SISTEM PAKAR UNTUK MENDETEKSI PENYAKIT AKIBAT BAKTERI SALMONELLA DALAM TUBUH MANUSIA MENGGUNAKAN METODE CERTAINTY FACTOR

Transkripsi

1 SISTEM PAKAR UNTUK MENDETEKSI PENYAKIT AKIBAT BAKTERI SALMONELLA DALAM TUBUH MANUSIA MENGGUNAKAN METODE CERTAINTY FACTOR Nita Sari Br Sembiring STMIK Potensi Utama Medan Jl. K.L Yos Sudarso No 3A Medan Abstrak Sistem Pakar merupakan sistem yang dapat bekerja layaknya seorang ahli dalam bidangnya. Dalam hal ini yang dibahas adalah sistem pakar dalam bidang kesehatan. Dengan adanya sistem pakar diharapkan dapat membantu praktisi kesehatan untuk menelusuri penyakit akibat bakteri dengan cepat. Sistem pakar ini menggunakan mesin inferensi runut maju (Forward Chaining) dan Certainty Factor. Penalaran dilakukan berdasarkan dari gejala-gejala baik yang tampak secara fisik maupun yang tidak tampak (melalui uji laboratorium) terhadap pasien. Dari gejala-gejala tersebut kemudian dibuat rule-rule yang akan diterapkan ke dalam mesin inferensi untuk mengetahui penyakit apa yang dialami oleh pasien. Hasil program ini menunjukkan bahwa sistem pakar dapat dipergunakan sebagai suatu media yang dapat memberikan informasi tentang bakteri, dan cara menghindarinya. Sistem pakar ini dapat digunakan untuk mempercepat pencarian dan pengaksesan terhadap pengetahuan oleh orang-orang yang membutuhkan informasi. Kata Kunci : Sistem Pakar, Basis Pengetahuan, Certainty Factor, Basis Data, Bakteri. Pendahuluan Artificial Inteligent (AI) disebut juga kecerdasan buatan. Kecerdasan buatan dapat didefinisikan sabagai cabang ilmu komputer yang mempelajari otomatisasi tingkah laku cerdas (Intelligent). Kecerdasan buatan adalah suatu ilmu yang mempelajari cara membuat komputer melakukan sesuatu seperti yang dilakukan oleh manusia. Sistem pakar merupakan salah satu bagian dari kecerdasan buatan yang akhir-akhir ini mengalami perkembangan yang sangat pesat. Sistem ini dirancang untuk dapat menirukan keahlian seorang pakar dalam menjawab pertanyaan dan menyelesaikan suatu permasalahan khususnya di bidang kesehatan. Sebelumnya sudah pernah ada yang meneliti tentang bagainama suatu sistem pakar diterapkan untuk menganalisa penyakit dalam [1]. Perbedaan penelitian yang peneliti lakukan dengan penelitian sebelumnya adalah pada penelitian ini di khususkan hanya untuk mendiagnosis penyakit-penyakit dari akibat bakteri salmonella dalam tubuh manusia. Penelitian tidak mencakup seluruh penyakit yang ada pada tubuh manusia. Komponen Sistem Pakar Adapun komponen-komponen dalam sistem pakar meliputi Basis Pengetahuan, Antar muka Pengguna, Mesin Inferensi dan Basis data [2]. Dalam sistem pakar terdiri dari dua lingkungan yaitu, lingkungan konsultasi dan lingkungan pengembangan. Lingkungan konsultasi ditujukan kepada pengguna untuk berkonsultasi langsung dengan sisten dan lingkungan pengembangan ditujukan untuk pakar atau orang yang ahli dalam bidangnya agar dapat memperbaharui aplikasi sistem pakar yang telah dibuat. Dalam hal ini adalah bidang kesehatan. Bakteri Infeksi oleh bakteri genus (oleh sebab itu disebut Salmonellosis) menyerang saluran gastrointestin yang mencakup perut, usus halus, dan usus besar atau kolon. Beberapa spesies salmonella dapat menyebabkan infeksi makanan. Termasuk kedalamnya adalah Enteriditis var Typhirium atau sering disebut Typhi yang mengakibatkan penyakit tifus, dan Shigella yang mengakibatkan penyakit disentri dan diare. Bakteri ini adalah batang gram negatif, motil dan tidak berspora. Dapat memfermentasi glukosa, tetapi tidak dapat memfermentasi laktosa atau sukrosa. Hampir semua serotipe membentuk gas bila memfermentasi gula, kecuali Typhi [3]. Sebagian bersifat pathogen pada binatang dan merupakan sumber infeksi bagi manusia. Binatang-binatang itu antara lain tikus, unggas, anjing dan kucing. Dalam alam bebas typhi dapat tahan lama dalam air, tanah atau pada bahan makanan. Dalam feces di 394

2 luar tubuh manusia hidup 1 atau 2 bulan. Dalam air susu dapat berkembang biak dan hidup lebih lama sehingga sering merupakan batu loncatan untuk penularan penyakitnya. Gambar 1. Bentuk Bakteri Mesin Inferensi Mesin inferensi dalam forward chaining menggunakan informasi yang ditentukan oleh user untuk memindahkan logika and dan or sampai ditentukannya objek. Bila mesin inferensi tidak dapat menentukan objek maka akan meminta informasi lain. Oleh karena itu, untuk mencapai objek harus memenuhi semua aturan. Salah satu metode yang dapat diterapkan dalam sistem pakar adalah metode forward chaining. Forward chaining disebut juga penalaran dari bawah ke atas. Suatu rantai yang dicari atau dilewati/dilintasi dari suatu permasalahan untuk memperoleh solusinya disebut dengan forward chaining. Cara lain menggambarkan forward chaining ini adalah dengan penalaran dari fakta menuju konklusi yang diperoleh dari fakta. Forward Chaining Forward Chaining adalah metode pencarian atau penarikan kesimpulan yang berdasarkan pada data atau fakta yang ada menuju kesimpulan. penelusuran dimulai dari fakta yang ada lalu bergerak maju melalui premis-premis untuk menuju kesimpulan. Suatu perkalian inferensi yang menghubungkan suatu permasalahan dengan solusinya disebut dengan rantai (chain). Suatu rantai yang dicari atau dilewati/ dilintasi dari suatu permasalahan untuk memperoleh solusinya disebut dengan forward chaining. Cara lain menggambarkan forward chaining adalah dengan penalaran dari fakta menuju konklusi yang terdapat dari fakta. Suatu rantai yang dilintasi dari suatu hipotesa kembali ke fakta yang mendukung hipotesa tersebut adalah backward chaining. Dalam penalaran maju, aturan-aturan diuji satu demi satu dalam urutan tertentu. Urutan itu mungkin berupa urutan pemasukan aturan ke dalam basis aturan atau juga urutan lain yang ditentukan oleh pemakai. Saat setiap urutan diuji, sistem pakar akan mengevaluasi apakah kondisinya benar atau salah. Jika kondisinya benar, maka aturan itu disimpan kemudian aturan berikutnya diuji. Sebaliknya kondisinya salah, aturan itu tidak disimpan dan aturan berikutnya diuji. Proses ini akan berulang sampai seluruh basis aturan teruji dengan berbagi kondisi. Searching (Pelacakan) Pelacakan merupakan suatu proses pencarian yang berdasarkan dari sejumlah data yang ada. Pencarian data dapat dilakukan pada sejumlah data yang sudah terurut atau juga pada data yang sama sekali belum terurut. Metode pencarian akan menjelaskan secara umum bagaimana teknik pencarian. Teknik pelacakan terdiri dari 2 cara yaitu Depth-first search dan Breadth-first search. Depth-first search bekerja denga menelusuri simpul mulai dari akar terus kebawah sampai secara berturut-turut ke level yang lebih dalam [2]. Suatu operator digunakan untuk menghasilkan simpul node berikutnya lebih dalam dengan kata lain simpul anak diperoleh dari simpul ayah. Breadth-first search, bekerja dengan cara memeriksa semua simpul dalam pohon pencarian yang dimulai dari akar. Simpul tiap level diperiksa secara lengkap sebelum berpindah ke level berikutnya. Observasi A Observasi B R1 R2 Fakt a C Fakta D Fakta E R3 R2 Gambar 2. Proses Forward Chaining Analisa Kebutuhan Data Tahap penganalisaan terhadap data yang diperoleh pada tahap pengumpulan data akan dilakukan beberapa perancangan tahap penyelesaian perangkat lunak. Berdasarkan literatur literatur yang ada dan hasil wawancara dengan pakar, maka data disusun dan dikelompokkan dalam bentuk tabel data. Hal ini dilakukan agar mempermudah dalam melakukan analisa dan proses data. Kesimpulan 1 Kesimpulan 2 395

3 Penyajian data No Tabel 1. Data Penyakit dan Gejala Penyakit yang disebabkan Kriteria bakteri salmonella 1 Diare - Badan terasa lemas dan lesu - Mengalami sakit perut/kram - Perut mulas - BAB 3-7 x sehari - Feses encer/berlendir - Perut kembung 2 Disentri - Mengalami demam - Badan terasa lemas dan lesu - Mengalami sakit perut/kram - Perut mulas - Mual dan muntah - BAB lebih dari 10 x sehari - Feses encer/berlendir - Feses disertai darah - Perut kembung 3 Typhus - Mengalami demam/panas - Suhu tubuh naik turun - Mengalami sakit kepala/pusing - Badan lemas dan lesu - Sakit perut/kram - Mengalami mual dan muntah - Mengalami sembelit - Perut kembung - Lidah berwarna putih - Muncul ruam di tubuh - Tekanan darah menurun - Denyut Nadi Lambat - Sering mengigau 4 DBD - Panas tinggi - Suhu tubuh naik turun - Sakit Kepala - Sakit Punggung - Sakit Otot-otot 5 Spotted Fever (Demam Bercak) - Sakit Bola Mata - Mual/Muntah - Sakit Perut/Kram - Ruam - Tekanan Darah Menurun - Suka merancau - Panas - Menggigil - Sakit kepala - Badan Letih/lesu - Sakit Sendi dan Seluruh tubuh - Ruam - Kadang Pendarahan di bawah kulit 6 Kolera - Lemas/Lesu - Sakit perut/kam - Mual/ Muntah - BAB sampai 10 x sehari - Feses Encer - Perut Kembung - Dehidrasi 7 Demam - Panas - Sakit Kepala/Pusing - Badan Lemas/Lesu - Kadang Mual/muntah 8 - Sakit Kepala / Pusing Darah Rendah - Badan Letih/Lesu - Mual dan Muntah - Tekanan Darah menurun Uji Widal Uji Widal atau tes di mana yang diuji itu apakah dalam darah / serum pasien mengandung aglutinin terhadap bakteri samlonella typhi dengan jalan mereaksikan serum seseorang dengan antigen O, H dan Vi di laboratorium.. typhi mempunyai 3 macam antigen, yaitu : O antingen (Somatik), H antigen (Flagelar), dan Vi antigen (Virulensi). Bagian dari Vi antigen adalah Paratyphi A dan paratyphi B. Aglutinasi O berbentuk butir-butir pasir yang tidak hilang bila dikocok. Aglutinasi H berbentuk butir-butir pasir yang hilang bila dikocok. Aglutinasi Vi berbentuk awan. Pada umumnya hasil uji widal adalah 1/20, 1/40, 1/60, 1/80, dan kelipatan selanjutnya. Berikut merupakan data nilai Titer Widal bagi yang dinyatakan positif terkena tifus seperti pada tabel 1.2. di bawah ini : 396

4 Tabel 2. Tabel Uji Widal No Antigen yg Nilai Keterangan dibutuhkan Titer 1 Antigen H 1/160 Antigen Flagelar Typhi 2 Antigen O 1/160 Antigen Somatik Typhi 3 Antigen PA-O 1/160 Antigen Paratyphi A 4 Antigen PA-H 5 Antigen PB-O 6 Antigen PB-H 1/160 1/160 1/160 Som Antigen Paratyphi Flag Antigen Paratyphi Som Antigen Paratyphi Flag Certainty Factor Faktor kepastian (certainty factor) diperkenalkan oleh Shortliffe Buchanan dalam pembuatan MYCIN. Certainty Factor (CF) merupakan nilai parameter klinis yang diberikan MYCIN untuk menunjukkan besarnya kepercayaan [4]. Certainty Factor didefinisikan sebagai persamaan berikut : CF (H, E) = MB (H, E) MD (H, E) Certainty Factor dari hipotesis H yang dipengaruhi oleh gejala (evidence) E. Besarnya CF berkisar antara -1 sampai 1. Nilai -1 menunjukkan ketidakpercayaan mutlak sedangkan nilai 1 menunjukkan kepercayaan mutlak. : ukuran kenaikan kepercayaan (measure of increased belief) terhadap hipotesis H yang dipengaruhi oleh gejala E. : ukuran kenaikan ketidakpercayaan (measure of increased disbelief) terhadap hipotesis H yang dipengaruhi oleh gejala E. CFc (CF1,CF2) = CF1 + CF2 (1- CF1) ; jika CF1 dan CF2 keduanya posistif. CFc (CF1,CF2) = CF1 + CF2 (1+ CF1) ; jika CF1 dan CF2 keduanya negative. Perhitungan Nilai Kepastian Berdasarkan Nilai Bobot Gejala Nilai bobot pada gejala yang disebabkan oleh bakteri dapat dilihat pada tabel berikut : A B B Tabel 3. Tabel Nilai Bobot Kode Gejala Bobot G01 Lemas/Lesu 0.6 G02 Mual 0.6 G03 Muntah 0.6 G04 Kram 0.7 G05 Sakit Kepala 0.4 G06 Panas 0.7 G07 Mulut Kering 0.4 G08 Perut Kembung 0.3 G09 Ruam 0.6 G10 Feses Encer 0.5 G11 BAB 10 x sehari 0.3 G12 Suhu Tubuh Naik Turun 0.5 G13 Merancau 0.4 G14 Tekanan Darah Rendah 0.4 G15 Mulas 0.3 G16 Lidah kotor 0.7 G17 Nadi lemah 0.5 G18 Sembelit 0.5 G19 BAB 3-9x sehari 0.3 G20 Feses Berdarah 0.3 G21 Titer Widal Antigen H 1/ G22 Titer Widal Antigen H 1/ G23 Titer Widal Antigen A- H 1/ Misalkan untuk mendiagnosa penyakit diare yang diakibatkan oleh bakteri Shigella dengan rule : IF Badan terasa lemas lesu AND Mengalami sakit perut/kram AND Mulut Kering AND Perut kembung AND Feses Encer AND Mulas AND BAB 3-9 x sehari THEN Diare Nilai CF-nya = MB-MD MB=(Badan Lemas/Lesu, Sakit Perut, Mulut Kering, Perut Kembung, Feses Encer, Mulas, BAB 3-9x sehari) = 0.6, 0.7, 0.4, 0.3, 0.5, 0.3, 0.3. MD=(Badan Lemas/Lesu, Sakit Perut, Mulut Kering, Perut Kembung, Feses Encer, Mulas, BAB 3-9x sehari) = 0.06, 0.07, 0.04, 0.03, 0.05, 0.03, Perhitungan MB : G02 = G01+ (G02 * ( 1-G01)) = (0.7 * ( 1-0.6)) = (0.7 * 0.4) = = 0.88 G03 = G02 + (G03 * (1-G02)) = (0.4 * (1-0.88)) 397

5 = (0.4 * 0.12) = = G04 = G03 + (G04 * (1- G03)) = (0.3 * ( )) = (0.3 * 0.072) = = G05 = G04 + (G05 * (1- G04)) = (0.5 * ( )) = (0.5 * ) = = G06 = G05 + (G06 * (1- G05)) = (0.3 * ( )) = (0.3 * ) = = G07 = G06 + (G07 * (1- G06)) = (0.3 * ( )) = (0.3 * ) = = Perhitungan Nilai MD : G02 = G01+ (G02 * ( 1-G01)) = (0.07 * ( )) = (0.07 * 0.94) = = G03 = G02 + (G03 * (1-G02)) = (0.04 * ( )) = (0.04 * ) = = G04 = G03 + (G04 * (1- G03)) = (0.03 * ( )) = (0.03 * ) = = G05 = G04 + (G05 * (1- G04)) = (0.05 * ( )) = (0.05 * ) = = G06 = G05 + (G06 * (1- G05)) = (0.03 * ( )) = (0.03 * ) = = G07 = G06 + (G07 * (1- G06)) = (0.03 * ( )) = (0.03 * ) = = Nilai CF = MB MD = = Maka hasil diagnosa menyatakan penyakit diare dengan nilai kepastian Arsitektur Sistem Dengan mengacu pada struktur sistem pakar seperti yang telah dibahas pada bagian 2.3, maka arsitektur sistem didesain dengan mengambil bentuk seperti Gambar berikut : Knowledge base Berisi himpunan aturan sbb: untuk mendeteksi penyakit akibat bakteri salmonella User Gambar 3. Desain Arsitektur Sistem Panyajian Fakta dan Database Berisi fakta-fakta tentang: Data Gejala Secara Umum dan Hasil Tes Titer Widal Data Penyakit Yang Ditimbulkan Solusi Inferensi Engine Berisi : Prosedur untuk mencocokkan fakta berdasarkan gejala dengan aturan tentang penggunaan variabel yang dapat mempengaruhi hasil penelusuran penyakit yang diderita (Forward User Interface Berisi : Prosedur untuk menbaca data input dari user berupa gejalagejala yang ditimbulkan. Prosedur untuk menampilkan hasil diagnosa Explanation Facilities Berisi : Prosedur untuk menampilkan parameter data gejala-gejala secara umum Prosedur tentang cara penggunaan program Berdasarkan data-data gejala yang diperoleh dari hasil penelitian maka dapat ditelusuri hasil diagnosa berupa penyakit dan solusi yang diharapkan. Untuk memperoleh hasil yang baik maka, terlebih dahulu harus dibuat rule atau aturan penelusuran. Berikut merupakan data gejala yang diakibatkan oleh bakteri yang dibentuk ke dalam kode-kode dan dibentuk menjadi rule. Tabel 4. Rule untuk Mendiagnosa Penyakit No (Rule) 1 IF mengalami demam/panas is True AND Lemas Lesu is True AND Mual is True AND Muntah is True AND Sakit perut/kram is True 398

6 AND Sakit kepala is True AND Panas is True AND Perut Kembung is True AND Ruam is True AND Suhu Tubuh Naik Turun is True AND Merancau is True AND Tekanan Darah Renah is True AND Lidah Kotor is True AND Denyut Nadi Lemah is True AND Sembelit is True AND Titer Widal O 1/160 is True AND Titer widal antigen H 1/160 is True OR Titer widal antigen H 1/160 is True AND Titer widal antigen A-H 1/160 is True OR Titer widal antigen O 1/160 is True AND Titer widal antigen A-H 1/160 is True THEN Anda positif terkena penyakit tifus yang diakibatkan oleh bakteri salmonella typhi 2 IF Badan terasa lemas lesu is True AND Mengalami sakit perut/kram is True AND Perut kembung is True AND Feses Encer is True AND Mulas is True AND BAB 3-9 x sehari is True THEN Anda terinfeksi bakteri salmonella shigella yang mengakibatkan penyakit diare 3 IF Lemas/lesu is True AND Mual is True AND Muntah is True AND Panas is True AND Kram is True AND Perut kembung is True AND Feses Encer is True AND BAB >10 x sehari is True AND Mulas is True AND Feses Berdarah is True THEN Anda terinfeksi bakteri salmonella shigella yang mengakibatkan penyakit disentri 4 IF Badan lemah lesu is True AND Mual is True AND Muntah is True AND Kram is True AND Perut kembung is True AND Feses Encer is True AND BAB > 10 x sehari is True THEN Kemungkinan anda terkena penyakit Kolera Kesimpulan Berdasarkan penelitian dan pembahasan yang dilakukan, maka dapat disimpulkan beberapa hal sebagai berikut : 1. Dengan aplikasi sistem pakar dapat membantu praktisi kesehatan di bawah Dokter untuk mendiagnosis penyakit tanpa harus melalui Dokter sehingga hasil diagnosis dapat diperoleh dengan cepat. 2. Metode forward chaining akan melakukan penelusuran untuk mendapatkan hasil diagnosa penyakit berdasarkan atribut yaitu gejala-gejala yang ada. Daftar Pustaka [1] Adhi Sadewo Broto Perancangan dan Implementasi Sistem Pakar untuk Analisa Penyakit Dalam. Tugas Akhir. Universitas Diponegoro. Semarang. [2] Siswanto (2010). Kecerdasan Tiruan. Edisi 2. Yogyakarta: Graha Ilmu. [3] Indan Entjang Mikrobiologi dan Parasitologi Untuk Akademi Keperawatan dan Sekolah Tenaga Kesehatan Yang Sederajat. Bandung : Citra Aditya Bakti. [4] Kusrini (2007). Question Quantification to Obtain User Certainty Factor in Expert System Application for Disease Diagnosis. Proceedings of the International Conference on Electrical Engineering and Informatics. Institut Teknologi Bandung, Indonesia. 399