Pengembangan Sistem Pakar Diagnosa Penyakit Diabetes Mellitus Menggunakan Metode Forward Chaining

(1)

UJIAN AKHIR SEMESTER SISTEM PAKAR

Pengembangan Sistem Pakar Diagnosa Penyakit Diabetes Mellitus (DM) Menggunakan Metode Forward Chaining

Dosen Pengampu :

Dr. Muhammad Munsarif S. Kom., M. Kom

Disusun oleh :

Denaya Ferrari Noval Agatra C2C021047

PROGRAM STUDI INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNIVERSITAS MUHAMMADIYAH SEMARANG

TAHUN 2023/2024

(2)

i DAFTAR ISI

BAB I ... 1

PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Tujuan Penelitian ... 1

1.3 Manfaat Penelitian ... 2

BAB II ... 3

LANDASAN TEORI ... 3

2.1 Metode Forward Chaining ... 3

2.2 Diabetes Mellitus ... 3

2.3 Analisis Basis Pengetahuan ... 4

2.4 Analisis Kebutuhan Proses ... 5

2.5 Perancangan Use Case Diagram ... 6

BAB III ... 8

HASIL DAN PEMBAHASAN ... 8

3.1 Implementasi Forward Chaining ... 8

3.2 Pembahasan Aplikasi Dekstop (Tkinter) ... 10

BAB IV ... 12

PENUTUP ... 12

4.1 Kesimpulan ... 12

4.2 Saran ... 12

(3)

1 BAB I PENDAHULUAN

1.1 Latar Belakang

Diabetes mellitus adalah salah satu penyakit kronis yang terjadi ketika pankreas tidak memproduksi cukup insulin atau ketika tubuh tidak dapat menggunakan insulin yang dihasilkan secara efektif. Insulin adalah hormon penting yang mengatur kadar gula darah (Umar, R., 2017). Kekurangan insulin atau ketidakmampuan tubuh untuk menggunakannya secara efektif menyebabkan hiperglikemia, yaitu peningkatan kadar gula darah yang tidak terkendali, yang pada akhirnya dapat merusak berbagai organ tubuh, termasuk saraf (Umar, R., 2017 &

Wardani, A.K., 2014).

Selama pandemi COVID-19, banyak orang merasa takut atau khawatir untuk pergi ke rumah sakit. Hal ini menimbulkan kebutuhan akan sistem yang dapat membantu masyarakat dalam mendeteksi gejala Diabetes Mellitus (DM) secara mandiri (Wardani, A.K., 2014 & Pradana, M.G., 2018). Dengan menggunakan teknologi sistem pakar, dapat dikembangkan aplikasi yang mampu memprediksi berbagai jenis penyakit DM berdasarkan gejala yang dilaporkan oleh pengguna (Pradana, M.G., 2018).

Sistem pakar ini diharapkan dapat memberikan solusi yang sering kali dilakukan oleh para ahli medis dalam mendiagnosis tingkatan penyakit DM (Suwarso, G.A.F., 2015 & Alkaff, M., 2019). Berdasarkan kebutuhan ini, dibuatlah sistem pakar deteksi Diabetes berbasis Android menggunakan metode Forward Chaining. Metode ini dipilih karena mampu memberikan keputusan berdasarkan gejala yang diinput oleh pengguna secara cepat dan akurat, sehingga diharapkan dapat membantu dalam penanganan dini dan pengelolaan penyakit DM (American Diabetes Association, 2009).

1.2 Tujuan Penelitian

Tujuan dari penelitian ini adalah:

(4)

2

1. Mengembangkan sistem pakar yang mampu mendiagnosa penyakit Diabetes Mellitus (DM) secara akurat berdasarkan gejala-gejala yang dilaporkan oleh pengguna menggunakan metode Forward Chaining.

2. Mempermudah deteksi dini penyakit DM dengan menyediakan alat bantu diagnostik yang mudah diakses oleh masyarakat, terutama di masa pandemi di mana kunjungan ke fasilitas kesehatan dibatasi.

3. Meningkatkan kesadaran masyarakat mengenai pentingnya deteksi dini dan pengelolaan penyakit DM dengan memberikan informasi yang relevan dan saran medis berdasarkan diagnosis yang dihasilkan oleh sistem.

4. Mengevaluasi efektivitas metode Forward Chaining dalam sistem pakar untuk diagnosa DM dan memastikan bahwa metode ini memberikan hasil yang akurat dan dapat diandalkan.

.

1.3 Manfaat Penelitian

Adapun beberapa manfaat dari penelitian ini adalah:

1. Memberikan aksesibilitas yang lebih besar kepada masyarakat untuk melakukan diagnosis awal terhadap gejala-gejala DM tanpa harus mengunjungi fasilitas kesehatan secara langsung, terutama di masa pandemi.

2. Mengurangi waktu dan biaya yang diperlukan untuk mendiagnosa DM dengan menyediakan alat bantu yang dapat digunakan kapan saja dan di mana saja.

3. Membantu penderita DM dalam mengelola penyakit mereka dengan lebih baik melalui diagnosis awal dan saran tindak lanjut yang disesuaikan dengan kondisi mereka.

4. Menyediakan data yang dapat digunakan untuk penelitian lebih lanjut dalam bidang kesehatan dan teknologi, terutama yang berkaitan dengan penggunaan sistem pakar dan metode Forward Chaining.

5. Memberikan edukasi kepada masyarakat tentang gejala-gejala DM dan pentingnya penanganan dini, yang dapat berkontribusi pada pencegahan komplikasi lebih lanjut dari penyakit ini.

(5)

3 BAB II

LANDASAN TEORI

2.1 Metode Forward Chaining

Forward Chaining adalah sebuah metode penalaran yang dimulai dari fakta atau data yang ada untuk menarik kesimpulan berdasarkan fakta tersebut. Metode ini merupakan bentuk deduksi yang memulai dengan informasi yang sudah diketahui dan mencari kebenaran baru dengan mengaplikasikan aturan yang relevan. Proses ini berlangsung dengan menguji realitas yang ada untuk menemukan informasi yang tersembunyi, kemudian melanjutkan sampai tujuan akhir tercapai, sesuai dengan aturan yang diterapkan berdasarkan fakta yang diketahui (Umar, R., 2017).

Forward Chaining bekerja dengan memulai dari data input yang tersedia dan bergerak menuju kesimpulan yang diinginkan. Metode ini menggunakan aturan- aturan yang terdiri dari kondisi dan tindakan. Dalam strategi ini, informasi dimasukkan ke dalam memori kerja untuk diproses dengan tujuan mencapai output tertentu (Wardani, A.K., 2014).

Forward Chaining digunakan dalam situasi di mana terdapat beberapa aturan yang dapat memberikan kesimpulan yang berbeda. Metode ini juga memungkinkan adanya berbagai cara untuk mencapai satu atau lebih jawaban.

Salah satu kelebihan dari Forward Chaining adalah kemampuannya untuk menyediakan bukti yang kuat karena metode ini mengeksplorasi berbagai kemungkinan yang ada. Berdasarkan penjelasan ini, kita akan mengeksplorasi kondisi-kondisi yang akan ditambahkan ke dalam sistem untuk diproses lebih lanjut (Pramesti, A.A., 2016).

2.2 Diabetes Mellitus

Diabetes Mellitus, atau yang lebih dikenal sebagai penyakit gula, adalah penyakit kronis yang mempengaruhi sistem metabolisme karbohidrat, lemak, dan protein dalam tubuh manusia. Diabetes Mellitus (DM) terjadi karena gangguan pada sistem kekebalan tubuh yang disebabkan oleh ketidakmampuan tubuh untuk

(6)

4

memproduksi hormon insulin dengan baik. Insulin adalah hormon yang sangat penting untuk mengatur kadar gula dalam darah (Umar, R., 2017).

Penyakit ini terbagi menjadi dua jenis utama, yaitu Diabetes Mellitus tipe 1 (DM Tipe 1) dan Diabetes Mellitus tipe 2 (DM Tipe 2).

1. Diabetes Mellitus Tipe 1 (DMTI):

DM Tipe 1 adalah kondisi di mana tubuh tidak dapat memproduksi insulin sama sekali. Ini biasanya disebabkan oleh kerusakan autoimun pada sel beta pankreas yang memproduksi insulin. DM Tipe 1 sering disebut sebagai diabetes yang bergantung pada insulin, karena penderita harus menggunakan suntikan insulin setiap hari untuk mengatur kadar gula darah mereka. Kondisi ini umumnya didiagnosis pada anak-anak dan remaja, meskipun bisa juga terjadi pada orang dewasa.

2. Diabetes Mellitus Tipe 2 (DMTTI):

DM Tipe 2 adalah kondisi di mana tubuh tidak dapat menggunakan insulin dengan efektif (resistensi insulin) atau tidak memproduksi cukup insulin untuk menjaga kadar gula darah tetap normal. DM Tipe 2 lebih umum terjadi pada orang dewasa, terutama yang memiliki faktor risiko seperti obesitas, gaya hidup sedentari, dan riwayat keluarga dengan diabetes. Meskipun tidak selalu membutuhkan suntikan insulin, penderita DM Tipe 2 mungkin memerlukan obat oral dan perubahan gaya hidup untuk mengelola kondisi mereka.

2.3 Analisis Basis Pengetahuan

Analisis berbasis pengetahuan melibatkan identifikasi kebutuhan sistem untuk memberikan klarifikasi yang tepat dan memenuhi persyaratan hasil. Peneliti menangani kebutuhan ini dengan menjelaskan secara detail bagaimana framework akan berfungsi, bentuk apa yang digunakan, dan bagaimana proses input informasi akan diolah oleh sistem untuk menghasilkan keluaran (tampilan akhir dari framework). Input yang dibutuhkan oleh sistem terdiri dari dua jenis, yaitu input khusus dari admin dan input dari pengguna (klien).

(7)

5

Hasil analisis kebutuhan ini menghasilkan kerangka aplikasi yang digunakan untuk menganalisis gejala Diabetes Mellitus (DM). Strategi analisis ini terdiri dari dua tahap utama:

1. Penyusunan Informasi:

Tahap ini melibatkan pengumpulan dan pengorganisasian informasi yang dibutuhkan untuk mendiagnosa DM. Informasi ini mencakup data gejala, aturan diagnosa, dan pengetahuan medis terkait.

2. Penyusunan Rencana Program:

Tahap ini mencakup desain dan pengembangan program yang akan digunakan untuk memproses informasi input dan menghasilkan diagnosa. Program ini menggunakan metode Forward Chaining untuk menganalisis gejala yang dilaporkan oleh pengguna dan memberikan hasil diagnosa yang sesuai.

Kerangka aplikasi ini dirancang untuk memberikan antarmuka yang intuitif bagi pengguna, memungkinkan mereka untuk memasukkan gejala yang mereka alami dan menerima diagnosa serta saran tindak lanjut. Sistem ini juga menyediakan antarmuka admin yang memungkinkan pengelolaan data dan aturan diagnosa secara efisien.

2.4 Analisis Kebutuhan Proses

Dalam pengembangan sistem pakar untuk mendiagnosa Diabetes Mellitus (DM), diperlukan basis pengetahuan yang lengkap dan sistematis. Basis pengetahuan ini mencakup hubungan antara gejala dan penyakit yang relevan, yang bertujuan untuk memastikan bahwa proses inferensi berjalan dengan sempurna.

1. Basis Pengetahuan (Knowledge Base):

Basis pengetahuan terdiri dari hubungan berbagai gejala dan penyakit yang berkaitan. Data ini dikumpulkan dan diorganisasikan sedemikian rupa agar sistem dapat menggunakannya untuk mendiagnosa penyakit secara akurat.

2. Basis Regulasi (Rules Base):

Basis regulasi adalah aturan-aturan yang disusun berdasarkan pengetahuan yang ada. Aturan-aturan ini dirancang secara sistematis dan terarah untuk mendukung proses inferensi dalam sistem pakar. Dengan adanya basis regulasi

(8)

6

yang jelas, sistem dapat mengambil keputusan berdasarkan gejala yang diinput oleh pengguna.

Penggabungan kedua elemen ini, yaitu basis pengetahuan dan basis regulasi, memungkinkan sistem pakar untuk melakukan diagnosa dengan tepat dan efisien.

Sistem ini dirancang untuk memberikan hasil yang akurat dan dapat diandalkan, sehingga pengguna dapat menerima diagnosa dan saran tindak lanjut yang sesuai dengan kondisi mereka.

2.5 Perancangan Use Case Diagram

Perancangan use case diagram digunakan untuk membantu dalam membangun sistem pakar penyakit diabetes, dengan menggunakan desain UML untuk mempermudah visualisasi dalam pembuatan aplikasi. Tahapan-tahapan perancangannya meliputi:

1. Informasi Data Penyakit:

Bagian ini mencakup data penyakit yang terdiri dari diagnosa, definisi, dan solusi yang terkait dengan penyakit diabetes.

2. Deteksi Gejala:

Tahap ini dimulai dengan pemilihan gejala-gejala yang telah terdaftar. Gejala- gejala tersebut kemudian diproses untuk menentukan apakah pengguna memiliki kemungkinan terkena penyakit diabetes atau tidak.

3. Hasil Deteksi:

Setelah gejala dipilih dan diproses, sistem akan memberikan hasil deteksi yang menunjukkan kemungkinan pengguna terkena diabetes atau hasil lain di luar gejala diabetes.

(9)

7

Gambar 1. Diagram Use Case

(10)

8 BAB III

HASIL DAN PEMBAHASAN

3.1 Implementasi Forward Chaining Implementasi Forward Chaining

Tabel 1. Basis Pengetahuan

No Kode Penjelasan Gejala

1 G01 Mempunyai riwayat dari keluarga yang memiliki diabetes 2 G02 Riwayat pernah melahirkan dengan berat badan bayi lebih atau

sama dengan 4 kg 3 G03 Mual dan muntah 4 G04 Gangguan pada gusi 5 G05 Gangguan penglihatan

6 G06 Sering mengantuk (terutama pada pagi hari) padahal tidur cukup 7 G07 Sering merasa lapar

8 G08 Sering merasa pusing 9 G09 Sering merasa gelisah 10 G10 Sering merasa haus

11 G11 Sering ingin buang air kecil 12 G12 Usia kurang dari 30 tahun

13 G13 Makan banyak tanpa menambah berat badan 14 G14 Sering terjadi kram

15 G15 Konsentrasi mudah terganggu 16 G16 Sering pingsan

17 G17 Banyak keringat, terutama keringat dingin

18 G18 Adanya penyakit diabetes yang diturunkan faktor 19 G19 Nyeri dan mati rasa pada kaki

20 G20 Sering diare

21 G21 Perasaan sentuhan kurang sensitif 22 G22 Kesemutan pada kaki dan lengan

(11)

9 23 G23 Gangguan seksual

24 G24 Hilangnya kemampuan melihat 25 G25 Penglihatan kabur

26 G26 Penglihatan warna terganggu 27 G27 Katarak pada mata

28 G28 Hilangnya nafsu makan 29 G29 Mata bengkak

30 G30 Badan terasa lemas 31 G31 Urine susah

32 G32 Insomnia (sulit tidur) 33 G33 Gatal di area kemaluan 34 G34 Sering merasa lelah

35 G35 Bisul sering muncul di badan

36 G36 Rentan terhadap infeksi, baik itu di gusi, mulut, dan kulit 37 G37 Luka lama sembuh

38 G38 Sering buang air kecil lebih dari lima kali sehari

Pada tabel 1 memaparkan 38 basis pengetahuan gejala penyakit diabetes.

Tabel 2. Rules

No Rules Diagnosis

1 IF G01 AND G02 AND G03 THEN Diabetes Tipe 1

2 ELSE IF G04 AND G05 THEN Diabetes Tipe 2

3 ELSE IF G06 AND G07 THEN Diabetes Tipe 1

9 IF G01 AND G10 AND G11 AND G38 THEN Prediabetes

10 IF G02 AND G25 AND G27 THEN Prediabetes

(12)

10

11 IF G10 AND G11 AND G19 THEN Gestational

Diabetes

12 IF G03 AND G19 AND G24 THEN Gestational

Diabetes 13 IF G01 AND G02 AND G03 AND G10 THEN Gestational

Diabetes

Tabel 2 merupakan tabel yang berisi 22 rules dari metode forward chaining sesuai dengan gejala penyakit diabetes. Dimana setiap gejala memiliki rules yang berbeda.

3.2 Pembahasan Aplikasi Dekstop (Tkinter)

Pengembangan aplikasi desktop untuk sistem pakar diagnosa Diabetes Mellitus (DM) menggunakan Tkinter merupakan langkah strategis untuk menyediakan alat yang mudah diakses oleh pengguna. Tkinter, sebagai pustaka GUI (Graphical User Interface) standar untuk Python, menawarkan kemudahan dalam pengembangan antarmuka pengguna yang interaktif dan intuitif. Dalam bab ini, akan dibahas secara mendetail mengenai desain, implementasi, dan fitur utama dari aplikasi yang telah dikembangkan.

Desain antarmuka pengguna pada aplikasi ini difokuskan pada kemudahan penggunaan dan kenyamanan pengguna. Aplikasi ini memulai dengan tampilan awal yang menampilkan judul "Aplikasi Diagnosa Diabetes Mellitus" yang diikuti dengan nama pengembang dan NIM, yaitu Denaya Ferrari Noval Agtara

(13)

11

(C2C021047). Pada halaman utama, pengguna akan menemukan daftar gejala yang dapat dipilih melalui checkbox. Setiap gejala dijelaskan dengan singkat namun jelas, sehingga pengguna dapat dengan mudah mengidentifikasi gejala yang mereka alami.

Mesin inferensi pada aplikasi ini menggunakan metode Forward Chaining.

Forward Chaining adalah teknik penalaran yang memulai dari fakta-fakta yang ada (gejala-gejala yang dipilih oleh pengguna) untuk mencapai kesimpulan (diagnosa).

Dalam aplikasi ini, setelah pengguna memilih gejala-gejala yang mereka rasakan, mesin inferensi akan memproses data tersebut menggunakan basis pengetahuan yang telah disusun, dan menghasilkan diagnosa yang sesuai. Diagnosa ini disertai dengan saran-saran medis yang relevan untuk membantu pengguna dalam mengambil langkah selanjutnya.

Gambar 2. Antarmuka Aplikasi

(14)

12 BAB IV PENUTUP

4.1 Kesimpulan

Kesimpulan dari proyek pengembangan sistem pakar untuk diagnosa penyakit Diabetes Mellitus (DM) menggunakan metode Forward Chaining menunjukkan bahwa aplikasi desktop berbasis Tkinter ini berhasil mencapai tujuan utamanya. Aplikasi ini dirancang untuk mempermudah pengguna dalam mendeteksi gejala-gejala Diabetes Mellitus secara dini, memberikan diagnosa yang akurat, serta memberikan saran medis yang relevan. Dengan antarmuka yang user- friendly, pengguna dapat dengan mudah memilih gejala yang mereka alami dan menerima diagnosa serta saran tindak lanjut. Mesin inferensi Forward Chaining yang diimplementasikan mampu memproses input gejala dan memberikan diagnosa yang tepat berdasarkan basis pengetahuan yang telah disusun. Selain itu, fitur diagnosa dan saran medis dalam aplikasi ini memberikan nilai tambah yang signifikan bagi pengguna dalam mengelola kondisi kesehatan mereka. Uji coba dan umpan balik dari pengguna menunjukkan respon positif, menegaskan bahwa aplikasi ini efektif dalam membantu deteksi dini dan memberikan informasi bermanfaat mengenai Diabetes Mellitus.

4.2 Saran

Berdasarkan hasil dan pengalaman dari proyek ini, beberapa saran untuk pengembangan lebih lanjut adalah mengembangkan versi mobile dari aplikasi ini untuk meningkatkan aksesibilitas dan kenyamanan pengguna, memungkinkan mereka untuk menggunakan aplikasi ini kapan saja dan di mana saja melalui perangkat seluler. Integrasi dengan data kesehatan pengguna dari perangkat wearable atau aplikasi kesehatan lainnya dapat meningkatkan akurasi diagnosa dan memberikan wawasan yang lebih komprehensif mengenai kondisi kesehatan pengguna. Selain itu, menambahkan fitur edukasi yang memberikan informasi lebih mendalam mengenai Diabetes Mellitus, termasuk pencegahan, pengelolaan, dan perawatan dapat membantu pengguna dalam meningkatkan pemahaman

(15)

13

mereka tentang penyakit ini. Memperbarui dan memperluas basis pengetahuan dengan data dan penelitian terbaru tentang Diabetes Mellitus secara rutin akan meningkatkan keakuratan dan efektivitas diagnosa yang diberikan oleh sistem.

Terakhir, mengadakan kolaborasi dengan tenaga medis profesional untuk mendapatkan masukan dan validasi terhadap diagnosa dan saran yang diberikan oleh aplikasi akan meningkatkan kredibilitas dan kepercayaan pengguna. Dengan mengikuti saran-saran tersebut, aplikasi ini dapat menjadi alat yang lebih efektif dan komprehensif dalam membantu pengguna mendeteksi dan mengelola Diabetes Mellitus, serta memberikan kontribusi positif dalam bidang kesehatan.

(16)

14

DAFTAR PUSTAKA

Umar, R., Mariana, A.R. and Purnamasari, O., 2017. Perancangan Sistem Pakar Diagnosa Penyakit Diabetes Melitus Menggunakan Metode Forward chaining Berbasis Web. Jurnal Sisfotek Global, 7.

Wardani, A.K., Santoso, N. and Asmara, R.A., 2014. Sistem Pakar Diagnosa Penyakit Diabetes Melitus. Jurnal Informatika Polinema, 1(1), pp.65-65.

Pradana, M.G., Pamekas, B.W. and Kusrini, K., 2018. Perancangan Sistem Pakar Untuk Mendiagnosa Penyakit Diabetes Mellitus Menggunakan Metode Certainty factor Design Expert System for Diagnosing Diabetes Mellitus Using Certainty factor Method. Creative Communication and Innovative Technology Journal, 11(2), pp.182-191.

Suwarso, G.A.F., Budhi, G.S. and Dewi, L.P., 2015. Sistem Pakar untuk Penyakit Anak Menggunakan Metode Forward chaining. Jurnal Infra, 3(2), pp.18-24.

Alkaff, M., Khatimi, H., Sari, Y., Darmawan, P. and Primananda, R., 2019. Sistem Pakar Berbasis Android untuk Mendeteksi Jenis Perilaku ADHD Pada Anak. Jurnal Teknologi Informasi dan Ilmu Komputer, 6(2), pp.135-140.

American Diabetes Association, 2009. Diagnosis and classification of diabetes mellitus. Diabetes care, 32(Supplement 1), pp.S62-S67.

Hustinawaty, R.A., 2014. The development of web based expert system for diagnosing children disease using php and mysql. International Journal of Computer Trends and Technology (IJCTT), 10(4), pp.197-202.

Pramesti, A.A., Arifudin, R. and Sugiharti, E., 2016. Expert System for Determination of Type Lenses Glasses using Forward chaining Method.

Scientific Journal of Informatics, 3(2), pp.177- 188.

Josephine, M.S. and Jeyabalaraja, V., 2012. Expert System and Knowledge Management for Software Developer in Software Companies. vol, 2, pp.243-247.

Naik, V.M. and Lokhanday, S., 2012. Building a legal expert system for legal reasoning in specific domain-A survey. International Journal of Computer Science & Information Technology, 4(5), p.175