3
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1. Tinjauan Pustaka
Sebagai tinjauan pustaka berikut ini beberapa contoh penelitian yang sudah dilakukan oleh para peneliti yang dapat digunakan sebagai acuan dan pengetahuan.
Penelitian dengan judul “Membangun Sistem Pakar Menggunakan Teorema Bayes Untuk Mendiagnosa Panyakit Paru-Paru”, diagnosa penyakit yang diawali gejala utama penyakit paru-paru serta menentukan saran terapi yang harus diberikan, dan masalah ketidak pastian pengetahuan dalam sistem pakar ini diatasi dengan metode probabilitas Bayesian. Proses diawali dengan konsultasi, dimana sistem akan mengajukan pertanyaan-pertanyaan yang relevan kepada pasien sesuai gejala utama penyakit paru-paru yang dialami pasien. Hasil akhir penelitian ini adalah mendiagnosa penyakit paru-paru beserta nilai probabilitas dari penyakit. Hasil diagnosa yang menunjukan tingkat kepercayaan sistem terhadap penyakit tersebut dan saran terapi yang harus diberikan (Ganda Anggara, Gede Pramayu, Arif Wicaksana, 2016).
Penelitian dengan judul “Analisis Dan Perancangan Sistem Pakar Diagnosa Penyakit Mematikan Pada Perempuan Menggunakan Metode Bayes (Studi Kasus : Asri Medical Center)”, beberapa penyakit mematikan yang dapat menyerang wanita antara lain kanker serviks, kanker payudara, serangan jantung, diabetes, infeksi saluran kemih, dalam penelitian ini untuk membangun sistem pakar untuk mendeteksi penyakit mematikan pada wanita dengan menggunakan metode Bayesian dalam proses pengambilan keputusan. Hasilnya sistem ini mampu memberikan informasi penyakit berdasarkan gejala-gejala yang dimasukan dan memberikan tips untuk mencegah penyakit mematikan pada wanita (Armadyah Amborowati, Nurul Hidayah, 2016).
Penelitian dengan judul “Sistem Pakar Menggunakan Teorema Bayes Untuk Mendiagnosa Penyakit Kehamilan”, diagnosa penyakit yang diawali gejala utama penyakit pada proses kehamilan serta menentukan saran terapi yang harus diberikan, hasil akhir penelitian adalah sebuah sistem pakar untuk melakukan
seorang pakar udang galah. Informasi yang dihasilkan adalah nama penyakit, definisi penyakit, penyebab, gejala-gejala yang menyertai, solusi, dan probabilitas penyakit (Muhammad Johan Wahyudi, Abdul Fadlil, 2013).
Penelitian dengan judul “Sistem Pakar Dengan Beberapa Knowledge Base Menggunakan Probabilitas Bayes Dan Mesin Iferensi Forward Chaining”, penelitian ini menggunakan tiga buah knowledge base yaitu untuk diagnosa kerusakan televisi, kerusakan handphone dan kerusakan komputer. Hasil penelitian ini dapat mendiagnosis kerusakan beberapa alat elektronik, sistem pakar ini dapat mengakomodasi jawaban atas pertanyaan diagnosa dalam tiga jenis jawaban, yaitu “YA”, “TIDAK” dan “TIDAK TAHU”, sistem pakar dilengkapi dengan manajemen ketidakpastian menggunakan probabilitas Bayes sehingga sistem tetap dapat memberikan hasil kesimpulan walaupun fakta yang dimasukkan oleh pengguna tidak lengkap (Agus Sasmito A., Siti Khomsah, 2011).
2.2. Landasan Teori 2.2.1. Tentang Infeksi
Infeksi merupakan proses invasif dan multiplikasi berbagai mikroorganisme ke dalam tubuh (seperti bakteri, virus, jamur, dan parasit), yang saat keadaan normal mikroorganisme tersebut tidak terdapat di dalam tubuh.
Bakteri, virus, jamur, dan parasit memiliki berbagai cara untuk masuk ke dalam tubuh, cara penularannya bisa dengan kontak langung maupun tidak langsung, kontak langsung terdiri atas penyebaran orang ke orang (misalnya dari bersin, kontak seksual), hewan ke orang dengan gigitan, atau ibu hamil ke anaknya yang belum lahir melalui plasenta. Kontak tidak langsung terdiri atas gigitan serangga yang hanya menjadi pembawa dari mikroorganisme atau vektor (seperti nyamuk, lalat, kutu, tungau) dan kontaminasi air atau makanan.
Gambar 2. 1 Healtcare Associatedinfections(HAIs) Slideserve: 2014
Setelah masuk ke dalam tubuh, mikroorganisme tersebut mengakibatkan beberapa perubahan, mikroorganisme tersebut memperbanyak diri dengan cara masing-masing dan menyebabkan cidera jaringan dengan berbagai mekanisme yang mereka punya, seperti mengeluarkan toksin, mengganggu DNA sel normal, dan sebagainya.
2.2.2. Penyakit Infeksi Pada Balita
Infeksi merupakan salah satu penyakit yang sering terjadi pada balita, dimana salah satu penyebab infeksi adalah keadaan status gizi balita yang kurang, yang secara langsung di pengaruhi oleh kurangnya pengetahuan ibu, khususnya tentang makanan yang bergizi. Kecukupan gizi yang baik pada anak akan meningkatkan daya tahan terhadap penyakit infeksi, anak yang mengalami kurang gizi akan mudah terkena penyakit terutama penyakit infeksi, dan masalah yang ada di Indonesia angka kesakitan dan angka kematian anak akibat penyakit infeksi
e. Tifus Abdominalis (infeksi pada usus halus).
f. Ganguan Gizi.
g. Stomatitis (radang mulut) h. Pneumonia (radang paru-paru).
i. Rinitis Alergi (radang selaput hidung).
Penyakit-penyakit tersebut apabila tidak ditangani dengan baik, tidak diperiksakan ke dokter dan orang tua tidak mempunyai pengetahuan yang cukup terhadap jenis-jenis penyakit infeksi tersebut bisa menyebabkan kematian.
2.2.3. Sistem Pakar
Sistem pakar (Expert System) adalah sistem komputer yang ditujukan untuk meniru semua aspek (emulates) kemampuan pengambilan keputusan (decision making) seorang pakar. Sistem pakar memanfaatkan secara maksimal pengetahuan khusus selayaknya seorang pakar untuk memecahkan masalah. Pakar itu ahli (expert) didefinisikan sebagai seorang yang memiliki pengetahuan atau keahlian khusus yang tidak dimiliki oleh kebayakan orang (Rika Rosnelly, 2012).
Seorang pakar adalah orang yang mempunyai keahlian dalam bidang tertentu. Pemrosesan yang dilakukan oleh sistem pakar merupakan pemrosesan pengetahuan (knowledge). Knowledge adalah pemahaman secara praktis maupun teoritis terhadap suatu obyek atau domain tertentu. Knowledge dalam sistem pakar bisa saja seorang ahli, atau knowledge yang umumnya terdapat dalam buku, majalah dan orang yang mempunyai pengetahuan tentang suatu bidang. Knowledge yang digunakan pada sistem pakar merupakan serangkaian informasi mengenai gejala- diagnosa, sebab-akibat, aksi-reaksi tentang suatu domain tertentu (misalnya domain diagnosa medis).
Gambar 2. 2 Medical Expert System (2005-2015).
Bagian dari sistem pakar terdiri dari 2 komponen utama, yaitu knowledge dan mesin inferensi yang menggambarkan kesimpulan. Kesimpulan tersebut merupakan respon dari sistem pakar atas permintaan pengguna. Knowledge dari sistem pakar bersifat khusus untuk satu domain masalah saja. Sebagai contoh, sistem pakar kedokteran yang dirancang untuk mendiagnosis suatu penyakit dimana sistem ini memiliki suatu uraian knowledge tentang gejala-gejala penyakit tersebut.
Selain itu, fitur yang dimiliki oleh sistem pakar adalah kemampuan untuk menalar (reasoning). Jika keahlian-keahlian sudah tersimpan sebagai basis pengetahuan, maka komputer harus dapat diprogam untuk membuat inferensi. Proses ini dibuat dalam bentuk motor inferensi (iference engine) (Budiharto & Suhartono, 2014).
2.2.4. Teorema Bayes
Teorema Bayes ditemukan oleh Reverend Thomas Bayes pada abad ke 18, yang dikembangkan secara luas dalam statistik inferensi. Bentuk umum dari Theorema Bayes. Seperti pada persamaan .2.1.
P(H|E) =𝑝(𝐸|𝐻)𝑥𝑝(𝐻𝑖) 𝑝(𝐻)
... 2. 1.
Dimana :
P ( H|E ) = probabilitas hipotesis H jika diberikan evidence E.
P ( E|H ) = probabilitas munculnya evidence E, jika diketahui hipotesis H.
P ( H ) = probabilitas hipotesa H tanpa memandang evidence apapun.
Dalam teorema bayes langkah awal dari perhitungan yang dilakukan adalah mencari nilai semesta hipotesa (H) yang terhapat pada evidence kemudian dijumlahkan semua nilai probabilitas evidence dari pakar. Untuk langkah-langkah lebih jelasnya adalah sebagai berikut :
𝑘=1 ... 2. 3.
c. Menghitung probabilitas H ∑𝑃01𝐺 = 𝑃(𝐻𝑖) 𝑥 𝑃(𝐸|𝐻𝑖 − 𝑛)
0
... 2. 4.
d. Mencari nilai P(Hi|E)
𝑃(𝐻𝑖|𝐸) =𝑃(𝐸|𝐻)𝑥𝑃(𝐻𝑖)
𝑃(𝐻) ... 2. 5.
e. Menghitung total nilai bayes
∑ 𝐵𝑎𝑦𝑒𝑠 = 𝐵𝑎𝑦𝑒𝑠1 + 𝐵𝑎𝑦𝑒𝑠2+, , , 𝑛
𝑃002
𝑘=2
... 2. 6.
2.2.5. Forward Chaining
Forward Chaining merupakan pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, penalaran dimulai dari fakta terlebih dahulu untuk menguji kebenaran hipotesis, berikut cara kerja Forward Chaining dapat silihat pada Tabel 2.1.
Tabel 2. 1. Tabel Forward Chaining
Data Aturan Kesimpulan
A = diare Jika A = Diare Maka obatnya oralit A = Diare penanganan beri obat oralit
