APLIKASI PAKAR DIAGNOSA PENYAKIT KANKER SERVIKS DENGAN METODE ANALISIS FAKTOR KEPASTIAN

Transkripsi

1 APLIKASI PAKAR DIAGNOSA PENYAKIT KANKER SERVIKS DENGAN METODE ANALISIS FAKTOR KEPASTIAN Erfan Hasmin Teknik Informatika STMIK DipanegaSra, Makassar Abstrak Aplikasi pakar merupakan aplikasi komputer yang dapat membantu manusia untuk menyelesaikan suatu masalah yang spesifik. Implementasi aplikasi pakar banyak digunakan untuk kepentingan komersial, karena aplikasi pakar dipandang sebagai cara menyimpan pengetahuan manusia dalam bidang tertentu ke dalam suatu program, sehingga dapat memberikan keputusan dan melakukan penalaran secara cepat dan cerdas. Aplikasi pakar menggunakan penalaran inferensi menyerupai seorang analisis dalam memecahkan masalah, Dengan penggunaan komputer melalui aplikasi pakar mendiagnosa penyakit Kanker Serviks diharapkan dapat membantu dokter untuk mendiagnosa penyakit dan gejala yang dirasakan oleh pasien. Dengan menginput tingkat kepastian terhadap diagnose yang dideteksi oleh dokter. Aplikasi akan menganalisa tingkat kepastian yang telah di input oleh pakar (dokter). Aplikasi akan menampilkan output hasil diagnosa disertai dengan tingkat stadium terhadap pernyakit tersebut. Kata kunci : Fakot Kepastian,Kanker Serviks, Pakar Abstract Application experts are computer applications that can help people to solve a specific problem. Implementation of expert application widely used for commercial purposes, for application experts as a way to save human knowledge in a particular field into a program, so as to give a decision and reasoning quickly and intelligently. Application experts using inference reasoning resembles an analysis in solving the problem, the computer through the use of experts diagnose diseases Cervical cancer is expected to help doctors to diagnose the disease and the symptoms experienced by the patient. By inputting the level of certainty of the diagnosis were detected by physicians. Applications will be analyzing the level of certainty that has been input by experts (doctors). The application will display the output level of diagnosis is accompanied by the statement, the stadium. Keyword : Certainty Factor, Cervical cancer, Expert 1. PENDAHULUAN Menurut WHO, terdapat perempuan di dunia terkena kanker serviks pada tiap tahunnya. Dan delapan puluh persen di antaranya berada di negara-negara berkembang, salah satunya adalah Indonesia. Tiap satu menit muncul kasus baru dan tiap dua menit terdapat satu orang meninggal akibat kanker serviks [1]. Jadi bisa disimpulkan bahwa kanker serviks adalah jenis kanker yang sering menyerang wanita. Di Indonesia, pada tiap harinya, diperkirakan muncul kasus baru dan sekitar orang meninggal akibat kanker serviks. Berarti tiap bulan Indonesia kehilangan perempuan akibat kanker serviks. Angka kematian kanker serviks di Indonesia tergolong tinggi dan sebagian besar disebabkan oleh keterlambatan dalam diagnosis. Sedangkan pada RSUD Labuang Baji, penderita penyakit kankerserviksrata-rata berjumlah 20 pasien di setiap tahunnyadan cenderung terjadi pada usia dewasa. Penderita penyakit kanker serviks di RSUD Received June1 st,2012; Revised June25 th, 2012; Accepted July 10 th, 2012

2 Labuang Baji beberapa diantaranya jugameniggal dunia akibat keterlambatan dalam penanganan penyakit tersebut dikarenakan kanker jenis ini merupakan penyakit yang sangat mematikan. Meningkatnya jumlah pasien penderita penyakit kanker serviks, menjadikan permasalahan pada penanganan diagnosa yang semakit sulit karena dokter spesialis penyakit kanker serviks masih sedikit dan untuk mendiagnosa dan mengambil keputusan hasil diagnosa masih dilakukan secara konvensional sertadiperlukan waktu yang lama dan ketelitian untuk memutuskan hasil akhir dari diagnosa pasien. Hal ini memberikan jalan bagi penulis untuk mengimplementasikan hasil penelitian penulis dalam menerapkan diagnosa yang menggunakan sebuah aplikasi pakar, dimana nantinya diagnosa akhir yang dilakukan oleh dokter bersangkutan terhadap pasien, dapat menjadi bahan pertimbangan dokter untuk analisis akhir penyakit kanker Serviks. Adapun metode yang penulis gunakan adalah metode Certainty Factor, dengan alasan metode ini cocok dipakai untuk mengukur kepastian terhadap diagnosa penyakit dan perhitungan dengan menggunakan metode ini dalam sekali hitung hanya dapat mengolah dua data saja sehingga keakuratan data dapat terjaga.. 2. METODE PENELITIAN Tabel 1 Gejala Kanker Serviks Stadium 1 No Gejala 1. munculnya pendarahan seperti menstruasi namun terjadi di luar siklus menstruasi 2. Pendarahan yang muncul saat menjelang siklus menopause dan setelah menopause. 3. Pendarahan yang muncul pada saat hubungan suami istri atau hubugan intim 4. Gejala umum yang paling sering tidak diperhatikan wanita adalah munculnya keputihan yang dalam waktu lama dan sering menimbulkan bau yang tidak enak serta munculnya rasa sakit saat berhubungan seks Tabel 2 Gejala Kanker Serviks Stadium 2 No Gejala 1. Muncul pendarahan dalam waktu tertentu menjelang masa menopause atau pada saat menstruasi. Pendarahan ini bisa membuat penderita merasa lemah dan lelah karena darah yang keluar sangat banyak 2. Muncul rasa sakit pada bagian panggul bawah namun bisa hilang sendiri dan terkadang menjadi gejala awal dari pendarahan. 3. Penderita kanker serviks stadium 2 terkadang juga tidak memiliki gejala khusus seperti pendarahan, namun hanya keputihan yang menimbulkan bau tidak enak. Tabel 3 Gejala Kanker Serviks Stadium 3 No Gejala 1. Muncul pendarahan yang dengan beberapa tingkat yang berbeda. 2. Munculnya keputihan dalam jangka waktu lama dan bahkan menyebabkan bau yang tidak enak 3. Saat berhubungan seksual, organ di sekitar liang vagina biasanya akan terasa sakit dan tidak nyaman. 4 Muncul pendarahan dalam urin. 5 Timbul masalah pencernaan yang berhubungan dengan kesulitan buang air besar. 6 Timbul keinginan buang air kecil secara terus menerus. 7 Tidak memiliki nafsu makan, lebih mudah merasa lelah, lebih dan sedih. 8 Muncul rasa sakit pada bagian panggul belakang dan tidak nyaman untuk beberapa posisi duduk maupun berdiri.

3 Desain Metode Analisis Kepastian Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan [3] dalam didefinisikan sebagai berikut : CF (H, E) = MB (H, E) MD (H, E)CF (1) (H,E) : Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. Besarnya CF berkisar antara -1 sampai 1. Nilai -1 menunjukan ketidak percayaan mutlak sedangkan nilai 1 menunjukan kepercayaan mutlak. MD (H,E) : Ukuran kenaikan ketidak percayaan (measure of increased disbelief terhadap hipotesis H yang dipengaruhi oleh gejala E. MB (H,E) : Ukuran kenaikan kepercayaan (measure of increased belief) terhdapa hipotesis H yang dipengaruhi oleh gejala E. H : Hipotesis (dugaan) E : Evidence (Peristiwa/fakta) Bentuk dasar rumus certainty factor, adalah sebuah aturan JIKA E MAKA H seperti ditunjukan oleh persamaan berikut : CF (H, e) = CF (E, e) CF (H, E) (2) dan dimana: CF (H,e) : certainty factor hipotesis yang dipengaruhi oleh evidence e. CF (E,e) : certainty factor evidence E yang dipengaruhi oleh evidence CF (H,E) :certainty factor hipotesis dengan asumsi evidec diketahui dengan pasti, yaitu ketika CF (E,e) =1 Jika semua evidence pada antecedent diketahui dengan pasti maka persamaanya akan menjadi : CF (H, e) = CF (H, E) (3) Dalam aplikasinya, CF(H,E) merupakan nilai kepastian yang diberikan oleh pakar terhadap suatu aturan, sedangkan CF(E,e) merupakan nilai kepercayaan yang diberikan oleh pengguna terhadap gejala yang dialaminya. Metode certainty factor ini hanya bisa mengolah 2 bobot dalam sekali perhitungan [4]. Untuk bobot yang lebih dari 2 banyaknya, untuk melakukan perhitungan tidak terjadi masalah apabila bobot yang dihitung teracak, artinya tidak ada aturan untuk mengkombinasikan bobotnya, karena untuk kombinasi seperti apapun hasilnya akan tetap sama. Misalnya, untuk mengetahui apakah seorang pasien tersebut menderita penyakit jantung atau tidak, dilihat dari hasil perhitungan bobot setelah semua keluhan-keluhan diinputkan dan semua bobot dihitung dengan menggunakan metode certainty factor. Pasien yang divonis mengidap penyakit jantung adalah pasien yang memiliki bobot mendekati +1 dengan keluhan-keluhan yang dimiliki mengarah kepada penyakit jantung. Sedangkan pasien yang mempunyai bobot mendekati -1 adalah pasien yang dianggap tidak mengidap penyakit jantung, serta memiliki bobot sama dengan 0 diagnosanya tidak diketahui atau unknown atau bisa disebut dengan netral. Tabel 4 Pembobotan Nilai No Gejala Nilai Mb Nilai Md 1. Pendarahan diluar haid 0,5 0,2 2. Siklus menstruasi tidak normal 0,3 0,1 3. Nyeri panggul dan perut 0,4 0,1 4. Nyeri saat buang air kecil 0,2 0,1 Rumus Awal : CF (H, E) = MB (H, E) MD (H, E)

4 MB(h,e1^e2) = MB(h,e1)+MB(h,e2)*(1-MB[h,e1]) MD(h,e1^e2) = MD(h,e1)+MB(h,e2)*(1-MD[h,e1]) Maka dengan perhitungan manual : MB : Tingkat kepastian E didukung adanya gejala parsial e. MD : Tingkat ketidak pastian E didukung adanya gejala parsial e. 1) Menghitung tingkat kepastian penyakit berdasarkan sakit kepala hebat dan kejang-kejang. MB (e1,e2) = 0,5 + 0,3 * (1-0,5) = 0, = ) Menghitung tingkat kepastian penyakit berdasarkan nyeri otot sendi dan merasakan kedinginan MB (e3,e4) = 0,2 + 0,1 * (1-0,2) = 0, = ) Menghitung tingkat ketidak pastian penyakit berdasarkan sakit kepala hebat dan kejangkejang MD (e1,e2) = 0,4 + 0,2 * (1-0,4) = 0, = ) Menghitung tingkat ketidak pastian penyakit berdasarkan nyeri otot sendi dan merasakan kedinginan MD (e3,e4) = 0,1 + 0,3 * (1-0,1) = 0, = 0.37 Maka nilai gabungannya sebagai berikut : MB (e1^e2,e3) = 0,65 + 0,52 * (1-0,65) = 0, = MD (e1^e2,e3) = 0,28 + 0,37 * (1-0,28) = 0, = Maka tingkat kepastian penyakit meningitis dengan CF sebagai berikut : CF (H,E) = MB(H,E) MD(H,E) CF = 0,832 0,5464 = 0,2856 Desain Sistem Gambar 1. Use Case Diagram Gambar 2. Class Diagram

5 Desain Aplikasi Gambar 3. Form Diagnosa Gambar 4. Hasil Diagnosa Pasien 4. KESIMPULAN Perancangan aplikasi pakar diagnosa penyakit kanker serviks yang tlah dibuat dan diimplemtasikan dapat membatu dokter untuk menyimpulkan kanker serviks yang diderita pasien berdasarkan hasil Tanya jawab dan konsultasi antara pasien dan dokter spesialis dan Aplikasi ini juga membantu dokter untuk mendeteksi tingkat stadium penyakit kanker serviks yang diderita oleh pasien. 5. SARAN Karena keterbatasan waktu, biaya dan pengalaman yang dimiliki penulis, maka penulis memberikan saran kepada peneliti yang ingin mengembangkan aplikasi ini untuk mengkombinasikan motode kepastian dengan metode lain yang relevan agar di dapat tingkat akurasi yang lebih baik. UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih STMIK DIPANEGARA Makassar dan dan Rumah Sakit Labuang Baji Makassar yang telah bersedai menjadi tempat penelitian ini.

6 DAFTAR PUSTAKA [8] Komite Penanggulangan Kanker Nasional Panduan Penatalaksanaan Kanker Serviks. Kemetrian Kesehatan RI. Jakarta [9] Kusrini Aplikasi Sistem Pakar Menentukan Faktor Kepastian Pengguna denganmetode Kuantifikasi Pertanyaan. Yogyakarta: Andi Offset [10] Nasdaldy Cegah Dan Deteksi Kanker Serviks. Penerbit Elex Media Komputindo. Jakarta [11] Share Materi Dasar Kanker Serviks Serta Analisis Pengobatan Kanker. Dian Rakyat. Jakarta