PENGGUNAAN CERTAINTY FACTOR (CF) DALAM PERANCANGAN SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT ATHEROSKLEROSIS
SKRIPSI
Elpa Armi Voni 061401030
PROGRAM STUDI S1 ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2010
PENGGUNAAN CERTAINTY FACTOR (CF) DALAM PERANCANGAN SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT ATHEROSKLEROSIS
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Komputer
Elpa Armi Voni 061401030
PROGRAM STUDI SARJANA ILMU KOMPUTER DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
MEDAN 2010
PERSETUJUAN
Judul : PENGGUNAAN CERTAINTY FACTOR (CF)
DALAM PERANCANGAN SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT ATHEROSKLEROSIS
Kategori : SKRIPSI
Nama : ELPA ARMI VONI
Nomor Induk Mahasiswa : 061401030
Program Studi : SARJANA (S1) ILMU KOMPUTER
Departemen : ILMU KOMPUTER
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, 2010
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Sajadin Sembiring,S.si Drs.Marihat Situmorang, M.Kom NIP. - NIP. 196312141989031001
Diketahui/Disetujui oleh
Program Studi S1 Ilmu Komputer Ketua,
Prof. Dr. Muhammad Zarlis NIP. 195707011986011003
PERNYATAAN
PENGGUNAAN CERTAINTY FACTOR (CF) DALAM PERANCANGAN SISTEM PAKAR UNTUK MENDIAGNOSIS PENYAKIT ATHEROSKLEROSIS
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 26 Agustus 2010
Elpa Armi Voni 061401030
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Allah SWT, dengan limpahan karunia-Nya kertas kajian ini berhasil diselesaikan dalam waktu yang telah ditetapkan.
Ucapan terima kasih penulis sampaikan kepada Bapak Prof. Dr. Muhammad Zarlis selaku Ketua Program Studi Ilmu Komputer sekaligus pembanding pada penyelesaian skripsi ini, Bapak Drs.Marihat Situmorang,M.Kom dan Bapak sajadin Sembiring,S.Si sebagai Pembimbing yang telah memberikan panduan ringkas, padat dan profesional telah diberikan kepada penulis agar penulis dapat menyelesaikan skripsi ini. Ucapan terima kasih juga ditujukan kepada Bapak Muhammad Andri Budiman,ST.McomSc,MEM selaku pembanding yang telah banyak membantu dalam penyelesaian skripsi ini, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, semua dosen pada Program Studi Ilmu Komputer FMIPA USU serta pegawai di FMIPA USU. Ucapan terima kasih juga ditujukan kepada dr.fitri yang telah memberikan beberapa informasi penting dalam pembuatan skripsi ini.
Secara khusus penulis mengucapkan terima kasih yang tiada terhingga kepada ayahanda Nofriadi,S,Pd dan ibunda Asni,S.Pd, atas segala doa dan atas kepercayaan sepenuh hati kepada Penulis. Adinda Yola Dwi Putri dan Lairani Olsiara atas dukungan dan doanya selama ini. Serta seluruh keluarga tercinta yang berjasa dalam memberikan dorongan kepada penulis selama menyelesaikan skripsi ini. Semoga Allah SWT akan membalasnya. Selanjutnya untuk abang Shendy Syahputra yang selalu memberi dukungan dan doanya, Selanjutnya untuk teman-teman terbaik, dan yang terus memberi dukungan.
ABSTRAK
Saat ini komputer telah banyak digunakan dalam dunia medis untuk membantu diagnosis suatu penyakit. Penyakit yang paling penting dan sering ditemukan adalah atherosklerosis. Pencegahan penyakit lebih baik daripada pengobatannya. Oleh karena itu, pencegahan penyakit atherosklerosis ini diawali dengan pendiagnosaan dini. Salah satu teknik dalam mendiagnosis penyakit atherosklerosis ini adalah sistem pakar.
Maka dari itu penelitian ini bertujuan menyusun sebuah sistem pakar yang digunakan untuk diagnosa awal penyakit atherosklerosis berdasarkan gejala yang rasakan. Sistem akan menampilkan Besarnya kepercayaan gejala tersebut terhadap kemungkinan penyakit yang diderita pengguna. Besarnya nilai kepercayaan tersebut merupakan hasil perhitungan dengan menggunakan metode Certainty Factor(CF). Representasi pengetahuan yang digunakan pada penelitian ini adalah production rule. Metode inferensi yang digunakan untuk mendapatkan konklusi yaitu penalaran maju (forward chaining). Implementasi sistem direalisasikan kedalam bahasa pemrograman Delphi 7.0 .
USE OF CERTAINTY FACTOR (CF) IN EXPERT SYSTEM DESIGN TO DIAGNOSE ATHEROSCLEROSIS DISEASE
ABSTRACT
Today computers have been widely used in the medical world to help diagnose a disease.The most important disease and is often found in atherosclerosis. Preventing is better than drugging. Therefore, atherosclerosis preventing started with stroke detection early. One way technical at atherosklerosis diagnosis is an expert system.
Therefore this study aims to develop an expert system used for early diagnosis of atherosclerosis disease based on symptoms you feel. The system will display the amount of trust against the possibility of disease symptoms suffered by users.The value of the trust is calculated using the Certainty Factor (CF). Knowledge representation used in this study is the Production Rule.Inference method used to obtain the conclusion that Forward Chaining.System implementation is realized into Delphi 7.0 programming language.
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii Penghargaan iv Abstrak v Abstract vi Daftar Isi vii Daftar Tabel x Daftar Gambar xi Bab 1 Pendahuluan 1.1 Latar Belakang 1
1.2 Rumusan Masalah 2
1.3 Batasan Masalah 3
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Metodologi Penelitian 4
1.7 Sistematika Penulisan 5
Bab 2 Landasan Teori 2.1 Kecerdasan Buatan 6
2.2 Sistem Pakar 7
2.2.1 Pengertian Sistem Pakar 7
2.2.2 Konsep Dasar Sistem Pakar 9
2.2.3 Ciri-ciri Sistem Pakar 11
2.2.4 Bidang-bidang pengembangan Sistem Pakar 11
2.2.5 Struktur Sistem Pakar 12
2.2.6 Keuntungan Sistem Pakar 15
2.2.7 Representasi Pengetahuan 16
2.2.8 Model Representasi Pengetahuan 16
2.2.9 Inferensi 19
2.3 Faktor Kepastian (Certainty Factor) 21
2.3.1 Pengertian Certainty Factor 21
2.3.2 Kombinasi Aturan 22
2.3.3 Perhitungan Certainty Factor 24
2.3.4 Menentukan CFGabungan 26
2.4 Penyakit Atherosklerosis 27
2.4.1 Pengertian Penyakit atherosklerosis 27
2.4.2 Gejala Penyakit atherosklerosis 29
2.5.2 Interbase 33
Bab 3 Analisis dan Perancangan Sistem 3.1 Gambaran Sistem 34
3.2 Arsitektur Sistem 36
3.3 Representasi Pengetahuan 36
3.3.1 Data Dasar 37
3.3.2 Pola Umum Aturan 37
3.4 Mekanisme Inferensi 40
3.5 Algoritma Atherosklerosis Expert System 42
3.6 Perancangan Basis Data 44
3.6.1 Struktur Table 44
3.6.2 Relasi Antar Table 47
3.6.3 Perancangan DFD 48
3.6.4 Kamus Data 54
3.7 Perancangan Struktur Program 56
3.8 Perancangan AntarMuka 57
3.8.1 Rancangan Halaman login 57
3.8.2 Rancangan Halaman Utama 58
3.8.3 Rancangan Halaman Pengguna 59
3.8.4 Rancangan Halaman Gejala 60
3.8.5 Rancangan Halaman penyakit 60
3.8.6 Rancangan Halaman Akuisisi Pengetahuan 61
3.8.7 Rancangan Halaman Daftar Aturan 62
3.8.8 Rancangan Halaman Pendaftaran Pasien 62
3.8.9 Rancangan Halaman Konsultasi Penyakit 63
3.8.10Rancangan Halaman About 63
3.8.11Rancangan Halaman Penjelasan 64
Bab 4 Implementasi dan Penggunaan Sistem 4.1 Pembahasan Sistem pakar atherosklerosis 66
4.1.1 Halaman Login 66
4.1.2 Halaman Menu Utama 68
4.1.3 Halaman Manajemen Pengguna 70
4.1.4 Halaman Data Dasar 71
4.1.5 Halaman Akuisisi pengetahuan 73
4.1.6 Halaman Pendaftaran Pasien 75
4.1.7 Halaman Konsultasi Penyakit 76
4.1.8 Halaman Penjelasan 78
4.1.9 Halaman About 79
4.2 Pengujian Sistem 80
Bab 5 Kesimpulan dan Saran 5.1 Kesimpulan 96
5.2. Saran 97
Daftar Pustaka 98
Lampiran
DAFTAR TABEL
Halaman
Tabel 2.1 Bingkai Penyakit 18
Tabel 2.2 Aturan Kombinasi MYCIN 22
Tabel 3.1 Daftar Rule Diagnosis Penyakit 39
Tabel 3.2 Table Pengguna 43
Tabel 3.3 Table Gejala 43
Tabel 3.4 Table penyakit 44
Tabel 3.5 Table Rule Penyakit 44
Tabel 3.6 Table detail Rule Penyakit 44
Tabel 3.7 Table Cek Gejala 45
Tabel 3.8 Table Cek Penyakit 45
Tabel 3.9 Table Pasien 45
Tabel 3.10 Kamus Data Pengguna 53
Tabel 3.11 Kamus data gejala 54
Tabel 3.12 Kamus data penyakit 54
Tabel 3.13 Kamus data Rule penyakit 54
Tabel 3.14 Kamus Data detail Rule penyakit 55
Tabel 3.15 Kamus data Cek Gejala 55
Tabel 3.16 Kamus data Cek Penyakit 55
Tabel 3.17 Kamus data Pasien 55
Tabel 4.1 Daftar jawaban pasien secara manual 82
Tabel 4.2 Daftar Nama Penyakit 83
DAFTAR GAMBAR
Halaman
Gambar 2.1 Komponen Sistem Pakar 15
Gambar 2.2 Representasi Jaringan semantik 18
Gambar 2.3 Forward Chaining (Runut Maju) 19
Gambar 2.4 Backward Chaining ( Runut Balik) 20
Gambar 2.5 Jaringan Penalaran Certainty Factor 23
Gambar 2.6 Kombinasi Certainty Factor 24
Gambar 2.7 Kombinasi Paralel Certainty Factor 24
Gambar 2.8 Potongan Melintang Arteri 28
Gambar 2.9 Patofisiologis Atherosklerosis 29
Gambar 3.1 Aliran Sistem Diagnosis penyakit 35
Gambar 3.2 Arsitektur sistem pakar atherosklerosis 36
Gambar 3.3 Penelusuran dengan forward chaining 40
Gambar 3.4 Algoritma sistem pakar atherosklerosis 43
Gambar 3.5 Relasi Antar Table 47
Gambar 3.6 Diagram Konteks 48
Gambar 3.7 DFD level 0 50
Gambar 3.8 DFD level 1 53
Gambar 3.9 Perancangan Struktur Program 57
Gambar 3.10 Rancangan Halaman Login 58
Gambar 3.11 Rancangan Halaman Utama 58
Gambar 3.12 Rancangan Halaman Pengguna 59
Gambar 3.13 Rancangan Halaman Gejala 60
Gambar 3.14 Rancangan Halaman Penyakit 60
Gambar 3.15 Rancangan Halaman Akuisisi Pengetahuan 61
Gambar 3.16 Rancangan Halaman Daftar Aturan 62
Gambar 3.17 Rancangan Halaman Pendaftaran Pasien 62
Gambar 3.18 Rancangan Halaman Konsultasi Penyakit 63
Gambar 3.19 Rancangan Halaman About 63
Gambar 3.20 Rancangan Halaman Penjelasan 64
Gambar 4.1 Tampilan Halaman Login 67
Gambar 4.2 Tampilan Pesan Kesalahan pada waktu login 67
Gambar 4.3 Tampilan Halaman Menu Utama Sub Menu Admin 68
Gambar 4.4 Tampilan Halaman Menu Utama Sub Menu Pakar 69
Gambar 4.5 Tampilan Halaman Menu Utama Sub Menu Paramedis 69
Gambar 4.6 Tampilan Halaman Manajemen Pengguna 70
Gambar 4.7 Tampilan Halaman Gejala Penyakit 71
Gambar 4.8 Tampilan Halaman Penyakit 72
Gambar 4.9 Tampilan Halaman Akuisisi Pengetahuan Ketika tombol 73
masukkan aturan diklik Gambar 4.10Tampilan Halaman Akuisisi pengetahuan setelah nama 74
penyakit dipilih Gambar 4.11 Tampilan Halaman Pendaftaran pasien 75
Gambar 4.12 Tampilan Pesan Reset Berhasil 76
Gambar 4.13 Tampilan Halaman Pencarian Data Pasien 77
Gambar 4.14 Tampilan Pesan Gejala Habis 77
Gambar 4.15 Tampilan Halaman Konsultasi penyakit 78
Gambar 4.16 Tampilan Penjelasan 79
Gambar 4.17 Tampilan Halaman About 79
Gambar 4.18 Tampilan Data Penyakit yang Terdapat Dalam Sistem 93
Gambar 4.19 Tampilan Data Gejala Yang dimasukkan dalam sistem 94
Gambar 4.21 Tampilan Jawaban Pada Sesi konsultasi 94
Gambar 4.22 Tampilan Hasil Diagnosis 95