SISTEM PAKAR DIAGNOSIS DINI UNTUK PENYAKIT HEPATITIS MENGGUNAKAN METODE PENELUSURAN PENALARAN BERBASIS KASUS (CASE BASED REASONING)

Transkripsi

1 D-95 1 SISTEM PAKAR DIAGNOSIS DINI UNTUK PENYAKIT HEPATITIS MENGGUNAKAN METODE PENELUSURAN PENALARAN BERBASIS KASUS (CASE BASED REASONING) Rzka Dhn Kurna 1, Al farss 1, Fakultas Ilmu Komputer Unverstas Srwjaya e-mal: 1 rzkadhn@gmal.com, alfarss.lkom@gmal.com Abstract Case-Based Reasonng an artfcal ntellgence method that s use use prevous experence n form of cases to understand and solve new problems. A case-based reasoner remembers former cases smlar to the current problem and attempts to modfy ther solutons to ft for the current case. Casebased reasonng s not a new method n a branch of artfcal ntellgence. Applcaton of CBR n an expert sstemto detect of a dsease s approprate, because the CBR s able to provdea solutonsalso can adopt new knowledge from a new cases.ths research ams to mplement the concept of CBR that can be used n the utlzaton of CBR on an expert sstem to early dagnose the dsease hepatts. Where hepatts s a dsease that must be wary of. In ths study the concepts n CBR descrbed process steps n accordance wth ts case study, coverng data storage technques case, smlarty search cases and generate solutons. Results of ths study do not provde the approprate soluton. Snce the core of the concept of CBR only provde solutons based on cases that have been saved to the knowledge base. To get the rght soluton, CBR requres a number of cases that s very much to be a knowledge base. Kata Kunc Case Based Reasonng, Artfcal ntellgence, Expert sstem, Hepatts. I. PENDAHULUAN Penalaran berbass kasus merupakan teknk penyelesaan masalah berdasarkan pengalaman yang lalu d bass pengetahuan [1].Penerapan PBK dalam duna meds bukan merupakan hal yang baru.pbk drasakan cocok dkarenakan dalam bdang meds pentngnya hasl dar suatu dagnosa sebaga catatan meds untuk dsmpan.hal n pentng dkarenakan agar rekam meds yang tersmpan fgunakan kemudan har oleh pasen dan pakar dkemudan har.penyakt Hepatts merupakan penyakt yang berbahaya dkaenakan memlk gejala dn yang tdak mengganggu pendertanya.penerapan PBK dalam bdang medsmengena penyakt heapttsakan sangatmembantu bag tenaga meds dalam mengobatpenyakt hepatts. Penerapan PBK dalam lngkup dagnosa dn penyakt hepattsakan sangat membantu para dokter, perawat dan pasen untuk memperoleh nformas dan melakukankonsultas mengena penyaktnya.bagan n bers latar belakang dan permasalahan yang akan dbahas. Selan tu, pada bagan n penelt dapat menjelaskan tentang peneltan-peneltan terkat. II. LANDASAN TEORI Penalaran berbass kasus merupakan metode yang menjadkan kasus lama yang tersmpan pada bass pengetahuan sebaga solus terhadap kasus baru yang ada.bass pengetahuan merupakan kumpulan kasus-kasus lama.penelusuran terhadap kasus baru dengan cara membandngkan tngkat kemrpannya dengan kasus lama yang tersmpan. Ketka dalam penelusuran dtemukan tngkat kemrpan yang tngg antara kasus baru dengan kasus lama yang tersmpan, maka kasus lama tersebut djadkan sebaga solus.selanjutnya, kasus baru tersebut dsmpan sebaga pengetahuan baru d bass pengetahuan.sstem pakar dengan menggunakan metode PBK memlk kemrpan dalam prnsp kerja dar tenaga meds.tenaga meds melakukan dagnosa yang drasakan oleh seorang pasen, kemudan mencar kasus atau gejala yang pernah ddagnosa sebelumnya.solus yang dberkan kepada pasen memberkan hasl dagnosa terhadap pasen sepert pengalaman sebelumnya. II.1 KECERDASAN BUATAN Kecerdasan Buatan (Artfcal Intellegence) memungknkan sstem komputer untuk menerma pengetahuan melalu masukkan dar manusa dan menggunakan pengetahuan tersebut melalu smulas proses penalaran dan berpkr sepert manusa untuk memecahkan berbaga masalah. Untuk menerapkan aplkas kecerdasan buatan ada bagan utama yang sangat dbutuhkan, yatu [] : 1. Bass pengetahuan (Knowledge base), bers fakta-fakta, teor, pemkran dan hubungan antara satu dengan lannya.. Motor Inferens (Inference Engne), yatu kemampuan menark kesmpulan berdasarkan pengalaman. Berkut merupakan skema dar penerapan kecerdasan buatan pada komputer:

2 D-96 Gbr. 1 Penerapan Kecerdasan Buatan Pada Komputer II. SISTEM PAKAR Sstem pakar merupakan cabang dar kecerdasan buatan yang mengadops kepakaran / pengetahuan dar seorang pakar untuk dsmpan dan dgunakan dalam suatu sstem computer. Seorang pakar adalah orang yangmempunya keahlan dalam bdang tertentu, yatu pakar yang mempunyaknowledge atau keahlan khusus dmana orang lan tdak mengetahu ataumampu dalam bdang yang dmlknya[3]. Arstektur umum sstem pakar terbag jad modul utama yatu bass pengetahuan dan sstem kontrol.sstem kontrol berskan kode program untuk strateg pemecahan masalah dan untuk antarmuka bag pengguna. Sstem control terdr dar 4 submodul, yatu [1]: 1. Problem-solvng component: mengnterpretaskan pengetahuan pakar untuk solus masalah yang dsepesfkaskan oleh pengguna. Komponen n berfungs sebaga mesn nferens.berdasarkan nformas yang terdapat pada bass pengetahuan, mesn nferens mampu untuk mengambl kesmpulan, sehngga kesmpulan tersebut menjad keputusan dar sstem pakar.. Intervewer component :mengontrol dalog dengan pengguna. 3. Explanaton componet : membuat operas dalam sstem pakar menjad transparan. 4. Knowledge acquston component : memungknkan pakar memasukkan pengetahuannya ke dalam sstem pakar. II.3 PENALARAN BERBASIS KASUS Penalaran berbass kasus dpopulerkan pada tahun 190 dmana ddasarkan pada prems dasar bahwa masalah yang sama yang terbak dselesakan dengan solus yang sama[4].namun, aspek pentng dar CBR terletak pada stlah "mrp". Teknk tdak memerlukan masalah dentk dengan telah dpecahkan sebelumnya. PBK berbeda dar banyak teknk kecerdasan buatan lannya,dkarenakan tdak berbasskan model. In berart, tdak sepert pendekatan berbass pengetahuan yang menggunakan aturan, pengembang tdak perlu secara eksplst menentukan sebab-akbat dan hubungan dalam doman yang menark. Berbeda dengan pendekatan tradsonal yang berdasarkan bass aturan dmana pengetahuan dar seorang pakar drepresentaskan dengan aturan f-then.pendekatan PBK memungknkan pengetahuan untuk dapat dkelompokan dan dsmpan sebaga kasus.pengembangan pendekatan n merupakan salah satu plhan baru dalam pengembangan generas baru dar sstem pakar. Referens [1] menggambarkan tpe CBR sebaga suatu proses melngkar yang terdr dar the four Res: 1. Retreve. Mendapatkan kasus-kasus yang mrp dbandngkan dengan kumpulan kasus-kasus dmasa lalu.dmula dengan tahapan mengenal masalah dan berakhr ketka kasus yang ngn dcar solusnya telah dtemukan serupa dengan kasus yang telah ada. Tahapan yang ada pada retreve n antara lan : a. Identfkas Masalah b. Memula Pencocokan c. Menyeleks. Reuse. Menggunakan kembal kasus-kasus yang ada dan dcoba untuk menyelesakan suatu masalah sekarang. Reuse suatu kasus dalam konteks kasus baru terfokus pada dua aspek yatu : perbedaan antara kasus yang ada dengan kasus yang baru dan bagan mana dar retreve case yang dapat dgunakan pada kasus yang baru. Ada dua cara yang dgunakan untuk me-reuse kasus yang telah ada yatu : reuse solus dar kasus yang telah ada (transformatal reuse) atau reuse metode kasus yang ada untuk membuat solus (dervatonal reuse). 3. Revse. Merubah dan mengadops solus yang dtawarkan jka perlu.terdapat dua tugas utama dar tahapan n yatu : a. Evaluas Solus. Evaluas solus adalah bagamana hasl yang ddapatkan setelah membandngkan solus dengan keadaan yang sebenarnya.hal n basanya tahapan dluar dar sstm CBR. Pada tahap evaluas n serng memerlukan waktu yang panjang tergantung dar aplkas apa yang sedang dkembangkan. b. Memperbak Kesalahan Perbakan suatu kasus melput pengenalan kesalahan dar solus yang dbuat dan mengambl atau membuat penjelasan tentang kesalahan tersebut 4. Retan. Tetap memaka solus yang terakhr sebaga bagan dar kasus baru. Pada tahap n terjad suatu proses penggabungan dar solus kasus yang baru yang benar ke knowledge yang telah ada.

3 D-97 Dmana : Sm( S, T ) S adalah ftur ke- yang ada dalam source case n 1 f ( S, T )* w n 1 w (1) Gbr. Skema Proses PBK Sebuah kasus yang dtemukan dcocokkan dengan kasus yang ada pada case based dan selanjutnya satu atau beberapa kasus yang mrp kemudan dambl. Pemecahan masalah yang berasal dar kasus yang serupa kemudan dgunakan kembal dan duj kebenaranya. Jka pemecahan masalah yang dgunakan hampr benar maka dperlukan perbakan yang kemudan selanjutnya akan menghaslkan suatu kasus baru yang akan dsmpan kedalam case based. Sstem kerja case based reasonng : User menggambarkan masalah Sstem memperbak solus untuk penyelesaan yang lebh bak TIDAK Sstem mencar ke database untuk kasus yang sama Sstem memberkan solus penyelesaan yang palng mendekat Berhasl? Gbr 3. Sstem Kerja PBK Database Kasus Sstem menympan masalaha dan penyelesaan yang baru II.4 ALGORITMA NEAREST NEIGHBOUR Teknk retreval yang dgunakan dalam peneltan n adalah algortma Nearest Neghbour. Ide dasar dar teknk n adalah membandngkan setap atrbut-atrbut kasus target dengan atrbut-atrbut sumber kasus yang ada dalam bass kasus, kemudan perbandngan tersebut dhtung dengan menggunakan fungs smlarty. Jka nla sumber kasus yang dbandngkan sama atau hampr sama dengan nla kasus target maka solus dar sumber kasus tersebut akan dpromoskan untuk menjad solus dar kasus target. Berkut n fungs smlarty yang dgunakan dalam peneltan n: YA T adalah ftur ke- yang ada dalam target case w adalah bobot ftur ke- n adalah jumlah total ftur Fungs f(t,s ) ddefenskan sebaga berkut : 1; T S f ( T, S ) 0; T S Berdasarkan fungs smlarty d atas, setap target case (dsmbolkan dengan huruf T) akan dcocokan dengan source case yang ada dalam case base (dsmbolkan dengan huruf S) smbol n merupakan jumlah total ftur. Nla smlarty antara target case dengan source case ddapat dar fungs f(t,s ) dkal dengan bobot ftur. Pembobotan dgunakan untuk memberkan nla pentng suatu gejala terhadap penyakt. Nla bobot yang dberkan adalah antara sampa dengan bobot maksmum masng-masng ftur. Semakn besar nla smlarty yang dperoleh maka akan semakn besar peluang source case untuk djadkan solus bag target case. Nla smlarty maksmal adalah dan nla mnmalnya adalah 0. Ada suatu konds dmana ada lebh dar satu kasus yang memlk nla smlarty yang sama. Untuk mengatas masalah tersebut maka dlakukan votng kasus yatu dengan cara mencar smlarty kasus target dengan kelas kasus yang memlk nla smlarty yang sama tad. Total dar smlarty kelas akan menentukan kelas mana yang akan dplh. Berkut n akan dberkan contoh dar votng kasus. Msalkan terdapat beberapa gejala dengan masng-masng bobot.representas kasus dtamplkan pada tabel. Kolom yang bers nomor pada tabel merupakan nomor gejala yang ada. Ada dua kelas kasus yatu kelas A (Kasus A 1 dan Kasus A ) dan kelas B (Kasus B 1 dan Kasus B ).Akan dcar smlarty antara Kasus A 1 dan Kasus B 1 dengan Kasus Target. Representas kasus dengan empat kasus No Kasus n 1. Kasus A Kasus B Kasus A Kasus B Kasus Target

4 D-9 (1x0) (1x0) (1x0) (1x0) 6 Sm A Sm B Sm A Sm B 0.65 Berdasarkan perhtungan nla smlarty antara kasus A1 dan kasus B1 memlk nla smlarty yang sama, maka untuk tu dlakukan votng terhadap dua kasus tersebut dengan cara melakukan perhtungan sebaga berkut : SmA1 ( T ) SmA( T ) Total Kasus A Total Kasus B 0.75 SmB1( T ) SmB( T ) Berdasarkan perhtungan votng datas nla total kasus A lebh kecl dbandngkan perhtungan total kasus B, jad kasus B1 djadkan sebaga solus bag kasus target. II.5 HEPATITIS Hepatts adalah peradangan hat yang dsebabkan oleh berbaga faktor karena berbaga sebab. Hepatts yang berlangsung kurang dar 6 bulan dsebut "hepatts akut" sedangkan hepatts yang berlangsung lebh dar 6 bulan dsebut "hepatts krons". Hepatts basanya terjad karena vrus, terutama salah satu dar kelma vrus hepatts, yatu A, B, C, D atau E. epatts juga bsa terjad karena nfeks vrus lannya, sepert mononukleoss nfeksosa, demam kunng dan nfeks stomegalovrus. Penyebab hepatts non-vrus yang utama adalah alkohol dan obat-obatan. TABEL I Gejala-Gejala Penyakt Hepatts Gejala Hepatts A B C D E F G Gejala Mrp Flu * * Rasa lelah * * * * Demam * * * * Dare * Mual * * * Nyer Perut * Mata Kunng * * Hlang Nafsu Makan (Anoreksa) * * * Lemah * Lesu * * Sakt otot/pegal-pegal pada otot (Malga) * * * Demam rngan * Kurang nafsu makan * Kult kunng * Ar kencng berwarna gelap * * * Muntah * * * Sakt perut * * * Sakt kepala * Pegel lnu * Malase * Nausea * Pusng * * Ar kencng kemerahan * Bola mata bagan puth menjad kekunngan * Nyer pada send (Arthralga) * * Rasa tdak enak pada tenggorokan * Munculnya kterus selama beberapa har * Insdous * Rash * Jaundce * * Mengggl * Nyer perut sebelah kanan * Penurunan berat badan yang tdak jelas * Gangguan abdomnal tdak jelas * Kembung * Mencret * Tabel 1 menunjukkan hubungan antara gejala gejala yang tmbul dar penyakt hepatts. III.1 Analss Rekam Meds III. METODOLOGI PENELITIAN Representas pengetahuan yang dgunakan pada aplkas n dambl berdasarkan kasus rekam meds pasen. Rekam meds tersebut dgunakan sebaga pengetahuan pada sstem yang akan dbangun. Rekam meds pasen terdr dar catatan dan dokumen pentng berupa denttas pasen, pemerksaan, dagnoss awal, tndakan perawatan, dagnoss akhr serta pelayanan lan yang telah dberkan kepada pasen. III. Analss Metode Case Based Reasonng (CBR) Perangkat lunak yang akan dbangun n menggunakan metode CBR (case based reasonng, dengan menggunakan teknk retreval Nearest Neghbor. Proses akuss pengetahuan pada sstem berdasarkan data gejalagejala penyakt yang berasal dar rekam meds. Data tersebut akan dbuat menjad kasus. Ada dua jens kasus yatu source case dan target case. Source case merupakan data-data kasus yang dmasukan ke dalam sstem yang berfungs sebaga pengetahuan bag sstem. Sedangkan target case merupakan data kasus yang akan dcar solusnya. Proses dagnoss kasus dlakukan dengan cara memasukkan gejala-gejala penyakt untuk kasus baru. Kasus baru yang dmasukan selanjutnya dproses untuk dcar smlarty atau kesamaan dengan kasus-kasus yang ada dalam sstem. Proses dar sstem tersebut akan menghaslkan keluaran berupa nama penyakt beserta pengobatannya.

5 D-99 III.3 Analss Teknk Nearest Neghbor Teknk yang dgunakan adalah teknk Nearest Neghbor. Ide dasar dar teknk n adalah membandngkan setap atrbut-atrbut target case dengan atrbut-atrbut source case yang ada dalam case base, kemudan perbandngan tersebut dhtung dengan menggunakan fungs smlarty. Gbr 6.Kelas Analss Mengelola Pengguna IV. PERANCANGAN SISTEM 1) Use Case Dagram Pada peneltan n, perancangan sstem hanya menggunakan dua aktor yatu Pengguna dan Pakar. Kedua aktor tersebut bernteraks dengan sstem melalu fungsfungs yang dmlk oleh sstem. Gambar 4 menunjukkan hubungan antara aktor dengan use case. Sstem Logn Mengelola Pengguna Konsultas Pakar Mengelola gejala Pengguna Gbr 7.Kelas Analss Konsultas Mengelola Kasus Logout Gbr 4.Dagram Use Case Gbr.Kelas Analss Mengelola Gejala ) Dagram Kelas Analss Pengembangan sstem dalam tahapan perancangan sstem berorentas obyek hubungan antar kelas dlustraskan melalu dagram kelas dar setap fungsonaltas sstem. Gbr 5.Kelas Analss Logn/Logout

6 D-300 Gbr 9. Kelas Analss Mengelola Kasus 3) Perancangan Antarmuka Perancangan antar muka dar sstem yang akan dbangun. Antar muka pertama yang tampl adalah antar muka menu utama atau dapat dsebut juga antar muka home Adapun rancangannya adalah sebaga berkut: V. KESIMPULAN Pemanfaatan metodecase-based reasonng dalam dagnosa penyaktdharapkan dapat membantu dokterdalam mengambl keputusan terkatdengan penyakt hepatts.metode case based reasonng dapat dmplementaskan pada aplkas sstem pakar dengan menggunakan teknk retreval Nearest Neghbour.Case-based reasonng tdak menjamn solus terbak atau solus optmum karena CBR hanya memberkan solus berdasarkan kasus-kasus yang dsmpan.hasl yang ddapatkan dar proses dagnoss berdasarkan gejala-gejala yang ada dengan menggunakan aplkas sstem pakar sesua dengan penyakt yang dderta. Penggunaan metode case-based reasonng pada sstem pakar dharapkan dapat menambah pengetahuan berdasarkan kasus baru yang ada, sehngga hasl solus yang ddapatkan dtngkatkan untuk mendapatkan hasl yang lebh akurat.kelengkapan dan kekompleksan kasus yang tersmpan dalam bass kasus dapat menjadkan CBR suatu sstem yang dapat menghaslkan solus optmal dan tepat.cbr membutuhkan metode pencaran yang cepat dan tempat penympanan kasus yang besar jka data yang dsmpan sangat banyak. Gbr 10. Antarmuka Utama Berkut n merupakan penggunaan dar perangkat lunak ketka melakukan dagnoss terhadap suatu kasus target yang dmasukkan oleh pengguna. Msalnya, ada kasus baru yang dmasukkan oleh pengguna yang bers data usa pasen 77 tahun, jens kelamn perempuan, dan gejala yang drasakn alah G01, G0, G03, G04, G05,G06, G07, G0. Maka untuk kasus target n akan dhtung kemrpannya dengan kasusnya ada pada bass pengetahuan sstem dengan tga faktor pengukur yatu A1, A, A3. Representas kasus dar bass pengetahuan dtamplkan d dalam tabel. Kolom yang bers nomor pada tabel merupakan nomor, kode kasus, usa, jens kelamn dan gejala yang ada pada bass pengetahuan. Ada empat kelas kasus yatu Kasus K 1, Kasus K Kasus K 3 dan Kasus K 4. Akan dcar kemrpan antara Kasus K 1, K, K 3, K 4 dengan Kasus Target yang dmasukkan oleh pengguna. UCAPAN TERIMA KASIH Terma kash dsampakan kepada Unverstas Srwjaya yang telah mendana peneltan n serta kepada phak-phak yang terlbat dalam peneltan n. REFERENSI [1] Aamodt A and Plaza E., 1994, Case-Based Reasonng:Foundatonal Issues, Methodologcal Varatons, and Sstem Approaches. AICom - Artfcal Intellgence Communcatons, IOS Press. Vol. 7: 1, pp [] Kusumadew, Sr, 003, Artfcal Intellgence (Teknk dan Aplkasnya). Yogyakarta : Graha Ilmu [3] Arham, Muhammad. (005). Konsep Dasar Sstem Pakar, Yogyakarta: And. [4] Schank, R., Dynamc Memory: A theory of remndng and learnng n computers and people, Cambrdge, UK: Cambrdge Unversty Press, 19. [5] S. Hedberg, New Knowledge Tool, Byte.1, pp , [6] Kusrn, 006, Sstem Pakar Teor dan Aplkas., Yogyakarta.: And Offset [7] Kusumadew, Sr, 003, Artfcal Intellgence (Teknk dan Aplkasnya). Yogyakarta : Graha Ilmu [] Kusrn, Sr Hartat, 007, Penggunaan Penalaran Berbass KasusUntuk Membangun Bass Pengetahuan Dalam Sstem Dagnoss Penyakt.Unversras Gajah Mada, Yogyakarta