Perbandingan Metode Dempster-Shafer dan Certainty Factor Untuk Mendiagnosa Jenis Gangguan Bipolar Berbasis Website

(1)

Perbandingan Metode Dempster-Shafer dan Certainty Factor Untuk Mendiagnosa Jenis Gangguan Bipolar Berbasis Website

Hindriyani Mardikaningtiyas^*, Septi Andryana

Fakultas Teknologi Komunikasi dan Informatika, Sistem Informasi, Universitas Nasional, Jakarta, Indonesia Email: ¹[email protected], ²[email protected]

Email Penulis Korespondensi: [email protected]

Abstrak−Bipolar merupakan penyakit mental yang dapat mengalami transformasi emosional yang sangat drastis. Gangguan bipolar dapat menggangu aktivitas penderita apabila tidak dideteksi sejak awal. Penderita gangguan bipolar pada umumnya sangat sulit untuk mengkontrol keadaan atau suasana hatinya dan membutuhkan penanganan yang tepat dari seorang pakar.

Sistem pakar dalam mendiagnosa jenis gangguan bipolar dibangun pada penelitian ini dengan menggunakan perbandingan metode Depmster-Shafer dan Certainty Factor berbasis website. Harapan utama dari aplikasi sistem pakar ini adalah untuk memudahkan para pakar dalam mendiagnosa jenis gangguan bipolar serta mempercepat proses konsultasi. Selain itu, penelitian ini bertujuan untuk membandingan kedua metode tersebut untuk mengetahui metode yang terbaik. Hasil perhitungan akurasi pada penelitian ini yaitu perbandingan metode Certainty Factor sebesar 93% sementara itu metode Dempster Shafer sebesar 80% maka dapat disimpulkan bahwa metode certainty factor lebih baik digunakan dalam melakukan diagnosa jenis gangguan bipolar karena memiliki tingkat akurasi yang lebih tinggi.

Kata Kunci: Gangguan Bipolar; Metode Certainty Factor; Metode Dempster-Shafer; Sistem Pakar.

Abstract−Bipolar is a mental illness that have very drastic emotional transformation. Bipolar disorders can interfere sufferer's activity if it has not been detected early. In general, the bipolar disorders sufferers difficult to control their circumstan ces or moods and it requires the proper treatment of the expert. An expert system to diagnose the kind of bipolar disorders built on this study using comparative methods of Depmster-Shafer and certainty factor based on website. The main expectation of this expert system application is to make it easier for the expert to diagnose bipolar disorders as well as to speed up the consultation process. In addition, this study aims to compare the two methods to determine the best method. The accuracy of this study is 93% of the certainty factor method while for the Dempster-Shafer method is 80% which can be summarized that certainty factor method is better than Dempster-Shafer in diagnose bipolar disorders because it has a higher degree of accuracy.

Keywords: Certainty Factor Method; Dempster-Shafer Method; Expert System; Bipolar Disorder.

1. PENDAHULUAN

Bipolar merupakan penyakit mental yang dapat mengalami transformasi emosinal yang sangat drastis, sehingga penderita dapat merasa sangat senang serta dapat merasa sangat terpuruk [1]. Gangguan bipolar sangat dapat menggangu aktivitas penderita apabila tidak dideteksi sejak awal. Salah satu gangguan mental atau kejiwaan yang paling membahayakan yaitu adalah gangguan bipolar, terkait dengan tingkat bunuh diri sekitar 20-30 kali lipat dari populasi umum [2]. Selain itu bipolar merupakan salah satu gangguan jiwa yang dianggap memiliki tingkat kepercayaan penderita untuk melakukan bunuh diri [3]. Solusi yang tepat untuk melakukan diagnosa sejak awal bagi pendertia gangguan bipolar adalah dengan menggunakan aplikasi sistem pakar yang dapat memudahkan para ahli atau pakar dalam melakukan diagnosa jenis gangguan bipolar.

Sistem pakar bertujuan untuk mengambil pengetahuan yang mendetail dari seorang ahli dalam menangani masalah [4]. Perbadingan metode Dempster-Shafer dan Certainty Factor digunakan pada penelitian ini. Untuk mendiagnosis sutau jenis penyakit digunakan metode Dempster-Shafer yang mengadaptasi nilai keyakinan dari pakar. Sedangkan metode Certainty Factor adalah metode untuk memperlihatkan besarnya nilai keyakinan dengan membuktikan suatu fakta pasti atau tidak pasti. Perbandingan metode Dempster-Shafer dan Certainty Factor sangat cocok untuk digunakan karena kedua metode tersebut mampu menunjang ketidakpastian pemikiran dari seorang pakar terhadap masalah yang dihadapi terkait jenis gangguan yang diderita [5].

Pada penelitian ini sistem pakar dibuat berbasis website dengan memanfaatkan Profesional Home Page (PHP) sebagai bahasa pemrogramannya dan MySQL sebagai database. Sistem pakar ini bertujuan untuk mendiagnosa jenis gangguan bipolar yang dapat memudahkan pakar dalam melakukan diagnosa terhadap jenis gangugan bipolar yang diderita oleh pasien, Jenis penyakit bipolar yang dapat didiagnosa menggunakan sistem ini yaitu jenis bipolar I, bipolar II, Unipolar atau depresi mayor dan siklotimia [6].

Adapun penelitian yang telah dilakukan sebelumnya yang berkaitan pada penlitian ini. Penelitian tentang

“Implementasi Metode Forward Chaining dan Certainty Factor Dalam Mendiagnosa Autism Anak Berbasis Website”. Hasil pengujian terhadap nilai akurasinya dari sistem yang dibuat sebesar 98 %. Hal tersebut menunjukan metode tersebut memiliki tingkat akurasi yang cukup tinggi untuk mendiagnosa suatu penyakit [7].

Penelitian tentang “Expert System to Diagnose Diseases of Mental Health with Forward Chaining and Certainty Factor” Hasil pengujian terhadap nilai akurasi metode Certainty Factor sebesar 95,52%. Hasil dari penggunaan kedua metode dalam sistem pakar adalah persentase kepercayaan diri pengguna yang menderita depresi berdasarkan bobot gejala yang diberikan oleh pengguna [8]. Penelitian tentang “Implementasi Certainty Factor Dalam Sistem Pakar Untuk Melakukan Diagnosa Dan Terapi Penyakit Gangguan Jiwa”. Hasil pengujian terhadap nilai akurasinya dari sistem yang dibuat sebesar 93%, dari 15 sampel data [9]. Penelitian tentang “Sistem Pakar

(2)

Diagnosa Gangguan Kecemasan Menggunakan Metode Certainty Factor Berbasis Website”. Hasil pengujian terhadap nilai akurasinya dari sistem yang dibuat sebesar 95,1% [10]. Penelitian tentang “Expert System Application for Diagnosing of Bipolar Disorder with Certainty Factor Method Based on Web and Android”.

Penelitian pada sistem tersebut dapat digunakan oleh member, expert dan administrator. Dalam sistem ini juga terdapat informasi penting tentang gangguan bipolar dan halaman forum untuk anggota dan pakar. Aplikasi ini dirancang hanya untuk mendiagnosis gangguan bipolar, sehingga kedepannya diharapkan dapat ditambah dengan gangguan mental lainnya [11]. Penelitian tentang “Perbandingan Metode Certainty Factor dan Dempster-Shafer untuk sistem pakar Depresi Pasca Melahirkan”. Hasil pada penelitian tersebut yaitu metode Certainty factor dengan nilai akurasi 90% dan metode Dempster-Shafer 70%. Pada penelitian tersebut disimpulkan metode Certainty Factor lebih unggul digunakan[12].

Berdasarkan beberapa riset sebelumnya, terdapat beberapa kasus yang menggunakan metode Dempster Shafer dan Certainty Factor, namun hasil kedua metode tersebut pada pemecahan studi kasus yang dilakukan memiliki hasil akurasi yang berbeda karena setiap metode memiliki kelebihan dan kekurangannya maisng masing.

Maka tujuan dari penelitian ini yaitu dengan membandingkan metide Dempster Shafer dan Certainty Factor untuk mengetahui emtode yang lebih efektif untuk diimplemntasikan pada kasus untuk mendiagnosa jenis gangguan bipolar.

2. METODOLOGI PENELITIAN

2.1 Tahapan Penelitian

Tahapan penelitian ini dapat dilihat pada Gambar 1 yang terdiri dari tahapan studi literatur, pengumpulan data, perancangan sistem, pengujian sistem, dan kesimpulan. Tahap pertama adalah melakukan studi literatur dengan kegiatan membaca serta mencatat dari penelitian-penelitian sebelumnya. Kemudian pengumpulan data dan informasi yang dilaksanakan pada riset ini yaitu dengan melakukan wawancara melalui media online bersama seorang pakar psikolog untuk mengetahui gejala dan aturan penyakit dalam mendiagnosa jenis gangguan bipolar serta kebutuhan apa saja yang diperlukan dalam penelitian terkait dengan gangguan bipolar, serta melakukan studi pustaka melalui beberapa artikel, buku pedoman DSM V dan PPDGJ, dan jurnal sebelumnya yang terkait dengan penelitian.

Gambar 1. Tahapan Proses Penelitian

Tahap perancangan sistem menggunakan metode Waterfall. Tahapan perancangan yang sudah dilakukan pada penelitian ini pada metode tersebut yaitu [13]:

a. Analisis

Melakukan analisa terhadap gejala dan aturan penyakit dalam mendiagnosa jenis gangguan bipolar.

b. Desain

Melakukan rancangan desain sistem yang meliputi desain arsitektur sistem, desain diagram alur dan desain user interface.

c. Kode program

Pada tahap ini dilakukan pengkodean untuk membangun sebuah aplikasi berbasis website untuk mendiagnosa jenis gangguan bipolar. Riset ini menggunakan bahasa PHP, SQL sebagai database, dan Bahasa pemrograman dukungan lainya yaitu HTML, CSS, dan Java Script.

d. Testing

Pengujian sistem dengan melakukan pengujian fungsionalitasnya pada setiap fitur yang tersedia dan melihat apakah aplikasi sudah berjalan sesuai yang diinginkan.

2.2 Metode Dempster-Shafer

Pada umunya, Dempster-Shafer dapat didefinisikan pada sebuah interval Belief atau kepercayaan dan plausibility reasoning atau pemikiran yang masuk akal. Belief atau dapat diistilahkan dengan Bel merupakan parameter keyakinan atau kepastian evidence dalam mendukung himpunan proposisi [14]. Apabila nilainya 0 dapat diindikasikan tidak terdapat evidence, dan apabila nilainya 1 dapat diindikasikan terdapat evidence. Sedangkan parameter ketidakyakinan atau ketidakpastian pada evidence disebut plausibility atau dapat diistilahkan Pls.

Tingkat kepastian dari evidence dapat dikurangi dengan plausibility. Plausibility memiliki nilai 0 sampai dengan 1. Nilai Pls(X) dapat diindikasikan sama dengan nol apabila yakin terhadap nilai X’, maka nilai Bel(X’) = 1 [14].

(3)

Belief function dapat dirumuskan :

𝐵𝑒𝑙(𝑥) = ∑ 𝑌⊏ (𝑋) 𝑚1(X) (1) Plausibility function dapat dirumuskan : .

𝑃𝑙𝑠(𝑋) = 1 − 𝐵𝑒𝑙(𝑋) = 1 − ∑ 𝑌⊏ (𝑋) 𝑚1(X) (2) Keterangan :

Bel(X) = Nilai keyakinan terhadap penyakit X yang menderita gejala 1.

Pls(X) = Nilai ketidakyakinan terhadap penyakit X yang menderita gejala 1.

X = Jenis penyakit yang menderita gejala 1.

Y = Jenis penyakit yang menderita gejala 2.

m1(X) = Tingkat keyakinan.atau.dengan istilah lain adalah mass function dari evidence (X).

Mass function (m) merupakan ukuran keyakinan dari evidence. Mass function dapat dirumuskan : 𝑚3(𝑍) = ∑𝑋∩𝑌=𝑍 𝑚1(𝑋).𝑚2(𝑌)

1−∑𝑋∩𝑌=∅𝑚1(𝑋).𝑚2(𝑌) (3)

dimana:

m3(Z) = Tingkat keyakinan dari evidence (Z).

m1(X) = Tingkat keyakinan dari evidence (X).

m2(Y) = Tingkat keyakinan dari evidence (Y).

Nilai kepercayaan suatu gejala dilakukan dengan cara memberikan daftar pertanyaan kepada seorang pakar dalam hal ini adalah seorang psikolog. Nilai diagnosis alternatif jawaban yang dapat dipilih yaitu:

Tabel 1. Tabel Nilai kepercayaan

No. Kepercayaan Terhadap Suatu Gejala Nilai kepercayaan

1. Sangat Setuju 1

2. Setuju 0.85

3. Netral 0.5

4. Tidak Setuju 0.25

5. Sangat Tidak Setuju 0.05

2.3 Metode Certainty Factor

Certainty Factor merupakan metode untuk memperlihatkan besarnya nilai keyakinan dengan membuktikan suatu fakta pasti atau tidak pasti. Dalam beberapa kasus banyak didapati dalih yang tidak lengkap kepastiannya.

Ketidakpastiannya dapat berupa probabilitas atau probabilitas yang bergantung pada hasil dari sebuah acara [15].

Certainty Factor dapat dirumuskan sebagai berikut :

CF [H, E] = MB [H,E] – MD [H,E] (4)

dimana:

MB [H, E] = Parameter kepercayaan terhadap hipotesis H yang dipengaruhi gejala E yang memiliki nilai 0 - 1 MD [H, E] = Parameter ketidakpercayaan pada hipotesis H yang dipengaruhi gejala E yang..memiliki..nilai. 0 - 1 Beberapa kombinasi Certainty Factor akan beragam kondisi [16] :

a. Aturan terhadap satu premis :

CF (H, E) = CF(E)*CF(rule)

= CF(user)*CF(pakar) (5)

b. Aturan terhadap kesimpulan yang mempunyai persamaan :

CFkombinasi (CF1, CF2) = CF1 + CF2*(1-CF1) (6)

3. HASIL DAN PEMBAHASAN

3.1 Perancangan Sistem 3.1.1 Flowchart Aplikasi

Flowchart merupakan bagan alur untuk menjelaskan alur sebuah sistem. Pada sistem untuk diagnosa jenis gangguan bipolar user menginput gejala yang dirasakan kemudian sistem akan menghitung menggunakan metode Certainty Factor dan Dempster Shafer, setelah diinput maka sistem akan menampilkan hasil diagnosa dan solusinya.

(4)

Gambar 2. Flowchart Sistem Pakar Diagnosa Jenis Gangguan Bipolar 3.1.2 Use Case Diagram

Dalam menggambarkan interaksi dan hubungan antara user dan sistem dapat menggunakan use case diagram.

Dalam sistem untuk diagnosa jenis gangguan bipolar terdapat dua pengguna seperti pada Gambar 3.

Gambar 3. Use Case Sistem Aplikasi 3.1.3 Activity Diagram

Activity diagram diimplementasikan untuk menjelaskan suatu kegiatan atau alur kerja sebuah sistem. Activity diagram dalam sistem pakar diganosa penyakit mental ditunjukan pada berikut :

Gambar 4. Diagram activity

(5)

3.2 Analisis Data

Hasil analisis data yang dibutuhkan dalam riset ini yaitu :

Tabel 2. Data Gejala [17].

Kode Penyakit Nama Gejala

G001 Pernah merasa memiliki energi lebih besar dan sangat bersemangat untuk melakukan aktivitas sekurangnya 7 hari berturut-turut

G002 Pernah merasa memiliki energi lebih besar dan sangat bersemangat untuk melakukan aktivtas sekurangnya 4 hari berturut-turut

G003 Merasa sangat senang hampir setiap saat selama 7 hari atau lebih

G004 Merasa sangat senang hampir setiap saat sekurangnya 4 hari secara berturut-turut G005 Merasa mudah marah

G006 Merasa mudah sakit hati G007 Merasa mudah terbawa perasaan G008 Mengalami kesulitan untuk tidur G009 Lebih banyak berbicara dari biasanya G010 Mengalami peningkatan aktivitas yang positif

G011 Mengalami distractibility (yaitu mudah mengalihkan perhatian terhadap rangsangan..

dari luar..yang tidak berkaitan)

G012 Gejala yang dirasakan cukup berat dan dapat mengganggu aktivitas sehari hari G013 Mengalami halusinasi

G014 Merasa tertekan hampir setiap hari

G015 Tidak memiliki minat/ kesenangan secara nyata G016 Berat badan menurun atau meningkat secara drastis G017 Nafsu makan berkurang atau meningkat

G018 Merasa gelisah, jengkel, dan marah yang umunya dapat membuat anda mondar mandir atau meremas remas tangan tanpa henti setiap hari

G019 Merasa lelah berlebihan..atau..kehilangan energi hampir.setiap.hari

G020 Merasa tidak dihargai atau merasa bersalah..yang..berlebihan..atau..tidak berguna hampir setiap hari

G021 Memiliki upaya untuk bunuh diri

G022 Tidak merasakan sedih yang tidak wajar (misal: tidak merasa sedih terhadap kematian seseorang yang dicintai)

G023 Sulit berkonsentrasi

G024 Memiliki dorongan seksual yang rendah G025 Lebih agresif

Tabel 3. Data Penyakit

Kode Penyakit Nama Penyakit

P001 Bipolar I

P002 Bipolar II

P003 Unipolar

P004 Siklotimia

Tabel 4. Data Relasi

Kode Gejala Bipolar I Bipolar II Unipolar Siklotimia Bobot

G001  0.85

G002  0.85

G003  0.85

G004  0.85

G005  0.85

G006  0.85

G007  0.5

G008    0.5

G009   0.85

G010   0.85

G011   0.85

G012    0.85

G013  1

G014   0.85

G015   0.85

(6)

Kode Gejala Bipolar I Bipolar II Unipolar Siklotimia Bobot

G016     0.85

G017     0.85

G018   0.85

G019     1

G020     0.85

G021   0.85

G022   0.25

G023     1

G024  0.85

G025  0.85

3.3 Perhitungan Certainty Factor

Indikasi yang dirasakan oleh user dan dinputkan kedalam sistem : Tabel 5. Indikasi Gejala

No. Nama Penyakit Nama Gejala MB MD

1. Bipolar I G001 1 0

G003 1 0

G008 0.9 0.01

G009 0.9 0

G010 0.9 0

2. Bipolar II G008 0.9 0.01

G009 0.9 0

G010 0.9 0

3. Unipolar G008 0.9 0

Perhitungan nilai MB pada penyakit bipolar I untuk gejala pertama dan kedua : a. MB = 1 + (1 x (1-1))

MB = 1 + (1 x 0 ) = 1

Perhitungan.pertama diperoleh nilai MB..sementara yang akan digunakan untuk nilai MB lama pada perhtiungan gejala ketiga :

b. MB = 1 + (0.9 x (1-1)) MB = 1 + (0.9 x 0 ) = 1

Perhitungan kedua diperoleh nilai MB..sementara yang akan digunakan untuk nilai MB lama pada perhitungan gejala keempat :

c. MB = 1 + (0.9 x (1-1)) MB = 1 + (0.9 x 0 ) = 1

Perhitungan ketiga diperoleh nilai MB sementara yang akan digunakan untuk nilai MB lama pada perhitungan gejala kelima :

d. MB = 1 + (0.9 x (1-1)) MB = 1 + (0.9 x 0 ) = 1

Perhitungan nilai MD penyakit bipolar I untuk gejala pertama dan kedua a. MD = 0 + ( 0 x (1 – 0))

MD = 0

b. MD = 0 + ( 0.01 x (1 – 0)) MD = 0 + 0.01

MD = 0.01

c. MD = 0.01 + ( 0 x (1 – 0.01)) MD = 0.01 + (0 x 0.99) MD = 0.01

d. MD = 0.01 + ( 0 x (1 – 0.01)) MD = 0.01 + 0

MD = 0.01

Berdasarkan hasil MB dan MD maka dapat dihitung CF yaitu sebagai berikut : CF = MB – MD

CF = 1 – 0.01 CF = 0.99

Setelah melakukan perhitungan Certainty Factor untuk penyakit Bipolar I, selanjutnya yaitu melakukan perhitungan Certainty Factor untuk penyakit bipolar II dan unipolar sesuai dengan gejala yang diinputkan seperti perhitungan sebelumnya. Adapun hasil hari perhitungan tersebut yaitu :

(7)

CF Bipolar II = 0.989 CF Unipolar = 0.9

Dari gejala yang telah diinputkan, jenis gangguan bipolar yang mungkin terjadi yaitu adalah bipolar I dengan nilai kepercayaan sebesar 99%.

3.4 Perhitungan Dempster-Shafer

G001: Pernah merasa memiliki energi lebih besar dan sangat bersemangat untuk melakukan aktivtas sekurangnya 7 hari berturut-turut.

m1 {P001} = ^0.85

1− 0 = 0.85 m1 {ϴ} = 1 – 0.85 = 0.15

G003: Merasa sangat senang hampir setiap saat selama 7 hari atau lebih.

m2 {P001} = ^0.85

1− 0 = 0.85 m2 {ϴ} = 1 – 0.85 = 0.15

Tabel 6. Mass Function Terhadap Dua Gejala

m1

m2

P001 0.85

ϴ 0.15

P001 0.85

P001 0.7225

P001 0.1275

ϴ 0.15

P001 0.1275

ϴ 0.0225

Sehingga diperoleh nilai m3 sebagai berikut : m3 {P001} = 0.7225 +0.1275+0.1275

1− 0 = 0.9775 m3 {ϴ} ^0.0225_{1− 0} = 0.0225

G008: Mengalami kesulitan untuk tidur m4 {P001, P002, P003} = _{1− 0}^0.5 = 0.5 m4 {ϴ} = 1- 0.5 = 0.5

Tabel 7. Mass Function Terhadap Tiga Gejala

m3 m4

P001,P002,P003 0.5 ϴ 0.5 P001 0.9775 P001 0.48875 P001 0.48875 ϴ 0.0225 P001,P002,P003 0.01125 ϴ 0.01125 Sehingga diperoleh nilai m5 sebagai berikut :

m5 {P001} = 0.48875 + 0.48875

1− 0 = 0.9775 m5 {P001, P002, P003} = ^0.01125

1− 0 = 0.01125 m5 {ϴ} = ^0.01125_{1− 0} = 0.01125

G009: Lebih banyak berbicara dari biasanya m6 {P001, P002} = _{1− 0}^0.85 = 0.85

m6 {ϴ} = 1 – 0.85 = 0.15

Tabel 8. Mass Function Terhadap Empat Gejala

m5 m6

P001,P002 0.85 ϴ 0.15 P001 0.9775 P001 0.830875 P001 0.146625 P001,P002,P003 0.01125 P001,P002 0.0095625 P001,P002,P003 0.0016875 ϴ 0.01125 P001,P002 0.0095625 ϴ 0.0016875 Sehingga diperoleh nilai m7 sebagai berikut :

m7 {P001} = 0.830875 + 0.146625

1− 0 = 0.9775 m7 {P001, P002} = 0.0095625+ 0.0095625

1− 0 = 0.019125 m7 {P001, P002, P003}= ^0.0016875

1− 0 = 0.0016875 m7 {ϴ} = ^0.0016875_{1− 0} = 0.0016875

(8)

G010 : Mengalami peningkatan ektivitas yang positif m8 {P001,P002} = _{1− 0}^0.85 = 0.85

m8 {ϴ} = 1 – 0.85 = 0.15

Tabel 9. Mass Function Terhadap Lima Gejala

m7 m8

P001,P002 0.85 ϴ 0.15 P001 0.9775 P001 0.830875 P001 0.146625 P001, P002 0.019125 P001,P002 0.01625625 P001,P002 0.002866875 P001,P002,P003 0.01125 P001,P002 0.0095625 P001,P002,P003 0.0016875 ϴ 0.01125 P001,P002 0.0095625 ϴ 0.0016875 m9{P001} = 0.830875 + 0.146625

1− 0 = 0.9775

m9 {P001, P002} = 0.01625625 + 0.0095625+0.0095625+0.002866875

1− 0 = 0.038248125

m9 {P001, P002,P003} =^0.0016875

1− 0 = 0.016875 m9 {ϴ} = ^0.0016875_{1− 0} = 0.016875

Dari gejala yang telah diinputkan, jenis gangguan yang mungkin terjadi yaitu bipolar I dengan nilai tingkat kepercayaan sebesar 97%.

3.5 Implementasi Sistem

Adapun tampilan aplikasi untuk mendiagnosa jenis gangguan bipolar menggunakan metode Certainty Factor dan Demspter-Shafer berbasis website yaitu terdapat halama awal, halaman login, halaman konsultasi, halaman hasil konsultasi, halaman input gejala, penyakit dan relasinya.

Gambar 7. Halaman Konsultasi

Pada Gambar 7 merupakan tampilan antarmuka untuk melakukan konsultasi dengan mengklik gejala yang sesuai dengan yang dirasakan. Pada halaman tersebut terdapat button submit untuk melihat hasil diagnosa. Pada Gambar 8 dan Gambar 9 dibawah ini menunjukan tampilan antarmuka hasil diagnosa dengan metode Certainty Factor dan hasil diagnosa dengan metode Dempster Shafer. Pada tampilan tersebut terdapat daftar gejala yang telah diinputkan dan hasil diagnosa serta penanganan yang tepat pada jenis penyakit yang diderita.

Gambar 8. Tampilan hasil diagnosa metode Certainty Factor

Gambar 9. Tampilan Hasil Diagnosa metode Dempster-Shafer 3.6 Pengujian Akurasi

Pengujian akurasi terhadap metode Certainty Factor dan Dempster-Shafer dilakukan dengan memberikan 15 kasus yang terjadi pada penderita. Adapun hasil perbandingan kedua metode tersebut yaitu:

(9)

Tabel 10. Pengujian Akurasi Kasus

ke-

Hasil diagnosa pakar

Hasil diagnosa certainty factor

Hasil diagnosa dempster shafer

Nilai CF

Nilai DS

1 P001 P001 P001 Sesuai Sesuai

2 P001/P002 P002 P002 Sesuai Sesuai

3 P003 P001 P001, P002, P003 Tidak

sesuai

Tidak Sesuai

5 P001/P004 P001 P002 Sesuai Tidak

sesuai

9 P003/P004 P003 P001, P002,P003 Sesuai Tidak

Sesuai

12 P001/P002 P001 P001 Sesuai Sesuai

Jumlah Sesuai 14 12

Nilai akurasi Certainty Factor : ¹⁴₁₅ x 100% = 93,3%

Nilai akurasi Dempster Shafer : ¹²

15 x 100 % = 80%

Berdasarkan hasil pengujian akurasi sesuai pada Tabel 6. dari 15 kasus yang diberikan, metode Certainty Factor menghasilkan hasil diagnosa penyakit yaitu 9 nilai sesuai dan 1 nilai tidak sesuai sedangkan metode Dempster-Shafer menghasilkan diagnosa penyakit yaitu 7 nilai sesuai dan 3 nilai tidak sesuai. Pada pengujian metode dempster shafer terdapat pada kasus terdapat 3 kasus tidak sesuai antara diagnose dengan sistem dan diagnosa oleh pakar atau diagnosa yang dilakukan secara manual.

4. KESIMPULAN

Metode Certainty Factor dan Dempster-Shafer dapat digunakan untuk mengindikaskan suatu jenis gangguan bipolar. Hasil hitung akurasi yang dilakukan terhadap metode Certainty Factor yaitu 93% sedangkan hasil perhitungan metode Dempster-Shafer yaitu 80%. Maka metode Certainty Factor lebih baik untuk diimplementasikan. Implementasi sistem yang dihasilkan yaitu berupa aplikasi sistem pakar untuk mendiagnosa jenis gangguan bipolar dengan berbasis website dengan menghasilkan informasi berupa hasil diagnosa dan cara penanganannya. Pada riset riset berikutnya penulis mengharapkan aplikasi yang sudah dibentuk dapat dikembangkan menggunakan pengembangan android sehingga dapat diimplemtasikan lebih mudah dan luas.

Diharapkan pula pada riset selanjutnya agar mampu mengembangkan aplikasi pada kasus yang lainnya.

REFERENCES

[1] D. R. Fadli, “Gangguan Bipolar,” www.halodoc.com, 2021. https://www.halodoc.com/kesehatan/gangguan-bipolar.

[2] J. Cox, S. Seri, and A. Cavanna, “Clinical Guidelines on Long-Term Pharmacotherapy for Bipolar Disorder in Children and Adolescents,” J. Clin. Med., vol. 3, no. 1, pp. 135–143, 2014, doi: 10.3390/jcm3010135.

[3] F. F. Banfatin, “Identifikasi Peningkatan Keberfungsian Sosial dan Penurunan Risiko Bunuh Diri Bagi Penderita Gangguan Kesehatan Mental Bipolar Disorder Di Kota Medan Melalui Terapi Pendampingan Psikososial,” pp. 1–16.

[4] J. C. Giarratano and G. D. Riley, Expert systems: principles and programming. Brooks/Cole Publishing Co., 2005.

[5] M. H. Rifqo, D. A. Prabowo, and M. Haura, “Perbandingan Metode Certainty Factor dan Dempster-Shafer Pada Sistem Pakar Diagnosa Penyakit Gigi dan Mulut,” J. Inform. Upgris, vol. 5, no. 2, 2019, doi: 10.26877/jiu.v5i2.4225.

[6] D. R. Fadli, “Kenali Lebih Dalam Jenis Jenis Gangguan Bipolar,” www.halodoc.com, 2020.

https://www.halodoc.com/artikel/kenali-lebih-dalam-jenis-jenis-gangguan-bipolar.

[7] T. F. Kusumanagara, F. Fauziah, and D. Hidayatullah, “Implementasi Metode Forward chaining dan Certainty factor dalam Mendiagnosa Autisme Anak Berbasis Web,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 5, no. 4, p. 362, 2021, doi: 10.35870/jtik.v5i4.224.

[8] N. K. Ariasih, “Expert System to Diagnose Diseases of Mental Health with Forward Chaining and Certainty Factor,”

Wahana Mat. dan Sains J. Mat. Sains, dan Pembelajarannya, vol. 14, no. 1, pp. 28–41, 2020.

[9] Taufiq and S. Natarsyah, “Implementasi Cartainty Factor Dalam Sistem Pakar Untuk Melakukan Diagnosa Dan Terapi Penyakit Gangguan Jiwa,” Jutisi, vol. 5, no. 3, pp. 1173–1310, 2016.

[10] H. Suhendi and A. Supriadi, “Sistem pakar Diagnosa Gangguan Kecemasan Menggunakan Metode Certainty Factor,”

NARATIF(Jurnal Ilm. Nas. Ris. Apl. dan Tek. Inform., vol. 02, no. 02, pp. 13–23, 2020.

[11] A. Muhammad, B. Hendrik, and R. Iswara, “Expert System Application for Diagnosing of Bipolar Disorder with

(10)

Certainty Factor Method Based on Web and Android,” J. Phys. Conf. Ser., vol. 1339, no. 1, 2019, doi: 10.1088/1742- 6596/1339/1/012020.

[12] Y. Yunitasari, A. Voutama, and N. Sulistiyowati, “Perbandingan Metode Certainty Factor dan Dempster Shafer untuk Sistem Pakar Depresi Pasca Melahirkan,” Techno.Com, vol. 20, no. 3, pp. 362–371, 2021, doi: 10.33633/tc.v20i3.4905.

[13] S. Wahyuni, S. Batubara, and S. Fatimah, “Implementasi Sistem Pakar Dalam Mendiagnosa Penyakit Psikopat Menggunakan Metode Forwad Chaining,” Pros. …, vol. 1, pp. 747–751, 2019, [Online]. Available:

http://bulletin.indoms-acehsumut.org/index.php/simantap/article/view/234.

[14] D. Hastari and F. Bimantoro, “Sistem Pakar untuk Mendiagnosis Gangguan Mental Anak Menggunakan Metode Dempster Shafer,” J-Cosine, vol. 2, no. 2, pp. 71–79, 2018.

[15] G. V. G. Putri, “Sistem pakar diagnosa mental ilness sikosis dengan menggunakan metode certainty factor,” J. Inovtek Polbeng - Seri Inform., vol. 3, no. 2, pp. 164–168, 2018.

[16] A. S. Sembiring et al., “Implementation of Certainty Factor Method for Expert System,” J. Phys. Conf. Ser, vol. 1255, pp. 1–7, 2019.

[17] A. P. Assoc, Diagnostic and Statistical Manual of Mental Disorders (DSM-5). 2013.