BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1 Tinjauan Pustaka
Semakin banyak penelitian yang dilakukan terkait sistem pakar (expert system) dan IoT, maka semakin berkembang pula penelitian yang dihasilkan. Hal tersebut tentu saja mempermudah penulis untuk memperoleh informasi dan belajar hal baru dari hasil penelitian yang telah dilakukan sebelumnya. Berikut merupakan beberapa referensi dan hasil penelitian yang telah dilakukan sebelumnya mengenai sistem pakar dan alat tes tanda vital:
Pada tahun 2020, Dyan Madinata Putra dan Gunaidi Widi Nurcahyo, melakukan penelitian dengan judul “Sistem Pakar Menggunakan Metode Certainty Factor dalam Akurasi Identifikasi Penyakit Panleukopenia Pada Kucing”. Penelitian ini menghasilkan sistem pakar yang dapat mengidentifikasi penyakit feline panleukopenia berbasis web secara spesifik, dimana hasil pengujian tersebut mencapai tingkat akurasi 100% dari 5 data yang diujikan dengan metode certainty factor.
Pada bulan Desember di tahun 2020, Riyandini Putri, Bambang Sumiarto, dan Guntari Titik Mulyani melakukan penelitian dengan judul “Faktor-Faktor Risiko Feline Panleukopenia pada Kucing di Daerah Istimewa Yogyakarta”. Hasil dari penelitian ini adalah untuk mengetahui penyebab dan faktor yang mempengaruhi feline virus dapat menyerang kucing, diantaranya adalah : manajemen peliharaan, tidak dilakukannya vaksin, tidak dilakukan isolasi atau pemisahan terhadap kucing lama dan kucing yang baru diadopsi.
Pada bulan Juni tahun 2017, Syafri Arlis dalam jurnalnya yang berjudul “Diagnosis Penyakit Radang Sendi Dengan Metode Certainty Factor”, menghasilkan sistem pakar berbasis website menggunakan metode certainty factor untuk diagnosis penyakit radang sendi yang mencakupi penyebab dan faktor pemicu terjadinya radang sendi terutama pada orang yang lanjut usia.
Pada bulan Oktober di tahun 2017, Indra Prayogo, Riza Alfita, dan Kunto Aji Wibisono, melakukan penelitian dengan judul “Sistem Monitoring Denyut Jantung Dan Suhu Tubuh Sebagai Indikator Level Kesehatan Pasien Berbasis IoT (Internet Of Thing) Dengan Metode Fuzzy Logic Menggunakan Android”. Penelitian ini menghasilkan sistem monitor kesehatan dengan menggunakan metode Fuzzy Logic dan dapat diakses secara jarak jauh. Untuk keberhasilan sistemnya sendiri adalah sebesar 97.71% dalam mendeteksi denyut jantung, 99.69% dalam mendeteksi suhu tubuh, dan 50% dalam tingkat keberhasilan pengiriman data, baik pada android maupun desktop.
Pada bulan Februari di tahun 2017, Muhlis Agung Saputro, Edita Rosana Widasari, Hurriyatul Fitriyah, melakukan penelitian dengan judul “Implementasi Sistem Monitoring Detak Jantung dan Suhu Tubuh Manusia Secara Wireless”. Penelitian ini menghasilkan sistem monitor kesehatan dengan parameter yang diukur adalah detak jantung dan suhu tubuh yang mempengaruhi kesehatan seseorang. Dengan menggunakan sensor suhu LM35, pulse sensor untuk deteksi detak jantung, arduino nano untuk pemrosesan data, dan NRF24L01 sebagai media pengiriman data secara wireless, mereka meng-klaim bahwa tingkat keberhasilan dari sistem adalah 97.17% dalam mendeteksi detak jantung, dan 99.28% dalam mendeteksi suhu tubuh.
Pada bulan Desember tahun 2017, Annahl Riadi, dalam jurnal ilmiahnya yang berjudul “Penerapan Metode Certainty Factor Untuk Sistem Pakar Diagnosa Penyakit Diabetes Melitus Pada RSUD Bumi Panua Kabupaten Pohuwato”, menghasilkan sistem pakar yang dirancang menggunakan aplikasi Dreamweaver menggunakan bahasa pemrograman PHP dan menggunakan MySQL sebagai database nya. Pada aplikasi ini, user dapat melakukan onsultasi dengan sistem layaknya berkonsultasi dengan pakar untuk mendiagnosa gejala yang terjadi pada pengguna serta menemukan solusi atas permasalahan yang dihadapi. Hasil pengujian sistem diperoleh nilai Cylomatic complexity = 5 dengan jumlah Region (R)= 5, Node (N)= 10, Edge (E)=13 Predicate Node (P) = 4.
Tabel 2. 1 Penelitian Terkait
Penelitian dan Tahun
Judul Penelitian Hasil Penelitian Perbedaan
2020, Dyan Madinata Putra dan Gunaidi Widi Nurcahyo Sistem Pakar Menggunakan Metode Certainty Factor dalam Akurasi Identifikasi Penyakit Panleukopenia Pada Kucing Hasil penelitian mencapai tingkat akurasi 100% dari 5 data yang diujikan dengan metode certainty factor. Sistem pakar menggunakan web 2020, Riyandini Putri, Bambang Sumiarto, dan Guntari Titik Mulyani Faktor-Faktor Risiko Feline Panleukopenia pada Kucing di Daerah Istimewa Yogyakarta Dengan menggunakan rumus Schlesselman, setelah menghitung sampel kucing yang terpapar feline virus, dapat diketahui faktor-faktor yang menjadi penyebab kucing terjangkit virus ini Faktor-faktor risiko feline panleukopenia pada kucing. 2017, Muhlis Agung Saputro, Edita Rosana Widasari, Hurriyatul Implementasi Sistem Monitoring Detak Jantung dan
Suhu Tubuh Manusia Secara Penelitian ini menghasilkan sistem monitoring kesehatan dengan tingkat Sistem memonitor kesehatan tubuh manusia
Fitriyah Wireless keberhasilan dari sistem adalah 97.17% dalam mendeteksi detak jantung, dan 99.28% dalam mendeteksi suhu tubuh. 2017, Indra Prayogo, Riza Alfita, dan Kunto Aji Wibisono
Sistem Monitoring Denyut Jantung Dan Suhu Tubuh Sebagai Indikator Level Kesehatan Pasien Berbasis IoT (Internet Of Thing) Dengan Metode Fuzzy Logic Menggunakan Android Penelitian ini menghasilkan keberhasilan sistem sebesar 97.71% dalam mendeteksi denyut jantung, 99.69% dalam mendeteksi suhu tubuh, dan 50% dalam tingkat keberhasilan pengiriman data, menggunakan metode fuzzy logic
Sistem memonitor kesehatan tubuh manusia
menggunakan metode fuzzy logic
2017, Syafri Arlis Diagnosis
Penyakit Radang Sendi Dengan Metode Certainty Factor Hasil dari penelitian ini adalah sistem pakar berbasis website menggunakan metode certainty factor, mendiagnosis penyakit radang Diagnosis penyakit radang sendi
sendi terutama pada orang yang lanjut usia 2017, Annahl Riadi Penerapan Metode Certainty Factor Untuk Sistem Pakar Diagnosa Penyakit Diabetes Melitus Pada RSUD Bumi Panua Kabupaten Pohuwato Hasil pengujian sistem diperoleh nilai Cylomatic complexity = 5 dengan jumlah Region (R)= 5, Node (N)= 10, Edge (E)=13 Predicate Node (P) = 4. Sistem mendiagnosis penyakit diabetes melitus
2.2 Penyakit Feline Panleukopenia Virus (FPV) Pada Kucing
Pada sistem ini hanya dapat mengidentifkasi berada pada tingkat mana kucing mengidap penyakit feline panleukopenia virus (FPV). Berikut tingkat penyakit FPV yang dapat diidentifikasi [1]:
1. Kronis
Penyakit kronis merupakan penyakit menetap dan tidak pernah benar-benar hilang. Karena perkembangan virus ini sangat cepat dan gejala yang ditimbulkan mirip dengan gejala penyakit lain seperti infeksi virus salmonella dan infeksi feline leukemia virus (FLV), dan virus ini juga bisa disebabkan karena tidak diberikannya vaksin pada induk kucing sebelumnya yang menyebabkan tidak sempurnanya sistem imun si anak kucing sehingga mudah terserang oleh virus. Kucing yang mengidap penyakit panleu pada tingkat kronis memiliki gejala diantaranya diare disertai darah pada feses, tampak sedikit murung, dan mengalami muntah[9].Kucing yang mengidap penyakit feline panleukopenia kronis
menyebabkan kondisi kesehatannya turun secara bertahap dan tidak bisa disembuhkan meski bisa dikontrol.
2. Akut
Penyakit akut merupakan penyakit yang dialami dalam durasi waktu yang relatif singkat (<6 bulan). Kucing yang mengidap penyakit feline panleukopenia akut, virusnya lebih cepat berkembang dan sangat dibutuhkan penanganan yang tepat dan perawatan sesegera mungkin. Gejala yang ditimbulkan pada tahap ini diantaranya adalah kucing mulai muntah dan diare disertai darah, hanya berdiam ditempat basah, dan suhu tubuh yang dingin.
2.3 Diagnosis
Diagnosis medis atau untuk singkatnya “Diagnosis” sebenarnya menerangkan suatu proses dari usaha mengidentifikasi kemungkinan dari penyakit atau kelainan. Pada tahap awal diagnosis yang ditegakkan hanya mengkategorikan penyakitnya (misalnya sakit infeksi), sebelum akhirnya dikerucutkan dengan potongan data-data pemeriksaan tambahan kepada diagnosis yang lebih spesifik (misalnya sakit infeksi demam berdarah). Ada beberapa macam diagnosis diantaranya : diagnosis klinis, diagnosis, laboratorium, diagnosis radiologis, diagnosis banding (differential diagnosis), diagnosis tentatif, dll [14]. Pada penelitian kali ini, penulis menggunakan diagnosis tentatif.
Diagnosis tentatif sendiri merupakan diagnosis awal yang dibuat sementara berdasarkan fakta gejala yang ada dan masih dapat berubah berdasarkan hasil pemeriksaan lebih lanjut.
Adapun beberapa tahapan diagnosis antara lain sebagai berikut [14]:
1. Amnesis: berkaitan dengan keluhan berupa gejala yang dialami pasien.
2. Pemeriksaan fisik: observasi terhadap perilaku pasien (re : seperti mengecek suhu tubuh, denyut jantung, mimik wajah, dll).
4. Penegakan diagnosis banding: setelah menegakkan suatu diagnosis, terjadi pengerucutan dan penyingkiran terhadap diagnosis yang tidak kuat hingga menghasilkan diagnosis kerja yang nantinya dipakai sebagai dasar penanganan pasien.
5. Switch diagnosis: jika hasil pemeriksaan lain menunjukkan diagnosis bandinglah yang lebih tepat untuk pasien, maka dokter akan merubah diagnosis kerja yang pertama kepada diagnosis banding yang telah didukung oleh data yang ada.
2.4 Monitor Kesehatan
Monitor kesehatan merupakan alat yang berfungsi untuk memberikan informasi mengenai kesehatan tubuh melalui TTV (Tanda-Tanda Vital). Pemeriksaan tanda vital merupakan pengukuran fungsi tubuh yang paling dasar untuk mengetahui tanda klinis dan berguna untuk memperkuat diagnosis suatu penyakit dan berfungsi dalam menentukan perencanaan medis yang sesuai[4].
Denyut jantung dan suhu tubuh merupakan tanda vital untuk mengetahui tanda klinis dan berguna untuk memeperkuat diagnosis suatu penyakit. Dengan teknologi yang ada dan telah berkembang pada bidang IoT saat ini, proses monitoring denyut jantung dan suhu tubuh dapat dilakukan secara langsung (online) melalui android sehingga data-data mengenai denyut jantung dan suhu tubuh pasien dapat dipantau setiap saat oleh pemilik kucing maupun dokter hewan.
2.4.1 Komponen Monitor Kesehatan
Pada penelitian ini, beberapa komponen yang digunakan oleh penulis dalam pembuatan alat monitor kesehatan untuk memantau kondisi tubuh kucing adalah sebagai berikut :
1. Pulse Sensor
Pulse sensor merupakan sensor pengukur detak jantung yang dapat dihubungkan ke mikrokontroler. Pulse sensor memiliki ciri khas yaitu memiliki bentuk hati dan terdapat lampu LED berwarna hijau bagian
tengah. Sensor ini sangat sensitif terhadap getaran (dari detak jantung). Gambar dari pulse sensor dapat dilihat pada gambar berikut :
Gambar 2. 1 Pulse Sensor
2. Sensor LM35
Sensor suhu LM35 merupakan komponen elektronika dalam bentuk chip IC dengan tiga kaki (3 pin) yang berfungsi untuk merubah besaran suhu menjadi besaran listrik dalam bentuk tegangan. Sensor suhu LM35 memiliki parameter bahwa 10mV pada otput mewakili 1 0C. Jika tegangan yang keluar sebesar 300mV, berarti suhu adalah 30 0C. Sensor LM35 dapat dilihar pada gambar berikut :
Gambar 2. 2 Sensor LM35
3. ESP32 WROOM DevKit V1
ESP32 merupakan penerus dari module ESP8266. Pada ESP32 terdapat inti CPU serta Wi-Fi yang lebih cepat, GPIO (General Purpose Input Output) yang lebih, dan mendukung bluetooth, juga konsumsi daya yang rendah. Pada board ESP32 DevKit terdapat 25 pin GPIO dengan masing –
masing pin mempunyai karakteristik sendiri – sendiri. Pin hanya sebagai INPUT : • GPIO 34 • GPIO 35 • GPIO 36 • GPIO 39
Pin dengan internal pull up, dapat diseting melalui program :
• GPIO14 • GPIO16 • GPIO17 • GPIO18 • GPIO19 • GPIO21 • GPIO22 • GPIO23
Pin tanpa internal pull up (dapat ditambahkan pull up eksternal sendiri) :
• GPIO13 • GPIO25 • GPIO26 • GPIO27 • GPIO32 • GPIO33
Selain itu, terdapat fitur multiplexing pada chip ESP32 yang memungkinkan untuk menggunkan beberapa fungsi pada pin yang sama. Gambar ESP32 dapat dilihat dari gambar berikut :
Gambar 2. 3 ESP32
4. Battery and Battery Holder
Battery (baterai) berfungsi untuk menyimpan energi listrik dalam bentuk energi kimia, yang akan digunakan untuk mensuplai (menyediakan) listik. Memiliki kutub positif dan kutub negatif. Kutub positif artinya memiliki energi potensial yang lebih tinggi dibandingkan kutub negatif. Kutub negatif artinya sumber elektron pada saat disambungkan dengan rangkaian eksternal akan mengalir dan memberikan energi listrik ke peralatan eksternal. Battery holder berfungsi sebagai penopang dan perantara untuk mengalirkan energi listrik ke peralatan eksternal.
Pada penelitian ini, penulis menggunakan baterai Lithium-ion 18650 sebanyak 2 buah yang dapat di isi ulang dayanya (rechargeable), dengan tegangan kerja baterai sebesar 3,7 V[16].
Gambar 2. 4 Battery and Battery Holder
5. Stripboard
Stripboard atau biasa dikenal dengan PCB (Printed Circuit Board) merupakan tempat dipasangnya perangkat-perangkat yang akan digunakan oleh penulis agar komponen-komponen sensor terpasang lebih rapi dan terorganisir. Board ini memerlukan solder untuk menghubungkan perangkat elektronika karena setiap lubang pada board ini terpisah. Gambar dari stripboard dapat dilihat pada gambar dibawah :
Gambar 2. 5 Stripboard 6. Lithium Battery Charger Modul
TP4056 adalah modul untuk mengisi baterai isi ulang battery lithium-ion (li-ion) yang dilengkapi dengan 2 lampu indicator, masing-masing menunjukkan status saat mengisi ulang (LED merah) dan saat baterai sudah terisi penuh (LED biru). Modul ini dapat digunakan untuk men-charge satu baterai li-ion maupun beberapa baterai li-ion yang tersusun secara parallel[17].
Gambar 2. 6 Modul TP4056, Lithium Battery Charger 7. Box Hitam dan Tali Tuntun
Box elektronik atau casing ini berguna sebagai pelindung rangkaian atau alat-alat yang dibuat agar terlindungi dari berbagai hal (seperti terkena air, kotoran, dll) dan membuat rangkaian menjadi lebih rapi. Tali tuntun kucing dengan model pada gambar dibawah ini juga berfungsi sebagai tempat menempelnya box yang berisi rangkaian monitor kesehatan.
2.5 Sistem Pakar
2.5.1 Pengertian Sistem Pakar
Sistem pakar adalah sebuah program komputer yang memanfaatkan pengetahuan (knowledge) dan prosedur inferensi (inference procedure) untuk memecahkan suatu masalah yang cukup sulit dan membutuhkan keahlian manusia pada bidang tertentu yang dikuasainya (pakar). Pengetahuan tersebut lalu diimplementasikan ke dalam bentuk program komputer dan dirancang agar dapat memecahkan suatu masalah atau mengambil sebuah keputusan layaknya seorang pakar. Sistem pakar dapat menyelesaikan suatu permasalahan yang cukup rumit namun, keberadaan dari sistem pakar bukan untuk menggantikan keberadaan para ahli (pakar) melainkan dapat membantu dan bisa dikatakan berfungsi sebagai asisten ahli yang berguna untuk mempermudah pekerjaan para ahli[10].
Perancangan pada sistem pakar ini menggunakan kaidah-kaidah pengambilan keputusan kesimpulan dengan pengetahuan yang dimiliki oleh seorang pakar dalam suatu bidang tertentu. Dengan demikian, informasi data yang diperlukan untuk sistem pakar yang merupakan hasil pengetahuan dari pakar akan di gabungkan dengan algoritma komputer yang selanjutnya dapat digunakan dalam pengambilan keputusan.
Sistem dapat dikatakan sistem pakar bila memiliki ciri-ciri diantaranya [10] :
1. Memiliki cangkupan pada suatu keahlian pada bidang tertentu; 2. Menyampaikan suatu penalaran pada semua data yang tidak pasti; 3. Memberikan informasi beberapa alasan;
4. Memiliki kaidah atau rule;
5. Dirancang untuk pengembangan sacara bertahap;
Hasil pada keluaran atau output bersifat suatu anjuran berdasarkan seoarang pakar. Manfaat yang dapat didapat pada pengembangkan sistem pakar, antara lain [10]:
1. Memasyarakatkan keahlian seorang pakar di bidang tertentu;
2. Memberikan peningkatan pada produktivitas kerja serta hasil solusi; 3. Cangkupan waktu lebih hemat pada menyelesaikan masalah kompleks;
4. Memberikan penyederhanaan solusi untuk kasus-kasus yang kompleks dan berulang-ulang;
5. Dapat mengkombinasikan pengetahuan pakar;
6. Memberikan kemungkinan pada gabungan di berbagai bidang pengetahuan pada pakar untuk dikombinasikan.
Sistem Pakar tidak terlepas dari elemen manusia yang terkait di dalamnya, yaitu [10]:
1. Pakar (expert);
2. Pembangun pengetahuan (knowledge engineer); 3. Pembangun sistem (system engineer);
4. Pemakai (user).
2.5.2 Struktur Sistem Pakar
Komponen yang terdapat pada sistem pakar ini adalah [10]:
Gambar 2. 8 Struktur Sistem Pakar
1. Basis Pengetahuan (Knowledge Base)
Basis pengetahuan merupakan inti program sistem pakar karena basis pengetahuan ini merupakan representasi pengetahuan (knowledge representation) dari seorang pakar.
2. Mesin Interfensi (Interface Engine)
Mesin inferensi merupakan otak pada sistem pakar dan dikenal dengan struktur kontrol atau rule interpreter. Memiliki mekanisme pada pola pikir penalaran oleh pakar dalam penyelesain masalah dan menemukan kesimpulan terbaik layaknya seorang pakar.
3. Memori Kerja (Working Memory)
Memori kerja merupakan penyimpan fakta yang didapat dari mesin interfensi dengan tambahan berupa derajat kepercayaan yang didapat dari fakta yang digunakan pada rule yang ada.
4. Fasilitas Penjelasan (Explanantion Facility)
Memberikan penjelasan dan solusi yang didapatkan user.
5. Antar Muka Pengguna (User Interface)
Antar muka pengguna merupakan ineraksi yang menghubungkan antara sistem dengan pengguna (user). Antar muka pengguna ini berisi berbagai fitur yang ada pada sistem untuk selanjutnya disajikan kepada pengguna dalam interaksi.
2.5.3 Metode Pengembangan Sistem
Pada penelitian ini, penulis menggunakan metode pengembangan ESDLC (Expert System Developement Life Cyle) dalam pengembangan sistem. Metode pengembangan ini digunakan sebagai acuan dari tahap ke tahap untuk mengembangkan sistem pakar agar lebih terstruktur dan terarah pengerjaannya. Adapun aktivitas dalam pengembangan ini adalah sebagai berikut [12]:
1. Tahap 1, Inisialisasi Proyek
Tahap ini merupakan tahap inisialisasi proyek. Pada penelitian ini terdiri dari empat fase yaitu: fase mendefinisikan masalah, fase memberikan solusi alternatif, fase menentukan pakar, dan fase memverifikasi metode.
2. Tahap 2, Proses Rekayasa Pengetahuan
Akuisisi pengetahuan merupakan tahap pengumpulan data atau pengetahuan, merepresentasikan pengetahuan, membuat basis pengetahuan, memvalidasi pengetahuan, inferensi, dan tahap memberikan penjelasan terhadap hasil inferensi (simpulan).
3. Tahap 3, Implementasi
Pada tahap ini dibuat prototype system pakar diagnosis penyakit feline pada kucing atas beberapa tahapan diantaranya: analisis, desain, membuat basis program, dan pengujian. Pengujian lalu dilakukan terhadap fitur-fitur yang ada dalam system pakar dengan metode pengujian blackbox. Fitur-fitur yang diuji bertujuan untuk mengetahui apakah sistem dapat berjalan baik tanpa ada error (bug free) ataupun mengalami sistem crash.
2.6 Faktor Kepastian (Certainty Factor)
3
Faktor kepastian (Certanity Factor) diperkenalkan oleh Shortliffe Buchanan pada tahun 1975 dalam pembuatan MYCIN (Kusumadewi, 2003). Certanity Factor merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan. Certanity Factor menunjukkan ukuran kepastian terhadap suatu fakta atau aturan[3].
Dalam proses pengolahan dengan metode Certainty Factor diimplementasikan rumus seperti pada yang tertera berikut [1] :
CF (H, E) = CF (Pakar) * CF (User) ...(1)
Keterangan :
• CF (H, E) = Certainty Factor dimana H atau hipotesis dipengaruhi pada gejala E.
o Besarnya CF berkisar antara –1 sampai dengan 1.
o Nilai –1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkan kerpercayaan mutlak[15].
• CF (User) = Besar nilai kepercayan yang diberikan oleh user.
Jika telah diketahui dan didapatkan nilai CF (H, E) dari perkalian Cfuser dan Cfpakar, maka dapat digunakan rumus berikut :
Apabila terdapat kaidah dengan kesimpulan yang sama atau lebih dari satu gejala, maka dihitung kombinasi Certainty Factor untuk mengidentifikasi penyakit seperti pada persamaan berikut :
CFgabungan[CF1, CF2] = CF1 + CF2 * (1 - CF1) ...(2)
Untuk mendapatkan tingkat keyakinan (CF) dari suatu rule yang digunakan yaitu melakukan wawancara dengan seorang pakar. Nilai CF (Rule) didapat dari pakar tersebut yang diubah menjadi nilai CF tertentu seperti pada tabel berikut :
Tabel 2. 2 Nilai Uncertainty Term
Uncertainty Term Nilai CF
Pasti tidak (definitely not) -1.0
Hampir pasti tidak (almost certainty not) -0.8 Kemungkinan besar tidak (probably not) -0.6
Mungkin tidak (maybe not) -0.4
Tidak tahu (unknown) -0.2 to 0.2
Mungkin (maybe) 0.4
Kemungkinan besar (probably) 0.6
Hampir pasti (almost certainty) 0.8
Pasti (definitely) 1.0
Catatan : Tabel tersebut di dapat dari jurnal penelitian oleh Dyan Mardinata Putra dan Gunaidi Widi Nurcahyo, dengan judul “Sistem Pakar Menggunakan Metode Certainty Factor dalam Akurasi Identifikasi Penyakit Panleukopenia Pada Kucing”. Uncertainty term sendiri merupakan istilah dari ketidakpastian yang dapat berupa term atau aturan dengan nilai, sedangkan Certainty Factor atau faktor kepastian, merupakan ekspresi dari kepercayaan dalam sebuah hipotesa yang didasarkan pada kejadian atau pendapat pakar.
Pada penelitian ini, penulis menggunakan rentang nilai dari 0-1 untuk bobot nilai kepercayaan yang akan diinputkan user. Nilai dan keterangan dari nilai tersebut dapat dilihat pada tabel [19]:
Tabel 2. 3 Uncertainty Term Yang Digunakan
Uncertainty Term Nilai CF
Tidak 0 Tidak Tahu 0.2 Sedikit Yakin 0.4 Cuku Yakin 0.6 Yakin 0.8 Sangat Yakin 1.0
