sistem pakar untuk diagnosis penyakit ginjal · pdf fileto detect kidney disease in human. ......
TRANSCRIPT
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
SISTEM PAKAR UNTUK DIAGNOSIS PENYAKIT GINJAL DENGAN
KOMBINASI METODE CERTAINTY FACTOR DAN METODE
FORWARD CHAINING
(Studi Kasus Rumah Sakit M. Djamil-Padang)
Firdaus,S.Kom, M.Kom, Mutiana Pratiwi, S.Kom, M.Kom, Devia Kartika,
S.Kom, M.Kom, Fakultas Ilmu Komputer
Universitas Putra Indonesia YPTK Padang
e-mail : [email protected], [email protected],
Abstract - Expert Systems Applications is a software package that discusses how
to detect kidney disease in human. Programming language used to create this
expert system application is a Microsoft Visual Studio 6.0 with a database using
Microsoft Access 2003. In accordance with the programming language used then
the interface will be shown in providing information to the user will be in the
form of a visual. In this study described how expert systems to diagnose kidney
disease and using Certainty Factor and tracking techniques with Forward
Chaining method as well as a knowledge base that can be updated according to
the development of knowledge. Expert system for diagnosing kidney disease with
certainty factor method was designed and built with the aim to diagnose and
document the various types of kidney disease and its treatment and solutions,
especially for health academics. Reasoning skills Kidney Disease Diagnosis
Expert System uses a forward chaining and certainty factor.
Keywords: Expert System, Kidney, Certainty Factor Method, Method Forward
Chaining.
1. PENDAHULUAN
1.1 Latar Belakang
Sistem Pakar (Expert System)
adalah program berbasis pengetahuan
yang menyediakan solusi-solusi untuk
problema dengan kualitas pakar.
Sistem pakar merupakan program
komputer yang meniru proses
pemikiran dan pengetahuan pakar
dalam menyelesaikan suatu masalah
tertentu. System implementation
(implementasi sistem) pakar dapat
diterapkan dalam dunia kesehatan
selain sebagai media informasi bagi
masyarakat terutama penderita
penyakit untuk mengetahui jenis
penyakit yang diderita sebagai
diagnosa awal, juga sebagai alat bantu
bagi dokter untuk dapat mengambil
keputusan secara cepat dan lebih
akurat.
Forward chaining adalah strategi
untuk memprediksi atau mencari
solusi dari suatu masalah yang
dimulai dengan sekumpulan fakta
yang diketahui, kemudian
menurunkan fakta baru berdasarkan
aturan premisnya cocok dengan fakta
yang diketahui. Proses ini dilanjutkan
dengan sampai mencari goal atau
tidak ada lagi aturan premisnya
cocok dengan fakta yang diketahui.
Penelitian ini bertujuan untuk
mempelajari sistem pakar dengan
metode forward chaining dan
mengaplikasikannya ke dalam
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
masalah diagnosa penyakit ginjal di
dunia nyata.
1.2 Perumusan Masalah
Perumusan masalah pada
penelitian ini, antara lain:
1. Bagaimana merancang sistem
pakar untuk menentukan penyakit
ginjal dengan mengunakan
metode certainty factor dan
forward chaining yang dapat
digunakan untuk mengukur
persentasi penyakit ginjal pasien
dengan tampilan yang
sedemikian rupa sehingga
menarik, mudah dan nyaman
untuk digunakan?
2. Bagaimana sistem pakar ini dapat
merancang untuk diagnosa
penyakit yang berdasarkan
gejala-gejala yang ada?
3. Bagaimana solusi untuk
permasalahan yang didasarkan
pada hubungan antara pertanyaan
dan solusi yang disimpan dalam
basis pengetahuan?
4. Bagaimana perancangan
antarmuka atau interface untuk
menyajikan informasi tersebut
pada user?
1.3 Batasan Masalah
Batasan masalah dalam penelitian
ini adalah sebagai berikut :
1. Dengan penggunaan aplikasi
sistem pakar ini hanya
menampikan gejala-gejala yang
ditimbulkan oleh penyakit ginjal
serta cara penanganannya.
2. Dalam penelitian ini, aplikasi
hanya sebagai alat untuk
membuktikan keakuratan dari
hasil diagnosa yang diharapkan
sesuai dengan pakar, user yang
menggunakan aplikasi ini
adalah masyarakat umum yang
akan melihat informasi penyakit
seputar penyakit ginjal
sedangkan yang menjadi ahli
adalah dokter.
3. Dengan menggunakan metode
forward chaining dan teori
certainty factor akan
mendapatkan hasil berupa
kepastian yang akan sesuai
dengan data yang diisi oleh
pasien penyakit ginjal.
Penggunaan aplikasi ini hanya
menampilkan informasi
penyakit-penyakit ginjal pada
umumnya seperti : Urolitiasis,
penyakit ginjal kronik (CKD),
Infeksi Saluran Kemih (ISK).
1.4 Tujuan Penelitian
Tujuan yang akan dicapai
dalam penelitian ini adalah sebagai
berikut:
1. Dapat membantu penderita
penyakit ginjal dalam mengetahui
jenis penyakit dan gejalanya serta
penanggulangannya melalui
komputer, sehingga penanganan
lebih lanjut terhadap penyakit
tersebut dapat dengan cepat
dilakukan.
2. Untuk dapat menganalisa aspek-
aspek internal dan eksternal dari
penyakit ginjal.
3. Untuk dapat mengetahui gejala-
gejala apa saja yang diderita oleh
pasien dan cara penanganannya.
4. Dapat mengetahui strategi dalam
keputusan yang harus dilakukan
oleh penderita penyakit ginjal.
5. Dapat mempermudah melakukan
identifikasi penyakit ginjal
secara dini melalui media
aplikasi desktop kepada
masyarakat umum, sehingga
penanganan lebih lanjut terhadap
penyakit tersebut dapat dengan
cepat dilakukan.
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
6. Membangun sebuah sistem
berbasis pengetahuan kedokteran
dalam menentukan resiko
penyakit ginjal yang dapat
ditampilkan dalam aplikasi
desktop, sehingga alasan efisiensi
waktu dan kurangnya
pengetahuan masyarakat akan
kesehatan dapat teratasi.
2. LANDASAN TEORI
2.1 Kecerdasan Buatan
Kecerdasana buatan (Artifial
Intelligence) merupakan bagian dari
komputer yang mempelajari
bagaimana membuat mesin
(komputer) dapat melakukan
pekerjaan seperti dan sebaik yang
dilakukan oleh manusia bahkan bisa
lebih baik daripada yang dilakukan
oleh manusia (Idhawati Hestiningsi,
2006).
Salah satu teknik bidang
kecerdasan buatan yang menirukan
proses penalaran manusia adalah
Sistem Pakar. Pemecahan masalah-
masalah yang komplek biasanya
hanya dapat dilakukan oleh sejumlah
orang yang sangat terlatih, yaitu
pakar.
2.2 Sistem Pakar
Ada beberapa definisi tentang
sistem pakar oleh beberapa ahli yang
terlihat dalam tabel 2.1 (Sri Hartati
dan Sari Iswanti, 2008), yaitu :
Tabel 2.1 Definisi Tentang Sistem
Pakar
2.3 Struktur Sistem Pakar
Sistem pakar juga dapat dilihat
dari sudut pandang lingkungan
(environment) dalam sistem.
Terdapat dua lingkungan yaitu
lingkungan konsultasi dan
lingkungan pengembangan.
Lingkungan konsultasi
diperuntukkan bagi pengguna bukan
pakar untuk melakukan konsultasi
dengan sistem yang tujuannya adalah
mendapatkan nasehat pakar.
Sedangkan, lingkungan
pengembangan ditujukan bagi
pembangun sistem pakar untuk
membangun komponen dan
memasukkan pengetahuan hasil
akuisisi pengetahuan ke dalam basis
pengetahuan. Secara lengkap struktur
sistem pakar yang menekankan pada
lingkungan yang ada dalam sistem
terlihat pada gambar 2.1 (Ginanjar ,
2011).
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
Gambar 2.1 Struktur Sistem Pakar
2.4 Metode Runut Maju (Forward
Chaining)
Runut maju (Forward Chaining)
merupakan aturan yang didahulukan
kondisi dan diakhiri dengan aksi.
Penentuan aturan dimulai dengan
menyesuaikan data dan kebutuhan,
proses akan terus berlangsung hingga
menemukan hasil yang dijadikan
tujuan. Metode inferensi runut maju
sesuai digunakan dalam masalah
pengendalian (controlling) dan
peramalan (prognosis). Berikut ini
adalah daftar aturannya atau “R” (Sri
Kusumadewi, 2005) :
Gambar 2.2 Forward Chaining
Forward chaining merupakan
pencocokkan fakta atau pernyataan
dimulai dari bagian kiri (IF dulu).
Dengan kata lain, penalaran dimulai
dari fakta terlebih dahulu untuk
menguji kebenaran hipotesis (Sri
Kusumadewi, 2005).
Gambar 2.3 Penalaran Forward
Chaining
2.5 Faktor Kepastian (Certainty
Factor)
Faktor kepastian digunakan
untuk menyatakan seberapa akurat,
jujur, atau dapat diandalkan. Sebuah
sistem pakar harus mampu bekerja
dalam ketidakpastian. teori yang
ditemukan untuk memecahkan
ketidakpastian seperti klasik
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
probabilitas, probabilitas Bayesian,
teori Hartley berdasarkan himpunan
klasik, teori Shannon berdasarkan
probabilitas, teori Dempster-Shafer,
teori kabur Zadeh dan Faktor
Kepastian. Faktor kepastian
diperkenalkan oleh Shortliffe
Buchanan dalam merancang
MYCIN. Faktor Kepastian (CF)
adalah nilai parameter klinis yang
diberikan oleh MYCIN untuk
menunjukkan kepercayaan tingkat.
Secara umum, rule dipresentasikan
dalam bentuk sebagai berikut :
IF E1 [AND / OR] E2 [AND / OR]
… En THEN H (CF = CFi)
Dimana:
E1 ... En : Fakta – fakta (evidence)
yang ada.
H : Hipotesa atau konklusi yang
dihasilkan.
CF : Tingkat keyakinan (Certainty
Factor) terjadinya hipotesa H akibat
adanya fakta – fakta E1 s/d En .
Faktor kepastian (certainty
factor) merupakan ukuran kepastian
terhadap suatu fakta atau aturan.
Notasi faktor kepastian :
CF (H, E) = MB (H, E) - MD (H, E)
Dimana:
CF (H,E) : certainty factor dari
hipotesis H dipengaruhi oleh bukti
nilai E. Certainty Factor bisa bernilai
dari -1 sampai 1. Nilai menunjukkan
-1 merupakan ketidakpastian mutlak
sedangkan nilai 1 menunjukkan
kepastian yang mutlak.
MB (H,E) : mengukur peningkatan
ketidak kepercayaan hipotesis H
dipengaruhi oleh bukti E.
MD (H,E) : ukuran peningkatan
kepercayaan pada hipotesis H
dipengaruhi oleh bukti E.
Setelah didapatkan nilai
diatas, maka dicari nilai certainty
factor gabungan evidence anteseden
yang terdapat dalam sebuah kaidah.
Hal ini dapat dilihat pada tabel 2.2
Tabel Kombinasi evidence anteseden.
Tabel 2.2 Kombinasi Evidence
Anteseden
Maka rumus yang dapat
digunakan adalah :
CF(E,e) = min [CF(E1,e), CF(E2,e)
... CF(En ,e), dan nilai CF(H,e)
adalah, CF(H,e) = CF(E,e) *
CF(H,E).
Berarti besarnya kepercayaan
bahwa pasien menderita terhadap
penyakit adalah hasil dari nilai
CF(H,e).
Dimana:
CF(E,e) : certainty factorevidence E
dipengaruhi oleh evidence e.
CF(H,e) : certainty factor hipotesa H
dengan asumsi evidence diketahui
dengan pasti ketika CF(E,e) = 1.
CF(H,e) : certainty factor hipotesa
yang dipengaruhi oleh evidnece e
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
(nilai kepercayaan pasien terhadap
penyakit yang dideritanya).
2.6 Penyakit Ginjal
Ginjal merupakan organ tubuh
manusia yang sangat vital. Karena
ginjal merupakan salah satu organ
perkemihan (ginal-ureter-
kandungkemih-uretra). Penyakit
ginjal dapat meningkatkan resiko
kematian bagi penderita dapat juga
menjadi pemicu timbulnya penyakit
jantung. Apabila penyakit ginjal
bisa dideteksi secara dini, penyakit
lain yang menyebabkan kematian
bisa segera dicegah. Karena ketidak
normalan fungsi ginjal sering kali
menggambarkan tahapan awal dari
gejala penyakit jantung. Penyakit
ginjal adalah suatu penyakit dimana
fungsi organ ginjal mengalami
penurunan hingga akhirnya tidak lagi
mampu bekerja sama sekali dalam
hal penyaringan pembuangan
elektrolit tubuh, menjaga
keseimbangan cairan dan zat kimia
tubuh seperti sodium dan kalium
didalam darah atau produksi urin.
Penyakit ginjal berkembang secara
perlahan kearah yang semakin buruk
di mana ginjal sama sekali tidak lagi
mampu bekerja sebagaimana
fungsinya. Dalam dunia kedokteran
dikenal dua (2) macam jenis ginjal
yaitu gagal ginjal akut dan gagal
ginjal kronis .
3. ANALISA DAN DESAIN
3.1 Arsitektur Sistem
Dengan melakukan
penyederhanaan di beberapa
komponen, maka arsitektur sistem
pakar untuk mendiagnosa penyakit
ginjal ini didesain seperti pada
gambar 3.1, yaitu :
Gambar 3.1 Desain Arsitektur
Sistem Pada Sistem Pakar Penyakit
Ginjal
3.2 Basis Pengetahuan
Basis Pengetahuan (Knowled
Base) adalah basis pengetahuan yang
berisi pengetahuan relevan yang
diperlukan untuk memahami,
merumuskan dan memecahkan
persoalan. Referensi pengetahuan
dari seorang atau beberapa pakar
diperlukan untuk memahami,
menformulasikan dan memecahkan
masalah. Dalam hal ini digunakan
untuk memecahkan masalah penyakit
ginjal. Knowled Base ini terdiri dari
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
dua elemen dasar yaitu fakta dan
rules. Ada beberapa cara
mempresentasikan data basis
pengetahuan, yaitu dalam bentuk
atribut, aturan-aturan, jaringan
semantik, frame dan logika.
Basis pengetahuan penentuan
gejala penyakit ginjal dapat dilihat
pada tabel 3.1 Tabel pengkodean
penyakit ginjal dan Tabel 3.2
Pengkodean Gejala Penyakit Ginjal
dan Nilai Persentasenya.
Tabel 3.1 Pengkodean Penyakit
Ginjal
Tabel 3.2 Pengkodean Gejala
Penyakit Ginjal
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
Tabel 3.3 Nilai Certainty Factor
3.3 Penyajian Fakta
Berikut ini dijelaskan kaidah dari
Aturan (Rule) berdasarkan hipotesa
terhadap evidence dan nilai certainty
factor. Berikut ini himpunan kaidah
dari penyakit ginjal :
a. IF Rasa panas atau nyeri ketika
buang air kecil AND Rasa ingin
sering buang air kecil AND
Kencing terasa sakit, sering tetapi
sedikit-sedikit disertai rasa panas
atau nyeri dan muntah AND
Demam dan menggigil AND
Ditemukannya kuman E.coli,
Klebsiela dan Enterobakter atau
ProteusAND Jumlah koloni
bakteri lebih dari atau sama
dengan 100.000/ml AND Urin
berbau busuk, mengandung darah
atau nanah, dan terlihat keruh
AND Rasa sakit yang menetap di
perut bagian bawah THEN
menderita Infeksi Salurann
Kemih, dengan CF = 0.80%.
b. IF Tidak ada gejala selama batu
tersebut diam di tempatnya AND
Rasa nyeri yang hebat pada
pinggang di atas ginjal, yang
dapat menyebar ke perut bagian
bawah. Nyeri berlangsung sekitar
1 menit, reda sebentar, kemudian
terasa lagi selama beberapa menit
AND Sering buang air kecil, atau
dorongan ingin air buang kecil
AND Nyeri ketika buang air kecil
AND Darah di dalam urin
(hematuria) AND Demam dan
bengkak pada pinggang
menandakan batu ginjal yang
disertai dengan infeksi, atau
terjadi sumbatan yang
membengkak AND Muntah
THEN menderita Batu Ginjal,
dengan CF = 0.70%.
c. IF Terdapat darah pada urin AND
Rasa sakit yang menetap pada
salah satu daerah pinggang
sedikit di bawah tulang rusuk
AND Berat badan turun AND
Ada benjolan di ginjal,
ditemukan pada waktu dilakukan
pemeriksaan AND Kelelahan
yang tidak diketahui sebabnya
AND Demam yang berulang
AND Rasa sakit pada daerah
tubuh lainnya di sekitar ginjal,
bila sel kanker telah menyebar
THEN menderita Kanker Ginjal,
dengan CF = 0.65%.
d. IF Perut terasa kembung akibat
terjadinya pembesaran ginjal
AND Urin keluar dalam jumlah
yang banyak, karena ginjal tidak
bisa lagi memekatkannya AND
Adanya gumpalan besar pada
bagian kanan atau kiri pinggul
THEN menderita Kista Ginjal,
dengan CF = 0.85%.
e. IF Penurunan jumlah urin AND
Tidak ada urin sama sekali AND
Peninggian kadar ureum dan
kreatinin darah dalam beberapa
hari AND Pusing, mual,
kehilangan nafsu makan, lemas
dan sesak nafas THEN menderita
Gagal Ginjal Akut, dengan CF =
0.70%.
f. IF Peninggian kadar ureum dan
kreatinin darah AND Penurunan
nilai tes klirenkreatininAND
Sesak nafas karena penumpukan
air di paru-paru AND Adanya
sumbatan karena batu dan infeksi
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
AND Ginjal kistik (adanya
gelembung berisis cairan pada
ginjal) THEN menderita Gagal
Ginjal Kronik, dengan CF =
0.90%.
IF Perubahan frekuensi kencing.
Sering ingin berkemih pada
malam hari AND Pembengkakan
pada pergelangan kaki AND
Kram otot pada malam hari AND
Lemah dan lesu, kurang
berenergi, nafsu makan turun,
mual dan muntah AND Sulit tidur
AND Bengkak seputar mata pada
pagi waktu bangun pagi hari atau
mata merah dan berair karena
deposit garam kalsium fosfat
yang dapat menyebabkan iritasi
hebat pada selaput lendir mata
AND Kulit gatal dan kering,
THEN menderita Gagal Ginjal
Terminal, dengan CF = 0.95%.
Berdasarkan keterangan rule-rule
diatas dan Nilai Certainty Factor
diatas dapat disimpulkan dalam
bentuk tabel 3.4 dengan tabel aturan,
sebagai berikut :
Tabel 3.4 Tabel Aturan
Berdasarkan pada tabel
Pengkodean Gejala Penyakit Ginjal
dan Nilai Persentase serta tabel
Aturan (rule) maka nilai certainty
factor penyakit ginjal berdasarkan
evidence (gejala) dan hipotesa (jenis
penyakit) di dapatkan nilai certainty
factor (faktor kepastian). Maka dapat
dicari rumus Nilai faktor
kepastiannya berdasarkan rule atau
aturan di atas, sebagai berikut :
1. Infeksi Saluran Kemih
Maka nilai evidence E dari
masing evidence adalah
sebagai berikut :
E1= 35% 0.35
E2= 45% 0.45
E3= 45% 0.45
E4= 15% 0.15
E5= 55% 0.55
E6= 20% 0.20
E7= 25% 0.25
CF = 80% 0.80
Sehingga nilai CF (E,e) adalah
:
CF(E,e) = min [CF,( E1,e),
CF,( E2,e),
CF,( E3,e),
CF,( E4,e),
CF,( E5,e),
CF,( E6,e),
CF,( E7,e)]
= min [(0.35),
(0.45),
(0.45),
(0.15),
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
(0.55),
(0.20),
(0.25)]
= 0.15
Maka nilai CF(H,e) adalah :
CF(H,e) = CF(E,e) *
CF(H,E)
= 0.15 * 0.80
= 0.12
Jadi besarnya kepercayaan
bahwa pasien menderita Infeksi
Saluran Kemih adalah 0.12 atau 12%.
2. Batu Ginjal
Maka nilai evidence E dari
masing evidence adalah
sebagai berikut :
E9= 35% 0.35
E10= 45% 0.45
E11= 15% 0.15
E12= 35% 0.35
E13= 20% 0.20
E14= 60% 0.60
E15= 15% 0.15
CF = 70% 0.70
Sehingga nilai CF (E,e) adalah
:
CF(E,e) = min [CF,( E9,e),
CF,( E10,e),
CF,( E11,e),
CF,( E12,e),
CF,( E13,e),
CF,( E14,e),
CF,( E15,e)]
= min
[(0.35),
(0.45),
(0.15),
(0.35),
(0.20),
(0.60),
(0.15)]
= 0.15
Maka nilai CF(H,e) adalah :
CF(H,e) = CF(E,e) *
CF(H,E)
= 0.15 * 0.70
= 0.105
= 0.11
Jadi besarnya kepercayaan
bahwa pasien menderita Batu Ginjal
adalah 0.11 atau 11%.
3. Kanker Ginjal
Maka nilai evidence E dari
masing evidence adalah
sebagai berikut :
E16= 20% 0.20
E17= 30% 0.30
E18= 75% 0.75
E19= 80% 0.80
E20= 15% 0.15
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
E21= 15% 0.15
E22= 60% 0.60
CF = 65% 0.65
Sehingga nilai CF (E,e) adalah
:
CF(E,e) = min [CF,( E16,e),
CF,( E17,e),
CF,( E18,e),
CF,( E19,e),
CF,( E20,e),
CF,( E21,e),
CF,( E22,e)]
= min [(0.20),
(0.30),
(0.75),
(0.80),
(0.15),
(0.15),
(0.60)]
= 0.15
Maka nilai CF(H,e) adalah :
CF(H,e) = CF(E,e) *
CF(H,E)
= 0.15 * 0.65
= 0.0975
= 0.10
Jadi besarnya kepercayaan
bahwa pasien menderita Kanker
Ginjal adalah 0.10 atau 10%.
4. Kista Ginjal
Maka nilai evidence E dari
masing evidence adalah
sebagai berikut :
E23= 15% 0.15
E24= 45% 0.45
E25= 35% 0.35
CF = 85% 0.85
Sehingga nilai CF (E,e) adalah
:
CF(E,e) = min [CF,( E23,e),
CF,( E24,e),
CF,( E25,e)]
= min [(0.15),
(0.45),
(0.35)]
= 0.15
Maka nilai CF(H,e) adalah :
CF(H,e) = CF(E,e) *
CF(H,E)
= 0.15 * 0.85
= 0.1275
=0.13
Jadi besarnya kepercayaan
bahwa pasien menderita Kista Ginjal
adalah 0.13 atau 13%.
5. Gagal Ginjal Akut
Maka nilai evidence E dari
masing evidence adalah
sebagai berikut :
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
E25= 25% 0.25
E26= 40% 0.40
E27= 60% 0.60
E28= 40% 0.40
CF = 70% 0.70
Sehingga nilai CF (E,e) adalah
:
CF(E,e) = min [CF,( E25,e),
CF,( E26,e),
CF,( E27,e),
CF,( E28,e)]
= min [(0.25),
(0.40),
(0.60),
(0.40)]
= 0.25
Maka nilai CF(H,e) adalah :
CF(H,e) = CF(E,e) *
CF(H,E)
= 0.25 * 0.70
= 0.175
= 0.18
Jadi besarnya kepercayaan
bahwa pasien menderita Gagal Ginjal
Akut adalah 0.18 atau 18%.
6. Gagal Ginjal Kronik
Maka nilai evidence E dari
masing evidence adalah
sebagai berikut :
E29= 45% 0.45
E30= 40% 0.40
E31= 30% 0.30
E32= 15% 0.15
E33= 35% 0.35
CF = 80% 0.90
Sehingga nilai CF (E,e) adalah
:
CF(E,e) = min [CF,( E29,e),
CF,( E30,e),
CF,( E31,e),
CF,( E32,e),
CF,( E33e)]
= min [(0.45),
(0.40),
(0.30),
(0.15),
(0.35)]
= 0.15
Maka nilai CF(H,e) adalah :
CF(H,e) = CF(E,e) *
CF(H,E)
= 0.15 * 0.90
= 0.135
= 0.14
Jadi besarnya kepercayaan
bahwa pasien menderita Gagal Ginjal
Kronik adalah 0.14 atau 14%.
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
7. Gagal Ginjal Terminal
Maka nilai evidence E dari
masing evidence adalah
sebagai berikut :
E34= 25% 0.25
E35= 40% 0.40
E36= 15% 0.15
E37= 20% 0.20
E38= 15% 0.15
E39= 25% 0.25
E40= 15% 0.15
CF = 95% 0.95
Sehingga nilai CF (E,e) adalah
:
CF(E,e) = min [CF,(E34,e),
CF,(E35,e),
CF,(E36,e),
CF,(E37,e),
CF,(E38,e),
CF,(E39,e) ,
CF,( E40,e)]
= min [(0.25),
(0.40),
(0.15),
(0.20),
(0.15),
(0.25) ,
(0.15)]
= 0.15
Maka nilai CF(H,e) adalah :
CF(H,e) = CF(E,e) *
CF(H,E)
= 0.15 * 0.95
= 0.1425
= 0.14
Jadi besarnya kepercayaan bahwa
pasien menderita Gagal Ginjal
Terminal adalah 0.14 atau 14%.
Berdasarkan rumus Nilai
faktor kepastiannya berdasarkan rule
atau aturan di atas, dapat disimpulkan
sebagai berikut:
a. Rasa panas atau nyeri ketika
buang air kecil, rasa ingin sering
buang air kecil, kencing terasa
sakit atau sering tetapi sedikit-
sedikit disertai rasa panas dan
nyeri, muntah, demam serta
menggigil, ditemukannya kuman
E.coli, Klebsiela dan
Enterobakter atau Proteus,
jumlah koloni bakteri lebih dari
atau sama dengan 100.000/ml,
urin berbau busuk, mengandung
darah atau nanah, dan terlihat
keruh, rasa sakit yang menetap di
perut bagian bawah maka pasien
menderita Infeksi Salurann
Kemih, dengan faktor kepastian
adalah 12%.
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
b. Tidak ada gejala selama batu
tersebut diam di tempatnya, rasa
nyeri yang hebat pada pinggang
di atas ginjal, yang dapat
menyebar ke perut bagian bawah,
nyeri berlangsung sekitar 1
menit, reda sebentar, kemudian
terasa lagi selama beberapa
menit, sering buang air kecil atau
dorongan ingin air buang kecil,
nyeri ketika buang air kecil,
darah di dalam urin (hematuria),
Demam dan bengkak pada
pinggang menandakan batu ginjal
yang disertai dengan infeksi, atau
terjadi sumbatan yang
membengkak serta muntah maka
pasien menderita Batu Ginjal,
dengan faktor kepastian adalah
11%.
c. Terdapat darah pada urin, rasa
sakit yang menetap pada salah
satu daerah pinggang sedikit di
bawah tulang rusuk, berat badan
turun, ada benjolan di ginjal,
ditemukan pada waktu dilakukan
pemeriksaan, kelelahan yang
tidak diketahui sebabnya, demam
yang berulang, rasa sakit pada
daerah tubuh lainnya di sekitar
ginjal, bila sel kanker telah
menyebar maka pasien menderita
Kanker Ginjal, dengan faktor
kepastian adalah 10%.
d. Perut terasa kembung akibat
terjadinya pembesaran ginjal,
urin keluar dalam jumlah yang
banyak, karena ginjal tidak bisa
lagi memekatkannya, adanya
gumpalan besar pada bagian
kanan atau kiri pinggul maka
pasien menderita Kista Ginjal,
dengan faktor kepastian adalah
13%.
e. Penurunan jumlah urin, tidak ada
urin sama sekali, peninggian
kadar ureum dan kreatinin darah
dalam beberapa hari, pusing,
mual, kehilangan nafsu makan,
lemas dan sesak nafas maka
pasien menderita Gagal Ginjal
Akut, dengan faktor kepastian
adalah 18%.
f. Peninggian kadar ureum dan
kreatinin darah, penurunan nilai
tes kliren kreatinin, sesak nafas
karena penumpukan air di paru-
paru, adanya sumbatan karena
batu dan infeksi, Ginjal kistik
(adanya gelembung berisis cairan
pada ginjal) maka pasien
menderita Gagal Ginjal Kronik,
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
dengan faktor kepastian adalah
14%.
g. Perubahan frekuensi kencing.
Sering ingin berkemih pada
malam hari, pembengkakan pada
pergelangan kaki, kram otot pada
malam hari, lemah dan lesu,
kurang berenergi, nafsu makan
turun, mual dan muntah, sulit
tidur, bengkak seputar mata pada
pagi waktu bangun pagi hari atau
mata merah dan berair karena
deposit garam kalsium fosfat
yang dapat menyebabkan iritasi
hebat pada selaput lendir mata,
kulit gatal dan kering, maka
pasien menderita Gagal Ginjal
Terminal, dengan faktor
kepastian adalah 14%.
3.4 Mekanisme Inferensi
Inference Engine merupakan
bagian dari sistem pakar yang
bertugas sebagai otak dalam
menemukan solusi yang tepat dari
banyaknya solusi yang ada.
Kesesuaian fakta atau pertanyaan
pada inferensi forward chaining
dimulai dari fakta-fakta yang ada
dalam basis pengetahuan terlebih
dahulu, kemudian baru ditemukan
hipotesanya.
Pada gambar Gambar 3.5
Diagram Alur Program Sistem Pakar
Penyakit Ginjal dapat dijelaskan
bahwa mendeklarasikan variabel-
variabel apa saja yang di gunakan
untuk menyesuaikannya dengan buku
tabel penyakit ginjal.
star
Declaration variabel
Buku tabel
Nama,password
For I=1 to
Tabel.recordcount
Gejala ke-i
Jawab
Ya
Gejala ke-
i=TrueGejala ke-
i=False
Baca Rule
Hasil
Stop
Y
T
Y
T
Pertanyaan
Gambar 3.5 Diagram Alur Pogram
Sistem Pakar Penyakit Ginjal
4. PENUTUP
4.1 Kesimpulan
Berdasarkan penelitian dan
pembahasan yang dilakukan, maka
dapat disimpulkan bahwa :
1. Dengan adanya program sistem
pakar yang telah dibuat ini, dapat
membantu dalam melakukan
diagnosa terhadap gejala penyakit
yang dirasakan oleh pasien dan
metode forward chaining yang
digunakan mampu melakukan
penelurusan gejala penyakit dan
solusi berdasarkan input yang
diberikan oleh user atau pasien.
2. Nilai kepercayaan yang
dihasilkan dari sistem ini sama
dengan hasil perhitungan secara
Prosiding Senatkom, Volume1, Hal : 249-263 1 Oktober 2015 I SSN : 2460-4690
manual dengan menggunakan
teori certainty factor. Sehingga
keakuratan hasilnya sudah sesuai
dengan perhitungan yang
diharapkan.
3. Semakin akurat gejala yang
dimasukkan ke dalam sistem,
maka semakin tinggi pula nilai
certainty factor atas penyakit
yang diderita.
4. Dengan penggunaan certainty
factor pengguna dapat
mengetahui derajat kepercayaan
terhadap penyakit yang diderita.
DAFTAR PUSTAKA
Jogiyanto, H.M. 2005. Analisis dan
Desain Sistem Informasi :
Pendekatan Terstruktur, Teori
dan Praktek Aplikasi Bisnis..
Yogyakarta: Penerbit Andi
Offset.
Kadir, Abdul. 2003. Dasar
Pemrograman Java2.
Yogyakarta: Penerbit Andi
Offset.
Kristanto, Andri. 2003. Perancangan
Sistem Informasi dan
Aplikasinya.
Yogyakarta:Penerbit Gaya
Media.
Kurniawan, Eko. 2009. Pemograman
Java.
http://www.eecchhoo.wordpre
ss.com. (14 Desember 2010).
Lea Douglas, “Concurent Programing
in Java: Design Principles and
Pattern 2nd Edition”,
http://www.sun.com/books/jav
a_series.html (10 November
2010).
Nugroho, Adi 2002. Analisis
Perancangan Sistem Informasi
dengan Metodologi
Berorientasi Objek. Bandung:
Informatika.
Oetomo, Budi Sutedjo Dharma. 2002.
Perancangan dan
Pembangunan Sistem
Informasi. Yogyakarta: Andi
Offset.
Prasetio, Didik Dwi. 2002.
Administrasi Database Server
MySQL. Jakarta.
Suarga . 2009. Dasar Pemrograman
Komputer dalam Bahasa
Java. Yogyakarta: Andi
Offset.
Supardi, Dede. 2004. Java2 untuk
segala tingkat. Jakarta: Elex Media
Komputindo.