Penerapan Metode Hybrid Case Base Pada Sistem Pakar Diagnosa Penyakit Obesitas
Fauzi Erwis1, Devri Suherdi2, Ardianto Pranata3, Asyahri Hadi Nasyuha2,*
1 Prodi Pendidikan Teknologi Informasi, STKIP Rokania, Langkitin, Pasir Pangaraian, Rokan Hulu, Riau
2 Sistem Informasi, STMIK Triguna Dharma, Medan
3 Sistem Komputer, STMIK Triguna Dharma, Medan
Email: 1[email protected], 2[email protected], 3[email protected], 4,*[email protected] Email Penulis Korespondensi: [email protected]
Abstrak−Penyakit Obesitas adalah penyakit yang di sebabkan kondisi tubuh seseorang yang memiliki kandungan lemak yang sangat banyak pada tubuhnya serta memiliki berat badan berlebih atau sangat gemuk. Kondisi tersebut biasanya di akibatkan dari asupan kalori yang masuk kedalam tubuh manusia melebihi dari kapasitas yang dibutuhkan oleh tubuh, dimana kondisi tersebut menimbulkan penumpukan kalori yang berubah menjadi lemak jenuh. Kodisi tersebut menimbulkan berbagai penyakit kronis seperti penyakit diabetes, penyakit hipertesi dan penyakit jangtung koroner. Oleh sebab itu agar tidak terjadi kondisi penyakit yang disebabkan oleh obesitas perlu penanganan serta pengetahuan sehingga tidak terlambat dalam mengambil tindakan sehingga penyakit tidak menjadi parah. Salah satunya menggunakan sistem pakar, sehingga orang bisa mengecek penyakit tanpa harus periksa kedokter. Metode yang digunkan Hybrid Case Base digunakan untuk pengambilan sebuah keputusan terbaik dari sejumlah gejala atau alternatif dari penyakit yang didiagnosa. Adapun tujuannya untuk memudahkan masyarakat dalam mengetahui penyakit yang diderita yang disebabkan obesitas dan dapat pengecekan scara dini. Dimana sistem pakar ini menerapkan metode Hybrid Case Base yang dimana memiliki hasil akhir dari penelitian ini menghasilkan diagnosa yang akurat dengan sampel data gejala yang digunkan serta mendapatkan hasil persentasi pengukuran similarity sebesar 77% dengan hasil diagnosa kemungkinan mengidap penyakit Diabetes Tipe 2.
Kata Kunci: Sistem Pakar; Diagnosa; Obesitas; Hybrid Case Base
Abstract−Obesity is a disease that is caused by the condition of a person's body that has a lot of fat in his body and is overweight or very fat. This condition is usually caused by the intake of calories into the human body that exceeds the capacity required by the body, where this condition causes a buildup of calories that turn into saturated fat. These conditions cause various chronic diseases such as diabetes, hypertension and coronary heart disease. Therefore, in order to avoid disease conditions caused by obesity, treatment and knowledge are needed so that it is not too late to take action so that the disease does not become severe. One of them uses an expert system, so that people can check for diseases without having to see a doctor. The method used Hybrid Case Base is used to make the best decision from a number of symptoms or alternatives from the diagnosed disease. The aim is to make it easier for the public to find out the diseases they suffer from obesity and be able to check them early. Where this expert system applies the Hybrid Case Base method which has the final result of this research producing an accurate diagnosis with a sample of symptom data used and getting a similarity measurement percentage of 77% with a diagnosis of the possibility of having Type 2 Diabetes.
Keywords: Expert System; Diagnosis; Obesity; Hybrid Case Base
1. PENDAHULUAN
Penyakit Obesitas adalah penyakit yang di sebabkan kondisi tubuh seseorang yang memiliki kandungan lemak yang sangat banyak pada tubuhnya serta memiliki berat badan berlebih atau sangat gemuk. Kondisi tersebut biasanya di akibatkan dari asupan kalori yang masuk kedalam tubuh manusia melebihi dari kapasitas yang dibutuhkan oleh tubuh, dimana kondisi tersebut menimbulkan penumpukan kalori yang berubah menjadi lemak jenuh[1]. Kodisi tersebut menimbulkan berbagai penyakit kronis seperti penyakit diabetes, penyakit hipertesi dan penyakit jangtung koroner[2].
Oleh sebab itu agar tidak terjadi kondisi penyakit yang disebabkan oleh diabetes perlu penanganan serta pengetahuan sehingga tidak terlambat dalam mengambil tindakan sehingga penyakit tidak menjadi parah. Salah satunya dengan melakukan konsultasi kepakar kesehatan yang menangani masalah obisitas. Dalam melakukan konsultasi ke pakar kesehatan pasti memerlukan dana yang tidak sedikit, oleh sebab itu diperlukan suatu sistem kepakaran yang dimana mampu melakukan diagnosa sementara gejala awal yang dialami olen penderita tampa menggunkan biaya yang besar yaitu sistem pakar[3].
Sistem pakar (expert system) adalah program berbasis pengetahuan yang mencakup pengetahuan dan pengalaman yang dimasukkan oleh satu atau lebih pakar dalam bidang pengetahuan tertentu, agar setiap orang dapat memecahkan berbagai jenis masalah tertentu[4]. Salah satu metode yang digunakan dalam penggunaan sistem pakar yaitu metode Hybrid Case Base. Metode Hybrid Case Base digunakan dalam pengambilan keputusan terbaik dari sejumlah gejala atau alternatif dari penyakit yang didiagnosa. Adapun cara melakukan diagnosa yaitu menggabungkan (hybrid) dua teknik yaitu case based reasoning dan rule based reasoning[5]. Berdasarkan penelitian-penelitian sebelumnya tentang kesamaan objek penelitian dan metode, maka penulis menjadikan bahan acuan dalam pembuatan penelitian ini. Penelitian pada tahun 2018 yang dilakukan oleh Dona Kurnia tentang identifikasi obisitas pada anak
menjelaskan dapat mengidentifikasi balita yang mengalami obisitas serta mampu memberikan solusi terapi dengan menerapkan sistem pakar metode forward chainin[6]. Penelitian pada tahun 2017 yang dilakukan oleh Muhammad Syuheri mejelaskan diagnosa penyakit yang disebabkan oleh obisitas mampu mendapatkan presentasi diagnose gejala yang diderita dengan menggunkan sistem pakar teori Dempster Shafer[7]. Penelitian yang pernah dilakukan oleh Muhammad Fauzan menjelsakan metode Hybrid Case Base dapat diterapkan dalam sistem pakar yaitu dalam mendiagnosa penyakit kandung kemih dengan sampel gejala user sebesar 72,83% [8]. Pada tahun 2020 yang dilakukan oleh Agung Laksamana SP mejelaskan penerapan metode Hybrid Case Base dalam mendiagnosa penyakit kolera memiliki presentasi yang sangat tinggi dalam pengujian sampel sebesar 93.02% [9]. Serta penelitian yang dilakukan oleh Rizky Delilah Rambe menjelaskan diagnosa penyakit usus besar dengan menggunaakan sistem pakar metode Hybrid Case Base memiliki hasil diagnosa sebesar 44% dengan kemungkinan kecil mengidap penyakit usus besar [10].
Berdasarkan penelitian terkait yang diangkat untuk menjadi acuan dan masalah di atas, penulis berminat untuk membuat penelitian tentang sistem pakar diognosa penyakit obesitas. Dengan tujuan di harapkan memudahkan masyarakat dalam mengetahui penyakit yang disebabkan obesitas yang diderita dan dapat mendiagnosa gejala awal penyakit sebelum konsultasi kepakar atau dokter yang menangani.
2. METODOLOGI PENELITIAN
2.1 Tahapan Penelitian
Pada bagian tahapan penelitian dalam mendiagnosa penyakit obesitas dengan penerapan metode Hybrid Case Base dilakukan beberapa tahapn penelitian seperti dibawah ini:
1. Identifikasi masalah, pada tahapan ini dilakukan untuk mengetahui permasalahan dan metode yang digunakan pada penelitian ini.
2. Wawancara (interview), ditahap ini melakukan konsultasi atau tanya jawab secara langsung kepada pakar 3. Studi literatur, ditahap ini penulis mempelajari beberapa kajian literatur terkait dengan penelitian yang telah
dibuat oleh beberapa orang sebelumnya termasuk juga mempelajari jurnal-jurnal atau buku-buku yang berkaitan dengan sistem pakar diognosa penyakit obesitas.
4. Analisa masalah, pada tahap analisa ini penulis melakukan pengumpulan data, mempelajari dan melakukan perumusan demi mendukung penelitian ini dalam melakukan proses pengolahan data.
5. Penerapan metode, tahap ini merupakan tahap mencari keyakinan diagnosa menggunakan metode Hybrid Case Base yang dimana hasil akhir dari penelitian ini menghasilkan diagnosis yang akurat.
Berdasarkan tahapan penelitian diatas dapat digamabarkan dalam bentuk diagram sebagai berikut ini:
Gambar 1. Tahapan Penelitian 2.2 Sistem Pakar
Sistem pakar adalah sistem komputer yang dapat meniru atau meniru keterampilan seorang pakar. Pakar adalah seseorang dengan keahlian khusus yang dapat memecahkan masalah yang tidak dapat dipecahkan oleh orang
Mulai
Identifikasi Masalah
Wawancara
Studi Literatur
Analisa Masalah
Penerapan Metode
Selesai
biasa[11][12]. Dengan menggunakan sistem pakar ini, bahkan rata-rata orang bisa memecahkan masalah-masalah yang sangat kompleks yang tidak dapat diselesaikan tanpa bantuan seorang pakar. Tujuan pengembangan sistem pakar sistem pakar betujuan untuk mempermudah seseorang dalam menggunkan suatu perangkat lunak yang di adopsi dari seorang pakar tanpa menggantikan peran seorang pakar dengan baiya relative kecil[13].
2.3 Penyakit Obesitas
Penyakit Obesitas adalah penyakit yang di sebabkan kondisi tubuh seseorang yang memiliki kandungan lemak yang sangat banyak pada tubuhnya serta memiliki berat badan berlebih atau sangat gemuk. Kondisi tersebut biasanya di akibatkan dari asupan kalori yang masuk kedalam tubuh manusia melebihi dari kapasitas yang dibutuhkan oleh tubuh, dimana kondisi tersebut menimbulkan penumpukan kalori yang berubah menjadi lemak jenuh[1][14]. Kodisi tersebut menimbulkan berbagai penyakit kronis seperti penyakit diabetes, penyakit hipertesi dan penyakit jangtung koroner[2][15]. Oleh sebab itu agar tidak terjadi kondisi penyakit yang disebabkan oleh obesitas perlu penanganan serta pengetahuan sehingga tidak terlambat dalam mengambil tindakan sehingga penyakit tidak menjadi parah.
2.4 Metode Hybrid Case Base
Metode Hybrid Case Base digunakan dalam pengambilan keputusan terbaik dari sejumlah gejala atau alternatif dari penyakit yang didiagnosa. Adapun cara melakukan diagnosa yaitu menggabungkan (hybrid) dua teknik yaitu case based reasoning dan rule based reasoning[5]. Metode Hybrid Case Based ini perlu diterapkan selain mendapatkan akurasi lebih dibandingkan metode yang berdiri sendiri. Metode Rule Based Reasoning dan Case Based Reasoning memiliki kelebihan dan kekurangan masing-masing. Namun kedua sistem tersebut sangat mungkin digabungkan (hybrid) untuk mendapatkan sebuah sistem yang baik dengan gabungan kelebihan keduanya, serta untuk menutupi kekurangan masing-masing[16]. Adapun tahapan dalam penerapan metode Hybrid Case Base dalam sistempakar yaitu[17]:
1. Menetukan gejala-gejala pada penyakit
2. Mebuat pertanyaan kepada user terhadap gejala yang dialami
3. Mencari nilai tertinggi dari nilai kepercayaan terhadap gejala penyakit yang dialami dengan pengukuran Similarity Adapun rumus pengukuran Similarity yaitu [18]:
Similarit y(𝐴𝑖. 𝐵𝑖) =|𝐴𝐴𝑖.𝐵𝑖
𝑖|.|𝐵𝑖| = ∑ (𝐴𝑖∗𝐵𝑖)
𝑛𝑖=1
√∑𝒏𝒊=𝟏𝐴𝑖𝑛.∑𝑛𝑖=1=𝐵𝑖𝑛 (1)
3. HASIL DAN PEMBAHASAN
3.1 Analisa Masalah
Analisis masalah dalam kajian sistem pakar untuk mendiagnosis penyakit yang disebabkan obesitas dilakukan dengan mencari dan mengumpulkan data dan pengetahuan yang diperoleh dari seorang pakar. Agar hasil dari sistem pakar ini memiliki hasil dan analisis yang dan tersetruktur dengan jelas. Sistem ini dirancang untuk mengetahui sifat penyakit melalui konsultasi antara ahli dan peneliti. Dengan saran dari dokter spesialis, kita akan memahami gejala penyakit yang disebabkan oleh obesitas dan membuat diagnosis berupa penyakit dari gejala yang didapat. Untuk mendiagnosis suatu penyakit yang disebabkan obesitas, hal yang perlu diketahui terlebih dahulu yaitu gejala-gejala yang sudah terjadi, kemudian para ahli dapat menarik kesimpulan tentang penyakit yang dideritanya. Berdasarkan hasil konsultasi dan wawancara dengan para ahli, ada beberapa gejala penyakit yang disebabkan obesitas. Adapun daftar penyakit yang dijadikan sampel sebanyak 3 jenis penyakit yang diakibatkan obesitas dan gejala penyakitnya sebagai berikut:
Tabel 1. Penyakit Pada Obesitas
No Kode Penyakit Nama Penyakit
1 KPT1 Diabetes Tipe 2
2 KPT2 Hipertensi
3 KPT3 Jangtung Koroner
Tabel 2. Daftar Gejala Penyakit Pada Obesitas
Kode Gejala Nama Gejala Bobot
KDG1 Batuk berdarah disertai buih 1
KDG2 Batuk kering 0,4
KDG3 Dada yang menggembung 0,2
KDG4 Denyut jantung tidak teratur 0,8
Kode Gejala Nama Gejala Bobot
KDG5 Dinding perut berlipat-lipat 0,4
KDG6 Gelisah 0,4
KDG7 Gigi mudah goyah dan mudah lepas 0,2
KDG8 Henti napas sesaat 0,4
KDG9 Jantung berdebar 0,6
KDG10 Keluar darah dari hidung 1
KDG11 Kesemutan 0,6
KDG12 Konsentrasi menurun 0,6
KDG13 Kram 0,6
KDG14 Kulit terasa panas 0,4
KDG15 Laserasi dan ulserasi (luka terbuka) 0,8
KDG16 Leher relatif pendek 0,6
KDG17 Lelah berkepanjangan 0,8
KDG18 Mual 0,4
KDG19 Mudah lelah 0,6
KDG20 Mudah mengantuk 0,6
KDG21 Muntah 0,4
KDG22 Nafas dalam dan cepat 0,6
KDG23 Nafas terhenti saat tidur 0,2
KDG24 Nafsu makan bertambah tetapi berat badan turun
dengan cepat 0,6
KDG25 Ngorok 0,4
KDG26 Nyeri di dada 0,6
KDG27 Pandangan menjadi kabur 0,2
KDG28 Penurunan kesadaran 0,2
KDG29 Perut membuncit 0,2
KDG30 Poliuria (banyak kencing/sering kencing dimalam
hari) 0,6
KDG31 Pusing 0,6
KDG32 Sakit kepala 0,8
KDG33 Sakit perut 0,4
KDG34 Sesak nafas saat tidur 0,4
KDG35 Sesak nafas setelah aktivitas berat 0,4
KDG36 Stamina menurun 0,6
KDG37 Telinga berdenging 0,2
KDG38 Tengkuk terasa pegal 0,8
KDG39 Vertigo 0,6
KDG40 Wajah memerah 0,4
KDG41 Luka yang sulit sembuh 1
KDG42 Mudah terserang infeksi 0,8
Dalam konsultasi sistem, setiap pengguna diberikan jawaban dengan bobot yaitu:
Tabel 3. Terminologi Kepercayaan
Kepercayaan Bobot
Tidak 0
Tidak tahu 0,2
Sedikit yakin 0,4
Cukup yakin 0,6
Yakin 0,8
Sangat Yakin 1
Semakin pengguna melakukan kosultasi, memiliki keyakinan bahwa gejala ini benar-benar terjadi dialaminya, sehinga semakin tinggi suatu hasil persentase dari keyakinan yang diterima. Adapun proses untuk melakukan perhitungan suatu interval presentasi kepercayaan dimulai dengan pemecahan dari sebuah rule. Di bawah ini yang menujukan nilai dari presentasi suatu interval kepercayaan yang hasilnya akan didapatkan dari hasil perhitungan:
Tabel 4. Nilai Presentasi Kepastian Tingkat Presentasi Nilai Kemungkinan
0% - 50% Sedikit kemungkinan / kemungkinan kecil
51% - 79% Kemungkinan
80% - 99% Kemungkinan besar tejadi
100% Positip Terkena Penyakit
3.2 Penerapan Metode Hybrid Case Base
Sebelum menerpkan metode Hybrid Case Base terlebih dahulu melakukan pencocokan gejala pasien yang terindikasi gejala penyakit yang nantinya akan dilihat kecocokannya antara penyakit satu dengan penyakit lainnya.
Adapun bentuk rule dari gejala-gejala dalam sistem pakar untuk mendiagnosa penyakit pada penderita obesitas berdasarkan tabel dibawah ini:
Tabel 5. Data Gejala Penyakit Pada Obesitas Berdasarkan Rule
RULE IF THEN
Rule 1 KDG4;KDG5;KDG11;KDG12;KDG13;KDG15;KDG16;KDG17;KD G19;KDG20;KDG22;KDG24;KDG25;KDG27;KDG28;KDG29;KDG 30;KDG32;KDG34;KDG35;KDG36;KDG38;KDG39;KDG41;KDG42
KPT1
Rule 2 KDG2;KDG3;KDG4;KDG5;KDG6;KDG8;KDG9;KDG10;KDG11;K DG14;KDG16;KDG17;KDG18;KDG19;KDG20;KDG21;KDG22;KD G23;KDG25;KDG27;KDG28;KDG30;KDG31;KDG32;KDG35;KDG 34;KDG36;KDG37;KDG38;KDG39;KDG40
KPT2
Rule 3 KDG1;KDG2;KDG4;KDG5;KDG6;KDG7;KDG9;KDG10;KDG12;K DG13;KDG14;KDG17;KDG18;KDG19;KDG21;KDG22;KDG26;KD G28;KDG30;KDG31;KDG32;KDG33;KDG34;KDG35;KDG36;KDG 37;KDG38;KDG40;KDG42
KPT3
Adapun bentuk kaidah-kaidah dari produksi atau rule tentang penetuan penyakit penderita obesitas berupa pertanyaan berdasarkan gejala-gejala yang diderita yaitu :
1. Apakah anda mengalami batuk berdarah disertai buih?
2. Apakah anda mengalami batuk kering?
3. Apakah anda mengalami dada yang menggembung?
4. Apakah anda mengalami denyut jantung tidak teratur?
5. Apakah anda mengalami dinding perut berlipat-lipat?
6. Apakah anda mengalami gelisah?
7. Apakah anda mengalami gigi mudah goyah dan mudah lepas?
8. Apakah anda mengalami henti napas sesaat?
9. Apakah anda mengalami jantung berdebar?
10. Apakah anda mengalami keluar darah dari hidung?
11. Apakah anda mengalami kesemutan?
12. Apakah anda mengalami konsentrasi menurun?
13. Apakah anda mengalami kram?
14. Apakah anda mengalami kulit terasa panas?
15. Apakah anda mengalami laserasi dan ulserasi (luka terbuka)?
16. Apakah anda mengalami leher relatif pendek?
17. Apakah anda mengalami lelah berkepanjangan?
18. Apakah anda mengalami mual?
19. Apakah anda mengalami mudah lelah?
20. Apakah anda mengalami mudah mengantuk?
21. Apakah anda mengalami muntah?
22. Apakah anda mengalami nafas dalam dan cepat?
23. Apakah anda mengalami nafas terhenti saat tidur?
24. Apakah anda mengalami nafsu makan bertambah tetapi berat badan turun dengan cepat?
25. Apakah anda mengalami ngorok?
26. Apakah anda mengalami nyeri di dada?
27. Apakah anda mengalami pandangan menjadi kabur?
28. Apakah anda mengalami penurunan kesadaran?
29. Apakah anda mengalami perut membuncit?
30. Apakah anda mengalami poliuria (banyak kencing/sering kencing dimalam hari)?
31. Apakah anda mengalami pusing?
32. Apakah anda mengalami sakit kepala?
33. Apakah anda mengalami sakit perut?
34. Apakah anda mengalami sesak nafas saat tidur?
35. Apakah anda mengalami sesak nafas setelah aktivitas berat?
36. Apakah anda mengalami stamina menurun?
37. Apakah anda mengalami telinga berdenging?
38. Apakah anda mengalami tengkuk terasa pegal?
39. Apakah anda mengalami vertigo?
40. Apakah anda mengalami wajah memerah?
41. Apakah anda mengalami luka yang sulit sembuh?
42. Apakah anda mengalami mudah terserang infeksi?
Dari gejala-gejala penyakit pada penderita obesitas yang dijawab user memiliki nilai bobot sebagai berikut : Tabel 6. Daftar Gejala Yang Dialami Oleh User
N0 Nama Gejala Keterangan Bobot
1 Batuk berdarah disertai buih Tidak 0
2 Batuk kering Yakin 0,8
3 Dada yang menggembung Tidak tahu 0,2
4 Denyut jantung tidak teratur Yakin 0,8
5 Dinding perut berlipat-lipat Yakin 0,8
6 Gelisah Yakin 0,8
7 Gigi mudah goyah dan mudah lepas Tidak 0
8 Henti napas sesaat Tidak tahu 0,2
9 Jantung berdebar Cukup yakin 0,6
10 Keluar darah dari hidung Tidak 0
11 Kesemutan Cukup yakin 0,6
12 Konsentrasi menurun Cukup yakin 0,6
13 Kram Tidak 0
14 Kulit terasa panas Tidak Tahu 0,2
15 Laserasi dan ulserasi (luka terbuka) Yakin 0,8
16 Leher relatif pendek Cukup yakin 0,6
17 Lelah berkepanjangan Yakin 0,8
18 Mual Tidak 0
19 Mudah lelah Yakin 0,8
20 Mudah mengantuk Cukup yakin 0,6
21 Muntah Tidak 0
22 Nafas dalam dan cepat Cukup yakin 0,6
23 Nafas terhenti saat tidur Tidak 0
24 Nafsu makan bertambah tetapi berat badan turun
dengan cepat Tidak Tahu 0,2
25 Ngorok Tidak Tahu 0,2
26 Nyeri di dada Tidak Tahu 0,2
27 Pandangan menjadi kabur Yakin 0,8
28 Penurunan kesadaran Tidak Tahu 0,2
29 Perut membuncit Tidak 0
30 Poliuria (banyak kencing/sering kencing dimalam
hari) Yakin 0,8
31 Pusing Yakin 0,8
32 Sakit kepala Cukup yakin 0,6
33 Sakit perut Tidak 0
34 Sesak nafas saat tidur Tidak Tahu 0,2
35 Sesak nafas setelah aktivitas berat Yakin 0,8
36 Stamina menurun Tidak Tahu 0,2
37 Telinga berdenging Tidak 0
N0 Nama Gejala Keterangan Bobot
38 Tengkuk terasa pegal Cukup yakin 0,6
39 Vertigo Tidak 0
40 Wajah memerah Tidak 0
41 Luka yang sulit sembuh Yakin 0,8
42 Mudah terserang infeksi Tidak Tahu 0,2
Berdasarkan data gejala yang dialami user maka proses selanjutnya mencari nilai tertinggi dari nilai kepercayaan terhadap gejala penyakit yang dialami user dengan pengukuran Similarity seperti dibawah ini:
User = (Ai) dan Pasien = (Bi)
Ai =0|0,8|0,2|0,8|0,8|0,8|0|0,2|0,6|0|0,6|0,6|0|0,2|0,8|0,6|0,8|0|0,8|0,6|0|0,6|0|0,2|0,2|0,2|0,8|0,2|0|0,8|0,8|
0,6|0|0,2|0,8|0,2|0|0,6|0|0|0,8|0,2
B1 =0|0|0|0,8|0,4|0|0|0|0|0|0,6|0,6|0,6|0|0,8|0,6|0,8|0|0,6|0,6|0|0,6|0|0,6|0,4|0|0,2|0,2|0,2|0,6|0|0,8|0|0,4|
0,4|0,6|0|0,8|0,6|0|1|0,8
B2 =0|0,4|0,2|0,8|0,4|0,4|0|0,4|0,6|1|0,6|0|0|0,4|0|0,6|0,8|0,4|0,6|0,6|0,4|0,6|0,2|0|0,4|0|0,2|0,2|0|0,6|0,6|0,8 0|0,4|0,4|0,6|0,2|0,8|0,6|0,4|0|0
B3 =1|0,4|0|0,8|0,4|0,4|0,2|0|0,6|1|0|0,6|0,6|0,4|0|0|0,8|0,4|0,6|0|0,4|0,6|0|0|0|0,6|0|0,2|0|0,6|0,6|0,8|0,4|0,4|
0,4|0,6|0,2|0,8|0|0,4|0|0,8
Maka proses selajutnya melakukan pengukuran Similarity pada tiap jenis penyakit:
Similarity(𝐴𝑖. 𝐵𝑖) =|𝐴𝐴𝑖.𝐵𝑖
𝑖|.|𝐵𝑖| = ∑𝑛𝑖=1(𝐴𝑖∗𝐵𝑖)
√∑𝒏𝒊=𝟏𝐴𝑖𝑛.∑𝑛𝑖=1=𝐵𝑖𝑛
∑𝑛𝑖=1(𝐴𝑖∗ 𝐵𝑖)=
(0*0)+(0,8*0)+(0,2*0)+(0,8*0,8)+(0,8*0,4)+(0,8*0)+(0*0)+(0,2*0)+(0,6*0)+(0*0)+(0,6*0,6)+(0,6*0,6)+(0*0,6)+(0 ,2*0)+
(0,8*0,8)+(0,6*0,6)+(0,8*0,8)+(0*0)+(0,8*0,6)+(0,6*0,6)+(0*0)+(0,6*0,6)+(0*0)+(0,2*0,6)+(0,2*0,4)+(0,2*0)+(0, 8*0,2)+(0,2*0,2)+(0*0,2)+(0,8*0,6)+(0,8*0)+(0,6*0,8)+(0*0)+(0,2*0,4)+(0,8*0,4)+(0,2*0,6)+(0*0)+(0,6*0,8)+(0*0 ,6)+(0*0)+(0,8*1)+(0,2*08) = 7,84
√∑𝒏𝒊=𝟏𝐴𝑖𝑛. ∑𝑛𝑖=1= 𝐵𝑖𝑛=
(0+0,64+0,04+0,64+0,64+0,64+0+0,04+0,36+0+0,36+0,36+0+0,04+0,64+0,36+0,64+0+0,64+0,36+0+0,36+0+0,04 +0,04+0,04+0,64+0,04+0+0,64+0,64+0,36+0+0,04+0,64+0,04+0+0,36+0+0+0,64+0,04+0)*(0+0+0+0,64+0,16+0+0 +0+0+0+0,36+0,36+0,36+0+0,64+0,36+0,64+0+0,36+0,36+0+0,36+0+0,36+0,16+0+0,04+0,04+0,04+0,36+0+0,64 +0+0,16+0,16+0,36+0+0,64+0,36+0+1+0,64+0)=104,7776
∑ (𝐴1∗𝐵2)𝑛𝑖
√∑ =Ain.∑ = B𝑛𝑖 in 𝑛
𝑖
= 7,84
√104,7776 = 7,84
10,236= 0,77 = 77 %
Adapun hasil dari pengukuran Similarity pada tiap jenis penyakit terhadap pengujian data sampel dapat dilihat pada tabel dibawah ini:
Tabel 7. Hasil Pengukuran Similarity
No Kode Penyakit Nama Penyakit Similarity Persentasi
1 KPT1 Diabetes Tipe 2 0,77 77%
2 KPT2 Hipertensi 0,74 74%
3 KPT3 Jangtung Koroner 0,63 63%
Berdasarkam hasil penerapan metode metode Hybrid Case Base dalam mendignosa penyakit yang di sebabkan obesitas berdasarkan gejala-gejala penyakit yang di derita user mendapatkan hasil persentasi pengukuran similarity sebesar 77% dengan hasil diagnosa kemungkinan mengidap penyakit Diabetes Tipe 2.
4. KESIMPULAN
Dengan diselesaikannya penelitian ini tentang sistem pakar diognosa penyakit yang disebabkan obesitas. Dengan tujuan untuk memudahkan masyarakat dalam mengetahui penyakit yang disebabkan obesitas yang diderita dan dapat pengecekan scara dini. Dimana sistem pakar ini menerapkan metode Hybrid Case Base yang dimana memiliki hasil akhir dari penelitian ini menghasilkan diagnosa yang akurat dengan sampel data gejala yang digunkan serta
mendapatkan hasil persentasi pengukuran similarity sebesar 77% dengan hasil diagnosa kemungkinan mengidap penyakit Diabetes Tipe 2.
REFERENCES
[1] F. Tahel, “PENERAPAN EXPERT SYSTEM PADA ANAK BALITA UNTUK MENDETEKSI OBESITAS MENGGUNAKAN METODE CASE BASED REASONING,” J. Sist. Inf. Kaputama, vol. 2, no. 2, hal. 20–28, 2018.
[2] D. P. Delima dan R. T. Prasetio, “SISTEM PAKAR DIAGNOSA KOMPLIKASI OBESITAS PADA REMAJA MENGGUNAKAN METODE CERTAINTY FACTOR,” in eProsiding Sistem Informasi (POTENSI), 2021, hal. 51–60.
[3] S. A. Rahmah, A. Voutama, dan Susilawati, “SISTEM PAKAR DIAGNOSIS OBESITAS PADA ORANG DEWASA MENGGUNAKAN METODE BACKWARD CHAINING,” J. Inf. Technol. Comput. Sci., vol. 4, no. 2, hal. 169–177, 2021.
[4] B. H. Hayadi, Sistem Pakar. Yogyakarta: DEEPUBLISH, 2018.
[5] A. Imran, “IMPLEMENTASI SISTEM PAKAR DIAGNOSA PENYAKIT EPISTAKSIS PADA MANUSIA MENGGUNAKAN METODE HYBRID CASE BASED DAN RULE BASED REASONING,” J. Maj. Ilm. Inf. dan Teknol.
Ilm., vol. 7, no. 1, hal. 85–92, 2019.
[6] D. Kurnia, “IDENTIFIKASI OBESITAS PADA BALITA DI POSYANDU BERBASIS ARTIFICIAL INTELLIGENCE,”
J. SAINS DAN Inform. Res. Sci. Inform., vol. 4, no. 1, hal. 76–86, 2018.
[7] M. Syuheri, “SISTEM PAKAR MENDIAGNOSA PENYAKIT OBESITAS TINGGI DENGAN MENGGUNAKAN METODE DEMPSTER SHAFER,” JURIKOM (Jurnal Ris. Komputer), vol. 4, no. 4, 2017.
[8] M. Fauzan, “Sistem Pakar Mendiagnosa Penyakit Kandungan Kemih Dengan Menerapkan Metode Hybrid Case Base,” J. Inf.
DAN Teknol. Ilm., vol. 7, no. 3, hal. 264–268, 2020.
[9] A. L. SP, “Sistem Pakar Mendiagnosa Penyakit Kolera Menerapkan Metode Hybrid Case Based,” Heal. Contemp. Technol.
J., vol. 1, no. 1, hal. 13–19, 2020.
[10] Rizky Delilah Rambe, “Sistem Pakar Mendiagnosa Penyakit Kanker Usus Besar Pada Manusia Dengan Menerapkan Metode Hybrid Case Based,” J. Ris. Komput., vol. 6, no. 6, hal. 606–611, 2019.
[11] R. Wahyuni, “Jurnal APLIKASI SISTEM PAKAR UNTUK DIAGNOSA PENYAKIT CAMPAK DAN PENCEGAHAN DENGAN METODE FORWARD CHAINING BERBASIS WEB,” J. Ilmu Komput., vol. 8, no. 2, 2019.
[12] D. Aldo, “Sistem Pakar Diagnosis Hama Dan Penyakit Bawang Merah Menggunakan Metode Dempster Shafer,”
KOMPUTIKA J. Sist. Komput., vol. 9, no. 2, 2020.
[13] S. Nelly Astuti Hasibuan, Hery Sunandar, Senanti Alas, “SISTEM PAKAR MENDIAGNOSA PENYAKIT KAKI GAJAH MENGGUNAKAN METODE CERTAINTY FACTOR,” JURASIK (Jurnal Ris. Sist. Inf. dan Tek. Inform., vol. 2, no. 1, 2017.
[14] U. I. Tiara, “Hubungan Obesitas dengan Kejadian Hipertensi,” J. Heal. Sci. Physiother., vol. 2, no. 2, hal. 167–171, 2020.
[15] R. Dewi dan W. Verina, “RANCANG BANGUN SISTEM PAKAR PENENTUAN DIET SEHAT BERDASARKAN TIPE GENOTIPE MENGGUNAKAN TEOREMA BAYES,” J. Teknol. Inf. Techno.Com, vol. 17, no. 2, hal. 11–121, 2018.
[16] A. Romadhony, S. Saadhah, dan M. A. Irfandi, “Implementasi Sistem Pakar Diagnosa Penyakit Gigi Dan Mulut Menggunakan Metode Hybrid Case Based dan Rule Based Reasoning,” in Indonesia Symposium On Computing, 2015, hal. 2460–3295.
[17] E. D. Simanjuntak, H. Sunandar, dan R. K. Hondro, “Implementasi Metode Hybrid Case-Based Reasoning Untuk Mendiagnosa Pengidap Penyakit Post-Traumatic Stress Disorder(PTSD),” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 2, hal. 256–263, 2020.
[18] P. Tarigan, “SISTEM PAKAR UNTUK MENDIAGNOSA PENYAKIT DISENTRI DENGAN MENGGUNAKAN METODE HYBRID CASE BASED,” J. Tek. Inform. Kaputama, vol. 2, no. 1, hal. 105–114, 2018.
