangkut gangguan dari pembuluh darah koroner dalam mengenal dan menanganinya membutuhkan perhatian serta pengenalan dari faktor resiko yang ada pada penderita serta tindakan yang segera dapat diambil terhadap penderita tersebut dalam waktu yang singkat agar tidak terjadi komplikasi yang dapat membawa akibat yang tidak diinginkan.
Penyakit jantung koroner dapat menyerang siapa saja dan ada juga penyakit jantung bawaan dari lahir. Masyarakat yang tidak mampu memeriksakan kesehatan jantungnya karena biaya yang harus dikeluarkan sangatlah mahal dan tenaga spesialis juga masih jarang dijumpai terutama di daerah pedesaan. Pada umumnya tenaga medis kebanyakan dijumpai di daerah perkotaan. Sedangkan masyarakat yang berada di daerah pedesaan sangat sulit untuk memeriksakan ataupun berkonsultasi dengan tenaga spesialis sangatlah tidak terjangkau. Jadi selain biaya yang dikeluarkan sangat mahal, ketersediaan tenaga medis spesialis juga sangat terbatas sehingga masyarakat yang ada di daerah pedesaan sangatlah kesulitan untuk mengetahui penyakit jantung koroner yang sedang dideritanya.
Penelitian ini membangun aplikasi diagnosis menggunakan metode Dempster-Shafer, karena metode ini dianggap lebih mudah dalam merepresentasikan fakta-fakta dan keakuratan data dapat terjaga. Studi kasus dalam penelitian ini dilakukan pada gejala penyakit jantung koroner secara umum dan diharapkan dapat memberikan solusi yang dibutuhkan dalam hal diagnosis penyakit jantung koroner.
Adapun tujuan dari proyek akhir ini adalah :
1. Membangun sebuah aplikasi yang dapat membantu masyarakat umum dalam mendiagnosis apakah seseorang tersebut mengidap penyakit jantung koroner melalui gejala-gejala umum yang terlihat.
2. Memberikan informasi tentang penyakit jantung koroner kepada masyarakat umum akan gejala penyakit jantung koroner.
Perumusan masalah dari implementasi ini adalah :
1. Bagaimana membuat aplikasi diagnosis penyakit jantung koroner untuk memberikan kesimpulan serta informasi dari hasil diagnosis yang telah dilakukan.
2. Bagaimana mengimplementasikan metode Dempster-Shafer untuk mendiagnosis penyakit jantung koroner.
2. Tinjauan Pustaka 2.1 Kecerdasan Buatan
Kecerdasan buatan saat ini merupakan inovasi baru dalam bidang ilmu pengetahuan. Kecerdasan buatan ini memiliki kemampuan untuk menyimpan sejumlah besar informasi dan memprosesnya dengan kecepatan yang sangat tinggi dan menandingi kemampuan seorang manusia.
Beberapa definisi kecerdasan buatan yaitu :
1. Kecerdasan buatan adalah cabang ilmu komputer yang berhubungan dengan studi dan kreasi sistem komputer yang mempertunjukkan beberapa bentuk kecerdasan.
2. Sistem yang mempelajari konsep-konsep baru dan tugas-tugas.
3. Sistem yang dapat berfikir dan menarik kesimpulan yang berguna bagi dunia di sekitar kita. 4. Sistem yang dapat mengerti bahasa dan memahami pemandangan visual.
5. Sistem yang melakukan tipe-tipe yang lain seperti prestasi yang membutuhkan kecerdasan manusia.
2.2 Metode Ketidakpastian
Dalam kenyataan sehari-hari banyak masalah didunia ini tidak dapat dimodelkan secara lengkap dan konsisten. Suatu penalaran karena adanya penambahan fakta baru mengakibatkan ketidakkonsistenan, dengan ciri-ciri penalaran sebagai berikut yaitu adanya ketidakpastian, adanya perubahan pada pengetahuan, adanya penambahan fakta baru dapat mengubah konklusi yang sudah terbentuk harus mampu bekerja dalam ketidakpastian. Sejumlah teori telah ditemukan untuk menyelesaikan ketidakpastian, diantaranya probabilitas klasik (classical probability), probabilitas bayes (Bayesian probability), teori Hartley berdasarkan himpunan klasik (Hartley theory based on classical sets), teori Shannon berdasarkan pada probabilitas (Shanon theory based on probability), teori Dempster-Shafer (Dempster-Shafer theory), teori fuzzy Zadeh (Zadeh’s fuzzy theory), faktor kepastian (Certainty factor).
Pada penelitian ini akan dibahas penyelesaian ketidakpastian dalam aplikasi diagnosa penyakit jantung koroner dengan menggunakan metode Dempster-Shafer.
2.3 Metode Dempster-Shafer
Ada berbagai macam penalaran dengan model yang lengkap dan sangat konsisten, tetapi pada kenyataannya banyak permasalahan yang tidak dapat terselesaikan secara lengkap dan konsisten. Ketidakkonsistenan yang tersebut adalah akibat adanya penambahan fakta baru. Penalaran yang seperti itu disebut dengan penalaran non monotonis. Untuk mengatasi ketidakkonsistenan tersebut maka dapat menggunakan penalaran dengan teori Dempster-Shafer. Secara umum teori Dempster-Shafer ditulis dalam suatu interval.
Penulisan umum : [belief, plausibility]
1. Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi. Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian.
2. Plausibility (P1) dinotasikan sebagai :
( ) = 1 − (↽ ) (1) Plausibility juga bernilai 0 sampai 1. Jika yakin akan ⌐s, maka dapat dikatakan bahwa Bel( ⌐s) = 1, dan PI( ⌐ s) = 0.
Pada teori Dempster-Shafer dikenal adanya frame of discernment yang dinotasikan dengan θ. Frame ini merupakan semesta pembicaraan dari sekumpulan hipotesis. Tujuannya adalah mengkaitkan ukuran kepercayaan elemen-elemen θ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen-elemen θ saja, namun juga semua subsetnya. Sehingga jika θ berisi n elemen, maka subset θ adalah 2n . Jumlah semua m dalam subset θ sama dengan 1. Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai : m{θ} = 1,0. Apabila diketahui X adalah subset dari θ, dengan m1 sebagai fungsi densitasnya, dan Y
juga merupakan subset dari θ dengan m2 sebagai fungsi densitasnya, maka dapat dibentuk
fungsi kombinasi m1 dan m2 sebagai m3, yaitu :
( ) = ∑ ∩ ( ). ( )
∑ ∩ ∅ ( ). ( ) (2)
Keterangan :
m = nilai densitas (kepercayaan) XYZ = Himpunan evidence Ø = Himpunan Kosong
3. Perancangan
3.1 Perancangan Use Case
Perancangan yang telah dibuat pada sistem ini adalah perancangan use case Aplikasi Diagnosa Penyakit Jantung Koroner Menggunakan Metode Dempster-Shafer.
Gambar 1 Usecase Diagram
Berdasarkan Gambar 1 dapat diketahui bahwa dokter dapat melakukan beberapa aksi seperti tambah penyakit, edit penyakit, tambah gejala, edit gejala, tambah punya (nilai densitas) dan edit punya (nilai densitas) serta melakukan diagnosa untuk mengetahui apakah sistem yang dibangun sesuai dengan analisa pakar setelah melalui proses otentikasi atau login. Sedangkan member, setelah melalui proses otentikasi atau login, mereka dapat melakukan beberapa aksi seperti melakukan diagnosa, melihat hasil diagnosa dan edit data member. 3.2 Diagram Alir
Diagram alir atau diagram alir ini digunakan untuk menggambarkan alur suatu program
menjadi lebih sederhana sehingga program tersebut dapat lebih dimengerti. Pada aplikasi ini terdapat beberapa diagram alir, yaitu :
3.2.1 Diagram alir User
Yaitu diagram alir untuk menunjukkan proses dari user.
3.2.2 Diagram alir Dokter
Diagram alir untuk menunjukkan proses dari dokter tampak pada gambar 3.
Gambar 3 Diagram alir Dokter 3.3 Sequence Diagram
Sequence diagram suatu diagram yang menggambarkan interaksi antar obyek dan komunikasi diantara obyek-obyek tersebut..
3.3.1 Sequence Diagram Tambah Gejala
Sequence diagram yang ditunjukkan pada gambar 4 menggambarkan proses penambahan gejala
dilakukan oleh dokter dengan menginputkan id gejala dan nama gejala yang baru.
Gambar 4 Sequence Diagram Tambah Gejala 3.3.2 Sequence Diagram Lihat User
Sequence diagram yang ditunjukkan pada gambar 5 ini menggambarkan proses interaksi dokter
terhadap aplikasi pada saat melihat data user.
: adm in : form Gejala : inputGejala : dbgejala tampil form gejala( )
input id_gejala( ) input nama_gejala( )
simpan( )
validasi( )
Gambar 5 Sequence Diagram Lihat User
3.4 Entity Relationship Diagram (ERD)
ERD berfungsi untuk menggambarkan hubungan antar tabel yang akan digunakan pada sistem ini.
Gambar 6 Entity Relationship Diagram 4. Hasil dan Pembahasan
4.1 Tampilan Awal Website
Gambar 7 Tampilan Awal website
: admin homemaintenanceU ser : home : LihatU ser : dbU ser TampilListUser()
TampilDataUser()
Getdata()
Validasi()
Terdapat empat menu, yaitu Home yang menampilkan tampilan awal yang berisi informasi penyakit jantung koroner, kemudian Tentang Saya yang berisi informasi pembuat, lalu entang Situs yang berisi informasi sistem, dan yang terakhir adalah Bantuan yang berisi petunjuk untuk dapat mengakses situs website.
a. Tampilan Form Login
Form ini merupakan pintu utama sebelum masuk ke form menu utama member atau dokter. Dalam form ini terdapat dua user yaitu , member dan dokter. Jika user ingin masuk ke halaman utama member, maka user harus memilih level akses member, dan jika user ingin masuk ke halaman dokter maka user harus memilih level akses dokter. Tampilan form login dapat dilihat pada gambar 8.
Gambar 8 Tampilan Form login b. Tampilan Home Member
Halaman ini akan tampil apabila user mengakses level member. Di halaman ini terdapat 6 menu yaitu menu beranda,tentang situs,diagnosa, ubah data diri. Tampilan home member dapat dilihat pada gambar 9.
4.2 Metode Pengujian 4.2.1 Pengujian Sistem
Dalam pengujian sistem ini menjelaskan mengenai hasil uji coba perangkat lunak pembangun aplikasi untuk diagnosa penyakit jantung koroner menggunakan metode dempster-shafer. Selain itu, dari hasil uji coba yang telah dilakukan akan dianalisa apakah rancangan ini dapat memenuhi tujuan yang akan dicapai. Pengujian sistem dilakukan untuk mengetahui apakah hasil yang diberikan sesuai dengan pengetahuan yang diberikan kedalam sistem. Tahapan perancangan aplikasi telah dikerjakan. Mulai dari rancangan, sistem, rancangan input, rancangan output, rancangan database dan juga rancangan antar muka user (user interface). Semua rancangan ini digunakan untuk mempermudah dalam penjabaran sistem kedalam bahasa pemrograman.
Adapun hasil aplikasi yang telah dibuat dijelaskan dibawah ini. a. Tampilan Form Diagnosa
Gambar 10 Halaman diagnosa.
Gambar 10 adalah halaman Diagnosa. Setelah login, member bisa melakukan diagnosa dengan cara mencentang gejala yang telah disediakan sistem. Sistem ini menyediakan 3 jenis penyakit jantung koroner serta gejala-gejala yang mempengaruhi sebanyak 25 gejala.
b. Tampilan Hasil Diagnosa
Gambar 11 Halaman hasil diagnosa.
Setelah mencentang gejala-gejala yang ada, member dapat mengetahui persentase hasil diagnosa beserta nilai densitas (kepercayaan) terhadap penyakit seperti Gambar 11 yang telah diproses dengan menggunakan metode Dempster-Shafer.
4.2.2 Pengujian Hasil Oleh Masyarakat dan Dokter (kuisioner)
Kuisioner diberikan kepada 30 masyarakat dan dilakukan pengujian terhadap dokter. Kuisioner ini terdiri dari 4 pertanyaan, 4 pertanyaan satu jenis yaitu dari segi Interaksi Manusia Komputer (IMK) dan kuisioner dari segi aplikasi diagnosa penyakit jantung koroner. Pengujian terhadap dokter terdapat 8 pertanyaan. Setiap pertanyaan diberi poin yaitu dengan poin nilai 1 sampai 5 dengan keterangan sebagai berikut.
Gambar 12 Rekapitulasi Kuisioner Jumlah Responden
Gambar 13 Skala Likert Hasil Kuisioner Nilai Responden 4.3 Analisa dan Evaluasi
Aplikasi Diagnosis penyakit Jantung Koroner Menggunakan Metode Dempster-Shafer ini juga telah terbukti sesuai dalam hal perhitungan metode, karena hasil perhitungan manual yang dilakukan cocok dengan hasil yang didapat dari diagnosa sistem. Untuk hasil diagnosa sistem sesuai dengan contoh perhitungan pada pengujian manual dapat dilihat pada gambar 14.
Gambar 14 Skala Hasil Diagnosa Sistem 4.3.1 Analisa Menggunakan Teknik Sampling dari Hasil Diagnosa
Dari hasil diagnosa sistem, dilakukan pengambilan sampel populasi kejadian yang akan mewakili beberapa hasil diagnosa sistem. Dari 25 gejala yang ada didalam sistem, diperoleh kemungkinan hasil kombinasi sebanyak 33.554.432 kemungkinan. Dari seluruh kemungkinan hasil jawaban, akan ambil 40 sampel secara acak (Random Sampling). Dari 40 sampel, sebanyak 31 dari 40 (77,5%) hasil diagnosa sistem dinyatakan sesuai dengan hasil analisa dokter.
75% 80% 85% 90% 95%
5. Penutup 5.1 Kesimpulan
Setelah menerapkan aplikasi diagnosa penyakit jantung koroner dengan metode dempster-shafer dapat disimpulkan bahwa.
1. Metode Dempster-Shafer telah berhasil diimplementasikan dalam website diagnosa penyakit jantung koroner.
2. Aplikasi ini telah dinyatakan user friendly menurut hasil penilaian kuesioner karena hasil kuesioner bernilai 63,3% untuk kategori kenyamanan dalam penggunaan.
3. Berdasarkan pengujian yang telah dilakukan oleh dokter spesialis penyakit jantung tentang aplikasi diagnosa penyakit jantung koroner, maka aplikasi ini layak untuk digunakan kepada pasien untuk mendiagnosa penyakit jantung koroner karena 77,5% hasil diagnosa sistem sesuai dengan analisa dokter.
5.2 Saran
Beberapa saran yang dapat diberikan untuk membantu dalam pengembangan aplikasi ini lebih lanjut yaitu :
1. Untuk pengembangan aplikasi ini kedepannya dapat menambah gambar atau video sehingga pasien ataupun dokternya dapat lebih mudah dan mengerti dalam melakukan diagnosa penyakit jantung koroner.
2. Untuk mendiagnosa penyakit jantung koroner lebih akurat bisa dengan dukungan data laboratorium.
6. Daftar Pustaka
[1] Anita Desiani dan Muhammad Arhami (2006). Konsep Kecerdasan Buatan. Yogyakarta. [2] Aprilia Sulistyohati dan Taufiq Hidayat (2008). Aplikasi Diagnosis Penyakit Ginjal Dengan
Metode Dempster-Shafer. Diambil 24 Oktober 2011 pukul 2:50 WIB dari http://journal.uii.ac.id/index.php/Snati/article/viewFile/720/675.
[3] Kusumadewi, Sri. (2003). Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta : Graha Ilmu.
[4] Kusrini. (2006). Teori dan Aplikasi. Yogyakarta: Penerbit Andi Yogyakarta. [5] Kristanto, Andri. (2004). Kecerdasan Buatan. Yogyakarta : Graha Ilmu.
