Prosiding Senatkom, Volume1, Hal : Oktober 2015 I SSN :

Transkripsi

1 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 daus85agam@ymail.com, mutianapratiwi26@gmail.com, scare_ladies@yahoo.com. 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 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

2 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 aspekaspek internal dan eksternal dari penyakit ginjal. 3. Untuk dapat mengetahui gejalagejala 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.

3 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. Tabel 2.1 Definisi Tentang Sistem Pakar 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 masalahmasalah 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 : 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).

4 Gambar 2.2 Forward Chaining 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) : 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

5 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) 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 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. 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

6 (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-ureterkandungkemih-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

7 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 3.2 Pengkodean Gejala Penyakit Ginjal Tabel 3.1 Pengkodean Penyakit Ginjal

8 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 /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

9 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),

10 (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 = = 0.11 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

11 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 = = 0.10 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 = =0.13 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 :

12 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 = = 0.18 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 = = 0.14 Jadi besarnya kepercayaan bahwa pasien menderita Gagal Ginjal Kronik adalah 0.14 atau 14%.

13 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 = = 0.14 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 sedikitsedikit 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 /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%.

14 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 paruparu, adanya sumbatan karena batu dan infeksi, Ginjal kistik (adanya gelembung berisis cairan pada ginjal) maka pasien menderita Gagal Ginjal Kronik,

15 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, 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 variabelvariabel 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 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 Gejala ke-i Pertanyaan Jawab Ya Y Gejala kei=true Baca Rule T Gejala kei=false yang dapat menyebabkan iritasi Y hebat pada selaput lendir mata, Hasil kulit gatal dan kering, maka pasien menderita Gagal Ginjal Terminal, dengan faktor kepastian adalah 14%. 3.4 Mekanisme Inferensi Stop 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 T

16 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 Analisis dan Desain Sistem Informasi : Pendekatan Terstruktur, Teori dan Praktek Aplikasi Bisnis.. Yogyakarta: Penerbit Andi Offset. Nugroho, Adi Analisis Perancangan Sistem Informasi dengan Metodologi Berorientasi Objek. Bandung: Informatika. Oetomo, Budi Sutedjo Dharma Perancangan dan Pembangunan Sistem Informasi. Yogyakarta: Andi Offset. Prasetio, Didik Dwi Administrasi Database Server MySQL. Jakarta. Suarga Dasar Pemrograman Komputer dalam Bahasa Java. Yogyakarta: Andi Offset. Supardi, Dede Java2 untuk segala tingkat. Jakarta: Elex Media Komputindo. Kadir, Abdul Dasar Pemrograman Java2. Yogyakarta: Penerbit Andi Offset. Kristanto, Andri Perancangan Sistem Informasi dan Aplikasinya. Yogyakarta:Penerbit Gaya Media. Kurniawan, Eko Pemograman Java. ss.com. (14 Desember 2010). Lea Douglas, Concurent Programing in Java: Design Principles and Pattern 2nd Edition, a_series.html (10 November 2010).