APLIKASI SISTEM PAKAR UNTUK MENDIAGNOSA (1)

(1)

1

APLIKASI SISTEM PAKAR UNTUK MENDIAGNOSA DAN PENANGANAN DINI

GANGGUAN AUTISME PADA ANAK DENGAN METODE CERTAINTY FACTOR

BERBASIS WEB

Ivan Ardhiatma., Arief Andy Soebroto ST., M.Kom., Rekyan Regasari M.P., ST., MT.

Program Studi Informatika/Ilmu Komputer

Program Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya Email : ardhi.ivan@gmail.com

ABSTRAK

Diagnosa gangguan autisme pada anak secara dini merupakan hal penting dalam proses tumbuh kembang anak. Namun pengetahuan publik atau orangtua soal autisme dinilai masih rendah. Imbasnya kerap terjadi penyandang autis terdiskriminasi dan keluarga penderita tidak tahu ke mana harus mencari pertolongan terapinya. Di kota besar memang masyarakat sudah mulai mengenal autis. Namun di banyak daerah, banyak yang belum paham soal autisme dan tidak memiliki sarana penanganannya. Sistem pakar adalah sistem berbasis komputer yang menggunakan pengetahuan, fakta dan teknik penalaran dalam memecahkan masalah yang biasanya hanya dapat dipecahkan oleh seorang pakar dalam bidang tertentu. Penggunaan sistem pakar tersebut akan lebih mudah ketika diimplementasikan ke dalam aplikasi berbasis web, selain perangkat komputer dan internet yang sudah banyak dimiliki oleh sebagian besar masyarakat, juga dapat diakses melalui media mobile yang sudah semakin canggih sekarang ini dengan akses internet dan browser mobile dimanapun dan kapanpun.

Pada penelitian ini gangguan autisme pada anak dapat didiagnosa secara dini dengan mendeteksi 3 macam jenis gangguan menggunakan metode Certainty Factor dengan inputan gejala dari pengguna. Sistem pakar ini diimplementasikan menggunakan bahasa pemrograman PHP yang terintegrasi dengan database MySQL. Pengujian yang digunakan yaitu pengujian validasi (pengujian black box) dan pengujian akurasi sistem pakar. Hasil pengujian validasi yaitu 100% yang menunjukkan bahwa fungsionalitas sistem dapat berjalan dengan baik sesuai dengan daftar kebutuhan. Hasil pengujian akurasi yaitu 85% yang menunjukkan bahwa sistem pakar dapat berfungsi dengan cukup baik sesuai dengan metode Certainty Factor.

Kata Kunci: Autisme, Certainty Factor, Diagnosa, Sistem Pakar.

1. PENDAHULUAN

1.1 Latar Belakang

Autisme adalah suatu kondisi mengenai seseorang sejak lahir ataupun saat masa balita, yang membuat dirinya tidak dapat membentuk hubungan sosial atau komunikasi yang normal.

Menurut data dari UNESCO pada tahun 2011, terdapat 35 juta orang penyandang autisme di seluruh dunia. Rata-rata, 6 dari 1000 orang di dunia telah mengidap autisme. Di Amerika Serikat, autisme dimiliki oleh 11 dari 1000 orang. Sedangkan di Indonesia, perbandingannya 8 dari setiap 1000 orang [1].

Hal yang menyebabkan naiknya angka pengidap autisme diatas selanjutnya dikemukakan oleh Kepala Pusat Inteligensia Kesehatan Kemenkes Eka Viora, bahwa pengetahuan publik soal autisme dinilai masih rendah. Imbasnya kerap terjadi penyandang autis terdiskriminasi dan keluarga penderita tidak tahu ke mana harus mencari pertolongan terapinya. Di kota besar memang masyarakat sudah mulai mengenal autis. Namun di banyak daerah, banyak yang belum paham soal autisme dan tidak memiliki sarana penanganannya. [2]

Pada penelitian terdahulu dengan judul Rancang

Bangun Aplikasi Sistem Pakar Untuk Mendiagnosa

Gangguan ‚utisme Secara Dini Pada ‚nak [3] telah menghasilkan sebuah aplikasi sistem cerdas berbasis web dengan menggunakan metode forward chaining. Sedangkan pada penelitian yang lain, yaitu dengan judul Penggunaan Certainty Factor (CF) Dalam Perancangan Sistem Pakar Untuk Mendiagnosis Penyakit Atherosklerosis [4] telah membuat sistem pakar untuk mendiagnosis penyakit atherosklerosis menggunakan metode Certainty Factor.

Hal yang berbeda pada penelitian ini dengan penelitian terdahulu adalah akan membuat sistem pakar untuk mendiagnosa autism pada anak dengan metode Faktor Kepastian. Faktor Kepastian (CF) menyatakan kepercayaan dalam sebuah kejadian (atau fakta atau hipotesis) berdasarkan bukti atau penilaian pakar. CF menggunakan suatu nilai untuk mengasumsikan derajad keyakinan seorang pakar terhadap suatu data. CF memperkenalkan konsep keyakinan dan ketidakyakinan.[5]

(2)

2 bagi orangtua untuk mendapatkan pengetahuan seputar autism dengan metode Faktor Kepastian.

1.2 Rumusan Masalah

Berdasarkan uraian latar belakang di atas, maka dapat dirumuskan permasalahan pada skripsi ini yaitu sebagai berikut :

1. Bagaimana merancang dan membangun aplikasi sistem pakar untuk mendiagnosa dan penanganan dini gangguan autisme pada anak dengan metode Certainty Factor berbasis web?

2. Bagaimana implementasi metode Certainty Factor ke dalam program aplikasi sehingga mampu untuk mendiagnosa autisme dan mendeteksi jenis gangguan autisme pada anak?

3. Bagaimana hasil pengujian validasi dan akurasi dari sistem pakar diagnosa autisme pada anak dengan menggunakan metode Certainty Factor?

1.3 Batasan Masalah

Agar permasalahan yang dirumuskan dapat lebih terfokus, maka pada penelitian ini dibatasi dalam hal:

1. Metode yang digunakan adalah metode Certinty-Factor untuk penerapan perhitungannya.

2. Data yang digunakan dalam skripsi akhir ini berasal dari dokter anak, klinik tumbuh kembang anak House Of Fatima Child Center , serta rumah sakit umum dr.Saiful Anwar Malang.

3. Aplikasi ini menggunakan DSM-IV sebagai panduan diagnostik autisme .

4. Keluaran aplikasi yang dihasilkan yaitu diagnosa tingkat autisme dan jenis gangguan autisme pada anak berbasis web.

1.4 Tujuan

Tujuan yang ingin dicapai dalam pembuatan skripsi ini adalah membangun suatu aplikasi sistem pakar dengan menggunakan metode Certainty Factor untuk mendiagnosa autisme pada anak berbasis web.

1.5 Manfaat

Manfaat yang diharapkan adalah sebagai berikut:  Bagi Penulis

1. Sebagai media untuk peng-implementasian ilmu pengetahuan teknologi pada bidang Artificial Intelligent terutama bidang sistem pakar.

2. Mendapatkan pengetahuan dan wawasan terkait metode – metode yang digunakan untuk sistem pakar.

 Bagi pembaca/pengguna

1. Mendapatkan wawasan akan

pengimplementasian dari Certainty Factor pada aplikasi sistem pakar.

2. Membantu para orang tua untuk mendiagnosa autisme pada anak serta dapat melakukan tindakan untuk penangan dini jika anak mengalami gejala autisme.

3. Memudahkan pakar autisme, psikolog serta para terapis autisme dalam mendiagnosa gejala autisme pada anak

1.6 Sistem Pakar

Sistem Pakar adalah salah satu bagian dari kecerdasan buatan yang mengandung pengetahuan dan pengalaman yang dimasukkan oleh satu atau banyak pakar ke dalam satu area pengetahuan tertentu sehingga setiap orang dapat menggunakannya untuk memecahkan berbagai masalah yang bersifat spesifik [6]. Dengan sistem pakar, orang awam pun dapat menyelesaikan masalahnya atau sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Seorang pakar yang dimaksud disini adalah orang yang mempunyai keahlian dalam bidang tertentu, yaitu pakar yang mempunyai knowledge atau kemampuan khusus yang tidak dimiliki oleh orang lain [6].

1.7 Ketidakpastian

Ada tiga teknik yang dapat digunakan untuk menangani ketidakpastian dan kesamaran pengetahuan, yaitu [6] :

1. Teknik Probabilitas, yang dikembangkan dengan memanfaatkan teorema Bayes yang menyajikan hubungan sebab akibat yang terjadi diantara evidence-evidence yang ada. Pendekatan alternatif lainnya yang dapat digunakan adalah teori Dempster-Shafer.

2. Faktor Kepastian, merupakan teknik penalaran tertua, yang digunakan pada sistem MYCIN. Teknik ini bersifat semi probabilitas, karena tidak sepenuhnya menggunakan notasi probabilitas. 3. Logika Fuzzy, merupakan teknik baru yang

diperkenalkan oleh Zadeh. Setiap variable dalam teknik ini memiliki rentang nilai tertentu, yang akan digunakan untuk menghitung nilai fungsi keanggotaannya.

1.8 Teori Certainty-Factor

Faktor kepastian (Certanity Factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN. Certanity Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. CF menunjukkan ukuran kepastian terhadap suatu fakta atau aturan [7].

(3)

3 CF[H,E]=MB[H,E]-MD[H,E] (2.1)

dengan:

CF[H,E] = Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. Besarnya CF berkisar antara -1 sampai 1.

Nilai -1 menunjukkan ketidakpercayaan mutlak, sedangkan nilai 1 menunjukkan kepercayaan mutlak MB[H,E] = ukuran kenaikan kepercayaan (measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E.

MD[H,E]= ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E.

1.9 Autisme

‚utisme berasal dari kata auto yang artinya sendiri. Istilah ini dipakai karena mereka yang mengidap gejala autisme seringkali memang terlihat seperti seorang yang hidup sendiri. Mereka seolah-olah hidup di dunianya sendiri dan terlepas dari kontak social yang ada di sekitarnya.[3]

Autisme merupakan salah satu bentuk gangguan tumbuh kembang, berupa sekumpulan gejala akibat adanya kelainan syaraf-syaraf tertentu yang menyebabkan fungsi otak tidak bekerja secara normal sehingga mempengaruhi tumbuh kembang, kemampuan komunikasi, dan kemampuan interaksi sosial seseorang. Gejala-gejala autisme dapat terlihat dari adanya penyimpangan dari ciri-ciri tumbuh kembang anak secara normal.[3]

2. METODOLOGI

2.1 Studi Literatur

Mempelajari literatur dari beberapa bidang ilmu yang berhubungan dengan pembuatan sistem pakar diagnosa autisme pada anak, metode Teori Certainty-Factor, perhitungan tingkat autisme, jenis gangguan serta gejala autisme

2.2 Analisis Kebutuhan

Analisa kebutuhan bertujuan untuk identifikasi aktor-aktor yang terlibat dalam sistem pakar, penjabaran kebutuhan masukan, proses dan keluaran. Analisis kebutuhan ini ditujukan untuk menggambarkan kebutuhan-kebutuhan yang harus disediakan oleh sistem agar dapat memenuhi kebutuhan pengguna. 2.3 Perancangan Perangkat Lunak

Perancangan perangkat lunak digunakan untuk memenuhi kebutuhan fungsional dan kebutuhan domain sistem pakar menggunakan Metode Certainty-Factor. Untuk mengetahui kebutuhan fungsional dan kebutuhan domain sistem pakar, diperlukan sebuah

perancangan arsitektur sistem pakar seperti pada gambar 1. Selain itu, pada perancangan sistem juga digambarkan diagram ERD dan diagram algoritma.

Gambar 1 Arsitektur Sistem Pakar

2.4 Implementasi Perangkat Lunak

Implementasi perangkat lunak dilakukan dengan mengacu kepada perancangan aplikasi. Implementasi perangkat lunak dilakukan dengan menggunakan bahasa pemrograman PHP, DBMS MySQL dan tools pendukung lainnya.

2.5 Pengujian Sistem

Pengujian yang dilakukan yaitu pengujian Black Box dan pengujian akurasi sistem pakar. Pengujian Black Box dilakukan untuk mengetahui kesesuaian antara kebutuhan dengan kinerja sistem, Pengujian akurasi sistem pakar dilakukan untuk mengetahui performa sistem pakar dalam memberikan rekomendasi dengan membandingkan pengujian data secara manual dengan pengujian data menggunakan sistem pakar.

3. PERANCANGAN

3.1 Analisa Kebutuhan Perangkat Lunak 3.1.1Identifikasi Aktor

Tahap ini mempunyai tujuan untuk melakukan identifikasi aktor-aktor yang akan berinteraksi dengan sistem pakar.

Tabel 1 Deskripsi Aktor

Aktor Deskripsi Aktor

Pengguna Umum (PU)

Aktor yang dapat menggunakan sistem pakar untuk melihat informasi autisme. Pengguna tidak melakukan proses login, dapat melihat informasi mengenai autisme dan informasi lainnya, tetapi tidak bisa melakukan menu diagnosa dan tanya jawab pada forum.

(4)

4

Aktor Deskripsi Aktor

terdaftar (PT)

menggunakan sistem pakar untuk mendiagnosa autisme pada anak. Pengguna dapat melakukan proses login, melakukan diagnosa autisme, melihat informasi mengenai autisme dan informasi lainnya serta melakukan tanya jawab pada forum. Admin (A) Aktor yang menyerap

sumber pengetahuan dari

pakar kemudian

ditransformasikan ke basis pengetahuan. Admin dapat mengelola data gejala maupun data mengenai informasi lainnya. Admin juga dapat melakukan proses login dan mengelola manajemen user.

3.1.2Analisa Kebutuhan Masukan

Pakar memberikan masukan berupa :

1. Data gejala baru yang belum terdapat dalam sistem. Data gejala meliputi id gejala dan nama gejala. 2. Data jenis gangguan berupa id jenis dan nama jenis

gangguan yang belum terdapat dalam sistem. 3. Data pengguna yang berisi id pengguna, nama,

alamat dan jenis kelamin

4. Data aturan ditambahkan sesuai dengan gejala dan nama jenis gangguan autisme. Pakar diminta memberikan nilai bobot dari masing-masing gejala. Data aturan meliputi id gejala, id jenis dan densitas.

3.1.3Analisa Kebutuhan Proses

Proses inti dari sistem ini adalah proses penalaran. Sistem akan melakukan penalaran untuk menentukan jenis gangguan autisme pada anak berdasarkan gejala yang dimasukkan oleh pengguna. Pada sistem telah disediakan aturan basis pengetahuan untuk penelusuran jenis gangguan autisme.

3.1.4Analisa Kebutuhan Keluaran

Data keluaran dari sistem ini adalah hasil proses diagnosa menggunakan perhitungan metode Certainty Factor. Hasil diagnosa tersebut berdasarkan fakta gejala autisme pada anak yang dimasukkan pengguna saat melakukan diagnosa. Hasil output sistem terdiri dari : Tingkat autisme, jenis gangguan autisme dan solusi dan terapi berdasarka jenis gangguan autisme

3.2 Perancangan Arsitektur Sistem Pakar

a. Akuisisi Pengetahuan

Basis pengetahuan berisi tentang pengetahuan yang relevan yang diperlukan untuk memahami, merumuskan, dan memecahkan persoalan. Basis pengetahuan tersebut mencakup dua elemen dasar yaitu fakta dan aturan khusus yang mengarahkan pengguna pengetahuan untuk memecahkan persoalan khusus dalam domain tertentu. Basis pengetahuan merupakan inti program dari sistem pakar dimana basis pengetahuan ini merupakan representasi pengetahuan dari seorang pakar.

Representasi pengetahuan dibutuhkan untuk menangkap sifat-sifat penting masalah dan mempermudah prosedur pemecahan masalah dalam mengakses informasi. Representasi pengetahuan yang digunakan pada skripsi ini yaitu atran produksi yang dituliskan dalam bentuk jika-maka (IF-THEN). Struktur aturan produksi yang menghubungkan premis dengan konklusi dapat dijelaskan sebagai berikut :

IF [premis] THEN [konklusi]

Konklusi pada bagain THEN bernilai benar jika premis pada bagian IF bernilai benar. Penerapan struktur aturan produksi dalam menentukan penyakit sapi dapat dilihat pada contoh berikut ini.

IF Seringkali sangat terpukau pada suatu benda

AND Ada gerakan-gerakan aneh yang khas dan diulang-ulang

AND Terpaku pada satu kegiatan yang ritualistic atau rutinitas yang tidak ada gunanya AND

Mempertahankan suatu permintaan atau lebih dengan cara yang khas dan berlebihan

THEN Gangguan Perilaku

Tabel aturan berisi hubungan antara jenis gangguan autisme dengan gejala yang menyertainya.

Tabel 2. Tabel Jenis Gangguan Autisme Kode Jenis

Gangguan Autisme

Jenis Gangguan

JG001 Gangguan Perilaku JG002 Gangguan

Komunikasi JG003 Gangguan

(5)

5

Tabel3. Tabel Gejala autisme

Kode

Gejala Gejala

G001

Mempertahankan suatu permintaan atau lebih dengan cara yang khas dan berlebihan.

G002

Terpaku pada satu kegiatan yang ritualistic atau rutinitas yang tidak ada gunanya.

G003 Ada gerakan-gerakan aneh yang khas dan diulang-ulang.

G004 Seringkali sangat terpukau pada suatu benda.

G005

Bicara terlambat atau sama sekali tidak berkembang (Tidak ada usaha untuk mengimbangi komunikasi dengan cara lain selain bicara).

G006 Jika bisa bicara, bicaranya tidak dipakai untuk komunikasi.

G007 Sering menggunakan bahasa yang aneh dan diulang-ulang.

G008 Cara bermain kurang variatif, kurang imanjinatif dan kurang bisa meniru.

G009

Tidak mampu menjalin interaksi sosial yang memadai, seperti kontak mata sangat kurang, ekspresi muka kurang hidup dan gerak-geriknya kurang tertuju.

G010 Tidak dapat bermain dengan teman sebayanya.

G011 Tidak dapat merasakan apa yang dirasakan orang lain.

G012 Kurangnya hubungan sosial dan emosional yang timbal-balik.

Tabel 4. Tabel Aturan diagnosa autisme pada anak Aturan Jenis

Gangguan Gejala

R1 JG001 G001, G002, G003, G004 R2 JG002 G005, G006, G007, G008 R3 JG003 G009, G010, G011, G012

b. Mesin Inferensi

Metode penelusuran jawaban menggunakan metode inferensi forward chaining, dimana sistem menampilkan keseluruhan data gejala yang kemudian dari berbagai kemungkinan itu dipersempit berdasarkan inputan user. Setiap gejala yang ada dilakukan perhitungan menggunakan rumus pada metode certainty factor untuk mencari evidence tunggal. Nilai CF evidence tunggal yang ada pada setiap rule kembali dihitung lagi menggunakan rumus CF kombinasi yang

mana untuk setiap nilai CF evidence tunggal mendapat perlakuan sebagai nilai CF1 dan CF2. Berikut ini rumus yang digunakan untuk menghitung nilai CF evidence maupun nilai cf kombinasi yang diterapkan untuk setiap premis tunggal hasil pecahan dari premis majemuk.

Untuk proses perhitungan inferensi Certainty-Factor sebagai penarikan kesimpulan dapat dilihat pada Gambar 2 yang merupakan gambaran pencarian solusi sistem pakar dengan menggunakan flowchart atau diagram alir.

Mulai

Rumus CF Evidence Tunggal: CF (H, e) = CF(E) x CF(Rule)

Banyak input fakta gejala = 1 ? Input : Fakta gejala Out/In : bobot CF gejala

Kesimpulan Jenis Gangguan Autisme dan Prosentase

Autisme

Input : Fakta gejala Out/In : bobot CF gejala

Rumus CF Combine:

Input fakta gejala selesai ?

Analisa : Hitung nilai bobot keseluruhan tiap gejala

Kesimpulan Jenis Gangguan Autisme dan Prosentase

Autisme

i = i + 1

Selesai Ya

Tidak

Ya

Perhitungan Kasus 1 (Fakta Gejala = 1) Perhitungan Kasus 2 dan 3 (Fakta Gejala > 1)

Gambar 2 Flowchart Inferensi Certainty Factor Sumber: Perancangan

c. Blackboard

Blackboard merupakan area memori yang berfungsi sebagai basis data untuk merekam hasil sementara. Pada aplikasi diagnosa autisme ini, data yang disimpan pada area ini adalah data gejala masukan dari pengguna, nilai perhitungan bobot CFtiap gejala, hasil perhitungan CF combine dan hasil akhirnya, serta hasil diagnosa jenis gangguan autisme.

d. Fasilitas Penjelas

Fasilitas penjelas yang akan diberikan dalam aplikasi sistem pakar diagnosa autisme ini yaitu penjelasan tentang informasi kegunaan aplikasi sistem pakar diagnosa autisme pada anak (help).

3.3 Perancangan Aplikasi Sistem Pakar Diagnosa autisme pada Anak

a. ERD

(6)

6 Memiliki

member

Id_user

nama username

password

email Nama_anak alamat

Tgl_daftar Tgl_login

gejala

Id_jenis_ganguan Id_gejala

bobot gejela

Jenis_gangguan

terapi Id_jenis_gangguan

Nama_jenis_gangguan

Hasil_diagnosa

usia Id_user Nama_anak Id_hasil

prosentase jam tgl

Memiliki

Admin

Password_admin

Usename_admin Id_admin

Mengelola Mengelola

berita

Id_berita judul headline

isi gambar tanggal

Mengelola

Bukutamu

Id_b nama

email

text tanggal

1

n 1

n n n

n

1 1

1

Gambar 3 Entity Relationship Diagram Sistem Pakar Diagnosa Autisme pada Anak

Sumber : Perancangan

b. Diagram Konteks

Pada Gambar 4 dapat dilihat context diagramnya terlihat proses masukan dan keluaran dari aplikasi sistem pakar diagnosa autisme pada anak untuk setiap pengguna yang berbeda.

Gambar 4 Diagram Konteks Sistem Pakar Diagnosa autisme Pada Anak

Sumber: Perancangan

4. IMPLEMENTASI

4.1 Batasan Implementasi

Beberapa batasan dalam mengimplementasikan Sistem Pakar Diagnosa autisme Pada Anak adalah sebagai berikut :

1. Masukan yang diterima oleh sistem adalah berupa gejala-gejala autisme yang diisikan oleh pengguna. 2. Keluaran yang diterima oleh pengguna berupa hasil

perhitungan dan kesimpulan gangguan autisme pada anak serta solusi dan terapi berdasarkan jenis gangguan autisme.

3. Aplikasi yang digunakan berbasis web dengan basis data penyimpanan menggunakan MySQL.

4. Metode yang digunakan yaitu Certainty-factor. 5. Sistem ini digunakan oleh orangtua, terapis autisme,

psikolog dan pakar autisme, tenaga medis

puskesmas serta masyarakat umum yang ingin melakukan diagnosa autisme pada anak.

6. Sistem ini bersifat dinamis, yaitu dapat melakukan penambahan dan perubahan data aturan, jenis gangguan autisme maupun gejalanya.

4.2 Implementasi Antarmuka

Tampilan yang ditunjukkan hanya tampilan halaman diagnosa dan halaman hasil diagnosa karena merupakan menu utama untuk pengguna. Halaman diagnosa merupakan halaman utama bagi pengguna untuk melakukan konsultasi pada anak seperti pada Gambar 5.

Gambar 5 Halaman Konsultasi Pada Anak Sumber: Implementasi

Halaman hasil diagnosa merupakan halaman untuk melihat hasil atau kesimpulan diagnosa autisme pada Gambar 6.

Gambar 6 Halaman Hasil Diagnosa Sumber: Implementasi

5. HASIL DAN PEMBAHASAN

5.1 Pengujian Validasi

(7)

7

Tabel 5 Pengujian

No Nama Kasus Hasil yang diharapkan

Status Validasi

1 Login Sistem mampu

menerima inputan Login

Valid

2 Registrasi Pengguna

Sistem mampu melakukan registrasi pengguna baru

Valid

3 Input Data Fakta Gejala

Sistem mampu menerima input data gejala untuk proses deteksi/diagnosa

Valid

4 Proses Diagnosa Sistem mampu menampilkan hasil diagnosa autisme

berdasarkan gejala yang dimasukkan pengguna

Valid

5 Login Sistem mampu

menerima inputan Login

Valid

6 Data Gejala Sistem mampu melakukan perubahan pada data gejala autisme pada anak.

Valid

7 Data Jenis Gangguan dan Penanganannya

Sistem mampu melakukan perubahan informasi jenis gangguan dan penanganannya

Valid

8 Artikel dan Berita Sistem mampu menampilkan data artikel dan berita

Valid

9 Testimonial Sistem mampu menampilkan informasi data testimonial

Valid

5.2 Pengujian Akurasi

Pengujian akurasi dilakukan untuk mengetahui performansi dari sistem pakar untuk memberikan hasil identifikasi kesimpulan dari diagnosa jenis gangguan autisme.

Tabel 6 Tabel Pengujian Akurasi Hasil Diagnosa Sistem dengan Pakar

No. Gejala Yang diderita Jawaban

User

Hasil Diagnosa

Sistem

Hasil Diagnosa

Pakar

Akurasi Hasil Perbandingan

1

 Mempertahankan suatu permintaan atau lebih dengan cara yang khas dan berlebihan (G001)

Jarang Autisme ringan dengan jenis gangguan komunikasi dan perilaku

Autisme ringan dengan jenis gangguan komunikasi dan perilaku

1  Jika bisa bicara, bicaranya tidak dipakai untuk

komunikasi (G006)

Jarang

 Sering menggunakan bahasa yang aneh dan diulang-ulang (G008)

Sering

2.

 Mempertahankan suatu permintaan atau lebih dengan cara yang khas dan berlebihan (G001)

Jarang

Autisme sedang dengan jenis gangguan Perilaku dan

Autisme sedang dengan jenis gangguan perilaku dan

1  Terpaku pada satu kegiatan yang ritualistic atau

rutinitas yang tidak ada gunanya (G002)

Sangat Sering

(8)

8

diulang-ulang (G001) Sering interaksi sosial interaksi sosial

 Tidak mampu menjalin interaksi sosial yang memadai, seperti kontak mata sangat kurang, ekspresi muka kurang hidup dan gerak-geriknya kurang tertuju (G009)

Sering

 Kurangnya hubungan sosial dan emosional yang timbal-balik (G012) mengimbangi komunikasi dengan cara lain selain bicara) (G005)

memadai, seperti kontak mata sangat kurang, ekspresi muka kurang hidup dan gerak-geriknya kurang tertuju (G009)

Sangat Sering

4

 Mempertahankan suatu permintaan atau lebih dengan cara yang khas dan berlebihan (001)

Hampir

 Cara bermain kurang variatif, kurang imanjinatif dan kurang bisa meniru. (G007)

Sering

 Tidak mampu menjalin interaksi sosial yang memadai, seperti kontak mata sangat kurang, ekspresi muka kurang hidup dan gerak-geriknya kurang tertuju (G009)

Hampir Selalu

 Kurangnya hubungan sosial dan emosional yang timbal-balik (G012)

Sering Autisme ringan dengan

 Kurangnya hubungan sosial dan emosional yang timbal-balik. (G012)

Sering

6  Terpaku pada satu kegiatan yang ritualistic atau rutinitas yang tidak ada gunanya. (G002)

Hampir memadai, seperti kontak mata sangat kurang, ekspresi muka kurang hidup dan gerak-geriknya kurang tertuju. (G009)

(9)

9 9

 Mempertahankan suatu permintaan atau lebih dengan cara yang khas dan berlebihan. (G001)

Jarang _Autisme

ringan dengan memadai, seperti kontak mata sangat kurang, ekspresi muka kurang hidup dan gerak-geriknya kurang tertuju. (G009)

Jarang

10

 Tidak mampu menjalin interaksi sosial yang memadai, seperti kontak mata sangat kurang, ekspresi muka kurang hidup dan gerak-geriknya kurang tertuju. (G009)

Hampir

 Kurangnya hubungan sosial dan emosional yang timbal-balik. (G012)

Sering

11

 Bicara terlambat atau sama sekali tidak berkembang (Tidak ada usaha untuk mengimbangi komunikasi dengan cara lain selain bicara). (G005)

Sering Autisme ringan dengan

Jarang

12

 Sering menggunakan bahasa yang aneh dan diulang-ulang. (G007)

Sering Autisme ringan dengan  Cara bermain kurang variatif, kurang imanjinatif

dan kurang bisa meniru. (G008)

Jarang

13

 Terpaku pada satu kegiatan yang ritualistic atau rutinitas yang tidak ada gunanya. (G002)

Jarang Autisme ringan dengan

Jarang mengimbangi komunikasi dengan cara lain selain bicara). (G005)

Jarang

Sering

 Tidak dapat bermain dengan teman sebayanya. (G010)

Jarang

 Tidak dapat merasakan apa yang dirasakan orang lain. (G011)

Jarang

16

 Ada gerakan-gerakan aneh yang khas dan diulang-ulang. (G003)

Jarang _Autisme

(10)

10  Kurangnya hubungan sosial dan emosional yang

timbal-balik. (G012)

Sering perilaku dan interaksi sosial

perilaku dan interaksi sosial

17

Jarang Autisme ringan dengan jenis gangguan interaksi sosial

Autisme ringan dengan jenis gangguan interaksi sosial

Sering

18

Sering Autisme ringan dengan jenis gangguan interaksi sosial

Autisme ringan dengan jenis gangguan interaksi sosial

Jarang

19

Jarang

Autisme ringan dengan jenis gangguan

perilaku

1  Ada gerakan-gerakan aneh yang khas dan

diulang-ulang. (G003)

Jarang

 Seringkali sangat terpukau pada suatu benda. (G004)

Hampir Selalu

20  Terpaku pada satu kegiatan yang ritualistic atau rutinitas yang tidak ada gunanya. (G002)

Jarang

perilaku

1

Dapat disimpulkan bahwa akurasi sistem pakar menggunakan metode Certainty Factor berdasarkan 20 data diagnosa gejala autisme pada anak yang telah diuji mempunyai tingkat akurasi keberhasilan yang cukup baik sesuai dengan diagnosa pakar yaitu sebesar 85%. Nilai akurasi = (Jumlah data akurat)/(jumlah seluruh data) x 100%

Nilai akurasi = 17/20 x 100%=85%

6. PENUTUP 6.1 Kesimpulan

Berdasarkan hasil perancangan dan pengujian yang dilakukan pada sistem pakar diagnosa autisme menggunakan metode Certainty-Factor, maka dapat diambil kesimpulan sebagai berikut :

1. Sistem pakar diagnosa autisme pada anak ini mampu mendiagnosa gejala autisme pada anak. Pengambilan kesimpulan identifikasi dihitung menggunakan metode Certainty-factor dengan menggunakan inputan gejala dari pengguna. 2. Hasil pengujian validasi fungsionalitas yang

menunjukkan bahwa sistem memiliki fungsionalitas sebesar 100% dan hasil pengujian akurasi menunjukkan bahwa keakurasian hasil keluaran sistem adalah 85%.

3. Metode Certainty-Factor dapat digunakan untuk membantu pakar dan terapis dalam mengidentifikasi dan menangani autisme pada anak.

6.2 Saran

Sistem pakar diagnosa autisme menggunakan metode Certainty-Factor ini masih memiliki beberapa kekurangan. Saran yang dapat diberikan untuk pengembangan penelitian selanjutnya antara lain :

1. Untuk pengembangan lebih lanjut, sistem ini dapat dikembangkan dengan menggunakan metode yang berbeda atau mengkombinasikan metode Certainty-Factor dengan metode lain.

(11)

11

7. DAFTAR PUSTAKA

[1] Detik. 8 dari 1000 Orang di Indonesia Adalah Penyandang Autis (http://health.detik.com/read/2012/04/14 /085648/1892331/763/8-dari-1000-orang-di-indonesia-adalah-penyandang-autis) [2] Metrotv News. Pemahaman Publik pada

Autisme masih Rendah (http://www.metrotvnews.com/metrone ws/read/2013/03/13/3/138164/Pemaham an-Publik-pada-Autisme-masih-Rendah)

[3] Puspitasari, Siti Rahajeng Nurenggar. 2008. Rancang Bangun Aplikasi Sistem Pakar Untuk Mendiagnosa Gangguan Autisme Secara Dini Pada Anak.

[4] Armi, Elpa. 2010. Penggunaan Certainty Factor (Cf) Dalam Perancangan Sistem Pakar Untuk Mendiagnosis Penyakit Atherosklerosis. Medan: Universitas Sumatera Utara

[5] Daniel, Gloria Virginia. 2012. Implementasi Sistem Pakar Untuk Mendiagnosis Penyakit Dengan Gejala Demam Menggunakan Metode Certainty Factor.

[6] Kusumadewi, Sri. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta : Graha Ilmu.