SISTEM PAKAR DIAGNOSA DIABETES KARENA PENYAKIT DEGENERATIF DENGAN MENGGUNAKAN METODE FORWARD
CHAINING DAN CERTAINTY FACTOR
SKRIPSI
NI MADE KRISTA KURNIA DEWI
1208605049
PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA
ii
SURAT PERNYATAAN KEASLIAN KARYA ILMIAH
Yang bertandatangan di bawah ini menyatakan bahwa naskah Skripsi dengan judul :
SISTEM PAKAR DIAGNOSA DIABETES KARENA PENYAKIT
DEGENERATIF DENGAN MENGGUNAKAN METODE FORWARD
CHAINING DAN CERTAINTY FACTOR Nama : Ni Made Krista Kurnia Dewi
NIM : 1208605049
Program Studi : Teknik Informatika E-mail : kurniakrista@gmail.com Nomor telp/HP : 081330529104
Alamat : Jalan Melati II/51
Belum pernah dipublikasikan dalam dokumen skripsi, jurnal nasional maupun internasional atau dalam prosiding manapun, dan tidak sedang atau akan diajukan untuk publikasi di jurnal atau prosiding manapun. Apabila dikemudian hari terbukti terdapat pelanggaran kaidah-kaidah akademik pada karya ilmiah saya, maka saya bersedia menanggung sanksi-sanksi yang dijatuhkan karena kesalahan tersebut, sebagaimana diatur oleh Peraturan Menteri Pendidikan Nasional Nomor 17 Tahun 2010 tentang Pencegahan dan Penanggulangan Plagiat di Perguruan Tinggi.
Demikian Surat Pernyataan ini saya buat dengan sesungguhnya untuk dapat dipergunakan bilamana diperlukan.
Denpasar, April 2016 Yang membuat pernyataan,
iii
LEMBAR PENGESAHAN TUGAS AKHIR
Judul
:
Sistem Pakar Diagnosa Diabetes karena Penyakit Degeneratif dengan Menggunakan Metode Forward Chaining dan Certainty FactorKompetensi : Komputasi
Nama : Ni Made Krista Kurnia Dewi
NIM : 1208605049
Tanggal seminar : 15 Januari 2016
Disetujui oleh:
Penguji II
(I Gede Santi Astawa, S.T., M.Cs.) NIP. 198012062006041003 Pembimbing II
(Ida Bagus Made Mahendra , S.Kom, M.Kom) NIP. 198006212008121002
Pembimbing I
(Drs. I Wayan Santiyasa, M.Si) NIP. 196704141992031002
Penguji I
(Agus Muliantara, S.Kom.,M.Kom) NIP. 198006162005011001
Penguji III
(I Putu Gede Hendra Suputra, S.Kom., M.Kom) NIP. 198812282014041001
Mengetahui
Jurusan Ilmu Komputer FMIPA UNUD Ketua,
iv
Judul : Sistem Pakar Diagnosa Diabetes karena Penyakit Degeneratif dengan Menggunakan Metode Forward Chaining dan Certainty Factor
Nama : Ni Made Krista Kurnia Dewi
NIM : 1208605049
Pembimbing I : Drs. I Wayan Santiyasa, M.Si
Pembimbing II : Ida Bagus Made Mahendra , S.Kom, M.Kom
ABSTRAK
Diabetes Melitus Tipe 2 menjadi salah satu penyakit epidemik yang menunjukkan adanya peningkatan di berbagai penjuru dunia. Diabetes atau lebih dikenal dengan sebutan kencing manis merupakan penyakit metabolik yang ditandai dengan meningkatnya kadar glukosa dalam darah.
Dalam penelitian ini, sistem pakar dibuat dengan menggunakan metode forward chaining dan certainty factor. Kedua metode ini digunakan untuk melakukan proses diagnosa diabetes karena penyakit degeneratif. Metode forward chaining digunakan dalam melakukan penelusuran dimulai dari gejala yang dirasakan oleh pengguna hingga mendapatkan hasil diagnosa. Sedangkan metode certainty factor digunakan untuk memberikan tingkat keyakinan terhadap hasil diagnosa.
Pada proses uji coba yang telah dilakukan, metode forward chaining dan certainty factor dapat digunakan dalam pembuatan sistem pakar diagnosa diabetes karena penyakit degeneratif. Penggunaan metode certainty factor juga memiliki tingkat akurasi kebenaran sistem terhadap data sebesar 72.2222%.
v
Title : Diabetes Diagnosis Expert System for Degenerative Diseases by Using methods of Forward Chaining and Certainty Factor Name : Ni Made Krista Kurnia Dewi
Registration : 1208605049
First Supervisor : Drs. I Wayan Santiyasa, M.Si
Second Supervisor : Ida Bagus Made Mahendra , S.Kom, M.Kom
ABSTRACT
Type 2 Diabetes Melitus become one of the endemic diseases that has been increasing in various parts of the world. Diabetes is a metabolic disease characterized by increased levels of glucose in the blood.
In this research, expert system were made using forward chaining and certainty factor. both of methods were used to perform the process of diagnosing diabetes because of degenerative diseases. Forward chaining method used in conductingthe study started from the symptoms felt by the user to get diagnosis. While the certainty factor method was used to provide the level of accuracy of the diagnosis.
In the process of testing that has been done, the methods of forward chaining and certainty factor can be used in the making of diabetes diagnosis expert system for degenerative diseases. The use of the method of certainty factor also has an actual accuracy rate of the data system of 72.2222%.
vi
KATA PENGANTAR
Puji syukur penulis panjatkan kehadapan Tuhan Yang Maha Esa karena atas berkat dan rakhmat beliaulah, Tugas Akhir dengan judul “Sistem Pakar Diagnosa Diabetes karena Penyakit Degeneratif dengan Menggunakan Metode Forward
Chaining dan Certainty Factor” ini dapat diselesaikan tepat pada waktunya.
Sehubungan dengan telah terselesaikannya laporan tugas akhir ini, maka penulis mengucapkan terima kasih dan penghargaan yang sebesar-besarnya kepada berbagai pihak yang telah membantu dalam penyelesaian tugas akhir ini;
1. Bapak Drs. I Wayan Santiyasa, M.Si sebagai Pembimbing I yang telah bersedia meluangkan waktu untuk membimbing, memeriksa, dan membantu dalam menyempurnakan tugas akhir ini.
2. Bapak Ida Bagus Made Mahendra, S.Kom, M.Kom sebagai pembimbing II yang telah bersedia meluangkan waktu untuk membimbing, memeriksa, dan membantu dalam menyempurnakan tugas akhir ini.
3. Seluruh dosen di Jurusan Ilmu Komputer yang telah bersedia meluangkan waktu untuk memberikan saran dan masukan untuk menyempurnakan tugas akhir ini.
4. Semua pihak yang telah membantu dan memberikan dukungan sehingga tugas akhir ini dapat diselesaikan tepat pada waktunya.
Pada akhirnya penulis sadar bahwa laporan tugas akhir ini masih jauh dari kata sempurna.Maka penulis mengharapkan adanya kritik dan saran yang dapat membantu guna pencapain yang lebih baik.
Bukit Jimbaran, April 2016 Penyusun
vii
DAFTAR ISI
LEMBAR PENGESAHAN TUGAS AKHIR ... iii
ABSTRAK ... iv
ABSTRACT ... v
DAFTAR ISI ... vii
DAFTAR TABEL ... ix
DAFTAR GAMBAR ... x
DAFTAR LAMPIRAN ... xii
BAB I PENDAHULUAN ... 13
1.1 Latar Belakang... 13
1.2 Rumusan Masalah ... 15
1.3 Tujuan Penelitian ... 16
1.4 Batasan Masalah ... 16
1.5 Manfaat Penelitian ... 16
1.6 Metodelogi Penelitian ... 16
1.6.1 Desain Penelitian dan Tahap Penelitian ... 16
BAB II TINJAUAN PUSTAKA ... 21
2.1 Tinjauan Empiris ... 21
2.2 Tinjauan Teoritis... 25
2.2.1 Sistem Pakar ... 25
2.2.2 Sistem Metabolisme ... 28
2.2.3 Diabetes Melitus Tipe 2 sebagai Penyakit Degeneratif ... 28
2.2.4 Metode Forward chaining ... 29
2.2.5 Metode Certainty Factor ... 30
BAB III ANALISIS DAN PERANCANGAN ... 33
3.1 Flowchart Sistem ... 33
3.2 Flowchart Forward Chaining... 35
viii
3.4 Struktur Sistem ... 38
3.4.1 Pengetahuan ... 38
3.4.2 Mesin Inferensi... 44
3.4.3 Fasilitas Informasi ... 45
3.4.4 Antar muka... 45
3.4.5 Aksi yang direkomendasikan ... 45
3.5 Perancangan Sistem ... 45
BAB IV HASIL DAN PEMBAHASAN ... 51
4.1 Pengumpulan Data ... 51
4.2 Proses Implementasi Database ... 51
4.3 Implementasi Struktur Sistem ... 53
4.4 Proses Forward Chaining ... 58
4.5 Proses Perhitungan Certainty Factor... 60
4.6 Pengujian ... 62
BAB V KESIMPULAN DAN SARAN... 66
5.1 Kesimpulan... 66
5.2 Saran ... 66
DAFTAR PUSTAKA ... 67
ix
DAFTAR TABEL
Tabel 1.1 Tabel Data Gejala ... 17
Tabel 2.1 Tabel nilai CF rule interpretasi term ... 19
Tabel 2.2 Perbandingan Penelitian ... 22
Tabel 2.3 Tabel nilai CF rule interpretasi term ... 31
Tabel 3.1 Tabel Kelas Diagnosa………....39
Tabel 3.2 Tabel Data Gejala……….………...40
Tabel 3.3 Tabel Aturan………..41
Tabel 3. 4 Tabel Nilai CF rule ... 44
x
DAFTAR GAMBAR
Gambar 2.1 Mesin Inferensi Forward chaining ... 30
Gambar 3.1 Flowchart Sistem ... 33
Gambar 3.2 Flowchart Forward Chaining ... 35
Gambar 3. 3 Struktur sistem ... 38
Gambar 3.4 Diagram Konteks ... 46
Gambar 3.5 DFD Level 0 ... 47
Gambar 3.6 DFD level 1 proses 2 ... 48
Gambar 3.7 DFD level 1 proses 5 ... 49
Gambar 3.8 Entity Relationship Diagram ... 50
Gambar 4.1 Tabel Gejala ... 51
Gambar 4.2 Tabel pendaftaran ... 52
Gambar 4. 3 Tabel bobot pakar ... 52
Gambar 4.4 Tabel admin ... 52
Gambar 4.5 Pengetahuan - Tabel Gejala... 53
Gambar 4.6 Tampilan login... 54
Gambar 4.7 Tampilan registrasi user ... 54
Gambar 4.8 Tampilan awal diagnosa... 55
Gambar 4.9 Tampilan diagnosa ... 55
Gambar 4.10 Tampilan hasil diagnosa ... 56
Gambar 4.11Fasilitas informasi - Informasi diagnosa ... 57
Gambar 4.12 Fasilitas informasi - Informasi diagnosa diabetes ... 57
Gambar 4. 13 Pencegahan dan Perawatan Diabetes ... 58
xi
xii
DAFTAR LAMPIRAN
13
BAB I
PENDAHULUAN
1.1Latar Belakang
Pola makan yang tidak sehat tentunya akan memicu banyak penyakit bagi tubuh kita. Gangguan bisa saja terjadi pada sistem pencernaan hingga sistem metabolisme. Sistem metabolisme itu sendiri merupakan proses pengolahan (pembentukkan dan penguraian) zat-zat yang diperlukan oleh tubuh agar tubuh dapat menjalankan fungsinya dengan baik.
Metabolisme sendiri merupakan proses yang sangat penting dalam tubuh manusia. Hal ini dikarenakan jika terjadi gangguan pada sistem metabolisme maka tentu akan mempengaruhi sistem kerja tubuh kita. Selain itu juga gangguan pada metabolisme dapat memberikan dampak kerusakan pada beberapa organ tubuh yang nantinya dapat memicu terjadinya penyakit degeneratif.Salah satu penyakit degeneratif yang paling sering dialami adalah diabetes.
14
menempati peringkat ke-7 di dunia dengan 7.6 juta orang penyandang DM. Berdasarkan data diatas diketahui bahwa jumlah penyandang DM di Indonesia sangat besar. Dengan kemungkinan terjadi peningkatan jumlah penyandang DM dimasa mendatang akan menjadi beban yang sangat berat untuk dapat ditangani sendiri oleh dokter spesialis/subspesialis atau bahkan semua tenagakesehatan yang ada.
Diabetes atau lebih dikenal dengan sebutan kencing manis merupakan penyakit metabolik yang ditandai dengan meningkatnya kadar glukosa dalam darah. Diabetes merupakan penyakit menahun yang akan disandang seumur hidup. Penyakit DM akan sangat berpengaruh terhadap kualitas sumber daya manusia dan berdampak pada peningkatan biaya kesehatan. Banyak faktor risiko yang menjadi penyebab dari diabetes.Salah satunya adalah karena faktor keturunan. Seseorang yang dalam keluarganya memiliki riwayat pernah mengalami diabetes maka besar kemungkinan keturunannya juga akan mengalami diabetes.
Namun selain karena faktor keturunan, diabetes juga dapat terjadi karena terdapatnya kerusakan organ pada pankreas dalam menghasilkan hormon insulin. Dimana hormon insulin yang dihasilkan tidak cukup dalam proses metabolisme tubuh. Kerusakan organ pankreas ini dapat disebabkan karena pola makan yang salah hingga pola hidup yang tidak sehat seperti kurang berolahraga.Diabetes memang bukan menjadi penyakit yang menyebabkan kematian, namun komplikasi dari diabeteslah yang dapat menyebabkan kematian jika tidak ditanggulangi dengan cepat dan benar.Faktor inilah yang menyebabkan pengobatan yang tepat sesuai dengan penyebab dari diabetes itu sangat diperlukan.
15
dan dapat memecahkan permasalahan layaknya seorang pakar. Sebuah sistem pakar dapat mengangkat berbagai bidang kehidupan manusia.Salah satu bidang yang umum diangkat oleh sistem pakar adalah bidang kesehatan.
Banyak penelitian telah dilakukan mengenai sistem pakar dalam mendiagnosa penyakit.Mulai dari penyakit mata hingga penyakit dalam. Salah satu metode yang sering digunakan dalam penelitian sistem pakar adalah adalah metode forward chaining ataupun backward chaining. Sedangkan untuk meyakinkan hasil dari sistem pakar ini biasanya digunakanlah metode naïve bayes ataupun metode certainty factor.
Berdasarkan penelitian sebelumnya, maka peneliti ingin melakukan sebuah penelitian yang bertujuan untuk membantu dalam mendiagnosa gangguan sistem metabolisme khususnya diabetes. Adapun metode yang digunakan untuk dapat menentukan hasilnya adalah dengan menggunakan metode forward chaining yang dikombinasikan dengan metode certainty factor.Dipilihnya metode forward chaining ini karena metode ini sudah sering diterapkan dalam beberapa sistem pakar khususnya mengenai penyakit dalam yang dimana hasil yang didapat cukup memuaskan. Begitu pula dengan metode certainty factor (CF), pada penelitian sebelumnya metode ini menghasilkan presentase yang sesuai dengan yang diharapkan, konsepnya yang sederhana juga menjadikan peneliti memilih metode ini. Karena itulah peneliti mencoba untuk menerapkan metode Forward chaining dancertainty factor ini pada pembuatan sistem pakar untuk diagnosa diabetes karena penyakit degeneratif.
1.2Rumusan Masalah
Berdasarkan dengan latar belakang masalah yang telah dijelaskan di atas, maka dapat dirumuskan sebuah pokok permasalahan, yaitu :
a. Bagaimana suatu sistem pakar dapat membantu dalam memberikan diagnosa diabetes karena penyakit degeneratif?
16
1.3Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk dapat mendiagnosa diabetes karena penyakit degeneratif dengan pengimplementasian sistem pakar dan untuk mencari faktor dominan dalam proses diagnosa diabetes dengan penerapan certainty factor.
1.4Batasan Masalah
Adapun batasan masalah dari penelitian ini adalah hanya mendiagnosis gejala-gejala awal dari penyakit diabetes dan prediabetes karena penyakit degeneratif dengan menggunakan metode forward chaining dan certainty factor. 1.5Manfaat Penelitian
Manfaat dari penelitian ini adalah dapat mengetahui apakah kita mengidap diabetes atau tidak.
1.6Metodelogi Penelitian
Metode penelitian merupakan suatu cara yang dapat digunakan untuk mencapai tujuan yang diharapkan melalui suatu penelitian dengan teknik-teknik dan alat-alat tertentu.
1.6.1 Desain Penelitian dan Tahap Penelitian
Dalam penelitian ini akan digunakan metode forward chaining yang digunakan sebagai penalaran dalam mencari kesimpulan berdasarkan fakta yang terjadi. Kemudian untuk menguatkan hasil kesimpulan tersebut maka digunakanlah metode certainty factor untuk memberikan tingkat keyakinan.Adapun langkah-langkah yang dilakukan dalam melakukan penelitian.
1.6.1.1 Pengumpulan Data dan Pengolahan Data
Untuk tahap awal pengumpulan data dilakukan melalui studi literature yaitu mengumpulkan data dari buku maupun jurnal dan referensi yang relevan terhadap objek permasalahan.Selanjutnya karena penelitian ini berhubungan dengan diabetes, untuk mendapatkan data yang lebih akurat maka diperlukannlahseorang ahli atau pakar penyakit dalam untuk membantu memberikan informasi yang berhubungan dengan diabetes.
17
tersebut didapatkan dari literatur yang khusus membahas mengenai diabetes sebagai penyakit degeneratif dan juga dari seorang pakar yang merupakan seorang spesialis penyakit dalam khususnya endokrin metabolisme dan diabetes.
Tabel 1.1 Tabel Data Gejala
No Gejala
1 Sering buang air kecil (poliuria) 2 Sering merasa haus (polidipsia) 3 Sering merasa lapar (polifagia) 4 Penurunan berat badan tanpa sebab 5 Mengalami lemas badan
6 Kesemutan pada daerah kaki 7 Sering gatal pada derah kaki
8 Jika terdapat luka maka akan sulit sembuh 9 Mengalami penglihatan kabur
10 Disfungsi ereksi pada pria 11 Pruritus vulvae pada wanita 12 Glukosa darah puasa >126 mg/dL 13 Glukosa darah puasa 100-125 mg/dL 14 Glukosa darah puasa <100 mg/dL 15 Glukosa darah 2 jam TTGO >200 mg/dL 16 Glukosa darah 2 jam TTGO 140-199 mg/dL
17 Glukosa darah 2 jam TTGO <140 mg/dL 18 Obesitas
19 Riwayat merokok
20 Riwayat konsumsi minuman alkohol
1.6.1.2 Implementasi Forward chaining dan Certainty Factor
18
dari fakta tersebut. Setiap gejala akan saling berhubungan hingga pada akhirnya berhenti pada kesimpulan atau penyakit yang mungkin diderita.
Dalam menjalankan tugasnya, seorang pakar (misalnya dokter) sering menganalisis informasi yang ada dengan memberikan faktor ketidakpastian, begitu pula terjadi dengan sebuah sistem pakar. Untuk mengatasi hal tersebut untuk memberikan tingkat keyakinan terhadap hasil yang didapatkan maka digunakanlah certainty factor (CF). Dalam sistem ini untuk mendapatkan faktor kepastian, setiap jawaban dari user akan memiliki bobotnya masing-masing. Untuk jawaban yang diberikan user pada analisa penyakit akan dibuatkan 5 tingkat jawaban (Tidak Tahu, Sedikit Yakin, Cukup Yakin, Yakin, dan Sangat Yakin). Maka komposisi dari bobot untuk masing-masing tingkat jawaban adalah sebagai berikut :
Tidak Tahu = 0.2 Sedikit yakin = 0.4 Cukup yakin = 0.6 Yakin = 0.8 Sangat yakin = 1
Selain itu sebelum melakukan perhitungan, pakar juga memberikan nilai CF (faktor kepastian) untuk masing-masing aturan (rule ) yang telah ditentukan. Untuk menghitung tingkat keyakinan (CF) dari sebuah rule, yaitu sebagai berikut : a. Menggunakan metode Net Belief yang diusulkan oleh E.H.Shortliffe dan
B.G.Buchanan
CF [H,E] = MB [H,E] –MD [H,E] ……….. (1.1) Keterangan :
CF = certainty factor(faktor kepastian) dalam suatu hipotesa yang dipengaruhi oleh fakta E.
19
MD [H,E] = measure of disbelief (ukuran ketidak percayaan) terhadap hipotesa H jika diberikan evidence E (antara 0 dan 1).
E = evidence (peristiwa atau fakta)
b. Dengan menggali dari hasil wawancara dengan pakar. Nilai dari CF rule didapatkan dari interpretasi „term‟ dari pakar menjadi sebuah nilai CF tertentu seperti yang terlihat pada table di bawah ini.
Tabel 2.1 Tabel nilai CF rule interpretasi term
Uncertain term CF
Definitely not -1.0
Almost certaintly not -0.8
Probably not -0.6
Maybe not -0.4
Unknown -0.2 to 0.2
Maybe 0.4
Probably 0.6
Almost certainly 0.8
Definitely 1.0
Secara umum, rule direpresentasikan dalam bentuk sebagai berikut : IF E1 AND E2………AND En THEN H (CF rule)
Atau
IF E1 OR E2…………OR En THEN H (CF rule) Dimana :
E1….En : fakta-fakta (evidence) yang ada H : hipotesis atau konklusi yang dihasilkan
CF rule : tingkat keyakinan terjadinya hipotesis H akubat adanya fakta-fakta E1….En
Berikut ini adalah beberapa kombinasi certainty factor terhadap berbagai kondisi : Certainty factor untuk kaidah dengan premis tunggal (single premis
rule)
CF[H,E] = CF[E] * CF[rule]
20
Certainty factor untuk kaidah dengan premis majemuk (multiple premis rule)
CF (A AND B) = Minimum (CF (a), CF(b)) * CF (rule)………..(1.3) CF (A OR B) = Maximum (CF (a), CF(b)) * CF (rule)…………(1.4)
Certainty factor untuk kaidah dengan kesimpulan yang serupa (similiary concluded rules)
CFcombine (CF1,CF2 ) = CF1 + CF2* (1-CF1)………...(1.5)
Dan faktor kepastian untuk hasil akhir presentase :
21
BAB II
TINJAUAN PUSTAKA
Untuk menunjang pelaksanaan penelitian mengenai sistem pakar untuk diagnosa diabetes sebagai penyakit degeneratif ini, maka dilakukan tinjauan pustaka yang terdiri dari tinjauan empiris yang berisi hasil penelitian yang pernah dilakukan dan tinjauan teoritis yang membahas mengenai teori-teori dasar yang mendukung penelitian ini.
2.1Tinjauan Empiris
Berdasarkan penelitian yang ditulis oleh Hamdani (2010) tentang sistem pakar untuk diagnosa penyakit mata pada manusia dengan menggunakan metode forward chaining, dimana hasil dari penentuan penyakit mata didapat dari presentase tertinggi berdasarkan hasil penelusuran gejala yang diberikan.Semakin tinggi nilai presentase dari hasil penelusuran, maka menunjukkan jenis penyakit mata yang diderita oleh pasien tersebut.
Selanjutnya berdasarkan penelitian yang dilakukan oleh Mustafidah (2011) tentang sistem pakar untuk mendiagnosa penyakit hati menggunakan metode forward chaining disimpulkan bahwa sistem pakar tersebut dapat menganalisis jenis penyakit organ hati berdasarkan gejala-gejala yang dimasukkan oleh user. Selain itu juga sistem pakar tersebut juga sudah dapat menjelaskan penyebab dan pengobatan dari penyakit secara medis maupun secara herbal berdasarkan jenis penyakitnya.
22
penelitian tersebut maka dapat diperoleh perbedaan antara penelitian sebelumnya dengan penelitian yang saat ini dilakukan.
Tabel 2.2 Perbandingan Penelitian
25
metode forward
chaining dan
certainty factor
darah penderita (glukosa darah puasa dan glukosa TTGO 2 jam)
dan normal nilai keyakinan.
2.2Tinjauan Teoritis
Penulis mengambil beberapa tinjauan untuk dijadikan landasan teori pembuatan sistem pakar untuk diagnosa diabetesyang akan dijelaskan pada sub bab berikut.
2.2.1 Sistem Pakar
Sistem pakar merupakan sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli.Sistem pakar tidak untuk menggantikan kedudukan seorang pakar tetapi untuk memasyarakatkan pengetahuan dan pengalaman pakar tersebut.Sistem pakar dikembangkan pertama kali oleh komunitas AI pada tahun 1960-an. Sistem pakar yang pertama adalah General Purpose Problem Solver (GPS) yang dikembangkan oleh Newel Simon.
Sistem pakar yang berusaha mengadopsi pengetahuan manusia juga memiliki keuntungan dan kerugian. Adapun keuntungan dari penggunaan sistem pakar adalah sebagai berikut :
a. Keuntungan
Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli Bisa melakukan proses secara berulang dan otomatis
Menyimpan pengetahuan dan keahlian para pakar Meningkatkan output dan produktivitas
Meningkatkan kualitas
26
Mampu beroperasi dalam lingkungan berbahaya Memiliki kemampuan untuk mengakses pengetahuan Memiliki realibilitas
Meningkatkan kapabilitas sistem computer
Meningkatkan kapabilitas dalam penyelesaian masalah Menghemat waktu dalam pengambilan keputusan b. Kerugian
Sedangkan kerugian dari penggunaan sistem pakar adalah sebagai berikut : Biaya yang diperlukan untuk membuat dan memeliharanya sangat
mahal
Sulit dikembangkan. Hal ini terkait dengan ketersediaan pakar dalam bidangnya.
2.2.1.1 Area Permasalahan Aplikasi Sistem Pakar
Area permasalahan sistem pakar menyentuh beberapa permasalahan yaitu :
1. Interpretasi yaitu menghasilkan deskripsi situasi yang mungkin terjadi dari situasi yang ada
2. Prediksi yaitu memperkirakan akibat yang mungkin terjadi dari situasi yang ada.
3. Diagnosis yaitu menyimpulkan suatu kedaan berdasarkan gejala-gejala yang diberikan.
4. Desain yaitu melakukan perancangan berdasarkan kendala-kendala yang diberikan.
5. Planning yaitu merencanakan tindakan-tindakan yang akan dilakukan 6. Monitoring yaitu membandingkan hasil pengamatan dengan proses
27
7. Debugging yaitu menentukan penyelesaian dari suatu kesalahan sistem.
8. Reparasi yaitu melaksanakan rencana perbaikan.
9. Instruction yaitu melakukan instruksi untuk diagnosisi, debugging, dan perbaikan kinerja.
10. Control yaitu melakukan control terhadap hasil interpretasi, diagnosisi, debugging, monitoring, dan perbaikan tingkah laku sistem. 2.2.1.2 Mesin Inferensi
Menurut Turban (1995) mesin inferensi adalah program komputer yang memberikan metodologi penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam workplace dan untuk merumuskan kesimpulan. Selama proses inferensi, mesin inferensi memeriksa status dari basis pengetahuan dan memori kerja (working memory) untuk menentukan fakta apa saja yang diketahui dan untuk menambah fakta barru yang dihasilkan ke dalam memori kerja tersebut. Terdapat 2 cara yang dapat dilakukan dalam melakukan inferensi :
Forward chaining (runut maju) : pencocokan fakta atau pernyataan dimulai dari bagian sebelah kiri (IF dulu). Dengan kata lain, runut maju merupakan strategi pencarian yang memulai proses pencarin dari sekumpulan data atau fakta. Dari data-data tersebut dicari suatu kesimpulan yang menjadi solusi dari permasalahan yang dihadapi.
28
2.2.2 Sistem Metabolisme
Metabolisme adalah suatu proses komplek perubahan makanan menjadi energi dan panas melalui proses fisika dan kimia, berupa proses pembentukan dan penguraian zat didalam tubuh organisme untuk kelangsungan hidupnya. Metabolisme merupakan rangkaian reaksi kimia yang diawali oleh substrat awal dan diakhiri dengan produk akhir, yang terjadi dalam sel. reaksi tersebut meliputi reaksi penyusunan energi (anabolisme) dan reaksi penggunaan energi (katabolisme). Dalam reaksi biokimia terjadi perubahan energi dari satu bentuk ke bentuk yang lain, misalnya energi kimia dalam bentuk senyawa Adenosin Trifosfat ( ATP ) diubah menjadi energi gerak untuk melakukan suatu aktivitas seperti bekerja, berlari, jalan, dan lain-lain (Kistinnah, 2009).
Secara sederhana metabolisme adalah proses pengolahan (pembentukkan dan penguraian) zat-zat yang diperlukan oleh tubuh agar tubuh dapat menjalankan fungsinya. Metabolisme mempunyai peranan yang sangat penting dalam tubuh.Metabolisme terjadi pada saat menit pertama makanan masuk ked ala perut dan pencernaan dimulai.Enzim yang dilepaskan oleh pancreas dan kelenjar tiroid membantu dalam pemecahan makanan yang dicerna menjadi zat yang lebih sederhana. Zat-zat sederhanan diserap oleh sel-sel tubuh dan membantu dalam pelepasan energy dan melaksanakan proses lain dalam tubuh, seperti menyembuhan luka, pengaturan suhu tubuh, pembentukkan sel-sel baru, membuang racun dari tubuh dan sebagainya.
2.2.3 Diabetes Melitus Tipe 2 sebagai Penyakit Degeneratif
29
Penyakit degeneratif adalah suatu penyakit yang muncul akibat penurunan fungsi organ atau alat tubuh dari keadaan normal menjadi lebih buruk. Pada umumnya penyakit degeneratif terjadi pada usia tua. Namun, tidak jarang juga jenis penyakit degeneratif ini terjadi pada usia muda. Adapun penyakit yang termasuk ke dalam kelompok penyakit degeneratif adalah diabetes mellitus, stroke, jantung koroner, kardiovaskular, obesitas, hipertensi, gangguan sistem pencernaan, gangguan asam urat, dan lain-lain.Dari sekian banyak penyakit yang termasuk ke dalam golongan penyakit degeneratif, salah satu kelainan sistem metabolisme yang paling popular adalah diabetes mellitus tipe 2 (DM tipe 2).
Diabetes mellitus atau yang lebih dikenal sebagai penyakit kencing manis merupakan salah satu penyakit degeneratif yang bersifat menahun akibat kadar glukosa dalam darah yang tinggi.Selain itu Diabetes mellitus merupakan penyakit metbolik yang dapat menimbulkan berbagai komplikasi (Konsensus Pengelolaan dan Pencegahan DM tipe 2 di Indonesia, 2015).Diabetes merupakan salah satu jenis penyakit yang disebabkan karena genetic ataupun keturunan. Jadi seseorang yang dalam keluarganya memiliki kelaianan gula darah ataupun diabetes, maka tentu keturunan dari keluarga tersebut akan memiliki risiko yang tinggi dalam menderita diabetes. Namun faktor keturunan bukan menjadi faktor satu-satunya dalam diabetes.Diabetes juga dapat disebabkan karena adanya gangguan pada organ pankreas dalam menghasilkan hormon insulin.Diabetes terjadi karena adanya ketidakcukupan atau gangguan fungsi hormon insulin.Dimana insulin adalah suatu hormon yang mengatur pengambilan glukosa yang merupakan salah satu sumber energi yang penting untuk tubuh kita.Banyak hal yang dapat menyebabkan gangguan pada hormon insulin ini, mulai dari pola makan yang tidak sehat hingga pola hidup yang kurang sehat.
2.2.4 Metode Forward chaining
30
menggunakan rules yang premisnya cocok dengan fakta yang diketahui tersebut untuk memperoleh fakta baru dan melanjutkan proses hingga tujuan dicapai atau hingga sudah tidak ada rules lagi yang premisnya cocok dengan fakta yang diketahui maupun fakta yang diperoleh.
Forward chaining digunakan jika banyak aturan berbeda yang dapat memberikan kesimpulan yang sama, banyak cara untuk mendapatkan sedikit konklusi, dan benar-benar sudah mendapatkan berbagai fakta, dan ingin mendapatkan konklusi dari fakta-fakta tersebut.
Berikut ini merupakan gambaran secara umum dari penelusuran forward chaining.
Gambar 2.1 Mesin Inferensi Forward chaining 2.2.5Metode Certainty Factor
Menurut Sujoto (2011) teori Certainty Faktor (CF) adalah untuk mengakomodasi ketidakpastian pemikiran (inexact reasoning) seorang pakar yang di usulkan oleh Shortliffe dan Buchanan pada tahun 1975.Faktor kepastian (certainty factor) menyatakan kepercayaan dalam sebuah kejadian (fakta atau hipotesa) berdasar bukti atau penilaian pakar (Turban, 2005).Faktor kepastian direpresentasikan dalam bentuk suatu nilai yang dianggap sebagai derajat keyakinan dari seorang pakar.
Saat ini terdapat dua model yang digunakan untuk menghitung tingkat keyakinan (CF) dari sebuah rule, yaitu sebagai berikut :
a.Menggunakan metode Net Belief yang diusulkan oleh E.H.Shortliffe dan B.G.Buchanan
31
Keterangan :
CF = certainty factor(faktor kepastian) dalam suatu hipotesa yang dipengaruhi oleh fakta E.
MB [H,E] = measure of belief (ukuran kepercayaan) terhadap hipotesa H, jika diberika evidence E (antara 0 dan 1).
MD [H,E] = measure of disbelief (ukuran ketidak percayaan) terhadap hipotesa H jika diberikan evidence E (antara 0 dan 1).
E = evidence (peristiwa atau fakta)
b. Dengan menggali dari hasil wawancara dengan pakar. Nilai dari CF rule didapatkan dari interpretasi „term‟ dari pakar menjadi sebuah nilai CF tertentu seperti yang terlihat pada table di bawah ini.
Tabel 2.3 Tabel nilai CF rule interpretasi term
Uncertain term CF
Definitely not -1.0
Almost certaintly not -0.8
Probably not -0.6
Maybe not -0.4
Unknown -0.2 to 0.2
Maybe 0.4
Probably 0.6
Almost certainly 0.8
Definitely 1.0
Secara umum, rule direpresentasikan dalam bentuk sebagai berikut : IF E1 AND E2………AND En THEN H (CF rule)
Atau
32
E1….En : fakta-fakta (evidence) yang ada H : hipotesis atau konklusi yang dihasilkan
CF rule : tingkat keyakinan terjadinya hipotesis H akubat adanya fakta-fakta E1….En
Berikut ini adalah beberapa kombinasi certainty factor terhadap berbagai kondisi :
Certainty factor untuk kaidah dengan premis tunggal (single premis rule)
CF[H,E] = CF[E] * CF[rule]
= CF [user] * CF[pakar] ………...(2.2)
Certainty factor untuk kaidah dengan premis majemuk (multiple premis rule)
CF (A AND B) = Minimum (CF (a), CF(b)) * CF (rule)……...(2.3) CF (A OR B) = Maximum (CF (a), CF(b)) * CF (rule)……….(2.4)
Certainty factor untuk kaidah dengan kesimpulan yang serupa (similiary concluded rules)
CFcombine (CF1,CF2 ) = CF1 + CF2* (1-CF1)………(2.5) Dan faktor kepastian untuk hasil akhir presentase :
