IMPLEMENTASI CERTAINTY FACTOR UNTUK DIAGNOSA PENYAKIT KULIT

(1)

Volume 9 No 1, April2018

JURNAL IT

IMPLEMENTASI

CERTAINTY FACTOR

UNTUK

DIAGNOSA PENYAKIT KULIT

Sitti Zuhriyah, Suwatri Jura

Jurusan Sistem Komputer STMIK Handayani Makassar Sitizuhriyah2015@gmail.com

Abstrak

Sistem Pakar adalah bagian dari kecerdassan buatan yang berisi kombinasi pemahaman teoritis tentang suatu persoalan dan sekumpulan aturan pemecahan persoalan heuristic yang dikembangkan oleh manusia untuk dapat memecahkan problema pada suatu domain yang spesifik.Salah satu implementasi sistem pakar yang dibangun pada penelitian ini adalah sistem pakar untuk penyakit kulit. Kulit merupakan bagian terpenting dari tubuh kita. Jika kulit pada tubuh seseorang terkena suatu penyakit, maka akan menganggu penampilan dan aktifitas orang tersebut.Sistem pakar ini akan diimplementasikan dengan metode certainty factor. Alasan penggunaan metode ini karena dapat memberikan hasil yang akurat yang didapatkan dari perhitungan berdasarkan bobot gejala yang dipilih pengguna, mampu memberikan jawaban pada permasalahan yang tidak pasti kebenarannya seperti masalah diagnosa resiko penyakit, dan dengan metode ini pakar menggambarkan keyakinan seorang pakar dengan memberikan bobot keyakinan sesuai dengan pengetahuan pakar terkait

1. Pendahuluan

Sistem Pakar adalah bagian dari kecerdassan buatan yang berisi kombinasi pemahaman teoritis tentang suatu persoalan dan sekumpulan aturan pemecahan persoalan heuristic yang dikembangkan oleh manusia untuk dapat memecahkan problema pada suatu domain yang spesifik. System pakar merupakan perangkat lunak yang digunakan untuk memecahkan masalah yang biasanya diselesaikan oleh seorang pakar. Aturan-aturan di dalamnya memberitahu program, bagaimana ia memberlakukan informasi-informasi yang tersimpan. Berdasarkan itu program memberikan solusi-solusi atau bantuan pengambil keputusan mengenai permasalahan tertentu, mirip dengan saran seorang pakar. Sebagai salah satu cabang kecerdasan buatan yang menggunakan pengetahuan-pengetahuan khusus yang dimiliki oleh seorang ahli utuk menyelesaikan sutau masalah tertentu secara cepat maka sistem pakar memiliki fungsi menirukan pengetahuan dan kemampuan dari seorang pakar.

(Daniel dan Virginia, 2010) menyebutkan bahwa salah satu masalah di dalam dunia medis atau kedokteran adalah adanya ketidakseimbangan antara pasien dan dokter. Selain itu, sebagian besar dari masyarakat tidak terlatih secara medis sehingga apabila mengalami gejala penyakit yang diderita belum tentu dapat memahami cara-cara penanggulangannya. Sangat disayangkan apabila gejala-gejala yang sebenarnya dapat ditangani lebih awal menjadi penyakit yang lebih serius akibat kurangnya pengetahuan. Pengetahuan sebenarnya dapat diperoleh dari buku-buku atau situs-situs internet yang membahas tentang kesehatan. Akan tetapi, untuk mempelajari hal tersebut tidaklah mudah karena selain memerlukan waktu yang cukup lama untuk memahaminya, sumber-sumber tersebut juga belum tentu dapat mendiagnosis jenis penyakit seperti yang dilakukan oleh seorang dokter.

(2)

JURNAL IT

penyakit pada dirinya berdasarkan gejala-gejala yang dirasakan oleh orang tersebut dengan menjawab pertanyaan pada aplikasi seperti halnya konsultasi ke dokter. Dengan demikian, orang awam dapat mendeteksi penyakit beserta solusi pengobatannya sejak dini sehingga bisa dilakukan penanganan segera, bahkan dapat dilakukan upaya pencegahan terhadap penyakit tertentu (Kumar dan Prava, 2010). Jadi, dengan pengembangan sistem pakar, diharapkan bahwa orang awam pun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli (Handayani dan Sutikno, 2008).

Salah satu implementasi sistem pakar yang dibangun pada penelitian ini adalah sistem pakar untuk penyakit kulit. Kulit merupakan bagian terpenting dari tubuh kita. Jika kulit pada tubuh seseorang terkena suatu penyakit, maka akan menganggu penampilan dan aktifitas orang tersebut. Jika hal tersebut terus-menerus dibiarkan maka akan menyebabkan penyakit kulit tersebut menjadi membesar sehingga akan sulit untuk mengobatinya. Lambatnya mengetahui jenis penyakit serta tidak mengetahui cara pencegahannya mengakibatkan seseorang terkena penyakit kulit tingkat akut. Oleh karena itu dengan bantuan teknologi komputer diharapakan penyakit yang menyerang kulit dapat diketahui secara dini sehingga memperkecil terjadinya penyakit yang lebih berbahaya (kanker).

Sistem pakar ini akan diimplementasikan dengan metode certainty factor. Alasan penggunaan metode ini karena dapat memberikan hasil yang akurat yang didapatkan dari perhitungan berdasarkan bobot gejala yang dipilih pengguna, mampu memberikan jawaban pada permasalahan yang tidak pasti kebenarannya seperti masalah diagnosa resiko penyakit, dan dengan metode ini pakar menggambarkan keyakinan seorang pakar dengan memberikan bobot keyakinan sesuai dengan pengetahuan pakar terkait

2. Kajian Literatur

a. Pengertian Sistem Pakar

Sistem pakar adalah sebuah perangkat lunak komputer yang memiliki basis pengetahuan untuk domain tertentu dan menggunakan penalaran inferensi menyerupai seorang pakar dalam menyelesaikan masalah (Nahampun, 2014). Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia (ahli) ke program komputer, agar komputer dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja para ahli, untuk kemudian dialihkan lagi ke orang lain yang membutuhkan baik orang awam maupun para pakar sebagai asistennya.

Sistem pakar merupakan sistem berbasis komputer yang menggunakan pengetahuan, fakta, dan teknik penalaran dalam memecahkan masalah yang bisanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tersebut.

Kepakaran (expertise) adalah pengetahuan yang ekstensif dan spesifik yang diperoleh melalui rangkaian pelatihan, membaca, dan pengalaman. Pengetahuan membuat pakar dapat mengambil keputusan secara lebih baik dan lebih cepat daripada non-pakar dalam memecahkan problem yang kompleks. Kepakaran mempunyai sifat berjenjang, pakar top memiliki pengetahuan lebih banyak daripada pakar yunior. Tujuan Sistem Pakar adalah untuk mentransfer kepakaran dari seorang pakar ke komputer, kemudian ke orang lain (yang bukan pakar).

b. Certainty Factor

Certainty factor merupakan suatu metode yang digunakan untuk memecahkan permasalahan dari jawaban yang tidak pasti, dan menghasilkan jawaban yang tidak pasti pula. Ketidak pastian ini dipengaruhi oleh dua faktor yaitu aturan yang tidak pasti dan jawaban pengguna yang tidak pasti. Contoh paling mudah dari penggunaan metode ini adalah pada kasus penentuan penyakit dengan gejala yang sudah ditentukan. Aturan yang tidak pasti pada kasus ini adalah aturan gejala-gejala yang ditentukan untuk suatu penyakit. Satu gejala-gejala dapat berada dibeberapa penyakit, dalam artian satu penyakit memiliki gejala yang sama dengan penyakit yang lain, inilah yang disebut dengan aturan yang tidak pasti. Kemudian saat pengguna memberikan jawaban atas pertanyaan yang diberikan oleh sistem, pengguna juga tidak tahu persis gejala terjadi pada tubuhnya. Sehingga dari ketidak pastian tersebut, diberikan jembatan agar kedua faktor ketidak pastian tersebut tidak terlalu jauh dari perkiraan atau kemungkinan yang terjadi. Jembatan penghubung kedua faktor tersebut adalah sebuah nilai, dimana nilai dari satu gejala maupun jawab mempunyai besaran nilai yang berbeda. Nilai inilah yang mengubah dari ketidak pastian menjadi kepastian. Paling tidak mendekati nilai pasti.

Penerapan perhitungan Certainty Factor, dilakukan setelah diagnosa penyakit selesai dan dihasilkan nilai kepercayaan dengan rumus:

(3)

JURNAL IT

2. Kombinasi rule dengan evidence E berbeda dan hipotesis H sama CFcombine CF(H,E)1,2 = CF(H,E)1 + CF(H,E)2 * [1 – CF(H,E)1] CFcombine CF(H,E)old,3 = CF(H,E)old + CF(H,E)3 * [1 – CF(H,E)old] Keterangan :

CF(H,E) : Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala E. besarnya CF berkisar antara -1 sampai dengan 1. Nilai -1 menunjukkan ketidakpercayaan mutlak, sedangkan nilai 1 menunjukkan kepercayaan mutlak.

CF(E) : Nilai yang ditentukan oleh pengguna saat berkonsultasi dengan sistem pakar

CF(rule) : Nilai yang ditentukan oleh pakar Contoh penerapan Certainty Factor

1) Langkah pertama pakar, pakar menentukan nilai CF untuk masing-masing gejala. Berikut contohnya:

IF G1 : Anoreksia (CF rule = 0.4) AND G30 : Demam (CF rule = 1.0)

AND G32 : Denyut nadi melambat (CF rule = 0.8) AND G34 : Diare (CF rule = 0.4)

AND G46 : Lidah putih kotor (CF rule = 1.0) AND G47 : Malayse (CF rule = 0.4)

AND G51 : Mual (CF rule = 0.4) AND G64 : Perut sakit (CF rule = 1.0) THEN P1 (Penyakit Typus)

Kemudian dilanjutkan dengan penentuan nilai bobot user. Misalkan user memilih jawaban sebagai berikut :

Anoreksia : Mungkin (CF E = 0.4)

Demam : Kemungkinan besar (CF E = 0.6)

Denyut nadi melambat : Kemungkinan besar (CF E = 0.6) Diare : Tidak (CF E = 0)

Lidah putih kotor : Hampir pasti (CF E = 0.8) Malayse : Mungkin (CF E = 0.4)

Mual : Mungkin (CF E = 0.4)

Perut sakit : Hampir pasti (CF E = 0.8)

2) Langkah kedua, kaidah-kaidah tersebut kemudian dihitung nilai CFnya dengan rumus rule dengan evidence E tunggal dan hipotesis H tunggal

CF(H,E)1 = CF(E)1 * CF(rule)1 = 0.4 * 0.4

= 0.16

CF(H,E)2 = CF(E)2 * CF(rule)2 = 0.6 * 1

= 0.6

CF(H,E)3 = CF(E)3 * CF(rule)3 = 0.6 * 0.8

= 0.48

CF(H,E)4 = CF(E)4 * CF(rule)4 = 0 * 0.4

= 0

CF(H,E)5 = CF(E)5 * CF(rule)5 = 0.8 * 1

= 0.8

CF(H,E)6 = CF(E)6 * CF(rule)6 = 0.4 * 0.4

= 0.16

CF(H,E)7 = CF(E)7 * CF(rule)7 = 0.4 * 0.4

= 0.16

(4)

JURNAL IT

= 0.8

3) Langkah terakhir adalah mengkombinasikan nilai CF dari masing-masing kaidah CFcombine CF(H,E)1,2 = CF(H,E)1 + CF(H,E)2 * [1 – CF(H,E)1]

= 0.16 + 0.6 * [1 - 0.16] = 0.16 + 0.6 * 0.84 = 0.16 + 0.50 =0.66old

CFcombine CF(H,E)old,3 = CF(H,E)old + CF(H,E)3 * [1 – CF(H,E)old] = 0.66 + 0.48 * [1 - 0.66]

= 0.66 + 0.48 * 0.34 = 0.66 + 0.16 =0.82old2

CFcombine CF(H,E)old2,4 = CF(H,E)old2 + CF(H,E)4 * [1 – CF(H,E)old2] = 0.82 + 0 * [1 - 0.82]

= 0.82 + 0 * 0.18 = 0.82 + 0 =0.82old3

CFcombine CF(H,E)old3,5 = CF(H,E)old3 + CF(H,E)5 * [1 – CF(H,E)old3] = 0.82 + 0.8 * [1 - 0.82]

= 0.82 + 0.8 * 0.18 = 0.82 + 0.14 =0.96old4

= 0.96 + 0.16 * 0.04 = 0.96 + 0

=0.96old5

= 0.96 + 0.16 * 0.04 = 0.96 + 0

=0.96old6

CFcombine CF(H,E)old6,8= CF(H,E)old6 + CF(H,E)8 * [1 – CF(H,E)old6] = 0.96 + 0.8 * [1 - 0.96]

= 0.96 + 0.8 * 0.04 = 0.96 + 0.03 =0.99old7

CF(H,E)old7 * 100% = 0.99 * 100% = 99%

c. Jenis-jenis penyakit kulit 1. Jerawat (Akne Vulgaris)

Jerawat adalah salah satu masalah kulit yang disebabkan karena ada gangguan pada bagian kelenjar kulit. Kelenjar kulit terhubung secara langsung dengan bagian pori-pori kulit. Kelenjar minyak yang ada di bagian bawah kulit dapat terkena infeksi dari kotoran luar yang masuk lewat pori-pori, sel-sel kulit mati dan bakteri atau virus. Akhirnya jerawat akan terbentuk pada bagian pori-pori dan membuat penampilan menjadi kurang menarik.

2. Eksim (Dermatitis)

Eksim adalah jenis penyakit kulit yang bisa terjadi dalam waktu yang sangat panjang. Bahkan banyak penderita eksim yang merasa putus asa karena eksim sangat mengganggu aktivitas dan penampilan. Eksim ditunjukkan dengan benjolan kecil dan kemudian akan berkembang menjadi ruam. Pada tahap yang lebih parah, maka eksim bisa menyebabkan infeksi. Eksim biasanya menyerang beberapa bagian tubuh seperti lutut, siku, tangan, kaki dan bisa menyebar jika sudah menjadi eksim lanjut.

3. Panu (Pitiriasis Vesikolor)

(5)

JURNAL IT

4. Campak

Campak adalah infeksi virus yang ditandai dengan munculnya ruam di seluruh tubuh dan sangat menular. Campak bisa sangat mengganggu dan mengarah pada komplikasi yang lebih serius. Gejala campak mulai muncul sekitar satu hingga dua minggu setelah virus masuk ke dalam tubuh.

5. Herpes

Herpes adalah jenis penyakit kulit yang disebabkan oleh virus. Herpes dapat menyebabkan kulit menjadi ruam. Penyakit ini sangat mengganggu karena biasanya menyebabkan sakit dan demam pada penderitanya. Penyebab penyakit herpes adalah virus varisella. Virus dapat menyerang pada bagian tulang belakang dan otak sehingga penyakit sering cepat sembuh dan kemudian muncul lagi.

3. Metode Penelitian

Teknik Pengumpulan Data

a. Observasi

Pengumpulan data dengan melakukan pengamatan secara langsung terhadap objek penelitian, dengan mencatat hal-hal penting yang berhubungan dengan judul, sehingga diperoleh data yang lengkap dan akurat.

b. Wawancara

Pengumpulan data dengan cara melakukan komunikasi dan wawancara secara langsung dengan Dokter Spesialis Kulit dan kelamin.

c. Studi Pustaka

Pengumpulan data dengan menggunakan atau mengumpulkan sumber-sumber tertulis, dengan cara membaca, mempelajari dan mencatat hal-hal penting yang berhubungan dengan masalah yang sedang dibahas guna memperoleh gambaran secara teoritis yang dapat membantu dalam penelitian.

4. Hasil dan Pembahasan

4.1 Penyusunan Basis Pengetahuan

Tabel 4.1 Gejala penyakit kulit

NO KODE KETERANGAN

KELOMPOK GEJALA

1 G001 Gatal Gejala mayor

2 G002 Eritema Gejala mayor

3 G003 Edema Gejala mayor

4 G004 Badan terasa lesu Gejala mayor

5 G005 Bersin – bersin Gejala minor

6 G006 Membasah Gajala mayor

7 G007 Papul Gejala mayor

8 G008 Vesikel Gejala mayor

9 G009 Nafsu makan menurun Gejala minor

10 G010 Pilek Gejala minor

11 G011 Radang mata Gejala minor

12 G012 Sakit kepala Gejala minor

13 G013 Demam Gejala minor

14 G014 Nyeri Gejala mayor

(6)

JURNAL IT

16 G016 Lemas Gejala minor

17 G017 Jika lepuhan pecah akan membuat luka

Gejala mayor

18 G018

Sering mengalami kesemutan pada daerah

yang terkena virus

Gejala mayor

19 G019 Pembesaran kelenjar limfe

Gejala mayor

20 G020 Estetis Gejala mayor

21 G021

Dijumpai pada bagian dada,lengan,tungkai atas,leher depan, dan

kepala

Gejala mayor

22 G022

Bercak berskuamahalus warna putih hingga

hitam

Gejala mayor

23 G023 Batuk Gejala minor

24 G024 Pustula Gejala mayor

25 G025 Erosi Gejala mayor

Tabel 4.2 Nama Penyakit

Kode Nama

P001 Dermatitis

P002 Panu

P003 Herpes

P004 Campak

P005 Akne Vulgaris

Tabel 4.3 Nilai Certainty Factor dari Pakar

No. Nama Gejala Eksim

(Dermatitis)

Panu (Pitiriasis Versikolor)

Herpes Campak Akne

Vulgaris

MD MB MD MB MD MB MD MB MD MB

1 Gatal 90% 50% 40% 60% 70% 40%

2 Eritema (kulit yang berwarna kemerahan)

90% 40% 60% 90% 60% 30%

3 Edema

(Pembengkakan yang disebabkan oleh penimbunan cairan didalam

tubuh)

(7)

JURNAL IT

4 Bada terasa Lesu 80% 90% 80% 80% 70%

5 Bersin-bersin 70% 90% 70% 50% 40% 90%

6 Membasah 90% 70% 20% 80% 90% 80%

7 Papul (Penonjolan kecil berbatas

tegas dan superfisial)

90% 80% 70% 80% 90%

8 Vesikel ( gelembung berisi

cairan serum)

70% 80% 90% 90% 90%

9 Nafsu makan menurun

90% 80% 90% 90% 90%

10 Pilek 90% 80% 40% 50% 60% 90%

11 Radang mata 90% 80% 40% 90% 90%

12 Sakit kepala 90% 80% 90% 70% 90%

13 Demam 90% 90% 90% 90% 90%

14 Nyeri 40% 80% 10% 90% 60% 60%

15 Melepuh berisi cairan

50% 90% 70% 80% 90%

16 Lemas 70% 90% 80% 90% 90%

17 Jika lepuhan pecah akan membuat luka

80% 90% 90% 90% 80%

18 Sering mengalami kesemutan pada

daerah yang terkena Virus

90% 90% 90% 80% 70% 20%

19 Pembesaran kelenjar Lifma

90% 90% 90% 70% 90%

20 Estetis (eflorasinya

berupa komedo,papul,pu

tsul,nodus)

80% 90% 40% 50% 90% 90%

21 Dijumpai pada bagian atas dada,

lengan atas, tungkai atas, leher muka dan

(8)

JURNAL IT

kepala

22 Bercak berskuama halus

warna putih hingga hitam

80% 90% 80% 80% 90%

23 Batuk 90% 90% 80% 90% 90%

24 Pustul 70% 90% 70% 90% 90%

25 Erosi 90% 70% 80% 80% 60%

4.2 Implementasi Algoritma Certainty Factor

Berikut adalah implementasi penggunaan Algoritma certainty factor pada salah satu penyakit kulit. Rumus yang digunakan adalah :

CFcombine CF(H,E)1,2 = CF(H,E)1 + CF(H,E)2 * [1 – CF(H,E)1] CFcombine CF(H,E)old,3 = CF(H,E)old + CF(H,E)3 * [1 – CF(H,E)old] Keterangan

H = MB = Nilai Kepercayaan

E = MD = Nilai Ketidak percayaan

Berikut perhitungan manual untuk membuktikan hasil dari program mengikuti rumus diatas.

Tabel 4.4 Perhitungan Nilai MB Penyakit Eksim

No. Gejala Perhitungan Manual Hasil

1 Gatal ^ Eritema 0.9 + 0.9 * (1-0.9) 0.99

2 Gatal ^ Eritema ^ Edema 0.99 + 0.7 * ( 1-0.99) 0.997

3 Gatal ^ Eritema ^ Edema ^ membasah 0.997 + 0.9 * ( 1-0.997) 0.9997

4 Gatal ^ Eritema ^ Edema ^ membasah ^

papul 0.9997 + 0.9 * (1-0.9997) 0.99997

5 Gatal ^ Eritema ^ Edema ^ membasah ^ papul ^ Vesikel

0.99997 + 0.7 *

(1-0.9999.7) 0.999991

6 Gatal ^ Eritema ^ Edema ^ membasah ^ papul ^ Vesikel ^ nyeri

0.999991 + 0.04 *

(1-0.999991) 0.99999136

7

Gatal ^ Eritema ^ Edema ^ membasah ^ papul ^ Vesikel ^ nyeri ^ melepuh berisi

cairan

0.99999136 + 0.5 *

(1-0.99999136) 0.99999568

8

Gatal ^ Eritema ^ Edema ^ membasah ^ papul ^ Vesikel ^ nyeri ^ melepuh berisi cairan ^ jika lepuhan pecah akan membuat

luka

0.99999568 + 0.8 *

(9)

JURNAL IT

9

luka ^ Estetis

0.999999136 + 0.8 *

(1-0.999999136) 0.9999998272

10

Gatal ^ Eritema ^ Edema ^ membasah ^ papul ^ Vesikel ^ nyeri ^ melepuh berisi cairan ^ jika lepuhan pecah akan membuat luka ^ Estetis ^ Dijumpai pada bagian atas dada, lengan atas, tungkai atas, leher muka

dan kepala

0.9999998272 + 0.6 *

(1-0.9999998272) 0.99999993088

11

Gatal ^ Eritema ^ Edema ^ membasah ^ papul ^ Vesikel ^ nyeri ^ melepuh berisi cairan ^ jika lepuhan pecah akan membuat luka ^ Estetis ^ Dijumpai pada bagian atas dada, lengan atas, tungkai atas, leher muka dan kepala ^ Bercak berskuama halus warna

putih hingga hitam

0.99999993088 + 0.8 *

(1-0.99999993088) 0.999999972352

12

putih hingga hitam ^ badan terasa lesu

0.999999972352 + 0.01 *

(1-0.999999972352) 0.99999997262848

13

putih hingga hitam ^ badan terasa lesu ^ bersin-bersin papul ^ Vesikel ^ nyeri ^ melepuh berisi cairan ^ jika lepuhan pecah akan membuat luka ^ Estetis ^ Dijumpai pada bagian atas dada, lengan atas, tungkai atas, leher muka dan kepala ^ Bercak berskuama halus warna

putih hingga hitam ^ badan terasa lesu ^ bersin-bersin ^ Lemas

0.99999997317591 + 0.02 * (1-0.99999997317591)

0.999999973712392

Tabel 4.5 Manual MD Penyakit Eksim

No. Gejala Perhitungan Manual Hasil

1 Gatal ^ Eritema

0 + 0 * (1-0)

0

(10)

JURNAL IT

papul ^ Vesikel ^ nyeri ^ melepuh berisi

cairan

0.51845 + 0.04 * (

1-0.51845)

0.537712

8

luka

0.537712 + 0.01 *

(1-0.537712)

0.54233488

9

luka ^ Estetis

0.54233488 + 0.01 *

(1-0.54233488)

0.5469115312

10

dan kepala

0.5469115312 + 0.03 *

(1-0.5469115312)

0.560504185264

11

dan kepala ^ Bercak berskuama halus warna putih hingga hitam

0.560504185264 + 0.01

* (1-0.560504185264)

0.56489914341136

12

dan kepala ^ Bercak berskuama halus warna putih hingga hitam ^ badan terasa

lesu papul ^ Vesikel ^ nyeri ^ melepuh berisi cairan ^ jika lepuhan pecah akan membuat luka ^ Estetis ^ Dijumpai pada bagian atas dada, lengan atas, tungkai atas, leher muka

dan kepala ^ Bercak berskuama halus warna putih hingga hitam ^ badan terasa

lesu ^ bersin-bersin

0.912979828682272 +

0.7 *

(1-0.912979828682272)

(11)

JURNAL IT

Setelah menghitung nilai MB dan Nilai MD penyakit maka langkah selanjutnya adalah menghitung nilai certainty factor (CF), yaitu sebagai berikut:

CF = MB - MD

CF = 0.999999973712392-0.9921681845814045 = 0.0078317891309875

Berdasarkan hasil perhitungan MB dan MD dari semua gejala penyakit kulit eksim, maka Persentase pasien terkena penyakit kulit adalah 0.7 %.

1. Kesimpulan dan Saran 5.1 Kesimpulan

Berdasarkan dari hasil dan pembahasan sebelumnya maka dapat ditarik kesimpulan sebagai berikut:

a. Algoritma Certainty factor dapat digunakan dalam system pakar untuk mendiagnosa penyakit kulit pada manusia.

b. Algoritma Certainty Factor merupakan salah satu metode yang tepat dalam pembuatan system pakar, karena implementasi yang cukup mudah dan hasil perhitungan yang didapatkan mendekati nilai akurat .

5.2 Sarana

Dalam penelitian ini, saran yang dapat diberikan agar nantinya penelitian ini dapat diimplementasikan. Di penelitian selanjutnya diharapkan algoritma yang diterapkan dapat dikembangkan dalam bentuk aplikasi sehingga lebih dimudahkan.

Daftar Pustaka

[1] Apriliani. Fitria, t, Implementasi Certainty Fcator pada Diagnosa Penyakit Infeksi Tropis, JRST (Jurnal Riset Sains dan Teknologi) Volume 1 No.1.

[2] Halim. Setiawan, 2015, Penerapan Metode Certainty Factor dalam Sistem Pakar Pendeteksi Resiko Osteoporosis dan Osteoathritis, Ultima Computing, Vol. VII, No. 2 Desember.