SISTEM PAKAR DIAGNOSA PENYAKIT JANTUNG DENGAN MENGGUNAKAN METODE CERTAINTY FACTOR

Transkripsi

1 SISTEM PAKAR DIAGNOSA PENYAKIT JANTUNG DENGAN MENGGUNAKAN METODE CERTAINTY FACTOR M. Zainal Arifin 1, Siti Nurhayati 2, Adri Raidyarto 3 Program Studi Sistem Informasi Universitas Yapis Papua Jl. DR. Samratulangi, No. 11, Mandala, Jayapura Utara, Papua 1 zetaarifin49@gmail.com, 2 nurhayatist.siti21@gmail.com, 3 adri.raidyarto@gmail.com Abstrak Penyakit jantung dapat menyerang siapa saja. Masyarakat enggan memeriksakan kesehatan jantungnya karena biaya yang harus dikeluarkan sangatlah mahal dan tenaga spesialis juga masih sangat terbatas. Namun, untuk melakukan diagnosa awal penyakit jantung yang dilakukan oleh dokter umum terkadang mengalami kendala seperti kurangnya fasilitas yang dimiliki. Aplikasi sistem pakar diagnosa penyakit jantung menggunakan metode Certainty Factor dibangun untuk membantu dokter di Puskesmas dalam pengambilan keputusan diagnosa awal penyakit jantung dengan gejala-gejala yang didapat dari dokter spesialis jantung sebagai pakar. Metode Certainty Factor merupakan perhitungan yang menghasilkan nilai kepastian tertinggi untuk menetukan solusi. Aplikasi Sistem Pakar Diagnosa Penyakit Jantung ini dihitung menggunakan Metode Certainty Factor dengan masukan dari pengguna. Sistem pakar ini diharapkan bisa menjadi solusi dan alternatif bagi dokter umum agar bisa memberikan saran dan rekomendasi yang tepat bagi pasien. Kata kunci : Sistem Pakar, Diagnosa Jantung, Certainty factor 1. Pendahuluan. Jantung merupakan organ yang sangat penting bagi manusia. Jantung adalah pusat kehidupan bagi manusia. Faktor kesehatan jantung juga dipengaruhi oleh pola makanan dan pola fikir manusia tersebut. Tanda-tanda penyakit jantung pada manusia antara lain sesak nafas, batuk, nyeri dada, rasa lelah dan hilangnya kesadaran secara tibatiba. Penyakit jantung dapat menyerang siapa saja, berdasarkan Riset Kesehatan Dasar (Riskesdas) tahun 2007, penyakit jantung, stroke dan faktor risiko seperti hipertensi dan diabetes menyebabkan 37,6% kematian di Indonesia (Rilantono, 2012). Terjadi peningkatan prevalensi hipertensi berdasarkan wawancara (apakah pernah didiagnosis nakes dan minum obat hipertensi) dari 7,6 persen tahun 2007 menjadi 9,5 persen tahun 2013 dan Provinsi Papua untuk penyakit jantung meningkat sebesar 0,5 persen (Badan Penelitian dan Pengembangan Kesehatan, 2013). Sebagian besar masyarakat enggan memeriksakan kesehatan jantungnya karena biaya yang harus dikeluarkan sangatlah mahal dan tenaga spesialis juga masih jarang dijumpai terutama di daerah pedesaan. Pada umumnya tenaga spesialis kebanyakan dijumpai di daerah perkotaan. Sedangkan masyarakat yang berada di daerah terpencil sangat sulit untuk memeriksakan ataupun berkonsultasi dengan tenaga spesialis. Selain biaya yang dikeluarkan sangat mahal, ketersediaan tenaga medis spesialis di Pusat Kesehatan Masyarakat (Puskesmas) Jayapura Utara juga sangat terbatas, sehingga masyarakat yang ada didaerah terpencil seringkali ke Dokter umum yang berada di Puskesmas. Namun, untuk melakukan diagnosa awal penyakit jantung yang dilakukan oleh dokter umum terkadang mengalami kendala seperti kurangnya fasilitas yang berdampak pada penanganan penyakit tidak sesuai standar, dan sering terjadi pemakaian berbagai obat secara tidak tepat yang pada akhirnya mengakibatkan ketidakefektifan biaya, dan juga masalah-masalah lain seperti resistensi obat akibat pemakaian obat antibiotik. Sistem pakar dibuat pada wilayah pengetahuan tertentu untuk suatu kepakaran tertentu yang mendekati kemampuan manusia di salah satu bidang dalam hal ini adalah permasalahan pada penyakit jantung. Untuk mengatasi permasalahan di atas, diharapkan perancangan aplikasi sistem pakar diagnosa penyakit jantung dapat membantu peran dokter di Puskesmas dalam pengambilan keputusan diagnosa awal penyakit jantung 441

2 2. Metode Penelitian Metode Pengumpulan Data Adapun metode pengumpulan data yaitu: 2.1. Metode Wawancara Metode ini melakukan wawancara kepada Dr Musnidarti SP.JP sebagai pakar jantung untuk mengetahui jenis penyakit jantung dan gejalanya serta bobot yang diberikan terhadap gejala yang paling dominan untuk pembuatan sistem pakar penyakit jantung Metode Studi Pustaka Pengumpulan data yang berupa mencari artikel-artikel, buku-buku dan sumber-sumber lain seperti tesis, disertasi dan prosiding yang relevan pada topik penelitian yaitu sistem pakar diagnosa penyakit jantung menggunakan metode Certainty Factor (CF) Metode Perancangan Metode perancangan yang digunakan yaitu perancangan terstruktur yaitu Data Flow Diagram (DFD). DFD sering digunakan untuk menggambarkan suatu sistem yang telah ada atau sistem baru yang akan dikembangkan secara logika tanpa mempertimbangkan lingkungan fisik dimana data tersebut mengalir atau lingkungan fisik dimana data tersebut akan disimpan 2.4. Metode Pengujian Pengujian merupakan tahapan dimana aplikasi akan dijalankan, tahap ini diperlukan untuk mengetahui apakah sistem sesuai dengan tujuan yang ingin dicapai. Pengujian sistem dilakukan dengan cara menggunakan Black Box. Pengujian ini berfokus pada pengujian interface, pengujian fungsi dasar sistem, dan pengujian form handle sistem. 3. PEMBAHASAN DAN ANALISIS 3.1. Deskripsi Singkat Berdasarkan dari penjelasan sebelumnya, maka dibangun sebuah sistem pakar yang akan membantu dokter umum dalam menentukan jenis penyakit jantung pada pasien. Pada sistem ini menggunakan metode CF yang memiliki kriteria yaitu nilai gejala pada tiap penyakit jantung dan pada saat proses perhitungan akan didapat nilai akhir yang menjadi penentu berupa alternatif penyakit dari nama penyakit jantung dengan nilai yang terbesar Analisis Masalah Analisis masalah ini akan membahas mengenai permasalahan yang terjadi pada sistem yaitu bagaimana membantu dokter umum dalam menentukan penyakit jantung sesuai dengan gejala yang dialami pasien Pembahasan Sistem menggunakan metode Certainty Factor (CF).CF merupakan metode sistem pakar. Sistem pakar ini didasarkan pada teori bahwa setiap hipotesis yang dipengaruhi dari gejala. Besarnya CF berkisar antara -1 dampai dengan 1. Nilai -1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkan kepercayaan mutlak CF menggunakan Forward Chaining berati menggunakan kondisi-aksi. Dalam metode ini, data yang digunakan untuk menentukan aturan mana yang akan dijalankan, proses diulang sampai ditemukan suatu hasil. Rumus yang terdapat pada metode CF yaitu: CF(H, E) = MB(H, E) MD(H, E) (1) Keterangan : CF(H,E) = Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala {evidence) E. Besarnya CF berkisar antara -1 sampai dengan 1. Nilai -1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkan kepercayaan mutlak. MB(H,E) = Ukuran kenaikan kepercayaan {measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E. MD(H,E) = Ukuran kenaikan ketidakpercayaan {measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E. Sebagai contoh penerapan perumusan tingkat kepastian, Penyakit gagal jantung ditunjukkan oleh gejala sesak nafas saat beraktifitas, jantung berdebar, keringat dingin dan cepat lelah P (Sesak Nafas Saat Beraktifitas) = 0,8 P (Jantung Berdebar) = 0,9 P (Keringat dingin) = 0,6 P (Cepat Lelah) = 0,8 dengan menganggap : E1 : Sesak Nafas Saat Beraktifitas E2 : Jantung Berdebar E3 : Keringat Dingin E4 : Cepat Lelah Maka dengan perhitungan manual : MB (e1,e2) = 0,8 + (0,9 * (1-0,8)) = 0,8 + 0,9 * 0,2 = 0,98 MD (e1,e2) = 0, ,005 * (1-0,004) = 0, ,005 * 0,996 = 0,

3 CF = 0,98-0,008 = 0,972 MB (e1^e2,e3) = 0,98 + 0,6 * (1-0,98) = 0,98 + 0,6 * 0,02 = 0,99 MD (e1^e2,e3) = 0, ,003 * (1-0,008) = 0, ,003 * 0,44 = 0,010 CF = 0,99 0,010 = 0,98 MB (e1^e2^e3,e4) = 0,99 + 0,8 * (1-0,99) = 0,99 + 0,8 * 0,01 = 0,998 MD (e1^e2^e3,e4) = 0,010+ 0,004 * (1-0,010) = 0, ,004 * 0,99 = 0,013 CF =0,998 0,013 = 0,985 Dari perhitungan diatas dapat disimpulkan bahwa penyakit yang dialami adalah gagal jantung dengan tingkat kepastian hasil perhitungan CF sebesar 0, Diagram Konteks Untuk diagram konteks pakar memasukkan data penyakit dan gejala, dan user memasukkan data gejala yang di derita, setelah itu sistem akan memproses dan menghasilkan informasi jenis penyakit pada user. Diagram konteks dapat dilihat pada gambar 1. PAKAR DATA PENYAKIT DATA GEJALA SISTEM PAKAR DIAGNOSA PENYAKIT JANTUNG INFORMASI JENIS PENYAKIT DATA GEJALA gambar 1. Diagram Context 3.5. Diagram Overview Untuk diagram overview terdapat 4 proses yaitu proses data penyakit, proses data gejala, proses diagnosa, dan hasil diagnosa dan nilai CF. Pada setiap proses tersebut terdapat beberapa terminator yang melakukan proses tersebut. Proses pertama yaitu pakar memasukkan data penyakit setelah itu diproses dan akan menghasilkan data penyakit dan setelah itu disimpan. Proses keduaproses kedua pakar memasukkan data gejala setelah itu diproses dan akan menghasilkan data gejala. Proses ketiga mengelola data penyakit dan gejala sesuai dengan masukkan data gejala dari user. Proses keempat mengelola data diagnosa dan menghasilkan nilai CF dari penyakit kepada user. Diagram overview dapat dilihat pada gambar 2. USER Pakar User Input Data Penyakit Input Data gejala Input Pilihan Gejala Hasil Diagnosa 1 P Proses Data Penyakit 2 P Proses Data Gejala 3 P Proses Diagnosa 4 P Hasil Diagnosa dan Nilai CF Data Penyakit Data Gejala Penyakit gambar 2. Diagram Overview 3.6. Relasi Tabel Pada relasi tabel terdapat entitas gejala dan entitas penyakit. Entitas gejala dan entitas penyakit dihubungkan dan menghasilkan entitas pengetahuan yang terdiri dari id pengetahuan, id penyakit, id gejala, MB dan MD. Relasi tabel dapat dilihat pada gambar Tampilan Halaman gambar 3. Relasi Tabel Tampilan Menu Pada tampilan halaman tampilan halaman awal aplikasi yang berisi login untuk admin dan konsultasi buat pengguna. Tampilan menu dapat dilihat pada gambar 4. Gambar 4. Tampilan Menu Tampilan Login Pada tampilan halaman login dimana admin dapat mengakses halaman admin dengan memasukkan username dan password. Tampilan login admin dapat dilihat pada gambar 5. Gejala 443

4 Gambar 5. Tampilan login Tampilan Menu Admin Pada tampilan halaman menu admin merupakan halaman utama admin dimana admin bisa memilih data penyakit, gejala, pengetahuan dan ganti password. Tampilan menu admin dapat dilihat pada gambar 6. Gambar 8. Tampilan menu gejala Tampilan Menu Pengetahuan Pada tampilan halaman menu pengetahuan dimana admin bisa menambahkan data dengan memilih jenis penyakit dan gejala kemudian memasukkan nilai MB dan MD. Dari proses input data MB dan MD tersebut akan diperoleh hasil perhitungan nilai CF. Tampilan menu pengetahuan dapat dilihat pada gambar 9. Gambar 6. Tampilan menu admin Tampilan Menu Penyakit Pada tampilan halaman menu penyakit merupakan halaman dimana admin bisa menambahkan, mengganti dan menghapus data penyakit. Tampilan menu penyakit dapat dilihat pada gambar 7. Gambar 9. Tampilan menu pengetahuan. Gambar 7. Tampilan menu penyakit Tampilan Menu Ganti Password Pada tampilan halaman menu ganti password dimana admin bisa merubah username dan password. Tampilan menu ganti password dapat dilihat pada gambar Tampilan Menu Gejala Pada tampilan halaman menu gejala merupakan halaman dimana admin bisa menambahkan, mengganti dan menghapus data gejala yang diberikan oleh pakar. Tampilan menu gejala dapat dilihat pada gambar 8. Gambar 10. Tampilan menu ganti password 444

5 Tampilan Menu Konsultasi Pada tampilan halaman menu konsultasi dimana pengguna bisa memilih beberapa gejala dan untuk mengetahui hasilnya. Tampilan menu konsultasi dapat dilihat pada gambar 11. dikembangkan lebih lanjut sehingga dapat menampilakan hasil perhitungan sistem sesuai dengan bobot penyakit. Daftar Pustaka: [1] Al Fatta H, Analisis dan Perancangan Sistem Informasi, Yogyakarta: Andi, [2] Badan Penelitian dan Pengembangan Kesehatan, Riset Kesehatan Dasar (Riskesdas). Kementrian Kesehatan RI, [3] Fita PS, Irnawati, Rini H, Ekawati D, Windiarto, Pembuatan Software Rekam Medis Dengan Java Netbeans+MySQL, Yogyakarta: Gava Media, [4] Jota S, Diagnosis Penyakit Jantung, Jakarta: Widya medika, Gambar 11. Tampilan menu konsultasi Tampilan Hasil Konsultasi Pada tampilan hasil konsultasi adalah halaman lanjutan dari menu konsultasi yang memberikan hasil penyakit dari gejala yang dipilih pengguna. Tampilan hasil konsultasi dapat dilihat pada gambar 12. [5] Kusrini, Sistem Pakar Teori dan Aplikasi, Yogyakarta: Andi,2006. [6] Yakub, Pengantar Sistem Informasi. Yogyakarta: Graha Ilmu, [7] Rosa, Salahuddin, Modul Pembelajaran Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi Objek), Bandung, Modula [8] Rilantono L, Penyakit Kardiovaskular (PKV).Jakarta : Fakultas Kedokteran Universitas Indonesia,2012 [9] Pressman R, Software Engineering, A Practitioner s Approach, USA: McGraw-Hill, Gambar 12. Tampilan hasil konsultasi. 4. KESIMPULAN DAN SARAN Sistem Pakar Diagnosa Penyakit Jantung Menggunakan Metode Certainty Factor dapat membantu mendiagnosa jenis penyakit jantung secara cepat. Sistem Pakar Diagnosa Penyakit Jantung ini dihitung menggunakan metode Certainty Factor dengan masukan gejala dari pengguna. Sistem pakar ini dapat digunakan menjadi alternatif bagi dokter umum agar bisa memberikan saran yang tepat bagi pasien. Untuk penelitian ini selanjutnya, ada baiknya sistem dikembangkan berbasis web atau android, sehingga dapat lebih mudah diakses masyarakat. Perlu adanya pengembangan dengan metode yang berbeda atau konfiks metode Certainty Factor dengan metode lain agar memperoleh tingkat keyakinan yang lebih optimal dan dapat 445