SISTEM PAKAR MENDIANOSA PENYAKIT PADA BALITA MENGGUNAKAN METODE DEMPSTER SHAFER BERBASIS ANDROID Silviana Sintia, Murdani

SISTEM PAKAR MENDIANOSA PENYAKIT PADA BALITA MENGGUNAKAN METODE DEMPSTER SHAFER BERBASIS ANDROID

Silviana Sintia, Murdani

Program Studi Teknik Informatika STMIK Budi Darma. Medan, Indonesia Jl. Sisingamangaraja No. 338 Simpang Limun, Medan

Abstrak

Pada umumnya manusia melakukan berbagai macam cara untuk menjaga kesehatan, terutama pada balita yang rentan terhadap penyakit dan kurangnya kepekaan terhadap gejala suatu penyakit. Apabila terjadi suatu penyakit terhadap balita maka orangtua lebih mempercayakannya kepada dokter yang sudah mengetahui lebih banyak tentang penyakit. Namun dengan kemudahan adanya para dokter, terkadang dapat pula permasalahan dengan terbatasnya dokter ahli dan banyaknya pasien sehingga harus menunggu lama atau antrian. Dalam hal ini, untuk mengatasi permasalahan tersebut salah satu solusinya adalah sistem pakar yang dapat mendiagnosa penyakit pada balita, agar dapat melakukan pencengahan lebih awal.Tujuan dari tugas akhir ini untuk membangun sebuah sistem berbasis pengetahuan kedokteran dalam mendiagnosa penyakit pada balita yang ditampilkan dalam aplikasi berbasis android, sehingga bisa membantu masyarakat luas untuk menggunakan sistem pakar penyakit pada balita tersebut. User diberi kemudahan untuk mengetahui informasi penyakit dengan berbagai solusi dan pencegahan pada balita dengan gejala-gejala yang ada, dengan cara konsultasi langsung pada sistem pakar melalui beberapa pertanyaan yang harus dijawab user untuk mengetahui hasil diagnosanya. Dari hasil penelitian dapat dilihat bahwa program sistem pakar diagnosa penyakit pada balita dapat mengetahui penyakit, solusi dan pencegahannya.

Kata Kunci : Sistem Pakar, Penyakit Balita, Dempster Shafer.

I. PENDAHULUAN

Sistem pakar merupakan sebuah sistem yang menggunakan pengetahuan manusia di mana pengetahuan tersebut dimasukkan ke dalam sebuah komputer dan kemudian digunakan untuk menyelesaikan masalah-masalah yang biasanya membutuhkan kepakaran atau keahlian manusia.

Balita merupakan periode penting dalam proses tumbuh kembang seorang anak. Sebab, pada masa ini terjadi perkembangan kemampuan berbahasa, beraktivitas,kesadaran sosial, emosional dan intelegensia yang merupakan landasan bagi perkembangan anak selanjutnya. Permasalahan pada balita yang sangat rentan terhadap penyakit dan kurangnya kepekaan terhadap gejala suatu penyakit yang merupakan ketakutan tersendiri bagi orang tua balita tersebut. Apabila terjadi suatu penyakit terhadap balita maka orangtua lebih mempercayakan kepada dokter yang sudah mengetahui lebih banyak tentang penyakit, tanpa memperdulikan penyakit tersebut masih dalam tingkat rendah atau parah.

Namun dengan adanya kemudahan para dokter, terkadang didapat pulak kelemahannya seperti jam kerja (praktek) terbatas dan banyaknya pasien sehingga harus menunggu antrian. Dalam hal ini, orang tua selaku user lebih membutuhkan sistem pakar yang memudahkan dalam mendiagnosa penyakit lebih dini agar dapat melakukan pencegahan lebih awal sebelum penyakit tersebut tambah parah. Maka dari itu sistem pakar mendiagnosa penyakit pada balita berbasis android sangat dibutuhkan dalam kehidupan sehari-hari ataupun dalam kehidupan masyarakat, supaya mewaspadai penyakit yang ada pada saat sekarang ini dengan berbasis android maka dapat mempermudah para orangtua mendapatkan informasi dan solusi tentang penyakit pada balita.

Penelitiaan sebelumnya “Sistem pakar metode dempster shafer untuk menentukan jenis gangguan perkembangan pada anak” Manusia dalam hidupnya selalu mengalami perkembangan. Dari mulai dilahirkan sebagai seorang bayi, berkembang menjadi anak-anak remaja, dewasa, tua danakhirnya meninggal dunia. Dalam perjalanannya tersebut tidak sedikit yang mengalami berbagai gangguan dan permasalahan yang kemudian disebut sebagai hambatan atau gangguan perkembangan. pada diagnosa gangguan autisme yang dipilih dengan menggunakan nilai belief yang telah ditentukan pada setiap gejala maka hasil nilai densitas akhirnya adalah 0,59 maka pasien memiliki eviden yang cukup kuat mengalami gangguan autisme. Dempster Shafer merupakan nilai parameter klinis yang diberikan untuk menunjukkan besarnya kepercayaan. Dimana nilai bel(m) suatu gejala yang diinput antara (0-0.9)[1].

II. TEORITIS A. Sistem Pakar

Istilah sistem pakar berasal dari knowledge- based expert system. Istilah ini muncul karena untuk memecahkan masalah, sistem pakar menggunakan pengetahuan seorang pakar yang dimasukkan ke dalam komputer. Seseorang yang bukan pakar menggunakan sistem pakar untuk meningkatkan kemampuan pemecahan masalah, sedangkan seorang pakar menggunakan sistem pakar untuk knowledge assistant [2]..

B. Diagnosa

Diagnosa adalah identiikasi sifat-sifat penyakit atau kondisi atau membedakan satu penyakit atau kondisi dari yang lainnya. Penilaian dapat dilakukan

melalui pemeriksaan fisik,tes laboratorium atau sejenisnya dan dapat dibantu oleh program komputer yang dirancang untuk memperbaiki proses pengambilan keputusan.

C. Balita

Balita merupakan periode penting dalam proses tumbuh kembang seorang anak. Sebab, pada masa ini terjadi perkembangan kemampuan berbahasa, beraktivitas,kesadaran sosial, emosional dan intelegensia yang merupakan landasan bagi perkembangan anak selanjutnya.

D. Metode Dempster Shafer

Ada berbagai macam penalaran dengan model yang lengkap dan sangat konsisten, tetapi pada kenyataannya banyak permasalahan yang tidak dapat terselesaikan secara lengkap dan konsisten.Ketidak konsistenan yang tersebut adalah akibat adanya penambahan fakta baru. Penalaran yang seperti itu disebut dengan penalaran nonmonotonis. Untuk mengatasi ketidak konsistenan tersebut maka dapat menggunakan penalaran dengan teori Dempster- Shafer.Dempster-Shafer adalah suatu teori matematika untuk pembuktian berdasarkan belief functions and plausible reasoning (fungsi kepercayaan dan pemikiran yang masuk akal), yang digunakan untuk mengkombinasikan potongan informasi yang terpisah (bukti) untuk mengkalkulasi kemungkinan dari suatu peristiwa. Teori ini dikembangkan oleh Arthur P.Dempster dan Glenn Shafer. Secara umum teori Dempster-Shafer ditulis dalam suatu interval :

[Belief, Plausibility]

1. Belief (Bel) adalah ukuran kekuatan evidence dalam mendukung suatu himpunan proposisi.

Jika bernilai 0 maka mengindikasikan bahwa tidak ada evidence, dan jika bernilai 1 menunjukkan adanya kepastian. Dimana nilai bel yaitu (0-0.9).

2. Plausibility (Pl) dinotasikan sebagai : PI(s) = 1-Bel (s)

Plausibility juga bernilai 0 sampai 1. Jika yakin akan -s, maka dapat dikatakan bahwa Bel(-s) = 1, dan Pl(-s) = 0. Pada teori Dempster-Shafer dikenal adanya frame of discrement yang dinotasikan dengan ϴ. Frame ini merupakan se mesta pembicaraan dari sekumpulan hipotesis.

Tujuannya adalah mengaitkan ukuran kepercayaan elemen-elemen ϴ. Tidak semua evidence secara langsung mendukung tiap-tiap elemen. Untuk itu perlu adanya probabilitas fungsi densitas (m). Nilai m tidak hanya mendefinisikan elemen-elemen ϴ saja, namun juga semua subsetnya. Sehingga jika ϴ berisi n elemen, maka subset ϴ adalah 2n. Jumlah semua m dalam subset ϴ sama dengan i.

Apabila tidak ada informasi apapun untuk memilih hipotesis, maka nilai:

M{ϴ}=1,0. Apabila diketahui X adalah subset dari ϴ, dengan m1 sebagai fungsi densitasnya, dan Y juga merupakan subset dari ϴ dengan m2

sebagai fungsi densitasnya, maka dapat dibentuk fungsi kombinasi m1 dan m2 sebagai m3 yaitu :

III. ANALISA DAN PEMBAHASAN

Dengan adanya program perancangan perangkat lunak sistem pakar mendiagnosa penyakit pada balita, diharapkan dapat membantu para orangtua maupun masyarakat luas dalam mendiagnosa penyakit pada balita. Untuk mengatasi masalah tersebut maka pemecahan masalah adalah dengan cara merancang suatu sistem pakar yang berfungsi untuk mendiagnosa penyakit pada balita.

Pada contoh kasus berikut ini, Seorang ibu menginputkan gejala-gejala yang dialami oleh balita, adapun gejala-gejala pada balita tersebut adalah sebagai berikut :

1. gejala pertama : Demam (P2,P3,P4) 2. gejala kedua : Nafsu makan Berkurang (P5) 3. gejala ketiga : Wajah memerah diiringi dengan

sesak nafas (P5)

4. gejala keempat : Lesu, ngantuk dan pernapasan cepat (P6)

Dalam menyelesaikan permasalahan diatas maka akan digunakan metode dempster shafer untuk mendignosa penyakit pada balita, adapun langkah- langkahnya sebagai berikut :

1. Mengumpulkan data gejala-gejala.

Tabel 1. Gejala-gejala penyakit balita No Kode

Gejala

Gejala

1 G01 Demam

2 G02 Nafsu makan berkurang 3 G03 Sangat lemah

4 G04 Wajah memerah diiringi dengan sesak nafas

5 G05 Lesu, ngantuk dan pernapasan cepat

6 G06 Kekakuan otot leher

7 G07 Bintik putih pada bagian dalam pipi sebelah depan gigi graham 8 G08 Mata merah dan berair

9 G09 Flu

10 G10 Bintik dibelakang telinga 11 G11 Sulit bernafas dan menelan 12 G12 Hidung selalu mengeluarkan

lendir, terdapat darah dalam lendir

13 G13 Kelenjar getah bening

14 G14 Radang lidah disertai rasa sakit 15 G15 Buang air besar lebih dari 4kali 16 G16 Hilang kesadaran dan

berkeringat

17 G17 Bola mata terbalik ke atas

18 G18 Muntah

19 G19 mulut berbusa

 

=



−

=

= 

(Y) (X).m θZm Y X 1

(Y) (X).m Zm Y ) X

( M3

2 1

2

Z 1

20 G20 Sakit tenggorokan 21 G21 Nafas berbunyi 22 G22 Hidung berair

23 G23 Mengeluarkan air dari mulut dan hidung

24 G24 Disorientasi atau kebingungan 25 G25 Delirium (mengigau)

26 G26 Kehilangan kesadaran Tabel 2. Keterangan Penyakit Balita No Kode

Penyakit Nama Penyakit 1 P01 Difteri (orynebacterium

Diphtheriae) 2 P02 Diare (diarrhoia) 3 P03 Campak (Rubeola) 4 P04 Kejang Demam (Febrile

Convulsion)

5 P05 Batuk Rejan (Pertusis) 6 P06 Sindrom Reye’s

Adapun contoh kaidah sistem pakar mendiagnosa penyakit balita sebagai berikut :

Rule 1

IF G11 AND G12 AND G13 AND G14 AND G20 THEN P01

Rule 2

IF G1 AND G3 AND G15 THEN P02 Rule 3

IF G1 AND G3 AND G6 AND G7 AND G8 AND G9 AND G10 AND G20 AND G22 AND G23 THEN P03

Rule 4

IF G1 AND G16 AND G17 AND G18 AND G19 THEN P04

Rule 5

IF G2 AND G4 AND G20 AND G21 AND G22 AND G27 THEN P05

Rule 6

IF G5 AND G18 AND G23 AND G24 AND G25 AND G26 THEN P06

2. Menerapkan dengan metode dempster shafer a. Menentukan nilai Dentitas (m) awal

Nilai dentitas (m) terdiri dari belief dan plausibility. Nilai belief merupakan nilai yang diberikan oleh pakar sedangkan nilai plausibility diperoleh dari rumus sebagai berikut :

[Belief, Plausibility]

PI(s) = 1 – Bel (-s) Gejala 1 : Demam

m1{P2,P3,P4} = 0.8 m1{θ} = 1-0.8 = 0.2 Gejala 2 : Nafsu Makan Berkurang

m2{P5} = 0.7 m2{θ} = 1-0.7= 0.3

Berdasarkan penentuan densitas awal pada gejala 1 dan 2, maka dapat diperoleh juga densitas awal untuk gejala-gejala berikutnya yang dapat dilihat pada Tabel 3. berikut:

Tabel 3. Pilihan Gejala User Gejala Penyakit Densitas (m)

Belief Plausability Demam P2,P3,P4 0.8 0.2

Nafsu makan berkurang

P5 0.7 0.3

Wajah memerah diiringi dengan sesak nafas

P5 0.8 0.2

Lesu, ngantuk dan pernapasan cepat

P6 0.6 0.4

b. Menentukan Densitas (m) Baru

Dapat dihitung nilai densitas (m) baru dengan membuat tabel aturan kombinasi terlebih dahulu. Hasil dari kombinasi tersebut akan digunakan pada saat menunjukkan adanya gejala baru dengan fungsi densitas m3. Baris pertama berisi semua himpunan bagian pada gejala pertama dengan m1 sebagai fungsi densitas dan kolom pertama berisi himpunan bagian pada gejala kedua dengan m2 sebagai fungsi densitas.

Tabel 4. Aturan Kombinasi m3 m1

m2

{P2,P3,P4} 0.8 θ 0.2 {P5} 0.7 θ 0.56 {P5 }0.14 θ 0.3 {P2,P3,P4} 0.24 θ 0.06 Karena tidak adanya irisan antara {P2,P3, P4} dan {P5} maka diperoleh {.} pada baris kedua kolom kedua dan nilainya diperoleh dari 0,8 x 0,7 Demikian pula {P5} pada baris kedua kolom ketiga merupakan irisan antara {P5} baris kedua kolom pertama dengan {.} pada baris pertama kolom ketiga dan nilainya diperoleh dari 0,2 x 0.7 sehingga dapat dihitung.

 

=



−

=

= 

) ( ).

( 1

) ( ).

) ( (

3 _{1 2}

2 1

Y X Y X

Y X z Y Z X

m _{m m}

m m

 [Pers.3]

Keterangan :

m = Nilai Densitas (Kepercayaan) XYZ= Himpunan Evidence

θ

= Himpunan Kosong 3181 , 56 0 . 0 1

14 , } 0 5 {

3 =

= − P m

5454 , 56 0 . 0 1

24 , P4} 0 P3, P2,

m3{ =

= −

1071 , 56 0 . 0 1

06 , } 0

m3{ =

= −



Hasil dari aturan kombinasi m3 digunakan untuk menghitung kembali adanya gejala baru yaitu Wajah memerah diiringi dengan sesak nafas dengan fungsi densitas m4 dengan membuat tabel aturan kombinasi baru dengan fungsi densitas m5.

Tabel 5. Aturan Kombinasi m5 m4

m3

{P5} 0.8 θ 0.2 {P5} 0.3181 {P5} 0.254 {P5} 0.063 {P2,P3,P4}

0.5454

θ 0.436 {P2,P3,P4}

0.109 θ 0.1071 {P5} 0.085 θ 0.0214 Sama seperti langkah sebelum dan merujuk pada rumus sehingga dapat dihitung.



=



−

=

= 

) ( ).

( 1

) ( ).

) ( (

3 _{3 4}

4 3

Y X Y X

Y X z Y Z X

m _{m m}

m m



Keterangan :

m = Nilai Densitas (Kepercayaan) XYZ= Himpunan Evidence

θ

= Himpunan Kosong

7127 . 436 0

. 0 1

085 . 0 063 . 0 254 , } 0 5 {

5 =

− +

= + P m

1932 . 436 0 . 0 1

109 , P4} 0 P3, P2,

m5{ =

= −

0379 . 436 0 . 0 1

0214 , } 0

m5{ =

= −



Hasil dari aturan kombinasi m5 digunakan untuk menghitung kembali adanya gejala baru yaitu gejala Lesu, ngantuk dan pernapasan cepat dengan fungsi densitas m6 dengan membuat tabel aturan kombinasi baru dengan fungsi densitas m7.

Tabel 7. Aturan Kombinasi m7 m6

m5

{P6} 0.6 θ 0.4 {P5} 0.7127 θ 0.4276 {P5}

0.2851 {P2,P3,P4} 0.1932 θ 0.1159 {P2,P3,P4}

0.0773 θ 0.0379 {P6}

0.02274

θ 0.0152 Sama seperti langkah sebelum dan merujuk pada rumus sehingga dapat dihitung.

 

=



−

=

= 

) ( ).

( 1

) ( ).

) ( (

3 _{5 6}

6 5

Y X Y X

Y X z Y Z X

m _{m m}

m m

 Keterangan :

m = Nilai Densitas (Kepercayaan) XYZ= Himpunan Evidence

θ

= Himpunan Kosong

4142 . ) 0 1159 . 0 4276 . 0 ( 1

2851 , } 0

5 {

7 =

−

= − P m

033 . ) 0 1159 . 0 4276 . 0 ( 1

02274 , P6} 0

m7{ =

−

= −

1123 . ) 0 1159 . 0 4276 . 0 ( 1

0773 , } 0

4 , 3 . 2 {

7 =

−

= − P P P m

0221 . ) 0 1159 . 0 4276 . 0 ( 1

0152 , } 0

{

7 =

−

= −

 m

Berdasarkan langkah-langkah diatas maka dapat disimpulkan nilai densitas (m) baru sesuai gejala baru.

Tabel 8. Kesimpulan dalam menentukan nilai densitas (m)

No Nilai Densitas (m)

Densitas (m) Nilai 1 m1{P2,P3,P4}

m1 {θ} 0.8

0.2 2 m2{P5}

m2 {θ} 0.7

0.3 3 m3{P5}

m3{P2,P3,P4}

m3 {θ}

0.3181 0.5454 0.1071 4 m4{P5}

m4 {θ} 0.8

0.2 5 m5{P5}

m5{P2,P3,P4}

m5 {θ}

0.7127 0.1932 0.0379 6 m6{P6}

m6 {θ} 0.6

0.4 7 m7{P5}

m7{P2,P3,P4}

m7{P2,P3,P4}

m7 {θ}

0.4142 0.1123 0.1123 0.0221

proses perhitungan aturan kombinasi awal sampai aturan kombinasi terakhir berdasarkan gejala yang dipilih, maka dapat disimpulkan bahwa nilai densitas paling tinggi adalan P5 Batuk Rejan (Pertusis) dengan nilai densitasnya yaitu 0.7127 x 100% = 71%.

IV. IMPLEMENTASI 1. Menu Utama

Menu utama menampilkan pilihan yang tersedia pada aplikasi. Pada menu utama tersedia empat pilihan yaitu menu diagnosa, bantuan, profil, dan keluar dimana tombol diagnosa akan menampilkan gejala dari penyakit balita, tombol bantuan akan menampilkan rincian dan petunjuk penggunaan aplikasi, tombol profil menampilkan daftar diri pembuat aplikasi, tombol keluar, akan keluar dari aplikasi. Gambar untuk tampilan menu utama dapat dilihat pada gambar 1. dibawah ini:

Gambar 1. Menu utama 2. Menu Diagnosa

Activity ini tampil ketika button diagnosa di pilih, seperti terlihat pada gambar 2. dibawah ini:

Gambar 2. Menu Diagnosa 3. Activity Menu Hasil Diagnosa

Tombol diagnosa akan mengeluarkan keluaran rincian penyakit dari activity diagnosa, seperti terlihat pada gambar 3. dibawah ini:

Gambar 3. Menu Hasil Diagnosa

V. KESIMPULAN

Berdasarkan hasil analisa penulis, dapat menyimpulkan secara garis besar dalam pembuatan sistem ini adalah sebagai berikut.

1. Penyakit pada balita ada 6 penyakit dengan 26 gejala, dengan memilih beberapa gejala maka user akan mendapatkan hasil penyakit pada balita, solusi dan pencegahannya.

2. Dengan menerapkan metode Dempster Shafer dapat lebih mudah dalam mendiagnosa penyakit pada balita.

3. Perancangan aplikasi sistem pakar mendiagnosa penyakit pada balita berbasis android memiliki 5 activity yaitu: Activity menu utama, Activity menu diagnosa, Activity menu hasil diagnosa, Activity menu bantuan, Activity menu profil. .

REFERENSI

[1] Muhammad Dahria, Rosindah Silalahi, Mukhlis Ramadhan, "Sistem Pakar Metode Dampster Shafer untuk Menentukan Jenis Gangguan Perkembangan Pada Anak," Jurnal SAINTIKOM, vol. 12, p. 8, 2013.

[2] T.Sutojo,Edy Mulyanto,Vincent Suharto, Kecerdasan Buatan. Yogyakarta, 2011.

[3] Kusrini, Sistem Pakar Teori dan Aplikasi.

Yogyakarta, 2006.

[4] Nelson, Waldo E, dkk, Ilmu Kesehatan Anak.

Jakarta, 2000.

[5] Muhd Ihsan, Fahrul Agus, Dyna Marisa Khairina,

"Penerapan Metode Dempster Shafer untuk Sstem Deteksi Penyakit Tanaman Padi," Prosiding Seminar Ilmu Komputer dan Teknologi Informasi, vol. 2, pp.

133-134, Maret 2017.

[6] Rosa A.S, M. Shalahuddin, Rekayasa Perangkat Lunak. Bandung, 2013.

[7] Nazruddin Safaat H, Pemograman Aplikasi Mobile Smartphone dan Tablet Pc Berbasis Android.

Bandung, 2015.

[8] Julio Anthony. (2010)

https://www.insinyoer.com/komponen-arsitektur- android/.

[9] Yuniar Supardi, Semua Bisa Menjadi Programmer Java. Jakarta, 2010.

[10] Binus. (2017)

https://www.binushacker.net/kumpulan-java-ebook- untuk-belajar-pemograman.html.