sistem pakar untuk diagnosis penyakit ginjal · pdf fileto detect kidney disease in human. ......

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],

[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


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.


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).


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


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


(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


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


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


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),


(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



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


:


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


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

CF(H,E)

= 0.15 * 0.70

= 0.105

= 0.11


bahwa pasien menderita Batu Ginjal

adalah 0.11 atau 11%.

3. Kanker Ginjal



sebagai berikut :

E16= 20% 0.20

E17= 30% 0.30

E18= 75% 0.75

E19= 80% 0.80

E20= 15% 0.15


E21= 15% 0.15

E22= 60% 0.60

CF = 65% 0.65


:


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


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

CF(H,E)

= 0.15 * 0.65

= 0.0975

= 0.10


bahwa pasien menderita Kanker

Ginjal adalah 0.10 atau 10%.

4. Kista Ginjal



sebagai berikut :

E23= 15% 0.15

E24= 45% 0.45

E25= 35% 0.35

CF = 85% 0.85


:


CF,( E24,e),

CF,( E25,e)]

= min [(0.15),

(0.45),

(0.35)]

= 0.15


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

CF(H,E)

= 0.15 * 0.85

= 0.1275

=0.13


bahwa pasien menderita Kista Ginjal

adalah 0.13 atau 13%.

5. Gagal Ginjal Akut



sebagai berikut :


E25= 25% 0.25

E26= 40% 0.40

E27= 60% 0.60

E28= 40% 0.40

CF = 70% 0.70


:


CF,( E26,e),

CF,( E27,e),

CF,( E28,e)]

= min [(0.25),

(0.40),

(0.60),

(0.40)]

= 0.25


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

CF(H,E)

= 0.25 * 0.70

= 0.175

= 0.18


bahwa pasien menderita Gagal Ginjal

Akut adalah 0.18 atau 18%.

6. Gagal Ginjal Kronik



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


:


CF,( E30,e),

CF,( E31,e),

CF,( E32,e),

CF,( E33e)]

= min [(0.45),

(0.40),

(0.30),

(0.15),

(0.35)]

= 0.15


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

CF(H,E)

= 0.15 * 0.90

= 0.135

= 0.14


bahwa pasien menderita Gagal Ginjal

Kronik adalah 0.14 atau 14%.


7. Gagal Ginjal Terminal



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


:

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


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%.


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,


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


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,



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


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


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.

sistem pakar untuk diagnosis penyakit ginjal · pdf fileto detect kidney disease in human. ......

Documents