46
SISTEM PAKAR MENDIAGNOSA PENYAKIT SLEEP APNEA DENGAN
MENGGUNAKAN METODE CASE BASED REASONING
Romaida Tambunan
Mahasiswa Teknik Informatika STMIK Budi Darma Jl. Sisingamangaraja No. 338 Simpang Limun, Medan
Email :romaida001@gmail.com Abstrak
Sistem pakar merupakan suatu tujuan utama dari sistem pakar bukan untuk menggantikan kedudukan seorang ahli atau pakar, tetapi untuk membagikan pengetahuan dan pengalaman seorang pakar atau ahli dalam memecahkan suatu permasalahan.Sleep Apnea merupakan frekuensi napas yang berhubungan dengan penyempitan saluran napas atas pada keadaan tidur, dapat berupa henti napas. Skala tidur sering digunakan untuk mengetahui kuantitas dari derajat gangguan tidur pada seorang pasien sleep apnea .PenyakitObstructive Sleep Apnea(OSA) menggambarkan abnormalitas respirasi selama tidur, memberikan gejala mendengkur, ngantuk di siang hari, terbangun dengan mulut kering atau tenggorokan terasa sakit, tidak merasa segar saat terbangun, sakit kepala terutama pagi hari setelah bangun tidur, kehilangan konsentrasi dan daya ingat menurun, mengalami depresi, mudah marah atau suasana hati berubah-ubah, kesulitan tidur serta merasa cemas.Metode Case Based Reasoning adalah metode yang menggunakan pengalaman atau kasus lama untuk dapat mengerti dan menyelesaikan masalah atau kasus baru.
Kata kunci : Sistem Pakar, Sleep Apnea, Case Based Reasoning, Obstructive Sleep Apnea (OSA) I. PENDAHULUAN
Tidur adalah kebutuhan manusia paling pokok yang merupakan sebuah proses fundamental. Tidur didefinisikan sebagai kondisi pelepasan perseptual dari lingkungan yang bersifat sementara dan dapat berulang.Sleep Apneaadalah timbulnya episode abnormal pada frekuensi napas yang berhubungan dengan penyempitan saluran napas atas pada keadaan tidur, dapat berupa henti napas
(apnea)atau menurunnya ventilasi (hypapnea).Skala
tidur sering digunakan untuk mengetahui kuantitas dari derajat gangguan tidur pada seorang pasien
sleep apnea.Pemeriksaan fisik yang penting adalah
menentukan index massa tubuh. Obesitas merupakan salah satu faktor resiko terjadinya sleep
apnea.Obesitas sentral perlu diukur, karena dengan
index massa tubuh normal, obesitas sentral juga salah satu dari faktor resiko sleep apnea.
Periode apnea (tidak bernapas), biasanya diakhiri dengan bentuk arousaldari tidur, dimana otot-otot yang berperan pada diatasi saluran napas atas mulai bekerja normal dan aliran udara pernapasan kembali normal. Proses arousalselama periode tidur berakibat proses tidur mengalami fragmentasi, kadang pasien tiba terbangun mendadak. Saturasi oksigen dapat menurun lebih dari 3%, akibat obstruksi saluran napas lebih dari 80%. Pada hypopnea, obstruksi jalan napas berkisar antara 30% sampai 50% dengan penurunan saturasi oksigen lebih dari 3%. Kebanyakan pasien mengalami keadaan henti napas (apnea)antara 20 sampai 30 kejadian perjam dan bisa lebih dari 200 kali permalam.Keadaan ini menjadi penyebab utama
hipersommnolenpada pasiennya. Banyak sekali
gejala-gejala sleep apnea antara lain rasa kantuk
terus menerus pada sianghari (hipersomnolen), gangguan konsentrasi, sakit kepala pagi hari, gangguan intelektual, gangguan personalitas dan pergaulan, depresi, dan daya ingat menurun.Pada dasarnya gejala gangguan sleep apnea sering membuat orang awam menganggap penyakit ini hanya penyakit biasa saja.Tetapi penyakit ini dapat mengakibatkan kematian, sehingga orang awam perlu mengetahui gejala yang terjadi pada penyakit
sleep apnea.Agar orang awan dapat mendiagnosa
secara dini penyakit sleep apnea. II. TEORITIS
A. ObstructiveSleep Apnea (Penyakit OSA) Penyakit OSA menggambarkan abnormalitas respirasi selama tidur, memberikan gejala mendengkur, ngantuk di siang hari, terbangun dengan mulut kering atau tenggorokan terasa sakit, tidak merasa segar saat terbangun, sakit kepala terutama pagi hari setelah bangun tidur, kehilangan konsentrasi dan daya ingat menurun, mengalami depresi, mudah marah atau suasana hati berubah-ubah, kesulitan tidur serta merasa cemas. Efek dari penyakit OSA adalah yang paling berbahaya dapat menyumbat saluran nafas sehingga dapat menyebabkan kematian.
Jadi secara umum, penyakit OSAadalah timbulnya frekuensi napas yang berhubungan dengan penyempitan saluran napas atas pada keadaan tidur, dapat berupa henti napas.
OSA umumnya terjadi pada dewasa muda, biasanya antara umur 40-50 tahun, meskipun dapat terjadi juga pada anak-anak dan remaja [3].
47 B. Metode Case-BasedReasoning(CBR)
Case-BasedReasoningadalah“suatu
pendekatanuntukmenyelesaikansuatupermasalahan berdasarkan solusi dari permasalahan sebelumnya”. Suatu masalah baru dipecahkan dengan menemukan kasus yang serupa di masa lampau, dan menggunakannyakembalipada situasimasalahyangbaru.Pendekatanlaindari
CBRyang tidakkalahpenting
adalahCBRjugamerupakansuatupendekatanke arah
incrementalyaitu pembelajaran terus-menerus.DalamCase-Based Reasoningada empat tahapanyangmeliputi[4]:
1. Retrieve (Penelusuran)
Penelusuran dimulai dengan tahapan mengenali masalah dan berakhir ketika kasus yang ingin dicari solusinya telah ditemukan serupa dengan kasus yang telah ada. Tahapan yang ada dalam penelusuran ini antara lain :
a. Identifikasi Masalah b. Memulai Pencocokan c. Menyeleksi
2. Reuse
Reusesuatu kasus dalam konteks kasus baru
terfokus pada dua aspek yaitu :
a. Perbedaan antara kasus yang ada dengan kasus yang baru.
b. Bagian mana dari penelusuran kasus yang dapat digunakan pada kasus yang baru. Ada dua cara yang digunakan untuk
meng-reusekasus yang telah ada, yaitu:
a. Menggunakan ulang solusi dari kasus yang telah ada (transformatial reuse).
b. Menggunakan ulang metode kasus yang ada untuk membuat solusi (derivational reuse). 3. Revise
Terdapat dua tugas utama dari tahapan ini yaitu evaluasi solusi dan memperbaiki kesalahan.Evaluasi solusi adalah bagaimana hasil yang didapatkan setelah membandingkan solusi dengan keadaan yang sebenarnya. 4. Retain
Retain menggunakan solusi baru sebagai bagian dari kasus baru, kemudian kasus baru diupdate kedalam basis kasus. Pada tahap ini terjadi suatu proses penggabungan dari solusi kasus yang baru dan benar ke knowledge yang telah ada. 5. Similarity (Kemiripan)
Kesamaan atau kemiripan adalah langkah yang digunakan untuk mengenali kesamaan atau kemiripan antara kasus-kasus yang tersimpan dalam basis kasus dengan kasus yang baru. Kasus dengan nilai similarity paling besar dianggap sebagai kasus “paling mirip”. Nilai similarity berkisar antara 0 sampai 1.Berikut adalah rumus untuk mencari nilai kemiripan (similarity) yaitu :
Keterangan :
Ti : Nilai kesamaan kasus
nX1 + nX2 + nX3 :Banyaknya kesamaan
subobjek X1,X2,X3,...Xn
N : Banyak elemen pada basis kasus 6. Faktor Kepastian
Certainty factor yaitu menyatakan derajat
kepercayaan dalam suatu kejadian atau fakta atau hipotesis didasarkan pada bukti-bukti atau pendapat pakar. Notasi faktor kepastian adalah sebagai berikut :
Keterangan :
CF(h,e) : Faktor Kepastian
MB(h,e) : Ukuran kenaikan kepercayaan
(measure of increased belief)
terhadap hipotesis h jika diberikan
evidence e (antara 0 sampai 1).
MD(h,e) : Ukuran kenaikan ketidakpastian
(measure of increased disbelief)
terhadap hipotesis h jika diberikan
evidence e (antara 0 dan 1).
H : Hipotesa (antara 0 dan 1). E : Peristiwa dan fakta (evidence). Beberapa evidencedikombinasikan untuk menentukan CF dari suatu hipotesis. Jika e1 dan e2 adalah observasi, maka :
III. ANALISA DAN PERANCANGAN A. Analisa Diagnosa PenyakitObstructiveSleep
Apnea(OSA)
Obstructive Sleep Apnea adalahgangguan
respirasi saat tidur yang paling banyak insidensinya.Insidensi OSA diperkirakan 1-4% populasi umum.Penderita OSA kebiasaan mendengkur lebih banyak terjadi pada apnea,
hipopnea dan penurunan saturasi oksihemoglobin
sewaktu tidur dibandingkan tanpa mendengkur.Obstructive sleep apnea umumnya terjadi pada dewasa muda, biasanya antara umur 40-50 tahun, meskipun dapat terjadi juga pada anak-anak dan remaja.
Untuk mengantisipasi masalah diatas maka penulis merancang suatu sistem pakar mendiagnosa penyakit sleep apnea.Dengan adanya program perancangan perangkat lunak ini diharapkan dapat membantu para dokter maupun masyarakat dalam mencegah atau untuk meminimalkan terjadinya penyakit sleep apnea tersebut.
Dari hasil konsultasi dengan dr. Burham Sp. PD terdapat gejala-gejala penyakit Obstructivesleep
48 Tabel 1. Gejala Obstructive Sleep Apnea (OSA)
Kode Gejala Penyakit Nilai Pakar G01 Mendengkur kencang 0,8 G02 Ngantuk di siang hari 0,8 G03
Terbangun dengan mulut kering atau tenggorokan terasa sakit
0,8 G04 Tidak merasa segar saat
terbangun 0,6
G05 Sakit kepala terutama pagi hari setelah bangun tidur. 0,8 G06 Kehilangan konsentrasi dan
daya ingat menurun 0,6 G07 Mengalami depresi 0,8 G08 Mudah marah atau suasana
hati berubah-ubah 0,6
G09 Kesulitan tidur 0,8
G10 Merasa cemas 0,6
Sumber : Hasil Konsultasi dengan dr. Burham, Sp. PD
Gambar 1. Tabel Data Analisis Gejala Pada Pasien
Obstructive Sleep Apnea (OSA)
Adapun analisa terhadap sistem pakar yang dibangun merupakan rule yang menerapkan metode
Case Based Reasoning dan Certainty Factor. Di
dalam logika metode Certainty Factorpada sesi penginputan sistem, pengguna diberi pilihan untuk memilih bobot kepastian yang masing-masing memiliki bobot sebagai berikut :
Tabel 2. Terminolog Kepastian
No. Keterangan Bobot
1. Pasti 1 2. Hampir Pasti 0,8 3. Cukup Pasti 0,6 4. Kurang Pasti 0,4 5. Ragu 0,2 6. Tidak Pasti 0
Dalam mengekspresikan derajat kepastian, untuk mengasumsikan derajat kepastian seorang pakar terhadap suatu data. Konsep ini kemudian diformulasikan dalam rumus-rumus dasar. Menerapkan sistem penalaran Case Based Reasoningdalam mendiagnosa penyakit sleep apnea, yaitu sebagai berikut :
B. Penerapan Metode Case Based Reasoning User melakukan penginputan gejala kasus baru, dapat dilihat pada table 3. sebagai berikut :
Tabel 3. Input Gejala Kasus Baru Inputan
Konsultasi Gejala Yang Dinputkan 1 G01, G04, G06, G08, G10 Inputan dari user dicari kemiripan dengan kasus terdahulu, dapat dilihat dari table 3.5 sebagai berikut :
Tabel 4. Menentukan Kemiripan Kasus Baru Dengan Kasus Lama
Kode Gejala Gejala Penyakit Obstructive Sleep Apnea Gejala Baru G01 Mendengkur kencang 1 1 G02 Ngantuk di siang hari 1 G03 Terbangun dengan mulut kering atau tenggorokan terasa sakit 1 G04 Tidak merasa segar saat terbangun 1 1 G05 Sakit kepala terutama pagi hari setelah bangun tidur. 1 G06 Kehilangan konsentrasi dan daya ingat menurun 1 1 G07 Mengalami depresi 1
49 G08 Mudah marah atau suasana hati berubah-ubah 1 1 G09 Kesulitan tidur 1 G10 Merasa cemas 1 1
Tabel 5. Kasus Baru Yang Mirip Terdahulu Keterangan Gejala Obstructive Sleep Apnea G01, G02, G03, G04, G05, G06, G07, G08, G09,G10 Kasus Baru G01, G04, G06, G08, G10
Pada sesi penginputan sistem, user diberi jawaban yang masing-masing memiliki bobot sebagai berikut:
Pilihan jawaban “Ya” = 1 Pilihan jawaban “Tidak” = 0
Tabel 3.7 Perbandingan Gejala Penyakit Obstructive Sleep Apnea Bobot User Bobot Kepastian Kode Gejala Kasus Lama Kode Gejala Kasus Baru G01 G01 0.8 1 G02 - 0.8 0 G03 - 0.8 0 G04 G04 0.6 1 G05 - 0.8 0 G06 G06 0.6 1 G07 - 0.8 0 G08 G08 0.6 1 G09 - 0.8 0 G10 G10 0.6 1
Proses menghitung nilai similarity
(kemiripan) kasus terdahulu dengan kasus baru diformulasikan dengan rumus (1), sebagai berikut:
Kemudian menghitung nilai CF, yaitu sebagai berikut : 𝐶𝐹[𝐻, 𝐸]1= 𝐶𝐹[𝐻]1∗ 𝐶𝐹[𝐸]1 = 1 ∗ 0.8 = 0.8 𝐶𝐹[𝐻, 𝐸]2= 𝐶𝐹[𝐻]2∗ 𝐶𝐹[𝐸]2 = 0 ∗ 0.8 = 0
Langkah selanjutnya adalah
mengkombinasikan nilai CF dari kaidah, yaitu sebagai berikut : 𝐶𝐹𝑐𝑜𝑚𝑏𝑖𝑛𝑒 𝐶𝐹[𝐻, 𝐸]1,2 = 𝐶𝐹[𝐻, 𝐸]1 + 𝐶𝐹[𝐻, 𝐸]2× (1𝐶𝐹[𝐻, 𝐸]1) = 0.8 + 0.6 ∗ (1 − 0.8) = 0.8 + 0.6 ∗ 0.2 = 0.8 + 0.12 = 0.92 𝑜𝑙𝑑 𝐶𝐹𝑝𝑒𝑟𝑠𝑒𝑛𝑡𝑎𝑠𝑒𝐶𝐹[𝐻, 𝐸]𝑜𝑙𝑑4∗ 100 = 0.99488 ∗ 100 = 99.488%
Dengan demikian dapat dikatakan bahwa terdapat kemiripan pada kasus terdahulu dengan nilai 44.44% dan perhitungan nilai CF mendiagnosa penyakit sleep apnea memiliki persentase tingkat keyakinan 99.488%.
IV. IMPLEMENTASI
Implementasi adalah rancangan form yang telah dibuat kemudian diaplikasikan dengan menggunakan Microsoft Visual Basic 2008. Implementasi Sistem dari perangkat lunak ini mencakup spesifikasi kebutuhan perangkat keras (hardware) dan perangkat lunak (software) serta pengujian perangkat lunak.
Tampilan program sesuai rancangan yang dibuat dan di print screen dan tampilan input, output, dan proses adalah sebagai berikut :
1. Tampilan Menu Utama
Menu Utama digunakan untuk sebagai tempat menampung semua pilihan-pilihan yang terdapat didalam sistem yang dirancang.
Gambar 2. Tampilan Menu Utama
50 Menu Gejala digunakan untuk menambahkan
gejala-gejala penyakit sleep apnea dan nilai bobot dari setiap gejala diambil dari pakar , dapat dilihat pada gambar dibawah ini :
Gambar 3. Tampilan Menu Gejala 3. Form Konsultasi
Pada menu konsultasi terdapat beberapa form, seperti form data pasien, form pertanyaan, dan
form hasil. Sebelum user atau pasien melakukan
konsultasi terlebih dahulu harus mengisi data pasien seperti nama, jenis kelamin dan usia. Berikut ini adalah tampilan form data pasien :
Gambar 4. Tampilan Menu Data Pasien 4. Form Pertanyaan
Pada tampilan ini berisikan pertanyaan-pertanyaan yang sudah ada berdasarkan dari gejala penyakit sleep apnea. Berikut adalah tampilan formpertanyaan :
Gambar 5. Tampilan form Pertanyaan 5. Form Hasil
Pada Tampilan ini digunakan untuk menampilkan hasil diagnosa mengenai penyakit
sleep apnea berdasarkan gejala yang dipilih pada
konsultasi sebelumnya. Berikut adalah tampilan menu hasil :
Gambar 6. Tampilan Form Hasil V. KESIMPULAN
Dari penyelesaian ini, penulis dapat mengambil kesimpulan adalah sebagai berikut ini : 1. Dapat mendiagnosa penyakit obstructivesleep
apnea dengan sistem pakar dan menggunakan
metode case based reasoning.
2. Dapat mendiagnosa penyakit obstructivesleep
apnea dengan sistem pakar dan menggunakan
metode case based reasoning.
3. Dengan menerapkan metode case based
reasoning dalam mendiagnosa penyakit
obstructivesleep apnea dapat menghasilkan
perhitungan valid yang sama dengan perhitungan manual sehingga proses diagnosa dapat dilakukan dengan cepat dan akurat.
4. Pembangunan aplikasi ini menggunakan bahasa pemrograman Visual Basic 2008untuk menghasilkan proses diagnosa penyakit
obstructivesleep apnea. REFERENSI
[1] T. Sutojo, Edy Mulyanto, and Dr. Vincent Suhartono, "Kecerdasan Buatan". Semarang: ANDI, 2011.
[2] Muhammad Arhami, "Konsep Dasar Sistem Pakar". Yogyakarta: Penerbit : Andi, 2005.
[3] Aru W. Sudoyo and Bambang Setiyohadi, "Buku Ajar Ilmu Penyakit Dalam". Jakarta: Pusat Penerbitan, 2006.
[4] Adriana S. A, Indarto , and Abdiansah , Sistem Penalaran Komputer Berbasis Kasus (Case Based Reasoning-CBR). Yogyakarta: Ardana Media, Februari 2007, vol. 2.
[5] Nelly Astuti Hasibuan, Hery Sunandar, Senanti Alas, and Suginam suginam, "Sistem Pakar Mendiagnosa Penyakit Kaki Gajah Menggunakan Metode Certainty Factor," Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika), vol. 2, no. 1, pp. 29-39, July 2017