Jurnal Informasi dan Teknologi Ilmiah (INTI) ISSN 2301-9425 (Media Cetak) Volume 7, No 3, Juni 2020 Hal: 247-252
Sistem Pakar Mendiagnosa Penyakit Kanker Kulit Melanoma Menggunakan
Metode Case Based Reasoning
Khairunnisa RitongaProdi Tezknik Informatika,Universitas Budi Darma, Medan, Indonesia Email : ritonganisa12@gmail.com
Abstrak
Kanker Kulit melanoma merupakan salah satu jenis kanker kulit yang mematikan. Resiko melanoma maligna meningkat pada orang yang memiliki banyak tahi lalat atau mempunyai riwayat keluarga yang menderita penyakit kanker kulit melanoma. Cara mendeteksi melanoma adalah dengan menggunakan metode Biopsi, untuk melakukan metode ini membutuhkan kinerja dokter terlatih. Proses Biopsi menyakitkan dan membutuhkan waktu yang cukup lama, Karena itu pada penelitian ini telah dilakukan klasifikasi diagnosa kanker kulit melanoma menggunakan metode case based reasoning. Sistem pakar adalah sistem yang berusaha menambah pengetahuan manusia ke komputer yang di rancang untuk memodelkan kemampuan menyeleseikan masalah seperti layaknya pakar. Sistem pakar adalah sistem perangkat lunak komputer dengan menggunakan ilmu, fakta dan teknik berfikir dalam pengambilan keputusan untuk menyeleseikan masalah-masalah yang biasanya hanya dapat diseleseikan oleh tenaga ahli dalam bidang yang bersangkutan. Adapun tujuan yang akan dicapai adalah untuk membuat aplikasi sistem pakar yang berguna sebagai alat bantu untuk mendapatkan informasi dalam mendiagnosa penyakit kanker kulit melanoma. Hasil dalam penelitian ini adalah sistem pakar mendiagnosa penyakit kanker kulit melanoma dengan menggunakan metode case based reasoning dapat menyeleseikan masalah karena dengan mengingat kejadian yang sama atau di masa lalu, kemudian menggunakan pengetahuan atau informasi tersebut untuk menyeleseikan maslah yang baru. Kemudian data dianalisa menggunakan bahasa pemograman visual basic 2008.
Kata Kunci: Sistem pakar,Diagnosa penyakit kanker kulit melanoma,Metode Case Based Reasoning.
1.
PENDAHULUAN
Kesehatan merupakan hal yang sangat penting agar manusia dapat bertahan hidup dan melakukan aktivitas. Seseorang terkena penyakit atau tidaknya dibutuhkan suatu diagnosa dari seorang ahli. Kanker merupakan penyakit yang paling umum pada manusia dan ada jenis kanker yang paling berbahaya dan jarang di temukan yaitu Kanker Kulit Melanoma. Melanoma adalah salah satu jenis kanker kulit yang berasal dari sel melanosit, sel penghasilan melanin yang biasanya terdapat pada kulit.
Kemunculan kanker kulit melanoma adalah memiliki banyak tahi lalat atau bintik di kulit. Bentuk melanoma yang tidak beraturan dan lebih dari satu warna, menyulitkan pada saat diagnosis awal. Dokter dermatologis dapat mendiagnosis melanoma setelah melakukan proses biopsi. Biopsi adalah pengambilan jaringan tubuh untuk pemeriksaan laboratorium yang bertujuan untuk mendiagnosa adanya suatu penyakit. Namun, kekurangan biopsi adalah butuh persiapan yang panjang dan waktu yang lama, hal ini ditakutkan akan memebuat sel kanker dapat menyebar dan semakin meluas, jika melanoma telah tumbuh jauh kedalam kulit, akan lebih mungkin menyebar melalui pembuluh getah bening dan pembuluh darah dan bisa menyebabkan kematian dalam beberapa bulan atau tahun [1].
Perkembangan teknologi yang sangat pesat di era globalisasi saat ini telah banyak memberikan manfaat dalam kemajuan berbagai aspek sosial, dimanah teknologi telah menjadi bagian yang tidak dapat dipisahkan dalam kehidupan sehari hari. Salah satunya adalah dibidang kesehatan. Para kedokteran memanfaatkan teknologi komputer yaitu sistem pakar untuk meningkatkan pelayanan yang lebih baik untuk masyarakat. Sistem pakar (expert system) program komputer yang dirancang untuk memodelkan kemampuan penyeleseianmasalah yang di lakukan oleh seorang pakar, bisa meniru proses
pemikiran manusia dan tanpa kehadiran sang pakar mereka bisa menditeksi penyakit kanker kulit melanoma.
Sebelumnya ada penelitian terdahulu yang dilakukan oleh Samsudin, Usman, dan Selviana “Aplikasi
Sistem Pakar Diagnosa Penyakit Pernapasan
Menggunakan Metode Case Based Reasoning”. Dalam penelitian tersebut menyimpulkan bahwa sistem pakar memberikan solusi dan alternative dengan membangun suatu sistem pakar diagnosa penyakit pernapasan yang akurat dan cepat yang bertujuan untuk mempermudah seorang dokter dan pasien [2].
Tujuan sistem pakar mendiagnosa penyakit kanker melanoma dengan menggunakan metode Case Based Reasoning (CBR) adalah untuk menyeleseikan masalah dengan mengingat kejadian yang sama atau di masa lalu, kemudian menggunakan pengetahuan atau informasi tersebut untuk menyeleseikan maslah yang baru. dan membangun sistem pakar untuk mendiagnosa penyakit kanker kulit melanoma sehingga semua orang bisa menggunakannya terutama para puskesmas sebagai asisten dokter dengan hasil yang akurat. Para pasien tidak perlu ke dokter spesialis melainkan ke puskesmas terdekat dengan biaya yang relatif dan murah [3].
2.
TEORITIS
2.1 Sistem PakarSistem pakar merupakan cabang dari Artificial Intellegence (AI) yang cukup tua karena sistem ini mulai dikembangkan pada pertengahan 1960. Seacara umum, sistem pakar (expert system) merupakan sistem yang berusaha mengadopsi pengetahuan manusia ke komputer
yang dirancang untuk memodelkan kemampuan
menyeleseikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyeleseikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat di peroleh dengan bantuan para ahli dibidangnya.
Seorang pakar adalah orang yang mempunyai keahlian dalam bidang tertentu, yaitu pakar yang mempunyai knowledge atau kemampuan khusus yang orang lain tidak mengetahui atau mampu dalam bidang yang dimilikinya. Ketika sistem pakar dikembangkan pertama kali sekitar tahun 70-an sistem pakar hanya berisi
knowledge yang eksklusif. Namun demikian sekarang ini istilah sistem pakar sudah digunakan untuk berbagai macam sistem yang menggunakan teknologi sistem pakar itu. Teknologi siistem pakar ini meliputi bahasa sistem pakar, program dan perangkat keras yang dirancang untuk membantu pengembangan dan pembuatan sistem pakar.
Sistem pakar ini juga akan dapat membantu aktifitas para pakar sebagai asisten yang berpengalaman yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan
(inference rule) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu [4].
2.2 Penyakit Kanker Kulit Melanoma
Kulit merupakan lapisan terluar dari tubuh manusia, Kulit seperti bagian tubuh lainnya juga butuh perawatan dan perlindungan agar tidak terpapar penyakit dan kerusakan yang membahayakan. Beberapa orang dengan jenis kulit tertentu bahkan berisiko terkena melanoma. Melanoma adalah kanker kulit yang berkembang pada melanosit, sel pigmen kulit yang berfungsi sebagai hasil melanin. Melanin adalah pigmen yang memberi warna pada kulit, Pigmen tersebut juga yang berfungsi menyerap sinar ultraviolet serta melindungi kulit dari kerusakan [6].
Melanoma adalah jenis kanker kulit yang termasuk paling jarang terjadi tetapi sangat berbahaya. Kondisinya bisa dimulai dari munculnya tahi lalat baru atau adanya perubahan pada tahi lalat yang sudah ada. Saat seseorang mengalami melanoma, bagian tubuh yang umumnya menjadi titik kanker adalah wajah tangan, punggung, dan kaki. Namun tak menutup kemungkinan terjadi di daerah yang tidak terpapar sinar matahari, seperti tepalak kaki dan telapak tangan.
2.3 Pengobatan Kanker Kulit Melanoma
Salah satu prosedur utama pengebotan melanoma adalah operasi meski semua jenis penanganan yang dilakukan tergantung dengan kondisi. Operasi bisa sukses jika melanoma terdiagnosis di tahap awal, Tapi, untuk mencegah melanoma muncul kembali harus menjalani perawatan lanjut, Jika melanoma tidak terdiagnosa hingga pada tahap paling parah. Perawatan yang di lakukan hanya bisa memperlambat penyebaran kanker dan merendahkan gejala yang terjadi. Pada tahap ini biasanya dibutuhkan obat obatan atau kemoterapi [6].
2.4 Case Based Reasoning
Case based reasoning adalah salah satu metode untuk membangun sistem dengan pengambilan keptusan dari kasus yang baru dengan berdasarkan solusi dari kasus kasus sebelumnya. Konsep dari metode case based reasoning ditemukan dari ide untuk menggunakan pengalam pengalaman yang tedokumentasi untuk menyeleseikan masalah yang baru.
Para decisionmaker kebanyakan menggunakan pengalam pengalaman dari problem solting terdahulu unuk menyeleseikan masalah yang dihadapi sekarang, CBR menggunakan pendekatan kecerdasan buatan atau
(artificial inteligence) yang menitik beratkan pemecahan masalah dengan didasarkan pada knowledeg dari kasus kasus sebelumnya [3].
2.5 Cara Kerja Metode Case Based Reasoning Proses tahapan metode Case Based Reasoning melalui beberapa cara sebagai berikut: [3].
a. Retrieve mengacu kembali pada kasus yang sama b. Reuse menggunakan kembali informasi dan
pengetahuan dalam kasus tersebut untuk mengatasi masalah.
c. Revise meninjau ulang solusi yang di ajukan.
d. Retain memakai solusi baru sebagai dari kasus baru, kemudian kasus baru diperbaharui ke dalam basis kasus. Pada saat terjadi permasalahan baru pertama-tama sistem akan melakukan proses retrieve, Setelah proses retrieve selesei selanjutnya sistem akan melakukan proses reuse, proses ini akan menyalin, menyeleseikan dan melengkapi informasi yang akan digunakan.
Selanjutnya adalah proses revise, informasi akan dika Ikulasi, dievaluasi dan diperbaiki kembali untuk mengatakan kesalahan-kesalahan yang terjadi pada masalah yang baru. Proses terakhir adalah retain, pada proses ini akan mengindeks, mengintegrasi dan mengekstraksi solusi yang baru. Langkah langkah ada dalam gambar sebagai berikut:
Gambar 1 Proses CBR
Pemeliharaan Case Based dengan cara mengurangi duplikasi case dan menghapus atau memperbaiki case
yang salah merupakan hal yang penting untuk mencegah level error terlalu tinggi. Pemelihiharaan case based dapat memberikan pengaruh positif pada kualitas case
tersimpan untuk memberikan solusi pada permasalahan yang akan datang.
Keterangan:
Si : Fitur ke-i yang ada dalam source case Ti : Fitur ke-i yang ada dalam target case Wi : bobot fitur ke-i
n : jumlah total fitur
F(Ti,Si)= 1;Ti=Si
0;Ti≠Si
3.
ANALISA
3.1 Analisa Penyakit Kanker kulit melanoma Analisa berguna untuk mengetahui kebutuhan perangkat lunak dalam sistem pakar yang dibangun. Dalam tahap ini dilakukan pencarian dan pengumpulan data serta pengetahuan yang dilakukan oleh sistem pakar. Sehingga dapat didefinisikan dengan baik dan jelas.Tahapan analisa terhadap suatu sistem dilakukan sebelum tahapan perancangan dilakukan.
Kanker kulit melanoma adalah kanker yang paling berbahaya dan jarang di temukan. Melanoma merupakan penyakit kanker yang menyerang kulit di mana sel sel kanker berkembang pada sel melanosit yang menghasilakn melanin. Untuk mengantisipasi masalah maka penulis merancang suatu sistem pakar mendiagnosa penyakit Kanker kulit melanoma. Dengan adanya program perancangan perangkat lunak ini diharapakan dapat membantu para dokter maupun masyarakat dalam mencegah atau untuk meminimalkan terjadinya penyakit kanker kulit melanoma tersebut.
Berikut adalah gejala-gejala yang terdapat pada penyakit Kanker Kulit Melanoma yaitu sebagai berikut :
Tabel 1 Gejala Penyakit Kanker Kulit Melanoma Kode
Gejala Gejala
Bobot Kepastian
G1 Kulit kering dan bersisik 0,4
G2 Rasa gatal dan nyeri di permukaan kulit 0,4 G3 Memiliki bentuk tidak beraturan dan
tidak bisa di bagi dua sama rata 0,4 G4 Memiliki pinggiran yang tidak rata dan
kasar berbeda dengan tahi lalat normal 0,8 0,8 Memiliki campuran dari dua atau tiga
warna 0,8
G6
Melanoma biasanya berdiameter lebih besar dari 6 mili meter dan berbeda dengan tahi lalat biasanya
0,8
G7
Tahi lalat yang berubah bentuk dan ukuran setelah beberapa lama biasanya akan menjadi melanoma
0,8
G8
Diarea mata pada lapisan bagian bawah dari putih mata (sclera) menyebabkan perubahan penglihatan
0,8
G9 Pada area kuku menjadi cokelat atau
hitam 0,8
G10 Pada area paru-paru ada bintik cokelat
atau hitam 0,8
G11 Pada area hati ada bintik cokelat atau
hitam 0,8
Tabel 2 Data Analisa Gejala Pada Pasien Penyakit Kanker Kulit Melanoma
Kod e Pasie n Gejala G 1 G 2 G 3 G 4 G 5 G 6 G 7 G 8 G 9 G 1 0 G 1 1 P1 ✓ ✓ ✓ ✓ ✓ ✓ ✓ P2 ✓ ✓ ✓ ✓ ✓ ✓ ✓ P3 ✓ ✓ ✓ ✓ ✓ ✓ ✓ P4 ✓ ✓ ✓ ✓ ✓ P5 ✓ ✓ ✓ ✓ ✓ ✓ ✓
3.2 Analisa Case Based Reasoning
Tahapan yang dilakukan pada sistem penalaran
case based reasoning adalah tahapan retrive, reuse,
retain, setelah melakukan ke empat tahapan tersebut tahapan selanjutnya mencari nilai kemiripan (similarity)
yang akan digunakan untuk mengetahui kesamaan atau kemiripan antara kasus-kasus yang tersimpan dalam basis kasus dengan kasus yang baru, kasus yang dengan nilai
similarity paling besar dianggap sebagai kasus yang paling mirip, nilai similarity berkisar antar 0 dan 1. Sedangkan metode certatinty factor (CF) digunakan untuk mencari nilai kepastian penyakit dengan menghitung nilai probabilitas gejala pada penyakit.
Adapun analisa terhadap sistem pakar yang akan dibangun rule yang menerapkan metode CBR dan CF. Di dalam logika CF pada sesi penginputan sistem, pengguna diberi pilihan untuk memilih bobot keyakinan yang masing masing memiliki bobot sebagai berikut.
Tabel 3 Terminologi Kepastian
No Terminologi Kepastian Bobot Kepastian
1 Pasti 1 2 Hampir Pasti 0.8-0.9 3 Cukup Pasti 0.6-0.7 4 Kurang Pasti 0.4-0.5 5 Ragu 0.1-0.3 6 Tidak Pasti 0
Proses pemberian bobot pada setiap gejala (premis) hingga memperoleh persentasi keyakinan untuk mengidentifikasi gejala penyakit sistem kardiovaskuler.
Tabel 4 Persentase Kesimpulan Tingkat
persentase Nilai Keyakinan
0%-50% Sedikit kemungkinan atau
kemungkinan kecil
51%-79% Kemungkinan
80%-99% Kemungkinan Besar
100% Sangat yakin
Dari tabel diatas maka dipresentasikan seperti rule
dibawah ini. Refresentasi ini digunakan untuk memperoleh pencarian dan menentukan kesimpulan diagnosa, berikut ini adalah pembahasannya:
Kaidah:
IF Kulit kering dan bersisik
AND Rasa gatal dan nyeri di permukaan kulit
AND Memiliki bentuk tidak beraturan dan tidak bisa di bagi dua sama rata
AND Memiliki pinggiran yang tidak rata dan kasar berbeda dengan tahi lalat normal
AND Memiliki campuran dari dua atau tiga warna AND Melanoma biasanya berdiameter lebih besar dari 6 mili meter dan berbeda dengan tahi lalat biasanya
AND Tahi lalat yang berubah bentuk dan ukuran setelah beberapa lama biasanya akan menjadi melanoma
AND Diarea mata pada lapisan bagian bawah dari putih mata (sclera) menyebabkan perubahan penglihatan AND Pada area kuku menjadi cokelat atau hitam AND Pada area paru-paru ada bintik cokelat atau hitam AND Pada area hati ada bintik cokelat atau hitam THEN Penyakit kanker kulit melanoma
Dalam mengekspresikan derajat kepastian, untuk mengasumsikan derajat kepastian seorang pakar terhadap
suatu data. Konsep ini kemudian diformulasikan dalam rumus-rumus dasar. Menerapkan sistem penalaran Case Based Reasoning (CBR) dalam mendiagnosa penyakit jantung koroner, yaitu sebagai berikut:
3.3 Penerapan Metode Case-Based Reasoning Sistem yang bersumber dari kasus- kasus yang pernah ditangani oleh seorang pakar yang kemudian dihitung tingkat kemiripannya dengan kasus baru yang dimasukkann pengguna. Berdasarkan tingkat kemiripan kasus inilah sistem akan mengeluarkan diagnosa penyakit kanker kulit melanoma.
User melakukan penginputan gejala kasus baru, dapat dilihat pada table 4.5 sebagai berikut :
Tabel 5 Input Gejala Kasus Baru Inputan Konsultasi Gejala Yang Di inputkan
1 G1, G2, G4,G5,G8,G9, G11
Tabel 6 Menentukan Kemiripan Kasus Baru Dengan Kasus Lama Kode Gejala Gejala Kanker Kulit Melanoma Gejala Baru
G1 Kulit kering dan bersisik 1 1
G2 Rasa gatal dan nyeri di
permukaan kulit 1 1
G3
Memiliki bentuk tidak beraturan dan tidak bisa di bagi dua sama rata
1
G4
Memiliki pinggiran yang tidak rata dan kasar berbeda dengan tahi lalat normal
1 1
G5 Memiliki campuran dari dua
atau tiga warna 1 1
G6
Melanoma biasanya
berdiameter lebih besar dari 6 mili meter dan berbeda dengan tahi lalat biasanya
1 1
G7
Tahi lalat yang berubah bentuk dan ukuran setelah beberapa lama biasanya akan menjadi melanoma
1
G8
Diarea mata pada lapisan bagian bawah dari putih mata (sclera) menyebabkan perubahan penglihatan
1 1
G9 Pada area kuku menjadi cokelat atau hitam 1 1
G10 Pada area paru-paru ada bintik
cokelat atau hitam 1
G11 Pada area hati ada bintik
cokelat atau hitam 1 1
Tabel 7 Kasus Baru Yang Mirip Kasus Terdahulu
Keterangan Gejala Kanker Kulit Melanoma G1, G2, G3, G4, G5, G6, G7, G8, G9, G10, G11 Kasus Baru G1, G2, G4,G5,G6,G8,G9, G11
Pada sesi penginputan sistem, user diberi jawaban yang masing-masing memiliki bobot sebagai berikut : Pilihan jawaban “Ya” = 1
Pilihan jawaban “Tidak” = 0
Tabel 8 Perbandingan Gejala Penyakit Jantung Koroner
Bobot User
Bobot Kepastian Kode Gejala Kasus
Lama Kode Gejala Kasus Baru G1 G1 0.4 1 G2 G2 0.4 1 G3 0.4 0 G4 G3 0.8 1 G5 G5 0.8 1 G6 G6 0.8 1 G7 0.8 0 G8 G8 0.8 1 G9 G9 0.8 1 G10 0.8 0 G11 G11 0.8 1
Proses menghitung nilai similarity (kemiripan) kasus terdahulu dengan kasus baru diformulasikan dengan rumus sebagai berikut:
T = (1*0,4) + (1*0,4) + (0*0,4) + (1*0,8) + (1*0,8) + (0*0,8) + (0*0,8) + (1*0,8) 0,4 + 0,4 + 0,4 + 0,8 + 0,8 + 0,8 + 0,8 + 0,8 (1*0,8) + (1*0,8) + (1*0,8) 0,8+0,8+0,8 T = 5,6 7,6 = 0,7368
Kemudian menghitung nilai CF, dengan menggunakan rumus (3.2) yaitu sebagai berikut:
CF[H,E]1 = CF[H]1 * CF[E]1 = 1 * 0.4 = 0.4 CF[H,E]2 = CF[H]2 * CF[E]2 = 1 * 0.4 = 0.4 CF[H,E]3 = CF[H]3 * CF[E]3 = 1 * 0.8 = 0.8 CF[H,E]4 = CF[H]5 * CF[E]4 = 1 * 0.8 = 0.8 CF[H,E]5 = CF[H]5 * CF[E]5 = 1 * 0.8 = 0.8 CF[H,E]6 = CF[H]6 * CF[E]6 = 1 * 0.8 = 0.8 CF[H,E]7 = CF[H]7 * CF[E]7 = 1 * 0.8 = 0.8 CF[H,E]8 = CF[H]8 * CF[E]8 = 1 * 0.8 = 0.8
Langkah selanjutnya adalah mengkombinasikan nilai CF dari kaidah dengan menggunakan rumus (3.3) dan (3.4), yaitu sebagai berikut:
Cfcombine CF[H,E]1,2
= CF[H,E]1 + CF[H,E]2 * (1- CF[H,E]1) = 0.4 + 0.4 * (1 – 0.4)
= 0.4+0.4*0.6 = 0.4+0.24 = 0.64 old Cfcombine CF[H,E]old1,3
= CF[H,E]old + CF[H,E]3 * (1- CF[H,E]0ld) = 0.64 + 0.8 * (1 – 0.64)
= 0.928 old2 Cfcombine CF[H,E]old2,4
= CF[H,E]old2 + CF[H,E]4 * (1- CF[H,E]0ld2) = 0.928 + 0.8 * (1 – 0.928)
= 0.9856 old3 Cfcombine CF[H,E]old3,5
= CF[H,E]old3 + CF[H,E]5 * (1- CF[H,E]old3 ) = 0.9856 + 0.8 * (1 – 0.9856)
Cfcombine CF[H,E]old4,6
= CF[H,E]old4 + CF[H,E]6 * (1- CF[H,E]old4 ) = 0.99712 + 0.8 * (1 – 0.99712)
= 0.999424 old5 Cfcombine CF[H,E]old5,7
= CF[H,E]old5 + CF[H,E]7 * (1- CF[H,E]old5 ) = 0.999424 + 0.8 * (1 – 0.999424)
= 0.9998848 old6 Cfcombine CF[H,E]old6,8
= CF[H,E]old6 + CF[H,E]8 * (1- CF[H,E]old6 ) = 0.9998848 + 0.8 * (1 – 0.9998848)
= 0.99997696 old7
CF[H,E]old7 * 100 = 0.99997696 * 100 = 99.99% Dengan demikian dapat dikatakan bahwa terdapat kemiripan dengan kasus terdahulu 71.42% dan perhitungan nilai CF memiliki persentase kemungkinan 99.99%, dengan solusi yang harus diambil dengan menjaga kesehatan kanker kulit melanoma dengan mengkonsumsi makanan sehat dan berolahraga dengan teratur.
4.
IMPLEMENTASI
Implementasi sistem merupakan tahapan selanjutnya setelah analisa dan perancangan adalah tahap implementasi program. Pada tahap ini implementasi, rancangan form yang telah dibuat kemudian diaplikasikan dengan menggunakan Microsoft Visual Basic 2008. Implementasi Perangkat lunak mencakup spesifikasi kebutuhan perangkat lunak ini mencakup spesifikasi kebutuhan perangkat keras (hardware) dan perangkat lunak (software) serta peengujian perangkat lunak. 4.1 Implementasi Antarmuka
Implementasi antarmuka untuk perancangan aplikasi terdiri dari beberapa form antara lain:
a. Form Login
Form login merupakan hak yang diberikan kepada pemakai untuk menggunakan sistem pakar. Pada form login, pemakai harus memilih hak akses mereka, jika pemakai memilih tombol UMUM maka secara langsung pemakai hanya di minta untuk mengisikan
username saja tanpa harus mengisikan password. Berikut tampilan login apabila tombol yang dipilih adalah ADMIN, maka pemakai diminta untuk mengisikan kolom username dan password. Tampilan
form selanjutnya akan muncul sesuai hak akses masing-masing.
Gambar 2 Tampilan Form Login
b. Form Menu Utama
Menu utama merupakan interface antar pengguna dan sistem pakar, Terdiri dari home, konsultasi, tentang
dan keluar. Untuk masuk ke sub menu berikutnya maka harus dipilih salah satu dari menu yang ada pada menu utama tersebut.Tampilan form menu utama dapat dilihat pada Gambar sebagai berikut:
Gambar 3 Tampilan Menu Utama c. Form Konsultasi
Form konsultasi digunakan untuk menginput data pasien ataupun penggunaan aplikasi untuk melakukan proses gejala diagnosa penyakit kanker kulit melanoma.
Gambar 4 Tampilan Form Konsultasi tentang
5.
KESIMPULAN
Berdasarkan pengembangan yang telah dilakukan selama proses perancangan hingga impelementasi sistem pakar mendiagnosa penyakit kanker kulit melanoma menggunakan case based reasoning,maka dapat di ambil kesimpulan sebagasi berikut:
a. Aplikasi sistem pakar ini dapat mendiagnosa penyakit kanker kulit melanoma dan dibuat untuk membantu masyarakat mendiagnosa penyakit kanker kulit melanoma yang diderita sehingga dapat melakukan upaya penanganan, pengobatan, dan pencegahannya. b. Penerapan metode case based reasoning dalam
penilain dilakukan dengan pembobotan nilai dari gejala untuk mendapatkan nilai.
c. Sistem ini dirancang dengan menggunakan bahasa program visual basic.2008 dan penyimpanan data menggunakan MySQL.
Daftar Pustaka
[1] M. Mentari, Y. A. Sari, and R. K. Dewi, “Deteksi Kanker Kulit Melanoma dengan Linear Discriminant
Analysis - Fuzzy k- Nearest Neigbhour Lp- Norm,” vol. 2, pp. 34–39.
[2] U. I. Indragiri, “APLIKASI SISTEM PAKAR DIAGNOSA PENYAKIT PERNAPASAN MENGGUNAKAN METODE CASE-BASED REASONING,” vol. 3, 2017.
[3] M. Zainuddin, K. Hidjah, and I. W. Tunjung, “Penerapan Case Based Reasoning (CBR) Untuk Mendiagnosis Penyakit Stroke Menggunakan Algoritma K-Nearest Neighbor,” Citisee, pp. 23–24, 2016.
[4] M. Arhami, Konsep Dasar Sistem Pakar. Yogyakarta: Andi, 2005.
[5] D. Mauli, “Tanggung jawab dokter terhadap kesalahan diagnosis,” vol. 1, pp. 38–51, 2017. [6] D. Kanker, K. Melanoma, B. Pengolahan, and M.
W. Transform, “Menggunakan Wevelet Transform Detection of Skin Cancer Melanoma Based on Digital Image,” vol. 3, no. 3, pp. 4718–4723, 2016. [7] R. A. .-M. Shalahuddin, Rekayasa Perangkat Lunak.
2011.
[8] E. Sutanta, Pengantar Teknologi Informasi. 2005. [9] B. Raharjo, Belajar Otodidak Membuat Database
Menggunakan MySQL. Informatika.
[10] P. A. Aditya, Dasar dasar Pemograman Database Desktop dengan Microsoft Visual Basic.Net. 2008.
