Sistem Pakar Mendiagnosa Penyakit Sistem Kardiovaskuler Pada Lansia Dengan Menggunakan Metode Case Based Reasoning

(1)

Sistem Pakar Mendiagnosa Penyakit Sistem Kardiovaskuler Pada Lansia Dengan Menggunakan Metode Case Based Reasoning

Remita Meliana Sidabutar

Program Studi Teknik Informatika, STMIK Budi Darma, Medan, Indonesia Jalan Sisingamangaraja No. 338 Medan, Indonesia

Abstrak

Kebiasaan pola makan yang tidak sehat dapat menimbulkan dampak yang tidak baik bagi kesehatan, dan dapat beresiko terkena penyakit, dalam hal ini penyakit sistem kardiovaskuler.Orang awam sering salah menganggap gejala umum yang dirasakan sebagai gejala penyakit jantung dan sering menduga-duga tanpa memiliki pengetahuan yang jelas mengenai penyakit sistem kardiovaskuler.Sistem pakar saat ini sangat berkembang, dimana sistem pakar dapat memberikan pengetahuan yang dirancang untuk memodelkan kemampuan menyelesaikan masalah layaknya seorang pakar. Sistem pakar dikembangkan agar dapat membantu tugas-tugas para ahli dengan bantuan sebuah sistem yang memiliki pengetahuan, tanpa harus ada seorang pakar yang bekerja ditempat tersebut. Salah satu metode yang digunakan dalam sistem pakar adalah metode case based reasoning.

Metode case based reasoning adalah salah satu metode yang menitikberatkan pemecahan masalah pada knowledge (pengetahuan) dari kasus-kasus sebelumnya. Namun dalam mengetahui nilai kepastian berdasarkan kemiripan gejala-gejala dengan kasus terdahulu digunakan metode certainty factor.

Kata Kunci: Sistem Pakar, Sistem Kardiovaskuler, Metode Case Based Reasoning, Metode Certainty Factor.

Abstract

Habits of unhealthy eating patterns can have an adverse effect on health, and can be at risk of disease, in this case cardiovascular system disease. Laypeople often mistakenly think of common symptoms that are felt as symptoms of heart disease and often guess without having knowledge clear about the disease of the cardiovascular system. Expert systems are currently highly developed, where expert systems can provide knowledge designed to model the ability to solve problems like an expert. An expert system was developed in order to be able to assist the tasks of experts with the help of a system that has knowledge, without having to have an expert working in that place. One method used in expert systems is the case based reasoning method.

The case based reasoning method is one method that focuses on solving problems in knowledge from previous cases. But in knowing the value of certainty based on the similarity of symptoms with the previous case, the certainty factor method was used.

Keywords: Expert System, Cardiovascular System, Case Based Reasoning Method, Certainty Factor Method.

1. PENDAHULUAN

Sistem kardiovaskuler merupakan salah satu sistem utama yang ada pada tubuh manusia.Sistem kardiovaskuler memiliki dua jalur sirkuler utama yaitu sirkuit paru-paru yang mengedarkan darah melalui paru-paru dan sirkuit sistemis yang melayani kebutuhan jaringan-jaringan tubuh.Pada dasarnya banyak gejala gangguan kardiovaskuler hampir serupa dengan gejala atau tanda gangguan lain. Hal ini sering kali menyebabkan orang awam salah menganggap gejala umum yang dirasakan sebagai gejala penyakit jantung dan bahkan masyarakat sering menduga-duga tanpa memiliki pengetahuan yang jelas mengenai penyakit kardiovaskuler. Gangguan kardiovaskuler biasanya baruakan ditemukan setelah melakukan pemeriksaan fisik.Sistem pakar dikembangkan agar dapat membantu tugas-tugas para ahli dengan bantuan sebuah sistem yang memiliki pengetahuan, tanpa harus ada seorang pakar yang bekerja ditempat tersebut. Metode case based reasoning atau penalaran berbasis kasus merupakan sebuah metodologi yang menggunakan pengalaman atau kasus yang lama agar dapat mengerti dan menyelesaikan masalah atau kasus yang baru.Secara garis besar tahapan penyelesaian masalah menggunakan metode case based reasonig dibagi menjadi 4 tahapan, diantaranya retrietive, reuse, revise, retain..

2. LANDASAN TEORI

2.1 Kecerdasan Buatan

Kecerdasan berasal dari bahasa inggris “Artificial Intelligence” atau disingkat AI, yaitu intellegence adalah kata sifat yang berarti cerdas, sedangkan artificial artinya buatan. Kecerdasan buatan yang dimaksud disini merujuk pada mesin yang mampu berpikir, menimbang tindakan yang akan diambil, dan mampu mengambil keputusan seperti yang dilakukan manusia[4].

2.2 Sistem Pakar

Sistem pakar sebagai kecerdasan buatan, menggabungkan pengetahuan dan fakta-fakta serta teknik penelusuran untuk memecahkan permasalahan yang secara normal memerlukan keahlian seorang pakar.Tujuan pengembangan sistem pakar adalah mensubsitusikan pengetahuan dan pengalaman pakar diberbagai bidang, seperti bidang pertanian, kelautan, bisnis, pendidikan, ilmu pengetahuan, telekomunikasi, geologi dan meteorologi, kesehatan dan pengobatan, komunikasi dan transportasi[5].

(2)

2.3 Case Based Reasoning

Sistem penalaran komputer berbasis kasus (Case Based Reasoning) merupakan sistem yang bertujuan untuk menyelesaikan suatu kasus baru dengan cara mengadaptasi solusi-solusi yang terdapat kasus-kasus sebelumnya yang mirip dengan kasus baru tersebut. Defenisi sistem penalaran komputer berbasis kasus menurut Riesbeck dan Schank (1989) adalah sebagai berikut : “Sebuah penalaran berbasiskan kasus memecahkan masalah dengan menggunakan atau mengadaptasi solusi lama” [7].

2.4 Tahapan Sistem Penalaran Komputer Berbasis Kasus

Ada 4 tahapan proses yang ada di dalam sistem penalaran komputer berbasis kasus, yaitu [7]:

1. Retrieve, mendapatkan kasus-kasus yang mirip

2. Reuse, menggunakan kembali kasus-kasus yang ada dan dicoba untuk menyelesaikam suatu masalah 3. Revise, merubah dan mengadopsi solusi yang ditawarkan jika perlu

4. Retain, memakai solusi baru sebagai bagian dari kasus baru, kemudian kasus baru diupdate kedalam basis kasus.

Gambar 1. Tahapan Sistem Penalaran Komputer Berbasis Kasus

3. ANALISA DAN PEMBAHASAN

Penyakit kardiovaskuler merupakan sebab kematian terbesar pada populasi lansia, pada golongan-golangan usia senja penyakit kardiovaskuler memang merupakan salah satu penyakit yang banyak ditemui, malah mungkin penyakit yang terbanyak diderita. Faktor penting yang dapat menyebabkan seseorang dapatberesiko terserang penyakit jantung koroner adalah kebiasaan pola makan yang tidak baik, merokok, tekanan darah tinggi, kolesterol yang tinggi, kelebihan berat badan dan kurang olahraga.Berikut adalah gejala-gejala yang terdapat pada penyakit jantung koroner yaitu sebagai berikut :

Tahapan yang dilakukan pada sistem penalaran case based reasoning adalah tahapan retrieve, reuse, revise, retain, setelah melakukan ke empat tahapan tersebut tahapan selanjutnya mencari nilai kemiripan (similarity) yang akan digunakan untuk mengetahui kesamaan atau kemiripan antara kasus-kasus yang tersimpan dalam basis kasus dengan kasus yang baru, kasus yang dengan nilai similarity paling besar dianggap sebagai kasus yang paling mirip, nilai similarity berkisar antara 0 dan 1. Sedangkan metode certatinty factor (CF) digunakan untuk mencari nilai kepastian penyakit dengan menghitung nilai probabilitas gejala pada penyakit.

Adapun analisa terhadap sistem pakar yang dibangun merupakan rule yang menerapkan metode CBR dan CF. Di dalam logika metode CF pada sesi penginputan sistem, pengguna diberi pilihan untuk memilih bobot keyakinan yang masing-masing memiliki bobot sebagai berikut :

(3)

Tabel 2. Terminologi Kepastian

No Terminologi Kepastian Bobot Kepastian

1 Pasti 1

2 Hampir Pasti 0.8-0.9

3 Cukup Pasti 0.6-0.7

4 Kurang Pasti 0.4-0.5

5 Ragu 0.1-0.3

6 Tidak Pasti 0

User melakukan penginputan gejala kasus baru, dapat dilihat pada table 3 sebagai berikut : Tabel 3. Input Gejala Kasus Baru

Inputan Konsultasi Gejala Yang Di inputkan 1 G1, G2, G3, G5, G8, G9, G11, G12, G13 Tabel 4. Menentukan Kemiripan Kasus Baru Dengan Kasus Lama

Tabel 5. Kasus Baru Yang Mirip Kasus Terdahulu

Keterangan Gejala

Jantung Koroner G1, G2, G3, G4, G5, G6, G7, G8, G9, G10, G11, G12, G13 Kasus Baru G1, G2, G3, G5, G8, G9, G11, G12, G13

Pada sesi penginputan sistem, user diberi jawaban yang masing-masing memiliki bobot sebagai berikut : Pilihan jawaban “Ya” = 1

Pilihan jawaban “Tidak” = 0

Tabel 4. Perbandingan Gejala Penyakit

Jantung Koroner Bobot User Bobot

Kepastian Kode Gejala Kasus Lama Kode Gejala Kasus Baru

G1 G1 0.8 1

G2 G2 0.8 1

G3 G3 0.8 1

G4 0.8 0

G5 G5 0.4 1

G6 0.4 0

G7 0.4 0

Kode

Gejala Gejala Jantung

Koroner

Gejala Baru G1 Nyeri dada disertai dengan keluarnya keringat dingin sekaligus seperti

tercekik. 1 1

G2 Nyeri dada seperti tertindih beban berat yang dapat menjalar ke lengan

kiri dan rahang kanan. 1 1

G3 Nyeri dada seperti terbakar di tengah-tengah dada. 1 1

G4

Angin duduk (biasanya dirasakan sebagai nyeri tertindih didada terutama dada sebelah kiri, dan disertai dengan keringat dingin serta mual).

1

G5 Mual. 1 1

G6 Pusing. 1

G7 Keringat dingin. 1

G8 Muntah. 1 1

G9 Sesak nafas. 1 1

G10 Penyumbatan pembuluh darah koroner jantung bagian bawah. 1

G11 Tekanan darah tinggi (hipertensi). 1 1

G12 Kenaikan kadar kolesterol. 1 1

G13 Ketidaknormalan tensi darah. 1

(4)

G8 G8 0.4 1

G9 G9 0.4 1

G10 0.8 0

G11 G11 0.8 1

G12 G12 0.8 1

G13 G13 0.8 1

Proses menghitung nilai similarity (kemiripan) kasus terdahulu dengan kasus baru diformulasikan dengan rumus (3.1), sebagai berikut:

𝑇 = 𝑛𝑋1 + 𝑛𝑋2 + 𝑛𝑋3 + 𝑛𝑋𝑛 𝑁

𝑇 = (1 ∗ 0.8) + (1 ∗ 0.8) + (1 ∗ 0.8) + (0 ∗ 0.8) + (1 ∗ 0.4) + (0 ∗ 0.4) + 0.8 + 0.8 + 0.8 + 0.8 + 0.4 + 0.4 + 0.4 + 0.4 + 0.4 +

(0 ∗ 0.4) + (1 ∗ 0.4) + (1 ∗ 0.4) + (0 ∗ 0.8)(1 ∗ 0.8) + (1 ∗ 0.8) + (1 ∗ 0.8) 0.8 + 0.8 + 0.8 + 0.8

𝑇 = 6

8.4= 0.7142

Kemudian menghitung nilai CF, dengan menggunakan rumus (3.2) yaitu sebagai berikut:

CF[H,E]1 = CF[H]1 * CF[E]1 = 1 * 0.8

= 0.8

CF[H,E]2 = CF[H]2 * CF[E]2 = 1 * 0.8

= 0.8

CF[H,E]3 = CF[H]3 * CF[E]3 = 1 * 0.8

= 0.8

CF[H,E]4 = CF[H]5 * CF[E]4 = 1 * 0.4

= 0.4

CF[H,E]5 = CF[H]5 * CF[E]5 = 1 * 0.4

= 0.4

CF[H,E]6 = CF[H]6 * CF[E]6 = 1 * 0.4

= 0.4

CF[H,E]7 = CF[H]7 * CF[E]7 = 1 * 0.8

= 0.8

CF[H,E]8 = CF[H]8 * CF[E]8 = 1 * 0.8

= 0.8

CF[H,E]9 = CF[H]9 * CF[E]9 = 1 * 0.8

= 0.8

Langkah selanjutnya adalah mengkombinasikan nilai CF dari kaidah dengan menggunakan rumus (3.3) dan (3.4), yaitu sebagai berikut:

Cfcombine CF[H,E]1,2 = CF[H,E]1 + CF[H,E]2 * (1- CF[H,E]1)

= 0.8 + 0.8 * (1 – 0.8)

= 0.8+0.8*0.2

= 0.8+0.16

= 0.96 old

Cfcombine CF[H,E]old1,3 = CF[H,E]old + CF[H,E]3 * (1- CF[H,E]0ld)

= 0.96 + 0.8 * (1 – 0.96)

= 0.992 old2

Cfcombine CF[H,E]old2,4 = CF[H,E]old2 + CF[H,E]4 * (1- CF[H,E]0ld2)

= 0.992 + 0.4 * (1 – 0.992)

= 0.9952 old3

(5)

Cfcombine CF[H,E]old3,5= CF[H,E]old3 + CF[H,E]5 * (1- CF[H,E]old3 ) = 0.9952 + 0 * (1 – 0.9952)

= 0.99712 old4

Cfcombine CF[H,E]old4,6 = CF[H,E]old4 + CF[H,E]6 * (1- CF[H,E]old4 )

= 0.99712 + 0.4 * (1 – 0.99712) = 0.998272 old5

= 0.998272 + 0.8 * (1 – 0.998272 = 0.9996544 old6

= 0.9996544 + 0.8 * (1 – 0.9996544)

= 0.99993088 old7

= 0.99993088 + 0.8 * (1 – 0.99993088) = 0.999986176 old8

CF[H,E]old8 * 100 = 0.999986176 * 100 = 99.99%

Dengan demikian dapat dikatakan bahwa terdapat kemiripan pada kasus terdahulu dengan nilai 71.42%

dan perhitungan nilai CF mendiagnosa penyakit sistem kardiovaskuler (jantung koroner) memiliki persentase kemungkinan 99.99%.

4. IMPLEMENTASI

Adapun hasil dari tampilan program pada penelitian ini:

1. Menu Utama

Menu utama merupakan tampilan awal setelah aplikasi dijalankan.Form menu utama berisikan menu gejala, konsultasi, tentang, keluar. Berikut gambar tampilan menu utama :

Gambar 2. Halaman Awal 2. Menu Gejala

Pada menu gejala yaitu berisikan form data gejala penyakit sistem kardiovaskuler. Form ini digunakan untuk menambah dan mengupdate gejala-gejala penyakit sistem kardiovaskuler dan nilai bobot diambil dari nilai yang diberikan oleh pakar. Berikut adalah gambar tampilan form data gejala :

Gambar 3. Tampilan Form Data Gejala

(6)

3. Menu Konsultasi

Pada menu konsultasi terdapat beberapa form, seperti form data pasien, form pertanyaan, dan form hasil.

Sebelum user atau pasien melakukan konsultasi terlebih dahulu harus mengisi data pasien seperti nama, jenis kelamin dan usia. Berikut ini adalah tampilan form data pasien :

Gambar 4.Tampilan Form Data Pasien 4. Tampilan Form Pertanyaan

Form pertanyaan berisikan pertanyaan-pertanyaan yang sudah ada berdasarkan dari gejala penyakit sistem kardiovaskuler. Berikut adalah tampilan form pertanyaan :

Gambar 5. Tampilan Form Pertanyaan 5. Tampilan Form Hasil

Form hasil digunakan untuk menampilkan hasil diagnosa mengenai penyakit sistem kardiovaskuler berdasarkan gejala yang dipilih pada konsultasi sebelumnya. Berikut adalah tampilan form hasil :

Gambar 6. Tampilan Form Hasil

(7)

5. KESIMPULAN

Adapun kesimpulan yang diperoleh dari penulis adalah sebagai berikut:

1. Metode case based reasoning dapat digunakan dalam sistem pakar mendiagnosa penyakit sistem kardiovaskuler dan dapat memberikan perhitungan penyelesaian seberapa pasti mengalami penyakit sistem kardiovaskuler.

2. Dengan menerapkan metode case based reasoning dalam mendiagnosa penyakit sistem kardiovaskuler pada lansia dapat menghasilkan perhitungan nilai kepastian yang akurat.

3. Pembangunan aplikasi sistem pakar menggunakan Visual Basic.Net 2008 dan database MySQL dapat menghasilkan sebuah sistem pakar yang dapat melakukan proses mendiagnosa penyakit sistem kardiovaskuler.

REFERENCES

[1] R- Boedhi Darmojo and H. Hadi Martono, Buku Ajar Geriatri (Ilmu Kesehatan Usia Lanjut). Jakarta: Penerbit : Balai Penerbit FKUI, 2004.

[2] Faza Akmal and Sri Winiarti, "Sistem Pakar Untuk Mendiagnosa Penyakit Lambung dengan Implementasi Metode CBR (Cased Base Reasoning) Berbasis Web," Jurnal Sarjana Teknik Informatika, no. vol.2, no.1, e-ISSN:2338-5197, pp. 791- 792, Februari 2014.

[3] Reny Retnowati and Ardi Pujiyanta, "Implementasi Case Base Reasoning Pada Sistem Pakar Dalam Menentukan Jenis Gangguan Kejiwaan," Jurnal Sarjana Teknik Informatika, no. volume.1, no.1, e:ISSN: 2338-5197, pp. 69-70, Juni 2013.

[4] T Sutojo, Edy Mulyanto, and Vincent Suhartono, Kecerdasan Buatan. Yogyakarta: Penerbit : ANDI, 2011.

[5] Anita Desiani and Muhammad Arhami, Konsep Kecerdasan Buatan. Yogyakarta: Penerbit : ANDI, 2006.

[6] Muhammad Arhami, Konsep Sistem Pakar. Yogyakarta: Penerbit : ANDI, 2005.

[7] Adriana S.A, Indarto , and Abdiansah , Penalaran Komputer Berbasis Kasus (Cased Base Reasoning). Yogyakarta: Penerbit : Ardana Media, 2008.

[8] Syamsudin , Buku Ajar Farmakoterapi Kardiovaskulaar dan Renal. Jakarta: Penerbit : Salemba Medika, 2011.

[9] Ulfa Nurrahmi and Helmanu Kurniadi, Stop Diabetes Hipertensi Kolestrol Tinggi Jantung Koroner. Yogyakarta: Penerbit : Istana Media, 2015.

[10] Rossa A.S and M. Shalahuddin, Rekayasa Perangkat Lunak. Bandung: Penerbit : Informatika Bandung, 2013.

[11] Rahmat Priyanto, Langsung Bisa Visual Basic.Net 2008. Yogyakarta: ANDI, 2009.

[12] Primanda Arif Aditya, Dasar - dasar Pemograman Database Dekstop dengan Visual Basic.NET 2008. Jakarta: Penerbit : PT. Alex Media Komputindo, 2013.

[13] Panduan Aplikatif dan Solusi (PAS), Membuat Aplikasi Client Server dengan Visual Basic 2008. Yogyakarta: Penerbit : ANDI, 2010.

[14] Nelly Astuti Hasibuan, Hery Sunandar, Senanti Alas, and Suginam Suginam, "Sistem Pakar Mendiagnosa Penyakit Kaki Gajah Menggunakan Metode Certainty Factor," Jurasik (Jurnal Riset Sistem Informasi dan Teknik Informatika), vol. 2, no.

1, pp. 29-39, July 2017.