Sistem E-Healthcare Untuk Mendiagnosa Penyakit Inflamasi
Dermatitis Imun Anak Dengan Menggunakan
Metode Certainty Factor
Puji Sari Ramadhan, Usti Fatimah Sitorus PaneSTMIK TRIGUNA DHARMA, Medan, Indonesia Email: pujisariramadhan@gmail.com, itsu_pane@gmail.com
Abstrak
Kurangnya pengetahuan masyarakat serta tidak tercukupi tenaga ahli spesialis dibidang imunologi, mengakibatkan sulitnya penanganan terhadap pasien anak yang menderita penyakit Inflamasi Dermatitis Imun. Melihat fenomena yang terjadi maka diperlukan sebuah Sistem E-Healthcare yang mampu menerapkan metode
Certainty Factor untuk mendiagnosa jenis penyakit Inflamasi Dermatitis Imun pada anak berdasarkan
gejala-gejala klinis yang terjadi, proses penerapannya dengan terlebih dahulu mengumpulkan basis pengetahuan, kemudian melakukan penelusuran inferensi Forward Chaining terhadap rule-rule yang ada dan selanjutnya melakukan proses perhitungan metode Certainty Factor untuk mengetahui probabilitas dan jenis penyakit Inflamasi Dermatitis Imun pada anak. Dengan adanya Sistem E-Healthcare ini dapat memberikan kemudahan dalam pengambilan kesimpulan untuk dijadikan diagnosa awal.
Kata Kunci: Sistem E-Healthcare, Sistem Pakar, Forward Chaining, Certainty Factor, Inflamasi Dermatitis Imun.
1. PENDAHULUAN
Kulit adalah organ penting pada tubuh yang luasnya sekitar 2m2 dan juga memiliki syaraf peraba, selain itu kulit juga berfungsi sebagai pelindung pertahanan tubuh awal dari berbagai gangguan yang datang dari luar seperti virus berbahaya dan kuman serta bakteri penyebab penyakit. Dalam menjalankan fungsinya sebagai sistem pertahanan tubuh, maka kulit tidak terlepas dari beberapa gangguan/penyakit, salah satunya adalah gangguan pada sistem imun. Imunitas atau kekebalan adalah sistem dalam tubuh yang melindungi tubuh terhadap pengaruh kondisi luar dengan mengindentifikasi dan membunuh sel yang mengganggu sistem kerja tubuh.
Penyakit kulit yang disebabkan oleh gangguan sistem imun adalah Inflamasi Dermatitis Imun, penyakit ini pada umumnya menyerang anak-anak dikarenakan sistem kekebalan tubuh pada anak masih lemah serta memiliki sensitifitas yang tinggi terhadap infeksi virus, lingkungan, udara dan bakteri. Penyakit Inflamasi Dermatitis Imun yang menyerang pada anak-anak dapat mengkibatkan terganggunya kesehatan pada kulit sampai resiko pelemahan imun pada anak, namun pada saat ini kurangnya pengetahuan masyarakat serta tidak tercukupinya para ahli spesialis Inflamasi Dermatitis Imun pada anak yang tersebar di daerah, hal ini dapat menyebabkan terhambatnya penanganan pada anak yang menderita penyakit Inflamasi Dermatitis Imun. Melihat fenomena yang terjadi maka sangat dibutuhkan informasi yang tepat dan mudah terhadap penyakit Inflamasi Dermatitis Imun dengan mengembangkan suatu teknologi Artificial Intelligence yaitu Sistem Pakar .
Pada penelitian sebelumnya[1] Sistem Pakar juga pernah digunakan untuk mendiagnosa penyakit anak di bawah lima tahun dengan menerapkan teknik Forward Chaining, selain itu terdapat pada jurnal nasional[2] yang menerapkan Sistem Pakar untuk mengidentifikasi hama dan penyakit tanaman singkong. Penerapan Sistem Pakar dapat digunakan untuk mendiagnosa penyakit yang disebabkan oleh ulat[3].
Dalam penerapan Sistem Pakar yang digunakan untuk mendiagnosa penyakit Inflamasi Dermatitis Imun pada anak akan menggunakan metode Certantiy Factor yang nantinya dapat digunakan untuk mengukur tingkat keyakinan pakar dan tingkat probabilitas terhadap gejala-gejala yang terjadi pada anak yang kemungkinan menderita penyakit Inflamasi Dermatitis Imun sehingga dapat diketahui penyakit yang diderita pada pasien anak dalam melakukan pendiagnosaan.
Tujuan pengembangan Sistem Pakar ini sebenarnya digunakan untuk mensubsitusikan pengetahuan pakar ke dalam sebuah bentuk sistem cerdas yang mampu menganalisis permasalahan[4].
Dengan adanya Sistem Pakar ini nantinya dapat dijadikan layanan konsultasi untuk membantu dalam mendiagnosa jenis penyakit Inflamasi Dermatitis Imun pada anak berdasarkan
gejala-gejala klinis yang terjadi pada pasien anak, sehingga dapat digunakan dalam pengambilan kesimpulan diagnosa awal sebelum melakukan pemeriksaan intensif laboratorium.
2. METODOLOGI PENELITIAN 2.1 Sistem Pakar
Teori yang telah dipublikasikan pada tahun 2015[5] mengemukakan bahwa sistem merupakan kumpulan elemen yang terus berkaitan satu dengan lainnya yang membentuk satu kesatuan dalam mencapai suatu tujuan.
Bahwa sistem terdiri dari atas elemen-elemen yang saling berhubungan satu sama lainnya untuk tujuan tertentu.
Pemaparan lain dikemukakan bahwa Sistem Pakar merupakan aplikasi cerdas yang ditujukan sebagai layanan penyedia konsultasi dan sarana yang digunakan dalam memecahkan masalah[6]. Sistem Pakar yaitu program kecerdasan buatan yang menggabungkan basis pengetahuan dengan sistem inferensi[2].
Pada pendapat lain yang tercantum dalam jurnal nasional menjelaskan bahwa Sistem Pakar adalah sistem yang mampu menirukan penalaran seorang pakar agar sistem cerdas dapat memecahkan masalah seperti para pakar[7]. Implementasi Sistem Pakar juga pernah diterapkan untuk mendiagnosa kerusakan komputer[8].
2.2 Kerangka Kerja Penelitian
Inferensi adalah sebuah proses terstruktur yang memiliki kemampuan dalam melakukan penelusuran masalah. Tugas inferensi adalah merumuskan hasil berdasarkan sekumpulan pengetahuan yang ada para mesin tersebut.
Pada penelitian yang lainnya[9] mengemukakan bahwa Forward Chaining adalah pendekatan yang dimotori data dimulai dengan pelacakan dan hasil akhirnya akan menggambarkan kesimpulan. Penggunaan inferensi Forward Chaining juga pernah digunakan[10] untuk mendiagnosa penyakit ayam.
2.3 Certainty Factors
Teori Certainty Factor diusulkan oleh Shortliffe dan Buchanan pada 1975 untuk mengadopsi permasalahan ketidakpastian oleh seorang pakar. Metode Certainty Factor ini dipilih ketika menghadapi suatu permasalahan atau kejadian yang tidak pasti dalam jawaban.
Tabel 1. Nilai Kepastian
Uncertain Term CF
Definitely Not -1.0
Almost Certainly Not -0.8
Probably Not -0.6 Maybe Not -0.4 Unknown -0.2 to 0.2 Maybe 0.4 Probably 0.6 Almost Certainly 0.8 Definitely 1.0
Berikut perhitungan Certainty Factor untuk kombinasi dua buah rule dengan evidence berbeda (E1 dan E2), tetapi hipotesisnya sama :
𝐶𝐹(𝐶𝐹1 , 𝐶𝐹2) = [ 𝐶𝐹1 + 𝐶𝐹2 (1 − 𝐶𝐹1 ), Jika 𝐶𝐹1 𝑑𝑎𝑛 𝐶𝐹2 > 0 𝐶𝐹1 + 𝐶𝐹2 1 − min[𝐶𝐹1 , 𝐶𝐹 2], 𝐽𝑖𝑘𝑎 𝐶𝐹1 𝑎𝑡𝑎𝑢 𝐶𝐹2< 0 𝐶𝐹1 + 𝐶𝐹2 (1 + 𝐶𝐹1 ), 𝐽𝑖𝑘𝑎 𝐶𝐹1 𝑑𝑎𝑛 𝐶𝐹2< 0] (1)
2.4 Penyakit Inflamasi Dermatitis Imun
Penyakit Inflamasi Dermatitis Imun merupakan penyakit yang sering dijumpai pada bayi dan anak, penyakit ini bersifat kronik residif biasanya disertai infeksi, alergi, psikogenik, dan bahan kimia/iritan[11]. Jenis penyakit Inflamasi Dermatitis Imun pada anak ada 3, yaitu : Eksim Dermatitis, Atopik, dan Psoriasis.
3. ANALISA DAN PEMBAHASAN 3.1 Analisis Permasalahan
Dalam membangun Sistem E-Healthcare yang digunakan untuk mendiagnosa penyakit Inflamasi Dermatitis Imun pada anak berdasarkan gejala-gejala yang dialami pada anak maka perlu mengumpulkan pengetahuan pakar mengenai jenis penyakit Inflamasi Dermatitis Imun pada anak. Berikut ini merupakan jenis penyakit Inflamasi Dermatitis Imun pada anak beserta gejala-gejala klinis yang pada umumnya dialami oleh pasien anak, berdasarkan hasil dari kepakaran seorang dokter konsultan spesialis anak :
a. Eksim Dermatis
Pada jenis penyakit Inflamasi Dermatitis Imun pada anak ini, terdapat gejala-gejala klinis yang pada umumnya terjadi pada anak seperti : panas tinggi dan dingin pada bagian kulit yang terkena eksim, rasa gatal, tampak lepuhan-lepuhan kecil dan kulit bersisik.
b. Psoriasis
Pada jenis penyakit Inflamasi Dermatitis Imun pada anak ini, terdapat gejala-gejala klinis yang pada umumnya terjadi pada anak seperti : bintik merah yang ditumbuhi bercak lebar putih, menyerang sendi, bernanah, dan badan menggigil.
c. Atopik
Pada jenis penyakit Inflamasi Dermatitis Imun pada anak ini, terdapat gejala-gejala klinis yang pada umumnya terjadi pada anak seperti : kulit kering, rasa gatal, kulit bersisik dan pecah-pecah.
Berdasarkan data kepakaran penyakit Inflamasi Dermatitis Imun pada anak, dapat dibentuk basis aturan (rule), adapun daftar aturan (rule) yang dibentuk adalah sebagai berikut :
Rule 1 : IF panas tinggi dan dingin pada bagian kulit yang terkena eksim =Yes AND rasa gatal =Yes AND kulit kering =Yes AND tampak lepuhan-lepuhan kecil=Yes AND kulit bersisik=Yes THEN Penyakit = Eksim Dermatitis.
Rule 2 : IF bintik merah yang ditumbuhi bercak lebar putih =Yes AND menyerang sendi =Yes AND bernanah =Yes AND badan menggigil=Yes THEN Penyakit = Psoriasis.
Rule 3: IF rasa gatal =Yes AND kulit bersisik =Yes AND kulit pecah-pecah=Yes THEN Penyakit = Atopik.
3.2 Penerapan Inferensi Forward Chaining
Teknik inferensi Forward Chaining digunakan untuk melakukan penelusuran dalam menyelesaikan permasalahan yang terjadi tentang pendiagnosaan penyakit Inflamasi Dermatitis Imun pada anak. Berikut ini proses penelusuran teknik inferensi Forward Chaining berdasarkan rule-rule yang telah dibentuk.
Kasus Penelusuran: Seorang anak menderita gejala-gejala : rasa gatal, kulit kering, dan tampak lepuhan-lepuhan kecil. Berikut ini proses penelusuran runut maju terhadap rule-rule yang ada.
Rule 1 : IF rasa gatal =Yes AND kulit kering = Yes AND tampak lepuhan-lepuhan kecil=Yes THEN Penyakit = Eksim Dermatitis.
Rule 3 : IF rasa gatal =Yes THEN Penyakit = Atopik.
Berdasarkan hasil dari proses penelusuran dengan menggunakan teknik inferensi Forward Chaining, diketahui bahwa anak tersebut menderita penyakit Inflamasi Dermatitis Imun : Eksim Dermatitis dan Atopik.
Dalam proses penelusuran ini terdapat dua jenis penyakit yang terpilih, sehingga perlu mengoptimalkan hasil yang diproses dengan penambahan bobot gejala terhadap penyakit yang nantinya akan dilakukan proses perhitungan dengan menggunakan metode Certainty Factor.
3.3 Penerapan Metode Certainty Factors
Tabel 2. Data Kepakaran
No Daftar Gejala
Inflamasi Dermatitis Imun Anak Eksim
Dermatitis Psoriasis Atopik 1 Panas tinggi dan dingin pada bagian kulit yang
terkena eksim 0.6 - -
2 Rasa gatal 0.2 - 0.4
3 Kulit kering 0.6 -
4 Tampak lepuhan-lepuhan kecil (Bintil-bintil air) 0.4 -
5 Kulit bersisik 0.2 - 0.4
6 Bintik merah yang ditumbuhi bercak lebar putih - 0.6 -
7 Menyerang sendi - 0.4 -
8 Bernanah - 0.4 -
9 Badan menggigil - 0.4 -
10 Kulit Pecah-pecah 0.4
Berdasarkan hasil dari proses penelusuran dengan menggunakan teknik inferensi Forward Chaining, diketahui bahwa anak tersebut menderita penyakit Inflamasi Dermatitis Imun : Eksim Dermatitis dan Atopik. Selanjutnya akan dilakukan proses perhitungan dengan tahapan berikut :
a. Melakukan proses perhitungan dengan metode Certainty Factor : 1. Jenis PenyakitEksim Dermatitis:
Rasa gatal dan kulit kering =0.2+0.6(1-0.2)= 0.68 (CF kom) Cf kom dan lepuhan kecil = 0.68+0.4(1-0.68)=0.80 (Hasil CF)
Maka hasil dari perhitungan dengan metode Certainty Factor untuk penyakit Eksim Dermatitis adalah 0.80 atau 80 %.
2. Jenis PenyakitAtopik:
Rasa gatal =0.4+0(1-0.4)= 0.4 (Hasil CF), Maka hasil dari perhitungan dengan metode Certainty Factor untuk penyakit Atopik adalah 0.4 atau 40 %.
b. Kesimpulan Perhitungan
Nilai Max (Eksim Dermatitis dan Atopik) = (0.80 ; 0.4) = 0.80, Maka hasil diagnosa yang didapat atas kasus tersebut, bahwa pasien anak menderita penyakit jenis penyakit Eksim Dermatitis dengan tingkat probabilitas terhadap penyakit tesebut adalah 0.80 atau 80 %. 3.4 Pengujian Sistem
Pengujian terhadap sistem E-Healthcare untuk mendiagnosa penyakit Inflamasi Dermatitis Imun pada anak dilakukan untuk memastikan bahwa sistem telah dapat mengimplementasikan metode yang digunakan yaitu teknik inferensi Forward Chaining yang dioptimalisasikan dengan metode Cetainty Factor, berikut ini merupakan pengujian terhadap Sistem Pakar dalam pendiagnosaan jenis penyakit Inflamasi Dermatitis Imun pada anak
a. Proses Data Pasien
Proses pendiagnosaan akan dapat dilakukan dengan memasukkan identitas pasien terlebih dahulu pada menu diagnosa, berikut merupakan tampilan data pasien
Halaman data pasien digunakan untuk mengelolah data pasien yang akan berkonsultasi, berisi data tentang nama pasien, tanggal lahir, jenis kelamin dan alamat. Terlebih dahulu pasien mengisi data pribadi kemudian memilih gejala-gejala yang diderita oleh pasien. b. Proses Pemilihan Gejala
Proses pemilihan gejala dapat dilakukan dengan memilih (checklist) gejala-gejala yang terjadi pada pasien tersebut.
Gambar 2. Form Pemilihan Gejala
Untuk pengujian sistem ini akan mengambil contoh kasus penerapan metode Certainty Factors yaitu : seorang anak menderita gejala-gejala : rasa gatal, kulit kering, tampak lepuhan-lepuhan kecil dan bintil-bintil merah
c. Hasil Diagnosa
Setelah melakukan proses memasukkan gejala-gejala yang terjadi pada pasien anak, selanjutnya akan dilakukan proses diagnosa, berikut merupakan tampilan hasil diagnosa penyakit Inflamasi Dermatitis Imun pada anak
Gambar 3. Form Hasil Diagnosa
4. KESIMPULAN
Berdasarkan hasil pembahasan tentang implementasi sistem E-Healthcare untuk mendiagnosa penyakit Inflamasi Dermatitis Imun pada anak dengan menggunakan metode Certainty Factor yang telah dikemukakan, maka dapat diperoleh beberapa kesimpulan, adapun kesimpulan tersebut adalah sebagai berikut:
a. Sistem E-Healthcare yang dirancang merupakan proses dari hasil analisa dan pengidentifikasian terhadap gejala-gejala yang terdapat pada penyakit Inflamasi Dermatitis Imun pada anak dengan mengakuisisi pengetahuan pakar ke dalam bentuk rule-rule dan nilai kepastian yang nantinya dapat diterapkan ke dalam sebuah sistem.
b. Sistem E-Healthcare yang dibangun berbasis web dengan menerapkan metode Certainty Factor dalam proses pendiagnosaan penyakit Inflamasi Dermatitis Imun pada anak sehingga sistem yang dirancang dapat diimplementasikan oleh seluruh masyarakat luas sebagai sarana konsultasi dan pengambilan diagnosa awal.
REFERENCES
[1] B. F. Yanto, I. Werdiningsih, and E. Purwanti, “Aplikasi Sistem Pakar Diagnosa Penyakit Pada Anak Bawah Lima Tahun Menggunakan Metode Forward Chaining,” J. Inf. Syst. Eng. Bus. Intell., vol. 3, no. 1, pp. 61–67, 2017. [2] Minarn, I. Warman, and W. Handayani, “Case-Based Reasoning (Cbr) Pada Sistem Pakar Identifikasi Hama Dan
Penyakit Tanaman Singkong Dalam Usaha Meningkatkan Produktivitas Tanaman Pangan,” J. TEKNOIF, vol. 5, no. 1, pp. 41–47, 2017.
[3] A. Maseleno and M. Hasan, “The Dempster-Shafer Theory Algorithm and its Application to Insect Diseases Detection,” vol. 50, pp. 111–120, 2013.
[4] B. A. Dicky Nofriansyah, Puji Sari Ramadhan, “Perancangan Aplikasi Sistem Pakar untuk Mendeteksi Jenis Racun dan Spesies Ular pada Pasien yang Terkena Racun Bisa Ular Menggunakan Metode Certainty Factor,” J. Saintikom, vol. 14, pp. 93–104, 2016.
[5] A. Jamal and Sukadi, “Rancang Bangun Sistem Pakar Diagnosa Kerusakan Notebook Pada Widodo Computer Ngadirojo kabupaten Pacitan,” J. Speed – Sentra Penelit. Eng. dan Edukasi –, vol. 7, no. 3, pp. 52–58, 2015. [6] Ashari, “Penerapan Sistem Pakar Untuk Mendiagnosa Penyakit Pecernaan Dengan Pengobatan Alami,” no.
November, pp. 1–9, 2016.
[7] N. A. Sari, “Sistem Pakar Mendiagnosa Penyakit Demam Berdarah Menggunakan Metode Certainty Factor,” Pelita Inform. Budi Darma, vol. 4, pp. 100–103, 2013.
[8] Y. Bassil, “Expert Pc Troubleshooter With Fuzzy -Logic and Self -Learning Support,” Int. J. Artif. Intell. Appl., vol. 3, no. 2, pp. 11–21, 2012.
[9] S. Nurajizah and M. Saputra, “Sistem Pakar Berbasis Android Untuk Diagnosa Penyakit Kulit Kucing Dengan Metode Forward Chaining,” J. Pilar Nusa Mandiri, vol. 14, no. 1, pp. 7–14, 2018.
[10] Mohamad Hadi, M. Misdram, and R. F. A, “Perancangan Sistem Pakar Diagnosa Penyakit Ayam Dengan Metode Forward Chaining,” JImp, vol. 2, no. no bagian volume, pp. 111–139, 2016.
