SISTEM PAKAR DIAGNOSA AWAL PENYAKIT PADA ANAK
DENGAN METODE FORWARD CHAINING BERBASIS WEB
Achmad Wahyono
1), Alvino Oktaviano
2)Teknik Informatika, Fakultas Teknik, Universitas Pamulang
Jl. Surya Kencana No.1 Pamulang Barat, Tangerang Selatan
–
Banten 15417
ABSTRAK
Abstrak - Terbatasnya informasi mengenai penyakit pada anak membuat para orang tua kesulitan untuk memprediksi penyakit yang diderita oleh anak mereka. Untuk orang tua yang baru memiliki anak, hal ini merupakan hal yang baru bagi mereka. Para orang tua lebih memilih untuk mempercayakan hal diagnosa penyakit kepada pakar atau dokter yang ahli tentang kesehatan, peran dokter spesialis anak dalam hal penanggulangan penyakit pada anak sangat diperlukan tapi sering kali terbentur pada terbatasnya jumlah dokter spesialis anak sedangkan yang harus ditangani cukup banyak. Penelitian yang dilakukan adalah membuat aplikasi
sistem pakar diagnosa awal penyakit pada anak menggunakan metode forward chaining berbasis web. Sistem
yang dapat digunakan untuk menyelesaikan suatu permasalahan yang membutuhkan suatu keahlian khusus.
Teknik penalaran yang digunakan adalah penalaran runut maju atau forward chaining. Dengan metode forward
chaining diagnosa dilakukan dengan memulai dari sekumpulan gejala-gejala dengan mencari kaidah yang cocok nantinya dapat melihat kesimpulan dari hasil analisa dan menentukan jenis penyakit pada anak. Tujuan dari penelitian ini adalah membuat aplikasi sistem pakar yang mampu mengidentifikasi atau mendiagnosa penyakit pada anak, pembuatan aplikasi sistem pakar ini menggunakan pemrograman PHP dan dan basis data menggunakan MySql.
Kata Kunci : Sistem Pakar, forward chaining, PHP.
1. PENDAHULUAN.
1.1 Latar Belakang
Penyakit menular atau infeksi merupakan satu
kumpulan jenis-jenis penyakit yang mudah
menyerang khususnya anak-anak di Indonesia yang
disebabkan oleh infeksi virus, infeksi bakteri, infeksi
parasit. Salah satu penyakit infeksi virus pada anak adalah Campak, data tentang Penularan campak masih terus terjadi sepanjang tahun 2012 ada 160 kejadian luar biasa, campak dengan 2.319 kasus dan 4 pasien meninggal. Kasus penularan campak banyak terjadi di pulau jawa ( Jawa Barat, DKI Jakarta, dan Banten ) masalah itu harus segera dituntaskan untuk mencapai target eliminasi campak pada 2018. Mayoritas kasus campak pada 2008-2012 menyerang kelompok umur 5-9 tahun (Riatmoko, 2014).
Terbatasnya informasi mengenai penyakit pada anak membuat para orang tua kesulitan untuk memprediksi penyakit yang diderita oleh anak mereka. Untuk orang tua yang baru memiliki anak, hal ini merupakan hal yang baru bagi mereka. Para orang tua lebih memilih untuk mempercayakan hal
diagnosa penyakit kepada pakar atau dokter yang ahli tentang kesehatan. Untuk beberapa orang, biaya berkonsultasi kepada pakar atau dokter ahli tidak murah sehingga banyak orang tua memutuskan untuk merawat sendiri anak mereka. Akibat
keterlambatan penanganan terhadap penyakit
menyebabkan penyakit tersebut menjadi semakin parah dan sulit untuk disembuhkan. Peran dokter spesialis anak dalam hal penanggulangan penyakit pada anak sangat diperlukan tapi sering kali terbentur pada terbatasnya jumlah dokter spesialis anak sedangkan yang harus ditangani cukup banyak. Untuk mengurangi keterbatasan itu perlu dibuat alat bantu berupa sistem pakar. Sesuai dengan kemampuan dari sistem pakar yang merupakan salah satu cabang dari ilmu kecerdasan buatan, yaitu mampu untuk bertindak sebagaimana seorang pakar pada bidang ilmu tertentu.
yang biasa dilakukan oleh para ahli. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga akan membantu
aktivitasnya sebagai asisten yang sangat
berpengalaman (Kusumadewi, 2003)
1.2 Identifikasi Masalah
Dari latar belakang di atas identifikasi masalah yang dikemukakan:
a. Minimnya pengetahuan orang tua dalam
mengetahui gejala-gejala penyakit yang terjadi pada anak
b. Terbatasnya jumlah dokter spesialis anak
dalam menyampaikan informasi tentang penyakit pada anak.
1.3. Rumusan Masalah
Rumusan masalah dari penelitian ini adalah sebagai berikut:
a. Bagaimana agar orang tua dapat
mengetahui mengenai jenis penyakit yang terjadi pada anaknya.
b. Bagaimana membuat aplikasi yang dapat
memberikan informasi sesuai dengan kemampuan seorang pakar.
2. LANDASAN TEORI
2.1. Kecerdasan Buatan
Kecerdasan Buatan atau Artificial Intelligence
(AI) merupakan kecerdasan yang ditunjukkan oleh
suatu entitas buatan. Sistem seperti ini umumnya
dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin (komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia. Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem
pakar, permainan komputer (games), logika fuzzy,
jaringan syaraf tiruan dan robotika.
Artifical Intelligence (AI) atau kecerdasan buatan merupakan cabang dari ilmu komputer yang konsern dengan pengautomatisasi tingkah laku cerdas. (Arhami, 2005), Kecerdasan buatan adalah suatu ilmu yang mempelajari cara membuat komputer melakukan sesuatu seperti yang dilakukan oleh manusia. (Kusrini, 2006)
Dari kedua pernyataan di atas menunjukkan bahwa AI adalah bagian dari ilmu komputer yang mempelajari bagaimana membuat mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang
dilakukan oleh manusia bahkan bias lebih baik daripada yang dilakukan manusia.
2.2 Sistem Pakar
Sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer agar komputer dapat menyelesaikan masalah seperti yang biasa dilakukan oleh para ahli. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalah yang cukup rumit yang sebenarnya hanya dapat diselesaikan dengan bantuan para ahli. Bagi para ahli, sistem pakar ini juga akan membantu
aktivitasnya sebagai asisten yang sangat
berpengalaman (Kusumadewi, 2003).
2.3. Mesin Inferensi
Komponen ini mengandung mekanisme pola pikir dan penalaran yang digunakan oleh pakar dalam menyelesaikan suatu masalah. Mesin
inferensi adalah program computer yang memberikan metodologi untuk penalaran tentang informasi yang ada dalam basis pengetahuan dan
dalam workplace, dan untuk memformulasikan
kesimpulan
1. Forward Chaining.
Forward chaining merupakan grup dari multiple inferensi yang melakukan pencarian dari suatu
masalah kepada solusinya. Forward chaining
adalah data-driven karena inferensi dimulai dengan
informasi yang tersedia dan baru konklusi
diperoleh. Adapun alur proses metode Forward
Chaining ditunjukkan pada diagram pada gambar .
Gambar 2.1. Diagram Proses Forwa rd Chaining
Metode Forwa rd chaining dimulai dari sejumlah
fakta-fakta yang telah diketahui, untuk
mendapatkan suatu fakta baru dengan memakai
mendapatkan tujuan atau sampai tidak ada rule
yang punya ide dasar yang cocok atau sampai mendapatkan fakta.
2. Backward Chaining
Backward chaining adalah suatu strategi pengambilan keputusan dimulai dari pencarian solusi dari kesimpulan kemudian menulusuri fakta-fakta yang ada hingga menemukan solusi yang sesuai dengan fakta-fakta yang diberikan pengguna. (Kusrini, 2006).
Metode Backward Chaining merupakan
strategi pencarian yang arahnya kebalikan dari
Forward Chaining. Proses pencarian dimulai dari tujuan, yaitu kesimpulan yang menjadi solusi permasalahan yang dihadapi. Mesin inferensi mencari kaidah-kaidah dalam basis pengetahuan yang kesimpulannya merupakan solusi yang ingin
dicapai, kemudian dari kaidah-kaidah yang
diperoleh, masing-masing kesimpulan backward chaining jalur yang mengarah ke kesimpulan tersebut.
3. ANALISA DAN PERANCANGAN SISTEM
3.1. Analisa Sistem Berjalan
Analisis data berjalan merupakan penguraian dari suatu informasi yang utuh ke dalam bagian-bagian komponennya yang dimaksudkan untuk mengidentifikasi dan mengevaluasi permasalahan-permasalahan, hambatan-hambatan yang terjadi dan kebutuhan-kebutuhan yang diharapkan sehingga dapat diusulkan perbaikannya. Untuk memahami alur dari informasi dalam sistem, diperlukan pendokumentasian dalam merancang suatu website, sehingga akan mempermudah tahap pengembangan sistem.
Sistem yang berjalan saat ini yaitu proses pendaftaran pasien untuk berobat dan berkonsultasi, kemudian setelah itu proses konsultasi dengan dokter dimana pasien bertemu dengan dokter untuk berkonsultasi. Setelah konsultasi pasien ke proses pengambilan obat dari resep yang diberikan oleh dokter. Proses yang sudah dijelaskan sebelumnya memiliki kekurangan, seperti:
1. Proses konsultasi dengan dokter
memerlukan waktu cukup lama apabila terjadi antrian panjang yang dikhawatirkan akan berakibat terlambatnya penanganan pasien oleh dokter
2. Keterbatasan jumlah dokter yang bertugas.
3. Keterlambatan penanganan dini juga sering
terjadi dikarenakan dokter yang bertugas berhalangan hadir.
Proses konsultasi ini juga memiliki kelebihan yaitu pasien dapat berkonsultasi dengan dokter secara langsung dan lebih privasi dan juga proses diagnosa yang lebih akurat karena dokter dapat melihat kondisi pasien secara langsung dengan memeriksa semua keluhan yang diderita oleh pasien.
3.2. Analisa Pengetahuan
Proses analisa pengetahuan diawali dari pengetahuan dan kemudian dilanjutkan dengan representasi pengetahuan.
a. Pengetahuan
Dalam perancangan aplikasi sistem pakar ini, terlebih dahulu melakukan proses akuisisi pengetahuan terhadap seorang pakar yang mengetahui apa saja penyakit pada anak. Maka karena penyakit yang ingin diketahui pun masih bersifat umum penulis memilih seorang dokter umum untuk melakukan akuisisi. Pakar yang dimaksudkan adalah Dr. Harris Qarrami , pada klinik al-ikhlas. Dalam proses akuisisi ini akan dilakukan wawancara mengenai mendiagnosa berbagai penyakit
dan juga mengenai gejala yang
ditimbulkan
b. Reprentasi Pengetahuan
Representasi pengetahuan bertujuan
membuat struktur yang akan digunakan dalam sistem untuk membantu pengkodean
pengetahuan ke dalam program.
Pengetahuan direpresentasikan ke dalam format tertentu dan akan disimpan dalam suatu basis pengetahuan. Langkah-langkah
atau base rule yang diperlukan untuk
membuat representasi pengetahuan sistem pakar ini adalah:
1. Pembuatan tabel keputusan
(decision table) yang berguna untuk mendokumentasikan dan mendeskripsikan pengetahuan.
2. Pembuatan pohon keputusan
(decision tree) yang berguna
untuk menghilangkan
kaidah-kaidah dengan tujuan untuk meniadakan terjadinya perulangan pertanyaan.
3. Konversi pohon keputusan
Sistem pakar ini terdiri dari sebuah pohon keputusan untuk mengidentifikasi penyakit pada anak dan terdiri dari tabel keputusan gejala, serta himpunan untuk mengidentifikasi penyakit. Proses representasi pengetahuan untuk sistem pakar ini diawali dengan proses masuk ke dalam sistem kemudian sistem ini akan melakukan identifikasi penyakit pada anak. Untuk mengidentifikasi penyakit anak diawali dengan memilih gejala yang dialami oleh anak yang sesuai dengan pengamatan.
Tabel 3.1. Tabel Relasi Gejala dan penyakit.
No Gejala Penyakit
1 G001, G002, G008, G009,
G010, G011
P001
2 G001, G007, G014, G015,
G016.
P002
3 G001, G002, G007, G012,
G013.
P003
4 G001, G002, G004, G017,
G018.
P004
5 G001, G003, G004, G005,
G006, G019, G020.
P005
6 G001, G004, G006, G021,
G022, G023, G024
P006
7 G001, G002, G003, G005,
G025, G026, G027
P007
Berdasarkan tabel Relasi gejala dan penyakit pada anak tersebut, maka dapat dibuat pohon perhitungan
sebagai b
erikut:
Gambar 3.1. Pohon Keputusan
3.3. Analisa Produksi.
Kaidah produksi biasanya dituliskan dalam
bentuk jika-maka (IF THEN). Kaidah ini dapat
dikatakan sebagai hubungan impliksi dua bagian,
yaitu bagian premise (jika) dan bagian konklusi
(maka). Apabila bagian premise dipenuhi maka
bagian konklusi juga akan bernilai benar. Sebuah kaidah terdiri dari klausa-klausa. Sebuah klausa mirip sebuah kalimat subyek, kata kerja dan objek yang menyatakan suatu fakta. Ada sebuah klausa premise san klausa konklusi pada sebuah kaidah. Suatu kaidah juga dapat terdiri atas beberapa premise dan lebih dari satu konklusi. Antara premise dan konklusi dapat berhubungan dengan
“OR” atau “AND”. Berikut kaidah-kaidah produksi
dalam menganalisis penyakit :
Rule 1 : IF Demam
AND Hidung Meler
AND Batuk
AND Nyeri Otot
AND Mata Merah
AND Fotofobia (rentan terhadap cahaya,
silau)
THEN Campak
Rule 2 : IF Demam
AND Tenggorokan Tampak Merah
AND Pembengkakan kelenjar getah
bening di leher
AND Nyeri Sendi
AND Ruam (kemerahan kulit) muncul
selama 3 hari
THEN Campak Jerman
Rule 3 : IF Demam
AND Pembengkakan kelenjar getah
bening di leher
AND Muncul bintik-bintik merah datar (makula)
AND Tubuh Mengggigil
THEN CacarAir
Rule 4 : IF Demam
AND Sakit Kepala
AND Nafsu Makan Berkurang
AND Nyeri Ketika Mengunyah
AND Bengkak Pada Posisi Antara
Telinga Dan Rahang
THEN Gondongan
Rule 5 : IF Demam
AND Batuk
AND Nafsu makan berkurang
AND Lesu, Lemas, Letih
AND Mencret
AND Berat badan berkurang
AND Berkeringat dimalam hari
THEN Diare
Rule 6 : IF Demam
AND Nafsu makan berkurang
AND mencret
AND Muntah
AND Mengantuk tidak wajar
AND Mata cekung
AND Tinja Menghitam
THEN Tuberkulosis (TBC)
Rule 7 : IF Demam
AND frekuensi nafas cepet
THEN Diare
3.4.
Unified Modeling Language (UML)UML (Unified Modeling Language) adalah bahasa pemodelan untuk sistem atau perangkat lunak yang berparadigma (berorientasi objek).”
Pemodelan (modeling) sesungguhnya digunakan
untuk penyederhanaan permasalahan-permasalahan yang kompleks sedemikian rupa sehingga lebih mudah dipelajari dan dipahami.
UML merupakan suatu kumpulan teknik
terbaik yang telah terbukti sukses dalam
memodelkan sistem yang besar dan kompleks, UML tidak hanya digunakan dalam proses pemodelan perangkat lunak, namun hampir dalam semua bidang yang membutuhkan pemodelan (Apriliyanti, 2013)
a. Use Case Diagram
Gambar 3.1. Use case Diagram
3..5. Entity Relationship Diagram (ERD)
ERD adalah sebuah konsep yang
mendeskripsikan hubungan antara penyimpanan dan didasarkan pada persepsi dari sebuah dunia nyata yang terdiri dari sekumpulan objek, disebut entiti & relasi diantara objek-objek tersebut. Diagram ERD digunakan untuk memodelkan struktur data dan hubungan antar data
Gambar 3.2. Entity Relationship Diagram
uc usecase penyakit dan gej ala
ubah passw ord
LogOut admin
User
Konsultasi
Lihat Informasi
Lihat petunj uk penggunaan
Sistem Pakar Diagnosa Awal Penyakit Pada Anak Menggunakan Metode Forward Chaining Berbasis Web
analysis ERD
*kd_penyakit nama_penyakit definisi solusi
3.6. Transformasi ERD ke LRS
Transformasi diagram ERD ke LRS merupakan suatu kegiatan untuk membentuk data-data dari diagram hubungan entitas ke suatu LRS. Diagram ER di atas akan ditransformasikan ke bentuk LRS. Berikut adalah langkah pengelompokkan pada diagram ER untuk menentukan entity pada diagram LRS, dapat dilihat pada gambar berikut:
Gambar 3.3. Transformasi ERD ke LRS
3.6. Login Record Structure (LRS)
Setelah di transformasikan ERD ke LRS, maka
bentuk LogicalRecord Structure (LRS) yang sudah
terbentuk seperti pada gambar dibawah ini:
Gambar 3.4. LogicalRecord Structure (LRS)
4. HASIL DAN IMPLEMENTASI
4.1. Implementasi Antarmuka
Implementasi antarmuka bertujuan untuk
menjelaskan secara singkat proses dan
penggunaannya
Halaman Awal sistem pakar.
Gambar 4.1. Halaman Utama
Halaman Konsultasi sistem pakar.
Gambar 4.2. Halaman Konsultasi
Halaman Hasil Konsultasi
Gambar 4.3. Hasil Konsultasi
analysis ERDlrs
5. KESIMPULAN DAN SARAN
5.1. Kesimpulan.
Dalam proses perancangan serta
pembuatan program sistem pakar diagnosa awal penyakit pada anak menggunakan metode forward chaining berbasis web menggunakan kombinasi
metode Fowa rd Chaining dan Case based
reasoning (CBR) ini, ada beberapa kesimpulan yang dapat disampaikan penulis sebagai hasil dari evaluasi pengembangan sistem dalam laporan tugas akhir ini. Adapun kesimpulannya sebagai berikut:
1. Aplikasi sistem pakar diagnosa awal
penyakit pada anak dengan metode
forward chaining berbasis web, dapat memberikan informasi kepada orang tua dalam mengambil tindakan pengobatan dalam menangani penyakit pada anak.
2. Dengan menggunakan sistem ini dapat
dijadikan solusi alternatif bagi masyarakat untuk melakukan diagnosa dini terhadap gejala-gejala penyakit pada anak sebelum melakukan konsultasi langsung kepada pakar dalam hal ini dokter.
5.2. Saran.
Mengingat berbagai keterbatasan yang dialami terutama masalah pemikiran dan waktu, maka
penulis menyarankan untuk pengembangan
penelitian dimasa yang akan datang sebagai berikut:
1. Pada aplikasi ini digunakan kriteria yang
hanya berupa gejala fisik dari pasien, pengembangan lebih lanjut sebaiknya menggunakan kriteria lainnya seperti hasil pemeriksaan laboratorium sehingga hasil diagnosa menjadi lebih tepat dan akurat.
2. Data mengenai aplikasi sistem pakar untuk
mendiagnosa penyakit pada anak kiranya
dapat lebih dimaksimalkan, sampai
mendapatkan perhitungan hasil akhir yang lebih akurat serta dicari alternatif yang memungkinkan penyelesaian yang jauh lebih baik.
6. DAFTAR PUSTAKA
Andriani, R. (2010). Sistem pakar untuk
mendiagnosa macam macam penyakit demam berbasis web.
Arhami. (2005). konsep dasar sistem pakar.
Yogyakarta: Andi.
Arief, M. R. (2011). pemrograman web dinamis
menggunakan php dan mysql. yogyakarta: cv. andi offset.
Indrajani. (2011). Perancangan Basis Data Dalam
Allin1. jakarta: elex media komputindo.
Jogiyanto, H. (2005). Sistem Teknologi. yogyakarta:
Andi.
Kadir, A. (2005). konsep dan tuntunan praktis basis
data. Yogyakarta: Andi.
Kadir, A. (2003). pengenalan sistem informasi.
Yogyakarta: Andi.
Kusrini. (2006). Sistem pakar, teori dan aplikasi.
Yogyakarta: Andi.
Kusumadewi, S. (2003). artifical intelegence (
teknik dan aplikasi ). Yogyakarta: Graha Ilmu.
Nugroho, A. (2009). Rekayasa Perangkat Lunak
Menggunakan UML & Java. Yogyakarta: Andi Offset.
nugroho, B. (2008). membuat aplikasi sistem pakar
dengan php dan editor dreamweaver.
yogyakarta: Gava media.
Ramadhan, A., & Saputra, H. (2005). Buku Latihan
PHP 5 dan MySql. jakarta: Elex Media Komputindo.
Sutanta, E. (2011). basis data dalam tinjauan
konseptual. yogyakarta: andi offset.
Yakub. (2008). Basis data tutorial konseptual.
yogyakarta: graha ilmu.
Yasin, V. (2012). rekayasa perangkat lunak